CoMP中以天线为基本单位的双向协作集生成算法设计

王盛++郑娜娥

摘要：针对CoMP系统中协作集选择问题，提出了一种以天线为基本单位的协作集双向选择算法。该算法在用户侧进行待选协作集生成，在网络侧利用用户反馈的待选协作集及与之相关的信道状态信息，选择与用户进行协作的天线，完成终选协作集的生成。该算法对用户侧和网络侧进行分别处理，灵活性高，能够有效降低空中接口和回程链路传输的数据量，提高系统资源利用率；同时，算法充分利用了CoMP系统多天线的优势，提升了系统性能。仿真表明，本文所提算法能够以较低的计算复杂度获得与穷举算法相近的系统容量性能。

关键词：通信与信息系统；协作多点传输；协作集；天线选择；MIMO

中图分类号：TN929.53

文献标识码：A

DOI：10.3969/j.issn.1003-6970.2015.08.021

0 引言

协作通信技术作为一种有效的提高小区边缘服务质量的手段，近年来受到广泛关注^[1]。协作多点传输（Coordinated Multi-Point，CoMP）技术^[2][3]因能够充分利用调整相邻小区的发送信号，有效抑制小区间干扰（Inter Cell Interference，ICI），从而改善系统整体用户服务性能^[4][5]而得到重视；预编码技术由于能够有效消除由同频组网带来的共信道干扰^[6]（Co-Channellnterference，CCI）也得到了广泛应用。为使上述技术能够更好的发挥其效能，CoMp系统中的协作集选择成为研究的一项十分重要的内容，其选择结果可对预编码等的性能产生较大影响。

协作集选择可分为静态选择、半动态选择和动态选择三种^[7]。其中，静态协作选择是指根据实际网络的布设情况设置的固定协作集，在工作过程中不发生变化，实现简单，但适应性差，性能不高。动态协作集选择是以用户为中心的选择方式，可根据实际情况选择最合适的协作集，但系统开销大，且多个协作集可能重叠，影响系统性能。半静态协作集选择方法则取二者之折中，能够兼顾系统开销和灵活性，因此研究较为广泛。

文献[8]提出一种半静态轮转协作集选择方法。该方法利用时分的方式轮转事先划分好协作集，具有一定的适应性，但用户无法连续获得服务，且需要全网同步轮转，使得系统性能提升有限；文献[9]给出了一种基于贪婪算法的半动态迭代分簇方法，能够提升小区边缘用户速率，但算法依赖预先划定的预协作集，对实际系统中信道的快速变化缺乏适应性，对系统性能提升所起到的作用有限；文献[10]提出了一种分布式协作集选择方法，显著降低了Backhaul和空中接口的信令传输开销，提升了小区的平均频谱效率，但分布式的选择方式可能导致选取的协作集间产生冲突，从而降低系统性能提升效果。另一方面，现有文献中所提出的算法均是以基站为单位进行选取的，而CoMP系统中使用了MIMO技术^[11]，多天线是其重要特点，若将天线作为协作集的基本生成单位，则能够将一个基站划分到多个协作集，提高资源利用率。

本文提出一种以天线为基本单位的双向协作集生成算法，该算法以天线为基本单位，由用户和处理中心共同完成协作集的生成。与现有算法相比，本算法具有以下特点：

（1）更加灵活，可在用户端和处理中心根据实际情况采用不同的选择策略，提高系统适应性；

（2）通过用户端选择，减少了交互数据量，有效降低了空中接口和回程链路的负载；

（3）通过在基站侧选择发送天线，充分利用了MIMO系统信道特点^[12]和CoMP系统中多天线的优势，更加有利于提升系统性能。

1 系统模型

考虑如图1所示的CoMP系统，系统由J个小区构成。不妨设该系统可同时为K个边缘用户提供服务，其下行信道形式为干扰广播信道。系统中的处理中心对协作基站和用户进行统一调度，采集各用户的信道状态信息，分发用户的数据，所有基站均连接到该处理中心。每个基站的天线数为M，则系统的总发送天线数为N_t=MJ；每个用户的天线数为N，则系统的总接收天线数为N_r=NK。为进行系统容量的理论计算和仿真测试，在基站侧采用SLNR预编码方式消除CCI。

假设信道平坦衰落，X_k为发送给用户k的t_k×1字符向量，F_k为对应用户k的N_t×t_k预编码矩阵，则用户k（k=1，…，K）的接收信号可表示为N×1列向量

式（1）等号右边三项依次为发送给用户k的有用信号、发送给其他用户的信号（视作干扰）以及均值为零，方差为σ²的N×1加性复高斯白噪声向量。H_k为用户k的N×N_t信道矩阵，可视为由J个N×M子信道矩阵组成，即

当基站向每个用户发送一个数据流，即t_k=1时，F_k可由下式求出^[13]

2 协作集双向选择算法设计

不同用户同时占用了相同的信道资源是导致CCI问题出现的主要原因。在实际系统中，所有用户所需要的资源总和通常大于系统所能提供的资源，随着用户数量的增加，若不对用户占用系统资源的情况进行控制，则必然导致同时占用相同信道资源用户过多，从而导致系统性能恶化。如果能够为同时进行数据传输的用户选择合适的下行发送天线，降低同时占用相同信道资源的用户数量，则能够有效降低CCI，提高系统性能。在发送端进行天线选择可以实现对同时占用信道用户的规划和控制。同时，通过在发送端进行预编码，能够进一步降低CCI，提高系统性能。endprint

另一方面，当用户数量过多时，系统无法同时满足全部用户的传输需求，仅依靠发送天线选择和预编码降低系统CCI并不能获得最优的系统性能。此时，需要根据实际情况采用不同的策略降低系统的同时服务用户数，即进行同时服务用户的选择，使用户和发送天线形成协作集，令系统达到预期的最优性能。

同时，在系统中，当以小区为单位进行协作集选择时，共有2^J-1种可能；当以天线为单位进行协作集选择时，共有2^MJ-1种可能。可能的选择方案数随着基站和天线数量的增多急剧上升，要遍历所有可能的协作集生成方案几乎不可能。

基于上述考虑，本文算法对接收（用户）端和发送（基站）端分别进行了处理。在接收端，用户通过测量接收到的信号，选择数个基站作为其待选协作集，并将与待选协作集中所有基站的信道状态信息反馈给处理中心；在发送端，处理中心根据用户反馈的待选协作集及其信道状态信息，一方面选择将要服务的用户，另一方面为用户选择合适的协作基站及发送天线，产生终选协作集。通过上述方法，可降低用户反馈信息的数据量，减少基站同时服务的用户数，提高系统性能。实际上，由于本文所提算法对发送端和接收端的处理是独立的，因此这两部分可根据实际情况使用不同的算法，灵活采用合适的算法进一步提高系统性能。

2.1 算法设计

本文所提算法由两部分组成：待选协作集生成和终选协作集生成。其中，待选协作集生成由用户完成，终选协作集生成有处理中心完成。考虑到用户终端计算能力和功耗问题，本文在待选协作集生成过程中采用了一种根据信道状况进行选择的方式，即计算信道矩阵的迹。算法计算用户与基站间信道矩阵的迹，并将其作为度量信道状况的标准。用户利用计算的结果产生待选协作基站集。而终选协作集由处理中心完成，为结合后续的预编码过程，处理中心基于信道状态选取服务用户，并根据SLNR原则为用户选择数据发送天线。下面对这两部分进行分别说明。

2.1.1 待选协作集生成

待选协作集生成的具体方法为：假设用户k能够接收到来自个基站的信号，则该用户分别计算与这个基站间信道矩阵的迹，对基站i（i=1，2，…，J），有：

用户将Trace_i按降序排列，所有个基站中选取前J_k个迹较大的生成待选协作集C_k，然后将C_k连同对应的信道状态信息一同反馈至处理中心。这里，记用户k与C_k的信道矩阵为。

2.1.2 终选协作集生成

终选协作集生成时，处理中心需要从所有用户中选择服务用户，再根据服务用户反馈的信息为其选择发送天线。服务用户选择也采用求解迹的方法进行，并将其记为Ω_s。

通常，发送天线的选择等效于依据相应的准则，从信道矩阵中抽取若干列生成新的矩阵。显然，抽取生成的新矩阵与原矩阵列数不同。而从（3）式可知，H_k和列数需一致。为解决该问题，本文采用置零法，即将未被选中的天线其所在的列置为零向量。该方法可理解为不给未选中的天线分配发射功率。

由于采用SLNR预编码，为获得更好的性能，本文发送端算法的设计目标是找到一种使用户SLNR值尽可能大的发送天线选择方法，即，若为用户k选择的天线数为N_k（N_k> t_k），如何从H_k中选择N_k列予以保留，而将其余的N_t-N_k列置零，从而使得SLNR_k最大。

显然，穷举法一定能够找到满足目标的解。但穷举法在遍历H_k中的所有N_k个向量的组合、并求解SLNR_k的值时需要进行次特征值和特征向量的计算，复杂度太高，在实际中难以应用。

实际上，在CoMP系统中，由于系统中天线数量较多，对于某个随机出现在小区内的用户，只需要选取信道状况良好的天线进行数据发送即可。因此，联合减少计算复杂度的考虑，终选协作集生成的算法基本思想为：处理中心以各用户反馈的待选协作集为基础，从其信道信道子矩阵中逐列将使SLNR值损失最小的非零向量置零，直至剩余的非零列向量数等于所选天线数。下面将说明终选协作集的生成原理。

为用户k与C_k间的信道矩阵，由J_k个信道子矩阵和J-J_k个零矩阵构成。设（1≤i≤MJ_k-N_k）为第i次置零操作后用户k的信道矩阵，h_k，i，l（1k-i）为其第l列非零向量。为用户k的泄漏矩阵，满足

2.2 算法复杂度分析

本文选取特征值和特征向量的计算次数作为计算复杂度度量标准，重点比较穷举算法和本文算法在终选协作集生成过程中发送天线选择的复杂度，如表1所示：

假设系统选择的传输集用户数K_s=5，N=J_kk=N_k=2（k=1，…，K_s），表2和表3分别给出了不同基站数J下（M=4时）和每基站不同天线数M下（J=4时）穷举算法和本文算法特征值及特征向量的计算次数。

从表2和表3可以看出，本文算法的复杂度与系统选择用户数K_s、协作基站数J_k、选择天线数N_k以及每基站配置的天线数M有关，与基站个数J无关。相比于穷举算法，本文算法能够有效降低复杂度。

2.3 与已有研究的比较

相比其它协作集生成算法，本文所提算通过在用户端和基站端分别进行待选集生成和终选集生成，减少了用户与基站、基站与处理中心之间的交互，降低了空中接口和回程链路负载；充分利用CoMP系统多天线优势，将天线作为协作集生成的基本单位，有利于提高系统性能；采用置零法处理信道矩阵，使终选协作集生成过程中的矩阵得以匹配。

3 仿真与分析

本节将对所提算法进行性能评估，并在待选协作集相同的前提下，采用穷举法作为终选协作集性能的上限，与所提算法进行性能比较。

假设每个用户的天线数Ⅳ、选择协作基站数J_k、选择天线数N_k均为2，总发射功率为1，信道服从瑞利分布，信噪比定义为总发射功率和用户每接收天线噪声功率的比值，所有用户的接收天线噪声相等。

仿真1：不同信噪比条件下所给算法和穷举的容量对比。假设J=4，M=2，图2和图3分别给出了K=6，K_s=4和K=10，K_s=5条件下两算法的平均容量随信噪比变化的曲线。

仿真2：不同总用户数条件下所给算法和穷举算法的容量对比。假设信噪比SNR=20dB，J=4，M=2，图4和图5分别给出了K_s=4和K_s=6时两算法的平均容量随用户数变化的曲线。

仿真3：不同选出用户数条件下所给算法和穷举算法的容量对比。假设信噪比SNR=20dB，J=4，K=20，图6和图7分别给出了M=3和M=4时两算法的平均容量随选出用户数变化的曲线。

通过上述仿真可以看到，所提算法在性能上与穷举算法十分接近，能够在降低系统计算复杂度的前提下有效提高系统性能。

4 结论

本文研究了CoMP系统中的协作集选择问题问题，提出来一种以天线为基本单位的双向协作集生成算法。与已有研究不同，所提算法将天线看作协作集的基本选择单位，结合用户端选择和发送端处理，为不同用户选择不同的发送天线形成终选协作集，对共用信道的用户进行了合理规划，提高了系统性能。

考虑到系统中用户的使用体验和基站的负载均衡，可以在用户端和处理中心增加公平性原则和负载均衡算法，从而进一步改善系统性能。

参考文献

[1]王涛，啜钢，刘伟非对称MIMO信道下协作通信的研究[J]新型工业化，2012， 2（5）： 23-31Wang Tao， Chuai Gang， Liu Weil.Research on cooperation communication in asymmetric MIMO channel[J]. The Journal of NewIndustrialization，2012，2 （5）： 23-31

[2]Ericsson. LTE-Advanced coordinated multipoint transmission/reception[R]. Warsaw， Poland： 3GPP， June 30-July 4，2008

[3]3GPP TR 36.819 （v2.0.0）， "Evolved Universal Terrestrial Radio Access （E-UTRA） and Evolved Universal Terrestrial Radio AccessNetwork （E-UTRAN）； Coordinated Multi-Point Operation for LTE Physical Layer Aspects" [R]

[4]RP-101425， Revised SID Proposal： Coordinated Multi-Point Operation for LTE[EB/OL]，3GPP TSG RAN#50， Istanbul， Turkey，7th-lOth Dec，2010

[5]Zhou W， Xie B，Hao C A novel bargaining based power allocation for Coordinated Multiple Point transmission/reception[C]//Advanced Communication Technology （ICACT）， 2011 13th Intemational Conference on. IEEE， 2011： 458 -462

[6]ZHANG NINGBO， KANG GUIXIA， ZHANG PING， et al Adaptive transmitted distributed antenna selection strategy in distributedantenna systems with limited feedback beamforming [J]. Electronics Letters， 2009， 45（21）： 1079-1081

[7]Marsch P，Fettweis G Static clustering for cooperative multi-point （CoMP） in mobile communications[C]//Communications （ICC），2011 IEEE International Conference on. IEEE， 2011： 1-6

[8]王盛.LTE-A协作多点传输中的多用户协作技术的研究[D]北京：北京邮电大学，2013WANG S，Research on Multi-user Coordinated Multi-Point Transmission in LTE-A[D]. Beijing University of Posts AndTelecommunications， 2013

[9]万齐文.CoMP场景下多小区分簇协同技术的研究[D]北京：北京邮电大学，2015WAN W Q Multi-cell Clustering Collaboration Technology Research in CoMP System[D]. Beijing University of Posts AndTelecommunications， 2015

[10]裴郁杉，王友祥，马彰超，等MU-CoMP场景下的分布式协作集选择[J]. 2012全国无线及移动通信学术大会论文集（上），2012PEI Y B，WANG Y X， MA Z C，et al Distributed Cooperative Sets Generation in CoMP[J]. Collection of National Wireless AndMobile Communication Conference 2012 Vol.1.2012

[11]田庆吉.探析4G网络中的关键技术[J]软件，2014， 35（1）： 141-142TIAN J Q Analysis of 4G Networks in Key Technologies [J]. Software， 2014， 35（1）： 141-142

[12]张雅媛.3D MIMO信道建模及性能分析[J]软件，2014， 35（9）： 115-119ZHANG Y Y.Channel model and performance analysis of 3D MIMO， Software， 2014， 35（9）：115-119

[13] Baracca P，Boccardi F，Braun V A dynamic joint clustering scheduling algorithm for downlink CoMP systems with limitedCSI[C]//Wireless Communication Systems （ISWCS）， 2012 International Symposium on. IEEE， 2012： 830-834endprint