基于3D Massive MIMO超密集異構(gòu)網(wǎng)絡(luò)下的小區(qū)接入算法研究

南京市金陵中學(xué) 王俊睿

基于3D Massive MIMO超密集異構(gòu)網(wǎng)絡(luò)下的小區(qū)接入算法研究

南京市金陵中學(xué) 王俊睿

隨著無線通信技術(shù)的發(fā)展，無線網(wǎng)絡(luò)的豐富應(yīng)用帶動了數(shù)據(jù)業(yè)務(wù)的迅速增長，但同時也給無線網(wǎng)絡(luò)帶來了巨大的挑戰(zhàn)，未來無線移動通信需要更加高效地利用帶寬資源并積極解決小區(qū)接入及干擾協(xié)調(diào)等熱點問題，從而大幅提升網(wǎng)絡(luò)吞吐量及頻譜效率。在5G（第五代移動通信）研究中，超密集無線異構(gòu)網(wǎng)絡(luò)（Ultra-Dense HetNet）被公認(rèn)為是大幅提升無線網(wǎng)絡(luò)容量、解決蜂窩網(wǎng)所面臨的千倍數(shù)據(jù)量挑戰(zhàn)的最富有前景的一種組網(wǎng)技術(shù)。此外，3D MIMO（三維多輸入多輸出技術(shù)）充分利用空間維度資源，不僅是現(xiàn)有4G網(wǎng)絡(luò)的關(guān)鍵技術(shù)，更是未來5G實現(xiàn)容量和頻譜效率提升的核心技術(shù)。3D Massive MIMO（三維大規(guī)模MIMO）在原有MIMO的技術(shù)上又進(jìn)一步通過大規(guī)模天線數(shù)量提高無線網(wǎng)絡(luò)中的頻譜效率，進(jìn)一步提升系統(tǒng)容量。本文在3D Massive MIMO超密集異構(gòu)網(wǎng)絡(luò)下通過優(yōu)化小區(qū)接入算法，從而提升整個系統(tǒng)的頻譜效率，并在一定程度上解決了宏基站（Macro BS）和其他低功率節(jié)點（LPN）的負(fù)載平衡問題。最后的系統(tǒng)級仿真結(jié)果進(jìn)一步證明了該算法的優(yōu)越性。

3D Massive MIMO；異構(gòu)網(wǎng)絡(luò)；小區(qū)接入；頻譜效率

1 引言

1.1 研究背景

目前的無線通信網(wǎng)絡(luò)正處在研究5G通信技術(shù)的浪潮中。縱觀無線網(wǎng)絡(luò)從1G到5G的變化可得，全球移動數(shù)據(jù)業(yè)務(wù)量從2016年到2021年將增長近七倍。無線通信網(wǎng)絡(luò)在2020年將面臨著千倍數(shù)據(jù)量跟數(shù)據(jù)速率的挑戰(zhàn)。數(shù)據(jù)量的爆炸式增長宣告著大數(shù)據(jù)時代的來臨。在這些大量的數(shù)據(jù),一個最明顯的特點是無線網(wǎng)絡(luò)的主要業(yè)務(wù)類型已經(jīng)從傳統(tǒng)的語音服務(wù)轉(zhuǎn)變成超高清視頻業(yè)務(wù)或NB-IOT（物聯(lián)網(wǎng)）業(yè)務(wù)等。與此同時，移動互聯(lián)設(shè)備數(shù)量持續(xù)飆升。未來全球移動通信網(wǎng)絡(luò)連接的設(shè)備總量將達(dá)到千億規(guī)模。從5G應(yīng)用上來講其發(fā)展主要分為3個階段，第一階段是從現(xiàn)在開始直至2020年，這主要是移動消費階段，第二階段從2020年開始，主要是物聯(lián)網(wǎng)、智慧城市大規(guī)模發(fā)展階段，第三階段則是2020以后，這將是5G關(guān)鍵應(yīng)用技術(shù)比如無人駕駛、醫(yī)療等領(lǐng)域的重要發(fā)展階段。

隨著4G 進(jìn)入大規(guī)模商用，5G 成為全球研究的熱點。其中標(biāo)志性一組關(guān)鍵技術(shù)包括超密集組網(wǎng)、大規(guī)模天線陣列、新型多址、全頻譜接入等。超密集組網(wǎng)是解決未來5G網(wǎng)絡(luò)數(shù)據(jù)流量爆炸式增長的有效解決方案。它吸引了大量的學(xué)術(shù)界和工業(yè)界的興趣。它通過增加基站個數(shù)和基站覆蓋密集度，提高系統(tǒng)實現(xiàn)頻率復(fù)用效率的巨大提升。據(jù)預(yù)測，在未來無線網(wǎng)絡(luò)宏基站覆蓋的區(qū)域中，超密集組網(wǎng)的優(yōu)點是用戶可以自己部署小區(qū)，大大降低了建設(shè)宏基站的成本。而且超密集組網(wǎng)的配置更加靈活，能夠徹底解決傳統(tǒng)組網(wǎng)方式的覆蓋盲區(qū)問題。低功率節(jié)點作為傳統(tǒng)蜂窩網(wǎng)的補(bǔ)充，在密集組網(wǎng)的部署中扮演著十分重要的角色。

此外，大規(guī)模的MIMO有著數(shù)百個天線被布置在基站(BS)上。根據(jù)預(yù)測，它可以帶來很多極具吸引力的優(yōu)勢，比如頻譜效率的增加、顯著的功率節(jié)省。因此,大規(guī)模分布式天線已被視為5G無線通信系統(tǒng)最重要的技術(shù)之一。然而，對于這些數(shù)百根天線的布置問題卻是一個很大的挑戰(zhàn)。通過引進(jìn)有源天線系統(tǒng)，3D MIMO技術(shù)在今后的無線通信系統(tǒng)中已經(jīng)被認(rèn)為是有前途的候選技術(shù)之一。相比于2D MIMO系統(tǒng)來說，3D MIMO擁有全向維度的技術(shù)優(yōu)勢。傳統(tǒng)的2D MIMO天線端口數(shù)較少導(dǎo)致波束較寬，并且只能在水平維度調(diào)整波束方向，無法將垂直維的能量集中于終端。而3D MIMO一般采用大規(guī)模的二維天線陣列，不僅天線端口數(shù)較多，而且可以在水平和垂直維度靈活調(diào)整波束方向，從而形成更窄、更精確的指向性波束，極大的提升終端接收信號強(qiáng)度并增強(qiáng)小區(qū)覆蓋范圍。

1.2 相關(guān)研究進(jìn)展分析

超密集無線異構(gòu)網(wǎng)絡(luò)的部署中承載著多種無線接入技術(shù)共存方式及多層覆蓋，既有負(fù)責(zé)基礎(chǔ)覆蓋的在傳統(tǒng)蜂窩網(wǎng)絡(luò)中所使用的宏基站，也有承擔(dān)熱點覆蓋的低功率小基站，如micro、pico、relay、femto等。它的出現(xiàn)為用戶提供了更高更快的數(shù)據(jù)速率并實現(xiàn)了小區(qū)吞吐的增加，在未來實際部署的超密集無線異構(gòu)網(wǎng)絡(luò)會遠(yuǎn)遠(yuǎn)超出現(xiàn)網(wǎng)的布設(shè)密度和規(guī)模。據(jù)預(yù)測，在未來無線網(wǎng)絡(luò)中各種無線傳輸技術(shù)的各類低功率節(jié)點的部署更為密集，其密度高達(dá)到現(xiàn)有站點部署密度10倍以上。然而，這種密集部署所帶來的影響是，異構(gòu)網(wǎng)絡(luò)下的小區(qū)接入問題，干擾共存及協(xié)作等等。

其中，需首要解決的熱點問題則是小區(qū)接入。之前的網(wǎng)絡(luò)中，小區(qū)接入問題的解決方案已經(jīng)比較普遍達(dá)到共識，然而隨著超密集異構(gòu)網(wǎng)絡(luò)的引入，小區(qū)接入又重新納入了待優(yōu)化的進(jìn)程中。這是由于超密集異構(gòu)網(wǎng)絡(luò)中基站個數(shù)、基站種類以及其覆蓋密集度的不斷增加，在提高系統(tǒng)實現(xiàn)頻率復(fù)用效率的同時，也帶來了小區(qū)接入的復(fù)雜度提升和小區(qū)間干擾的增加。本文針對基于3D Massive MIMO的異構(gòu)網(wǎng)絡(luò)下的小區(qū)接入問題構(gòu)建了系統(tǒng)模型，并對傳統(tǒng)的小區(qū)接入算法進(jìn)行了改進(jìn)。

2 超密集異構(gòu)網(wǎng)絡(luò)下的小區(qū)接入算法

2.1 系統(tǒng)模型

圖1 基于3D Massive MIMO的超密集異構(gòu)網(wǎng)絡(luò)場景

如圖1所示，一個宏小區(qū)中存在多個小型基站。異構(gòu)網(wǎng)絡(luò)中的小型基站類型有多種，包括微基站( Micro) 、微微基站( Pico) 、家庭基站( Femto)等。不失一般性，本文中將小型基站統(tǒng)一叫做低功率節(jié)點（LPN）。本文的關(guān)注點為下行3D Massive MIMO超密集異構(gòu)網(wǎng)絡(luò)中的小區(qū)接入問題。在異構(gòu)網(wǎng)絡(luò)中，有不同層和不同類型的基站，基站的集合可以表示為，用戶的集合可以表示為。每個基站都有固定的功率瓦特。假設(shè)所有的基站都可高速回傳且時延為零。為了更貼近現(xiàn)有的真實異構(gòu)網(wǎng)絡(luò)，本文中引用資源單元（RB）作為基站進(jìn)行調(diào)度的最小顆粒度。此外，給定來表示信道增益，其中包括了路徑損耗、對數(shù)陰影衰落、多徑瑞利損耗以及天線增益多重因素計算。

根據(jù)上述設(shè)定，給出信干噪比（SINR）計算式如下：

在進(jìn)一步推導(dǎo)之前，我們定義二進(jìn)制的接入索引：

現(xiàn)在我們定義優(yōu)化目標(biāo)P為3D Massive MIMO異構(gòu)網(wǎng)絡(luò)的全局頻譜效率如下：

公式(4)給出了優(yōu)化異構(gòu)網(wǎng)絡(luò)全局頻譜效率，其中上述優(yōu)化目標(biāo)P需要滿足下面給出的兩個約束條件。條件一約束了對所有用戶來說，每個用戶只能接入一個基站中。條件二指出接入的索引只能在0和1兩個值中選擇。其中“0”表示該用戶u未接入基站b，“1”則表示該用戶接入了基站b。為了尋找優(yōu)化目標(biāo)P的最大值，我們需要找到該優(yōu)化問題中接入矩陣變量的解。

2.2 小區(qū)接入算法

為了解決上述優(yōu)化目標(biāo)P，本文提出一種新的接入算法來解決該問題。在給出算法之前，需要將公式(4)進(jìn)一步的化簡跟整理。首先，對于所有的基站和用戶來說，我們將條件二的離散取值序列放縮成一個連續(xù)的取值范圍。這種做法能夠?qū)?yōu)化問題從一個復(fù)雜的混合非整型問題轉(zhuǎn)成一個可操作的連續(xù)凸問題。之后利用拉格朗日定理，將問題進(jìn)一步簡化成公式如下：

于是對于每一個用戶u來說，我們只要求出能使的全局頻譜效率最大時的它所接入的基站即可。如下公式(6)和(7)，即為每個用戶對應(yīng)的解。

對于所提出的新算法，我們通過以下的算法框圖來進(jìn)行說明。

3 仿真結(jié)果及分析

在這一章節(jié)中，我們對本文提出的基于3D Massive MIMO異構(gòu)網(wǎng)絡(luò)下的小區(qū)接入算法，進(jìn)行了系統(tǒng)仿真以及結(jié)果分析。在異構(gòu)網(wǎng)絡(luò)中我們考慮了兩層基站的場景配置，其中宏基站（Macro BS）假設(shè)固定在中心位置上，且其覆蓋范圍內(nèi)隨機(jī)地分布著3個低功率節(jié)點（LPN）和10個。宏基站與低功率節(jié)點的天線數(shù)相同且都為128根。宏基站的傳輸功率為46dBm，低功率節(jié)點的傳輸功率為30dBm。此外，小區(qū)的覆蓋范圍為500m×500m，并且LPN的覆蓋范圍為50m。關(guān)于信道模型，本文采用大尺度的路徑損耗模型以及小尺度的瑞利多徑衰落模型。在宏基站與用戶之間的路損公式為，而低功率節(jié)點與用戶之間的路損模型為其中的d表示單位為米的距離。室溫下的噪聲功率譜密度設(shè)定為-174 dBm/Hz，載波頻率為2GHz。對于其他的信道參數(shù)可具體參見3GPP標(biāo)準(zhǔn)36.819附錄A部分。

圖2 3D Massive MIMO異構(gòu)網(wǎng)絡(luò)下的全局頻譜效率CDF曲線

圖2給出的兩條分別有不同算法得到的頻譜效率累計密度函數(shù)（CDF）曲線。這兩種小區(qū)接入算法分別為，本文提出的算法以及按照最大接收功率選擇接入算法。其中最大接收功率算法是傳統(tǒng)的接入算法，具體規(guī)則是每個用戶能使得全局的接收功率最大化的準(zhǔn)則進(jìn)行基站的選擇接入。通過曲線圖可以看出，本文所提的接入算法性能顯著優(yōu)于傳統(tǒng)最大化接收功率接入算法，其差距在20-30bits/s/Hz之間。產(chǎn)生這一效果的原因在于本文提出的算法綜合考慮了整個系統(tǒng)的有效信息與干擾之間的平衡關(guān)系（即信干噪比），而不單單從接收功率的角度考慮。因為，在用戶所測得的接收功率中有一部分是噪聲的功率，假設(shè)噪聲功率比有效信息的功率還要大，那么整個系統(tǒng)的性能一定差。因此，本文所提出的接入算法能夠為系統(tǒng)帶來更大的頻譜效率及性能增益。

圖3 用戶接入到宏基站（Macro BS）的比例

圖3給出的是兩種算法中用戶接入到宏基站（Macro BS）的比例柱狀圖。其中，最大化接收功率算法中有接近90%的用戶選擇接入宏基站，而本文提出的算法有不到70%的用戶接入到了宏基站。這種結(jié)果的原因是宏基站的發(fā)射功率大于低功率節(jié)點，因此在最大化接收功率的接入算法中宏基站會承載高達(dá)90%的用戶，該傳統(tǒng)的接入算法會導(dǎo)致宏基站的接入過載，而其他低功率節(jié)點閑置，從而導(dǎo)致圖一中全局的頻譜效率過低。由此可見，本文所提接入算法能一定程度上平衡宏基站與低功率節(jié)點二者的負(fù)荷，從而提高系統(tǒng)的頻譜效率。

4 結(jié)論

本文基于3D Massive MIMO超密集異構(gòu)網(wǎng)絡(luò)背景下，進(jìn)一步優(yōu)化了小區(qū)接入算法，通過建立系統(tǒng)模型考慮了兩層異構(gòu)網(wǎng)絡(luò)架構(gòu)，并通過公式推導(dǎo)出小區(qū)接入選擇公式的閉式解，再根據(jù)matlab軟件，對所提出的系統(tǒng)模型以及根據(jù)3GPP給出的異構(gòu)網(wǎng)絡(luò)下的系統(tǒng)相關(guān)參數(shù)進(jìn)行建模，最后設(shè)計出相關(guān)的系統(tǒng)級仿真來對推導(dǎo)出的公式進(jìn)行進(jìn)一步驗證。仿真結(jié)果表明本文通過優(yōu)化提出的異構(gòu)網(wǎng)絡(luò)下的小區(qū)接入算法性能優(yōu)于傳統(tǒng)的基于最大化接收功率的接入算法。這種性能的優(yōu)越性具體體現(xiàn)在兩個方面。首先由于所提出的算法是基于信干噪比進(jìn)行的小區(qū)選擇，將干擾進(jìn)行考慮，所以能夠更大程度上提高系統(tǒng)整體的頻譜效率。然而，基于接收功率進(jìn)行小區(qū)選擇忽略了噪聲功率的影響，考慮角度過于單一化；另一方面，本文所提出的算法能夠在一定程度上緩解宏基站與低功率節(jié)點的負(fù)載平衡。

[1]H.Dahrouj and W.Yu.“Coordinated beamforming for the multicell multiantenna wireless system.”IEEE Trans. Wireless Commun.,vol.9,no.5,pp.1748-1759,2010.

[2]K.Safjan,V.D’Amico,D.Bultmann,D.Martin-Sacristan,A.Saadani,and H.Schoneich.“Assessing 3GPP LTE-Advanced as IMTAdvanced technology:the winner+ evaluation group approach.”IEEE Commun.Mag.,vol.49,no.2,pp.92-100,2011.

[3]V.D’Amico,C.Botella,et al.,“Advanced interference management in artist4G:interference avoidance.”in Proc.2010 European Wireless Technology Conference,pp.21-24.

[4]A.F.Molisch,Wireless Communications,2nd ed.Hoboken,NJ,USA:Wiley,2010.

[5]Li,Yuewen,S.Sun,and B.Rong.”Compressed sensing based 3D MU-MIMO scheduling in cognitive HetNets.”International Symposium on Communications and Information Technologies IEEE,2016:659-665.

[6]S.P.Boyd and L.Vandenberghe,Convex optimization.Cambridge University Press,2004.

[7]S.H.Low and D.E.Lapsley.“Optimization flow control I:Basic algorithm and convergence.”IEEE/ACM Trans.on Networking,vol.7,no.6,pp.861-874,Dec.1999.

[8]房勝.大規(guī)模MIMO系統(tǒng)的頻譜效率和導(dǎo)頻污染問題研究[D].杭州電子科技大學(xué),2014.

[9]畢奇,謝偉良,陳鵬.LTE多天線技術(shù)發(fā)展趨勢[J].電信科學(xué),2014,10:1-7.

[10]王曉周,藺琳,肖子玉,等.NB-IoT技術(shù)標(biāo)準(zhǔn)化及發(fā)展趨勢研究[J].現(xiàn)代電信科技,2016(6):5-12.

[11]黃海峰.大唐蔡月民:Massive MIMO將最早實現(xiàn)5G技術(shù)4G用[J].通信世界,2017(13):55-55.