异构无线网络资源分配算法研究综述

徐勇军,李国权,徐 鹏,陈前斌

(1.重庆邮电大学 移动通信技术重庆市重点实验室, 重庆 400065；2.西安电子科技大学 综合业务网理论及关键技术国家重点实验室，西安 710071)

0 引 言

随着社会的不断进步和通信技术的高速发展，人类跨入无处不在的移动互联、互通时代。智能终端、无线局域网(WLAN, WiFi)、车联网、移动支付等一系列信息化技术给人们生活带来了更加优质便捷的体验，无线通信技术已经发展成为具有不同的带宽、调制方式和覆盖范围的异构无线网络(heterogeneous wireless network,HetNets)。由于传统的静态网络工作模式导致各类网络之间信息独立、资源无法共享以及频谱利用率低等一系列问题，将严重制约移动通信技术的发展，使得网络面临容量压力、深度覆盖盲区等问题。受邻区干扰因素所限，一味提升宏基站密度并不是解决这类问题的有效办法。为了增大无线通信网络的系统容量，提高频谱资源的使用效率和传输效率，降低网络部署成本等问题，HetNets成为应对未来数据流量陡增、满足容量增长需求的关键通信技术之一[1-2]。

在传统的蜂窝异构无线网络中，通过在宏蜂窝网络中布置大量低功率的微蜂窝(micro cell)、微微蜂窝(pico cell)、毫微微蜂窝(femto cell)等非标准六边形蜂窝接入点，形成低功率节点层，大量重用系统已有频谱资源，提高了频谱资源的利用率，并有针对性地按需部署、就近接入，来满足热点地区对容量的需求[3-4]。但是如何实现不同小区间的干扰管理，空闲频谱的合理利用是其需要解决的关键技术问题。换句话来说，资源分配问题在该网络下变得更加复杂与灵活，如何很好地控制用户发射功率、合理分配信道来提高整个通信系统的系统容量、减小小区间的干扰，是解决资源共享、实现不同类型网络融合的关键技术。

因此，为了提高网络资源利用率和频谱效益，本文对异构无线网络资源分配问题进行了综述讨论。首先分析了异构无线网络的网络结构，并给出了网络传输特性；紧接着，根据不同的网络结构，总结与归纳当前异构无线网络资源分配问题相关的研究成果；最后，本文对相关问题进行了分析和研究展望。通过本文的研究可以为相关领域的研究人员提供基本理论知识与架构，并为资源分配这一技术难点的未来研究关键点给出了说明，从而引导该方向的下一步研究工作。

1 异构无线网络的基本概念

随着当代通信技术的发展和智能终端的出现，使得无线局域网、城域网、云无线接入网、蜂窝网络等多种不同性质和功能的网络存在于一个通信环境下，从而使得传统基于宏蜂窝网络的2G通信系统呈现出空间异构(多种网络结构)、不同接入方式、多种调制方式(如，CDMA,OFDMA)、大规模天线阵列(massive MIMO,天线数通常达到100以上)等新的特点，这种新型的异构无线网络成为学者们的研究热点。从定义上讲，异构无线网络是指通过多种网络分层、功能差异化形成的非单一网络组成的无线通信网络[5]。异构无线网络不是一种新型无线网络，其重点和难点在于如何协作融合不同类型的网络成为有效的综合体，而异构蜂窝网络采用相同的体系架构，如何解决不同层网络用户之间的干扰是异构蜂窝网络中提升容量的主要难题[6]。与传统提高点到点的数据速率技术不同(如载波聚合、自适应调制编码)，异构无线网络是为了提高整个网络的数据容量、提升边缘小区的用户体验，从全局上减小覆盖盲点，提高通信系统传输范围。

2 异构无线网络分类

2.1 网络结构

在异构无线网络中，存在较多的低功率节点，如微微基站[7]、中继基站(relay)[8]、家庭基站[9]、分布式天线[10]等，将这些低功率节点部署在宏基站的覆盖范围内与宏基站实现分层异构组网，如图1所示。一方面，宏蜂窝网络(macrocell network)与微微蜂窝(Picocell)、家庭基站都可以分别进行资源共享；另一方面，当超出了某一小区的传输半径，可以通过中继基站来进行信息的辅助传输，如图1中可以利用某一中继基站来实现Picocell基站与Microcell用户通信。下面将分别介绍这几种网络之间的特点与区别。

图1 异构无线网络的网络架构Fig.1 Network structure of HetNets

在异构无线网络中，宏蜂窝网络通常作为主用户存在，也就是频谱资源的拥有者，在不同的通信系统中其特点和功能有所不同。宏蜂窝网络包括传统的网络运营商安装的基站，其覆盖半径为1～25 km，达数千米的空间区域，基站天线通常做得很高，而且基站通常布置在高山的山顶上。而在高速通信时代，LTE通信网络(4G通信系统)是当前的宏蜂窝网络，它不仅可以作为传统的电话传输与2G系统兼容，而且还能够提供一定数据速率的图像、视频等服务。无论是第几代通信系统，宏蜂窝网络中基站的特点是由运营商安装的高功率蜂窝基站所构成。

为了解决宏蜂窝网络通信的“盲点”和“热点”问题，往往依靠设置直放站、分裂小区等办法来解决，这样就形成了一种微蜂窝网络。微蜂窝网络(microcell network)指由网络运营商安装的低功率蜂窝基站，在100 m到1 km的无线覆盖范围内服务数十位用户。通常微基站的发射功率在23～30 dBm，基站天线低于屋顶高度，传播主要沿着街道的视线进行，信号在楼顶的泄露小。因此，Microcell是用来加大无线网络的覆盖范围，不同尺寸的小区重叠起来，且基站彼此相邻，从而使得整个通信网络呈现出多层次的结构。

在实际生活中，存在一种覆盖半径更小的蜂窝网络，即微微蜂窝网络(Picocell)。微微蜂窝网络主要是为了解决特定区域的室内无线覆盖问题，尤其是大型写字楼、集会等场所，由于人数众多，对通讯的需求量很大。第1代的Picocell其实就是低功率的Macrocell，功率一般在17～20 dBm左右，费用十分昂贵。 第2代的Picocell可以基于IP承载，提供更小的覆盖范围，从而被经常用于小型的写字楼、偏远地区、地下停车场等地区。

为了解决微微蜂窝网络在家庭环境或小企业室内的覆盖问题，近年来毫微微蜂窝网络(femtocell network)成为了5G通信的研究热点。毫微微蜂窝网络又被称为飞蜂窝网络或家庭基站，是一种低成本、低功耗、由用户配置访问节点的技术，可以实现小范围内提供高密度话务量的目的；飞蜂窝网络经常用于单个家庭或企业中，其覆盖范围一般小于50 m，发射功率小于23 dBm。

根据以上描述，表1总结了异构无线网络中不同网络的主要特点。

表1 异构无线网络中不同网络的参数对比Tab.1 Comparisons of different networks in HetNets

2.2 网络传输方式

从传输方式的角度来看，异构无线网络可以分为传统的单天线蜂窝异构无线网络、基于多输入和多输出(multiple-input multiple-output, MIMO)的异构无线网络以及异构中继协作无线网络，其网络结构如图2所示。从图2中可以看出，基于单天线/多天线的宏蜂窝基站可以借助Picocell基站将信息传递给Femtocell用户。另外，为了提高传输速率，用户与基站之间的传输也可以借助正交频分复用(orthogonal frequency division multiplexing, OFDM)技术进行数据传输。

2.2.1 传统异构无线蜂窝网络

传统异构无线蜂窝网络指该网络是在传统3G网络基础上发展而来的。在该网络中，各个基站和用户配备单根天线，使得接收端和发射端之间只形成一条收发信道。该网络是最基本的异构无线网络，无中继转发装置和多载波传输等特点。当用户的数量大幅度增加时，会导致信道之间的干扰严重、传输质量下降和传输速率减慢。由于天线数量的限制，系统容量和信噪比较低。

2.2.2 MIMO异构无线网络

为了使得用户设备获得较高的分集增益， 目前，多天线技术已经被引入到异构无线网络中。通过在发射端或接收端配备多根天线，可以形成多条发射/接收通道，从而可以有效减小无线信道的多址衰落影响，进而改善系统传输质量，提高无线传输的可靠性。

由于多天线系统自身巨大的容量和可靠性增益，近年来针对大规模天线阵列的 MIMO 系统相关研究引起了学术界的关注。在大规模 MIMO 中，基站配置数量非常大的天线，通常几十到几百根，是现有系统天线数量的1～2个数量级及以上，在同一个时/频资源上同时服务若干个用户。大规模 MIMO在空间分辨率、功率效率、抗干扰性等方面与传统MIMO相比都有了显著提升。

图2 异构无线网络的传输方式Fig.2 Transmission mode of HetNets

2.2.3 异构无线中继网络

基于中继节点辅助传输的协作通信技术，与传统点到点通信不同，它允许无线通信网络中的不同用户或节点通过分布式传输方式进行资源分配以达成协作关系。因此，每个用户所需的信息不仅来自某一用户，还来自其他协作用户[11]。另外，通过某一个网络或网络中的某些用户作为中继节点进行数据传输，可以有效提高边缘用户的通信质量。协作通信技术融合了分集技术与中继传输技术的优势，在不增加天线数量的基础上，可在传统通信网络中实现并获得多天线与多跳传输的性能增益。传统网络与协作通信网络特性对比如表2所示。

表2 协作通信与非协作通信对比Tab.2 Comparisons between cooperation communication and non-cooperation communication

3 异构无线网络资源分配算法研究现状

从上述讨论可知，异构无线网络是由多种网络和不同用户构成的融合网络，从而使得用户与基站之间的通信会受到来自其他网络不同程度的干扰。因此，如何解决跨层干扰和层内干扰是实现异构无线网络资源管理(分配)的核心技术问题。对于异构无线网络通信系统而言，资源分配算法通过合理调节功率和信道分配的方式能够很好地减少网络间用户干扰的影响，提升整个通信系统的容量，从而实现多网络融合条件下的资源共享的目的。

本小节将针对不同的网络模型进行资源分配算法讨论，归纳总结如图3所示。本文将资源分配算法分为两大类：①基于精确信道参数下的资源分配算法；②基于不完美信道状态信息下的资源分配算法。

3.1 传统异构无线网络资源分配算法

在单天线构成的异构无线网络中，通常资源分配问题比多天线或中继节点的问题简单，也是目前学者们研究最为集中的问题。

针对由多个宏蜂窝小区和微微蜂窝小区构成的异构无线网络，Zeng等[12]提出了一种集中式下行动态功率控制算法，该算法可以有效地减小跨层干扰对用户传输性能的影响，并且能够显著提升系统容量和增加边缘用户的数据速率。与上述集中式算法不同的是，Fan等[13]提出的分布式迭代算法，能够最大化所有基站/接入点的总效率和保障终端的服务质量，这种联合优化算法的优点是适用于任意异构场景，例如基于TDMA的GSM，WLAN或基于OFDMA的LTE等。

为了增加无线网络容量的同时减少网络的能源消耗，针对由宏蜂窝小区和家庭基站密集组网的场景，文献[14-15]研究了基于能效最大的资源分配算法。文献[14]综合考虑了基站负载因子和基站发射功率等因素，协调分配所有基站的频率和功率资源，从而降低异构无线网络内所有基站消耗的总功率。而文献[15]采用随机几何理论建模分析了系统性能，在路径损耗、阴影损耗和干扰受限的场景下，根据用户不同的接入形式，提出了基于用户噪声检测的femtocell睡眠方案，该算法在保证用户服务质量的同时能够降低基站的功耗，增加异构网络的能效。

图3 异构无线网络资源分配算法分类Fig.3 Classification of resource allocation algorithms in HetNets

上述研究工作往往考虑采用频率复用的方式来提升系统的性能，但是在提高无线资源利用率的同时会导致相邻蜂窝小区之间以及小区内部的通信受到相互之间的干扰，从而阻碍了吞吐量、服务质量(quality of service, QoS)等系统性能的进一步提高。因此，OFDM技术受到了研究者的青睐和追捧。在速率最大化的目标函数下，文献[16]考虑数据速率和控制信道约束，提出了一种线性二进制整数规划启发式资源分配算法，该算法能够有效保证微小区用户的服务质量且算法复杂度也较低，但是却牺牲了宏小区用户的数据速率。Seimeni等[17]研究了最大化系统平均容量的资源分配算法，该算法在不需要信道状态信息的情况下，可以有效地减轻电磁干扰，增加终端用户接入的平均数量。针对宏小区和毫微微小区组成的两层异构无线网络，Wang等[18]研究了下行传输方式下的分布式功率控制算法；为了最大化传输数据速率和满足用户的QoS要求，提出了非合作博弈资源分配模型，利用迭代注水算法和随机逼近原理来求得最优解。然而上述文献只考率下行传输时的资源分配问题，对上行传输情况讨论得较少。Villa等[19]同时考虑跨层干扰和中断概率约束下的自适应资源分配问题，提出的分布式资源分配算法不仅能够最大化系统吞吐量，而且适用于上行和下行的传输场景。

针对OFDMA网络下的能效最大问题， Cao等[20]提出了基于稀疏功率控制下的半动态绿色资源管理算法，以基站的总发射功率最小化为约束条件，实现系统能效最大化的目的。文献[21]研究了基于下行OFDMA异构无线网络的传输功率控制问题，为了降低算法复杂度，通过Dinkelbach和分支界定法来获得最优解。考虑上述相同的网络场景，文献[22]在保障用户最低传输速率的前提下，不仅考虑了用户的QoS需求，还考虑了接收机和发射机的能量消耗 ，提出了一种粒子群优化算法，该算法能够最大化系统的能量有效性且具有较好的收敛性。Jiang等[23]同时考虑了跨层干扰和数据速率约束条件，提出了基于迭代的资源分配算法，从而使得Picocell网络的效益函数最大化。

文献[24]提出了一种多主-多从模式下的Stackelberg博弈模型，保证了用户之间构成的非合作博弈纳什均衡点的存在，采用迭代求解方法获得系统的最优资源分配方案。Wu等[25]针对多宿主用户设备的OFDMA异构无线网络，为了最大化系统能效，利用分数规划理论将非凸的目标函数转化为凸优化问题求解，然后将凸优化问题分解为联合拓扑构建和资源分配问题，通过马尔可夫逼近和连续性松弛方法来求解。

从上述讨论可以看出，学者们主要针对下行链路的分布式资源分配算法进行讨论，如何有效解决上行/下行传输下的异构无线网络分布式资源分配算法还有待进一步研究。由于异构无线网络是由多种不同的网络结构和用户类型来进行资源共享，从而使得分布式资源分配算法在实现上存在一定难度。表3给出了集中式和分布式资源分配算法的对比情况。

表3 集中式和分布式资源分配算法对比Tab.3 Comparisons of centralized and distributed resource allocation algorithms

3.2 MIMO异构无线网络资源分配算法

由于多天线技术是一种能够提高系统频谱效率和传输可靠性的有效手段，多天线在异构无线网络中的应用为5G通信理论提供基础。在该网络模型下主要包括传统MIMO系统和大规模MIMO系统，资源分配主要集中在信道分配、功率分配、波束成形设计(beamforming)等问题上。

针对双层MIMO异构无线网络下行传输模型，Chen等[26]基于遗传算法研究了联合子信道分配和功率分配问题，以增加系统的吞吐量和保证飞蜂窝网络用户的公平性。为了实现MIMO异构认知无线网络的干扰对齐(interference alignment)问题，Zhao等[27]通过使用一种能改善最大信噪比的算法来估计次用户之间的干扰大小，并基于非协作博弈论(non-cooperative game)理论提出了一种最大化次用户传输速率的算法。考虑大规模MIMO LTE-A异构无线网络下行传输场景，文献[28]利用干扰协调和预编码协同策略，提出了一种基于博弈论的资源分配算法，该算法能够显著提升多层蜂窝网络的吞吐量和蜂窝网络之间资源共享的效率。针对双层大规模MIMO异构无线网络上行传输干扰管理问题，He等[29]提出了一种通过扩展微蜂窝的覆盖范围来提高宏蜂窝上行传输性能的资源分配算法。

近两年来，在提高异构无线网络的系统容量的同时，专家学者们同时研究了如何提高单位能量上的传输效率即能效(energy efficiency)问题。文献[30-34]研究了在多天线通信系统下的能效问题。针对只在宏基站装配大规模MIMO的下行异构无线网络场景，考虑用户公平性原则，Lin等[30]对联合用户协作和功率分配的能量有效性问题进行了研究；提出将联合优化问题分成2个能用双重迭代算法解决的子优化问题，以此来实现能量有效性最大化。针对多用户MIMO异构无线网络下行传输场景，考虑迫零预编码和完美信道状态信息约束条件，文献[31]研究了下行传输成功概率的资源分配问题；利用托普利茨矩阵法得到基站传输信噪比的分布情况，并提出了一种查找最优基站密度的算法，以实现最大的区域频谱有效性和链接可靠性。针对相同的网络场景，Lu等[32]考虑了用户QoS和基站最大发射功率约束条件，利用几何规划和二阶锥优化方法提出了一种基于能量有效性的协同波束成形算法。文献[33]针对双层大规模MIMO异构无线网下行传输功耗问题，提出了一种基于拉格朗日对偶理论的低复杂度、分布式用户联合资源分配算法，该算法能够提高系统的能量有效性以及保证用户的服务质量。针对多层MIMO下行异构无线网，Kwon等[34]对基于能量有效性的传输功率控制问题进行了深入研究，考虑电路功率损耗和基站密度约束，提出了2种基于纳什平衡理论和帕累托优化理论的算法，分别对非协作网络和协作网络的功率控制进行了优化。

3.3 异构无线中继网络资源分配算法

由于传统非中继蜂窝网络传输距离受限， 使得某些边缘或者更远的用户没有很好的用户服务质量，通过中继节点的辅助传输让较远用户的通信变为可能。因此，近年来中继技术被学者和技术人员广泛地应用到异构无线网络的研究中。

针对单中继异构网络下的传输速率最大化问题，为了满足持续增加的传输通信需求，Li等[35]对异构中继传输网络中的自适应资源分配问题进行了研究；考虑QoS约束，提出了一种功率和子载波分配优化策略，并推导出一种低复杂度资源和子载波联合分配算法，实现最大化系统有效容量。针对嵌入载波聚合(carrier aggregation)技术的异构协同无线网络，Yuan等[36]提出了一种基于分层博弈论的新式网络框架来研究飞蜂窝用户的传输功率和子载波分配的优化问题，并提出了一种逼近斯坦伯格(Stackelberg)平衡的分布式算法，显著提升了网络性能。针对基于OFDMA的异构无线通信网络，文献[37]提出了一种基于能效优化的多用户协作资源分配算法，该算法在满足用户QoS 的约束下，联合进行中继选择、子载波分配和功率分配，基于“Dinkelbach”原理对原非凸目标函数进行优化求解，从而获得系统的最大能效。与上述不同的是，文献[38]针对由宏蜂窝和无线局域网异构共存的设备与设备(device-to-device, D2D)通信场景，以蜂窝基站作为中继传输，提出了基于Q学习和软决策的分布式资源分配算法，该算法能够最小化系统总的传输功率，且与集中式的算法相比，具有较低的复杂度。

上述文献均是研究单中继异构无线网络下的传输速率和能效优化问题，但是复杂的多跳中继异构网络在提升系统性能方面比单中继网络更具有优势。文献[39-41]研究了多跳异构无线网络的资源分配算法，针对异构中继网络下行传输的资源分配问题, Liang 等[39]提出了一种基于Stackelberg 博弈论的分层模型，使得中继网络系统容量最大化并且该算法可以有效提高用户数据速率和系统资源利用率。针对解码转发(decode-and-forward，DF)中继传输协议的OFDM多蜂窝异构中继无线网络，考虑多蜂窝间干扰和异构用户的数据速率需求，D.W.K.Ng 等[40]提出了半双工模式下的半分布式资源分配算法，从而实现系统平均加权吞吐量的最大化。将原混合非凸、组合优化问题转换为对每个基站进行局部信息处理的凸优化问题，功率分配通过对偶分解方法得到。

3.4 异构无线网络鲁棒资源分配算法

由于电磁环境复杂多变，无线通信系统中存在各种干扰、估计误差、链路时延，从而使得信道状态的准确信息难以得到，通常量化误差和信道估计误差都会引起信道增益的不确定性。因此，上述考虑完美信道状态信息(perfect channel state information, CSI)的最优资源分配算法在实际应用中可能导致通信系统性能下降。为了解决该问题、提高通信系统的鲁棒性能和抗扰动性，在异构无线网络资源分配优化问题中，我们需要提前将系统参数的不确定性考虑进来，研究具有鲁棒性的资源分配算法。

目前，异构无线网络鲁棒资源分配的研究从网络结构上划分主要包括：①基于two-tier蜂窝的异构无线网络；②基于OFDM的异构无线网络；③基于多天线的异构无线网络；④基于中继节点的异构无线网络。从不确定性类型来看，鲁棒资源分配主要集中在基于中断概率的不确定性描述和有界参数不确定性描述。其中，前者主要应用在参数不确定性的统计模型容易得到的物理场景，而后者主要应用在零中断事件允许的严格通信场景。

Li等[41]在考虑中断概率约束条件下，利用平均信道增益的概念，对信道增益的不确定性和链路干扰的问题进行研究，提出了保证飞蜂窝用户服务质量要求的接纳算法。该算法能够有效抑制跨层干扰带来的影响并且最小化飞蜂窝网络的总功率。针对用户的瞬时信干噪比受信道快衰落的影响而具有不确定性的情况，Wang等[42]建立了基于用户服务质量中断概率约束的鲁棒优化问题，并提出了一个基于最大功率调整的鲁棒功率控制算法, 该算法在功率迭代过程中通过调整家庭用户的最大功率而实现跨层干扰管理，从而保护了宏用户的通信质量。研究OFDMA异构无线网络的上行链路传输问题，Mokari等[43]基于劳埃德(Lloyd)算法原理，提出了一种有限反馈的资源分配算法，该算法联合优化功率和子载波分配，能够有效地提高网络中所有用户的传输速率。文献[44]研究基于OFDM下的认知异构无线网络的下行链路资源分配问题，考虑不完善的CSI会导致二级网络发生中断，提出了一种用于认知异构网络的联合子载波和功率分配算法。在中断概率约束下保证主用户、次用户的QoS要求，以最大化系统能效为目标，最后通过双循环迭代法求得最优解。同样针对基于OFDM认知异构无线网络的能效最大化问题，Wang等[44]综合考虑认知网络的能源效率、系统功率预算和次用户公平性等问题，提出了一种有效的启发式算法来解决子信道的分配问题，该算法在计算复杂度和能效之间可以实现良好的折衷。考虑由信道估计误差、量化误差、反馈时延等因素引起的信道不确定性影响，为了保证飞蜂窝用户期望的信干噪比(signal to interference plus noise ratio, SINR)，Wang等[45]研究了飞蜂窝基站含多根天线的MISO(multiple-input single-output)异构无线网络下行传输资源分配问题；提出了一种考虑中断概率约束的发射机鲁棒波束成形算法，该算法能够在最坏的CSI反馈信息下仍然满足飞蜂窝用户的服务质量要求，并且能够提高频谱资源的利用率。上述研究是基于中断概率约束的鲁棒资源分配算法，其特点是允许对宏蜂窝用户产生在规定范围内的干扰，信道不确定性随机模型确定了算法的精度。

在误差的概率随机模型不易确定的情况下，需要考虑误差有上界的方法来研究鲁棒资源分配算法。Zhang等[47]考虑了宏用户的干扰温度约束，针对不完全的频谱感知信息和信道不确定性，提出了一种快速优化算法，该算法能够最大化飞蜂窝用户的总吞吐量。文献[48]研究了认知异构无线网络中主用户与次用户的频谱资源竞争问题，提出的鲁棒资源分配算法不仅可以增强主用户监听反馈信道和导频信号信息的能力，并且可以提高系统的能效、降低网络成本。Zhu等[49]研究了基于OFDMA的异构无线网络鲁棒下行功率控制问题；为了解决宏基站和微蜂窝基站之间的分级竞争，提出了基于不完美信道状态信息下的Stackelberg博弈算法，该算法能够实现最大化系统容量。

上述文献均针对传统的单天线异构无线网络，由于多天线技术能够有效提高系统的频谱利用率和传输的可靠性，并且传统的异构蜂窝网络传输距离受限，因此，对多天线技术和基于中继节点的异构无线网络的鲁棒性分析的研究很有必要。

针对两层MIMO异构无线网络，考虑飞蜂窝用户SINR约束和宏蜂窝用户干扰功率约束，文献[50]考虑了有界信道不确定性，提出了一种具有鲁棒性的下行链路功率控制和波束成形算法使得系统容量最大化。针对相同的多天线MIMO异构无线网络下行链路传输问题，为了最大化用户SINR，提升边缘用户体验，Lee等[51]提出的波束成形算法能够最小化飞蜂窝基站和相邻宏基站之间的跨层干扰。Hasan等[52]基于中继节点的D2D通信异构无线网络，针对多用户和多中继的网络场景，研究存在来自其他中继节点干扰和链路增益不确定的问题，提出了一种具有鲁棒性的分布式资源分配算法，该算法能够最大化网络吞吐量并且提高网络频谱利用率。

从以上分析可以看出，目前学者主要研究如何提高能效和改善系统容量的问题，并且大多是基于两层异构网络的通信场景。然而，在实际中，无线通信网络的异构化更加复杂，因此，还有待对多层异构网络的鲁棒性分配算法的研究，且基于中继辅助传输的异构无线网络场景有待进一步研究。

4 未来研究方向

目前，无线通信网络种类繁多、功能各异，没有一种单一网络能够满足广域覆盖、高带宽和频谱效率、低时延、数据速率快等特点，未来的无线通信网络必然是一个异构多网络融合体系结构。因此，对异构无线网络资源分配的研究具有非常重要的理论意义与现实价值。虽然在异构无线网络资源分配问题上，众多学者做了很多贡献，但依然存在以下几个方面的问题有待进一步研究。

1)从系统建模角度来讲，由于异构无线网络中网络类型、网络结构、用户种类等繁多复杂，异构无线网络呈现多网络融合、协作辅助通信、宏MIMO等技术相结合的多功能、立体化通信场景。传统基于用户与网络角度出发的切换管理技术无法满足不同类型用户的需求。在新一代通信技术中，不仅需要从频谱资源的角度考虑，同时需要考虑信道衰落、干扰变化等因素对资源分配与调整的影响。如何设计出具有高灵活性、低复杂度的网络结构和综合考虑用户性能与公平性的资源分配算法是当前研究的重点和难点。

2)从信息传输角度考虑，信息安全是异构无线通信技术发展过程中必须关注的一个重要问题。虽然异构无线网络能够实现多网融合，能满足不同网络的通信质量与服务要求，但是也必然导致信息泄漏、网络窃听、无缝链接等很多新的问题。因此，考虑安全约束的异构无线网络资源分配问题是未来该技术发展层面上一个重要难题，例如基于安全容量的资源分配、安全中断性能分析等。

3)从频谱资源角度考虑，异构无线网络应该朝着智能、自适应调节的智能通信系统方向发展。其中认知无线电技术可以有效提高二级市场频谱资源的利用率，自动检测空闲频谱，最大程度的开发与利用频谱资源，从而提高小区用户的吞吐量和用户接入数量。因此，基于频谱感知能力的认知异构无线网络资源分配问题应成为下一代通信关键技术之一。而频谱感知能力与误检概率事件都会对多网络用户资源分配带来新的挑战。

4)从网络结构角度分析，异构无线网络资源分配朝着更加实际、功能更加强大、数据速率与传输更优的方向发展。如何针对多用户MIMO(multi-user,MIMO,MU-MIMO)异构无线网络中天线选择与多用户分集联合优化问题，发挥多天线系统和用户分集的优势是5G通信中较为现实的研究问题。另外，信道信息不确定性、反馈信道不可靠(受链路时延影响)、带宽限制、紧缺频谱资源都对异构无线网络资源分配算法的实际运用与设计带来非常大的挑战。

5)从能量利用率角度来看，由于异构融合网络由多种不同网络和用户组成，因此，考虑网络寿命和能量消耗约束下的资源分配是未来一个有待解决的问题。例如，基于绿色通信(green communication)与能量收集(energy harvesting)的异构无线网络资源分配问题。

5 结 论

与传统的同构网络不同，异构无线网络中各个网络重叠覆盖、用户资源分配更为灵活。由于各层网络干扰是制约整个网络吞吐量性能的瓶颈，通过合理分配用户的功率和资源分配是异构无线网络资源管理的核心问题。因此，本文主要对当前国内外异构无线网络资源分配算法研究现状进行了分析及对未来研究方向进行了展望。首先，介绍了异构无线网络的基本概念及其常用的网络模型；其次，从传输方式上对异构网络进行了分类；再次，根据上述描述的不同网络模型，从集中式与分布式资源分配算法角度，分别对基于MIMO、协作通信和信道不确定性等场景下进行了异构无线网络资源分配问题的综合讨论；最后，分析了当前研究存在的不足，并对该领域未来研究方向进行了展望。

6 致 谢

本文工作得到国家自然科学基金资助项目(61601071,61701066)、西安电子科技大学ISN国家重点实验室开放基金项目(ISN17-01)、重庆市科委前沿与应用基础研究计划项目(cstc2016jcyjA2197)、重庆市教委科学技术研究项目(KJ1600412, KJ1704088)、重庆邮电大学博士科研启动基金项目(A2016-12)支持。

参考文献：

[1] 陈锋. 异构认知无线网络融合若干关键技术研究[D]. 北京：北京邮电大学, 2014.

CHEN F.Research on seveal key technologies for heterogeneous cognitive radio networks convergence[D]. Beijing: Beijing University of Posts and Telecommunications, 2014.

[2] HU R Q, QIAN Y. An energy efficient and spectrum efficient wireless heterogeneous network framework for 5G systems[J]. IEEE Communications Magazine, 2014, 52(5): 94-101.

[3] 孙迅. 异构蜂窝网络能量效率问题研究[D]. 南京：南京大学, 2015.

SUN X. Research on energy issue in heterogeneous cellular networks[D]. Nanjing： Nanjing University, 2015.

[4] XU Y J, HU Y, CHEN Q B, et al. Robust resource allocation for multi-tier cognitive heterogeneous networks[C]//IEEE International Conference on Communications. Paris, France: IEEE Press, 2017:1-6.

[5] SELMI A, SIALA M, BOUJEMAA H. QoS-guaranteed cross-layer design for joint adaptive modulation and coding, power control, and ARQ protocol[C]//IEEE International Wireless Communications and Mobile Computing Conference (IWCMC). Paphos, Cyprus: IEEE Press, 2016, 846-851.

[6] ZADID A S M, MOSTAFA Z C, YEONG M J, et al. Game-Based approach for QoS provisioning and interference management in heterogeneous networks[J]. IEEE Access, 2017(6): 10208-10220.

[7] SENO R, OHTSUKI T, JIANG W, et al. Interference alignment in heterogeneous networks using picocell clustering[C]//IEEE Vehicular Technology Conference. Boston, MA, USA: IEEE Press , 2015:1-5.

[8] HOYMANN C, CHEN W, MONTOJO J, et al. Relaying operation in 3GPP LTE: challenges and solutions[J]. IEEE Communications Magazine, 2012, 50(2):156-162.

[9] ZAHIR T, ARSHAD K, NAKATA A, et al. Interference management in femtocells[J]. IEEE Communications Surveys & Tutorials, 2013, 15(1):293-311.

[10] HEATH R, PETERS S, WANG Y, et al. A current perspective on distributed antenna systems for the downlink of cellular systems[J]. IEEE Communications Magazine, 2013, 51(4):161-167.

[11] ZHANG X, GAO Y, YAN Z, et al. Cognitive and cooperative communications in wireless heterogeneous networks (HetNet): Current status and technical perspectives[C]//IEEE International Conference on Wireless Information Technology and Systems (ICWITS). Maui, HI, USA: IEEE Press, 2012, 1-4.

[12] ZENG M, CHEN X, ZHANG X, et al. A novel dynamic interference coordination scheme in macrocell-picocell heterogeneous networks[C]//IEEE 77thVehicular Technology Conference (VTC Spring).[S.l.]:Springer,2013:1-5.

[13] FAN J, ZHOU W.A distributed resource allocation algorithm in multiservice heterogeneous wireless networks[C]//7thEAI International Wireless Internet Conference (WICON). Berlin, Heidelberg: Springer, 2013: 34-43.

[14] 曹亘. 异构网络下干扰管理与资源分配算法研究[D]. 北京：北京邮电大学, 2012.

CAO G. Research on interference management and resource allocation algorithms in heterogeneous networks[D]. Beijing：Beijing University of Posts and Telecommunications, 2012.

[15] 张红霞. 基于Femtocell异构网络的能效性能分析与优化[D]. 呼和浩特:内蒙古大学, 2015.

ZHANG H X. energy performance analysis and optimized of heterogeneous networks based on femtocell[D]. Huhhot: Inner Mongolia University, 2015.

[16] SAEED A, KATRANARAS E, DIANATI M, et al. Control and data channel resource allocation in OFDMA heterogeneous networks[J]. Journal of Signal Processing Systems, 2016, 85(2):183-199.

[17] SEIMENI M A, GKONIS P K, KAKLAMANI D I, et al. Resource management in OFDMA heterogeneous network[C]//Wireless Telecommunications Symposium (WTS). London, US: [s.n.], 2016: 1-6.

[18] WANG H, WANG J, DING Z. Distributed power control in a two-tier heterogeneous network[J]. IEEE Transactions on Wireless Communications, 2015, 14(12): 6509-6523.

[19] VILLA T, MERZ R, KNOPP R. Dynamic resource allocation in heterogeneous networks[C]//Global Communications Conference (GLOBECOM), 2013 IEEE. Atlanta, GA, USA: IEEE Press, 2013: 1915-1920.

[20] CAO P,LIU W,THOMPSON J S,et al.Semi-dynamic green resource management in downlink heterogeneous networks by group sparse power control[J].IEEE Journal on Selected Areas in Communications,2016,34(5):1250-1266.

[21] YANG K, MARTIN S, QUADRI D, et al. Energy-Efficient downlink resource allocation in heterogeneous OFDMA networks[J]. IEEE Transactions on Vehicular Technology,2017, 66(6): 5086-5098.

[22] XU Q, LI X, JI H, et al. Energy-efficient resource allocation for heterogeneous services in OFDMA downlink networks: systematic perspective[J]. IEEE Transactions on Vehicular Technology, 2014, 63(5): 2071-2082.

[23] JIANG J, PENG M, ZHANG K, et al. Energy-efficient resource allocation in heterogeneous network with cross-tier interference constraint[C]//IEEE International Symposium on Personal, Indoor and Mobile Radio Communications (PRIMC), London, US: IEEE Press, 2013:168-172.

[24] 姜永, 陈山枝, 胡博. 异构无线网络中基于Stackelberg博弈的分布式定价和资源分配算法[J]. 通信学报, 2013，34(1):61-68.

JIANG Y, CHEN S Z, HU B. Stackelberg games-based distributed algorithm of pricing and resource allocation in heterogeneous wireless networks[J]. Journal on communications, 2013, 34(1):61-68.

[25] WU W, YANG Q, GONG P, et al. Energy-efficient resource optimization for OFDMA-based multi-homing heterogeneous wireless networks[J]. IEEE Transactions on Signal Processing, 2016, 64(22): 5901-5913.

[26] CHEN L, MA L, XU Y B. Fairness awarded joint sub-channel and power allocation via genetic algorithm in MIMO two-tier networks [C]//IEEE 26th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC). Hong Kong, China: IEEE Press, 2015:1111-1115.

[27] ZHAO F, WANG W, CHEN H, et al. Interference alignment and game-theoretic power allocation in MIMO Heterogeneous Sensor Networks communications[J]. Signal Processing, 2016(126): 173-179.

[28] ZHAO T Y, SUN J D, LIU Z H, et.al. Game theory based resource sharing algorithm for massive MIMO HetNets[C]//IEEE/CIC International Conference on Communications in China (ICCC). Shenzhen, China：IEEE Press, 2015, 1-6.

[29] HE A, WANG L, CHEN Y, et al. Uplink interference management in massive MIMO enabled heterogeneous cellular networks[J]. IEEE Wireless Communications Letters, 2016(5):560-563.

[30] LIN Y, WANG Y, LI C, et al. Energy efficient joint user association and power allocation design in massive MIMO empowered dense HetNets[C]//IEEE 84th Vehicular Technology Conference (VTC-Fall). Montreal, QC, Canada: IEEE Press, 2016: 1-6.

[31] LI C, ZHANG J, ANDREWS J G, et al. Success probability and area spectral efficiency in multiuser MIMO HetNets[J]. IEEE Transactions on Communications, 2016, 64(4): 1544-1556.

[32] LU Y, WEI L, HE S, et al. Resource efficient beamforming design forheterogeneous multiuser systems[C]//IEEE International Conference on Wireless Communications & Signal Processing (WCSP). Nanjing, China: IEEE Press, 2015:1-5.

[33] LIU D, WANG L, CHEN Y, et al. Distributed energy efficient fair user association in massive MIMO enabled HetNets[J]. IEEE Communications Letters, 2015, 19(10): 1770 -1773.

[34] KWON Y, HWANG T, WANG X. Energy-efficient transmit power control for multi-tier MIMO HetNets[J]. IEEE Journal on Selected Areas in Communications, 2015, 33(10): 2070-2086.

[35] LI Y, LIU L, LI H, et al. Adaptive resource allocation for heterogeneous traffic over heterogeneous relay networks[C]//Communications (ICC), 2013 IEEE International Conference on IEEE. Budapest, Hungary: IEEE Press, 2013: 5431-5436.

[36] YUAN P, XIAO Y, BI G, et al.Toward cooperation by carrier aggregation in heterogeneous networks: a hierarchical game approach[J]. IEEE Transactions on Vehicular Technology, 2017, 66(2): 1670-1683.

[37] WANG Y, WANG X, SHI J. A stackelberg game approach for energy-efficient resource allocation and interference coordination in heterogeneous networks[C]//Computer and Information Technology (CIT), 2014 IEEE International Conference on. Xi'an, China: IEEE, 2014: 694-699.

[38] PÉREZ-ROMERO J, SNCHEZ-GONZLEZ J, AGUSTR, et al. Power-Efficient resource allocation in a heterogeneous network with cellular and d2d capabilities[J]. IEEE Transactions on Vehicular Technology, 2016, 65(11):9272-9286.

[39] LIANG L, FENG G, JIA Y. Game-theoretic hierarchical resource allocation for heterogeneous relay networks[J]. IEEE Transactions on Vehicular Technology, 2015, 64(4): 1480-1492.

[40] NG D W K, SCHOBER R. Resource allocation and scheduling in multi-cell OFDMA systems with decode-and-forward relaying[J]. IEEE Transactions on Wireless Communications, 2011, 10(7): 2246-2258.

[41] LI S, LIU Z, LI X, et al. Robust power control with probability constraint for co-channel two-tier femtocell networks[C]//IEEE34th Chinese Control Conference (CCC). Hangzhou, China:IEEE Press, 2015: 7730-7735.

[42] 王金乐. 两层Femtocell网络中基于信道增益不确定的鲁棒功率控制[D]. 秦皇岛:燕山大学, 2015.

WANG J L. Robust power control in two-tier femtocell networks with uncertain channel gains[D]. Qinhuangdao: Yanshan University, 2015.

[43] MOKARI N, ALAVI F, PARSAEEFARD S, et al. Limited-feedback resource allocation in heterogeneous cellular networks [J]. IEEE Transactions on Vehicular Technology, 2016, 65(4): 2509-2521.

[44] CHEN J, ZHOU Y, KUO Y. Energy-efficiency resource allocation for cognitive heterogeneous networks with imperfect channel state information[J]. IET Communications, 2016, 10(11): 1312-1319.

[45] WANG S, SHI W, WANG C. Energy-efficient resource management in OFDM-based cognitive radio networks under channel uncertainty[J]. IEEE Transactions on Communications, 2015, 63(9): 3092-3102.

[46] WANG K Y, JACKLIN N, DING Z, et al. Robust MISO transmit optimization under outage-based QoS constraints in two-tier heterogeneous networks[J]. IEEE Transactions on Wireless Communications, 2013, 12(4):1883-1897.

[47] ZHANG Y, WANG S. Resource allocation for cognitive radio-enabled femtocell networks with imperfect spectrum sensing and channel uncertainty[J]. IEEE Transactions on Vehicular Technology, 2016, 63(17):7719-7728.

[48] PARSAEEFARD S, SCHAAR M, SHARAFAT A. Robust power control for heterogeneous users in shared unlicensed bands[J]. IEEE Transactions on Wireless Communications, 2014, 13(6):3167-3182.

[49] ZHU K, HOSSAIN E, ANPALAGAN A. Downlink power control in two-tier cellular OFDMA networks under uncertainties: a robust Stackelberg game[J]. IEEE Transactions on Communications, 2015, 63(2):520-535.

[50] MO R, QUEK T Q S, HEATH R W. Robust beamforming and power control for two-tier femtocell networks[C]//Yokohama,2011 IEEE 73rd Vehicular Technology Conference (VTC Spring).Berlin,Heidelberg:Springer,2011:1-5.

[51] OH D C, LEE H C, LEE Y H. Power control and beamforming for femtocells in the presence of channel uncertainty[J]. IEEE Transactions on Vehicular Technology, 2011, 60(6):2545-2554.

[52] HASAN M, HOSSAIN E, KIM D I. Resource allocation under channel uncertainties for relay-aided device-to-device communication underlaying LTE-A cellular networks[J]. IEEE Transactions on Wireless Communications, 2014, 13(4):2322-2338.