CN104080092A - 一种基站分组方法及系统 - Google Patents

Abstract

本发明公开了一种基站分组方法及系统，涉及移动通信技术领域，本发明通过各步骤间的配合，避免了现有动态分组方法中获取精确信道信息所产生的浪费，能够以较低的复杂度逼近已有的动态分组方案性能，同时性能大幅超过静态分组方法，降低了基站分组的复杂度，并提高了基站分组的分组效率。

Description

一种基站分组方法及系统

技术领域

本发明涉及移动通信技术领域，特别涉及一种基站分组方法及系统。

背景技术

随着移动通信技术的不断演进，基站和用户之间的通信速率飞速增长。在有限的频谱资源下，速度的增长带来的是对频谱利用效率的更高要求。密集的频谱复用增加了各个小区间的干扰强度，从而降低了小区内用户或基站的信干噪比，从而制约了通信速率的进一步提升。

解决小区间干扰问题有很多种手段，最原始的方法是在基站布局的过程中对各个基站所使用的频段进行预先划分，使得采用同样频率进行通信的小区在地理分布上相隔较远，从而减轻了两者之间的干扰。但这种方案无疑极大的降低了频谱的利用效率。随着多输入多输出(Multiple-Input Multiple-Output，MIMO)通信的出现，发现如果在多个基站之间建立协同关系，则可以使多个基站形成一个虚拟的MIMO系统，从而在这些能够协作的基站范围内，其相互之间的干扰能够通过MIMO通信的技术原理予以消除。相对传统的依靠地理间隔降低干扰的方式来说，这种新的对抗干扰的方式大幅提高了频谱利用效率。而协作机制带来的弊端就是提高了对基站的信号处理能力的要求，同时要求基站之间存在高速的通信链路。当协作的规模越来越大，这种要求往往变的难以满足。

为使多基站协作成为可能，在协作之前先对已有基站进行分组，分组后仅在组内进行协作成为一种非常实用的方案。分组降低了协作的天线规模，也就降低了基站做多天线检测或者预编码方法的复杂度。

在这样的背景下，分组方法本身的复杂度和形成分组后的系统性能成为度量分组协作方案的核心标准。在分组协作中，不同的分组方案会对最终的系统性能有较大的影响，同时其自身的复杂度也有较大的区别。目前的分组方案中比较有效的方案是正交动态分组。这种分组方法能够根据随机变化的信道结构，动态的改变系统的分组结构，使系统中的基站能够根据信道的变化进行有效的合作，从而获得更高的系统容量。这个分组方法的重要缺陷在于，分组方法执行过程中需要已知整个系统中所有基站和用户之间的精确信道信息。为此所要付出的信道估计的代价是很高的。而分组之后的检测过程中，由于只在分组内部存在协作关系，所以仅需要知道局部的信道信息即可完成检测，从而采用这样的分组方案，浪费了大部分精确估计得到的信道信息。

发明内容

为了降低基站分组的复杂度，并提高基站分组的分组效率，本发明提供了一种基站分组方法，所述方法包括以下步骤：

S1：获取所有基站与用户之间的大尺度信道系数；

S2：在未被分组的基站中选取一个作为当前基站，将所述当前基站作为当前分组；

S3：遍历除当前基站外且能被分组的基站，根据所述大尺度信道系数计算将遍历到的基站加入到所述当前分组后的容量近似值；

S4：找到最大的容量近似值，将所述最大的容量近似值所对应的基站加入所述当前分组，并判断所述当前分组是否达到了分组阈值，若是，则执行步骤S5，否则返回步骤S3；

S5：判断是否所有的基站均被分组包含，若否，则返回步骤S2，否则结束流程。

其中，所述大尺度信道系数由路径损耗和阴影衰落计算获得。

其中，步骤S3中，根据所述大尺度信道系数通过下式计算将遍历到的基站加入到所述当前分组后的容量近似值，

$C\≈M\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\log \left(T_k\right)+L\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\log \left(S_n\right)-L\log \left(e\right)\underset{k=1}{\overset{K}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{A}_n{l}_{\mathrm{nk}}^2{S}_n^{-1}{T}_k^{-1}$

其中，C为容量近似值；M为每个用户的天线数量；L为每个基站的天线数量；K为分组中用户个数；N为分组中基站个数；l_nk为第n个基站和第k个用户之间的大尺度信道系数；A_n为第n个基站收到的信号的信干噪比；e为自然指数；log的底数为2；

T_k和S_n在满足下式时获得，

$\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{({S_n}^l-{S_n}^{l-1})}^2+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{({T_k}^l-{T_k}^{l-1})}^2<\mathrm{\&epsiv;}$

其中，S_n ^l为第l次迭代时S_n的值，且 T_k ^l为第l次迭代时T_k的值，且ε为常数。

其中，所述ε取值为1.0×10^-6。

本发明还公开了一种基站分组系统，所述系统包括：

系数获取模块，用于获取所有基站与用户之间的大尺度信道系数；

基站选取模块，用于在未被分组的基站中选取一个作为当前基站，将所述当前基站作为当前分组；

遍历计算模块，用于遍历除当前基站外且能被分组的基站，根据所述大尺度信道系数计算将遍历到的基站加入到所述当前分组后的容量近似值；

加入判断模块，用于找到最大的容量近似值，将所述最大的容量近似值所对应的基站加入所述当前分组，并判断所述当前分组是否达到了分组阈值；

包含判断模块，用于判断是否所有的基站均被分组包含。

其中，所述大尺度信道系数由路径损耗和阴影衰落计算获得。

其中，所述遍历计算模块根据所述大尺度信道系数通过下式计算将遍历到的基站加入到所述当前分组后的容量近似值，

$C\&ap;M\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\log \left(T_k\right)+L\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log \left(S_n\right)-L\log \left(e\right)\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{A}_n{l}_{\mathrm{nk}}^2{S}_n^{-1}{T}_k^{-1}$

其中，C为容量近似值；M为每个用户的天线数量；L为每个基站的天线数量；K为分组中用户个数；N为分组中基站个数；l_nk为第n个基站和第k个用户之间的大尺度信道系数；A_n为第n个基站收到的信号的信干噪比；e为自然指数；log的底数为2；

T_k和S_n在满足下式时获得，

$\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{({S_n}^l-{S_n}^{l-1})}^2+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{({T_k}^l-{T_k}^{l-1})}^2<\mathrm{\&epsiv;}$

其中，S_n ^l为第l次迭代时S_n的值，且 T_k ^l为第l次迭代时T_k的值，且ε为常数。

其中，所述ε取值为1.0×10^-6。

本发明通过各步骤间的配合，避免了现有动态分组方法中获取精确信道信息所产生的浪费，能够以较低的复杂度逼近已有的动态分组方案性能，同时性能大幅超过静态分组方法，降低了基站分组的复杂度，并提高了基站分组的分组效率。

附图说明

图1是本发明一种实施方式的基站分组方法的流程图；

图2是本发明第一种实施例的基站分组方法的流程图；

图3是本发明第二种实施例中基站分布示意图；

图4是本发明第二种实施例中方法的性能示意图；

图5是本发明一种实施方式的基站分组系统的结构框图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1是本发明一种实施方式的基站分组方法的流程图；参照图1，所述方法包括以下步骤：

S1：获取所有基站与用户之间的大尺度信道系数；

S2：在未被分组的基站中选取一个作为当前基站，将所述当前基站作为当前分组；

S3：遍历除当前基站外且能被分组的基站，根据所述大尺度信道系数计算将遍历到的基站加入到所述当前分组后的容量近似值；

S4：找到最大的容量近似值，将所述最大的容量近似值所对应的基站加入所述当前分组，并判断所述当前分组是否达到了分组阈值，若是，则执行步骤S5，否则返回步骤S3；

S5：判断是否所有的基站均被分组包含，若否，则返回步骤S2，否则结束流程。

为便于获取大尺度信道系数，优选地，所述大尺度信道系数由路径损耗和阴影衰落计算获得，本实施方式中，所述大尺度信道系数为路径损耗和阴影衰落相乘所得的值。

为准确计算容量近似值，优选地，步骤S3中，根据所述大尺度信道系数通过下式计算将遍历到的基站加入到所述当前分组后的容量近似值，

$C\&ap;M\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\log \left(T_k\right)+L\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log \left(S_n\right)-L\log \left(e\right)\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{A}_n{l}_{\mathrm{nk}}^2{S}_n^{-1}{T}_k^{-1}$

其中，C为容量近似值；M为每个用户的天线数量；L为每个基站的天线数量；K为分组中用户个数；N为分组中基站个数；l_nk为第n个基站和第k个用户之间的大尺度信道系数；A_n为第n个基站收到的信号的信干噪比；e为自然指数；log的底数为2；

T_k和S_n在满足下式时获得，

$\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{({S_n}^l-{S_n}^{l-1})}^2+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{({T_k}^l-{T_k}^{l-1})}^2<\mathrm{\&epsiv;}$

其中，S_n ^l为第l次迭代时S_n的值，且T_k ^l为第l次迭代时T_k的值，且ε为常数。

优选地，所述ε取值为1.0×10^-6。

实施例1

下面以一个具体的实施例来说明本发明，但不限定本发明的保护范围。设总基站数为B，参照图2，本实施例的方法包括：

101：获取分组阈值V和重叠阈值N，并获取所有基站与用户之间的大尺度信道系数。

102：构建大小为B×1的标志变量数组idxFlag，该数组的每个元素对应一个基站，将该数组所有元素均初始化为N+1，该数组中每个元素代表当前该基站还能够被多少个分组包含。

103：构建大小为B×(N+1)的数组Cs，该数组中每一行对应一个基站，每一列对应一个可能的分组。由于重叠大小为N，所以每个基站可能属于N+1个不同的分组。该数组用于存放由不同分组计算得到的分组容量值。

104：从不属于任何分组的基站(即未被分组的基站)中随机挑选一个基站BS1，将数组idxFlag中与BS1对应的元素值减1，并将基站BS1作为当前分组。

105：遍历除基站BS1外，所有数组idxFlag中非零元素所对应的基站(即能被分组的基站)，计算将遍历到的基站加入当前分组后的容量近似值：

$C\&ap;M\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\log \left(T_k\right)+L\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log \left(S_n\right)-L\log \left(e\right)\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{A}_n{l}_{\mathrm{nk}}^2{S}_n^{-1}{T}_k^{-1}$

其中，C为容量近似值；M为每个用户的天线数量；L为每个基站的天线数量；K为分组中用户个数；N为分组中基站个数；l_nk为第n个基站和第k个用户之间的大尺度信道系数；A_n为第n个基站收到的信号的信干噪比；e为自然指数；log的底数为2；

T_k和S_n在满足下式时获得(即通过1和一直迭代运算，一旦满足下式，则停止运算，并将停止时的最后一次迭代产生的T_k ^l和S_n ^l分别作为T_k和S_n的计算结果)，

$\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{({S_n}^l-{S_n}^{l-1})}^2+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{({T_k}^l-{T_k}^{l-1})}^2<\mathrm{\&epsiv;}$

其中，S_n ^l为第l次迭代时S_n的值，且T_k ^l为第l次迭代时T_k的值，且ε为常数，且取值为1.0×10^-6。

106：找到遍历过程中使得C达到最大的基站，将该基站加入当前分组中，并将当前分组中每个基站的C值记录在预先分配的数组Cs对应位置上。

107：重复步骤105-106，直至当前分组大小达到V。

108：重复步骤104-107，直至每个基站均被至少一个分组包含。

实施例2

假设在图3所示的基站分布情况下，小区数目为24个，小区半径为2km(km即千米，kilometers)，仿真过程中会在每个小区中的随机位置生成1个用户，使用上述方法进行基站分组，并计算系统的可达速率。分组大小设置为4，重叠大小设置为2。信道采用以下公式生成：

$h_{\mathrm{ij}}=a_{\mathrm{ij}}\sqrt{G\left(d_{\mathrm{ij}}\right){\mathrm{\&beta;}}_{\mathrm{ij}}}$

其中，h_ij代表基站i到用户j之间的信道系数；a_ij为基站i到用户j之间的瑞利衰落系数；G(d_ij)为基站i到用户j之间的大尺度衰落系数；d_ij为基站i到用户j之间距离；β_ij为基站i到用户j之间的阴影衰落，其服从均值为0dB、方差为8dB的高斯分布。大尺度衰落系数采用LTE标准中的模型，其计算公式如下：

$G^{\mathrm{dB}}\left(d_{\mathrm{ij}}\right)=148.1+37.6{\log }_{10}\left(d_{\mathrm{ij}}^{\mathrm{km}}\right)$

其中，G^dB(d_ij)为G(d_ij)的分贝值，为单位为千米(km)的d_ij值。

在上述仿真条件下，本实例对信噪比-30dB到60dB区间，以5dB为间隔逐点进行仿真，得到每个信噪比下平均单个小区的可达速率，并将该算法的性能与现有的动态分组算法进行比较。比较结果如图4所示(图中的SNR为信噪比)，方块所标示的曲线为该发明的仿真结果，可以看出该分组方案能够有效提高单个基站的平均可达速率(Average Sum Rate)。

本发明还公开了一种基站分组系统，参照图5，所述系统包括：

系数获取模块，用于获取所有基站与用户之间的大尺度信道系数；

基站选取模块，用于在未被分组的基站中选取一个作为当前基站，将所述当前基站作为当前分组；

遍历计算模块，用于遍历除当前基站外且能被分组的基站，根据所述大尺度信道系数计算将遍历到的基站加入到所述当前分组后的容量近似值；

加入判断模块，用于找到最大的容量近似值，将所述最大的容量近似值所对应的基站加入所述当前分组，并判断所述当前分组是否达到了分组阈值；

包含判断模块，用于判断是否所有的基站均被分组包含。

优选地，所述大尺度信道系数由路径损耗和阴影衰落计算获得。

优选地，所述遍历计算模块根据所述大尺度信道系数通过下式计算将遍历到的基站加入到所述当前分组后的容量近似值，

$C\&ap;M\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\log \left(T_k\right)+L\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log \left(S_n\right)-L\log \left(e\right)\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{A}_n{l}_{\mathrm{nk}}^2{S}_n^{-1}{T}_k^{-1}$

其中，C为容量近似值；M为每个用户的天线数量；L为每个基站的天线数量；K为分组中用户个数；N为分组中基站个数；l_nk为第n个基站和第k个用户之间的大尺度信道系数；A_n为第n个基站收到的信号的信干噪比；

T_k和S_n在满足下式时获得，

$\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{({S_n}^l-{S_n}^{l-1})}^2+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{({T_k}^l-{T_k}^{l-1})}^2<\mathrm{\&epsiv;}$

其中，S_n ^l为第l次迭代时S_n的值，且 T_k ^l为第l次迭代时T_k的值，且ε为常数。

优选地，所述ε取值为1.0×10^-6。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (8)

1.一种基站分组方法，其特征在于，所述方法包括以下步骤：

S1：获取所有基站与用户之间的大尺度信道系数；

S2：在未被分组的基站中选取一个作为当前基站，将所述当前基站作为当前分组；

S3：遍历除当前基站外且能被分组的基站，根据所述大尺度信道系数计算将遍历到的基站加入到所述当前分组后的容量近似值；

S4：找到最大的容量近似值，将所述最大的容量近似值所对应的基站加入所述当前分组，并判断所述当前分组是否达到了分组阈值，若是，则执行步骤S5，否则返回步骤S3；

S5：判断是否所有的基站均被分组包含，若否，则返回步骤S2，否则结束流程。

2.如权利要求1所述的方法，其特征在于，所述大尺度信道系数由路径损耗和阴影衰落计算获得。

3.如权利要求1所述的方法，其特征在于，步骤S3中，根据所述大尺度信道系数通过下式计算将遍历到的基站加入到所述当前分组后的容量近似值，

$C\&ap;M\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\log \left(T_k\right)+L\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log \left(S_n\right)-L\log \left(e\right)\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{A}_n{l}_{\mathrm{nk}}^2{S}_n^{-1}{T}_k^{-1}$

其中，C为容量近似值；M为每个用户的天线数量；L为每个基站的天线数量；K为分组中用户个数；N为分组中基站个数；l_nk为第n个基站和第k个用户之间的大尺度信道系数；A_n为第n个基站收到的信号的信干噪比；e为自然指数；log的底数为2；

T_k和S_n在满足下式时获得，

$\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{({S_n}^l-{S_n}^{l-1})}^2+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{({T_k}^l-{T_k}^{l-1})}^2<\mathrm{\&epsiv;}$

其中，S_n ^l为第l次迭代时S_n的值，且 T_k ^l为第l次迭代时T_k的值，且 ${T_k}^l=1+(L{A}_n/M)\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{l_{\mathrm{nk}}}^2{\left[{S_n}^{(l-1)}\right]}^{-1},{T_k}^0=1,k=1,...,K;$ ε为常数。

4.如权利要求3所述的方法，其特征在于，所述ε取值为1.0×10^-6。

5.一种基站分组系统，其特征在于，所述系统包括：

系数获取模块，用于获取所有基站与用户之间的大尺度信道系数；

基站选取模块，用于在未被分组的基站中选取一个作为当前基站，将所述当前基站作为当前分组；

遍历计算模块，用于遍历除当前基站外且能被分组的基站，根据所述大尺度信道系数计算将遍历到的基站加入到所述当前分组后的容量近似值；

加入判断模块，用于找到最大的容量近似值，将所述最大的容量近似值所对应的基站加入所述当前分组，并判断所述当前分组是否达到了分组阈值；

包含判断模块，用于判断是否所有的基站均被分组包含。

6.如权利要求5所述的系统，其特征在于，所述大尺度信道系数由路径损耗和阴影衰落计算获得。

7.如权利要求5所述的系统，其特征在于，所述遍历计算模块根据所述大尺度信道系数通过下式计算将遍历到的基站加入到所述当前分组后的容量近似值，

$C\&ap;M\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\log \left(T_k\right)+L\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\log \left(S_n\right)-L\log \left(e\right)\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{A}_n{l}_{\mathrm{nk}}^2{S}_n^{-1}{T}_k^{-1}$

其中，C为容量近似值；M为每个用户的天线数量；L为每个基站的天线数量；K为分组中用户个数；N为分组中基站个数；l_nk为第n个基站和第k个用户之间的大尺度信道系数；A_n为第n个基站收到的信号的信干噪比；e为自然指数；log的底数为2；

T_k和S_n在满足下式时获得，

$\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{({S_n}^l-{S_n}^{l-1})}^2+\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{({T_k}^l-{T_k}^{l-1})}^2<\mathrm{\&epsiv;}$

其中，S_n ^l为第l次迭代时S_n的值，且 T_k ^l为第l次迭代时T_k的值，且ε为常数。

8.如权利要求7所述的系统，其特征在于，所述ε取值为1.0×10^-6。