基于认知的LTE系统动态频谱分配

刘 勤 李红霞 李 钊 孔欣怡

1 引言

第4代（4G）移动通信技术标准LTE中[1]，随着移动用户数量的增加及对数率要求的提升，现有的频谱资源难以满足未来业务发展的需要[2]。另一方面，对于采用MIMO和OFDM技术的LTE系统，小区间干扰会严重影响系统性能，尤其是导致小区边缘用户服务质量的下降[3]。因此，提高频谱资源利用率，消除或减少小区间干扰，成为LTE发展面临的重要问题。

软频率复用（Soft Frequency Reuse, SFR）[4]作为一种重要的干扰协调（Inter-cell Interference Coordination, ICIC）[5]技术，将系统可用频谱划分为边缘和中心两部分，并根据用户信干噪比（SINR）将用户分为边缘用户和中心用户两部分。前者只能使用边缘频谱，后者可以使用边缘用户占用以外的全部频谱。然而由于边缘用户仅能够使用预分配的固定频谱，无法适应负载动态变化。为缓解此问题，研究人员提出一系列改进方案。文献[6]允许边缘用户使用所有资源块（Resource Block, RB），改善了频谱利用率，但增加了小区间干扰。文献[7]通过弹性借用邻小区边缘频谱，用以解决小区边缘重负荷问题，但造成了邻小区同频干扰，并且不能适应信道质量的动态变化。文献[8]中过载小区对空闲RB最多的邻小区进行资源借用，在提高频谱利用度的时候导致了小区间同频干扰。上述工作[68]-无法兼顾解决业务负荷动态分布导致的频率利用不均，以及邻小区边缘区域同频干扰问题，导致边缘用户的性能无法得到良好保障。此外，以上方法均采用理想正六边形小区构造网络拓扑，未考虑由无线电波实际传输引起相邻小区间重叠覆盖区域。

随着3GPP关于认知特性的讨论，如自组织网络 （Self-Organized Network, SON）、 载 波 聚 合（Carrier Aggregation, CA）和灵活带宽调整等，将认知 无 线 电 （Cognitive Radio, CR）[9]和 认 知 网 络（Cognitive Network, CN）[10]技术引入LTE或LTE-A成为研究热点。LTE系统融合认知技术可以提高频谱利用率，增强网络协作能力，同构网络间的协作可以有效改善边缘用户性能，异构网络间的协作能够减小系统间干扰。目前的研究工作主要集中在异构网络场景[1113]-，关于认知技术在 LTE同构网络中改善边缘用户性能的研究尚不多。

本文以小区边缘用户通信性能的改善为目标，在传统SFR的基础上，将认知能力引入LTE系统，提出一种新的动态频谱分配方案。当目标小区边缘区域重负荷时，通过基站间协作获得频谱使用状态信息并评估来自邻小区的同频干扰，利用这些信息，目标小区边缘用户能够对邻小区优选频谱（等价于目标小区的非优选频谱）进行机会的借用，并根据基站的服务质量进行自适应基站选择。

2 系统模型

研究多小区场景中边缘区域用户的下行通信问题，如图 1所示。具有认知能力的基站（Cognitive eNB, C-eNB）位于小区中心，采用全向天线，小区覆盖区域为理想的圆形。考虑到无线电波的实际传输，相邻小区间存在一部分重叠区域。假设C-eNB能够准确获取终端用户的地理位置信息，C-eNB之间能够交互所属小区的频谱使用状态、链路质量等信息。以 C -eNB1所在小区 c1为研究对象，称为目标小区， C -eNB2与 C -eNB3所在小区（c2和 c3）为对应的相邻小区。为讨论简便，仅考察相邻3个小区构成的系统拓扑。每个小区的半径为 R，用户在小区内随机独立地分布。终端j与基站C-eNBk（k∈{1,2,3}）的距离为 dkj，当 dkj小于某一预设门限 dth时，终端为中心用户，否则属于边缘用户。假设系统中用户业务的分布是动态且不均匀的，目标小区边缘区域重负荷，相邻小区边缘区域负荷较轻。

将系统可用频谱资源划分为3段大小相等且相互正交的频率集合Ωk（k∈{1,2,3}）,Ωk称为小区ck的边缘用户优选频谱集合，位于小区 ck边缘区域的用户优先使用Ωk中的频率资源，中心用户可以使用边缘用户占用之外的全部频谱，即小区 ck的边缘用户比中心用户对Ωk具有更高的使用优先级。

图1 系统模型

LTE下行通信采用 OFDMA方式，在 3GPP LTE标准中，定义频谱分配的最小单位为资源块（RB），一个 RB 由频域上 12个连续子载波（12×15 kHz = 1 80 kHz）和时域上 1 个时隙（0.5 ms）构成。频域上整个传输带宽被划分为若干个RB，每个UE可以使用一个或多个RB用于业务传输。为了便于动态资源管理，将C-eNBk管理的任意RBn（n ∈ {1,2,…,N}）建模为包含3个特征参数的资源矢量Vkn，如式（1）所示。其中，k表示小区编号（k ∈ { 1,2,…,K }）, K为小区总数；n表示RB编号（n ∈ { 1,2,…,N }）, N为系统中RB总数；s表示RB的使用状态（s ∈ { 0 0,10,11}）, 00表示空闲，10表示中心用户占用，11表示边缘用户占用；q表示终端使用该 RB的通信质量（用SINR衡量，单位为dB）。C-eNBk针对小区 ck维护一个 N × 3的频谱状态信息矩阵 Mk，如图2和式（2）所示， （. ）T表示向量的转置。

图2 资源状态信息矩阵

基站初始化kM时，置=-∞q，表示当前RB不可分配，在频谱分配过程中对q进行更新。考虑3小区场景，kM 中RB被均分为3份，其中1份作为kc的优选频谱集合，相邻小区的优选频谱集合相互正交。

在进行资源调度时，以一个传输时间间隔（Transmission Time Interval, TTI）作为基本单位。C-eNB之间以一个TTI，即0.5 ms为间隔[6]，通过X2接口实现频谱状态信息（kM ）的交互，假设在该时间间隔内频谱使用状态保持稳定，TTI之间各RB的状态独立地随机变化。

3 用户位置及信干噪比计算

根据系统模型部分的假设，用户在小区内随机独立分布，用户在某一RB上获得的SINR与其距离基站的远近有关，本节描述了终端与基站的空间关系模型，并在此基础上给出用户使用不同RB获得 SINR的计算方法，为下一节具体的频谱分配方法设计提供依据。

如图1所示，以目标小区中心为原点建立极坐标系，边缘用户j的位置信息 （ d1j, θ1j） 满足dth≤d1j≤R,-π /3 ≤ θ1j≤ π /3。虽然系统模型中小区数为 3，并且研究 θ1j∈ [- π / 3,π/3]的情况，但通过将当前3小区模型以原点为中心分别旋转2π/3和-2 π/3进行复制，可灵活扩展至7小区场景，因此本文的研究未失一般性。

基站间距离为D，相邻小区基站的坐标分别为（D , θC-eNB）和（D ,- θC-eNB），不难得出，θC-eNB=π/6。可以计算出坐标为 （d1j, θ1j）的用户与小区 ck（k ∈ {1,2,3}）基站C-eNBk之间的距离 dkj为

用户j在RBn上接收到的来自C-eNBk的有用信号功率为

其中，PT表示基站发射功率，表示服务基站C-eNBk使用RBn向用户j传输的链路增益。考虑到路径损耗和阴影衰落，的计算公式为

其中，dkj表示终端j与C-eNBk之间的距离，L（dkj）是自由空间路径损耗，是C-eNB到用户的对数k正态阴影衰落，为高斯随机变量，～N （ 0,σ2） ，本文选取基站信号的标准方差为8 dB[14]。

C-eNBk服务的边缘用户j在RBn上的SINR由式（7）给出：

4 基于认知的LTE动态频谱分配

本节给出基于认知的 LTE动态频谱分配方法（Cog-DSA）。对于目标小区kc，中心用户频谱分配方式与传统SFR相同，边缘用户优先使用优选频谱集合kΩ中的资源。当边缘区域重负荷导致kΩ中无空闲RB时，采用传统SFR，用户将无法获得服务。本文采用认知技术中机会频谱借用的思想，目标C-eNBk通过与相邻C-e（k≠）信息交互获得频谱使用状态矩阵，根据kc自身频谱使用状态确定边缘用户j（属于kc）的可用频谱指示向量kjA ，并通过评估可用RB的SINR，实现对相邻小区优选集合（≠k）中可用且质量较好的资源块动态借用。为了抑制小区间同频干扰，必须保证借用过程中相邻小区边缘区域的RB正交。
若邻小区优选资源被借用后的某个时刻，边缘用户要求使用该RB，因其具有更高优先级，相应RB将被收回。因此，目标小区边缘用户在进行资源分配时，可能需要针对邻小区边缘用户的出现采取退避措施。对于小区 ck的边缘用户，可以通过C-eNBk与C-e之间协商完成对邻小区中的空闲RB的借用，服务该用户的基站是C-eNBk。由于相邻小区间存在重叠覆盖区域，若C-e对用户的服务质量优于C-eNBk并且超过一定门限，系统将引导用户切换至C-e以获得更好的服务。频谱借用是目标小区边缘用户借用邻小区优选资源集合中的空闲RB；切换是目标小区边缘用户切换至相邻小区基站，使用切换后小区的优选RB。本质而言，两种情况使用的资源块相同。如图1所示，边缘用户 U E1选择了从基站 C -eNB1向邻基站 C -eNB2切换， U E2则选择借用邻小区c3的边缘优选集合Ω3中的空闲频谱。

以目标小区 ck中任意用户j为研究对象，基于认知的LTE系统资源分配（Cog-DSA）步骤如下：

步骤1 系统初始化。认知基站C-eNBk生成资源信息矩阵 Mk（k ∈ { 1 ,2,… , K }），并通过X2接口与邻基站C-e（∈ {1,2,…,K}且k≠）进行信息交互，获得。

步骤 2 若目标小区 ck有新用户j到达，用户需求的RB个数为μj，分别初始化用户j的可用频谱指示向量 Akj=0N×1和频谱分配向量 Ukj=0N×1,0N×1表示 N × 1零向量，执行步骤3；否则等待，并在新的TTI开始时再次执行步骤2。

步骤 3 用户j向C-eNBk报告位置信息，C-eNBk根据式（3）计算用户 j与C-eNBk之间距离dkj。若 dkj≤dth，用户j属于中心区域，按照传统SFR方式进行频谱分配；否则，用户j属于边缘区域，执行步骤4。

步骤4 C-eNBk扫描其优选频谱集合Ωk中的RB，根据中空闲RB的编号∈ { 00}），将中对应元素置 1，计算 Akj更新后的 1范数，执行步骤 5。若0＜，将可用RB全部分配，置kM中=11,= 1 ，执行步骤5。若，即中空闲 RB能够满足用户j需求，根据式（7）分别计算用户j在各空闲RB上获得的信干噪比，并更新，选取最大的μ个RB分配，分别置其在j

3.1 康复医学解决临床难题 康复医学可以解决临床医学所难以解决的问题，包括长期的功能障碍或丧失。许多疾病在生理功能不能恢复时，临床上并无特殊有效的方法，而康复医疗则大有作为。通过康复医学的思维和措施，提高障碍者的功能和能力，因此康复医学对临床医疗有十分重要的扩充和延续作用。康复服务是由政府或非政府机构提供的[10]。我国的康复医疗服务是以政府负责，卫生行政部门主管，鼓励各种康复服务资源参与的形式开展，利用康复医学技术解决临床领域的问题。

步骤 5 计算剩余资源需求μj=μj-||Akj||1，用矩阵保存 Akj的当前状态，记为=Akj。扫描优选频谱资源集合Ωk中的RB,C-eNBk检索其在中的使用状态，若）= 1 0，则将 A 中对应元kj素置1。计算 Akj-，其非零元素对应的RB表示可以通过退避中心用户得到的资源块（边缘用户j对Ωk中的RB具有更高的使用优先级）。若||Akj-=0，执行步骤6。若 0 ＜||Akj-||1＜ μj，将所有新增可用RB全部分配，置对应的= 1 1,= 1 。若 || Akj-||1≥μj，计算用户j在 Akj非零元素对应的各 RB上获得的信干噪比，更新，选取最大的μj个RB分配，并置其使用状态 s= 1 1，置= 1。

步骤 7 计算剩余资源需求μj=μj-||Akj-||1，更新=Akj。根据和 Mk,C-eNBk对属于的RBn在Mk~和Mk中的使用状态逐一进行检索。若对于C-e,= 11，即邻小区的优选RBn未被其边缘用户使用；并且对于C-eNBk,= 0 0，即目标小区 c对应的非优选RB空闲，kn则将 Akj中与RBn对应的元素置1，表明该资源块可被借用。计算当前 Akj-，若为零向量，表示无RB可以借用，算法结束；否则，Akj-中非零元素对应的RBn为新增可借用资源块，计算用户j在可借用RBn上获得的信干噪比和，更新和。

步骤 8 遍历新增的可借用RBn，若||Akj-≥μ，选择μ个具有最佳 m ax）的j j RB分配给用户j；否则，将 Akj-中非零元素对应的所有RB分配给用户j,| | Akj||1为用户实际获得的 RB个数，超出的需求（RBn）将被阻塞。按照步骤9进行频谱借用和基站切换的选择。

根据算法描述，边缘用户频谱分配过程主要分为3个阶段：分配优选集合kΩ中的空闲RB（步骤4和步骤6），分配kΩ中由中心用户退避获得的RB（步骤5和步骤6），以及对通过机会频谱借用或基站切换获得的kΩ~中RB进行分配（步骤7、步骤8、步骤9），只有在当前阶段所获 RB不能满足用户需求的情况下，才会进入下一阶段频谱分配。

需要注意的是，采用本文提出的动态频谱分配方法，用户j可以由多个基站（C-eNBk和C-e）同时服务，其对应的频谱分配矢量分别为kjU 及，即为执行频谱分配算法的最终输出结果。

5 仿真结果

本节采取如图1所示的多蜂窝下行通信场景，以目标小区任一边缘用户为研究对象，对SFR和本文提出的Cog-DSA性能进行仿真。随机出现在目标小区边缘区域的某一用户对 RB的需求量为μ∈{1,2,…,N},N=15表示系统可用RB的总数。定义边缘用户对RB的相对需求度 α =μ/N ，用户满意度ρ=κ/ μ，其中κ表示用户实际获得的RB数。仿真条件及参数为：各基站发射功率相同，均为 43 dBm，系统带宽为3 MHz，基站间距 D = 1 732 m ，小区半径 R =1000 m,dth=0.62R[15]，热噪声功率谱密度为-174 dBm/Hz，考虑标准方差 σ = 8 dB的对数正态阴影衰落。为了使边缘用户获得最佳的服务质量，选取切换门限η=0 。

相比于传统SFR, Cog-DSA显著提升了目标小区边缘用户的服务质量，特别是在目标小区边缘重负荷、目标小区中心及邻小区边缘轻负荷的情况下，Cog-DSA对SFR的优势更为明显。该算法计算复杂度为 O （ JK N ），即与用户数、基站数和 RB数成正比关系。虽然Cog-DSA需要基于基站间的信息交互实现频谱分配和小区选择，在一定程度上增加了系统开销，但凭借LTE系统强大的功能特性[16]，以及与终端侧相比，基站侧较宽松的硬件和成本约束，本文所提算法具有较好的可实现性。

6 结束语

图3 对归一化吞吐率和ρ的影响

图4 对归一化吞吐率和ρ的影响

图5 对归一化吞吐率和ρ的影响

本文以小区边缘用户通信性能的改善为目标，在传统SFR的基础上，将认知能力引入LTE系统，提出一种动态频谱分配方法（Cog-DSA），利用基站间的相互协作获得频谱使用状态信息，从而确定可用资源集合并评估来自邻小区的同频干扰，最后根据资源块的通信质量，完成频谱的动态借用和服务基站的灵活选择。所提方案改变了传统SFR对边缘用户可用频率集合的约束，能够提升频谱利用效率，改善边缘用户的传输速率。本文研究的重点是在不增加额外频谱资源的情况下，提高系统频谱效率，即针对LTE系统的频谱进行共享机制设计。若按照传统的认知思想，通过感知获取新的频谱资源，由于这部分资源具有随机动态的特性，无法进行相对固定的规划，因此与本文研究的频谱存在本质的区别，可以将本文方法与频谱动态借用相结合进行新的设计。

[1] 3GPP TS 36.101 V11.4.0. User Equipment （UE） Radio Transmission and Reception[S]. 2013.

[2] Xiao J, Hu R Q, Qian Y, et al.. Expanding LTE network spectrum with cognitive radios: from concept to implementation[J]. IEEE Wireless Communications, 2013,20（2）: 12-19.

[3] Hamza A, Khalifa S, Hamza H, et al.. A survey on inter-cell interference coordination techniques in OFDMA-based cellular networks[J]. IEEE Communications Surveys &Tutorials, 2013, 15（4）: 1642-1670.

[4] 3GPP, R1-050507. Soft Frequency Reuse Scheme for UTRAN LTE[S]. 2005.

[5] Lee D, Li G Y, and Tang S. Inter-cell interference coordination for LTE systems[J]. IEEE Transactions on Vehicular Technology, 2013, 62（9）: 4408-4420.

[6] Zhang X, He C, Jiang L, et al.. Inter-cell interference coordination based on softer frequency reuse in OFDMA cellular systems[C]. Proceedings of International Conference on Neural Networks and Signal Processing, Nanjing, China,2008: 270-275.

[7] 3GPP, R1-051341. Flexible Fractional Frequency Reuse Approach[S]. 2005.

[8] Mao X, Maaref A, and Teo K H. Adaptive soft frequency reuse for inter-cell interference coordination in SC-FDMA based 3GPP LTE uplinks[C]. Proceedings of the IEEE Global Telecommunications Conference （GLOBECOM）, New Orleans, American, 2008: 1-6.

[9] Mitola J and Maguire G Q. Cognitive radios: making software radios more personal[J]. IEEE Personal Communications,1999, 6（4）: 13-18.

[10] Thomas R W, Friend D H, DaSilva L A, et al.. Cognitive Networks[M]. Berlin: Springer Netherlands, 2007: 17-41.

[11] Huang J W and Krishnamurthy V. Cognitive base stations in LTE/3GPP femtocells: a correlated equilibrium gametheoretic approach[J]. IEEE Transactions on Communications, 2011, 59（12）: 3485-3493.

[12] Naranjo J, Viering I, and Friederichs K J. A cognitive radio based dynamic spectrum access scheme for LTE heterogeneous networks[C]. Proceedings of Wireless Telecommunications Symposium （WTS）, London, UK, 2012:1-7.

[13] Wang W, Yu G, and Huang A. Cognitive radio enhanced interference coordination for femtocell networks[J]. IEEE Communications Magazine, 2013, 51（6）: 37-43.

[14] Qian M, Handjawana W, Li Y, et al.. Inter-cell interference coordination through adaptive soft frequency reuse in LTE networks[C]. Proceedings of the IEEE Wireless Communications and Networking Conference （WCNC）,Shanghai, China, 2012: 1618-1623.

[15] Amer M. Optimal configuration of fractional frequency reuse system for LTE cellular networks[C]. Proceedings of the IEEE Vehicular Technology Conference （VTC Fall）, Quebec City, Canada, 2012: 1-5.

[16] Pateromichelakis E, Shariat M, Quddus A, et al.. On the evolution of multi-cell scheduling in 3GPP LTE/LTE-A[J].IEEE Communications Surveys & Tutorials, 2013, 15（2）:701-717.