基于迭代聯合傳輸的超密集網絡動態干擾協調方案

李曉娜，王中方，程謙，付婧雯，張順亮

（1.中國科學院信息工程研究所，北京 100093；2.中國科學院大學網絡空間安全學院，北京 100049）

1 引言

據估計，2010—2020 年，全球移動數據流量將增長250 倍[1]。為了應對未來移動通信流量增長的需求，5G 網絡開始走上通信世界的舞臺。與LTE-A系統相比，5G 通過密集的小區部署可以提供更高的系統容量和更廣的網絡覆蓋。在超密集網絡（UDN,ultra dense network）中，小小區的部署可以縮短用戶設備（UE,user equipment）與其服務小區的距離，以此顯著改善頻譜效率和系統容量。但是，小小區的部署形成了一種異構網絡。在異構網絡中，由于存在微基站、微微基站以及家庭基站等多種站點，而且相鄰小區使用相同的頻譜資源，導致小區間干擾問題嚴重惡化。因此，小區間干擾協調（ICIC,inter-cell interference coordination）方案需要適用于新的無線接入技術以及新的網絡部署方式。

2 相關工作情況

在第三代合作伙伴計劃（3GPP,The Third Generation Partnership Project）的版本8（R8,release 8）階段，部分頻率復用[2]和軟頻率復用[3]是最常見的ICIC 技術。部分頻率復用的提出主要是為了提升小區邊緣吞吐量，但是需要犧牲一定的頻譜效率來實現。相比之下，軟頻率復用可以在每個小區中使用所有的頻譜資源，因此不僅使小區平均吞吐量有所提升，宏小區的邊緣用戶所受的干擾也有一定程度的下降。但是，由于宏小區中心用戶與微小區用戶使用相同的子載波，導致二者之間的干擾增加。為了進一步解決異構網絡中的干擾問題，3GPP R10提出了增強的ICIC 技術[4]。宏基站可以在某些子幀靜默所有的下行物理資源，不向宏用戶傳輸數據信息，以此減小對微基站下行傳輸的干擾，該方案也稱作幾乎空白子幀（ABS,almost blank subframe）。然而，隨著小區密度的急劇增加，干擾情況變得更加復雜，基于時域的增強ICIC 方案無法滿足新的傳輸要求。

針對未來的無線網絡，多種新穎的ICIC 方案被提出，這些方案在性能和損耗方面均有各自的優缺點。一種基于啟發式負載均衡的動態切換算法被提出，以解決UE 分布不均勻的問題[5]。文獻[6]給出了一種分布式資源分配方案，有效減小了宏基站與微微基站之間的干擾。但是，由于中心用戶和邊緣用戶分配的資源是正交的，使系統頻譜效率明顯下降。文獻[7]基于超密集家庭基站網絡提出了一種小區半聚類的方案，通過將所有小區劃分為干擾小區和被干擾小區的方式提高了系統性能。文獻[8]將調度、干擾對齊以及功率控制進行聯合研究，提出了一種分布式的多域干擾管理方案。在文獻[9]中，動態小區選擇、鏈路調度以及非正交多址接入3 種不同的技術被用來實現干擾管理。雖然以上ICIC 方案可以在部分方面提升系統性能，但均沒有考慮到協作多點（CoMP,coordinated multi-point）傳輸技術帶來的性能增益。

事實上，CoMP 技術是一種對抗小區間干擾的有效方式，一些文獻也結合CoMP 研究了干擾協調方案。文獻[10]證明了宏分集CoMP 在密集蜂窩網絡中具有較好的性能增益，但該方案僅考慮了宏基站的場景。文獻[11]介紹了一種基于小區負載感知的CoMP 方案，平衡了微基站覆蓋范圍中的負載。以上提到的研究成果均基于同構網絡場景，不符合5G 系統中的UDN 拓撲結構。相比之下，文獻[12]提出了一種基于自適應干擾感知的非相干CoMP 方案，以減少異構UDN 中的跨層和同層干擾；通過對用戶進行分組以及每組用戶分組概率的計算，推導出覆蓋范圍概率。文獻[13]在UDN 中采用了兩層頻譜資源分配的CoMP 傳輸方法，將所有用戶分為中心用戶和邊緣用戶，邊緣用戶的頻譜資源由中心調度器分配。然而，以上方案中均沒有涉及聯合傳輸（JT,joint transmission）技術對UDN 性能的影響。

JT 是CoMP 傳輸的一種方式，UE 同時接收來自多個協作傳輸節點的信號，可以顯著提高小區邊緣吞吐量和系統吞吐量[14]。在JT 技術中，采用JT方案傳輸的UE 數量是影響系統性能的一個重要因素。過量的JT UE 會導致協作簇中能夠調度的UE總數量嚴重下降，從而導致小區平均頻譜效率的下降；相反，如果JT UE 數量不足，則會導致部分邊緣UE 無法獲得吞吐量的增益，從而導致小區邊緣頻譜效率的下降。基于以上考慮，本文針對UDN場景設計了一種基于JT 的動態干擾協調方案。該方案的核心思想主要反映在3 個方面：動態協作簇劃分、動態聯合靜默傳輸以及迭代優化算法。動態協作簇劃分的主要目的是解決JT UE 的數量和資源分配問題，JT UE 服務小區的選擇主要考慮通信鏈路的信道質量和小區的負載均衡。動態聯合靜默傳輸的主要目的是進一步提高邊緣UE 的吞吐量，基于UE 反饋的信道質量指示（CQI,channel quality indicator）[15]決定是否要靜默相應的宏基站資源塊（RB,resource block）。通過迭代優化算法綜合考慮小區邊緣吞吐量和用戶調度公平性，進一步優化用戶資源調度情況，使系統性能達到最優。仿真結果表明，與傳統CoMP JT 方案相比，本文提出的方案可以顯著提高小區邊緣吞吐量。此外，本文還給出了不同JT UE 的選擇比例對小區平均頻譜效率和小區邊緣頻譜效率的影響。

3 UDN 場景模型

本文考慮如圖1 所示的兩層異構UDN 場景，其中，第一層為宏小區層，第二層為小小區層。成簇的小小區均勻地分布在宏小區的地理區域內[16]，宏小區層和小小區層的頻率復用系數為1。很多文獻中都給出了改善5G 網絡回程鏈路性能的先進方法[17-18]，例如聯合優化接入鏈路和回程鏈路[19]，因此本文假設宏基站（MBS,macro base station）和小基站（SBS,small base station）之間是理想回程。

圖1 兩層異構UDN 場景

假設一個協作簇內有M個小區，其中宏小區數量為NM，每個宏小區地理范圍內的小小區數量為NS；MBS 和SBS 的發射天線數量為Nt，UE 的接收天線數量為Nr。的UE 均勻隨機分布在宏小區的地理范圍內，的UE 分布在成簇的小小區地理范圍內[16]。

根據不同的傳輸方案，UE 被分為3 個不同的種類，即non-JT UE、JT UE 和JT-muting UE。圖2給出了不同種類UE 的數據傳輸模式。non-JT UE只接收主服務小區傳輸的數據；JT UE 有2 個或2個以上的小區為其服務，接收多個小區在相同時頻資源上發送的相同數據；JT-muting UE 是本文提出的特殊類型的UE，當JT-muting UE 被調度時，對其干擾最大的MBS 的資源塊需要保持靜默，以此減小跨層干擾。

圖2 不同種類UE 的數據傳輸模式

為了方便表示，分別用S和I表示服務小區集合和干擾小區集合。因此，對于UEk而言，其Nr×1維接收信號向量可以表示為

其中，Gs,k表示從UEk到其服務小區的大尺度接收功率，Hs,k表示從UEk到其服務小區的Nr×Nt維快衰落信道矩陣，ws表示Nt×1 維服務小區的波束成形向量，xs表示來自服務小區的傳輸數據。相應地，Gi,k表示從UEk到其干擾小區的大尺度接收功率，Hi,k表示從UEk到其干擾小區的Nr×Nt維快衰落信道矩陣，wi表示Nt×1 維干擾小區的波束成形向量，xi表示來自干擾小區的傳輸數據。此外，nk表示方差是σ2的Nt×1 維加性高斯白噪聲向量。

由此可計算得到UEk的信干噪比（SINR,signal-to-interference-plus-noise ratio）為

UEk可以根據SINR 的不同，自適應選擇不同的調制編碼方案（MCS,modulation and coding scheme）[15]。由此可得UEk的吞吐量Tk為

其中，NRE,k表示為UEk分配的資源粒子數量；Efk表示UEk采用的MCS 的效率；BLERk表示UEk的傳輸誤塊率，由鏈路級仿真結果中的誤塊率（BLER,block error rate）-信噪比（SNR,signal-to-noise ratio）曲線得到。

UEk能否被分配到時頻資源，需要依據比例公平（PF,proportional fairness）調度算法[20]。UEk的比例公平系數可表示為

其中，rk表示UEk在當前傳輸時間間隔（TTI,transmission time interval）的瞬時吞吐量。因此，當比例公平系數pk足夠大時，才會給UEk分配時頻資源。

本文提出的方案綜合考慮用戶吞吐量和調度公平性2 個因素，使資源調度達到最優。

4 基于迭代聯合傳輸的動態干擾協調方案

在UDN 場景下，由于傳輸節點數量大大增加，傳統的干擾協調方案無法實現最優的資源調度，而CoMP 技術如何有效地應用到UDN 場景中也是一個重要問題。基于以上考慮，本文提出了一種基于迭代聯合傳輸的動態干擾協調方案。該方案的實現分為3 個步驟：動態協作簇劃分、動態聯合靜默傳輸以及迭代優化算法。

4.1 動態協作簇劃分

假設UDN 場景中的小區總數量為Nc，UE 總數量為Nu，α表示一個Nc×Nu維的UE 調度矩陣，其中αi,k∈α表示UEk被小區i的服務情況。若αi,k=1，代表小區i是UEk的服務小區；若αi,k=0，代表小區i不是UEk的服務小區。

首先，對每個UE 的協作簇集合進行初始化，可以分為以下3 個步驟。

1)根據大尺度接收功率以及切換門限的大小選擇每個UE 的主服務小區。

2)計算UE 的Geometry，判斷該UE 是否為JT UE。Geometry 可以看作大尺度SINR，表示為

其中，G0,k表示從UEk到其主服務小區的大尺度接收功率，Gi,k表示從UEk到其他小區的大尺度接收功率。如果滿足Geometryk＜β0，則認為UEk是JT UE。

3)選擇JT UE 的協作小區，需要滿足的條件為

其中，Nc,k表示UEk的服務小區數量，β0和β1是門限值。

由此，可以得到UEk的協作簇為Sk={c0,c1,…,ci,…,}，其中c0表示UEk的主服務小區，ci表示UEk的協作小區。因此，整個UDN 場景下的協作簇集合可以表示為S={S0,S1,…,Sk,…,}。根據獲得的協作簇集合S，可以完成調度矩陣α的初始化，即

若ci∈Sk，則αi,k=1；否則，αi,k=0。

協作簇初始化過程結束后，已經將全部UE 劃分為non-JT UE 和JT UE，但劃分方式較粗糙，無法得到最優的JT UE 數量。

下一步，將資源分配情況考慮進來，對用戶調度矩陣α進行優化。假設一個調度周期為一個無線幀，包括的子幀數為Nsub，每個子幀中的物理資源塊數量為Nrb。為了確保每個小區在每個調度周期內可以最大程度地利用時頻資源，在保證小區內每個UE 均可以被調度的前提下，則可以增加JT UE的數量，提高資源利用率；反之，若初始化的JT UE過多，可能導致部分UE 無法被調度，此時則應減少JT UE 數量，確保UE 調度的公平性。因此矩陣α應滿足

其中，np為UEk被調度時分配的物理資源塊數量，Ni,u為小區i覆蓋范圍內的UE 數量。

此外，為了避免因小區間信息共享引起的回程鏈路開銷過大，本文方案限定一個JT UE 的服務小區數量不大于3，即

綜上所述，本方案要在式(7)和式(8)的約束條件下求解用戶調度矩陣α，以確保系統容量達到最大。

其中，Bk表示UEk的傳輸帶寬。

由于式(9)的最優化問題是非凸的，求解全局最優解為NP-hard 問題，因此本文通過分析αi,k的取值特征，簡化上述問題并求取局部最優解。詳細求解過程如下。

簡化情況1假設UDN 中的宏站點數量為Nmacro，考慮一種固定協作區域的特殊場景，即每個宏站點的3 個扇區內的小區可以相互協作，處于該宏站點覆蓋下的用戶，只能選擇其中的小區進行服務。此時，UDN 的協作區域如圖3 所示。

圖3 協作區域示意（簡化情況1）

每個宏站點覆蓋下的用戶在選擇協作小區時均應滿足式(6)和式(9)給出的條件，并且限定為該宏站點覆蓋下的小區。因此，當僅考慮該宏站點覆蓋下的小區與用戶之間的服務關系時，其可能存在的情況是有限的，可以歸納出所有可能的用戶調度情況。計算每種用戶調度情況下的系統容量，可確定該宏站點系統容量最大時的用戶調度情況，記為α1,1。以此類推，可以得到各個宏站點在其容量最大時的用戶調度情況，表示為α1={α1,1,…,}，此時整個UDN 的系統容量記為C1。

簡化情況2在本文考慮的場景中，協作區域并不是固定不變的，簡化情況1 只能是所有協作場景的一種情況。由于用戶在選擇協作小區時受到式(6)的限制，導致其選擇的服務小區只能在一定的地理范圍內，距離過遠的小區不會成為其服務小區，因此，UDN 的協作區域可看作在一定范圍內動態變化。圖4 給出了位于中間的宏站點覆蓋下的用戶可能選擇的協作小區的所在范圍示意。

圖4 協作區域示意（簡化情況2）

此時，該宏站點覆蓋下的用戶與協作區域內小區之間的服務關系有無限種情況，本文通過隨機固定協作區域的方式，劃分出F種可能的固定協作區域圖樣，F∈[1,+∞)。對于每種固定協作區域圖樣下的UDN，均可以按照簡化情況1 所述的方法得到其用戶調度情況{α2,…,αF}以及相應的系統容量{C2,…,CF}。

根據上述簡化分析，可以得到F種用戶調度矩陣以及相應的系統容量，通過比較可以得出系統容量最大時的用戶調度矩陣，即為求得的局部最優解。當F取值越大時，求得的局部最優解越逼近全局最優解。

4.2 動態聯合靜默傳輸

上述動態協作簇劃分方案已將全部UE 劃分為non-JT UE 和JT UE，并優化了JT UE 的服務小區集合。但對于少數信道質量極差的邊緣用戶，僅依靠聯合傳輸方案不足以使其達到服務質量要求，此時采用動態聯合靜默傳輸方案進一步提高邊緣用戶吞吐量。

為了在提升邊緣用戶吞吐量的同時兼顧用戶調度的公平性，動態聯合靜默傳輸方案提供3 種可選的傳輸方式Mt,t={1,2,3}。對于傳輸方式M1，需將對邊緣用戶產生干擾最大的小區對應的RB 保持靜默；對于傳輸方式M2，需將邊緣用戶當前分配的RB 保持靜默，另行分配其他RB 進行數據傳輸；對于傳輸方式M3，不靜默任何RB，保持現有傳輸方式。根據吞吐量和調度公平性2 個因素，邊緣用戶將選擇最優的動態聯合靜默傳輸方案。

首先，假設UEk為信道質量極差的邊緣用戶，其協作簇集合為，則UEk的SINR 滿足

其中，ct∈Sk表示UEk的服務小區，ci?Sk表示UEk的干擾小區，Nc,k表示UEk的服務小區數量。

在當前RB 和TTI 中，系統邊緣用戶總吞吐量可以表示為

其次，僅考慮邊緣用戶的吞吐量是不全面的，忽視了用戶調度的公平性。例如，若使用動態聯合靜默傳輸方案M1，則干擾最強的小區對應的RB 將保持靜默，此時可能導致原本被調度在這些RB 上的用戶在當前TTI 上無法獲得資源。因此，考慮用戶調度的公平性是十分重要的。

系統比例公平系數的平均值可以根據每個用戶的比例公平系數來計算，即

其中，PFt表示采用動態聯合靜默傳輸方案Mt的情況下，系統的用戶調度公平性。

4.3 迭代優化算法

通過動態協作簇劃分以及動態聯合靜默傳輸，系統中所有用戶被劃分為3 種類型：non-JT UE、JT UE 和JT-muting UE。但是，由于JT-muting UE 的產生導致了對其干擾最強的小區相應的RB 被靜默，原本被調度在該RB 上的UE 無法分配到資源，造成用戶調度矩陣α的改變。因此，本文方案通過迭代方法進一步優化用戶調度矩陣α。

假設初始化的用戶調度矩陣為α0，經過動態協作簇劃分以及動態聯合靜默傳輸過程后，用戶調度矩陣被更新為α1。將一次動態協作簇劃分以及動態聯合靜默傳輸過程記為Ψ，則該變化可以表示為

此時，需要判斷當前的用戶調度矩陣α1是否滿足式(9)給出的約束條件。如果矩陣α1不滿足該約束條件，則將當前的矩陣α1看作初始化矩陣，繼續執行動態協作簇劃分以及動態聯合靜默傳輸方案，即完成第一次迭代優化（Iter 1st）

以此類推，第i次迭代優化過程可以表示為

該迭代過程直到矩陣αi滿足式(9)的約束條件或迭代次數達到設置的最大值Niter。經過Niter次迭代，可以確定最終選擇的動態聯合靜默傳輸方案，并且得到最優的用戶調度矩陣α。綜上所述，本方案的處理流程如算法1 所示。

算法1基于迭代聯合傳輸的動態干擾協調方案處理流程

圖5 給出了迭代優化前后的資源調度變化情況。通過第一次執行動態協作簇劃分以及動態聯合靜默傳輸方案，得到用戶調度矩陣α，此時資源調度情況如圖5(a)所示，其中，UE0、UE3為non-JT UE，UE1為JT UE，UE2為JT-muting UE。此時，UE2被調度在RB1上，選擇的動態聯合靜默傳輸方案為M1，對其干擾最大的為最近的宏小區。因此，宏小區在RB1上需要保持靜默，導致原本被調度的UE0不能在該RB 上調度。若直接放棄調度UE0，則會對用戶調度公平性產生較大影響，因此通過執行迭代算法，將UE0調度在RB2上，如圖5(b)所示。

圖5 迭代前后資源調度

5 仿真驗證與結果分析

本節將依據圖6 所示的系統級仿真平臺對提出的基于聯合傳輸的動態干擾協調方案進行實驗驗證。仿真工作將從3 個方面展開：1)評估本文提出的方案與普通聯合傳輸方案在小區平均頻譜效率（ASE,average spectral efficiency）和小區邊緣頻譜效率（ESE,edge spectral efficiency）方面的性能對比；2)改變UDN 場景的小小區數量，評估提出的動態干擾協調方案的性能變化；3)評估JT UE 的數量變化對系統性能的影響。

5.1 仿真場景及參數

本文將基于如圖1 所示的UDN 場景進行性能仿真。宏站點的布局采用符合3GPP 標準的六邊形模型，共有7 個宏站點，每個站點包含3 個扇區。小小區的拓撲結構遵循文獻[16]中給出的Scenario 1 場景，小區簇均勻隨機分布在宏站點中，同時每個小小區也均勻隨機分布在小區簇中。為了更準確地模擬干擾情況，仿真中考慮了多小區布局的環繞式處理技術（wrap-around）[21]。

圖6 系統級仿真平臺

仿真中應用了符合3GPP 標準[22]的無線信道模型。對于大尺度衰落，宏小區和UE 之間采用城市宏小區（UMa,urban macro）模型，小小區和UE之間采用城市微小區（UMi,urban micro）模型。陰影衰落服從對數正態分布，在非視距（NLoS,not line of sight）和視距（LoS,line of sight）的情況下標準差不同。對于小尺度衰落，仿真中采用先進的國際移動通信（IMT-A,international mobile telecommunications-advanced）信道模型[23]。

此外，宏小區和小小區分別配置3D 樣式和2D樣式的天線方向圖。3D 樣式是指具有固定天線方向的三扇區站點，包含水平增益與垂直增益；而2D樣式則是全方向性天線。其中，3D 樣式的水平增益與垂直增益可以表示為[22]

其中，φ表示宏小區和UE 之間的水平角度，φ3dB=70°，天線最大衰減值Am=25 dB；θ表示宏小區和UE 之間的垂直角度，θ3dB=10°，SLAV=20 dB，θetilt=15°。基于水平和垂直天線增益，最終的3D 樣式天線方向可以合并為

綜上所述，本文應用的仿真參數[16]如表1 所示。

表1 仿真參數

5.2 仿真結果及分析

5.2.1 不同干擾協調方案性能比較

傳統的CoMP JT 方案是UE 選擇其協作區域內的多個信號質量好的小區同時進行數據傳輸。文獻[11]提出了一種基于小區負載感知（CLA,cell load-aware）的CoMP 方案，通過調節SBS 服務的用戶數量達到平衡小區負載的目的。本節將所提方案與傳統的CoMP JT 方案以及CLA CoMP 方案進行比較，評估了所提出的動態干擾協調方案在迭代優化前后的UE 吞吐量性能。圖7 給出了4 條累積分布函數（CDF,cumulative distribution function）曲線，分別表示傳統CoMP JT 方案、CLA CoMP 方案、無迭代優化的本文方案以及迭代優化后的本文方案。從仿真曲線中可以看出，無迭代優化的本文方案比傳統的CoMP JT 方案存在微小的性能增益；但是，通過迭代優化后，本文方案在小區邊緣用戶吞吐量方面可以獲得可觀的性能增益。而CLA CoMP 方案在用戶平均吞吐量方面有較大優勢，相比之下，本文方案在小區邊緣用戶吞吐量方面的性能更突出。

圖7 不同方案的UE 吞吐量曲線

圖8 和圖9 分別給出了不同方案的ASE 和ESE仿真結果。與傳統方案相比，無迭代優化的本文方案可以獲得3.29%的ASE 性能增益以及19.29%的ESE 性能增益；考慮到迭代優化后，在不影響ASE的情況下，本文方案的ESE 性能增益可以達到45.33%。與CLA CoMP 方案相比，迭代優化后的本文方案存在-3.63%的ASE 性能損失，但ESE 的性能增益可達到108.64%，這符合本文改善小區邊緣用戶頻譜效率的目的。

圖8 不同方案的ASE 仿真結果

圖9 不同方案的ESE 仿真結果

5.2.2 小小區數量對干擾協調方案性能的影響

本節針對UDN場景中的小小區數量不同對UE吞吐量進行性能仿真。仿真包括2 種場景：1)每個宏小區覆蓋范圍內撒2 個小小區簇，每個小小區簇中撒4 個小小區，即每個宏小區覆蓋范圍內有8 個小小區；2)每個宏小區覆蓋范圍內撒4 個小小區簇，每個小小區簇中撒10 個小小區，即每個宏小區覆蓋范圍內有40 個小小區。2 種場景分別代表了小小區密度為一般和密集2 種情況。

與傳統的CoMP JT 方案相比，圖10 給出了UE吞吐量的CDF 曲線。從仿真結果中可以看到，當每個宏小區覆蓋范圍內有8 個小小區時，本文方案比傳統CoMP JT 方案有一定的性能增益。而當每個宏小區覆蓋范圍內有40 個小小區時，由于干擾情況變得更加惡劣，傳統CoMP JT 方案的性能惡化明顯，本文方案的性能增益更加顯著。

圖10 不同小小區數量的UE 吞吐量曲線

根據圖10 的仿真結果，定量給出不同情況下的邊緣用戶吞吐量情況，如表2 所示。與傳統CoMP JT 方案比較，當小小區密度一般時，本文方案可以獲得45.24%的邊緣用戶吞吐量增益；而當小小區密度變得更加密集后，本文方案有更明顯的性能提升，其邊緣用戶吞吐量增益可以達到107.96%。

表2 不同小小區數量的邊緣用戶吞吐量

5.2.3 JT UE 選擇比例對干擾協調方案性能的影響

通過調整門限值β0和β1的取值，可以決定系統中JT UE 的數量，本節分析了JT UE 的數量變化對ASE 和ESE 的影響。當JT UE 數量分別為22、34、73、135 和214 時，占所有用戶數量的比例分別為1.75%、2.70%、5.79%、10.71%和16.98%。隨著JT UE 數量的增加，ASE 和ESE 的性能均有一定波動，分別如圖11 和圖12 所示。

圖11 不同JT UE 比例的ASE 仿真結果

圖12 不同JT UE 比例的ESE 仿真結果

從仿真結果可見，隨著JT UE 的比例升高，ASE有小幅下降，相應的增益值分別為-0.03%、-0.87%、-1.16%、-1.91%；ESE 的性能先有一定程度的上升，然后開始下降，相應的增益值分別為1.51%、5.07%、5.24%、2.49%。這是由于JT UE 的數量越多，在相同的時間和頻率上，有更多的物理資源塊被JT UE占用，導致部分UE 無法被調度，因而引起小區平均吞吐量的下降。然而，由于JT UE 數量的增加，更多的信號質量差的用戶性能被提升，因此小區邊緣用戶吞吐量有所提高；但過多的JT UE 會影響用戶調度公平性，導致部分UE 無法被調度，進而影響了邊緣用戶吞吐量的性能。

由此可見，JT UE 的數量選取是影響系統頻譜效率的重要因素之一。如果選擇恰當的JT UE 數量，可以獲得更優異的系統性能。從仿真結果可以看到，當JT UE 的選擇比例為6%～10%時，ESE 的性能增益約為5%；同時，ASE 僅有約1%的性能下降。因此，本文提出的方案對UDN 系統中JT UE 的選擇有一定的參考意義。

6 結束語

本文以提高超密集網絡中小區邊緣用戶頻譜效率為目的，通過設計動態協作簇劃分、動態聯合靜默傳輸以及迭代優化，提出了一種基于聯合傳輸的動態干擾協調方案。仿真結果證明，所提方案可以在不影響小區平均頻譜效率的情況下，顯著提高小區邊緣用戶頻譜效率，尤其當小小區密度增加時，性能增益更加明顯。此外，本文評估了JT UE的選擇比例對性能的影響，可以為系統中JT UE 的選取提供參考。