CN104660391B - 正交频分多址接入网络中的分布式小区间干扰消除方法 - Google Patents

Abstract

一种正交频分多址接入网络中的分布式小区间干扰消除方法。其核心思想在于采用频率复用技术，使得相邻小区之间的干扰信号源距离尽可能远，并采用功率控制技术抑制相邻小区的干扰，达到改善传输质量、提高小区及其边缘用户吞吐量的效果。鉴于集中式的算法需要大量的信息交互开销和算法复杂度，本发明采用分布式的方法来研究小区间协调的最优功率分配和用户调度（频率复用）方案。各个基站通过与其邻居基站合作实现系统和速率最大化，各个基站的效用值定义为其自身通信速率与邻小区速率的和。各个协调基站计算其当前效用值和基于试测策略的新效用值，根据Boltzmann概率更新规则和最优响应策略更新规则，以迭代调整的方式进行干扰协调策略的更新。

Description

正交频分多址接入网络中的分布式小区间干扰消除方法

技术领域

本发明涉及的是一种最大化系统传输速率的分布式的联合功率分配和用户调度方法，具体是一种适用于基于正交频分多址接入(Orthogonal Frequency DivisionMultiple Access，OFDMA)网络中的分布式小区间干扰消除方法。

背景技术

随着通信技术的飞速发展，为满足移动用户对高速业务的需求，下一代无线网络中频率复用因子达到1，也就是说每个单独的小区基站可以使用整个系统频带资源。OFDMA作为下一代蜂窝移动通信系统的多址接入技术，它将整体可用的系统频带划分成多个窄的并且相互正交的频带。因此，在同一个小区内的多个用户间不存在符号间干扰与小区内同频干扰。然而，移动网络实际的部署都是多小区环境，在这种场景下，小区间的干扰(Inter-cell Interference，ICI)就始终存在，极大地降低了边缘用户的性能。更加准确地讲，当同样的频率资源被相邻的小区复用时，基于OFDMA技术的多小区蜂窝系统就会产生ICI，导致网络通信质量下降，尤其导致是小区边缘用户服务质量较差、吞吐量较低。因此消除ICI、提高小区边缘用户的吞吐量、平衡小区边缘区域和中心区域的通信质量差异，成为下一代蜂窝移动通信系统亟待解决的关键问题。

为了解决OFDMA网络ICI问题，小区间干扰协调技术通过对无线资源进行合理有效管理，从而将小区之间的干扰水平保持在可控的状态下。其核心思想在于采用频率复用技术，使得相邻小区之间的干扰信号源的距离尽可能远，并采用功率控制技术抑制相邻小区的干扰，达到改善传输质量、提高小区及其边缘用户吞吐量的效果。小区间干扰协调技术本质上是实现多个小区无线资源管理功能，通过管理无线资源(主要是时频资源块和发射功率)来控制ICI，它需要同时考虑来自多个小区的如下信息：资源使用状态、业务负荷状况与用户数等。由于各个用户距离基站的距离不同，所以在不同的子信道上各个用户的信道条件也不相同。而且，随着时间和空间的不断变化，各个用户的信道条件也在不断的发生变化，这种信道条件的多样性，是进行自适应无线资源管理与分配的基础。下一代通信系统中的无线资源分配针对多用户情况设计，主要包括时频资源块、发射功率的联合优化分配。这一分配方案的总体目标是根据用户的瞬时衰落特性、小区间的干扰情况及当前用户的服务等级和质量要求，采用优化算法或者静/动态调整方法，确定对于每个用户分配哪些子信道以及在这些子信道上分配发射功率值的大小，从而减轻甚至消除ICI，提高边缘用户的吞吐量以及系统性能。

同时，多小区蜂窝网络中各个小区对于网络全局信息的了解非常有限，因此集中式的算法难以实施。虽然通过回程链路给各个蜂窝提供足够的信息是有可能的，但是这样会造成回程链路的拥塞。此外，集中式的算法会带来非常大的计算复杂度，尤其是在小区数目很多的情况下。所以，分布式算法对于多小区OFDMA系统的小区间干扰协调来说是非常重要的。现已有多种理论应用于无线通信系统的分布式资源管理。而博弈论作为一种广泛用以解决现实世界中利害冲突的理论的严谨数学模型，已成为解决分布式最优化问题的重要方法。博弈论亦称“对策论”，是研究各个决策主体的行为相互影响时的决策以及其均衡问题的一种重要数学工具。它能有效解决理性的决策者之间相互冲突与合作的问题。博弈包含两大分支，即非合作博弈和合作博弈，本发明主要涉及前者。非合作博弈强调的是个人行为，分析每个理性而自私的参与者会做出怎样的决策，以及博弈最可能出现的结果是什么。其目前已广泛应用到无线通信领域，为分布式资源分配问题中刻画及研究“自私”的参与者之间具的利益冲突和竞争提供了完备的理论工具。具体来说，其通过设计不同的效用函数和代价机制，其后进行最优化求解使得每个用户“自动”地达到系统所期望的性能，即一种相对稳定的平衡态“纳什均衡”。

发明内容

针对现有干扰管理技术在系统传输速率、算法复杂度、控制信息交互开销等性能方面的不足，本发明提供一种系统和速率最优的低复杂度的正交频分多址接入网络中的分布式小区间下行干扰消除方法。

实现本发明目的的技术解决方案如下：

一种正交频分多址接入网络中的分布式小区间干扰消除方法，设：迭代时隙t＝1,2,...,T(T为最大迭代次数)，采用和分别表示基站i在t迭代时隙的传输功率和用户调度策略，i∈N，N＝{1,2,...,N}表示基站集合，N为基站总数，

步骤1，初始化设置：令迭代时隙t等于1，各个基站初始化其用户调度策略，各基站分别将子载波随机分配给其服务的任意一个通信用户，然后，各个基站随机初始化各自的发送功率。对每个基站随机设定一个不同的调整优先级λ_i，λ_i表示基站i的调整优先级，

步骤2，按照干扰指标从大到小的顺序，取前B个对基站i干扰影响最大的基站 为基站j对基站i干扰影响的干扰指标，j∈N\\{i}，N\\{i}表示集合N与集合{i}的差集，B_i为基站i的干扰邻居集合，干扰指标的计算公式为其中C_i表示基站i服务的通信用户集合，|C_i|表示通信用户集合C_i中的元素个数，n∈C_i且n为基站i服务的任意一个通信用户的序号，g_j,n为从基站j到通信用户n的信道功率增益，g_i,n为从基站i到通信用户n的信道功率增益，

步骤3，分别将各个基站的优先级与各个基站的干扰邻居集合中各基站的优先级进行比较，如果基站的优先级高于基站的干扰邻居集合中各基站的优先级，则将所述基站归为协调基站k，k∈L^t，L^t表示协调基站k的集合，进行干扰协调处理；否则，不进行干扰协调操作，

步骤4，各个基站i∈N采用香农公式计算其在迭代时隙t的信息传输速率其中W表示信道带宽， 表示第t个迭代时隙时的基站i的信干噪比，N₀为噪声功率，n∈C_i为基站i所服务的用户，再计算各个协调基站k∈L^t的效用值且 协调基站k∈L^t的干扰邻居基站l∈B_k的信息传输速率并由其报告给协调基站k，B_k为基站k的干扰邻居集合，

步骤5，功率电平试测及相应的效用值计算：

步骤5.1，在t≤T/2中，各个协调基站k∈L^t以1/M的概率等概的随机选择一个试测功率电平 这里P_k,max为基站k的最大传输功率，M为功率电平的数目，η₁＝0，η_M＝1，并且η₁<η₂<...<η_M，各个基站i∈N计算基于试测功率电平的最优的用户调度策略并将子载波分给信息传输速率最高的服务用户，表示基站i∈N所服务的用户n的基于试测功率电平的信息传输速率，再计算各个协调基站k∈L^t的试测功率电平对应的效用值并进入步骤6.1，

步骤5.2，在t>T/2中，各个协调基站k∈L^t依次试测所有的功率电平这里P_k,max为基站k的最大传输功率，M为功率电平的数目，η₁＝0，η_M＝1，并且η₁<η₂<...<η_M，基于试测功率电平各个基站i∈N执行最优的用户调度策略并将子载波分给信息传输速率最快的服务用户，表示基站i∈N所服务的用户n信息传输速率，再计算各个协调基站k∈L^t的试测功率电平对应的效用值并进入步骤6.2，

步骤6，传输功率和用户调度策略更新：

步骤6.1，随机生成一个[0,1]之间均匀分布的随机数θ，若则下一时隙功率电平更新为试测功率电平否则，若则下一时隙功率电平保持不变即其中β为一系数且β>0，为协调基站k∈L^t的试测功率电平对应的效用值，更新完成后，将所有协调基站k∈L^t的优先级降低1级，不进行干扰协调操作的基站w∈N\L^t的优先级保持不变，同时将新的优先级报告给相邻基站；然后，各个基站i∈N计算基于更新后的功率电平的下一时隙最好用户调度方案并将子载波分给信息传输速率最高的服务用户，其中表示基站i∈N所服务的用户n的基于更新后的功率电平的下一时隙信息传输速率，转入步骤7，

步骤6.2，各个协调基站k∈L^t比较所有试测功率电平{η₁P_k,max,η₂P_k,max,...,η_MP_k,max}对应的效用值大小，选取最高效用值所对应的功率电平作为下一时隙的传输功率，更新完成后，将所有协调基站k∈L^t的优先级降低1级，不进行干扰协调操作的基站w∈N\L^t的优先级保持不变，同时将新的优先级报告给相邻基站；然后，各个基站i∈N计算基于更新后的功率电平的下一时隙最好用户调度方案并将子载波分给信息传输速率最高的服务用户，其中表示基站i∈N所服务的用户n的基于更新后的功率电平的下一时隙信息传输速率，转入步骤7，

步骤7，算法终止条件判定：若算法执行达到最大迭代次数T，算法终止；否则，令t＝t+1并转步骤3。

本发明显著的优点是：1)本发明是一种分布式的实施方式，各个基站作为独立的个体，自主的进行运算和干扰协调策略调整，不需要一个广域的中心控制器进行集中控制和计算，此分布式的操作使得系统结构扁平化，避免了因单点失效带来的系统崩溃，系统更稳健；2)只需要局部(本地)信息交互，每个基站在干扰协调过程中只需要与相邻基站进行必要的信息交互，因为相邻基站间通过有线光纤连接，他们之间的通信是非常容易的；3)分布式的实施方式将运算操作分摊于各个基站，各个基站做分布式并行处理和计算，具有相比于集中式算法更低的计算复杂度；4)步骤6中，当迭代时隙t不大于T/2时，采用Boltzmann概率更新规则(参数β类似于模拟退火算法中的温度参数)，若试测功率电平得到的效用值大于当前功率策略对应的效用值，则协调基站将以较大的概率选择试测电平作为下一时隙的传输功率，否认将以较大概率保持其功率策略不变。但无论哪个策略更好，较差的那个策略仍然具有一定概率被选到，这相比于贪婪寻优算法可使得各个基站容易跳出局部最优的干扰协调策略并找到全局最优的干扰协调策略，达到系统和速率最大化；5)步骤6中，当迭代时隙t不大于T/2时，采用的Boltzmann概率更新规则使算法跳出局部最优解而搜寻全局最优；而当迭代时隙t大于T/2，采用最优响应策略更新规则，在每次迭代中确定的选择最好策略，可加快算法的收敛速度。

附图说明

图1是本发明方法的系统模型；

图2是本发明方法的流程图；

图3是本发明方法的系统和速率随算法迭代次数的变化曲线；

图4是本发明方法的系统和速率随合作邻居基站数目的变化曲线；

具体实施方式

一种正交频分多址接入网络中的分布式小区间干扰消除方法，其特征在于，设：迭代时隙t＝1,2,...,T(T为最大迭代次数)，采用和分别表示基站i在t迭代时隙的传输功率和用户调度策略，i∈N，N＝{1,2,...,N}表示基站集合，N为基站总数，

步骤1，初始化设置：令迭代时隙t等于1，各个基站初始化其用户调度策略，各基站分别将子载波随机分配给其服务的任意一个通信用户，然后，各个基站随机初始化各自的发送功率，此外，为了确定各个基站策略更新的先后次序，对每个基站随机设定一个不同的调整优先级λ_i，λ_i表示基站i的调整优先级，

步骤2，按照干扰指标从大到小的顺序，取前B个对基站i干扰影响最大的基站 为基站j对基站i干扰影响的干扰指标，j∈N\\{i}，N\\{i}表示集合N与集合{i}的差集，B_i为基站i的干扰邻居集合，干扰指标的计算公式为其中C_i表示基站i服务的通信用户集合，|C_i|表示通信用户集合C_i中的元素个数，n∈C_i且n为基站i服务的任意一个通信用户的序号，g_j,n为从基站j到通信用户n的信道功率增益，g_i,n为从基站i到通信用户n的信道功率增益，

步骤3，分别将各个基站的优先级与各个基站的干扰邻居集合中各基站的优先级进行比较，如果基站的优先级高于基站的干扰邻居集合中各基站的优先级，则将所述基站归为协调基站k∈L^t，L^t表示协调基站k的集合，进行干扰协调处理；否则，不进行干扰协调操作，

步骤4，各个基站i∈N采用香农公式计算其在迭代时隙t的信息传输速率其中W表示信道带宽， 表示第t个迭代时隙时的基站i的信干噪比，N₀为噪声功率，n∈C_i为基站i所服务的用户，再计算各个协调基站k∈L^t的效用值且 协调基站k∈L^t的干扰邻居基站l∈B_k的信息传输速率并由其报告给协调基站k，B_k为基站k的干扰邻居集合，由公式可看出，各个协调基站的效用定义为其自身的传输速率与干扰邻居基站的传输速率之和，因此各个协调基站在根据其效用进行策略更新时既会考虑其自身，也会考虑干扰邻居基站。由此，该效用设计方式体现了相互合作的思想，集合B_k的大小体现了合作基站的数目，并且由步骤2可知|B_k|＝B，

步骤5，功率电平试测及相应的效用值计算：

步骤5.1，在t≤T/2中，各个协调基站k∈L^t以1/M的概率等概的随机选择一个试测功率电平 这里P_k,max为基站k的最大传输功率，M为功率电平的数目，η₁＝0，η_M＝1，并且η₁<η₂<...<η_M，各个基站i∈N计算基于试测功率电平的最优的用户调度策略并将子载波分给信息传输速率最高的服务用户，表示基站i∈N所服务的用户n的基于试测功率电平的信息传输速率，再计算各个协调基站k∈L^t的试测功率电平对应的效用值并进入步骤6.1，

步骤5.2，在t>T/2中，各个协调基站k∈L^t依次试测所有的功率电平这里P_k,max为基站k的最大传输功率，M为功率电平的数目，η₁＝0，η_M＝1，并且η₁<η₂<...<η_M，基于试测功率电平各个基站i∈N执行最优的用户调度策略并将子载波分给信息传输速率最快的服务用户，表示基站i∈N所服务的用户n信息传输速率，再计算各个协调基站k∈L^t的试测功率电平对应的效用值并进入步骤6.2，

步骤6，传输功率和用户调度策略更新：

步骤6.1，随机生成一个[0,1]之间均匀分布的随机数θ，若则下一时隙功率电平更新为试测功率电平否则，若则下一时隙功率电平保持不变即其中β为一系数且β>0，为协调基站k∈L^t的试测功率电平对应的效用值，更新完成后，将所有协调基站k∈L^t的优先级降低1级，不进行干扰协调操作的基站w∈N\L^t的优先级保持不变，同时将新的优先级报告给相邻基站；然后，各个基站i∈N计算基于更新后的功率电平的下一时隙最好用户调度方案并将子载波分给信息传输速率最高的服务用户，其中表示基站i∈N所服务的用户n的基于更新后的功率电平的下一时隙信息传输速率，转入步骤7，

步骤6.2，各个协调基站k∈L^t比较所有试测功率电平{η₁P_k,max,η₂P_k,max,...,η_MP_k,max}对应的效用值大小，选取最高效用值所对应的功率电平作为下一时隙的传输功率，更新完成后，将所有协调基站k∈L^t的优先级降低1级，不进行干扰协调操作的基站w∈N\L^t的优先级保持不变，同时将新的优先级报告给相邻基站；然后，各个基站i∈N计算基于更新后的功率电平的下一时隙最好用户调度方案并将子载波分给信息传输速率最高的服务用户，其中表示基站i∈N所服务的用户n的基于更新后的功率电平的下一时隙信息传输速率，转入步骤7，

步骤7，算法终止条件判定：若算法执行达到最大迭代次数T，算法终止；否则，令t＝t+1并转步骤3，鉴于步骤2中的干扰指标是评价基站j对于基站i服务的所有用户的平均干扰影响，步骤2中的干扰关系分析不受算法迭代过程中干扰协调策略变化的影响，因此迭代过程由步骤7转入步骤3。

下面结合附图对本发明作进一步详细描述。

参看图1，本发明方法系统设有49个小区的OFDMA系统，每个小区半径设为1000米，每个小区中心设有一个基站，每个小区中随机分布有8个通信用户。系统频带划分为16个子信道，每个子信道带宽为200KHz。基站的最大发射功率设为46dBm，并平均分配在其子信道上。功率电平数分别设为M＝2,4,8。各通信链路上具有相同的噪声方差σ²＝-130dBm。信道增益模型为h_i＝A/d_i ^α，其中所涉及的参数分别设为：A＝0.097，α＝3。算法的最大迭代次数设为400。如图2，整个实例的实施过程如下：

步骤1，初始化设置：t＝1，各个基站将其子信道(子载波)随机分配给其服务的通信用户，需保证在各小区内每个子信道只被一个通信用户占用。然后，随机初始化各个基站在各个子信道上的发送功率，此后，对于所有的子信道采用如下的方案来协调基站间的传输功率和用户调度策略。假设各个子信道是完全正交的，因此各个子信道上的干扰协调方案是相互独立的。此外，为了确定各个基站策略更新的先后次序，对每个基站随机设定一个不同的协调优先级λ_i∈[1,2,...,49]，i∈N，N为基站集。

步骤2，干扰关系分析和干扰邻居集合确定：以任意一个基站i∈N为例，通过计算干扰指标来评价其它基站j∈N\\{i}对基站i的干扰影响，其中N\\{i}表示集合N与集合{i}的差集。干扰指标的计算公式为其中C_i表示小区i(基站i的服务区域)中的通信用户集合，|C_i|表示集合C_i中的元素个数，n∈C_i为基站i的一个服务用户，g_j,n为从基站j到用户n的信道功率增益。将从大到小排列，得到其中表示对基站i产生第b大的干扰的基站。将对基站i产生较强干扰的前B个基站定义为一个干扰邻居集合，

步骤3，以分布式的方式确定可同时协调的基站集L^t，保证相互强干扰的相邻基站不同时进行干扰协调，即且具体实施方法为，各个基站i∈N比较其自身的优先级与其邻基站B_i的优先级。如果存在一个相邻基站比其具有更高的优先级，则该基站不进行干扰协调操作。否则，进行干扰协调。

步骤4，各个基站i∈N采用香农公式计算其在迭代时隙t的信息速率其中W＝200KHz表示信道带宽，表示信干噪比，N₀为噪声功率，n∈C_i为基站i所服务的用户。各个协调基站k∈L^t通过与其相邻基站l∈B_k的通信获得其信息传输速率并由此计算效用值其中B_k为基站k的干扰邻居集合。由公式可看出，各个协调基站的效用定义为其自身的传输速率与干扰邻居基站的传输速率之和，因此各个协调基站在根据其效用进行策略更新时既会考虑其自身，也会考虑干扰邻居基站。由此，该效用设计方式体现了相互合作的思想，集合B_k的大小体现了合作基站的数目，并且由步骤2可知|B_k|＝B。

步骤5，功率电平试测及相应的效用值计算：

1)若t≤T/2：各个协调基站k∈L^t以1/M的概率等概的随机选择一个试测功率电平这里为基站k的最大传输功率，M为功率电平的数目(分别设为2，4，8)，η₁＝0，η_M＝1，并且η₁<η₂<...<η_M。此后，基于试测功率电平各个基站i∈N自主的决定其最优的用户调度策略其中表示用户n被调度进行通信的信息速率。然后，重复步骤4，各个协调基站k∈L^t计算试测功率电平对应的效用值

2)若t>T/2：各个协调基站k∈L^t依次试测所有的功率电平这里为基站k的最大传输功率，M为功率电平的数目(分别设为2，4，8)，η₁＝0，η_M＝1，并且η₁<η₂<...<η_M。此后，基于试测功率电平各个基站i∈N自主的决定其最优的用户调度策略其中表示用户n被调度进行通信的信息速率。然后，重复步骤4，各个协调基站k∈L^t计算试测功率电平对应的效用值

步骤6，传输功率和用户调度策略更新：

1)若t>T/2：各个协调基站k∈L^t根据以下的Boltzmann概率规则来更新其下一时隙的功率电平

其中β＝t/10为一个随迭代时间演变的正参数，表示下一时隙功率电平更新为试测功率电平的概率，表示下一时隙功率电平保持不变的概率。随机生成一个[0,1]之间均匀分布的随机数θ，若则下一时隙功率电平更新为试测功率电平否则，若则下一时隙功率电平保持不变即此外，其余的非协调基站w∈N\L^t保持其发射功率不变，即然后，基于更新后的功率电平，各个基站i∈N重新计算其最好的用户调度方案其中表示用户n被调度进行通信的信息速率。在更新完成后，所有协调基站k∈L^t降低其优先级(非协调基站w∈N\L^t的优先级保持不变)，并把其优先级报告给其相邻基站。

2)若t>T/2：各个协调基站k∈L^t比较所有试测功率电平{η₁P_k,max,η₂P_k,max,...,η_MP_k,max}对应的效用值大小，选取获得最高效用值的功率电平作为下一时隙的传输功率，即

此外，其余的非协调基站w∈N\L^t保持其发射功率不变，即然后，基于更新后的功率电平，各个基站i∈N重新计算其最好的用户调度方案其中表示用户n被调度进行通信的信息速率。在更新完成后，所有协调基站k∈L^t降低其优先级(非协调基站w∈N\L^t的优先级保持不变)，并把其优先级报告给其相邻基站。

步骤7，算法终止条件判定：若算法执行达到最大迭代次数T(T＝400)，算法终止；否则，令t＝t+1并转步骤3。

图3所示为本发明的系统和速率性能随算法迭代次数的变化曲线。图中画出了当功率电平数目M分别为2，4，8三种方案时本发明性能的变化曲线。对于三种方案，具体的归一化的功率电平分别为{0,1}，{0,1/4,1/2,1}，从图中可以看出，几种方案的性能都迭代次数的增加而提高，并且算法在大约150迭代后收敛。我们还可以发现，当功率电平数较多时，本发明达到的性能更优。这是因为更多的功率电平数对应于更广的搜索解空间，而且M＝8时的解空间包含M＝4时的解空间，M＝4时的解空间又包含M＝2时的解空间。此外，仿真曲线表明功率电平数由2到4，系统和速率会有较大的提升，然后进一步将电平书提高到8则不会带来非常大的提高。

图4所示为本发明的系统和速率随合作邻居基站数目B的变化曲线。图中画出了当功率电平数目M分别为2，4，8三种方案时本发明性能的变化曲线。从图中可以看出，几种方案的性能都随合作邻居基站数目的增加而提高。不难理解，合作邻居基站数目越多，干扰协调的效率也就越高，相互间由独立决策带来的冲突也就越小。但，当合作数目达到8个时，系统和速率性能不再有较大提升。这是因为单个基站一般只对周围一圈(6-8个)基站产生较大的干扰，因此协调周围邻近的基站效果比较显著。此外，功率电平数越多也对应着更好的系统性能。

Claims (1)

1.一种正交频分多址接入网络中的分布式小区间干扰消除方法，其特征在于，设：迭代时隙t＝1,2,...,T，T为最大迭代次数，采用和分别表示基站i在t迭代时隙的传输功率和用户调度策略，表示基站集合，N为基站总数，

步骤1，初始化设置：令迭代时隙t等于1，各个基站初始化其用户调度策略，各基站分别将子载波随机分配给其服务的任意一个通信用户，然后，各个基站随机初始化各自的发送功率，对每个基站随机设定一个不同的调整优先级λ_i，λ_i表示基站i的调整优先级，

步骤2，按照干扰指标从大到小的顺序，取前B个对基站i干扰影响最大的基站 为基站j对基站i干扰影响的干扰指标， 表示集合与集合{i}的差集，为基站i的干扰邻居集合，干扰指标的计算公式为其中表示基站i服务的通信用户集合，表示通信用户集合中的元素个数，且n为基站i服务的任意一个通信用户的序号，g_j,n为从基站j到通信用户n的信道功率增益，g_i,n为从基站i到通信用户n的信道功率增益，

步骤3，分别将各个基站的优先级与各个基站的干扰邻居集合中各基站的优先级进行比较，如果基站的优先级高于基站的干扰邻居集合中各基站的优先级，则将所述基站归为协调基站k， 表示协调基站k的集合，进行干扰协调处理；否则，不进行干扰协调操作，

步骤4，各个基站采用香农公式计算其在迭代时隙t的信息传输速率其中W表示信道带宽， 表示第t个迭代时隙时的基站i的信干噪比，N₀为噪声功率，为基站i所服务的用户，再计算各个协调基站的效用值且 协调基站的干扰邻居基站的信息传输速率并由其报告给协调基站k，为基站k的干扰邻居集合，

步骤5，功率电平试测及相应的效用值计算：

步骤5.1，在t≤T2中，各个协调基站以1M的概率等概的随机选择一个试测功率电平 这里P_k,max为基站k的最大传输功率，M为功率电平的数目，η₁＝0，η_M＝1，并且η₁＜η₂＜...＜η_M，各个基站计算基于试测功率电平的最优的用户调度策略并将子载波分给信息传输速率最高的服务用户，表示基站所服务的用户n的基于试测功率电平的信息传输速率，再计算各个协调基站的试测功率电平对应的效用值并进入步骤6.1，

步骤5.2，在t＞T2中，各个协调基站依次试测所有的功率电平这里P_k,max为基站k的最大传输功率，M为功率电平的数目，η₁＝0，η_M＝1，并且η₁＜η₂＜...＜η_M，基于试测功率电平各个基站执行最优的用户调度策略并将子载波分给信息传输速率最快的服务用户，其中表示基站所服务的用户n信息传输速率，再计算各个协调基站的试测功率电平对应的效用值并进入步骤6.2，

步骤6，传输功率和用户调度策略更新：

步骤6.1，随机生成一个[0,1]之间均匀分布的随机数θ，若则下一时隙功率电平更新为试测功率电平否则，若则下一时隙功率电平保持不变即其中β为一系数且β＞0，为协调基站的试测功率电平对应的效用值，更新完成后，将所有协调基站的优先级降低1级，不进行干扰协调操作的基站的优先级保持不变，同时将新的优先级报告给相邻基站；然后，各个基站计算基于更新后的功率电平的下一时隙最好用户调度方案并将子载波分给信息传输速率最高的服务用户，其中表示基站所服务的用户n的基于更新后的功率电平的下一时隙信息传输速率，转入步骤7，

步骤6.2，各个协调基站比较所有试测功率电平{η₁P_k,max,η₂P_k,max,...,η_MP_k,max}对应的效用值大小，选取最高效用值所对应的功率电平作为下一时隙的传输功率，更新完成后，将所有协调基站的优先级降低1级，不进行干扰协调操作的基站的优先级保持不变，同时将新的优先级报告给相邻基站；然后，各个基站计算基于更新后的功率电平的下一时隙最好用户调度方案并将子载波分给信息传输速率最高的服务用户，其中表示基站所服务的用户n的基于更新后的功率电平的下一时隙信息传输速率，转入步骤7，

步骤7，算法终止条件判定：若算法执行达到最大迭代次数T，算法终止；否则，令t＝t+1并转步骤3。