CN105246130A - 一种用于异构网络中的用户选择算法 - Google Patents

Abstract

本发明提供一种用于异构网络中的用户选择算法，通过计算宏基站与微小区内各用户之间的干扰信道矩阵的弦距离，选择使干扰信道矩阵的方向保持平行的用户，即使干扰信道矩阵之间的弦距离最小的用户作为服务用户。本发明的算法以弦距离作为信道矩阵之间方向的衡量指标，进一步以加权值作为衡量指标，针对多基站协作系统的特点，使干扰信道矩阵之间尽量保持平行性，优化了宏蜂窝和微蜂窝之间的跨阶层小区间干扰，以达到微小区用户受宏小区干扰最小的目的。

Description

一种用于异构网络中的用户选择算法

技术领域

本发明涉及分层次覆盖的异构网络领域，具体涉及一种用于异构网络中的用户选择算法。

背景技术

分层次覆盖的异构网络是移动通信网络发展的一个重要方向。在LTE-Advanced系统中，通过如中继、微蜂窝和家庭小区等在内异构网络结构可以提高系统的覆盖范围。然而，由于异构无线网络中形成的重叠覆盖使网络环境变得相对更加复杂，因而由此导致的小区间的干扰问题不容忽视，宏蜂窝和微蜂窝之间的跨阶层小区间干扰(cross-tierinter-cellinterference)俨然成为异构网络性能提高的瓶颈，如何对异构无线网络中的干扰进行抑制显然成为了目前的研究热点和关键。

多点协作(Coordinatedmulti-point，CoMP)传输系统作为一种能够提高系统频谱利用率和降低小区间干扰的有效办法，近年来得到广泛关注，并成为下一代无线通信的关键技术之一。CoMP协作方案包括：

一种CoMP协作方案为多基站联合信号处理(jointprocessing，JP)方法，是将多个基站视为一个天线阵列，称为“超级基站”，基站协作系统中的每个用户能够从多个基站获得有用信号。该协作方案增加了空间的自由度，能够获得较大的性能增益，但是联合信号处理方法在获得很高的总速率的同时需要所有协作基站与用户间的整体信道状态信息，系统开销很大；同时基站之间要进行联合预编码，各基站间需要大量的信息交换，因此随着协作基站和调度用户数的增加，系统的复杂度随之增加。

另一种CoMP协作方案被称为协作波束成形(coordinatedbeamforming，CB)方法，该方案中的用户只能接收到来自本小区基站的有用信号，通过协作消除小区间的干扰。方案中各基站对信号进行分布式处理，所处理的信号维度和计算复杂度大大降低。

在CoMP协作方案的基础上，在多用户环境下可以同时利用多用户分集技术以进一步提高系统的频谱利用率。多用户分集技术是指在信道衰落相互独立的多用户系统中，通过调度信道性能最优的用户以达到提高系统性能的目的。但是多用户分集技术存在以下两方面的不足：

一方面，为了消除基站间的干扰而采用的多基站预编码(如迫零预编码ZF、块对角化预编码BD等)，使服务的用户数受到限制。这是因为：为了保证每个用户的预编码向量(矩阵)位于其它全部用户信道的零空间上，必须要求发送天线数大于等于总接收天线数，因此当用户数过多时，几乎无法实现消除干扰的目的；

另一方面，由于小区间干扰的存在，用户选择小区的过程中，不同小区间的用户选择结果将互相影响形成耦合关系，为了获得最优的用户选择结果将要付出极大的计算复杂度。文献“UkJang,HyukminSon,JongrokPark,etal.CoMP-CSBforICINullingwithUserSelection[J].IEEETransactionsonWirelessCommunications,2011,10(9):2982–2993”提出了一种同构网CoMP系统基于干扰消除的用户选择算法，有效降低了用户选择小区过程中的计算复杂度，但是该算法在用户选择时只考虑了信道的方向信息，而并未考虑信道的质量信息，同时该算法局限于接收用户配置天线数为1的情况，此时MIMO系统容量增益无法获得，因为对于MIMO系统，其系统容量增益为发送天线和接收天线最小值的倍数，当接收天线数为1时，容量增益为lim{M,1}＝1。

发明内容

有鉴于此，本发明提供一种用于降低异构网络中跨阶层干扰的用户选择算法，旨在优化宏蜂窝和微蜂窝之间的跨阶层小区间干扰。

本发明采用的技术方案具体为：

一种用于异构网络中的用户选择算法，通过计算宏基站与微小区内各用户之间的干扰信道矩阵的弦距离，选择使干扰信道矩阵的方向保持平行的用户，即使干扰信道矩阵之间的弦距离最小的用户作为服务用户。

在上述用于异构网络中的用户选择算法中，对微小区内的每个用户赋予一个加权值，所述加权值基于所述干扰信道矩阵之间的弦距离，选择使加权值最大的用户作为服务用户。

在上述用于异构网络中的用户选择算法中，确定所述加权值的参数包括所述干扰信道矩阵之间的弦距离、用户有用信道矩阵的范数以及设定的加权系数。

在上述用于异构网络中的用户选择算法中，弦距离 $d_c(H_{jl}^M,H_{\mathrm{\π}(l,1)l}^M)=\sqrt{{\sin }^2{\mathrm{\θ}}_1+{\sin }^2{\mathrm{\θ}}_2+\mathrm{...}+{\sin }^2{\mathrm{\θ}}_{N_M}};$

上式中：

θ_m表示由矩阵 的列向量张成的子空间与的主角；

N_M表示宏基站配置的发送天线的个数；

m＝1,2,…,N_M。

在上述用于异构网络中的用户选择算法中，具体包括以下步骤：

S10、初始化步骤：

在微小区l的用户集中，选择有用信道矩阵范数最大的用户作为第一个用户，表示为π(l,1)，即π(l,1)满足：

上式中：

表示微小区l内的微基站与微小区内剩余的其他用户j之间的有用信道矩阵；

$H_{jl}^P=\sqrt{P_{jl}}{\stackrel{\‾}{H}}_{jl}^P,$ 其中：

P_jl表示用户j接收来自微基站的信号的接收功率；表示相对应的小尺度衰落信道矩阵；

S20、在宏基站中消除对用户π(l,1)的跨阶层干扰；以及

计算宏基站对用户π(l,1)的干扰信道矩阵以及宏基站对微小区l内剩余的其他用户j的干扰信道矩阵之间的弦距离其中：

$\begin{array}{c}{d}_c^{j,l}=\frac{1}{\sqrt{2}}\left|\right|H_{\mathrm{\π}(l,1)l}^M{\left(H_{\mathrm{\π}(l,1)l}^M\right)}^{*}-H_{jl}^M{\left(H_{jl}^M\right)}^{*}|{|}_F\\ =\sqrt{N_M-{\left(H_{jl}^M\right)}^{*}{H}_{\mathrm{\π}(l,1)l}^M}\end{array};$

上式中：

表示宏基站对用户π(l,1)的干扰信道矩阵；

表示宏基站对微小区l内剩余的其他用户j的干扰信道矩阵；

S30、以为准则，进一步从剩余的用户集中内选择第j个用户(j≥2)；

S40、使返回S20，进一步选择出第j+1个用户，直至所选用户等于设定的微基站能够服务微小区l中的用户数K_l时，循环结束；其中：K_l≤K。

在上述用于异构网络中的用户选择算法中，在步骤S20中，采用块对角化BD预编码的方法消除对用户π(l,1)的跨阶层干扰。

在上述用于异构网络中的用户选择算法中，在步骤S30中，根据π(l,1)与剩余的其他用户j之间的弦距离范数以及设定的加权系数确定出用户j的加权值C_j,l，以为准则，从所述预选子集中选择第j个用户(j≥2)；

之后在S40中，使返回S20，进一步选择出第j+1个用户，直至所选用户等于设定的微基站能够服务微小区l中的用户数K_l时，循环结束；其中：K_l≤K。

在上述用于异构网络中的用户选择算法中，

本发明产生的有益效果是：

本发明的用于降低异构网络中跨阶层干扰的用户选择算法以弦距离作为衡量标准，在微小区内选择受宏基站干扰最小的用户作为服务用户，有效的降低了跨阶层干扰；进一步通过引入信道范数作为其衡量标准，在降低跨阶层干扰的同时，获得了用户分集增益，较之于现有的宏基站只针对自己服务的用户进行BD预编码来消除干扰的算法相比，跨阶层干扰得以明显优化。

附图说明

当结合附图考虑时，能够更完整更好地理解本发明。此处所说明的附图用来提供对本发明的进一步理解，实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为异构无线网络系统模型的结构示意图；

图2为本发明一种用于降低异构网络中跨阶层干扰的基于弦距离准则的用户选择算法(算法1)的流程图；

图3为本发明一种用于降低异构网络中跨阶层干扰的基于弦距离和信道范数准则用户选择算法(算法2)的流程图；

图4为本发明一种用于降低异构网络中跨阶层干扰的算法1与现有算法的对比图；

图5为本发明一种用于降低异构网络中跨阶层干扰的算法2与现有算法的对比图；

图6为本发明一种用于降低异构网络中跨阶层干扰的算法2中加权系数取不同值时的对比图。

具体实施方式

下面结合附图及实施例对本发明的技术方案作进一步详细的说明。

如图1所示的异构无线网络系统，包括一个宏基站和L个微基站，宏基站服务宏小区的K_M个用户，微基站服务微小区中的K_l个用户，K_M为宏基站服务宏小区的用户数，K_l为微基站能够服务微小区中的用户数；K表示每个微基站的待选用户数；宏基站配置N_M个发送天线，每个微基站配置N_P个发送天线，每个用户配置N_U个接收天线；假设各个微基站之间彼此隔离(isolatedpico-cells)，即各个微小区之间的干扰可以忽略；以及由于微基站的功率较小，当宏小区内的用户远离微基站时，所受干扰较小，因此忽略微基站对宏小区内用户的干扰；同时假设宏基站和各个微基站均能够获得理想的信道状态信息；则：

宏小区内第j个用户的接收信号为：

$y_{jM}=H_{jM}^M{V}_{jM}{x}_{jM}+\underset{k\≠j}{\underset{k=1}{\overset{K_M}{\Σ}}}{H}_{jM}^M{V}_{kM}{x}_{kM}+z_{jM}---\left(1\right);$

上式中：

上标M表示宏基站，下标M表示宏小区，j表示用户标号；

表示宏基站与宏小区内第j个用户之间的有用信道矩阵， $H_{jM}^M=\sqrt{P_{jM}}{\stackrel{\‾}{H}}_{jM}^M,$ 其中：

P_jM表示用户接收来自宏基站的信号的接收功率，表示宏基站的小尺度衰落信道，有用信道矩阵中的元素服从均值为0方差为1的复高斯分布；

V_jM为矩阵N_M×U，表示当信道信息理想情况下用户的预编码矩阵；

x_kM和x_jM分别表示发送给宏小区第k个和第j个用户的信息；

z_jM表示宏小区第j个用户接收到的噪声功率。

K_M表示宏小区的用户数。

公式(1)中，第一项为有用信号，第二项为宏小区内多用户的干扰信号，第三项为加性噪声；

微小区l内第i个用户的接收信号为：

$y_{il}=H_{il}^P{V}_{il}{x}_{il}+\underset{k\≠i}{\overset{K_l}{\underset{k=1}{\Σ}}}{H}_{il}^P{V}_{kl}{x}_{kl}+\underset{k=1}{\overset{K_M}{\Σ}}{H}_{il}^M{V}_{kM}{x}_{kM}+z_{il}---\left(2\right);$

上式中：

表示第l微小区内微基站与本小区内用户i之间的有用信道矩阵，其中：P_il表示用户接收来自微基站的信号的接收功率；

表示宏基站与第l微小区内用户i之间的干扰信道矩阵；表示微小区的小尺度衰落信道，干扰信道矩阵中的元素服从均值为0方差为1的复高斯分布；

V_il和V_kl分别表示当信道信息理想情况下微小区l内用户i和用户k的预编码矩阵，V_kM表示当信道信息理想情况下宏小区内用户k的预编码矩阵，如：V_il为矩阵N_P×U；

x_il和x_kl分别表示发送给微小区l第i个和第k个用户的信息；z_il表示U×1维0均值复高斯噪声向量，方差为1。

其中第一项为有用信号，第二项为微小区内多用户的干扰信号，第三项为跨阶层小区间干扰，第四项为加性噪声。

信道矩阵包括有用信道矩阵和干扰信道矩阵，其中的有用信道矩阵是指服务基站发送有用信号到用户经历的信道矩阵，干扰信道矩阵是指干扰基站发送非有用信号到用户经历的信道矩阵。具体到本发明，对于微小区内的用户，有用信道矩阵指的是该微小区内微基站发送的有用信号到用户的信道矩阵，干扰信道矩阵指的是宏基站发送非有用信号到用户的信道矩阵；对于宏小区用户，有用信道矩阵指的是宏基站发送有用信号到用户的信道矩阵。

采用BD预编码来消除系统中的干扰，BD预编码的基本思想是：

使

$H_{jM}^M{V}_{kM}=0,j=1,2,...,K_M,j\≠k---\left(3\right);$

$H_{il}^M{V}_{kM}=0,i=1,2,...,K_l,l=1,2,...,L---\left(4\right);$

$H_{il}^P{V}_{kl}=0,i=1,2,...,K_l,i\≠k---\left(5\right);$

即，在宏小区内，要消除小区内的多用户干扰和对微小区的跨阶层干扰，在微小区内，只需消除多用户干扰(基于假设条件，本申请忽略微基站对宏小区内用户的干扰)。下面以宏小区预编码为例，具体介绍BD预编码的过程。构造矩阵

上式中：

(·)^T表示转置运算，通过对进行奇异值(SVD)分解，得到相应的预编码矩阵V_kM，为了保证消去干扰的矩阵维数的限制，需要满足基站的发送天线，大于所有用户接收天线的总和，即要满足：

N_M≥(K_M+K_l-1)N_U(7)；

显然，系统能够服务的最大用户数为这里表示不小于a的最小整数。

可以看出，当用户数过多时，将无法实现消除干扰的目的。因此为保证消除干扰的功能，宏小区和微小区的用户数之和需满足

定义为宏基站的空间自由度，当ξ≥K_M-1时，即表示宏基站在消除多用户干扰后，存在空间自由度的剩余，可以用来消除宏基站对微小区内用户的跨阶层干扰。

在可以消除宏基站对微小区内用户的跨阶层干扰的前提下，目前的用户选择算法为：

由公式(2)可得，微小区l内用户的总容量为：

$R_l=K_l\×E\[{\log }_2|I_U+\frac{V_{il}^H{\left(H_{il}^P\right)}^H{H}_{il}^P{V}_{il}}{I_U+\underset{k\≠i}{\underset{k=1}{\overset{K_l}{\Σ}}}{V}_{kl}^H{\left(H_{il}^P\right)}^H{H}_{il}^P{V}_{kl}+\underset{k=1}{\overset{K_M}{\Σ}}{V}_{kM}^H{\left(H_{il}^M\right)}^H{H}_{il}^M{V}_{kM}}|\]---\left(9\right);$

当信道信息理想的情况下，微小区l可以采用所述BD预编码方法来消除小区内的干扰。即，当信道信息理想的情况下，多用户干扰项 $\underset{k\≠i}{\overset{K_l}{\underset{k=1}{\Σ}}}{V}_{kl}^H{\left(H_{il}^P\right)}^H{H}_{il}^P{V}_{kl}=0;$

而对于宏基站对小区l用户的跨阶层干扰，则需要宏基站具有足够的空间自由度，在消除宏基站多用干扰的同时消除跨阶层干扰，但往往空间自由度不能满足要求。

文献“UkJang,HyukminSon,JongrokPark,etal.CoMP-CSBforICINullingwithUserSelection[J].IEEETransactionsonWirelessCommunications,2011,10(9):2982-2993”(中的定理一)证明，当基站的空间自由度不足以完全消除所有小区内多用户干扰和小区间干扰时，可以首先用空间自由度消除多用户干扰，剩余的自由度消除部分小区间干扰，然后通过适当的用户选择算法使所选择的用户的干扰信道向量与被消除的小区间干扰信道向量方向平行，可以到达消除小区间干扰的目的。

但是上述消除小区内多用户干扰和小区间干扰的方式针对的是用户单接收天线的情况，其信道为向量形式。当用户接收天线为多个的时候，其信道为矩阵形式。其对应的消除干扰策略不能直接应用。

本发明基于弦距离准则提出算法1，进一步基于弦距离和信道范数准则，提出算法2。

一、基于弦距离准则的用户选择算法

本发明提供一种异构网络中降低跨阶层干扰的用户选择算法，即以弦距离作为信道矩阵之间方向的衡量指标，针对多基站协作系统的特点，利用弦距离使信道矩阵之间尽量保持平行性。

宏基站与微小区l内用户i和j之间的信道矩阵与之间的弦距离可表示为：

$d_c(H_{il}^M,H_{jl}^M)=\sqrt{{\sin }^2{\mathrm{\θ}}_1+{\sin }^2{\mathrm{\θ}}_2+\mathrm{...}+{\sin }^2{\mathrm{\θ}}_{N_M}}---\left(10\right);$

其中θ_j表示由矩阵和的列向量张成的子空间与的主角。弦距离可以通过公式(11)计算，即：

$\begin{array}{c}{d}_c\left(H_{il}^M,H_{jl}^M\right)=\frac{1}{\sqrt{2}}\left|\right|H_{il}^M{\left(H_{il}^M\right)}^{*}-H_{jl}^M{\left(H_{jl}^M\right)}^{*}|{|}_F\\ =\sqrt{N_M-\left|\right|{\left(H_{il}^M\right)}^{*}{H}_{jl}^M|{|}_F}\end{array}---\left(11\right);$

不失一般性，假设宏基站有ξ＝1的自由度可用于消除对微小区l第i个用户的跨阶层干扰，在微小区l中，在待选择用户j使宏基站与用户j之间的干扰信道矩阵和宏基站与用户i之间被消除的小区间干扰信道矩阵方向平行的前提下，可以使用户j收到宏基站的跨阶层干扰最小。即：选择使(j＝1,2,…,K_l，j≠i)最小的用户j，即通过减小公式(9)中分母的一部分，从而使公式(9)所表示的容量增大，进而使公式(9)中的跨阶层干扰减小。

算法的具体步骤如图2所示，即：

S11、初始化：将微小区l内的用户集作为待选择的小区集，其中K为微小区l内的用户数；

S12、选择第一个用户：选择微小区l内的有用信道范数最大的用户作为第一个被选择的用户，即：

则宏基站对用户π(l,1)的干扰信道矩阵为

S13、在宏基站中，采用BD预编码的方法消除对用户π(l,1)的跨阶层干扰；

S14、计算宏基站对微小区l内其他用户j的干扰信道矩阵与宏基站对用户π(l,1)的干扰信道矩阵的弦距离；即：

$\begin{array}{c}{d}_c^{j,l}=\frac{1}{\sqrt{2}}\left|\right|H_{\mathrm{\π}(l,1)l}^M{\left(H_{\mathrm{\π}(l,1)l}^M\right)}^{*}-H_{jl}^M{\left(H_{jl}^M\right)}^{*}|{|}_F\\ =\sqrt{N_M-{\left(H_{jl}^M\right)}^{*}{H}_{\mathrm{\π}\left(l,1\right)l}^M}\end{array}---\left(13\right);$

S15、以公式(15)为准则，从小区的用户集的公式(14)所示的子集内选择第j个用户(j≥2)；其中：

第j个用户选择结果为：

并以公式(16)为循环准则，直至所选用户等于K_l时，循环结束；其中：

上述基于弦距离准则的算法在微小区内选择受宏基站干扰最小的用户作为服务用户，有效地降低了跨阶层干扰。但是在选择用户的过程中并未考虑来自微基站的有用功率的大小，因此系统性能并非最优，算法还可以进一步优化。

二、基于加权值的用户选择算法

根据弦距离、范数以及设定的加权系数确定出用户的加权值，以该加权值为准则，对上述用户选择算法加以优化，具体如图3所示，即：

在上述弦距离准则的用户选择算法的步骤S15中，改以公式(17)为准则，从子集内选择第j个用户(j≥2)；

第j个用户选择结果为：

并以为循环准则，直至所选用户等于K_l时，循环结束。

其中，用户j的加权值C_j,l是与弦距离成反比的，即：

$C_{j,l}=f(\frac{1}{d_c^{j,l}},|\left|H_{jl}^P\right|{|}_F,\mathrm{\α})---\left(18\right);$

作为一种实施例，用户j的加权值C_j,l通过公式(19)的方式确定：

$C_{j,l}=\frac{\left|\right|H_{jl}^P|{|}_F^{\mathrm{\α}}}{d_c^{j,l}}---\left(19\right);$

其中加权系数α≥0，通过加权系数的设定，可以调整增加信号功率值和降低干扰功率值在整个信干噪比中所占的比重。

三、仿真结果验证

参数设定：网络拓扑结构由一个宏基站和两个微基站组成，家庭基站的位置固定(在宏基站覆盖范围内)，四个用户随机分布在家庭基站的覆盖范围内，微基站随机分布在距宏基站D_BS的圆周上，且两个微基站之间彼此隔离；具体的仿真参数如表1所示：

表1仿真参数

基于弦距离准则的用户选择算法(算法1)与现有算法(对比算法)的比较结果如图4所示，现有算法中将宏基站只针对自己服务的用户进行BD预编码算法，微基站内的用户选择则采用范数最大准则，因此可称为“范数最大+宏基站BD”算法，从图中可以看出，微基站的待选用户数K＝60。可以看出，对比算法中的用户存在较大的跨层干扰，系统性能明显很差，而本申请提出的算法1由于在消除了对微小区内部分用户的跨层干扰的同时，选择受宏基站干扰最小的用户作为服务用户，所以性能明显得以优化；如从图4中可以看出，在信噪比为5dB时，系统的平均容量有近1.7bps/Hz的增益。

基于加权值的用户选择算法(算法2)与对比算法的比较结果如图5所示，用户的加权值C_j,l根据公式(19)确定，加权系数α＝1。图中的三条曲线给出了待选用户数为30、60和80的情况。由于算法2在考虑到消除了对微小区内部分用户的跨层干扰的同时，选出加权值最大的用户作为服务用户，使系统容量增加，可以看出，在信噪比为5dB，待选用户为80个时系统容量有近1.6bps/Hz的增益，当待选用户分别为30个和60个时系统容量分别有近1.9bps/Hz和1.8bps/Hz的增益。

图6给出了不同的加权系数α对系统容量影响的比较图。由于α的取值直接影响增加信号功率值和降低干扰功率值在整个信干噪比中所占的比重，当α＝1时系统容量相对较大，所以本文仿真中都取α＝1。

需要说明是，本发明中出现的用户标号i和j，仅仅是为了方便说明所对应的公式，在全文范围内并没有特指的、唯一对应的含义。

以上结合附图对本发明的实施例进行了详细地说明，此处的附图是用来提供对本发明的进一步理解。显然，以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何对本领域的技术人员来说是可轻易想到的、实质上没有脱离本发明的变化或替换，也均包含在本发明的保护范围之内。

Claims (8)

1.一种用于异构网络中的用户选择算法，其特征在于，通过计算宏基站与微小区内各用户之间的干扰信道矩阵的弦距离，选择使干扰信道矩阵的方向保持平行的用户，即使干扰信道矩阵之间的弦距离最小的用户作为服务用户。

2.根据权利要求1所述的用于异构网络中的用户选择算法，其特征在于，对微小区内的每个用户赋予一个加权值，所述加权值基于所述干扰信道矩阵之间的弦距离，选择使加权值最大的用户作为服务用户。

3.根据权利要求1所述的用于异构网络中的用户选择算法，其特征在于，确定所述加权值的参数包括所述干扰信道矩阵之间的弦距离、用户的有用信道矩阵范数以及设定的加权系数。

4.根据权利要求1所述的用于异构网络中的用户选择算法，其特征在于，弦距离 $d_c(H_{jl}^M,H_{\mathrm{\π}(l,1)l}^M)=\sqrt{{\sin }^2{\mathrm{\θ}}_1+{\sin }^2{\mathrm{\θ}}_2+\mathrm{...}+{\sin }^2{\mathrm{\θ}}_{N_M}};$

上式中：

θ_m表示由矩阵和的列向量张成的子空间与的主角；

N_M表示宏基站配置的发送天线的个数；

m＝1,2,…,N_M。

5.根据权利要求1所述的用于异构网络中的用户选择算法，具体包括以下步骤：

S10、初始化步骤：

在微小区l的用户集中，选择有用信道矩阵范数最大的用户作为第一个用户，表示为π(l,1)，即π(l,1)满足：

上式中：

表示微小区l内的微基站与微小区内剩余的其他用户j之间的有用信道矩阵；

$H_{jl}^P=\sqrt{P_{jl}}{\stackrel{\‾}{H}}_{jl}^P,$ 其中：

P_jl表示用户j接收来自微基站的信号的接收功率；表示相对应的小尺度衰落信道矩阵；

S20、在宏基站中消除对用户π(l,1)的跨阶层干扰；以及

计算宏基站对用户π(l,1)的干扰信道矩阵以及宏基站对微小区l内剩余的其他用户j的干扰信道矩阵之间的弦距离其中：

$\begin{array}{c}{d}_c^{j,l}=\frac{1}{\sqrt{2}}\left|\right|H_{\mathrm{\π}\left(l,1\right)l}^M{\left(H_{\mathrm{\π}\left(l,1\right)l}^M\right)}^{*}-H_{jl}^M{\left(H_{jl}^M\right)}^{*}|{|}_F\\ =\sqrt{N_M-{\left(H_{jl}^M\right)}^{*}{H}_{\mathrm{\π}\left(l,1\right)l}^M}\end{array};$

上式中：

表示宏基站对用户π(l,1)的干扰信道矩阵；

表示宏基站对微小区l内剩余的其他用户j的干扰信道矩阵；

S30、以为准则，进一步从剩余的用户集中内选择第j个用户(j≥2)；

S40、使返回S20，进一步选择出第j+1个用户，直至所选用户等于设定的微基站能够服务微小区l中的用户数K_l时，循环结束；其中：K_l≤K。

6.根据权利要求5所述的用于异构网络中的用户选择算法，其特征在于，在步骤S20中，采用块对角化BD预编码的方法消除对用户π(l,1)的跨阶层干扰。

7.根据权利要求5所述的用于异构网络中的用户选择算法，其特征在于，在步骤S30中，根据π(l,1)与剩余的其他用户j的干扰信道矩阵之间的弦距离范数以及设定的加权系数确定出用户j的加权值C_j,l，以为准则，从所述预选子集中选择第j个用户(j≥2)；

之后在S40中，使返回S20，进一步选择出第j+1个用户，直至所选用户等于设定的微基站能够服务微小区l中的用户数K_l时，循环结束；其中：K_l≤K。

8.根据权利要求7所述的用于异构网络中的用户选择算法，其特征在于， $C_{j,l}=f(\frac{1}{d_c^{j,l}},|\left|H_{jl}^P\right|{|}_F,\mathrm{\α}).$