CN104796902A - 一种超密集网络中基于图着色的频域资源分配方法 - Google Patents

Abstract

本发明公开了一种超密集网络中基于图着色的频域资源分配方法，利用干扰关系图反映小站之间的干扰情况，然后采基于传统图着色Brelaz算法的复用算法对该干扰关系图着色，并根据着色结果为每个用户分配子频带，从而达到减小小站之间干扰的目的。本方法能够显著减小小站之间的干扰，从而提高系统总吞吐量和边缘吞吐量。

Description

一种超密集网络中基于图着色的频域资源分配方法

技术领域

本发明涉及异构网络干扰协调技术领域，具体涉及一种超密集网络中基于图着色的频域资源分配方法。

背景技术

近几年来，随着智能手机和其它新兴移动用户设备(User Equipment，UE)的普及和流行，移动数据业务使用量每年都在成倍的增长。据估计，在未来十年内，移动数据业务将会扩大到目前的1000倍，无线通信网将面临一个更大的挑战。为了满足用户日益增长的业务需求，LTE-A(LTE-Advanced)应运而生。

一个大幅提升无线网络容量的方法就是提升频谱效率。LTE-A异构网络技术就是基于此想法产生的，其基本思想是在宏站覆盖范围下的室内、热点或盲区等区域内部署低功率节点(Low Power Node，LPN，又称小站)，从而缩短用户和站点间的距离，使得用户可以获得更高的信干噪比，大幅提升用户吞吐量。常见的低功率节点包括：毫微微基站，微微基站以及中继站，所覆盖区域可统称为小小区(Small Cell)。不同于宏站，低功率节点部署的数目和位置可以非常灵活，同时成本相对于宏站较低，可以实现对室内场景的深度覆盖和对室外场景的补热补盲，从而缓解宏站流量压力。低功率节点和宏站一般使用相同频域带宽，这导致异构网络中不仅存在同层干扰，还存在跨层干扰。相较于传统宏基站网络来说，此时无线网络干扰场景发生了变化，干扰问题更加复杂。尤其因为宏基站的功率比低功率节点大得多，所以宏基站对小小区的用户，尤其是边缘用户，产生强干扰。

2012年6月，3GPP启动了小站增强场景(Small Cell Enhancement，SCE)的研究工作，并于2012年底确定了SCE场景的技术需求和部署要求，定义了小站增强场景。相比于LTE-A中的HetNet场景，SCE场景下小站部署更加密集，并且引入簇(Cluster)的概念，用来模拟热点区域的小站部署情况。由于小站在簇内部署密集，使得小站之间距离更近，小站之间的干扰不可忽视，干扰情况更为复杂。同时，在SCE场景2、3中，不存在宏站与小站之间的干扰，所以此时同层小站之间的干扰就是需要特别关注的一个问题。

传统蜂窝网络中宏站之间常用的干扰协调方式是静态频率复用，包括了FFR(Fractional Frequency Reuse)和SFR(Soft Frequency Reuse)等。但由于小站覆盖范围小且随机部署，无法精准区分出小区中心与边缘，所以FFR和SFR等静态频率复用方法并不能适应于小站密集部署场景。因此，在小站密集部署场景中通常考虑动态频率复用，即小站使用的子频带会随着干扰关系变化而改变。

传统图着色Brelaz算法的详细步骤如下所示：

1)初始时，颜色池只有一种颜色，从度最大顶点开始；

2)从颜色池中选择第一个可用颜色为所选顶点着色；如果颜色池中的颜色皆不可用，则新增一种颜色到颜色池中，并用此颜色为该顶点着色；

3)更新图中各顶点的饱和度；

4)选择未着色顶点中，饱和度最大的作为下一个待着色顶点；若有多个顶点的饱和度相同，选择其中度最大的。若仍有多个顶点的度相同，随机选择一个；

5)回到第2步，直到所有顶点都已着色。

算法开始时，颜色池只有一种颜色。顶点的度是指与该顶点邻接的顶点数量，即与该顶点有边相连的顶点数量。原算法中顶点的饱和度定义为该顶点的所有邻接顶点所用到的颜色数目。因为Brelaz算法每个顶点只着一种颜色，对于未着色顶点，此定义的修改不会对着色顺序产生影响。此外，如果一种颜色与某个未着色顶点的所有邻接顶点的颜色都不同，则称这种颜色对该顶点是可用的。

传统图着色Brelaz算法的缺点在于每个顶点只着一种颜色，并不能很好地复用资源。

动态频率复用的方案中基于图着色的算法是一个重要分支，这类方案主要研究两部分内容：干扰关系图的构建和基于图着色的资源分配算法。干扰关系图构建主要需要研究的是顶点连线的准则。基于图着色的资源分配算法主要是对干扰关系图着色，保证存在连线的顶点间使用不同的颜色，这里每个颜色都代表一个子频带。一般传统的图着色算法，只为每个顶点着一种颜色，并没有很好地提升资源利用率。因此，如何改进图着色算法以提高资源利用率是值得进一步研究的方向。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种超密集网络中基于图着色的频域资源分配方法，通过新的图着色算法，减小小站之间的干扰，提高系统的性能解决了现有技术的不足。

技术方案：为实现上述目的，本发明采用的技术方案为：一种超密集网络中基于图着色的频域资源分配方法，其特征在于，该方法包括以下步骤：

1)每个用户根据接收到的参考信号接收功率信息，计算出每两个相邻小站与服务小站的参考信号接收功率差值，与门限值R_th比较，确定出干扰小站，将干扰小站的测试结果上报网络侧；

所述门限值R_th为用户的服务小站参考信号接收功率与干扰小站参考信号接收功率差值门限；

2)网络侧根据步骤1)中用户上报的干扰小站的测试结果信息和每个小站所服务的用户信息之间构建干扰关系图；所述干扰关系图包括表示用户的若干顶点；所述顶点之间可相连，顶点间的相连实现小站内的干扰避免和小站间的干扰抑；

定义干扰关系图中任意两顶点为顶点a和顶点b；所述顶点a和顶点b之间相连需满足以下任意一个条件：

条件1)用户a和用户b是被同一个小站服务的用户；

条件2)用户a是用户b的干扰小站中的服务用户；

条件3)用户b是用户a的干扰小站中的服务用户；

完成顶点间相连以完成干扰关系图；

3)网络侧利用图着色算法为干扰关系图着色，并根据每个顶点着色结果为用户分配子频带；其中，将干扰关系图中顶点饱和度定义为该顶点自身以及所有邻接顶点所用到的颜色数目之和；

4)小站根据网络侧的着色结果将用户调度在步骤3)分配的子频带上。

进一步的，所述步骤3)具体包括以下步骤：

3.1)执行Brelaz算法为干扰关系图进行第一遍着色，确定每个顶点的饱和度以及颜色池的总颜色数；

3.2)在所有顶点中找出未饱和的顶点集合作为需要再次被着色的顶点集合φ_ncolor；

若集合为空，则算法结束；反之，进入下一步；

3.3)选择φ_ncolor中饱和度最大的顶点作为下一个待着色顶点；

若有多个顶点的饱和度相同，选择其中度最大的；若仍有多个顶点的度相同，随机选择一个；

3.4)对于所选顶点，其可用颜色中，选择令效用函数f(s,c)最小的颜色给s着色；

若存在相同最小值，则选择序号最小的颜色；若无可用颜色，则跳过这一步；

3.5)更新干扰关系图中各顶点的饱和度，并将步骤3.4)中着色的顶点从φ_ncolor移除；

3.6)返回并重复步骤3.3)，直到φ_ncolor为空。

有益效果：本发明提供的分配方法具有如下优点：

1)在构建干扰关系图时，用顶点表示一个用户。这与用顶点表示小站相比，更能细致准确地反映干扰环境；

2)本发明为用户判定干扰小站时是基于用户收集到的RSRP信息，简单可操作，不会增加用户侧的复杂度；

3)本发明提供的图着色算法相比于Brelaz算法，进一步提升了资源利用率，能提高系统总吞吐量；

4)本发明提供的图着色算法在饱和复用资源的同时兼顾了用户公平性，能提高边缘吞吐量。

附图说明

图1为干扰关系图

图2为用户连线示意图

图3为本发明提供的图着色算法着色结果图

具体实施方式

下面结合附图对本发明作更进一步的说明。

一种超密集网络中基于图着色的频域资源分配方法，其特征在于，该方法包括以下步骤：

1)每个用户根据接收到的参考信号接收功率信息，计算出每两个相邻小站与服务小站的参考信号接收功率差值，与门限值R_th比较，确定出干扰小站，将干扰小站的测试结果上报网络侧；

所述门限值R_th为用户的服务小站参考信号接收功率与干扰小站参考信号接收功率差值门限；

2)网络侧根据步骤1)中用户上报的干扰小站的测试结果信息和每个小站所服务的用户信息之间构建干扰关系图；所述干扰关系图包括表示用户的若干顶点；所述顶点之间可相连，顶点间的相连实现小站内的干扰避免和小站间的干扰抑；

定义干扰关系图中任意两顶点为顶点a和顶点b；所述顶点a和顶点b之间相连需满足以下任意一个条件：

条件1)用户a和用户b是被同一个小站服务的用户；

条件2)用户a是用户b的干扰小站中的服务用户；

条件3)用户b是用户a的干扰小站中的服务用户；

完成顶点间相连以完成干扰关系图；

3)网络侧利用图着色算法为干扰关系图着色，并根据每个顶点着色结果为用户分配子频带；其中，将干扰关系图中顶点饱和度定义为该顶点自身以及所有邻接顶点所用到的颜色数目之和；

具体步骤：

3.1)执行Brelaz算法为干扰关系图进行第一遍着色，确定每个顶点的饱和度以及颜色池的总颜色数；

3.2)在所有顶点中找出未饱和的顶点集合作为需要再次被着色的顶点集合φ_ncolor；

若集合为空，则算法结束；反之，进入下一步；

3.3)选择φ_ncolor中饱和度最大的顶点作为下一个待着色顶点；

若有多个顶点的饱和度相同，选择其中度最大的；若仍有多个顶点的度相同，随机选择一个；

3.4)对于所选顶点，其可用颜色中，选择令效用函数f(s,c)最小的颜色给s着色；

若存在相同最小值，则选择序号最小的颜色；若无可用颜色，则跳过这一步；

3.5)更新干扰关系图中各顶点的饱和度，并将步骤3.4)中着色的顶点从φ_ncolor移除；

3.6)返回并重复步骤3.3)，直到φ_ncolor为空。

4)小站根据网络侧的着色结果将用户调度在步骤3)分配的子频带上。

简单来说，本发明首先利用干扰关系图反映小站之间的干扰情况，然后采用本发明提供的图着色算法对该干扰关系图着色，并根据着色结果为每个用户分配子频带，从而达到减小小站之间干扰的目的。

如图1所示，如图1所示，干扰关系图是一个无向图G＝(V，E)。其中V是图中所有顶点的集合，E是图中所有边的集合。在干扰关系图中，有边的两个邻接顶点会被着不同的颜色，即被分配正交的子频带，因此两个邻接顶点之间的干扰会被消除。

构建干扰关系图主要是V和E的确定。本发明在构建干扰关系图时，每个顶点表示一个用户。这与用顶点表示小站相比，优势在于因为小站覆盖范围小，所以每个小站服务用户数目差异大，若以小站为顶点进行图着色，则会出现用户多的小站分得的资源不够，而用户少的小站分得的资源过剩，从而无法很好地利用资源。此外，小站之间的干扰其实是邻居小站对用户的干扰，所以用顶点表示用户，能细致的分析干扰环境。

小站内的干扰避免和小站间的干扰抑制均是通过在干扰关系图中顶点间添加边使之相连而实现的。干扰关系图中顶点a和顶点b之间相连需要满足以下任意一个条件：

条件1)用户a和用户b是被同一个小站服务的用户；

条件2)用户a是用户b的干扰小站中的服务用户；

条件3)用户b是用户a的干扰小站中的服务用户；

条件1)为了避免小站内的干扰，即在LTE系统中同一个小站内所服务的用户调度在不同PRB(Physical Resource Block)上。条件2)和3)则是为了抑制小站之间的干扰，即某个用户的干扰小站在调度自身用户时避开这个用户所用的PRB。对于用户a和用户b来说，条件2和条件3可能同时满足，但由于干扰关系图是无向图，所以只需添加一次边即可。

在条件2)和条件3)中，系统如何确定一个用户的干扰小站是关键。在以往一些发明中使用的基于用户的SINR门限，用户需要在每次确认一个干扰小站后重新计算SINR，在小站密度较大时，一个相邻小站信号强度的变化也会影响到其它小站的干扰确定。因此，本算法在构建干扰关系图时提出了基于RSRP(Reference Signal ReceivedPower)门限的干扰小站确定准则，这里RSRP门限R_th是指用户的服务小站RSRP与干扰小站RSRP差值门限，本发明中R_th取值为9dB。具体来说，用户接收到来自除服务小站外的小站i的RSRP与服务小站的RSRP差值表示为ΔR＝R_serving-R_i。若ΔR≤R_th，则对于该用户来说小站i是它的干扰小站，该用户所代表的顶点需要和小站i内所有用户所代表的顶点相连。

利用这三个条件对用户(即顶点)连线的过程如图2所示，小站1和小站2中的各自服务的用户相互之间均用边相连。此外，对于用户1，依据RSRP门限判断准则，小站1是其干扰小站，所以用户1与小站1中所有服务用户相连。

关于本发明的图着色法：

在干扰关系图构建完成后，小站的用户资源分配问题即转化为图着色的问题。为了最大化的资源利用率，图着色算法的目的是在邻接顶点不可被着上相同颜色的约束下，使用最少的颜色为图着色。传统图着色Brelaz算法常被应用于求无向图最小着色数的问题，是贪心算法从而有较低的复杂度。因此，本发明提出了更为高级的复用算法，进一步提升资源利用率。

饱和复用算法的目的是使每个顶点的饱和度都达到颜色池的总颜色数，即每个顶点都饱和。经过饱和复用算法后，再为任何一个顶点着任何一个颜色都会使得无向图中存在两个邻接节点之间存在相同颜色。

本发明提供的着色法具体步骤如下，可用颜色集合定义为颜色池中尚未被自己和邻接顶点使用的颜色集合。

1)执行Brelaz算法为干扰关系图进行第一遍着色，确定每个顶点的饱和度以及颜色池的总颜色数；

2)在所有顶点中找出未饱和的顶点集合作为需要再次被着色的顶点集合φ_ncolor；

若集合为空，则算法结束；反之，进入下一步；

3)选择φ_ncolor中饱和度最大的顶点作为下一个待着色顶点；

若有多个顶点的饱和度相同，选择其中度最大的；若仍有多个顶点的度相同，随机选择一个；

4)对于所选顶点，其可用颜色中，选择令效用函数f(s,c)最小的颜色给s着色；

若存在相同最小值，则选择序号最小的颜色；若无可用颜色，则跳过这一步；

5)更新干扰关系图中各顶点的饱和度，并将步骤3.4)中着色的顶点从φ_ncolor移除；

6)返回并重复步骤3.3)，直到φ_ncolor为空。

从以上步骤中可以看出，每次找出未饱和的顶点集合φ_ncolor后，先φ_ncolor从中饱和度最大的顶点进行着色，这是从公平性的角度考虑，使每个用户都有机会获得更多资源。因为饱和度越大的用户可选颜色越少，若先为饱和度小的顶点着色会使得饱和度大的顶点可用颜色减少，甚至达到饱和而无法再着色。但是，饱和度大的顶点往往度也比较大，为其着色会使较多邻接顶点的饱和度随之增加，即让较多邻接顶点损失可用颜色，不利于提升颜色复用率。因此，在考虑用户公平性的基础上，每次为φ_ncolor中顶点着色后，就将该顶点从φ_ncolor中移除，避免为饱和度大的顶点一次着多个颜色。另外，为了更多地提升颜色复用率，为某顶点再次着色时，在其可用颜色集合中尽可能选择对邻接顶点影响最小的颜色。为此，本章本发明提供的图着色算法中定义一个效用函数f(v,c)＝n，用来表示当为顶点v着颜色c时所影响的邻接顶点个数。这里被影响的邻接顶点是指可用颜色集合中包含颜色c的邻接顶点。由效用函数的定义可知，定义可知效用函数值越大，表示当给顶点v着颜色c后，有越多原本可以复用颜色c的邻接顶点无法复用颜色c，所以效用函数值越小越好。

以图1的干扰关系图为例，图3为应用本发明的图着色算法后的着色结果。

用本发明提供的图着色算法为干扰关系图着色后，系统便根据顶点所着颜色情况为其相对应的用户进行频谱分配，即将用户调度在颜色所对应的子频带上。LTE系统中调度用户的最小单位为PRB，10MHz带宽的LTE系统在一个时隙可以提供50个PRB。假设干扰关系图中一共使用了n种颜色，那么每种颜色对应的PRB数目为50/n，若不能整除，剩余m个PRB，则为图中使用最多的m种颜色，分别额外分配一个PRB。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种超密集网络中基于图着色的频域资源分配方法，其特征在于，该方法包括以下步骤：

1)每个用户根据接收到的参考信号接收功率信息，计算出每两个相邻小站与服务小站的参考信号接收功率差值，与门限值R_th比较，确定出干扰小站，将干扰小站的测试结果上报网络侧；

所述门限值R_th为用户的服务小站参考信号接收功率与干扰小站参考信号接收功率差值门限；

2)网络侧根据步骤1)中用户上报的干扰小站的测试结果信息和每个小站所服务的用户信息之间构建干扰关系图；所述干扰关系图包括表示用户的若干顶点；所述顶点之间可相连，顶点间的相连实现小站内的干扰避免和小站间的干扰抑；

定义干扰关系图中任意两顶点为顶点a和顶点b；所述顶点a和顶点b之间相连需满足以下任意一个条件：

条件1)用户a和用户b是被同一个小站服务的用户；

条件2)用户a是用户b的干扰小站中的服务用户；

条件3)用户b是用户a的干扰小站中的服务用户；

完成顶点间相连以完成干扰关系图；

3)网络侧利用图着色算法为干扰关系图着色，并根据每个顶点着色结果为用户分配子频带；其中，将干扰关系图中顶点饱和度定义为该顶点自身以及所有邻接顶点所用到的颜色数目之和；

4)小站根据网络侧的着色结果将用户调度在步骤3)分配的子频带上。

2.如权利要求1所述的一种超密集网络中基于图着色的频域资源分配方法，其特征在于，所述步骤3)具体包括以下步骤：

3.1)执行Brelaz算法为干扰关系图进行第一遍着色，确定每个顶点的饱和度以及颜色池的总颜色数；

3.2)在所有顶点中找出未饱和的顶点集合作为需要再次被着色的顶点集合φ_ncolor；

若集合为空，则算法结束；反之，进入下一步；

3.3)选择φ_ncolor中饱和度最大的顶点作为下一个待着色顶点；

若有多个顶点的饱和度相同，选择其中度最大的；若仍有多个顶点的度相同，随机选择一个；

3.4)对于所选顶点，其可用颜色中，选择令效用函数f(s,c)最小的颜色给s着色；

若存在相同最小值，则选择序号最小的颜色；若无可用颜色，则跳过这一步；

3.5)更新干扰关系图中各顶点的饱和度，并将步骤3.4)中着色的顶点从φ_ncolor移除；

3.6)返回并重复步骤3.3)，直到φ_ncolor为空。