鄭創(chuàng)明 ,于來行 ,周耀華

(1.周口師范學(xué)院 計算機(jī)科學(xué)與技術(shù)學(xué)院,河南 周口 466001;2.周口職業(yè)技術(shù)學(xué)院 計算機(jī)科學(xué)與技術(shù)學(xué)院,河南 周口 466001)

第五代移動通信系統(tǒng)(The Fifth Generation, 5G)相對于第四代移動通信系統(tǒng)(The Fourth Generation, 4G)要求增加1000倍的數(shù)據(jù)速率[1],在現(xiàn)有頻譜資源和移動終端電池容量受限雙重約束下,采用超密集的小小區(qū)部署是提高頻譜效率的一種有效方法[2]。其特點為：網(wǎng)絡(luò)結(jié)構(gòu)為異構(gòu)網(wǎng)(Heterogeneous Networks, HetNet),小小區(qū),宏小區(qū),Wifi,中繼和終端直通(Device-to-Device, D2D)將被廣泛使用。然而超密集部署大量不規(guī)則的小功率基站,將引起嚴(yán)重的小區(qū)間干擾[3]。無線資源管理是超密集網(wǎng)絡(luò)有效抑制和協(xié)調(diào)小區(qū)間干擾的一種關(guān)鍵技術(shù)[4]。文獻(xiàn)[5]采用動態(tài)頻率復(fù)用技術(shù)對HetNet網(wǎng)絡(luò)進(jìn)行無線資源管理提升系統(tǒng)性能。D2D通信是超密集網(wǎng)絡(luò)中的提升頻譜效率的另一種有效的方式,文獻(xiàn)[6]提出一種運用于先進(jìn)的長期演進(jìn)系統(tǒng)(LTE-Advanced, LTE-A)的D2D無線資源分配的技術(shù)框架,提升在LTE-A中D2D通信性能。文獻(xiàn)[7]研究在LTE-A部署中繼的場景中聯(lián)合資源分配、中繼選擇和雙向傳輸?shù)慕M合優(yōu)化問題,該優(yōu)化把研究的問題轉(zhuǎn)化為一種三維分配問題并采用混合的蟻群優(yōu)化算法進(jìn)行解決。文獻(xiàn)[8]通過對HetNet的干擾協(xié)調(diào)進(jìn)行研究,提出一種分布式的Pico和Macro的聯(lián)合功率控制和小區(qū)選擇的解決方案達(dá)到優(yōu)化網(wǎng)絡(luò)性能的目的。上述文獻(xiàn)對超密集網(wǎng)絡(luò)的優(yōu)化主要集中在無線資源規(guī)劃或者功率控制或者兩者的結(jié)合,并沒有考慮資源調(diào)度對超密集網(wǎng)絡(luò)的性能影響。文獻(xiàn)[9]提出一種運用于超密集網(wǎng)絡(luò)中的分布能效調(diào)度算法,該算法在滿足QoS和功率約束條件下把博弈論運用到資源分配過程中,通過一種低復(fù)雜度的迭代算法,最大化網(wǎng)絡(luò)的能效比,以達(dá)到優(yōu)化網(wǎng)絡(luò)干擾性能的目的。文獻(xiàn)[10]從長期演進(jìn)系統(tǒng)(Long Term Evolution, LTE)上行的單載波頻分多址特性進(jìn)行研究,提出一種在LTE上行資源分配時,首先分配上行資源塊(resource block,RB),然后根據(jù)分配的RB和對應(yīng)的速率要求,計算所需的上行功率以達(dá)到優(yōu)化上行性能的目的。

上述文獻(xiàn)的研究成果都能用于以LTE為技術(shù)基礎(chǔ)的超密集網(wǎng)絡(luò)性能優(yōu)化(4G, 5G 和未來的6G都是采用LTE技術(shù)),但研究的都是針對網(wǎng)絡(luò)業(yè)務(wù)滿負(fù)荷加載場景。在現(xiàn)有研究中,對部分業(yè)務(wù)加載場景下的干擾研究成果很少,然而,在真實的場景下,網(wǎng)絡(luò)的業(yè)務(wù)量是動態(tài)的。一天24小時內(nèi),網(wǎng)絡(luò)處于業(yè)務(wù)峰值時間并不長,大部分時間網(wǎng)絡(luò)負(fù)載處于相對空閑狀態(tài)。本文對動態(tài)網(wǎng)絡(luò)業(yè)務(wù)場景中的干擾進(jìn)行優(yōu)化,并對LTE協(xié)議定義的用戶的業(yè)務(wù)傳輸所選擇的不同調(diào)制編碼方式(Modulation and Coding Scheme, MCS)對應(yīng)的能效比之間的關(guān)系進(jìn)行研究,并把這一研究結(jié)論用于超密集網(wǎng)絡(luò)干擾優(yōu)化的算法中,提出一種超密集網(wǎng)絡(luò)中干擾優(yōu)化的負(fù)載自適應(yīng)調(diào)度算法。該算法能夠根據(jù)當(dāng)前的業(yè)務(wù)量的大小,把干擾管理和資源分配相結(jié)合優(yōu)化超密集網(wǎng)絡(luò)中的干擾。該算法在滿足用戶QoS要求的前提下,降低網(wǎng)絡(luò)的干擾和提升網(wǎng)絡(luò)性能,延長終端用戶的電池使用壽命。

1 系統(tǒng)建模

本文研究的系統(tǒng)模型由B個LTE宏基站(Macro eNodeB, MBS),在每個MBS覆蓋范圍內(nèi)部署A個小基站(micro eNodeB, mBS)。每個MBS服務(wù)的用戶數(shù)為NM,每個mBS服務(wù)的用戶數(shù)為Nm。在超密集網(wǎng)絡(luò)中,MBS和mBS的調(diào)度器在時間t為所服務(wù)的用戶k進(jìn)行資源分配時,需要知道用戶k的信干燥比(Signal to Interference plus Noise Ratio, SINR)γk(t),并對用戶k的SINR量化成對應(yīng)的信道質(zhì)量指示(Channel Quality Indicator, CQI),利用CQI采用表1[11]進(jìn)行對用戶的業(yè)務(wù)傳輸所使用的MCS和頻譜效率ζk進(jìn)行選擇[12]。

然后由公式(1)計算用戶k用于業(yè)務(wù)傳輸?shù)男枰峙湮锢碣Y源塊(Physical Resource Block,PRB) 個數(shù)Rk。

Rk=[Tk(t)(gζk)-1]

(1)

其中g(shù)為每個PRB能夠承載的調(diào)制符號數(shù),Tk(t)為用戶k在本次調(diào)度過程中需要發(fā)送的信息比特。用戶k分配的Rk個配物理資源塊對應(yīng)的集合的Πk,根據(jù)文獻(xiàn)[13],用戶k在時間t的信干燥比γk(t)可由公式(2)計算。

(2)

其中Gk,s(t)為用戶k在時間t到服務(wù)基站s之間的信道增益,Ik,m(t)為小區(qū)間的同頻干擾,σ2為噪聲方差,m為用戶k分配的集合Πk中的PRB索引,pk,s(t)為用戶k在服務(wù)基站s的發(fā)射功率。

假設(shè)每個PRBm上的受到的Ik,m(t)相同,通過公式(2)可以推出用戶的發(fā)射功率pk,s(t)。

pk,s(t)=γk(t)(Ik,m(t)+σ2)Gk,s(t)

(3)

由公式(3)可以看出,在干擾分布不變的前提下,用戶k的發(fā)射功率與接收端的目標(biāo)解調(diào)門限成正比,目標(biāo)解調(diào)門限越高,需要的功率越大;目標(biāo)解調(diào)門限越低,需要的發(fā)射功率越小。把這一結(jié)論運用于超密集網(wǎng)絡(luò)中的干擾優(yōu)化算法中,能夠極大提升網(wǎng)絡(luò)的性能。

表1 LTE資源調(diào)度由SINR到MCS選擇

2 算法設(shè)計

2.1 優(yōu)化模型

超密集網(wǎng)絡(luò)中由于小區(qū)半徑更小,小區(qū)間的同頻干擾干擾變成一個非常嚴(yán)重的挑戰(zhàn)[3],公式(2)和(3)中的干擾

(4)

其中c為基站的類別,C=2,c=1為MBS,c=2為

(5a)

(5b)

進(jìn)行表示。

公式(5)說明只要達(dá)到全網(wǎng)發(fā)送的總功率最小,就能實現(xiàn)超密集網(wǎng)絡(luò)中最好的干擾抑制,但在現(xiàn)行的網(wǎng)絡(luò)架構(gòu)中,無線資源的管理和功率分配都是由單個基站獨立決策,實現(xiàn)全網(wǎng)發(fā)射總功率最小在現(xiàn)實的網(wǎng)絡(luò)架構(gòu)下無法實現(xiàn),對公式(5)進(jìn)一步松弛為最小化單個基站在時刻t所服務(wù)的用戶發(fā)送總功率,得到公式(6)。

(6a)

(6b)

因此通過松弛處理,超密集網(wǎng)絡(luò)的干擾優(yōu)化問題就轉(zhuǎn)化為基站的功率優(yōu)化問題。很顯然公式(6)所表示的功率優(yōu)化問題屬于NP難問題,文獻(xiàn)[15]、[16]采用迭代的方法對功率進(jìn)行優(yōu)化,迭代方法運算量大,耗時較長,不適合現(xiàn)有產(chǎn)品中實現(xiàn)。

本文通過優(yōu)化調(diào)度算法實現(xiàn)基站的功率最小化問題。在進(jìn)行優(yōu)化之前,首先對超密集網(wǎng)絡(luò)中的采用的主流技術(shù)LTE傳輸單位比特信息所需功率與MCS關(guān)系進(jìn)行研究,并作為本算法的設(shè)計基礎(chǔ)。為更清晰表明發(fā)射功率與頻譜效率的關(guān)系,對公式(3)做進(jìn)一步的簡化處理,考慮對同一個用戶k在各個PRB上信道響應(yīng)相同,并且假設(shè)干擾分布相同,因此可以最后對公式(3)中的后面的三項進(jìn)行歸一化處理而不影響分析結(jié)論。

(7)

把表1的數(shù)據(jù)結(jié)合公式(7)用圖示表示出來,如圖1。圖1表明調(diào)度器在進(jìn)行無線資源分配過程中,傳輸單位比特信息所消耗的能量與調(diào)度所選擇的MCS索引密切相關(guān)。但對于調(diào)制方式為QPSK,對應(yīng)調(diào)度的MCS索引為1～6,單位比特信息所消耗的能量基本不變,對于MCS索引為10～15,雖然調(diào)制方式均為64QAM,但不同的索引之間單位比特能耗比差別較大,從圖1中可以看出拐點位置在MCS索引為6的位置。在這樣的理論指導(dǎo)下,下面結(jié)合算法設(shè)計目標(biāo),設(shè)計超密集網(wǎng)絡(luò)中干擾優(yōu)化的自適應(yīng)調(diào)度算法。

圖1 LTE歸一化的單位比特信息消耗功率與MCS關(guān)系

2.2 干擾優(yōu)化的自適應(yīng)調(diào)度算法

1)統(tǒng)計可用的資源和待調(diào)度的用戶數(shù)M,標(biāo)示本次調(diào)度中可被調(diào)度的PRB,并統(tǒng)計待調(diào)度的PRB個數(shù)Ni。

2)進(jìn)行資源預(yù)調(diào)度,對本次待調(diào)度的M個用戶,依次選擇每個用戶k當(dāng)前的信干燥比γk(t)所能支持的表1中最高M(jìn)CS索引ωk對應(yīng)的頻譜效率ζk,根據(jù)公式(1)計算隊列中每個用戶k需要分配的物理資源PRB數(shù)目Rk(t),根據(jù)當(dāng)前預(yù)調(diào)度結(jié)果用戶k向服務(wù)基站j所需要的發(fā)射功率pk,j(t)可由公式(8)進(jìn)行計算。

(8)

5)對當(dāng)前所需要的PRB總數(shù)Nt進(jìn)行判斷：如果Nt≥Ni,則執(zhí)行步驟(7);如果Nt

6)對預(yù)調(diào)度中用戶功率由高到低進(jìn)行排序,得p1,j(t)≥p2,j(t)≥...≥pM,j(t)。并依次對MCS索引ωk進(jìn)行判斷：若存在ωk≥6,則ωk=ωk-1,記錄本次調(diào)整的用戶k,更新ζk、pk,j(t)、Rk(t)和Nt,重復(fù)步驟(5)～步驟(6);否則執(zhí)行步驟(8)。

8)根據(jù)預(yù)調(diào)度的結(jié)果分配實際的物理資源PRB,直到Ni個PRB全部分完,或者本次待調(diào)度的用戶全部得到調(diào)度,最后調(diào)度器通過基站把調(diào)度結(jié)果發(fā)送給對應(yīng)的用戶。

3 算法性能仿真分析

本文對超密集網(wǎng)絡(luò)中干擾優(yōu)化的自適應(yīng)調(diào)度算法進(jìn)行仿真,仿真主要參數(shù)如表2。

表2 系統(tǒng)仿真主要參數(shù)

仿真配置19個MBS[15],在每個MBS覆蓋區(qū)域內(nèi)隨機(jī)部署30個mBS,mBS和MBS采用同頻組網(wǎng)。為保證仿真結(jié)果的精度,仿真結(jié)果只收集中間7個MBS覆蓋范圍內(nèi)用戶數(shù)據(jù)[16]。作為對比,本文對文獻(xiàn)[13]中的算法進(jìn)行仿真。

圖2 兩種算法小區(qū)間干擾分布CDF性能對比

圖2為在超密集網(wǎng)絡(luò)中采用干擾優(yōu)化的負(fù)載自適應(yīng)調(diào)度算法(圖中簡稱“本文算法”)和文獻(xiàn)[13]中的算法在網(wǎng)絡(luò)業(yè)務(wù)量部分加載(50%加載)和完全加載兩種不同的場景中的每個用戶的小區(qū)間干擾的累計概率分布曲線,圖中可以看出在小區(qū)間干擾協(xié)調(diào)能力方面,自適應(yīng)調(diào)度算法在網(wǎng)絡(luò)業(yè)務(wù)負(fù)載較小的場景下表現(xiàn)出較好的性能優(yōu)勢,主要由于該算法充分利用了網(wǎng)絡(luò)的多余帶寬資源,降低了發(fā)送業(yè)務(wù)解調(diào)門限,因而降低了業(yè)務(wù)發(fā)送所需要的功率。在網(wǎng)絡(luò)業(yè)務(wù)全加載場景下,負(fù)載自適應(yīng)調(diào)度退化為普通調(diào)度,在性能上比優(yōu)化的PE調(diào)度差。為了更清晰證明本文提出的負(fù)載自適應(yīng)調(diào)度算法的性能增益,圖3給出了在網(wǎng)絡(luò)加載的業(yè)務(wù)量從10%變化到100%的過程中,兩種算法的在能效性能方面的差異。

從圖3可以看出,本文提出的負(fù)載自適應(yīng)調(diào)度的能效比在網(wǎng)絡(luò)業(yè)務(wù)較輕的場景下具有明顯的性能優(yōu)勢,在網(wǎng)絡(luò)負(fù)載達(dá)到90%以上時,性能低于文獻(xiàn)[13]中的算法,這充分證明本文提出的調(diào)度算法能夠適應(yīng)于超密集網(wǎng)絡(luò)中各個基站(MBS和mBS)的無線資源分配算法,負(fù)載自適應(yīng)調(diào)度算法在優(yōu)化網(wǎng)絡(luò)干擾分布的同時,也能增加移動終端的電池使用壽命。

圖3 兩種算法加載不同業(yè)務(wù)量的能效比

仿真結(jié)果表明,干擾自適應(yīng)調(diào)度在現(xiàn)實網(wǎng)絡(luò)的動態(tài)負(fù)載業(yè)務(wù)量場景下比文獻(xiàn)[13]中的算法有更有效的干擾協(xié)調(diào)能力,更能夠適應(yīng)超密集網(wǎng)絡(luò)的干擾協(xié)調(diào)所需的技術(shù)要求。

4 結(jié)論

本文在對超密集網(wǎng)絡(luò)干擾優(yōu)化的研究過程中,通過研究LTE的數(shù)據(jù)發(fā)送的MCS與SINR之間的對應(yīng)關(guān)系,發(fā)現(xiàn)LTE系統(tǒng)發(fā)送相同bit的數(shù)據(jù),如果采用不同MCS下,所需要的發(fā)送功率的是不同的,其中每比特對應(yīng)的功率與調(diào)制階數(shù)有關(guān),其中采用QPSK調(diào)制時,單位比特所需功率基本相同,采用16QAM和64QAM時,單位比特所需功率較大,根據(jù)這一特征,提出一種新的調(diào)度算法,新的算法在網(wǎng)絡(luò)負(fù)載較輕時,對用戶的資源調(diào)度盡量采用較低的MCS索引,每次的無線資源分配最大化占用帶寬資源是本算法的核心。仿真結(jié)果表明,新的算法在超密集網(wǎng)絡(luò)中表現(xiàn)較好的性能增益。超密集網(wǎng)絡(luò)的無線資源管理的研究任重而道遠(yuǎn),把調(diào)度算法和網(wǎng)絡(luò)規(guī)劃進(jìn)行結(jié)合,是一種有效的干擾抑制方法。