CN105451349B - 一种基于启发式蚁群算法的家庭基站信道分配方法 - Google Patents

Abstract

本发明公开了一种基于启发式蚁群算法的家庭基站信道分配方法，该方法根据宏用户和家庭用户的信噪比阈值来调整家庭用户的可用信道列表，以保证宏用户和家庭用户的QoS要求；再利用图论及家庭基站中每个用户的信噪比要求，构建家庭基站间的干扰图；最后采用启发式蚁群算法求解信道优化分配问题，将可用信道集和干扰图作为蚁群算法的可用颜色列表和邻接矩阵，并利用启发式信息和信息素来指导启发式蚁群算法的求解，以最大化家庭小区的平均吞吐量为目标，给每个用户分配信道。本发明既保障了宏用户和家庭用户的服务质量，又能够最大程度的提高系统吞吐量，体现了仿生优化算法在求解复杂优化问题上的优越性能。

Description

一种基于启发式蚁群算法的家庭基站信道分配方法

技术领域

本发明涉及一种基于启发式蚁群算法的家庭基站信道分配方法，属于通信技术领域。

背景技术

为了提高室内用户的通信质量和通讯速率，家庭基站这一技术正愈来愈被广泛应用。家庭基站可用于提高小范围内用户的服务质量，同时有效缓解宏基站的负载，以得到更高的数据速率和系统容量。

家庭基站工作在授权的频谱上时，与宏基站可以工作在相同的频谱，也可以是专用频谱。家庭基站的频谱部署方式分为两种：专用频谱部署和同频部署。在专用频谱部署中，宏基站和家庭基站分别占用不同的频谱，因此没有跨层干扰。但在家庭基站密集分布的情况下，不仅频谱有效性变低，而且有可能出现同层干扰。在同频部署中，宏基站和家庭基站共享频带。尽管它的频谱有效性较好，但是会产生跨层干扰。然而由于授权频谱非常昂贵，运营商更倾向于使用同频共享的方式，但是如果两层之间不协作，随机地复用资源，则会引起两层系统的严重干扰。

然在家庭小区和宏小区组成的双层网络构架下，存在着一些问题，例如干扰控制、切换，接入控制等。其中，干扰控制是当下家庭基站应用中的研究热点，如何有效地减少家庭用户和宏用户之间的跨层干扰，保证用户的服务质量QoS，是亟待解决的问题。

近年来，一些通过模仿自然界的生物行为来解决复杂优化问题，比如经典NP-C问题的仿生算法逐渐成为研究的热点，包括人工免疫算法、蚁群算法、粒子群算法、混合蛙跳算法]以及猫群算法等。其中，蚁群算法是具有正反馈机制的一种人工智能算法。蚂蚁能互相协作，通过群集的智能行为完成筑巢，觅食等复杂工作。这些工作的顺利完成依靠蚂蚁群体的一种特殊交流方法——分泌名为信息素的化学刺激物，可通过感知信息素的强度来选择移动的方向，浓度越高，向该方向移动的概率越大。利用这种现象蚂蚁会选出一条最优的路径来走。鉴于此，可根据蚁群算法的概率选择策略来对图进行顶点着色。

发明内容

技术问题：本发明针对异构蜂窝网络的下行链路，提出了一种结合图论与启发式蚁群算法的家庭基站信道分配方法。该方法根据宏用户和家庭用户的信噪比阈值来调整家庭用户的可用信道列表，以保证宏用户和家庭用户的QoS要求；利用图论及家庭基站中每个用户的信噪比要求，构建家庭基站间的干扰图；利用启发式信息和信息素来指导启发式蚁群算法，对信道优化分配问题进行求解，将可用信道集和干扰图作为蚁群算法的可用颜色列表和邻接矩阵，以最大化家庭小区的平均吞吐量为目标，给每个用户分配信道。

技术方案：本发明的一种基于启发式蚁群算法的家庭基站信道分配方法，包括以下步骤：

1)初始化宏用户m＝1，信道n＝1，家庭基站的初始可用信道集包含所有信道，宏用户的初始干扰集包含所有家庭基站；

2)判断n是否大于N_c，N_c为信道数，若不大于，则计算宏用户m在信道n上的信干噪比γ_m,n，转步骤3)；若大于，则令n＝1，m＝m+1，判断m是否大于M，M为宏用户的数量，若不大于则计算宏用户m在信道n上的信干噪比γ_m,n，转步骤3)，若大于则转步骤5)；

3)比较γ_m,n与宏用户的SINR阈值：若γ_m,n大于SINR阈值，则令n＝n+1，重复步骤2)；反之，则针对信道n选择出对宏用户m干扰最大的家庭基站t_m,n，并从该家庭基站的可用信道集中删掉子信道n；

4)从宏用户m的干扰集合中去除家庭基站t_m,n的干扰，重新计算宏用户的信干噪比，重复步骤3)；

5)初始化家庭用户i＝1，i＝1,2,…,N_f，N_f为家庭用户或家庭基站的数量(假设一个家庭基站中只有一个用户)，信道n＝1；

6)计算家庭用户i在信道n上的信干噪比其中，为宏基站在信道n上的发射功率，为家庭基站i在信道n上的发射功率，N₀为白噪声的功率谱密度，B为每个信道的带宽，为信道n上宏基站到家庭用户i之间的信道增益，为信道n上家庭用户i和其服务家庭基站之间的信道增益，c_n为1表示有宏用户占用信道n，为0表示不占用；

7)若家庭用户i在信道n上的信干噪比γ_i,n小于阈值，则从该家庭基站的可用信道集中删掉信道n，且令n＝n+1；反之，则直接令n＝n+1；

8)判断n是否大于N_c，若不大于，则重复步骤6)，若大于，则令i＝i+1，n＝1，转步骤9)；

9)判断i是否大于N_f，若大于，则得到最终的家庭基站可用信道列表，转步骤10)，若不大于，则转步骤6)；

10)初始化a_ij＝0，i＝1,2,…,N_f，j＝1,2,…,N_f，令i＝1；

11)计算家庭用户i的信干噪比；

12)将此信干噪比与家庭用户信噪比门限值做比较，若小于，则找出对家庭用户i干扰最大的家庭基站，令a_ij＝1后，转步骤13)；反之，则令i＝i+1，转步骤14)；

13)去掉步骤12)找出的干扰最大的家庭基站对家庭用户i的干扰，重新计算用户i的信干噪比，重复步骤12)；

14)判断i是否大于N_f，若大于，则得到最终的家庭基站间的邻接矩阵反之，则重复步骤11)；

15)参数初始化：最大遍历次数L，最大迭代次数W，影响因子α＝1，β＝1，λ＝0.1，Q＝1，全局信息素τ_jn＝1(j＝1,2,…,N_f，n＝1,2,…,N_c)，迭代次数w＝1；

16)令遍历次数l＝1；

17)令j＝1，判断是否为空，代表第l次遍历中家庭基站1的可用信道列表，若非空，则选择其可用信道列表中的第一个信道分配给家庭基站1；

18)令j＝j+1，判断j是否大于N_f，若大于，则转步骤20)，反之，则转步骤19)；

19)判断是否为空，其中代表第l次遍历中家庭基站j的可用信道列表；若为空，则不分配信道；若不为空，则计算转移概率 表示在第l次遍历中，为家庭基站j分配信道n的概率，其中，τ_jn表示给家庭基站j分配信道n的全局信息素，参数α体现了它的影响程度；为第l次遍历中给家庭基站j分配信道n的启发式信息，参数β体现了启发式信息的影响程度，γ_j,n表示家庭用户j在信道n上的信干噪比，根据转移概率给该家庭基站分配信道，重复步骤18)；

20)令l＝l+1，判断l是否超过最大遍历次数L，若没有，则重复步骤17)，若超过，则根据每次遍历后得到的一组信道分配方案，计算对应的家庭用户平均吞吐量，找出最大吞吐量对应的信道分配方案，记为本次迭代的最佳分配方案并记录最大吞吐量；

21)令w＝w+1，判断w是否超过最大迭代次数W，若没有，则更新全局信息素τ_jn，τ_jn＝(1-λ)τ_jn+Δτ_jn，其中为全局信息素的增量，为第l次遍历中给家庭基站j分配信道n时所产生的信息素增量，L_l为第l次遍历过程中使用过的信道数，重复步骤16)；若超过，则转步骤22)；

22)比较每次迭代记录的吞吐量，吞吐量最大时为最佳信道分配方案。

有益效果

1.本发明保障了宏用户和家庭用户的服务质量，又能够最大程度的提高系统吞吐量；

2.本发明基于概率来选择最优信道进行分配，并以家庭小区用户平均吞吐量最大化为优化目标，总是选择出吞吐量性能最好的信道并分配给用户，提高了家庭基站的吞吐量；

3.本发明体现了仿生优化算法在求解复杂优化问题上的优越性能。

附图说明

图1为本发明的异构蜂窝网络模型图；

图2为本发明的信道集优化流程图一；

图3为本发明的信道集优化流程图二；

图4为本发明的家庭基站信道分配算法流程图。

具体实施方式

如附图1所示，本发明的场景是一个由宏用户和家庭用户组成的异构网络，宏基站覆盖范围内随机分布了M个宏用户，每个宏用户至少使用一个信道。总共有N_C个信道。一个宏小区内设置了N_f个家庭基站，假设每个家庭基站内只包含一个家庭用户。

根据附图1可知，宏用户m受到来自家庭基站i的干扰1，设两者间的信道增益为家庭用户i受到来自宏基站的跨层干扰3，设两者间的信道增益为家庭用户i受到来自家庭基站j的同层干扰4，设两者的信道增益为设宏基站到宏用户m的信道增益为宏基站在信道n上的发射功率为家庭基站i在信道n上的发射功率为假设白噪声的功率谱密度为N₀，每个信道的带宽为B。则对于宏用户m来说，其在信道n上的信干噪比为：

式中，为使用信道n的家庭基站数。

对于家庭用户i来说，其在信道n上的信噪比为：

式中，c_n为1表示有宏用户占用信道n，为0表示无。

如附图2和附图3所示，家庭用户信道集优化过程如下：

第一步：假设初始时N_f个家庭基站和宏用户m均使用同一信道n，利用(1)式，计算该宏用户的γ_m,n。

第二步：比较γ_m,n与宏用户的SINR阈值若则选择下一个宏用户，重复第一步。反之，则选择出干扰最大的家庭基站t_m,n，从该基站的信道集中删掉信道n。

第三步：将选出的家庭基站i的I_m,i从宏用户干扰集I_m里去除，其中宏用户的初始干扰集为根据：

重新计算γ_m,n，并重复第二步。

第四步：当M个宏用户全部循环一遍后，选择一个家庭用户i，根据：

计算它在信道n上的γ_i,n。若从该家庭基站的可用信道集中删掉信道n，反之，选择下一个未使用过的可用信道。重复第四步。

第五步：当家庭用户i循环完毕后，选择下一个未选择过的家庭用户，重复第四步。

第六步：当N_f个家庭用户全部循环完毕后，即得到最终的家庭基站可用信道列表。

由上述步骤得到的家庭基站可用信道列表为其中分别为N_f个家庭基站各自的可用信道的集合。

图着色问题是一个NP-hard问题，家庭基站的信道分配问题可以用对图进行顶点着色来描述，相应地，家庭用户之间的干扰关系就可构造干扰图来表示。用户代表干扰图里的一个顶点，用户之间有干扰则对应两点间有边相连，每个信道对应一种颜色，用给点着色的方法来对家庭基站实行动态的频谱分配。

建立家庭基站干扰图G＝(V,E)，顶点集N_f为家庭基站个数，a_ij代表顶点v_i，v_j之间是否有边，a_ij∈{0,1}，1表示有边，0表示无边。

建立无向图的步骤为：

第一步：选取家庭用户i，假定所有家庭基站占用同一个信道，均对本用户有干扰，利用(2)式计算家庭用户i的信干噪比；

第二步：比较家庭用户i的信干噪比和家庭用户SINR门限值，若不小于，则选择下一个家庭基站，反之，根据找出干扰最大的家庭基站，令a_ij＝1；

第三步：去掉找出的干扰最大的家庭基站的干扰，重新计算家庭用户i的信干噪比，重复第二步，直至全部家庭用户循环完毕。

由此，可得到家庭基站间的邻接矩阵据此即可作出干扰图。

将通信中的资源分配问题转化为顶点着色问题，利用蚁群算法来求解家庭用户信道分配问题。将构造好的家庭基站干扰图G＝(V,E)和优化后的可用信道集numC作为蚁群算法的输入参数。

顶点序列为颜色集为G＝(V,E)的邻接矩阵为满足：

当蚂蚁开始遍历着色时，会形成一个着色矩阵S(N_f×N_c)，N_c为子信道数，即可被使用的最大颜色数，着色矩阵满足：

蚂蚁在经过顶点v_j时，给家庭基站j选择信道n，即为顶点v_j着颜色n的概率定义为：

其中，η_jn为蚂蚁l给顶点v_j着色的启发式信息，参数β体现了启发式信息在蚂蚁遍历着色中的影响程度，而τ_jn为蚂蚁l给顶点v_j着色时的信息素，参数α体现了它的影响程度。代表蚂蚁l在给v_j着色时顶点v_j的可用颜色集，它是从v_j的可用颜色集C_j中取出的集合，筛选条件为：若与顶点v_j相邻的顶点已着色，则从v_j的颜色集C_j中删除这些已着的颜色，剩余的颜色构成的集合即为在蚂蚁l每次遍历过程中，要先判断是否为空，若为空集则该顶点无颜色可着，即给该顶点所着颜色值为0；若不为空，则按照概率给顶点v_j着颜色n。

以家庭小区平均吞吐量最大化为目标给顶点着色，启发式信息设置为：

当全部蚂蚁遍历过所有的顶点后，更新全局的信息素：

τ_jn＝(1-λ)τ_jn+Δτ_jn (9)

其中τ_jn表示给顶点v_j着颜色n的信息素，其初始值一般为常数，λ为挥发因子，Δτ_jn为：

其中为蚂蚁l在给顶点v_j着颜色n时所分泌的信息素：

其中Q的值通常为1，L_l为蚂蚁l在本次遍历过程中使用过的颜色数。

将信道分配问题转化为顶点着色问题，利用蚁群算法来求解家庭用户信道分配问题：最大遍历次数L即代表蚂蚁数量，给家庭基站j分配信道n即代表给顶点v_j着颜色n。

家庭基站信道分配算法的整个流程如附图4所示，其步骤为：

1)参数初始化：最大遍历次数L，最大迭代次数W，影响因子α＝1，β＝1，λ＝0.1，Q＝1，全局信息素τ_jn＝1(j＝1,2,…,N_f，n＝1,2,…,N_c)，迭代次数w＝1；

2)令遍历次数l＝1；

3)令j＝1，判断是否为空，代表第l次遍历中家庭基站1的可用信道列表，若非空，则选择其可用信道列表中的第一个信道分配给家庭基站1；

4)令j＝j+1，判断j是否大于N_f，若大于，则转步骤6)，反之，则转步骤5)；

5)判断是否为空，其中代表第l次遍历中家庭基站j的可用信道列表；若为空，则不分配信道；若不为空，则计算转移概率

表示在第l次遍历中，为家庭基站j分配信道n的概率，其中，τ_jn表示给家庭基站j分配信道n的全局信息素，参数α体现了它的影响程度；为第l次遍历中给家庭基站j分配信道n的启发式信息，参数β体现了启发式信息的影响程度，γ_j,n表示家庭用户j在信道n上的信干噪比，根据转移概率给该家庭基站分配信道，重复步骤4)。

6)令l＝l+1，判断l是否超过最大遍历次数L，若没有，则重复步骤3)，若超过，则根据每次遍历后得到的一组信道分配方案，计算对应的家庭用户平均吞吐量，找出最大吞吐量对应的信道分配方案，记为本次迭代的最佳分配方案并记录最大吞吐量；

7)令w＝w+1，判断w是否超过最大迭代次数W，若没有，则更新全局信息素τ_jn，τ_jn＝(1-λ)τ_jn+Δτ_jn，其中为全局信息素的增量，为第l次遍历中给家庭基站j分配信道n时所产生的信息素增量，L_l为第l次遍历过程中使用过的信道数，重复步骤2)；若超过，则转步骤8)。

8)比较每次迭代记录的吞吐量，吞吐量最大时所对应的最佳信道分配方案。

Claims (1)

1.一种基于启发式蚁群算法的家庭基站信道优化分配方法，其特征在于该方法包括以下步骤：

1)初始化宏用户m＝1，信道n＝1，家庭基站的初始可用信道集包含所有信道，宏用户的初始干扰集包含所有家庭基站；

2)判断n是否大于N_c，N_c为信道数，若不大于，则计算宏用户m在信道n上的信干噪比γ_m,n，转步骤3)；若大于，则令n＝1，m＝m+1，判断m是否大于M，M为宏用户的数量，若不大于则计算宏用户m在信道n上的信干噪比γ_m,n，转步骤3)，若大于则转步骤5)；

3)比较γ_m,n与宏用户的SINR阈值：若γ_m,n大于SINR阈值，则令n＝n+1，重复步骤2)；反之，则针对信道n选择出对宏用户m干扰最大的家庭基站t_m,n，并从该家庭基站的可用信道集中删掉子信道n；

4)从宏用户m的干扰集合中去除家庭基站t_m,n的干扰，重新计算宏用户的信干噪比，重复步骤3)；

5)初始化家庭用户i＝1，i＝1,2,…,N_f，N_f为家庭用户或家庭基站的数量，假设一个家庭基站中只有一个用户，信道n＝1；

6)计算家庭用户i在信道n上的信干噪比其中，为宏基站在信道n上的发射功率，为家庭基站i在信道n上的发射功率，N₀为白噪声的功率谱密度，B为每个信道的带宽，为信道n上宏基站到家庭用户i之间的信道增益，为信道n上家庭用户i和其服务家庭基站之间的信道增益，c_n为1表示有宏用户占用信道n，为0表示不占用；

7)若家庭用户i在信道n上的信干噪比γ_i,n小于阈值，则从该家庭基站的可用信道集中删掉信道n，且令n＝n+1；反之，则直接令n＝n+1；

8)判断n是否大于N_c，若不大于，则重复步骤6)，若大于，则令i＝i+1，n＝1，转步骤9)；

9)判断i是否大于N_f，若大于，则得到最终的家庭基站可用信道列表，转步骤10)，若不大于，则转步骤6)；

10)初始化a_ij＝0，i＝1,2,…,N_f，j＝1,2,…,N_f，令i＝1；

11)计算家庭用户i的信干噪比；

12)将此信干噪比与家庭用户信噪比门限值做比较，若小于，则找出对家庭用户i干扰最大的家庭基站，令a_ij＝1后，转步骤13)；反之，则令i＝i+1，转步骤14)；

13)去掉步骤12)找出的干扰最大的家庭基站对家庭用户i的干扰，重新计算用户i的信干噪比，重复步骤12)；

14)判断i是否大于N_f，若大于，则得到最终的家庭基站间的邻接矩阵反之，则重复步骤11)；

15)参数初始化：最大遍历次数L，最大迭代次数W，影响因子α＝1，β＝1，λ＝0.1，Q＝1，全局信息素τ_jn＝1(j＝1,2,…,N_f，n＝1,2,…,N_c)，迭代次数w＝1；

16)令遍历次数l＝1；

17)令j＝1，判断是否为空，代表第l次遍历中家庭基站1的可用信道列表，若非空，则选择其可用信道列表中的第一个信道分配给家庭基站1；

18)令j＝j+1，判断j是否大于N_f，若大于，则转步骤20)，反之，则转步骤19)；

19)判断是否为空，其中代表第l次遍历中家庭基站j的可用信道列表；若为空，则不分配信道；若不为空，则计算转移概率 表示在第l次遍历中，为家庭基站j分配信道n的概率，其中，τ_jn表示给家庭基站j分配信道n的全局信息素，参数α体现了它的影响程度；为第l次遍历中给家庭基站j分配信道n的启发式信息，参数β体现了启发式信息的影响程度，γ_j,n表示家庭用户j在信道n上的信干噪比，根据转移概率给该家庭基站分配信道，重复步骤18)；

20)令l＝l+1，判断l是否超过最大遍历次数L，若没有，则重复步骤17)，若超过，则根据每次遍历后得到的一组信道分配方案，计算对应的家庭用户平均吞吐量，找出最大吞吐量对应的信道分配方案，记为本次迭代的最佳分配方案并记录最大吞吐量；

21)令w＝w+1，判断w是否超过最大迭代次数W，若没有，则更新全局信息素τ_jn，τ_jn＝(1-λ)τ_jn+Δτ_jn，其中为全局信息素的增量，为第l次遍历中给家庭基站j分配信道n时所产生的信息素增量，L_l为第l次遍历过程中使用过的信道数，重复步骤16)；若超过，则转步骤22)；

22)比较每次迭代记录的吞吐量，吞吐量最大时为最佳信道分配方案。