一种蜂窝网络中面向小区无定形覆盖的小基站部署方法

摘要

本发明公开了一种蜂窝网络中面向小区无定形覆盖的小基站部署方法，旨在最大化多种用户分布的系统平均吞吐量，利用给定的协作小区构建及资源调度方法计算不同小基站位置矢量下多种用户分布的系统平均吞吐量，依据提出的位置更新算法找到使该吞吐量最大的小基站部署位置，最大程度的兼顾多种用户分布；相比于传统方法，本发明方法更适用于实际场景，考虑到用户分布呈现的潮汐现象，当用户分布改变时，本发明确定的小基站位置，可以使临近小基站更有效的实时改变协作方式，从而打破传统固定的小区形状，满足不同用户分布下的系统性能要求，本发明能够有效的提高系统平均吞吐量、边缘用户性能及用户间公平性。

说明书

技术领域

本发明属于通信技术领域，尤其涉及一种蜂窝网络中面向小区无定形覆盖的 小基站部署方法。

背景技术

随着无线通信数据量的迅猛增长，宏小区结构下的同构网络已无法满足庞大 的移动数据需求，而宏-小小区共存的异构网络在提高网络容量方面的优势吸引 了学术界和工业界的广泛关注，但随着小基站(Small Base Station，SBS)的密 集调度，小基站与宏基站(Macro Base Station)间的跨层干扰及小基站间同层干 扰成为一个亟待解决的问题，因此提出了Phantom cell结构。此结构的主要特征 是控制平面(Control Plane)与用户平面(User Plane)的分离，即宏基站主要负 责覆盖保障、移动性管理等控制平面功能，小基站负责数据服务等数据平面功能， 有效解决了同层干扰，但如何合理的部署小基站，满足用户的容量需求成为业内 研究的热点。

现有的技术中，关于小基站的部署问题主要是考虑一种给定的用户统计平均 分布，即假定用户分布是静态的，但由于现实世界中，用户的移动特性，其分布 呈现潮汐现象，即网络中的通信负载在不同时间段有所变化，比如白天通信量主 要集中在商业区，而夜晚通信峰值出现在住宅区，因此只考虑一种用户分布的小 基站部署方法无法实现有效的覆盖及满足不同用户分布下的用户需求。

为解决上述问题，小区无定形覆盖成为一种可能的解决方案，即蜂窝通信站 点的拓扑改变其固定覆盖特性，形成一个动态时变的覆盖与服务，适应数据业务 量的动态需求和流量的地域分布不均衡性，更好地满足用户的服务需求。到目前 为止，结合小基站间协作形成的无定形覆盖，优化小基站的部署位置还没有专门 的部署方法。

发明内容

本发明的目的在于提供一种蜂窝网络中面向小区无定形覆盖的小基站部署 方法，可以满足不同用户分布下的用户需求。

为达到上述目的，本发明采用了以下技术方案：

1)在初始小基站位置矢量下，利用协作小区构建及资源调度方法计算存在 的多种用户分布的系统平均吞吐量，然后对小基站位置矢量进行更新；

2)在对小基站位置矢量的每次更新中，小基站依次选择待定更新位置，若 待定更新位置满足小基站位置更新准则，则小基站更新到对应的待定更新位置， 否则小基站位置不更新；所述小基站位置更新准则为：在小基站位置更新过程中 最大程度的保证多种用户分布的系统平均吞吐量不下降，或者，小基站以一定概 率更新至使多种用户分布的系统平均吞吐量下降的待定更新位置(为了避免算法 陷入局部最优)，所述概率随小基站位置矢量更新次数的增加而减小；

3)对小基站位置矢量进行多次更新，直至多种用户分布的系统平均吞吐量 达到稳定值，得到优化后的小基站部署位置(稳定值对应的小基站位置矢量即优 化后的小基站部署位置)。

所述步骤1)具体包括以下步骤：

1.1)初始化各个小基站的位置，得到初始小基站位置矢量 X₀＝(x₁⁰,x₂⁰,…,x_n⁰)，n表示部署的小基站总数，x表示小基站的位置坐标，利 用协作小区构建及资源调度方法计算第p种用户分布下的系统平均吞吐量：

$R_p\left(X_0\right)={\Sigma }_{i=1}^n{\Sigma }_{m\in U\left(i\right)}\log R_{m,i}\left(X_0\right)$

$R_{m,i}\left(X_0\right)={\Sigma }_{r\in {\mathrm{RB}}_{m,i}}B\log (1+{\mathrm{SINR}}_{m,i}^r\left(X_0\right))$

其中，R_m,i(X₀)为以第i个小基站为服务基站的第m个用户的平均吞吐量，U(i) 为第i个小基站服务用户的集合，i∈N,N＝{1,2,…,n}，N为小基站集合，n表示 部署的小基站总数，RB_m,i为所述第m个用户分配到的资源，B为每个资源块的 带宽，为在X₀下所述第m个用户在第r个资源块的信干噪比；

1.2)则小基站位置矢量X₀下的多种用户分布的系统平均吞吐量(即目标函 数值)为：

$S^0={\Sigma }_{p=1}^P{\alpha }_p{R}_p\left(X_0\right)$

其中α_p为第p种用户分布出现的概率，P表示用户分布数。

给定小基站的初始位置矢量X₀＝(x₁⁰,x₂⁰,…,x_n⁰)，每个小基站i构建邻居列 表N_i，利用所述的协作小区构建及资源调度方法，计算此位置矢量下第p种用户 分布的平均吞吐量R_p(X₀)；当用户分布发生改变时，小基站改变其协作形式， 形成新的协作覆盖范围，满足小区覆盖及容量需求，从而得到此位置矢量下多种 用户分布的系统平均吞吐量。

所述步骤2)具体包括以下步骤：

2.1)在对小基站位置矢量的每次更新中，若第i个小基站以步长d选择待定 更新位置s_i，i∈N,N＝{1,2,…,n}，N为小基站集合，n表示部署的小基站总数， 并且其它小基站位置不改变，则得到此时小基站位置矢量为该 小基站位置矢量下多种用户分布的系统平均吞吐量为：

$S_i^c={\Sigma }_{p=1}^P{\alpha }_p{R}_p(x_i^{t-1}\leftarrow s_i|X_{t-1})$

与最近一次小基站位置更新后计算得到的多种用户分布的系统平均吞吐量S^t-1相比较，如果满足下式：

$S_i^c\ge S^{t-1}\left|\right|ϵ>\mathrm{rand}\left(1\right)$

则第i个小基站更新位置到s_i，即：

$x_i^{t-1}:=s_i,S^{t-1}:=S_i^c$

否则第i个小基站位置不更新，继续执行步骤2.1)直到所有小基站均完成一次 更新，T(t)＝F×T(t-1)，0.9<F<1，t表示小基站位置矢量 的更新次数，T(0)>10，rand(1)表示0～1间均匀分布的随机数；

2.2)完成一次小基站位置矢量更新后，得到更新后的小基站位置矢量Xt；

重复步骤2.1)～步骤2.2)直到达到迭代(指小基站位置矢量更新)停止条 件，找到优化的小基站位置。

在小基站位置更新过程中，以概率ε接受使候选目标函数值降低的小基站位 置而不是直接抛弃，在一定程度上避免了算法陷入局部最优。

所述协作小区构建及资源调度方法具体包括以下步骤：

3.1)将每个小基站服务的所有用户依据其SINR划分为边缘用户(CEU)和 中心用户(CCU)；

对于小基站位置矢量X＝(x₁,x₂,…,x_n)，n表示部署的小基站总数，x表示小 基站的位置坐标，用户依据RSRP选择服务基站：

$i^{*}=\arg \underset{i\in N}{\max }{\mathrm{RSRP}}_{k,i}$

其中N为小基站集合，RSRP_k,i为第k个用户接收来自第i个小基站的参考信号接 收功率，从而计算得到以第i个小基站为服务基站的用户k^*的信干噪比若其满足以下公式：

${\mathrm{SINR}}_{k^{*},i}<\gamma \underset{k^{\prime }\in U\left(i\right)}{\max }{\mathrm{SINR}}_{k^{\prime },i}$

则用户k^*被判为边缘用户，否则，k^*被判为中心用户，U(i)为第i个小基站服务 用户的集合，γ为调整边缘用户(CEU)和中心用户(CCU)比例的因子；

3.2)从第i个小基站的邻居列表N_i中找到对第i个小基站所服务的第l个边 缘用户干扰最大的小基站j^*作为协作基站，并构建所述第l个边缘用户的协作列 表${\mathrm{CS}}_l^i=\{i,j^{*}\},j^{*}\in N_i;$

第i个小基站依据与周围小基站间距离构建邻居列表N_i(将与第i个小基站 间距离小于设定距离阈值的小基站添加至第i个小基站的邻居列表)，为提高边 缘用户性能，又不带来过多的信息交互，因此第l个边缘用户仅从其服务基站的 邻居列表中依据下式选择小基站j^*作为协作基站：

$j^{*}=\arg \underset{j^{\prime }\in N_i}{\max }{\mathrm{RSRP}}_{l,j^{\prime }}$

从而构建第l个边缘用户的协作列表

3.3)对于第r个资源块(RB)，公平考虑边缘用户和中心用户，即分别将所 有小基站服务的边缘用户和中心用户按调度优先级降序排列；然后找到具有最高 调度优先级的边缘用户及该边缘用户的协作列表中服务基站i_p以及协作基站j_p各自服务的具有最高调度优先级的中心用户，若它们的调度优先级满足公式：

$2\times {\mathrm{PF}}_c^r\ge {\mathrm{PF}}_a^r+{\mathrm{PF}}_b^r$

则服务基站i_p和协作基站j_p在第r个资源块上协作调度所述具有最高调度优先级 的边缘用户，否则i_p以及j_p单独服务各自的所述具有最高调度优先级的中心用 户，分别为i_p以及j_p各自服务的具有最高调度优先级的中心用户在第 r个资源块上的调度优先级，为i_p服务的具有最高调度优先级的边缘用户在 第r个资源块上的调度优先级；

3.4)更新小基站集合N＝N-{i_p,j_p},i_p,j_p∈N，N为小基站集合，然后在第 r个资源块上按照步骤3.3)的调度方法继续调度其他用户，直到N∈φ；

3.5)重复执行步骤3.3)～步骤3.4)，直至所有资源块调度完毕。

与现有技术相比，本发明的有益效果是：

本发明所述蜂窝网络中面向小区无定形覆盖的小基站部署方法旨在最大化 多种用户分布的系统平均吞吐量。本发明在小基站部署过程中考虑可能存在的多 种用户分布，因此当用户分布改变时，本发明确定的小基站部署位置，可以使临 近小基站更有效的实时改变协作方式，从而形成动态可变的服务范围，保证系统 容量；优化过程中本发明方法以一定概率接受使多种用户分布的平均吞吐量降低 的位置，避免算法陷入局部最优。本发明方法优化的小基站部署位置兼顾了多种 用户分布，在通信量密集并且业务需求动态变化区域，可以极大的提高系统平均 吞吐量，并且更好的保证了小区边缘用户性能，实现更好的用户公平性。

附图说明

图1为本发明方法所应用的场景实例；

图2为本发明中小基站位置更新方法的流程图；

图3(a)为部署不同小基站数目情况下对比方法与本发明方法系统归一化平 均吞吐量对比图；

图3(b)为部署13个小基站时对比方法与本发明方法用户归一化平均吞吐量 CDF(Cumulative Distribution Function)曲线；

图3(c)为部署不同小基站数目情况下对比方法与本发明方法用户公平性对 比图。

具体实施方式

下面结合附图对本发明做详细描述：

本发明提出一种最大化多种用户分布系统平均吞吐量的小基站部署方法，所 述的小基站部署方法的应用场景如图1所示，利用小区的无定形覆盖保证不同用 户分布下的系统容量。下面通过一个具体的实例对本发明的方法进行说明，假设 一个宏扇区(Macro Sector)为部署区域，有M个用户，存在P种用户分布，第 p种用户分布(p＝1,2,…,P)出现的概率为α_p，需要部署n个小基站， N＝{1,2,…,n}表示小基站集合，为了便于理解，将该发明描述为以下的优化问 题：

$\underset{X}{\max }{\Sigma }_{p=1}^P{\alpha }_p{R}_p\left(X\right)$

其中，为目标函数值，R_p(X)为第p种用户分布下的系统平均吞 吐量，x_i为第i个小基站的位置坐标，为小基站部署区域。

蜂窝网络中面向小区无定形覆盖的小基站部署的具体步骤如下：

1.协作小区构建及资源调度方法具体包括以下步骤：

1)对于小基站的位置矢量X，用户依据RSRP选择服务基站：

$i^{*}=\arg \underset{i\in N}{\max }{\mathrm{RSRP}}_{k,i}$

其中RSRP_k,i为第k个用户接收来自第i个小基站的参考信号接收功率；如果第k 个用户选择第i个小基站作为服务基站，则其接收信号为：

$y_{k,i}=H_{k,i}{w}_{k,i}{s}_k+{\Sigma }_{\underset{k^{\prime }\ne k}{k^{\prime }\in U\left(i\right)}}{H}_{k,i}{w}_{k^{\prime },i}{s}_{k^{\prime }}+{\Sigma }_{\underset{i^{\prime }\ne i}{i^{\prime }=1}}^n{\Sigma }_{k*\in U\left(i^{\prime }\right)}{H}_{k,i^{\prime }}{w}_{k^{\prime \prime },i^{\prime }}{s}_{k^{\prime \prime }}+n_k$

其中为第i个小基站到第k个用户的信道增益，为预编码 矩阵，s_k为传输信号，U(i)为第i个小基站服务的用户集合，为高斯白噪声。基于OFDM(Orthogonal Frequency Division Multiplexing)，假设 接入相同小基站的用户使用相互正交资源，因此得到第k个用户的SINR(信干 噪比)：

${\mathrm{SINR}}_{k,i}=\frac{P_s{\left|\right|H_{k,i}{w}_{k,i}\left|\right|}^2}{{\Sigma }_{\underset{i^{\prime }\ne i}{i^{\prime }=1}}^n{P}_s{\left|\right|H_{k,i^{\prime }}{w}_{k,i^{\prime }}\left|\right|}^2+{\sigma }^2}$

P_s表示小基站发送功率，若第k个用户的SINR满足公式：

${\mathrm{SINR}}_{k,i}<\gamma \underset{k^{\prime }\in U\left(i\right)}{\max }{\mathrm{SINR}}_{k^{\prime },i}$

则判为边缘用户(CEU)，考虑利用小基站协作服务满足其需求，否则为中心用 户(CCU)，其中γ为调整边缘用户(CEU)和中心用户(CCU)比例的因子。

为提高边缘用户性能，又不带来过多的信息交互，边缘用户k^*仅从其服务基 站(假设为小基站i^*)的邻居列表中依据下式选择小基站j^*作为协作基站：

$j^{*}=\arg \underset{j\in N_{i^{*}}}{\max }{\mathrm{RSRP}}_{k^{*},j}$

从而构建边缘用户k^*的协作列表：

${\mathrm{CS}}_{k^{*}}^{i^{*}}=\{i^{*},j^{*}\}$

2)对于第r个资源块(RB)，公平考虑边缘用户和中心用户，即分别将所 有小基站服务的边缘用户和中心用户按调度优先级降序排列；

2.1)找到具有最高调度优先级的边缘用户c及其协作列表中服务基站i^*、协 作基站j^*各自服务的具有最高调度优先级的中心用户a以及中心用户b，若其调 度优先级满足公式：

$2\times {\mathrm{PF}}_c^r\ge {\mathrm{PF}}_a^r+{\mathrm{PF}}_b^r$

则服务基站i^*和协作基站j^*协作调度边缘用户c，否则i^*、j^*单独服务自己的中 心用户a、中心用户b，其中和分别表示边缘用户c、中心用户a 和中心用户b在第r个RB上的调度优先级；

2.2)更新小基站集合在第r个资源块上按照步骤2.1)的调度 方法继续调度其他用户，直到N∈φ；

3)其他资源块的调度重复执行步骤2.1)～2.2)。

2.小基站部署的优化方法具体包括以下步骤，参见图2：

1)初始化n个小基站的位置，得到初始位置矢量X₀＝(x₁⁰,x₂⁰,…,x_n⁰)，利 用给定的协作小区构建及资源分配方法计算第p种用户分布下的系统平均吞吐 量：

$R_p\left(X_0\right)={\Sigma }_{i=1}^n{\Sigma }_{m\in U\left(i\right)}\log R_{m,i}\left(X_0\right)$

$R_{m,i}\left(X_0\right)={\Sigma }_{r\in {\mathrm{RB}}_{m,i}}B\log (1+{\mathrm{SINR}}_{m,i}^r\left(X_0\right))$

其中，R_m,i(X₀)为以第i个小基站为服务基站的用户m的平均吞吐量，RB_m,i为 用户m分配到的资源，B为每个资源块的带宽，为在小基站位置矢 量X₀下用户m在第r个资源块的SINR，得到此位置矢量X₀下的目标函数值：

$S^0={\Sigma }_{p=1}^P{\alpha }_p{R}_p\left(X_0\right)$

2)对于第t(t＝1,2,…,T_max)次迭代，T_max表示设定的最大迭代次数：

2.1)每次迭代中，每个小基站依次更新其位置，若第i小基站(i∈N)以步 长d选择待定更新位置s_i，则此次更新其它小基站位置不改变，得到此时小基站 位置矢量为候选目标函数值：

$S_i^c={\Sigma }_{p=1}^P{\alpha }_p{R}_p(x_i^{t-1}\leftarrow s_i|X_{t-1})$

与上次更新小基站位置后得到的目标函数值S^t-1相比，如果满足下式：

$S_i^c\ge S^{t-1}\left|\right|ϵ>\mathrm{rand}\left(1\right)$

则第i个小基站更新其位置到s_i，即：

$x_i^{t-1}:=s_i,S^{t-1}:=S_i^c$

否则第i个小基站位置不更新，继续执行步骤2.1)直到所有小基站均完成一次 更新，其中ε为更新中接受使目标函数值降低的待定更新位置的概率：

$ϵ=\exp \left(\frac{S_i^c-S^{t-1}}{T(t-1)}\right)$

T(t)＝F×T(t-1)，F为略小于1的常数，一般取0.9<F<1，T(0)一般取T(0)>10 的常数；随着迭代次数的增加，T的值逐渐减小，最终使ε趋于0，即接受使多 种用户分布的平均吞吐量降低的位置的概率趋于0，F、T(0)主要影响所述趋于0 的速度以及小基站位置的精确程度；

2.2)完成一次迭代，更新此次迭代的位置矢量及目标函数值：

X_t:＝X_t-1,S^t:＝S^t-1

3)重复步骤2)直到达到迭代停止条件(多种用户分布的系统平均吞吐量 达到稳定值或达到最大迭代次数)，找到优化的小基站位置。

仿真实验：

1)仿真模型参数为：部署小基站数目分别为4、7、10、13，宏基站发送功 率为46dBm，小基站发送功率为30dBm，系统带宽为10MHz，资源块数目为50， 噪声功率谱密度为-174dBm，每次更新中小基站最小移动距离d＝50m，γ＝0.1， 用户分布数P＝3，每种用户分布出现的概率α_p＝1/3，F＝0.95，T(0)＝15。

2)采用本发明所述的小基站部署方法后，如图3(a)所示，在部署小基站数 目较少时，本发明方法并没有带来系统平均吞吐量的提升，因为本发明方法兼顾 多种用户分布优化小基站位置，并根据用户分布利用小基站间协作实时改变小区 覆盖范围，协作服务性能较差的边缘用户，在部署小基站数目较少时，由于小基 站间距离较远，难以兼顾多种用户分布，协作服务带来的边缘用户性能提升没有 弥补资源利用率下降带来的损失；但在通信量密集，需要部署多个小基站场景下， 本发明方法相较于仅考虑一种用户统计平均分布情况(对比方法)可以得到更多 的系统平均吞吐量。图3(b)指出在部署13个小基站时，本发明方法的用户平均 吞吐量CDF曲线相较于对比方法右移，并且从5％CDF点可以看出本发明方法 可以得到更好的边缘用户性能；图3(c)表明本发明方法可以保证更好的用户公平 性。