超密集网络中虚拟小区载波分配方案研究

刘丹，王凯，谭国平，居美艳，张丽丽

（河海大学计算机与信息学院通信与信息系统研究所，江苏南京211100）

近年来，随着智能终端的迅速普及，移动数据流量快速增长，使得本就有限的无线网络资源与快速膨胀的用户需求之间的矛盾日益突出。据预测，到2020年，全球移动通信数据流量将会增长1 000倍[1]。

为了给用户带来极致的体验，可以通过增加小基站的数目来提升系统的容量。但是，随着LTEAdvanced的不断演进，小基站的部署将十分密集[2]，从而形成超密集网络（Ultra-densenetwork，UDN）。UDN中用户收到的干扰严重，切换频繁，针对这些问题，虚拟小区技术便被提出来了[3-4]。由于站间距的减小会带来一些与现有系统不同的问题，现有的干扰管理以及资源分配等技术已经不能直接适用于这样的网络[5-6]。因此，针对UDN场景的资源分配技术问题将是未来无线网络研究的重要内容之一。本文针对虚拟小区的资源分配问题，提出一种基于最大SINR的分配算法。

1 系统模型与问题描述

1.1 系统模型

在UDN场景中，基站比较密集，多个小基站可以联合起来，组成一个虚拟小区，共同为用户提供数据传输业务，图1是两种不同的虚拟小区形成方案。在图1（a）中，两个虚拟小区之间无重叠覆盖区域，与传统的物理蜂窝网络一样，这种虚拟小区形成方案的一个明显弊端是位于虚拟小区边缘的用户将会受到邻居虚拟小区的强烈干扰[7-8]。例如，在图1（a）中，虚拟小区2中的用户2受到虚拟小区1中基站2的干扰情况很严重。图1（b）是具有重叠覆盖区域的虚拟小区形成方案，与图1（a）的不同之处在于，基站2和基站3组成了虚拟小区3，为用户2提供服务。这种虚拟小区形成方案削弱了原来虚拟小区的边界效应，例如在图1（b）中，用户2由原来的小区边缘位置变为了虚拟小区3的中心位置，此时，对于用户2来讲，基站2已不再是干扰源，而变成可以为用户2提供数据传输服务的服务基站，因此，用户2受到的干扰将大幅减小，用户体验得到明显改善[9]。此外，由于用户2已脱离了原来的虚拟小区2，因此基站4将不再为用户2提供服务，这也从一定程度上减轻了基站4的负载。

图1 不同的虚拟小区形成方案

考虑在一个UDN场景中，所有小基站的集合为Φ，总的小基站数M=|Φ|，用户的集合为Ψ，总用户数为N=|Ψ|。为简单起见，每个用户和基站都配置单天线，所有小基站的发射功率都相同，采用单数据流为用户传输数据，每个用户的数据流都相互独立，在采用固定频率复用因子为1的网络中，用户n接收到的信号yn可表示为：

式（1）的第一部分代表用户的有用信号，第二部分代表用户接收到的来自其他小基站的干扰，第三部分表示噪声信号。其中，Pt表示小基站的发射功率，Gnm表示小基站m与用户n之间的信道增益，xn表示小基站发出的标准信号，Zn表示均值为零、方差为σ2的高斯白噪声，即Zn～N（0，σ2）。

公式（1）描述的是传统物理小区中用户的接收信号情况。而在虚拟小区中，用户的服务小基站可能有多个，因此其接收到的有用信号有可能来自虚拟小区中的多个基站，受到的干扰情况也发生了变化[10]。文献[11]中指出，如果在整个网络中共享信道状态信息，小基站根据全局CSI就可以采用合理的预编码权重来消除虚拟小区内部的干扰影响。如果用Ωn={m|mÎΦ}表示为用户n服务的小基站的集合，那么式（1）可改为：

根据式（2）可以计算出用户n的信干噪比γn为：

从式（3）可以看出，用户n的虚拟小区中的小基站数目越多，用户接收到的有用信号的强度也就越大。此外，由于多个小基站联合起来为用户提供数据传输，原先对自己造成严重干扰的周围基站信号在虚拟小区中转为有用信号，使得强干扰源的数量减少，因此，用户的吞吐量将得到大幅提升。根据香浓公式，用户n可以获得的数据传输速率Rn为：

其中，B为数据传输带宽，η和μ为调整因子，是介于0和1之间的固定值，与频谱以及编码效率有关系。为简单起见，令η和μ值为1，如果数据在单位带宽上传输，那么式（4）可简化为下式：

1.2 问题描述

文中使用图1（b）描述的网络拓扑结构，允许虚拟小区之间有重叠覆盖，即同一个小基站可以同时属于多个虚拟小区，为不同用户服务。为了减轻位于多个虚拟小区中的基站各个小区之间的相互影响，基站采用了给不同的虚拟小区分配不同的频谱资源的方法来降低干扰。LTE-Advanced系统采用的载波聚合是将2个或更多的分量载波（ComponentCarrier，CC）聚合在一起形成更大的带宽以支持更高的数据传输速率[12]。3GPP在LTERelease11中把CC分为两类：主分量载波（（PrimaryComponentCarrier，PCC）和辅助分量载波（SecondaryComponentCarrier，SCC）[13]。PCC 是用户一开始就获得的分量载波，除了PCC之外，用户所使用的其他分量载波统称为SCC，它是在PCC不足以满足用户数据业务需求时，由基站通过无线资源控制（RadioResourceControl，RRC）消息为用户配置的额外CC，它可以使系统的吞吐量得到显著提升[14]。在图1（b）中，假设只有两个可用载波CC1和CC2，如果基站2已经使用了CC1为用户1提供服务，那么它将会为用户2配置CC2。如果此时基站2又属于另外一个虚拟小区4，如图2所示，显然基站2已经无可用的CC为虚拟小区4服务了。因此，有必要对这种问题设计一种可行的解决方案。

图2 虚拟小区CC分配示意图

2 虚拟小区载波分配算法

用户选择周围的若干小基站组成自己的服务虚拟小区，生成一个服务小基站列表，随着用户位置或业务量的变化，不断会有一些小基站退出原来的虚拟小区，或者有新的小基站加入到用户的虚拟小区中，此时用户需要更新自己维护的服务小基站列表，并将此信息通知给网络。网络中的每个小基站也维护一个所属虚拟小区的列表，记录所服务的用户情况以及CC使用情况，并通过基站之间的空口通信或回传链路与周围基站交互信息。在LTE-Advanced网络中，假设可供使用的CC数目为K，小基站和用户的总数量分别为M和N，小基站m（m∈Φ）和用户n（n∈Ψ）在网络中的位置随机分布。用户n的服务虚拟小区Ωn是根据其测量到的周围小基站的信噪比（SNR）来确定的。若用SNRm，n表示用户n收到的来自小基站m的信噪比，SNR0，n表示其中的最大值，即SNR0，n=max{SNRm，n}，则满足公式（6）的所有小基站组成服务于用户n的虚拟小区Ωn。

其中，SNRThr为设定的信噪比门限值。

现将基于最大SINR的虚拟小区载波分配（ComponentCarrierAllocationbasedontheMaximumSIN R，CAMS）标准描述如下：

1）用户r根据公式（6）选择初始的服务小基站，若这些小基站的集合是用户s的虚拟小区Ωs的子集，则r和s位于同一个虚拟小区Ωs。

2）一个虚拟小区中的各个小基站使用相同的CC为本虚拟小区中的用户提供服务。

3）若小基站m要为不同虚拟小区的用户服务，则对于某一个CC，小基站始终使用该CC为接收到该基站信号最强的那个用户服务。例如，假设小基站m同时位于虚拟小区Ωp和Ωq中，记虚拟小区Ωp中的用户p接收到小基站m的信噪比为SNRm，p，虚拟小区Ωq中的用户q接收到小基站m的信噪比为SNRm，q，若SNRm，p-SNRm，q＞δ（δ为一固定常数），则小基站m退出虚拟小区Ωq，使用相应的CC为用户p服务。

图3是CAMS算法流程图，其主要步骤描述如下：

1）用户n根据公式（6）确定自己的初始服务虚拟小区Ωn；

2）检查Ωn是否为某个已有虚拟小区Ωs的子集。如果Ωn⊆Ωs，则令用户n的服务虚拟小区为Ωs，否则进入下一步；

3）选择Ωn中使用次数最少的CC作为目标CC，记为CC*。若CC*=NULL，用户n选择SNR最大的小基站所在的虚拟小区中用户数最少的一个作为自己的服务小区，该虚拟小区用Ωm表示，否则进入下一步；

4）计算Ωn中使用CC*为其他虚拟小区服务的基站集合Cn={m1，m2，…mt}。若Cn=Ø，则执行 Step6，否则进入下一步；

5）判断SNRi，n-SNRi，j＞δ是否成立（其中，SNRi，n表示Ωn的用户n接收到的小基站i（i∈Cn）的信噪比，SNRi，j表示虚拟小区Ωj中的用户j接收到的小基站i的信噪比）。若成立，则小基站i退出虚拟小区Ωj，使用CC*为Ωn服务，否则小基站i退出Ωn，继续留在原来的虚拟小区中；

6）用户n更新虚拟小区Ωn之后，选择目标CC。

以上过程中，如果满足条件的CC数目大于1，则选择其中具有最小上行干扰的那个CC。在虚拟小区Ωn完成载波选择之后，更新CC使用情况和其他资源分配信息并通知周围虚拟小区。

图3 CAMS算法流程图

3 实验仿真

本章的算法评估场景为文献[15]中提出的小基站密集部署模型的室内下行覆盖。仿真场景中考虑25个房间，每个房间放置1台小基站，位置在房间内随机分布。为了降低复杂度，仿真中不涉及下行功率控制，所有小基站在每个CC上的发射功率都相同，并且不考虑不同CC之间的差异性。仿真中使用的数据包调度方式为轮询调度（RoundRobin），业务模型为全缓存模型（FullBuffer）。表1中列出了仿真中的关键参数。

表1 主要仿真参数

为了验证所提的CAMS算法的性能，本节仿真中采用了文献[16]中提出的ACCS算法和文献[17]中的CCCS算法作为对比。

图4中画出了3种算法的SINR累积分布函数图（CumulativeDistributionFunction，CDF），仿真中总共考虑了2个CC，25个用户，每个房间中都有一个用户，其位置在房间内随机分布。并且，当某个小基站使用相应算法无法获得可用CC时，至少选择一个CC为其用户服务。

从图4中可以看出，CAMS算法的性能要优于传统小区中的ACCS和CCCS算法。这是因为CAMS算法中联合多个基站共同为用户提供服务，增强了用户的接收信号强度，通过虚拟小区之间的相互协作，让服务质量更好的小基站退出某些原来的虚拟小区，并使用相应的CC为其新加入的虚拟小区中的用户服务，这样就使基站始终为用户提供较高的信号质量，用户的接收SINR得到提升。

图4 SINR累积分布函数图

图5是系统平均频谱效率柱状图，从图中可以看到本文所提CAMS算法的系统平均频谱效率要优于传统的载波选择算法，可达1.93 bps/Hz，比ACCS算法提高16.3%，比CCCS算法提高6.5%。

表2中列出了3种载波选择方案的5%边缘用户（CDF值为5%时对应的用户）的信干噪比（SINR），从中可以看出，ACCS算法的5%边缘用户SINR为6.5 dB，CCCS算法的5%边缘用户SINR比ACCS算法的高，为9.9 dB，而所提CAMS算法可以使边缘用户的SINR提升到12.3 dB，是ACCS算法的1.89倍，是CCCS算法的1.24倍。

图5 系统平均频谱效率柱状图

表2 不同方案的5%边缘用户SINR对比

4 结束语

文中提出了一种基于最大SINR的虚拟小区载波分配算法方案，通过虚拟小区之间的相互协作，让服务质量更好的小基站退出某些原来的虚拟小区，并使用相应的CC为其新加入的虚拟小区中的用户服务。仿真表明，该算法可以提升边缘用户的信号接收质量和系统平均频谱效率，增加了系统的容量。由于需要在虚拟小区内部以及虚拟小区之间共享信道信息以及无线资源使用情况，因此，新方案会在一定程度上增加信令交互量。