面向未来超密集Small Cell网络的系统级仿真实现

李 伟，李辉宇，李冰琪

(国家无线电监测中心/国家无线电频谱管理中心，北京100037)

随着移动通信技术的进步，智能终端的普及，移动互联网和物联网的蓬勃发展，移动终端数量和移动数据流量呈现出爆炸式的增长态势。我国IMT－2020(5G)推进组预计，到2020 年全球移动终端(不含物联网设备)数量将超过100 亿，全球物联网设备数量将接近70 亿［1］。思科在2015 年2 月发布的视觉化网络指标报告中预测，到2019 年全球移动数据流量较2014 年增长近10 倍［2］。移动数据流量的快速增长，接入终端数目的迅速增加以及移动业务类型的不断丰富给移动通信网络带来了巨大的挑战，单纯依靠现有网络的升级很难满足未来移动通信发展的需要［3－5］。从2014 年起，第5 代移动通信系统(5G)已经成为了信息通信领域关注度最高的研究课题之一。

5G 是面向2020 年之后的新一代移动通信系统，在网络容量、峰值速率、频谱效率、端到端时延、网络综合能效等方面将有巨大的提升［6］。目前，有关5G 的发展标准等一系列问题尚未达成统一共识，技术发展整体上尚处于探索阶段。但毫无疑问的是，超密集网络(Ultra Dense Network，UDN)技术由于在提升网络容量、增强室内覆盖以及补盲补热场景上优势显著，已成为5G 的一项重要候选技术［7］。超密集网络是指在宏蜂窝小区(Macrocell)基站和微微蜂窝小区(Picocell)基站、毫微微蜂窝小区(Femtocell)基站等低功率小基站(Small Cell)组成的多层异构网络(Heterogeneous Network，HetNet)基础上，进一步增加低功率小基站的部署密度，实现小基站的超密集部署，最大程度提升全网的容量［8］。具体来说，在超密集网络中，宏小区覆盖范围内各类小基站部署密度达到现有站点部署密度10 倍以上，每平方公里支持用户数高达25 000 个［9］。

Small Cell 的大量部署尤其适合高楼林立，用户集中的中国城市环境。运营商通过部署Small Cell 可以增强频谱资源的复用能力，提升用户服务质量。为了提高移动运营商的投资效率和组网运营的可靠性，Small Cell 在大规模部署前需要进行充分的技术性能分析和全网综合能力评估。此外，种类繁多、数量庞大的Small Cell 还将使超密集网络的小区结构复杂，干扰多变。因此，干扰管理与抑制、小区虚拟化等技术评估工作显得尤为必要，建立面向超密集Small Cell 网络仿真平台具有重大的现实意义。

本文在充分理解无线通信系统级仿真理论的基础之上，深入分析Small Cell 三维模型构建方法，以及Small Cell 的系列关键技术，利用模块化的设计思想，在Visual Studio 2010 环境下实现了面向未来超密集Small Cell 网络的系统级仿真，为评估无线资源/移动性管理技术(包括信道/功率分配、资源调度等)及相关算法提供了有效的技术手段，为加快超密集Small Cell 网络商用化打下了坚实的基础。

1 面向未来超密集Small Cell 网络的系统级仿真建模

1.1 蜂窝网络拓扑

不失一般性，宏小区采用正六边形蜂窝结构。宏蜂窝网络由19 个小区构成，每小区再划分为3 个120°的扇区，小区拓扑和扇区划分示意如图1 所示。为了模拟每个小区受外围两层小区的同频干扰，仿真平台使用了Wrap－round 技术［10］。图2 中0～18 小区虚拟出了外围两层干扰小区。其中，实线画出的0～18 号小区表示平台中的仿真对象，虚线画出的19～60号小区表示使用Wrap－round 技术虚拟得到的1～18 号小区外围两层干扰小区。使用Wrap－round 技术能够更加真实地反映实际网络中小区间干扰。

图1 小区拓扑及扇区划分示意图

2 使用Wrap－around 技术后的小区拓扑结构

1.2 Small Cell 三维双带模型和用户撒点

Small Cell 一般部署在楼宇比较密集的商业办公或住宅区，为了更实际地分析网络场景，Small Cell 网络层引用了双带模型，其水平面截面如图3 所示。在该模型中，每个扇区部署一个Block 块，每个Block 块由并排的两栋楼组成，楼宇高6 层，每栋楼每层都有20 个房间，每个Block 中共有240 个房间。仿真过程中，在每个扇区撒播一个Block，利用随机函数逐个生成Block 坐标位置。按照一定的规则将Block 部署完毕后，接下来在每个Block 中对Small Cell 进行撒点。首先根据Small Cell 的部署概率在每个Block 中随机选择房间部署Small Cell，比如Small Cell 的部署概率为0.5，则在每个Block中随机选择120 个房间部署Small Cell。然后根据Small Cell的激活概率随机选择Small Cell 进行激活，然后在激活的Small Cell 房间中随机均匀撒播Small Cell 用户。Small Cell和其用户的位置坐标利用随机函数逐个生成。

图3 Small Cell 双带模型的水平截面示意图

宏用户在每扇区以固定用户数目撒点。根据宏用户在户内/户外的概率均匀随机在扇区Block 内和Block 外利用随机函数逐个生成用户坐标。根据宏用户在户内的概率，生成随机数判断当前用户在户内还是户外，若在户内，随机选择当前用户所在扇区block 内的房间进行撒播。随即判断该宏用户是否在其连接宏基站35 m 之外，如果不是，重新撒播。满足条件再遍历所有Small Cell，查找是否有和当前宏用户在同一个房间内的Small Cell，若有，判断当前宏用户和在同一个房间内的Small Cell 的距离是否大于3 m，如果不是，重新撒播。两个距离条件都满足，则可认为该宏用户撒播成功。若宏用户在户外，随机在扇区的小六边形的等效长方形内撒播，判断宏用户是否在其连接宏基站35 m 之外，并判断是否撒在Block 外，若都满足，撒播成功，否则，重新撒播。

1.3 信道衰落计算模块

在实际的无线网络环境中，用户和基站之间的通信都要经过无线信道，信道模型对平台仿真结果的正确性影响较大，因此需要选择合适的信道模型，仿真平台采用SCME 信道模型。主要考虑了传播路径损耗，阴影衰落以及天线增益。其中，传播路损主要根据TR 36.814 中给出的路径损耗计算方法，分为视距和非视距两类，根据视距的概率公式随机判断是视距还是非视距，分别计算出宏用户到宏基站、Small Cell 用户以及Small Cell 基站到宏基站、Small Cell 用户到Small Cell基站的路损。阴影衰落根据协议要求不同小区之间相关性为0.5，同一小区内不同扇区间相关性为1。

1.4 天线增益

超密集Small Cell 网络中，根据网络初始化阶段随机撒点的用户坐标可以计算得到用户与宏基站天线之间的夹角，根据夹角可以计算出天线增益，具体的宏基站天线增益计算式如

式中:φ3dB=70°，Am=20 dB，φ 是用户与宏基站天线的夹角，取值范围为 ( － 180°，180°)。从式(1)可知，随着天线指向与视轴方向的偏离，天线增益逐渐减小，最大衰减可达到20 dB。由于用户到Small Cell 基站的距离很近，平台中用户到Small Cell 的天线增益固定为5 dB。

1.5 干扰计算模块

在超密集Small Cell 网络中，干扰计算模块的功能是得到宏用户和Small Cell 用户的信干噪比(SINR)。该模块根据SINR 值、占用资源块数和包长判断该包传输是否成功，并反馈ACK/NACK，如果传输不成功，在接收端合并，同时反馈CQI 的计算。

1.5.1 CQI 计算

利用用户发送的实际数据代替导频测量信息，测量信道状况。测量过程和CQI 计算过程在用户侧进行，通过CQI 计算得到所有宏用户和Small Cell 用户在每个子载波上的信干噪比。假设宏用户i 被宏基站m 服务，那么宏用户i 接收来自宏基站m 的下行链路功率

宏用户i 受到的干扰不仅来自于外两层宏基站，还有附近Small Cell 基站的干扰。接收的同频干扰总功率为，=，因此宏用户i 的信干噪比为同理可得Small Cell 用户j 的信干噪比为

1.5.2 ACK 计算模块

结合资源块采用的编码调制方式和宏用户和Small Cell用户的SINR，查询链路级仿真得到的各种调制编码方案下误码率－信噪比曲线上该等效信号SINR 所对应的误码率，根据误码率值完成ACK 和NACK 的判决，并将判决结果反馈给发送端。

1.6 调度模块

调度模块根据业务的QoS 等级及带宽要求合理分配资源，保证用户的公平性，网络的吞吐量和频谱利用率。平台采用3 种经典调度算法。

1.6.1 轮询调度算法

在轮询调度算法中，只进行时域调度，用户i 的优先级表达式为

式中:ηi为(0，1)间均匀分布的随机变量;λi( )n 表示第n 个TTI 中用户i 的优先级。轮询算法能够保证用户间的绝对公平，但并没考虑用户间无线信道的差异，系统吞吐量和资源利用率都很低。

1.6.2 最大载干比调度算法

在最大载干比算法中，通过用户侧对信道质量的反馈，将资源块分配给无线信道质量最好的用户，其优先级的表达式为

1.6.3 比例公平性调度算法

在比例公平性调度算法中，第n 个TTI 中第i 个用户在第k 个资源块上的优先级( n )表示为

1.7 功率控制模块

超密集Small Cell 网络中干扰异常复杂，主要存在同层干扰和跨层干扰。同层干扰是指Small Cell 层内Small Cell 间的相互干扰，或者传统宏蜂窝网络层内宏基站间的相互干扰。跨层干扰是指不同网络层间的相互干扰。这些干扰是制约超密集Small Cell 网络容量成倍提升的关键性因素［11］。功率控制技术被认为是能很好地抑制各类型基站之间干扰的解决方案。通过功率控制(Power Control，PC)技术可以有效地协调各类型基站的发射功率，减小基站对相邻基站服务用户的干扰，从而满足用户通信服务质量需求。因此，本仿真平台引入了3GPP提出的3 种功率控制方案，动态调整基站的发射功率。

1.7.1 基于测量宏基站信号强度的功率控制方案

基于测量宏基站信号强度的功率控制方案，简称为PC1。PC1 的基本思想是:Small Cell 测量邻近宏基站发射信号的功率强度，根据接收得到的最强的宏基站信号强度来调整自身的发射功率。当接收到的最强宏基站信号功率强度比较小时，表示该Small Cell 及其周围的宏用户均处在宏基站信号覆盖的边缘区域。为了减小Small Cell 基站对宏用户的下行干扰，Small Cell 基站可将发射功率调整为一个较小的值。

设Small Cell 测量来自邻近宏基站的最强信号功率强度为P_m，Small Cell 通过下式调整自身的发射功率

式中:参数P_max和P_min分别是Small Cell 设置的最大和最小发射功率;α 是线性功率控制参数，是一个0 ～1 之间的常数，可以调整功率控制后Small Cell 发射功率曲线的趋势(斜率)。β 是一个dB 值，用来调整功率控制后Small Cell 发射功率的动态变化范围。

1.7.2 基于测量Small Cell 与周围宏用户路径损耗的功率控制方案

基于测量宏基站信号强度的功率控制方案，仅仅只依据接收到最强的宏基站信号强度调整自身发射功率。而基于测量Small Cell 与周围宏用户路径损耗的功率控制方案(简称为PC2)，不仅需测量得到最强宏基站的信号功率强度，还需测量得到Small Cell 与邻近宏用户之间的路损信息。Small Cell 根据这两方面信息调整发射功率，在保证Small Cell 用户服务质量的同时，尽量降低对周围宏用户的跨层干扰。考虑到Small Cell 基站发射功率与参考信号功率是成比例对应的，因此对参考信号进行功率控制等价于对总发射功率的控制。Small Cell 设定其参考信号发送功率为

式中:P_m为接收来自最强宏基站的参考信号功率值，P_max和P_min分别为参考信号接收功率的上下限值，P_offset为Small Cell基站和宏用户之间路径损耗的估计值，路径损耗包括室内自由空间路径损耗和外墙穿透损耗。

P_offset的计算公式为

式中:P_offset_o(dB)为预先定义的对应于室内路径损耗的补偿值，典型取值为50 ～100 dB，可以由测量的平均值决定。K 为可调整的正数因子，当K 值较大时对应的Small Cell 的发射功率较大，当K 值较小时，便会把Small Cell 的发射功率调整为一个较小值，LE 对应于穿透损耗值，典型的取值为10～30 dB，P_offset_max，P_offset_min为P_offset可设置的最大/最小值，避免估计的P_offset值过大或过小。

由上可知，基于测量Small Cell 与周围宏用户路径损耗的功率控制方案从两方面实现了对Small Cell 发射功率的管理。一方面Small Cell 监听邻近宏基站的最大发射功率P_m;另一方面测量Small Cell 与邻近宏用户的路损。所以，理论上基于测量Small Cell 与周围宏用户路径损耗的功率控制方案可以在保证自身覆盖的基础上，能很好地实现对近邻宏用户的干扰管理。

1.7.3 基于测量宏用户SINR 的功率控制方案

基于测量宏用户SINR 的功率控制方案，简称为PC3。在PC3 中，Small Cell 通过测量附近宏用户的信干噪比(SINR)来调整发射功率P_tx，即

式中:P_max，P_min分别是Small Cell 设置的最大和最小发送功率;α 和β 的含义与PC1 方案相同;P_SINR是距离Small Cell 最近的宏用户SINR，该值表示为宏用户下行接收功率与所有Small Cell 对宏用户下行干扰功率之和的比值。宏用户先将P_SINR信息反馈给宏基站，宏基站再将该信息发送给Small Cell，Small Cell 根据距离自己最近宏用户的P_SINR调整发射功率，保证小区有效覆盖的同时也能保护宏用户通信服务质量。

由上可知，当检测到宏用户SINR 较小时，Small Cell 应该降低发射功率，以减小对宏用户的干扰;当检测到宏用户SINR 较大时，Small Cell 可以适当增大发射功率，最优化Small Cell 用户的性能。

1.8 结果输出模块

输出的仿真结果包括宏用户和Small Cell 用户的SINR，下行链路宏蜂窝网络层的吞吐量，Small Cell 网络层的吞吐量，超密集Small Cell 网络总的吞吐量，基站的发射功率控制结果，用户调度情况以及用户边缘/中心标识等。平台使用者结合自身需求，直接调用相关函数，或修改/添加相关算法，或增加部分功能模块，实现5G 候选技术评估，及相关算法性能与复杂度分析。

2 面向未来超密集Small Cell 网络系统级仿真实现及流程

2.1 仿真流程介绍

在Visual Studio 2010 环境中搭建了面向未来的超密集Small Cell 网络仿真平台，该仿真平台根据蒙特卡洛方法完成，每一次采样称为一次“Drop”。平台使用Full Buffer 业务模型，每个用户维护一个用户数据队列，模块向队列中填充数据。仿真平台主程序建模为两个独立的模块，即:程序初始化部分和程序循环部分。在初始化部分中，先根据输入的参数初始化小区拓扑，然后进入Drop 循环和TTI 循环，具体过程如图4 所示。

图4 仿真流程图

2.2 仿真参数和结果评估

基于本仿真系统，可对未来超密集Small Cell 网络中无线资源管理/移动性管理等技术进行仿真评估与算法分析。根据上述介绍的超密集Small Cell 网络系统级仿真平台的设计方法，本文对3GPP 给出的3 种功率控制方案进行了仿真评估，采用的仿真参数如表1 所示。

表1 仿真参数设置

仿真结果如图5 和图6 所示。图5 给出了Small Cell 的拓扑结构，小网格表示扇区中的一个Block，圆圈代表部署的Small Cell 基站。从图可知，与前文描述的完全吻合，充分说明仿真平台的Small Cell 网络拓扑结构的正确性。

图5 Small Cell 双带模型仿真结果(圆圈表示部署的Small Cell 基站)

图6 宏用户和Small Cell 用户SINR 的CDF 曲线

图6 统计分析了3 种功率控制方案和不采用功率控制方案下宏用户和Small Cell 用户SINR 的累计分布(CDF)曲线。从整体来看，相比于不采用功率控制方案，3 种功率控制方案宏用户性能虽略有降低(最差的方案不到5%)，但Small Cell用户在SINR 门限为0 dB 时的性能提升19%。功率控制方案能在Small Cell 用户和宏用户的性能之间找到一个平衡，通过牺牲Small Cell 用户一定的性能来极大提升宏用户性能。

从局部来看，PC2 方案中Small Cell 基站发射功率的调整不仅考虑了PC1 方案中最强宏基站接收功率，还兼顾考虑了Small Cell 基站与最近宏用户之间路损。相比于PC1 和PC3方案，PC2 方案中宏用户和Small Cell 用户性能折中效果最为理想。仿真结果和理论分析基本一致，从而验证了本文给出的Small Cell 网络系统级仿真平台设计思路的正确性。

3 结论

本文在深入分析Small Cell 网络仿真建模的基础上，使用Visual Studio 2010 设计和实现了面向未来超密集Small Cell网络的系统级仿真平台，该平台包括Small Cell 双带模型网络拓扑、Wrap－around、干扰计算、HARQ、分组调度、功率控制等模块。重点对3GPP 提出的3 种功率控制方案进行了仿真对比分析，3 种方案的仿真结果与理论分析一致，证实该平台达到了系统设计的相关要求，基于测量Small Cell 与周围宏用户路径损耗的功率控制方案性能最优。此外，利用该平台可以评估超密集Small Cell 网络的整体性能，这对未来超密集Small Cell 网络的研究、部署和优化具有很强的现实意义。

［1］IMT－2020(5G)Promotion Group. White paper on 5G vision and requirements_V1.0［R］. Beijing:IMT－2020(5G)PG，2014.

［2］Cisco.Cisco visual networking index:global mobile data traffic forecast update［R］.California:Cisco，2015.

［3］Future Mobile Communication Forum.5G:rethink mobile communications for 2020+［R］.Beijing:Future Mobile Communication Forum，2014.

［4］BANGERTER B，TALWAR S，AREFI R，et al. Networks and devices for the 5G Era［J］.IEEE Communications Magazine，2014，52(2):90－96.

［5］周涛，张慧杰，李莉.小小区场景基于目标函数的上行功率控制算法［J］.电视技术，2015，39(5):83－86.

［6］ANDREWS J G，BUZZI S，WAN C，et al. What will 5G be［J］.IEEE Journal Selected Areas in Communications，2014，32(6):1065－1082.

［7］ITU－R M.2320－0，Future technology trends of terrestrial IMT systems［R］.Geneva:ITU，2015.

［8］JUNGNICKEL V，MANOLAKIS K，ZIRWASET W，et al.The role of small cells，coordinated multipoint，and massive MIMO in 5G［J］.IEEE Communications Magazine，2014，52(5):44－51.

［9］尤肖虎，潘志文，高西奇，等.5G 移动通信发展趋势与若干关键技术［J］.中国科学:信息科学，2014，44(5):551－563.

［10］李忻，聂在平.MIMO 信道中衰落信号的空域相关性评估［J］.电子学报，2004，32(12):14－18.

［11］BHUSHAN N，JUNYI L，MALLADI D，et al.Network densification:the dominant theme for wireless evolution into 5G［J］.IEEE Communications Magazine，2014，52(2):82－89.