基于效用函数动态多用户调度的协作用户分类

史东承，邢移单

(长春工业大学计算机科学与工程学院，长春130012)

基于效用函数动态多用户调度的协作用户分类

史东承，邢移单

(长春工业大学计算机科学与工程学院，长春130012)

为解决基于固定信干噪比(SINR:Signal to Interference plus Noise Ratio)门限值的协作用户划分策略的不足，在综合考虑系统平均速率和边缘用户最小平均速率基础上，定义了协作距离。提出了基于效用函数的协作用户划分动态分簇联合多用户调度算法，并采用蒙特卡洛方法进行了仿真。仿真结果表明，改进的基于效用函数的协作用户划分算法能在系统整体性能和边缘用户性能上取得较好的平衡，系统整体性能得到提升。在相同信噪比条件下，系统平均频谱效率提升0.1～0.2 bit/(s·Hz)。

协作多点传输;动态多用户调度;协作用户分类;效用函数

0 引言

在LTE(Long Term Evolution)系统中，用户调度算法一般都是针对单小区的用户进行资源调度，在调度过程中，没有考虑当前小区的资源分配对邻小区的干扰和来自邻小区的同频信号干扰。而在LTEAdvanced系统中，采用了正交频分复用接入(OFDMA:Orthogonal Frequency Division Multiple Access)技术，小区之间可能采用同频组网的模式，由于空间信道的相关性，相邻小区会出现较大的同频干扰。尤其是对处于小区边缘的用户，这种干扰带来的系统性能下降将更为显著。LTE-Advanced系统中通过引入协作多点传输(CoMP:Coordinated Multi-Point)技术解决小区间干扰，提升小区边缘用户的通信质量。同时由于CoMP技术的引入，原有的单小区的资源调度方案已经不能很好地适应于多小区的环境，目前已提出许多多小区联合用户调度方案［1-3］，研究人员对CoMP系统的联合调度问题进行了深入的研究。

对于CoMP小区频带资源的划分，文献［4］提出将整个频带划分为固定的两部分:一部分服务小区中心用户;另一部分作为CoMP频带资源参与边缘用户的协作调度。这种固定频带划分方式基于小区中心用户数与边缘用户数分布的经验统计，而实际上小区中心用户数与边缘用户数是变化的，而且这种变化是动态的，因此，固定频带划分方式有时不能满足用户数的要求，有时可能造成频带资源浪费，很难在中心用户和边缘用户之间实现频带划分的优化。针对固定频带划分的不足，文献［3，5］提出了动态的频谱资源划分方案。在选择协作小区的方案中，提出了两种比较典型的方案:1)静态分簇方案［6］，依照地理位置选择参与协作的小区;2)动态分簇方案［7，8］，用户可以根据当前测量不同小区的信道特性，动态选择协作的小区，但动态分簇方案中的协作小区数目仍是固定的。在MU-CoMP联合调度技术中，目前主要的研究方向是CoMP系统中的资源分配，系统开销等，目的是在尽可能降低CoMP协作开销的同时保持较好的系统性能，其中涉及到协作簇的分簇算法、协作用户集选取算法等［9-12］。在这些研究与应用中，动态频谱资源划分的实现，不仅优化了CoMP系统中的资源分配，而且提高了系统频带利用率，改善了系统的性能。

笔者以CoMP环境下的多用户联合调度模型为基础，改进了现有的多用户联合调度方案，引入了协作距离，提出了基于效用函数的动态多用户调度的协作用户分类算法，克服了固定SINR(Signal to Interference plus Noise Ratio)门限值的协作用户划分策略的不足。通过分析建立仿真模型，仿真评估了改进方案的系统性能。仿真结果表明，改进的方案改善了CoMP环境下的多用户联合调度方案的性能，具有一定的实际意义和工程实用价值。

1 基于协作簇的MU-CoMP系统调度模型

根据3GPP对于CoMP系统仿真的要求，尽可能模拟实际的系统环境，引入wrap-around结构。wrap-around系统结构如图1所示，由19个小区构成的宏小区，每个小区进一步分为3个大小相等的扇区。图1中，‘*’代表边缘用户，‘+’代表中心用户。

图1 Wrap-around系统结构中的小区以及用户分布图Fig.1 Distribution diagram of community and user in the wrap-around system

基于wrap-around模型，针对某个基站，考虑其接收到的干扰信号只来自于其外部第1层的小区，第2层的干扰小区由于距离较遥远，产生的干扰功率可适当忽略。设每个协作簇C由N个小区组成，其中均匀分布了K个用户，每个小区基站有T根发射天线，每个用户有R根接收天线。理论上，所有协作基站m∈C{1×N}都能为用户提供服务。对于簇C中的用户k，其接收到的信号yc，k可表示为

1)CoMP用户和非CoMP用户的划分。系统初始状态为传统的非CoMP系统，每个小区独立地调度其中的用户为非CoMP用户;进入协作状态，小区根据一定的准则将本小区的用户划分为小区边缘用户和小区中心用户，用户成为协作CoMP用户，将会接受协作处理。

2)协作簇的选取。定义一个预选协作基站簇Ψ，预选协作基站簇Ψ中包含M个基站，对于基站m∈Ψ，每个基站内分布有Km个边缘用户。对每个边缘用户ki，m∈Km，按照一定的策略，从Ψ集合中筛选出一个最终的协作基站簇C。

3)对于选择的协作簇C，依次从簇C的M个基站中按照一定的比例，挑选本基站内速率较低的用户作为联合调度的备选用户集合。

4)在时隙t，簇C内的M个基站，每个基站选出一个本时隙准备调度的用户km∈C，选出具有最大优先级的各个用户，可以组成本时隙簇C最终要联合调度的用户集合。

2 基于动态门限值的协作用户分类算法

MU-CoMP系统中的联合调度流程在整个调度环节的第1步就是划分小区内的用户类型，通过一定的策略，将用户划分为边缘用户和中心用户。不同的划分策略直接影响用户的归类、通信性能质量和系统的整体吞吐量，并且加重协作簇基站的协作通信压力。

2.1 固定门限值协作用户分类算法的不足

对于一个MU-CoMP系统，针对多用户采用BD(Block Diagonalization)预编码算法时，协作簇能同时服务的用户数上限为

其中B为协作簇中协作基站的数目，Nt为基站发射天线的数目，Nr为用户终端接收天线的数目。考虑图2的情形，C1作为协作基站，联合C3为边缘用户提供协作通信，假设C1边缘用户数为ke，则此时C1整个簇能再服务的用户数目上限为

式(3)说明，边缘用户越多，协作通信越频繁，此时会导致整个系统能同时服务用户数目的下降，从而导致系统整体吞吐量、频谱效率等下降。因此，合理划分用户类型，区分边缘用户是个关键的问题。

在MU-CoMP中，通过配置的筛选门限值划分用户类别。一般用Geometry指标表征基站的发射功率经过大尺度衰落后的有用信号与其他基站的干扰信号之和的比值关系，反映基站与用户之间的信道质量和距离。Geometry指标的计算只涉及到发射天线的功率、大尺度衰落、路径损耗以及天线增益等，小区中用户k的Geometry指标定义为

图2 簇间协作服务用户数上限分析Fig.2 Upper limit analysis of collaboration service users between clusters

其中Pk为发射天线的功率，Fk、Lk和Ak分别表示用户和基站间的阴影衰落、路径损耗和天线增益。常用Geometry值划分用户属于中心用户还是边缘用户，一般取Geometry小于某个门限值(比如0 dB)为一个划分的界限，将小于这个值的用户划分为边缘用户，反之为中心用户。图3给出了wrap-around环境下均匀分布160个用户的Geometry分布CDF(Cumulative Distribution Function)曲线图。

选取G=0 dB时的值作为临界值，当用户的G＜0，认为该用户为小区边缘用户，需要CoMP。反之为中心用户，不需要CoMP。如果给出不同的Geometry门限值，由图3可见，门限值越高，划分为小区边缘用户的比例越高，小区边缘用户的平均频谱效率也随之增高。当Geometry门限值为3时，大约有94%的用户被划分为了边缘用户。当Geometry门限值为-1时，大约只有0.02%的用户被划分边缘用户。

图4和图5分别为不同Geometry门限值下小区边缘用户频谱效率CDF曲线和系统整体用户平均频谱效率曲线。从图4和图5中可见，固定Geometry门限值的设定直接关系到小区边缘用户。当门限值过高时，虽然小区边缘用户的频谱效率指标得到了迅速提升，但这种提升意味着更多的系统资源被分配给了小区边缘用户，中心用户的性能损失较多，导致系统整体频谱效率反而明显下降。

固定门限值划分用户策略不能很好地平衡小区边缘用户性能和系统整体性能，划分方式过于单一。需要一种兼顾小区边缘用户和系统整体性能的划分策略，通过MU-CoMP下用户调度达到一个合理的优化的系统性能。

图3 wrap-around环境下均匀分布160个用户的Geometry值CDF曲线Fig.3 Geometry values CDF curves of uniform distribution of 160 usersin wrap-around

图4 不同Geometry门限值下小区 边缘用户频谱效率CDF曲线Fig.4 Spectral efficiency CDF curves of the edge user under different geometry threshold method

图5 不同Geometry门限值下系统 整体用户平均频谱效率曲线Fig.5 Average spectral efficiency curves of the overall user under different geometry threshold method system

2.2 基于效用函数的动态协作用户分类算法

为在边缘用户性能和系统整体性能上取得平衡，提出一种基于效用函数的动态分类方案，定义一个协作距离D(c)(见图6)。该协作距离是区分小区内用户属性的关键指标，如果用户到簇边缘的距离小于协作距离，则认为该用户属于边缘用户，反之，则判为中心用户。协作距离D(c)不是一个简单的指标，而是利用效用函数综合了小区最小平均速率和系统有效总速率两个性能指标。

图6 D(c)示意图Fig.6 D(c)schematic diagram

1)小区最小平均速率。假设用户均匀分布在协作簇中，对于每个给定的D(c)值，在不同的用户分布情形下，令Rmin［D(c)］表示某种用户分布情形下的所有用户的最小系统速率，平均最小系统速率min［D(c)］即最小速率的平均值，该最小速率主要是由边缘用户的分布决定。当更多的用户被划分为边缘用户时，边缘用户的最小速率会得到提升。

2)系统有效总速率。在实际的协作模型中，当某个边缘用户由多个协作小区进行服务时，针对具体某个协作小区，计算其获取的有效速率也只能计算其自身部分，协作用户获取的总速率要在协作小区之间共享，每个提供服务的协作小区获取一部分。如，用户k需要Nc，k个协作小区为其提供协作服务，用户的总速率为Rk，则每个小区针对用户k能获取到的有效速率为

对于小区中的所有用户，该协作簇的有效总速率定义为可以看出，Rsum［D(c)］是D(c)递减函数，D(c)越大，意味着越多的用户被划分为边缘用户，从而协作传输的用户更多。

定义一个效用函数U［D(c)］为

其中α是设计的权重指标，如果目标是最大化系统整体性能，则α→1，反之α→0，表示更看重边缘用户的系统性能。α=1/2时，效用函数等效为

为取得在该α值下合理的D(c)值，进行了蒙特卡罗仿真，仿真参数如表1所示。系统模型为wraparound，路径损耗模型为Cost-231 Hata。

表1 仿真参数设置Tab.1 Simulation parameters

为方便处理，仿真中对D(c)进行了归一化处理，处理后的D(c)表示协作距离与小区半径的比值，仿真结果如图7所示。可以看出，效用函数大约在D(c)/R=0.3处出现峰值，因此，可以将D(c)取值为0.3R=300 m。

使用上述模型和仿真参数，仿真对比了基于固定Geometry值的分类策略和基于效用函数的分类策略，结果如图8所示。结果表明，采用效用函数策略后，系统整体性能得到提升。相同的信噪比条件下，系统平均频谱效率提升0.1～0.2 bit/(s·Hz)。

图7 U［D(c)］归一化比率曲线Fig.7 U［D(c)］normalized ratio curve

图8 两种分类策略下的系统 平均频谱效率对比曲线Fig.8 System average spectral efficiency curve under two classification strategy

3 结语

笔者在研究了MU-COMP联合调度算法中的动态分簇方案基础上，分析了固定SINR门限值CoMP用户分类算法的不足，对传统的基于固定SINR值的动态分簇方案进行了改进。给出一种结合改进的Geometry策略和效用函数策略的动态门限值CoMP用户分类算法，仿真分析表明，协作距离D(c)取值为300m时，系统整体性能和边缘用户性能上取得较好的平衡;而且在采用效用函数策略后，系统整体性能得到提升，相同的信噪比条件下，系统平均频谱效率提升0.1～0.2 bit/(s·Hz)。

［1］郎为民，杨德鹏，李虎生.LTE-Advanced标准化进展［J］.数据通信，2012，10(1):11-15.LANG Weimin，YANG Depeng，LI Husheng.Development of Standard of LTE-A［J］.Data Communication，2012，10(1):11-15.

［2］万仁辉，李轶群，李福昌.LTE-Advanced CoMP技术的研究［J］.邮电设计技术，2012，9(2):17-20.WAN Renhui，LI Yiqun，LI Fuchang.Research on LTE-Advanced CoMP Technology［J］.Designing Techniques of Posts and Telecommunications，2012，9(2):17-20.

［3］李美玲，袁超伟，赵伟，等.基于目标对象的最佳中继协作频谱感知方案［J］.吉林大学学报:工学版，2013，43(4):1099-1103.LI Meiling，YUAN Chaowei，ZHAO Wei，et al.Target Based Cooperative Spectrum Sensing Scheme with Best Relay ［J］.Journal of Jilin University:Engineering and Technology Edition，2013，43(4):1099-1103.

［4］方敏，常永宇，杨大成.多点传输系统的联合调度方案［J］.现代电信科技，2012(2):39-42.FANG Min，CHANG Yongyu，YANG Dacheng.United Scheduling Scheme of Multi-Point Transmission［J］.Modern Science＆ Technology of Telecommunications，2012(2):39-42.

［5］黄帆.移动通信系统中协作传输技术的研究［D］.北京:北京邮电大学电信学院，2011.HUANG Fan.Research on Cooperation Transmission Technology in Mobile Communication System［D］.Beijing:College of Telecommanication，Beijing University of Posts and Telecommunications，2011.

［6］MARSCH P，FETTWEIS G.Static Clustering for Cooperative Multi-Point(CoMP)in Mobile Communications［C］//ACM Multimedia Conference.New York:IEEE Trans Inf Theory Press，2011:40-69.

［7］李钊，杨家玮，姚俊良.多用户MIMO下行链路自适应反馈分布式调度算法［J］.吉林大学学报:工学版，2011，41(2):514-519.LI Zhao，YANG Jiawei，YAO Junliang.Distributed Scheduling Algorithm for Multiuser MIMO Downlink with Adaptive Feedback［J］.Journal of Jilin University:Engineering and Technology Edition，2011，41(2):514-519.

［8］高天，周文安.基于多业务CoMP的LTE-A下行调度算法性能研究［J］.北京联合大学学报，2013，27(1):39-54.GAO Tian，ZHOU Wenan.Performance Evaluation of Downlink Scheduling Algorithms for Mixed Traffics CoMP in LTE-A System［J］.Journal of Beijing Union University，2013，27(1):39-54.

［9］LIN Lexiang，LIU Yuanan，LIU Fang.Resource Scheduling in Downlink LTE-Advanced System with Carrier Aggregation［J］.The Journal of China Universities of Posts and Telecommunications，2012，19(1):44-49.

［10］魏玉杰.LTE-A系统载波聚合下基于用户分组的比例公平调度算法研究［J］.重庆邮电大学学报:自然科学版，2013，25(3):310-313.WEI Yujie.PF Scheduling Algorithm Research Based on User Grouping for LTE-Advanced System with Carrier Aggregation［J］.Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition，2013，25(3):310-313.

［11］PERVAIZ H，QIANG N.User Preferences-Adaptive Dynamic Network Selection Approach in Cooperating Wireless Networks:A Game Theoretic Perspective［C］//The Technology of Computer Communication.UK:Cambridge University Press，2012:10-32.

［12］PATCHARAMANEEPAKORN P，DOUFEXI A，ARMOUR S.Reduced Complexity Joint User and Receive Antenna Selection Algorithms for SLNR-Based Precoding in MU-MIMO Systems［C］//Electronic Information Technology Proceedings.CAN:University of Alberta Press，2012:19-40.

(责任编辑:刘俏亮)

Coordinated User Division of Dynamic Multi-User Scheduling Based on Utility Function

SHI Dongcheng，XING Yidan
(College of Computer Science and Engineering，Changchun University of Technology，Changchun 130021，China)

The shortcoming of the fixed signal to interference plus noise ratio(SINR:Signal to Interference plus Noise Ratio)threshold for collaborative user partition strategy is analyzed.Based on the system average rate and the edge user minimum average rate，the coordinated distance is defined.The algorithm of collaborative user division dynamic clustering joint multiuser scheduling using utility function is presented.And by applying Monte Carlo method，simulation is carried out.The simulation results show that the improved algorithm based on the utility function for collaborative user division can achieve a good balance between the system performance and the edge user performance.

coordinated multi-point;dynamic multiuser scheduling;collaborative user division;utility function

TN914

A

1671-5896(2014)02-0119-06

2013-07-26

国家自然科学基金资助项目(11071026)

史东承(1959— )，男，长春人，长春工业大学教授，主要从事多媒体技术、移动通信技术和图像处理技术研究，(Tel)86-18686485278(E-mail)dcshi@mail.ccut.edu.cn。