CN108834158A - 一种用于超密集组网的干扰管理方法 - Google Patents

Abstract

本发明公开一种用于超密集组网的干扰管理方法，该方法包括：计算每个用户的干扰权值，并根据所有用户的干扰权值构建干扰图；根据所述每个用户的干扰权值对干扰图中的所有用户分配集群从而消除基站对用户的干扰；对同一集群中用户接收的信号分别进行重建并计算每个用户的信干噪比；根据计算得到的用户信干噪比计算所有用户的总容量。本发明在超密集网络的***模型下，通过网络端和用户端结合进行干扰管理的方法，其中网络端使用分群的方法，用户端使用串行干扰消除接收机来分别降低来自基站和用户的干扰，提升***容量。该干扰管理方案在未来5G超密集组网环境中具有较强的实用性。

Description

一种用于超密集组网的干扰管理方法

技术领域

本发明涉及移动通信领域。更具体地，涉及一种用于超密集组网的干扰管理方法。

背景技术

超密集组网被认为是提升第五代移动通信***容量的关键技术之一，该技术是在异构网络的基础上部署更多的低功率节点的一种新型组网方式。为了减小数据与控制信道之间的干扰，使用低频段(小于6GHz)进行控制信息的传输，高频段(30GHz到300GHz)传输数据信息，从而实现控制层和数据层相互分离，提升***容量。未来将在室内用户中产生超过50％的话音服务和超过70％的数据服务，因此为保证室内服务需求，在未来的基站中家庭基站将拥有至关重要的作用。超密集组网技术的一项关键的挑战就是干扰管理问题。由于家庭基站由用户自行部署，甚至可以随时开/关。因此随着小区密度的增加，整个网络的拓扑变得更为复杂，从而引入更加严重的干扰。同时运营商不再控制家庭基站的数量和位置，传统的干扰管理和优化方法变得十分低效，因此在超密集组网中的跨层干扰和同层干扰问题将愈加严重，寻求一种有效的干扰管理方法的任务迫在眉睫。

目前针对异构网络中的干扰问题常见的解决方法有增强型小区间干扰协调(enhanced Inter-cell Interference Coordination,eICIC)技术、动态资源分配、小区范围扩展(Cell Range Extension,CRE)、构建干扰图等。时域eICIC作为eICIC技术的一种，其典型的技术是几乎全空子帧(Almost Blank Subframe,ABSF)，该技术和动态资源分配技术均能够有效降低家庭基站与宏用户之间的跨层干扰，但是缺陷是没有考虑同层干扰；小区范围扩展是为了减轻宏基站的负担保证负载均衡而提出的一种技术，其能减小上行链路中存在的跨层干扰问题，但是会使得位于扩展范围中的用户收到宏基站较强的干扰，因此会降低下行链路的信号质量；构建干扰图方法在考虑同层和跨层干扰的同时显著提升了小区边缘用户的吞吐量，但是该方法需要遍历每个用户的地理位置信息来进行干扰权值的计算，进而构建干扰图，随着小区的密集部署，这种方法将具有很高的复杂性。

因此，需要提供一种用于超密集组网的干扰管理方法。

发明内容

本发明的一个目的在于提供一种用于超密集组网的干扰管理方法。

为达到上述目的，本发明采用下述技术方案：

计算每个用户的干扰权值，并根据所有用户的干扰权值构建干扰图；

根据所述每个用户的干扰权值对干扰图中的所有用户分配集群；

对同一集群中用户接收的信号分别进行重建并计算每个用户的信干噪比；

根据计算得到的用户信干噪比计算所有用户的总容量。

进一步地，所述计算每个用户的干扰权值包括如下步骤：

根据用户接收功率大小判断用户的属性；

根据用户属性计算每个用户的信干噪比；

根据每个用户的信干噪比计算每两个用户间的干扰权值，进而计算每个用户的干扰权值。

进一步地，根据所述每个用户的干扰权值对干扰图中的所有用户分配集群包括：根据目标用户与其他用户之间的距离和目标用户的干扰权值，构建对应目标用户的组合权值；

将所有用户的组合权值排序，根据预先设置好的集群将满足集群特征条件的用户分配到对应集群中。

进一步地，所述对同一集群中用户接收的信号分别进行重建并计算每个用户的信干噪比：

将同一集群中所有用户的功率值以矩阵形式表示；

检测得到矩阵中功率值最大的用户，根据该用户分配的集群特征计算其信干噪比；

将功率值最大的用户从矩阵中排除后，再次检测得到矩阵中功率值最大的用户，并根据该用户分配的集群特征再次计算其信干噪比，直到计算出所有用户的信干噪比。

进一步地，根据计算得到的用户信干噪比计算所有用户的总容量包括：

根据每个用户分配的集群特征计算用户的传输带宽；

根据计算得到的每个用户的传输带宽和信干噪比计算每个用户的容量；

将每个用户的容量累加得到所有用户的***总容量。

进一步地，所述构建对应目标用户的组合权值包括：

计算目标用户与其他用户间的距离调和平均数；

根据目标用户加权后的所述干扰权值之和与所述距离调和平均数计算得到目标用户的组合权值。

进一步地，所述将所有用户的组合权值排序，根据预先设置好的集群将满足集群特征条件的用户分配到对应集群中包括：

将排序后组合权值最小的用户分配到一个集群，并将组合权值满足该集群阈值范围内的其他用户分配到该集群；

对未分配的用户再次按照组合权值大小排序，并依次将组合权值最小的用户分配到对应集群中，直到所有用户都分配到对应集群中。

本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述计算机可读存储介质在计算机上运行时，使得所述计算机执行上述的方法。

本发明的有益效果如下：

本发明在考虑下行链路中同层干扰和跨层干扰的前提下，网络端采用分群方法减小基站对用户的同层干扰，同一宏小区中的家庭基站使用不同的子信道传输数据减小跨层干扰，同时用户端使用串行干扰消除接收机来进一步减小同一集群中用户之间的干扰，提升***容量和用户的传输速率，在未来5G超密集组网环境中具有较强的实用性。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1为本发明干扰管理方法流程图；

图2为超密集小区异构蜂窝网络示意图；

图3为网络端用户分群干扰管理方法流程图；

图4为用户端串行干扰接收机方法流程图；

图5为基站覆盖范围处交集用户与***容量的仿真结果图；

图6为基站覆盖范围除交寄用户与***容量提升百分比的仿真结果图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

如图2所示，假设第五代移动通信***超密集小区部署场景中有L个宏小区，每个宏基站均位于小区的中心位置，每个宏小区覆盖范围下有D个家庭小区、M个用户。为了最大化用户的瞬时服务质量(Quality of Services,QoS)，本发明选取规定用户属性的标准为：若宏小区提供功率大于家庭小区功率，则该用户为宏用户，反之为家庭用户。在同时考虑同层和跨层干扰时，任意宏小区l中的宏用户m在子信道n上的信干噪比(Signal toInterference plus Noise Ratio,SINR)为：

其中，P_l,n表示宏小区l在子信道n上的发射功率，P_d,n表示家庭小区d在子信道n上的发射功率，P_m'n表示用户m在子信道n上的发射功率，是宏小区l到用户m的路径损耗衰减因数，是在子信道n上宏小区l到用户m之间快速衰落信道能量，是家庭小区d到用户m的路径损耗衰减因数，是在子信道n上家庭小区d到用户m之间快速衰落信道能量，是目标用户m到干扰用户m'的路径损耗衰减因数，N₀为噪声功率谱密度，W为信号传输带宽，M_l为宏用户构成的集合(l∈{1,2,...,L})。

同理可以得到任意家庭小区d中的家庭用户m在子信道n上的SINR为：

其中F_l为家庭用户构成的集合(l∈{1,2,...,L})。

如图1所示，本实施例提供了一种用于超密集组网的干扰管理方法，该发明包括如下：

S1、计算每个用户的干扰权值，并根据所有用户的干扰权值构建干扰图。

在进行构建干扰图时，将用户作为干扰图的节点，用E表示两个用户之间的干扰权值，用V表示所有用户组成的集合。例如任意两个用户u和用户v干扰权值之和为E(u,v)，此处的干扰图是一个无向图，因此，E(u,v)＝E(v,u)。想要构建出整个***的干扰图，计算干扰权值是关键，下面的步骤为E(u,v)的计算方法。

步骤一：根据公式(1)或(2)计算每个用户的信干噪比SINR。

步骤二：将用户u作为目标用户，用户v作为干扰用户，那么用户u和v之间的干扰权值为：

根据公式(3)进一步可以算出将用户v作为目标用户，用户u作为干扰用户时的干扰权值λ_v,u。

步骤三：比较λ_u,v和λ_v,u的大小并取较大的值，将该值定义为用户u和用户v之间的干扰权值E(u,v)，用公式表示为：

E(u,v)＝E(v,u)＝max(λ_u,v,λ_v,u) (4)

S2、根据所述干扰权值对干扰图中的所有用户分配集群。

如图3所示，在网络端采用分群的方式来减小基站对用户的同层干扰。

步骤一：根据计算的权值E(u,v)，在这里用W_total(u,v)表示，计算每个用户的权值之和W_i，其具体表达式为：

其中，N_user表示每个宏小区中的交集用户数目，W_total(u,v)表示用户u和用户v之间的权值。

步骤二：定义目标用户u和其他用户之间的距离调和平均数d_u为：

其中，d_u,v表示用户u和用户v之间的距离。

步骤三：结合公式(5)中计算的每个用户的权值之和W_i和公式(6)中计算的目标用户和其他用户之间的距离调和平均数d_u，重新构建一个组合权值W_update，其表达式为：

W_update＝k1×W_i+k2×A×d_u (7)

其中，A是一个设计常数，k1、k2是两个加权系数，这两个值满足的条件为：

k₁+k₂＝1 (8)

步骤四：将组合权值W_update按照从小到大的顺序进行排序，得到数组U_num，将U_num里面的最小的元素分配到第一个集群中，称该元素为群头元素，每个集群中均包含一个群头元素。

步骤五：根据得到的W_total(u,v)，从数组U_num中依次寻找满足W_total(u,v)≥W_th条件的用户，将其分到集群中。其中W_th＝N_cluster×w₂，N_cluster表示设定的集群的数目，w₂是一个常数，u表示已经分配到集群中的用户，v表示还未分配到集群中的用户。

重复步骤四和五，直到所有满足条件的用户都被分配到集群中。

步骤六：将未进行分配的用户的W_update值重新进行从小到大排序形成新的数组U_num，然后重复网络端干扰管理方案中的步骤四和五，直到完成第N_cluster-1个集群的用户分配时停止操作；将数组U_num中剩余的用户分配到第N_cluster个集群中。

S3、对同一集群中用户接收的信号分别进行重建并计算每个用户的信干噪比。

如图4所示，分群结束后用户端采用先进的串行干扰消除接收机对信号进行信号重建和解调来进一步降低同一集群中用户之间干扰。

用表示***中参与分群的所有用户的功率矩阵。

步骤一：首先检测并正确调解出宏小区l中功率最大的用户i，根据其为宏用户或者家庭用户来分别选择公式(1)或(2)计算SINR，其中P_li满足以下条件：

步骤二：从功率矩阵中删除P_li，即P＝P﹨{P_li}，在根据公式(9)重新检测出矩阵中功率最大的用户j，计算该用户的信干噪比，此时用户i对j的干扰将不再存在，完成信号重建后的信干噪比要比构建干扰图时计算的信干噪比要大。

步骤三：重复用户端干扰管理方案中的步骤一和二，直到计算出所有用户的信干噪比，在计算下一个用户的信干噪比时，从矩阵中已经排除的用户对其的干扰将不存在，依据这一流程直到计算出所有用户的信干噪比。

S4、根据计算得到的用户信干噪比，计算所有用户的总容量。

步骤一：根据每个用户的属性(宏用户或家庭用户)，分别计算基站给每类用户分配的传输带宽，具体的计算公式如下所示：

b_l,j＝B/p_l,j,l∈{1,2,...L} (10)

f_l,d,k＝B/p_l,d,k,l∈{1,2,...L},d∈{1,2,...,D} (11)

其中，B表示***被分配的总带宽，j表示每个宏小区中任意一个宏用户，j∈M_l，k表示每个家庭小区中任意一个家庭用户，k∈F_l，b表示宏小区中宏用户的带宽矩阵，f表示宏小区中每个家庭小区中家庭用户的带宽矩阵。

步骤二：分别利用下面两个公式计算每个宏用户和家庭用户的容量：

C_l,j＝b_l,j×log 2(1+SINR_l,j) (12)

C_l,d,k＝f_l,d,k×log 2(1+SINR_l,d,k) (13)

公式(12)为宏用户容量，公式(13)为家庭用户容量。

步骤三：根据***容量中的步骤二计算出的每个用户的容量进行累加，利用下面的公式计算整个***的容量：

下面进行具体的如图5、图6所示的仿真数据，对本发明公开的用于超密集组网的干扰管理方法方法做进一步地说明。

在一个建筑物密集的异构小区内分布19个宏小区，每个宏小区覆盖范围半径为每个宏小区下随机分布30个家庭小区，为保证用户通信需求，生成的条件为每两个家庭小区的距离要大于40m，每个家庭小区与宏小区的距离要大于75m，每个家庭小区覆盖范围半径为30m；每个宏小区覆盖范围下随机分布120个用户；信道模型采用瑞利衰落信道，频率复用因子为1；根据标准，选取宏小区路径损耗为128.1+37.6×log₁₀D，家庭小区路径损耗为140.7+36.7×log₁₀d，D表示宏基站与用户之间的距离，d表示家庭基站与用户之间的距离。

图5是分群前后基站覆盖范围处交集用户与***容量的仿真结果图。从图中整体趋势可以看出，随着交集用户数的增加，***的容量反而在不断降低，这是因为随着基站处边缘用户的增加，用户之间的干扰也在不断增加，每个用户的信干噪比会不断减小导致容量减小，因此整个***的容量也会不断降低。将图中的三条曲线进行纵向对比可以发现，当小区交集处用户数量相同时，分群后的***容量比分群前有所提升，说明该方法可以降低小区边缘用户之间的干扰，提升***性能。

图6是分群前后基站覆盖范围处交集用户与***容量提升百分比的仿真结果图。从图中可以看出随着小区交集处用户的不断增加，虽然用户间的干扰不断增强，但是仅网络端(用户分群)干扰管理和网络端与用户端(先进的接收机)同时进行干扰管理的两种方案对***容量提升的百分比都在不断增加；当小区覆盖范围交集处用户一定时，从图中曲线可以明显看出网络端和用户端结合干扰管理的方法更具有优势，同时随着交集处用户的不断增加，这种优势越来越明显。

本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述计算机可读存储介质在计算机上运行时，使得所述计算机执行上述实施例中所述的方法。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (8)

1.一种用于超密集组网的干扰管理方法，其特征在于，该方法包括：

计算每个用户的干扰权值，并根据所有用户的干扰权值构建干扰图；

根据所述每个用户的干扰权值对干扰图中的所有用户分配集群；

对同一集群中用户接收的信号分别进行重建并计算每个用户的信干噪比；

根据计算得到的用户信干噪比计算所有用户的总容量。

2.根据权利要求1所述的用于超密集组网的干扰管理方法，其特征在于，所述计算每个用户的干扰权值包括如下步骤：

根据用户接收功率大小判断用户的属性；

根据用户属性计算每个用户的信干噪比；

根据每个用户的信干噪比计算每两个用户间的干扰权值，进而计算每个用户的干扰权值。

3.根据权利要求1所述的用于超密集组网的干扰管理方法，其特征在于，根据所述每个用户的干扰权值对干扰图中的所有用户分配集群包括：

根据目标用户与其他用户之间的距离和目标用户的干扰权值，构建对应目标用户的组合权值；

将所有用户的组合权值排序，根据预先设置好的集群将满足集群特征条件的用户分配到对应集群中。

4.根据权利要求3所述的用于超密集组网的干扰管理方法，其特征在于，所述对同一集群中用户接收的信号分别进行重建，并计算每个用户的信干噪比包括：

将同一集群中所有用户的功率值以矩阵形式表示；

检测得到矩阵中功率值最大的用户，根据该用户分配的集群特征计算其信干噪比；

将功率值最大的用户从矩阵中排除后，再次检测得到矩阵中功率值最大的用户，并根据该用户分配的集群特征再次计算其信干噪比，直到计算出所有用户的信干噪比。

5.根据权利要求4所述的用于超密集组网的干扰管理方法，其特征在于，根据计算得到的用户信干噪比计算所有用户的总容量包括：

根据每个用户分配的集群特征计算用户的传输带宽；

根据计算得到的每个用户的传输带宽和信干噪比计算每个用户的容量；

将每个用户的容量累加得到所有用户的***总容量。

6.根据权利要求3所述的用于超密集组网的干扰管理方法，其特征在于，所述构建对应目标用户的组合权值包括：

计算目标用户与其他用户间的距离调和平均数；

根据目标用户的干扰权值之和与所述距离调和平均数计算得到目标用户的组合权值。

7.根据权利要求6所述的用于超密集组网的干扰管理方法，其特征在于，所述将所有用户的组合权值排序，根据预先设置好的集群将满足集群特征条件的用户分配到对应集群中包括：

将排序后组合权值最小的用户分配到一个集群，并将组合权值满足该集群阈值范围内的其他用户分配到该集群；

对未分配的用户再次按照组合权值大小排序，并依次将组合权值最小的用户分配到对应集群中，直到所有用户都分配到对应集群中。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述计算机可读存储介质在计算机上运行时，使得所述计算机执行权利要求1-7中任一项所述的方法。