CN108322916B - 超密集异构网系统中基于双向干扰图的资源分配方法 - Google Patents

Abstract

本发明提供了一种超密集异构网系统中基于双向干扰图的资源分配方法。该方法包括：在超密集异构网络系统中，所有SUE都分别接入唯一的小小区基站，并且每个小小区基站只接入一个SUE用户，每一个CUE占用的资源代表需要分配给SUE的频谱资源；分别计算出所有CUE的吞吐量和所有SUE的吞吐量；采用基于双向干扰图的势博弈资源分配算法求解出最大化所有CUE和SUE的总吞吐量对应的分配指示矩阵，根据分配指示矩阵进行SUE的资源分配。本发明提出了一种利用双向干扰图信息为小小区用户分配多个资源的方法，该方法在不影响原CUE正常通信的条件下，在系统总吞吐量方面略好于原博弈算法，并明显提升了边缘用户的实际吞吐量，同时利用效用矩阵和效用值更新大大降低了博弈过程的运算复杂度和信令开销。

Description

超密集异构网系统中基于双向干扰图的资源分配方法

技术领域

本发明涉及无线通信技术领域，尤其涉及一种超密集异构网系统中基于双向干扰图的资源分配方法。

背景技术

随着移动通信技术的飞速发展和越来越多智能设备的出现，对未来蜂窝通信的服务提出了更高的要求。基于此，5G网络的总体愿景已得到广泛认同，如更高的用户体验速率、低时延和高可靠性等。为了达到这些性能指标的要求，有文献提出了5G可采用的三大技术：超密集部署、毫米波传输和大规模天线阵列。其中，超密集部署技术可显著提高小区覆盖范围内的空间复用程度，进而提升用户的服务体验。其定义是在宏蜂窝(Macro cell)的基础上，加大部署小小区基站的密度。

在超密集部署异构蜂窝网中，小小区用户之间以及小小区用户和蜂窝用户之间在复用模式下将产生强烈的干扰。还有文献指出超密集部署网络即小小区基站分布密度远大于活动用户分布密度的异构网络。当使用复用模式时，小小区基站和宏基站将分配相同的频谱资源为各自的用户提供服务，进而存在干扰问题。还有文献采用基于距离构建干扰图的博弈模型研究资源分配，作者利用启发式算法进行求解，因此需要较多次数的迭代才能达到纳什均衡。

上述各种现有的文献描述的算法都存在未考虑密集部署场景的特点，运算复杂度较高的缺点。

发明内容

本发明的实施例提供了一种超密集异构网系统中基于双向干扰图的资源分配方法。

为了实现上述目的，本发明采取了如下技术方案。

一种超密集异构网系统中基于双向干扰图的资源分配方法，包括：

在超密集异构网络系统中，所有小小区用户设备SUE都分别接入唯一的小小区基站，并且每个小小区基站只接入一个SUE用户，每一个蜂窝用户设备CUE占用的资源代表需要分配给SUE的频谱资源；

分别计算出所述超密集异构网络系统中所有CUE的吞吐量和所有SUE的吞吐量；

采用基于双向干扰图的势博弈资源分配算法求解出最大化所有CUE和SUE的总吞吐量对应的分配指示矩阵，根据所述分配指示矩阵进行SUE的资源分配。

进一步地，所述的在超密集异构网络系统中，所有小小区用户设备SUE都分别接入唯一的小小区基站，并且每个小小区基站只接入一个SUE用户，每一个蜂窝用户设备CUE占用的资源代表需要分配给SUE的频谱资源，包括：

在超密集异构蜂窝通信系统中设置一个宏基站，随机分布T个小小区基站，设CUE的集合为Qc，数量为M，SUE的集合为Qs，数量为N，所述CUE和所述SUE随机分布于超密集异构蜂窝通信系统覆盖范围内，有T>N，所有CUE之间采用相互正交的频谱资源，且每一个CUE占用的资源代表需要分配给SUE的频谱资源，SUE的频谱分配方式为复用模式；

每个SUE用户选择其临近的小小区基站进行接入，如果该临近的小小区基站已经存在SUE用户，则转至其余小小区基站进行接入，直到所有SUE都分别接入唯一的小小区基站，并且每个小小区基站只接入一个SUE用户。

进一步地，所述的分别计算出所述超密集异构网络系统中所有CUE的吞吐量和所有SUE的吞吐量，包括：

设变量x_ij为第i个SUE占用第j个CUE资源的指示变量，x_ij＝1代表占用，x_ij＝0代表不占用：

则所述超密集异构网络系统内所有CUE的吞吐量为：

式中，p^m为宏基站的发射功率，g_mj为相应基站m到第j个CUE的链路增益，σ²为高斯白噪声功率，设p_i为第i个小小区基站的发射功率；g_ij表示第i个小小区基站到第j个CUE的链路增益；

所有SUE的吞吐量为：

g_ii表示SUEi与为之提供服务的小小区基站i之间的链路增益；g_ti表示SUEi与复用相同频带资源的其他小小区基站t之间的链路增益；g_mi表示SUEi与宏基站m之间的链路增益。

进一步地，所述的采用基于双向干扰图的势博弈资源分配算法求解出最大化所有CUE和SUE的总吞吐量对应的分配指示矩阵，包括：

通过求解下面的式(1)，求出最大化超密集异构网络系统内所有CUE和SUE的总吞吐量对应的分配指示矩阵X：

其中，限制条件为：

定义超密集异构网络系统内总干扰水平如下：

g_it为小小区基站i与SUEt之间的链路增益；g_ti为小小区基站t与SUEi之间的链路增益；其中g_it的第一个下标表示小小区基站的序号，第二个下标表示SUE的序号；g_ti、g_mi、g_ij下标的含义与g_it相同。根据本申请的假设条件，每个小小区基站只为一个用户提供服务，因此SUE与其所归属的小小区基站序号相同，即若小小区基站t为某SUE提供服务，则该SUE的序号也设置为t。变量x_tj为第t个SUE占用第j个CUE资源的指示变量，x_tj＝1代表占用，x_tj＝0代表不占用；上式的前两项为SUE在所有复用资源上相互产生的干扰功率，后两项为SUE与占用资源相对应的CUE互相产生的干扰功率，由于SUE和CUE的信号功率在接入阶段已得到确定，则原求解式(1)转而求解下述式(2)：

采用基于双向干扰图的势博弈资源分配算法求解出上述式(2)。

进一步地，所述的采用基于双向干扰图的势博弈资源分配算法求解出上述式(2)，包括：

定义博弈过程中的博弈者为SUE及其相应的服务小基站，策略空间S为所有SUE选择占用蜂窝资源的全部选择可能；

定义博弈过程的势函数为：

第i个SUE效用函数为：

构建双向的同层干扰图来表示SUE占用同频资源后彼此之间产生的干扰，构建无向的跨层干扰图来表示SUE与占用资源对应的CUE彼此产生的干扰；

根据所述同层干扰图和跨层干扰图，通过逐步迭代的博弈算法求解出最终的分配指示矩阵X，根据所述最终的分配指示矩阵X进行SUE用户的资源分配。

进一步地，所述的根据所述同层干扰图和跨层干扰图，通过逐步迭代的博弈算法求解出最终的分配指示矩阵X，包括：

引入并定义与分配指示矩阵X同型的资源分配效用矩阵B，该资源分配效用矩阵B的行索引代表SUE用户，列索引为选择占用的资源，每一项的值为算法迭代过程该行对应用户的潜在效用值；

根据CUE干扰的情况对各个SUE进行资源的选择和分配，形成分配指示矩阵X的初始值；

在一轮迭代过程中，对SUE用户采用轮询调度，选中的SUE用户依据当前表中对应的效用值进行该SUE用户的策略更新，将结果同步更新至分配指示矩阵X中，并与该SUE用户在上轮迭代过程的分配指示矩阵X中的策略进行比较，比较情况包括下面的a、b和c三种情况：

a、在新策略中出现，即本轮迭代与上轮迭代过程的选择相同，不更新效用矩阵B相应元素的值；

b、未在原策略中出现，但在新策略中出现，即本轮迭代与上轮迭代过程的选择不同，对效用矩阵B在该元素所在列的其他位置进行效用更新；

c、在原策略中出现，但未在新策略中出现，即本轮迭代与上轮迭代过程的选择不同，对效用矩阵B在该元素所在列的其他位置进行效用更新；

当一轮迭代过程完毕后，即所有SUE用户均被轮询到，整体比较当前的分配指示矩阵X和上一轮迭代形成的分配指示矩阵X是否完全相同，如果是，说明本轮迭代过程所有用户均未改变其策略，符合势博弈算法最优响应的终止条件，将当前的分配指示矩阵X作为最终的分配指示矩阵X；如果不是，则进行下一轮的迭代过程，重复上述过程直到满足势博弈算法的终止条件。

进一步地，所述的根据所述最终的分配指示矩阵X进行SUE用户的资源分配，包括：

根据所述最终的分配指示矩阵X中的元素x_ij的值进行SUE用户的资源分配，当x_ij的值为1时，代表第i个小小区用户能够占用第j个CUE用户使用的资源；当x_ij的值为0时，代表第i个小小区用户不能够占用第j个CUE用户使用的资源。

由上述本发明的实施例提供的技术方案可以看出，本发明实施例针对超密集部署异构网络中复用模式下的资源分配问题，构建了博弈用户的效用矩阵，并提出一种利用双向干扰图信息为小小区用户分配多个资源的方法。仿真数据表明，基于双向干扰图的势博弈资源分配算法在不影响原CUE正常通信的条件下，在系统吞吐量方面略好于原博弈算法，并明显提升了边缘用户的实际吞吐量，同时利用效用矩阵和效用值更新大大降低了博弈过程的运算复杂度和信令开销。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种密集部署异构蜂窝网系统模型图；

图2为本发明实施例提供的一种基于双向干扰图的势博弈算法流程图；

图3为本发明实施例提供的一种固定SINR_{small_cell_th}为8dB时系统中所有用户在复用资源上的吞吐量之和随蜂窝干扰阈值变化的影响示意图；

图4为本发明实施例提供的一种5％最差小小区用户实际吞吐量随小小区用户干扰阈值变化关系的示意图；

图5为本发明实施例提供的一种博弈过程中浮点乘法次数随小小区用户干扰阈值变化关系示意图；

图6为本发明实施例提供的一种蜂窝用户速率损失比例随小小区用户数量变化关系示意图；

图7为本发明实施例提供的一种系统吞吐量随小小区用户数量变化关系示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

本发明实施例为了解决现有技术的不足，提出了一种超密集异构蜂窝网系统，该系统的结构图如图1所示，本发明实施例考虑下行超密集异构蜂窝通信系统，如图1所示，系统覆盖范围中心存在一个宏基站，其余位置随机分布T个小小区基站。设蜂窝用户设备(Cellular User Equipment,CUE)的集合为Qc，数量为M；小小区用户设备(Small-cellUser Equipment,SUE)的集合为Qs，数量为N，这些用户设备随机分布于系统覆盖范围内。考虑到超密集部署的定义，有T>N。不失一般性地，假设所有CUE之间采用相互正交的频谱资源，且每一个CUE占用的资源代表需要分配给SUE的频谱资源，SUE的频谱分配方式为复用模式。

由于CUE定义为接入宏基站的用户，后续需要依靠其占用资源块的不同用来区分这些用户，假设每个用户平均分得可分配资源的一部分，且互相不重叠，即不考虑这些用户间的相互干扰。

即用一个CUE对应系统的一个可分配资源单元，而SUE去复用CUE所使用的这些资源。本发明考虑的是SUE的资源分配问题，不考虑CUE的资源分配，因此将CUE的资源分配简化为当前所有CUE平均分配宏基站的频谱资源。

在资源分配过程进行之前，首先要进行SUE用户的接入，每个小小区基站接入一个SUE用户，简化系统的接入过程，即每个SUE用户选择其临近的小小区基站进行接入，如果该小小区基站已经存在服务用户，则转至其余小小区基站进行接入，直到所有SUE都接入唯一的小小区基站后停止。设变量x_ij为第i个SUE占用第j个CUE资源的指示变量，x_ij＝1代表占用，x_ij＝0代表不占用。

则系统内所有CUE的吞吐量为：

式中，p^m为宏基站的发射功率，g_mj为相应基站(包括宏基站和小小区基站)m到第j个CUE的链路增益，σ²为高斯白噪声功率。设p_i为第i个小小区基站的发射功率，g_ij表示第i个小小区基站到第j个CUE的链路增益。

则系统内所有SUE的吞吐量为：

因此，资源分配问题为求解下面的式(1)，找到合适的分配指示矩阵X来最大化系统内所有CUE和SUE的总吞吐量：

上面分配指示矩阵X中的元素为x_ij，下面的优化问题求解的目的就是求出分配指示矩阵X，再根据分配指示矩阵X中的元素值(0或1)进行资源分配，如x_ij为1时，代表第i个小小区用户可以占用第j个CUE用户使用的资源；如为0，则代表第i个小小区用户不可占用第j个CUE用户使用的资源。

其中，限制条件为：

上述限制条件是为了保证引入超密集部署的小基站后，系统内CUE的信干噪比(Signal to Interference plus Noise Ratio,SINR)不低于预先设定的蜂窝阈值下限SINR_{cellular_th}。定义系统内总干扰水平如下：

g_it为小小区基站i与SUEt之间的链路增益；g_ti为小小区基站t与SUEi之间的链路增益；其中g_it的第一个下标表示小小区基站的序号，第二个下标表示SUE的序号；g_ti、g_mi、g_ij下标的含义与g_it相同。根据本申请的假设条件，每个小小区基站只为一个用户提供服务，因此SUE与其所归属的小小区基站序号相同，即若小小区基站t为某SUE提供服务，则该SUE的序号也设置为t。变量x_tj为第t个SUE占用第j个CUE资源的指示变量，x_tj＝1代表占用，x_tj＝0代表不占用；

上式的前两项为SUE在所有复用资源上相互产生的干扰功率，后两项为SUE与占用资源相对应的CUE互相产生的干扰功率。由于SUE和CUE的信号功率在接入阶段已得到确定，则原优化问题可以转而求解下面的式(2)：

本发明实施例通过博弈算法求解上述式(2)。

势博弈和势函数

由于势博弈具有在随机更佳或最佳响应迭代过程中一定会收敛到纳什均衡的特点，本发明构造满足定义的博弈过程，用来解决密集部署下小小区用户的资源分配问题。本发明是小小区用户去博弈和复用宏基站用户的资源，由于小小区用户之间以及小小区用户和宏基站用户之间存在干扰，并且不同用户间的干扰水平不同，所以在决策小小区用户的复用方案时需要考虑将系统总干扰降至最低，以使系统总吞吐量达到最优。

在上述博弈过程中，博弈者为SUE及其相应的服务小基站，策略空间S为所有SUE选择占用蜂窝资源的全部选择可能。称策略S*整体为纳什均衡，当且仅当下式成立：

其中，s_i为任意一个博弈者i的策略，s_-i为除第i个SUE之外的剩余所有SUE的策略向量集合，u_i(·)为第i个博弈者的效用函数。

定理1：如果一个博弈过程存在一个势函数φ，且满足下式成立时，称该博弈过程为完全势博弈：

φ(s'_i,s_-i)-φ(s_i,s_-i)＝u_i(s'_i,s_-i)-u_i(s_i,s_-i) (3)

对于一个完全势博弈，如果任意一个博弈者i单方面更改其策略，如从s_i变到s'_i，则因其影响导致的效用值变化程度与系统整体的势函数的变化程度相同。且对于任何一个势博弈过程，其必存在至少一个纳什均衡点。因此，为了利用势博弈的优良特性，定义的势函数为：

第i个SUE效用函数为：

可以证明，当满足α+β＝1，α和β为拉格朗日乘数法中的参数，用来求解存在限制条件情况下的优化问题，α和β分别为限制条件的系数，没有实际意义。仅说明当满足条件时，由它们所形成的效用函数均满足势博弈的定义，进而可利用势博弈的一些性质。由式(2)的优化目标函数，在本发明中令α和β相等。

且SUE用户i的策略由s_i变到s'_i时，式(3)成立，即前述定义的博弈过程为完全势博弈过程。

基于双向干扰图的势博弈资源分配算法

构造干扰图

当SUE复用CUE的资源时，系统中存在两种干扰：即SUE占用同频资源后彼此之间产生的干扰(同层干扰，co-tier interference)和SUE与占用资源对应的CUE彼此产生的干扰(跨层干扰，cross-tier interference)。为了表示这些干扰的程度，本发明实施例采用干扰图对其进行描述。假设小小区阈值下限为SINR_{small_cell_th}，对于某个特定SUE，由于信道环境中存在阴影衰落的影响，其干扰源SUE的集合和其自身作为干扰源对其他SUE造成干扰的集合很可能是不重叠的。基于此，需要对SUE彼此的干扰引入方向的设定。下面介绍SUE双向干扰图的建立过程。

同层干扰图(双向)：首先初始化干扰矩阵(方阵)I_N×N，元素取值为{0,1}。矩阵的第i行表示第i个SUE通信时受到其他SUE产生的干扰状态；第j列表示所有SUE用户通信时受到第j个SUE用户产生的干扰状态。矩阵元素为1，代表存在干扰；否则，不存在干扰。当给定阈值SINR_{small_cell_th}时，对于第i个SUE，其初始干扰源为所有活动小基站(Active SmallCell)，计算此时该用户的SINR_i，若低于阈值，则移除当前干扰源中产生干扰最大的小基站j，并将I(i,j)置为1。再次计算SINR_i，重复上述步骤，直到满足

干扰图中对该第i个SUE用户干扰源的计算结束。重复上述过程，直到得到所有SUE用户的干扰图信息，双向干扰图建立结束。

此外，由于引入小基站及其对应用户(SUE)后，复用原蜂窝资源时会对CUE正常通信造成干扰。为了确保CUE通信速率，类似上文干扰图的建立方法，给定宏基站用户的阈值SINR_{cellular_t}，构造SUE对CUE产生的跨层干扰图。需要指出的是，由于宏基站对SUE用户产生的干扰相对单个小小区基站对SUE的干扰较大，且在所有资源上该干扰功率均相同，对SUE复用资源的选择没有影响，故该跨层干扰图中不考虑蜂窝对小小区用户产生的影响。因此，跨层干扰图为传统无向干扰图。

根据所述同层干扰图和跨层干扰图，通过逐步迭代的博弈算法求解出最终的策略矩阵X。

1、首先引入并定义与上文X矩阵同型的资源分配效用矩阵B，此矩阵的行索引代表SUE用户，列索引为选择占用的资源。每一项的值为算法迭代过程该行对应用户的潜在效用值，该值根据式(4)进行计算。

2、若不引入步骤1中的矩阵B，算法需要在每次迭代过程中计算每个SUE用户在所有可能占用的资源上相应的效用值。但经过分析可知，大部分的计算过程是冗余的，故可依赖查表(即1中的矩阵B)的方式解决，且每次迭代完毕后，不需要更新表中的所有值，具体更新过程由本轮迭代和上轮迭代中相应的X矩阵元素进行比较后确定。具体如下所述。

首先进行X矩阵的初始化。由于初始值的设定对最终迭代终止条件和最终结果并无影响，故为了简化初始值的计算开销，采用仅考虑CUE干扰的情况对各个SUE进行资源的合理选择和分配，进而形成X的初始值。

4、在一轮迭代过程中，对SUE用户采用轮询调度，选中的用户依据当前表中对应的效用值进行该用户的策略更新(将结果同步更新至上文的X矩阵中)，并与该用户在原来(上轮迭代过程)的X矩阵中的策略进行比较，穷举后共计存在三种情况。下文需要对这些情况一一进行处理，用以更新1中定义的表

a)仍然在新策略中出现；即本轮迭代与上轮迭代过程的选择相同(X矩阵元素变化为1→1)。此时不更新效用矩阵B相应元素的值。

b)未在原策略中出现，但在新策略中出现；即本轮迭代与上轮迭代过程的选择不同(矩阵元素变化为0→1)。此时，由于用户新占用了资源，引入了相应的干扰，对效用矩阵B在该元素所在列的其他位置进行效用更新(增加干扰值)。

c)在原策略中出现，但未在新策略中出现。即本轮迭代与上轮迭代过程的选择不同(矩阵元素变化为1→0)。此时，由于用户选择不占用该资源，减小了相应的干扰，对效用矩阵B在该元素所在列的其他位置进行效用更新(减小干扰值)。

5、当一轮迭代过程完毕后(即所有SUE用户均被轮询到)，整体比较此时的X矩阵和上一轮迭代形成的X矩阵是否完全相同。如果是，说明本轮迭代过程所有用户均未改变其策略，符合势博弈算法最优响应的终止条件。如果不是，则进行下一轮的迭代过程。重复上述过程直到满足算法的终止条件。

算法实现过程如下：

由跨层干扰图，可以统计出SUE_i能够复用CUE资源的最大数量，记为N_i，规定SUE最大可用资源个数为S＝min(N_i),

传统基于最优响应的博弈算法中，每一个博弈者需要在其策略空间内尝试所有策略并计算相应策略带来的收益，最终选择当前收益最大的策略进行下一步行动。为方便计算，减小算法在所有解空间中的尝试次数，本发明引入资源分配效用矩阵B，该矩阵的每一行是相应SUE用户下一步所有可能的效用值。在算法轮询至某一用户后，该用户可直接通过查询效用矩阵相应位置的效用值来选择下一步的行动，然后更新这一选择对其余用户(不包括该用户自身)下一步效用值的影响。通过这种方式，算法在迭代过程中可以减少用户在所有策略空间中尝试的次数，减少不必要的计算开销。设定如下准备变量：保持原有策略用户个数变量Flag_Num＝0；原选择策略矩阵X_old_N×M；新选择策略矩阵X_new_N×M；SUE收益矩阵B_N×M；第i个SUE正常通信时，对其产生干扰的SUE集合

第j个SUE正常通信时，受其干扰影响的SUE集合

其中策略矩阵的形式如下表示：

此处的策略矩阵即上文的分配指示矩阵X。

图2为本发明实施例提供的一种基于双向干扰图的势博弈算法流程图，算法实现过程包括：

首先，仅考虑跨层干扰的情况下，计算策略矩阵X的初始值。接下来，采用轮询调度SUE进行策略的更改。在更改过程中，特定SUE_i的选择策略可能会发生变化。因此，需要对这种变化造成的影响进行相应的分析。每个特定的资源在用户i选择新策略后有三种可能的状态：仍然在新策略中出现；未在原策略中出现，但在新策略中出现；在原策略中出现，但未在新策略中出现。分别记上述三种状态为：δ₀,δ_new,δ_old。则对于处在δ₀状态的资源，SUE_i在该资源上策略的更改并不会影响其他SUE下一步的效用值。对于处在δ_new状态的资源来说，SUE_i在该资源上策略的更改会成为其他用户的新干扰源，并且其他用户也会多出该用户作为干扰受体，进而影响这些用户的下一步效用值，故需要对这些用户在该资源上的下一步效用值增加这些干扰功率。对于处在δ_old状态的资源来说，SUE_i在该资源上策略的更改使得其他用户减少了一个原干扰源和一个干扰受体，同样影响这些用户的下一步效用值，故需要对这些用户在该资源上减少这些干扰功率(补偿下一步效用值)。通过这种方式，在轮询的过程中不断对每个SUE的下一步效用值进行更新。

在原博弈算法(未考虑SUE间干扰信息)中，其余用户是指不包括SUE_i的所有用户。在基于双向干扰图的博弈算法中，其余用户是指干扰图中相应的用户集合。一般来说，用户i的干扰源集合不等于受其干扰的用户集合，并且两个集合元素个数均小于所有用户数量。在博弈过程中，同样也需要统计未发生策略更改的用户数量，如果在一轮博弈结束后，该数量和所有SUE数量相等，则可以认为刚刚结束的这轮博弈中，所有用户均未发生策略的更新，即所有博弈者没有动力通过单方面更改策略而获得更高的收益，此时即可认为系统达到了纳什均衡点，算法结束。最终的策略矩阵X＝X_new＝。

博弈过程计算复杂度分析

由于在资源分配的势博弈过程中，用户之间彼此交换需要大量的干扰功率和信道增益等信息，同时干扰项的表示主要是基站发射功率和相应的信道增益的乘积，因此本发明考虑使用博弈过程所需浮点乘法次数用以衡量博弈过程中的计算复杂度。

在一轮博弈过程中，考虑平均情况，即每个用户都发生策略更改，且假设原来占用而现在不占用的资源个数为α，原来不占用现在占用的资源个数为β。则对于原博弈算法(未使用SUE间干扰信息)，每个用户需要为其余(N-1)个用户的下一步效用值进行补偿和新增干扰，补偿过程需要乘法次数为2α(N-1)，新增加干扰过程需要乘法次数为2β(N-1)，共N个SUE，在一轮博弈过程中，需要的乘法次数为：

N(2α(N-1)+2β(N-1))＝2(α+β)N(N-1)

对本发明基于双向干扰图的博弈算法，每个用户需要对其干扰用户和受干扰用户的下一步效用值进行补偿和新增干扰，所需乘法次数为

设每个用户干扰源用户数量和承受其干扰的用户数量均小于某一常数，则可得乘法次数

≤(α+β)[max|I_t|+max|I_f|]

≤(α+β)[(N-1)+(N-1)]＝2(α+β)(N-1)

系统共N个用户，所需乘法次数上限为2(α+β)N(N-1)，当且仅当SUE干扰阈值设为无穷大时等号成立，此时系统中的所有SUE用户彼此都会产生干扰，基于双向干扰图的博弈算法退化为原博弈算法。

仿真结果分析

本发明采用的系统模型如图1所示。在仿真中，定义蜂窝用户速率损失比(RateLoss Ratio)如下：

其中，R_c为SUE未复用CUE资源时，所有蜂窝用户的总速率，R'_c为SUE复用CUE资源后，系统中所有蜂窝用户的总速率。该比例值越大，表明SUE复用CUE资源的程度越深，从而CUE速率相应减少得就越多。

仿真所用的路损模型和基站设置的相关参数如表1所示。

表1系统仿真参数设置

图3为固定SINR_{small_cell_th}为8dB时系统中所有用户在复用资源上的吞吐量之和随蜂窝干扰阈值变化的影响示意图。其中，随机算法是指利用跨层干扰图，每个SUE使用与博弈算法相同数量的资源，但随机进行分配的算法。可以看到，两种采用势博弈的算法在给定范围阈值条件下的性能均优于随机分配算法的性能。从整体趋势来说，三种算法的性能表现(吞吐量)均随CUE阈值的增加而出现了一定程度的下降。原因是随着CUE阈值设定的不断上升，当系统内所有CUE受到同样程度的密集部署的小基站干扰时，忍耐程度下降，进而影响了SUE可复用CUE资源块的数量，使得SUE的总吞吐量有所下降；与此同时，由于密集部署的缘故，系统中SUE数量远多于CUE(正交资源)的数量，这部分下降的吞吐量不能弥补CUE阈值提高后CUE上升的吞吐量。因此，在整体层面上来看，系统的总吞吐量是下降的。此外，采用干扰图的势博弈算法性能优于原博弈算法，是因为密集部署中，小基站——SUE对数量较多，但对于某个SUE，其性能除受到蜂窝(宏基站)的影响外，还受到来自临近SUE即相应小基站产生的干扰，而远处的小基站由于发射功率、传播距离的限制，对该SUE产生的干扰可忽略不计。利用系统中固有的干扰信息，SUE在进行资源分配博弈过程中的下一步效用值能够减少不必要的变化，进而确保算法最终收敛到一个更优的纳什均衡点。

图4为本发明实施例提供的一种5％最差小小区用户实际吞吐量随小小区用户干扰阈值变化关系示意图。可以看到，相比之下，基于干扰图的博弈算法明显提升了边缘用户的吞吐量，这是源于在资源分配过程中，双向干扰图准确定位了对每个SUE用户干扰最大的用户集合，并在资源分配过程中有效避开这些用户所使用的频谱资源，从而使用户能分配到性能更好的频谱资源。

图5为本发明实施例提供的一种博弈过程中浮点乘法次数随小小区用户干扰阈值变化关系示意图，从图4可以得知，当固定蜂窝用户阈值为-6dB时，采用基于干扰图的博弈算法下的乘法次数随SUE阈值的增加而增加，且变化速率也有所加大。可以预见的是，当干扰阈值等于无穷大时，基于图的博弈算法将退化为普通博弈算法，所需浮点乘法次数将与其相同。

图6为本发明实施例提供的一种蜂窝用户速率损失比例随小小区用户数量变化关系示意图，在图6中，我们将随机分配算法CUE速率损失比作为对比算法的基准(BenchMark)。前置条件中，蜂窝用户阈值为-6dB,小小区用户阈值为8dB。可以看到，两种博弈算法下的CUE损失率均高于基准，体现了对系统复用资源更深度的利用。基于干扰图的博弈算法下的CUE损失率小于原博弈算法，结合前面分析的总吞吐量，使用干扰图能够在较少影响CUE速率条件下，大幅增加SUE的速率，进而略微提升系统的总吞吐量。

图7为本发明实施例提供的一种系统吞吐量随小小区用户数量变化关系示意图，从图7可以得知，其他条件与图6一致，三种算法下的系统整体吞吐量随SUE数量的增加而增加，但变化速率有所减少。在小小区用户数较少时，基于干扰图的博弈算法性能略微低于原博弈算法，但当用户数继续变大时，该算法由于能准确反映系统内各自干扰水平，剔除那些影响因素较少的小小区用户，故能达到一个更优的纳什平衡点，进而在吞吐量上优于原博弈算法。

综上所述，本发明实施例的方法采用基于势博弈的资源分配算法，提出构建小小区用户间的双向干扰图，深度挖掘这些用户间存在的干扰关系，进而优化资源分配的算法，提出一种利用双向干扰图信息为小小区用户分配多个资源的方法，可以最小化系统总干扰水平从而提高吞吐量，特别是边缘用户的吞吐量。

本发明实施例针对超密集部署异构网络中复用模式下的资源分配问题，构建了博弈用户的效用矩阵，提出利用效用矩阵及对博弈过程中的资源状态进行分类的方法，简化迭代过程，有效减少了用户在可用策略空间中的尝试次数。仿真数据表明，基于双向干扰图的势博弈资源分配算法在不影响原CUE正常通信的条件下，在系统吞吐量方面略好于原博弈算法，并明显提升了边缘用户的实际吞吐量，同时利用效用矩阵和效用值更新大大降低了博弈过程的运算复杂度和信令开销。

本发明实施例在算法执行过程中对资源块状态进行分类，减少小小区用户在博弈策略空间中的尝试次数。仿真结果表明，与原博弈算法相比，本发明实施例提出的算法在保证蜂窝用户QoS的条件下，进一步提高了系统吞吐量，同时大大降低了计算复杂度。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种超密集异构网系统中基于双向干扰图的资源分配方法，其特征在于，包括：

在超密集异构网络系统中，所有小小区用户设备SUE都分别接入唯一的小小区基站，并且每个小小区基站只接入一个SUE用户，每一个蜂窝用户设备CUE占用的资源代表需要分配给SUE的频谱资源；

分别计算出所述超密集异构网络系统中所有CUE的吞吐量和所有SUE的吞吐量；

采用基于双向干扰图的势博弈资源分配算法求解出最大化所有CUE和SUE的总吞吐量对应的分配指示矩阵，根据所述分配指示矩阵进行SUE的资源分配；

所述的在超密集异构网络系统中，所有小小区用户设备SUE都分别接入唯一的小小区基站，并且每个小小区基站只接入一个SUE用户，每一个蜂窝用户设备CUE占用的资源代表需要分配给SUE的频谱资源，包括：

在超密集异构蜂窝通信系统中设置一个宏基站，随机分布T个小小区基站，设CUE的集合为Q_C，数量为M，SUE的集合为Q_S，数量为N，所述CUE和所述SUE随机分布于超密集异构蜂窝通信系统覆盖范围内，有T>N，所有CUE之间采用相互正交的频谱资源，且每一个CUE占用的资源代表需要分配给SUE的频谱资源，SUE的频谱分配方式为复用模式；

每个SUE用户选择其临近的小小区基站进行接入，如果该临近的小小区基站已经存在SUE用户，则转至其余小小区基站进行接入，直到所有SUE都分别接入唯一的小小区基站，并且每个小小区基站只接入一个SUE用户；

所述的分别计算出所述超密集异构网络系统中所有CUE的吞吐量和所有SUE的吞吐量，包括：

设变量x_ij为第i个SUE占用第j个CUE资源的指示变量，x_ij＝1代表占用，x_ij＝0代表不占用：

则所述超密集异构网络系统内所有CUE的吞吐量为：

式中，p^m为宏基站的发射功率，g_mj为相应基站m到第j个CUE的链路增益，σ²为高斯白噪声功率，设p_i为第i个小小区基站的发射功率；g_ij表示第i个小小区基站到第j个CUE的链路增益；

所有SUE的吞吐量为：

g_ii表示SUEi与为之提供服务的小小区基站i之间的链路增益；g_ti表示SUEi与复用相同频带资源的其他小小区基站t之间的链路增益；g_mi表示SUEi与宏基站m之间的链路增益；

所述的采用基于双向干扰图的势博弈资源分配算法求解出最大化所有CUE和SUE的总吞吐量对应的分配指示矩阵，包括：

通过求解下面的式(1)，求出最大化超密集异构网络系统内所有CUE和SUE的总吞吐量对应的分配指示矩阵X：

其中，限制条件为：

SINR_{cellular_th}为预先设定的蜂窝阈值下限；

定义超密集异构网络系统内总干扰水平如下：

g_it为小小区基站i与SUEt之间的链路增益；g_ti为小小区基站t与SUEi之间的链路增益；其中g_it的第一个下标表示小小区基站的序号，第二个下标表示SUE的序号；g_ti、g_mi、g_ij下标的含义与g_it相同，根据本申请的假设条件，每个小小区基站只为一个用户提供服务，因此SUE与其所归属的小小区基站序号相同，即若小小区基站t为某SUE提供服务，则该SUE的序号也设置为t，变量x_tj为第t个SUE占用第j个CUE资源的指示变量，x_tj＝1代表占用，x_tj＝0代表不占用；

上式的前两项为SUE在所有复用资源上相互产生的干扰功率，后两项为SUE与占用资源相对应的CUE互相产生的干扰功率，由于SUE和CUE的信号功率在接入阶段已得到确定，则原求解式(1)转而求解下述式(2)：

采用基于双向干扰图的势博弈资源分配算法求解出上述式(2)。

2.根据权利要求1所述的方法，其特征在于，所述的采用基于双向干扰图的势博弈资源分配算法求解出上述式(2)，包括：

定义博弈过程中的博弈者为SUE及其相应的服务小基站，策略空间S为所有SUE选择占用蜂窝资源的全部选择可能；

定义博弈过程的势函数为：

S为策略空间，s_i为任意一个博弈者i的策略；s_-i为除第i个SUE之外剩余所有SUE的策略向量构成的集合；

第i个SUE效用函数为：

α和β为拉格朗日乘数法中的参数；

构建双向的同层干扰图来表示SUE占用同频资源后彼此之间产生的干扰，构建无向的跨层干扰图来表示SUE与占用资源对应的CUE彼此产生的干扰；

根据所述同层干扰图和跨层干扰图，通过逐步迭代的博弈算法求解出最终的分配指示矩阵X，根据所述最终的分配指示矩阵X进行SUE用户的资源分配。

3.根据权利要求2所述的方法，其特征在于，所述的根据所述同层干扰图和跨层干扰图，通过逐步迭代的博弈算法求解出最终的分配指示矩阵X，包括：

引入并定义与分配指示矩阵X同型的资源分配效用矩阵B，该资源分配效用矩阵B的行索引代表SUE用户，列索引为选择占用的资源，每一项的值为算法迭代过程该行对应用户的潜在效用值；

根据CUE干扰的情况对各个SUE进行资源的选择和分配，形成分配指示矩阵X的初始值；

在一轮迭代过程中，对SUE用户采用轮询调度，选中的SUE用户依据当前表中对应的效用值进行该SUE用户的策略更新，将结果同步更新至分配指示矩阵X中，并与该SUE用户在上轮迭代过程的分配指示矩阵X中的策略进行比较，比较情况包括下面的a、b和c三种情况：

a、在新策略中出现，即本轮迭代与上轮迭代过程的选择相同，不更新效用矩阵B相应元素的值；

b、未在原策略中出现，但在新策略中出现，即本轮迭代与上轮迭代过程的选择不同，对效用矩阵B在该元素所在列的其他位置进行效用更新；

c、在原策略中出现，但未在新策略中出现，即本轮迭代与上轮迭代过程的选择不同，对效用矩阵B在该元素所在列的其他位置进行效用更新；

当一轮迭代过程完毕后，即所有SUE用户均被轮询到，整体比较当前的分配指示矩阵X和上一轮迭代形成的分配指示矩阵X是否完全相同，如果是，说明本轮迭代过程所有用户均未改变其策略，符合势博弈算法最优响应的终止条件，将当前的分配指示矩阵X作为最终的分配指示矩阵X；如果不是，则进行下一轮的迭代过程，重复上述过程直到满足势博弈算法的终止条件。

4.根据权利要求2所述的方法，其特征在于，所述的根据所述最终的分配指示矩阵X进行SUE用户的资源分配，包括：

根据所述最终的分配指示矩阵X中的元素x_ij的值进行SUE用户的资源分配，当x_ij的值为1时，代表第i个小小区用户能够占用第j个CUE用户使用的资源；当x_ij的值为0时，代表第i个小小区用户不能够占用第j个CUE用户使用的资源。

Images