基于用户分群的超密集小区网络资源分配

王军选， 汤仕艳， 孙长印

(西安邮电大学 通信与信息工程学院， 陕西 西安 710121)

基于用户分群的超密集小区网络资源分配

王军选， 汤仕艳， 孙长印

(西安邮电大学 通信与信息工程学院， 陕西 西安 710121)

摘要:为了降低超密集小区网络中的小区间干扰，给出一种利用用户信干噪比和干扰泄漏计算连续权值的用户分群方案。利用连续权值进行用户分群后，采用次优化的启发式算法为用户群分配资源。仿真结果表明，与现有的用户分群算法相比较，所给算法的系统吞吐量可提升20%～35%，同时单个小区的吞吐量也可提升5%～10%。

关键词:用户分群；资源分配；图论；信干噪比；干扰泄漏

在异构-多层的5G蜂窝网络中，每个宏小区高达100个微小区。将现有单层网络资源分配方案应用于这种超密集小区网络，很难实现5G系统1 000倍的容量目标[1-2]。超密集小区网络的资源分配已成为研究热点[3]。

小区间协作是实现无线资源分配的一种重要方案，而用户分群是实现小区间协作的方法之一。

基于小区间协作的资源分配方案可以通过用户分群的方式来实现。利用离散权值来构建干扰图，仅从地理位置来表示用户之间的干扰关系，这种方案比较适合低密度小区场景[4-6]，但在超高密度小区场景中，离散权值已经不能全面反映各用户之间的干扰关系。

本文拟对基于用户分群的资源分配方案进行改进，即引入基于用户信干噪比(Signal-to-Interference-and-NoiseRatio,SINR)和干扰泄漏(Signal-to-OtherCell-InterferenceRatio,SOIR)的连续干扰权值，来代替基于图论的权值[7-8],并参考协作复杂度、反馈开销和干扰随距离所呈现的指数衰减，对小区覆盖下的用户进行分群。对群内干扰采用基于协作的管理方案，对群间干扰采用基于频域或时域的干扰避免的管理方案，以此来克服基于资源竞争的利己策略所面临的干扰管理与资源效率相矛盾的问题[9]。

1系统模型

设密集小区用户蜂窝网络系统由L个微小区组成。每个微小区有1个接入点,每个用户只有一个主服务接入点，连接到第l个接入点的第m个用户记为ml,这样的用户共有Ml个。

基于资源分配的优化问题可以转换成加权和速率最大化问题。为了维持公平性或网络其他用户的服务要求，加权因子可相应的进行调整。

设用户ml在子信道n上瞬时服务质量要求的权值为wml,n，可获得速率为

Rml,n=log2(1+ργml,n)。

其中ρ是与目标误码率相关的常数，而相应的信干噪比[10]

其中：Pl,n为微小区l在子信道n上的发射功率；Gm,l,n为子信道n上用户m和接入点l之间的信道增益；N0是热噪声功率；Iml,n是在特定子信道n上的干扰集合。

所谓的优化问题，就是要找到最优资源分配方案使得最大化加权和速率达到最大，即

s.t.aml,n∈{0,1},

该优化问题是一个NP困难问题，当用户总数随着小区密度提升而增加时，计算复杂度增高。

2基于图论的用户分群

在基于图论的资源分配方案中，图中每个节点对应一个基站或网络中的接入点[4]。不同于此，为了在干扰限制下最小化信道的数量[11]，仅考虑子信道和其预定数量皆设定的情形，并选取用户而非基站或接入点作为图形节点。

2.1改进的干扰权值计算方法

以G=(V，E)表示干扰图，V中各节点表示一个用户，E中各边的权重表示相连用户间潜在的干扰。以γu和γv分别表示用户u和v的信干噪比，Sv表示用户v的接收信号，Iu表示用户u接收到的干扰信号。定义干扰泄漏

引入干扰权值λu,v表示用户u和用户v之间的干扰关系，即[10]

干扰权值越大表示用户间干扰越强。相连用户u-v的边权重E(u,v)取它们之间的最大权值[7，11]，即

E(u,v)=E(v,u)=max{λu,v,λv,u}。

系统中同小区用户存在严重干扰，因此，在相同小区用户间需设置非常高的权值，以保证同小区用户不被分配在相同集群中。

2.2改进的用户分群算法

迭代地分配节点到群中，各节点的分配都要确保群内权值的增加最小。对于用户数超过子信道数的场景，为保证干扰管理效果，且不降低频谱效率，对中心用户分配2个子信道来传输信息，边缘用户分配1个子信道。复制中心用户节点。复制点和被复制点之间的权值设为高值，以此保证它们被分配到不同集群。

以N表示子信道总数，M表示用户总数，C表示小区中心用户总数。用户分群算法的实现步骤可描述如下。

步骤1计算用户u的权值之和[10]

按照Eu从小到大的顺序对N个用户排序。C个中心用户也按照Eu从小到大排序。用数组来存放这M+C个用户。

步骤2把M+C个节点中的前N个节点分配到N个群，每群1个节点。

步骤3剩余M+C-N个节点每迭代1次分配1个节点到集群中。该节点要确保群内权值的增量最小，并确保把复制点和被复制点分到不同的集群中。

步骤4一旦有新节点被分配到群内，立即更新群内权值。

步骤5重复步骤3和步骤4，直到所有节点被分配到集群。

2.3信道分配算法

通过迭代算法把子信道分配到具有最大加权和容量的群，这是信道分配应遵循的策略。特别地，通过计算不同集群在子信道上的加权和速率，把子信道分配到具有最高加权和速率的集群。

初始化由N个子信道组成的信道池Φ={1,2,…,N}，对N个子信道按平均信道质量进行排序，而集群则按照群中用户总数的多少遵循从小到大的顺序排序[11]。信道分配算法的实现步骤可描述如下。步骤1从质量最好的子信道开始，根据预算功率计算每个集群的加权和容量，把加权和容量最大的集群映射到该子信道上。

步骤2把已经分配的子信道从信道池中取出。

步骤3重复以前步骤，直到所有的集群都分配有子信道。

3仿真结果分析

通过计算机仿真比较方案改进前后的性能。仿真参数遵循LTE-A的标准，如表1所示。其中SCM(E)信道参见文献[12-13]，而d为用户到基站的距离(单位:m)。

表1　仿真参数

以方案1表示原有离散权值方案[7],方案2表示使用连续权值的改进方案。根据两者提升系统吞吐量的多少，比较其优劣。方案1所用5种离散权值

(wN,w0,w1,w2,wA)=(0,50,100,200,105)。

其中wN和wA分别表示无干扰用户间的边权值和同小区的干扰权值，w0,w1和w2分别对应不同级别小区间干扰的权值，取决于两用户间的地理位置：w0表示两用户位于相邻小区中心；w1表示两用户分别在小区边缘及相邻小区中心；w2表示两用户位于相邻小区边缘[7]。

对群间干扰，采用基于频域或时域的干扰避免；对群内干扰，采用基站协作；群内调度属于多用户资源调度，采用基于信道和用户吞吐量的比例公平算法[14-15]。

当小区总数为5，用户总数分别为20、40和60时，3种场景下的仿真结果如图1所示。其中小区分布呈网格状，平均间距为200m,用户随机分布于小区边界处。图中虚点线和点划线分别表示两种方案宏小区吞吐量的累积分布函数曲线。

当小区总数固定，随着用户总数的增加，两种方案的系统吐吞量都在增加。可见，随着用户总数的增加，用户分群增益也会增加。不过，在超高密度情形下，小区间干扰严重，采用改进方案，可有效降低干扰影响，而且随着用户总数增加，系统吞吐量不会出现饱和趋势。

整体看来，改进方案相对于原方案对系统整体性能的提升幅度更明显，而且用户总数越大，提升系统性能的效果越明显。图2给出了不同场景下各方案系统吞吐量的直观对比。

(a) 5个小区20个用户

(b) 5个小区40个用户

(a) 5个小区60个用户

图2　方案改进前后系统性能对比

原方案对于系统吞吐量的提升有限，随着用户总数的不断增加，系统吐吞量增加的幅度减弱，与同场景下改进方案的系统吞吐量增量相比，其弱势较为明显。原因在于，原方案采用离散权值构建干扰图，仅从用户的地理位置判断干扰关系，在小区密度较低时，尚可反映用户间的干扰关系；在小区密度较高时，由于干扰小区的增加，离散权值不能够充分的体现每个用户的干扰特性。改进方案一方面采用连续的权值构建干扰图，基于用户的信干噪比和干扰泄漏来计算边权值，利用每个用户的接收信号、干扰信号以及噪声等综合条件来描述用户之间的干扰关系，更加精细地实现了用户分群，能有效减轻小区干扰；另一方面，根据用户之间的干扰关系动态地调整权值，相邻小区用户在争夺资源时，除了考虑相互间干扰，也考虑资源效率，而且在干扰消除和系统频谱利用率间自适应地获得平衡，因此系统吞吐量能获得更大提升。

4结语

基于连续权值的用户分群是离散权值用户分群算法的一种改进。在密集小区分布高负载的情况下，改进方案可以有效减轻主要干扰，特别是同小区用户间以及不同小区边缘用户间的干扰，同时降低小区间干扰，提高系统整体和单个小区的性能。相比于原有离散权值分群方案，改进方案可有效提升系统整体的吞吐量及频谱利用率，能够作为超高密集小区网络中多用户/多小区资源分配的优选方案。

参考文献

[1]THOMPSONJ,GEXL,WUHC,etal. 5Gwirelesscommunicationsystems:prospectsandchallengesPart2[J].IEEECommunicationsMagazine, 2014, 52(5):24-26.

[2]LEUNGVCM,TALEBT,CHENM,etal.Unveiling5Gwirelessnetworks:emergingresearchadvances,prospects,andchallenges[J].IEEENetwork, 2014, 28(6): 3-5.

[3]HOSSAINE,RASTIM,TABASSUMH,etal.Evolutiontoward5Gmultitiercellularwirelessnetworks:Aninterferencemanagementperspective[J].WirelessCommunicationsIEEE, 2014, 21(3):118-127.

[4]LIHJ,XUXD,HUD,etal.Clusteringstrategybasedongraphmethodandpowercontrolforfrequencyresourcemanagementinfemtocellandmacrocelloverlaidsystem[J].JournalofCommunicationsandNetworks, 2011, 13(6): 664-677.

[5]PATEROMICHELAKISE,SHARIATM,QUDDUSAU,etal.Graph-BasedMulticellSchedulinginOFDMA-BasedSmallCellNetworks[J].AccessIEEE, 2014, 2(8):897-908.

[6]CHANGRY.TAOZF,ZHANGJY,etal.MulticellOFDMADownlinkResourceAllocationUsingaGraphicFramework[J].IEEETransactionsonVehicularTechnology, 2009, 58(7):3494-3507.

[7]ZHUH,WANGSW,CHENDG.Energy-efficientuserassociationforheterogeneouscloudcellularnetworks[C]//IEEEGlobecomWorkshops.CAAnaheim:IEEE, 2012:273-278.

[8]SUNCY,QINGHF,WANGSP,etal.ComponentCarrierSelectionandBeamformingonCarrierAggregatedChannelsinHeterogeneousNetworks[C]//ProceedingsofIEEE14thInternationalConferenceonCommunicationTechnology.Nanjin:ICCT,2012:402-407.

[9]ZHANGHH,VENTURINOL,PRASADN,etal.WeightedSum-RateMaximizationinMulti-CellNetworksviaCoordinatedSchedulingandDiscretePowerControl[J].IEEEJournalonSelectedAreasinCommunications, 2011, 29(6):1214-1224.

[10]CHINFYL,ZHANGY,ZHUH.A1-local13/9-competitivealgorithmformulticoloringhexagonalgraphs[C]//LectureNotesinComputerScience.CanadaBanff:Springer, 2007: 526-536.

[11]PATEROMICHELAKISE,SHARIATM,QUDDUSAU,etal.OntheEvolutionofMulti-CellSchedulingin3GPPLTE/LTE-A[J].IEEECommunicationsSociety, 2013, 15(2): 701-717.

[12]SALOJ,GALDOGD,SALMIJ,etal.MATLABimplementationofthe3GPPspatialchannelmodel: 3GPPTR25.996[S/OL].[2015-03-20].http://read.pudn.com/downloads86/sourcecode/app/331591/scm_11-01-2005.pdf.

[13] 郭会茹, 卢光跃, 孙长印. 协作多点传输技术原理及仿真分析[J]. 西安邮电学院学报, 2011, 16(4):5-8.

[14] 魏巍, 安文东. 一种改进的OFDM系统自适应比特分配算法[J]. 西安邮电大学学报, 2014, 6(4):49-52.

[15]KIMH,HANY.Aproportionalfairschedulingformulticarriertransmissionsystems[J].IEEECommunicationsLetters,2005,9(3): 210-212.

[责任编辑:瑞金]

Resourceallocationbasedonuserclusteringinultra-densesmallcellnetworks

WANGJunxuan,TANGShiyan,SUNChangyin

(SchoolofCommunicationandInformationEngineering，Xi’anUniversityofPostsandTelecommunications，Xi’an710121，China)

Abstract:In order to reduce the inter-cell interference (ICI) in ultra-dense small cell networks scenarios, a new scheme of calculating the weight between users is proposed for resources allocation of user clusters. In this scheme, a new continuous interference graph weight is calculated based on signal-to-interference-and-noise ratio (SINR) and signal-to-other cell-Interference ratio (SOIR), which replaces the discrete weights for user grouping. A suboptimal heuristic is used for resources allocation of user clusters. Simulation results show that the system performance using the improved algorithm can be increased from 20% to 35% compared to that of using the existing user grouping algorithm and the performance of cell can also be improved from 5% to 10%.Keywords:user clustering，resource allocation，graph theory，signal-to-interference-and-noise ratio (SINR)，signal-to-other cell-interference ratio (SOIR)

doi:10.13682/j.issn.2095-6533.2016.01.003

收稿日期：2015-04-28

基金项目：国家863计划资助项目(2014AA01A703)；陕西省自然科学基金资助项目(2014JM8317)

作者简介：王军选(1970-)，男，教授，从事下一代无线通信技术研究。E-mail: wangjx@xupt.edu.cn 汤仕艳(1989-)，女，硕士研究生，研究方向为宽带无线通信技术。E-mail:624413227@qq.com

中图分类号：TN929.53

文献标识码：A

文章编号：2095-6533(2016)01-0016-05