基于中断概率和差分信道质量指示信息的头节点选择算法

何 维，余 攀，唐彦楠

(重庆邮电大学移动通信技术重庆市重点实验室，重庆400065)

0 引言

随着移动通信的飞速发展，第四代移动通信—长期演进(long term evolution advanced，LTE-A)正在向第五代移动通信［1］(fifth generation mobile communication technology，5G)迈进，面对蜂窝小区更高吞吐量的需求，未来移动通信不仅仅要求基站与基站间的协作，还要求用户(user equipment，UE)与用户间和用户组与用户组间的协作［2-5］。此外，传统的蜂窝通信系统要求UE必须与基站进行信息交互，才能与其他UE交互信息，这样对近距离的UE通信会造成资源浪费。而蜂窝短距离通信系统既能细化协作又能避免近距离UE与基站交互信息过程中的资源浪费。一般地，蜂窝短距离通信系统包含了直接与基站交互信息的UE头节点层和通过UE头节点交互信息的UE子节点层。

在蜂窝短距离通信系统中，基站对UE头节点的选择是最为关键的问题之一，保证了UE头节点的性能，UE头节点和UE子节点层之间才能建立良好的通信。文献［6］提出了蜂窝短距离通信系统结构，但未对UE头节点的选择进行详细说明。在目前的方案中［6-9］，对UE头节点的选择仅仅基于能量效率，并未考虑中断概率［10］和小区间干扰［11］这2个影响小区通信的重要因素。文献［12-13］提出了蜂窝通信中基于指数分布的功率增益和条件概率密度的方法来对UE节点进行中断概率的分析。文献［1］给出了一种以差分信道质量指示信息的方式来选取小区间干扰最小的UE节点的方法。但该方法并不是在协作环境中分析，而文献［15］在协作环境中对UE节点差分反馈进行了分析，但未考虑中断概率的影响且仅考虑了3个小区情况。

因此，本文基于文献［12-13］提出的分析中断概率的方法和基于文献［15］差分反馈的方法，对蜂窝短距离通信系统中的UE头节点进行选择。首先，保证协作域头节点中断概率足够小，然后，通过比较协作多小区的差分信道质量指示信息得到干扰加权因子，以此保证所选UE节点对其他小区的干扰最小，选出最佳UE头节点，再加上系统的动态监护和实时更新，最终达到增加蜂窝短距离通信系统中的小区平均吞吐量的目的。

1 系统模型

在传统的蜂窝系统中，一个基站下的2个UE或者不同基站下的2个UE必须经过基站才能进行信息交互，首先由发送端发送信息给基站，再由基站转发给接收端，但是对于一些距离比较近的UE，如果都要通过UE到基站的过程，会造成资源浪费。考虑到这种情况，蜂窝短距离通信系统就更加有效，如图1所示，蜂窝短距离通信系统是一种短距离通信，数据通过短距离链路在用户间传输，实现资源共享，离基站近的UE把数据传给离基站远的UE。这种通信模式不但节省资源，还节省了时间。

蜂窝短距离通信系统中直接接收来自基站数据流的UE节点被称为UE头节点，负责直接接收基站的数据信息，把数据传输给用户组层的UE子节点，UE头节点和UE子节点间都进行数据的共享以减少基站数据重传次数。可见，UE头节点在蜂窝短距离通信网络中起了关键性的作用，本文将从中断概率对用户进行初选，再通过比较差分信道质量指示信息对用户进行精选，最终选出的UE头节点，能有效增加频谱利用率，最终达到增加平均小区吞吐量的目的。

图1 蜂窝短距离通信系统Fig.1 Cellular short distance communication system

2 数学分析

2.1 中断概率

中断节点分布如图2所示。S为UE源节点;ri为UE协作节点。UE源节点S到第i个UE节点之间的中断概率Pop定义为信道容量Cs，ri小于某一给定速率R的概率，表示为

(1)式中:SNR为UE源节点信噪比;hs，ri为UE源节点到第i个UE节点的信道衰落系数。

图2 中断节点分布Fig.2 Outage node distribution

用C(s)表示由被选中的UE节点组成的协作域，即单个小区的协作集合，所有用户都反馈各自收到的相邻用户的信道参数给基站，将所有用户假设作为头节点后由基站进行遍历计算，|C(s)|(|C(s)|∈{0，1，…，M})表示C(s)中协作UE节点的个数，则UE协作中断概率为

由(3)式得到协作域中的中断概率Psop{|C(s)|}以及用户数|C(s)|，再通过不等式Psop{|C(s)|}＜Pmin(Pmin值根据不同信噪比(signal noice rate，SNR)而定)从|C(s)|中选出n个中断概率较小的UE，然后进行基于差分信道质量指示信息的UE头节点选取。

2.2 差分信道质量指示信息

在协作小区中，引入协作信号噪声干扰比(signal to interference plus noise ratio，SINR)来表示协作域中UE节点的干扰关系，当采用预编码码本矩阵为本小区服务时，本小区用户i的SINR公式［15］为

(4)式中:St为初选n个用户的系统总功率;Hsi表示UE源节点S到第i个用户的信道矩阵;Mi表示第i个用户所在小区的预编码矩阵;Mn表示协作小区n的编码矩阵;PICI为除本小区外其他小区的同频干扰(这里设置为定值);σ2为接收端高斯白噪声功率。

设使用协作小区预编码矩阵为Mi的第n个用户的信道质量指示信息为Qn(Mi)，那么采用协作小区预编码矩阵为M0的信道质量指示信息为Qn(M0)，则两者的比值［15］为

可见用户n的差分信道质量指示信息(channel quality indication information，CQI)越大，所受干扰越小。这里，我们可以定义干扰加权因子λ为

2.3 加权选择优先级

假设在N个小区协作场景下，第2个小区到第N个小区的用户组集合表示为(A2，A3，A4，…，An)，设Mj为第1个小区中用户n采用的预编码码字，那么根据香农定理，用户集合A2到An的归一化吞吐量和为［15］

实际系统中，被调度用户的SINR远大于1，因此，(7)式中的1可以去掉，那么，最大化用户吞吐量之和等价于

根据差分信道质量指示信息和干扰加权因子的定义，(8)式进一步等价为

那么第1个小区的用户n对(A2，A3，A4…An)的干扰水平可以用maxλ2×λ3…×λn表示，该值越大则干扰越小。

进一步，结合中断概率，即第1个小区用户的调度优先级由中断概率和干扰加权因子共同决定。第1个小区用户n加权调度优先级γn表示为

得到对第2个小区到第N个小区对小区1干扰最小的用户集合(B1)，同理小区2到小区N选出对应用户组，得到精选用户组集合(B2，B3，B4…Bn)。最终集合(B1，B2，B3…Bn)即是所选头节点集合。

3 基于OP-IWF模型的UE头节点选

本文把第2部分中提出的方法相结合，得到一种方法称为OP-IWF(outage probability interference weighted factor)模型。

图3为OP-IWF流程图，我们把蜂窝短距离通信系统中UE头节点的选择分为2个步骤:基于中断概率的初选;基于差分信道质量指示信息的精选。

选择过程中一直保持动态监测，实时更新，以确保UE头节点的高效性。假定协作域为N个小区，每个小区有i个UE源节点。

图3 UE头节点选择流程图Fig.3 Flow chart of head node selection

首先是初选过程，小区UE源节点给基站发送数据包，基站根据UE源节点发送端的SNR来测量小区用户的信道容量C。然后，根据信道功率增益门限值hs，ri计算中断概率Pop，根据小区内不同UE源节点用户的功率增益值以及条件概率计算出协作中断概率Psop。根据协作环境中总的用户数|C(s)|，再通过不等式Psop{|C(s)|}＜Pmin(Pmin值根据不同SNR而定)选出n个中断概率较小的UE。保持动态监测和实时更新来选择中断概率小的用户。

然后是通过差分CQI精选的过程，N个小区中都有在第一步初选出的UE节点|C(s)|，这N个小区初选UE节点形成集合(A1，A2，A3，…，An)，这些UE节点给基站发送数据包，主要包括每个UE节点的CQI和预编码矩阵指示信息(precoding matrix indicator，PMI)信息，基站通过计算协作小区的CQI，每个小区计算出对应其他小区的差分CQI，即干扰因子λ。小区1通过加权调度优先级，如公式(10)，选出对小区1中用户组(A1)干扰最小用户组(B1)。同理小区2到小区N选出对应干扰小的用户组(B2，B3，B4，…，Bn)，最终得到精选用户组集合(B1，B2，B3，B4，…，Bn)。

用户集合(B1，B2，B3，…，Bn)在协作通信中具有更小的中断概率和更大的吞吐量，是蜂窝短距离通信系统中比较理想的UE头节点。

4 仿真结果

为了便于更好地理解理论分析，本文对UE头节点的性能进行仿真，参数选择主要参考文献［17］，主要参数如表1所示。

表1 仿真参数设置表Tab.1 Table of setting simulation parameters

这里考虑功率增益参数服从σ的指数分布，具体取值视信道模型而定。

图4给出了非协作情况(只考虑系统噪声)和有协作情况下UE节点的中断概率仿真结果。在系统中，当SNR越高时，UE中断概率越小。在协作环境下，UE节点通过功率增益考虑了协作节点对其的影响，较非协作情况中断概率更大。所以，在协作环境中，对中断的考虑可以有效地避免中断概率大的UE节点作为UE头节点，从而降低UE头节点的中断概率。

图4 协作和无协作下的中断概率Fig.4 Outage probability of cooperation and non-cooperation

图5对中断概率初选的UE节点进行差分信道质量指示信息的比较仿真(此时没有考虑中断概率)。在蜂窝小区中，随着UE节点数量增加，吞吐量增大。通过其他小区反馈的CQI和PMI，节点间进行差分比较，即选择通过差分CQI得到的IWF值最大的UE节点，这些UE节点是对其他小区干扰最小的UE节点，和没考虑IWF的UE节点的情况进行仿真比较，可以看出，考虑了IWF的UE节点吞吐量有一定的提升。

图5 差分CQI和Common情况下的吞吐量Fig.5 Throughput of differential CQI and Common

OP-IWF和Common+OP情况下的吞吐量如图6所示，把考虑IWF的UE节点加入了中断概率(即之前选出中断概率较小的UE节点)的考虑后，随着UE节点数目的增加，吞吐量增大。由于UE节点受功率增益以及协作小区UE节点干扰的影响从而中断概率增大，吞吐量的增加速率减缓，相较图5吞吐量也有所下降，但考虑了IWF的UE节点吞吐量都更大，此时选出的UE节点为系统UE头节点。

图6 OP-IWF和Common+OP情况下的吞吐量Fig.6 Throughput of OP-IWFI and Common+OP

图7是总吞吐量的柱状图，是所有UE头节点子信道吞吐量的累加。可以看出，通过本文采用的OP-IWF方法得到的UE头节点的总吞吐量较只考虑中断概率算法的UE节点的总吞吐量有明显的提升。

图7 本文算法和中断算法下总的吞吐量Fig.7 Sum throughput of paper algorithm and outage probability algorithm

5 结束语

本文是在蜂窝短距离通信环境下，提出针对UE头节点层的UE头节点选择算法。UE头节点的性能要求需要直接和基站交互信息，并传输数据给UE子节点，在蜂窝短距离通信环境下起到关键的作用。本文以减少中断概率和提升吞吐量为目标，通过指数分布的功率增益和差分信道质量指示信息对UE头节点进行选择。实验结果表明，UE头节点在减少中断概率的情况下，吞吐量得到改善，从而使蜂窝短距离通信系统的性能得到了提升。值得注意的是，本文是在蜂窝短距离通信环境下，只对UE头节点的选择方式进行了研究，对于环境中要求的动态更新没有做详细的考虑，这也是后续需要加强研究的方向。

［1］THOMPSON J，GE X，WU H C，et al.5G Wireless Communication Systems:Prospects and Challenges［J］.IEEE Communications Magazine，2014，52(5):62-64.

［2］WEN Si.QoS-aware mode selection and resource allocation scheme for Device-to-Device(D2D)communication in cellular networks.Communications Workshops［C］//IEEE.2013 IEEE International Conference on Communications Workshops(ICC).Budapest:IEEE Press，2013:101-105.

［3］PEDERSEN M，FITZE F.Mobile Clouds:The New Content Distribution Platform［J］.IEEE.Proceedings of the IEEE 100.Special Centennial Issue，2012，100(S):1400-1403.

［4］BOURGUIBA M，AGHA K A，HADDADOU K.Improving networking performance in virtual mobile clouds［C］//IEEE.Network of the Future(NOF)，2012 Third International Conference on.Gammarth:IEEE Press 2012:1-6.

［5］LIN P，ZHANG J，CHEN Y，et al.Macro-femto heterogeneous network deployment and management:from business models to technical solutions［J］.IEEE.Wireless Communications，2011，18(3):64-70.

［6］张祖凡，易印雪.分层异构移动云接入架构研究［J］.重庆邮电大学学报:自然科学版，2013，25(3):285-291.

ZHANG Zufan，YI Yinxue.Some issues on a layered heterogeneous mobile clouds access architecture［J］.Journal of Chongqing Oniversity of Posts and Telecommunications:Natural Science Edition.2013，25(3):285-291.

［7］SALEHI M J，KHALAJ B H，KATZ M，et al.Mobile clouds:how to find opportunities［C］//IEEE.IEEE 17th International Workshop on Computer Aided Modeling and Design of Communication Links and Networks.Barcelona:IEEE Press，2012:170-172.

［8］BAGHERI H，SALEHI M J，KHALAJ B H，et al.An energy-efficient leader selection algorithm for cooperative mobile clouds［C］//IEEE.Wireless Days(WD).Valencia:IEEE Press，2013 IFIP.2013:1-4.

［9］KARUNAKARAN P，BAGHERI H，KATZ M.Energy efficient multicast data delivery using cooperative mobile clouds［C］//IEEE.European Wireless，2012.EW.18th European Wireless Conference，VDE.Poznan:IEEE Press，2012:1-5.

［10］GUO J，DURRANI S，ZHOU X.Outage Probability in Arbitrarily-Shaped Finite Wireless Networks［J］.IEEE.Communications，IEEE Transactions on，2014:62(2):699-712.

［11］SHEU J S，SHEEN W H.Characteristics of inter-cell interference for OFDMA systems in multipath Relaying fading channels［C］//IEEE.Wireless Communications and Networking Conference(WCNC).Shanghai:IEEE Press，2013:3432-3437.

［12］BOOSTANIMEHR H，BHARGAVA V.Outage Probability Analysis for Multi-User Single-Relay OFDMA DF Networks in Frequency Selective Ray-leigh Fading Channels［J］.IEEE，Communications Letters，2014，18(2):245-248.

［13］TANG X W，CHUAI G.Throughput Analysis of Multi Relay Power Allocation［EB/OL］.(2010-11-26)［2014-03-01］.http://www.paper.edu.cn/releasepaper/content/201011-602.

［14］Huawei.Overhead reduction of best-M based CQI reporting［EB/OL］.(2012-11-20)［2014-03-01］.http://WWW.3gpp.org/ftp/tsg_ran/wgl_rl1/TSGR1_47/Docs/.

［15］DINGCHENG Y，LIN X，FEI W，et al.A Multi-Cell Coordinated Scheduling Algorithm Based on Delta-CQI for CoMP Network Systems［J］.Journal of Networks，2013，8(9):2121-2127.

［16］NICHOLAS L J，DAVID N C T，GREGORY W W.Cooperative Diversity in Wireless Networks:Efficient Protocols and Outage Behavior［J］.IEEE，IEEE Transactions on Information Theory，2004，50(12):3062-3080.

［17］3GPP Organizational Partners 3GPPT R36.814 v9.0.0 2010，Technical Specification Group Radio Access Network;Further Advancements for E-UTRA;Physical Layer Aspects［S］.Sophia:3rd Generation Partnership Project，2009:87-88.