面向5G 的小蜂窝网络研究综述*

贾亚男，岳殿武，2，＊＊

(1.大连海事大学 信息科学技术学院，辽宁 大连 116026;2.浙江省数据存储传输及应用技术研究重点实验室(杭州电子科技大学)，浙江 杭州 310018)

1 引言

无线通信深刻影响着人们的日常生活和社会经济发展，但人们对更高性能通信服务的需求从未停止过。移动互联网和物联网的飞速发展将带来第五代移动通信(The Fifth－generation Mobile Communications，5G)流量上千倍的增长，最近相关研究机构和组织的研究表明移动数据流量每年都在翻倍［1］。室内或热点地区的无线服务需求已成为当下无线容量增长的主要动力［2］。为应对未来数据流量和连接设备数量的爆炸式增长以及不断涌现的新业务和新应用，对5G 技术的研究迫在眉睫［3－8］。未来，5G将包含人类社会生活的各个方面，并以用户为中心构建智能化的信息生态系统;5G 将为用户提供极佳的交互式体验，通过突破时空限制来获得身临其境的信息盛宴;5G 通过无缝融合的方式实现人与人、人与物、物与物的智能互联，拉近通信双方的距离。光纤般的接入速率、毫秒级的时延体验、超高流量密度、超高连接数密度和超高移动性等多场景的业务服务以及用户感知的智能优化、超百倍的网络能效提升和比特成本降低等，都将成为实现“信息随心至，万物触手及”的无线服务目标的有利保障。

本文重点分析超密集组网下小蜂窝网络(Small Cell Network，SCN)在增加无线系统容量、提高能量效率、充分利用频谱资源和降低成本等方面的优势以及在自组织和自优化、网络覆盖和移动性、干扰管理和安全问题等方面所面临的挑战，给出了对应的解决方案，并分别从上行和下行通信的角度分析了具有认知功能的小蜂窝网络与宏蜂窝网络共存时的相关干扰问题和解决思路，以期为小蜂窝网络的进一步发展指明方向。

2 5G 发展愿景与技术

为应对未来移动互联网和物联网的爆炸式发展，并实现5G 系统的可持续发展，需要从网络建设和部署及运营维护这两方面来提升5G 系统性能。在网络建设和部署中，5G 首先需要提供更高质量的网络容量和覆盖，同时还要降低网络部署，尤其是超密集组网时的复杂度和成本;其次需要具备灵活可扩展的网络架构以适应海量用户和物联网设备业务的多样化需求;最后需要灵活高效地动态利用各类频谱资源(低频段和高频段、授权和非授权频段、连续和非连续频段)。在运营维护时，5G 首先需要改善网络能效和比特运维成本，并减少无线通信能量消耗对环境的影响，增加用户和设备接入的积极性;其次需要增加网络兼容性和部署灵活性，降低多制式共存和新功能引入时的复杂度;最后需要网络智能感知用户设备需求，并保证通信安全性。

面对5G 的需求，传统的以多址技术为更新换代主线的移动通信发展模式将不再适应，5G 的无线技术创新来源将更加丰富。新型的多址技术(如稀疏码分多址、图样分割多址和多用户共享接入等)、大规模天线、超密集组网、全频谱接入、灵活或全双工、非正交传输、新型调制编码和终端直通等都将是5G 潜在的无线关键技术，其中，超密集组网将是现阶段提升网络容量最有效的解决方案。若从调制编码技术等带来的频谱效率提高、频谱带宽的增加和蜂窝数量的增加(即蜂窝网络服务半径收缩和频谱资源重复利用)这三个因素对提升无线系统容量的贡献看，在过去的发展中无线网络容量的增加主要来自蜂窝数量的增多，而且在未来也将起决定性作用。

3 小蜂窝网络与5G

未来室内和热点地区高速率及多样化的服务需求将占据无线服务数据流量的主要部分，传统的以宏基站(Macro Base Station，MBS)覆盖为主的通信技术设计准则将不再适应5G 技术的发展。因此，需要引入基于本地的国际移动通信(International Mobile Telecommunications，IMT)方案，实现与基于宏覆盖的IMT 方案的演进路径共存和相互协作，以推进5G 的快速发展。由图1［2］可知，5G 中基于本地的演进与基于宏覆盖的演进起着同样重要的作用，而在4G 及之前的技术中以基于宏覆盖的演进路线为主。而小蜂窝网络(Small Cell Network，SCN)［9－10］技术能够允许大量覆盖半径小、成本小和功耗低的基站共存，且其具有自组织和自优化能力。SCN 的提出将很好地适应基于本地IMT 方案的演进。

图1 5G 演进趋势Fig.1 Evolution change for 5G

虽然在基于宏覆盖的演进过程中也出现了如microcell(毫蜂窝)、picocell(毫微蜂窝)和femtocell等具有较小覆盖半径的基站，但这些基站主要用于补充宏基站容量和盲区覆盖，且需要与宏基站一起受运营商统一规划，缺乏自组织和自优化能力。而SCN 能够满足大量具有自组织、低成本和低能耗的小蜂窝基站(Small Cell Base Station，SCBS)随机致密化部署。SCBS 具有与多种空口技术相一致的接入方式，除具有较小发射功率(一般0.1～10 W)和较小覆盖范围(一般10～150 m)外，与宏基站(Macro Base Station，MBS)的概念基本相同。但从网络管理的角度来看，SCBS 与MBS 相比有两个主要的本质不同之处，即超密集组网和动态随机部署。超密集组网需要SCBS 具有自组织和自优化能力，以减少人工在规划、配置、运作、监督和保养等方面的开销。而如今无线蜂窝网络在人工操作上的花销占据总开支的75%之多［9］，这在SCN 中将是无法承受的。动态随机部署需要SCBS 具有即插即用的热插拔特性，能够接入基于IP 的互联网作为回传网络，以充分利用现有的固网资源。由于SCBS 允许用户随机部署，且往往处于次最优的部署位置处，不能保证高速数据业务的全覆盖，这就需要SCBS 能够感知周围的通信环境，以完成其相关通信参数的配置，并与相邻SCBS 或MBS 进行交互协作。相比于新增MBS 较难的基站选址问题(特别是密集的大城市)以及较大的基站建设资本支出(Capital Expenditures，CAPEXs)和昂贵的用于部署、操作和维护基站的运营开支(Operational Expenses，OPEXs)，SCBS 具有部署简单、投资小和维护成本低等优点。宏基站和小蜂窝基站各自的特征总结见表1。

表1 宏基站与小蜂窝基站特征对比Table 1 Comparison between macro and small cell base stations

4 小蜂窝网络在5G 中的优势及挑战

4.1 小蜂窝网络在5G 发展中的主要优势

SCN 在5G 发展中将发挥重要作用，其主要优势可从增加无线系统容量、提高能量效率、充分利用频谱资源和降低成本这四个方面进行分析说明。

(1)增加无线系统容量

在满足一定信干噪比(Signal－to－Interference－plus－Noise，SINR)条件下，通过增加SCBS 数量可以近似线性地增加系统容量。在热点地区设置SCBS 可以有效地缓解无线业务高峰期的流量压力，而在宏蜂窝网络边缘地区或偏远地区引入SCBS 可以有效地进行补盲，并解决通信速率低的状况。SCN 中通信设备间的距离较小，信号的传输环境在收发设备间基本相同，因此，相比于基于宏蜂窝多输入多输出(Multiple－ Input－ Multiple－ Output，MIMO)天线机构中10 倍波长的天线间隔，可以设计具有更小天线距离(半波长)的MIMO 天线结构，并能保证天线间具有低相关性，这大大增加了SCBS 所能容纳的天线数［2］。同时，利用高频段优质的频谱资源(如毫米波)能够设计更加密集的天线阵列，使得多用户MIMO 和Massive－MIMO［5］等通信技术能够很好地应用到SCN 中，为满足未来爆炸式增长的数据流量和设备数量提供了可靠保障。

(2)提高能量效率

从物理结构上看，SCBS 与通信用户间较短的通信链路能够有效地减少路径损耗，降低单位比特所消耗的能量，延长移动设备的电池续航时间。而且SCBS 不像宏基站那样需要冷却系统，进一步减少了能量消耗。通过引入有效的睡眠算法，使得SCN 中的SCBS 能够根据负载的变化动态地调整工作模式，进而避免不必要的功率消耗和干扰的产生。相比于宏蜂窝网络，SCN 中收发两端较小的发射功率减小了电磁辐射对人体的危害，同时也减少了温室气体排放。若在SCBS 中引入Massive－ MIMO 技术［11］，相比于采用较少天线数的MIMO 技术，在消耗相同功率的情况下能够获得更大的容量提升和覆盖范围，这可以进一步提高系统能量效率。

(3)充分利用频谱资源

可用的无线通信频谱属于稀缺资源，因此，不能单纯地通过增加频谱资源来应对未来海量的数据传输需求，一种有前景的解决方法就是认知无线电(Cognitive Radio，CR)技术［12］。CR 通过有效的频谱感知技术来灵活地复用空闲频谱资源，进而满足数据传输对带宽的需求，而SCBS 较小的传输功率和覆盖范围使得其能够在一个相对孤立的环境中进行通信。同时，SCBS 所具有的自组织和自优化特性使其能够动态地调整通信参数(发射功率、频谱资源、切换模式和睡眠模式等)，以适应周围变化的通信环境。因此，可在SCN 中引入CR 技术以进一步提高频谱资源的利用效率。而且高频段频谱的传输特性较适合短距离的视距传输环境，频谱的复用效率非常高，且传输链路间的干扰较弱，非常适合作为密集部署SCBS 的回传解决方案，这也使得大量优质的高频段(6～100 GHz)频谱资源能够很好地应用于SCN 中。高频段较小的天线尺寸使得SCBS 具有极高的集成度，非常适合各种环境条件下的安装。在现有的移动通信系统中，主要物理层参数是基于宏蜂窝的特点而配置的，如第三代合作伙伴计划(The Third Generation Partnership Project，3GPP)中长期演进(Long－Term Evolution，LTE)系统的主要物理层参数循环前缀(Cyclic Prefix，CP)长度和子载波空间间隔，其数值的设定是为了满足高速移动(350～500 km/h)和广覆盖(10 km)的宏蜂窝环境。而相对于室内或热点地区的情形，CP 长度可以降低数倍，子载波间隔可以提高数倍，这样就可以进一步提高频谱利用效率。

(4)降低成本

针对SCN 中弱移动性和小半径的无线服务环境，可以设计更加廉价的射频和基带芯片以及集成度较高的设备，以降低SCBS 的硬件成本。电信运营商在热点和偏远地区以及应急情况下引入SCBS，能够有效降低运营商选址成本，降低基站运营和维护成本，并能实现快速组网。通过采用高频段进行无线回传，可有效降低光缆铺设成本。而用户选择安装SCBS 设备能够获得更优质廉价的无线传输服务，且可以降低通信成本。

4.2 小蜂窝网络在5G 发展中面临的挑战

尽管SCN 具有诸多的优点，但为应对未来多样化的通信环境和通信需求，不断增多的SCBS 使得SCN 也面临着诸多挑战，其所面临的问题和对应的解决方案可总结为如下几点。

(1)自组织和自优化

SCN 需要具有自组织和自优化功能，通过感知周围的无线环境自动配置基本的无线系统参数和优化无线资源分配，自动更新邻近小区列表，并能够实现错误节点设备的自我修复。为加速SCN 资源分配的收敛速度，降低设备感知复杂度，并获得较好的传输策略方案，需要采用更加智能的资源分配算法，如基于教学(Docitive)［13］的资源分配算法的引入能够有效提高SCN 的自组织和自优化性能，当SCN 中有一个SCBS 启动时，为减少初始化阶段对周围环境进行检测而消耗的时间和能量，该SCBS 采用Docitive 的方案向周围已工作的SCBS 学习，并获得其检测结果，这样就可以在提高资源分配精度的同时提高资源分配算法的收敛速度。为避免大量信令交互而降低系统性能，需要SCN 尽量减少网络间的切换，如采用有效的负载均衡方法。为保证SCN 具有可扩展性，所采用的算法应具有一定的容错性，并都能够在分布式和集中式框架下实施。随着SCN中所部署SCBS 数量的增加，合理的睡眠模式将有助于减少不必要的能量消耗和干扰。同时，如何从系统的角度分析SCN 的性能指标(容量、时延、比特错误率和中断概率等)将具有重要的现实意义，而基于随机矩阵理论(Random Matrix Theory，RMT)进行大系统性能的分析能够有效地降低算法复杂度，并获得比较准确的预测结果［10］。

(2)网络覆盖和移动性

由于SCBS 部署的随机化，将不能保证高速无线服务的全覆盖，同时大量SCBS 的使用将增加网络间干扰协调的复杂度。因此，需要采用有效的用户切换方案来应对不同的用户需求和系统性能限制，如在用户业务需求质量提升、当前网络信号变弱、当前网络出现拥塞和新网络具有更好服务性能等情况下，用户需要在SCBS 间及SCBS 与MBS 间进行合理的切换操作来获得更优的服务和更大的系统性能提升。而单个SCBS 的服务半径一般为10～100 m，当用户设备移动速度增大时，传统的硬切换算法将导致较大的切换信令开销，甚至引起切换失败和乒乓切换效应。因此，SCN 需要与宏网络协同工作，可由宏网络提供统筹管理并保证无线信号覆盖，而SCN 承载高速数据业务。在进行切换时可考虑多目标切换策略，通过增加可切换资源(中心频率、带宽、信号强度和干扰强度)数来提高切换成功率［14］。另外，如何构建以用户为中心的虚拟蜂窝网络［15］，使得用户设备在进行无线通信时感知不到网络间切换带来的影响，这将非常有利于提高用户体验水平。

(3)干扰管理

信息通信技术(Information and Communication Technology，ICT)已成为全球第5 大耗能产业，且移动网络的功率消耗占ICT 功耗10%之多。虽然单个SCBS 的功耗不大，但随着部署数量的增加，其所带来的功耗也非常巨大，如来自公司ABI Research的市场研究数据表明，2015年Femtocell 的出货量达5400 万，总能耗达到6.48×108W 之多。当采用频谱复用因子为1 的开放式接入方式随机部署SCBS时，随着SCBS 数量的增多，且缺乏统一规划，SCN中同层网络间以及SCN 与宏网络间的干扰问题将愈发严重。而且SCN 中通信链路间具有视距传播特性，若不采用有效的干扰管理方案，系统性能将受到严重损害。因此，需要智能的睡眠模式、功率控制机制和有效的动态频谱资源接入算法来减小有害干扰对系统性能的影响。而干扰对齐(Interference Alignment，IA)［16］技术、范德蒙德频分复用(Vandermonde Frequency Division Multiplexing，VFDM)［17］技术和多网络联合处理［18］技术具有较高的复杂度，且需要可靠的信道状态信息(Channel State Information，CSI)来保证算法的有效性，而实际的无线网络系统中这些算法所能带来的性能增益和利益还不太明朗。

(4)安全问题

信息安全问题已经越来越引起人们的注意，美国“棱镜门”事件已经为我们敲响了警钟。由于SCN 具有分层的扁平化结构，SCN 中可能会出现传统蜂窝系统没有的易受网络攻击的弱节点问题。当将SCBS 接入不受运营商完全掌控的基于IP 的回传网络时，用户隐私将受到威胁。因此，需要SCBS 具有防止网络攻击的能力，避免黑客等不法分子暴力接入基站获取和篡改用户信息。而如何将拟态安全防御技术［19］等安全机制引入SCN，以提高系统的抗攻击能力将具有切实的现实意义。

5 认知小蜂窝网络

具有优质传输特性的频谱属于稀缺资源，而现有的通信技术需要更多的频带来应对人们不断增加的高质量通信需求，为满足快速发展的移动通信服务，频谱资源将成为5G 网络发展的命脉。预计中国到2020年还有1000 MHz的频谱缺口，而现有的通信技术对频谱的利用率较低，美国联邦通信委员会的研究表明，平均仅有15%～85%的授权频谱被充分利用［20］。而认知无线电技术［12］能够通过有效的频谱感知技术发现频谱空穴资源，在不对授权的主用户(Primary User，PU)通信设备产生有害干扰的情况下能够提高频谱资源的利用效率，进而增加系统吞吐量。由于SCBS 具有较小的覆盖范围以及自组织和自优化功能，其固有的特性使得认知无线电技术能够很好地融入到SCN 的部署中，通过发现和使用空闲频谱资源能够进一步提高频谱资源的复用率。因此，由认知无线电技术与SCN 的结合而得名的认知小蜂窝网络(Cognitive Small Cell Networks，CSCN)技术已逐渐成为人们研究的热点［5，21－22］，而其所服务的用户可称为认知小蜂窝用户(Cognitive Small Cell User，CSCU)。SCBS 的随机部署对设备的分布式自组织能力提出了较高的要求［23］，而具有认知特性的SCBS 能够通过感知其周围的无线通信环境自适应地调整其通信参数［24］，使其能够在满足即插即用特性的同时最优化通信系统的整体性能。

在CSCN 和宏网络(或其他无线网络)共同组成的异构网络中，SCBS 的随机大量部署使得该异构网络变得更加复杂多变［21］。如何有效地解决其中的网络覆盖、用户切换、基站选择、功率和频谱资源分配等问题已获得广泛关注。根据不同的业务需求，本节将分别从上行通信和下行通信两个角度介绍CSCN 和宏网络共存时所面临的相关问题。

5.1 上行通信干扰问题

上行通信时，移动用户设备是功率发射的主体，对应的服务基站是接收信号的受体，在通信过程中移动设备将不可避免地出现干扰其他接收基站的情形，如图2 所示，其中虚线部分表示干扰。当CSCU开始通信时，需要进行SCBS 的选择，根据不同的接入方式，可将其分为封闭式、开放式和混合式接入［25］。若采用封闭式接入模式时，CSCU 只能接入其注册授权的SCBS，而不能接入其他SCBS。当CSCU 距离自己的服务基站较远，但距离其他SCBS或MBS 较近时，CSCU 设备需要较大的发射功率才能进行可靠通信。图2 中CSCU1 和CSCU3 将分别对MBS 和SCBS2 在同频段上产生干扰，随着CSCU的增多，累积干扰将会影响系统整体性能。因此，需要CSCU 选择不同的频段资源或减小发射功率，以避免同层网络或跨层网络间的有害干扰，或者通过在基站端引入干扰温度限制来控制有害干扰的产生。但由于该限制条件使得不同CSCU 间的发射功率和频谱资源策略间存在耦合关系，在未知系统全局CSI 的情况下，使得求解CSCN 中各CSCU 的最优发射策略变得更加复杂，且不易在分布式结构下实现。若允许CSCU 进行SCBS 的选择，即采用开放式的接入模式，在满足一定服务质量(Quality of Service，QoS)需求的情况下，通过接入信道状态较好的SCBS 来减少对其他基站设备的干扰。如CSCU x 设备在多个SCBS 的覆盖下，需要进行合理的基站选择来减少对其他基站的干扰，并且可以降低自身的能量消耗，进而提高移动设备的电池续航能力。但开放式的接入模式具有较大的安全风险，需要基站设备能够识别和应对未知的攻击行为。而混合式接入模式中的SCBS 在满足了本网络服务需求或能够为其带来更多无线资源的前提下，才允许对应CSCU(其他SCBS 中的注册用户)的接入。

图2 上行干扰传输模型Fig.2 Uplink interference transmission model

针对CSCU 设备的移动切换问题，若不能进行合理的网络切换，将会引起通信中断，如PU4 在宏网络边缘时，需要切换到SCBS3 才能进行有效通信。为满足不同的性能需求，需要采用合理的切换算法来激励SCBS 主动提供服务，可以从满足最小链路容量需求、最小化比特错误率、最小化系统干扰、最大化系统容量或最大化能量效率等角度进行切换。如图2 中的PU3，由于其处于宏网络边缘，在固定带宽的频段上需要较大的发射功率才能建立有效通信，这增加了对CSCN 的干扰，尤其是对SCBS2的干扰。若SCBS2 允许PU3 的接入，由于通信链路间距离较近，在满足相同QoS 的情况下，PU3 将消耗更少的功率和使用更少的带宽，这样就可以减少对CSCN 中其他SCBS 的干扰，增加CSCN 中可用频谱资源的数量，同时也减少了电磁辐射对人体的危害。而基于分簇的虚拟网络结构能够实现以CSCU 为中心的连续无线服务，使得CSCU 感受不到其在同一簇中不同SCBS 间的切换行为，该切换过程将由簇头进行统一管理。根据分簇的基本原则可采用同区域分簇和跨区域分簇两种主要模式，其中同区域分簇是将具有相邻物理结构但使用不同频谱资源的SCBS 分为一簇，跨区域分簇是将具有不相邻物理结构但使用同一频谱资源的SCBS 分为一簇。根据不同的系统需求，如何有效地进行快速分簇和选择簇头将会对系统性能产生较大影响，如基于博弈论［26－27］、进化理论和蚁群算法等分簇方法的研究。

5.2 下行通信干扰问题

下行通信时，基站是功率发射的主体，所服务的用户设备是接收信号的受体，在通信过程中基站也将不可避免地出现干扰其他非授权移动用户的情形，如图3 所示。相比于宏蜂窝中通信链路设备两边不同的干扰环境，CSCN 中通信设备间较短的距离使得通信链路两边所受的干扰环境基本相同，这使得CSCN 上行通信中的很多方法可以移植到其下行通信中。当SCBS 距离MBS 较近时，同频带干扰将非常严重，一种简单有效的方法便是采用不同频段进行通信，但频谱利用率较低。而距离较远时，由于信号路径损耗和穿墙损耗的影响，MBS 对SCBS的干扰较弱，通过合理的功率分配可以实现全频谱复用。有效的切换算法也将减少MBS 对CSCN 的干扰，如图3 中PU2 和PU3 若被允许分别切换到SCBS3 和SCBS2，在满足相同QoS 的情况下，SCBS能够消耗较少的功率和使用较少的带宽，这样既减少了对CSCU1 的干扰，又能激励CSCN 主动为PU服务以使用更多的频谱资源，同时该方案也更加节能环保。若CSCN 不允许PU 的接入，则可能导致通信死区的出现，即虽然PU 能够接收到来自MBS 的信号，但由于来自邻近SCBS 的干扰较大，PU 将不能进行正常通信。因此，可以在PU 端引入干扰温度限制条件［27］，以避免CSCN 中所产生的累积干扰损害PU 的正常通信。

图3 下行干扰传输模型Fig.3 Downlink interference transmission model

针对用户的快速移动问题，频繁的网络切换将严重影响系统性能，而有效的分簇算法在下行通信中同样具有重要的作用。在分布式结构下，需要合理的动态频谱和功率分配机制来最优化系统性能，CSCN 主要从利己和利它两个方面进行资源配置。在利己方式下，SCBS 会尽量选择具有较好CSI 的频谱资源，并采用较大的发射功率来最大化其链路容量。而利它方式下，SCBS 在考虑自身性能的同时会考虑对其他SCBS 所服务用户的影响，以最大化系统整体性能为目标。如图3 中的SCBS2 可通过减少其发射功率来实现覆盖半径收缩，虽然服务的用户数量变少，但可以避免对其他移动设备产生有害干扰，同时也不会影响对CSCU2 的通信。

6 总结与展望

面对5G 较高要求的发展愿景，需要更多和更高的性能指标以及更多新型技术来指导和支持5G的发展，其中SCN 所具有的诸多优势使其在5G 的发展中起着重要作用，但同时也需要解决发展中所遇到的相关问题。而认知无线电技术与SCN 的结合充分发挥了各自的优点，使得认知小蜂窝网络能够更好地与宏蜂窝网络相融合，以适应5G 多样化的服务需求。基于SCN 特有的众多优点，并通过有效地解决其发展中所面临的问题，我们相信SCN 技术将对5G 的发展产生巨大的推动作用。

［1］ALEXIOU A.Wireless World 2020 Radio Interface Challenges and Technology Enablers［J］.IEEE Vehicular Technology Magazine，2014，9(1):46－53.

［2］CHEN S，ZHAO J.The Requirements，Challenges，and Technologies for 5G of Terrestrial Mobile Telecommunication［J］.IEEE Communications Magazine，2014，52(5):36－43.

［3］ANDREWS J G，BUZZI S，CHOI W，et al.What Will 5G Be?［J］.IEEE Journal on Selected Areas in Communications，2014，32(6):1065－1082.

［4］XU J，WANG J，ZHU Y，et al.Cooperative Distributed Optimization for the Hyper－Dense Small Cell Deployment［J］.IEEE Communications Magazine，2014，52(5):61－67.

［5］JUNGNICKEL V，MANOLAKIS K，ZIRWAS W，et al.The Role of Small Cells，Coordinated Multipoint，and Massive MIMO in 5G［J］.IEEE Communications Magazine，2014，52(5):44－51.

［6］HU R Q，QIAN Y.An Energy Efficient and Spectrum Efficient Wireless Heterogeneous Network Framework for 5G Systems［J］.IEEE Communications Magazine，2014，52(5):94－101.

［7］CHIH－LIN I，ROWELL C，HAN S，et al.Toward Green and Soft:A 5G Perspective［J］.IEEE Communications Magazine，2014，52(2):66－73.

［8］HASAN Z，BOOSTANIMEHR H，BHARGAVA V K.Green Cellular Networks:A Survey，Some Research Issues and Challenges［J］.IEEE Communications Surveys ＆ Tutorials，2011，13(4):524－540.

［9］HOYDIS J，DEBBAH M.Green，Cost－ effective，Flexible，Small Cell Networks［J］.IEEE Communications Society MMTC，2010，5(3):23－26.

［10］HOYDIS J，KOBAYASHI M，DEBBAH M e.Green Small－cell Networks:A Cost－ and Energy－Efficient Way of Meeting the Future Traffic Demands［J］.IEEE Vehicular Technology Magazine，2011，6(1):37－43.

［11］MARZETTA T L.Massive MIMO:An Introduction［J］.Bell Labs Technical Journal，2015，20(2):11－22.

［12］AKYILDIZ I F，LO B F，BALAKRISHNAN R.Cooperative Spectrum Sensing in Cognitive Radio Networks:A Survey［J］.Physical Communication Journal，2011，4(1):40－62.

［13］GIUPPONI L，GALINDO－SERRANO A，BLASCO P，et al.Docitive networks:an emerging paradigm for dynamic spectrum management［J］.IEEE Wireless Communications，2010，17(4):47－54.

［14］ROY A，SHIN J，SAXENA N.Multi－Objective Handover in LTE Macro/Femto－Cell Networks［J］.Journal of Communications and Networks，2012，14(5):578－587.

［15］ZHENG K，XIN X，LIU F，et al.Virtual Small Cells Using Large Antenna Arrays as an Alternative to Classical Het-Nets［J］.IET Communications，2013，7(16):1729－1738.

［16］ALI J S.Interference alignment－A new look at signal dimensions in a communication network［J］.Foundations and Trends in Communications and Information Theory，2010，7(1):1－134.

［17］CARDOSO L S，CAVALCANTI F R P，KOBAYASHI M，et al.Vandermonde－Subspace Frequency Division Multiplexing for Two－ Tiered Cognitive Radio Networks［J］.IEEE Transactions on Communications，2013，61(6):2212－2220.

［18］GESBERT D，HANLY S，HUANG H，et al.Multi－cell MIMO cooperative networks:A new look at interference［J］.IEEE Journal on Selected Areas in Communications，2010，28(9):1380－1408.

［19］邬江兴.拟态计算与拟态安全防御的原意和愿景［J］.电信科学，2014，30(7):2－7.WU Jiangxing.Meaning and vision of mimic computing and mimic security defense［J］.Telecommunications Science，2014，30(7):2－7.(in Chinese)

［20］PANG J S，SCUTARI G，PALOMAR D P，et al.Design of cognitive radio systems under temperature－interference constraints:A variational inequality approach［J］.IEEE Transactions on Signal Processing，2010，58 (6):3251－3271.

［21］CHENG S M，LIEN S Y，CHU F S，et al.On exploiting cognitive radio to mitigate interference in macro/femto heterogeneous networks［J］.IEEE Wireless Communications，2011，18(3):40－47.

［22］WILDEMEERSCH M，QUEK T Q S，SLUMP C H，et al.Cognitive Small Cell Networks:Energy Efficiency and Trade－ Offs［J］.IEEE Transactions on Communications，2013，61(9):4016－4029.

［23］BENNIS M，PERLAZA S M，BLASCO P，et al.Self－Organization in Small Cell Networks:A Reinforcement Learning Approach［J］.IEEE Transactions on Wireless Communications，2013，21(7):3202－3212.

［24］SARDELLITTI S，BARBAROSSA S.Joint Optimization of Collaborative Sensing and Radio Resource Allocation in Small－Cell Networks［J］.IEEE Transactions on Signal Processing，2013，61(18):4506－4520.

［25］ROCHE G，VALCARCE A，LóPEZ－ PéREZ D，et al.Access Control Mechanisms for Femtocells［J］.IEEE Communications Magazine，2010，48(1):33－39.

［26］JIA Y N，YUE D W.Dynamic Overlapped Spectrum Allocation based on Potential Game in Cognitive Radio Networks［J］.High Technology Letters，2014，20(4):401－408.

［27］贾亚男，岳殿武.博弈论框架下认知小蜂窝网络的动态资源分配算法［J］.电子学报，2015，43(10):1911－1917.JIA Yanan，YUE Dianwu.Dynamic Resource Allocation Algorithm Based on Game Theory in Cognitive Small Cell Networks［J］.Chinese Journal of Electronics，2015，43(10):1911－1917.(in Chinese)