0 引言

    隨著無線通信網絡的快速發展以及智能終端設備的爆炸式增長，現有網絡結構面臨著巨大的挑戰。3GPP在LTE-Advanced中提出了一種新的網絡架構模型HetNet^[1]，這種模型是指在現有宏小區的覆蓋下，大量增加低功率傳輸節點，如micro、pico、femto以及中繼等。由于低功率傳輸節點的傳輸功率低，使得其能以極其靈活的方式進行部署。這種部署方式成本較低并且能夠彌補宏小區的覆蓋盲點，提高了系統的頻譜利用率。此外，在5G中UDN場景下，大量低功率傳輸節點可以部署在用戶密集區域，這種方式可以有效提升網絡容量，擴展網絡覆蓋范圍，但是引入了小小區間的同頻干擾問題。因此，多點協作傳輸(CoMP)，一種通過節點間的協作傳輸來消除小區間的同頻干擾技術，在5G中得到了廣泛的應用^[1-2]。

    眾所周知，小小區之間干擾是影響UDN性能的主要因素之一^[3]，并且由于小小區之間的距離不斷減小，小小區間的干擾問題變得更加嚴重。文獻[4]在一個以用戶為中心的虛擬范式中研究了干擾對齊問題，解決了UDN中的干擾問題。文獻[5]提出了一種基于圖形的資源分配方法，最大化了資源利用率。為了減小小小區邊緣UE遭受的干擾，文獻[6]提出了信道狀態和干擾感知功率分配(PAG)方案，該方案通過調整發射功率來減小對其他小小區邊緣UE的干擾。但是上述這些方法都沒有考慮到TP之間的合作問題。

    系統吞吐量和小小區邊緣用戶性能可以通過基站(BS)的聯合傳輸來提高^[7-8]。這種聯合傳輸不僅能有效地消除小區間的信道干擾，還可以利用干擾信號來增加信號的接收強度。在UDN中，小小區之間的間隔很小，這會造成小小區發生重疊。由于小小區邊緣UE接收的信號可能來自多個小小區，這些來自于其他小區的干擾信號可以通過CoMP進行聯合處理，以達到減輕小小區邊緣UE遭受的干擾的目的。

    雖然TP和BS之間靈活多變的合作傳輸策略可以增加小小區邊緣用戶的性能，但這將會給無線資源管理帶來了巨大的挑戰^[9-10]?？紤]到CoMP帶來的資源分配的問題，本文提出了CLA-CoMP算法。該算法可以根據宏小區下的低功率傳輸節點服務的用戶數目進行小小區負載平衡，從而提高了子載波的利用率和系統的總和率。之后針對功率分配問題，本文采用了P2UPA方案。相較于平均功率分配(PF-PA)方式，P2UPA能夠以較大的信道增益分配更多的功率，從而提高了系統的總和率。

1 系統模型

    本文考慮了一個下行的多用戶CoMP蜂窩系統模型，如圖1所示。在UDN場景下，TP和UE隨機分布在異構網絡中。在CoMP系統下，用戶根據所處位置的不同被分為兩類：一類是處于TP覆蓋中心的用戶，另一類是處于TP覆蓋邊緣的用戶。在尋求服務時，兩類用戶都會選擇接收信號強度最大的TP作為home TP，TP根據信道狀態信息(CSI)確定其服務的初始用戶。中心UE只接受home TP的信號，對于邊緣UE則可以通過CoMP合作集對其提供服務。對于合作集群的判定，假設P₀是用戶收到home TP的發出的信號強度，P_i是用戶收到第i個TP發出的信號強度，處于該邊緣UE合作集中的TP應滿足P₀-P_i≤δ_CoMP，其中δ_CoMP是CoMP集合選擇的閾值。

    假設T={1，2，…，N}表示所有的TP，U={1，2，…，M}表示UE，讓A∈C^M×N表示UE和TP之間的分配矩陣，其中A中的元素的值為：

式中，等號右邊第一部分表示用戶m收到的期望信號，第二部分表示同頻干擾信號，而W_m表示高斯白噪聲功率。g_i，n是UE和TP之間的信道矩陣中的元素，表示第i個用戶和第n個TP之間的信道增益。P_i，m代表該第i個TP對第m個用戶的發送功率。其中UE和TP之間的信道矩陣G為：

    本文工作目的是提出一種新的功率分配方式，從而獲得更大的系統總和率。

2 基于CLA-CoMP傳輸的功率分配

    接下來本文將提出一種基于CLA-CoMP功率分配方案，以期使小區的總吞吐量最大化。首先提出CLA-CoMP方案，然后解決功率分配的問題。

2.1 基于負載感知的CoMP

    由于TP與用戶之間的關系受CSI和小小區負載信息(CLI)的約束，假設用戶和TP之間的CSI是已知的，所以TP可以根據CSI確定其服務的初始用戶。在宏小區中使用JT-CoMP可以減小邊緣用戶受到的干擾，提高邊緣用戶的通信質量和傳輸速率，進而提高總傳輸速率。但是使用CoMP技術對資源分配是有要求的，當正在受到TP服務的UE占用了一段子載波時，被該TP服務的其他UE不能重用這段子載波。因此當UE數目增加時，將會占用更多的子載波，這會造成有些UE不能被TP服務，所以邊緣UE的傳輸速率會受到影響?？紤]到這個問題，本文提出了CLA-CoMP方案，該方案旨在提高小小區邊緣UE的速率和總和速率R。

    假設TP知道它服務的UE的CSI，TP根據CLI調整它服務的UE的數目。當小小區負載足夠大并且高于可用子載波數時，TP將自適應地關閉信道最差的UE，從而減少小小區的負載。換句話說，BS不再為信道最差的UE提供服務。然后，被該UE占用的子載波得以釋放。TP根據CLI調整它服務的UE的數目，當小小區負載很大且無可用子載波時，TP將其服務的UE中信道增益最小的踢出服務，該UE占用的子載波隨即被釋放。TP通過這種方法調整小小區負載并更新了它們所服務的UE。CLA-CoMP算法如下所示：

    初始化：

    根據CSI，每個TP選擇U_n個用戶對其提供服務。

2.2 基于用戶關聯后驗概率的功率分配方案

    在基于CLA-CoMP的條件下，下面的部分將討論系統的功率分配。為了使系統總和率最大，即滿足下面的規劃方程：

    由于C2和C4的非凸性，可以采用基于P2UPA方案來進行功率分配。相對于以往的PF-PA方案來說，該方案可以為最高關聯概率的UE分配更高的功率。本文假設每當UE請求服務時，TP可以獲取關聯UE的SINR和可實現的數據傳輸速率。基于上述假設，本文采用P2UPA方案，其中每個UE被多個TP服務。假設TP已知關聯用戶m的SINR和可實現數據速率r_m，P2UPA的原理如下：

    (1)確定可行性集：所有滿足約束條件C3和C4的TP是用戶可能連接的TP集合。

    (2)先驗和條件概率：根據每個UE可行性TP集合估計先驗概率。例如，第i個UE可行性TP的集合為F_i={S₁，S₂，…，S_l}。第i個用戶連接可行性集中每個TP的先驗概率為：

3 仿真結果與分析

    本文考慮了一個100×100 m²的通信區域。在這個區域中，TP和UE被統一隨機部署，信道參數服從瑞利分布。主要模擬參數在表1中，不失一般性，每個子載波的帶寬被設置為1。在下面的小節中，本文比較了采用PF-PA的CLA-CoMP和傳統CoMP的性能。隨后比較了采用P2UPA方案和PF-PA方案的系統的性能。最后，本文對基于CLA-CoMP且采用PF-PA方案的系統、基于CLA-CoMP且采用P2UPA方案的系統、不考慮CLA-CoMP采用PF-PA方案的系統和不考慮CLA-CoMP采用P2UPA方案的系統的總和速率進行了比較。

    圖2給出了采用PF-PA方案的情況下，基于CLA-CoMP的系統和不考慮CLA-CoMP的系統的總和速率和用戶數目的關系。可以看出，基于CLA-CoMP的系統的優勢是顯而易見的。基于CLA-CoMP的系統的總和率是以指數形式增加，相較于不考慮CLA-CoMP的系統，增長速度變快。這是因為基于CLA-CoMP的系統關鍵思想是當小小區負載大于可用資源時，TP自適應地調整小小區負載以關閉最小信道增益UE，然后釋放部分可用資源，其余UE可以被TP服務，因此小小區負載是平衡的。

    圖3給出了在基于CLA-CoMP的情況下，采用了P2UPA方案和PF-PA方案的系統的總和速率和UE數目的關系。如圖3所示，P2UPA方案優于PF-PA方案是非常明顯的。可以看出，對于特定數量的UE，采用P2UPA方案和PF-PA方案的系統的總和速率都是呈指數增長。但P2UPA顯然優于PF-PA，這是因為P2UPA的關鍵思想是為最高關聯概率的UE分配更多功率。

    圖4給出了基于CLA-CoMP和PF-PA方案的系統、基于CLA-CoMP和P2UPA方案的系統、采用PF-PA方案且不考慮CLA-CoMP的系統和采用P2UPA方案且不考慮CLA-CoMP的系統的總和速率與發送功率之間的關系。如圖4所示，隨著可用功率的增加，總和速率在4條曲線上呈指數增長。圖3和圖4表明了基于CLA-CoMP的系統的總和速率優于不考慮CLA-CoMP的系統，采用P2UPA方案的系統的總和速率優于采用PF-PA方案的系統。然而，無論PF-PA還是P2UPA，CLA-CoMP的系統的總和速率都優于不考慮CLA-CoMP的系統。對P2UPA方案而言，CLA-CoMP的系統的總和率優于不考慮CLA-CoMP的系統。因此，基于CLA-CoMP的系統采用P2UPA方案能獲得更大的系統總和率。

4 結論

    本文首先介紹了超密集組網這一網絡模型，隨后介紹了解決超密集組網中同頻干擾的CoMP技術。考慮到CoMP帶來的資源分配的問題，本文提出了CLA-CoMP方案來調整TP服務的UE的數量。然后，為了提高系統中的總和率，本文使用P2UPA方案，可以為信道增益較大的用戶分配更多的功率。仿真結果表明，基于CLA-CoMP且采用P2UPA的系統能夠獲得更大的系統性能增益。

參考文獻

[1] 3GPP，Requirements for further advancements for evolved universal terrestrial radio access(E-UTRA)(LTE-Advanced)(Relesae10)[S].TR36.913，V 10.0.0，2011.

[2] 3GPP，Overview of 3GPP release 12[S].3GPP RP 151570，V0.2.0，September，2015.

[3] CHEN S，XING C，FEI Z，et al.Dynamic clustering algorithm design for ultra dense small cell networks in 5G[C].International Conference on Communications and Networking in China.IEEE，2016：836-840.

[4] ZHU X，XIAO C，ZENG J，et al.Virtual cell interference alignment in ultra dense network[C].IEEE/CIC International Conference on Communications in China.IEEE，2016：1-6.

[5] BAI L，LIU T T，CHEN Z L，et al.A graph-based interference topology control for ultra-dense networks[C].2014 12th International Conference on Signal Processing(ICSP)，2014：1676-1681.

[6] GAO Y，CHENG L，ZHANG X，et al.Enhanced power allocation scheme in ultra-dense small cell network[J].中國通信(英文版)，2016，13(2)：21-29.

[7] XU X，ZHAO Z F，LI R P，et al.A resource scheduling scheme based on utility function in CoMP environment[C].2017 9th International Conference on WCSP，2017.

[8] YANG Z，ZHANG H，HAO P，et al.Backhaul-aware adaptive TP selection for virtual cell in ultra-dense networks[C].International Symposium on Personal，Indoor，and Mobile Radio Communications.IEEE，2016：1-6.

[9] ZHANG T，ZHAO J，AN L，et al.Energy efficiency of base station deployment in ultra dense HetNets: a stochastic geometry analysis[J].IEEE Wireless Communications Letters，2016，5(2)：184-187.

[10] HAMIDOUCHE K，SAAD W，DEBBAH M，et al.Mean-Field games for distributed caching in ultra-dense small cell networks[C].American Control Conference.IEEE，2016：4699-4704.

作者信息:

齊  暢，楊龍祥

(南京郵電大學 通信與信息工程學院，江蘇 南京210003)