CN106412988B - 一种改进的基于加权图的超密集异构网络干扰协调方法 - Google Patents

Abstract

本发明公开了一种改进的基于加权图的超密集异构网络干扰协调方法，最大化网络频谱效率为目标，在保障小区用户随着业务类型的变化而变化的速率请求的情况下，首先根据实际超密集异构网络场景中小区的干扰环境对小区进行分簇；同时在各个小区簇内建立用户干扰加权图，簇内用户采用低复杂度动态子信道复用方法，该方法联合小区分簇和用户分簇，同时对用户建立加权干扰图。本发明实现了增加网络频谱效率，减小干扰的目的，具备较低的复杂度和良好的收敛性能，将整个网络中的干扰问题转化成每个小的小区簇内的干扰问题，简化了干扰问题，在保证用户速率的基础上，抑制了网络中的干扰，实现了网络频谱效率的最大化。

Description

一种改进的基于加权图的超密集异构网络干扰协调方法

技术领域

本发明属于移动通信中的无线资源管理技术领域，具体涉及无线通信系统中一种基于加权图的改进型的超密集异构网络中干扰协调方法。

背景技术

在宏站覆盖范围内同频密集部署低功率小站的超密集异构网络是3GPP(ThirdGeneration Partnership Project)提出的一种提升5G网络频谱利用率和网络容量的有效方法。然而小站密度的增加会造成小区间干扰加剧，限制整个网络容量的提升，同时小区边缘用户的通话质量受到严重影响。考虑到，未来实际网络场景中的每个小区基站及小区用户处于动态变化的网络环境中，其中包括小区基站位置不固定、小区可自行决定开关状态、每个小区可以服务多个用户，每个用户由于自身业务的变化会有不同的速率请求等等。在5G网络中，小区数目急剧增加，小区间的干扰问题直接影响着用户的服务质量和网络容量，这样的矛盾急需一个有效的干扰协调技术来解决。在LTE(Long Term EvolutionAdvanced)中，网络干扰协调采用基于ABS(Almost Block Subframe)的干扰协调方案，通过配置基站之间的ABS子帧实现干扰协调。在未来5G网络中，解决动态的超密集网络干扰问题是一个非确定性多项式困难(NP-hard)问题，随着小区数目的增大，LTE中的基于ABS的干扰协调方案已经不能满足系统设计需求。同时，基于ABS的干扰协调方案不能有效解决用户之间由于业务类型不同而引起的速率请求的差异问题。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种以最大化网络频谱效率为目标，在保障小区用户随着业务类型的变化而变化的速率请求的情况下，以较低的实现复杂度解决了超密集异构网络中的干扰协调问题，提高整个网络频谱效率的基于加权图的改进型的超密集异构网络中干扰协调方法。

技术方案：为解决上述技术问题，本发明提供一种改进的基于加权图的超密集异构网络干扰协调方法，首先，根据小区所处的位置以及受相邻小区的干扰情况，将整个网络中的小区分割成一些互不干扰的小区集群，小区集群间的干扰水平控制在预设的干扰阈值门限范围内，将整个网络中的干扰问题转化成了相互独立的小区集群内的干扰问题；然后，在每个小区集群单元中，根据小区用户受到的来自这个集群中其它小区的干扰情况建立以用户为顶点的干扰加权图，直接以用户作为分析干扰问题的对象，处于预设的权值和干扰阈值门限内的用户将其划分成一个用户簇；最后，根据用户间的干扰关系以及用户自身速率请求的限制，对小区集群中用户分配子信道，通过设计的子信道动态分配方案增大小区集群中用户总速率和，最终达到增加网络频谱效率，减小干扰的目的。

本发明中的改进的基于加权图的干扰协调方法能够以较低的复杂度有效地解决用户速率动态变化、网络密集化与网络容量，频谱效率之间的难题。

本发明提供的一种改进的基于加权图的超密集异构网络干扰协调方法，包括以下具体步骤：

步骤1)：采集网络信息，初始化参数。采集网络中的宏站数目M、小站数目S和用户数目N，将宏站记为：M＝{M₁,M₂,...,M_M}小区集合记为：S＝{S₁,S₂,...,S_S}，用户集合记为：N＝{N₁,N₂,...,N_N}，将每个小区都接入到一个小区网关中，小区网关负责分配各个小区使用的子信道，初始化小区网关给整个网络中提供的子信道表示为：L＝{L₁,L₂,...,L_L}，子信道可以被所有小区复用，设置小区间干扰阈值门限为Γ_th。

步骤2):采集用户信息。小区用户采用最大参考信号接收功率准则接入小区，小区n中的一个用户表示为m_n，该用户的速率请求表示为由用户申请时确定；小区n的发射功率由网络运营商设定；小区用户m_n到小区n的路劲损耗表示为

步骤3):建立小区干扰矩阵，根据小区之间的信号干扰比确定网络中小区之间的干扰关系。小区i和小区j之间的信号干扰比表示为：

根据小区间的信号干扰比创建并保存小区干扰矩阵Λ＝[Λ(i,j)]_S×S

其中1表示小区之间有干扰，0表示小区之间无干扰。

步骤4):小区分簇初始化。标记当前处理的小区簇为q，并初始化为q＝1，表示需要处理的小区簇为第1个小区簇，标记小区分簇后输出的总的簇的数目为Q，并初始化为Q＝0，初始化每个小区所在簇的编号为小区分簇方法的输出为Q和矩阵C。

步骤5)：区分簇。小区集合S中，选择小区i和小区j，根据步骤3)中建立的小区干扰矩阵判断，若

Λ(i,j)＝1

同时，若小区i和j均未分配到任何小区簇中，即C(i)＝0,C(j)＝0，那么更新小区i和小区j的簇编号，小区i和小区j将被分到新增加的同一个小区簇q内，同时小区簇的总数目Q加一

C(i)＝C(j)＝q,q＝q+1,Q＝Q+1

若小区i和小区j中任一小区已被分配至簇q'，则更新i和j的簇编号

C(i)＝C(j)＝q'

若小区i和小区j都已经被分配至两个不同的簇，则更新i和j的簇编号

q'＝min(C(i),C(j))

步骤6)：更新Q和S。小区簇总数Q由于小区i和小区j所在的簇进行了合并，所以Q减少了一个，同时未处理的小区集合S将除去小区i和小区j

Q＝Q-1

S＝S/{i,j}

其中“/”表示将符号右边的集合从符号左边集合中删除，直至表示空集。

步骤7)：建立用户干扰加权图。对步骤3)至步骤6)中建立的小区簇中的用户建立用户加权干扰图。首先计算两用户之间的干扰权值并表示为ρ_mn

ρ_mn＝λ_nh_mn

其中λ_n表示用户n的归一化因子，h_in表示用户i和用户n之间的信道增益，可分别由下面公式计算得到

h_in＝P_iPL_in

此归一化因子λ_n为用户n的速率请求相对于当前小区簇q中所有用户速率请求之和所占的比重，M_q表示小区簇q中包含的用户集合；

根据步骤1)和步骤2)收集到的网络和用户信息，建立信道矩阵并表示为H

步骤8)：用户分簇初始化。在经由步骤3)至步骤5)的小区簇中选取小区簇q进行用户分簇，初始化q＝1，其中的用户集合初始化为

V＝M_q

其中M_q为小区簇q内的用户集合，初始化用户簇中权值上限E_th，分别初始化当前用户簇集合ζ及输出用户簇集合Φ为

当前用户簇内加权干扰总和表示为E，并初始化为

E＝0

根据步骤7)中计算的用户间干扰权值，初始化用户干扰矩阵为

Λ(m,n)＝ρ_mn

步骤9)：用户分簇。判断若当前用户集合V中还存在未分配的用户，即则随机取出一个用户v，将其放入当前用户簇集合ζ中

ζ＝{v}

更新当前用户集合V，‘\’操作表示将已分配簇的用户集合从未分配簇的用户集合中排除

V＝V\{ζ}

若E＜E_th，则从用户集合V中选取用户v'，‘∪’操作表示将其加入到当前的用户簇集合中，更新当前用户簇集合的权值E及当前用户簇集合ζ

ζ＝ζ∪{v'}

E＝E+ρ_v'n

其中ρ_v'n表示用户v'与当前用户簇集合ζ中用户之间干扰权值的最大值，重复进行上面的用户选取操作，直到E＞E_th。

步骤10)：将ζ保存至全局的用户簇矩阵Φ中，并且更新ζ

ζ＝0

反复进行步骤8)和步骤9)，直到

步骤11)：子信道动态分配初始化。初始化Φ为当前所选择的小区簇中的用户集合，初始化Ψ为每个用户的子信道选择矩阵。

步骤12)：用户选择。根据步骤10)得到了用户簇，下面需要对用户簇中的用户进行子信道分配，子信道可以在不同用户簇中的用户之间复用，以提高频谱效率，达到最终优化的目标，小区簇q中的用户簇p选择用户n^*

选择的用户n^*为用户集合中边权值之和最大的用户，即干扰与速率请求综合最大的用户。

步骤13)：子信道分配。计算选取的用户n^*当前的速率

若即当前用户n^*的速率小于需求的用户速率，则选取子信道l^*

更新直到

步骤14)：用户簇之间复用。由于用户簇内的用户之间干扰最小，为了提高整个网络的频谱效率，与用户n^*处于相同用户簇的用户复用用户n^*所选择的子信道。

步骤15)：更新Ψ及Φ，‘\’操作表示将以满足用户速率需求的用户n^*从当前小区簇Φ中排除

Φ＝Φ\{n^*}

步骤16)：停止。每个用户按照Ψ中标记的子信道进行通信。

进一步地，所述步骤1)中的干扰阈值门限Γ_th和步骤8)中的用户簇权值上限E_th均由运营商根据网络运行情况自行确定。

有益效果：本发明相对现有技术而言，考虑了在超密集异构网络场景下不同小区用户由于业务类型不同而引起的用户速率和速率需求的变化，首先根据小区所处的位置以及受相邻小区的干扰情况，将整个网络中的小区分割成一些互不干扰的小区集群，将整个网络中的干扰问题转化成了这些相互独立的小区集群内的干扰问题；然后，在每个小区集群单元中，根据小区用户受到的来自这个集群中其它小区的干扰情况建立以用户为顶点的干扰加权图，直接以用户作为分析干扰问题的对象；最后，根据用户间的干扰强度大小以及用户自身速率请求的限制，对小区集群中用户动态分配子信道，通过设计的子信道动态分配方案增大小区集群中用户总速率和，最终达到增加网络频谱效率，减小干扰的目的，本发明具备较低的复杂度和良好的收敛性能，将整个网络中的干扰问题转化成每个小的小区簇内的干扰问题，简化了干扰问题，在保证用户速率的基础上，抑制了网络中的干扰，实现了网络频谱效率的最大化。

附图说明

图1为本发明的流程示意图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

实施例1：

本发明提供一种改进的基于加权图的超密集异构网络干扰协调方法，首先，根据小区所处的位置以及受相邻小区的干扰情况，将整个网络中的小区分割成一些互不干扰的小区集群，小区集群间的干扰水平控制在预设的干扰阈值门限范围内，将整个网络中的干扰问题转化成了相互独立的小区集群内的干扰问题；然后，在每个小区集群单元中，根据小区用户受到的来自这个集群中其它小区的干扰情况建立以用户为顶点的干扰加权图，直接以用户作为分析干扰问题的对象，处于预设的权值和干扰阈值门限内的用户将其划分成一个用户簇；最后，根据用户间的干扰关系以及用户自身速率请求的限制，对小区集群中用户分配子信道，通过设计的子信道动态分配方案增大小区集群中用户总速率和，最终达到增加网络频谱效率，减小干扰的目的。

本发明以最大化网络频谱效率为目标，在保障小区用户随着业务类型的变化而变化的速率请求的情况下，首先根据实际超密集异构网络场景中小区的干扰环境对小区进行分簇；同时在各个小区簇内建立用户干扰加权图，簇内用户采用低复杂度动态子信道复用方法，该方法联合小区分簇和用户分簇，同时对用户建立加权干扰图，以较低的实现复杂度解决了超密集异构网络中的干扰协调问题，提高整个网络频谱效率。

实施例2：

如图1所示，本发明提供的一种改进的基于加权图的超密集异构网络干扰协调方法，包括以下具体步骤：

步骤1)：采集网络信息，初始化参数。采集网络中的宏站数目M、小站数目S和用户数目N，将宏站记为：M＝{M₁,M₂,...,M_M}小区集合记为：S＝{S₁,S₂,...,S_S}，用户集合记为：N＝{N₁,N₂,...,N_N}，将每个小区都接入到一个小区网关中，小区网关负责分配各个小区使用的子信道，初始化小区网关给整个网络中提供的子信道表示为：L＝{L₁,L₂,...,L_L}，子信道可以被所有小区复用，设置小区间干扰阈值门限为Γ_th。

步骤2):采集用户信息。小区用户采用最大参考信号接收功率准则接入小区，小区n中的一个用户表示为m_n，该用户的速率请求表示为由用户申请时确定；小区n的发射功率由网络运营商设定；小区用户m_n到小区n的路劲损耗表示为

步骤3):建立小区干扰矩阵，根据小区之间的信号干扰比确定网络中小区之间的干扰关系。小区i和小区j之间的信号干扰比表示为：

根据小区间的信号干扰比创建并保存小区干扰矩阵Λ＝[Λ(i,j)]_S×S

其中1表示小区之间有干扰，0表示小区之间无干扰。

步骤4):小区分簇初始化。标记当前处理的小区簇为q，并初始化为q＝1，表示需要处理的小区簇为第1个小区簇，标记小区分簇后输出的总的簇的数目为Q，并初始化为Q＝0，初始化每个小区所在簇的编号为小区分簇方法的输出为Q和矩阵C。

步骤5)：区分簇。小区集合S中，选择小区i和小区j，根据步骤3)中建立的小区干扰矩阵判断，若

Λ(i,j)＝1

同时，若小区i和j均未分配到任何小区簇中，即C(i)＝0,C(j)＝0，那么更新小区i和小区j的簇编号，小区i和小区j将被分到新增加的同一个小区簇q内，同时小区簇的总数目Q加一

C(i)＝C(j)＝q,q＝q+1,Q＝Q+1

若小区i和小区j中任一小区已被分配至簇q'，则更新i和j的簇编号

C(i)＝C(j)＝q'

若小区i和小区j都已经被分配至两个不同的簇，则更新i和j的簇编号

q'＝min(C(i),C(j))

步骤6)：更新Q和S。小区簇总数Q由于小区i和小区j所在的簇进行了合并，所以Q减少了一个，同时未处理的小区集合S将除去小区i和小区j

Q＝Q-1

S＝S/{i,j}

其中“/”表示将符号右边的集合从符号左边集合中删除，直至表示空集。

步骤7)：建立用户干扰加权图。对步骤3)至步骤6)中建立的小区簇中的用户建立用户加权干扰图。首先计算两用户之间的干扰权值并表示为ρ_mn

ρ_mn＝λ_nh_mn

其中λ_n表示用户n的归一化因子，h_in表示用户i和用户n之间的信道增益，可分别由下面公式计算得到

h_in＝P_iPL_in

此归一化因子λ_n为用户n的速率请求相对于当前小区簇q中所有用户速率请求之和所占的比重，M_q表示小区簇q中包含的用户集合；

根据步骤1)和步骤2)收集到的网络和用户信息，建立信道矩阵并表示为H

步骤8)：用户分簇初始化。在经由步骤3)至步骤5)的小区簇中选取小区簇q进行用户分簇，初始化q＝1，其中的用户集合初始化为

V＝M_q

其中M_q为小区簇q内的用户集合，初始化用户簇中权值上限E_th，分别初始化当前用户簇集合ζ及输出用户簇集合Φ为

当前用户簇内加权干扰总和表示为E，并初始化为

E＝0

根据步骤7)中计算的用户间干扰权值，初始化用户干扰矩阵为

Λ(m,n)＝ρ_mn

步骤9)：用户分簇。判断若当前用户集合V中还存在未分配的用户，即则随机取出一个用户v，将其放入当前用户簇集合ζ中

ζ＝{v}

更新当前用户集合V，‘\’操作表示将已分配簇的用户集合从未分配簇的用户集合中排除

V＝V\{ζ}

若E＜E_th，则从用户集合V中选取用户v'，‘∪’操作表示将其加入到当前的用户簇集合中，更新当前用户簇集合的权值E及当前用户簇集合ζ

ζ＝ζ∪{v'}

E＝E+ρ_v'n

其中ρ_v'n表示用户v'与当前用户簇集合ζ中用户之间干扰权值的最大值，重复进行上面的用户选取操作，直到E＞E_th。

步骤10)：将ζ保存至全局的用户簇矩阵Φ中，并且更新ζ

ζ＝0

反复进行步骤8)和步骤9)，直到

步骤11)：子信道动态分配初始化。初始化Φ为当前所选择的小区簇中的用户集合，初始化Ψ为每个用户的子信道选择矩阵。

步骤12)：用户选择。根据步骤10)得到了用户簇，下面需要对用户簇中的用户进行子信道分配，子信道可以在不同用户簇中的用户之间复用，以提高频谱效率，达到最终优化的目标，小区簇q中的用户簇p选择用户n^*

选择的用户n^*为用户集合中边权值之和最大的用户，即干扰与速率请求综合最大的用户。

步骤13)：子信道分配。计算选取的用户n^*当前的速率

若即当前用户n^*的速率小于需求的用户速率，则选取子信道l^*

更新直到

步骤14)：用户簇之间复用。由于用户簇内的用户之间干扰最小，为了提高整个网络的频谱效率，与用户n^*处于相同用户簇的用户复用用户n^*所选择的子信道。

步骤15)：更新Ψ及Φ，‘\’操作表示将以满足用户速率需求的用户n^*从当前小区簇Φ中排除

Φ＝Φ\{n^*}

步骤16)：停止。每个用户按照Ψ中标记的子信道进行通信。

本发明中所述步骤1)中的干扰阈值门限Γ_th和步骤8)中的用户簇权值上限E_th均由运营商根据网络运行情况自行确定。

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)

1.一种改进的基于加权图的超密集异构网络干扰协调方法，其特征在于：首先，根据小区所处的位置以及受相邻小区的干扰情况，将整个网络中的小区分割成一些互不干扰的小区集群，小区集群间的干扰水平控制在预设的干扰阈值门限范围内，将整个网络中的干扰问题转化成了相互独立的小区集群内的干扰问题；然后，在每个小区集群单元中，根据小区用户受到的来自这个集群中其它小区的干扰情况建立以用户为顶点的干扰加权图，直接以用户作为分析干扰问题的对象，处于预设的权值和干扰阈值门限内的用户将其划分成一个用户簇；最后，根据用户间的干扰关系以及用户自身速率请求的限制，对小区集群中用户分配子信道，通过设计的子信道动态分配方案增大小区集群中用户总速率和；

上述方法包括以下具体步骤：

步骤1)：采集网络信息，初始化参数

采集网络中的宏站数目M、小区数目S和用户数目N，将宏站记为：M＝{M₁,M₂,...,M_M}小区集合记为：S＝{S₁,S₂,...,S_S}，用户集合记为：N＝{N₁,N₂,...,N_N}，将每个小区都接入到一个小区网关中，小区网关负责分配各个小区使用的子信道，初始化小区网关给整个网络中提供的子信道表示为：L＝{L₁,L₂,...,L_L}，子信道可以被所有小区复用，设置小区间干扰阈值门限为Γ_th；

步骤2):采集用户信息

小区用户采用最大参考信号接收功率准则接入小区，小区n中的一个用户表示为m_n，该用户的速率请求表示为由用户申请时确定；小区n的发射功率由网络运营商设定；小区用户m_n到小区n的路劲损耗表示为

步骤3):建立小区干扰矩阵，根据小区之间的信号干扰比确定网络中小区之间的干扰关系，小区i和小区j之间的信号干扰比表示为：

根据小区间的信号干扰比创建并保存小区干扰矩阵Λ＝[Λ(i,j)]_S×S

其中1表示小区之间有干扰，0表示小区之间无干扰；

步骤4):小区分簇初始化

标记当前处理的小区簇为q，并初始化为q＝1，表示需要处理的小区簇为第1个小区簇，标记小区分簇后输出的总的簇的数目为Q，并初始化为Q＝0，初始化每个小区所在簇的编号为小区分簇方法的输出为Q和矩阵C；

步骤5)：区分簇

小区集合S中，选择小区i和小区j，根据步骤3)中建立的小区干扰矩阵判断，若Λ(i,j)＝1

同时，若小区i和j均未分配到任何小区簇中，即C(i)＝0,C(j)＝0，那么更新小区i和小区j的簇编号，小区i和小区j将被分到新增加的同一个小区簇q内，同时小区簇的总数目Q加一

C(i)＝C(j)＝q,q＝q+1,Q＝Q+1

若Λ(i,j)＝1同时，若小区i和小区j中任一小区已被分配至簇q'，则更新i和j的簇编号

C(i)＝C(j)＝q'

若Λ(i,j)＝1同时，若小区i和小区j都已经被分配至两个不同的簇，则更新i和j的簇编号q'＝min(C(i),C(j))

步骤6)：更新Q和S

小区簇总数Q由于小区i和小区j所在的簇进行了合并，所以Q减少了一个，同时未处理的小区集合S将除去小区i和小区j

Q＝Q-1

S＝S/{i,j}

其中“/”表示将符号右边的集合从符号左边集合中删除，直至表示空集；

步骤7)：建立用户干扰加权图

对步骤3)至步骤6)中建立的小区簇中的用户建立用户加权干扰图，首先计算两用户之间的干扰权值并表示为ρ_in

ρ_in＝λ_nh_in

其中λ_n表示用户n的归一化因子，h_in表示用户i和用户n之间的信道增益，可分别由下面公式计算得到

h_in＝P_iPL_in

此归一化因子λ_n为用户n的速率请求相对于当前小区簇q中所有用户速率请求之和所占的比重，M_q表示小区簇q中包含的用户集合；

根据步骤1)和步骤2)收集到的网络和用户信息，建立信道矩阵并表示为H

步骤8)：用户分簇初始化

在经由步骤3)至步骤5)的小区簇中选取小区簇q进行用户分簇，初始化q＝1，其中的用户集合初始化为

V＝M_q

其中M_q为小区簇q内的用户集合，初始化用户簇中权值上限E_th，分别初始化当前用户簇集合ζ及输出用户簇集合Φ为

当前用户簇内加权干扰总和表示为E，并初始化为

E＝0

根据步骤7)中计算的用户间干扰权值，初始化用户干扰矩阵为

Λ(m,n)＝ρ_mn

步骤9)：用户分簇

判断若当前用户集合V中还存在未分配的用户，即则随机取出一个用户v，将其放入当前用户簇集合ζ中

ζ＝{v}

更新当前用户集合V，‘\’操作表示将已分配簇的用户集合从未分配簇的用户集合中排除

V＝V\{ζ}

若E＜E_th，则从用户集合V中选取用户v'，‘∪’操作表示将其加入到当前的用户簇集合中，更新当前用户簇集合的权值E及当前用户簇集合ζ

ζ＝ζ∪{v'}

E＝E+ρ_v'n

其中ρ_v'n表示用户v'与当前用户簇集合ζ中用户之间干扰权值的最大值，重复进行上面的用户选取操作，直到E＞E_th；

步骤10)：将ζ保存至全局的用户簇矩阵Φ中，并且更新ζ

ζ＝0

反复进行步骤8)和步骤9)，直到

步骤11)：子信道动态分配初始化

初始化Φ为当前所选择的小区簇中的用户集合，初始化Ψ为每个用户的子信道选择矩阵；

步骤12)：用户选择

根据步骤10)得到了用户簇，下面需要对用户簇中的用户进行子信道分配，子信道可以在不同用户簇中的用户之间复用，以提高频谱效率，达到最终优化的目标，小区簇q中的用户簇p选择用户n^*

选择的用户n^*为用户集合中边权值之和最大的用户，即干扰与速率请求综合最大的用户；

步骤13)：子信道分配

计算选取的用户n^*当前的速率

若即当前用户n^*的速率小于需求的用户速率，则选取子信道l^*

更新直到

步骤14)：用户簇之间复用

由于用户簇内的用户之间干扰最小，为了提高整个网络的频谱效率，与用户n^*处于相同用户簇的用户复用用户n^*所选择的子信道；

步骤15)：更新Ψ及Φ，‘\’操作表示将以满足用户速率需求的用户n^*从当前小区簇Φ中排除

Φ＝Φ\{n^*}

步骤16)：停止

每个用户按照Ψ中标记的子信道进行通信。

2.根据权利要求1所述的一种改进的基于加权图的超密集异构网络干扰协调方法，其特征在于：所述步骤1)中的干扰阈值门限Γ_th和步骤8)中的用户簇权值上限E_th均由运营商根据网络运行情况自行确定。