CN107682932B - 一种ofdm两层网络中基于极大团的簇优化资源分配方法 - Google Patents

Abstract

本发明公开了一种OFDM两层网络中基于极大团的簇优化资源分配方法。在OFDM两层网络中，在下行链路的场景下，宏基站与家庭基站频谱资源共享，一个家庭基站服务两个家庭用户。本发明首先保证宏用户的服务质量，并给宏用户优先分配子载波，在此基础上，建立基于图论的家庭基站到家庭用户各下行链路之间的干扰模型。然后，在建立的模型的基础上，采用Bron‑Kerbosch算法求取所有的极大团，根据得到的极大团求取簇。最后根据求得的簇来分配子载波。本发明提出的基于图论的动态资源分配方法有效的增加了系统的吞吐量，并降低了算法复杂度。

Description

一种OFDM两层网络中基于极大团的簇优化资源分配方法

技术领域

本发明公开了一种OFDM两层网络中基于极大团的簇优化资源分配方法，属于无线通信的技术领域。

背景技术

在过去的五年内，移动数据流量增长了18倍。2016年底，全球移动数据流量达到每月7.2艾字节。在2016年，移动网络承载的业务量远远超过了蜂窝网，其中移动数据的60％是基于Wi-Fi或家庭基站实现的。对于运营商来说，提供高速率的链接以及大覆盖范围的网络是一项重要的议题。然而，由于容量的受限以及通过墙时的信号衰弱，传统的宏蜂窝系统已不能满足日益增加的速率需求和保证室内网络的高连通度，家庭基站能有效的弥补宏基站的不足而引起了人们的广泛关注。

家庭基站因为用户的需要而状态会随时开关，这种“即插即用”的机制会对家庭基站拓扑网络造成一定的动态性和不可预测性，因此动态的分配频谱在家庭基站网络拓扑上有其必要性。本发明利用图论对家庭基站的物理模型进行简化，将家庭基站简化为模型中的点，将家庭基站间的相互干扰简化成模型中点与点之间的边，将子带分配问题简化为着色问题，图论的应用在实际生活中有其实用操作性。

本发明通过对极大团枚举算法的研究，引入一个低复杂度的Bron-Kerbosch算法，并在求得的极大团的基础上对簇进行求取。已知簇内的点与点之间没有边，因此在OFDM环境中，同一子载波可以被分配给同一簇内的所有家庭基站。本发明对非资源冲突区域进行资源分配，每一个簇都是一个非资源冲突区域，因此每个簇中的点的个数越多，频谱利用率越高。本发明首先对极大团的枚举，转而对簇进行求取，这种做法不仅可以降低复杂度，更可以大大的提高了频谱利用率。

本发明是在OFDM的下行链路的场景下运行。OFDM把可用频带分成一系列正交的子信道，每个子信道上使用一个子载波进行调制，并且各个子载波并行传输。OFDM系统有着优越的性能，其优点主要在于频谱利用率较高。OFDM系统中，子载波是相互正交的，之间没有保护间隔且频谱重叠，因此可以节省频谱资源，提高频带的利用率，也就是提高系统的吞吐量。

在两层网络模型中，频谱资源的分配模式分为宏基站和家庭基站不共用频谱、部分共用和共用频谱三类。在频谱资源越来越稀缺的今天，完全不共用频谱是不现实和不经济的。在本发明中，宏基站和家庭基站是共享频谱资源的，因此宏基站用户和家庭基站用户同时需要面临两个干扰：跨层干扰和同层干扰。在宏基站和家庭基站共享频谱资源的同时，如何提高家庭基站的平均吞吐量和系统的吞吐量，与此同时还需降低方法的复杂度。因此，本发明优先保证宏用户的服务质量，在此基础上，考虑宏基站和其他家庭基站对家庭用户的干扰，基于图论来分配所有频谱，大大提高系统吞吐量。

发明内容

技术问题：本发明针对以往簇求取算法中资源利用效率不高和极大团枚举算法中算法复杂度较高的情况，提供一一种OFDM两层网络中基于极大团的簇优化资源分配方法。

技术方案：1.一种OFDM两层网络中基于极大团的簇优化资源分配方法，该方法包括以下步骤：

1)建模：获取瞬时信道信息，基于图论建模G＝(V,E)；基于图论建立家庭基站的模型G＝(V,E)，V为图论中的点，代表家庭基站用户节点；E为图论中的边，代表用户之间的干扰；家庭基站的用户FUE_i收集本家庭基站的信道瞬时信息，包括家庭基站F_i到FUE_i的发射功率P_f以及瞬时信道增益g_i,i；其他所有家庭基站F的信道瞬时信息，其中包括其他家庭基站F_j到家庭基站用户节点FUE_i的信道的发射功率P_f以及瞬时信道增益g_j,i，系统中的加性高斯白噪声N₀，求得目的节点FUE_i的瞬时的信干噪比

前文中提及的发射功率P_f，其值相同，即家庭基站到家庭基站用户的发射功率是相等的，均为P_f。为使家庭基站用户FUE_i满足SINR_i＞SINR_th，SINR_th为信干燥比的下限，为一个给定的常数；将对FUE_i造成最大干扰的家庭基站加入集合I_i，并使得I_i中的家庭基站与FUE_i之间的边的值为1，即

直至满足条件；

2)初始化：可分配的子带集合为Φ，根据步骤1)得到的图论模型得出每个家庭基站用户所对应的可用子带的集合U；在步骤过程中需要三个临时集合P，R，X，分别代表未被处理的点，得到的结果，已被处理的点，并且分别对这三个集合初始化：P＝V/S，

极大团

簇

临时变量i＝1；

3)求孤立点的集合：将所有在G＝(V,E)模型中度为零的点，即不受其他家庭基站干扰的点放在集合S中；在下面的步骤中，针对补集V/S求极大团并进行运算操作；

4)求序列a：将补集V/S集合中所有的点按照度的大小降序排列得到序列a；

5)若P为空，则转步骤6)；否则，根据步骤4)求得的序列a的点的顺序依次选择其中第i个点，即v＝a(i)；求出被选中的点v的所有邻点，并放在集合N(v)中；根据BKP(Bron-Kerbosch Algorithm with Pivoting)算法求极大团R＝BKP(P∩N(v),R∪{v},X∩N(v))，则极大团Clique＝Clique∪{R}，更新P＝P\{v}，X＝X∪{v}，i＝i+1；重复步骤5)；

6)根据步骤5)的重复迭代循环得到极大团Clique，已知这个结果是针对集合V/S得出的结果，则对于所有的点V对应的极大团Clique＝Clique∪{S}；

7)若a为空，则转步骤10)；否则，临时集合r-cv＝Clique，a₁＝a，

转步骤8；

8)若a₁为空，则转步骤9)；否则，选择序列a₁中的第一个点，即v＝a₁(1)，将r-cv中包含v的团赋给cv，剩余的团赋给r-cv，更新：K＝K∪{v}，a₁＝a₁/cv；重复步骤8)；

9)更新：Cluster＝Cluster∪{K}，a＝a/K；重复步骤7)；

10)临时变量：j＝1；

11)对应于集合U，将所有可着子带Φ(j)的点放在集合Set中，其中Φ已知为可分配的子带集合，Φ(j)为可分配的子带集合中的第j项；并根据公式

和公式

计算出集合Set中点所在簇的信干噪比，其中g_v,v表示为家庭基站F_v到家庭基站用户节点FUE_v的瞬时信道增益，g_j,v表示为家庭基站F_j到家庭基站用户节点FUE_v的瞬时信道增益，g_M,v表示为宏基站M到家庭基站用户节点FUE_v的瞬时信道增益，P_m表示为宏基站到家庭基站用户的发射功率；并将Φ(j)分配给信干噪比最大的簇中可着色的点；更新U,j＝j+1；

12)若Φ为空，结束；否则，转步骤11)。

有益效果：本发明与现有技术相比，具有以下优点：

1.资源分配方面，本发明提供了一种OFDM两层网络中基于极大团的簇优化资源分配方法，该方法在对极大团和簇的性质的深入理解和学习上，在分配子载波时，通过使簇中点的个数最大，得到更好的系统容量性能。

2.方法复杂度方面，原本的基于图论的建立的模型是一个NP-hard模型，为了简化系统模型以获得复杂度低的资源分配方法，通过本发明提供的Bron-Kerbosch方法，本发明首先枚举出所有的极大团，再通过一个简单的递归回溯算法求出所有簇，利用簇的概念进行优化分配，大大降低了资源分配的复杂度。

3.和传统的簇求取算法不同，本发明是先通过对极大团的枚举，继而求簇，虽然极大团和簇是互为补集，但对于家庭基站这一动态的拓扑网络结构，灵活的对极大团和簇的使用可以极大的提高频谱利用效率。

附图说明

图1为本发明方法的两层家庭基站网络的结构示意图。

图2为本发明方法的整体流程逻辑框图。

具体实施方式

下面结合实施例和说明书附图来对本发明作进一步的说明：

一、两层OFDM家庭基站网络系统模型

本发明中宏基站和家庭基站共享频谱资源，即同频分配。第一层是中心的宏基站网络，覆盖半径为R_m，分布了N_m个宏用户；第二层是家庭基站网络，有N_f个家庭基站，每个家庭基站的覆盖半径为R_f，每个家庭基站服务于2个家庭用户，因此家庭用户总数为N_f×2。宏基站和家庭基站的发射功率分别为P_m和P_f，并且P_m＞P_f。可以分配的子载波的个数为N_C，且大小为N_C*(2N_f+N_m)的分配矩阵为A＝[a_c,u]。当a_c,u＝1时，子载波c被分配给了用户u，反之，a_c,u＝0。在附图1中宏基站-家庭基站网络的组成成分为宏用户MUE_m、家庭基站FBS_i的第k个用户FUE_ik。

移动通信系统的服务质量很大程度上取决于无线信道，其复杂度主要取决于无线传输环境，本发明综合考虑了穿墙损耗、阴影衰弱、正态分布和室内室外不同环境对信号传播的影响。如附图1，其中一共有五种路径损耗模型：

1)从宏基站M到宏用户MUE_m的路径损耗

g_M,m＝K_m|d_M,m|^-αχ_M,m (1)

2)从宏基站M到家庭用户

的路径损耗

3)从家庭基站FBS_i到宏用户MUE_m的路径损耗

g_i,m＝K_m|d_i,m|^-αχ_i,mWL^-1 (3)

4)从家庭基站FBS_i到其服务用户的家庭用户

5)从家庭基站FBS_j到家庭用户

其中α和β分别代表室外和室内路径损耗指数，WL是穿墙损耗，|d_i,j|和

分别代表基站BS_i和用户UE_j之间的距离以及对数的正态阴影分布，K_m和K_f是常数，且其分别由公式

和

定义。

本发明采用家庭基站和宏基站的频谱共享机制，并假设子载波的数目大于宏用户的个数，即N_C＞N_m，其设置的目的在于使得每个宏用户可以被分配至少一个子载波，以保证宏用户的服务质量。

宏基站M对其服务的宏用户MUE_m在子载波c上的信干噪比为

家庭基站FBS_i对其服务的家庭用户

在子载波c上的信干噪比为

在公式(6)和公式(7)中，N₀代表加性高斯白噪声。

家庭用户和宏用户的总信干噪比分别是

本发明首先需保证宏用户的QoS，使宏用户的信干噪比大于所设下限，即SINR_m＞γ_m，并根据此公式来调整家庭用户的可用频谱列表。如果宏用户MUE_m的信干噪比不能满足条件，则对该用户有最大干扰的家庭基站就不能和该用户享用相同的资源。此外，被宏基站严重影响的家庭用户将不能被分配任何的资源。由于本发明对宏用户的QoS进行了优先考虑，因此在家庭基站和家庭用户之间的同层干扰是本发明的研究重点。

为了对家庭基站和家庭用户之间的干扰关系进行简化并建模，本发明将物理模型简化并建立干扰图G＝(V,E)来降低复杂度。其中，V是代表家庭基站到其用户之间的下行链路的点的集合，E是连接这些点的边的集合。在OFDMA场景下，正交子载波被分配给相邻点，从而使得相邻点之间的干扰被消除，因此，e_u,v∈E,e_u,v＝1代表着点u和点v会被分配以正交子载波，并且两点之间的干扰也被同时消除；反之，

e_u,v＝0代表着点u和点v之间存在干扰。

由于用户的QoS是一个需要被重点考虑的因素，本章基于家庭用户的信干噪比下限γ_f建立干扰图。如果家庭用户

其信干噪比不能满足

则家庭用户

会将对其干扰最大的点添加到其相邻点的集合

中，直到条件

被满足。同时刚被添加到中的点，家庭用户

也会被添加到其相邻点的集合中。对于干扰图来说，本发明所设置的信干噪比下限越高，会导致边的数量越多，频谱利用率越低。

二、一种OFDM两层网络中基于极大团的簇优化资源分配方法

任何的信道分配算法都是在研究如何在干扰图中将共有的信道分配给不同的点，本发明从竞争区域极大团中求出所有的非竞争性的簇区域。本发明基于构建的干扰图，提出一个三步骤的信道分配算法，以达到频谱重复利用率的最大化。三个步骤分别为极大团的枚举、簇形成和资源分配。第一个步骤通过递归回溯算法，即Bron-Kerbosch算法列举出所有的极大团；第二个步骤基于前一步骤所得到的结果将所有的点分成N_K个不同的簇；最后一个步骤从簇和家庭用户的信干噪比的角度以递减的顺序将子载波分配给所有的点。

为了移除不必要的计算量，孤立点被单独列在集合S中。根据上文构建的干扰图G＝(V,E)，通过采用Bron-Kerbosch算法在余下的图G'＝(V/S,E)中进行极大团的枚举。本发明的算法采用三个临时存储列表，存储结果列表R，候选点列表P，已被选择列表X，首先对这三个列表初始化：

P＝V/S,

重复的迭代直到R是极大团和P、X均为空集时才会停止，即P中包含的还未被考虑的点已经在迭代的过程中被选中到X中。然而随着顶点数目的增加，计算的复杂度会呈指数增加，因此，本发明将核心点(pivoting vertex)和点的排列(degeneracy order)和Bron-Kerbosch算法综合考虑进去。

从两个不相交的集合P和X的并集中选取核心点u，旨在降低迭代的次数，这样选择的原因是由于不论是点u还是它的非邻点集均被包含在极大团中的性质，考虑核心点的Bron-Kerbosch算法(BKP(R,P,X))的具体步骤如下所示：

步骤1：初始化：

P＝V/S,

步骤2：如果

则转步骤2-1；否则，转步骤2-2；

步骤2-1：如果

则转步骤2-1-1；否则，结束；

步骤2-1-1：输出极大团R；

步骤2-2：选择核心点u：{u|u∈P∪X}；

步骤2-3：依次对集合P/N(u)中的每个v，即{v|v∈P/N(u)}\\N(u)为点u的邻点集，进行循环操作：

步骤2-3-1：BKP(R∪{v},P∩N(v),X∩N(v))\\迭代该算法，即返回步骤1；

步骤2-3-2：更新：P＝P\{v},X＝X∪{v}。

本发明引入了点的排列，这是另一种可以提高基础的Bron-Kerbosch算法效率的可替代方法。点的排列α就是按照每个点的度的大小升序排列，度即为每个点相邻点的个数，每次重新选择点后，此排列也会随之更新。极大团的枚举算法(MCE)的具体步骤如下所示：

步骤1：输入：G＝(V,E)；

步骤2：将集合V中度为零的孤立点置于集合S中，更新邻接矩阵G'＝(V/S,E)；

步骤3：初始化：

P＝V/S,

步骤4：依次对于G'的序列α中的每个点进行循环操作：

步骤4-1：BKP(R∪{v},P∩N(v),X∩N(v))\\执行算法4.1(BKP)；

步骤4-2：更新：Clique＝Clique∪{R},P＝P\{v},X＝X∪{v}；

步骤5：更新：Clique＝Clique∪S；

步骤6：输出：Clique。

簇是团的补集，簇中的点两两不相邻，也就是说簇是一个没有竞争的区域，一个子载波可以分配给同一个簇内的所有点。为达到系统吞吐量的最大化，每个簇中包含的点的数目越多越能提高频谱复用率。极大独立集是极大团的补集，添加任何一点都会使极大独立集不再满足簇的定义。本发明基于序列α的顺序来执行簇形成算法。

簇形成算法同样是一个简单的递归回溯算法。r-cv是不包含所选择点的团的集合，而cv则为包含所选择点的团的集合。簇形成算法的具体步骤如下所示：

步骤1：输入：序列α，极大团Clique；

步骤2：初始化：

步骤3：当

时：

步骤3-1：赋值：r-cv＝Clique,α'＝α,

步骤3-2：当

时：

步骤3-2-1：选择点v＝α'(1)；

步骤3-2-2：将包含点v的团赋给r-cv，而剩余的团则赋给cv；

步骤3-2-3：更新：K＝K∪{v},α'＝α'/cv；

步骤3-3：更新：Cluster＝Cluster∪{K},α＝α/K；

步骤3-4：输出：Cluster。

为了使系统容量达到最大化，受到干扰较小的家庭基站会被分配以较多的资源。由于簇中的点之间没有边，因此，点v受到的干扰即为来自包含点v的簇的干扰，包含点v的簇的所有不重复的点的集合为Set_v。本发明基于簇的性质计算出所有点和簇的SINR，信道分配算法如算法4.4所示，其中每个点的SINR为

簇的SINR为

信道分配的具体步骤如下所示：

步骤1：输入：簇

每个基站的可着颜色集U；

步骤2：初始化：分配矩阵A＝[a_c,u]；

步骤3：依次对每个子载波c∈Φ_C进行循环操作：

步骤3-1：根据U中可着子载波c的点v，将所有包含点v的簇的点不重复的置于集合Set_v中；

步骤3-2：根据公式(10-11)分别计算出点和簇的SINR；

步骤3-3：将子载波c分配给簇

即

步骤3-4：更新可着颜色集U；

步骤3-5：输出：分配矩阵A＝[a_c,u]。

则本发明提出的一种OFDM两层网络中基于极大团的簇优化资源分配方法可以归纳为：

步骤1：根据公式(6-9)，家庭用户和宏用户满足信干噪比下限的情况下，基于图论建模G＝(V,E)；

步骤2：初始化：可分配的子带集合为Φ，根据步骤1得到的图论模型可以得出每个家庭基站用户所对应的可用子带的集合U。初始化：P＝V/S，

极大团

簇

临时变量i＝1；

步骤3：求孤立点的集合：将所有在G＝(V,E)模型中度为零的点，即不受其他家庭基站干扰的点放在集合S中。在下面的步骤中，我们针对补集V/S求极大团并进行运算操作。

步骤4：求序列a：将补集V/S集合中所有的点按照度的大小降序排列得到序列a；

步骤5：若P为空，则转步骤6；否则，根据步骤4求得的序列a的点的顺序依次选择其中第i个点，即v＝a(i)。求出被选中的点v的所有邻点，并放在集合N(v)中。根据BKP(Bron-Kerbosch Algorithm with Pivoting)算法求极大团R＝B K(P∩N(v),R∪{v},X∩N(v))，则极大团Clique＝Clique∪{R}，更新P＝P\{v}，X＝X∪{v}，i＝i+1。重复步骤5；

步骤6：根据步骤5的重复迭代循环得到极大团Clique，已知这个结果是针对集合V/S得出的结果，则对于所有的点V对应的极大团Clique＝Clique∪{S}；

步骤7：若a为空，则转步骤10；否则，临时集合r-cv＝Clique，a₁＝a，

转步骤8；

步骤8：若a₁为空，则转步骤9；否则，选择序列a₁中的第一个点，即v＝a₁(1)，将r-cv中包含v的团赋给cv，剩余的团赋给r-cv，更新：K＝K∪{v}，a₁＝a₁/cv。重复步骤8；

步骤9：更新：Cluster＝Cluster∪{K}，a＝a/K。重复步骤7；

步骤10：临时变量：j＝1；

步骤11：对应于集合U，将所有可着子带Φ(j)的点放在集合Set中。并根据公式(10-11)计算出集合Set中点所在簇的信干噪比。并将Φ(j)分配给信干噪比最大的簇中可着色的点。更新U,j＝j+1；

步骤12：若Φ为空，结束；否则，转步骤11。

Claims (1)

1.一种OFDM两层网络中基于极大团的簇优化资源分配方法，其特征在于，该方法包括以下步骤：

1)建模：获取瞬时信道信息，基于图论建模G＝(V,E)；基于图论建立家庭基站的模型G＝(V,E)，V为图论中的点，代表家庭基站用户节点；E为图论中的边，代表用户之间的干扰；家庭基站的用户FUE_i收集本家庭基站的信道瞬时信息，包括家庭基站F_i到FUE_i的发射功率P_f以及瞬时信道增益g_i,i；其他所有家庭基站F的信道瞬时信息，其中包括其他家庭基站F_j到家庭基站用户节点FUE_i的信道的发射功率P_f以及瞬时信道增益g_j,i，系统中的加性高斯白噪声N₀，求得目的节点FUE_i的瞬时的信干噪比

为使家庭基站用户FUE_i满足SINR_i＞SINR_th，SINR_th为信干燥比的下限，为一个给定的常数；将对FUE_i造成最大干扰的家庭基站加入集合I_i，并使得I_i中的家庭基站与FUE_i之间的边的值为1，即

直至满足条件；

2)初始化：可分配的子带集合为Φ，根据步骤1)得到的图论模型得出每个家庭基站用户所对应的可用子带的集合U；在步骤过程中需要三个临时集合P，R，X，分别代表未被处理的点，得到的结果，已被处理的点，并且分别对这三个集合初始化：P＝V/S，

极大团

簇

临时变量i＝1；

3)求孤立点的集合：将所有在G＝(V,E)模型中度为零的点，即不受其他家庭基站干扰的点放在集合S中；在下面的步骤中，针对补集V/S求极大团并进行运算操作；

4)求序列a：将补集V/S集合中所有的点按照度的大小降序排列得到序列a；

5)若P为空，则转步骤6)；否则，根据步骤4)求得的序列a的点的顺序依次选择其中第i个点，即v＝a(i)；求出被选中的点v的所有邻点，并放在集合N(v)中；根据BKP即Bron-Kerbosch Algorithm with Pivoting算法求极大团R＝BKP(P∩N(v),R∪{v},X∩N(v))，则极大团Clique＝Clique∪{R}，更新P＝P\{v}，X＝X∪{v}，i＝i+1；重复步骤5)；

6)根据步骤5)的重复迭代循环得到极大团Clique，已知这个结果是针对集合V/S得出的结果，则对于所有的点V对应的极大团Clique＝Clique∪{S}；

7)若a为空，则转步骤10)；否则，临时集合r-cv＝Clique，a₁＝a，

转步骤8；

8)若a₁为空，则转步骤9)；否则，选择序列a₁中的第一个点，即v＝a₁(1)，将r-cv中包含v的团赋给cv，剩余的团赋给r-cv，更新：K＝K∪{v}，a₁＝a₁/cv；重复步骤8)；

9)更新：Cluster＝Cluster∪{K}，a＝a/K；重复步骤7)；

10)临时变量：j＝1；

11)对应于集合U，将所有可着子带Φ(j)的点放在集合Set中，其中Φ已知为可分配的子带集合，Φ(j)为可分配的子带集合中的第j项；并根据公式

和公式

计算出集合Set中点所在簇的信干噪比，其中g_v,v表示为家庭基站F_v到家庭基站用户节点FUE_v的瞬时信道增益，g_j,v表示为家庭基站F_j到家庭基站用户节点FUE_v的瞬时信道增益，g_M,v表示为宏基站M到家庭基站用户节点FUE_v的瞬时信道增益，P_m表示为宏基站到家庭基站用户的发射功率；并将Φ(j)分配给信干噪比最大的簇中可着色的点；更新U,j＝j+1；

12)若Φ为空，结束；否则，转步骤11)。

Images