一种新的基站空域协作干扰抑制方案

王 珺， 葛万成

0 引言

移动通信技术经历了从第1代到第3代技术的发展，在频谱效率、传输速率和延时上都有了很大改善，但是现有的蜂窝移动通信系统存在小区边缘和小区中心提供的速率差异大的问题，使得系统为小区边缘用户和小区中心用户提供的服务有很大差异[1]。而小区边缘和小区中心的速率差异主要是由于小区间干扰造成的，特别是为了提高频率利用率而使得蜂窝小区系统的频率复用系数为1时，小区间干扰更加严重。在第4代移动通信系统LTE-Advanced的研究过程中[2]，引入了小区边缘性能作为性能指标，因此各种小区间干扰抑制技术也成为了当前蜂窝移动通信技术的研究热点。

对于整个蜂窝小区系统来说，对系统中的所有基站进行空域协作没有必要也没有实现的可能性，当每个基站都做空域协作时，计算预编码矩阵的复杂度会变得很大。小区中心的用户信干噪比高，所以对于小区中心用户没有进行小区协作的必要；而对于小区边缘噪声受限的用户，通过小区间协作带来的增益较小，消除对邻居小区用户的干扰同时将会消耗自己基站发送给本小区用户信号的空间自由度。若让基站成簇地进行协作，则可降低预编码矩阵计算的复杂度[3]。通过成簇基站的分布式协作可以避免基站间信道信息的反馈所带来的开销。

在此背景下提出基于动态簇的协作方案，其特点是在分布式算法的基础上动态形成协作簇，这样既可以降低反馈开销，又可以灵活地降低干扰。

1 动态成簇协作的方案设计

1.1 动态成簇的方案设计

考虑7个小区的场景，每个小区内基站各与一个用户进行通信，假设每个基站至少配备3个天线，此时通信使用相同的时域、频域、空域通信资源。通信场景如图1所述，任意小区间干扰都可以归纳成2个小区间的干扰或者是3个小区间的干扰。

图1 成簇协作的基本场景

用户所在扇区如图1所示，用户1、用户2、用户3处于可能存在相互干扰的扇区中；用户4与用户5处于可能存在相互干扰的扇区中；用户6、用户7处于可能存在相互干扰的扇区中。在用户1，用户2，用户3 的场景中判断是否各个用户受干扰严重，判断原则是若 3个用户均处于小区中心，即使受到另外两基站的干扰，干扰也很小；或者在 3个用户处于小区边缘但信噪比很低的场景下，这时通过基站协作获得的系统增益很小，则不做小区间协作，且各个小区的发送预编码矩阵根据纳什均衡（NE，Nash Equilibrium）算法求出；若3个用户都处在小区边缘，3个用户均会受到严重的干扰，则基站1、基站2、基站3形成协作簇，进行协作，协作算法根据传送的数据量不同可以使用虚拟信干噪比（VSINR，Virtual Signal to Interference plus Noise Ratio）算法也可以使用层虚拟信干噪比（LVSINR，Layer Virtual Signal to Interference plus Noise Ratio）算法。同理，仅当用户4、用户5、或者用户6、用户7均处于小区边缘，采用VSINR算法或者LVSINR算法求出预编码矩阵。

1.2 动态成簇的干扰指示设计

判断用户是否处于小区的边缘或者处于小区的中心并没有一个特定的标准，需要有一个用来指示用户是否需要进行小区间协作的标识。为了方便协作方案的实现不需要修改通信系统的上层协议，这里利用长期演进技术（LTE，Long term Evolution）系统协议中已有的一些标识来作为是否需要小区间协作的标识[4]。在LTE系统中服务小区的导频信号强度（RSRP，Reference Signal Received Power）用来作为切换的指示标识。当服务小区的RSRP下降到一定门限时而相邻某小区RSRP上升到一定门限时则会触发切换，也可以利用这个RSRP来指示用户是否需要进行小区间协作，因为当服务小区下降到接近门限而邻小区的RSRP上升到一定接近门限但是不足以触发切换时，小区间干扰强度会比较高，这时可以认为需要邻小区进行基站间协作。

1.3 动态成簇协作的流程图

动态成簇协作方案的流程图如图2所示，首先采用移动蜂窝小区系统建模方法初始化系统模型，然后利用大尺度衰落模型计算每个小区到其他相邻小区之间的干扰并判断是否需要相邻基站进行干扰协作，若不需要相邻小区进行干扰协作采用NE算法计算出预编码矩阵，使系统合速率最大化；若需要则动态形成2小区或3小区的协作簇。形成协作簇后协作基站便对其与协作用户之间的信道进行信道衰落估计。获得信道状态信息之后便进行协作预编码计算出预编码矩阵，可以根据获得的信道状态信息以及系统复杂度的权衡采用最大化VSINR算法或者采用最大化LVSINR算法，然后计算系统的合速率以及计算累计密度函数来进行性能比较。

图2 动态协作簇方案仿真流程

2 分布式算法动态成簇协作的仿真

分布式基站协作,基站间不需要相互连接，也不需要有控制单元存在。基站只需获得它到协作簇内所有用户信息到其到本基站，而不需要获得其他基站到其用户的信道信息，来进行协作空域预编码。分布式基站协作的算法包括：迫零算法、虚拟信干比[5]和层虚拟信干比[6]。

2.1 虚拟信干噪比算法动态簇方案仿真

如式(1)所示，定义最大化发送端的到目标用户的信号和泄漏到非目标用户的干扰为目标函数，最大化目标函数来获取预编码矩阵。由于不是接收端的信干比，因此称之为最大化虚拟信干噪比算法。

进行动态簇的基站协作仿真，对采用动态协作簇算法的系统性能和没有采用协作方案处于小区干扰场景的系统性能进行比较，采用动态簇的协作方案最大化虚拟信干比算法来比较系统性能提升如图3所示。

图3 虚拟信干噪比算法的动态簇协作方案系统性能

图3中横轴是协作系统的信干噪比，纵轴是信干噪比的累计密度函数。其中Nt=3指代的曲线是系统发送天线的个数为3时进行小区间动态协作之后的系统性能，Nt=4指代的曲线是系统发送天线的个数为 4时进行小区间动态协作之后的系统性能，Interf所指代的曲线是没有采用干扰协作而处于小区间干扰状态下的系统性能。由图 3可以看出采用最大化虚拟信干噪比算法的动态簇协作方案可以给系统性能带来相当大的增益。而且系统的性能随着系统的发送天线的增大而提高，这是由于发送天线的增大提高了信号空间的自由度。

2.2 层虚拟信干噪比算法动态簇方案仿真

定义最大化发送端的到目标用户的信号和泄漏到非目标用户以及泄漏到其他层上的干扰为目标函数，可以通过最大化目标函数来获取预编码矩阵，这种计算预编码矩阵的算法称为最大化层虚拟信干噪比算法。如式(2)所示：

对采用动态簇的协作方案和最大化层虚拟信干比算法系统性能进行比较分析，采用动态簇的协作方案最大化层虚拟信干比算法来比较系统性能的提升，如图4所示。

图4中横轴是协作系统的信干噪比，纵轴是信干噪比的累计密度函数。可以看出采用最大化层虚拟信干噪比算法的动态簇协作方案可以给系统性能带来相当大的增益。而且系统的性能随着系统的发送天线的增大而提高。

2.3 动态簇协作在不同发送天线条件下的算法比较

前面分别对采用最大化虚拟信干噪比算法和最大化层虚拟信干噪比算法的动态簇的系统系统性能的分析，接下来将比较这两种算法在动态簇方案下的系统性能提高程度。比较结果如图5和图6所示，图5是基站发送天下为3时的小区间协作性能，图6是基站发送天下为4时的小区间协作性能。

图4 层虚拟信干噪比算法的动态簇协作方案系统性能

图5 天线动态协作簇的系统性能比较

图6 天线动态协作簇的系统性能比较

图5和图6中横轴U1,U2,…,U7分别表示7个小区中的用户，纵轴是每个用户的频谱利用率。由图5和图6可以看到采用最大化层虚拟信干比的动态簇协作协作方案和采用最大化虚拟信干比的动态簇协作方案都能为这个7小区场景的性能带来很大的提高。前者所带来的提高相比后者要大，但是这需要协作基站间共享数据，会带来系统信令开销。二者都是以分布式的协作为基础，因此相比集中式的协作需要共享实时信道信息的复杂性和信令开销还是要相对较低。因此采用最大化层虚拟信干比的动态簇协作还是采用最大化虚拟信干比的动态簇协作取决于性能与复杂度的权衡。

3 结语

基于动态簇的空域协作机制提出了一种新的空域协作方案，此方案根据用户受到的干扰动态地对相邻小区基站进行划分成协作簇。同时对基于虚拟信干噪比算法和基于层虚拟信干噪比算法的动态协作簇方案在不同预编码算法和配置不同发送天线数目的条件下进行了仿真验证。仿真结果表明这种动态协作簇的小区间干扰抑制方案可以有效地抑制小区间干扰，提高系统的性能，而且层虚拟信干噪比算法比虚拟信干噪比算法有更好的性能。

[1]罗涛,乐光新.多天线无线通信原理与应用[M].北京：北京邮电大学出版社, 2005.

[2]张治远，蒋清泉，宋燕辉.TD-SCDMA系统扰码规划算法及仿真[J]. 通信技术，2010，43(06):176-178.

[3]GABOR F, CHRYSOSTOMOS K, ANDRAS R. Inter-cell Interference Coordination in OFDMA Networks and in the 3GPP Long Term Evolution System[J]. Journal of Communications, 2009, 4(07):445-445.

[4]孙慧霞.协作通信网络演进与干扰分析[J].中兴通信技术,2010,16(01):14-17.

[5]QUENTIN H, LEE S, MARTIN H. Zero-Forcing Methods for Downlink Spatial Multiplexing in Multiuser MIMO Channels[J]. IEEE Transaction on Signal Processing, 2004, 52(02): 461-471.

[6]ZAKHOUR R, GESBERT D. Distributed Multicell-MIMO Precoding Using the Layered Virtual SINR Framework[J]. IEEE Transaction on Wireless Communications, 2010, 9(08):2444-2448.