异构网络下带内回程基站部署方案

徐昌彪,郭瑞博,鲜永菊

(重庆邮电大学 a.通信与信息工程学院; b.光电工程学院,重庆 400065)

0 概述

随着移动互联网和物联网的快速发展,有限的频谱资源难以满足剧增的移动数据传输需求,这使得研究人员利用各种技术提高频谱效率(Spectral Efficiency,SE)。异构蜂窝网络(Heterogeneous Cellular Network,HCN)作为下一代移动通信系统的关键技术,在传统宏蜂窝网络中部署大量低功率的小基站(Small Base Station,SBS),形成覆盖区域重叠的异构网络系统,使得用户距离接入点更近,从而提高区域吞吐量,降低宏基站(Macro Base Station,MBS)的负载。同时同频全双工(Full Duplex,FD)通信[1-2]因能在相同的时频资源上实现无线电信号的同时发送和接收,进而有效提高频谱效率而成为当前无线通信网络领域的研究热点。在文献[3- 4]中,该技术也称为带内全双工(In-Band Full Duplex,IBFD)。IBFD在文献[5]中被定义为无线终端在非正交复用(Non-Orthogonal Multiplexing,NOM)信道上同时发送和接收的能力。但是,由于自干扰(Self-Interference,SI)的存在限制了IBFD的应用,因此随着自干扰消除(Self-Interference Cancellation,SIC)技术的发展,天线端技术、模拟和数字消除技术已取得了重大进展,如文献[6]中SIC量已达到110 dB。

IBFD与HCN相结合能够大幅提升系统频谱效率,而HCN中大量小小区回程业务的有效转发成为新的研究热点。目前,小小区的回程方式主要有有线回程和无线回程。对于密集的小小区来说,有线连接(如光纤和DSL)的成本过高。而传统无线回程通过微波和毫米波等链路传输,或使用诸如时分双工(Time Division Duplex,TDD)或空分的正交复用(Orthogonal Multiplexing,OM)技术实现自回传。微波链路的定向传输要求以及毫米波链路的穿透能力差使其在回程解决方案上存在一定局限性。与OM相比,使用基于NOM的IBFD技术[1]将频谱资源同时用于接入链路和回程链路,可以在传统自回程的基础上进一步提高系统频谱效率,也可消除SBS对宏小区用户(Macro Cell User,MUE)的干扰。本文针对异构蜂窝网络中带内回程基站的部署问题,研究如何合理部署带内回程基站,从而使系统容量最大化。

1 相关研究

IBFD通信有两节点和三节点两种传输模式。在异构网络中两节点传输模式对应点对点双向传输,三节点传输模式对应全双工中继[7]和以基站为中心的全双工小区[8-9]。考虑到SIC的影响,IBFD通信在小蜂窝网络,尤其是覆盖范围小、发射功率低的HCN中的应用得到了越来越多的关注。

文献[10-11]基于带内回程基站与传统宏蜂窝基站组成的两层异构网络,推导出网络覆盖概率和平均传输速率。文献[12]基于所有用户的总体效用最大化,研究FD可行性条件,提出一个上/下行用户调度方案。文献[13]提出一种基于同信道反向时分双工和动态软频率复用双工的频谱共享方案,用于回程干扰管理。文献[9]提出一种部分全双工(Fraction Full Duplex,FFD)资源分配方案。该方案将时频资源划分为半双工(Half Duplex,HD)资源块(Resource Block,RB)和FD-RB,然后根据所服务用户的信道状态信息对RB进行分配。该方案只针对一维系统模型,具有一定的局限性。

文献[14]研究了一个大规模MIMO无线回程网络。该网络由工作在混合带内/外全双工(I/OBFD)模式下的小小区组成,每个SBS服务小小区用户(Small Cell User,SUE),同时使用全双工技术回程给MBS。研究结果表明,网络中部署适当比例的全双工基站和足够的SIC是获得高速率覆盖的关键因素,但没有提出具体的回程干扰管理方案。文献[15-16]描述了全双工蜂窝网络中的干扰问题,证明了FD模式对密集部署的蜂窝网络的优越性。研究结果表明,为不同层网络引入混合双工能够改善异构网络的吞吐量,但文中未给出具体的FD模式分配方案。

文献[17]研究了HCN中SBS双工模式的调度。针对特定拓扑结构的异构网络,提出一种混合贪婪最大调度(H-GMS)算法。结合集中式和分布式机制,证明了H-GMS可使系统吞吐量最优,但文献主要侧重于设计新的媒体访问控制协议。文献[18]对异构蜂窝网络中的干扰进行描述和分析,采用TDD的上下行双工模式,将Massive MIMO和SBS有效结合,提出一种分布式图形染色算法(Dustributed Graphics Coloring Algorithm,DGCA),使SBS独立选择全双工模式。

为合理地部署带内回程基站以减少SBS对MUE的跨层干扰,并有效协调小区间干扰,本文提出一种基于NOM的带内回程解决方案,通过在HCN中部署混合I/OBFD回程基站组成FFD进一步提高系统频谱效率,并有效协调干扰。本文贡献在于:1)建立系统容量的最优化模型;2)给出一种基于贪心算法的最优化近似求解算法,也可采用遗传算法(Genetic Algorithm,GA)和文献[18]提出的DGCA算法近似求解最优化模型。

2 系统模型

图1 两层HCN无线回程部署模型Fig.1 Wireless backhaul deployment model for two-layer HCN

2.1 SBS双工模式及干扰分析

系统中的SBS可以工作在两种双工模式:1)OBFD模式,接入链路和回程链路同一时间采用不同的频带传输;2)IBFD模式,接入链路和回程链路同一时间在相同的频带传输。由于MBS同时为MUE和SBS提供服务,因此将相同的频带分配给这两条链路会导致复杂的传输协调问题。参照文献[18,20],本文将总可用带宽分成两个相等的部分,分别表示为F1和F2。其中,F1频带由宏小区用户接入链路利用,F2频带由回程链路占用,SUE接入链路在F1和F2之间的选择直接决定了相应SBS的双工模式。如果SUE接入链路采用F2,则该SBS处于IBFD模式,反之亦然。

图2 全部SBS均工作在OBFD模式下的干扰类型Fig.2 Interference types generated when SBS all work in OBFD mode

图3 系统混合I/OBFD模式下的干扰类型Fig.3 Interference types generated when system works in I/OBFD mode

图4 全部SBS均工作在IBFD模式下的干扰类型Fig.4 Interference types generated when SBS all work in IBFD mode

2.2 宏小区传输模型

参照文献[19]对不同模式下的接入链路与回程链路的信干噪比(Signal to Interference plus Noise Ratio,SINR)进行分析。首先分析宏小区传输模型,即从MBS到MUE的下行链路。如图2所示,第K个MUEK仅受到工作在OBFD模式下的SBS干扰,因此MUEK的接收SINR为:

(1)

2.3 小小区传输模型

考虑到SBS的不同双工模式会导致不同的干扰问题,因此需要对小小区的接收SINR分别进行分析。

2.3.1 OBFD模式下的小蜂窝设计

OBFD模式下的小蜂窝设计具体如下:

(2)

(3)

2.3.2 IBFD模式下的小蜂窝设计

IBFD模式下的小蜂窝设计具体如下:

(4)

(5)

3 问题建模及分析

根据SINR表达式,可以得到单位带宽下系统链路的总容量为:

(6)

本文研究目标是如何部署带内回程基站以消除SBS对MUE的跨层干扰,并有效协调小区间干扰,使得系统链路容量最大化。此外,要求系统总传输功率受限,蜂窝用户有最低业务速率的基本传输要求。因此,目标问题可以建模为:

(7)

(8)

(9)

(10)

(11)

C5:xi∈{0,1},∀i∈N

(12)

其中:

上述模型表达的是一个关于xi∈{0,1}的非线性非凸组合优化问题,这是一个NP难问题,传统的暴力搜索算法的复杂度是O(2N)。对于超密集小区,随着基站数目的增多,算法复杂度将呈指数级增长。为更好地求解该优化问题,本文提出一种基于贪心算法的双工模式选择算法(Duplex Mode Selection Algorithm,DMSA),也可采用遗传算法(GA)和文献[18]提出的分布式图形染色算法(DGCA)近似求解最优化模型。

4 基于混合双工模式的基站部署方案

4.1 干扰图

如图2～图4所示,考虑到大规模衰落,不同的双工模式带来不同类型的小区间干扰。

定义1SBSi和SBSj当且仅当ηi,j=1时产生小区间干扰,即:

(13)

其中,ri,j表示SBSi或SUEi接收到来自SBSj的干扰信号与有用信号的比值,Γth是干扰信号阈值。

直观地说,当所有SBS全部以IBFD或OBFD模式运行时,系统遭受最严重的小区间干扰和跨层干扰,非相邻SBS之间的干扰较小,可以忽略。将此定义应用于所有SBS,就会生成一个系统的干扰图。在此干扰图的基础上,如果要在该异构网络中尽量减少SBS对MUE的跨层干扰,应尽可能为产生干扰的SBS分配IBFD模式。另外,SBS之间也应分配不同的双工模式以减少小区间干扰。

4.2 干扰代价

本文与传统模式选择算法的不同之处主要是SBS基于产生不同干扰状态的双工模式进行选择,对不同模式所带来的网络干扰进行协调。因此,需要给出一种用于衡量干扰的代价机制。

定义2设Ci,I表示只有SBSi工作在IBFD模式下的系统容量,CO表示所有的SBS处于OBFD模式时的系统容量。定义SBSi工作在IBFD模式时的干扰代价为:

ξi=Ci,I-CO

(14)

同理可定义式(15)为产生跨层干扰时的代价:

ω×2-ξi

(15)

其中,ω是一个比重因子,用来衡量跨层干扰在网络中的比重。

4.3 基于贪心算法的DMSA

根据定义1和定义2,本文首先给出与SBSi所有相邻的SBS,然后从SBSi与其相邻SBSj的组合容量中,推导出所有与其相邻SBS的组合容量。

定义3根据上述定义,给出SBSi与相邻SBSj两基站的系统容量为:

(16)

定义4SBSi与其所有相邻SBS的系统容量为:

(17)

(18)

为最大化目标函数,合理选择第i个基站SBSi的双工模式(即部署带内回程基站),应该在两种双工模式下分别计算系统的链路容量,并选择最大链路容量的双工模式作为部署方式,具体步骤如下:

步骤1设置干扰阈值,根据小区间信道增益和发射功率计算小区间干扰形成干扰图,得到相邻矩阵B=[ηi,j]N×N,∀i,j∈S。

步骤2按照回程链路的信道增益将所有SBS进行排序,记为{S1,S2,…,SN}。

步骤3按照序列{S1,S2,…,SN}执行DMSA算法,保证快速收敛。

本文算法中还存在两个参数Γth和ω,起着重要作用。在不同情况下,它们可能会有不同的最优值。因此,需要评估Γth和ω的范围,并选择可获得最佳性能的Γth和ω。根据以上结果,下面给出DMSA算法的具体流程。

算法1DMSA算法

输入S={S1,S2,…,SN}

loop

solution=∅;

for i←1 to N do{

X=select(S);

solution=union(solution,X);

else

continue;

}

return solution;

end loop

对于本文提出的DMSA算法,其收敛性证明如下:

将迭代次数记为t=1,2,…,那么DMSA的迭代过程实际上是一个关于系统链路容量Ct的序列。如算法1所示,由于保证Ct+1≥Ct,因此容量Ct实际上是一个关于t的单调递增序列。此外,还可以证明Ct有如下上界:

(19)

如算法1所示,DMSA的思想是在每一次迭代中,比较每个SBSi模式切换后带来的系统吞吐量增益,并且使带来最大吞吐量增益的SBSi模式切换为IBFD(带内回程基站),而当最大吞吐量增益也为负数时,迭代终止。在第t次迭代时,需要做N-t次比较。

显然,DMSA在每一次迭代中都做出了最优选择,然而却不一定能够得到全局最优解。通常DMSA的性能好坏取决于生成的初始解质量,在本文算法中也生成了大量的随机初始解来比较DMSA的性能,其最终选择最优解验证本文算法性能。

5 仿真结果与分析

本文提出的基于DMSA的混合I/OBFD双工方案也称为部分全双工(FFD)方案,使用Matlab仿真软件进行仿真分析,采用遗传算法(GA)和文献[18]提出的分布式图形染色算法(DGCA)实现式(7)模型的近似求解。本节对采用上述3种算法所得近似解的性能进行仿真对比分析,仿真参数如表1所示。

表1 仿真参数设置Table 1 Simulation parameter setting

如图5所示,SIC是IBFD应用的基本要求。因此,当SI非常强时,FFD的SE与HD蜂窝网络相同,这表明所有SBS都工作在HD资源块中。另外,在相同的SE下,FFD所需的SIC要小于FD模式。为在SE上超越HD模式,本文模式的最小SIC约为-75 dB,而FFD模式的最小SIC约为-38 dB。因此,对于FFD模式可以适当降低对于SI消除能力的要求,从而使其更符合实际应用。

图5 频谱效率与自干扰消除量的关系Fig.5 Relationship between spectral efficiency and the amount of self-interference cancellation

如图6所示,对比遗传算法(GA)与文献[18]提出的分布式图形染色算法(DGCA),本文基于贪心算法的DMSA算法可以在相同基站密度下具有更高的全双工基站部署比例,明显提高系统频谱效率。

图6 不同算法下的IBFD回程基站占比Fig.6 Ratio of IBFD backhaul base stations under different algorithms

如图7所示,计算所有SBS均工作在OBFD模式时的系统容量,将此系统容量作为一个下限(Lower Bound,LB),作为3种算法的对照基准。此外,还将与GA和DGCA进行比较。可以看出:1)与LB相比,DMSA、DGCA和GA均获得了明显的收益,这得益于部分双工模式的选择;2)采用DMSA与GA所得系统容量先是随着基站密度增大快速增加,在达到一定值时增幅减缓,这是因为当网络变得更密集时网络干扰也愈复杂,使得DMSA算法效率降低;3)基站数量在40～60时,采用DMSA算法可以获得较大的系统收益。另外,相比于GA,DMSA在获得较好的系统收益的前提下明显降低了计算复杂度。GA的总复杂度不低于O(S3),DMSA在步骤1～步骤4的复杂度为O(S2),总复杂度为O(S2)。因此,DMSA在获得比GA更优的性能的同时,还明显降低了计算复杂度。

图7 不同算法下的系统容量对比Fig.7 Comparison of system capacities under different algorithms

6 结束语

基于IBFD通信技术在HCN无线回程中的应用,本文建立部署IBFD基站问题的最优化模型,并设计一种混合I/OBFD模式选择算法近似求解该模型。仿真结果表明,在较高SIC和适当SBS密度的条件下,混合I/OBFD方案比HD方案及FD方案有更高的系统容量,可有效协调系统干扰。下一步将研究带内无线回程中的功率分配问题,通过宏基站与小基站之间的功率协调减少网络干扰。