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 PDFInfo
- 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
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
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,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,则定义此簇为类簇,设定表示此类簇的集合,表示簇n中SC BS的集合,表示SC BSi所服务的用户的集合;否则将此簇定为类簇,设定表示此类簇的集合,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,其中表示子信道的集合;设定类簇与MBS分离频谱,则类簇可用的子信道为而类簇与MBS共享频谱,则类簇可用的子信道为假定同簇中的两个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:
其中,表示SC BSi所服务的用户的集合,每个子信道的带宽为Δf,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;为类簇SC BSs可使用的子信道数;在约束条件C1中,表示SC BS f在子信道k上的发射功率,表示在子信道k上从SC BS f到SC UE u的信道增益,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,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。
其中,表示SC BSj所服务的用户的集合,每个子信道的带宽为Δf,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;为类簇SC BSs可使用的子信道数;在约束条件C1中,表示在子信道k上从SC BS f到SC UE v的信道增益,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,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和类簇SC BSs各自的资源需求自适应地进行频谱分配,设定和分别表示分配给MBS和类簇SC BSs的子信道个数,其具体分配公式分别为:和其中,Rm表示SC UE m为了满足自身通信性能必须满足的速率;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可利用个子信道,类簇可利用个子信道,类簇可利用整个频带,即可使用个子信道。
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
2)根据式
3)根据式
4)根据式
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
end if
Ui=Ui-{u};
end if
end while
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
根据式
根据式
end for
end for
t=t+1
直到算法收敛或者t=T
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,设定类簇与MBS分离频谱,则类簇可用的子信道为KN;而类簇与MBS共享频谱,则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。
其中,表示SC BSi在子信道k上的发射功率,表示在子信道k上从SC BSi到SC UEu的信道增益,表示SC BS f在子信道k上的发射功率,表示在子信道k上从SCBS f到SC UE u的信道增益,则表示除簇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:
其中,表示SC BSi所服务的用户的集合,每个子信道的带宽为Δf,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;为类簇SC BSs可使用的子信道数;在约束条件C1中,表示SC BS f在子信道k上的发射功率,表示在子信道k上从SC BS f到SC UE u的信道增益,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,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。
其中,表示SC BS j在子信道k上的发射功率,表示在子信道k上从SC BSj到SC UEv的信道增益,表示SC BS f在子信道k上的发射功率,表示在子信道k上从SC BS f到SC UEv的信道增益,则表示簇d外的其他SC BSs对用户u造成的干扰,表示此类簇的集合,同时类簇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。
其中,表示SC BSj所服务的用户的集合,每个子信道的带宽为Δf,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;为类簇SC BSs可使用的子信道数;在约束条件C1中,表示在子信道k上从SC BS f到SC UE v的信道增益,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,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:
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;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可利用个子信道,类簇可利用个子信道,类簇可利用整个频带,即可使用个子信道。
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:
其中,为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,表示在子信道k上从SC BS f到SC UE u的信道增益,表示上SC BS f在子信道k上的发射功率,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;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;
其中,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,为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,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和增益干扰比的影响,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:
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:
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:
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;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;表示SC BS f在子信道k上的发射功率;表示在子信道k上从SC BS f到SC UE u的信道增益;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;为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,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。由于已给出子信道分配方法,则无需更新拉格朗日乘子εi,k;和表示第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:
其中,αk,βj,v,δj,v是拉格朗日乘子,表示在子信道k上从SC BS f到SC UE v的信道增益,为增益干扰比,表示子信道k上从SC BS i到SC UEv的信道增益,表示在子信道k上从SC BS f到SC UE v的信道增益,表示上SC BS f在子信道k上的发射功率,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:
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 u=1:Ui do
根据式(10)计算Yi,u,k
根据式(11)更新ai,u,k
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,表示SC BS的集合,Fn表示簇n中SC BS的数目;为类簇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;和分别是与约束条件C1,C2,和C3相对应的拉格朗日乘子;表示上SC BS i在子信道k上的发射功率;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;为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,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;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
end if
Ui=Ui-{u};
end if
end while
end while
end for
上述步骤中,Fn表示簇n中SC BS的数目;为类簇SC BSs可使用的子信道数;Ui表示SC BSi所服务的用户数目;为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,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;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
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;为类簇SC BSs可使用的子信道数;Ui表示SC BSi所服务的用户数目;表示上SC BS i在子信道k上的发射功率;和分别是与约束条件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;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;为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,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;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;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。
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,而的更新需要次操作,和的更新需要次操作,因此ζ是一个关于的多项式函数,因此,所提算法1的复杂度为在实施所提算法2时,采用上述分析可知其复杂度为综合上述分析,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,其中一个为类簇,一个为类簇,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,即其中表示用户的集合,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,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,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,则定义此簇为类簇,设定表示此类簇的集合,表示簇n中SC BS的集合,表示SC BS i所服务的用户的集合;否则将此簇定为类簇,设定表示此类簇的集合,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,其中表示子信道的集合;设定类簇与MBS分离频谱,则类簇可用的子信道为而类簇与MBS共享频谱,则类簇可用的子信道为
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和类簇SC BSs各自的资源需求自适应地进行频谱分配,设定和分别表示分配给MBS和类簇SC BSs的子信道个数,其具体分配公式分别为:和其中,Rm表示SC UE m为了满足自身通信性能必须满足的速率,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,为系统子信道总数,进行频谱分离分配后,MBS可利用个子信道,类簇可利用个子信道,类簇可利用整个频带,即可使用个子信道;
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:
其中,为增益干扰比,F个SC BS分布在宏小区的覆盖范围内,表示SC BS的集合,表示子信道k上从SC BS i到SC UEu的信道增益,表示在子信道k上从SC BS f到SC UE u的信道增益,表示上SC BS f在子信道k上的发射功率,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;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;
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:
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:
其中,表示SC BS i所服务的用户的集合,每个子信道的带宽为Δf,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;为类簇SC BSs可使用的子信道数;在约束条件C1中,表示SC BS f在子信道k上的发射功率,表示在子信道k上从SC BS f到SC UE u的信道增益,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,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:
其中,表示SC BS j所服务的用户的集合,每个子信道的带宽为Δf,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;为类簇SC BSs可使用的子信道数;在约束条件C1中,表示在子信道k上从SC BS f到SC UE v的信道增益,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,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:在类簇的簇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:其中 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,为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,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
for u=1:Ui do
1)根据式
3)根据式
4)根据式
5)根据式
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,表示SC BS的集合,Fn表示簇n中SC BS的数目;为类簇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;和分别是与约束条件C1,C2,和C3相对应的拉格朗日乘子;表示上SC BS i在子信道k上的发射功率;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;为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,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;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
end if
Ui=Ui-{u};
end if
end while
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
根据式
根据式
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;为类簇SC BSs可使用的子信道数;Ui表示SC BSi所服务的用户数目;表示上SC BS i在子信道k上的发射功率;和分别是与约束条件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;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;为增益干扰比,表示子信道k上从SC BS i到SC UE u的信道增益,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;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;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。
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)
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)
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 |
-
2017
- 2017-08-16 CN CN201710700197.3A patent/CN107517464B/zh active Active
Patent Citations (2)
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)
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 |