基于有限回传链路的小基站网络重叠协作方法研究

张增峰　王天宇　宋令阳

采用一种小区间重叠协作的方法，解决了基于有限回传链路的小基站网络中的干扰管理问题。提出了一种新的基于下行协同波束赋形的小区间重叠协作算法，用于消除小基站网络中不同小基站之间的下行干扰，提高系统吞吐量。仿真结果显示，提出的算法能够显著提升以吞吐量为指标的系统性能。

小基站网络；重叠协作；干扰消除

小基站网络被看作是未来最有应用前景的一种提升无线网络容量和覆盖性能的解决方案。小基站网络的基本思路是部署即插即用的、低成本、低功率的小基站，这些小基站由已有的回传链路技术（比如数字用户线路、电缆调制解调器、无线回传链路等等）相连接[1]。文献[1]的作者研究了小基站网络的部署、物理层技术以及资源管理等等方面。小基站的种类包括由运营商部署的微微基站和由终端用户在家庭场景或者办公室场景中部署的家庭基站。近年来，小基站网络得到了包括3GPP在内的一系列国际标准化组织的重视[1-3]。文献[2]的作者指出，家庭基站在2010年底已经在数量上超过了传统基站，他们探究了家庭基站的历史发展轨迹，阐明了家庭基站的关键方面，并且指出小基站技术会在未来有一个迅速的发展。文献[3]的作者研究了在存在两种不同的接入控制方式，即开放式接入控制和封闭式接入控制两种情况下两层小基站异构网络中的小区切换与小区选择问题。小基站的部署被期望能够提供高容量的无线接入，并且能够在降低运营商的部署成本的同时为移动用户提供新服务。此外，小基站网络是帮助宏基站网络分担数据流量的一种重要手段[4]。文献[4]的作者研究了正交频分多址接入的家庭基站的部署对于现有的宏蜂窝网络的影响，特别是对一个实际的正交频分多址接入的宏蜂窝和家庭基站两层网络场景的覆盖和干扰情况进行了分析。他们还研究了网络中的频谱分配和干扰减少问题，以及自配置技术和自优化技术。

小基站网络的成功引入带来了许多关键技术挑战，特别是干扰管理和干扰消除方面[4-9]。文献[5]的作者提出了一种基于资源分块和感知的小基站网络干扰避免技术，并且不需要使用X2接口或者空中信令。文献[6]的作者研究了在两层宏蜂窝和小基站异构网络中的小基站部署结构和宏蜂窝的数据卸载。文献[7]的作者研究了一种有着服务质量限制的物理资源块分配的自组织的策略，用于避免同层和跨层干扰。他们指出这种自组织策略包括自配置和自优化两方面，并追求物理资源块使用效率的最大化。文献[8]的作者研究了一种常见的基于效用最大化的小基站网络中的干扰协调和资源分配问题。他们采用了一种信念传播框架来得到问题的近似解。文献[9]的作者研究了连续干扰消除技术在上行通信中的应用，并且定义了一种能够描述连续干扰消除技术的性能增益的分析框架。在小基站网络中，不同的小基站之间存在严重的下行同层干扰。这种下行干扰会严重损害系统性能，特别是当小基站的部署比较密集的时候，小基站用户受到的来自其他小区的小基站的下行同层干扰尤为显著，这大大降低了系统性能。现有的进行干扰消除的一种重要手段是协同多点技术[10-14]。文献[10]的作者给出了关于多种协同多点技术的详细描述，介绍了协同多点技术的信息论概念背景和实际应用中的算法，并对协同多点技术进行了大量的仿真测试和实地测试。文献[11]的作者研究了协同多点技术在上行和下行链路中带来的显著增益，并分析了协同多点技术面临的技术挑战。他们还通过具体实验展示了协同多点技术的基本可行性。文献[12]的作者研究了多种协作通信技术，包括中继技术、分布式天线系统技术、多小区协同技术、组合小区技术和协同多点发射和接收技术，并且对这些技术的特点进行了分析和对比。文献[13]的作者研究了为了有效实现协同多点技术下行发射和上行接收的必要的标准支持，并且分析了具体设计的选择。他们同时研究了协同多点技术部署需要的具体场景。文献[14]的作者研究了异构回传链路（有线回传链路和空中回传链路的组合）对于小基站网络的影响。协同多点技术包括了协同调度和协同波束赋形、联合传输和传输点选择。其中主要的两种技术是协同波束赋形和联合传输。在联合传输中，多个传输点共享数据，而在协同波束赋形中，一个用户需要的数据只可以从一个传输点处获得，多个传输点只能共享信道状态信息。传统的小基站网络之中，小基站之间是非合作关系。

本文提出了一种基于下行波束赋形的小区间重叠协作的算法，用于解决存在回传链路限制的小基站网络中的干扰问题。通过采用我们提出的小基站之间的重叠协作算法，存在回传链路限制的小基站网络中的下行同层干扰能够得到有效的消除，从而提高以系统吞吐量衡量的系统性能。

1 系统模型

小基站网络系统模型如图1所示。考虑一个下行多小区的小基站网络，网络中共有M个小区。每个小基站的编号依次为m=1、2……M。每个小基站拥有[Nt]根发射天线，每个小基站对应服务一个活跃用户，即小区m中的用户编号为m，每个用户装有1根接收天线。采用窄带平衰落模型，设用户m接收到的来自小基站k的接收功率为[Pm，k]，小区m的用户和小基站k之间的信道为[hm，k]，小基站m处的波束赋形向量为[wm]。[hm，k]是一个[Nt]行1列的列向量，每个元素都是独立同分布的随机变量，并服从[CN0，1]分布。噪声为[σ2]。因此，小区m内的用户的瞬时SINR表示为：

[SINRm=Pm，mhHm，mwm2k≠mPm，khHm，kwm2+σ2] （1）

其中[*H]表示共轭转置。

计算服务小基站和干扰小基站的接收功率所使用的路径损耗模型公式为：

[Pm，k=P0dm，kR-α] （2）

其中R为小区半径，[P0]是小区边缘的接收功率，[α]是路径损耗因子，[dm，k]是用户m和小基站k之间的距离。

由以上公式，可以计算出每个小区m的用户容量为：

[Rm=Elog21+SINRm ] （3）

接下来，我们可以计算出系统回报（以吞吐量衡量）为：

[S=m=1MRm] （4）

在传统非合作场景中，每个小基站服务自己小区的用户，并且不会消除来自其他小区的干扰。这种情况下，小基站采用最大比合并波束赋形方法来计算波束赋形向量。预编码向量依据用户自身的信道方向而进行设计。对于小基站m而言，对应的归一化波束赋形向量为：

[wm=hm，mhm，m ] （5）

这样可以保证波束赋形向量与用户信道在同一方向上。

下面我们提出一种新的重叠协作算法，来解决存在回传链路限制的小基站网络中的干扰消除问题。

2 重叠协作算法设计

我们考虑基于下行协同波束赋形的重叠协作算法。协同波束赋形是指多个小基站通过回传链路共享信道状态信息，然后设计相应的波束赋形向量。我们采用部分迫零波束赋形方法，来求出波束赋形向量[15]。文献[15]的作者研究了无线自组织网络中的多天线通信的好处。波束赋形向量的一些自由度被用于消除小区间干扰。由于环境限制，每个基站m最多可以帮距离它最近的[Llim]个用户消除干扰。设基站m决定帮助消除干扰的用户集合为[Um=1，2，...，K]，并满足[Um≤Llim≤Nt]。那么，波束赋形向量[wm]需要被选择在信道向量[hm，m]在矩阵[Ηm=h1，m，h2，m，...，hK，m]的零空间上的投影方向上。因此，波束赋形向量的计算公式为：

[w'm=I-Phm，m] （6）

其中，[Ηm]上的投影矩阵为[P=ΗmΗ*mΗm-1Η*m]，这里*是共轭转置算符。

接下来，对波束赋形向量归一化，得到：

[wm=w'mw'm] （7）

有了部分迫零波束赋形方法，我们可以把为用户m消除干扰的基站集[Bm]看做一个协作小组。消除干扰时用户需要把自己的信道信息反馈给自己的服务基站，再由服务基站通过回传链路传给目标基站。由于回传链路的限制，每个用户最多可以由[Tlim]个基站帮忙消除干扰，即[Bm≤Tlim]。由于一个基站可以为多个用户消除干扰，也即一个基站可以加入多个协作小组，因此我们的方法是重叠协作的。具体的小基站网络重叠协作算法如图2所示。

（1）在初始状态下，网络中的所有基站都是非合作关系，采用最大比合并波束赋形方法求解波束赋形向量，从而计算系统回报。

（2）每一轮重复进行如下操作：

对网络中的每一个基站，改变它当前的帮助消除干扰的用户集[Um]，同时其他相应基站的用户集也随之改变，判断新加入消除干扰用户集的用户所对应的消除干扰的基站数量是否超出回传链路限制，并计算新的系统回报，判断系统回报是否提升。如果所有用户都未超出回传链路限制，系统回报又有提升，那么完成一次用户集改变。

（3）重复（2）中的操作，直到遍历一遍所有基站时，所有基站的消除干扰的用户集都没有改变。此时，算法收敛，达到稳定，确定每个基站帮助消除干扰的用户集[Um]。

（4）依据每个基站帮助消除干扰的用户集[Um]，采用重叠协作方法计算出每个基站的部分迫零波束赋形向量。

（5）依据每个基站的波束赋形向量计算出算法得到的最终系统回报。

有了以上的重叠协作算法，能够有效消除存在回传链路限制的小基站网络中的干扰，提升系统性能。

3 仿真结果

本节给出主要的仿真结果。小基站随机均匀地分布在以宏基站为圆心的一个圆形区域内。每个小基站的覆盖范围也为一个圆形区域。小基站的发射功率为23 dBm。图2中我们给出了网络中小基站数量不同的情况下的传统非协作场景和我们提出的重叠协作算法的系统性能对比。

不同小基站数量情况下的两种场景的系统回报对比如图3所示。由图3可以看出，当小基站数量较小时，由于小基站之间的干扰较小，我们提出的重叠协作算法相比于非协作算法对于系统回报有一定的提升。随着小基站数量的不断增长，其他小区小基站到本小区用户的下行同层干扰越来越严重，因此我们的重叠协作算法相比于非协作场景对于系统性能的提升效果越来越显著。因此，对于存在回传链路限制的小基站网络，我们提出的基于下行协同波束赋形的重叠协作算法相比于非协作场景而言，能够大幅减少小区间的下行同层干扰，有效提升以系统吞吐量为指标的系统性能。

4 结束语

本文提出了一种在有限回传链路的小基站网络场景中应用的基于下行协同波束赋形的重叠协作算法，用于解决小基站网络中的下行同层干扰消除问题。本文提出的重叠协作算法采用了部分迫零波束赋形方式计算波束赋形向量，有效地降低了小基站网络中的下行同层干扰。仿真结果表明，相比于传统的非协作场景，本文提出的基于下行协同波束赋形的重叠协作算法能够显著降低有限回传链路中的小基站网络的下行同层干扰，并最终提升以系统吞吐量为指标的系统性能。

参考文献

[1] QUEK T Q， de la ROCHE G， GUVENC I， KOUNTOURIS M. Small cell networks： Deployment， PHY techniques， and resource management [M]. Cambridge University Press， 2013

[2] ANDREWS J G， CLAUSSEN H， DOHLER M， et al. Femtocells： Past， present， and future [J]. Selected Areas in Communications， IEEE Journal on， 2012， 30（3）： 497-508

[3] FENG Z Q， SONG L Y， HAN Z， et al. Cell selection in two-tier femtocell networks with open/closed access using evolutionary game [C]//Proceedings of the Wireless Communications and Networking Conference （WCNC）， 2013 IEEE. IEEE， 2013： 860-865

[4] DAVID L P， VALCARCE A， de la ROCHE G， et al. OFDMA femtocells： a roadmap on interference avoidance [J]. Communications Magazine， IEEE， 2009， 47（9）： 41-48

[5] GUVENC I， JEONG M R， SAHIN M E， et al. Interference avoidance in 3GPP femtocell networks using resource partitioning and sensing [C]//Proceedings of the Personal， Indoor and Mobile Radio Communications Workshops （PIMRC Workshops）， 2010 IEEE 21st International Symposium on. IEEE， 2010： 163-168

[6] CALIN D， CLAUSSEN H， UZUNALIOGLU H. On femto deployment architectures and macrocell offloading benefits in joint macro-femto deployments [J]. Communications Magazine， IEEE， 2010， 48（1）： 26-32

[7] LIANG Y S， CHUNG W H， NI G K， et al. Resource allocation with interference avoidance in OFDMA femtocell networks [J]. Vehicular Technology， IEEE Transactions on， 2012， 61（5）： 2243-2255

[8] RANGAN S， MADAN R. Belief propagation methods for intercell interference coordination in femtocell networks [J]. Selected Areas in Communications， IEEE Journal on， 2012， 30（3）： 631-640

[9] WILDEMEERSCH M， QUEK T Q S， KOUNTOURIS M， et al. Successive interference cancellation in uplink cellular networks [C]//Proceedings of the Signal Processing Advances in Wireless Communications （SPAWC）， 2013 IEEE 14th Workshop on. IEEE， 2013： 310-314

[10] MARSCH P， FETTWEIS G P. Coordinated Multi-Point in Mobile Communications： from theory to practice [M]. Cambridge University Press， 2011

[11] IRMER R， DROSTE H， MARSCH P， et al. Coordinated multipoint： Concepts， performance， and field trial results [J]. Communications Magazine， IEEE， 2011， 49（2）： 102-111

[12] TAO X F， XU X D， CUI Q M. An overview of cooperative communications [J]. Communications Magazine， IEEE， 2012， 50（6）： 65-71

[13] JUHO L，YOUNSUN K， HYOJIN L， et al. Coordinated multipoint transmission and reception in LTE-advanced systems [J]. Communications Magazine， IEEE， 2012， 50（11）： 44-50

[14] PANTISANO F， BENNIS M， SAAD W， et al. On the impact of heterogeneous backhauls on coordinated multipoint transmission in femtocell networks [C]//Proceedings of the Communications （ICC）， 2012 IEEE International Conference on. IEEE， 2012： 5064-5069

[15] JINDAL N， ANDREWS J G， WEBER S. Rethinking MIMO for wireless networks： Linear throughput increases with multiple receive antennas [C]//Proceedings of the Communications， 2009. ICC'09. IEEE International Conference on. IEEE，

2009： 1-6