CN109104735B - 超密集组网下多点协作传输的功率分配策略 - Google Patents

超密集组网下多点协作传输的功率分配策略 Download PDF

Info

Publication number
CN109104735B
CN109104735B CN201811067456.4A CN201811067456A CN109104735B CN 109104735 B CN109104735 B CN 109104735B CN 201811067456 A CN201811067456 A CN 201811067456A CN 109104735 B CN109104735 B CN 109104735B
Authority
CN
China
Prior art keywords
transmission
user
users
transmission node
node
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
CN201811067456.4A
Other languages
English (en)
Other versions
CN109104735A (zh
Inventor
杨龙祥
齐畅
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts 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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201811067456.4A priority Critical patent/CN109104735B/zh
Publication of CN109104735A publication Critical patent/CN109104735A/zh
Application granted granted Critical
Publication of CN109104735B publication Critical patent/CN109104735B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/022—Site diversity; Macro-diversity
    • H04B7/026—Co-operative diversity, e.g. using fixed or mobile stations as relays
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/52—Allocation or scheduling criteria for wireless resources based on load
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本发明揭示了一种超密集组网下多点协作传输的功率分配策略，包括如下步骤：S1、系统模型建立步骤，建立超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，并分析系统模型中的下行数据链路传输过程；S2、传输方案提出步骤，提出基于负载感知的多点协作传输方案、实现多点协作传输对资源分配的需求，并得到基于负载感知的多点协作传输方案的算法；S3、功率分配策略提出步骤，提出基于用户关联的后验概率功率分配策略，并使用基于用户关联的后验概率功率分配策略对多点协作传输系统的功率进行优化分配。发明能够提高小小区内边缘用户的性能、提高子载波的利用率和系统的总和率。

Description

超密集组网下多点协作传输的功率分配策略
技术领域
本发明涉及一种功率分配策略，具体而言，涉及一种超密集组网下多点协作传输的功率分配策略，属于通信领域。
背景技术
随着无线通信网络的快速发展以及智能终端设备的爆炸式增长，现有的网络结构面临着巨大的挑战。3GPP在LTE-Advanced中提出了一种新的网络架构模型(HeterogeneousNetwork,HetNet)，这种模型是指在现有宏小区的覆盖下，大量增加低功率传输节点，如micro、pico、femto以及中继等。由于这类低功率传输节点的传输功率低，使得其能以极其灵活的方式进行部署，从而以较低的成本实现对宏小区覆盖盲点的弥补，提高系统的频谱利用率。此外，在5G中超密集组网(Ultra Dense Deployment，UDN)场景下，大量低功率传输节点可以部署在用户密集区域，从而有效提升网络容量、扩展网络覆盖范围，但是这样的实现方式又造成了小小区间的同频干扰问题。为了解决这一问题，多点协作传输(Coordinated Multiple Points Transmission/Reception,CoMP)作为一种通过节点间的协作传输来消除小区间同频干扰的技术，在5G中得到了广泛的应用。
众所周知，小小区之间的干扰是影响UDN性能的主要因素之一，并且由于近年来小小区之间的距离不断减小，小小区间的干扰问题变得更加严重。目前，针对小小区间干扰问题的相关研究有很多，举例而言：在一个以用户为中心的虚拟范式中研究了干扰对齐问题，解决了UDN中的干扰问题。或是提出了一种基于图形的资源分配方法，最大化了资源利用率。又或是为了减小小小区内边缘用户(UE)遭受的干扰，提出了一种信道状态和干扰感知功率分配(PAG)方案，该方案通过调整发射功率来减小对其他用户的干扰。但是上述这些方法都没有考虑到低功率传输节点(TP)之间的合作问题。
目前，业内公认的操作方式是通过基站(BS)联合传输的方式来提高系统吞吐量和小小区边缘用户性能。这种联合传输的方式不仅能有效地消除小区间的信道干扰，还可以利用干扰信号来增加信号的接受强度。在UDN中，小小区之间的间隔很小，这会造成小小区的覆盖范围发生重叠。由于边缘用户接收的信号可能来自多个小小区，这些来自于其他小区的干扰信号可以通过CoMP进行联合处理，以达到减轻边缘用户遭受的干扰的目的。不过，尽管传输节点和基站之间灵活多变的联合传输策略可以增加小小区边缘用户的性能，但这也无疑会给无线资源的管理带来巨大挑战。
综上所述，如何在现有技术的基础上提出一种新的功率分配方案，结合现有技术中的诸多优点、克服诸多缺陷，也就成为了本领域内技术人员亟待解决的问题。
发明内容
鉴于现有技术存在上述缺陷，本发明提出了一种超密集组网下多点协作传输的功率分配策略，包括如下步骤：
S1、系统模型建立步骤，建立超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，并分析系统模型中的下行数据链路传输过程；
S2、传输方案提出步骤，依据所述超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，提出基于负载感知的多点协作传输方案、实现多点协作传输对资源分配的需求，并得到所述基于负载感知的多点协作传输方案的算法；
S3、功率分配策略提出步骤，依据所述基于负载感知的多点协作传输方案，提出基于用户关联的后验概率功率分配策略，并使用所述基于用户关联的后验概率功率分配策略对多点协作传输系统的功率进行优化分配。
优选地，S1所述系统模型建立步骤，具体包括：
S11、假设在超密集组网场景下、传输节点与用户随机分布于异构网络中，将多点协作传输系统中的用户依据所处位置分为中心用户及边缘用户两类；
S12、所述中心用户及边缘用户均选择接收信号强度最大的传输节点为主节点，传输节点依据信道状态信息确定其所服务的初始用户，所述中心用户只接收主节点的信号，所述边缘用户通过选择多点协作传输合作集实现信号接收。
优选地，S11中所述将多点协作传输系统中的用户依据所处位置分为中心用户及边缘用户两类，具体包括：将多点协作传输系统中处于传输节点覆盖中心位置的用户划分为中心用户，将多点协作传输系统中处于传输节点覆盖边缘位置的用户划分为边缘用户。
优选地，在S12中所述边缘用户通过选择多点协作传输合作集实现信号接收步骤前，还包括S121合作集构建步骤及S122合作集判定步骤。
优选地，所述S121合作集构建步骤具体包括：
假设集合T＝{1,2,...,N}表示所有的传输节点，集合U＝{1,2,...,M}表示所有的用户，Α∈CM×N表示用户与传输节点之间的分配矩阵，其中A中的元素的值为
Figure GDA0001861621940000031
用户m收到的信号为
Figure GDA0001861621940000041
其中，
Figure GDA0001861621940000042
表示用户m收到的期望信号，
Figure GDA0001861621940000043
表示同频干扰信号，Wm表示高斯白噪声功率，gi,n是用户与传输节点之间的信道矩阵G中的元素，表示第i个用户和第n个传输节点之间的信道增益。Pi,m代表该第i个传输节点对第m个用户的发送功率，
用户与传输节点之间的信道矩阵G为
Figure GDA0001861621940000044
用户m的信号与干扰加噪声比表示为
Figure GDA0001861621940000045
用户m接收信号的速率表示为
rm＝Blog(1+SINRm)，
其中，B为信道带宽，
小区的总传输速率表示为
Figure GDA0001861621940000046
优选地，所述S122合作集判定步骤，具体包括：
假设P0是用户收到主节点的发出的信号强度，Pi是用户收到第i个传输节点发出的信号强度，处于该边缘用户合作集中的传输节点应满足
P0-Pi≤δCoMP,
其中，δCoMP是多点协作传输合作集所选择的阀值。
优选地，S2所述传输方案提出步骤，具体包括：
S21、假设用户和传输节点之间的信道状态信息已知，传输节点可依据信道状态信息确定其服务的初始用户；
S22、依据所述超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，提出基于负载感知的多点协作传输方案，得到所述基于负载感知的多点协作传输方案的算法。
优选地，所述S3功率分配策略提出步骤，具体包括：
S31、计算规划方程，所述规划方程表达式为
Figure GDA0001861621940000051
其中，am,n的取值为0或1，Pn,m∈[Pn；min,Pn；max],
Figure GDA0001861621940000052
n∈T；
S32、设置并确定功率分配的约束条件，所述约束条件包括，
约束条件一，
Figure GDA0001861621940000053
所述约束条件一表示每个用户至少与一个传输节点连接，
约束条件二，
Figure GDA0001861621940000054
所述约束条件二表示每个传输节点的预期功率小于Pn；max，
约束条件三，SINRm≥SINRmin,
Figure GDA0001861621940000055
所述约束条件三表示每个用户收到发送信号的信号与干扰加噪声比的约束，
约束条件四，rm≥C,
Figure GDA0001861621940000056
所述约束条件四表示最小数据传输速率的约束，
约束条件五，
Figure GDA0001861621940000057
所述约束条件五表示前向回程链路的约束，其中，Fmax是指前向回程链路中传输节点所能服务的最大用户数目；
S33、采用基于用户关联的后验概率功率分配策略，结合约束条件，进行功率分配。
优选地，S33具体包括：
S331、假设传输节点已知关联用户m的信号与干扰加噪声比和可实现数据速率rm；
S332、确定可行性集，将所有满足约束条件三和约束条件四的传输节点作为用户的连接可行性传输节点集合；
S333、计算先验和条件概率，根据每个用户的连接可行性传输节点集合估计先验概率，设第i个用户的连接可行性传输节点集合为Fi＝{S1,S2,...,Sl}，则第i个用户的连接可行性传输节点集合中每个传输节点的先验概率为
Figure GDA0001861621940000061
其中，l定义为在不违反约束条件三和约束条件四的前提下的可实现的最大连接数，
随后根据可实现的数据传输速率和连接可行性传输节点集合来估计条件概率，设第j个传输节点仅为第i和第k个用户提供服务，用户i和k收到第j个传输节点信号的条件概率分别为
Figure GDA0001861621940000062
Figure GDA0001861621940000063
其中，ri,j表示用户i接收第j个传输节点信号的可达到的数据速率；
S334、计算后验概率，即计算传输节点j给用户i提供服务的概率，根据贝叶斯准则，将后验概率表示为
Figure GDA0001861621940000064
其中，
Figure GDA0001861621940000065
S335、功率分配，传输节点的总功率基于其服务的用户的后验概率值，加权分配给每个用户，设用户i连接到传输节点j，分配的功率为
Pj,i＝P(Sj|Ui)Pj；max，
当传输节点和用户的分配矩阵Α如下式时
Figure GDA0001861621940000071
则超密集组网场景下基于用户关联的后验概率功率分配方案的传输节点与用户之间的功率分配矩阵P可以表示为
Figure GDA0001861621940000072
与现有技术相比，本发明的优点主要体现在以下几个方面：
本发明通过对UDN场景下多用户CoMP蜂窝系统下行性能的研究，提出了一种超密集组网下多点协作传输的功率分配策略，本策略可以根据宏小区下的低功率传输节点服务的用户数目进行小小区负载平衡，从而提高小小区内边缘用户的性能、提高子载波的利用率和系统的总和率。
此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他功率分配策略的技术方案中，具有十分广阔的应用前景。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1为基于负载感知CoMP算法的流程图；
图2为基于负载感知的CoMP和传统CoMP系统性能仿真图；
图3为基于用户关联的后验概率功率分配方案和平均功率分配系统的性能仿真图；
图4为四种系统的性能仿真图。
具体实施方式
如图1所示，本发明揭示了一种超密集组网下多点协作传输的功率分配策略，包括如下步骤：
S1、系统模型建立步骤，建立超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，并分析系统模型中的下行数据链路传输过程。
S1所述系统模型建立步骤，具体包括：
S11、假设在超密集组网场景下、传输节点与用户随机分布于异构网络中，将多点协作传输系统中的用户依据所处位置分为中心用户及边缘用户两类；
S12、所述中心用户及边缘用户均选择接收信号强度最大的传输节点为主节点，传输节点依据信道状态信息(CSI)确定其所服务的初始用户，所述中心用户只接收主节点的信号，所述边缘用户通过选择多点协作传输合作集实现信号接收。
S11中所述将多点协作传输系统中的用户依据所处位置分为中心用户及边缘用户两类，具体包括：将多点协作传输系统中处于传输节点覆盖中心位置的用户划分为中心用户，将多点协作传输系统中处于传输节点覆盖边缘位置的用户划分为边缘用户。
在S12中所述边缘用户通过选择多点协作传输合作集实现信号接收步骤前，还包括S121合作集构建步骤及S122合作集判定步骤。
所述S121合作集构建步骤具体包括：
假设集合T＝{1,2,...,N}表示所有的传输节点，集合U＝{1,2,...,M}表示所有的用户，Α∈CM×N表示用户与传输节点之间的分配矩阵，其中A中的元素的值为
Figure GDA0001861621940000091
用户m收到的信号为
Figure GDA0001861621940000092
其中，
Figure GDA0001861621940000093
表示用户m收到的期望信号，
Figure GDA0001861621940000094
表示同频干扰信号，Wm表示高斯白噪声功率，gi,n是用户与传输节点之间的信道矩阵G中的元素，表示第i个用户和第n个传输节点之间的信道增益。Pi,m代表该第i个传输节点对第m个用户的发送功率，
用户与传输节点之间的信道矩阵G为
Figure GDA0001861621940000095
用户m的信号与干扰加噪声比(SINR)表示为
Figure GDA0001861621940000096
由于边缘用户通信质量要比中心用户的通信质量差，因此本方案采用JT-CoMP传输方式来改善边缘用户的通信质量，用户m接收信号的速率表示为
rm＝Blog(1+SINRm)，
其中，B为信道带宽，
由于本方案采用JT-CoMP传输方式，小区的总传输速率表示为
Figure GDA0001861621940000101
所述S122合作集判定步骤，具体包括：
假设P0是用户收到主节点的发出的信号强度，Pi是用户收到第i个传输节点发出的信号强度，处于该边缘用户合作集中的传输节点应满足
P0-Pi≤δCoMP,
其中，δCoMP是多点协作传输合作集所选择的阀值。
S2、传输方案提出步骤，依据所述超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，提出基于负载感知的多点协作传输方案、实现多点协作传输对资源分配的需求，并得到所述基于负载感知的多点协作传输方案的算法；
S3、功率分配策略提出步骤，依据所述基于负载感知的多点协作传输方案，提出基于用户关联的后验概率功率分配(P2UPA)策略，并使用所述基于用户关联的后验概率功率分配策略对多点协作传输系统的功率进行优化分配。
S2所述传输方案提出步骤，具体包括：
S21、假设用户和传输节点之间的信道状态信息已知，传输节点可依据信道状态信息确定其服务的初始用户；
S22、依据所述超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，提出基于负载感知的多点协作传输方案，得到所述基于负载感知的多点协作传输方案的算法。
由于传输节点与用户之间的关系受信道状态信息和负载信息(CLI)的约束，我们假设用户和传输节点之间的信道状态信息已知，则传输节点可以根据信道状态信息确定其服务的初始用户。在宏小区中使用JT-CoMP可以减小边缘用户受到的干扰，提高边缘用户的通信质量和传输速率，进而提高总传输速率。但是使用多点协作传输技术对资源分配是有要求的，当正在受到传输节点服务的用户占用了一段子载波时，被该传输节点服务的其他用户不能重用这段子载波。因此当用户数目增加时，将会占用更多的子载波，这会造成有些用户不能被传输节点服务，所以边缘用户的传输速率会受到影响。考虑到这个问题，本发明提出了一种基于负载感知的多点协作传输方案(CLA-CoMP)，该方案旨在提高小小区边缘用户的速率和总和速率R。
假设传输节点知道它服务的用户的信道状态信息，传输节点根据负载信息调整它服务的用户的数目。当小小区负载足够大并且高于可用子载波数时，传输节点将自适应地关闭信道最差的用户，从而减少小小区的负载。换句话说，基站不再为信道最差的用户提供服务。然后，被该用户占用的子载波得以释放。传输节点根据负载信息调整它服务的用户的数目，当小小区负载很大且无可用子载波时，传输节点将其服务的用户中信道增益最小的踢出服务，该用户占用的子载波随即被释放。传输节点通过这种方法调整小小区负载并更新了他们所服务的用户。CLA-CoMP的算法如下表所示。
表1 CLA-COMP算法
Figure GDA0001861621940000111
Figure GDA0001861621940000121
S2所述传输方案提出步骤，具体包括：
S21、假设用户和传输节点之间的信道状态信息已知，传输节点可依据信道状态信息确定其服务的初始用户；
S22、依据所述超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，提出基于负载感知的多点协作传输方案，得到所述基于负载感知的多点协作传输方案的算法。
由于传输节点与用户之间的关系受信道状态信息和负载信息(CLI)的约束，我们假设用户和传输节点之间的信道状态信息已知，则传输节点可以根据信道状态信息确定其服务的初始用户。在宏小区中使用JT-CoMP可以减小边缘用户受到的干扰，提高边缘用户的通信质量和传输速率，进而提高总传输速率。但是使用多点协作传输技术对资源分配是有要求的，当正在受到传输节点服务的用户占用了一段子载波时，被该传输节点服务的其他用户不能重用这段子载波。因此当用户数目增加时，将会占用更多的子载波，这会造成有些用户不能被传输节点服务，所以边缘用户的传输速率会受到影响。考虑到这个问题，本发明提出了一种基于负载感知的多点协作传输方案(CLA-CoMP)，该方案旨在提高小小区边缘用户的速率和总和速率R。
假设传输节点知道它服务的用户的信道状态信息，传输节点根据负载信息调整它服务的用户的数目。当小小区负载足够大并且高于可用子载波数时，传输节点将自适应地关闭信道最差的用户，从而减少小小区的负载。换句话说，基站不再为信道最差的用户提供服务。然后，被该用户占用的子载波得以释放。传输节点根据负载信息调整它服务的用户的数目，当小小区负载很大且无可用子载波时，传输节点将其服务的用户中信道增益最小的踢出服务，该用户占用的子载波随即被释放。传输节点通过这种方法调整小小区负载并更新了他们所服务的用户。CLA-CoMP的算法如下表所示。
所述S3功率分配策略提出步骤，具体包括：
S31、计算规划方程，所述规划方程表达式为
Figure GDA0001861621940000131
该方程可以用来最大化网络中的总UE速率，这个优化问题中有两个初始化参数，其中，am,n的取值为0或1，Pn,m∈[Pn；min,Pn；max],
Figure GDA0001861621940000132
n∈T；
S32、设置并确定功率分配的约束条件，所述约束条件包括，
约束条件一，
Figure GDA0001861621940000133
所述约束条件一表示每个用户至少与一个传输节点连接，
约束条件二，
Figure GDA0001861621940000134
所述约束条件二表示每个传输节点的预期功率小于Pn；max，
约束条件三，SINRm≥SINRmin,
Figure GDA0001861621940000135
所述约束条件三表示每个用户收到发送信号的信号与干扰加噪声比的约束，
约束条件四，rm≥C,
Figure GDA0001861621940000136
所述约束条件四表示最小数据传输速率的约束，
约束条件五，
Figure GDA0001861621940000137
所述约束条件五表示前向回程链路的约束，其中，Fmax是指前向回程链路中传输节点所能服务的最大用户数目；
S33、采用基于用户关联的后验概率功率分配策略，结合约束条件，进行功率分配。
由于在本方案中，规划方程是一个非线性非凸的问题,也由于约束条件二和约束条件四的非凸性质，因此规划方程的最优解是很难求解的。
对于这一问题我们可以采用基于P2UPA方案来进行功率分配。相对于以往的PF-PA方案来说，该方案可以为最高关联概率的用户分配更高的功率。本发明假设每当用户请求服务时，传输节点可以获取关联用户的SINR和可实现的数据传输速率。基于上述假设，本发明采用P2UPA方案，其中每个用户被多个传输节点的服务。具体方案如下所述。
S33具体包括：
S331、假设传输节点已知关联用户m的信号与干扰加噪声比和可实现数据速率rm；
S332、确定可行性集，将所有满足约束条件三和约束条件四的传输节点作为用户的连接可行性传输节点集合；
S333、计算先验和条件概率，根据每个用户的连接可行性传输节点集合估计先验概率，设第i个用户的连接可行性传输节点集合为Fi＝{S1,S2,...,Sl}，则第i个用户的连接可行性传输节点集合中每个传输节点的先验概率为
Figure GDA0001861621940000141
其中，l定义为在不违反约束条件三和约束条件四的前提下的可实现的最大连接数，
随后根据可实现的数据传输速率和连接可行性传输节点集合来估计条件概率，设第j个传输节点仅为第i和第k个用户提供服务，用户i和k收到第j个传输节点信号的条件概率分别为
Figure GDA0001861621940000142
Figure GDA0001861621940000151
其中，ri,j表示用户i接收第j个传输节点信号的可达到的数据速率；
S334、计算后验概率，即计算传输节点j给用户i提供服务的概率，根据贝叶斯准则，将后验概率表示为
Figure GDA0001861621940000152
其中，
Figure GDA0001861621940000153
S335、功率分配，用户可以根据其后验概率值与小小区关联，每个用户根据其最大后验概率值选择一个传输节点，对于边缘用户，只要上行传输容量限制(例如约束条件五)不满足，可以根据后验概率的降序将用户关联到多个的传输节点。为了满足每个传输节点的最大功率约束(例如约束条件二)，该传输节点的总功率基于其服务的用户的后验概率值，加权分配给每个用户，设用户i连接到传输节点j(即αi,j＝1)，分配的功率为
Pj,i＝P(Sj|Ui)Pj；max，
当传输节点和用户的分配矩阵Α如下式时
Figure GDA0001861621940000154
则超密集组网场景下基于用户关联的后验概率功率分配方案的传输节点与用户之间的功率分配矩阵P可以表示为
Figure GDA0001861621940000155
为了验证本发明的技术效果，技术人员在传输节点和用户被统一随机部署、信道参数服从瑞利分布的情况下，将使用本发明的系统和平均功率分配的UDN系统的性能进行了比较。仿真结果表明，与传统的平均功率分配的UDN系统相比，使用本发明的系统能获得更大的系统总和率。
以下结合仿真结果对本发明的技术效果进行进一步说明，本发明考虑了一个100×100平方米的通信区域。在这个区域中，传输节点和用户被统一随机部署，信道参数服从瑞利分布。主要模拟参数如下表所示，
表2仿真参数表
Figure GDA0001861621940000161
其中，各项参数不失一般性，每个子载波的带宽被设置为1。本发明比较了采用传统平均功率分配下的基于负载感知的CoMP系统和传统CoMP系统的性能。随后比较了基于用户关联的后验概率功率分配方案和传统平均功率分配方案的性能。最后，本发明对基于负载感知的CoMP且采用传统平均功率分配方案的系统，基于负载感知的CoMP和基于用户关联的后验概率功率分配方案的系统，传统CoMP采用传统平均功率分配方案的系统以及传统CoMP下基于用户关联的后验概率功率分配方案的系统的总和速率进行了比较。
图2给出了采用传统平均功率分配方案的情况下，基于负载感知的CoMP的系统和传统CoMP方案的系统总和速率和用户数目的关系。可以看出，基于负载感知的CoMP方案的系统的总和速率是以指数形式增加，相较于传统CoMP方案的系统，增长速度变快。这是因为基于负载感知的CoMP方案的系统关键思想是当小小区负载大于可用资源时，传输节点自适应地调整小小区负载以关闭最小信道增益用户，然后释放部分可用资源，其余用户可以被传输节点服务，因此小小区负载是平衡的。
图3给出了在基于负载感知的CoMP方案的情况下，采用了基于用户关联的后验概率功率分配方案和传统平均功率分配方案的系统的总和速率和用户数目的关系。可以看出，对于特定数量的用户，采用基于用户关联的后验概率功率分配方案和传统平均功率分配方案的系统的总和速率都是呈指数增长。但基于用户关联的后验概率功率分配方案显然优于传统平均功率分配方案，这是因为基于用户关联的后验概率功率分配方案的关键思想是为最高关联概率的用户分配更多功率。
图4给出了基于负载感知的CoMP和传统平均功率分配方案的系统，基于负载感知的CoMP和基于用户关联的后验概率功率分配方案的系统，采用传统平均功率分配方案和传统CoMP的系统以及基于用户关联的后验概率功率分配方案和传统CoMP的系统的总和速率与发送功率之间的关系。如图4所示，随着可用功率的增加，总和速率在四条曲线上呈指数增长。图2和图3表明了基于负载感知的CoMP的系统的总和速率优于传统CoMP方案的系统，采用基于用户关联的后验概率功率分配方案的系统的总和速率优于采用传统平均功率分配方案的系统。然而，无论采用传统平均功率分配方案还是基于用户关联的后验概率功率分配方案，基于负载感知的CoMP系统的总和速率都优于传统CoMP的系统。对基于用户关联的后验概率功率分配方案而言，基于负载感知的CoMP系统的总和率优于传统CoMP的系统。所以本发明提出的基于负载感知的CoMP系统的功率分配方案能获得更大的系统增益。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种超密集组网下多点协作传输的功率分配策略，其特征在于，包括如下步骤：
S1、系统模型建立步骤，建立超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，并分析系统模型中的下行数据链路传输过程；
S2、传输方案提出步骤，依据所述超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，提出基于负载感知的多点协作传输方案、实现多点协作传输对资源分配的需求，并得到所述基于负载感知的多点协作传输方案的算法；
S3、功率分配策略提出步骤，依据所述基于负载感知的多点协作传输方案，提出基于用户关联的后验概率功率分配策略，并使用所述基于用户关联的后验概率功率分配策略对多点协作传输系统的功率进行优化分配；
所述S3功率分配策略提出步骤，具体包括：
S31、计算规划方程，所述规划方程表达式为
Figure FDA0003206336430000011
其中，am,n的取值为0或1，
Figure FDA0003206336430000012
S32、设置并确定功率分配的约束条件，所述约束条件包括，
约束条件一，
Figure FDA0003206336430000013
所述约束条件一表示每个用户至少与一个传输节点连接，
约束条件二，
Figure FDA0003206336430000014
所述约束条件二表示每个传输节点的预期功率小于Pn；max，
约束条件三，
Figure FDA0003206336430000021
所述约束条件三表示每个用户收到发送信号的信号与干扰加噪声比的约束，
约束条件四，
Figure FDA0003206336430000022
所述约束条件四表示最小数据传输速率的约束，
约束条件五，
Figure FDA0003206336430000023
所述约束条件五表示前向回程链路的约束，其中，Fmax是指前向回程链路中传输节点所能服务的最大用户数目；
S33、采用基于用户关联的后验概率功率分配策略，结合约束条件，进行功率分配；
S33具体包括：
S331、假设传输节点已知关联用户m的信号与干扰加噪声比和可实现数据速率rm；
S332、确定可行性集，将所有满足约束条件三和约束条件四的传输节点作为用户的连接可行性传输节点集合；
S333、计算先验和条件概率，根据每个用户的连接可行性传输节点集合估计先验概率，设第i个用户的连接可行性传输节点集合为Fi＝{S1,S2,...,Sl}，则第i个用户的连接可行性传输节点集合中每个传输节点的先验概率为
Figure FDA0003206336430000024
其中，l定义为在不违反约束条件三和约束条件四的前提下的可实现的最大连接数，
随后根据可实现的数据传输速率和连接可行性传输节点集合来估计条件概率，设第j个传输节点仅为第i和第k个用户提供服务，用户i和k收到第j个传输节点信号的条件概率分别为
Figure FDA0003206336430000031
Figure FDA0003206336430000032
其中，ri,j表示用户i接收第j个传输节点信号的可达到的数据速率；
S334、计算后验概率，即计算传输节点j给用户i提供服务的概率，根据贝叶斯准则，将后验概率表示为
Figure FDA0003206336430000033
其中，
Figure FDA0003206336430000034
S335、功率分配，传输节点的总功率基于其服务的用户的后验概率值，加权分配给每个用户，设用户i连接到传输节点j，分配的功率为Pj,i＝P(Sj|Ui)Pj；max，
当传输节点和用户的分配矩阵A如下式时
Figure FDA0003206336430000035
则超密集组网场景下基于用户关联的后验概率功率分配方案的传输节点与用户之间的功率分配矩阵P可以表示为
Figure FDA0003206336430000041
2.根据权利要求1所述的超密集组网下多点协作传输的功率分配策略，其特征在于，S1所述系统模型建立步骤，具体包括：
S11、假设在超密集组网场景下、传输节点与用户随机分布于异构网络中，将多点协作传输系统中的用户依据所处位置分为中心用户及边缘用户两类；
S12、所述中心用户及边缘用户均选择接收信号强度最大的传输节点为主节点，传输节点依据信道状态信息确定其所服务的初始用户，所述中心用户只接收主节点的信号，所述边缘用户通过选择多点协作传输合作集实现信号接收。
3.根据权利要求2所述的超密集组网下多点协作传输的功率分配策略，其特征在于，S11中所述将多点协作传输系统中的用户依据所处位置分为中心用户及边缘用户两类，具体包括：将多点协作传输系统中处于传输节点覆盖中心位置的用户划分为中心用户，将多点协作传输系统中处于传输节点覆盖边缘位置的用户划分为边缘用户。
4.根据权利要求2所述的超密集组网下多点协作传输的功率分配策略，其特征在于，在S12中所述边缘用户通过选择多点协作传输合作集实现信号接收步骤前，还包括S121合作集构建步骤及S122合作集判定步骤。
5.根据权利要求4所述的超密集组网下多点协作传输的功率分配策略，其特征在于，所述S121合作集构建步骤具体包括：
假设集合T＝{1,2,...,N}表示所有的传输节点，集合U＝{1,2,...,M}表示所有的用户，A∈CM×N表示用户与传输节点之间的分配矩阵，其中A中的元素的值为
Figure FDA0003206336430000051
用户m收到的信号为
Figure FDA0003206336430000052
其中，
Figure FDA0003206336430000053
表示用户m收到的期望信号，
Figure FDA0003206336430000054
表示同频干扰信号，Wm表示高斯白噪声功率，gi,n是用户与传输节点之间的信道矩阵G中的元素，表示第i个用户和第n个传输节点之间的信道增益， Pi,m代表该第i个传输节点对第m个用户的发送功率，
用户与传输节点之间的信道矩阵G为
Figure FDA0003206336430000055
用户m的信号与干扰加噪声比表示为
Figure FDA0003206336430000056
用户m接收信号的速率表示为rm＝B log(1+SINRm)，
其中，B为信道带宽，
小区的总传输速率表示为
Figure FDA0003206336430000061
6.根据权利要求4所述的超密集组网下多点协作传输的功率分配策略，其特征在于，所述S122合作集判定步骤，具体包括：
假设P0是用户收到主节点的发出的信号强度，Pi是用户收到第i个传输节点发出的信号强度，处于该边缘用户合作集中的传输节点应满足
P0-Pi≤δCoMP,
其中，δCoMP是多点协作传输合作集所选择的阀值。
7.根据权利要求1所述的超密集组网下多点协作传输的功率分配策略，其特征在于，S2所述传输方案提出步骤，具体包括：
S21、假设用户和传输节点之间的信道状态信息已知，传输节点可依据信道状态信息确定其服务的初始用户；
S22、依据所述超密集组网场景下的下行的多用户多点协作传输蜂窝系统模型，提出基于负载感知的多点协作传输方案，得到所述基于负载感知的多点协作传输方案的算法。
CN201811067456.4A 2018-09-13 2018-09-13 超密集组网下多点协作传输的功率分配策略 Active CN109104735B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811067456.4A CN109104735B (zh) 2018-09-13 2018-09-13 超密集组网下多点协作传输的功率分配策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811067456.4A CN109104735B (zh) 2018-09-13 2018-09-13 超密集组网下多点协作传输的功率分配策略

Publications (2)

Publication Number Publication Date
CN109104735A CN109104735A (zh) 2018-12-28
CN109104735B true CN109104735B (zh) 2021-09-24

Family

ID=64866163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811067456.4A Active CN109104735B (zh) 2018-09-13 2018-09-13 超密集组网下多点协作传输的功率分配策略

Country Status (1)

Country Link
CN (1) CN109104735B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102223327A (zh) * 2011-07-18 2011-10-19 西安电子科技大学 CoMP多用户系统中基于广义交替最大的信道估计方法
CN105517057A (zh) * 2016-01-21 2016-04-20 重庆邮电大学 一种基于频谱感知的负载均衡方法及系统
CN105636057A (zh) * 2016-01-04 2016-06-01 南京邮电大学 超密集网络中一种基于非协作博弈的资源分配方法
CN107005340A (zh) * 2014-10-31 2017-08-01 瑞典爱立信有限公司 无线通信网络中的传输数据信号传送
CN108322938A (zh) * 2018-01-23 2018-07-24 南京邮电大学 超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10630434B2 (en) * 2017-02-01 2020-04-21 Electronics And Telecommunications Research Institute Operation method of communication node for supporting coordinated multi-point transmission and reception in communication network

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102223327A (zh) * 2011-07-18 2011-10-19 西安电子科技大学 CoMP多用户系统中基于广义交替最大的信道估计方法
CN107005340A (zh) * 2014-10-31 2017-08-01 瑞典爱立信有限公司 无线通信网络中的传输数据信号传送
CN105636057A (zh) * 2016-01-04 2016-06-01 南京邮电大学 超密集网络中一种基于非协作博弈的资源分配方法
CN105517057A (zh) * 2016-01-21 2016-04-20 重庆邮电大学 一种基于频谱感知的负载均衡方法及系统
CN108322938A (zh) * 2018-01-23 2018-07-24 南京邮电大学 超密集组网下基于双层非合作博弈理论的功率分配方法及其建模方法

Also Published As

Publication number Publication date
CN109104735A (zh) 2018-12-28

Similar Documents

Publication Publication Date Title
Zhang et al. Weighted sum-rate maximization in multi-cell networks via coordinated scheduling and discrete power control
US10055682B2 (en) Self-optimizing deployment cascade control scheme and device based on TDMA for indoor small cell in interference environments
US10080200B2 (en) Intelligent deployment cascade control device based on an FDD-OFDMA indoor small cell in multi-user and interference environments
CN108965009B (zh) 一种基于势博弈的负载已知用户关联方法
WO2015184884A1 (zh) 基于小区间协作的异构网服务小区选择方法及装置
Hajisami et al. Dynamic joint processing: Achieving high spectral efficiency in uplink 5G cellular networks
Nishimori et al. Distributed interference cancellation for cognitive radios using periodic signals of the primary system
Mesodiakaki et al. Joint uplink and downlink cell selection in cognitive small cell heterogeneous networks
Apostolos et al. Energy efficient spectrum allocation and mode selection for mission-critical D2D communications
CN104394596A (zh) 一种TD-LTE-Advanced中继系统中兼顾吞吐量和公平性的上行资源分配方法
Wang et al. QoS-aware cooperative power control and resource allocation scheme in LTE femtocell networks
Falconetti et al. Distributed uplink macro diversity for cooperating base stations
Lin et al. Dynamic TDD interference mitigation by using soft reconfiguration
Ghimire et al. Busy burst enabled coordinated multipoint network with decentralized control
Huang et al. HICIC: Hybrid inter-cell interference coordination for two-tier heterogeneous networks with non-uniform topologies
CN109104735B (zh) 超密集组网下多点协作传输的功率分配策略
Al-Hilfi et al. Effects of Varying LTE Link Budget Parameters on MAPL and Cell Range.
Malik et al. Suboptimal radio resource management for full-duplex enabled small cells
Liu et al. Cell clustering and resource allocation scheme for CoMP SU-MIMO
Malmirchegini et al. Distributed and adaptive optimization of LTE-TDD configuration based on UE traffic type
Michel et al. Performance evaluation of the eICIC technique applied to a heterogeneous 4G mobile network
Jember et al. Impact of Enhanced Inter-Cell Interference Coordination on Heterogeneous Network Topology in LTE-A Using Cell Range Extension
Ahmad et al. Exploiting heterogeneous networks model for cluster formation and power allocation in uplink NOMA
Daghal et al. LTE network performance evaluation based on effects of various parameters on the cell range and MAPL
Marcano et al. System-level performance of C-NOMA: A cooperative scheme for capacity enhancements in 5G mobile networks

Legal Events

Date Code Title Description
PB01 Publication
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