本發(fā)明屬于無(wú)線通信技術(shù)領(lǐng)域，具體涉及一種廣義干擾模型以及分布式ABS時(shí)隙接入方法。

背景技術(shù)：

隨著無(wú)線通信技術(shù)的發(fā)展，異構(gòu)網(wǎng)絡(luò)由于具有大范圍、低功耗、負(fù)載均衡等優(yōu)點(diǎn)，受到人們的廣泛研究。傳統(tǒng)異構(gòu)網(wǎng)絡(luò)由多個(gè)宏基站及其覆蓋范圍下的微基站組成，因此網(wǎng)絡(luò)中會(huì)存在嚴(yán)重的干擾問(wèn)題。針對(duì)這個(gè)問(wèn)題，3GPP提出幾乎空白子幀((Almost Blank Subframe,ABS)技術(shù)，即宏基站靜默部分時(shí)間，微基站在此期間對(duì)非ABS內(nèi)受到嚴(yán)重干擾的用戶進(jìn)行調(diào)度(參考文獻(xiàn)R1-104968,“Summary of The Description of Candidate eICIC Solutions,”contribution at 3GPP meeting in Madrid,Spain,Aug.2010.)。因此，ABS內(nèi)的跨層干擾可以完全避免，微蜂窩只受到同層干擾的影響。現(xiàn)已有學(xué)者研究關(guān)于ABS的優(yōu)化問(wèn)題(參考文獻(xiàn)L.Jiang and M.Lei,“Resource Allocation for eICIC Scheme in Heterogeneous Networks”,in Proc.2012 PIMRC,pp.448-453；D.Sung and J.Baras,“Utility-based Almost Blank Subframe Optimization in Heterogeneous Cellular Networks”,in Proc.2014 Globecom,pp.3622-3627.)，大多針對(duì)ABS長(zhǎng)度、比例的設(shè)置以及ABS內(nèi)某一基站的用戶調(diào)度。然而，相關(guān)文獻(xiàn)沒(méi)有對(duì)微基站之間的干擾問(wèn)題進(jìn)行深入的探究，而此類問(wèn)題在密集網(wǎng)絡(luò)中是不容忽視的，因?yàn)楫?dāng)兩相鄰基站在ABS內(nèi)同時(shí)同頻傳輸，互相之間的干擾是不可避免的。如何通過(guò)對(duì)ABS接入問(wèn)題的優(yōu)化，降低微基站之間的干擾，從而提高網(wǎng)絡(luò)性能是具有研究意義的。

網(wǎng)絡(luò)吞吐量最大化是傳統(tǒng)的網(wǎng)絡(luò)性能優(yōu)化問(wèn)題。然而，由于解決此類問(wèn)題需要全網(wǎng)信息，難以在大規(guī)模網(wǎng)絡(luò)中得到解決，因此考慮是否存在只需要局部信息，同時(shí)也可以優(yōu)化全網(wǎng)吞吐量的方法?，F(xiàn)已有部分文獻(xiàn)從這個(gè)角度解決問(wèn)題(參考文獻(xiàn)C.Lacatus and D.Popescu,“Adaptive Interference Avoidance for Dynamic Wireless Systems:A Game-theoretic Approach,”IEEE J.Sel.Topics Signal Process.,vol.1,no.1,pp.189-202,2007；Y.Xu,J.Wang,Q.Wu,et al.,“Opportunistic Spectrum Access in Cognitive Radio Networks:Global Optimization Using Local Interaction Games,”IEEE J.Sel.Topics Signal Process.,vol.2,no.6,pp.180-194,2012.)。兩篇文獻(xiàn)認(rèn)為網(wǎng)絡(luò)內(nèi)存在的干擾越低，網(wǎng)絡(luò)整體的吞吐量越高，網(wǎng)絡(luò)性能越好。同時(shí)，相關(guān)研究者提出鄰居的概念，即將對(duì)某基站造成嚴(yán)重干擾的基站定義為該基站的鄰居，其余基站則定義為非鄰居，鄰居造成的干擾視為相同，非鄰居則視為不造成干擾。然而，此類二元干擾模型是不夠準(zhǔn)確的，因?yàn)槲挥卩従舆吘壍姆青従釉斐傻母蓴_同樣很強(qiáng)烈，并且非鄰居基站帶來(lái)的累積干擾也會(huì)帶來(lái)不容忽視的影響。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種能夠降低網(wǎng)絡(luò)聯(lián)合干擾水平、提高網(wǎng)絡(luò)吞吐量的廣義干擾模型以及分布式ABS時(shí)隙接入方法。

實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為：

一種廣義干擾模型，對(duì)微蜂窩之間的干擾進(jìn)行如下刻畫：網(wǎng)絡(luò)內(nèi)所有基站，按照距離的遠(yuǎn)近將其余基站劃分為多級(jí)別的鄰居；將不同級(jí)別鄰居造成的干擾賦予不同的權(quán)重，權(quán)重的取值與級(jí)別的高低成正比；各個(gè)基站受到的聯(lián)合干擾水平為各級(jí)鄰居造成的累積干擾之和，即各級(jí)鄰居的權(quán)重與鄰居個(gè)數(shù)乘積之和。

一種基于所述廣義干擾模型的分布式ABS時(shí)隙接入方法，包括以下步驟：

步驟1，將時(shí)隙接入問(wèn)題建模為博弈模型，博弈的參與者是網(wǎng)絡(luò)內(nèi)所有微基站，以下表示為用戶；

步驟2，基于所述廣義干擾模型，網(wǎng)絡(luò)內(nèi)的用戶根據(jù)距離的遠(yuǎn)近將其他用戶劃分為不同級(jí)別的鄰居；

步驟3，各用戶隨機(jī)選擇一個(gè)時(shí)隙進(jìn)行接入，并根據(jù)其他用戶的時(shí)隙接入情況計(jì)算當(dāng)前受到的干擾水平，利用最優(yōu)響應(yīng)算法，用戶計(jì)算所有能夠接入時(shí)隙帶來(lái)的效用函數(shù)；

步驟4，在下一時(shí)隙，用戶選擇所有可接入時(shí)隙中能夠最小化干擾即帶來(lái)最優(yōu)效用函數(shù)的時(shí)隙接入；

步驟5，循環(huán)步驟4進(jìn)行時(shí)隙選擇，直至所有用戶的時(shí)隙選擇實(shí)現(xiàn)收斂。

進(jìn)一步地，步驟1所述將時(shí)隙接入問(wèn)題建模為博弈模型，該博弈模型定義為：

該博弈模型G_a中包含四個(gè)組成部分，其中，S＝{1,2,...,S}是參與博弈的用戶集合，T_n是用戶n的可接入信道策略空間，分別為用戶n的主鄰居和次級(jí)鄰居，u_n是用戶n的效用函數(shù)。

進(jìn)一步地，步驟3所述利用最優(yōu)響應(yīng)算法，用戶計(jì)算所有能夠接入時(shí)隙帶來(lái)的效用函數(shù)，具體如下：

定義任意用戶時(shí)隙接入受到的干擾水平為I_n，且I_n的定義如式(1)所示：

其中，α₀,…,α_k為不同級(jí)別的鄰居干擾程度的權(quán)重，t_n、t_m分別是用戶n及其鄰居m的時(shí)隙選擇，d_nm是用戶m與n之間的距離；取α₀＝1，是用戶n的主鄰居門限距離，θ為路徑損耗因子，函數(shù)δ(t_n,t_m)滿足式(2)：

根據(jù)主鄰居和次級(jí)鄰居的影響，得到：

將任意用戶n的時(shí)隙選擇效用函數(shù)u_n定義為如式(4)所示：

式(4)中，t_n是用戶n選擇的時(shí)隙，是用戶n的主鄰居選擇的時(shí)隙，是用戶n的次級(jí)鄰居選擇的時(shí)隙，函數(shù)I_n滿足上式(3)。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)在于：(1)充分考慮了基站之間的累積干擾效應(yīng)，提出更加精確、物理意義清晰且操作簡(jiǎn)單的廣義干擾模型，能更好地刻畫大規(guī)模、超密集網(wǎng)絡(luò)中的干擾特性；(2)利用聯(lián)合干擾水平與網(wǎng)絡(luò)吞吐量之間的近似反比關(guān)系，將最小化聯(lián)合干擾水平的優(yōu)化問(wèn)題代替最大化網(wǎng)絡(luò)吞吐量的優(yōu)化問(wèn)題，達(dá)到減小計(jì)算量的效果；(3)針對(duì)ABS時(shí)隙接入優(yōu)化問(wèn)題，提出的分布式方法，避免了集中式在計(jì)算量方面的缺陷，因此適用于大規(guī)模網(wǎng)絡(luò)。

附圖說(shuō)明

圖1是傳統(tǒng)二元干擾模型示意圖。

圖2是本發(fā)明所提出的廣義干擾模型示意圖。

圖3是本發(fā)明實(shí)施例中微蜂窩之間的干擾示意圖。

圖4是本發(fā)明實(shí)施例中模型方法與現(xiàn)有模型方法的網(wǎng)絡(luò)吞吐量性能比較示意圖。

具體實(shí)施方式

本發(fā)明所提出的廣義干擾模型，旨在對(duì)微蜂窩之間的干擾進(jìn)行更加精確地刻畫?？紤]到基站之間的干擾與距離成反比，即距離越遠(yuǎn)，干擾越小，將基站按照距離的遠(yuǎn)近劃分為多級(jí)別的鄰居，而不是傳統(tǒng)干擾模型中簡(jiǎn)單的鄰居與非鄰居。造成干擾最強(qiáng)的鄰居稱為主鄰居，隨后各級(jí)別鄰居依次稱為次級(jí)鄰居、三級(jí)鄰居，等等。對(duì)不同級(jí)別鄰居造成的干擾賦予不同的權(quán)重，權(quán)重地取值與級(jí)別的高低成正比，具體地，主鄰居造成的干擾權(quán)重最大，最低級(jí)別鄰居造成的干擾最小，甚至可以忽略。某基站受到的聯(lián)合干擾水平為各級(jí)鄰居造成的累積干擾之和，即各級(jí)鄰居的權(quán)重與鄰居個(gè)數(shù)乘積之和。

圖1是傳統(tǒng)二元干擾模型。該模型中，對(duì)于任意基站，其它基站按照距離該基站的遠(yuǎn)近被劃分為鄰居和非鄰居兩類。結(jié)合圖1，基站1的鄰居包含基站2、3，基站4～7均為基站1的非鄰居。圖2是本發(fā)明所提出的廣義干擾模型，對(duì)微蜂窩之間的干擾進(jìn)行如下刻畫：網(wǎng)絡(luò)內(nèi)所有基站，按照距離的遠(yuǎn)近將其余基站劃分為多級(jí)別的鄰居；將不同級(jí)別鄰居造成的干擾賦予不同的權(quán)重，權(quán)重的取值與級(jí)別的高低成正比；各個(gè)基站受到的聯(lián)合干擾水平為各級(jí)鄰居造成的累積干擾之和，即各級(jí)鄰居的權(quán)重與鄰居個(gè)數(shù)乘積之和。本發(fā)明的基本思想是，在超密集網(wǎng)絡(luò)中，由于基站之間的距離較近，基站之間的干擾關(guān)系復(fù)雜，傳統(tǒng)二元干擾模型由于沒(méi)有考慮到基站之間的累積干擾效應(yīng)，無(wú)法對(duì)網(wǎng)絡(luò)內(nèi)的干擾進(jìn)行精確的刻畫，因此需要構(gòu)造一種能體現(xiàn)累積干擾的干擾模型。結(jié)合圖2，基站1的主鄰居包含基站2、3，次級(jí)鄰居包含基站4、5，基站6、7為基站1更低級(jí)別的鄰居。

本發(fā)明基于聯(lián)合干擾水平與吞吐量之間的近似反比例關(guān)系，結(jié)合計(jì)算聯(lián)合干擾水平需要局部信息，而吞吐量的計(jì)算需要全局信息這一事實(shí)，將優(yōu)化目標(biāo)設(shè)計(jì)為最小化全網(wǎng)聯(lián)合干擾水平，以達(dá)到最大化網(wǎng)絡(luò)吞吐量的目標(biāo)。本發(fā)明基于所述廣義干擾模型的分布式ABS時(shí)隙接入方法，包括以下步驟：

步驟1，將時(shí)隙接入問(wèn)題建模為博弈模型，博弈的參與者是網(wǎng)絡(luò)內(nèi)所有微基站，以下表示為用戶；

步驟2，基于所述廣義干擾模型，網(wǎng)絡(luò)內(nèi)的用戶根據(jù)距離的遠(yuǎn)近將其他用戶劃分為不同級(jí)別的鄰居；

步驟3，各用戶隨機(jī)選擇一個(gè)時(shí)隙進(jìn)行接入，并根據(jù)其他用戶的時(shí)隙接入情況計(jì)算當(dāng)前受到的干擾水平，利用最優(yōu)響應(yīng)算法，用戶計(jì)算所有能夠接入時(shí)隙帶來(lái)的效用函數(shù)；

步驟4，在下一時(shí)隙，用戶選擇所有可接入時(shí)隙中能夠最小化干擾即帶來(lái)最優(yōu)效用函數(shù)的時(shí)隙接入；

步驟5，循環(huán)步驟4進(jìn)行時(shí)隙選擇，直至所有用戶的時(shí)隙選擇實(shí)現(xiàn)收斂。

本發(fā)明的具體實(shí)施如下：

一、步驟1所述將時(shí)隙接入問(wèn)題建模為博弈模型，該博弈模型定義為：

該博弈模型G_a中包含四個(gè)組成部分，其中，S＝{1,2,...,S}是參與博弈的用戶集合，T_n是用戶n的可接入信道策略空間，分別為用戶n的主鄰居和次級(jí)鄰居，u_n是用戶n的效用函數(shù)。

二、步驟3所述利用最優(yōu)響應(yīng)算法，用戶計(jì)算所有能夠接入時(shí)隙帶來(lái)的效用函數(shù)，具體如下：

定義任意用戶時(shí)隙接入受到的干擾水平為I_n，且I_n的定義如式(1)所示：

其中，α₀,…,α_k為不同級(jí)別的鄰居干擾程度的權(quán)重，t_n、t_m分別是用戶n及其鄰居m的時(shí)隙選擇，d_nm是用戶m與n之間的距離；取α₀＝1，是用戶n的主鄰居門限距離，θ為路徑損耗因子，函數(shù)δ(t_n,t_m)滿足式(2)：

根據(jù)主鄰居和次級(jí)鄰居的影響，得到：

將任意用戶n的時(shí)隙選擇效用函數(shù)u_n定義為如式(4)所示：

式(4)中，t_n是用戶n選擇的時(shí)隙，是用戶n的主鄰居選擇的時(shí)隙，是用戶n的次級(jí)鄰居選擇的時(shí)隙，函數(shù)I_n滿足上式(3)。

三、博弈的優(yōu)化目標(biāo)：以式(4)的效用函數(shù)為優(yōu)化目標(biāo)進(jìn)行時(shí)隙選擇，最終可以實(shí)現(xiàn)全網(wǎng)干擾水平最小化的優(yōu)化目標(biāo)如式(5)所示：

公式(5)說(shuō)明，時(shí)隙選擇的博弈優(yōu)化目標(biāo)為最小化網(wǎng)絡(luò)中所有用戶的干擾水平之和。以公式(5)為優(yōu)化目標(biāo)進(jìn)行時(shí)隙選擇，能夠?qū)崿F(xiàn)最小化用戶之間干擾。

四、進(jìn)行時(shí)隙選擇，完成以下工作：

1)初始化：每個(gè)用戶i∈S隨機(jī)選擇一個(gè)時(shí)隙接入

2)探測(cè)：通過(guò)自組織的方式，用戶n被隨機(jī)選出進(jìn)行時(shí)隙選擇。此時(shí)，其他所有用戶保持當(dāng)前時(shí)隙選擇不變，被選擇的用戶n按照公式(4)計(jì)算所有時(shí)隙選擇t'_n能得到的效用函數(shù)。

3)用戶選擇：用戶n選擇帶來(lái)最大效用函數(shù)的時(shí)隙進(jìn)行接入。

實(shí)施例1

本發(fā)明的一個(gè)具體實(shí)施例如下描述，系統(tǒng)仿真采用Matlab軟件，參數(shù)設(shè)定不影響一般性。該實(shí)施例驗(yàn)證所提模型與方法的有效性和與收斂性(圖3和圖4)。場(chǎng)景為68個(gè)微蜂窩隨機(jī)布設(shè)在一個(gè)300m×300m的網(wǎng)絡(luò)中，路徑損耗因子θ＝3，信道帶寬為B＝10MHz，背景噪聲為N₀＝-174dBm/Hz，基站發(fā)射功率和傳輸半徑分別為23dBm和20m，主鄰居門限分別為60m，次級(jí)鄰居門限分別設(shè)為70m、90m、120m和150m。

本發(fā)明提出的基于廣義干擾模型的分布式資源優(yōu)化方法的具體過(guò)程如下：

步驟1：初始化：初始化迭代次數(shù)k＝0，每個(gè)微基站i∈N對(duì)網(wǎng)絡(luò)內(nèi)其它基站按照距離門限分類為J_i⁰和J_i¹，并隨機(jī)選擇一個(gè)時(shí)隙接入。

步驟2：時(shí)隙選擇策略更新：隨機(jī)選擇微基站n進(jìn)行策略更新，其余基站保持策略不變。微基站n計(jì)算接入不同時(shí)隙t'_n∈T對(duì)應(yīng)的干擾水平，并選擇能最小化干擾水平的策略，即

步驟3：時(shí)隙選擇收斂：循環(huán)執(zhí)行步驟2多次后，時(shí)隙選擇實(shí)現(xiàn)收斂。

圖3為微蜂窩之間的干擾示意圖。從圖3中可以看出，當(dāng)前網(wǎng)絡(luò)微蜂窩分布密集，基站之間的干擾關(guān)系復(fù)雜。圖4展示了所提方法模型與傳統(tǒng)方法模型的比較、設(shè)置不同次級(jí)鄰居門限時(shí)的網(wǎng)絡(luò)吞吐量性能，以及所提方法模型與優(yōu)化全網(wǎng)吞吐量為目標(biāo)的結(jié)果比較。小圈內(nèi)為指定基站的主鄰居，大圈內(nèi)為指定基站的次級(jí)鄰居。從圖4可以看出，所提方法模型較傳統(tǒng)方法模型在優(yōu)化網(wǎng)絡(luò)吞吐量方面有較大提升，傳統(tǒng)方法模型所得到的結(jié)果約為以優(yōu)化全網(wǎng)吞吐量為目標(biāo)的結(jié)果的90％，而基于所提模型方法，在次級(jí)鄰居門限設(shè)為90m時(shí)，得到的結(jié)果約為以優(yōu)化全網(wǎng)吞吐量為目標(biāo)的結(jié)果的97％；此外，由于所提方法只需要知道局部信息，而非全網(wǎng)信息，因此收斂速度大于以優(yōu)化全網(wǎng)吞吐量為目標(biāo)的速度。

綜上，本發(fā)明提出的廣義干擾模型充分考慮基站之間的累積干擾效應(yīng)，有效提升對(duì)微基站之間干擾刻畫的精確程度；提出的方法基于聯(lián)合干擾水平與網(wǎng)絡(luò)吞吐量之間的近似反比關(guān)系，在達(dá)到相同效果的同時(shí)，提升了優(yōu)化問(wèn)題的收斂速度；同時(shí)所提方法體現(xiàn)了完全分布式的時(shí)隙接入，避免了集中式方式存在的計(jì)算量大的缺陷，更加適用于超密集網(wǎng)絡(luò)。