陈 赓，姚文静，郭银景，夏玮玮
（1．山东科技大学电子通信与物理学院青岛266590；
2．东南大学移动通信国家重点实验室南京210096）
摘要：针对macro-femto同频融合网络中基于资源分配的干扰抑制问题，提出一种联合子信道和功率分配算法来抑制同频干扰。该算法通过对MU进行功率控制并采用跨层切换消除同频跨层干扰，对FU进行联合信道和功率分配消除同频层内干扰；跨层切换问题是在每一层网络目标中断概率约束下通过优化网络吞吐量实现，而基于联合信道和功率分配的同频干扰抑制问题是在切换MU的目标数据速率和其他MU以及FU干扰门限约束下，通过优化FU的和速率实现。理论分析和仿真结果表明，该算法能够提高FU的和速率，增大femtocell的网络容量，并可增加femtocell的部署数目。
关键词：同频融合网络：子信道分配；功率分配；同频干扰抑制
1 引言
如何改善室内覆盖为用户提供高速数据速率和具有QoS保证的业务需求，是发展未来无线通信系统的巨大挑战。在macrocell（宏蜂窝）网络中部署多个femtocell（毫微微蜂窝）网络，形成具有两层重叠覆盖结构的macro-femto融合网络，是提高覆盖范围和网络容量的有效方法，有利于改善室内语音和数据等业务的接收质量。femtocell又称为家庭基站，是一种短距离、低成本、低功耗的接人点，可以用来克服macrocell网络由于室内覆盖不均匀所产生的覆盖盲区问题。因此，通过在macrocell网络中部署FAP(femtocell access point)以增强macrocell网络的性能，被认为是提高室内覆盖范围和网络容量增益、提升数据速率和频谱利用率的有效方式，femtocell也将成为满足未来对高数据速率业务需求不断增长的有效途径。然而，为了提高整个频谱的利用效率，femtocell网络通常采用同频部署的方式，这样femtocell网络与macrocell网络就工作在相同的频段下，使得同频跨层干扰、同频层内干扰以及小区内用户间的干扰非常严重，会极大地降低macro-femto网络的性能。
参考文献[1，2]研究基于OFDMA的多小区网络下行传输的子信道和功率联合分配问题，提出一种集中控制的改进的迭代注水算法来抑制多小区间的同频干扰，在各个基站功率约束下通过联合优化同频用户选择和功率分配最大化加权系统和速率，数值结果显示，所提策略能提供较大的性能增益。
参考文献[3]研究两层macro-femto网络上行传输的子信道和功率联合分配问题，提出一种子信道和功率联合分配方案，在异构femtocell用户(FU)QoS需求和跨层macrocell干扰限制的约束下最大化用户的容量，通过松弛子信道共享约束将混合整数规划问题转化为一个凸优化问题，并采用对偶分解法求得子信道和功率的最优解。
参考文献[4]研究基于OFDMA的多小区网络下行传输的子信道两级分配问题，提出一种在无线网络控制器(radio network controller，RNC)和BS (base station，基站)上实现动态资源分配的无线资源控制(radio resource control，RRC)方案，该方案基于半分布式通过RNC决策各个BS使用的子信道和各个BS决策分配给各个用户的子信道实现两级子信道分配，并将RNC和BS的子信道分配分别建模为两个优化问题，数值分析显示了所提算法对扇区干扰抑制和动态干扰避免的折中结果。
参考文献[5]研究密集部署的femtocell网络下行传输的功率和子信道联合分配问题，基于得到的密集网络环境下最优功率和子信道分配的特征，提出了一种二进制功率分配(binary power allocation，BPA)方法，该方法令一个子信道只分配给一个基站，以避免小区间干扰并平均分配基站功率，基于BPA方法提出了一种功率和子信道联合分配方案。仿真和数值结果表明，所提方案能够增大系统容量。
参考文献[6'7]针对基于OFDMA的macro-femto网络下行传输，提出一种联合子信道和功率分配算法，在保证macrocell网络容量的同时，最大化所有FU的总吞吐量，所提算法采用一个迭代方法在迭代过程的各步交替分配和优化基站的子信道和传输功率。
参考文献[8，9]针对基于OFDMA的多小区认知无线网络下行传输，提出一种新的子信道和功率联合分配算法，考虑多个次用户和主用户共存于多小区环境的实际模型中小区间干扰和小区内干扰问题，并通过在认知无线网络中自适应地分配子信道和功率加以解决，其中子信道分配基于初始功率分配并在次用户吞吐量和主用户SINR约束下通过匈牙利法完成，功率分配通过迭代注水算法完成。仿真结果显示，所提算法极大地提高了网络中的频谱效率。
参考文献[10，11]研究基于OFDMA的密集部署的femtocell网络在同层和跨层同频干扰以及最小数据速率需求约束下的功率和子信道联合分配问题，将问题描述为一个凸优化问题，并通过数值方法得到优化解。对比分析所提的基于分簇的联合资源分配算法与分布式资源分配以及集中式资源分配的性能，数值结果显示，所提算法提高了femtocell网络的和速率容量。
参考文献[12]研究干扰受限的基于OFDMA的两层femtocell网络上下行传输的子信道和功率联合分配问题，将其描述为一个多目标优化问题，在macrocell用户(MU)干扰门限和时延敏感用户最小数据速率需求约束下，最大化用户的吞吐量并提高femtocell基站的功率效率。
参考文献[13]研究基于OFDMA的多小区网络下行传输的分布式自适应信道和功率分配问题，提出一种分布式自适应的干扰协调算法。所提算法对用户分布和业务负载实现有效的频谱复用并适应不同的网络干扰情形，通过分解多小区优化问题为分布式单小区优化问题来降低计算复杂度。
参考文献[14]研究基于OFDMA的两层femtocell网络最优分布式的子信道、速率和功率分配问题，将问题描述为通过联合调整用户的子信道、速率和功率在跨层干扰约束下最大化FU的加权和速率，并提出一种基于拉格朗日对偶法的最优分布式资源分配算法。仿真结果显示，所提算法提高了网络性能。
综上所述，采用资源管理的方式合理分配macro-femto网络中的频谱和功率资源是抑制同频干扰的有效方式，提出了一种基于联合信道和功率分配的同频干扰抑制算法，以避免同频跨层和层内干扰。从异构融合网络资源管理的角度出发，引入基于分布式干扰估计的跨层切换机制和基于抑制干扰的资源分配方法，研究基于OFDMA的两层femtocell网络中femtocell的接人控制和资源共享问题，提出一种基于联合信道和功率分配的同频干扰抑制算法，解决网络中的同频干扰问题。具体如下。
对MU进行功率控制并采用跨层切换方法消除同频跨层干扰，即在每一层网络目标中断概率的约束条件下最大化网络吞吐量；对FU进行联合信道和功率分配消除同频层内干扰，即在切换MU的目标数据速率和其他MU以及FU同频干扰门限的约束条件下，最大化FU的和速率。该算法能够有效消除网络的同频干扰，提高FU的和速率，改善femtocell中的网络容量并可增加femtocell的部署数目，使网络中信道和功率资源得到有效利用。
2 macro-femto网络模型和同频干扰分析模型
macro-femto同频异构网络上行传输的网络模型如图1所示。可以看出, macro-femto上行传输的网络模型由一个macrocell和多个femtocell异构共同覆盖而成，其中MBS（宏基站）和FAP分别为MU和FU提供上行服务。假设macro-femto网络中有K个femtocell（FAP的数目同样是K），每个femtocell中FU的数目和子信道的数目分别是M和N;假设macro-femto网络中所有可用频谱的网络带宽为WHz，子信道的带宽为B Hz，则macro-femto网络中macrocell和每个femtocell可用的子信道数目为N=[W/B]。此外，为了避免小区内的同频干扰，假定每个子信道在给定的时隙内只能分配给一个用户使用，但一个用户可以同时使用多个分配的子信道。
基于此得到的同频干扰分析模型如图2所示，其中hkj为用户j与接入点k间的信道增益。对于上行传输的同频干扰分析，MBS受到来自FU的干扰I，，，若接收SINR低于中断门限值y。，将使MU通信产生中断；同时，FAP受到来自MU的干扰L。和femtocell外部FU的干扰b，若FAP的接收SINR低于中断门限值yF，将使FU通信产生中断，将MBS和FAP上考虑同频干扰的接收SINR作为跨层切换的决策因素。
在图1中，MU,位于FAP,附近，FU，需要增加其发射功率来克服MU,对其产生的同频干扰，同时FU．将对MBS产生更大的同频干扰，这种场景下的同频干扰甚为严重，考虑了FU,对MBS的同频干扰问题。如果这个场景下的同频干扰不加以消除，将会形成一个带有正反馈的闭合干扰环，使得整个网络的通信性能严重下降。
本文研究将根据MBS和FAP,上接收的SINR和切换SINR门限值将MU,切换到femtocell中，由FAP,为其提供服务，这样可以消除两边的同频干扰，打破闭合干扰环的影响，提高整个网络的通信性能；当MU．切换到femtocell中时，在FAP,上采用抑制同频干扰的资源分配方法，基于联合信道和功率分配的抑制同频干扰的资源分配方法，减小同频层内及小区内干扰。
3基于分布式干扰估计的跨层切换优化
采用基于干扰估计的跨层切换算法来减小同频跨层干扰：通过对MU进行功率控制，实现功率分配并采用跨层切换方法，根据同频干扰分析结果以及所设置的切换阈值对跨层切换做出决策，移动终端根据跨层切换决策完成跨层切换过程来消除同频跨层干扰。
(1)将基于用户接收SINR的跨层切换问题描述为一个优化问题
在每一层网络中目标中断概率的约束条件下最大化网络吞吐量，并基于用户接收信号干扰噪声比门限值决策跨层切换的执行。同频干扰抵消的跨层切换优化表示为：
4基于联合信道和功率分配的同频干扰抑制算法
当MU,切换到femtocell中时，在FAP,上采用基于联合信道和功率分配的同频干扰抑制算法来减小同频层内及小区内干扰：对FU进行联合信道和功率分配，通过最大化femtocell中FU的和速率得到最优的信道分配和功率分配方案，消除同频跨层和层内干扰。
4.1 问题描述
采用基于联合信道和功率分配的同频干扰抑制算法，将基于联合信道和功率分配的抑制同频干扰的资源分配问题描述为一个优化问题：在切换MU的目标数据速率和其他MU以及FU同频干扰门限的约束条件下最大化femtocell中FU的和速率。抑制同频干扰的联合信道和功率分配优化表示为：
其中，pm.。表示用户m使用子信道n的传输功率；pm。表示用户m的子信道分配，pm,。=1表示子信道孔分配给用户m，pm。=0表示子信道凡不分配给用户m。式(6)是联合信道和功率分配下femtocellk中所有FU的和速率，其中‰。是用户m使用子信道n在FAPh上的接收SINR；式(7)表示每个子信道在给定的时隙内只能分配给一个用户使用；式(8)表示分配给femtocell%中所有用户的子信道数目不能超过每个femtoceU可用的子信道的总数目Ⅳ；式(9)表示femtocell%中所有用户总的发射功率的约束；式(10)表示切换到femtocell的MU的速率要达到ro；式(11)和式(12)表示femtocellk中联合信道和功率分配对femtocell/ j≠k）和macrocell中使用子信道n的FU和MU产生的最大同频干扰的约束。
4.2子信道分配优化
(1)子信道分配理论
基于联合信道和功率分配的同频干扰抑制算法中，采用比例公平调度算法得到信道分配的最优解，从而得到最优的信道分配方案。子信道分配要满足如下条件：
采用比例公平调度算法【J5~17]得到子信道分配来最大化femtocell七中所有FU的和速率，子信道分配表示为：
其中，SUk,M表示femtocell%中为其分配子信道的用户集合；C。表示分配给用户m∈SUh,M的子信道的集合；Rm’表示用户m在前一时隙的平均数据速率：T表示比例公平调度的平均窗口大小。
(2)子信道迭代分配过程
在femtocellk中提出一种子信道分配的迭代算法得到子信道分配的次最优解，切换MU的子信道分配根据femtocellk中空闲子信道数目，采用如下两种方式。
其中，Q。>0表示子信道n被占用；m。表示活动干扰的FU数目。
②过载情况下的子信道分配(M。≥Ⅳ)
其中，S，表示同频干扰功率门限；s。表示子信道n的干扰功率。
4.3功率分配优化
基于联合信道和功率分配的同频干扰抑制算法中，采用加权注水算法得到功率分配的最优解，得到最优的功率分配方案，实现联合信道和功率分配。在得到子信道的分配SUk,M和Cm后，采用迭代的加权注水算法优化得到femtocellk中可用子信道上的功率分配。
5数值仿真及讨论
通过仿真和数值分析，分别研究FU的和速率与femtocell中可用的子信道的数目Ⅳ、femtocell容纳的FU的数目M和部署的femtocell的数目K的数量关系，以此评估所提算法的性能。仿真场景如图1所示，表1给出了性能评估所用到的仿真参数。为了便于评估，分别采用封闭接入(closed access，CA)方式、切换接入(handover access，HA)方式和所提的基于资源分配抑制同频干扰的切换接入（interference-aware handover access，IAHA）方式得到的仿真和数值结果。
图4给出了FU和速率与femtocell中可用的子信道数目Ⅳ之间的关系曲线（当M=10、K=20时）。仿真和数值结果显示，采用所提的IAHA算法得到的femtocell中FU的平均和速率要远大于CA和HA方式。这是因为所提的IAHA算法中采用了跨层切换机制以及联合优化信道和功率分配，可极大地抑制同频跨层和层内干扰，同时，随着femtocell中可用子信道数目Ⅳ的增加，每个子信道可以唯一分配给一个用户使用来有效避免femtocell间和femtocell小区内的同频干扰，因此极大提高了FAP上的接收SINR以最大化FU的和速率。此外，从图4还可以看出，所提IAHA算法的理论结果与迭代结果是一致的，证明了所提算法的准确性。
图5给出了FU和速率与femtocell容纳的FU数目M之间的关系曲线（当Ⅳ=10、K=20时）。可以看出，在femtocell容纳的FU数目M较小(M∈[0'19])时，采用IAHA算法得到的FU的平均和速率是最大的，而采用HA和CA算法得到的FU的平均和速率的增幅都较小；然而，当femtocell容纳的FU数目M较大(M∈[20，40])时，与HA和CA算法相比，采用所提的IAHA算法得到的FU的平均和速率下降的幅度非常大。这是因为，当FU的数目M较小时．IAHA算法可以通过信道和功率分配联合优化来有效抑制小区内的同频干扰，然后，当FU的数目M较大时，不能保证每个子信道唯一分配给一个用户使用，这将导致femtocell间和femtocell小区内的同频干扰增大。从图5还可以看出，对于给定网络中FU的平均和速率，所提IAHA算法能有效增大femtocell的网络容量。
图6给出了FU和速率与部署的femtocell数目K之间的关系曲线（当N=10、M=20时）。可以看出，随着部署的femtocell数目K的增大，FU的平均和速率将逐步减小，但采用IAHA算法得到的平均和速率减小得最慢。这是因为所提IAHA算法的信道和功率分配联合优化过程中，式(11)和式(12)对femtocell/ j≠k）和macrocell中使用子信道n的FU和MU．分别设置了最大同频干扰功率门限值8nF和8nM来减小同频层内干扰，因而提高了FAP上的接收SINR,以最大化FU的和速率。从图6还可以看出，对于给定网络中FU的平均和速率，所提IAHA算法有利于部署更多的femtocell。
6结束语
本文提出一种基于联合信道和功率分配的同频干扰抑制算法，抑制融合网络中上行传输的同频干扰。该算法基于所提的网络模型和同频干扰分析模型，将基于干扰估计的跨层切换问题建模为在每一层网络目标中断概率约束下的网络吞吐量优化问题，将基于联合信道和功率分配的同频干扰抑制问题建模为在切换MU的目标数据速率和其他MU以及FU同频干扰门限约束下的FU和速率优化问题，并采用比例公平调度算法得到信道分配的次最优解和采用加权注水算法得到功率分配的最优解，实现联合信道和功率分配。理论分析和仿真结果显示，所提算法能够有效消除网络的同频干扰，提高FU的和速率，增大femtocell的网络容量并可增加femtocell的部署数目，使同频融合网络中信道和功率资源得到有效利用。
