CN107623949A - 基于CoMP的异构网络资源分配方法及系统 - Google Patents

Abstract

本申请提供了一种基于CoMP的异构网络资源分配方法及系统，其中所述方法将资源联合分配描述为非线性混合整数规划问题，设计了复杂度较低的迭代算法寻求问题的最优解。在每次迭代中将原资源联合分配问题分解为信道分配和功率分配两个子问题，以此来降低计算复杂度。针对信道分配子问题，提出了贪婪算法求最优解。而针对分解后的功率分配子问题，设计了基于迭代的注水算法。基于获得的结果进行信道和功率的分配。通过理论分析，证明了该方法能够以较低复杂度，在合理时间内获得最优解。

Description

基于CoMP的异构网络资源分配方法及系统

技术领域

本发明涉及网络资源分配领域，具体地，涉及一种基于CoMP的异构网络资源分配方法及系统。

背景技术

近年来，移动数据流量的爆发式增长使得传统单层网络覆盖已无法满足需求。异构网络被视为未来无线通信的一个有效解决途径。通过在宏蜂窝中部署小蜂窝(微蜂窝、微微蜂窝、毫微微蜂窝)或中继，缩短了发射机与接收机之间的距离，网络容量得到显著提升。然而，由于不同层的蜂窝之间通常会共享频谱来提高频谱效率，跨层同信道干扰问题严重，这将阻碍异构网络的性能提升和广泛应用。

多点协作(CoMP)是一种用来降低同信道干扰的技术，在CoMP下，一组基站联合为用户提供服务。在单层宏蜂窝网络(如LTE)中,该技术可用来提高小区边缘用户的信号质量，得到了广泛研究。基站间的合作范围可从协调调度、协调波束成型到完全的联合传输(JT)。若将CoMP技术应用于异构网络，不同层基站间的协作将带来很多好处，但同时也带来挑战。比如，在异构网络中，宏蜂窝叠加覆盖整个小蜂窝。因此，小蜂窝中的所有用户(而不仅仅是边缘用户)都在宏基站和小蜂窝基站的传输范围内，均可受益于基站间的有效协作。但同时，也意味着参与协作的基站和用户数量大大多于传统单层网络，提高了基站协作算法的复杂度。因此，要在异构网络中发挥CoMP技术的优势，设计合理的资源分配算法成为关键。

虽然近年来，将CoMP技术应用于异构网络得到了越来越多的关注，但目前已发布的研究成果未能充分讨论CoMP的各种模式(特别是联合传输模式)在异构网络中的应用，未能充分利用CoMP技术优势提升异构网络性能。文献[1]-[4]研究了CoMP联合传输技术(CoMPJT)在异构网络中的应用。其中，[2]和[3]分析了采用CoMP JT技术的异构网络的覆盖率，证实了CoMP JT技术可增强异构网络信号强度，提升系统性能。文献[1]通过确定最佳的接收信号强度阈值，来组成最优的用户协作服务基站集合，从而降低系统能耗。仅有文献[4]研究了CoMP JT模式下异构网络的资源分配，提出了基于累积分布函数(CDF)的信道分配方案。但该方案没有实现功率与信道的联合分配，使得系统获得的性能提升非常有限。

发明内容

针对现有技术的以上缺陷或改进需求，本发明所要解决的技术问题在于提供一种基于CoMP的异构网络资源分配方法及系统，以实现CoMP传输模式下，异构网络中信道和功率的联合最优化分配问题。

为了实现上述目的，本发明采用如下技术方案予以解决：

本发明一方面提供一种基于CoMP的异构网络资源分配方法，包括以下步骤：

(11)获取所述异构网络下行链路的当前信道状态；

(12)根据所述下行链路的当前信道状态信息以及前次迭代获得的功率分配向量p(i-1)，通过贪婪算法进行信道分配，求得当前信道分配向量ρ(i)的最优解；所述i为迭代次数，且1≤i≤I，所述I为迭代次数最大值；

(13)根据所述下行链路的当前信道状态信息、当前信道分配向量ρ(i)以及前次迭代获得的功率分配向量p(i-1)，通过基于迭代的注水算法进行功率分配，求得当前功率分配向量p(i)的最优解；

(14)根据所述ρ(i)、p(i)求所述异构网络在满足传输功率约束条件下的最大吞吐量T(i)并令i＝i+1；

(15)重复步骤(12)(13)(14)直到i＝I或T(i)＝T(i-1)；

(16)按照满足i＝I或T(i)＝T(i-1)时对应的ρ(i)和p(i)对用户进行资源分配。

优选的，所述贪婪算法包括如下步骤：

根据公式得到信道c上传输速率最大的用户u；其中信道c满足1≤c≤C；且所述C为所述异构网络的信道数量；为基站b分配在信道c上的传输功率；为在信道c上，从基站b到用户u的链路的信道增益，且0≤b≤B；所述B为所述异构网络的基站数量；

令

输出当前信道分配向量ρ。

优选的，所述迭代注水算法包括如下步骤：

对所有基站b，顺序做如下(21)-(23)操作：

(21)对所有信道c，基于和公式计算所述k为迭代次数；且1≤k≤K，所述K为迭代次数最大值；所述

(22)计算水位线1/λ_b：所述λ_b为拉格朗日乘子：

对任意信道c，令并按升序排序；所述Δf为信道带宽，所述N₀是加性高斯白噪声功率；

对j，令j从C到1顺序进行递减直到所述为基站b的最大传输功率；

(23)对所有信道c，基于公式求

更新基站b的最佳功率分配

(24)根据公式求R(k)，令k＝k+1；

返回步骤(21)，直到k＝K或R(k)＝R(k-1)；

(25)输出功率分配向量p。

优选的，对于每次迭代，

其中且

优选的，所述异构网络为基于正交频分多址OFDMA的异构网络的下行链路。

优选的，所述异构网络为LTE异构网络。

优选的，所述方法基于CoMP联合传输模式下。

本发明另一方面还提供了一种基于CoMP的异构网络资源分配系统，所述系统包括一个宏基站、B个小基站且所述基站共享C个信道，联合向U个用户提供服务；所述基站通过如上述任一项所述的方法确定信道和功率资源分配。

本发明另一方面还提供了一种基于CoMP的异构网络资源分配系统，所述系统包括资源分配设备、一个宏基站、B个小基站且所述基站共享C个信道，联合向U个用户提供服务；所述资源分配设备通过如上任一项所述的方法确定信道和功率资源分配。

本发明的优点为：

本发明提出了在基站支持CoMP联合传输的场景下，异构网络信道和功率资源的联合分配方法。在该场景下，网络叠加覆盖区域的用户可由多个基站同时服务。该用户的相同数据可由多个基站同时传输，从而大大增强用户的接收信号强度，同时避免了层间同信道干扰。针对此场景，本文提出了异构网络CoMP联合传输场景下的信道和功率资源联合分配方法。通过该方法分配系统的信道资源及各基站的功率资源，可最大化整个异构网络获得的吞吐量。我们首先将信道及功率资源的联合分配，描述为混合整数规划问题，并设计了一种迭代算法，在每次迭代中将原资源联合分配问题分解为信道分配和功率分配两个子问题，以此来降低计算复杂度。针对信道分配子问题，提出了贪婪算法求最优解。而分解后的功率分配子问题应用了特别设计的基于迭代的注水算法。通过理论分析和仿真实验，验证了本申请信道及功率资源联合分配方法迭代次数少，能够在合理时间内得到最优解。

附图说明

图1为支持CoMP JT技术的异构网络典型架构图；

图2为两种场景下三种资源分配方法获得的系统吞吐量对比图；

图3为本发明的迭代算法1的收敛性验证图；

图4为本发明的迭代算法3的收敛性验证图。

具体实施方式

以下将参照附图，对本发明的优选实施例进行详细的描述。

如图1所示，为基于正交频分多址(OFDMA)的异构网络的下行链路结构图，异构网络中各层基站支持CoMP联合传输。该网络由一个宏基站和B个小基站组成。其中，宏基站序号为0，各小基站序号为1到B。这些基站共享C个子信道，联合向U个用户提供服务。任一基站b的最大传输功率为在联合传输模式下，每条信道可同时被多个基站使用，向同一用户传输数据。但根据OFDMA的要求，在给定时隙内，每条信道最多只能分配给一个用户。如果信道c分配给了用户u，令信道分配变量否则令基站b分配在信道c上的传输功率为若且表示基站b将会在信道c上向用户u传输数据。也就是说，通过我们的资源分配算法，将动态确定用户u的服务基站而不是一些其他现有方法中的预先指定基站。通过算法来确定基站才能真正最大化系统的吞吐量。

若在信道c上，从基站b到用户u的链路的信道增益用表示，那么在信道c上，该用户u可从各协作基站获得的最大传输速率为

其中，Δf是信道带宽，N₀是加性高斯白噪声功率。

本申请旨在通过确定恰当的信道分配向量和各基站功率分配向量使得异构网络的吞吐量达到最大化。为此，我们建立了下面的数学模型。

其中，约束条件2b保证每个基站所分配的传输功率不会超出其最大传输功率制，2d保证了每条信道最多只能分配给一个用户。本文假设基站和用户设备都配备单天线。但是，实际上这些协作基站可看作组成了一个分布式多天线系统，因此我们的方法也可扩展应用于多天线系统。

上述问题是一个非线性混合整数规划问题，具有很高的计算复杂度，一般的非线性规划算法很难在资源调度时间(毫秒级)内得到最优解。为此，我们设计了一种迭代算法，将信道分配和功率分配分解为复杂度相对较低的两个子问题，依次求解子问题，并迭代直至算法收敛。

算法的主要过程见算法1。

算法1——信道和功率联合分配的迭代算法

1.初始化：

设定迭代次数序号：i＝1，系统总吞吐量初始值：T(0)＝0。

设定初始功率：

2.第i次迭代：

基于p(i-1)用算法2求ρ(i)。

基于ρ(i)和p(i-1)用算法3求p(i)。

3.根据(2a)求T(i)，i＝i+1。

返回步骤2，直到i＝I(I为迭代次数最大值)或T(i)＝T(i-1)。

4.输出信道分配向量ρ和功率分配向量p。

初始状态时，每个基站在所有信道上平均分配传输功率。在第i次迭代中，首先基于上次迭代获得的功率分配向量p(i-1)，采用算法2进行信道分配，求得当前ρ(i)的最优解。随后在p(i-1)和新获得的信道分配向量ρ(i)基础上，采用算法3进行功率分配，求得当前p(i)的最优解。随后，根据ρ(i)和T(i)更新系统总吞吐量T(i)。当T收敛或迭代次数达到阈值I时，算法停止。

通过算法1，我们可以得到以下关系式：

也就是说，随着迭代次数的增加，系统吞吐量将呈现出非递减的趋势。最终，将在基站的传输功率限制下收敛为最优解。

信道分配算法及问题简化

基于上一次迭代所获得的功率p(i-1)，我们通过算法2进行信道分配。严格来说，一条子信道将被分配给一个用户或者不分配，但是在最大化总吞吐量的目标下，所有的子信道最终都将被分配给用户。因此，我们采用贪婪算法，将每一条信道分配给在该信道上传输速率最大的用户。因为各信道独立分配，由此获得的系统吞吐量必为最大值，因而得到的信道分配向量ρ(i)为当前最优解。

算法2——信道分配贪婪算法

1.对信道c,1≤c≤C。

计算该信道上传输速率最大的用户，即

令

2.输出信道分配向量ρ。

至此，每条信道c都已分配给了最佳用户因此，基站b到信道c的链路增益可以用用户的增益来表示，即上述问题(2a)的信道分配相关参数和可以去除，将问题简化为功率分配子问题：

因为我们的目标是最大化系统总吞吐量，每个基站的传输功率都将被完全分配，因此在(4b)中我们令

功率分配

虽然问题(4a)已经简化成为一个功率分配问题，但这是一个异构网络多基站的功率联合分配问题，而不是传统宏蜂窝网络中的单基站功率分配，传统的注水算法并不适用。此外，各协作基站可以同时对同一信道分配功率，这种多基站的功率联合分配大大增加了问题的复杂度，很难得到精确的数值解。基于以上考虑，我们设计了基于迭代的功率联合分配算法。

首先，我们通过拉格朗日松弛约束条件：

其中，λ_b和是拉格朗日乘子。进而，我们通过以下KKT条件推导功率分配最优解：

由(6a)我们可以得到将其带入(6c)和(6g)后得到：

由于(7b)的限制，我们可以省略(6f)，从而将KKT条件减少为四条：(7a)、(7b)、(6d)和(6e)。在(7b)中，如果那么为了满足(7a)，必定等于0。如果可得到：

结合以上两种情况，并令我们最终可以得到功率变量的表达式：

其中，(·)⁺＝max(·，0)。该表达式与注水算法的解有相似的形式。但是，不同于传统注水算法的解，中的同时也是其他基站的功率变量，需要和一同确定。也就是说，我们不能直接由(9)得到的精确数值解。

因此，为了求得最终的功率分配向量，我们提出了下面基于迭代的算法3。如步骤2所示，在第k次迭代中，我们固定其他基站的功率分配向量，依次计算每个基站b的最佳功率分配解：然后，如此迭代更新所有基站的功率分配解，直至迭代次数达到阈值K^max或系统总吞吐量收敛。在这个过程中，总吞吐量的变化满足以下关系式：

也就是说，在算法3的迭代过程中R也是非递减的，最终会在基站的功率限制下收敛于平衡，此时得到当前功率分配的最优解。

算法3——多基站联合功率分配迭代算法

1.初始化：

设定迭代次数序号k＝1，系统总吞吐量初始值：R(0)＝0。

设定初始功率分配向量p(0)为由算法1所获得的p(i-1)。

2.第k次迭代：

对基站b，0≤b≤B

对所有信道c，基于求

计算水位线1/λ_b：

对任意c，令并按升序排序。

对j，令j从C到1顺序进行递减,如果则停止。

对所有信道c，基于公式(9)，求

更新当前基站的最佳功率分配

3.根据公式(4a)求R(k)，k＝k+1。

返回步骤2，直到k＝K，所述K为迭代次数最大值或R(k)＝R(k-1)。

4.输出功率分配向量p。

在步骤2中，最差的情况是j从C递减至1。因此，算法3在每次迭代内的复杂度上限为O(BC),这也使得算法1在每次迭代内的复杂度上限为O(BCK^max)，这符合迭代注水算法的复杂度要求。

综合上述分析过程，本申请提供了一种基于CoMP传输模式下的异构网络资源分配方法，如下：

(11)获取所述异构网络下行链路的当前信道状态；

该步骤具体的可以为，用户终端根据各基站的下行参考信号预测当前信道状态，并将信道状态信息反馈给相应基站；基站间通过连接的高速有线链路共享信道信息或上报给专用的资源分配设备；

(12)根据所述下行链路的当前信道状态信息以及前次迭代获得的功率分配向量p(i-1)，通过贪婪算法进行信道分配，求得当前信道分配向量ρ(i)的最优解；所述i为迭代次数，且1≤i≤I，所述I为迭代次数最大值；

(13)根据所述下行链路的当前信道状态信息、当前信道分配向量ρ(i)以及前次迭代获得的功率分配向量p(i-1)，通过基于迭代的注水算法进行功率分配，求得当前功率分配向量p(i)的最优解；

(14)根据所述ρ(i)、p(i)求所述异构网络在满足传输功率约束条件下的最大吞吐量T(i)并令i＝i+1；

(15)重复步骤(12)(13)(14)直到i＝I或T(i)＝T(i-1)；

(16)按照满足i＝I或T(i)＝T(i-1)时对应的ρ(i)和p(i)对用户进行资源分配。

优选的，所述贪婪算法包括如下步骤：

根据公式得到信道c上传输速率最大的用户u；其中信道c满足1≤c≤C；且所述C为所述异构网络的信道数量；为基站b分配在信道c上的传输功率；为在信道c上，从基站b到用户u的链路的信道增益，且0≤b≤B；所述B为所述异构网络的基站数量；

令

输出当前信道分配向量ρ。

优选的，所述迭代注水算法包括如下步骤：

对所有基站b，顺序做如下(21)-(23)操作：

(21)对所有信道c，基于和公式计算所述k为迭代次数；且1≤k≤K，所述K为迭代次数最大值；所述

(22)计算水位线1/λ_b：所述λ_b为拉格朗日乘子：

对任意信道c，令并按升序排序；所述Δf为信道带宽，所述N₀是加性高斯白噪声功率；

对j，令j从C到1顺序进行递减直到所述为基站b的最大传输功率；

(23)对所有信道c，基于公式求

更新基站b的最佳功率分配

(24)根据公式求R(k)，令k＝k+1；

返回步骤(21)，直到k＝K或R(k)＝R(k-1)；

(25)输出功率分配向量p。

优选的，对于每次迭代，

其中且

优选的，所述异构网络为基于正交频分多址OFDMA的异构网络的下行链路。

优选的，所述异构网络为LTE异构网络。

优选的，所述方法基于CoMP联合传输模式下。

本发明另一方面还提供了一种基于CoMP的异构网络资源分配系统，所述系统包括一个宏基站、B个小基站且所述基站共享C个信道，联合向U个用户提供服务；所述基站通过如上述任一项所述的方法确定信道和功率资源分配。

本发明另一方面还提供了一种基于CoMP的异构网络资源分配系统，所述系统包括资源分配设备、一个宏基站B个小基站且所述基站共享C个信道，联合向U个用户提供服务；所述资源分配设备通过如上任一项所述的方法确定信道和功率资源分配

为了评估本文所提出的算法的性能，我们基于LTE异构网络的下行链路进行了仿真。依照目前城市环境下无线信道参数值，设定了大尺度衰落、小尺度衰落以及接收噪声等相关参数。设定子信道数目C＝50，信道带宽Δf＝150kHz。在宏蜂窝内均匀分布了15个热点地区和10个用户，每个热点内均匀分布着5个用户。宏基站的最大传输功率算法1和3的最大迭代次数设为I^max＝K^max＝10。

因为据我们所知，本文首次提出了异构网络CoMP JT模式下的信道和功率资源联合分配方法，所以无法找到研究场景完全一致的方法进行对比。因此，我们将其与两种典型参考方法进行了对比。一种是文献[4]中所提出的基于CDF的资源分配方法，这是我们所能找到的与我们最相关的研究。它讨论了异构网络CoMP JT模式下的信道资源分配(功率平均分配)。另一种是经典的轮询(RR)方法，信道和功率资源都是平均分配。我们分别在两种场景下对这三种方法进行比较，一种是由宏蜂窝和微微蜂窝(macro-pico)组成的异构网络，其中微微基站的最大传输功率为另一种是由宏蜂窝和毫微微蜂窝(macro-femto)组成的异构网络，毫微微基站的最大传输功率为通过向热点地区部署小基站，使小基站的数目从3到15变化来设置不同的场景。

图2中对比了两种场景下三种资源分配方法所获得的系统吞吐量。图中每个点均是无线信道随机变化5000次的平均结果。从图2中，我们可以清晰的看到，本文所提出的方法明显优于其他两种方法。由于轮询RR方法不区分用户的信道条件差别，只能得到最低的系统吞吐量。CDF方法基于用户的累积速率分布函数分配信道，但是各基站的功率仍是平均分配。所以，虽然CDF方法的性能优于RR方法，但与我们的信道和功率资源联合分配方法相比，性能提升受到了限制。

此外，我们还测试了我们设计的迭代算法(算法1和算法3)的收敛性。在仿真中，我们记录了每次迭代更新后的系统总吞吐量，发现算法1和算法3都能在5次迭代以内达到收敛。图3、4是所有仿真场景下的平均结果。

在本文中，我们提出了一种最大化异构网络系统吞吐量的信道和功率资源联合分配方法。据我们所知，这是首次针对CoMP联合传输模式下的异构网络，研究信道及功率资源联合分配的工作。我们将资源联合分配描述为非线性混合整数规划问题，并设计了复杂度较低的迭代算法寻求问题的最优解。仿真结果证明我们所提出的方法优于现有的资源分配方法，设计的迭代算法能在较少的迭代次数内就实现收敛。

显然，上述实施例仅仅是为清楚说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化和变动。这里无需对所有的实施方式予以穷举。而由此所引申的显而易见的变化或变动仍处于本发明创造的保护范围中。

Claims (9)

1.一种基于CoMP的异构网络资源分配方法，其特征在于，包括以下步骤：

(11)获取所述异构网络下行链路的当前信道状态；

(12)根据所述下行链路的当前信道状态信息以及前次迭代获得的功率分配向量p(i-1)，通过贪婪算法进行信道分配，求得当前信道分配向量ρ(i)的最优解；所述i为迭代次数，且1≤i≤I，所述I为迭代次数最大值；

(13)根据所述下行链路的当前信道状态信息、当前信道分配向量ρ(i)以及前次迭代获得的功率分配向量p(i-1)，通过基于迭代的注水算法进行功率分配，求得当前功率分配向量p(i)的最优解；

(14)根据所述ρ(i)、p(i)求所述异构网络在满足传输功率约束条件下的最大吞吐量T(i)并令i＝i+1；

(15)重复步骤(12)(13)(14)直到i＝I或T(i)＝T(i-1)；

(16)按照满足i＝I或T(i)＝T(i-1)时对应的ρ(i)和p(i)对用户进行资源分配。

2.如权利要求1所述的基于CoMP的异构网络资源分配方法，其特征在于，所述贪婪算法包括如下步骤：

根据公式得到信道c上传输速率最大的用户u；其中信道c满足1≤c≤C；且所述C为所述异构网络的信道数量；为基站b分配在信道c上的传输功率；为在信道c上，从基站b到用户u的链路的信道增益，且0≤b≤B；所述B为所述异构网络的基站数量；

令

输出当前信道分配向量ρ。

3.如权利要求2所述的基于CoMP联合传输的异构网络资源分配方法，其特征在于，所述迭代注水算法包括如下步骤：

对所有基站b，顺序做如下(21)-(23)操作：

(21)对所有信道c，基于和公式计算所述k为迭代次数；且1≤k≤K，所述K为迭代次数最大值；所述

(22)计算水位线1/λ_b：所述λ_b为拉格朗日乘子：

对任意信道c，令并按升序排序；所述Δf为信道带宽，所述N₀是加性高斯白噪声功率；

对j，令j从C到1顺序进行递减直到；

所述为基站b的最大传输功率；

<mrow> <mn>1</mn> <mo>/</mo> <msub> <mi>&amp;lambda;</mi> <mi>b</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msubsup> <mi>P</mi> <mi>b</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msubsup> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>c</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>j</mi> </munderover> <msubsup> <mi>H</mi> <mi>b</mi> <mi>c</mi> </msubsup> <mo>)</mo> </mrow> <mi>ln</mi> <mn>2</mn> <mo>/</mo> <msub> <mi>jN</mi> <mn>0</mn> </msub> <mi>&amp;Delta;</mi> <mi>f</mi> <mo>;</mo> </mrow>

(23)对所有信道c，基于公式求

更新基站b的最佳功率分配

(24)根据公式求R(k)，令k＝k+1；

返回步骤(21)，直到k＝K或R(k)＝R(k-1)；

(25)输出功率分配向量p。

4.如权利要求3所述的基于CoMP的异构网络资源分配方法，其特征在于，对于每次迭代，

其中且

5.如权利要求1所述的基于CoMP的异构网络资源分配方法，其特征在于，所述异构网络为基于正交频分多址OFDMA的异构网络的下行链路。

6.如权利要求1所述的基于CoMP的异构网络资源分配方法，其特征在于，所述异构网络为LTE异构网络。

7.如权利要求1所述的基于CoMP的异构网络资源分配方法，其特征在于，所述方法基于CoMP联合传输模式下。

8.一种基于CoMP的异构网络资源分配系统，其特征在于，所述系统包括一个宏基站、B个小基站且所述基站共享C个信道，联合向U个用户提供服务；所述基站通过如权利要求1-7中任一项所述的方法确定信道和功率资源分配。

9.一种基于CoMP的异构网络资源分配系统，其特征在于，所述系统包括资源分配设备、一个宏基站、B个小基站且所述基站共享C个信道，联合向U个用户提供服务；所述资源分配设备通过如权利要求1-7中任一项所述的方法确定信道和功率资源分配。