CN105682190A - 一种基于图论的异构网络用户接入与时域干扰协调联合优化方法 - Google Patents

Abstract

一种基于图论的异构网络用户接入与时域干扰协调联合优化方法，涉及通信资源分配优化技术领域。为了提供更好的用户整体的通信质量，增加蜂窝网络的系统容量。通过以下步骤实现：将宏基站和微基站链接到总控制中心；在用户通信发起阶段，各基站通过信令获取用户的信道信息；确定ABSF比例可选范围并从小到大依次选择；每选择一个ABSF比例，总控制中心通过用户接入使得目标函数最大；通过改进的KM算法来选择接入决策；比较各个ABSF比例下最优化目标函数的大小，选择最大的比例作为最终的时域干扰协调参数，选择最大优化目标函数的用户连接方法为最终的接入方式。适用于宏基站与微基站共存的异构网络中时域干扰协调与接入控制联合用户。

Description

一种基于图论的异构网络用户接入与时域干扰协调联合优化方法

技术领域

本发明涉及一种基于图论算法的异构网络用户接入与时域干扰协调联合优化方法，涉及通信资源分配优化技术领域。

技术背景

如今，随着人们对无线数据业务需求的增长，为了保证用户有更好的通信质量，更高的数据传输速度，无线蜂窝网络(如3G、LTE)基站部署越来越密集。并且，为应对室内无线信号衰弱快，人员密度大的问题，微基站(small-cell)已经开始部署到室内。这种覆盖范围小，发射功率低的微型基站的密集部署，能够为室内人员提供更好的无线网络服务质量。宏基站和微基站组成异构网络，宏基站能够满足用户的移动性要求，而微基站能够增强室内用户的通信质量和传输速度。

但是这种微基站与宏基站组成的异构网络存在资源竞争和相互干扰的问题，并且通常在一个宏基站的覆盖范围下会布置若干微基站，增加了竞争和干扰的强度。如何合理地分配宏基站和这些微基站的时频域资源，以及如何合理进行用户接入决策，是需要解决的问题。

干扰协调是一类对异构网络干扰问题的简单有效的解决方案，协调的意思是相邻小区间相互沟通已达到降低干扰或消除干扰的目的。可以分为时域、频域、空域和能量的干扰消除算法。

而用户几乎空白帧(AlmostBlankSub-Frame，ABSF)是时域干扰抑制算法，在特定的时隙(ABSFrame)，宏基站不传输数据信息，ABS帧的最优化比例是与微小区用户以及宏小区用户的数目相关的，在ABS帧，微基站用户会有更好的通信质量，而宏基站用户却因为可用时域资源的减少而导致通信质量的降低，在微小区较多的情况下，这种方法能够有效的减少干扰带来的资源浪费，提高用户整体的通信质量，增加蜂窝网络的容纳用户数。

另外，对于微小区边缘用户，用户的接入决策会影响到用户的通信质量，并可能由于乒乓效应导致不断掉话。

本文发现干扰协调与用户接入有相互影响的关系。干扰协调中ABS帧比例会导致用户接入网络的变化，而反过来优化的ABS帧比例应该跟宏小区和微小区的用户数比例相关。并且，我们希望较多的用户接入到小基站中，因为宏基站会对所有复用宏基站占用的资源的微基站造成干扰，如果能使较多的用户接入到微基站中，那么宏基站不需要占用过多的资源，微基站也就有更多没有来自宏基站干扰的资源可以利用，对全局来讲，增加了系统容量。因此，这两个问题的联合优化能得到最优的ABS帧比例和用户接入选择，这就是本发明的目的。

发明内容

本发明的目的是提供一种基于图论的异构网络用户接入与时域干扰协调联合优化方法，以提供更好的用户整体的通信质量，增加蜂窝网络的系统容量。

本发明为解决上述技术问题采取的技术方案是：

一种基于图论的异构网络用户接入与时域干扰协调联合优化方法，接入和时域干扰算法ABSF联合优化，能够获得更大的系统容量，所述方法的实现过程为：

步骤一、将宏基站和微基站链接到总控制中心，用户接入与时域干扰协调均通过总控制中心来进行；

步骤二、在用户通信发起阶段，各基站通过信令获取用户的信道信息，各个基站将连接到该基站的用户的信道信息汇报到总控制中心；

步骤三、确定宏基站的空白帧(AlmostBlankSub_Frame，ABSF)比例可选范围为1/10～5/10，从小到大依次选择；

步骤四、每选择一个ABSF比例，总控制中心通过用户接入使得目标函数最大；通过图论中图的着色算法和改进的KM算法来选择接入决策；

步骤五、比较各个ABSF比例下最优化目标函数的大小，选择最大的比例作为最终的时域干扰协调参数，选择最大优化目标函数的用户连接方法为最终的接入方式。

根据前述技术方案，本从属技术方案是对用户接入决策部分的具体优化方法，通常用户在接入前无法知道受到干扰有多大，只能根据信号强度进行接入，而在实际的通信过程中通信质量却是受到干扰的影响；在本从属技术方案中，进行对基站的分组和对干扰的推测，使用户在接入决策过程中能够有更多的信息，能够获得更好的接入方案，更优化的用户吞吐量；接入决策的过程为：

步骤1、定义Γ_{diff.threshold}为用户接受不同基站的信号差值的门限，用户端统计接受到来自各个基站的RSSI值，如果用户第一第二强接收信号强度差Γ_diff≥Γ_{diff.threshold}，用户接入到第一强的基站中，这些用户属于已分配用户组；如果Γ_diff<Γ_{diff.threshold}，这样的用户属于待分配用户组；

步骤2、定义另一个门限Γ_th为用户基站的信号强度门限，对每个用户而言，接收到的基站信号强度Γ_BSi中大于Γ_th的所有微基站定义为相互干扰微基站，相互干扰基站的意义在于在未来通信中如果这些相互干扰基站使用相同的时频资源时，会导致该用户受到较大的干扰，比如用户接受到三个基站的信号强度Γ_BS1,Γ_BS2,Γ_BS3>Γ_th，那么基站1,2,3为相互干扰基站，而其他基站对于该用户而言不是干扰基站；通过顶点着色法，将微基站根据相互干扰关系分为若干个组，组内基站间使用相同资源；

步骤3、将资源根据每个组中所有基站已经分配的全部用户数分配给各个组；同时，对于待分配用户来说，这些信号中强度Γ_BSi大于Γ_th的所有微基站都是备选基站；

步骤4、对待分配用户根据步骤3中各个基站分配的资源以及已经链接用户数，能够估计自己接入各个备选基站的传输速率预期；

用式(1)表示待接入用户n如果接入到宏基站时的预期数据速度，式(2)表示待接入用户n如果接入到微基站j时的预期数据速度：

$R_n=\frac{1}{U_m+\underset{\mathrm{\&phi;}=1}{\overset{\mathrm{\&Phi;}}{\&Sigma;}}{U}_{\mathrm{\&phi;}}}(1-\mathrm{\&alpha;})\&CenterDot;B\log (1+\frac{P_m{H}_{m,n}}{\underset{i\&Element;I_{\max }}{\&Sigma;}{P}_i{H}_{i,n}}),n\&RightArrow;macro---\left(1\right)$

$\begin{array}{c}{R}_n=\frac{U_k}{(U_m+\underset{\mathrm{\&phi;}=1}{\overset{\mathrm{\&Phi;}}{\&Sigma;}}{U}_{\mathrm{\&phi;}})\&CenterDot;u_j}\&CenterDot;(\mathrm{\&alpha;}\&CenterDot;B\log (1+\frac{P_j{H}_{j,n}}{\underset{i\&Element;I_k,i\&NotEqual;j}{\&Sigma;}{P}_i{H}_{i,n}})+(1-\mathrm{\&alpha;})\&CenterDot;B\log (1+\frac{P_j{H}_{j,n}}{P_m{H}_{m,n}+\underset{i\&Element;I_k,i\&NotEqual;j}{\&Sigma;}{P}_i{H}_{i,n}}\left)\right)\\ ,n\&RightArrow;{\mathrm{PBS}}_j,{\mathrm{PBS}}_j\&Element;{\mathrm{cluster}}_k\end{array}---\left(2\right)$

其中，U_m表示宏基站中已接入用户数，U_φ表示微基站j属于的微基站组φ中已连接用户数，u_j表示微基站j中已接入用户数；α表示ABSF比例，B表示总带宽；P_m,P_j分别表示宏基站和微基站j在单个资源块上的发射功率；H_j,n,H_m,n分别为微基站j和宏基站与用户n之间的信道衰落；I_max代表所有微基站组中基站最多的组，I_k代表微基站组k；

步骤5、将备选用户和基站构建为二分图的两侧顶点，用户与备选基站间可以有边进行连接，将步骤4的用户传输速度值作为用户连接到各个基站顶点后的标签，通过改进的KM算法求最优的接入使标签之和最大，最终二分图顶点之间的链接结果就是用户与基站的接入结果；

步骤6、重新根据步骤5给出的用户连接结果重新进行步骤3、4、5、6循环迭代，这时刚才的待分配用户已经分配到各个基站下，因此每个基站下的用户数目发生变化，并且这时的分配结果并不是最终的基站接入结果；按照这个基站下用户数目，重新进入步骤3进行资源分配，接着进入步骤4对之前待接入用户计算预期数据速度，再进入步骤5进行用户接入算法，重复这一过程直至收敛，收敛后的基站接入结果是最终的结果。

根据上述技术方案限定的一种基于图论的异构网络用户接入与时域干扰协调联合优化方法，本技术方案是具体的说明对KM算法的改进，使其能够应用于联合优化算法中的用户接入决策部分，KM算法的改进在于图论中的匹配算法，如KM算法只能够一对一进行连接，每个顶点只能与其他一个顶点进行连接，而本权利要求可以使一个顶点与多个顶点进行连接，例如一个基站可以容纳多个用户；所述改进的KM算法为：

将待接入用户和基站分别组成二分图的两侧，用户为一侧顶点，基站为另一侧顶点；用户端标号为USER1，USER2，USER3，……，USERN；将基站顶点标号为MBS，PBS1，PBS2，PBS3，PBS4，……PBSM；然后，宏基站是每个待接入用户的备选基站，在微基站中每个基站都是若干个待分配用户的备选基站，备选基站的定义如权利要求2步骤3，是信号中强度Γ_BSi大于门限Γ_th的基站；这样将基站端顶点修改为MBS_1，MBS_2，MBS_3，MBS_4，……，MBS_N；PBS1_1，PBS1_2，……，PBS1_a；PBS2_1，PBS2_2，……，PBS2_b，……PBSM_1，PBSM_2，……，PBSM_k；其中a，b，k为复制次数，PBS1，PBS2，PBSM是多少个用户的备选基站复制次数就是多少；接着，在匹配的过程中同正常KM算法相同，但是在结束时，只要所有用户端顶点都饱和(都有链接基站顶点)，那么匹配就可以结束。

本发明的有益效果是：

干扰协调与用户接入有相互影响的关系。干扰协调中宏基站的空白帧的比例会导致用户接入网络决策的变化，而空白帧的优化比例又跟宏小区和微小区的用户比例相关。通过联合优化ABSF帧比例和用户接入选择，达到增加系统吞吐量优化的目的。本发明适用于宏基站与微基站共存的异构网络中时域干扰协调与接入控制联合用户。

本发明发现干扰协调与用户接入有相互影响的关系：干扰协调中ABS帧比例会导致用户接入网络的变化，而反过来优化的ABS帧比例应该跟宏小区和微小区的用户数比例相关。本发明方法实现较多的用户接入到小基站中，宏基站不需要占用过多的资源，微基站也就有更多没有来自宏基站干扰的资源可以利用，对全局来讲，增加了系统容量。因此，本发明的联合优化能得到最优的ABS帧比例和用户接入选择。本发明实现了异构网络的联合干扰协调和用户接入的综合规划。

附图说明

图1是对具体实施方式一的接入控制流程图；

图2是二分图以及可增广路的说明示意图，是对具体实施方式二其中定义的解释；图中：(a)为二分图，(b)为可增广路示意图；

图3是干扰图以及图的着色的说明，是对具体是谁方式三的说明；图中：(a)为干扰图，(b)为干扰图的着色图；

颜色顺序：蓝红绿黄

分组：蓝1/3/6红2/4绿5/7。

具体实施方式

具体实施方式一：如图1所示，实施方式所述的基于图论的异构网络用户接入与时域干扰协调联合优化方法的实现过程为：

步骤一、将宏基站和微基站链接到总控制中心，用户接入与时域干扰协调均通过总控制中心来进行；

步骤二、在用户通信发起阶段，各基站通过信令获取用户的信道信息，各个基站将连接到该基站的用户的信道信息汇报到总控制中心；

步骤三、确定ABSF比例可选范围为1/10～5/10，从小到大依次选择；

步骤四、每选择一个ABSF比例，总控制中心通过用户接入使得目标函数最大；通过改进的KM算法来选择接入决策；接入决策的过程是通过改进的KM算法实现，如何通过改进的KM算法选择过程在下面的具体实施方式中有阐述。

步骤五、比较各个ABSF比例下最优化目标函数的大小，选择最大的比例作为最终的时域干扰协调参数，选择最大优化目标函数的用户连接方法为最终的接入方式。

具体实施方式二：本实施方法主要针对具体实施方式一的步骤四中用户接入算法进行详细解释。参照图1说明本实施方式。本实施方式所述的联合用户接入算法方法是通过以下步骤实现：

步骤1.用户端统计接受到来自各个基站的RSSI值。如果用户第一第二强接收信号强度差Γ_diff≥Γ_{diff.threshold}，用户接入到第一强的基站中，这些用户属于已分配用户组。如果Γ_diff<Γ_{diff.threshold}，这样的用户属于待分配用户组。

步骤2.定义另一个门限Γ_th，对每个用户而言，将接受到的信号中强度Γ_BSi大于Γ_th的所有微基站，定义为相互干扰微基站。通过顶点着色法，将微基站根据相互干扰关系分为若干个组。组内基站间相互干扰不大，可以使用相同资源，而组间由于干扰比较大，不能使用相同资源。宏基站单独成为一组。

步骤3.将资源根据每个组中所有基站已经分配的全部用户数分配给各个组。同时，对于待分配用户来说，这些信号中强度Γ_BSi大于Γ_th的所有微基站都是备选基站。

步骤4.对待分配用户根据步骤3中各个基站分配的资源以及已经链接用户数，能够估计自己接入各个备选基站的传输速率预期。

$R_n=\frac{1}{U_m+\underset{\mathrm{\&phi;}=1}{\overset{\mathrm{\&Phi;}}{\&Sigma;}}{U}_{\mathrm{\&phi;}}}(1-\mathrm{\&alpha;})\&CenterDot;B\log (1+\frac{P_m{H}_{m,n}}{\underset{i\&Element;I_{\max }}{\&Sigma;}{P}_i{H}_{i,n}}),n\&RightArrow;macro$

$\begin{array}{c}{R}_n=\frac{U_k}{(U_m+\underset{\mathrm{\&phi;}=1}{\overset{\mathrm{\&Phi;}}{\&Sigma;}}{U}_{\mathrm{\&phi;}})\&CenterDot;u_j}\&CenterDot;(\mathrm{\&alpha;}\&CenterDot;B\log (1+\frac{P_j{H}_{j,n}}{\underset{i\&Element;I_k,i\&NotEqual;j}{\&Sigma;}{P}_i{H}_{i,n}})+(1-\mathrm{\&alpha;})\&CenterDot;B\log (1+\frac{P_j{H}_{j,n}}{P_m{H}_{m,n}+\underset{i\&Element;I_k,i\&NotEqual;j}{\&Sigma;}{P}_i{H}_{i,n}}\left)\right)\\ ,n\&RightArrow;{\mathrm{PBS}}_j,{\mathrm{PBS}}_j\&Element;{\mathrm{cluster}}_k\end{array}$

其中，公式1表示待接入用户n如果接入到宏基站时的预期数据速度。公式2表示待接入用户n如果接入到微基站j时的预期数据速度。U_m表示宏基站中已接入用户数，U_φ表示微基站j属于的微基站组φ中已连接用户数，u_j表示微基站j中已接入用户数。α表示ABSF比例，B表示总带宽。P_m,P_j分别表示宏基站和微基站j在单个资源块上的发射功率。H_j,n,H_m,n分别为微基站j和宏基站与用户n之间的信道衰落。

步骤5.将备选用户和基站构建为二分图的两侧顶点，用户与备选基站间可以有边进行连接，将步骤4的用户传输速度值作为用户连接到各个基站顶点后的标签。通过修改的KM算法求最优的接入使标签之和最大。

步骤6.重新根据步骤5给出的用户连接结果重新进行步骤3、4、5、6循环迭代，直至收敛，得到最优化的用户接入方式。

具体实施方式三：本实施方式是对上述实施方式中的改进KM算法作进一步说明：

由于KM算法中每个顶点只能有一条边进行相连接，而在我们的场景中可能有很多个用户连接到相同的顶点上，所以在这里我们进行一个改进。对于一个基站而言，如果多个待分配用户的备选基站中都存在这个基站，那么有多少个这样的用户，就为这个基站建立多少个顶点。比如有5个待分配用户的备选基站里都有基站1，那么就为基站1建立5个顶点。

首先根据图2介绍几个图论算法中的定义：

相邻：图论中，两个点之间有可以连接关系，这种关系叫做相邻。用户和备选基站就是相邻的关系。

二分图：如果图的顶点可以分为两个子集，并且每个子集内部顶点相互不能相邻，这样的图叫二分图。基站是一个子集，用户是一个子集。

饱和：顶点有至少一条边相连成为饱和，孤立的点成为非饱和。被连接的用户是饱和的，为接入的用户是非饱和的。

匹配：边集的任何一个子集。用户的任何一种接入选择方式就是一种匹配。

完美匹配：图中每个顶点都被链接的匹配，成为完美匹配。

交错路：若M是图G的一个匹配，若从G中一个顶点到另一个顶点存在一条道路，此路径由属于M和不属于M的边交替出现组成的，则称此路径为M-交错路。

可增广路：若交错路的两个端点为关于M的不饱和顶点时，称此交互道为可增广道路。

步骤一：将用户与基站建模为二分图，图的顶点为用户与基站，图的边为用户与基站的链接关系，如果一个用户能够与某个基站，则这两点之间存在一条边，如果一个用户不可能与某个基站链接，那么这两点间不存在边。每条边上都存在标号，即该用户与该基站链接后的收益值。任意取一个可能存在的用户与基站接入方法，叫做初始匹配。

由于KM算法中每个顶点只能有一条边进行相连接，而在我们的场景中可能有很多个用户连接到相同的顶点上，所以在这里我们进行一个改进。对于一个基站而言，如果多个待分配用户的备选基站中都存在这个基站，那么有多少个这样的用户，就为这个基站建立多少个顶点。比如有5个待分配用户的备选基站里都有基站1，那么就为基站1建立5个顶点。

步骤二：如果是完美链接，那么链接方法为所求，链接方法即为最终解，否则在用户群X中找一个非饱和点x₀,记录V₁＝{x₀}，V₂＝{φ}。

步骤三：若N(V₁)＝V₂，则取α＝min(l(x_i)+l(y_j)-c_ij)，其中x_i∈V₁，y_j∈N(V₁)-V₂，使重新作图。

否则在N(V₁)-V₂中任取一点b到步骤四。N(V₁)表示V₁集合中所有顶点的邻居的集合，即所有可以和V₁中所有的顶点链接的顶点。N(V₁)-V₂表示在V₁邻居中不属于V₂的顶点集合。

步骤四：如果b饱和，与b链接的基站为z则V₁＝V₁∪z，V₂＝V₂∪b，返回步骤三。如果b未饱和，则链接一条b的增广路径返回步骤二。

具体实施方式四：参照图3对具体实施方式一种的图的着色进行说明。

步骤一：建立干扰图，将微基站建立为顶点，将顶点按一定顺序标号，有干扰关系的顶点之间有连线。准备若干种颜色，将颜色标上序号。

步骤二：从1号顶点开始按照序号依次标记颜色，如果两顶点之间有边存在，那么这两个顶点不能使用同一种颜色。如果一个顶点与多个顶点都有边进行连接，那么这个顶点与所有和他相连的顶点颜色都不能相同。标记颜色时，优先选择可行的颜色中序号小的颜色进行标记。

Claims (3)

1.一种基于图论的异构网络用户接入与时域干扰协调联合优化方法，其特征在于接入和时域干扰算法ABSF联合优化，能够获得更大的系统容量，所述方法的实现过程为：

步骤一、将宏基站和微基站链接到总控制中心，用户接入与时域干扰协调均通过总控制中心来进行；

步骤二、在用户通信发起阶段，各基站通过信令获取用户的信道信息，各个基站将连接到该基站的用户的信道信息汇报到总控制中心；

步骤三、确定宏基站的空白帧(AlmostBlankSub_Frame，ABSF)比例可选范围为1/10～5/10，从小到大依次选择；

步骤四、每选择一个ABSF比例，总控制中心通过用户接入使得目标函数最大；通过图论中图的着色算法和改进的KM算法来选择接入决策；

步骤五、比较各个ABSF比例下最优化目标函数的大小，选择最大的比例作为最终的时域干扰协调参数，选择最大优化目标函数的用户连接方法为最终的接入方式。

2.根据权利要求1所述的基于图论的异构网络用户接入与时域干扰协调联合优化方法，其特征在于，通过图论中图的着色算法和改进的KM算法来选择接入决策，对基站的分组和对干扰的推测，使用户在接入决策过程中能够有更多的信息，能够获得更好的接入方案，更优化的用户吞吐量；接入决策的过程为：

步骤1、定义Γ_{diff.threshold}为用户接受不同基站的信号差值的门限，用户端统计接受到来自各个基站的RSSI值，如果用户第一第二强接收信号强度差Γ_diff≥Γ_{diff.threshold}，用户接入到第一强的基站中，这些用户属于已分配用户组；如果Γ_diff<Γ_{diff.threshold}，这样的用户属于待分配用户组；

步骤2、定义另一个门限Γ_th为用户基站的信号强度门限，对每个用户而言，接收到的基站信号强度Γ_BSi中大于Γ_th的所有微基站定义为相互干扰微基站，相互干扰基站的意义在于在未来通信中如果这些相互干扰基站使用相同的时频资源时，会导致该用户受到较大的干扰，比如用户接受到三个基站的信号强度Γ_BS1,Γ_BS2,Γ_BS3>Γ_th，那么基站1,2,3为相互干扰基站，而其他基站对于该用户而言不是干扰基站；通过顶点着色法，将微基站根据相互干扰关系分为若干个组，组内基站间使用相同资源；

步骤3、将资源根据每个组中所有基站已经分配的全部用户数分配给各个组；同时，对于待分配用户来说，这些信号中强度Γ_BSi大于Γ_th的所有微基站都是备选基站；

步骤4、对待分配用户根据步骤3中各个基站分配的资源以及已经链接用户数，能够估计自己接入各个备选基站的传输速率预期；

用式(1)表示待接入用户n如果接入到宏基站时的预期数据速度，式(2)表示待接入用户n如果接入到微基站j时的预期数据速度：

$R_n=\frac{1}{U_m+\underset{\mathrm{\&phi;}=1}{\overset{\mathrm{\&Phi;}}{\&Sigma;}}{U}_{\mathrm{\&phi;}}}(1-\mathrm{\&alpha;})\&CenterDot;Blog(1+\frac{P_m{H}_{m,n}}{\underset{i\&Element;I_{max}}{\&Sigma;}{P}_i{H}_{i,n}}),n\&RightArrow;macro---\left(1\right)$

$\begin{array}{c}{R}_n=\frac{U_k}{(U_m+\underset{\mathrm{\&phi;}=1}{\overset{\mathrm{\&Phi;}}{\&Sigma;}}{U}_{\mathrm{\&phi;}})\&CenterDot;u_j}\&CenterDot;(\mathrm{\&alpha;}\&CenterDot;Blog(1+\frac{P_j{H}_{j,n}}{\underset{i\&Element;I_k,i\&NotEqual;j}{\&Sigma;}{P}_i{H}_{i,n}})+(1-\mathrm{\&alpha;})\&CenterDot;Blog(1+\frac{P_j{H}_{j,n}}{P_m{H}_{m,n}+\underset{i\&Element;I_k,i\&NotEqual;j}{\&Sigma;}{P}_i{H}_{i,n}}))\\ ,n\&RightArrow;{\mathrm{PBS}}_j,{\mathrm{PBS}}_j\&Element;{\mathrm{cluster}}_k\end{array}---\left(2\right)$

其中，U_m表示宏基站中已接入用户数，U_φ表示微基站j属于的微基站组φ中已连接用户数，u_j表示微基站j中已接入用户数；α表示ABSF比例，B表示总带宽；P_m,P_j分别表示宏基站和微基站j在单个资源块上的发射功率；H_j,n,H_m,n分别为微基站j和宏基站与用户n之间的信道衰落；I_max代表所有微基站组中基站最多的组，I_k代表微基站组k；

步骤5、将备选用户和基站构建为二分图的两侧顶点，用户与备选基站间可以有边进行连接，将步骤4的用户传输速度值作为用户连接到各个基站顶点后的标签，通过改进的KM算法求最优的接入使标签之和最大，最终二分图顶点之间的链接结果就是用户与基站的接入结果；

步骤6、重新根据步骤5给出的用户连接结果重新进行步骤3、4、5、6循环迭代，这时刚才的待分配用户已经分配到各个基站下，因此每个基站下的用户数目发生变化，并且这时的分配结果并不是最终的基站接入结果；按照这个基站下用户数目，重新进入步骤3进行资源分配，接着进入步骤4对之前待接入用户计算预期数据速度，再进入步骤5进行用户接入算法，重复这一过程直至收敛，收敛后的基站接入结果是最终的结果。

3.根据权利要求1或2所述的一种基于图论的异构网络用户接入与时域干扰协调联合优化方法，其特征在于所述KM算法的改进为：使其能够应用于联合优化算法中的用户接入决策部分在于图论中的匹配算法，KM算法只能够一对一进行连接，每个顶点只能与其他一个顶点进行连接，改进的KM算法可使一个顶点与多个顶点进行连接，使一个基站可容纳多个用户；

所述改进的KM算法为：

将待接入用户和基站分别组成二分图的两侧，用户为一侧顶点，基站为另一侧顶点；用户端标号为USER1，USER2，USER3，……，USERN；将基站顶点标号为MBS，PBS1，PBS2，PBS3，PBS4，……PBSM；然后，宏基站是每个待接入用户的备选基站，在微基站中每个基站都是若干个待分配用户的备选基站，备选基站是指信号中强度Γ_BSi大于门限Γ_th的基站；这样将基站端顶点修改为MBS_1，MBS_2，MBS_3，MBS_4，……，MBS_N；PBS1_1，PBS1_2，……，PBS1_a；PBS2_1，PBS2_2，……，PBS2_b，……PBSM_1，PBSM_2，……，PBSM_k；其中a，b，k为复制次数，PBS1，PBS2，PBSM是多少个用户的备选基站复制次数就是多少；接着，在匹配的过程中同正常KM算法相同，但是在结束时，只要所有用户端顶点都饱和，都有链接基站顶点，那么匹配结束。