文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.173200
中文引用格式: 滕得陽(yáng),,王瓊,周小海,,等. 超密集網(wǎng)絡(luò)中基于小區(qū)分簇的資源分配[J].電子技術(shù)應(yīng)用,,2018,44(4):99-103.
英文引用格式: Teng Deyang,,Wang Qiong,,Zhou Xiaohai,et al. Clustering-based resource allocation in ultra-dense networks[J]. Application of Electronic Technique,,2018,,44(4):99-103.
0 引言
超密集網(wǎng)絡(luò)(Ultra-Dense Networks,,UDN)作為第五代(5G)移動(dòng)通信系統(tǒng)的關(guān)鍵技術(shù)之一,,為了應(yīng)對(duì)不斷增長(zhǎng)的數(shù)據(jù)容量需求,,超密集網(wǎng)絡(luò)可以通過(guò)在熱點(diǎn)區(qū)域大規(guī)模部署小基站(例如Picocell、Femtocell)來(lái)提高系統(tǒng)容量[1],。然而,,超密集網(wǎng)絡(luò)中小基站密集部署會(huì)造成很大的干擾,其中包括Femtocells之間的同層干擾以及宏基站和毫微微基站的跨層干擾,。為了讓用戶(hù)獲得更好的體驗(yàn),,有效提升系統(tǒng)性能是目前亟待解決的問(wèn)題。解決這個(gè)問(wèn)題的方法就是在超密集網(wǎng)絡(luò)中尋求一種更加有效的資源分配方案,,提出更加有效的小區(qū)干擾管理機(jī)制[2],。
針對(duì)上述問(wèn)題,國(guó)內(nèi)外學(xué)者做出了大量研究,。文獻(xiàn)[3]提出了一種基于毫微微小區(qū)用戶(hù)設(shè)備(Femtocell User Equipments,,F(xiàn)UEs)服務(wù)質(zhì)量的子信道和功率聯(lián)合分配算法,還研究了一種用以保護(hù)宏用戶(hù)設(shè)備(Macrocell User Equipments,,MUEs)的干擾限制方案,。文獻(xiàn)[4]研究了一種基于斯坦博格博弈的資源分配策略。文獻(xiàn)[5]提出一種基于動(dòng)態(tài)分簇的資源分配算法,,首先構(gòu)建干擾拓?fù)鋱D,,然后基于干擾圖進(jìn)行分簇,為其進(jìn)行資源分配,,算法能夠有效提升網(wǎng)絡(luò)吞吐量,。文獻(xiàn)[6]研究了一種基于次優(yōu)的資源分配算法,根據(jù)圖論染色算法來(lái)提高用戶(hù)間的公平性,。文獻(xiàn)[7]將Femtocell網(wǎng)絡(luò)中的資源分配問(wèn)題模型化,,在FUEs和MUEs的干擾約束下,實(shí)現(xiàn)毫微微小區(qū)用戶(hù)的公平性,。文獻(xiàn)[8]提出一種基于染色分簇的資源分配算法(Coloring-based Clustering Resource Allocation,,CCRA),該算法首先保證簇內(nèi)用戶(hù)之間的干擾在可接受范圍,,并且為每個(gè)簇分配資源,;其次根據(jù)干擾環(huán)境的不同再將資源分配給簇內(nèi)用戶(hù)。文獻(xiàn)[9]在超密集部署的Femtocell網(wǎng)絡(luò)中,,提出了一種基于圖論以用戶(hù)為中心的頻率分配算法(User-oriented Graph-based Frequency Allocation,,UGFA),該算法能夠有效提升頻譜效率和系統(tǒng)容量,。文獻(xiàn)[10]中提出一種基于圖論算法的染色分簇方案(Graph-based Clustering Resource Allocation,,GCRA),該方案采用染色算法將所有基站劃分到不同的簇中,,再為每個(gè)簇分配互相正交的頻帶資源來(lái)解決干擾問(wèn)題,。
本文針對(duì)超密集網(wǎng)絡(luò)中FAPs間的同層干擾以及跨層干擾問(wèn)題,提出了一種改進(jìn)的基于分簇的資源分配算法,,算法分成兩個(gè)部分:(1)首先,,算法在滿(mǎn)足最大速率的情況下進(jìn)一步考慮用戶(hù)公平性,采用基于速率公平性的子信道分配算法為MUEs分配子信道,,再通過(guò)注水算法分配功率,,可以有效提高用戶(hù)滿(mǎn)意度和平均速率。(2)首先,,通過(guò)計(jì)算FAPs之間干擾權(quán)值大小,,采用遺傳模擬退火算法對(duì)FAPs進(jìn)行分簇,確保簇內(nèi)干擾最??;其次,采用啟發(fā)式算法對(duì)簇內(nèi)用戶(hù)進(jìn)行子信道分配和功率分配,,研究的目標(biāo)是提升FAPs的頻譜效率,,滿(mǎn)足用戶(hù)的速率需求,最大化系統(tǒng)容量,。
1 系統(tǒng)模型
本文考慮的是超密集網(wǎng)絡(luò)中FAPs密集部署的OFDMA下行傳輸系統(tǒng),。系統(tǒng)中包括1個(gè)MBS和F個(gè)FAPs,MBS位于系統(tǒng)中心,,F(xiàn)個(gè)FAPs隨機(jī)部署在Macrocell的覆蓋范圍內(nèi),,系統(tǒng)模型如圖1所示。假設(shè)所有的FAPs都是封閉接入的,,每個(gè)FAPs接入1~5個(gè)FUEs,,F(xiàn)UEs和MUEs隨機(jī)分布在各自的小區(qū)范圍內(nèi)。OFDMA的系統(tǒng)帶寬為Δf,,假設(shè)子信道服從瑞利多徑衰落分布,。
當(dāng)系統(tǒng)中OFDM信號(hào)在子信道k上由FAPj發(fā)送給FUEu時(shí),可能會(huì)對(duì)鄰近的小區(qū)用戶(hù)FUEe造成干擾,,該干擾可以表示為:
2 MUE子信道和功率分配
2.1 MUE子信道分配
首先,,假設(shè)宏用戶(hù)的集合為M={1,2,,3,,…,m},,在為MUEs分配子信道之前,,首先在每個(gè)MUE分配的子信道上設(shè)置一個(gè)干擾約束,保證MUEs的正常傳輸,。因此MUEm在分配的子信道k上滿(mǎn)足公式(4):
2.2 MUE功率分配
MUEs的子信道分配完畢后,,本文采用注水算法對(duì)初始平均分配的功率重新分配,,進(jìn)一步提升系統(tǒng)容量。MUEs的功率分配規(guī)劃方案如下:
3 FUEs子信道和功率分配
3.1 FAPs分簇算法
本文采用遺傳模擬退火算法GSAA來(lái)進(jìn)行分簇,,算法具體流程如下所示:
(1)初始化種群個(gè)體大小size,,最大進(jìn)化次數(shù)MAXGEN,交叉概率為Pc,,變異概率為Pm,。退火初始溫度為T(mén)0,終止溫度為T(mén)end,,溫度冷卻系數(shù)為k,。
(2)隨機(jī)生成初始種群Group,計(jì)算Group中個(gè)體的適應(yīng)度值為fi,。
(3)設(shè)置進(jìn)化次數(shù)變量gen=0,。
(4)對(duì)種群Group進(jìn)行選擇、交叉和變異等遺傳操作,,可以得到FAPs新的分簇結(jié)果,。計(jì)算新個(gè)體的適應(yīng)值,如果<fi,,接受新個(gè)體,;否則以概率exp((fi-)/T)接受新個(gè)體。
(5)判斷gen<MIXGEN,,gen=gen+1,,轉(zhuǎn)到步驟(4);否則轉(zhuǎn)到步驟(6),。
(6)判斷Ti<Tend,,算法結(jié)束,返回全局最優(yōu)解,;否則執(zhí)行降溫操作Ti+1=kTi,,轉(zhuǎn)到步驟(3)。
3.2 FAPs子信道分配
本文采用啟發(fā)式信道分配算法為FAPs分配子信道,,為不同簇分配相互正交的子信道,,同一簇中FAPs可以復(fù)用相同的子信道。子信道分配的目的是在滿(mǎn)足FUEs速率需求的基礎(chǔ)上,,最大化系統(tǒng)容量,,分配方案為:
3.3 FAPs功率分配
FAPs子信道分配好之后,資源分配問(wèn)題可以轉(zhuǎn)化為用戶(hù)級(jí)的功率分配問(wèn)題,,分配方案為:
4 仿真結(jié)果
為了仿真方便,,本文仿真場(chǎng)景中包括1個(gè)MBS和F個(gè)FAPs,具體仿真參數(shù)如表1所示,信道增益主要考慮路徑損耗,、穿墻損耗,、天線增益和陰影衰落。仿真分析了所提算法的多個(gè)性能,,主要包括MUEs的平均吞吐量,、FAPs的頻譜效率以及FUEs間的公平性。本文算法是在GSAA算法基礎(chǔ)上進(jìn)行啟發(fā)式信道分配和KKT條件下進(jìn)一步功率分配的算法,。參與對(duì)比的算法包括未分簇的隨機(jī)資源分配算法(Random Resource Allocation,RRA)算法[11],、文獻(xiàn)[9]中以用戶(hù)為中心的頻率分配(UGFA)算法,、基于圖論的染色分簇算法(GCRA)[10]、最大載干比算法及標(biāo)準(zhǔn)遺傳模擬退火算法(GSAA),。
圖2描述了幾種算法的室內(nèi)MUEs在不同密度FAPs部署下的平均吞吐量,。最大載干比算法理論上可以獲得最大平均吞吐量,但該算法沒(méi)有考慮MUEs間的公平性,,在MUEs密集分布的場(chǎng)景下信道較差的MUEs無(wú)法分配到子信道,。GCRA算法考慮了MUEs間的公平性,能滿(mǎn)足更多的MUEs正常傳輸,。本文算法基于速率公平子信道分配算法,,采用注水算法進(jìn)行功率分配,能進(jìn)一步提升系統(tǒng)性能,;其次在FAPs分簇基礎(chǔ)上分配子信道和功率,,同時(shí)兼顧用戶(hù)的公平性,能夠降低FAPs對(duì)MUE的干擾,,進(jìn)而提升系統(tǒng)性能,。
圖3顯示了FAPs在不同密度下部署的頻譜效率,可以看出未分簇RRA算法頻譜利用率最低,。UGFA算法中每個(gè)簇分配資源相同,,會(huì)造成一定的資源浪費(fèi),因此頻譜效率較低,。CCRA算法中考慮了頻率復(fù)用機(jī)制,,但該算法分簇之后各個(gè)簇中FAPs數(shù)目不同,而每個(gè)簇分配的頻帶相同,,頻譜效率相對(duì)也不高,。GSAA算法通過(guò)干擾權(quán)值動(dòng)態(tài)分簇,能夠有效消除同層干擾,,提升頻譜效率,。本文算法在分簇基礎(chǔ)之上進(jìn)一步通過(guò)子信道分配和功率分配消除一定的干擾,頻譜效率更高,。
圖4顯示了FUEs間的公平性,,可以看出隨著FAPs的密度增加,,未分簇的RRA算法由于其資源隨機(jī)分配,F(xiàn)APs間同層干擾較大,,公平性較低,。本文算法和GSAA算法相比,在分簇之后進(jìn)行子信道和功率分配,,基于公平性準(zhǔn)則,,能夠降低信干噪比較高子信道的功率,提升較低子信道的功率,,F(xiàn)UEs公平度最高,。
5 結(jié)論
本文在超密集網(wǎng)絡(luò)中FAPs密集部署的場(chǎng)景下,提出一種基于分簇的資源分配算法,。算法在保證MUEs正常傳輸?shù)那疤嵯?,通過(guò)計(jì)算干擾權(quán)值對(duì)FAPs動(dòng)態(tài)分簇,然后在分簇的基礎(chǔ)上采用啟發(fā)式算法和KKT條件進(jìn)行子信道和功率分配,,能夠進(jìn)一步降低小區(qū)間干擾,。仿真表明本文算法在不同的FAPs密度下,可有效提升宏用戶(hù)平均吞吐量和FUEs間公平度,,最大化頻譜效率,。
參考文獻(xiàn)
[1] ELSAWY H,DAHROUJ H,,AL-NAFFOURI T Y,,et al.Virtualized cognitive network architecture for 5G cellular networks[J].IEEE Communications Magazine,2015,,53(7):78-85.
[2] HOSSAIN E,,RASTI M,TABASSUM H,,et al.Evolution toward 5G multi-tier cellular wireless networks:An interference management perspective[J].IEEE Wireless Communications,,2014,21(3):118-127.
[3] ZHANG H,,JIANG C,,BEAULIEU N C,et al.Resource allocation in spectrum-sharing OFDMA femtocells with heterogeneous services[J].IEEE Transactions on Communications,,2014,,62(7):2366-2377.
[4] AHMAD I,LIU S,,F(xiàn)ENG Z,,et al.Game theoretic approach for joint resource allocation in spectrum sharing femtocell networks[J].Journal of Communications & Networks,2015,16(6):627-638.
[5] LI W,,ZHENG W,,WEN X,et al.Dynamic Clustering based sub-band allocation in dense femtocell environments[C].Vehicular Technology Conference.IEEE,,2012:1-5.
[6] ELSHERIF A R,,CHEN W P,ITO A,,et al.Adaptive resource allocation for interference management in small cell networks[J].IEEE Transactions on Communications,,2015,63(6):2107-2125.
[7] HA V N,,LE L B.Fair resource allocation for OFDMA femtocell networks with macrocell protection[J].IEEE Transactions on Vehicular Technology,,2014,63(3):1388-1401.
[8] ZHAO C,,XU X,GAO Z,,et al.A coloring-based cluster resource allocation for ultra dense network[C].IEEE International Conference on Signal Processing,,Communications and Computing.IEEE,2016:1-5.
[9] LUAN Z,,QU H,,ZHAO J,et al.User-oriented graph based frequency allocation algorithm for densely deployed femtocell network[J].China Communciation,,2013,,10(12):57-65.
[10] ZHANG Q,ZHU X,,WU L,,et al.A coloring-based resource allocation for OFDMA femtocell networks[C].Wireless Communications and Networking Conference.IEEE,2013:673-678.
[11] HATOUM A,,LANGAR R,,AITSAADI N,et al.Cluster-based resource management in OFDMA femtocell networks with QoS guarantees[J].IEEE Transactions on Vehicular Technology,,2014,,63(5):2378-2391.
作者信息:
滕得陽(yáng),王 瓊,,周小海,,劉亞非,葛長(zhǎng)威
(重慶郵電大學(xué) 通信與信息工程學(xué)院,,重慶400065)