分布式异构网络资源分配的最新方法

     作者：李斌

    1  引言

    为了满足不断增长的无线通信业务需求，3GPP在LTE-Advanced（以下简称LTE-A）计划中提出了异构网络(heterogeneous network，HetNet)的新型网络架构模型。HetNet的核心思想是，在现有宏小区覆盖的基础上，灵活地增加多种类型的低功率节点，如micro、pico、femto、RRH以及中继等。与LTE-A的宏基站eNode B(eNB)相比，这些低功耗节点采用的传输功率较小，部署灵活，成本更低，能够覆盖宏小区的覆盖盲点，并增加频谱资源的复用程度，提高资源的利用效率。然而，高密度的节点部署会引起小区间同频干扰强度的增加。如果处理不当，会使HetNet结构在频谱利用效率等方面的优势无法发挥。为了解决这个问题，LTE-A又引入了多点协调(coordinatedmultipoint，CoMP)传输技术，以期能够有效通过节点之间的合作传输，消除小区间的同频干扰，并进一步增加无线通信系统的资源利用效率。

    根据合作传输方式的不同，CoMP技术可进一步分为协同调度／协同波束成形  (coordinated scheduling/coordinated beamforming，CS/CB)CoMP和联合处理(jointprocessing，JP)CoMP两类。其中，CS/CB CoMP传输中，基站根据与指定用户之间的信道条件对发送的数据符号进行联合的预编码，从而减少相邻小区间的同信道干扰。典型的预编码技术包括脏纸编码(dmy paper coding，DPC )和线性预编码等。JP CoMP则侧重于对干扰的主动利用，允许干扰区域内的一个或多个基站同时为同一指定用户服务。典型的技术包括动态小区选择(dynamic cellselection，DCS)CoMP和联合传输(joint transmission，JT)CoMP。其中，JT CoMP技术不仅能够有效消除小区间同信道干扰，还能够利用这些干扰信号，生成有用信号副本，增加有用信号的接收强度，是上述CoMP技术中最有潜力的候选方案之一。因此，本文主要将研究集中在JT CoMP中。

    尽管JT CoMP相比于其他CoMP技术在资源利用效率和干扰消除方面具有更大的潜力，其灵活多变的合作传输策略也给无线资源管理带来了更大的难度。基于JTCoMP技术的密集网络涉及的基站数量多，在资源分调度中需要考虑复杂的网络环境和动态的合作基站选择等问题。如果采用集中式的资源分配方法，则对中心控制单元的计算能力和存储能量有极高的要求。与集中式资源分配方式不同，分布式的资源分配可令各个基站分担中心控制单元的计算量，由此一方面降低了系统对中心控制单元能力的要求，另一方面能够减少算法执行的总时延。本文重点讨论了基于JT CoMP技术的HetNet的无线资源分配问题，并提出了基于交叉熵的分布式RB调度算法。

    2  系统模型

    本文研究的系统模型为一个采用频分双工的异构网络下行传输系统，网络结构如图1所示。网络中共有M个异构的eNB或者低功率传输节点(transmission point，TP)，每个TP上配有Nr个发射天线。所有传输节点的集合表示为H={l，…，M）。网络中每个TP共同复用NRB个带宽为180 kHz、传输时间间隔为1 ms的资源块。网络在某一时刻，同时为均匀分布的K个用户提供传输服务。所有用户的集合表示为以={1，…，K}，每个用户设备上配有ⅣT个接收天线。

    在网络中心存在一个逻辑上的中心控制单元(CU)，负责收集用户检测到的信道信息，并以此为依据对系统频率、功率等资源按照一定规则进行分配，以得到最佳的系统性能。CU通过回程链路连接向各个TP发送控制信令、资源分配结果以及待传输的数据信息。南于回程链路的存在，可以合理假设TP之间、TP与中心控制单元之间在各维度（时间、频率等）上完全同步。这也是采用CoMP技术的必要条件之一。用户根据其信道状态可分配小区内用户和小区边缘用户。对于一个小区内用户，由于该用户可能在地理位置上接近网络中某个TP，因此用户接收到的来自邻近TP的参考信号(reference signal，RS)强度，明显强于来自其他TP的参考信号。相反地，小区边缘用户由于处于多个TP覆盖范围的重合区域，其接收的来自邻近的若干个TP的参考信号强度较弱且差距很小。两种类型的用户都会选择参考强度最大的TP作为home TP，并将基本信息注册在home TP列表中。此外，本文假设TP之间在时间、频率上完全同步。无线信道具有伪平稳的衰落特性，即在一个传输时间间隔(transmission time interval，TTI)内信道特性不发生变化。

    2.1 CoMP集合选择

    参照LTE-A的定义，系统允许用户根据自身接收到的参考信号情况选择一个CoMP集合，该集合包含可能为用户传输数据的TP。值得注意的是，CoMP集合中可能包含一个或者多个TP。将用户%的CoMP集合记为Hk(Hh∈四，LTE-A中皿选择的原则为：

    其中，表示CoMP集合选择阈值(dB)，RS表示参考信号的接收强度。

    当Atr越小时，CoMP集合中包含的TP越多，在采用合作传输技术时传输得到的合作增益也越大。相应地，CoMP传输时所需的系统控制开销也随之增加。因此，的选择反映了合作增益与系统开销的折中关系，对于网络环境和系统需求可适当地对进行调整。按照参考文献[12]中的建议，令=5 dB。

    按照式(1)中的准则，用户k选出集合Hk并将选择结果反馈给中心控制单元。如果Hk中只包含用户k的homeTP，即{Hh| =1，则^为小区内用户，在下行传输中只有home TP为其服务。相反，如果IHk l>l，则说明k为小区边缘用户。CoMP集合中的若干个TP以给定的CoMP合作方式联合为用户k服务，以提高用户的服务质量。

    2.2  联合传输CoMP

    联合传输CoMP是JP CoMP传输的典型实现方式之一。在JT CoMP中，用户k的CoMP集合皿中的全部或者多个TP在相同RB上为用户k发送相同数据。由于TP间的空间分离，数据从不同TP发出后经过空间独立的信道到达用户接收天线，通过合并使得数据信号的强度随发送TP增多而提高，即得到空间分集增益。可以认为，JT CoMP技术将用户的主要小区间干扰变为可利用的传输，既提高了数据信号强度，又减少了小区间干扰。

JT CoMP技术的直接实现方式是，用户k的每次传输都利用CoMP集合皿中的全部TP作为传输TP，这种固定的策略称为FJT (fixed JT)。FJT CoMP没有考虑信道的频选特性，无法适应网络的动态变化。为了解决这个问题，系统还可以根据用户的瞬时信道信息动态地在每个RB上为用户选择CoMP合作集合，以达到网络总体性能的提升，这种更为灵活的JT CoMP技术也称为动态JT(DJT) CoMP。令集合甜表示用户k在RBn,上的CoMP合作集合，则在DJTCoMP传输中，用户%在RBn,上的传输可表示为：

    其中，皿{m）表示从H去除元素{m】后的集合；yk"是NRxl维接收向量，其中每个元素代表对应位置上天线的接收信号；Hmk为NRx NT维的信道矩阵，其中元素H‰(iJ)代表TP m的第i个天线与用户^的第i个天线之间的信道系数；Wmn是NTxl维向量，表示TP m对符号Sr:的预编码，且有∞a‰？=1；p?是TP m对该次传输分配的发射功率；Tl,ka是接收天线处的复高斯白噪声向量，。

    定义调度索引集合（Vm，k，n），其中啜）∈{o，1）。{如}_1说明系统中心控制单元在接下来的rri中分配TP m的RBn为用户k传输数据，即m∈珐“。相应地，式(2)中接收信号的信干噪比可表示为：

    2.3优化问题建模

    为了同时兼顾系统的吞吐量、能量消耗以及用户间的公平性，将资源分配的优化目标定义为如下形式：

    其中，Rk表示用户在RBn上的数据速率，其计算式为：

    Rk为用户k在当前TTI位置获得的累积平均数据速率，其定义为：

    其中，O<d<l为遗忘因子，用来平衡累计平均数据速率和当前数据速率对资源分配的影响；RkhFi{”为截至当前时刻，用户k的累计平均数据速率。

    但这样的目标函数会导致极端情况出现：为了提高能量效率，系统可能过分地降低了发射功率，从而严重地破坏了传输的质量。为了避免这种可能性的出现，本文在约束条件中对传输质量进行限制。综上，基于CoMP技术的异构网络资源分配问题的优化问题模型可表示为：

    其中，Cl表示最高TP的发射功率的限制为S,C2表示RB不可被重复分配，C3表示回程链路容量对每TP吞吐量的限制；R‰为给定的数据速率阈值，系统的资源分配方案应保证每个传输的数据速率不低于该阈值，因此C4保证了网络中每个传输的质量。

    3基于交叉熵方法的分布式资源分配算法

    交叉熵(cross entropy，CE)算法最初由Rubinstein在1997年提出，用于对复杂随机网络中稀有事件的概率进行估计。随后，Rubinstein发现对交叉熵算法进行简单修正，便可用来对组合优化问题进行求解。

为了便于分析，假定每个RB上的功率分配为等值分配，则RB调度问题可简化为：

    式(8)中的变量[B]是一个维度为MxNRBxK的随机矩阵，其中p,~k是一个比特数，可视为伯努利随机变量。在交叉熵方法的每次迭代中，需要产生足够量的样本。若直接对[Bkl求解，显然计算量非常大。

    3.2样本迭代

    在算法的迭代过程中，系统根据给定的概率分布随机生成若干个样本。随机生成的样本并不能保证是满足约束条件的最优解，因此需要对样本进行筛选。筛选后的样本被认为是“好”的样本，而根据“好”的样本更新概率分布，能够使算法在下一次迭代时以更高的概率获得“更好”的样本。具体的样本迭代过程如下所述。

根据已知的概率分布针对TP m随机生成样本i，记为。根据X，可获得相对应的关于TP m的调度索引院）：

    根据获得的调度结果，用户k在RB n上传输获得的数据速率变为：

    令f表示TP m对应的效用函数，根据式(8)可以知道在样本X，下rIP m得到的效用函数值为：

    其中，表示依据样本X，得到的TP m的总功率消耗。

    样本X，对应的TP m上的总吞吐量可表示为：

    合格的样本应该满足两个条件：第一，样本的效用函数值足够高；第二，样本需满足回程链路容量限制，即式(8)中的约束条件C3。随机产生的样本并不能保证满足这两个条件，因此需要对生成的样本进行筛选。

    算法1中，f表示当前的迭代次数，X盈为当概率收敛时算法输出的TPm的调度结果。Xm中的每个元素表示TP m对应位置的RB上调度的用户，用调度索引表示即成。因此，由可以得到调度索引集合。

    3.3结果修正

    第3.1节描述的交叉熵算法得到的结果，严格地满足了限制条件C1—C3，但不能保证全部传输都满足给定的闽值（即限制条件C4）。讨论的系统资源优化分配的最终目标是提高能量效率，出于节省能源的目的，算法将选择关闭不能满足QoS要求的传输。

    算法2总结了本文提出的基于交叉熵的分布式RB调度算法。

    算法2每TP的分布式RB调度算法

    注意：算法2是针对某- TP m的运箅，只得到TP m上的调度结果X盈，或者说LBr:k，Vk，n}。系统需要对每个TP进行算法2中描述的分配运算以得到全部调度结果{pm:。，Vm，%，n}。由于每TP执行完算法2中的运算后仍然得不到对数据速率的准确估计，即无法获知Rk'z，因而分布式的调度算法中不能执行如算法1中的结果修正。这导致分布式算法得到的调度结果产生的传输中，可能存在不能满足QoS要求的。仿真实验中认为这样的传输不能被正确接收，可以说，不合格的传输既消耗了能量，又没有得到相应的数据速率，因而导致了分布式式算法中能量效率的降低。

    4仿真结果及讨论

    仿真利用SCM( space  channel model)模型生成无视线传输城区环境的MIMO信道，采用的主要参数见表1。图2显示了仿真中的密集网络环境。网络中共包含37个覆盖半径为250 m的六边形小区，其中最外层的18个TP并不产生实际的传输，而是内层TP的传输以模拟真实场景中的小区间干扰。这种模拟方式被称为小区绕卷，是大规模网络仿真中常用的手段。

    仿真实验首先讨论了回程链路容量限制对系统性能的影响。实验中考虑无回程链路容量限制、100 Mbit/s回程链路容量和50 Mbit/s回程链路容量3种情况。图3给出了不同回程链路容量限制下网络中每TP的总数据速率。可以看出，在无限制和100 Mbit/s回程链路容量的情况下，系统中每TP的总数据速率可达到30 Mbit/s左右。而当回程链路容量限制在50 Mbit/s时，每TP的总数据速率下降到15～18 Mbit/s。这一结果说明了回程链路容量限制对系统数据速率的严重影响。

    为了清楚地观察系统中用户数据率的公平性，本文采用了参考文献[18]中公平性系数F的定义：

    图4显示了不同回程链路容量限制下系统的用户数据率公平性，结果表明50 Mbit/s回程链路容量下系统的公平性出现明显下降。在无限制或100 Mbit/s回程链路容量下，系统的公平性系数可高达0.75。然而，当回程链路容量下降到50 Mbit/s时，系统得到的公平性系数最高只有0.48。这是因为，当回程链路容量受限时，为了减小回程链路的负载，系统不得不减少CoMP传输的数量。因此，原本可通过CoMP传输得到服务质量提升的小区边缘用户，无法得到足够的数据速率，从而导致了系统整体公平性的下降。

    图5给出了不同回程链路容量限制下系统的能量效率。不同于图3和图4中的结果，图5中的结果表明回程链路容量限制并不会导致系统能量效率的降低。这是因为，由于回程链路容量有限导致系统在每’rTI中实施的传输数量下降，因此相应地能量消耗也有所降低，因此系统能量效率得以保障。

    仿真实验还探讨了不同QoS要求对系统性能的影响。图6给出了不同QoS要求下，网络中每TP的平均数据速率。可以看出，随着QoS的增加，系统的数据速率得到了相应的提升。当Rm为180 kbiUs时，系统每TP的平均数据速率只略高于26 Mbit/s：提升R岫到360 kbit/s时，每TP的平均数据速率上升至28 Mbit/s以上：而当Rtlws为540 kbiUs时，每TP的平均数据速率可接近于30 Mbit/s。

    图7给出了不同QoS要求下系统的能量效率。可以看出，R岫为180 kbit/s和360 kbit/s时系统得到的能量效率相近。然而当R.提高到540 kbit/s时，系统的能量效率略有提升。这是因为，当R崎提高到540 kbit/s时系统在每TTI中实施的传输数量减少，相应的能量消耗有所降低。与此同时，由于系统保障了实施的每次传输都能获得较高的数据速率，因此网络的总数据速率较高。系统的高数据速率和低能量消耗最终导致了系统能量效率的提升。

    5  结束语

    基于CoMP的异构网络能够有效提升移动通信系统的频谱效率和能量效率，而合理有效的无线资源分配策略是保障密集网络系统性能的重要前提。本文根据基于CoMP的异构网络特点，提出了一种基于交叉熵方法的分布式资源分配算法。算法首先根据预估的用户数据速率设定样本生成概率，有效加快了算法的收敛速度。然后，通过对生成概率的不断迭代，得到了满足回程链路容量限制的最优调度结果。最后，算法根据给定的数据速率阈值对调度结果进行修正，保障了传输的最小数据速率要求。通过仿真实验，验证了本文提出的资源分配算法在提高系统吞吐量、能量效率以及用户公平性等方面的有效性和可行性。

    6摘要：

    提高无线资源利用效率是缓解日益增长的无线通信需求和有限的可用传输资源之间矛盾的主要途径。基于多点协调(coordinated multipoint，CoMP)传输技术的异构网络在提高频谱效率和能量效率方面具有巨大的潜力，近年来受到学术界和工业界的广泛关注。在研究基于CoMP技术的异构网络资源分配问题的基础上，提出了一种基于交叉熵方法的分布式频谱资源调度算法。仿真实验验证了本文提出方法在系统吞吐量、能量效率以及用户公平性等方面的有效性。