0 引言

　　隨著移動互聯(lián)網(wǎng)的發(fā)展，蜂窩通信中數(shù)據(jù)業(yè)務(wù)得到高速增長，單獨(dú)采用增加傳統(tǒng)宏基站（Macro BS）的小區(qū)分裂技術(shù)已經(jīng)不能滿足通信容量的需求。一種通過改變網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)而顯著提高網(wǎng)絡(luò)容量的技術(shù)受到了人們的廣泛關(guān)注，即在現(xiàn)有的宏小區(qū)中部署低功率節(jié)點(diǎn)，如：微微（Pico）基站、家庭（Femto）基站和遠(yuǎn)程射頻節(jié)點(diǎn)（Remote Radio Head，RRH）等，這就形成了異構(gòu)網(wǎng)絡(luò)[1]。

　　在異構(gòu)網(wǎng)絡(luò)中，由于宏基站和低功率發(fā)射功率差異比較大（可以到達(dá)40倍的差異），如果仍然按照傳統(tǒng)同構(gòu)網(wǎng)中小區(qū)選擇算法進(jìn)行小區(qū)選擇，大多數(shù)的用戶將會接入到發(fā)射功率大的宏基站中，只有極少數(shù)的用戶能夠接入低功率節(jié)點(diǎn)，這不符合增加新節(jié)點(diǎn)來改善系統(tǒng)環(huán)境的初衷，同時也不滿足異構(gòu)分層網(wǎng)絡(luò)的設(shè)計(jì)需求。

　　為了解決這一問題，高通公司在3GPP會議的提案中提出了一種基于偏置值bias的小區(qū)選擇策略。即通過給低功率節(jié)點(diǎn)的參考信號接收功率（Reference Signal Receiving Power，RSRP）加上一個大于0的bias值，保持宏小區(qū)的RSRP不變，降低低功率節(jié)點(diǎn)的接入門檻。文獻(xiàn)[2]評估了在異構(gòu)網(wǎng)絡(luò)中采用小區(qū)區(qū)域擴(kuò)展技術(shù)后在不同bias值下，Pico基站在下行鏈路上的覆蓋范圍，通過仿真給出了最佳bias參考值。文獻(xiàn)[3]針對ESB到EPB和ESB到HSB兩種不同的Pico基站區(qū)域擴(kuò)展策略測量最優(yōu)偏置值bias，并分析了Macro基站對擴(kuò)展區(qū)域用戶的下行干擾影響。這種基于偏置值bias的小區(qū)選擇策略一定程度上可以解決負(fù)載不均衡問題，但由于不是最強(qiáng)接收信號，使位于低功率節(jié)點(diǎn)擴(kuò)展區(qū)域的用戶受到附近Macro基站嚴(yán)重的下行干擾，從而嚴(yán)重影響了用戶感知。

　　文獻(xiàn)[4]研究了一種基于小區(qū)呼吸技術(shù)的小區(qū)選擇策略，即根據(jù)先驗(yàn)小區(qū)負(fù)載狀況，動態(tài)調(diào)節(jié)小區(qū)覆蓋范圍的小區(qū)選擇方案。文獻(xiàn)[5]提出一種基于系統(tǒng)容量最大化的小區(qū)選擇策略，其算法是讓用戶選擇令其可達(dá)速率最大的小區(qū)作為服務(wù)小區(qū)，用戶利用相鄰小區(qū)的作用參數(shù)計(jì)算其容量，參數(shù)信息通過服務(wù)基站的信令傳遞獲得。文獻(xiàn)[6]提出一種基于系統(tǒng)發(fā)射功率最小化的小區(qū)選擇策略，該算法從能效角度出發(fā)，在滿足用戶業(yè)務(wù)需求的條件下，通過凸優(yōu)化理論為用戶選擇其最佳服務(wù)小區(qū)。文獻(xiàn)[7]在滿足用戶最小速率限制的條件下，以最大化用戶和速率為目標(biāo)，把用戶小區(qū)選擇問題建模為納什談判問題，通過放寬限制條件，應(yīng)用KKT條件求取最優(yōu)值。

　　以上小區(qū)選擇策略很少從異構(gòu)網(wǎng)絡(luò)干擾管理的角度去考慮用戶接入問題。因此，結(jié)合上述相關(guān)研究，本文從負(fù)載均衡和干擾管理兩方面考慮，提出一種折中兩項(xiàng)性能指標(biāo)的小區(qū)選擇算法。仿真結(jié)果表明，該算法較其他常用算法在用戶接入公平性和用戶平均吞吐量上均有明顯的提升。

1 系統(tǒng)模型和假設(shè)

　　根據(jù)3GPP TR 36.814協(xié)議中關(guān)于異構(gòu)網(wǎng)絡(luò)部署的詳細(xì)描述，考慮Macrocell和Picocell共存的異構(gòu)網(wǎng)絡(luò)下行傳輸系統(tǒng)，系統(tǒng)頻率復(fù)用因子為1。在每個宏小區(qū)中，Macro基站位于小區(qū)的中心，Pico基站隨機(jī)分布在Macro基站覆蓋范圍內(nèi)。

　　定義基站的集合為B={1，2，…，B}，用戶集合為U={1，2，…，U}，i表示基站索引，j表示用戶索引。則當(dāng)用戶j接入基站i時，其接收信號功率Pij可以表示為：

　　其中，Pi表示基站i的發(fā)射功率，gij表示基站i到用戶j的下行信道增益。假設(shè)無線信道為大尺度衰落信道，則信道增益gij主要包括路徑損耗和陰影衰落。

　　用戶j的信干噪比?酌ij計(jì)算為：

　　其中，表示加性白高斯噪聲的功率。

　　定義ij為用戶小區(qū)選擇因子，ij的取值如下：

　　則接入基站i的用戶數(shù)可以表示為：

　　假設(shè)整個系統(tǒng)可用帶寬為W，Macrocell和Picocell采用共信道的部署方式，因此它們都可以調(diào)度整個頻帶資源且共享數(shù)量相同的資源塊。在此不具體研究系統(tǒng)的資源調(diào)度算法，Macrocell和Picocell均基于輪詢調(diào)度機(jī)制將資源塊分配給其覆蓋范圍內(nèi)的用戶。根據(jù)香農(nóng)公式可計(jì)算出接入小區(qū)i的用戶j的可達(dá)數(shù)據(jù)速率是：

2 小區(qū)選擇策略

　　2.1 干擾管理準(zhǔn)則

　　為了表示用戶接入小區(qū)后受到的干擾情況，從信號泄漏的角度出發(fā)，采用信漏噪比（Signal to Leakage and Noise Ratio，SLNR）準(zhǔn)則，將用戶受到的干擾信號看作是泄漏信號進(jìn)行處理。

　　則對于小區(qū)中的用戶j的SLNR可計(jì)算為：

　　其中，Pij表示小區(qū)i到目標(biāo)用戶j的有用信號功率，Pim(m≠j)表示小區(qū)i中泄漏到其他用戶的干擾信號功率，表示加性白高斯噪聲的功率。

　　2.2 小區(qū)選擇算法

　　為了折中干擾抑制和負(fù)載均衡兩項(xiàng)指標(biāo)，在此定義干擾負(fù)載比。包含兩部分內(nèi)容：一部分反映小區(qū)負(fù)載狀況，另一部分反映用戶當(dāng)前所受干擾情況。其中，小區(qū)的負(fù)載狀況用當(dāng)前接入基站的用戶數(shù)表示，用戶所受干擾用戶的SLNR值表示，則小區(qū)i中的用戶j的干擾負(fù)載比ij表示如下：

　　根據(jù)式（3）和式（7），用戶的小區(qū)選擇問題可建模為如下的聯(lián)合優(yōu)化問題：

　　其中，X={ij}表示用戶小區(qū)選擇因子矩陣。

　　此問題是一個0-1背包問題，沒有直接的方法可以求解，為此，本文采用了一種啟發(fā)式算法進(jìn)行求解。

　　算法流程包含以下幾個步驟：

　　步驟1：每個用戶基于最大RSRP的方式進(jìn)行小區(qū)選擇，完成用戶小區(qū)選擇因子矩陣X的初始化。

　　步驟2：對于每個小區(qū)根據(jù)式（6）計(jì)算其接入用戶的SLNR，在小區(qū)i中選取具有最小SLNR值的用戶，根據(jù)式（7）計(jì)算其干擾負(fù)載比ij，i∈B。

　　步驟3：計(jì)算用戶j?鄢接入到除小區(qū)以外的所有其他小區(qū)的干擾負(fù)載比，并選擇。

　　步驟4：判斷是否大于預(yù)設(shè)門限值?著。如果大于，則更換用戶j?鄢的服務(wù)小區(qū)為小區(qū)n；否則保持服務(wù)小區(qū)不變。更新用戶的小區(qū)選擇因子矩陣X。

　　步驟5：重復(fù)執(zhí)行步驟2～步驟4，直到?jīng)]有用戶的服務(wù)小區(qū)需要變更為止。

　　以上算法的偽代碼如下：

　　Input：{TransmitPoweri，Pathlossij，AntennaGainij，ShadowFadingij，

　　Output：User Association Index Matrix {X={ij}}

　　Program：

　　Step 1：Initialize the user association indicator matrix X via

　　according to maximum RSRP metric.

　　Step 2：Set Q as a  1×N zeros matrix.

　　Step 3：For BS n=1：N

　　1) Calculate the SLNR of each UE via Eq. (7)

　　2) Choose the min-SLNR UE in BS n

　　3) Calculate and choose the maximum

　　4) If max ≥

　　Associate UE  with BS n，update X

　　Else

　　Maintain the user association，Q(n)=1

　　End for

　　Step 4：If sum(Q)<N

　　Return to step 3

　　Else

　　end

3 仿真驗(yàn)證和性能分析

　　3.1 仿真參數(shù)

　　為了驗(yàn)證所提方案的有效性，借助MATLAB軟件對Macrocell和Picocell共存的異構(gòu)下行傳輸系統(tǒng)進(jìn)行仿真。系統(tǒng)仿真參數(shù)如表1所示。

　　3.2 仿真結(jié)果和分析

　　本節(jié)通過與另外兩種常見的小區(qū)選擇策略：基于最大RSRP和基于CRE偏置值的小區(qū)選擇策略對比來分析并驗(yàn)證所提小區(qū)選擇策略的性能。

　　從圖1中可以看出，本文所提算法較基于最大RSRP的小區(qū)選擇算法，可以有效提高宏用戶的吞吐量。這是因?yàn)樽畲驲SRP算法使宏基站過載，頻譜資源不能充分利用。在Pico用戶性能方面，與基于CRE偏置值的小區(qū)選擇算法相比，Pico用戶吞吐量有20%左右的提升，這個提升說明位于擴(kuò)展區(qū)域的Pico用戶由于受到附近Macro基站的下行干擾，從而嚴(yán)重影響了用戶感知。而本文所提算法中由于綜合考慮了小區(qū)負(fù)載和用戶所受干擾情況，因此較前兩種算法在宏用戶吞吐量和Pico用戶吞吐量方面均有明顯提升。

　　圖2為三種小區(qū)選擇算法下用戶接入公平性的比較，仿真中采用JFI（Jain′s Fairness Index）來評估用戶接入的公平性。JFI的表達(dá)式為：

　　其中，表示接入基站i的用戶數(shù)。

　　J越大表明基站之間用戶的接入越公平。從圖中可以看出，所提算法在用戶接入公平性上較另外兩種算法有明顯優(yōu)勢，而且其JFI曲線受接入用戶數(shù)波動很小，基本保持平穩(wěn)，這也充分說明了該算法的穩(wěn)定性。

　　圖3給出了在180個用戶下的系統(tǒng)吞吐量與門限值ε的關(guān)系。從圖中可以看出，門限值ε與系統(tǒng)吞吐量成反比關(guān)系。這是因?yàn)棣旁酱螅M(jìn)行小區(qū)變更的用戶數(shù)越少，用戶基本保留其原始接入狀態(tài)；ε越小，表明越多的用戶參與了小區(qū)選擇的調(diào)整，從而使系統(tǒng)性能越好。

　　4 結(jié)束語

　　針對異構(gòu)網(wǎng)絡(luò)中小區(qū)選擇問題，為了折中負(fù)載均衡和提升干擾管理兩項(xiàng)指標(biāo)，研究了一種基于干擾負(fù)載比的小區(qū)選擇策略。仿真結(jié)果表明，在綜合考慮了接入小區(qū)負(fù)載和所受其他小區(qū)干擾后，所提小區(qū)選擇策略在有效改善Pico小區(qū)用戶性能的情況下，在用戶接入公平性和系統(tǒng)吞吐量上較傳統(tǒng)小區(qū)選擇策略都有較大的提升。

　　參考文獻(xiàn)

　　[1] DAMNJANOVIC A，MONTOJO J，WEI Y，et al.A survey on 3GPP heterogenous networks[J].IEEE Wireless Communi-cation，2011，18(3)：10-21.

　　[2] Cao Yu，Xia Hailun，F(xiàn)eng Chunyan.Evaluation of diverse Cell Range Expansion strategies applying CoMP in hetero-geneous network[C].Personal Indoor and Mobile Radio Communications(PIMRC)，2013：1962-1966.

　　[3] Lopez-Perez，D，Chu Xiaoli，Guvenc I.On the expanded region of picocells in heterogeneous networks[J].IEEE Journalof Selected Topics in Signal Processing，2012，6(3)：281-294.

　　[4] DAS S，VISWANATHAN H，RITTENHOUSE G.Dynamic load balancing through coordination scheduling in packet data systems[C].In INFOCOM 2003 Twenty-Sesond AnnualJoint Conference of the IEEE Computer and Communica-tions，2003：786-796.

　　[5] Jeong Soo Park，Gil Su Heo，Yong Hwan Lee.Capacity  maximizing cell selection in heterogeneous cellular networks in software[C].Telecommunications and Computer Networks(SoftCOM).2011 19th International Conference on IEEE.2011：1-5.

　　[6] ZHU H，WANG S，CHEN D.Energy-efficient user associationfor heterogenous cloud cellular networks[C].In Globecom Workshops(GC Wkshps)，2012 IEEE，2012：273-278.

　　[7] Liu Dantong，Chen Yue，Kok Keong Chai，et al.Nash  bargaining solution based user association optimization in  HetNets[C].Consumer Communications and Networking Conference(CCNC)，2014：587-592.