CN107517464B - 一种异构网络中的干扰管理和资源分配方法 - Google Patents

一种异构网络中的干扰管理和资源分配方法 Download PDF

Info

Publication number
CN107517464B
CN107517464B CN201710700197.3A CN201710700197A CN107517464B CN 107517464 B CN107517464 B CN 107517464B CN 201710700197 A CN201710700197 A CN 201710700197A CN 107517464 B CN107517464 B CN 107517464B
Authority
CN
China
Prior art keywords
cluster
subchannel
bss
allocation
representing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710700197.3A
Other languages
English (en)
Other versions
CN107517464A (zh
Inventor
张海波
栾秋季
朱江
刘开键
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201710700197.3A priority Critical patent/CN107517464B/zh
Publication of CN107517464A publication Critical patent/CN107517464A/zh
Application granted granted Critical
Publication of CN107517464B publication Critical patent/CN107517464B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/06—Hybrid resource partitioning, e.g. channel borrowing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
    • H04W52/243—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account interferences
    • H04W52/244—Interferences in heterogeneous networks, e.g. among macro and femto or pico cells or other sector / system interference [OSI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H04W52/265—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the quality of service QoS

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种异构网络中的干扰管理和资源分配方法，包括采用分离频谱与共享频谱共存的混合频谱分配机制：宏基站与和它邻近的小小区基站簇间采用分离频谱方案，MBS与和它相距远的SC BS簇间采用共享频谱方案；采用自适应分配法实现Macrocell与Small cell间的频谱分配；在满足用户速率需求及保证公平的条件下，采用对偶分解法求解目标规划问题；采用最优资源分配算法和次优分配算法对每个簇内的SC BS进行信道和功率分配；本发明在保证用户满意度和公平性前提下，既可以有效抑制干扰，又可以提高资源利用率。

Description

一种异构网络中的干扰管理和资源分配方法
技术领域
本发明涉及无线通信技术领域，特别涉及一种异构网络中的干扰管理和资源分配方法。
背景技术
伴随越来越多的业务需求发生在室内环境中，而由于穿墙损耗，致使宏小区(Macrocell)在室内环境中的覆盖性能较差，因此通过在室内部署小小区(Small cell)形成异构网络，被业界认为是解决室内移动通信覆盖的有效手段。Small cell是一种由用户来安装的低功率、低成本的小基站，其不仅可以为用户提供高质量的室内体验，还能够与Macrocell共享频谱，以降低运营商的运营和支出成本。
然而，Small cell的引入影响了传统宏蜂窝网络的拓扑结构。新形成的异构网络由两个独立的层组成：第一层可理解为传统的蜂窝网络，即Macrocell层；第二层为由若干个覆盖范围小、可随机分布的Small cell组成，即Small cell层，因此也被称为两层网络。其中，Small cell可随机地分布在Macrocell的覆盖范围内，同时可使用与Macrocell相同的频率。因此，在该异构双层网络结构中，当几个发送机同时使用相同频带在相同的区域中发送信号时，接收系统无法在相同的频带上识别正在接收哪个发送机发送的信号，即发送机之间相互干扰，造成无法正确接收信号。因此，如何解决上述干扰问题，是Small cell组网面临的主要挑战之一。为解决异构网络中干扰问题，研究人员相继提出了若干异构网络中干扰管理和资源分配方法，其中Small cell双层网络中的功率分配和子信道分配方法被广泛研究，具体包括：其一，为保证宏用户(Macrocell User Equipment,MUE)的传输质量，相关人员提出一种基于跨层干扰阈值限制的合作纳什议价资源分配方案；其二，以最大化所有Small cell的最小总频谱效率为目标，在保证MUE传输质量的前提下，学者们提出一种频谱共享解决方案；其三，基于Small cell的分簇和资源分配算法，相关文献提出一种半分布式干扰管理方案；其四，根据接收的干扰信号的强度，研究学者提出一种Small cell网络中正交资源分配算法；其五，以最大化Small cell网络中的满意用户数为目标，相关人员提出一种基于干扰对齐的资源分配方案。
此外，为解决干扰和资源分配问题，在异构网络中，研究人员对基于频谱共享或频谱分离的资源分配方案进行广泛研究。其中，所谓频谱共享，即允许Macrocell和Smallcell占用相同的信道带宽，该方法将会产生严重的跨层干扰问题，会限制系统容量。同时，在执行过程中，考虑到安全性问题，宏基站(Macrocell Base Station，MBS)和小小区基站(Small cell Base Station，SC BS)间还需要一个协调机制，造成方法实现相对复杂。所谓频谱分离，即把频谱分成两部分分别供Macrocell和Small cell占用，该方法实现简单，而且可完全避免产生跨层干扰，但是会导致Macrocell和Small cell能利用的频谱资源非常有限，因此同样会限制系统容量。
发明内容
针对以上现有技术的不足，本发明讨论了Macrocell-Small cell异构网络中频谱共享和频谱分离的混合频谱分配方案，提出一种用于异构网络的干扰管理和资源分配方法，可以有效抑制干扰，并提高资源利用率，同时兼顾用户公平性，保证用户满意度。
一种异构网络中的干扰管理和资源分配方法，包括以下步骤：
步骤101：采用分离频谱与共享频谱共存的混合频谱分配机制；
步骤102：采用自适应分配法实现Macrocell与Small cell间的频谱分配；
步骤103：采用对偶分解法求解目标规划问题；
步骤104：采用最优资源分配算法对每个簇内的SC BS进行信道和功率分配；
步骤105：采用次优资源分配算法对每个簇内的SC BS进行信道和功率分配。
优选地，所述步骤101采用分离频谱与共享频谱共存的混合频谱分配机制包括：
考虑一个OFDMA双层异构网络，其中，F个SC BS分布在宏小区的覆盖范围内，
Figure GDA0001453033410000031
表示SC BS的集合，相邻的几个SC BS组成一个簇，在实际场景中，位于同一建筑中的SC BS视为同一簇，对于某个簇中SC BSi所服务的小小区用户SC UEu，如果其接收到的来自SC BSi的信号强度与来自宏基站MBS的信号强度的比值小于一个设定的阈值I，即ρui/ρuj≤I，则可以认为SC BSi与MBS互为干扰；若一个簇中超过一半的SC BSs都与MBS互为干扰，则定义此簇为
Figure GDA0001453033410000032
类簇，设定
Figure GDA0001453033410000033
表示此类簇的集合,
Figure GDA0001453033410000034
表示簇n中SC BS的集合，
Figure GDA0001453033410000035
表示SC BSi所服务的用户的集合；否则将此簇定为
Figure GDA0001453033410000036
类簇，设定
Figure GDA0001453033410000037
表示此类簇的集合，
Figure GDA0001453033410000038
表示SC BSj所服务的用户的集合；设定系统带宽为B，并将其分成K个子信道，每个子信道的带宽为Δf，其中
Figure GDA0001453033410000039
表示子信道的集合；设定
Figure GDA00014530334100000310
类簇与MBS分离频谱，则
Figure GDA00014530334100000311
类簇可用的子信道为
Figure GDA00014530334100000312
而
Figure GDA00014530334100000313
类簇与MBS共享频谱，则
Figure GDA00014530334100000314
类簇可用的子信道为
Figure GDA00014530334100000315
假定同簇中的两个SC BSs不会同时在同一信道上传输，因此在同一簇中不存在同信道干扰，仅考虑不同簇间SC BSs间的干扰。定义
Figure GDA00014530334100000316
类簇的簇n的信道分配问题为在满足干扰约束和用户服务质量(Quality of Service，QoS)需求的条件下，最大化系统容量，进而根据香农公式，建模优化函数为：
Figure GDA0001453033410000041
其中,
Figure GDA0001453033410000042
表示SC BSi所服务的用户的集合,每个子信道的带宽为Δf，
Figure GDA0001453033410000043
表示第i个SC BS服务的第u个用户在子信道k上的信干噪比；
Figure GDA0001453033410000044
为
Figure GDA0001453033410000045
类簇SC BSs可使用的子信道数；在约束条件C1中，
Figure GDA0001453033410000046
表示SC BS f在子信道k上的发射功率，
Figure GDA0001453033410000047
表示在子信道k上从SC BS f到SC UE u的信道增益，
Figure GDA0001453033410000048
表示在子信道k上由除簇n外的其他SC BS对用户u造成的最大干扰门限，则约束条件C1表示不同簇间的同层干扰满足干扰门限要求；在约束条件C2中，Ru表示SC UEu为了维持自身的通信性能必须满足的速率，则约束条件C2表示需满足的最小速率需求；在约束条件C3中，
Figure GDA0001453033410000049
表示SC BS i在子信道k上的发射功率，Pi,max表示SC BS i的最大发射功率，即约束条件C3表示SC BS i在所有子信道上的传输功率之和不大于其最大发射功率；约束条件C4表示每个SC BS在每条子信道上的发射功率都是非负的；约束条件C5表示一条子信道仅能分配给一个用户；在约束条件C6中，ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0。
同理，定义
Figure GDA00014530334100000410
类簇的簇d的信道分配问题为在满足干扰约束和用户QoS需求的条件下，最大化系统容量，进而根据香农公式，建模优化目标函数为：
Figure GDA0001453033410000051
其中，
Figure GDA0001453033410000052
表示SC BSj所服务的用户的集合，每个子信道的带宽为Δf，
Figure GDA0001453033410000053
表示第j个SC BS服务的第v个用户在子信道k上的信干噪比；
Figure GDA0001453033410000054
为
Figure GDA0001453033410000055
类簇SC BSs可使用的子信道数；在约束条件C1中，
Figure GDA0001453033410000056
表示在子信道k上从SC BS f到SC UE v的信道增益，
Figure GDA0001453033410000057
表示在子信道k上由除簇d外的其他SC BS对用户v造成的最大干扰门限，则约束条件C1表示不同簇间的同层干扰满足干扰门限要求；在约束条件C2中，Rv表示SC UE v为了维持自身的通信性能必须满足的速率，则约束条件C2表示需满足的最小速率需求；在约束条件C3中，
Figure GDA0001453033410000058
表示SC BS j在子信道k上的发射功率，Pj,max表示SC BS j的最大发射功率，即约束条件C3表示SC BS j在所有子信道上的传输功率之和不大于其最大发射功率；约束条件C4表示每个SC BS在每条子信道上的发射功率都是非负的；约束条件C5表示一条子信道仅能分配给一个用户；在约束条件C6中，aj,v,k为分配指针，当子信道k被分配给SC BS j与用户v之间的链路时，aj,v,k＝1，否则aj,v,k＝0。
优选地，所述步骤102采用自适应分配法实现Macrocell与Small cell间的频谱分配具体包括：
根据MBS和
Figure GDA0001453033410000059
类簇SC BSs各自的资源需求自适应地进行频谱分配，设定
Figure GDA00014530334100000510
和
Figure GDA00014530334100000511
分别表示分配给MBS和
Figure GDA00014530334100000512
类簇SC BSs的子信道个数，其具体分配公式分别为：
Figure GDA00014530334100000513
和
Figure GDA00014530334100000514
其中，Rm表示SC UE m为了满足自身通信性能必须满足的速率；
Figure GDA0001453033410000061
为系统子信道总数，因此，基于上述原理进行频谱分离分配后，MBS可利用
Figure GDA0001453033410000062
个子信道，
Figure GDA0001453033410000063
类簇可利用
Figure GDA0001453033410000064
个子信道，
Figure GDA0001453033410000065
类簇可利用整个频带，即可使用
Figure GDA0001453033410000066
个子信道。
优选地，为实现求解所述步骤103给出的子信道和功率联合分配方案，所述步骤104采用最优资源分配算法对每个簇内的SC BS进行信道和功率分配，以
Figure GDA0001453033410000067
类簇的簇n为代表，具体包括以下步骤：
步骤104A：初始化T、αk、βi,u、δi,u，t＝0
步骤104B：迭代更新过程
for i＝1:Fn do
for k＝1:KN do
for u＝1:Ui do
1)根据式
Figure GDA0001453033410000068
更新
Figure GDA0001453033410000069
2)根据式
Figure GDA00014530334100000610
计算Yi,u,k；
3)根据式
Figure GDA00014530334100000611
更新ai,u,k；
4)根据式
Figure GDA00014530334100000612
Figure GDA00014530334100000613
Figure GDA00014530334100000614
分别更新
Figure GDA0001453033410000071
end for
end for
end for
t＝t+1
直到算法收敛或者t＝T。
上述步骤104是一种接近最优的解决目标规划问题的方法，然而该算法的复杂度会随着SC BSs数量F、用户数量U以及子信道个数K的增加而增加，进而该算法实用性会降低，因此本发明进一步提出一种低复杂度的优化算法。相应地，优选地，所述步骤105采用次优资源分配算法对每个簇内的SC BS进行子信道和功率联合分配，其主要思想是固定一种资源的同时去分配另一种资源，以
Figure GDA0001453033410000072
类簇的簇n为代表，其具体实施过程包括以下步骤：
步骤105A:执行子信道分配过程：
①在每个子信道上平均分配相同的功率；
②for i＝1:Fn do
while Ui≠φdo
Figure GDA0001453033410000073
Figure GDA0001453033410000074
end if
Figure GDA0001453033410000075
Ui＝Ui-{u}；
end if
end while
Figure GDA0001453033410000076
Figure GDA0001453033410000077
Figure GDA0001453033410000081
end while
end for
步骤105B执行功率分配过程：
①初始化T、αk、βi,u、δi,u，t＝0
②执行迭代过程
for i＝1:Fn do
Figure GDA0001453033410000082
根据式
Figure GDA0001453033410000083
更新
Figure GDA0001453033410000084
根据式
Figure GDA0001453033410000085
Figure GDA0001453033410000086
Figure GDA0001453033410000087
分别更新
Figure GDA0001453033410000088
end for
end for
t＝t+1
直到算法收敛或者t＝T
同理，对
Figure GDA0001453033410000089
类簇的簇d，所述步骤105描述的次优资源分配算法同样适用于其实施资源分配过程。
本发明的有益效果在于：本发明针对Macrocell-Small cell异构网络中干扰管理和资源分配问题，提出一种用于异构网络的干扰管理和资源分配方法，在保证用户满意度和公平性前提下，既可以有效抑制干扰，又可以提高资源利用率。
附图说明
图1本发明所使用异构网络系统模型图；
图2本发明所提异构网络中的干扰管理和资源分配方法优选实施例流程图；
图3本发明所提最优资源分配算法1流程图；
图4本发明所提次优资源分配算法2中子信道分配算法流程图；
图5本发明所提次优资源分配算法2中功率分配算法流程图；
图6本发明与现有技术吞吐量仿真比较图；
图7发明与现有技术丢包率仿真比较图；
图8本发明与现有技术公平性仿真比较图；
图9本发明与现有技术频谱利用率仿真比较图；
具体实施方式
为使本发明的目的、技术方案和优点表达得更加清楚明白，下面结合附图及具体实施案例对本发明做进一步详细说明。
图1本发明所使用异构网络系统模型图，具体包括：
设定场景为一个正交频分多址(Orthogonal Frequency Division MultipleAccess，OFDMA)双层Small cell网络，其中，假定F个SC BSs分布在Macrocell的覆盖范围内，且设定
Figure GDA0001453033410000091
表示SC BSs的集合，相邻的几个SC BSs组成一个簇，相应地，在实际场景中，位于同一建筑中的多个SC BSs视为同一簇。为减少异构网络中的Macrocell和Small Cell之间的跨层干扰和Small Cells之间的同层干扰，本发明提出分离频谱与共享频谱共存的混合频谱分配机制。在此机制下，距离MBS近(以干扰是否超过门限来判定)的SCBSs簇与MBS间采用分离频谱的方式；距离MBS远的SC BSs簇与MBS间采用共享频谱的方式。
图2本发明所提异构网络中的干扰管理和资源分配方法优选实施例流程图，该方法包括以下步骤：
步骤101：采用分离频谱与共享频谱共存的混合频谱分配；
步骤102：采用自适应分配法实现Macrocell与Small cell间的频谱分配；
步骤103：采用对偶分解法求解目标规划问题；
步骤104：采用最优资源分配算法对每个簇内的SC BS进行子信道和功率分配；
步骤105：采用次优资源分配算法对每个簇内的SC BS进行子信道和功率分配。
根据本发明，对于图1流程图步骤101描述的采用分离频谱与共享频谱共存的混合频谱分配具体实现过程如下：
对于某个簇中SC BSi所服务的SC UEu，如果该用户接收到的来自SC BS i的信号强度与来自MBS的信号强度的比值小于一个设定的阈值I，即ρui/ρuj≤I，则可认为SC BSi与MBS互为干扰。若一个簇中超过一半的SC BSs都与MBS互为干扰，则定义此簇为
Figure GDA0001453033410000101
类簇，设定N＝{1，…n，…N}表示此类簇的集合，Fn＝{1,…Fn}表示簇n中SC BSs的集合，ui＝{1,…,u,…,Ui}表示SC BSi所服务的用户的集合；否则将此簇定义为
Figure GDA0001453033410000102
类簇，设定D＝{1，…,d…,D}表示此类簇的集合，Vj＝{1,…,v…,Vj}表示SC BSj所服务的用户的集合。设定系统带宽为B，并将其分成K个子信道，每个子信道的带宽为Δf，其中K＝{1，…,K}表示子信道的集合。
综上所述，设定
Figure GDA0001453033410000103
类簇与MBS分离频谱，则
Figure GDA0001453033410000104
类簇可用的子信道为KN；而
Figure GDA0001453033410000105
类簇与MBS共享频谱，则
Figure GDA0001453033410000106
类簇可用的子信道为K。假定同簇中的两个SC BSs不会同时在同一信道上传输，因此在同一簇中不存在同信道干扰，仅考虑不同簇间SC BSs间的干扰。
在
Figure GDA0001453033410000107
类簇的簇n中，SC BSi服务的SC UEu在子信道k上的接收信干噪比为：
Figure GDA0001453033410000108
其中，
Figure GDA0001453033410000111
表示SC BSi在子信道k上的发射功率，
Figure GDA0001453033410000112
表示在子信道k上从SC BSi到SC UEu的信道增益，
Figure GDA0001453033410000113
表示SC BS f在子信道k上的发射功率，
Figure GDA0001453033410000114
表示在子信道k上从SCBS f到SC UE u的信道增益，则
Figure GDA0001453033410000115
表示除簇n内的基站外其它SC BSs对用户u造成的同层干扰，且根据上述设定可知为
Figure GDA0001453033410000116
类簇与MBS采用分离频谱，则此类簇中的SC BS不受来自MBS的跨层干扰；σ2表示高斯白噪声，为常数。
根据上述信干燥比公式(1)，定义
Figure GDA0001453033410000117
类簇的簇n的信道分配问题为在满足干扰约束和用户服务质量(Quality of Service，QoS)需求的条件下，最大化系统容量,，进而根据香农公式，建模优化函数为：
Figure GDA0001453033410000118
其中,
Figure GDA0001453033410000119
表示SC BSi所服务的用户的集合,每个子信道的带宽为Δf，
Figure GDA00014530334100001110
表示第i个SC BS服务的第u个用户在子信道k上的信干噪比；
Figure GDA00014530334100001111
为
Figure GDA00014530334100001112
类簇SC BSs可使用的子信道数；在约束条件C1中，
Figure GDA00014530334100001113
表示SC BS f在子信道k上的发射功率，
Figure GDA00014530334100001114
表示在子信道k上从SC BS f到SC UE u的信道增益，
Figure GDA00014530334100001115
表示在子信道k上由除簇n外的其他SCBS对用户u造成的最大干扰门限，则约束条件C1表示不同簇间的同层干扰满足干扰门限要求；在约束条件C2中，Ru表示SC UEu为了维持自身的通信性能必须满足的速率，则约束条件C2表示需满足的最小速率需求；在约束条件C3中，
Figure GDA00014530334100001116
表示SC BS i在子信道k上的发射功率，Pi,max表示SC BS i的最大发射功率，即约束条件C3表示SC BS i在所有子信道上的传输功率之和不大于其最大发射功率；约束条件C4表示每个SC BS在每条子信道上的发射功率都是非负的；约束条件C5表示一条子信道仅能分配给一个用户；在约束条件C6中，ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0。
在
Figure GDA0001453033410000121
类簇的簇d中，SC BSj服务的SC UEv在子信道k上的接收信干噪比为：
Figure GDA0001453033410000122
其中，
Figure GDA0001453033410000123
表示SC BS j在子信道k上的发射功率，
Figure GDA0001453033410000124
表示在子信道k上从SC BSj到SC UEv的信道增益，
Figure GDA0001453033410000125
表示SC BS f在子信道k上的发射功率，
Figure GDA0001453033410000126
表示在子信道k上从SC BS f到SC UEv的信道增益,则
Figure GDA0001453033410000127
表示簇d外的其他SC BSs对用户u造成的干扰，
Figure GDA0001453033410000128
表示此类簇的集合，同时
Figure GDA0001453033410000129
类簇SC BSs采用与MBS共享频谱，但是与MBS距离远、干扰小，则设定此类簇中的SC BSs同样不受来自MBS的干扰。
综合上述信干燥比公式(3)，定义
Figure GDA00014530334100001210
类簇的簇d的信道分配问题为在满足干扰约束和用户QoS需求的条件下，最大化系统容量，进而根据香农公式，建模优化目标函数为：
Figure GDA00014530334100001211
其中，
Figure GDA0001453033410000131
表示SC BSj所服务的用户的集合，每个子信道的带宽为Δf，
Figure GDA0001453033410000132
表示第j个SC BS服务的第v个用户在子信道k上的信干噪比；
Figure GDA0001453033410000133
为
Figure GDA0001453033410000134
类簇SC BSs可使用的子信道数；在约束条件C1中，
Figure GDA0001453033410000135
表示在子信道k上从SC BS f到SC UE v的信道增益，
Figure GDA0001453033410000136
表示在子信道k上由除簇d外的其他SC BS对用户v造成的最大干扰门限，则约束条件C1表示不同簇间的同层干扰满足干扰门限要求；在约束条件C2中，Rv表示SC UE v为了维持自身的通信性能必须满足的速率，则约束条件C2表示需满足的最小速率需求；在约束条件C3中，
Figure GDA0001453033410000137
表示SC BS j在子信道k上的发射功率，Pj,max表示SC BS j的最大发射功率，即约束条件C3表示SC BS j在所有子信道上的传输功率之和不大于其最大发射功率；约束条件C4表示每个SC BS在每条子信道上的发射功率都是非负的；约束条件C5表示一条子信道仅能分配给一个用户；在约束条件C6中，aj,v,k为分配指针，当子信道k被分配给SC BS j与用户v之间的链路时，aj,v,k＝1，否则aj,v,k＝0。
根据本发明，对于图1流程图步骤102描述的采用自适应分配法实现Macrocell与Small cell间的频谱分配具体实现过程如下：
根据MBS和
Figure GDA0001453033410000138
类簇SC BSs各自的资源需求自适应地进行频谱分配，设定和
Figure GDA00014530334100001310
分别表示分配给MBS和
Figure GDA00014530334100001311
类簇SC BSs的子信道个数，其具体分配公式分别为：
Figure GDA00014530334100001312
Figure GDA00014530334100001313
其中，Rm表示SC UE m为了满足自身通信性能必须满足的速率；
Figure GDA00014530334100001314
为系统子信道总数，因此，基于上述原理进行频谱分离分配后，MBS可利用
Figure GDA00014530334100001315
个子信道，
Figure GDA00014530334100001316
类簇可利用
Figure GDA00014530334100001317
个子信道,
Figure GDA00014530334100001318
类簇可利用整个频带，即可使用
Figure GDA00014530334100001319
个子信道。
根据本发明，对于图1流程图步骤103描述的采用对偶分解法求解目标规划问题具体实现过程如下：
所述步骤101中规划问题(2)是一个非凸的整数规划问题，为求解该规划函数，对该规划问题中约束条件C6进行松弛，把离散变量ai,u,k转换为连续的实变量，即ai,u,k∈[0,1]，并利用拉格朗日对偶分解法求解该规划问题(2)，则构建拉格朗日方程：
Figure GDA0001453033410000141
其中，
Figure GDA0001453033410000142
为增益干扰比，
Figure GDA0001453033410000143
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure GDA0001453033410000144
表示在子信道k上从SC BS f到SC UE u的信道增益，
Figure GDA0001453033410000145
表示上SC BS f在子信道k上的发射功率，
Figure GDA0001453033410000146
表示在子信道k上从SC BS i到SC UE v的信道增益，σ2表示高斯白噪声；
Figure GDA0001453033410000147
表示在子信道k上由除簇d外的其他SC BS对用户u造成的最大干扰门限αk；Ru表示SC UEu为了维持自身的通信性能必须满足的速率；Pi,max表示SC BSi的最大发射功率；ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0；αk，βi,u，δi,u和εi,k分别是与约束条件C1，C2，C3和C5相对应的拉格朗日乘子；
首先将上述拉格朗日方程(7)对
Figure GDA0001453033410000148
求解偏导
Figure GDA0001453033410000149
并对其进行变换，则得到如下关系式：
Figure GDA00014530334100001410
其中，
Figure GDA0001453033410000151
表示上SC BSi在子信道k上的发射功率，αk，βi,u，和δi,u分别是与约束条件C1，C2，C3相对应的拉格朗日乘子，
Figure GDA0001453033410000152
为增益干扰比，
Figure GDA0001453033410000153
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure GDA0001453033410000154
表示在子信道k上从SC BS f到SC UE u的信道增益，σ2表示高斯白噪声。[X]+＝max{0,X}，则该关系式(8)为一个多级注水的功率分配形式，功率大小受同层信道增益
Figure GDA0001453033410000155
和增益干扰比
Figure GDA0001453033410000156
的影响，故可利用注水法求出每个子信道上的传输功率。
其次将上述拉格朗日方程对ai,u,k求解偏导，可得到如下关系式：
Figure GDA0001453033410000157
Figure GDA0001453033410000158
进而对SC BSi而言，当Yi,u,k最大时，将子信道k分配给SC UEu，即：
Figure GDA0001453033410000159
同时，本发明对上述拉格朗日乘子αk，βi,u，δi,u和εi,k采用次梯度法来更新，具体更新关系式如下：
Figure GDA00014530334100001510
Figure GDA00014530334100001511
Figure GDA00014530334100001512
其中αk，βi,u，和δi,u分别是与约束条件C1，C2，和C3相对应的拉格朗日乘子；
Figure GDA00014530334100001513
表示在子信道k上由除簇n外的其他SC BS对用户u造成的最大干扰门限；ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0；
Figure GDA0001453033410000161
表示SC BS f在子信道k上的发射功率；
Figure GDA0001453033410000162
表示在子信道k上从SC BS f到SC UE u的信道增益；
Figure GDA0001453033410000163
表示在子信道k上由除簇n外的其他SC BS对用户u造成的最大干扰门限；
Figure GDA0001453033410000164
为增益干扰比，
Figure GDA0001453033410000165
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure GDA0001453033410000166
表示在子信道k上从SC BS f到SC UE u的信道增益，σ2表示高斯白噪声；Ru表示SCUEu为了维持自身的通信性能必须满足的速率；Pi,max表示SC BS i的最大发射功率。由于
Figure GDA0001453033410000167
已给出子信道分配方法，则无需更新拉格朗日乘子εi,k；
Figure GDA0001453033410000168
和
Figure GDA0001453033410000169
表示第t次迭代的步长，其中，t∈(1,…,T)，T是最大迭代次数，且每次迭代步长应满足如下条件：
Figure GDA00014530334100001610
对于
Figure GDA00014530334100001611
类簇的目标规划函数(4)，其采用与上述解决
Figure GDA00014530334100001612
类簇目标规划问题相同的方案，相应地，经过条件松弛和对偶分解之后，得到SC BSj服务的用户v在子信道k上被分配的最优功率为：
Figure GDA00014530334100001613
其中，αk，βj,v，δj,v是拉格朗日乘子，
Figure GDA00014530334100001614
表示在子信道k上从SC BS f到SC UE v的信道增益，
Figure GDA00014530334100001615
为增益干扰比，
Figure GDA00014530334100001616
表示子信道k上从SC BS i到SC UEv的信道增益，
Figure GDA00014530334100001617
表示在子信道k上从SC BS f到SC UE v的信道增益，
Figure GDA00014530334100001618
表示上SC BS f在子信道k上的发射功率，
Figure GDA00014530334100001619
表示在子信道k上从SC BS i到SC UE v的信道增益，σ2表示高斯白噪声。在
Figure GDA00014530334100001620
类簇的簇d中，对SC BSj而言，当Yj,v,k最大时，将子信道k分配给SC UEv，即：
Figure GDA00014530334100001621
其中
Figure GDA0001453033410000171
为实现上述目标规划问题，本发明采用图1中步骤104所述最优资源分配算法对每个簇内的SC BS进行信道和功率分配，以
Figure GDA0001453033410000172
类簇n为例，如图3所示，具体包括以下步骤：
步骤104A：初始化T、αk、βi,u、δi,u，t＝0
步骤104B：迭代更新过程
for i＝1:Fn do
Figure GDA0001453033410000173
for u＝1:Ui do
根据式(8)更新
Figure GDA0001453033410000174
根据式(10)计算Yi,u,k
根据式(11)更新ai,u,k
根据式(12)、(13)、(14)更新
Figure GDA0001453033410000175
end for
end for
end for
t＝t+1
直到算法收敛或者t＝T。
其中，F个SC BS分布在宏小区的覆盖范围内，
Figure GDA0001453033410000176
表示SC BS的集合，Fn表示簇n中SC BS的数目；
Figure GDA0001453033410000177
为
Figure GDA0001453033410000178
类簇SC BSs可使用的子信道数；Δf表示每个子信道的带宽；Ui表示SC BSi所服务的用户数目；
Figure GDA0001453033410000179
和
Figure GDA00014530334100001710
分别是与约束条件C1，C2，和C3相对应的拉格朗日乘子；
Figure GDA00014530334100001711
表示上SC BS i在子信道k上的发射功率；
Figure GDA00014530334100001712
表示上SC BSf在子信道k上的发射功率；当Yi,u,k最大时，将子信道k分配给SC UEu；ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0；
Figure GDA00014530334100001713
为增益干扰比，
Figure GDA0001453033410000181
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure GDA0001453033410000182
表示在子信道k上从SC BS f到SC UE u的信道增益，σ2表示高斯白噪声；
Figure GDA0001453033410000183
表示在子信道k上由除簇d外的其他SC BS对用户u造成的最大干扰门限；Pi,max表示SC BSi的最大发射功率；
上述图3给出的步骤104的算法1是一种接近最优的解决目标规划问题的方法，然而该算法1的复杂度会随着SC BSs数量F、用户数量U以及子信道个数K的增加而增加，则该算法1实用性会降低，因此图1中步骤105提出采用次优资源分配算法2对每个簇内的SC BS进行子信道和功率联合分配，以
Figure GDA00014530334100001810
类簇的簇n为代表，其中图4给出了步骤105A描述的执行子信道分配过程，算法2具体过程包括：
①在每个子信道上平均分配相同的功率；
②for i＝1:Fn do
while Ui≠φdo
Figure GDA0001453033410000184
Figure GDA0001453033410000185
end if
Figure GDA0001453033410000186
Ui＝Ui-{u}；
end if
end while
Figure GDA0001453033410000187
Figure GDA0001453033410000188
Figure GDA0001453033410000189
end while
end for
上述步骤中，Fn表示簇n中SC BS的数目；
Figure GDA0001453033410000191
为
Figure GDA0001453033410000192
类簇SC BSs可使用的子信道数；Ui表示SC BSi所服务的用户数目；
Figure GDA0001453033410000193
为增益干扰比，
Figure GDA0001453033410000194
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure GDA0001453033410000195
表示在子信道k上从SC BS f到SC UE u的信道增益，σ2表示高斯白噪声；ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0；
Figure GDA0001453033410000196
表示第i个SC BS服务的第u个用户在子信道k上的信干噪比；Ru表示SC UEu为了维持自身的通信性能必须满足的速率。
相应地，图5中给出了步骤105B描述的执行功率分配过程，其具体实现过程如下：
①初始化T、αk、βi,u、δi,u，t＝0
②执行迭代过程
for i＝1:Fn do
Figure GDA0001453033410000197
根据式(8)更新
Figure GDA0001453033410000198
根据式(12)、(13)、(14)更新
Figure GDA0001453033410000199
end for
end for
t＝t+1
直到算法收敛或者t＝T
其中，Fn表示簇n中SC BS的数目；
Figure GDA00014530334100001910
为
Figure GDA00014530334100001911
类簇SC BSs可使用的子信道数；Ui表示SC BSi所服务的用户数目；
Figure GDA00014530334100001912
表示上SC BS i在子信道k上的发射功率；
Figure GDA00014530334100001913
和
Figure GDA00014530334100001914
分别是与约束条件C1，C2，和C3相对应的拉格朗日乘子；Δf表示每个子信道的带宽；
Figure GDA00014530334100001915
表示在子信道k上由除簇d外的其他SC BS对用户u造成的最大干扰门限；
Figure GDA0001453033410000201
为增益干扰比，
Figure GDA0001453033410000202
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure GDA0001453033410000203
表示在子信道k上从SC BS f到SC UE u的信道增益，σ2表示高斯白噪声；
Figure GDA00014530334100002016
表示上SC BSf在子信道k上的发射功率；ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0；
Figure GDA0001453033410000204
表示第i个SC BS服务的第u个用户在子信道k上的信干噪比；Ru表示SC UEu为了维持自身的通信性能必须满足的速率；Pi,max表示SC BSi的最大发射功率。
同理，对
Figure GDA0001453033410000205
类簇的簇d，所述步骤105描述的次优资源分配算法2同样适用于其实施资源分配过程。
所提算法1为本发明所提最优资源分配算法，所提算法2为本发明所提次优资源分配算法。其中，在实施算法1时，在计算每个SC BS服务的每个用户在每条子信道上的功率时需要FUK次操作，相应地，在执行子信道分配过程时，也需要FUK次操作。假设在实施次梯度算法时需要ζ次迭代才能收敛，而
Figure GDA0001453033410000206
的更新需要
Figure GDA0001453033410000207
次操作，
Figure GDA0001453033410000208
和
Figure GDA0001453033410000209
的更新需要
Figure GDA00014530334100002010
次操作，因此ζ是一个关于
Figure GDA00014530334100002011
的多项式函数，因此，所提算法1的复杂度为
Figure GDA00014530334100002012
在实施所提算法2时，采用上述分析可知其复杂度为
Figure GDA00014530334100002013
综合上述分析，可知所提算法2的复杂度低于所提算法1。
为说明本发明的有益效果，本发明在3GPP标准规定的城市部署场景下进行仿真，具体仿真参数如表1所示。设定仿真场景中仅存在一个Macrocell，Small cell随机分布在该Macrocell的覆盖范围内，MUEs和SC UEs随机分布小区范围内。同时，假定Macrocell的覆盖范围内存在两栋建筑，每栋建筑有五层楼，每层楼五个房间，每个房间大小为10×10m2，每栋建筑组成一个簇，即对应两个SC BSs簇，其中一个为
Figure GDA00014530334100002014
类簇，一个为
Figure GDA00014530334100002015
类簇，具体场景如图1所示。
表1仿真参数
参数 值
载波频段 2GHz
子信道数 50
每个子信道带宽 180KHz
基站最大发射功率(MBS/SC BS) 46dBm/20dBm
用户数目 10MUE/扇区，1-4SC UE/SC BS
宏基站覆盖范围 500m
天线增益(MBS/SC BS) 14dBi/5dBi
阴影衰落(室内/室外) 8dB/4dB
穿墙损耗(外墙/内墙) 20dB/5dB
高斯白噪声 -174dBm/Hz
本发明分析了所提算法的多项性能，包括吞吐量、中断概率、公平性、资源利用率。
图6显示了各个算法的吞吐量性能定义吞吐量为一个传输周期内用户成功接收的比特数。从图中可以看出，系统吞吐量会随着用户数的增多而增大。其中，RRA算法未根据SCUEs的速率需求进行资源分配，且不同SC UEs具有不同的速率需求，因而该算法存在资源分配不合理情况，从而不能获取相对满意的吞吐量性能；而本文所提算法1基于用户速率需求进行资源分配，其吞吐量性能优于RRA算法，且与C-DFP算法相当，其原因在于当SC BS服务的用户数很多时，所提算法1仅会为SC UEs分配满足其最低速率需求的资源，而不会将多余的资源无限地分配给SC UEs。此外，从图6中可看出，所提算法1的吞吐量性能优于所提算法2，但所提算法2以其相对低的计算复杂度弥补了其微弱的性能损失。
图7仿真了各个算法的丢包率，定义丢包率为一个传输周期内的丢包百分比，从图中可以看出丢包率会随着服务用户数量的增多而上升。其中，RRA算法未基于SC UEs的速率需求进行资源分配，则导致其丢包率相对较高；而本发明所提算法1考虑SC UEs的速率需求进行资源分配，其丢包率明显优于RRA算法。与C-DFP算法相比，所提算法1在SC UEs数量较少时的丢包率较低，其原因在于当SC UEs数量较少时所提算法1会尽其所能地给SC UE分配资源，使得每个用户几乎均能正常通信；而随着SC UEs数量的增多，分配给每个SC UE资源会随之减少，这将导致不能满足个别SC UE的速率需求，甚至会导致通信中断，因而所提算法1的性能将会略逊于C-DFP。。
图8显示了各个算法的公平性，设定利用Jain’s公平性指数来评价公平性，即
Figure GDA0001453033410000221
其中
Figure GDA0001453033410000222
表示用户的集合，Ru为用户u的数据速率需求，该公平性质数取值为0到1之间，值越大表示公平性越高，从图中可看出公平性会随着用户数的增多而呈下降趋势。通过图8可知，采用组间正交分组算法时，由于各个组内分配的SCBSs数目不均衡，导致不同组中的SC UEs受到的干扰差别很大，进而公平性性能较低。与C-DFP算法相比，在用户数量较少时，本发明所提算法1与其公平性能相当；当用户数量增多时，分配给每个用户的资源会随之减少，导致SC UE的接收信干噪比降低，进而所提算法1的公平性会呈下降趋势，但总体而言所提算法1公平性较好。
图9仿真了各个算法的资源利用率，定义公式
Figure GDA0001453033410000223
来表示资源利用率，从图中可以看出，资源利用率随着用户数量的增多而提高。与其他算法相比，本发明所提算法1和所提算法2的频谱利用率相对较高，其原因在于在本发明所提的采用分离频谱和共享频谱的混合资源分配方案中，
Figure GDA0001453033410000224
类簇可以与MBS共享整段频谱，同时根据用户的需求动态地为
Figure GDA0001453033410000225
类簇和MBS分配频谱，可有效利用所有频谱资源，避免资源浪费。
本发明所举实施方式或者实施例对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施方式或者实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种用于异构网络中的资源分配方法，其特征在于，包括以下步骤：
步骤101：采用分离频谱与共享频谱共存的混合频谱分配，包括；
考虑一个OFDMA双层异构网络，其中，F个SC BS分布在宏小区的覆盖范围内，
Figure FDA0002766733150000011
表示SC BS的集合，相邻的几个SC BS组成一个簇，在实际场景中，位于同一建筑中的SC BS视为同一簇，对于某个簇中SC BS i所服务的小小区用户SC UE u，如果其接收到的来自SC BS i的信号强度与来自宏基站MBS的信号强度的比值小于一个设定的阈值I，则可以认为SC BS i与MBS互为干扰；若一个簇中超过一半的SC BSs都与MBS互为干扰，则定义此簇为
Figure FDA0002766733150000012
类簇，设定
Figure FDA0002766733150000013
表示此类簇的集合,
Figure FDA0002766733150000014
表示簇n中SC BS的集合，
Figure FDA0002766733150000015
表示SC BS i所服务的用户的集合；否则将此簇定为
Figure FDA0002766733150000016
类簇，设定
Figure FDA0002766733150000017
表示此类簇的集合，
Figure FDA0002766733150000018
表示SC BS j所服务的用户的集合；设定系统带宽为B，并将其分成K个子信道，每个子信道的带宽为Δf，其中
Figure FDA0002766733150000019
表示子信道的集合；设定
Figure FDA00027667331500000110
类簇与MBS分离频谱，则
Figure FDA00027667331500000111
类簇可用的子信道为
Figure FDA00027667331500000112
而
Figure FDA00027667331500000113
类簇与MBS共享频谱，则
Figure FDA00027667331500000114
类簇可用的子信道为
Figure FDA00027667331500000115
步骤102：采用自适应分配法实现宏小区Macrocell与小小区Small cell间的频谱分配，包括：
根据MBS和
Figure FDA00027667331500000116
类簇SC BSs各自的资源需求自适应地进行频谱分配，设定
Figure FDA00027667331500000117
和
Figure FDA00027667331500000118
分别表示分配给MBS和
Figure FDA00027667331500000119
类簇SC BSs的子信道个数，其具体分配公式分别为：
Figure FDA00027667331500000120
和
Figure FDA00027667331500000121
其中，Rm表示SC UE m为了满足自身通信性能必须满足的速率，
Figure FDA00027667331500000122
是簇n中所有SC BSs的总速率需求，其中Ri表示SC BS i的速率需求，
Figure FDA00027667331500000123
为系统子信道总数，进行频谱分离分配后，MBS可利用
Figure FDA0002766733150000021
个子信道，
Figure FDA0002766733150000022
类簇可利用
Figure FDA0002766733150000023
个子信道，
Figure FDA0002766733150000024
类簇可利用整个频带，即可使用
Figure FDA0002766733150000025
个子信道；
步骤103：采用对偶分解法求解目标规划问题，包括：
步骤101中
Figure FDA0002766733150000026
类簇资源分配问题是一个非凸的整数规划问题，为求解该规划函数，对该规划问题中约束条件C6进行松弛，把离散变量ai,u,k转换为连续的实变量，即ai,u,k∈[0,1]，并利用拉格朗日对偶分解法求解该规划问题，则构建拉格朗日方程：
Figure FDA0002766733150000027
其中，
Figure FDA0002766733150000028
为增益干扰比，F个SC BS分布在宏小区的覆盖范围内，
Figure FDA0002766733150000029
表示SC BS的集合，
Figure FDA00027667331500000210
表示子信道k上从SC BS i到SC UEu的信道增益，
Figure FDA00027667331500000211
表示在子信道k上从SC BS f到SC UE u的信道增益，
Figure FDA00027667331500000212
表示上SC BS f在子信道k上的发射功率，
Figure FDA00027667331500000213
表示在子信道k上从SC BS i到SC UE u的信道增益，σ2表示高斯白噪声；
Figure FDA00027667331500000214
表示在子信道k上由除簇d外的其他SC BS对用户u造成的最大干扰门限；Ru表示SCUE u为了维持自身的通信性能必须满足的速率；Pi,max表示SC BS i的最大发射功率；ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0；αk，βi,u，δi,u和εi,k分别是与约束条件C1，C2，C3和C5相对应的拉格朗日乘子；
首先将上述拉格朗日方程对
Figure FDA0002766733150000031
求解偏导
Figure FDA0002766733150000032
并对其进行变换，则得到如下关系式：
Figure FDA0002766733150000033
其中，[X]+＝max{0,X}，则该关系式为一个多级注水的功率分配形式，功率大小受同层信道增益
Figure FDA0002766733150000034
和增益干扰比
Figure FDA0002766733150000035
的影响，利用注水法求出每个子信道上的传输功率；
其次将上述拉格朗日方程对ai,u,k求解偏导，得到如下关系式：
Figure FDA0002766733150000036
进而对SC BSi而言，当Yi,u,k最大时，将子信道k分配给SC UE u，即：
Figure FDA0002766733150000037
同时，对上述拉格朗日乘子αk，βi,u，δi,u和εi,k采用次梯度法来更新，具体更新关系式如下：
Figure FDA0002766733150000038
Figure FDA0002766733150000039
Figure FDA00027667331500000310
其中，由于
Figure FDA00027667331500000311
已给出子信道分配方法，则无需更新拉格朗日乘子εi,k；
Figure FDA00027667331500000312
和
Figure FDA00027667331500000313
表示第t次迭代的步长，其中，t∈(1,…,T)，T是最大迭代次数，且每次迭代步长应满足如下条件：
Figure FDA00027667331500000314
步骤104：采用最优资源分配算法对每个簇内的小小区基站进行信道和功率分配；
步骤105：采用次优资源分配算法对每个簇内的小小区基站进行信道和功率分配。
2.根据权利要求1所述的一种用于异构网络中的资源分配方法，其特征在于，所述步骤101采用分离频谱与共享频谱共存的混合频谱分配进一步包括：定义
Figure FDA00027667331500000410
类簇的簇n的信道分配问题为在满足干扰约束和用户服务质量QoS需求的条件下，最大化系统容量，进而根据香农公式，建模优化函数为：
Figure FDA0002766733150000041
其中,
Figure FDA0002766733150000042
表示SC BS i所服务的用户的集合,每个子信道的带宽为Δf，
Figure FDA0002766733150000043
表示第i个SC BS服务的第u个用户在子信道k上的信干噪比；
Figure FDA0002766733150000044
为
Figure FDA0002766733150000045
类簇SC BSs可使用的子信道数；在约束条件C1中，
Figure FDA0002766733150000046
表示SC BS f在子信道k上的发射功率，
Figure FDA0002766733150000047
表示在子信道k上从SC BS f到SC UE u的信道增益，
Figure FDA0002766733150000048
表示在子信道k上由除簇n外的其他SC BS对用户u造成的最大干扰门限，则约束条件C1表示不同簇间的同层干扰满足干扰门限要求；在约束条件C2中，Ru表示SC UE u为了维持自身的通信性能必须满足的速率，则约束条件C2表示需满足的最小速率需求；在约束条件C3中，
Figure FDA0002766733150000049
表示SC BS i在子信道k上的发射功率，Pi,max表示SC BS i的最大发射功率，即约束条件C3表示SC BS i在所有子信道上的传输功率之和不大于其最大发射功率；约束条件C4表示每个SC BS在每条子信道上的发射功率都是非负的；约束条件C5表示一条子信道仅能分配给一个用户；在约束条件C6中，ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0。
3.根据权利要求1所述的一种用于异构网络中的资源分配方法，其特征在于，所述步骤101采用分离频谱与共享频谱共存的混合频谱分配进一步包括：定义
Figure FDA0002766733150000059
类簇的簇d的信道分配问题为在满足干扰约束和用户QoS需求的条件下，最大化系统容量，进而根据香农公式，建模优化目标函数为：
Figure FDA0002766733150000051
其中，
Figure FDA0002766733150000052
表示SC BS j所服务的用户的集合，每个子信道的带宽为Δf，
Figure FDA0002766733150000053
表示第j个SC BS服务的第v个用户在子信道k上的信干噪比；
Figure FDA0002766733150000054
为
Figure FDA0002766733150000055
类簇SC BSs可使用的子信道数；在约束条件C1中，
Figure FDA0002766733150000056
表示在子信道k上从SC BS f到SC UE v的信道增益，
Figure FDA0002766733150000057
表示在子信道k上由除簇d外的其他SC BS对用户v造成的最大干扰门限，则约束条件C1表示不同簇间的同层干扰满足干扰门限要求；在约束条件C2中，Rv表示SC UE v为了维持自身的通信性能必须满足的速率，则约束条件C2表示需满足的最小速率需求；在约束条件C3中，
Figure FDA0002766733150000058
表示SC BS j在子信道k上的发射功率，Pj,max表示SC BS j的最大发射功率，即约束条件C3表示SC BS j在所有子信道上的传输功率之和不大于其最大发射功率；约束条件C4表示每个SC BS在每条子信道上的发射功率都是非负的；约束条件C5表示一条子信道仅能分配给一个用户；在约束条件C6中，aj,v,k为分配指针，当子信道k被分配给SC BS j与用户v之间的链路时，aj,v,k＝1，否则aj,v,k＝0。
4.根据权利要求1所述的一种用于异构网络中的资源分配方法，其特征在于，所述步骤103采用对偶分解法求解目标规划问题包括：对于所述步骤101中定义的D类簇规划问题，通过引入拉格朗日方程，并经过条件松弛和对偶分解之后，得到SC UE j服务的用户v在子信道k上被分配的最优功率为：
Figure FDA0002766733150000061
在
Figure FDA0002766733150000062
类簇的簇d中，对SCUE j而言，当Yj,v,k最大时，将子信道k分配给SC UE v，即：
Figure FDA0002766733150000063
其中
Figure FDA0002766733150000064
Figure FDA0002766733150000065
表示上SC BS i在子信道k上的发射功率，αk，βi,u，和δi,u分别是与约束条件C1，C2，C3相对应的拉格朗日乘子，
Figure FDA0002766733150000066
为增益干扰比，
Figure FDA0002766733150000067
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure FDA0002766733150000068
表示在子信道k上从SC BS f到SC UE u的信道增益，σ2表示高斯白噪声。
5.根据权利要求1所述的一种用于异构网络中的资源分配方法，其特征在于，所述步骤104采用最优资源分配算法对每个簇内的SC BS进行信道和功率分配包括：为实现所述步骤103给出的子信道和功率联合分配的方案，以
Figure FDA00027667331500000611
类簇的簇n为代表，其具体实现步骤如下：
步骤104A：初始化T、αk、βi,u、δi,u，t＝0
步骤104B：迭代
for i＝1:Fn do
Figure FDA00027667331500000612
for u＝1:Ui do
1)根据式
2)
Figure FDA0002766733150000069
更新
Figure FDA00027667331500000610
3)根据式
Figure FDA0002766733150000071
计算Yi,u,k；
4)根据式
Figure FDA0002766733150000072
更新ai,u,k；
5)根据式
Figure FDA0002766733150000073
Figure FDA0002766733150000074
Figure FDA0002766733150000075
分别更新
Figure FDA0002766733150000076
end for
end for
end for
t＝t+1
直到算法收敛或者t＝T；
其中，F个SC BS分布在宏小区的覆盖范围内，
Figure FDA0002766733150000077
表示SC BS的集合，Fn表示簇n中SC BS的数目；
Figure FDA0002766733150000078
为
Figure FDA0002766733150000079
类簇SC BSs可使用的子信道数；Δf表示每个子信道的带宽；Ui表示SC BS i所服务的用户数目；
Figure FDA00027667331500000710
和
Figure FDA00027667331500000711
分别是与约束条件C1，C2，和C3相对应的拉格朗日乘子；
Figure FDA00027667331500000712
表示上SC BS i在子信道k上的发射功率；
Figure FDA00027667331500000713
表示上SC BS f在子信道k上的发射功率；当Yi,u,k最大时，将子信道k分配给SC UE u；ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0；
Figure FDA00027667331500000714
为增益干扰比，
Figure FDA00027667331500000715
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure FDA00027667331500000716
表示在子信道k上从SC BS f到SC UE u的信道增益，σ2表示高斯白噪声；
Figure FDA0002766733150000081
表示在子信道k上由除簇d外的其他SC BS对用户u造成的最大干扰门限；Pi,max表示SC BS i的最大发射功率。
6.根据权利要求1所述的一种用于异构网络中的资源分配方法，其特征在于，所述步骤105采用次优资源分配算法对每个簇内的SC BS进行信道和功率分配包括：为实现所述步骤103给出的子信道和功率联合分配的方案，以
Figure FDA0002766733150000088
类簇的簇n为代表，其具体实现步骤如下：
步骤105A子信道分配
①在每个子信道上平均分配相同的功率
②for i＝1:Fn do
while Ui≠φ do
Figure FDA0002766733150000082
Figure FDA0002766733150000083
end if
Figure FDA0002766733150000084
Ui＝Ui-{u}；
end if
end while
Figure FDA0002766733150000085
Figure FDA0002766733150000086
Figure FDA0002766733150000087
end while
end for
步骤105B功率分配
①初始化T、αk、βi,u、δi,u，t＝0
②迭代
for i＝1:Fn do
Figure FDA00027667331500000916
根据式
Figure FDA0002766733150000091
更新
Figure FDA0002766733150000092
根据式
Figure FDA0002766733150000093
Figure FDA0002766733150000094
Figure FDA0002766733150000095
分别更新
Figure FDA0002766733150000096
end for
end for
t＝t+1
直到算法收敛或者t＝T；
其中，Fn表示簇n中SC BS的数目；
Figure FDA0002766733150000097
为
Figure FDA0002766733150000098
类簇SC BSs可使用的子信道数；Ui表示SC BSi所服务的用户数目；
Figure FDA00027667331500000917
表示上SC BS i在子信道k上的发射功率；
Figure FDA0002766733150000099
和
Figure FDA00027667331500000910
分别是与约束条件C1，C2，和C3相对应的拉格朗日乘子；Δf表示每个子信道的带宽；
Figure FDA00027667331500000911
表示在子信道k上由除簇d外的其他SC BS对用户u造成的最大干扰门限；
Figure FDA00027667331500000912
为增益干扰比，
Figure FDA00027667331500000913
表示子信道k上从SC BS i到SC UE u的信道增益，
Figure FDA00027667331500000914
表示在子信道k上从SC BS f到SC UE u的信道增益，σ2表示高斯白噪声；
Figure FDA00027667331500000915
表示上SC BS f在子信道k上的发射功率；ai,u,k为分配指针，当子信道k被分配给SC BS i与用户u之间的链路时，ai,u,k＝1，否则ai,u,k＝0；
Figure FDA0002766733150000101
表示第i个SC BS服务的第u个用户在子信道k上的信干噪比；Ru表示SC UEu为了维持自身的通信性能必须满足的速率；Pi,max表示SC BS i的最大发射功率。
CN201710700197.3A 2017-08-16 2017-08-16 一种异构网络中的干扰管理和资源分配方法 Active CN107517464B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710700197.3A CN107517464B (zh) 2017-08-16 2017-08-16 一种异构网络中的干扰管理和资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710700197.3A CN107517464B (zh) 2017-08-16 2017-08-16 一种异构网络中的干扰管理和资源分配方法

Publications (2)

Publication Number Publication Date
CN107517464A CN107517464A (zh) 2017-12-26
CN107517464B true CN107517464B (zh) 2020-12-22

Family

ID=60723206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710700197.3A Active CN107517464B (zh) 2017-08-16 2017-08-16 一种异构网络中的干扰管理和资源分配方法

Country Status (1)

Country Link
CN (1) CN107517464B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108833044B (zh) * 2018-07-02 2020-04-10 东北大学 一种多层异构网络中信道可靠性评估方法及优化方法
CN111239724B (zh) * 2020-01-20 2022-01-28 中国人民解放军国防科技大学 一种基于雷达传感网络的目标识别方法
CN112954806B (zh) * 2021-01-26 2022-10-21 西安电子科技大学 异构网络中基于弦图着色的联合干扰对齐与资源分配方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104796993A (zh) * 2015-04-21 2015-07-22 西安交通大学 异构网络中基于Stackelberg博弈的跨层资源分配方法
CN106507463A (zh) * 2016-09-19 2017-03-15 南京邮电大学 一种基于多信道启发式分簇的异构蜂窝网络资源分配方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104796993A (zh) * 2015-04-21 2015-07-22 西安交通大学 异构网络中基于Stackelberg博弈的跨层资源分配方法
CN106507463A (zh) * 2016-09-19 2017-03-15 南京邮电大学 一种基于多信道启发式分簇的异构蜂窝网络资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Cluster-Based Resource Allocation for Spectrum-Sharing Femtocell Networks;HAIBO ZHANG等;《IEEE》;20170104;第8643-8656页 *
femtocell双层网络中基于分簇的资源分配;张海波等;《CNKI》;20170430;第899-904页 *

Also Published As

Publication number Publication date
CN107517464A (zh) 2017-12-26

Similar Documents

Publication Publication Date Title
CN106954227B (zh) 超密集无线网络基于干扰协调的能效资源分配方法
Zhang et al. Energy-efficient resource allocation in NOMA heterogeneous networks
CN104378772B (zh) 一种蜂窝网络中面向小区无定形覆盖的小基站部署方法
CN104955077A (zh) 一种基于用户体验速率的异构网络小区分簇方法及装置
CN107708157A (zh) 基于能效的密集小蜂窝网络资源分配方法
CN108965009B (zh) 一种基于势博弈的负载已知用户关联方法
CN107517464B (zh) 一种异构网络中的干扰管理和资源分配方法
CN104038945B (zh) 一种基于独立集的异构蜂窝网络能效优化方法
Sadr et al. Hierarchical resource allocation in femtocell networks using graph algorithms
CN103338456A (zh) 一种基于联合信道和功率分配的同频干扰抑制方法
CN106231610A (zh) Femtocell双层网络中基于分簇的资源分配方法
Huang et al. Fairness-based distributed resource allocation in two-tier heterogeneous networks
Yu et al. Dynamic resource allocation in TDD-based heterogeneous cloud radio access networks
CN105490794B (zh) Ofdma毫微微小区双层网络基于分组的资源分配方法
CN116095690A (zh) 一种异构网络中基于强化学习的动态资源分配优化方法
CN107454601B (zh) 一种超密集环境下考虑小区间干扰的无线虚拟映射方法
Wang et al. Probability weighted based spectral resources allocation algorithm in Hetnet under Cloud-RAN architecture
Zhang et al. Dynamic user-centric clustering for uplink cooperation in multi-cell wireless networks
Ullah et al. Voronoi cell geometry based dynamic fractional frequency reuse for OFDMA cellular networks
Yao et al. Interference management scheme of ultra dense network based on clustering
CN106412988A (zh) 一种改进的基于加权图的超密集异构网络干扰协调方法
Lu et al. Power control based time-domain inter-cell interference coordination scheme in DSCNs
CN110139281A (zh) 一种基于K-means的全双工D2D分簇资源分配的方法
CN103338453A (zh) 一种用于分层无线网络的动态频谱接入方法及系统
CN105578482A (zh) 一种蜂窝异构网络资源分配方法

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant