多小区协作上行链路系统中一种以用户为中心的动态分簇算法.pdf 8页

'中国科技论文在线http://www.paper.edu.cn多小区协作上行链路系统中一种以用户为#中心的动态分簇算法**张喆，张建康，穆晓敏5（郑州大学信息工程学院，郑州450001）摘要：协作接收技术是多小区协作上行链路系统中一种抑制小区间干扰的有效手段。协作小区分簇算法不仅是协作接收操作的先决条件，还直接影响到协作接收的可达性能。本文提出一种基于干扰信道强度的以用户为中心的动态分簇算法。基于对基站交互协作信息负担的考量，本文将每个基站的协作机会视为一种10有限资源。用户以干扰信道强度为竞争力，使用竞争的方式寻求基站的协作机会。为了降低计算复杂度，本文进一步提出了一种多级预分簇算法。仿真结果显示，本文所提算法能够以适中的计算复杂度，在有效控制基站协作负担的同时，实现协作增益与协作开销的良好折中。关键词：通信与信息系统;协作接收;动态分簇;小区间干扰;信道强度;预分簇中图分类号：TN929.53115DynamicUser-CentricClusteringSchemeforUplinkMulticellCooperativeSystemsZHANGZhe,ZHANGJiankang,MUXiaomin(SchoolofInformationEngineering,ZhengzhouUniversity,Zhengzhou450001)20Abstract:CooperativereceivinghasbeenconsentedasaneffectivetechniqueincombatingInter-CellInterference(ICI)foruplinkmulticellsystems.However,howtoclustercooperativecellsisthepremiseforthefollowingmulticellsignalprocessinganditiscrucialtotheachievablecooperativeperformance.Inthisletter,weproposeadynamicuser-specificclusteringschemebasedonthestrengthofinterferingchannel.Morespecifically,thecooperationopportunityofaBaseStation(BS)isviewed25asalimitedresource,consideringthesignalprocessingloadofBS.TheuserslocatedwithinthecoverageofthecooperativecellscompetitivelyacquirethecooperationopportunityofeachBSbasedontheinterferingchannelstrength.Moreover,ahierarchicalpre-clusteringisproposedtofurtherreducethecomputationalcomplexity.Simulationresultsdemonstratethattheproposedclusteringschemeisabletoacquiretradeoffbetweencooperativegainsandcostsbyavoidingexcessburdenof30cooperationonaparticularBS,andimposedmodestcomputationalcomplexity.Keywords:Communicationandinformationsystem;cooperativereceiving;dynamicclustering;inter-cellinterference;channelstrength;pre-clustering0引言35小区间干扰（Inter-CellInterference,ICI）由相邻小区对频率资源的高度复用造成，会对系统容量和小区边缘用户的服务质量造成严重影响。在密集网络中,干扰已成为制约系统容[1]量的关键因素之一。多小区协作处理（Multi-cellCooperativeProcessing,MCP）技术能够[2]有效对抗小区间干扰。在上行链路中，MCP的一种典型实现是协作接收技术，多个基站[3]通过对多个用户的发送信号进行联合接收，实现分集增益。虽然网络内所有基站的完全协40作能够获得最高的协作增益，但考虑到协作开销和可实现性，协作接收常以分簇的方式进行，即部分协作。协作开销主要包括协作基站间大量的信息交互、同步和信道估计需求、协作接收所带来的处理延时及计算复杂度等。这些开销均与协作簇所涉及的基站有关（数量、距离基金项目：高等学校博士学科点专项科研基金（20134101120001）；国家自然科学基金（61571401）作者简介：张喆（1989年-），女，博士研究生，主要研究方向：无线通信，协作通信，信号处理通信联系人：张建康（1982年-），男，副教授、博导，主要研究方向：无线通信，大规模MIMO，信号处理.E-mail:iejkzhang@zzu.edu.cn-1- 中国科技论文在线http://www.paper.edu.cn等）。为了有效的减小基站间交互信息量，文献[4]针对下行链路系统提出了一种基于信道强度的动态分簇算法。文献[5]针对上行协作系统，提出了一种基于协作增益的动态分簇算45法，用于改善小区边缘用户的传输速率。但已有研究较少关注协作增益与协作开销的折中问题，尤其是上行链路系统。综合考虑协作接收的功耗和回传链路的占用，以及信号处理复杂度等问题，协作簇的设计对于协作增益和协作开销的折中至关重要。根据协作簇是否在时间尺度上变化，分簇策略可以分为静态分簇和动态分簇。静态分簇[6]策略中，相邻小区组成固定的协作区域，不随时间改变。优点是操作简单，运算量极低；50缺点是只考虑基站地理位置，不考虑信道特性，可获得的协作增益有限。为了进一步提高分簇协作增益，动态分簇策略周期性的依据信道环境对小区进行分簇，因而能够更好的针对小区边缘用户选择最适合的协作伙伴；但是这类分簇操作通常比较复杂，协作伙伴选择范围较[4-5]大，且周期性的分簇使得计算复杂度成倍增加。此外，动态分簇策略可进一步分为以网络为中心的分簇，和以用户为中心的分簇。以网络为中心的分簇将网络内的小区分为若干协[5]55作簇，每个协作簇负责簇内所有用户的协作处理，对位于簇边缘的用户，仍然存在较强的簇间干扰。以用户为中心的分簇方案更多的考虑每个用户独特的信道环境，为每个用户设计专属的协作簇，因而能够获得更好的协作性能。这类分簇算法中，不同用户的协作簇之间允[7]许重叠。已有的分簇研究成果中，分簇问题的研究大多集中在协作伙伴的选择问题，未考虑基站的协作负担，主要包括协作信息交互引发的功耗和对回传链路的占用。尤其是在以用60户为中心的分簇算法中，可能存在某个基站，同时具有对多个用户的优秀协作链路，从而被多个用户纳入协作簇，造成该基站的协作负担远高于其它基站。因此，有必要将每个基站的协作机会视为一种有限资源，在设计分簇算法时更多地考虑基站协作负担的公平性。基于上述背景，针对多小区协作接收上行链路系统中的协作簇设计问题，本文提出了一种以用户为中心的动态分簇算法。考虑基站协作负担的公平性，将每个基站的协作机会视为65一种有限资源，从资源分配的角度对协作增益和协作开销进行折中。将协作接收的目标设定为使用户满足预设的传输速率阈值，通过计算干扰信道强度评估用户的竞争力，将分簇问题建模为协作簇规模的最小化问题。此外，为了进一步降低计算复杂度，本文设计了一种多级的预分簇算法。1系统模型70假设网络内有N个小区，每个小区有一个中心基站。假设网络内的所有小区使用相同的频率资源，即频率复用因子为1。每个小区中，基站配置K根发射天线，同时服务M个单天线用户。小区内的用户使用不同的频率资源发送上行信号，相邻小区的用户之间因使用相同频率资源而产生小区间干扰。为简化表示，假设每个小区内的频率资源划分为M个频带，其中使用第m个频带的用户称为该小区的第m个用户，受到其他小区第m个用户的75ICI。为了隔绝其它信号处理技术对ICI和分簇性能的影响，本文不考虑功率分配和波束赋形等操作，并假设已完成用户调度。则第n个基站对第m个频带上的接收信号可表示为：Nnnnuuymhmnm,,xhmnmxnn（1）u1,unnK1u其中，m1,2,,M，n1,2,,N。y表示频域接收信号，x表示第u个小mmuK1区内第m个用户的频域发送信号。h表示第u个小区内第m个用户至第n个基站mn,-2- 中国科技论文在线http://www.paper.edu.cnK1280的频域信道传递函数。n表示基站n处的加性高斯白噪声，均值为0，方差为。nnnn式（1）中，等号右边第一项hx表示基站n需要接收到的来自其服务用户m的信号，第mnm,Nuu二项u1,unhmnm,x表示关于第n个基站第m个用户的干扰信号。假设基站端首先使用低复杂度的线性迫零接收机进行独立接收，第n个基站对第m个n用户的(1K)维接收矢量可表示为w：mn,1nnHnnH85wmn,hhmn,mn,hmn,（2）nnNC()此时，基站n获得关于其第m个服务用户的发送信号x的检测信号xˆ：mmnNC()nnxˆwymmn,mN（3）nnuunxmwmn,hmnm,xwmn,nnu1,unnHn假设[xx]1，并假设基站已知所有本地信道链路的信道信息，即本地用户和干mmnNC()扰用户至该基站的信道信息。非协作情形下，第n个小区第m个用户的传输速率C可m90写为：nNC()1Clog1（4）m2Nnu2n22|wmn,hmn,|||wmn,||nu1,unn假设第n个基站针对其第m个服务用户发出协作接收请求，并假设协作簇为（含第nmn个基站），协作簇规模为A。本文假设协作接收使用分布式干扰消除操作，首先通过干扰m[2]消除算法消除簇内干扰信号，再使用迫零接收机从仅受簇间干扰的接收信号中恢复服务用95户的发送信号。因此，分布式协作接收仅对具体用户所受到的ICI进行抑制，不影响其它用n户的ICI。通过协作接收，第n个基站关于其第m个服务用户发送信号x的恢复信号可表mnC()示为xˆ：mnC()nnuunxˆmxmwmn,hmnm,xwmn,nn（5）numnC()因此，经过协作接收后，第n个小区第m个用户的传输速率C可表示为：mnC()1100Clog1（6）m2nu2n22|wmn,hmn,|||wmn,||nnum2最小化协作簇的动态分簇算法为了节约协作资源，避免不必要的协作，仅对非协作时传输性能较差的用户设计协作簇。非协作时用户的数据传输性能较多的由用户所经历的信道环境决定，因此常采用设立速率阈-3- 中国科技论文在线http://www.paper.edu.cn105值或SINR阈值的方式，来判定用户的传输性能。假设速率阈值C用表示，对于第n个小T区的第m个用户，记为用户(m,n)，其中m1,2,,M，n1,2,,N。如果能够满足nNC()CC，则认为该用户具有较好的信道环境，称该用户为小区中心用户（cell-centermTnNC()user），否则，如果有CC，则认为该用户经历了较差的信道，称该用户为小区边mT缘用户（cell-edgeuser）。为了控制协作开销，仅对非协作时传输性能较差的边缘用户进行nNC()110协作接收。具体而言，当用户(m,n)发生CC时，基站n发出对其服务用户m进行mT协作接收的请求。此外，为了保证用户的公平性，并且避免不必要的协作开销，将协作接收nC()的目标设置为协作传输速率满足速率阈值要求，即当CC时，停止对(m,n)分配更多mT的协作资源。该协作接收目标可以保证用户的协作传输速率，即协作增益。在此基础上，本文以最小化协作簇规模为目标，优化协作开销，即寻找使用户协作传输速率满足阈值的最小115协作簇。最小化协作簇规模的分簇设计优化问题可以表示为：nn*minA（7）mmnmnNC()s.t.CC（8）mTmAA（9）mTn120BB（10）TnC()nCCoArA（11）mTmTuvnn,,uv（12）mn,,mnmmn*其中表示用户(m,n)的最优协作接收簇。A表示协作簇规模上限，由网络配置和基站mTnu处理能力决定。B表示基站n的协作链路数，即参与协作接收次数，其上限为B。表Tmn,125示用户(m,u)对用户(m,n)的ICI。考虑到基站协作负担的公平性，每个基站所能提供的协作机会应视为一种有限资源。在设计协作接收簇时，应避免对单个基站造成过重的协作负担。基站的协作负担主要由基站传输协作信息造成，这在分布式协作接收处理中表现为干扰用户信号的检测信号。因此，基站的协作负担与基站协作链路数成正相关，基站参与的协作簇数量越多，基站协作负担越大。n130因此，本文使用基站n参与协作链路数B表征该基站的协作接收负担。通过引入基站参与协作链路数上限B，网络内用户的协作簇设计问题表现为用户对基站协作机会的竞争问题。T观察式（4）和式（6）可以发现，协作接收操作对传输速率的最大化提升可以通过最小化ICI来实现。因此，造成严重ICI的用户的服务基站应当被纳入被协作用户的协作接收簇。换言之，基站更倾向于将协作机会给受到自己服务用户干扰较严重的被协作用户。于是本文135以干扰信道强度作为基站分配协作机会的依据。具体而言，用户(m,u)对用户(m,n)的干扰信道强度可表示为：uuHuhh（13）mn,mn,mn,为了求解式（7）-式（12）所述的分簇优化问题，本文提出一种基于干扰信道强度的启发式动态分簇算法（InterferingChannelStrengthbasedClusteringalgorithm,ICSC），如表1-4- 中国科技论文在线http://www.paper.edu.cn140所示。传输速率阈值C在协作增益和协作开销的折中中扮演了重要角色。首先，C是判断TT用户是否具有协作接收需求的依据，用于保证协作资源只分配给边缘用户；其次，C确保T每个用户(m,n)消耗最少的协作资源，使其协作传输速率达到式（11）的下界，除非该用户nnC()使用了最大的协作簇规模AA，也不能满足CC；此外，C还用于确定预分簇mTmTT级别，尽可能的缩小协作伙伴的搜索空间，降低计算复杂度。145表1基于干扰信道强度的动态分簇算法Tab.1Interferingchannelstrengthbasedclusteringalgorithmnn步骤1.根据每个小区的位置生成分级预分簇。设置A，B和C，初始化A0，B0；TTTmnNC()nNC()nNC()步骤2.计算每个用户(m,n)在非协作情形下的传输速率C；选择所有满足CC的用户，根据C由mmTm小至大排列并存储至待协作用户集合；步骤3.选择集合中的第一个用户；读取该用户的所在小区的最低级预分簇；计算预分簇内所有干扰用户的干扰信道强度，并由大到小排列；n步骤4.在当前预分簇中，选择具有最大干扰信道强度的(A1)个干扰用户的服务基站形成最大协作簇；计算最TmMAXnC()大协作传输速率C；mMAXnC()步骤5.若CC，依次选择预分簇内具有最大干扰信道强度的用户的服务基站；若该基站的协作链路数不足B，mMAXTTn将该基站加入协作簇并更新该基站的协作链路数；若基站协作链路数已满，选择下一个基站，直至满足mnC()nC()CC；否则，若CC，将预分簇等级提升1级，计算预分簇内所有干扰用户的干扰信道强度，mTmMAXT由大到小排列，返回步骤4；步骤6.重复步骤3-5，直至待协作用户集合内所优用户均已完成协作簇设计。在选择协作伙伴时，本文提出一种分级预分簇算法缩小搜索空间。预分簇的级别由待协作用户的服务基站（被协作基站）和候选协作基站之间的距离决定。以19小区六角形蜂窝150网络为例，假设小区半径为r，与被协作基站距离在2r以内的6个基站组成预分簇的第一级，与被协作基站距离在4r以内的18个基站组成预分簇的第二级。通常情况下，由于距离较近，较低预分簇等级的基站的服务用户容易产生较强的ICI，因此这类基站也更容易被纳入最终的协作簇。生成分级预分簇后，被协作基站使用C作为阈值，选择能够满足TnC()nC()CC的最低等级，其中C表示使用当前等级预分簇时，以最大协作簇规模A所mMAXTmMAXT155能达到的协作速率。本文所提算法的计算复杂度涉及的主要参数有：网络内的小区数N，每个小区内的用户数M，传输速率阈值C，协作簇规模上限A以及分级预分簇的级别。所提算法的计算TTnNC()nC()nC()u量主要体现在对C，C，C和的计算上。具体而言，所提算法共需计算NMmmMAXmmn,nNC()nC()nC()次C。假设分级预分簇共有N级，待协作的边缘用户数为N，则C，C和mpcpumMAXm-5- 中国科技论文在线http://www.paper.edu.cnu160的计算次数最多分别为NN，AN和(NN1)。mn,pcpuTpupu3仿真结果与分析本节仿真使用19小区正六边形网络，小区半径为500m。每个小区内有1个中心基站，基站接收天线数为K2。每个小区内随机分布M2个用户，用户发送天线数为1。本节使用3GPPTS25.996的空间信道模型[8]。所有仿真中均默认接收SNR=10dB，A7，T165B6，C2Bits/sec/Hz/user。TT图1所有用户及5%边缘用户的平均传输速率CDF比较Fig.1CDFoftheaverageuserrateandthe5%edgeuserrate图1分别给出了使用所提ICSC算法时，网络内所有用户与5%边缘用户的平均传输速170率累积分布函数（CumulativeDistributionFunction,CDF）。对比算法包括协作簇规模为7的静态分簇算法[6]，协作簇规模为7的基于干扰权重的以网络为中心的分簇算法（IW）[5]，以及基于信道强度的以用户为中心的动态分簇算法，分别使用固定协作簇规模为3（CS-3）和7（CS-7）[4]。由于不考虑每个用户具体的信道环境和性能，以网络为中心的IW算法在对比算法中表现较差。而CS-7算法则再不考虑基站协作负担的约束，对每个用户以最大协175作簇规模选择最优的协作伙伴，因而获得了所有对比算法中的最优性能。相比之下，本文所提ICSC算法虽然在图1.a中表现一般，但能够在图1.b中逼近最优对比算法CS-7。这是因为ICSC算法只将协作机会提供给非协作时性能较差的边缘用户。图2给出了不同分簇算法的平均协作簇规模与基站协作链路数最大值的比较。显然，所提ICSC算法同时具有最小的平均协作簇规模，和最小的基站协作链路数最大值。此外，尽180管CS-3算法与所提ICSC算法具有相近的平均协作簇大小，但在传输速率和基站协作链路数最大值分析中，CS-3算法均劣于所提ICSC算法。此外，所提ICSC算法的基站最大协作负担仅为CS-7算法的1/3，却能在图1.b中获得与CS-7算法相近的5%边缘用户传输速率性能。因此，可以认为，所提算法能够在保证用户传输速率的同时，显著降低协作开销，并且避免对个别基站过多的参与协作接收，保证了基站协作负担的公平性。185-6- 中国科技论文在线http://www.paper.edu.cn图2平均协作簇大小与基站协作链路数最大值比较Fig.2MeanvalueofclustersizeandthemaximumtimesthateachBSpraticipatesincooperation190表2不同分簇算法的计算复杂度比较Tab.2Computationalcomplexityofdifferentclusteringalgorithms分簇算法加法运算次数乘法运算次数IW84360255360CS11762314ICSC28573936不同分簇算法的计算复杂度如表2所示。其中由于CS-3和CS-7算法操作步骤完全相同，仅选择的协作伙伴个数不同，因而具有相同的计算复杂度，统一以CS表示。此外，由于Static算法不需要根据信道变化周期性的设计协作簇，仅考虑小区位置，计算复杂度可忽195略。观察表2可以发现，所提ICSC算法具有适中的计算复杂度。尽管所提算法的计算复杂度约为CS-7算法的2倍，但在协作接收处理中，所提ICSC算法能够节省约一半的协作资源。4结论本文针对多小区协作上行链路系统，考虑协作接收所造成的基站协作负担，提出了一种200以用户为中心的动态分簇算法。为了保证基站协作负担的公平性，将每个基站所能提供的协作机会视为一种有限资源，用户基于干扰信道强度，以竞争的方式寻求基站的协作。此外，为了有效降低计算复杂度，本文提出了一种分级预分簇算法。仿真结果显示，所提算法能够实现协作增益和协作开销的有效折中。与CS-7算法相比，所提ICSC算法能够在节约一半协作资源的同时，以仅1/3的基站最大协作负担，逼近CS-7算法所保有的5%边缘用户协作205传速速率的性能上界。-7- 中国科技论文在线http://www.paper.edu.cn[参考文献](References)[1]CUIQ,WANGH,HUP,TAOX,ZHANGP,HAMALAINENJ,XIAL.EvolutionofLimited-Feedback210CoMPSystemsfrom4Gto5G:CoMPFeaturesandLimited-FeedbackApproaches[J].IEEEVehicularTechnologyMagazine,2014,9(3):94-103.[2]BALACHANDRANK,KANGJH,KARAKAYALIK,REGEKM.NICE:ANetworkInterferenceCancellationEngineforOpportunisticUplinkCooperationinWirelessNetworks[J].IEEETransationsonWirelessCommunications,2011,10(2):540-549.215[3]ZHANGR,etal.AdvancesinBase-andMobile-StationAidedCooperativeWirelessCommunications:AnOverview[J].IEEEVehicularTechnologyMagazine,2013,8(1):57-69.[4]ZHAOJ,LEIZ.ClusteringMethodsforBaseStationCooperation[C].IEEEwirelesscommunicationsandnetworkingconference.Shanghai,China,2012.946-951.[5]YOONM,KIMMS,LEEC.~Lee.ADynamicCellClusteringAlgorithmforMaximizationofCoordination220GaininUplinkCoordinatedSystem[J].IEEETransactionsonVehicularTechnology,2016,65(3):1752-1760.[6]MARSCHP,FETTWEISG.StaticClusteringforCooperativeMulti-Point(CoMP)inMobileCommunications[C].IEEEinternationalconferenceoncommunications,Kyoto,2011.1-6.[7]ZHANGH,LIUH,JIANGC,CHUX,NALLANATHANA,WENX.APracticalSemidynamicClusteringSchemeUsingAffinityPropagationinCooperativePicocells[J].IEEETransationsonVehicularTechnology.2015,22564(9):4372-4377.[8]Third-GenerationPartnershipProject(3GPP).SpatialChannelModelforMultipleInputMultipleOutput(MIMO)Simulations[R].SophiaAntipolis,France,Tech.Rep.TR25.996V8.0.0(release8),Dec.2008.-8-'