超密集网络中基于小小区分簇的干扰管理方案

南京邮电大学通信与信息工程学院 武婷婷

超密集网络中基于小小区分簇的干扰管理方案

南京邮电大学通信与信息工程学院 武婷婷

随着移动流量的爆炸式增长，用于流量集中区域分流和增加网络容量的小小区技术受到了广泛关注，其具有部署更为便捷，组网更为灵活，频谱利用率高，建网成本也更低等优势。然而，小小区带来便利的同时也带了新的技术挑战。小小区使得基站之间与基站与用户之间的距离变短，用户能更有效的接入小区中，但是同样也使得小区之间的干扰增强，如何设计有效的干扰管理方案变成了必然的研究热点。研究了超密集网络环境中的干扰管理的方案，提出了SCVC（Semi-clustering of Victim-cells Approach）方案，是根据用户的状态来定义所在小小区是干扰源还是被干扰小小区，区分两者之后，基于用户状态对被干扰小小区进行分簇。在分簇的簇内动态的分配无线资源，实现从关键用户的资源共享到非关键用户的频率复用。从而实现小小区间干扰最小化，提高资源利用率。

超密集网络；小小区；干扰管理；分簇；无线资源分配

0 引言

随着万物互联的愿景的一步步实现，数据流量大幅增加，在原有网络基础上，实现网络容量大幅增加成为了新的挑战[1]。同时，用户对服务质量的高期望也推动着移动网络运营商对现有基础架构的扩容。因此，网络密集化成为必然的趋势。

而部署低成本、低功耗的小小区被普遍认为是实现密集化的有效方案，尤其是在流量密集的热点区域。本文就是基于超密集网络中的小小区技术，来研究小小区之间的干扰管理和无线资源分配问题。

1 小小区

网络密集化，是应对未来流量大幅增长最可信的解决方案，超密集网络也是5G的关键技术之一。其中，可灵活部署的小小区基站提供给用户了更好的容量和更大的覆盖范围，也可以使得运营商的成本降低，部署简单，提升用户体验。

1.1 小小区的部署场景

3GPP已经确定了三种小小区的部署场景[3]：

（1）场景1：室外部署，并且与宏小区工作在相同的载波上；

（2）场景2：室外或者室内部署，但工作在与宏小区不同的载波上；

（3）场景3：室外或者室内部署，小小区独立部署。

为了安全性及隐私性，小小区一般是以封闭用户组（ Closed Subscriber Group，CSG）的形式工作，因此，当小区越来越密集的时候，用户就会活跃在不同的若干个小区之间，这样就会导致下行链路干扰更加严重和复杂。只有解决了小小区间干扰问题，部署小小区的优势才能实现。然而，小小区部署与传统基站部署不同，无法直接利用传统的干扰解决方案来减少小小区之间的干扰。

1.2 小小区干扰研究现状

目前已经有很多相关研究人员提出了超密集网络中不同的干扰协调和无线资源分配的方案。其中，分簇方案可以最大程度的减少小小区之间的干扰，并降低超密集网络中资源分配模型的复杂度。

而现有的研究中，所提出的方案[7,8]等均没有对小小区中的用户做区分。在大多数情况下，同一个小小区中可能存在着有不同需求的用户，而不做区分就会使所有有不同需求的用户都是占用相同的资源，会导致资源利用率较低。本文就这一现象提出了一种新的干扰协调方案——被干扰小小区半分簇方案（the Semi-clustering of Victim-cells Approach，SCVC），用来解决超密集网络中小小区间干扰的问题。该方案不仅区分不同的用户，还区分干扰源小区和被干扰小区，并根据小小区中活跃用户状态来形成小小区分簇。此外，还提出了基于小小区的各自用户的状态来分配小小区中无线资源。

2 小小区的干扰

为了设计出最优的小小区干扰管理方案，必须对产生的干扰的小小区和用户之间的干扰分布做详细的研究[9,10]。可以对用户设备的干扰源进行降序排列，找出所有干扰源中主干扰源（Dominant Interferer，DI）。显性干扰比（Dominant Interference Ratio ,DIR）被量化为DI和其他可以感知到的干扰的比率：

其中，是DI的信号功率，代表接收到的干扰总功率，N表示热噪声功率。可以看出信号与干扰噪声比（Signal to Interference and Noise Ratio ，SINR ）和消除DI是成正比的，合理的干扰管理方案可以集中于DI的消除，也可以选择减少其他较小的干扰。

如图2.1所示，F1到F4分别表示四个基站，每个颜色表示不同的分簇，每个簇中有其服务的用户设备（User Equipment，UE），UE用两位数表示身份，其中第二位表示服务基站的身份。假设所有UE都是活跃状态，我们可以将小小区的干扰分为四类：第一类，被干扰簇，它包含至少一个高于预定阈值的用户（UE31），并且这个用户被认为是关键用户，同时，它和其他所有导致阈值升高的由相邻基站（F1）服务的UE的DI无关；第二类，被干扰-干扰簇，其中的一些或者所有用户被认为是关键用户，并且与导致阈值升高的至少一个的由相邻基站（F2）服务的用户（UE31）的DI有关；第三类，干扰簇，其与导致预定阈值升高的由邻居节点服务的UE（UE32）的DI有关，但是其服务的用户都被认为是非关键用户；第四类，中性簇，其服务的用户都是安全的、非关键的，并且与影响邻居的DI都不相关。

图2.1 小小区分类示意图

图2.1只是仅表示了只有一个干扰簇的情况，然而在超密集网络的实际部署中，被干扰簇的用户可以感知到很多干扰源，同时，一个簇可以是多个相邻簇的干扰源。另外需要注意的是，任何UE的状态是随时变化的，可能从关键变为非关键，非关键变为关键，簇也是这样，随时可能从任意一类变为任意另一类。

图2.2 超密集网络部署模型

在本文中，我们的研究是基于小小区组成的超密集网络，即前文中提到的3GPP确定的小小区部署场景中的第三种——小小区独立部署。我们模拟一个如图2.2所示的环境，每个公寓有两层，每层高10m，有10间公寓，每间10×10m，每栋间隔10m。每个基站根据泊松点过程（Poisson Point Process，PPP）模型放在每个公寓内，随机放置，结构不规则，与内墙间距最小为25cm。UE也根据PPP随机放置在每间公寓中，其与内墙间隔最小限制为10cm。假设全流量缓冲模型，所以我们得到了最坏情况下的干扰场景，不能通过简单的调度来解决。此外，我们假设所有基站都是采用循环（Round Robin，RR）方式来为其各自的用户服务，而采用的信道模型是国际电联室内热点（ITU Indoor Hotspot，InH）。这样我们就模拟出了一个具有高密度且随机部署的CSG小小区的典型城市热点，并且同层干扰最大。我们根据3GPP场景三部署网络，所以不考虑小小区基站和宏基站之间的跨层干扰。

我们还需要假设一个称为小小区网关（femtocell gateway ，FGW）的中间实体，工作在小小区和核心网之间。小小区通过S1接口连接到这个网关，这个网关为一组小小区提供集中和聚合功能。因此，对于小小区来说，该网关是移动核心网路实体。

设F为小小区集合，Ia为干扰源小小区FAB的集合，Iu为用户ka和u的干扰集合。本文中，我们研究被干扰小区中的两种用户，关键用户和安全或称为非关键用户。在FAB中，设va为关键用户v的集合，sa为非关键用户s的集合。Ia的确定是通过以下两个方面：1）每个用户的DIR值必须大于3db，则DI是其他干扰源总功率的2倍；2）接受信号功率和DI的比值低于预定义阈值（本文中假设为10db）。

这两个条件是为了确保增加边缘用户的吞吐量不会影响其他用户的吞吐量。我们假设上面的两个条件用变量，m和n分别表示条件1和2。当m或者n为假时，用户是非关键用户，当m和n都为真时，用户是关键用户。

如上说述，我们的研究目标是找到小小区中最佳的资源分配方案，在最小化小小区间干扰的同时提升用户体验。其中很重要的一点就是要考虑到在小小区中每个用户的状态和优先级。因此，我们定义了一个新的度量指标——GU，它代表总的可用RB与所分配资源之间的利用率差值。对于每个FAB，我们定义特定的二进制资源分配模型，由中i和j是否为1 表示是否使用。如果我们用L表示可用的RB个数，那么利用率差值可以表示为：

对于给定的干扰源小小区Ia，，我们目标函数可以表示如下：

如表2.1，C1表示资源调度程序需要保证关键用户无法获得所需全部资源，而需要与干扰源共享；C2表示非关键用户可以获得所有可用资源并且不管对Fa的干扰；C3中的不等式确保关键用户不能与干扰小区使用相同的资源；C4表示非关键用户可以与干扰小区使用相同的资源；C5指定是二进制变量。

表2.1 小小区分类条件

为了解决如上问题，我们提出将其划分为分簇和资源分配的这两个子问题。首先，每个FAB产生一个列表，列表中列出其活跃用户从相邻的小小区中收集的信息；然后，每个FAB 通过S1接口将其列表发送给FGW。基于这些收到的列表，FGW开始执行预分簇阶段，就是把这些小小区分类，之后FGW开始执行分簇阶段。分簇信息将通过S1接口发送给每个FAP，因此，每个干扰源和被干扰小区都被分到独立的不相交的分簇。

3 SCVC方案的提出

这一章主要来介绍我们提出的SCVC方案。方案分为三个阶段，第一，获取小小区以及其活跃用户的一些必要信息，例如小小区之间的物理身份、位置统计和小小区之间的信道增益。然后区分关键用户和非关键用户，将小小区分到不同的类中并识别是干扰源还是被干扰小小区，再判断被干扰小小区是属于哪一类。第二，根据其服务用户的状态，实施适当的被干扰小小区虚拟半分簇。第三，最后，SCVC根据每个小小区的用户状态来执行动态智能的资源分配方案。下面我们详细的介绍每个阶段。

3.1 小小区的分类阶段

网络中的每个小小区收集信息，都是从标记距离其只有一跳的邻居开始，并且与其一跳邻居共享列表。因此，每个小小区可以预估每个一跳邻居的干扰程度。值得一提的是，小小区之间通过X2接口是可能通信的。基于该列表，每个小小区内的每个用户测量DIR和SDIR的值，然后报告给该小小区。基于这些值，小小区在用户行为发生的过程中指定用户是否为关键用户。如果两个变量的值同时满足(1)和(2)，Fa被认为是被干扰小小区，被分到1类中，而被认为是干扰源小小区，被分到3类中。然而，如果Fb中至少有一个用户被Fa引导到同时满足(1)和(2)两个条件，那么Fa和Fb既属于干扰源也属于被干扰小小区，被分到3类中。另外，如果其中有一个条件不满足并且Fa对其邻居小小区不产生干扰，就被认为是中立的，分到4类中。

3.2 干扰小小区半分簇阶段

识别出干扰和被干扰小区之后，第二阶段就是实现被干扰小小区的半分簇。在该过程中，被干扰小小区中的用户根据用户状态分为成了两组——。第一组是包含所有关键用户，第二组是包含安全或者非关键用户。换句话说，每个组由Fa中的不同小区服务。这两个虚拟小区可被标记为和，分别表示被干扰和干扰源，即Fa中包含了两个单元。接下来SCVC为被干扰小区和其一跳邻居形成分簇。因此，这样可以降低为每个分簇选择CH的复杂度并简化资源分配机制。然而，属于不同相邻分簇的小小区在同一资源的使用上还是可能有干扰。在这种情况下，干扰源小小区和受到干扰源干扰且被干扰关键用户最多的被干扰小区进行分簇。然而，如果两个被干扰小区的关键用户数相同，则干扰源与其分簇的概率都为50%。

必须说明的是，实际应用中中会存在用户移动在两个虚拟小区在中的情况。如果Fa中的用户由关键用户变为非关键用户，则它会移动到，反之亦然。

3.3 资源分配阶段

小小区都分到不相交的分簇之后，下一个阶段就是在不考虑网络中其他小小区的情况下，每个簇内的资源分配问题。研究资源分配的目的是最小化每个分簇间及分簇内干扰的同时尽可能实现资源利用率最大化。为了实现这个目标，每个分簇独立的解决资源分配问题。

每个分簇内实施资源共享机制，目的是找到被干扰小小区和干扰源小小区之间的最佳资源分配方案。因此，根据用户的吞吐量达到最大化的组合来将可用的RBs分配给用户。首先，将可用资源分为不相交的两组RB，设A为被干扰小小区专用的RB，B为干扰源小小区的专用RB。上文提到，Fa包含两个虚拟单元——和，这样，A服务于，假设A={L-x1}，B={L-(xL-1)}，L表示可用资源数，因此，除了分配给Fb的一个RB，所有其他RB都分配给Fa。第二，从A中拿出一个RB给B，由x表示的步数等于L-1，在最后一步中，除了分配给Fa的一个，所有其他RB被分配到Fb，即A={L-(xL-1)}而B={L-x1}。

A和B的专用资源连续分配可以表示为如下：

Pu的值在0到100之间，当它接近100，小小区用户体验最佳，资源利用率最高，反之，Pu越小，资源利用率越差。

下面我们通过对我们提出的方案与文献11中提出的FCRA（Femtocell Cluster-based Resource Allocation Scheme for OFDMA Networks）方案做对比来评估其性能。为了对比公平且简单，分配给两种方案的无线资源是相等的。

图3.1为仅针对被干扰小小区和整个系统的资源利用率。SCVC方案中，分布相对稀疏和分布相对密集的被干扰小小区的资源利用率分别为96%和99%，数值变化是由于随着部署越来越来密集，第3类数量的减少以及第2类数量的增加。而FCRA方案中，被干扰小小区以及整个网络的平均资源利用率分别为66.26%和77.90%，因为这种方案中，每个被干扰小小区均共享资源而不区分用户状态。

图3.1 小小区资源利用率函数仿真图

4 结束语

部署超密集的小小区被大多数研究人员认为是满足流量暴增的有效解决方案，尤其是在室内外的热点地区。然而，这种解决方案的应用也存在很多挑战，只有解决了这些问题，小小区的优势才可以得到发挥。在本文中，我们提出了一种用于超密集小小区网络中的减少干扰的半分簇方案。SCVC是基于被干扰小小区的定义的，而被干扰小小区的定义是基于其中活跃用户的状态。在这个基础上，SCVC使用的是简单而且智能的动态资源分配方案，可以根据用户状态来区分被干扰小小区。这种动态的分配可以实现非关键用户的频率复用以及关键用户与其干扰源的资源共享。在即将到来的5G超密集网络中，SCVC方案可以有效减少小小区间的干扰，更合理的利用无线资源，把小小区的优势发挥出来。

[1]S.Andreev.”Delivering uniform connectivity and service experience to converged 5G wireless networks”.in Internet of Things(WF-IoT),2014 IEEE World Forum on,2014,pp.323-324.

[2]3GPP.”Scenarios and Requirements for Small Cell Enhancements for E-URTA and E-UTRAN”.vol.12.0.0,December 2012.

[3]3GPP.”Small cell enhancements for E-UTRA and E-UTRAN-physical layer aspects”.vol.V12.1.0,August 2013.

[4]K.I.Pedersen,Y.Wang,S.Strzyz,and F.Frederiksen.Enhanced inter-cell interference coordination in co-channel multi-layer LTE.

[5]D.López-Pérez,M.Ding,H.Claussen,and A.H.Jafari.”Towards 1 Gbps/UE in cellular systems:Understanding ultra-dense small cell deployments”.IEEE Communications Surveys & Tutorials,vol.17,pp.2078-2101,2015.

[6]3GPP.”Scenarios and Requirements for Small Cell Enhancements for E-URTA and E-UTRA”.vol.12.0.0,December 2012.

[7]F.Tariq,L.S.Dooley,and A.S.Poulton.”Virtual clustering for resource management in cognitive femtocell networks”.in Ultra Modern Telecommunications and Control Systems and Workshops(ICUMT),2011 3rd International Congress on,2011,pp.1-7.

[8]A.Abdelnasser,E.Hossain,and D.I.Kim.”Clustering and resource allocation for dense femtocells in a two-tier cellular OFDMA network”.IEEE Transactions on Wireless Communications,vol.13,pp.1628-1641,2014.

[9]T.Nakamura,S.Nagata,A.Benjebbour,Y.Kishiyama,T.Hai,S.Xiaodong,et al.,”Trends in small cell enhancements in LTE advanced."IEEE Communications Ma gazine,vol.51,pp.98-105,2013.

[10]L.G.Garcia,K.I.Pedersen,and P.E.Mogensen."Autonomous component carrier selection:interference management in local area environments for LTE-advanced".IEEE Communications Magazine,vol.47,pp.110-116,2009.

[11]A.Hatoum,N.Aitsaadi,R.Langar,R.Boutaba,and G.Pujolle.”FCRA:Femtocell cluster-based resource allocation scheme for OFDMA networks”.in Proc.IEEE Int.Conf.Commun.(ICC),Jun.2011,pp.1-6.

[12]朱晓荣,朱蔚然.超密集小蜂窝网中基于干扰协调的小区分簇和干扰协调算法[J].电子与信息学报,2016,38(5)

[13]李林,洪佩琳,薛开平.基于小区覆盖增强技术的Macro-Pico异构网络上行干扰识别与干扰协调机制[J].电子与信息学报,2012,34(12).

[14]凌为,韩圣千,徐志昆.异构网中宏、微基站间存在频偏时的干扰协调方法[J].电子与信息学报,2012,34(3).

[15]王洪庆.基于系统仿真的超密集网络关键技术研究[D].北京:北京理工大学,2016.

[16]冯伟龙.超密集网络(UDN)的性能分析与关键技术研究[D].北京:北京交通大学,2016.

[17]王军选,汤仕艳,孙长印.基于用户分群的超密集网络资源分配[J].西安邮电大学学报,2016,21(1).

[18]刘海燕,面向5G的超密集网络中分布式无线资源管理的研究[D].北京:北京交通大学,2016.

Research on Interference Management Based on Small Area Clustering in Ultra - dense Network

WU Ting-ting1
(College of Telecommunications and Information Engineering，Nanjing University of Posts and Telecommunications,Nanjing 210023,China)

The use of femtocells seems to be the most feasible solution for hotspot areas where high traffic is concentrated.However, femtocell densif ication will face a number of technical challenges.Femtocells the distance between the base station and the base station shorter, but also make the interference between the cells enhanced.How to design an effective interference management program has become a research focus.This paper implements a new approach for radio resource utilization and management for victim femtocells in an ultra-dense network environment.The proposed Semi-clustering of Victim-cells Approach (SCVC) focuses mainly on users’status whether critical or non-critical to categorize victim femtocells and their aggressors.Once victim femtocells identified, the SCVC scheme semi-cluster each victim femtocell based on the status of each user.Then, it smartly allocates the appropriate radio resources in a dynamic manner which allows ranging from shared use of resources for critical users, to the frequency reuse 1 for noncritical users.Thereby ensuring minimum co-tier interference and enhancement of spectrum efficiency.

ultra-dense network；femtocells；interference management；clustering；wireless resource allocation

武婷婷（1993-），女，硕士研究生，研究方向：超密集移动蜂窝网络。