带内部署NB-IoT系统干扰问题研究

袁 晔，张博轩

（宁夏回族自治区无线电监测站，宁夏 银川 750004）

0 引言

2019年7月17日，在国际电信联盟无线通信部门5D工作组（ITU-R WP5D）第32次会议上，窄带物联网（NB-IoT）技术被正式纳入5G候选技术集合，作为5G的组成部分与3GPP新空口（5G NR）联合提交至ITU。NB-IoT作为一项窄带LTE技术，专为低功耗广域应用而设计，使用一定频段内的授权频谱，可以利用现有基础设施和频谱，具有广覆盖、低功耗、大连接、低成本的优势。

NB-IoT支持带内部署（In-band）、保护带部署（Guard-band）以及独立部署（Stand-alone）共三种部署方式。其中，In-band是使NB-IoT相比其他低功耗广域网络技术脱颖而出的重要优势，在In-band场景下，NBIoT网络使用LTE带内的一个物理资源块（PRB）。对于不存在IoT流量的带内部署，由于LTE和NB-IoT的基础架构和频谱使用完全兼容，LTE可以将该PRB用于其他业务。基站调度程序能将NB-IoT和LTE流量复用到同一频谱上，从而最大程度地减小机器类通信（MTC）的总运营成本。

当然，在In-band场景中，NB-IoT与LTE两个系统存在一定的耦合关系，两者的频带相邻，两个系统间的相互影响程度比其他部署方式更大，因此，需要针对干扰问题做进一步分析和优化。

1 NB-IoT系统干扰分析

根据干扰者与被干扰者双方是否同处于NB-IoT系统，可以将NB-IoT系统的干扰分为系统内部干扰与系统间干扰两类。

1.1 NB-IoT系统内部干扰分析

针对NB-IoT系统内部的干扰，根据干扰的双方所处的频段是否一致，可以将NB-IoT系统内部的干扰分为邻频干扰与同频干扰两类：

（1）邻频干扰：在NB-IoT下行链路中，子载波间隔与LTE一样仍为15 kHz，仍采用LTE中的物理技术，NB-IoT与LTE的子载波依旧保持正交，因此其邻频干扰可以忽略[1，2]。

（2）同频干扰：NB-IoT是建设在蜂窝网络基础上的，所以系统内干扰是NB-IoT的主要干扰因素。蜂窝组网时，在满足一定复用距离要求下，允许两基站使用同样的频率，频率的复用导致同频干扰不可避免[3]。此外，由于NB-IoT的射频带宽为180 kHz，具有较明显的窄带特性和较高的功率谱密度，这一特性导致小区间同频干扰现象更为严重。

1.2 NB-IoT系统与LTE系统间共存干扰分析

根据NB-IoT系统与其他无线通信系统干扰的链路的性质，可将系统间干扰分为下行干扰与上行干扰两类[4，5， 6]：

（1）下行干扰：对于In-band场景，在下行链路中，NB-IoT子载波间隔与LTE同为15 kHz，保证了NB-IoT与LTE子载波的正交结构，因此下行邻频干扰可以忽略。

（2）上行干扰：单音（Single-tone）和多音（Multi-tone）是NB-IoT系统上行链路的两种传输模式。其中，多音传输模式的子载波间隔为15 kHz，此时NB-loT子载波与LTE子载波保持正交。而单音传输模式子载波间隔有15 kHz和3.75 kHz两种情况，当子载波间隔为3.75 kHz时不满足正交关系，可能引起系统间干扰。因此，对于In-band场景而言，只需要评估子载波间隔为3.75 kHz的单音传输模式NB-IoT与LTE共存时的干扰。根据文献[7]中报道的仿真与分析，有以下结论：

第一，对于In-band场景中NB-IoT对LTE的干扰，当LTE与NB-IoT的间隔大于等于两个PRB，可以将干扰带来的损失控制在1 dB以内，因此对于NB-IoT系统与LTE系统间干扰，可以通过增大PRB间隔实现。

第二，对于In-band场景中LTE对NB-IoT的干扰，假设LTE系统的泄露仅考虑左边或右边相邻的PRB，则其对于In-band NB-IoT系统产生的邻道干扰基本满足RAN4共存要求，即NB-IoT系统的SNR损失小于1 dB，但在高信噪比的地方，性能损失偏大。

2 NB-IoT系统抗干扰技术方案

考虑到NB-IoT技术的低成本特性，不宜采用跳频通信、智能天线等较复杂的抗干扰技术。相对而言，从资源分配角度来抑制干扰的方案更适合注重成本因素的NB-IoT系统。以下介绍几种基于资源分配的NB-IoT系统抗干扰技术思路[8，9，10]。

2.1 基于小区内干扰协调的频谱优化调度方案

针对大量UE同时访问导致严重干扰的情况，该方案采用基于聚类的调度算法[8]。首先，使用改进的K-means算法对大量存在的NB-IoT终端进行聚类[11]。然后，在优先级的基础上提出频谱调度策略。实验结果证明此优化策略可以有效缓解网络拥塞，提高网络的频谱利用率。该方案主要包含以下步骤：

2.1.1 模型建立

（1）到达过程建模：随机到达曲线为设为α∈F，对应界函数为NB-IoT业务到达流模型为A（t）∈sa，则对于任意的时刻t≥0和时延x≥0，其满足：

（2）服务过程建模：随机服务曲线为设为β∈F，对应界函数为NB-IoT业务服务流模型为S∈sc，则对于任意的时刻t≥0和时延x≥0，其满足：

假设基站的服务能力为C，则服务曲线为β（t）=Ct，服从S∈sc<0，Ct>。

2.1.2 接入延迟分析

假设NB-IoT系统中的终端总量为n，将NB-IoT系统的时延记为D（t），系统处理业务的最长时限为T，每个终端发送的分组的大小为l，则通过随机网络计算方法[12]，得出网络时延下界分布函数为：

2.1.3 终端聚类

使用无监督学习中的K-means算法对NB-IoT系统中的终端进行聚类，网络中的n个终端集合记为D={x1，x2，…，xn}，聚类后的分簇结果记为C={C1，C2，…，Ck}。K-means算法以最小化Sum of squared errors （SSE）为目标，使用迭代算法可以将所有终端分类到k个蔟中。

2.1.4 上行频谱调度

基于第三步骤中对终端的聚类分蔟结果，针对时间对不同的蔟进行调度，以减轻网络中的拥塞为目标，因此，在满足业务QoS要求与能量消耗的约束条件下，最大化网络的接入能力。调度过程如下：

（1）业务初始优先级R1i的设置：根据蔟距离基站的距离为不同蔟设置不同的初始优先级，距离越近，初始优先级越高。

（2）业务任务紧急程度R2i的计算：根据业务在网络中的等待时间长度，等待时长越长，紧急程度越高。

（3）业务综合优先级的计算：以R1i和R2i为基础，计算i业务的综合优先级Ri。

（4）蔟中心值的计算：根据业务的生成以及所在蔟，计算每个蔟的中心值。

（5）使用迭代的思想，按照蔟中心值从高到低进行频谱调度，完成一项任务后对所有业务优先级进行更新。

图1 NB-IoT用户平均接入时延随用户数目变化曲线

图1与图2分别是NB-IoT用户平均接入时延随用户数目与分组长度变化的曲线图，图中红色曲线是该方案性能，蓝色曲线是随机频谱分配算法性能。可以看出，由于该算法对终端进行了分类，并且设计了基于优化时延的分簇配置，抑制了小区内部多终端间的干扰，所以接入时延有较大幅度的降低。

图2 NB-IoT用户平均接入时延随分组长度变化曲线

2.2 基于频谱分配的小区间抗干扰方案

由于每个小区的NB-IoT业务量规模巨大，因此存在不同小区大量业务并发产生的场景，针对此时产生的下行干扰问题，可采取频谱分配方式，提高能够并行服务的业务数目。在建模时，该方案采用基于图论的建模方法[9]。在无线网络中，资源分配问题可根据图论的基本定义转化为不同的图着色问题。具体到所讨论的干扰问题，首先根据网络拓扑构建干扰图，通过对该干扰图进行着色，将不同的顶点集合分组，进而得到能够减少干扰的资源分配方案[13，14]。

2.2.1 干扰图的构建及弦化处理

由于NB-IoT的终端设备一般为静态设备，因此，基站有充足的时间确定设备的地理位置，并且可以进行多小区间信息的互相传送。方案的第一步是在各宏基站中构造干扰图，以对应NB-IoT网络的拓扑。构造的干扰图为无向图，记为Ginitial=（V，Einitial），其中，V和Einitial分别是点的集合和边的集合。干扰图中的点表示一个基站到与其关联的NB-IoT用户的下行链路，若两个点所对应的业务不能使用相同的子载波，则对应链路之间存在干扰，在干扰图中就表示为由一条边邻接的连个点。

图3 干扰图及其弦化举例

根据无向图中团的定义，干扰图中不能使用相同频谱资源的点构成极大团。因此，通过对极大团的求解，能够获得资源分配方案。但是，干扰图中的一个点可能同时属于多个极大团，对这类点的频谱分配会给其所在的多个极大团带来不同影响[15]。因此，需要首先列举

出图中所有极大团，才能全面分析频谱分配对每个业务的影响。然而，对于一般的图而言，随着点的数目增长，极大团的数目呈现指数增长趋势，求解算法过于复杂。而弦图中的极大团可以用多项式时间算法求解[16]。因此，对于干扰图Ginitial=（V，Einitial），可先使用最大势最小弦化算法将其弦化为弦图Gg=（Vg，Eg），得到低复杂度的频谱分配算法。

2.2.2 基于弦图的频谱预分配

频谱分配算法如表1所示。

表1 基于弦图的最大并行用户数频谱预分配算法流程

表1中，在获得NB-IoT终端的弦图之后，所有的极大团都可以通过完美消除序列算法（PEO）以线性时间复杂度解出。如果某个极大团出现过载，则使用迭代法阻塞网络中NB-IoT业务，直至子载波数目可以满足每个极大团的需求[17]。

2.2.3 去弦化修复分配

在干扰图的弦化过程中，需要通过加边的方式将原图转化为弦图。图中增加的边使原本不存在频谱冲突的两点邻接，导致在资源分配中此两点无法使用相同的子载波，造成过于保守的资源分配结果。因此需要对分配结果进行修复，去掉加边所导致的资源冲突，从而得到最终的子载波分配向量，如表2中的算法2所示。首先，初始化（步骤1）；然后，找到所有与加边相邻接的点的集合（步骤2）；最后，为NB-IoT业务分配去掉加边后仍然可用的资源（步骤3）。

表2 弦图修复分配算法流程

2.3 基于时隙功率分配的小区间抗干扰方案

该方案提出一种基于QoS感知（QoS-aware）资源分配算法，通过适当调节功率水平来改善信干噪比（SINR），以减少每个用户的重复因子，进而提高NBIoT系统的总速率[10]。通过对NB-IoT小区间同频干扰的量化分析，设用户ib在时隙t上的上下行数据速率分别为用户i在时隙t上的上下行调度变b量分别为xjb，t与xib，t，基站b的最大下行功率为Pbmax，用户的最大上行功率为Pjb，max，从而建立多小区间基于时隙功率分配的优化模型如下[10]：

其中，目标函数为最大化NB-IoT系统的上下行速率总和；约束1和2表示调度变量为二进制变量；约束3和4保障了被调度用户的上下行速率要求；约束5和6保障了基站与用户的发射功率不得超过最大值。

上述问题为混合整数非线性优化问题，为了求解此问题，参照每位用户的SINR计算出对应的MCL值，从而得出重传次数，在此基础上设计一个两步骤的迭代算法，第一步骤，按照所限定的重传次数为控制分组与数据分组的传输分配时隙；第二步骤，优化功率分配，从而最大化系统的速率。具体方案如下：

（1）时隙的分配。对时隙调度变量采取松弛处理，将上下行二级制调度变量xjb，t与xib，t松弛为[0，1]上的连续变量xjb，t与xib，t，利用凸优化理论，最优解等价于将时隙分给产生最高信道增益的用户，即时隙调度变量 xjb，t与 xib，t的解为下式 ：

（2）功率的分配。在第一步骤计算出时隙调度结果的基础上，对上下行最优功率的求解可以解耦，分别转化为对上行最优功率的求解问题和对下行最优功率的求解问题。分别对上行最优功率和下行最优功率问题应用Lagrangian分解算法，引入Lagrange算子λib与μib，λjbb与μjb，求解最优化的功率分配变量如式（6）与（7）。

3 结束语

频谱资源是有限的资源，随着NB-IoT系统的快速发展，In-band场景的成本优势将逐渐凸显出来，越来越多的NB-IoT网络会选择采用In-band场景部署。但考虑到系统间的耦合，In-band场景下的NB-IoT系统所面临的系统内及系统间干扰问题也更严重。本文分析了Inband场景NB-IoT系统所面临的主要干扰因素，总结了几种基于资源分配的抗干扰技术方案，对NB-IoT系统的发展及其抗干扰性能的优化具有积极的参考意义。