CN104320814A - CoMP分簇方法及小区间资源调度方法 - Google Patents

Abstract

本发明提供一种CoMP分簇方法及小区间资源调度方法。所述CoMP分簇方法包括：步骤1)、初始化每个用户的CoMP服务基站簇；对于每个用户，根据该用户的本地效用以及该用户采用对应CoMP服务基站簇时对与其有相同服务基站的所有其他用户的本地效用的影响，计算该用户的决策函数值；步骤2)、对于所有用户中的每个用户执行：改变该用户的CoMP服务基站簇并且计算该用户新的决策函数值，如果新的决策函数值大于等于原来的决策函数值，则保存该改变；步骤3)、重复步骤2)，直到改变任意用户的CoMP服务基站簇，都不会使其新的决策函数值大于等于原来的决策函数值。本发明提高了系统整体吞吐量，并且适合应用在大规模网络中，能更好地支持网络的可扩展性。

Description

CoMP分簇方法及小区间资源调度方法

技术领域

本发明涉及无线通信技术领域，以及更具体地，涉及一种CoMP分簇方法及小区间资源调度方法。

背景技术

多点协作传输(Coordianted Mulitiple Points transmission/reception,CoMP)是第4代移动通信系统(4th Generation of Mobile Communicationsystem，4G)增强长期演进(Long Term Evolution-Advanced,LTE-A)中提出的一项关键技术。在CoMP中，一个用户终端(User Equipment,UE)可以同时由其附近的多个基站(在LTE中被称为eNode-B，eNB)联合为其服务。这样，通过在多个小区之间进行发送和接收信号的联合处理，小区边缘用户的性能可以得到提升。为了实现CoMP，需要多个eNB形成协作簇与UE进行联合通信。

现有的分簇方法可以分为两类：预定义分簇方法和自适应分簇方法。在预定义分簇方法中，CoMP协作簇中的eNB是提前设定好的并且是非重叠的。其中一类是将宏基站的三个扇区作为一个协作簇；另一类是从基站间距离的角度考虑，根据基站的地理位置进行分组。基于用户性能的自适应分簇方法根据用户的性能进行分簇，通常根据用户在物理层的性能进行协作基站选择。

然而，现有的分簇方法大都关注提高通信链路的质量，使用的分簇准则往往是和物理层相关的，例如最大化信噪比(Signal-to-Noise Ratio,SNR)、信干噪比(Signal-to-Interference-plus-Noise Ratio,SINR)和频谱效率等，而没有考虑不同小区之间的负载状况和各小区媒体接入控制(MediaAccess Control,MAC)层的资源调度，从而导致系统整体性能(如吞吐量)的下降。例如，一个负载比较轻的基站A为一个UE提供服务，同时另一个基站B与基站A对这个UE进行CoMP传输。基站B需要给这个UE分配一定的资源进行CoMP传输，以提升其性能。如果基站B的负载比较重，那么它能够分配给小区内其他用户的资源就会减少，总体上系统的吞吐量可能会降低。

发明内容

针对上述现有技术中存在的问题，根据本发明的一个实施例，提供一种CoMP分簇方法，包括：

步骤1)、初始化每个用户的CoMP服务基站簇；其中，对于每个用户，根据该用户的本地效用以及该用户采用对应CoMP服务基站簇时对与其有相同服务基站的所有其他用户的本地效用的影响，计算该用户的决策函数值；

步骤2)、对于每个用户执行：

改变该用户的CoMP服务基站簇并且计算该用户新的决策函数值，如果新的决策函数值大于等于原来的决策函数值，则保存该改变；

步骤3)、重复步骤2)，直到改变任意用户的CoMP服务基站簇，都不会使其新的决策函数值大于等于原来的决策函数值。

上述方法中，可根据下式计算用户i的决策函数值

其中，N_i表示与用户i有相同服务基站的所有其他用户的集合，B_-i表示N_i的CoMP服务基站簇的集合，表示用户i的本地效用，表示用户i的CoMP服务基站为B_i时用户j的本地效用，表示用户i不被任何基站服务时用户j的本地效用。

上述方法中，用户i的本地效用满足：

$u_i^{\mathrm{\α}}(B_{-i},B_i)\∝G_i\left(B_i\right),$ 且

$u_i^{\mathrm{\α}}(B_{-i},B_i)\∝g_i(B_{-i},B_i)$

其中，B_i表示用户i的CoMP服务基站簇，B_-i表示N_i的CoMP服务基站簇的集合，G_i(B_i)表示用户i的链路级性能，且g_i(B_-i,B_i)表示用户i估计得到的资源数。

在进一步的实施例中，用户i的本地效用可表示如下：

$u_i^{\mathrm{\α}}(B_{-i},B_i)=f^{\mathrm{\α}}\left(\frac{G_i\left(B_i\right)}{M_i\left(B\right)}\right)$

其中，f^α(·)是α公平效用函数，M_i(B)表示用户i的CoMP服务基站簇B_i中负载最重的基站所服务的用户总数。

上述方法中，步骤1)可包括：

步骤11)、将每个用户的主服务基站作为其CoMP服务基站簇；其中，用户的主服务基站为平均接收信号质量最强的基站，用户为其主服务基站的主服务用户；

步骤12)、每个用户检测来自所有或部分基站的平均接收信号强度信息并上报至其主服务基站；

步骤13)、基站根据其所有主服务用户上报的平均接收信号强度信息及其所服务的用户总数，计算用户的初始本地效用和初始决策函数值。

上述方法中，步骤2)包括对于所有用户中的每个用户执行以下步骤：

步骤21)、将该用户i的CoMP服务基站簇从原本的B_i改变为用户i检测来自所有或部分基站的平均接收信号强度信息并反馈至其主服务基站b_i；

步骤22)、用户i的主服务基站b_i向中的所有基站请求其所服务的用户总数，并计算基站b_i自己服务的用户总数；

步骤23)、基站b_i根据用户i反馈的平均接收信号强度信息、中每个基站所服务的用户总数，以及基站b_i所服务的用户总数，得到用户i的CoMP服务基站簇为时的新的本地效用

步骤24)、基站b_i向中的所有基站请求其所服务的所有用户的本地效用

步骤25)、在中的所有基站向基站b_i反馈了它们所服务的所有用户的本地效用信息后，基站b_i计算用户i的新的决策函数值

步骤26)、如果则基站b_i将保存下来，并通过回传链路与的所有基站共享用户i的新的CoMP服务基站簇该基站根据接收到的用户i的新的CoMP服务基站簇更新其服务的用户集。

上述方法中，在第一次执行步骤2)时，对于所有用户中的每个用户依次执行：

改变该用户的CoMP服务基站簇并且计算该用户新的决策函数值，如果新的决策函数值大于等于原来的决策函数值，则保留该改变。

上述方法中，在第n次执行步骤2)且n为大于等于2的整数时，对于与用户i没有相同服务器基站的用户j可以使得用户i和用户j并行地执行：

改变该用户的CoMP服务基站簇并且计算该用户新的决策函数值，如果新的决策函数值大于等于原来的决策函数值，则保留该改变。

根据本发明的一个实施例，还提供一种小区间资源调度方法，包括：

步骤A)、CoMP阶段初始化；

步骤B)、根据采用上述CoMP分簇方法得到的分簇结果以及CoMP协作传输的约束条件，在小区间进行资源调度。上述方法中，步骤B)之后还可以包括：

步骤C)、当用户发生切换时，执行上述CoMP分簇方法的步骤2)和步骤3)；根据得到的分簇结果在小区间进行资源调度；重复步骤C)。

上述方法中，在步骤C)中，当用户发生切换时，对相应的服务用户总数发生变化的基站所服务的用户执行上述CoMP分簇方法的步骤2)和步骤3)。

采用本发明可以达到如下的有益效果：

本发明针对现有CoMP分簇方法中存在的问题，考虑各小区的负载状况对小区间资源分配的影响，提出了一种联合考虑用户链路层性能和小区间资源调度的基于博弈论的分布式可重叠的CoMP分簇方法。该CoMP分簇方法能够有效避免CoMP技术在实现过程中存在的一些问题，如获取全局信息的时延与回传链路的容量限制等，并且能够有效均衡用户性能与基站负载，从而提高系统总吞吐量。此外，由于只需要在本地利用少量共享的局部信息就能够进行分簇决策，更适合于应用在大规模网络中，并且能更好地支持网络的可扩展性。

附图说明

以下附图仅对本发明做示意性说明和解释，并不用于限定本发明的范围，其中：

图1是根据本发明一个实施例的CoMP分簇方法及小区间资源调度方法的流程图；

图2是在分簇过程中用户与基站的交互示意图；

图3是分别采用本发明提供的CoMP分簇方法、没有CoMP协作的情况和不考虑小区负载的分簇方法得到的用户吞吐量累积分布密度曲线示意图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。

根据本发明的一个实施例，提供一种CoMP分簇方法。

参考图1且概括而言，该方法包括：第一步、初始化每个用户的CoMP服务基站簇；对于每个用户，根据该用户的本地效用以及该用户采用对应CoMP服务基站簇时对与其有相同服务基站的所有其他用户的本地效用的影响，计算该用户的决策函数值。第二步、对于所有用户中的每个用户执行：改变该用户的CoMP服务基站簇并且计算该用户新的决策函数值，如果新的决策函数值大于等于原来的决策函数值，则保存该改变。第三步、重复第二步，直到改变任意用户的CoMP服务基站簇，都不会使其新的决策函数值大于等于原来的决策函数值。

本发明的目的是设计一种能够均衡用户性能与基站负载的分布式自适应可重叠的分簇方法，因此其中采用了分布式博弈论的思想，其中根据链路信息和小区负载进行分簇决策。在对该分簇方法的各个步骤进行具体描述之前，首先针对该方法涉及的系统效用函数、用户的本地效用函数及用户的本地决策函数进行讨论。需要说明的是，本文中，CoMP服务基站簇、协作基站簇、协作簇含义相同。

假设小区间频率复用因子为1(即所有小区复用相同的系统带宽资源)，且假设每个小区内的资源是均匀分配给每个用户的。因此，在非CoMP协作时，每个用户i可以被分配到所有系统带宽资源的其中，为用户i所在的小区b_i所服务的用户总数；在CoMP协作时，用户i可以被分配到所有系统带宽资源的其中指服务用户i的协作基站簇B_i中负载最重的基站所服务的用户总数,B＝{B₁,…,B_N}是指所有N个用户的协作基站簇的集合，其中，B_i是用户i的协作基站簇。当以最大化系统总吞吐量为目标，并且同时考虑用户链路级性能和小区间负载时，系统效用函数U(B)可设计如下：

$U\left(B\right)={\mathrm{\Σ}}_{{i\∈U}_{\mathrm{\Ω}}}f\left(\frac{G_i\left(B_i\right)}{M_i\left(B\right)}\right)={\mathrm{\Σ}}_{{i\∈U}_{\mathrm{\Ω}}}{u}_i\left(B\right)---\left(1\right)$

其中，G_i(B_i)表示用户i的链路级性能，如可以是goodput(即能正确解码接收的吞吐量)；U_Ω是所有用户的集合；u_i(B)是用户i的本地效用函数；函数f(.)是性能评估准则。从公式(1)可以观察到，最大化上述系统效用函数(即最大化系统总吞吐量)将会导致用户间性能的不公平性。使用CoMP的小区边缘用户可能会降低具有高goodput的小区中心用户可使用的资源数，使得小区边缘用户性能的提升可能会无法补偿小区中心用户性能的损失，从而基站可能不会选择为一些边缘用户进行协作传输，即只有少数用户会使用CoMP，导致小区边缘用户的性能得不到有效的提升。因此，可以将公平性引入到系统效用函数中，例如可采用α公平效用，则系统效用函数U^α(B)可以描述为：

$U^{\mathrm{\α}}\left(B\right)={\mathrm{\Σ}}_{{i\∈U}_{\mathrm{\Ω}}}{f}^{\mathrm{\α}}\left(u_i\left(B\right)\right)={\mathrm{\Σ}}_{{i\∈U}_{\mathrm{\Ω}}}{u}_i^{\mathrm{\α}}\left(B\right)---\left(2\right)$

其中,是经典的α公平效用函数，为用户i的本地效用函数。在一个实施例中， 其中，当α＝0时，表示最大化系统总吞吐量，即如公式(1)所示；当α＝1时，由于考虑了用户之间的公平性，表示最大化系统总比例公平吞吐量；当α＝2时，即传输单位数据量所需的时间的负数，此时也考虑了用户之间的公平性，因此表示最小化用户总时延。

尽管上文提供了小区内资源均匀分配情况下的系统效用函数和用户本地效用函数，但从上文可见，用户i的本地效用函数与其链路级性能和分配得到的资源数有关。当用户i的链路级性能较好，且分配到的资源也较多的情况下，其本地效用函数值才会更高，即用户i的本地效用函数满足：

$u_i^{\mathrm{\α}}\∝G_i\left(B_i\right)$ 且 $u_i^{\mathrm{\α}}\∝g_i\left(B\right)---\left(3\right)$

其中，g_i(B)为用户i在后面的资源分配过程中估计能得到的资源数，其与各小区的负载以及小区内资源分配方法有关。如前所述，在小区内资源均匀分配的假设条件下，

在基于分布式博弈论设计CoMP分簇时，考虑博弈的参与者是所有的用户，决策空间是所有可能的协作集合。在后文给出的实施例中，决策是在各用户的主服务基站处生成。其中，对于采用CoMP的用户，定义其主服务基站为平均接收信号质量最强的基站(其中，如果不考虑阴影衰落，等价于离用户最近的基站)，相应地，称该用户为其主服务基站的主服务用户。那么，一个基站的所有服务用户包括其主服务用户和协作服务用户。对于用户i，定义其本地决策函数为：

其中，B_i是用户i的协作簇，B_-i是用户集合N_i的协作簇集合，N_i是指与用户i有相同服务基站的所有其他用户(以下简称用户i的相邻用户集)。是指用户i选择服务基站簇B_i时对其相邻用户集N_i中所有用户的影响。是指用户i选择服务基站簇B_i时用户j的本地效用，是指用户i不被任何基站服务时用户j的本地效用。应注意，这里用表示用户i的本地效用，与上文不同的是，B_-i、B_i为B的部分，即且这样，本发明只需要利用少量共享的局部信息就能够进行决策，更适合于应用在大规模网络中，并且能更好地支持网络的可扩展性。

通过验证，该本地决策函数满足博弈论的条件，即：

$v_i^{\mathrm{\α}}(B_{-i},B_i)-v_i^{\mathrm{\α}}(B_{-i},B_i^{*})=U^{\mathrm{\α}}(B_{-i},B_i)-U^{\mathrm{\α}}(B_{-i},B_i^{*})---\left(5\right)$

其中，是改变后的i的协作簇，且同上，U^α(B_-i,B_i)是仅考虑B中B_-i和B_i部分所得到的系统效用。因此，可以通过在本地进行分布式决策来最大化系统效用。

基于前述的用户本地效用函数和本地决策函数，下文示出了CoMP分簇方法的一个实施例，包括：

步骤1：初始化用户的主服务基站、计算各用户的初始本地效用及本地决策函数值(后简称决策函数值)。

在初始化状态时，各用户的初始CoMP服务基站簇只由其主服务基站组成，并且各用户的相邻用户集合为其主服务基站所服务的所有其他用户。

在本步骤中，各用户检测来自所有基站的平均接收信号强度信息(包括有用信号和干扰信号)并上报至其主服务基站。通常，实际可检测平均接收信号强度最强的若干个基站，其中如果来自某些基站的平均接收信号强度低于检测门限值，则忽略该基站的信号。基站根据其所有主服务用户上报的平均接收信号强度信息及其所服务的用户总数，分别计算各用户的初始本地效用及初始决策函数值其中，该主服务基站还用于统计各用户的协作基站簇。

步骤2：进入循环。

步骤3：对于所有用户，即用户i＝1,2,…,|U_Ω|分别执行步骤3a至步骤3f(称为一轮循环)。其中，在第一次执行步骤3时，依次对每个用户(例如从用户1到用户|U_Ω|)执行步骤3a至步骤3f。

步骤3a：用户i的主服务基站b_i改变其策略，即改变协作基站簇B_i到主服务基站b_i通知用户i检测来自所有基站的平均接收信号强度信息并反馈。通常来说，实际中所有用户选择的协作基站簇中的基站数都不超过4个，因此，协作基站簇的大小的最大值可以优选限制为4。此外，用户i的主服务基站b_i一直包含在其服务基站簇中。在进一步的实施例中，如果用户的本地检测离上次检测时间很短，例如，在100ms级以内，可沿用上次的检测结果，则这一次不进行检测。

步骤3b：用户i的主服务基站b_i向中的所有基站请求所服务的用户总数(即基站负载)，并计算基站b_i自己的总服务用户数。

步骤3c：基站b_i根据用户i反馈的平均接收信号强度信息以及中各基站的总服务用户数和基站b_i的总服务用户数，计算用户i选择策略时对应的新的本地效用

步骤3d：基站b_i向中的所有基站请求它们所有服务用户的本地效用 是通过与步骤3a-步骤3c相同的操作获得。如果某用户的协作基站簇中的所有基站的服务用户集合都没有发生改变的话，可以直接沿用上一次计算时该用户的本地效用值。

步骤3e：在中的所有基站向基站b_i反馈了它们所有服务用户的本地效用信息后，基站b_i根据这些反馈信息计算用户i对应的新的决策函数值 $v_i^{\mathrm{\α}}(B_{-i},B_i^{*}).$

步骤3f：如果则基站b_i将用户i的新的决策结果保存下来，即策略B_i更新为并将新的决策结果及其对应的用户i的本地效用通过回传链路与的所有基站共享，其他基站根据接收到的用户i的新的决策结果更新其服务用户集。

例如，如果某用户的决策结果由{1，2，3}更新为{1，3，4}，那么基站1、3中的服务用户集不发生改变，而基站2将该用户从其服务用户集中去除，基站4则将该用户添加到其服务用户集；否则不执行任何操作。如果本轮循环还有用户没有改变策略，即i<|U_Ω|，那么继续对用户i+1执行步骤3a至步骤3f，否则进入步骤4，判断是否还需要进行下一轮循环。

步骤4：循环直到对任意的用户i改变其策略B_i到任意的 都不再满足时结束。此时，各基站将其主服务用户的最终CoMP协作簇信息发送给相应的主服务用户及相邻基站。

在一个实施例中，在第二轮及第n轮(n为大于等于2的整数)执行循环时，可并行地对每个用户执行步骤3a至步骤3f。

图2是在CoMP分簇过程中用户与基站的交互示意图，其中BS1代表用户i的主服务基站，BS2代表其他相邻的基站(其可能是用户i的协作服务基站，也可能是用户i的干扰基站)。首先用户i对信道进行检测，然后将信息(即来自各基站的平均接收信号强度信息)反馈给其主服务基站(对应上文的步骤2和步骤3a)。其中在TDD系统的实施例中，基站也可以利用信道的互易性得到所需要的信息，然后通过协作基站来交换这些信息。当关注的用户的协作簇发生改变时，该用户的协作服务基站向该用户的主服务基站报告所服务用户的本地效用以及小区负载信息(对应上文的步骤3b-3d)。主服务基站可以根据它所服务的所有用户的本地效用和相邻用户集合中所有用户的本地效用的变化来决定它的分簇(对应上文的步骤3e)。最后主服务基站将分簇决策结果传递给相关用户及相邻基站(对应上文的步骤3f)。

根据本发明的一个实施例，还提供一种小区间资源调度方法。继续参考图1，该方法包括：

步骤5：CoMP阶段初始化。

步骤6：基于采用上文中提供的CoMP分簇方法得到的分簇结果，在小区间进行资源调度，得到资源分配信息。

在一个实施例中，可在系统(即多小区蜂窝系统)内采用分布式公平图着色的方法进行小区间资源调度。其中，将每个用户定义为图中的顶点，如果用户i与用户j是相邻用户的关系(即存在相同的服务基站)，那么在用户i与用户j之间定义一条边。如果用户间存在边，那么这两个用户不能分配相同的颜色，颜色总数为子信道总数。

应理解，这里也可以采用本领域公知的其他方式基于分簇结果进行小区间资源调度。

步骤7：判断系统中是否存在用户的主服务基站选择发生改变，即判断是否有用户发生切换，如果是，需要执行上述CoMP分簇方法的步骤2-4，即可能得到新的分簇结果。并且重新执行步骤6，即根据新的分簇结果，在小区间进行资源调度。

在一个实施例中，为了降低迭代次数，当存在用户的主服务基站发生改变时，只需要对这些相应的服务用户总数发生改变的基站所服务的用户进行重新分簇。举例来说，如果用户1将其原本的主服务基站从基站1变为基站2，则对基站1和基站2所服务的所有用户执行步骤2-4。

在一个实施例中，如上文所述，从第二轮循环开始，如果用户j不属于用户i的相邻用户集合N_i，则用户j可以与用户i进行并行的分簇决策。这样做，能够使本发明提供的CoMP分簇方法和小区间资源调度方法很好地以分布式的方式应用在大规模网络中。此外，应注意到在使用上述CoMP分簇方法时，各用户的CoMP服务基站簇可能重叠，即一个基站同时属于几个协作簇，这样能够很好地消除协作簇间边缘用户的影响。

为验证本发明提供的CoMP分簇方法的有效性，发明人进行了如下仿真实验：考虑一个超密集网络的仿真场景，并假设用户UE和基站eNB按照点泊松分布随机分布在平面上，以公式(1)作为系统效用函数，仿真参数如表1所示，仿真中假设CoMP簇大小的最大值为4。

表1

参数	值
		eNB密度	28eNBs/km2
UE密度	280UEs/km2
		系统带宽	20MHz(总共100个资源块)
基站发射功率	44dBm(+0dBi全向天线增益)
		UE端和eNB端的热噪声系数	5+7dB
路损计算公式	l(d)＝33.05+36.7log10(d)
		信道模型	平坦瑞利衰落

用户数	10000
		最大中断概率	10％

实验比较了本发明提供的CoMP分簇方法(TS-JCS)、没有CoMP协作的情况(No-CoMP)和不考虑小区负载的分簇方法(CNG+GCS)，即只是最大化各用户的链路级性能)，并进行了用户吞吐量性能的比较。这三种方法的用户吞吐量累积分布密度曲线如图3所示，用户的平均吞吐量、5％用户吞吐量和50％用户吞吐量总结在表2中。可以看到，本发明提供的CoMP分簇方法能有效提高用户平均吞吐量和小区边缘用户吞吐量(即5％用户吞吐量)。

表2

分簇方法	用户平均吞吐量(Mbps)	5％用户吞吐量(Mbps)	50％用户吞吐量(Mbps)
				No-CoMP	1.213	0.025	0.256
TS-JCS	2.091(+72.36％)	0.089(+254.61％)	0.748(+192.60％)
				CNG+GCS	1.19(-1.93％)	0.086(+242.96％)	0.507(+98.62％)

应当理解，虽然本说明书是按照各个实施例描述的，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

以上所述仅为本发明示意性的具体实施方式，并非用以限定本发明的范围。任何本领域的技术人员，在不脱离本发明的构思和原则的前提下所作的等同变化、修改与结合，均应属于本发明保护的范围。

Claims (13)

1.一种CoMP分簇方法，包括：

步骤1)、初始化每个用户的CoMP服务基站簇；其中，对于每个用户，根据该用户的本地效用以及该用户采用对应CoMP服务基站簇时对与其有相同服务基站的所有其他用户的本地效用的影响，计算该用户的决策函数值；

步骤2)、对于每个用户执行：

改变该用户的CoMP服务基站簇并且计算该用户新的决策函数值，如果新的决策函数值大于等于原来的决策函数值，则保存该改变；

步骤3)、重复步骤2)，直到改变任意用户的CoMP服务基站簇，都不会使其新的决策函数值大于等于原来的决策函数值。

2.根据权利要求1所述的方法，其中，根据下式计算用户i的决策函数值

其中，N_i表示与用户i有相同服务基站的所有其他用户的集合，B_-i表示N_i的CoMP服务基站簇的集合，表示用户i的本地效用，表示用户i的CoMP服务基站为B_i时用户j的本地效用，表示用户i不被任何基站服务时用户j的本地效用。

3.根据权利要求1或2所述的方法，其中，用户i的本地效用满足：

$u_i^{\mathrm{\&alpha;}}(B_{-i},B_i)\&Proportional;G_i\left(B_i\right),$ 且

$u_i^{\mathrm{\&alpha;}}(B_{-i},B_i)\&Proportional;g_i(B_{-i},B_i)$

其中，B_i表示用户i的CoMP服务基站簇，B_-i表示N_i的CoMP服务基站簇的集合，G_i(B_i)表示用户i的链路级性能，且g_i(B_-i,B_i)表示用户i估计得到的资源数。

4.根据权利要求3所述的方法，其中，用户i的本地效用表示如下：

$u_i^{\mathrm{\&alpha;}}(B_{-i},B_i)=f^{\mathrm{\&alpha;}}\left(\frac{G_i\left(B_i\right)}{M_i\left(B\right)}\right)$

其中，f^α(·)是α公平效用函数，M_i(B)表示用户i的CoMP服务基站簇B_i中负载最重的基站所服务的用户总数。

5.根据权利要求1或2所述的方法，其中，步骤1)包括：

步骤11)、将每个用户的主服务基站作为其CoMP服务基站簇；其中，用户的主服务基站为平均接收信号质量最强的基站，用户为其主服务基站的主服务用户；

步骤12)、每个用户检测来自所有或部分基站的平均接收信号强度信息并上报至其主服务基站；

步骤13)、基站根据其所有主服务用户上报的平均接收信号强度信息及其所服务的用户总数，计算用户的初始本地效用和初始决策函数值。

6.根据权利要求5所述的方法，其中，在步骤12)中，每个用户检测平均接收信号强度最强的部分基站，并且将关于该部分基站的平均接收信号强度信息上报至其主服务基站。

7.根据权利要求5所述的方法，其中，步骤2)包括对于所有用户中的每个用户执行以下步骤：

步骤21)、将该用户i的CoMP服务基站簇从原本的B_i改变为用户i检测来自所有或部分基站的平均接收信号强度信息并反馈至其主服务基站b_i；

步骤22)、用户i的主服务基站b_i向中的所有基站请求其所服务的用户总数，并计算基站b_i自己服务的用户总数；

步骤23)、基站b_i根据用户i反馈的平均接收信号强度信息、中每个基站所服务的用户总数，以及基站b_i所服务的用户总数，得到用户i的CoMP服务基站簇为时的新的本地效用

步骤24)、基站b_i向中的所有基站请求其所服务的所有用户的本地效用

步骤25)、在中的所有基站向基站b_i反馈了它们所服务的所有用户的本地效用信息后，基站b_i计算用户i的新的决策函数值

步骤26)、如果 $v_i^{\mathrm{\&alpha;}}(B_{-i},B_i)-v_i^{\mathrm{\&alpha;}}(B_{-i},B_i^{*})\&le;0,$ 则基站b_i将保存下来，并通过回传链路与的所有基站共享用户i的新的CoMP服务基站簇该基站根据接收到的用户i的新的CoMP服务基站簇更新其服务的用户集。

8.根据权利要求7所述的方法，其中，在步骤21)中，如果距离用户i的上次检测的时间间隔小于预定阈值，则使用上次的检测结果。

9.根据权利要求1或2所述的方法，其中，在第一次执行步骤2)时，对于所有用户中的每个用户依次执行：

改变该用户的CoMP服务基站簇并且计算该用户新的决策函数值，如果新的决策函数值大于等于原来的决策函数值，则保留该改变。

10.根据权利要求1或2所述的方法，其中，在第n次执行步骤2)且n为大于等于2的整数时，对于与用户i没有相同服务器基站的用户j可以使得用户i和用户j并行地执行：

改变该用户的CoMP服务基站簇并且计算该用户新的决策函数值，如果新的决策函数值大于等于原来的决策函数值，则保留该改变。

11.一种小区间资源调度方法，包括：

步骤A)、CoMP阶段初始化；

步骤B)、根据采用如权利要求1-10中任何一个所述的CoMP分簇方法得到的分簇结果以及CoMP协作传输的约束条件，在小区间进行资源调度。

12.根据权利要求11所述的方法，其中，步骤B)之后还包括：

步骤C)、当用户发生切换时，执行如权利要求1-10中任何一个所述的CoMP分簇方法的步骤2)和步骤3)；根据得到的分簇结果在小区间进行资源调度；重复步骤C)。

13.根据权利要求12所述的方法，其中，在步骤C)中，当用户发生切换时，对相应的服务用户总数发生变化的基站所服务的用户执行如权利要求1-10中任何一个所述的CoMP分簇方法的步骤2)和步骤3)。