一种5G分布式联合传输策略研究

苏树盟 赵珂 罗俊华

【摘  要】在5G超密集网络UDN部署的低功率节点覆盖下，小区覆盖重叠严重导致了小区间存在较大的同层干扰，由用户话务在时间和空间上分布不均匀而产生的小区负载不均衡造成了小区网络资源的严重浪费，小区用户体验大幅度降低。基于5G网络和TDD-CoMP技术的新特征，构建了一种以用户为中心的5G分布式联合传输模型，对模型中的干扰、功耗以及速率解决方案进行了分析，最后得出一种可有效降低系统能耗，提升用户整体的速率的5G分布式联合传输策略研究方案。

【关键词】5G;超密集网络;TDD-CoMP;联合传输

Under the coverage of low-power nodes deployed in 5G ultra-dense networks （UDN）， the overlapping of cell coverage severely leads to the co-tier interference. The cell load imbalance caused by the uneven temporal-spatial distribution of user traffic results in the serious waste of cell network resources， and thus the cell user experience is greatly reduced. Based on the new features of 5G network and TDD-CoMP technology， this paper establishes a user-centric 5G distributed joint transmission model， and analyzes the interference， power consumption and rate solutions in the model. Finally， a 5G distributed joint transmission strategy research solution is proposed to effectively reduce system energy consumption and increase the overall rate of users.

5G; Ultra-Dense Network; TDD-CoMP; joint transmission

0   引言

隨着5G移动通信时代的到来，5G移动通信的系统容量需求、用户体验速率需求将持续性增长，有限的无线通信频谱资源成为了通信技术发展面临的关键问题，现网5G系统采用FR1频段（410 MHz—7 125 MHz）与FR2频段（24 250 MHz—52 600 MHz），并且与多种已有的不同网络融合组网[1]，其应用场景、优质的业务类型更加多样化。未来的5G网络体系将越来越庞大，网络部署、运营和维护的开销随之大幅度增加，因此未来5G系统的网络部署必须灵活，易于维护。超密集组网（UDN， Ultra-Dense Network）网络部署是5G组网的重要特征，小区协作对原有网络改动较小，在5G超密集异构网络部署中，密集的低功率传输节点带来了较大的同层干扰，多点协作于基站（gNB）间的同层覆盖传输中，小区间的时分双工多点协作传输技术（TDD-CoMP， Time-Division Duplex Coordinated Multiple Point）有效地降低了小区间的同层干扰，同时由于小区内的用户在时间和空间上分布不均匀造成小区负载不均衡，并且产生了严重的频谱资源浪费，5G小区协作技术很好地解决了这个问题，在现网中采用综合性的小区协作方案，能有效提高系统效能，本文基于分布式联合传输，针对协作的波束赋形策略与协作的功率分配策略探究小区的容量与速率，提出了一种低干扰、高速率、高容量的5G分布式联合传输策略。

1   UDN场景下的5G小区协作技术

CoMP技术大致分为两类：协作调度/协作波束赋形（CS/CB， Coordinated Scheduling/Coordinated Beamforming）和联合处理（JP， Joint Processing）[2]，协作调度与协作波束成型的示意图见图1：

在协作调度/协作波束赋形中，协作基站之间交互信道状态信息（CSI， Channel State Information）以及调度信息对用户进行协作传输。对单个协作用户来说，用户的服务基站传递业务数据，协作集中的多个基站共同决定相关的调度决策和天线的波束赋形策略。因此，通过CS/CB技术以牺牲部分频率选择性增益为代价可以大幅度避免用户受到来自服务基站外的协作基站的干扰，保障精准的链路适配。

在协作多点传输联合处理中，协作的多个基站之间既要交互信道状态信息以及调度信息，又要交互所服务的用户的数据信息。根据后续处理协作的方式的不同，联合处理技术又分为两种：联合传输（JT， Joint Transmission）和动态节点选择/动态节点静默（DPS/DPB， Dynamic Point Selecting/Dynamic Point Blanking），联合处理的示意图见图2：

图2（a）的JT方式，同一时间段将会有协作集中的多个基站来为同一个用户提供服务[3]，该用户从多个传输点接收到强度相近、时延较小的信号。这种方式虽然可以显著提高用户的吞吐量，但是小区整体频谱效率相对较低。而在图2（b）图的DPS/DPB中，对于单个协作用户而言，同一时刻只有集中协作的一个基站为其服务。其他的非服务协作基站通过静默相应的资源来减小对该用户的干扰[4]。DPS可以与DPB结合，CoMP测量集中一个小区为用户传送数据，其他的小区都在相同资源块上配置零功率。CoMP需要大量的反馈开销。在TDD系统中，利用上行链路和下行链路之间的互易性，可以减少系统开销。因此，通道互惠将在TDD-CoMP发挥重要作用。

2   5G分布式联合传输系统架构

2.1  模型介绍

JP技术在大幅度提高系统频谱效率的同时伴随着极大的回程反馈链路负载，在下行链路JP方案中主要有集中式和分布式JP。分布式联合处理传输技术没有高度集中的协作中心控制单元每个基站负责不同的子带，协作的多个基站间通过超低延迟信令接口Xn[5]交互含信道状态信息CSI在内的控制信息以及调度好的用户数据。模型架构如图3所示。

2.2  模型策略

在5G小区协作波束赋形（CB）中，波束规划一般采用广播波束和业务波束两种方式。Massive MIMO静态配置的广播波束将发射能量集中成区域较窄的波束聚焦于用户，UE通过TDD系统的上行信道探测参考信号估算向基站反馈测量报告信息，基站根据用户报告确定实现用户接入最佳发射波束，在不同场景采用合理的广播波束的方式可以提高小区各方向上的覆盖能力。Massive MIMO根据用户信道环境动态配置的实时业务波束有效地提高了用户业务感知，是网络商用阶段网络覆盖及容量增益的重要体现。文献[6]聚焦于不同用户的波束宽度较窄、波束间的重叠较小，虽然用户接收到信号达到低干扰效果，但是CB系统必须采用复杂度较高的算法来定位聚焦用户，文献[7]提出了一种区别于低频纯数字编码的新型Massive MIMO混合预编码方案及波束赋形管理策略。协作传输的多个发送基站位置不同，造成基站间存在传输时延差，用户接受信号产生等效的多径时延，为了能够准确高效解调数据需要进行传输同步，然而NR调度周期低于0.5 ms并且现网Xn接口无法满足传输要求，在FR1与FR2混合组网中，可在Xn口的CSI中定期更新本地小区合作集群构建信息，构建成功后基站收到统一的合作集群用户数据信息。为了减小由于时间延迟而导致的两基站CSI之间的差异，文献[8]提出一种TDD上行信道线性插值改进的多点协作传输的信道估计，使得基站间的传输时延差降低了一个单位级。

基于混合预编码的波束设计与波束应用及信道估计，现提出一种基于Massive MIMO的5G小區协作波束赋形向量估计。用户接收协作小区Massive MIMO信道反馈为：

其中h为用户在协作5G小区下Massive MIMO天线阵元网络信道混合预编码矩阵，h只与用户的位置和天线阵元有关，当阵元调相网络固定，用户位置固定在协作小区的某一点时，h是不变的。V用于产生均衡信道H的CSI，其中V的欧几里得范数||V||2得1，考虑3个基站重叠部分用户的信干比表示为：

其中wi为基站i发送到用户的波束赋形向量，si为基站i发送到用户的数据流功率，σ表示方差为σ的加性高斯白噪声。各基站间的波束赋形向量具有独立性，与其它协作基站无关，故此时对wi策略进行估计：

UDN一般部署于5G小区UMi场景，网络中密集分布大量的低功率传输节点gNB，UDN的网络部署近距离基站间将产生严重的覆盖重叠，造成严重的干扰以及资源浪费。为了高效利用网络资源，保障网络性能，小区容量规划的目标是应对小区话务量峰值的传输要求，即在保障性能前提下部署尽可能多的终端，当网络负载不均匀或是部分小区负载较低时，会有大量基站的资源及能量得不到有效应用，造成严重的浪费，文献[4]基于DPS/DPB技术提出了基于业务时延特性的基站休眠的节能研究，节点间进行协作传输提高了系统的频谱利用率同时带来了资源分配的问题，文献[9]提出了一种通过节点间合作基站联合传输的小区功率分配策略，且基于小区负载感知的CoMP（CLA-CoMP）方案采用的基于用户关联的后检概率功率分配（P2UPA）策略性能最佳，本文基于分布式联合传输下的波束赋形策略，考虑同样的3个协作小区功率分配矩阵为：

5G超密集网络中部署了大量的小小区基站，用户在覆盖范围内在受到异构网络宏站的跨层干扰的同时受到小小区重叠带来的严重的同层干扰，以下行基站为中心的CoMP，协作簇是预先定义并且是固定不变的，相较于这种传统的传输方案，以用户为中心的CoMP，用户可以动态选择自己的优化协作簇而达到更好性能。在5G中，以基站为中心的CoMP和以用户为中心的CoMP被结合起来，更好地适应用户干扰达到最佳的性能[10]。经过上下行功率控制的增强，用户根据自身接收到的信号质量估计出信号中的干扰信号N并且推导出低系统开销的CSI信息反馈给gNB。

当小区负荷超出单站规划容量时，需要对小区进行扩容，保证小区下的用户体验[11]。在LTE网络中，用户数量过多时小区负荷就会超出单站可规划容量的极限，小区进行优化后，扩容效果不显著时往往采用新建基站的方式进行室内扩容和室外扩容[11]，但在5G网络中，因小区容量较大、小区间中心距离较小等特点，导致一定范围内小区容量不易饱和，整体规划后的5G小区间不采用传统4G扩容方案，此时的5G小区覆盖重叠区域较大，为了高效利用网络资源，保障网络性能，小区容量规划应基于特定场景灵活部署[12]，5G小区协作传输在有效降低干扰的同时体现出了合作集群优越的扩容效果。

在进行波束赋形策略估计和小区功率分配后以及小区间干扰调节后，在协作小区间的用户信干比为：

从提高小区速率的角度，协作传输既包含本地小区边缘用户，也包含非本地小区边缘的邻小区用户，本地小区用户过多时也同样需要小区协作传输来提升速率，用户在小区传输带宽W配置下的速率为：

从图4仿真结果可以看出，当用户量较少，用户接收信号的信噪比需求增加时，基站的总功率增长幅度较小，并且处于一个较低的水平;当用户数较多，用户接收信号的信噪比需求增加时，基站的总功率增长幅度较大，并且处于一个较高的水平。同一SINR值下，总功率的增长远没有随着用户数的增多而达到线性增长水平，表明了本文提出的功率分配策略有效降低了基站的能耗。

将本文提出联合传输策略与CLA-CoMP以及传统的CoMP技术做比较探究其优越性，仿真结果如图5所示。

由图5仿真曲线可以看出，采用小区协作技术后，随着小区发射功率的增加，用户速率提升越明显，并且当小区发射功率一定时，本文提出的协作传输方案的用户速率明显高于CLA-CoMP以及传统的CoMP技术，根据曲线的走势，可知在用户需求较高基站发射功率较大时效果更加明显。

4   结束语

本文基于小区协作技术的典型方案及方式，先探究了小区协作的波束赋形策略，在功率分配策略方面采用了CLA-CoMP系统探究的P2UPA功率分配策略，最后对以用户为中心小区协作与传统的小区协作方式进行比较，并且得出较小开销的、用户速率与容量得以折中保障的以用户为中心的5G分布式联合传输策略。5G协作传输跨区服务用户，为满足用户不同业务需求，小区间的协作传输策略也更加灵活有所偏重，现网的建网优化策略模板不再单一，因此在此基础上探究更加具有偏重的协作小区协作具有深远的意义。最后，本文对策略进行了仿真分析，得出了本文方案估计的波束赋形策略以及功率分配策略更加有效地降低了系统能耗，提升了用户整体速率的结论。

参考文献：

[1]    3GPP. 3GPP TS 38.101-1： NR User Equipment （UE）        radio transmission and reception Part 1： Range 1 Standalone V16.0.0[S]. 2019.

[2]     Y S， C Q， H X et al. An Effective Uplink Power Control Scheme in CoMP  Systems[C]//Vehicular Technology Conference. IEEE， 2010.

[3]   O T，H H， F T A. Proposal on Network Control Architecture for CoMP JT with IP Network between eNBs[C]//Vehicular Technology Conference （VTC Spring）. IEEE， 2012.

[4]    刘乃杰. 超密集网络中基于基站休眠与协作多点传输结合的节能研究[D]. 北京： 北京邮电大学， 2017.

[5]    张颖聪. 面向5G网络的Massive MIMO波束规划浅析[J]. 江苏通信， 2019，35（4）： 14-16.

[6]    曹亘，李佳俊，李軼群，等. 5G网络架构的标准研究进展[J]. 移动通信， 2017，41（2）： 32-37.

[7]       石晓枫. 5G毫米波系统波束管理技术研究[D]. 重庆： 重庆邮电大学， 2019.

[8]     G T， C Y， H P， et al. Two-Codebook-Based Cooperative Precoding forTDD-CoMP in 5G Ultra-Dense Networks[J]. ZTE Communications.， 2018（2）： 36-40.

[9]    Q C， Y L X. CoMP and power allocation in 5G ultra dense networks[J]. Application of ElectronicTechnique， 2019，45（2）： 58-61 .

[10]  王辉. 协作通信关键技术[D]. 北京： 北京邮电大学， 2015.

[11]   王自成. LTE系统网络规划及性能研究[D]. 南京： 东南大学， 2017.

[12] 光轶. LTE网络扩容方法研究[J]. 通信与信息技术， 2019（3）： 57-59.