CN105120473B - 强干扰区域的小小区用户选择方案 - Google Patents

Abstract

强干扰区域的小小区用户选择方案，本文基于时间移动导频传输模式，研究了引入小小区通信的一种Massive MIMO传输方案。在前述方案中，选择部分强干扰用户暂停传输，以数据速率的损失换取系统干扰的减少和整体性能的提高。引入小小区，可以解决部分用户暂停的数据速率损失，通过性能干扰指标选择的宏小区内强干扰用户由小小区服务。通过小小区的低功率和低相关性来实现干扰降低，实现对系统用户的全服务,尤其是由于小小区的应用，强干扰用户的性能较用户选择暂停方案中有了一定的提升。仿真结果表明，Massive MIMO系统结合小小区的优化设计，从整体上提高了数据的传输速率以及系统的性能。

Description

强干扰区域的小小区用户选择方案

技术领域

本发明涉及一种结合小小区通信系统以及时间移动导频传输方案的高性能传输方案，属于无线通信中资源分配相关领域。

技术背景

伴随着社会的不断发展以及经济的不断进步，人们对交互通信的要求也不断提高，尤其在通信的数据速率、服务质量以及移动性等方面。为了实现更高的资源利用率从而提供更高服务质量，无线通信技术不断进行革新和改进。其中，在传统的MIMO技术基础上，近来提出了新的大规模MIMO技术(Massive MIMO)。

Massive MIMO技术除具有传统MIMO优点外，通过增加大规模的天线数量逐渐平均噪声和干扰，从而增加信号干扰噪声比(SINR)。然而，随着天线数量的增加，导频污染成为Massive MIMO技术应用的挑战。已有研究表明，导频污染成为制约多小区多用户MassiveMIMO系统的重要原因。在基于TDD的传输模式下，为了减少上行导频序列所占频谱资源，采用各个小区内均用同一组正交的导频序列，导致小区间基于相同导频进行信道估计时产生的导频污染现象。

本论文基于Massive MIMO技术与小小区通信理论，针对Massive MIMO系统上下行数据传输阶段的数据干扰情况，分析了Massive MIMO传统蜂窝网络系统中信道估计和数据传输过程的干扰，提出了有效的基于时间移动导频的用户选择传输方案，通过小区分组、用户暂停、信道估计来降低导频干扰、抵抗导频干扰，从而提高系统总体性能。在干扰分析的基础上，在强干扰区域引入小小区选择并服务强干扰用户，提出用户动态服务方案来降低系统干扰，进一步提高系统性能。

在Massive MIMO系统中，本文基于时间移动导频传输模式，研究了引入小小区通信的一种Massive MIMO传输方案。在前述方案中，选择部分强干扰用户暂停传输，以数据速率的损失换取系统干扰的减少和整体性能的提高。引入小小区，可以解决部分用户暂停的数据速率损失，通过性能干扰指标选择的宏小区内强干扰用户由小小区服务。通过小小区的低功率和低相关性来实现干扰降低，实现对系统用户的全服务,尤其是由于小小区的应用，强干扰用户的性能较用户选择暂停方案中有了一定的提升。仿真结果表明，MassiveMIMO系统结合小小区的优化设计，从整体上提高了数据的传输速率以及系统的性能。

发明内容

通过在Massive MIMO系统环境下的一种时间移动导频的传输方案，来降低导频污染在数据传输过程中的影响，同时根据不同用户对周围系统的影响，找出强干扰用户并进行选择传输的方案，通过这种方案来降低其对周围的干扰同时提高系统性能。

然而在传输过程中宏小区边缘用户的性能仍不断影响周围小区及用户的传输质量，同时边缘用户的传输性能在系统中由于考虑周围的影响而有所限制，又在用户选择传输的过程中由于暂时的用户选择而停止服务对此方向用户的服务质量有着一定影响，所以，本章中，考虑一种动态的通信系统，结合小小区通信系统以及时间移动导频传输方案，提出一种高性能传输方案。

一种降低干扰的大规模MIMO用户选择传输方案，包括以下步骤：

步骤1：小小区位置设置。

将讨论动态通信系统的结构以及小小区的放置位置，同时进一步对动态通信系统的数据传输过程进行了分析。

步骤1.1强干扰区域分析

在Missive MIMO系统下的TDD蜂窝网络传输系统，干扰强度取决于干扰用户和被干扰用户在其各自服务小区的相对位置，以及他们所处小区基站的相对位置。另外，下行传输过程中的干扰，主要是由于同一小区和相邻小区的其他下行传输过程造成的。这些干扰的强度则取决于干扰用户和被干扰用户的位置，尤其是它们的AoAs，也就是和

步骤1.2小小区位置设置

基于以上所述，得到了确定用户干扰强弱的两个位置条件，其一是干扰用户和被干扰用户在其各自服务小区的相对位置，另外就是他们所处小区基站的相对位置。由上一章结论得到，系统中的强干扰范围在相邻宏小区的基站连线中间，在以此为中心的一定范围内干扰较为严重，而的结合小小区通信系统的位置也同样在此处如图2

步骤2：搭建传输结构及模型。

步骤2.1系统模型。

结合小小区系统的Massive MIMO蜂窝网络传输系统则由L个小区组成，每个小区内有 K个单天线用户被服务，小区基站天线数量为M，系统中有G个小小区分别对宏小区内部的强干扰用户进行服务，小小区基站天线数量为N，其中N＜＜M。则在一定区域内的分布以及传输信道如图2所示

步骤2.2：时间移动导频的传输。

为了减少各个用户之间导频污染的影响，在这一结合小小区的Massive MIMO传输网络仍采用上一章中的时间移动导频。传输过程如图3所示。

图3中分别体现了宏小区和小小区在时间移动导频过程当中的传输过程，可以看出，可以将小小区按照一定的位置进行与宏小区一样的小区分组，使其在传输过程中，最大程度的改善宏小区中的强干扰，同时能够减少其对周围的信号干扰或被干扰。基于以上考虑，采用如图4所示的系统网络拓扑结构图，并以三小区小组为例。

步骤3：数据干扰分析。

结合上一步的数据传输过程，得到了本环境下的数据传输情况。

正是由于加入了小小区，相比较上一章中内容，宏小区的数据分析有所变化，增加了小小区用户干扰部分，此外此时系统还应考虑小小区内的上下行数据传输。综合考虑，在传输过程中，干扰的来源主要是宏小区在下行过程中对本小区其他用户以及周围小区的干扰，其干扰的强度取决于其被服务用户的角度和位置，由此确定了小小区的放置和服务位置，通过用户选择方式，使该部分用户尽可能由小小区服务，以最小化系统内干扰。

步骤4：用户动态服务方案。

步骤4.1用户选择。

上几步中主要阐述了加入小小区对周围用户进行服务的数据传输以及影响情况，同时对干扰数据的干扰条件和干扰量大小进行了分析。该分析表明用小小区去服务某一部分用户，能在其不中断传输的条件下，可有效减少其在整体系统中产生的干扰，来使系统的性能达到最优。因此本步针对该类用户，提出了一种基于用户性能以及其造成的干扰共同指标来选择用户，使其由临近的小小区服务。提出的判断指标为：

其中分子部分为当前宏小区内部存在的被服务用户在服务过程中的性能，而在分母中考虑对同小区内的影响以及对周围小区上行过程造成的影响。

通过在系统传输过程中，应用这种方案对系统中由宏小区服务的最强干扰用户进行选择，并使其用小小区进行服务，这样及减少了传输过程中对强干扰方向的干扰，同时能够将所有用户进行持续的服务并使系统的性能达到最优。

步骤4.2最优性能决策及流程。

通过上一步的方法将宏小区内的干扰最强用户选出并决定是否由相邻小小区进行服务。用户的服务选择基于整体系统吞吐量的增长来判断该干扰用户是否由小小区服务。

为了进一步在应用中验证这种用户动态服务策略对系统性能的优化，在本节中，通过对比传统的无线通信网络以及传输方案，利用MATLAB对其进行仿真，比较本方案的优越性。

附图说明

图1为本发明所涉及的方法流程图；

图2为小小区传输系统分布以及传输信道；

图3为动态时间移动数据传输模型；

图4为动态时间移动系统网络拓扑结构图；

图5天线变化对信道估计的影响

图6天线变化对用户接收SINR的影响

图7天线变化对系统下行吞吐率的影响

图8用户选择暂停的用户平均吞吐量vs.用户选择小小区服务的用户平局吞吐量

具体实施方式

下面结合附图和实施例对本发明做进一步说明。

本发明所述方法的流程图如图1所示，包括以下步骤：

步骤1：小小区位置设置。

将讨论动态通信系统的结构以及小小区的放置位置，同时进一步对动态通信系统的数据传输过程进行了分析。

步骤1.1强干扰区域分析

在Missive MIMO系统下的TDD蜂窝网络传输系统，对于用户的干扰有着以下几个结论：首先，干扰强度取决于干扰用户和被干扰用户在其各自服务小区的相对位置，以及他们所处小区基站的相对位置。特别是，这些位置的相互关系可以通过角度θ_{l′k′l′p′}以及和传播系数的方差明确的表示。干扰的影响不仅取决于公式角度和的关系，还取决于角度和θ_{l′k′l′p′}的关系。同时在使用一个选择暂停的传输方式，即是通过的期望来决定，选择和暂停指定的用户来减少在传输过程中的强干扰，已少量的传输暂停中的数据速率损失降低干扰，换取系统整体性能的提升。其中，为小区(l^*)用户k到基站l^*的到达角，θ_{l′k′l′p′}为小区(l′)用户k′到基站l′的到达角，为基站l′到基站l^*的离开角，为基站l′到基站l^*的到达角。

其次，下行传输过程中的干扰，主要是由于同一小区和相邻小区的其他下行传输过程造成的。这些干扰的强度则取决于干扰用户和被干扰用户的位置，尤其是它们的AoAs，也就是和

步骤1.2小小区位置设置

基于以上所述，得到了确定用户干扰强弱的两个位置条件，其一是干扰用户和被干扰用户在其各自服务小区的相对位置，另外就是他们所处小区基站的相对位置。由上一章结论得到，系统中的强干扰范围在相邻宏小区的基站连线中间，在以此为中心的一定范围内干扰较为严重，而的结合小小区通信系统的位置也同样在此处。

步骤2：搭建传输结构及模型。

步骤2.1系统模型。

于是，结合小小区系统的Massive MIMO蜂窝网络传输系统则由L个小区组成，每个小区内有K个单天线用户被服务，小区基站天线数量为M，系统中有G个小小区分别对宏小区内部的强干扰用户进行服务，小小区基站天线数量为N，其中N＜＜M。则在一定区域内的分布以及传输信道。

其中，各个发送接收端的信道如图2所示，由于宏小区基站天线数量大，基站端天线间隔小，天线间有很强的相关性，则仍沿用上文模型。宏基站间的信道与以上相同，小区l的基站与小区l′的基站间的信道矩阵表示为H_l′l

其中，将路径划分为有限数量的方向P，信道衰落系数α_l′lp服从零均值且方差为的高斯分布，如下公式：

同理，宏基站与小区用户间的信道可以表示为

其中，将路径划分为有限数量的方向P。且每一个方向都与一个导向矢量a(θ_l′klp)相关，θ_l′klp为随机到达角AOA(angle-of-arrival)，且

系统中加入了小小区的，考虑小小区天线数量少且间距大，相关性较小，N＜＜M，因此采用传统MIMO系统中的独立衰落模型，即各收发天线间信道相互独立分布，则小小区基站g到宏小区基站l的信道表示为

其中导向矢量：

其中，D为基站天线间的距离，λ为信号的波长，且D≤λ/2。m＝1…M-1，M为天线数量，衰落系数α_lgp(t)＝[α_1,lgp(t),α_2,lgp(t)…α_N,lgp(t)]^T，为服从零均值且方差为的高斯分布。同理，用户到小小区基站间的天线间独立衰落信道为

为服从零均值且方差为的高斯分布步骤2.2：时间移动导频的传输。

为了减少各个用户之间导频污染的影响，在这一结合小小区的Massive MIMO传输网络仍采用上一章中的时间移动导频。传输过程如图3所示。

图3中分别体现了宏小区和小小区在时间移动导频过程当中的传输过程，可以看出，可以将小小区按照一定的位置进行与宏小区一样的小区分组，使其在传输过程中，最大程度的改善宏小区中的强干扰，同时能够减少其对周围的信号干扰或被干扰。基于以上考虑，采用如图4所示的系统网络拓扑结构图，并以三小区小组为例。

基于上述的采用时间移动导频的具有小小区的大规模MIMO传输系统，假设上行导频长度为τ且各个用户发送导频在一个小区内相互正交，导频间干扰忽略不计。小区内用户k使用的导频序列表示为s_k＝[s_k1 s_k2 … s_kτ]^T，其中k＝1,2,…,K，且|s_k1|²+…+|s_kτ|²＝τ，设为宏小区内用户发送功率，为宏小区基站发送功率，为小小区基站发送功率，为小小区内用户发送功率。

其中，小小区根据角度影响分布于宏小区中用户干扰最强位置，若有用户加入小小区传输后，系统中的上行和下行的接收信号分别有：

●宏小区基站接收上行导频的信号及干扰情况

其中，为本宏小区基站接收到的正确上行导频信息，为周围非同组宏小区基站的下行数据干扰，为周围非同组小小区中的下行数据干扰，其中噪声N₀为均值为零，方差为的高斯白噪声，表示为宏小区基站接收上行导频的信号。

●小小区基站接收上行导频的信号及干扰情况

其中，第一项为该小小区内服务用户的上行导频信息，

第二项为周围非同组的小小区基站的下行数据干扰，

第三项为周围非同组宏小区内的下行数据干扰，其中噪声N₀为均值为零，方差为的高斯白噪声，为小小区基站接收上行导频的信号

●宏小区中被服务用户接收下行数据时的信号及干扰情况

其中，第一项为接收的正确下行传输数据，从第二项开始为干扰信号，第二项为同小区内周围用户获得的下行数据干扰，

第三项为周围宏小区用户的上行导频数据干扰，

第四项为周围小小区中服务用户的上行导频数据干扰，

第五项和第六项为周围宏小区以及小小区的下行数据干扰，为均值为零，方差为的高斯白噪声，表示宏小区中被服务用户接收下行数据时的信号。

●小小区中被服务用户接收下行数据时的信号及干扰情况

上式表示为小小区中被服务用户接收的下行数据信号及干扰，

其中的第一项为接收的正确下行数据信号，

而后几项均为干扰，包括，同小小区内的对其他用户下行数据干扰周围宏小区用户的上行导频数据干扰周围小小区内用户的上行导频数据干扰周围宏小区和小小区的下行用户数据干扰和 为均值为零，方差为的高斯白噪声。

步骤3：数据干扰分析。

结合上一步的数据传输过程，得到了本环境下的数据传输情况。

正是由于加入了小小区，相比较上一章中内容，宏小区的数据分析有所变化，增加了小小区用户干扰部分，此外此时系统还应考虑小小区内的上下行数据传输。

传输过程中的w_kl为宏小区基站发送下行数据的波束赋型向量，为而w_kg为小小区基站在发送下行数据的波束赋型向量，由于如前所述考虑小小区天线数量较少，可同时服务用户数较少，且天线间信道独立衰落，所以采用ZFBF(Zero-Forcing Beamforming)的波束赋型方法来得到，其中为小小区基站与其服务用户间的信道估计值。

将统一对系统中不同传输过程中的干扰源进行分析讨论，得到干扰作用条件。

1)干扰类型I₁：为周围下行状态宏小区的基站数据对上行状态宏小区上行数据的干扰：

其中

式中若并且e_k′l＝0(其中e_k′l＝0的影响将在后边讨论)。因此，得到干扰与信号的比为

由以上公式中的推导体现出，干扰的影响不仅取决于角度和的关系，还取决于公式角度和θ_{l′k′l′p′}的关系。因此，对于一个在和间有很强相关性的用户(可能在宏小区内产生强干扰的用户)，可以通过小小区来对其进行服务，来降低其对整体系统的干扰。

2)干扰类型I₂：干扰为周围下行传输小小区的基站发送数据对上行状态宏小区上行数据的干扰，这类干扰由于小小区的不同位置而不同。基于小小区基站服务半径较小且服务用户较少，设小小区基站服务功率较小。对于较远的小小区基站，其干扰情况随着两基站的距离越远而越小至可忽略；而相对距离较近的小小区基站，可通过控制其较小的发送功率和宏小区的信道估计的抗干扰设计来降低其对系统的影响。

3)干扰类型I₃：干扰为周围下行状态小小区的基站数据对上行状态小小区上行数据的干扰，同干扰I₂类似，由于每个小小区间的距离相对较远，而其服务功率又较小，其干扰影响较小。

4)干扰类型I₄：本干扰为非同组宏小区内的下行数据对小小区上行的干扰，可以表示为：

其中

并且与和Δθ相关。当用户k″具有与较强的相关性时，可将其加入小小区，从而尽可能的最小化实际系统存在这类干扰。

5)干扰类型I₅：本干扰为宏小区的同小区内周围用户获得的下行数据干扰，可以表示为：

其中

并且与和Δθ相关。

6)干扰类型I₆：本类型干扰分别包括：周围宏小区用户的上行导频数据干扰、周围 小小区中服务用户的上行导频数据干扰以及周围小小区的下行数据干扰对目标宏小区内 下行服务用户的干扰。由于其天线数量及其有限且发射功率较小，因此干扰具有渐进性，有

7)干扰类型I₇：为周围宏小区的下行数据对目标宏小区下行过程的干扰，分析如下：

其中

可以由和Δθ决定。当用户k″具有与较强的相关性时，可将其加入小小区，从而尽可能的最小化实际系统存在这类干扰。

8)干扰类型I₈：干扰为同一小小区内用户间下行数据干扰，由于小小区内部的下行过程采用迫零编码，理论上达到了干扰的消除。

9)干扰类型I₉和I₁₀：和分别为周围宏 小区用户的上行导频数据对小小区内目标用户的干扰以及周围小小区内用户的上行导频 数据小小区内目标用户的干扰，由于这两种干扰的功率相对较低，而不同小小区的距离较 远，所以其干扰程度较小。

10)干扰类型I₁₁：为周围小小区的下行用户数据对小小区内目标用户接收数据的干扰，由于小小区之间距离较远且基站发射功率较小，其干扰程度远远小于传统蜂窝网络中小区间的干扰。

综合考虑，在传输过程中，干扰的来源主要是宏小区在下行过程中对本小区其他用户以及周围小区的干扰，其干扰的强度取决于其被服务用户的角度和位置，由此确定了小小区的放置和服务位置，通过用户选择方式，使该部分用户尽可能由小小区服务，以最小化系统内干扰。

步骤4：用户动态服务方案。

步骤4.1用户选择。

上几步中主要阐述了加入小小区对周围用户进行服务的数据传输以及影响情况，同时对干扰数据的干扰条件和干扰量大小进行了分析。该分析表明用小小区去服务某一部分用户，能在其不中断传输的条件下，可有效减少其在整体系统中产生的干扰，来使系统的性能达到最优。因此本章针对该类用户，提出了一种基于用户性能以及其造成的干扰共同指标来选择用户，使其由临近的小小区服务。提出的判断指标为：

其中分子部分为当前宏小区内部存在的被服务用户在服务过程中的性能，而在分母中考虑对同小区内的影响以及对周围小区上行过程造成的影响。

系统运行过程中的具体情况为：

通过下行数据传输过程判断影响最差用户：

上式中，分子部分为该用户在被服务的过程中自身所获得的收益：

而分母部分(对别人干扰)包括：对同一宏小区中其他被该基站服务的用户的数据干扰计算得到

对周围非同组上行传输数据的干扰计算得到

对于小小区上行过程的干扰的影响(若系统中没有用户被小小区服务，则该部分干扰为 0)：

得到指标计算公式

通过在系统传输过程中，应用这种方案对系统中由宏小区服务的最强干扰用户进行选择，并使其用小小区进行服务，这样及减少了传输过程中对强干扰方向的干扰，同时能够将所有用户进行持续的服务并使系统的性能达到最优。

步骤4.2最优性能决策及流程。

通过上一步的方法将宏小区内的干扰最强用户选出并决定是否由相邻小小区进行服务。用户的服务选择基于整体系统吞吐量的增长来判断该干扰用户是否由小小区服务。则系统的总吞吐量可表示为：

式中和分别为本系统中宏小区和小小区内用户的总下行吞吐量的期望值，其中每一用户吞吐量分别表示为：

其中分别为宏小区和小小区中用户的下行信号干扰比，由数据干扰分析部分可知，在下行过程中，干扰I₆由于具有渐进性，干扰I₈采用迫零编码，理论上达到了干扰的消除，干扰I₉、I₁₀、I₁₁由于其它用户上行功率较小，且周围小小区与目标小小区距离较远，则干扰至小忽略。

宏小区的信干比期望通过下式得到，式中考虑在情况下：

对于小小区中的信干比期望，由于小小区采用ZF的波束赋型方法对小小区用户进行服务，且采用传统MIMO系统中的独立衰落模型，可以得到：

为了进一步在应用中验证这种用户动态服务策略对系统性能的优化，在本节中，通过对比传统的无线通信网络以及传输方案，利用MATLAB对其进行仿真，比较本方案的优越性。

下面给出了仿真参数的设置与仿真结果和分析：

在仿真中，使用六边形对称的多小区网络结构，并在其中加入了小小区通信系统，使用的基本仿真参数给出如下：小区半径为1km，每个小区中服务的用户数量为10，传播路径损耗指数γ＝3，载波频率为2GHz，导频长度为10，传播多径数P＝M，仿真块长度T＝100，多普勒扩展f_dTT_s＝0.1。而AOAs扩展角度为在全传播信道上以Δθ＝20均匀分布。假设各个小区基站内服务的用户位置服从在小区边缘800米处方差为的均匀分布，可以通过用户到基站所在的位置距离来获得其他传播系数的方差。

由于使用的宏小区及小小区的基站及用户SNR均不同，在仿真过程中，宏小区部分的设定为：宏基站天线数量M＝50，而小小区部分的SNR通过以下在仿真中以总吞吐量为指标进行尝试得出当前状态下最优数据。

采用的方案(Proposed)分为本章节提出的用户动态服务策方案，其中包括了宏小区以及小小区的信道估计、SINR和系统吞吐量的仿真结果，此外，通过对几种方案的比较来体现所提出的方案，包括使用时间移动导频传输和Kalman估计的传统传输方案(TSP-Kalman estimation)，传统的导频传输(Aligned pilots)和导频协作的传输方案(Coordinated aligned pilots)。

仿真图5、6和7给出了当仿真块长度为100，宏小区下行SNR为12dB而上行SNR为7dB，小小区下行SNR为8dB而上行SNR为6dB的情况下，随着小区基站天线数量变化的系统性能。

图5中给出了天线数量的变化对不同系统中各小区信道估计误差的影响。其中尤其体现了由于采用了用户动态服务方案而减少了相互干扰，提出的传输方案相对于传统的导频传输以及时间移动导频方案有着更低的估计误差。从图中可以看出，正是由于系统中，最强干扰用户的小小区选择服务，同时减少了宏小区以及小小区在上行过程中的严重干扰，从而使信道估计性能得到很大的提升，图中的Proposed in Macrocell为宏小区中的信道估计性能，而Proposed in Small cell为小小区中的信道估计性能。因此，所提出的方案在减少干扰同时展现了更强的灵活性并提供了最低的估计误差。从图中可以看出，这种最优的条件随着天线数量的增加而突出，尤其是在天线从10根增加的40根的情况下提高的更为迅速。

仿真图6中体现了随着天线数量增加情况下，目标宏小区以及小小区的下行平均接收时的SINR情况。可以很明显的看出，由于通过选择强干扰用户由小小区服务而减少干扰的原因，提出的用户动态传输方案无论在宏小区用户还是小小区用户均有着更高SINR。同时由于信道估计过程性能优越的原因，更低得估计误差也直接的影响了更高的SINR。

图7给出了不同系统中各小区下行数据传输阶段，天线数量变化对不同网络结构下各小区下行吞吐率的影响。从图中可以看出，随着天线数量的增加，由于估计过程的干扰的减少，所提出的方案同时在系统总体以及小小区的下行传输过程中有着更高的吞吐量，尤其是在天线数量较大的情况下。在下行数据传输阶段，小小区的加入对宏小区造成了一定的数据干扰，但是宏小区中的最强干扰用户通过小小区的服务，使其系统总吞吐率得到较大的提升。同时相比较在同一小区分组情况下的用户选择暂停方案，本方案在整体性能上有所提升，尤其是在天线数量为10-30的情况下尤为突出。

图8给出了不同用户选择传输方案中被选中用户下行数据传输阶段，天线数量变化对用户平均下行吞吐率的影响。从图中可以看出，随着天线数量的增加，由于估计过程的干扰的减少，两种提出的方案同时使被选择用户有着更高的吞吐量，尤其是在天线数量较大的情况下。在下行数据传输阶段，小小区的加入对宏小区造成了一定的数据干扰，但是宏小区中的最强干扰用户通过小小区的服务，使其平均总吞吐率相对于被暂停过程得到较大的提升。

Claims (2)

1.强干扰区域的小小区用户选择方法，其特征在于：该方法包括以下步骤：

步骤1：小小区位置设置；

将讨论动态通信系统的结构以及小小区的放置位置，同时进一步对动态通信系统的数据传输过程进行了分析；

步骤1.1强干扰区域分析

在Massive MIMO系统下的TDD蜂窝网络传输系统，干扰强度取决于干扰用户和被干扰用户在其各自服务小区的相对位置，以及他们所处小区基站的相对位置；另外，下行传输过程中的干扰，主要是由于同一小区和相邻小区的其他下行传输过程造成的；这些干扰的强度则取决于干扰用户和被干扰用户的位置，也就是AoAs即和

步骤1.2小小区位置设置

基于以上所述，得到了确定用户干扰强弱的两个位置条件，其一是干扰用户和被干扰用户在其各自服务小区的相对位置，另外就是他们所处小区基站的相对位置；系统中的强干扰范围在相邻宏小区的基站连线中间，在以此为中心的一定范围内干扰较为严重，而得结合小小区通信系统的位置也同样在此处；

步骤2：搭建传输结构及模型；

步骤2.1系统模型；

结合小小区系统的Massive MIMO蜂窝网络传输系统则由L个小区组成，每个小区内有K个单天线用户被服务，小区基站天线数量为M，系统中有G个小小区分别对宏小区内部的强干扰用户进行服务，小小区基站天线数量为N，其中N＜＜M；

步骤2.2：时间移动导频的传输；

为了减少各个用户之间导频污染的影响，在这一结合小小区的Massive MIMO传输网络仍采用时间移动导频；传输过程中分别体现了宏小区和小小区在时间移动导频过程当中的传输过程，将小小区按照一定的位置进行与宏小区一样的小区分组，使其在传输过程中，最大程度的改善宏小区中的强干扰，同时能够减少其对周围的信号干扰或被干扰；

步骤3：数据干扰分析；

结合上一步的数据传输过程，得到了本环境下的数据传输情况；

正是由于加入了小小区，宏小区的数据分析有所变化，增加了小小区用户干扰部分，此外此时系统还应考虑小小区内的上下行数据传输；综合考虑，在传输过程中，干扰的来源主要是宏小区在下行过程中对本小区其他用户以及周围小区的干扰，其干扰的强度取决于其被服务用户的角度和位置，由此确定了小小区的放置和服务位置，通过用户选择方式，使该部分用户尽可能由小小区服务，以最小化系统内干扰；

步骤4：用户动态服务方案；

步骤4.1用户选择；

上几步中主要阐述了加入小小区对周围用户进行服务的数据传输以及影响情况，同时对干扰数据的干扰条件和干扰量大小进行了分析；该分析表明用小小区去服务某一部分用户，能在其不中断传输的条件下，可有效减少其在整体系统中产生的干扰，来使系统的性能达到最优；因此本步针对该类用户，提出了一种基于用户性能以及其造成的干扰共同指标来选择用户，使其由临近的小小区服务；提出的判断指标为：

其中分子部分为当前宏小区内部存在的被服务用户在服务过程中的性能，而在分母中考虑对同小区内的影响以及对周围小区上行过程造成的影响；

通过在系统传输过程中，应用这种方案对系统中由宏小区服务的最强干扰用户进行选择，并使其用小小区进行服务，这样即减少了传输过程中对强干扰方向的干扰，同时能够将所有用户进行持续的服务并使系统的性能达到最优；

步骤4.2最优性能决策及流程；

通过上一步的方法将宏小区内的干扰最强用户选出并决定是否由相邻小小区进行服务；用户的服务选择基于整体系统吞吐量的增长来判断该干扰用户是否由小小区服务。

2.根据权利要求1所述的强干扰区域的小小区用户选择方法，其特征在于：本方案包括以下步骤：

步骤1：小小区位置设置；

将讨论动态通信系统的结构以及小小区的放置位置，同时进一步对动态通信系统的数据传输过程进行了分析；

步骤1.1强干扰区域分析

在Massive MIMO系统下的TDD蜂窝网络传输系统，对于用户的干扰有着以下几个结论：首先，干扰强度取决于干扰用户和被干扰用户在其各自服务小区的相对位置，以及他们所处小区基站的相对位置；这些位置的相互关系可以通过角度θ_lklp以及和传播系数的方差明确的表示；干扰的影响不仅取决于公式角度和的关系，还取决于角度和θ_lklp的关系；同时在使用一个选择暂停的传输方式，即是通过的期望来决定，选择和暂停指定的用户来减少在传输过程中的强干扰，以估计误差的传输暂停中的数据速率损失降低干扰，换取系统整体性能的提升；其中，为小区l^*用户k到基站l^*的到达角，θ_lklp为小区l′用户k′到基站l′的到达角，为基站l′到基站l^*的离开角，为基站l′到基站l^*的到达角；

其次，下行传输过程中的干扰，主要是由于同一小区和相邻小区的其他下行传输过程造成的；这些干扰的强度则取决于干扰用户和被干扰用户的位置，尤其是它们的AoAs，也就是和

步骤1.2小小区位置设置

基于以上所述，得到了确定用户干扰强弱的两个位置条件，其一是干扰用户和被干扰用户在其各自服务小区的相对位置，另外就是他们所处小区基站的相对位置；由结论得到，系统中的强干扰范围在相邻宏小区的基站连线中间，在以此为中心的一定范围内干扰较为严重，而得结合小小区通信系统的位置也同样在此处；

步骤2：搭建传输结构及模型；

步骤2.1系统模型；

于是，结合小小区系统的Massive MIMO蜂窝网络传输系统则由L个小区组成，每个小区内有K个单天线用户被服务，小区基站天线数量为M，系统中有G个小小区分别对宏小区内部的强干扰用户进行服务，小小区基站天线数量为N，其中N＜＜M；

其中，各个发送接收端的信道中，由于宏小区基站天线数量大，基站端天线间隔小，天线间有很强的相关性，则仍沿用模型；宏基站间的信道与以上相同，小区l的基站与小区l′的基站间的信道矩阵表示为H_l'l ^B

其中，将路径划分为有限数量的方向P，信道衰落系数服从零均值且方差为的高斯分布，如下公式：

同理，宏基站与小区用户间的信道表示为

其中，将路径划分为有限数量的方向P；且每一个方向都与一个导向矢量a(θ_l′klp)相关，θ_l′klp为随机到达角AOA，且

系统中加入了小小区的，考虑小小区天线数量少且间距大，相关性较小，N＜＜M，因此采用传统MIMO系统中的独立衰落模型，即各收发天线间信道相互独立分布，则小小区基站g到宏小区基站l的信道表示为

其中导向矢量：

其中，D为基站天线间的距离，λ为信号的波长，且D≤λ/2；m＝1 M 1，M为天线数量，衰落系数，为服从零均值且方差为的高斯分布；同理，用户到小小区基站间的天线间独立衰落信道为

为服从零均值且方差为的高斯分布步骤2.2：时间移动导频的传输；

为了减少各个用户之间导频污染的影响，在这一结合小小区的Massive MIMO传输网络仍采用时间移动导频；

宏小区和小小区在时间移动导频过程当中的传输过程，可以看出，可以将小小区按照一定的位置进行与宏小区一样的小区分组，使其在传输过程中，最大程度的改善宏小区中的强干扰，同时能够减少其对周围的信号干扰或被干扰；基于以上考虑，采用系统网络拓扑结构图；

基于上述的采用时间移动导频的具有小小区的大规模MIMO传输系统，定义上行导频长度为τ且各个用户发送导频在一个小区内相互正交，导频间干扰忽略不计；小区内用户k使用的导频序列表示为s_k＝[s_k1 s_k2 … s_kτ]^T，其中k＝1,2,…,K，且|s_k1|²+…+|s_kτ|²＝τ，设为宏小区内用户发送功率，为宏小区基站发送功率，为小小区基站发送功率，为小小区内用户发送功率；

其中，小小区根据角度影响分布于宏小区中用户干扰最强位置，若有用户加入小小区传输后，系统中的上行和下行的接收信号分别有：

·宏小区基站接收上行导频的信号及干扰情况

其中，为本宏小区基站接收到的正确上行导频信息，为周围非同组宏小区基站的下行数据干扰，为周围非同组小小区中的下行数据干扰，其中噪声N₀为均值为零，方差为的高斯白噪声，表示为宏小区基站接收上行导频的信号；

·小小区基站接收上行导频的信号及干扰情况

其中，第一项为该小小区内服务用户的上行导频信息，

第二项为周围非同组的小小区基站的下行数据干扰，

第三项为周围非同组宏小区内的下行数据干扰，其中噪声N₀为均值为零，方差为的高斯白噪声，为小小区基站接收上行导频的信号

·宏小区中被服务用户接收下行数据时的信号及干扰情况

其中，第一项为接收的正确下行传输数据，从第二项开始为干扰信号，

第二项为同小区内周围用户获得的下行数据干扰，

第三项为周围宏小区用户的上行导频数据干扰，

第四项为周围小小区中服务用户的上行导频数据干扰，

第五项和第六项为周围宏小区以及小小区的下行数据干扰，为均值为零，方差为的高斯白噪声，表示宏小区中被服务用户接收下行数据时的信号；

·小小区中被服务用户接收下行数据时的信号及干扰情况

上式表示为小小区中被服务用户接收的下行数据信号及干扰，

其中的第一项为接收的正确下行数据信号，

而后几项均为干扰，包括，同小小区内的对其他用户下行数据干扰周围宏小区用户的上行导频数据干扰周围小小区内用户的上行导频数据干扰周围宏小区和小小区的下行用户数据干扰和 为均值为零，方差为的高斯白噪声；

步骤3：数据干扰分析；

结合上一步的数据传输过程，得到了本环境下的数据传输情况；

正是由于加入了小小区，宏小区的数据分析有所变化，增加了小小区用户干扰部分，此外此时系统还应考虑小小区内的上下行数据传输；

传输过程中的w_kl为宏小区基站发送下行数据的波束赋型向量，为而w_kg为小小区基站在发送下行数据的波束赋型向量，由于如前所述考虑小小区天线数量较少，可同时服务用户数较少，且天线间信道独立衰落，所以采用ZFBF的波束赋型方法来得到，其中为小小区基站与其服务用户间的信道估计值；

将统一对系统中不同传输过程中的干扰源进行分析讨论，得到干扰作用条件；

1)干扰类型I₁：为周围下行状态宏小区的基站数据对上行状态宏小区上行数据的干扰：

其中

式中若并且e_k′l＝0；因此，得到干扰与信号的比为

由以上公式中的推导体现出，干扰的影响不仅取决于角度和的关系，还取决于公式角度和θ_lklp的关系；因此，对于一个在和间有很强相关性的用户，可通过小小区来对其进行服务，来降低其对整体系统的干扰；

2)干扰类型I₂：干扰为周围下行传输小小区的基站发送数据对上行状态宏小区上行数据的干扰，这类干扰由于小小区的不同位置而不同；基于小小区基站服务半径较小且服务用户较少，设小小区基站服务功率较小；对于较远的小小区基站，其干扰情况随着两基站的距离越远而越小至可忽略；而相对距离较近的小小区基站，可通过控制其较小的发送功率和宏小区的信道估计的抗干扰设计来降低其对系统的影响；

3)干扰类型I₃：干扰为周围下行状态小小区的基站数据对上行状态小小区上行数据的干扰，同干扰I₂类似，由于每个小小区间的距离相对较远，而其服务功率又较小，其干扰影响较小；

4)干扰类型I₄：本干扰为非同组宏小区内的下行数据对小小区上行的干扰，表示为：

其中

并且与和Δθ相关；当用户k具有与较强的相关性时，将其加入小小区，从而尽可能的最小化实际系统存在这类干扰；

5)干扰类型I₅：本干扰为宏小区的同小区内周围用户获得的下行数据干扰，表示为：

其中

并且与和Δθ相关；

6)干扰类型I₆：本类型干扰分别包括：周围宏小区用户的上行导频数据干扰、周围小小区中服务用户的上行导频数据干扰以及周围小小区的下行数据干扰对目标宏小区内下行服务用户的干扰；由于其天线数量及其有限且发射功率较小，因此干扰具有渐进性，有

7)干扰类型I₇：为周围宏小区的下行数据对目标宏小区下行过程的干扰，分析如下：

其中

可以由和Δθ决定；当用户k具有与较强的相关性时，可将其加入小小区，从而尽可能的最小化实际系统存在这类干扰；

8)干扰类型I₈：干扰为同一小小区内用户间下行数据干扰，由于小小区内部的下行过程采用迫零编码，理论上达到了干扰的消除；

9)干扰类型I₉和I₁₀：和分别为周围宏小区用户的上行导频数据对小小区内目标用户的干扰以及周围小小区内用户的上行导频数据小小区内目标用户的干扰，由于这两种干扰的功率相对较低，而不同小小区的距离较远，所以其干扰程度较小；

10)干扰类型I₁₁：为周围小小区的下行用户数据对小小区内目标用户接收数据的干扰，由于小小区之间距离较远且基站发射功率较小，其干扰程度远远小于传统蜂窝网络中小区间的干扰；

综合考虑，在传输过程中，干扰的来源主要是宏小区在下行过程中对本小区其他用户以及周围小区的干扰，其干扰的强度取决于其被服务用户的角度和位置，由此确定了小小区的放置和服务位置，通过用户选择方式，使该部分用户尽可能由小小区服务，以最小化系统内干扰；

步骤4：用户动态服务方案；

步骤4.1用户选择；

上几步中主要阐述了加入小小区对周围用户进行服务的数据传输以及影响情况，同时对干扰数据的干扰条件和干扰量大小进行了分析；该分析表明用小小区去服务某一部分用户，能在其不中断传输的条件下，可有效减少其在整体系统中产生的干扰，来使系统的性能达到最优；因此针对该类用户，提出了一种基于用户性能以及其造成的干扰共同指标来选择用户，使其由临近的小小区服务；提出的判断指标为：

其中分子部分为当前宏小区内部存在的被服务用户在服务过程中的性能，而在分母中考虑对同小区内的影响以及对周围小区上行过程造成的影响；

系统运行过程中的具体情况为：

通过下行数据传输过程判断影响最差用户：

上式中，分子部分为该用户在被服务的过程中自身所获得的收益：

而分母部分包括：对同一宏小区中其他被该基站服务的用户的数据干扰计算得到

对周围非同组上行传输数据的干扰计算得到

对于小小区上行过程的干扰的影响，若系统中没有用户被小小区服务，则该部分干扰为0：

得到指标计算公式

通过在系统传输过程中，应用这种方案对系统中由宏小区服务的最强干扰用户进行选择，并使其用小小区进行服务，这样即减少了传输过程中对强干扰方向的干扰，同时能够将所有用户进行持续的服务并使系统的性能达到最优；

步骤4.2最优性能决策及流程；

通过上一步的方法将宏小区内的干扰最强用户选出并决定是否由相邻小小区进行服务；用户的服务选择基于整体系统吞吐量的增长来判断该干扰用户是否由小小区服务；则系统的总吞吐量可表示为：

式中和分别为本系统中宏小区和小小区内用户的总下行吞吐量的期望值，其中每一用户吞吐量分别表示为：

其中分别为宏小区和小小区中用户的下行信号干扰比，由数据干扰分析部分可知，在下行过程中，干扰I₆由于具有渐进性，干扰I₈采用迫零编码，理论上达到了干扰的消除，干扰I₉、I₁₀、I₁₁由于其它用户上行功率较小，且周围小小区与目标小小区距离较远，则干扰至小忽略；

宏小区的信干比期望通过下式得到，式中考虑在情况下：

对于小小区中的信干比期望，由于小小区采用ZF的波束赋型方法对小小区用户进行服务，且采用传统MIMO系统中的独立衰落模型，可以得到：