CN104619028B - 能够保障用户公平性的mimo异构网络资源分配方法 - Google Patents

Abstract

能够保障用户公平性的MIMO异构网络资源分配方法，涉及一种无线网络资源分配方法，它是为了解决在异构MIMO系统中多用户情况下，难以保障用户通信质量和全局用户公平性双重优化的问题。其方法：进行家庭基站分簇，并保证簇内无相互干扰；在用户通信发起阶段，各基站通过信令获取基站下用户的信道信息；总控制中心首先根据用户的信道条件和历史通信吞吐量进行用户调度优先级排序，并选取排序前k个用户；总控制中心通过本发明改进的多目标遗传算法对选取的k个用户最优化分配频率资源，并对基站发射能量最优化进行设置，分配后系统总吞吐量为TH_k；比较选取用户数k在总基站数≤k≤总用户数的所有情况下TH_k的大小，选取最优的k，进而实现频率资源和能量的分配。

Description

能够保障用户公平性的MIMO异构网络资源分配方法

技术领域

本发明涉及一种无线网络资源分配方法，具体涉及保障用户公平性的异构MIMO蜂窝网络多用户情况下的联合用户调度、资源分配和功率控制的方法。

背景技术

如今，随着人们对无线数据业务需求的增长，为了保证用户有更好的通信质量和更高的数据传输速度，无线蜂窝网络(如3G、LTE)基站部署越来越密集。并且，为应对室内无线信号衰弱快，人员密度大的问题，家庭基站(Femto-cell)已经开始部署到室内。这种覆盖范围小，发射功率低的微型基站的密集部署，能够为室内人员提供更好的无线网络服务质量。宏基站和家庭基站组成异构网络，宏基站能够满足用户的移动性要求，而家庭基站能够增强室内用户的通信质量和传输速度。

但是这种小基站与室外的宏基站组成的异构网络存在资源竞争和相互干扰的问题，并且通常在一个宏基站的覆盖范围下会布置若干家庭基站，增加了竞争和干扰的强度。如何合理地分配宏基站和这些家庭基站的无线资源，以及如何合理控制基站发射功率，是需要解决的问题。另外，在MIMO系统中，为了增加空间复用率，我们采用迫零波束成型(ZeroForcing beamforming,ZF beamforming)来进行多用户MIMO通信。基站在给多个用户发信息时，需要在传输的数据上加上ZF预编码。ZF预编码是利用基站与各个用户间的信道信息，对基站给各个用户发送的信息上进行处理。这样对任何一个用户，基站传输给其他用户经过预处理的信息与该用户到基站间的信道正交。实现ZF波束成型中各用户间相互零干扰。能够通过用户以实现小区基站可以对多个小区内不同位置的用户使用相同频率同时传输信息。但使用ZF预编码有个前提，同时使用ZF预编码的总用户数量要小于基站的发射天线数量。因此，当用户数量较多时，需要首先对用户进行调度。

现有的资源分配和能量分配的主要存在两个问题：

一、难以保证在多个小区同时工作下，所有小区下所有用户的公平性。

二、在异构MIMO系统中，在用户数量较多时，难以合理进行用户选择、资源分配和能量控制的统一规划。

发明内容

本发明是为了解决在异构MIMO系统中多用户情况下，难以保障用户通信质量和全局用户公平性双重优化的问题，从而提供一种能够保障用户公平性的MIMO异构网络资源分配方法。

能够保障用户公平性的MIMO异构网络资源分配方法，它由以下方式实现：在MIMO异构网络下，将若干个相邻家庭基站链接到家庭基站控制中心，将各宏基站和家庭基站控制中心链接到总控制中心；总控制中心用于实现用户调度、资源分配和功率控制；

步骤一、在用户通信发起阶段，各基站通过信令获取基站下用户的信道信息；

各个宏基站将连接到该宏基站的用户的信道信息发送到总控制中心；若干个相邻家庭基站组成簇，簇内各个家庭基站用户信道信息汇报到家庭基站分簇控制中心，然后家庭基站控制中心将各用户信道信息汇报给总控制中心；

步骤二、总控制中心首先进行用户调度优先级排序，并选取排序前k个用户；

其中：用户调度优先级排序的原则是：

在网络初始阶段，采用用户的信噪比来对用户进行排序，信噪比高的优先级高；

在开始通信后，在每个时隙开始时以用户的历史累计吞吐量来排序，吞吐量低的优先级高；

步骤三、总控制中心通过多目标优化函数对步骤二中选取的k个用户分配频率资源，并对基站发射能量进行分配，使得基站选择k个用户时达到最优解，分配后系统总吞吐量为TH_k；

所述多目标优化函数为：

其中，i代表第i个用户，j代表第j个宏基站，l代表第l个家庭基站，n代表子信道；和是信道分配知识信息，如果宏基站j下，用户i使用了子信道n，那么如果没用子信道n，那么为宏基站j下第i个用户在子信道n中的最大传输速度；为家庭基站f下第i个用户在子信道n中的最大传输速度；P是所求的能量；Γ是所求的频率分配；

步骤四、比较总基站数≤k≤总用户数的所有情况下，TH_k的大小，选择：

作为用户选择结果，进行频率资源和能量的分配。以后的每一时刻再重新进行步骤二到步骤三作为实时的功率分配和频率分配的方法。

步骤三所述多目标优化函数共有7个约束条件，即：C1至C7，具体为：

C1和C2分别是宏基站和家庭基站的功率限制，所有子信道下的发射功率的和要小于总发射功率限制；其中，是基站j是否使用了子信道n。|w_j,m(n)|宏基站j第m根天线的预编码向量的模|w_f,m(n)|家庭基站j第m根天线的预编码向量的模。本发明采用ZF预编码W＝H^*(HH^*)^-1，H为基站天线与用户间的信道矩阵，H^*为H的共轭转置矩阵，w_f,m(n)为W_f＝H_f ^*(H_fH_f ^*)^-1的第m列。P_j,m(n)为宏基站j第m根天线的发射功率，P_f,m(n)为家庭基站f第m根天线的发射功率。P_TM是宏基站发射功率上限，P_TF是家庭基站发射功率上限。是宏基站天线数，是家庭基站发射天线数。

C3和C4是在一个宏基站或一个家庭基站，在一个子信道n下，ZF波束成形同时的传输的用户数要小于基站的天线数；

C5是限制发射功率瓦数大于零；

C6代表每个用户只能同时使用一个信道；

C7代表在簇内的用户不能使用相同子信道，即簇内用户无干扰。clusterω指任意家庭基站簇。

宏基站j下第i个用户在子信道n中的最大传输速度和家庭基站f下第i个用户在子信道n中的最大传输速度的求取方法是通过下公式获得的：

其中：B为总带宽，N是子信道数量，为子信道带宽；为宏基站j下第i个用户在子信道n的信干燥比；家庭基站f下第i个用户在子信道n的信干燥比；

具体为：

其中，是宏基站j的第m根天线与用户i之间的信道，w_j,m(n)、w_f,m(n)为ZF波束成型的预编码；p_j,m(n)是宏基站j的第m根天线的发射功率；是宏基站j用户i之间路径损耗，R是距离，α₁是宏基站路径损耗因子；是家庭基站路径损耗公式，α₂是家庭基站路径损耗因子；δ是噪声功率。

步骤三中总控制中心通过多目标优化函数对步骤三中选取的k个用户分配频率资源，并对基站发射能量进行分配，使得基站选择k个用户时达到最优解是通过目标遗传算法实现的，具体如下：

步骤A、建立个体编码，将每个用户的子信道使用状态和能量发送状态建模成染色体，随机选择N个样本作为初始样本，即：N个1代父样本。用X表示样本。

步骤B、将N个t代父样本，通过交叉和变异运算产生N个子样本，t代父样本和子样本共组成2N个样本；通过两个目标函数将样本按照优劣分成若干等级。分等级的方法如下：

首先，建立约束条件目标函数。设共有m个约束条件，其中，有q个是g(x)<0；有m-q个是h(x)＝0，则将约束条件建模成：

由于可以令在0、1之中选择，因此约束条件C6不需要加入到约束条件目标函数中。我们将约束条件C1、C2、C3、C4、C5、C7带到上面的公式中得到：

c_j(X)＝max(0,Cj(X)),j＝1,2,3,4,5,7

得到两个目标函数分别为：

然后根据上面两个目标函数，我们的分等级的方法如下：如果有两个样本X₁、X₂

步骤C、在同一等级内通过样本周围的拥挤程度内部排序：

其中，m为目标函数编号，即：目标函数1、2；I_m(i)为本样本m目标函数值；I_m(i-1)和I_m(i+1)为与此样本m函数值最相近的两个样本的目标m函数值；(max(m)-min(m))为此等级中，m函数值中最大值和最小值的差；(I_m(i+1)-I_m(i-1))/(max(m)-min(m))用于将m目标函数的距离归一化，防止两个目标函数的数量级差距太大，数量级大的目标函数距离差将数量级小的目标函数距离差淹没；I(i)_distance是两个目标函数的距离差归一化后的和；

步骤D、选前N个组成t+1代父样本，并重复步骤B至D直到迭代收敛。

本发明通过建立网络优化目标和多目标遗传的方法解决了用户通信质量和全局用户公平性的优化问题，保障了用户通信质量和全局用户公平性。

附图说明

图1是本发明所提出的异构网络控制器的结构示意图；

图2是多目标遗传算法函数排序过程示意图；

图3是基因样本结构示意图。

具体实施方式

具体实施方式一、参照图1说明本实施方式，能够保障用户公平性的MIMO异构网络资源分配方法，通过以下五个步骤实现：

步骤一、将相邻若干家庭基站链接到家庭基站控制中心，将宏基站和家庭基站控制中心链接到总控制中心。用户调度、资源分配、功率控制都通过总控制中心来进行。

步骤二、在用户通信发起阶段，各基站通过信令获取基站下用户的信道信息。各个宏基站将连接到该宏基站的用户的信道信息汇报到总控制中心；若干相邻家庭基站组成簇，簇内各个家庭基站用户信道信息汇报到家庭基站分簇控制中心，然后家庭基站控制中心将各用户信道信息汇报给总控制中心。

步骤三、总控制中心首先进行用户调度优先级排序，在网络初始阶段，各个用户之前都没有进行通信，采用用户的信噪比来对用户进行排序，信噪比高的优先级高；在开始通信后，在每个时隙开始时以用户的历史累计吞吐量来排序。吞吐量低的优先级高。选取排序前k个用户到步骤四中。

步骤四、总控制中心通过本发明建立的多目标优化函数对步骤三中的k个用户进行分配频率资源、基站发射能量分配，使得达到选k个用户时的最优解，这时的系统总吞吐量为TH_k。

步骤五、比较总基站数≤k≤总用户数所有情况下，TH_k的大小，选择：

作为用户选择策略，并采用步骤四中的资源和能量分配策略。以后的每一时刻再重新进行步骤二到步骤四作为实时的功率分配和频率分配的方法。

由于步骤四过程复杂，我们在这里详细阐述。在骤四种，控制中心通过调度用户、分配频率资源、控制发射能量，使得目标函数最大。用户、资源、能量的选择的过程是通过多目标遗传算法，来达到目标函数的最大化。如何通过多目标遗传算法选择过程在具体实施方式二中阐述。

目标函数公式1所示：

C1至C7为7个约束条件：

C1和C2分别是宏基站和家庭基站的功率限制，所有子信道下的发射功率的和要小于总发射功率限制；其中，是基站j是否使用了子信道n。|w_j,m(n)|宏基站j第m根天线的预编码向量的模|w_f,m(n)|家庭基站j第m根天线的预编码向量的模。本发明采用ZF预编码。P_j,m(n)为宏基站j第m根天线的发射功率，P_f,m(n)为家庭基站f第m根天线的发射功率。P_TM是宏基站发射功率上限，P_TF是家庭基站发射功率上限。是宏基站天线数，是家庭基站发射天线数。

C3和C4是在一个宏基站或一个家庭基站，在一个子信道n下，ZF波束成形同时的传输的用户数要小于基站的天线数；

C5是限制发射功率瓦数大于零；

C6代表每个用户只能同时使用一个信道；

C7代表在簇内的用户不能使用相同子信道，即簇内用户无干扰。clusterω指任意家庭基站簇。和分别为宏基站j下第i个用户在子信道n中的最大传输速度，以及家庭基站f下第i个用户在子信道n中的最大传输速度。而用户的最大传输速度与用户的通信质量正相关，最大传输速度越大代表用户的通信质量越好。

并且为了保证全局用户间的公平性，采用log函数来建模：

由于log″(x)<0，所以如果有两个值x₁、x₁，并且x₁<x₂，若两个值同时增加△x那么，log(x₁)的增加量要大于log(x₂)的增加量，即：

△log(x₁)＝log(x₁+△x)-log(x₁)

△log(x₂)＝log(x₂+△x)-log(x₂)

△log(x₁)>△log(x₂)

也就是说，当有两个用户u₁和u₂，当前c(u₁)<c(u₂)。那么下一时刻为了使得目标函数log(c(u₁))+log(c(u₂))最大，那么需要增加相对较小的c(u₁)而不是相对较大的c(u₂)，从调度层面来说也就是给u1更多机会发信息，或者给更大的发射功率，从而给他更好的通信质量。这样就在保证用户通信质量的同时，保证了用户间的公平性。

用户的最大传输速率如公式4所示，这是经典的Shannon公式。

其中：B为总带宽，N是子信道数量，为子信道带宽。为宏基站j下第i个用户在子信道n的信干燥比。家庭基站f下第i个用户在子信道n的信干燥比。具体为：

其中，是宏基站j的第m根天线与用户i之间的信道，w_j,m(n)、w_f,m(n)为ZF波束成型的预编码；p_j,m(n)是宏基站j的第m根天线的发射功率；是宏基站j用户i之间路径损耗，R是距离，α₁是宏基站路径损耗因子；是家庭基站路径损耗公式，α₂是家庭基站路径损耗因子；δ是噪声功率。

具体实施方式二、参照图2说明本实施方式，本实施方式所述具体实施方式一的步骤四如何用多目标遗传算法解出最优规划模式：

步骤A、建立个体编码，将每个用户的子信道使用状态和能量发送状态建模成染色体，随机选择N个样本作为初始样本，即：N个1代父样本。用X表示样本。

步骤B、将N个t代父样本，通过交叉和变异运算产生N个子样本，t代父样本和子样本共组成2N个样本；通过两个目标函数将样本按照优劣分成若干等级。分等级的方法如下：

首先，建立约束条件目标函数。设共有m个约束条件，其中，有q个是g(x)<0；有m-q个是h(x)＝0，则将约束条件建模成：

由于可以令在0、1之中选择，因此约束条件C6不需要加入到约束条件目标函数中。我们将约束条件C1、C2、C3、C4、C5、C7带到上面的公式中得到：

c_j(X)＝max(0,Cj(X)),j＝1,2,3,4,5,7

得到两个目标函数分别为：

然后根据上面两个目标函数，我们的分等级的方法如下：如果有两个样本X₁、X₂

步骤C、在同一等级内通过样本周围的拥挤程度内部排序：

其中，m为目标函数编号，即：目标函数1、2；I_m(i)为本样本m目标函数值；I_m(i-1)和I_m(i+1)为与此样本m函数值最相近的两个样本的目标m函数值；(max(m)-min(m))为此等级中，m函数值中最大值和最小值的差；(I_m(i+1)-I_m(i-1))/(max(m)-min(m))用于将m目标函数的距离归一化，防止两个目标函数的数量级差距太大，数量级大的目标函数距离差将数量级小的目标函数距离差淹没；I(i)_distance是两个目标函数的距离差归一化后的和；

步骤D、选前N个组成t+1代父样本，并重复步骤二至四直到迭代收敛。

Claims (3)

1.能够保障用户公平性的MIMO异构网络资源分配方法，其特征是：它由以下方式实现：在MIMO异构网络下，将若干个相邻家庭基站链接到家庭基站控制中心，将各宏基站和家庭基站控制中心链接到总控制中心；总控制中心用于实现用户调度、资源分配和功率控制；

步骤一、在用户通信发起阶段，各基站通过信令获取基站下用户的信道信息；

各个宏基站将连接到该宏基站的用户的信道信息发送到总控制中心；若干个相邻家庭基站组成簇，簇内各个家庭基站用户信道信息汇报到家庭基站分簇控制中心，然后家庭基站控制中心将各用户信道信息汇报给总控制中心；

步骤二、总控制中心首先进行用户调度优先级排序，并选取排序前k个用户；

其中：用户调度优先级排序的原则是：

在网络初始阶段，采用用户的信噪比来对用户进行排序，信噪比高的优先级高；

在开始通信后，在每个时隙开始时以用户的历史累计吞吐量来排序，吞吐量低的优先级高；

步骤三、总控制中心通过多目标优化函数对步骤二中选取的k个用户分配频率资源，并对基站发射能量进行分配，使得基站选择k个用户时达到最优解，分配后系统总吞吐量为TH_k；

所述多目标优化函数为：

其中，i代表第i个用户，j代表第j个宏基站，l代表第l个家庭基站，n代表子信道；和是信道分配知识信息，如果宏基站j下，用户i使用了子信道n，那么如果没用子信道n，那么家庭基站l下，如果用户i使用了子信道n，那么如果用户i没使用子信道n，那么 为宏基站j下第i个用户在子信道n中的最大传输速度；为家庭基站f下第i个用户在子信道n中的最大传输速度；P是能量分配；Γ是频率分配；

步骤四、比较总基站数≤k≤总用户数的所有情况下，TH_k的大小，选择：

作为用户选择结果，进行频率资源和能量的分配；以后的每一时刻再重新进行步骤二到步骤三作为实时的功率分配和频率分配的方法。

2.根据权利要求1所述的能够保障用户公平性的MIMO异构网络资源分配方法，设计目标函数和7个约束条件，即：C1至C7；其特征在于该目标函数用于兼顾公平性和吞吐量优化；具体为：

C1和C2分别是宏基站和家庭基站的功率限制，所有子信道下的发射功率的和要小于总发射功率限制；其中，是基站j是否使用了子信道n；|w_j,m(n)|是宏基站j第m根天线的预编码向量的模，|w_f,m(n)|是家庭基站f 第m根天线的预编码向量的模，采用ZF预编码实现；P_j,m(n)为宏基站j第m根天线的发射功率，P_f,m(n)为家庭基站f第m根天线的发射功率；P_TM是宏基站发射功率上限，P_TF是家庭基站发射功率上限；是宏基站天线数，是家庭基站发射天线数；

C3和C4是在一个宏基站或一个家庭基站，在一个子信道n下，ZF波束成形同时的传输的用户数要小于基站的天线数；

C5是限制发射功率瓦数大于零；

C6代表每个用户只能同时使用一个信道；

C7代表在簇内的用户不能使用相同子信道，即簇内用户无干扰；clusterω指任意家庭基站簇；α为任意家庭基站簇clusterω内第f_x个家庭基站中的第α个用户；β为任意家庭基站簇clusterω内第f_y个家庭基站中的第β个用户；表示家庭基站f_x下，如果用户α使用了子信道n，那么如果用户α没使用子信道n，那么 表示家庭基站f_y下，如果用户β使用了子信道n，那么如果用户β没使用子信道n，那么

3.根据权利要求2所述的能够保障用户公平性的MIMO异构网络资源分配方法，其特征在于步骤三中总控制中心通过多目标优化函数对步骤三中选取的k个用户分配频率资源，并对基站发射能量进行分配，使得基站选择k个用户时达到最优解是通过目标遗传算法实现的，具体为：

步骤A、建立个体编码，将每个用户的子信道使用状态和能量发送状态建模成染色体，随机选择N个样本作为初始样本，即：N个1代父样本；用X表示样本；

步骤B、将N个t代父样本，通过交叉和变异运算产生N个子样本，t代父样本和子样本共组成2N个样本；通过两个目标函数将样本按照优劣分成若干等级；分等级的方法如下：

首先，建立约束条件目标函数：设共有m个约束条件，其中，有q个是g(x)＜0；有m-q个是h(x)＝0，则将约束条件建模成：

由于可以令在0、1之中选择，因此约束条件C6不需要加入到约束条件目标函数中；将约束条件C1、C2、C3、C4、C5、C7带到上面的公式中得到：

c_j(X)＝max(0,c_j(x)),j＝1,2,3,4,5,7

得到两个目标函数分别为：

然后根据上面两个目标函数，我们的分等级的方法如下：如果有两个样本X₁、X₂

步骤C、在同一等级内通过样本周围的拥挤程度内部排序：

其中，m为目标函数编号，即：目标函数1、2；I_m(i)为本样本m目标函数值；I_m(i-1)和I_m(i+1)为与此样本m函数值最相近的两个样本的目标m函数值；(max(m)-min(m))为此等级中，m函数值中最大值和最小值的差；(I_m(i+1)-I_m(i-1))/(max(m)-min(m))用于将m目标函数的距离归一化，防止两个目标函数的数量级差距太大，数量级大的目标函数距离差将数量级小的目标函数距离差淹没；I(i)_distance是两个目标函数的距离差归一化后的和；

步骤D、选前N个组成t+1代父样本，并重复步骤B至D直到迭代收敛。