面向5G無線網絡的智能干擾管理技術

李建東，劉磊，盛敏，徐超

（西安電子科技大學綜合業務網理論與關鍵技術國家重點實驗室，陜西 西安 710071）

專題：5G

面向5G無線網絡的智能干擾管理技術

李建東，劉磊，盛敏，徐超

（西安電子科技大學綜合業務網理論與關鍵技術國家重點實驗室，陜西 西安 710071）

作為 5G 關鍵技術之一的超密集組網是滿足未來千倍數據流量需求的主要手段。 然而，網絡密集化部署將導致嚴重的干擾問題，因此干擾管理是 5G 超密集網絡中的重要研究課題。首先從規避及利用兩個方面歸納總結現有的干擾管理算法。其次，為了更好地適應未來 5G 無線網絡智能化、異構化的發展趨勢，提出了一種智能的無線網絡干擾管理體系，實現了無線網絡環境與干擾管理的動態緊耦合。 最后，從干擾管理與資源管理的本質聯系這一角度出發，介紹了 3 種聯合異構網絡資源的新型干擾管理算法，有效實現了網絡資源的高效利用和網絡容量的提升。

干擾管理；資源管理；異構無線網絡

1 引言

隨著無線通信技術的飛速發展和智能終端設備的普及，移動業務呈現出種類紛繁多樣、數據爆炸增長的發展態勢。為了應對未來無線網絡超高流量密度、超高連接數密度等帶來的嚴峻挑戰，通信學術界和產業界正積極致力于 5G（the fifth generation）無 線 網 絡 的 研 發 和 標 準 化 。為 了實現“萬物互聯”的美好愿景，5G 無線網絡將是一個高度融合、高度智能的無線網絡。根據目前的研究現狀，推動5G 發展的革新技術可以劃分為無線技術和網絡技術兩個層面。其中，無線技術主要包括新型非正交多址接入技術（例如稀疏碼分多址接入技術等）、大規模天線技術、毫米波技術、終端直通技術、靈活雙工技術（例如動態時分雙工技術等）以及全雙工技術等；在網絡技術方面，5G 的技術創新得益于超密集組網，同時基于軟件定義網絡和網絡功能虛擬化等網絡架構也獲得了廣泛的認同。但是，這些關鍵技術正處于研究階段，技術本身仍存在一些亟待解決的問題。例如超密集組網通過增加無線網絡基站布設密度可以獲得頻率復用效率的巨大提升，從而實現系統容量的增加，但微蜂窩、微微蜂窩更密集的部署以及小區覆蓋范圍的重疊，將帶來更為嚴重的干擾。不難看出，如果沒有合適的干擾管理策略，網絡中的干擾會隨著小區密度的增加而愈發嚴重，并成為限制無線網絡邁入 5G 時代的關鍵制約。因此干擾管理是提升 5G 無線網絡性能的關鍵技術。

本文首先概述無線網絡中的干擾管理方法，并對其進行分類；然后，從系統的設計與實現角度提出了一種智能的無線網絡干擾管理體系，闡述了網絡干擾管理與資源管理的內在聯系，并從網絡資源維度出發提出了 3類新型干擾管理算法；最后總結概括全文并展望未來的研究方向。

2 干擾管理的研究動態

在無線通信網絡中，當多對通信鏈路共享相同資源域時，所產生的相互干擾將導致網絡資源浪費并使網絡性能惡化。因此干擾管理是改善網絡性能的重要手段。如果將干擾分別視為不利因素或者可用因素，則可以從規避以及利用干擾兩個方向進行干擾管理，具體分類方法如圖 1所示。

在多數干擾管理方法中，干擾都被視為不利因素。在這些方法中，可以通過資源分配及調度來避免干擾的產 生［2-5］。隨 著 無 線 通 信 系 統 的 多 樣 化 、網 絡 結 構 的 異 構 化以及多種新的通信技術的應用，干擾管理算法可與多天線（MIMO ）［6］、串 （并 ）行 干 擾 消 除［7］、協 作［8，9］及 認 知［10，11］等 多 種技術相結合。

2.1 干擾被視為不利因素

（1）干擾隨機化

干 擾 隨 機 化 （interference randomization）［12］的 目 標 是 在接收端得到接近白噪聲的干擾信號，即隨機化的干擾信號，從而獲得抑制干擾的處理增益。常見的干擾隨機化方法有：跳頻，即對每個小區采用不同的跳頻模式獲得干擾白化的效果；交織，即在信道編碼之后對各個小區的信號采用不同的交織圖案進行信道交織，從而隨機化干擾；加擾，即在信道編碼和信道交織之后，對各個小區的信號利用不同的偽隨機碼進行加擾以實現干擾白化的目的。

（2）增強型小區間干擾協調

為了降低宏小區與微蜂窩之間的層間干擾，提高邊緣用 戶 的 性 能 ，基 于 小 區 間 干 擾 協 調 （inter-cell interference coordination）［13］技 術 ，3GPP 在 LTE-Advanced 的 R10 版本中 提出 增 強 型 小 區 干 擾 協 調 （enhanced inter-cell interference coordination，eICIC）［14，15］技術，包 括 以 下 3 種 解 決 方 案 。

①頻域 eICIC

即通過調度和頻譜資源分配，使不同小區的控制信道和物理信道使用正交或者部分正交的頻譜資源。雖然頻域eICIC 能夠消除層間干擾，但是資源的正交劃分降低了頻譜資源的利用率，造成頻域資源的浪費。

②基于功率控制的 eICIC

其主要思想是在保證用戶 QoS約束的條件下，降低發射功率來避免干擾。參考文獻［16］中從博弈論協作議價模型出發，提出一種異構網絡中的功率控制算法。該算法基于結合系統譜效與能效的效用函數設計了一種具有閉式解的功率協調方案，并提出了一種簡化系統信令開銷的低復雜度算法。

圖1 干擾管理算法分類方法

③時域 eICIC

該方法是在一個子幀上從時間域進行干擾協調。其基本 原 理 是 通 過 在 下 行 設 置 幾 乎 空 白 的 子 幀 （almost blank sub-frame，ABS），即在該子幀上保持靜默，其他被干擾小區中的用戶只在干擾源小區的 ABS 上對其數據進行譯碼和解調，從而避免來自干擾小區的干擾。

可以看到，時域 eICIC 與頻域 eICIC 僅分別使用了時域與頻域資源，然而考慮到實際無線信道受到時間—頻率兩維 衰 落 的影響，參考 文 獻［17］提 出 了一 種 聯 合 時間 和 頻率二維資源進行干擾協調的策略。通過聯合利用在時域和頻域的信道變化，并在時頻二維資源上聯合進行干擾協調，該算法能夠靈活頑健地適應重負載業務。

（3）干擾消除

干 擾 消 除 （interference cancellation，IC）技 術 的 最 早 應用 是 在 CDMA 系 統 中 的 多 用 戶 檢 測 技 術 中［18］。其 主 要 思 想是對干擾信號進行譯碼，然后重構干擾信號，并從接收信號中刪除。按照譯碼干擾信號方式的不同，可分為串行干擾 消 除 （successive interference cancellation，SIC）以 及 并 行干 擾 消 除 （parallel interference cancellation，PIC）。SIC 的 核心 是 對 接 收 信 號 進 行 多 級 循 環 迭 代［19］，逐 次 檢 測 并 消 除 一個干擾信號。由于 SIC 是逐次進行檢測消除，所以如何確定檢測順序是 SIC 的關鍵問題。在實際中，通常根據接收信噪比或者接收信號的強度來確定檢測順序。SIC 接收機結構設計簡單、計算復雜度低，具有很好的頑健性和實用性。但是由于干擾信號的檢測存在一定偏差，用不完全準確的估計干擾信號去重構并消除干擾會導致誤差傳播，故SIC 是一種次優的檢測算法。同時，由于 SIC 檢測器每次只能檢測一個信號，每一級的干擾刪除都會導致一定時延。而 PIC 利用多次迭代能夠同時刪除干擾信號，相比 SIC，有效降低了檢測時延并能克服誤差傳播。PIC 的核心思想是利用相關檢測得到粗略的多用戶檢測結果，并分別重建所有用戶的干擾信號，然后從接收信號中并行消除干擾，再進 行 判 決 ，即 可 得 到 發 送 信 號［20］。在 實 際 中 通 常 采 用 多 級PIC 檢測，可以有效提高干擾消除效果。在實際應用中，SIC通常結合調度策略以獲得更好的性能。在參考文獻［21］中，結合 SIC 設計了一種感知鏈路帶寬的分布式路由協議。該協議利用啟發式算法分析估算結合 SIC 的鏈路帶寬。基于此鏈路帶寬，定量地描述了系統使用 SIC 前后的增益，并以此度量作為路由設計標準，實現了能夠提高系統端到端吞吐量的路由協議。參考文獻［22］提出了一種聯合 SIC 的調度策略。 利用 SIC，設計了實現相鄰通信鏈路同時并傳的傳輸策略，并提出了兩個低復雜度路由算法，有效增加了系統頻譜效率。

（4）干擾對齊

Cadambe 和 Jafar 在研究 K 用 戶 干擾信道 時 ，在符號擴 展 的 基 礎 上 給 出 了 干 擾 對 齊 （interference alignment，IA）的 概 念 ，并 利 用 干 擾 對 齊 技 術 實 現 了 系 統 K／2 的 自 由 度［23］。干擾對齊的基本思想是將來自不同干擾源的干擾信號在接收端對齊壓縮至較小的信號維度，從而減小干擾信號所占用的維度。由于進行干擾對齊的符號擴展數目隨著系統用戶數的增加呈指數增長，故在實際系統中利用無符號擴展的 MIMO 技術，實現空域的干擾對齊。目前，干擾對齊已經 在 多 用 戶 干 擾 信 道［23］、中 繼 網 絡［24，25］、多 跳 網 絡［26，27］中 得 到廣 泛 的 研 究 ，并 且 被 應 用 于 蜂 窩 網 絡 場 景 之 中［28］。在 此 基 礎上，參考文獻［29］提出了一種適用于兩小區蜂窩網絡下行場景的干擾對齊策略。在參考文獻 ［30］中，在多小區下行MIMO 多用戶網絡中提出了一種基于廣義特征值分解并聯合用戶分組和基站關聯的干擾對齊算法，并給出了預編碼矩陣與解碼矩陣的閉式解，與現有方案相比，有效提高了系統可達自由度。這些研究成果表明，干擾對齊可以有效地解決網絡中的干擾問題，使網絡取得更高的自由度。然而在異構網絡場景中，由于受到干擾對齊可行性條件的約束以及異構網絡特殊性的影響，傳統的干擾對齊方案難以直接應用到異構網絡場景中。因此設計適用于異構網絡的干擾對齊方案具有更高的挑戰性。

（5）多點協同傳輸技術——協調調度／波束成形（CoMP CS／CB）

CoMP CS／CB 通 過 協 調 調 度 或 者 波 束 成 形 抑 制 小 區 邊緣用戶的干擾。各個協作小區共享不同小區之間的信道狀態信息但不共享用戶數據。利用該信道狀態信息，通過合適的調度算法選擇不僅使得本小區性能最優且對相鄰小區造成的干擾最小的波束成形矩陣，即協調發送信號波束的方向，從而使得網絡性能達到最優。針對 CoMP CS／CB 會對回傳鏈路引入額外負荷這一問題，參考文獻［31］通過聯合 S1 和 X2 鏈路的調度，減小回傳鏈路對 CoMP 傳輸的約束，提出了基于容量受限的分布式 CoMP 數據傳輸方法。

上述干擾管理算法將干擾視為不利因素，通過資源的協調、規劃達到消除或抑制干擾的目的。雖然這些方式能夠在一定程度上消除干擾，但同時也降低了資源的利用效率。隨著研究的深入，人們考慮嘗試發掘干擾的可用可管部分，將干擾作為一部分可利用資源，從而更好地實現網絡干擾管理，提升網絡性能。

2.2 干擾被視為可用資源

（1）網絡編碼

網 絡 編 碼［32］（network coding）正 是 在 重 新 認 識 干 擾 的基礎上發展起來的一種重要技術，應用于無線網絡鏈路層的網絡編碼技術充分利用了無線信道的廣播特性，改善多個單播流并存的吞吐量性能。模擬網絡編碼，巧妙地利用無線干擾，提高傳輸速率，進一步改善了網絡性能。參考文獻［33］聯合考慮網絡編碼技術和調度機制，分析了采用網絡編碼可獲得的網絡最大吞吐量。參考文獻［34，35］分析了網絡編碼所帶來的網絡容量增益。

（2）干擾遷移

［36］中 ，巧 妙 地 利 用 了 異 構網 絡 中 由 非 均勻負載導致的干擾分布非均勻特性，提出干擾遷移（interference migration），即通過引入移動熱點對數據進行分流，從而將嚴重的干擾引導至低負載小區中，有效緩解了重負載小區的干擾，提高了系統能量效率，具體見第 3.3.1 節。

（3）多點協同傳輸技術——聯合處理／傳輸

區 別 于 CoMP CS／CB，CoMP 聯合處理／傳輸（JP／JT）技 術中協作小區共享所要傳輸的數據信息，多個協作小區同時向用戶傳輸數據。通過聯合處理傳輸的方式，將不同小區間的干擾轉變成了有用信號，從而提高接收信號質量，實現 系 統 性 能 的 提 升［37］。CoMP JP／JT 有 兩 種 模 式 ，即 單 用 戶聯 合處理／傳 輸 和 多用戶聯 合 處 理／傳 輸。在 單 用 戶 CoMP JP／JT 中，協作簇內的多個協作基站同 時 為一個用 戶 傳 輸數據。用戶利用不同協作基站之間所產生的分集增益，有效 提 高 了 接 收 信 號 質 量 。但 是 在 單 用 戶 CoMP JP／JT 中 ，單用戶接收需要多個協作簇基站的資源，從而降低了頻譜 利 用 率 ；在 多 用 戶 CoMP JP／JT 中 ，協 作 簇 內 的 多 個 協 作基站可以同時為多個用戶傳輸數據。類似于MU-MIMO，協作基站通過迫零預編碼或者塊對角化預編碼消除多用戶之間的干擾，并對不同用戶的數據使用不同的預編碼矩 陣 。由 于 多 用 戶 CoMP JP／JT 需 要 獲 得 每 個 用 戶 到 所 有協作基站的信道狀態信息，因此信道狀態信息誤差會嚴重制約系統性能的提升。在參考文獻［38］中 ，利用隨機 幾何 分 析 了 使 用 CoMP JP／JT 時 的 信 干 噪 比 分 布 ，從 實 際 設計角度定量地分析了信道狀態信息誤差對系統覆蓋概率的影響。

3 智能干擾管理體系和方法

3.1 智能干擾管理體系

為了實現萬物互聯的美好愿景，5G 網絡將在多樣化的場景中滿足人們更加豐富的業務需求并滲透到物聯網及各種行業領域，與工業設施、醫療儀器、交通工具等深度融合。可見，5G 網絡將具備高異構性、高動態性、高智能性等特征。因此，干擾管理應該匹配網絡特征，根據網絡環境的反饋進行動態調整，從而實現干擾管理與網絡環境的互動，更好地提升網絡性能。干擾管理環如圖 2所示。

圖2 干擾管理環

如圖 2所示，干擾環境作為網絡環境的組成部分，決定了干擾管理方法的設計，干擾信息可通過感知或協作獲得，通過干擾信息處理得到干擾模型，不同層次的干擾模型決定了相應的管理策略，而干擾管理機制的運用又會導致干擾環境的變化，進而影響網絡容量并重新作用于干擾管理策略的設計。根據這一特點，在實際網絡中需要智能動態的干擾管理架構，從而實現網絡干擾管理。

在圖 2的基礎上，設計如圖 3所示的智能無線網絡干擾管理體系。該體系由 3 部分構成，分別為干擾感知、干擾管理決策和執行模塊。其中，干擾感知模塊負責對無線網絡干擾環境進行感知，從而獲得干擾在空間上的分布以及干擾的結構特征，這些信息映射成為干擾的狀態特征；干擾管理決策模塊由一個干擾管理方式庫和干擾管理方式融合策略構成。干擾管理方式庫中包括了可采用的干擾管理方式。干擾管理機制模塊根據干擾的狀態特征，憑借可采用的干擾管理方式，通過智能算法，產生一個融合的干擾管理策略，并且對采用該策略后網絡的性能進行預測。執行模塊根據決策在網絡側和／或終端進行資源配置和信號處理等。網絡干擾環境具有動態特征，一方面源于網絡本身，另一方面可能來自干擾管理策略的執行，干擾感知模塊又重新對網絡環境進行感知，并提供對當前網絡性能的評估。接著，干擾決策模塊根據當前網絡性能和預測網絡性能之間的差異以及網絡和干擾的狀態，通過自學習的算法，調整干擾管理策略。

圖3 智能無線網絡干擾管理體系

3.2 干擾管理與資源管理的內在聯系

從第 2節中可以看到，干擾管理具有多種多樣的實現方式，與資源管理緊密相連。這是因為干擾產生的本質是資源的沖突使用，因此，網絡資源分配的非理想性是產生干擾的根本原因。

完美的資源管理能夠實現對干擾的完全規避，所實現的網絡容量域如圖 4中的矩形所示。然而在實際中，資源管理的非理想性降低了網絡資源使用率，使得基于可用資源的網絡容量域減小（圖 4 中矩形左邊界至 B 的區域）。由于資源的沖突使用造成干擾，導致網絡容量損失，即對干擾不加管理導致網絡容量域減小至A。干擾管理能夠修正網絡資源的不合理分配，有助于提升網絡容量，即可達容量域邊界擴展至C。

圖4 干擾管理對網絡容量影響示意

如果將資源分配作為干擾管理的重要手段，一方面可以通過合理利用網絡資源，增加網絡容量（即圖 4 中改善邊界 B）；另一方面，則可通過干擾管理修正資源分配策略，促進網絡容量提升（即圖 4 中改善邊界 C）。不難看出，聯合設計以上兩個方面將有效提高網絡容量。因此，研究干擾管理與資源管理的相互關系對提升無線網絡容量具有重要意義。

在無線網絡中，信號空間和時頻資源是網絡重要的資源維度。同時，由于在異構網絡中微蜂窩基站具有低功率的特點，距離較遠的微蜂窩小區可以無干擾地復用相同資源。因此地理位置是異構網絡的一個重要資源維度。為了充分利用這些網絡資源維度，設計高效的資源干擾聯合管理機制，可以從地理位置、信號空間以及時頻資源維度與干擾進行聯合管理。根據研究中所涉及的異構網絡資源維度，具體可歸納分類如下。

（1）聯 合 地 理 位 置 與 時 頻 資 源 維 度 的 干 擾 管 理［36，39，40］

該策略的基本思想主要來源于考慮到由于微蜂窩的隨機布設，宏小區內的微蜂窩小區呈現出疏密不一的特點。對處于密集布設環境中的微蜂窩小區分配正交的時頻資源，完全消除層內／層間干擾。同時由于微蜂窩基站具有低發射功率的特點，稀疏布設環境中的微蜂窩小區采用復用相距較遠的其他微蜂窩小區資源，從而有效緩解層內／層間干擾。結合地理位置與時頻資源的干擾管理策略，允許在同一個宏小區內的不同微蜂窩復用相同的時頻資源，提供了資源的空間復用率，然而如何結合地理位置設計高效的時頻資源分配算法是研究難點。

（2）聯 合 信 號 空 間 與 時 頻 資 源 的 干 擾 管 理［41-43］

這一類干擾管理算法通過為宏小區和微蜂窩分配相互正交的時頻資源消除層間干擾。利用多天線技術在信號空間上消除微蜂窩小區之間的層內干擾。在多天線系統中，利用干擾對齊可以將干擾對齊到特定的信號維度上，使得剩下的信號維度無干擾即可用于有用信號傳輸。故可將微蜂窩小區之間的層內干擾通過干擾對齊完全消除。如何設計高效的聯合信號空間的資源分配算法是這類算法的關鍵問題。另一方面，由于受限于干擾對齊的可行性條件，如何選擇構建干擾對齊組是該類算法的難點。在參考 文 獻［41］中 ，利 用 轉 化 沖 突 圖 研 究 了 異 構 網 絡 中 聯 合信號空間干擾對齊的資源分配問題。利用轉化沖突圖表征可行的干擾對齊組，從而可將資源分配問題建模為最大K 可染色子圖問題進行求解。在參考文獻［41］的基礎上，參考文獻［42］進一步結合干擾對齊設計了保障用戶公平性 的資源分配算法。

（3）聯 合 地 理 位 置 與 信 號 空 間 的 干 擾 管 理［44］

與算法（1）類似，這類算法利用微蜂窩小區隨機布設的特點，稀疏布設的微蜂窩小區通過復用間距較遠的其他微蜂窩小區緩解層內干擾。但不同的是，密集布設環境中的微蜂窩小區在信號的空域維度上利用干擾對齊等技術消除鄰近的微蜂窩產生的強干擾。受限于干擾對齊可行性條件，參與干擾對齊的微蜂窩小區數目存在限制條件。

（4）聯 合 地 理 位 置 、信 號 空 間 及時 頻 資 源 的干 擾 管 理［43］

該類算法充分利用了異構網絡的重要資源維度。利用地理位置資源，對相距較遠的微蜂窩小區復用相同資源。對集中布設的微蜂窩小區使用資源分配消除干擾。利用干擾對齊在信號空間上消除宏小區與微蜂窩之間的層間干擾。這類算法能夠充分利用資源維度管理干擾，從而能夠顯著增加網絡容量，但是如何在充分利用所有資源維度的同時設計低復雜度的干擾管理算法是研究難點。

3.3 聯合異構網絡資源的新型干擾管理策略

如上所述，設計高效的資源與干擾聯合管理算法存在亟待解決的關鍵問題。將通過聯合優化網絡資源及利用干擾管理修正資源使用，提出 3種新型資源干擾聯合管理策略。

3.3.1 干擾遷移

在異構網絡中，微蜂窩基站布設具有隨機性。其分布與覆蓋情況無法預期。這就可能導致微蜂窩基站分布不均勻，即在某些區域同時存在交疊覆蓋的多個微蜂窩小區，而在另一些區域甚至不存在微蜂窩小區。微蜂窩小區疏密不一的隨機分布將導致網絡中不同區域的干擾分布不均。

如圖 5所示，密集布設的微蜂窩基站在左側區域造成了嚴重的層內／層間干擾，網絡容量被嚴重制約，而在右側區域內，由于用戶數少且業務強度低，故該區域內的干擾相對較弱。僅簡單提升信號發射功率并不能改善強干擾區域內的干擾情況，這是由于提升信號發射功率會進一步加重干擾，迫使其他用戶也提高發射功率，從而形成一個惡性循環，不但沒有減小系統中的干擾，反而由于高發射功率耗盡用戶電池，降低了用戶的能量效率。為了改善強干擾區域內的用戶服務質量，提升強干擾區域對網絡容量的短 板影響，參考文 獻［36］從降 低 處于強干 擾 區 域 內 用戶 受到的干擾的角度，聯合網絡資源設計了一種新型干擾管理策略。考慮到干擾分布的不均勻性，該策略將重干擾區域的干擾引導遷移至周邊輕干擾區域，從而提升系統性能。

圖5 干擾空間分布示意

該策略的關鍵問題在于如何將空間上分離的干擾進行統一處理。移 動 熱 點 （mobile hotspot，MH）的 出 現 為 建 立重干擾區與輕干擾區之間的橋梁提供了解決方案。MH有Wi-Fi接口和蜂窩網絡接口，在使用 MH 時用戶通過兩跳無線網絡實現上行業務傳輸。首先多模用戶設備（multimode user equipment，MUE）能 夠 通 過 Wi-Fi 接 口 接入移動熱點，其次通過蜂窩網絡接口實現 Internet回程，在這個過程中 MH 可以被認為是蜂窩用戶。MH 同時利用Wi-Fi接 口 和 蜂 窩 網 絡 接 口 ，并 且 由 于 Wi-Fi鏈 路 工 作 頻段與蜂窩網絡工作頻段無交疊，從而不會對蜂窩網絡傳輸造成干擾，因此將 WLAN 和蜂窩網絡有機地結合起來。

如圖 6 所示，利用 MH 通過蜂窩網絡和 WLAN 對并傳用戶 MUE進行并發傳輸，就可以通過控制分流比例來調整不同接口的發射功率，從而平衡不同區域的干擾水平。其中，WI指 Wi-Fi接口，CI指蜂窩網接口。可以看出，在無法減 弱 整 個系統的 總 干擾情況 下 ，參 考 文 獻［36］通過 聯 合微蜂窩網絡的地理位置資源有效地引導轉移干擾，獲得了干擾空間分集增益，從而提高系統的性能。

參考文獻［36］給出了使用并發傳輸進行干擾轉移的主要階段：

（1）MUE 和 MH 分別測量其干擾噪聲和，MH 將測量結果發送給 MUE；

（2）MUE 根據速率需求以及 MUE、MH 的干擾噪聲和計算需要轉移的干擾情況，并計算出對應的分流比例；

（3）將業務數據根據分流比例進行分流，并根據此數據分組從對應的接口進行傳輸。

可以看出，業務的分流比例就是重干擾區域與輕干擾區域之間干擾轉移的橋梁。干擾轉移的過程受到整個系統中信道狀態和用戶行為的影響。并且輕干擾區和重干擾區的分布也隨著網絡狀態發送改變，因此在實際網絡中需要周期性地進行干擾轉移算法。

3.3.2 聯合子信道選擇與功率控制的分布式干擾協調

由于異構網絡中微蜂窩的布設具有隨機特性，其布設的位置與數量通常難以提前預測，導致傳統的中心式的資源 分 配 機 制［45，46］不 再 適 用 。參 考 文 獻［40］在 微 蜂 窩 與 宏 小 區使用正交信道布設的異構網絡場景中，聯合信道與功率資源分配進行干擾協調，提升網絡容量。

通過簡單分析可以發現，為了提升系統容量，每個微蜂窩基站需要選擇干擾較小的一組子信道進行數據傳輸。這樣一來，導致每個微蜂窩基站在選擇子信道時需要考慮其他微蜂窩基站的傳輸，另一方面，每個微蜂窩基站對子信道的選擇結果又會影響其他微蜂窩基站的決策。即不同微蜂窩基站的傳輸策略相互耦合。為了有效解決相互耦合下的微 蜂 窩基站子 信 道 分配問題 ，參 考 文 獻［40］從 博 弈論角度出發，利用非合作速率最大化博弈模型建模子信道選擇問題。在兼顧微蜂窩個體理性的同時能夠提升系統全局收益，即微蜂窩網絡的整體容量。

圖6 干擾遷移示意

為了實現有效的分布式子信道分配方案，參考文獻［39］中 設 計 了 一 種 分 布 式 基 于 效 用 （utility-based）學 習 模 型 ，利用該模型，任意局中人可以根據感知到的環境信息自主調整自己的策略。該學習模型的示意如圖7所示。基于該學習模型，在參考文獻［40］中，微蜂窩基站可以僅根據自己獲得的效用以及歷史狀態等局部信息進行決策，并能夠根據以上信息完成新一輪的決策過程，從而有效地解決了不同微蜂窩基站的傳輸策略相互耦合的問題。另一方面，該學習 模 型 有 效 限 制 了 多 主 體 （multi-agent）系 統 中 各 個 主 體 之間的信息交互，即在不同的微蜂窩基站與用戶之間不會產生信息交互。在每個微蜂窩基站中，通過引入認知環實現基于效用的學習模型。該認知環包括感知周圍干擾強度、測量效用以及進行決策3部分。

基于該學習模型，設計了一種基于效用的分布式的子信道選擇算法。由于該學習模型的特點，所設計的算法簡單可行且具有完全分布式的特點。在參考文獻［40］中，證明了所提算法可以漸進收斂到一個全局最優的策略組合。值得注意的是，在所使用的博弈模型不存在納什均衡（Nash equilibrium，NE）點 的 情 況 下 ，該算 法 仍 然 能 夠 穩 定 收 斂 。

3.3.3 基于干擾對齊和干擾避免的聯合干擾管理技術

由于異構網絡中宏蜂窩基站及微蜂窩基站在傳輸功率、天線配置、服務用戶數等方面存在異構性，導致異構網絡中的層內干擾與層間干擾具有不同的特點。同時，由于實際網絡中基站，尤其是用戶側配置的天線數目有限，受限于干擾對齊可行性條件的約束，完美的干擾對齊難以在整個網絡中實現。因此，在異構網絡中設計干擾對齊算法同時消除層間／層內干擾更具挑戰性。

雖然網絡異構性對算法設計造成困難，但是在參考文獻［44］中，巧妙地利用了異構網絡的異構性，提出了一種兩階段干擾對齊方案。由于異構網絡中的微蜂窩基站發射功率低，加之路徑損耗、陰影衰落等影響，使得微蜂窩網絡呈現部分連通特性，即某些干擾源對接收端造成的干擾非常微弱，可以忽略不計。根據該特點，參 考文獻［44］設計了一種適用于異構網絡的干擾對齊方案，提升了網絡性能。利用部分連通特性，可將如圖 8所示的異構網絡中的微蜂窩基站劃分為兩組（分別為圖 8 中實線與虛線標注的小區）。在第一組微蜂窩小區中，微蜂窩基站布設密集，相互之間存在較強干擾；而在第二組微蜂窩小區中，由于布設稀疏，相互之間的干擾較弱。

根據該部 分 連 通 模 型，參 考文 獻［44］提 出了 兩 階 段 干擾對齊方案，增加了系統的可用自由度。兩階段干擾對齊的核心思想是：在第一階段中，利用宏基站的多余天線消除宏基站對弱干擾區域的微蜂窩小區產生的層間干擾。然后，宏基站對強干擾區域的微蜂窩小區利用傳統的干擾對齊算法計算其預編碼矩陣與解碼矩陣；在第二階段中，利用微蜂窩小區之間的部分連通性，設計處在弱干擾區的微蜂窩小區內通信鏈路的預編碼矩陣和解碼矩陣。其設計目標是完全消除與宏小區鏈路之間的干擾，并且最大化鏈路的傳輸速率。

圖7 基于效用的學習模型示意

雖然兩階段干擾對齊能夠充分利用異構網絡的部分連通特性以及信號空間資源，但是由于微蜂窩小區數目眾多且布設隨機，使得僅僅利用干擾對齊難以完全消除網絡中的干擾。針對這一問題，參考文獻［43］利用網絡時域資源與信號空間資源，聯合微蜂窩調度機制與兩階段干擾對齊進行干擾管理。該方法的基本原理是：考慮到兩階段干擾對齊可行性條件的約束，無法讓所有的微蜂窩都參與干擾對齊。因此需要一種微蜂窩的調度方案，使得每個時隙內被調度的微蜂窩都滿足兩階段干擾對齊的可行性條件，從而利用參考文獻［44］提 出 的 算 法 進 行 干 擾 消 除 。在 參 考 文獻 ［43］中 ，以 最 小 化 對 所 有 微 蜂 窩 進 行 一 次 調 度 所 需 要的時隙數為目標，實現了最大化微蜂窩調度次數。該方案在保證最快遍歷所有微蜂窩的基礎上，保證了用戶之間的公平性，同時最大化調度次數可以提升網絡頻譜資源 利 用 率 ，進 而 提 升 網 絡 性 能 。 參 考 文 獻 ［43］證 明 了 所 設計的微蜂窩小區調度問題等效于一個用最少顏色數對圖進行染色的問題，并提出了一種低復雜度的算法獲得了調度問題的次優解，通過仿真驗證了該次優調度算法可以以較低的復雜度逼近最優調度方案，有效提升了系統速率。

圖8 具有部分連通性的異構網絡示意

這 3種新型干擾管理算法的特點見表 1。可以發現，這些算法從多維度設計資源與干擾聯合管理策略。一方面，從資源分配角度提升資源利用的合理性，抑制非合理因素，為網絡容量提供增量。例如通過對業務分流比例的設定，第 3.3.1 節中的算法利 用 干 擾 空 間 分 布 資 源 從 而 有效轉移了網絡干擾；第 3.3.3 節 中 的 算 法 使 用 時 隙 資 源 調度，并在相同的時隙資源內聯合地理位置資源進行干擾消除。另一方面，通過對干擾狀態信息的利用，修正設計新的資 源 分 配 算 法 ，從而有益于網絡容量。例 如 第 3.3.2 節 中 的算法通過學習模型利用干擾狀態，設計了分布式的資源分配算法。這些都是在改善資源分配不理想的同時合理管控干擾，進而提升網絡容量。

表1 3種新型干擾管理算法對比

4 結束語

干擾問題成為限制無線通信網絡性能的重要因素，對干擾的管理可以從設計調度協調機制進行干擾規避以及將干擾作為可利用資源的一部分加以有效利用這兩方面進行。通過將干擾視為可用資源或者不利因素，首先從概念及特點等方面歸納討論了幾類典型的干擾管理算法。其次考慮到 5G 無線網絡智能、動態、異構的特性，設計了一種智能的干擾管理體系，并闡述了資源管理與干擾管理的內在聯系，指出需要從資源分配與干擾管理兩個角度聯合設計干擾資源管控算法，提升網絡容量。在此基礎上，討論了 3種新型資源干擾聯合管理算法。綜合以上討論，對異構網絡智能干擾管理技術的研究與發展趨勢展望如下。

（1）構建多維度干擾空間

為了確立異構、動態、智能的 5G 網絡環境與干擾管理的互動關系，首先需要從多個維度研究干擾狀態信息的表征與評價，這就需要對不同維度的干擾參數考察量進行有機結合從而形成干擾的多維表示。在此基礎上，可以進一步探索網絡環境以及資源分配方法等對干擾形態和分布的影響，通過估計和預測等方法對干擾信息進行不同程度的加工，以適應不同層次的干擾管理需求。

（2）資源和干擾的聯合管理

多維度的干擾空間能夠刻畫網絡環境與用戶間干擾的關系。基于多維度干擾空間，可以充分挖掘干擾的多維特性，即浪費資源的無線干擾和提升容量的無線干擾。以此作為網絡資源及干擾的管控依據，聯合網絡資源設計高效的干擾管理機制，有效利用新型無線傳輸機制帶來的增益，提升網絡容量。

（3）智能的動態干擾管理機制

由于干擾和網絡環境的關系不是靜態、單向的，而是存在著反饋與互動，因此基于多維度干擾空間設計的資源和干擾聯合管理機制應適應于網絡環境的動態變化，確立并完善干擾管理環，設計智能動態的干擾管理機制，實現網絡容量的提升。

參考文獻：

［1］ COX D.Fundamental limitations on increasing data rate in wireless systems［J］.IEEE Communications Magazine，2008，46（12）：16-17.

［2］ SHENG M，SUN H，WANG H，et al.On-demand scheduling：achieving QoS differentiation for D2D communications［J］.IEEE Communications Magazine，2015，53（7）：162-170.

［3］ SUN H，WILDEMEERSCH M，SHENG M，et al.D2D enhanced heterogeneous cellular networks with dynamic TDD ［J］.IEEE Transactions on Wireless Communications，2014（14）：1.

［4］ JU H H，LIANG B，LI J D，et al.Adaptive cross-network cross-layerdesign in heterogeneous wireless networks ［J］. IEEE Transactions on Wireless Communications，2015，14 （2）：655-669.

［5］ WANG M M，JI T.Dynamic resource allocation for interference management in orthogonal frequency division multiple access cellular communications［J］.IET Communications，2010，4（6）：675-682.

［6］ ZHANG J，CHEN R H，ANDREWS J，et al.Networked MIMO with clustered linear precoding ［J］.IEEE Transactions on Wireless Communications，2009，8（4）：1910-1921.

［7］ MIRIDAKIS N，VERGADOS D.A survey on the successive interference cancellation performance for the single antenna and multiple antenna OFDM systems ［J］.IEEE Communications Surveys and Tutorials，2013，15（1）：312-335.

［8］ LEE J，KIM Y，LEE H，etal.Coordinated multipoint transmission and reception in LTE-advanced systems ［J］.IEEE Communications Magazine，2012，50（11）：44-50.

［9］ ZHANG R，CUI S G.Interference management with MISO beamforming［J］.IEEE Transactions on Signal Processing，2010，58（10）：5450-5458.

［10］ZHAO G D，YANG C Y，LI G Y，et al.Fractional frequency donation for cognitive interference management among femtocells［C］／／IEEE Global Telecommunications Conference，December 5-9，2011，Houston，USA.New Jersey：IEEE Press，2011：1-6.

［11］ATTAR A，KRISHNAMURTHY V，GHAREHSHIRAN N O. Interference management using cognitive base-station for LTE［J］. IEEE Communications Magazine，2011，49（8）：152-159.

［12］BOSISIO R， SPAGNOLINI.Interference coordination vs. interference randomization in multicell 3GPP LTE systems［C］／／IEEE Wireless Communications and Networking Conference，March 31-April 3，2008，Las Vegas，USA.New Jersey：IEEE Press，2008：824-829.

［13］HAMZA A，KHALIFA S，HAMZA H，et al.A survey on inter-cell interference coordination techniques in OFDMA-based cellularnetworks ［J］.IEEE CommunicationsSurveysand Tutorials，2013，15（4）：1642-1670.

［14］3GPP.Further advancements for E-UTRA physical layer aspects：TR-36.814 ［R／OL］.［2016-05-24］.http：／／www.3gpp.org／ftp／Specs／html-info／36814.htm.

［15］3GPP.Requirements for support of radio resource management：TR-36.133 ［R／OL］. ［2016-05-24］.http：／／www.3gpp.org／ftp／Specs／htmlinfo／36133.htm.

［16］YANG C G，LI J D，ALAGAN A，et al，Joint power coordination for spectral-and-energy efficiency in denser small cell networks：a bargaining game-theoretic perspective［J］.IEEE Transactions on Wireless Communications，2016，15（2）：1364-1376.

［17］LIU P，LI J D，LI H Y，et al.Two-dimensional resource pattern optimization for interference avoidance in heterogeneous networks［J］.IEEE Transactions on Vehicular Technology，2015，64（8）：3536-3546.

［18］PATEL P，HOLTZMAN J.Analysis of a simple successive interference cancellation scheme in a DS／CDMA system［J］.IEEE Journal on Selected Areas in Communications，1994，12 （5）：796-807.

［19］VITERBI A J.Very low rate convolution codes for maximum theoretical performance of spread-spectrum multiple-access channels［J］.IEEE Journal on Selected Areas in Communications，1990，8（4）：641-649.

［20］VARANASIM K，AAZHANG B.Multistagedetectionin asynchronous code-division multiple-access communications ［J］. IEEE Transactions on Communications，1990，38（4）：509-519.

［21］LIU R Z， SHIY， LUIK S， etal.Bandwidth aware high-throuthput routing with successive interference cancellation in multi-hop wirelessnetworks ［J］.IEEE Transactionson Vehicular Technology，2015，64（12）：5866-5877.

［22］WANG Y，SHENG M，LUI K S，et al.Joint spectrum-efficient routing and scheduling with successive interference cancellation in multi-hop wireless networks ［J］.Springer Wireless Networks，2015，22（4）：1299-1314.

［23］CADAMBE V R，JAFAR S A.Interference alignment and degrees of freedom of the K-user interference channel ［J］.IEEE Transactions on Information Theory，2008，54（8）：3425-3441.

［24］KATTI S，RAHUL H，HU W，et al.Xors in the air practical wireless network coding ［J］.IEEE／ACM Transactions on Networking，2010，16（3）：497-510.

［25］LEE N，LIM J B，CHUN J.Degrees of freedom of the MIMO Y channel：signal space alignment for network coding ［J］.IEEE Transactions on Information Theory，2010，56（7）：3332-3342.

［26］CADAMBE V R，JAFAR S A.Degrees of freedom of wireless networks with relays，feedback，cooperation，and full duplex operation［J］.IEEE Transactions on Information Theory，2009，55（5）：2334-2344.

［27］BOLCSKEI H，NABAR R，OYMAN O，et al.Capacity scaling laws in MIMO relay networks ［J］.IEEE Transactions on Wireless Communications，2006，5（6）：1433-1444.

［28］SUH C，TSE D.Interference alignment for cellular networks［C］／／IEEE 46th Annual Allerton Conference on Communication，Control，andComputing，September23-26，2008，Urbana-Champaign，IL，USA.New Jersey：IEEE Press，2008：1037-1044.

［29］SHIN W，LEE N，LIM J B，et al.On the design of interference alignmentschemefortwo-cellMIMO interferingbroadcast channels ［J］.IEEE Transactions on Wireless Communications，2011，10（2）：437-442.

［30］LIU W，SUN J X，LI J D，et al.Interference alignment for MIMO downlink multicell networks［J］.IEEE Transactions on Vehicular Technology，2015（3）：1.

［31］趙林靖，韓瑩，張崗山，等. 基于多點協作傳輸的家庭基站網絡節能方法：201510570580.2［P］.2015-11-29. ZHAO L J，HAN Y，ZHANG G S，et al.Based on the home base of multi-point collaborative transmission network energy saving method：201510570580.2［P］.2015-11-29.

［32］CHACHULSKI S，JENNINGS M，KATTI S，et al.Trading structure for randomness in wireless opportunistic routing ［J］. ACM Sigcomm Computer Communication Review，2007，37 （4）：169-180.

［33］CHAPORKAR P，PROUTIERE A.Adaptive network coding and scheduling for maximizing throughput in wireless networks ［C］／／International Conference on Mobile Computing and Networking， MOBICOM 2007，September1-5，2007，Montréal，Québec，Canada.New York：ACM Press，2007：135-146.

［34］LE J L，LUI J，CHIU D M.How many packets can we encodean analysis of practical wireless network coding ［C］／／IEEE 27th Conference on Computer Communications （INFOCOM），April 13-18，2008，Phoenix，AZ，USA.New Jersey：IEEE Press，2008：1040-1048.

［35］LIU J N，GOECKEL D，TOWSLEY D.Bounds on the throughput gain of network coding in unicast and multicast wireless networks［J］. IEEE Journal on Selected Area in Communications，2009，27（5）：582-592.

［36］MA X，SHENG M，ZHANG Y.Green communications with network cooperation：a concurrent transmission approach ［J］. IEEE Communications Letters，2012，16（12）：1952-1955.

［37］MAMORU S，YOSHIHISA K，AKIHITO M，et al.Coordinated multipoint transmission／reception techniques for LTE-advanced ［J］. IEEE Wireless Communication Magazine，2010，17（3）：26-34.

［38］LIU J Y，SHENG M，QUEK T，et al.CoMP transmission in cloud radio access networks ［C］／／IEEE Global Telecommunications Conference Workshops，December 6-10，2015，San Diego，CA，USA.New Jersey：IEEE Press，2015：1-6.

［39］SHENG M，XU C，WANG X J，et al.Utility-based resource allocation for multi-channel decentralized networks［J］.IEEE Transactions on Communications，2014，62（10）：3610-3620.

［40］XU C，SHENG M，WANG X J，et al.Distributed sub-channel allocation for interference mitigation in OFDMA femtocells：a utility-based learning approach ［J］.IEEE Transactionson Vehicular Technology，2015，64（6）：2463-2475.

［41］MENG Y，LI J D，LI H Y，et al.A transformed conflict graph-based resource allocation scheme combining interference alignment in OFDMA femtocell networks ［J］.IEEE Transactions on Vehicular Technology，2015，64（10）：4728-4737.

［42］LI J D，MENG Y，LI H Y，et al.Graph-based fair resource allocation scheme combining interference alignment in femtocell networks［J］.IET Communications，2015，9（2）：211-218.

［43］LIU G Q，SHENG M，WANG X J，et al.Joint interference alignment and avoidance for downlink heterogeneous networks［J］. IEEE Communications Letters，2014，18（8）：1431-1434.

［44］LIUG Q，SHENG M，WANG X J，etal.Interference alignment for partially connected downlink MIMO heterogeneous networks［J］.IEEE Transactions on Communications，2015，63（2 ）：551-564.

［45 ］LEE H C ，OH D C ，LEE Y H.Mitigation of inter-femtocell interference with adaptive fractionalfrequency reuse ［C］／／IEEE International Conference on Communications，May 3-8 ，2010 ，Cape Town ，South Africa.New Jersey：IEEE Press，2010：1-5.

［46］LIANG Y S，CHUNG W H，NI G K，et al.Resource allocation with interference avoidance in OFDMA femtocell networks ［J］. IEEE Transactions on Vehicular Technology，2012，61 （5）：2243-2255.

［47］LIU P，WANG X D，LI J D.Uplink co-tier interference managementin femtocellnetworks with successive group decoding ［J］.IEEE Transactions on Wireless Communications，2015，14（9）：4797-4809.

［48］LI Y Z，SHENG M，WANG X J，et al，Max-min energy-efficient power allocation in interference-limited wireless networks ［J］. IEEE Transactions on Vehicular Technology，2015，64 （9）：4321-4326.

Intelligent interference management in 5G wireless networks

LI Jiandong，LIU Lei，SHENG Min，XU Chao
State Key Laboratory of ISN，Xidian University，Xi’an 710071，China

As one of the key technologies in 5G networks，ultra-dense wireless network is utilized to approach the future 1 000 ultra-high traffic volume.Nevertheless，the dense deployment of network nodes would result in severe interference，and thus interference management was proposed as the big principle behind 5G ultra-dense wireless networks research.Firstly，the interference management schemes were classifed from two aspects：avoidance and utilization.Then，an intelligent interference management architecture was proposed to accommodate the development trend of future wireless networks in terms of intelligence and heterogeneity in order to realize the dynamic tightly coupled interference management of wireless network environment and interference management.Taking the intrinsic relationship between interference management and resource management into consideration，three cutting-edge interference management schemes were introduced，which could significantly improve the network resource utilization and the network capacity.

interference management，resource management，heterogeneous wireless network

The National Natural Science Foundation of China “Study on the Interference Management and Capacity of Wireless Network”（No.61231008）

TN919

：A

10.11959／j.issn.1000-0801.2016167

李建東（1962-），男，博士，西安電子科技大學教授、博士生導師，教育部長江學者特聘教授，國家杰出青年科技基金獲得者，主要研究方向為寬帶無線通信（未來移動通信和未來無線局域網）、 認知無線網絡、大規模自組織網絡、軟件無線電以及無線網絡的干擾管理等。

劉磊（1989-），男，西安電子科技大學博士生，主要研究方向為無線網絡的性能分析及干擾管理等。

盛敏（1975-），女，博士，西安電子科技大學教授、博士生導師，主要研究方向為 5G移動通信系統、異構網絡融合以及無線網絡自組織理論與方法等。

徐超（1987-），男，博士，西安電子科技大學在站博士后，主要研究方向為無線網絡分布式資源管理、博弈理論以及分布式學習理論等。

2016-05-11；

：2016-06-12

國家自然科學基金資助項目“無線網絡的干擾原理與容量研究”（No.61231008）