CN112839337A

CN112839337A - 一种基于分治递归策略的超密微基站间干扰协调方法

Info

Publication number: CN112839337A
Application number: CN202110017376.3A
Authority: CN
Inventors: 徐琴珍; 邵文韬; 侯坤林; 毛喻; 周鑫; 杨绿溪
Original assignee: Southeast University
Current assignee: Southeast University
Priority date: 2021-01-07
Filing date: 2021-01-07
Publication date: 2021-05-25
Anticipated expiration: 2041-01-07
Also published as: CN112839337B

Abstract

本发明公开了一种基于分治递归策略的超密微基站间干扰协调方法，包括，选取微基站组G并确定各微基站的重要性程度；确定网络拓扑的干扰矩阵；选取G中重要程度最大的微基站并分配第1个子帧资源或将G更新为上层递归传入的该层递归的微基站组G^return；选取次重要微基站组G_k；计算G_k中同频干扰最小的一对微基站令其复用在同一个子帧资源下；分别以G_k中的每一个基站为聚类中心，将未分配子帧资源的剩余基站分为k组，每组基站连同其各自的聚类中心基站作为下一层传入的G^return；分治递归步骤3至步骤6，直至达到回退条件，完成所有的分治搜索分支回退时结束。通过本发明可以实现在5G超密场景中关联于同一宏基站的微基站的时域子帧资源的高效合理分配。

Description

一种基于分治递归策略的超密微基站间干扰协调方法

技术领域

本发明涉及无线通信网络的技术领域，尤其涉及一种基于分治递归策略的超密微基站间干扰协调方法。

背景技术

近年来，5G网络关键技术在近年逐渐从技术论证走向工程落地，而与4G 网络不同的是毫米波技术的大规模部署，由于毫米波的波长较短且易受干扰，超密集组网和多层异构组网成为5G网络的重要组网方式。在超密集组网中，由于微基站的密集部署，临近的微基站间可以存在非常严重的干扰，导致信号质量下降，丢包率上升，从而降低整体网络的服务质量和系统容量，对整个网络拓扑的整体性能有着严重的影响。

同时5G异构网络中网络往往处于多层状态，且对于一个典型的宏基站，其所关联的微基站数目庞大，地理分布复杂，导致即使宏基站有着较多的时频资源，其跨层协调给所关联的数目众多的微基站的时频资源在同一个有效时间内有限，例如eICIC技术的Almost Blank Subframe子帧资源。微基站组内的各微基站的空间地理位置、平均吞吐量、发射功率、平均时延等参数均不同，若发生同频干扰，微基站与微基站间的干扰程度也因此不同，如何利用算法协调微基站与微基站间的干扰，并将一段有效时间内的有限正交资源块高效合理分配给每个微基站成为工程上亟待解决的问题，资源块调度方式既要考虑到超密微基站的空间拓扑，也要考虑微基站的L1层，L2和L3层性能，同时也要时间复杂度低。

现有算法中存在的主要问题包括控制信息的发送过于频繁，算法的复杂度较大和计算量较大等问题，不利于其在实际工程中的应用。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供了一种基于分治递归策略的超密微基站间干扰协调方法，该发明能够解决时域子帧资源在调度中存在的调度计算时间复杂度大，系统性全局优化能力较低的问题，确保微基站的时域子帧资源的高效合理分配。

技术方案：为了实现上述发明目的，本发明提供了一种基于分治递归策略的超密微基站间干扰协调方法，包括以下步骤，

步骤1：选取关联于一个典型宏基站的微基站组成的微基站组G，根据在滑动时间窗内各微基站的平均吞吐量、发射功率、平均时延确定各微基站的重要性程度；

步骤2：利用微基站间X2接口测量的信道特征及基站所配置功率确定网络拓扑的干扰矩阵，若因两基站间的X2接口资源不足的原因难以获得X2数据导致干扰矩阵值的缺失，则利用3GPP信道模型结合基站已配置的空间坐标求得干扰矩阵缺失值的理论近似并填充，否则继续进行下一步骤；

步骤3：若该步骤为第一次执行，则选取微基站组G中重要程度最大的微基站并分配第1个子帧资源，否则将微基站组G更新为上层递归传入的该层递归的微基站组G^return；

步骤4：根据在时间维度上的子帧资源数量k在微基站组G中再选取重要程度最大的前k个次重要微基站组G_k；

步骤5：结合干扰矩阵计算得到次重要微基站组G_k中同频干扰最小的一对微基站，令其复用在同一个子帧资源下，并且该复用子帧与其所有上层递归层的聚类中心微基站所分配的子帧资源不同，对剩下的微基站顺序赋予子帧资源；

步骤6：分别以次重要微基站组G_k中的每一个基站为聚类中心，根据网络空间拓扑结合干扰矩阵将未分配子帧资源的剩余基站分为k组，每组基站连同其各自的聚类中心基站作为下一层递归传入的G^return；

步骤7：分治递归步骤3至步骤6，直至某一递归层的微基站组G中的基站数量小于或等于k，并对该递归层的次重要微基站组G_k中的微基站轮流赋予子帧资源后，递归算法达到回退条件；

步骤8：所有的分治搜索分支回退结束，此时每个微基站均关联于某个子帧资源。

进一步的，在本发明中：所述确定各微基站的重要性程度还包括以下步骤，

步骤1-1：所述各微基站在滑动时间窗内的吞吐量和平均时延通过基站MAC 层流量信息与时间戳信息计算获取，发射功率通过基站物理层配置信息获取；

步骤1-2：微基站的重要性程度基于以下评价公式：

其中，f₁(·)、f₂(·)和f₃(·)分别为根据网络实际情况配置的线性或非线性的正增函数，throughput_windowLen[i]为微基站BS_i在长度为windowLen的滑动时间窗内的总流量统计值，Power_i为微基站BS_i的发射功率，th为一个可调正常数， PacketAvgDelay_i为微基站BS_i在长度为windowLen的滑动时间窗内的平均包时延。

进一步的，在本发明中：所述步骤2还包括以下步骤，

步骤2-1：通过两基站间的X2接口获得X2信道的参考信号接收功率RSRP，计算基站间的路径损耗Pathloss为：

其中，Prstx为参考信号发送基站所配置的参考信号的发射功率，干扰矩阵的每个元素Interferen cei_j可表示为：

其中，i、j分别对应基站的编号，Power_i和Power_j分别表示编号为i、j的基站的发射功率；

步骤2-2：当两基站间难以获得X2数据导致干扰矩阵值的缺失时，求得的干扰矩阵缺失值的每个元素Interferen cei_j可表示为：

Interference_ij＝Power_i*Power_j*PathlossModel_3gpp(Location_ij)

其中，PathlossMo del_3gpp(·)为3GPP协议所规定的信道衰减模型，Location_ij表示基站的地理坐标信息。

进一步的，在本发明中：所述步骤4还包括以下步骤，

步骤4-1：选取重要程度最大的前k个次重要微基站的k个代表微基站的时域子帧资源数，并将其分配给微基站；

步骤4-2：当待选取的微基站数目小于或等于k，则满足步骤7中所述的递归算法回退条件。

进一步的，在本发明中：所述步骤5还包括以下步骤，

步骤5-1：根据干扰矩阵选取次重要微基站组G_k中同频干扰最小的基站，令其复用在同一子帧资源下，基于抽屉原理，加上步骤3中选取的重要程度最大的微基站后共包括k+1个微基站，且k代表微基站的时域子帧资源数，至少有一对基站需要复用同一个子帧资源造成同频干扰，结合干扰矩阵计算可以得到该组中同频干扰最小的一对微基站使其复用在同一个子帧资源下；

步骤5-2：步骤3中分配了第1个子帧资源，次重要微基站组G_k中同频干扰最小的一对微基站复用于相同的子帧资源后，所选取微基站和子帧资源数均余下k-2个，根据顺序赋予的方式将子帧资源其分配给微基站，不存在同频干扰。

进一步的，在本发明中：所述步骤6中，充分考虑拓扑特征，通过聚类方法充分挖掘网络拓扑的全局地理特征，聚类公式如下：

其中，i表示待归类的基站BS_i的编号，j表示候选的基站类的编号，G_k[j]表示第j个候选基站类的聚类中心基站，通过上述聚类公式可以判别出基站BS_i所属基站类的编号

进一步的，在本发明中：所述步骤7还包括以下步骤，

步骤7-1：在下一层递归中，步骤3的初始微基站组中重要程度最大的微基站即为本层递归中步骤6的聚类中心基站；

步骤7-2：递归算法的回退条件为该层递归的初始微基站组的数量小于或等于k，此时根据顺序赋予的方式将子帧资源直接分配给微基站。

有益效果：本发明与现有技术相比，其有益效果是：适用于5G超密网络，充分利用了网络拓扑的全局特征，并且由于其利用了分治递归思想，并且在此过程中无需频繁发送控制信息，能够在保证性能的同时算法的时间复杂度低，对计算量的要求小，明显提高了系统性全局优化能力和工程化效果。

附图说明

图1为本发明所述方法的整体流程示意图；

图2为本发明所述方法中各参数映射于网络拓扑的示意图；

图3为本发明中子帧资源通过聚类方法分治递归分配过程的示意图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明：

本发明可以用许多不同的形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻且完整，并且将向本领域技术人员充分表达本发明的范围。

如图1所示，为本发明提出的一种基于分治递归策略的超密微基站间干扰协调方法的整体流程示意图，该方法具体包括以下步骤，

进一步的，确定各微基站的重要性程度还包括以下步骤，

步骤1-2：微基站的重要性程度Importance_i基于以下评价公式计算：

其中，f₁(·)、f₂(·)和f₃(·)分别为根据网络实际情况配置的线性或非线性的正增函数，throughput_windowLen[i]为微基站BS_i在长度为windowLen的滑动时间窗内的总流量统计值，Power_i为微基站BS_i的发射功率，th为一个可调正常数，滑动时间窗的长度windowLen和可调正常数th均由本领域专业人员进行设定， PacketAvgDelay_i为微基站BS_i在长度为windowLen的滑动时间窗内的平均包时延。

步骤2：利用微基站间X2接口测量的信道特征及基站所配置功率确定网络拓扑的干扰矩阵，若因两基站间的X2接口资源不足的原因难以获得X2数据导致干扰矩阵值的缺失，则利用3GPP信道模型结合基站已配置的空间坐标求得干扰矩阵缺失值的理论近似并填充，否则继续进行下一步骤；其中，某两基站间难以获得X2数据的最常见情况为一个基站的可配置X2接口不充足时，导致与距离其较远的基站无法建立X2通路。

具体的，该步骤还包括，

其中，i、j分别对应基站的编号，Power_i和Power_j分别表示编号为i、j的基站的发射功率。

步骤2-2：当两基站间难以获得X2数据导致干扰矩阵值的缺失时，例如由于尚未配置对应的X2帧结构或其他原因而导致的无法获取用以计算干扰矩阵的参数，则利用3GPP的大尺度和小尺度干扰模型结合基站的地理坐标求得干扰矩阵缺失值的理论值并填充，此时求得的干扰矩阵缺失值的每个元素 Interferen cei_j可表示为：

Interference_ij＝Power_i*Power_j*PathlossModel_3gpp(Location_ij)

具体的，参照图3的示意，若步骤3为第一次执行，则选取微基站组G中重要程度最大的微基站并分配第1个子帧资源subframe₁；若步骤3不是第一次执行，则仅将微基站组G更新为上层递归传入的该层递归的微基站组G^return，上一层递归过程中已经分配给G^return中重要程度最大的微基站其子帧资源。

由于微基站相当于宏基站的小区扩展，因此微基站在一段时间内的帧资源是有限的，例如宏基站的ABS资源，典型情况下该资源被分为若干个子帧，并在一段时间分配给微基站组中的微基站。由于在5G超密场景中微基站数量大，有效时间内的子帧资源紧缺，无法保证各个微基站工作的完全正交性，因此应当先将子帧资源分配给重要程度最大的微基站。

具体的，步骤4还包括以下步骤，

步骤4-1：选取重要程度最大的前k个次重要微基站的k个代表微基站的时域子帧资源数，并将其分配给微基站；若因取等条件而使满足可取出的微基站数量大于k，则在取等处随机取够满足数量要求的微基站即可。

例如宏基站在一段时间内的ABS资源分成k个ABS子帧，k个ABS子帧即为要分配给微基站的时域子帧资源；

步骤4-2：当待选取的微基站数目小于或等于k，则满足步骤7中所述的递归算法回退条件，此时直接跳转至步骤7。

步骤5：结合干扰矩阵计算得到次重要微基站组G_k中同频干扰最小的一对微基站，令其复用在同一个子帧资源下，并且该复用子帧与其所有上层递归层的聚类中心微基站所分配的子帧资源不同，对剩下的微基站顺序赋予子帧资源；其中，若因子帧资源不足而导致无法满足复用子帧与其所有上层递归层的聚类中心微基站所分配的子帧资源不同的要求时，则首先确保与其递归层的最近的最多的上层递归层的聚类中心微基站所分配的子帧资源不同。

具体的，该步骤还包括以下步骤，

其中，充分考虑拓扑特征，通过聚类方法充分挖掘网络拓扑的全局地理特征，使用的聚类公式如下：

具体的，该过程还包括以下步骤，

步骤7-2：递归算法的回退条件为该层递归的初始微基站组的数量小于或等于k，此时根据顺序赋予的方式将子帧资源直接分配给微基站，其不存在同频干扰。

步骤8：所有的分治搜索分支回退结束，此时每个微基站均关联于某个子帧资源，完成了子帧资源的调度。

进一步的，为了详细说明本发明提出的方法在实际应用中的过程，举例对其进行说明：参照图2的示意，将微基站组G中的微基站命名为BS_i，假设此处总微基站数为36，在超密网络场景下，i的取值范围为i＝1，...，36且i为自然数，经过步骤1中的计算可以得到微基站组G中36个微基站的重要性 Importance_i。

在步骤2中，对于36个维基站，最终计算可以获得36*36的干扰矩阵：

其中，Interferen ce_ij表示微基站BS_i对微基站BS_j的干扰，因此可以知道Interferen ce_ij＝Interferen ce_ji，且当i＝j时，Interferen ce_ij表示某个微基站对其本身的干扰，其数值趋于正无穷，在此处没有用到，此处仅用到i≠j时的Interferen ce_ij值。

进一步的，执行步骤3，在本实施例中，所选取的重要程度最大的微基站 BS_max为：

BS_max＝BS_j＝argmax_{j∈{1，2，...36}}(Importance_j)

进一步的，执行步骤4，取k＝5，即在有效时间维度上子帧资源数为5，包括subframe₁、subframe₂、subfrrame₃、subfrrame₄和subfrrame₅，因此次重要微基站组 G_k中的微基站数量为5个。其中，再选取的重要程度最大的前5个次重要微基站为BS_{max_1}、BS_{max_2}、BS_{max_3}、BS_{max_4}和BS_{max_5}的重要性程度满足：

Importance_max≥Importance_{max_1}≥Importance_{max_2}≥Importance_{max_3}≥Importance_{max_4}≥Importance_{max_5}≥Importance_others

进一步的，执行步骤5，此处需要分别计算干扰量Interference_{max_1,max_2}、Interference_{max_1,max_3}、Interference_{max_1,max_4}、Interference_{max_1,max_5}、Interference_{max_2,max_3}、Interference_{max_2,max_4}、Interference_{max_2,max_5}、Interference_{max_3,max_4}、Interference_{max_3,max_5}和Interference_{max_4,max_5}，找到上述干扰量中最小的一个，假设此处最小的干扰量为Interference_{max_2,max_3}，则将BS_{max_2}和 BS_{max_3}复用在subframe₂上，同时如前所述，将BS_{max_1}、BS_{max_4}和BS_{max_5}关联于 subframe₃、subframe₄和subframe₅。

进一步的，执行步骤6，此时次重要微基站组G_k包括5个微基站BS_{max_1}、 BS_{max_2}、BS_{max_3}、BS_{max_4}和BS_{max_5}，同时也已取出微基站BS_max，假设max＝1，max_1＝2， max_2＝3，max_3＝4，max_4＝5，max_5＝6，则此时36个微基站中1、2、3、4、5、 6号微基站已经分配了子帧资源subframe₁、subframe₂、subframe₃、subframe₄和 subframe₅，此时未分配子帧资源的微基站为BS₇、BS₈、...、BS₃₆，根据

将{BS₇，BS₈，...，BS₃₆}分配到分别以BS_{max_1}、BS_{max_2}、BS_{max_3}、BS_{max_4}和BS_{max_5}为聚类中心的5个微基站中，以微基站BS₇为例，BS₇所属的基站类可以由以下公式计算得出：

假设计算结果为

则属BS₇于以BS_{max_3}(BS₄)为中心的微基站类，以此类推依次得到剩余微基站所属的类，参照图3的示意，得到的分类结果示例如下：

BS₂{BS₈，BS₁₀，BS₁₆，BS₂₁，BS₂₇，BS₃₁，BS₃₂，BS₃₃，BS₃₄}

BS₃{BS₁₁，BS₁₂，BS₁₈，BS₂₃，BS₂₉}

BS₄{BS₇，BS₁₅，BS₂₀，BS₂₆，BS₃₀}

BS₅{BS₉，BS₁₄，BS₁₉，BS₂₄，BS₂₈}

BS₆{BS₁₃，BS₁₇，BS₂₂，BS₂₅，BS₃₅，BS₃₆}

进一步的，执行步骤7，在此例中，以BS₂为聚类中心的微基站类 BS₂{BS₈，BS₁₀，BS₁₆，BS₂₁，BS₂₇，BS₃₁，BS₃₂，BS₃₃，BS₃₄}为例进行下一层递归：步骤3不是第一次执行，因此微基站组G更新为：

G＝G^return＝{BS₂，BS₈，BS₁₀，BS₁₆，BS₂₁，BS₂₇，BS₃₁，BS₃₂，BS₃₃，BS₃₄}

且其中重要程度最大的微基站即为递归传入的聚类中心BS₂，BS₂已经分配了子帧资源subfrrame₂。

进一步执行步骤4，选取{BS₈，BS₁₀，BS₁₆，BS₂₁，BS₂₇，BS₃₁，BS₃₂，BS₃₃，BS₃₄}中重要程度前5的微基站，得到G_k＝{BS₁₀，BS₁₆，BS₂₇，BS₃₁，BS₃₄}。

进一步执行步骤5，分别计算Interference_10，16，Interference_10，27，Interference_10，31， Interference_10，34，Interference_16，27，Interference_16，31，Interference_16，34，Interfference_27，31， Interference_27，34和Interfference_31，34，并找到其中干扰量最小的一个，假设此处干扰量最小的为Interference_16，34，此时这个递归节点包括两个母节点BS₁和BS₂，分别分配了subfrrame₁和subframe₂，由于复用子帧与其递归层的所有上层递归层的聚类中心微基站所分配的子帧资源不同，因此应当将BS₁₆和BS₃₄复用于除subframe₁和 subframe₂之外的子帧资源，例如将BS₁₆和BS₃₄复用于subframe₃，如前所述，将BS₁₀、 BS₂₇和BS₃₁分别关联于subframe₁、subframe₄和subframe₅。

进一步执行步骤6，以G_k＝{BS₁₀，BS₁₆，BS₂₇，BS₃₁，BS₃₄}中的每一个为基站为聚类中心，将{BS₈，BS₁₀，BS₁₆，BS₂₁，BS₂₇，BS₃₁，BS₃₂，BS₃₃，BS₃₄}分配至分别以 {BS₁₀，BS₁₆，BS₂₇，BS₃₁，BS₃₄}为聚类中心的5类中，分类结果示意如下：

BS₁₀{BS₂₁}；BS₁₆{BS₃₂，BS₃₃}；BS₂₇{none}；BS₃₁{none}；BS₃₄{none}

其中，以BS₁₆为聚类中心的微基站类BS₁₆{BS₃₂，BS₃₃}为例继续执行步骤7的下一层递归，即分治递归步骤3至步骤6，由于此处步骤3不是第一次进行，因此微基站组G更新为：

G＝G^return＝{BBS₁₆，BS₃₂，BS₃₃}

其中，重要程度最大的微基站即为递归传入的聚类中心BS₁₆，此处BS₁₆已经分配了子帧资源subframe₃。

进一步执行步骤4，此时待选取的微基站数目满足小于或等于k的条件，则达到了步骤7中的回退条件，直接跳转至步骤7，并将BS₃₂和BS₃₃分别分配 subframe₄和subframe₅，此时每个微基站均关联于某个子帧资源，完成了子帧资源的调度。

应说明的是，以上所述实施例仅表达了本发明的部分实施方式，其描述并不能理解为对本发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干改进，这些均应落入本发明的保护范围。

Claims

1.一种基于分治递归策略的超密微基站间干扰协调方法，其特征在于：包括以下步骤，

2.如权利要求1所述的基于分治递归策略的超密微基站间干扰协调方法，其特征在于：所述确定各微基站的重要性程度还包括以下步骤，

步骤1-1：所述各微基站在滑动时间窗内的吞吐量和平均时延通过基站MAC层流量信息与时间戳信息计算获取，发射功率通过基站物理层配置信息获取；

步骤1-2：微基站的重要性程度基于以下评价公式：

其中，f₁(·)、f₂(·)和f₃(·)分别为根据网络实际情况配置的线性或非线性的正增函数，throughput_windowLen[i]为微基站BS_i在长度为windowLen的滑动时间窗内的总流量统计值，Power_i为微基站BS_i的发射功率，th为一个可调正常数，PacketAvgDelay_i为微基站BS_i在长度为windowLen的滑动时间窗内的平均包时延。

3.如权利要求2所述的基于分治递归策略的超密微基站间干扰协调方法，其特征在于：所述步骤2还包括以下步骤，

Interference_ij＝Power_i*Power_j*PathlossModel_3gpp(Location_ij)

4.如权利要求3所述的基于分治递归策略的超密微基站间干扰协调方法，其特征在于：所述步骤4还包括以下步骤，

步骤4-2：当待选取的微基站数目小于或等于k,则满足步骤7中所述的递归算法回退条件。

5.如权利要求4所述的基于分治递归策略的超密微基站间干扰协调方法，其特征在于：所述步骤5还包括以下步骤，

6.如权利要求5所述的基于分治递归策略的超密微基站间干扰协调方法，其特征在于：所述步骤6中，充分考虑拓扑特征，通过聚类方法充分挖掘网络拓扑的全局地理特征，聚类公式如下：

7.如权利要求6所述的基于分治递归策略的超密微基站间干扰协调方法，其特征在于：所述步骤7还包括以下步骤，

步骤7-2：递归算法的回退条件为该层递归的初始微基站组的数量小于或等于k,此时根据顺序赋予的方式将子帧资源直接分配给微基站。