基于先进小区干扰协调技术的异构网络联合资源分配*

张永忠，唐玮俊，冯穗力

(1.华南理工大学 电子与信息学院，广州 510006；2.中国电子科技集团公司第七研究所，广州 510310)



基于先进小区干扰协调技术的异构网络联合资源分配*

张永忠1,2，唐玮俊1，冯穗力1

(1.华南理工大学 电子与信息学院，广州 510006；2.中国电子科技集团公司第七研究所，广州 510310)

摘要：高发射功率的宏基站与低发射功率的小基站之间的资源分配策略直接影响着异构蜂窝网络的性能。这是一个联合资源优化问题,即用户的基站接入选择、宏基站预留给小基站的资源数量和基站的调度策略。针对这一问题，利用块并列下降方法，提出了一组新颖的资源优化算法。所提出的解决方案能分布式实现，并兼容先进长期演进技术(LTE-A)协议中的先进小区间干扰协调技术(eICIC)。大量的动态系统级仿真结果表明系统性能和用户间公平性都得到了显著提升。

关键词：异构网络；无线资源分配；联合优化；先进小区干扰协调；负载均衡

1引言

无线数据传输在最近几年呈爆发性增长趋势，传统蜂窝网络简单的宏基站模式已经难以跟上数据的增长。宏基站(Macro)价格昂贵且维护困难，因而难以密集地布设。因此，在先进长期演进技术(Long Term Evolution-Advanced，LTE-A)中，蜂窝网络的一大发展趋势是在传统的蜂窝系统中增加低功率基站，例如微微蜂窝基站和家庭基站，统称为小基站(Pico)。这样的异构网络(Heterogeneous Network，HetNet)在结构上更灵活，能更有针对性和更经济地进行布设。具体说来，宏蜂窝主要提供广域的信号覆盖，小基站则用于覆盖盲区和业务热点，家庭基站主要用于室内，微微蜂窝用于移动数据密集区。然而，由于小基站与宏基站共享相同的频谱资源，位于低功率基站覆盖范围内的用户会受到严重的高功率宏基站干扰。而且，即使小基站特意布设在热点区域，大部分用户接收到的来自宏基站的参考信号依然较强。为此，针对异构网络性能的优化，已开展了相关研究工作，如：为了缓解负载不均衡，文献[1]提出了一种小区接入选择方法和一种基于对偶分解的分布式方法；文献[2]研究了基于全网比例公平条件下的小区接入选择问题并给出了一个对应的贪婪算法；在文献[3-4]中，小区接入选择问题被建模为Stackelberg博弈问题进行研究；一种自适应的小区范围拓展(Cell Range Extension，CRE)策略在文献[5]中被提出；利用泊松点过程，文献[6]分析了结合CRE的异构网络的理论性能；文献[7]研究了最优几乎空白子帧(Almost Blank Subframe，ABS)分配问题，还研究了动态网络条件下的ABS自适应，并给出了多种分析标准；此外，联合CRE和ABS分配的问题在文献[8-9]中得到了研究；一种基于拉格朗日对偶的算法在文献[10]中被提出用于联合优化CRE和ABS配置；文献[11]将ABS分配和用户接入选择的联合问题建模为纳什拍卖解(Nash Bargaining Solution，NBS)；文献[12]提出了一个加权比例公平问题，结合了时频资源块(Resource Block，RB)分配、功率控制和用户接入选择，并提出了一个分布式解决方案；文献[13]把异构网络中用户接入选择问题建模为最大最小(Max-Min)优化问题进行研究；文献[14-15]分别从理论性能分析和性能优化算法两方面研究了低功率先进的小区间干扰协调(Low Power Enhance Intercell Interference Coordination，LP-eICIC)技术的性能。从这些相关工作可以看到，有关联合优化的问题已经开始被人们关注，但如何对前面提到的三个相互关联问题，即用户接入选择、ABS比例设置和无线资源分配联合优化，以最大化异构网的系统性能，仍有待研究。

本文的主要工作包括：提出了一个联合用户接入选择，ABS设置和无线资源分配的比例公平优化的分析模型，并使用了块并行下降法(Block Coordinate Decent，BCD)来求解这一问题，并提出了一种分布式的算法来求这一复杂问题的次优解；提出了一套启发式的CRE自适应策略来解决用户接入问题，该算法能有效降低计算复杂度，并且性能非常接近负载均衡后的性能上界；在一个模拟实际系统工作的动态仿真环境中分析了所提出的各个算法的性能。

2系统模型与问题建模

2.1eICIC技术的有关概念

一个使用了eICIC技术的异构蜂窝网络如图1所示，图中包含了宏基站、小基站和用户设备(UE)。在异构蜂窝网络的场景中，每个用户只接入一个基站：宏基站或小基站，但同时会受到来自所有其他基站信号的干扰。异构网虽然较好地解决了信号覆盖的问题，但仍会有如下三个干扰和管理方面的问题影响系统的性能。

第一，两层基站(宏基站和小基站)间的负载不平衡。在传统的单层网络中，默认的用户接入选择策略是根据最大参考信号接收功率(Maximum Reference Signal Received Power，Max-RSRP)来选择接入基站。然而，在异构网络中沿用这一策略会引发负载不平衡，因为异构网中基站间的发射功率相差巨大。在异构网中，用户应该被更积极地卸载到小基站上。为达到这一目的，CRE被提出[16]。通过在小基站的RSRP上添加一个正偏置，CRE可以扩展小基站的覆盖范围，使更多的用户卸载到小基站(例如，图1中，用户1被卸载到小基站)。

图1　使用了eICIC技术的异构蜂窝网络(阴影部分

第二，被卸载到小基站的用户信干噪比(Signal to Interference and Noise Ratio，SINR)的性能会下降，因为最强的宏基站信号从有用信号变为了干扰。因此，抑制两层基站间的干扰非常必要。为此，LTE-A中又提出了ABS的方法。在ABS时频位置上，宏基站保持静默，被卸载的用户因而不会受到宏基站的干扰。图2是一个基于ABS的传输协作例子。小基站在所有的子帧上都进行传输，宏基站只在非ABS子帧上进行传输，而在ABS上停止所有的下行数据发送。因而，小基站在ABS上与用户通信时，几乎不受宏基站的干扰。

图2　异构网络中配置ABS的示例

第三，每个基站如何为接入的用户分配资源块。用户在不同资源块上的信道状况是不同的。而且，ABS的引入导致用户的下行干扰存在两种模式。因此很有必要研究异构网络中的资源分配。

2.2系统模型

假设在一个异构网中，有N个用户、M个宏基站和P个小基站，U、M和P分别代表用户、宏基站和小基站的集合。假定每个宏基站都配置了相同的ABS比例，而且所有的宏基站同时静默(或同时不静默)。0≤β≤1代表ABS的比例，相应地1-β代表非ABS的比例。我们把小基站添加CRE偏置前的接入用户称为小基站的中心用户(CEN)(如图1中的用户2)，而添加偏置后从宏基站卸载到小基站的用户称为扩展用户(CRE)(如图1中的用户1)。在非ABS子帧上，扩展用户会受到严重的来自宏基站的干扰，而中心用户受到的干扰较小。因此，小基站的中心用户更适合在非ABS上调度，而扩展用户应该在ABS调度。基于这样的分析，我们设定了如下的调度规则：宏基站用户只在非ABS上调度(因为宏基站在ABS上保持静默)；小基站中心用户只在非ABS上调度，而扩展用户只在ABS上调度(如图2所示)。因而，每个小基站可以看成两个逻辑子基站：中心小基站(p-CEN)和扩展小基站(p-CRE)，我们把这两种基站归类为两个子基站集：PCEN和PCRE。假设所有基站都有无限的数据需要传输给每个用户，而且基站的传输功率恒定。ABS的使用产生了两种下行干扰模式：ABS子帧下，用户只受到来自小基站的干扰；非ABS(nABS)子帧下，用户同时受到来自宏基站和小基站的干扰。小基站b中的用户u在资源块r上的SINR可以表示为

(1)

式中：Pbr是基站b∈M∪P在资源块r上传输功率,在本文中，我们假设所有宏基站的{Pbr,b∈M}都相等，所有的小基站也使用相同的传输功率{Pbr,b∈P};Gubr是基站b与用户u之间在资源块r上的信道增益。在ABS子帧上，所有的宏基站保持静默，所以小基站用户只受到其他小基站的干扰。而在非ABS上，用户受到所有其他基站到的干扰。相对地，宏基站用户u的SINR可以表示为

(2)

(3)

(4)

2.3问题建模

用Sub代表用户接入指示，即Sub=1代表用户u接入基站b，否则Sub=0。一个用户必须且只能接入一个基站，因而用户接入约束可以表示为

(5)

式中：B=M∪PCEN∪PCRE是所有逻辑基站的集合。

令xubr表示基站b将非ABS上的资源块r分配给用户u的比例,yubr表示基站b将ABS上的资源块r分配给用户u的比例,一个基站只能把资源块分配给自己的接入用户,因此我们得到下列资源分配约束:

(6)

(7)

0≤xubr≤Sub,∀u∈U,∀b∈B,∀r∈R,

(8)

0≤yubr≤Sub,∀u∈U,∀b∈B,∀r∈R。

(9)

因为对数效用目标能平衡系统吞吐量和用户间公平性[12],因此我们尝试优化一个加权对数效用目标函数。本文研究的联合优化问题可以建模为

(10)

式中：权值{ωu}代表了不同用户的服务等级。

3问题求解

由于直接求解上述联合问题的最优解计算量非常大，不便于工程上的实际应用，因此需要寻求一个易于计算的次优解。这里我们采用BCD[14]方法求解。BCD方法也被称作高斯-赛德尔方法，被广泛用于求解含有多变量的优化问题。在每次迭代中，BCD算法都会固定一部分变量，优化剩余的变量。将优化变量分为三部分：{Sub}、β和{xubr,yubr}。这三部分变量分别与三个子问题相关：用户接入选择、ABS比例和无线资源分配。利用约束松弛和一些假设，可以证明上述的三个子问题都是凹问题，因此可以通过迭代计算得到最优解。这保证了BCD算法的收敛性。

3.1给定{Sub}和β，优化{xubr,yubr}

这里是在给定ABS比例和用户接入的情况下研究无线资源分配。注意到式(3)和式(4)，可以将优化问题分解为如下的两类子问题:

(11)

(12)

可以看到，子问题(11)和(12)是凹函数且相互独立。这两个问题可以利用比例公平调度算法(PF)分布式地求解[12]，具体的算法描述可见文献[12]。

3.2给定{xubr,yubr}和β，优化{Sub}

(13)

(14)

证明：求解优化问题的KKT点[15]可以容易证明此性质，具体证明过程略。

将式(13)和式(14)代入式(10)，用户接入问题可以重写为

(15)

(16)

性质201约束松弛后的用户接入选择问题(16)是凹问题。

证明：根据优化理论中凹问题的定义[15]，容易证明此性质,证明过程略。

问题(16)可以用标准的凹优化算法集中式地求解。注意到松弛01约束意味着一个用户可以同时接入多个基站,这违反了单基站接入约束，但该松弛问题的解可以作为仿真中的性能上界。NLP的标准求解方法并不能分布式实现，且无法保证每个用户只接入一个基站。这里提出一个分布式用户接入选择策略并确保每个用户只接入一个基站，此方法基于求解非约束问题的梯度下降法。

问题(15)的目标函数关于Sub的梯度函数是

(17)

算法1启发式用户接入选择策略(Heuristic Association)

步骤1用户操作。

步骤2基站操作。

(1)通过回程链路，将Ωb传输到其他基站，并接收用户回传的可达速率；

(2)根据式(17)，为本基站的接入用户选择最优接入基站；

(3)根据最优接入基站选择切换用户。

Ωb代表了基站的负载，在系统中作为基站间交互的信息。通过传输{Ωb}，每个基站都可以获得其他基站的负载情况。利用负载情况和用户返回的可达速率，基站可以将用户卸载到邻近的轻载小区。为了进一步降低传输信息的开销，在实际系统中，基站可以选择只与相邻基站进行信息交互。需要注意的是，启发式接入选择策略并不能保证收敛到唯一的最优用户接入选择，所以在BCD算法中调用启发式接入选择策略求解用户接入问题并不满足BCD的理论收敛要求。然而，第5节的数值仿真结果显示，调用启发式接入选择策略的性能表现与调用NLP求解结果非常接近。

3.3给定{Sub,xubr,yubr}，优化β

在这一优化过程中，我们在给定用户接入和资源分配情况下，求解最优ABS比例。给定{Sub,xubr,yubr}情况下，原联合优化问题可以重写为

(18)

利用最优化准则，让目标函数的导数等于0，可得

(19)

则最优的ABS(OptimalABS)比例为

(20)

可以看到，最优ABS比例等于CRE用户服务权重和总用户服务权重的比。这是因为ABS只能用于服务CRE用户。注意到，ABS比例的计算可以基于不同基站内接入用户的服务权重和来分布式计算。

4动态CRE策略

本节分析在给定ABS比例和资源分配结果的情况下优化用户接入的算法，提出一种基于CRE偏置的用户接入选择策略。CRE的偏置可以表示为

(21)

式中：{ρb}是用户测量到的来自基站b的参考信号接收功率(RSRP)。偏置{αb}在宏基站中设定为0，在小基站中设定为一非负实数。文献[10]中提出了一种用户接入选择结果转换CRE偏置的方法。该方法基于最小均方误差，使转换前后用户接入选择偏差最小。这种转化较为复杂，且需要集中式计算。因此，我们提出一个能分布式实现的动态CRE配置算法。

算法2动态CRE(Dynamic CRE)策略

(2)每个基站接收用户反馈的可达速率;

(4)每个基站根据准则(17)为每个接入用户选择最优服务基站;

(5)每个基站把每个接入用户的服务权重传输给其最优服务基站;

(22)

调整CRE偏置,式中：Δ是CRE偏置调整的步长;

(7)每个小基站把CRE偏置αb广播给用户。

5性能仿真

考虑一个包含宏基站和小基站的典型两层LTE异构网。网络拓扑包含规则的六边形覆盖宏基站和一系列小基站。每个宏基站的覆盖范围分为3个扇区，每个扇区内随机均匀分布两个小基站，每个小基站为一个扇区。宏基站和小基站的传输功率分别为46 dBm和30 dBm，均匀分配到各时频资源块上。我们使用了一个动态的系统级仿真模型，该系统包含时频资源块的调度、链路状态自适应和信道质量反馈。我们把以每个小基站为圆心、半径为40 m的区域定义为热点区域。根据3GPP 仿真指引[17]，2/3用户处于热点区域，而剩余的用户在网络中均匀分布。传播模型方面，我们使用了文献[18]中提出的路径衰落模型，阴影衰落的标准差为σ=10 dB。WINNER II 信道模型[19]被用于仿真信道的快衰落。系统噪声功率密度为-174 dBm/Hz。仿真参数归总在表1中。

表1　仿真参数总结

5.1用户位置固定场景下的系统仿真

本节仿真了用户位置固定的场景。通过遍历实验，我们发现CRE偏置等于18 dB，ABS比例β=0.4时系统性能最优。所以，在后续的讨论中，将(CRE偏置，ABS比例) =(18,0.4)和(CRE偏置，ABS比例) =(0,0)作为性能比较的基准。

图3比较了不同用户接入选择策略下每个基站内的平均用户数。与预期的情况一样，传统的最大化RSRP接入选择策略会导致负载不均衡：宏基站负载过大，而接入小基站的用户很少。在其他三种选择策略中，宏基站和小基站中的平均接入用户数目要接近得多。另外，接入选择策略和动态CRE策略得到的均衡效果与NLP算法的结果很接近。

图3　基站内平均用户数

图4给出了不同算法组合在求解问题(10)时的收敛曲线。可以看到，本文提出的算法组合(启发式用户选择策略，最优ABS比例，PF)和(动态CRE策略，最优ABS比例，PF)都是收敛的。算法组合(启发式用户选择策略，最优ABS比例，PF)的性能与性能上界(通过算法组合(NLP，最优ABS比例，PF)求解获得)非常接近，而算法组合(动态CRE策略，最优ABS比例，PF)得到的性能较差。这是由于启发式用户选择策略求解的用户接入选择结果比动态CRE策略得到的结果精确导致的。

图4　不同算法组合的收敛曲线

图5给出了用户平均吞吐量的累计分布函数，其中轮训调度(RR)是LTE-A中的一种可选调度策略。使用本文算法后，相对于传统的最大RSRP接入选择，系统中约80%的用户的性能都得到了提升。组合(CRE偏置18 dB，ABS比例0.4，PF)和组合(动态CRE策略，最优ABS比例，PF)的性能较(启发式用户选择策略，最优ABS比例，PF)稍差,这是因为启发式用户选择策略精确计算每一个用户接入哪个基站，而固定CRE偏置和动态CRE策略只根据偏置均衡基站负载，精度较低。

图5　用户位置固定场景下用户的平均吞吐量累计密度函数

表2统计了不同算法组合下用户间性能公平性。这里我们利用Jain公平指数来表示用户间的公平性。Jain公平指数定义如下:

(23)

式中：Tu代表用户的吞吐量。可以看到，本文提出的算法显著地提高了用户间的公平性。

表2　不同算法组合下用户间性能公平性

在都使用比例公平调度的情况下，图6给出了不同算法组合下的系统效用，即问题(10)的目标函数值。可以看到，(CRE偏置18 dB，ABS比例0.4)、(启发式接入选择策略，最优ABS)和(动态CRE策略，最优ABS)的效用都要远远地优于传统的(最大RSRP接入，无ABS)。这是由于这些方案都显著地提高了小区边缘用户的性能。

图6　不同算法组合下的系统效用

5.2用户移动场景下的系统仿真

本节仿真了具有移动用户的场景。网络中的所有用户都以5 km/h的速率随机移动。图7给出了不同算法调用间隔下，不同算法组合得到的用户平均吞吐量累计密度函数。算法调用间隔分别为10 s、30 s和60 s。可以看到，使用了启发式接入选择策略的算法组合对调用间隔的敏感度要远大于利用CRE偏置的算法组合。这是因为在使用CRE偏置的策略下，用户在移动的过程中会根据偏置值自动进行越区切换,而使用启发式接入选择策略的情况下，用户只会在算法被调用时进行切换。在算法调用间隔较长的情况下，使用启发式接入选择策略会使得系统配置无法匹配用户实际情况。固定CRE配置方案(CRE偏置18 dB，ABS比例0.4)的性能几乎与(动态CRE策略，最优ABS比例)一致。这是因为在这个场景中，所有的用户都是随意运动的，在空间分布上变化不大。若用户的空间分布出现较明显的变化，可以预见，使用动态CRE策略的方案会获得更好的性能。

图7　用户移动场景下不同算法调用间隔的

6结束语

本文研究了如何联合优化无线资源分配、用户接入选择和ABS比例设置这三个相互关联的问题，采用BCD算法来求解这一问题，提出了多个算法，以实现最大化系统的加权对数效用的目标。另外，还提出了一种较为简单、无需集中计算的分布式动态CRE配置算法。仿真结果表明所提算法能有效减低宏基站的负载，提高系统的资源利用率。在未来的工作中，我们将考虑如何控制基站的发射功率以进一步提高系统性能。

参考文献：

[1]YE Q,RONG B,CHEN Y，et al.User association for load balancing in heterogeneous cellular networks[J].IEEE Transactions on Wireless Communications,2013,12(6):2706-2716.

[2]WANG J,LIU J,WANG D,et al.Optimized fairness cell selection for 3GPP LTE-A macro-pico HetNets[C]//Proceedings of 2011 IEEE Vehicular Technology Conference(VTC Fall).San Francisco,CA:IEEE,2011:1-5.

[3]HADDAD M,WIECEK P,ALTMAN E,et al.A game theoretic approach for the association problem in two-tier HetNets[C]//Proceedings of 2013 25th International Conference on Teletraffic Congress(ITC).Shanghai:IEEE,2013:1-9.

[4]WANG C,LIU Y,TAO M,et al.Stackelberg game for spectrum reuse in the two-tier LTE femtocell network[C]//Proceedings of 2013 IEEE Wireless Communications and Networking Conference(WCNC).Shanghai:IEEE,2013:1888-1892.

[5]TIAN P,TIAN H,ZHU J,et al.An adaptive bias configuration strategy for range extension in LTE-advanced heterogeneous networks[C]//Proceedings of 2011 IET International Conference on Communication Technology and Application(ICCTA 2011).Beijing:IEEE,2011:336-340.

[6]JO H S,SANG Y J,XIA P,et al.Heterogeneous cellular networks with flexible cell association:a comprehensive downlink SINR analysis[J].IEEE Transactions on Wireless Communications,2012,11(10):3484-3495.

[7]VASUDEVAN S,PUPALA R N,SIVANESAN K.Dynamic eICIC #x2014：a proactive strategy for improving spectral efficiencies of heterogeneous LTE cellular networks by leveraging user mobility and traffic dynamics[J].IEEE Transactions on Wireless Communications,2013,12(10):4956-4969.

[8]WANG Y,PEDERSEN K I.Performance analysis of enhanced inter-cell interference coordination in LTE-Advanced heterogeneous networks[C]//Proceedings of 2012 IEEE 75th Vehicular Technology Conference.Yokohama:IEEE,2012:1-5.

[9]WANG Y,SORET B,PEDERSEN K I.Sensitivity study of optimal eICIC configurations in different heterogeneous network scenarios[C]//Proceedings of 2012 IEEE International Conference on Communications(ICC).Ottawa,ON:IEEE,2012:6792-6796.

[10]DEB S,MONOGIOUDIS P,MIERNIK J,et al.Algorithms for enhanced inter-cell interference coordination(eICIC) in LTE HetNets[J].IEEE/ACM Transactions on Networking,2014,22(1):137-150.

[11]JIANG L,LEI M.Resource allocation for eICIC scheme in heterogeneous networks[C]//Proceedings of 2012 IEEE 23rd International Symposium on Personal Indoor and Mobile Radio Communications(PIMRC).Sydney:IEEE,2012:448-453.

[12]HOU I H,CHEN C S.Self-organized resource allocation in LTE systems with weighted proportional fairness[C]//Proceedings of 2012 IEEE International Conference on Communications(ICC).Ottawa,ON:IEEE,2012:5348-5353.

[13]JIA Y,ZHAO M,ZHOU W.Joint user association and eICIC for max-min fairness in HetNets[J].IEEE Communications Letters,2016,20(3):546-549.

[14]RAZAVIYAYN M,HONG M,LUO Z Q.A unified convergence analysis of block successive minimization methods for nonsmooth optimization[J].SIAM Journal on Optimization,2013,23(2):1126-1153.

[15]BOYD S,VANDENBERGHE L.Convex optimization[M].Cambridge:Cambridge University Press,2004.

[16]3GPP TS 36.300,Evolved universal terrestrial radio access(E-UTRA) and evolved universal terrestrial radio access network(E-UTRAN);Overall description;Stage 2[S].

[17]3GPP TR 36.814,Evolved universal terrestrial radio access(E-UTRA);further advancements for E-UTRA physical layer aspects[S].

[18]3GPP TR 36.942,Evolved universal terrestrial radio access(E-UTRA);radio frequency(RF) system scenarios[S].

Joint Resources Allocation for Enhanced Inter-cell Interference Coordination in Heterogeneous Networks

ZHANG Yongzhong1,2，TANG Weijun1,FENG Suili1

(1.School of Electronic and Information,South China University of Technology，Guangzhou 510006,China;2.The 7th Research Institute of China Electronics Technology Group Corporation(CETC),Guanghzou 510310,China)

Abstract：Resources allocation between high-power macro base stations(BSs) and low-power microBSs deeply impact the performance of heterogeneous networks(HetNets).It is a joint optimization problem:(i) the UE association with eNBs,(ii) the amount of radio resource that macros should reserve for picos,and(iii) the resource scheduling strategy in each eNBs.The block coordinate decent(BCD) method is applied and a class of novel algorithms is developed to solve the joint problem.The solution can be deployed in distributed manner and implemented using enhance intercell interference coordination(eICIC) proposed by exiting LTE-A protocols.Extensive evaluation of proposed algorithms is performed on a dynamic system-level simulation and the numerical results show a significant gain for the users.System utilities and fairness are greatly enhanced with proposed algorithms.

Key words：heterogeneous networks；radio resource allocation；joint optimization；enhanced inter-cell interference coordination;load balancing

doi:10.3969/j.issn.1001-893x.2016.06.001

收稿日期：2016-03-14；修回日期：2016-04-25Received date:2016-03-14；Revised date：2016-04-25

基金项目：国家高技术研究发展计划(863计划)项目(2012AA050801)

Foundation Item:The National High-tech R&D Program of China(863 Program)(2012AA050801)

通信作者：zyzanis@vip.sina.comCorresponding author：zyzanis@vip.sina.com

中图分类号：TN925.1

文献标志码：A

文章编号：1001-893X(2016)06-0597-08

作者简介：

张永忠(1970—),男，安徽寿县人，2003年获硕士学位，现为研究员、博士研究生，主要研究方向为通信系统与智能感知技术;

ZHANG Yongzhong was born in Shouxian,Anhui Province,in 1970.He received the M.S.degree in 2003.He is now a senior engineer of professor and currently working toward the Ph.D. degree.His research concerns communication system and intelligence sensing.

Email：zyzanis@vip.sina.com

唐玮俊(1989—)，男，广东广州人，2012年于华南理工大学获学士学位，现为华南理工大学博士研究生，主要研究方向为移动通信系统理论与技术;

TANG Weijun was born in Guangzhou,Guangdong Province,in 1989.He received the B.S. degree in 2012.He is currently working toward the Ph.D. degree.His research concerns mobile communication system theory and technology.

冯穗力(1955—)，男，广东梅州人，教授、博士生导师，主要研究方向为信息网络理论与技术。

FENG Suili was born in Meizhou,Guangdong Province,in 1955.He is now a professor and also the Ph.D. supervisor.His research concerns information network theory and technology.

引用格式：张永忠，唐玮俊，冯穗力.基于先进小区干扰协调技术的异构网络联合资源分配[J].电讯技术，2016,56(6):597-604.[ZHANG Yongzhong，TANG Weijun,FENG Suili.Joint resources allocation for enhanced inter-cell interference coordination in heterogeneous networks[J].Telecommunication Engineering,2016,56(6):597-604.]