多小区放大转发系统基于用户公平性的分布式资源分配*

2014-02-10陈瑾平张鹏杰

通信技术 2014年8期

关键词：时隙中继载波

陈瑾平,张鹏杰

(上海贝尔股份有限公司,上海201206)

多小区放大转发系统基于用户公平性的分布式资源分配*

陈瑾平,张鹏杰

(上海贝尔股份有限公司,上海201206)

全频率复用的OFDMA系统中,小区间干扰严重降低了整个系统,特别是小区边缘的频谱效率。文中考虑了多小区放大转发系统下行链路的资源管理,须联合优化用户调度、载波和功率的分配,并设计了一个分布式的资源分配算法,算法基于本小区局部信息分步完成用户调度和功率控制,小区之间只需要较少的交互信息。仿真结果表明,文中算法较传统算法具有更好的系统性能。

小区间干扰用户公平性放大转发分布式几何规划

0 引言

无线通信的目标既追求系统频谱利用率的最大化,同时又要保证良好的用户通信质量,无线资源管理是解决这一难题的重要技术。同频组网下,多小区之间的干扰问题非常严重,边缘用户的频谱效率非常低,通过引入中继节点可以一定程度改善小区边缘的覆盖,但另一方面会使得干扰的情形和资源管理问题更加复杂[1-2]。

文献[3-5]不考虑小区间干扰,动态地分配多维无线资源,文献[6]给出近似最优算法的理论根据。

为了满足日益增长的无线业务数据量需求,基站部署是信道复用的,不可能是无干扰的场景,而且基站距离往往会非常小。异构网络下,低功率节点的引入,使得小区间干扰情形更加复杂。基于部分频率复用或软频率复用的干扰协调,会导致系统频谱效率的较低。全频率复用下的无线资源管理必须在保证边缘用户的通信质量的前提下,有效提升系统吞吐量。

多小区系统下的资源分配是包括频率、功率等的多维自由度的优化问题,是NP-hard难解的,不可能得到最优分配的实时算法。实际情形下,往往采用分步处理的方式:在资源调度的基础上完成功率控制[7-8]。即便如此,仍然面临三个主要问题,一是必须尽量减少无线信息的反馈,二是设计合理的用户调度算法,三是高效求解多小区场景下非凸的功率优化问题。文献[9-10]将邻小区干扰视作噪声,这样处理的好处是可以迭代优化,得到一个局部最优解;文献[11]改进了上述功率迭代优化过程,缺点是收敛性无法保证;文献[12]将此方法应用于多小区通信系统的功率控制。

对于异构系统下的中继转发场景,考虑多小区干扰的工作并不多。文献[13]针对下行链路,引入一个干扰阈值,将问题简化为凸的优化问题,但阈值是通过仿真遍历确定的,另一方面,由于没有考虑第一跳时隙中继所受干扰,适用场景也很有限。文献[10]公平分配频率资源保证业务的QoS,功率优化也是采用文献[9]的方法,优化效果并不明显。

本文针对异构网络下,中继转发的多小区场景,全面考虑了小区内实际存在的3种干扰:邻基站对直传用户、邻基站对中继、邻小区中继对中继用户。本文算法,分布式处理用户调度和功率控制过程,每个小区只基于局部信息完成调度和功率优化。用户调度过程中,只对已调度用户反馈干扰信息,减少了信息反馈量;功率控制过程,各个小区之间的信令交互较少,简化的GP问题保证了算法的实时性。

1 多小区系统模型

考虑L个小区的OFDMA系统,频率复用因子为1。N个子载波,基站的最大功率约束为,l∈ {1,2,…,L};小区l内部署个放大转发中继,最大功率约束为,k∈Kl={1,2,…,}。用户通信模式分为直传模式m∈Dl和中继模式m∈Rl,具体如下:时隙1,中继或直传用户接收基站数据;时隙2,中继用户接收其中某一个中继转发的数据。根据长期信道信息确定为中继用户转发数据的中继[14](可以理解为大尺度衰落)。假定慢时变的信道状态,满队列的用户业务。

首先,根据下式对用户通信模式进行划分:

(1)直传用户m∈Dl

(2)中继用户m∈Rl

时隙1:基站l向中继k发送数据:

时隙2:中继k向中继用户m转发数据:

因此,直传模式下,l至用户m∈Dl的信道容量为:

中继模式下,经载波对(n,)信道,中继用户m∈Rl信道容量为:

2 系统模型的数学表述

文中所考虑系统的动态资源分配必须在满足功率约束的前提下,保证用户通信的QoS性能,同时最大化系统吞吐量。

所以,资源分配的目标函数如下:

Ω(m),m∈Dl∪Rl为时隙1内用户m所分配的载波集。

同时,由于载波分配的唯一性,所以有:

多小区系统下单个用户通信性能指标很难定量保证,根据文献[10,15],通过均分频谱资源保证用户的QoS,约束如下:

基站和中继的最大功率约束如下:

3 分布式动态资源分配

显然,式(1)～式(4)组合的优化问题是NP-hard,本文提出分布式次优算法,每个基站基于本小区的局部信息依次分步完成载波分配和功率控制,大大减少了信道信息的反馈开销和小区之间交互的信令开销。

3.1 用户调度和载波分配

文中的多小区系统,时隙1内的干扰来自邻小区基站,其信道质量可以根据大尺度衰落定量确定;时隙2的干扰情况较为复杂,因为邻小区中继未必一定会占用相同信道资源,如果我们调度信道状态最好的第二跳载波,这一“随机化”处理的方式,必然能减少来自邻小区的干扰。

具体的调度和分配如下:

2)小区l根据以上信息调度用户和分配载波。

Ω(m),m∈Dl∪Rl为时隙1内用户m所分配载波。

根据式(5),对于时隙1内分配给中继用户m*的n,时隙2内需要选择信道状态最好的*=与之配对。

3)反馈已调度用户的干扰信息。

根据上面步骤可知,本文的用户调度和载波分配,所需要的信道反馈开销只是完全反馈规模的1/L。

3.2 功率控制

多小区系统下的功率控制是非凸的,实时性和收敛性无法满足。引入中继,并采用有效的调度分配算法,将进一步增大了整个系统内高信干噪比区域,所以,本文可简化功率控制问题如下:

其中,

时隙1内,Ω(Dl)、Ω(Rl)分别为直传用户Dl和中继用户Rl载波集,r(n)为载波n的终端节点,为r(n)的接收信干噪比。中继用户所分配的两跳的载波匹配(n,)中,为的分配功率,(n)为的终端节点,为l内(n)所对应的的信道增益,r(n)=k,k∈Kl表示n的终端节点为中继k。

式(6)是几何规划的正项式表示。

GP问题的约束条件和约束变量会导致复杂度的非线性增长,本文提出分布式功率控制,将原功率控制问题分解,对于每个小区来说,只基于1/L规模的局部约束条件和约束变量进行优化,基站之间交互的信令开销有限。

引入变量

得到等价优化问题:

进一步引入辅助向量

由此,可代入相应辅助向量,对式(7)中C1、C2实施对数变换。得到相应部分拉格朗日函数:

完整地表述式(9)的对偶函数[16]:

沟张村位于中牟县刁家乡西部，北距县城22 km，东距乡政府1.5 km。全村共367户，人口1 652人。主要以种植业为主，其中耕地面积160 hm2，主要种植大蒜、小麦、玉米、花生等，其他经济作物有红萝卜、包菜、西瓜。

至此,得到式(7)的对偶优化问题:

根据Slater条件,式(7)与式(12)满足强对偶性,所以式(12)的最优解即为式(7)的最优。

式(12)采用收敛速度更快的椭球算法,减少小区之间迭代交互(β,μ)信息的次数,减少系统开销。下面给出收敛梯度和初始椭球体参数,具体过程省略[17]。

(1)收敛梯度:

1)椭球体中心不满足式(12)的约束条件,有

m表示[β,μ]T中第m个变量不满足条件,em为单位向量。

2)满足式(12)的约束条件,有

这里,省略证明给出两个结论,可进一步简化功率优化问题式(7):

1)只考虑来自最邻近小区的干扰不会影响功率控制的性能;

2)同小区内直传模式所分配载波上的最优的功率分配是相等的。

4 仿真与分析

考虑正六边形无缝覆盖的多小区场景,每小区内3个中继均匀部署在半径300m圆上,中继与基站连线垂直于边(如图1所示)。小区用户均匀撒点。具体仿真模型及参数如表1所示。

表1 仿真模型及参数Table 1 Simulation model and parameter

图1 仿真拓扑结构Fig.1 Simulation topology

图2在不同的小区半径系统下,比较多种典型算法的吞吐量。NCO算法关注局部资源分配最优化而没有充分考虑小区间干扰抑制,文献[10]的CO算法迭代地控制功率分配。本文算法因为更全面考虑了3种实际存在的干扰情形:邻基站对直传用户、邻基站对中继、邻小区中继对中继用户,对干扰的抑制更加有效。从图2可以看出,本文算法随干扰的增强(小区半径减小)能更加明显地提升系统吞吐量性能。

图2 系统平均吞吐量性能随小区半径变化Fig.2 Average throughput with diverse cell radius

多小区系统下,边缘小区用户受到的干扰最大,越靠近小区中心通信质量越好。衡量资源分配算法的有效性指标之一就是比较小区不同区域的频谱效率,特别是边缘小区的频谱效率。这里我们假定小区半径为700 m,由小区中心向外将每个小区划分为5个等面积的“六边形环”,从图3可看出,与NCO算法相比,本文算法无论对小区中心还是对小区边缘的性能改善是很明显的。

图3 不同环内的平均吞吐量性能Fig.3 Average throughput with diverse ring

5 结语

本文针对多小区系统下的动态资源分配问题,充分考虑了小区之间存在的3种强干扰:邻基站对直传用户、邻基站对中继、邻小区中继对中继用户,提出一种次优的分布式算法,该算法基于局部小区信息迭代优化实现,采用有效的调度策略,且功率控制过程简化为凸问题,具有较好的实时性。仿真结果表明该算法不但提升了整个系统的吞吐量性能,而且较好地改善了边缘用户的通信质量。

[1] DAVID G,MARIO G,SILVIA R.Optimization of Soft Frequency Reuse for Irregular LTE Macrocellular Networks[J].IEEE Transactions on Wireless Communications,2013,12(05),:2410-2423.

[2] SALEN M,ADINOYI A,RAHMAN M.An Overview of Radio Resource Management in Relay-enhanced OFDMA -based Networks[J].IEEE Communications Surveys& Tuturials,2010,12(03):422-438.

[3] SHIM W,HAN Y,KIM S.Fairness-aware Resource Allocation in A Cooperative OFDMA Uplink System[J]. IEEE Transactions on Vehicular Technology,2010,59 (02):932-939.

[4] Dang W B,Tao M X,Huang J W.Subcarrier-pair basedResource Allocation for Cooperative Multi-relay OFDM systems[J].IEEE Transactions on Wireless Communications,2010,9(05):1640-1649.

[5] HSU C N,LIN P H,and SU H J.Joint Subcarrier and Pairing and Power Allocation for OFDM Two-hop Systems [C]//IEEE International Conference on Communications.CapeTown,South Africa:IEEE,2010:1-5.

[6] LUO Z Q and ZHANG S Z.Dynamic Spectrum Management:Complexity and Duality[J].IEEE Journal on Se-lected Topics in Signal Processing,2008,2(01):57-73.

[7] 陈瑾平,张鹏杰.一种基于多小区OFDMA系统用户公平性约束的分布式资源分配算法[J].通信技术, 2014,47(04):365-371.

CHEN Jin-ping,ZHANG Peng-jie.A Distributed Resource Allocation for Multi-cell OFDMA Networks with User Fairness[J].Communications Technology,2014, 47(04):365-371.

[8] KIANI S G,GESBERT D.Optimal and Distributed Scheduling for Multicell Capacity Maximization[J].IEEE Transactions on Wireless Communications,2008,7 (01):288-297.

[9] YU W,RHEE W,BOYD S.Iterative Water-filling for Gaussian Vector Multiple-access Channels[J].IEEE Transactions on Information Theory,2004,50(01):145-152.

[10] PISCHELLA M,BELFIORE J C.Power Control in Distributed Cooperative OFDMA Cellular Networks[J]. IEEE Transactions on Wireless Communications,2008, 7(05):1900-1906.

[11] YU W.Multiuser Water-filling in The Presence of Crosstalk[C]//Information Theory and Applications Workshop.San Diego,CA,U.S.A.:IEEE,2007:1-7.

[12] YU W,KWON T,SHIN C Y.Multicell Coordination via Joint Scheduling,Beamforming,and Power Spectrum Adaptation[J].IEEE Transactions on Wireless Communications,2013,12(07):1-14.

[13] Ng D W K,SCHOBER R.Resource Allocation and Scheduling in Multi-cell OFDMA Decode-and-Forward Relaying Networks[J].IEEE Transactions on Wireless Communications,2012,10(07):2246-2258.

[14] BLETSAS A,KHISTI A,REED D P,et al..A Simple Cooperative Diversity Method Based on Network Path Selection[J].IEEE Journal on Selected Topics in Communications,2006,24(03):659-672.

[15] LI H X,LUO H W,and WANG X B,et al..Throughput Maximization for OFDMA Cooperative Relaying Networks with Fair Subchannel Allocation[C]//IEEE Wireless Communications and Networking Conference. Budapest,Hungary:IEEE,2009:1-6.

[16] BOYD S,VANDENHERGHE L.Convex Optimization. Cambridge[M].Britain:Cambridge University Press, 2004:570-639.

[17] BOYD S.Ellipsoid Method.Stanford University:BOYD S,Oct.10th,2003[July 15th,2014].http://www. stanford.edu/class/ee392o/elp.pdf.

CHEN Jin-ping(1977-),male,Ph.D., engineer,mainly working at radio resource management for wireless communications and crosslayer design for heterogeneous networks.

张鹏杰(1971—),男,博士,高级工程师,主要研究方向为第四代(4G)及后续无线通信系统(LTE-A)的理论与算法研究、系统设计及产品开发。

ZHANG Peng-jie(1971-),male,Ph.D.,senior engineer, principally related to the research of LTE-Advanced,system design and product development for LTE and LTE-Advanced.

Distributed Resource Allocation for Multi-cell AF-based Networks with User Fairness

CHEN Jin-ping,ZHANG Peng-jie
(Alcatel-Lucent Shanghai Bell Co.,Ltd.,Shanghai 201206,China)

Inter-cell interference is a major problem in multi-cell,full-reuse OFDMA systems,and can severely degrade the system throughput,particularly for cell-edge users.This paper considers jointly the resource allocation of power,subcarriers and time scheduling in the downlink of a multi-cell,amplifiedand-forward cellular system.This paper proposes a novel,two-stage and distributed algorithm in which the allocation is performed independently in each cell,by maximizing the cell rate subject to power constraint and user QoS.In the first stage,the joint subcarrier allocation and scheduling is conducted.In the second stage,the power control is performed.The algorithm only requires few coordination between base stations.Simulation results shows that the proposed algorithm has better performance than existing conventional schemes.

inter-cell interference;user fairness;amplified-and-forward;distributed;geometric programming

TN929

1002-0802(2014)08-0882-07

10.3969/j.issn.1002-0802.2014.08.009