帶內部署NB-IoT系統(tǒng)干擾問題研究

袁 曄，張博軒

（寧夏回族自治區(qū)無線電監(jiān)測站，寧夏 銀川 750004）

0 引言

2019年7月17日，在國際電信聯(lián)盟無線通信部門5D工作組（ITU-R WP5D）第32次會議上，窄帶物聯(lián)網（NB-IoT）技術被正式納入5G候選技術集合，作為5G的組成部分與3GPP新空口（5G NR）聯(lián)合提交至ITU。NB-IoT作為一項窄帶LTE技術，專為低功耗廣域應用而設計，使用一定頻段內的授權頻譜，可以利用現有基礎設施和頻譜，具有廣覆蓋、低功耗、大連接、低成本的優(yōu)勢。

NB-IoT支持帶內部署（In-band）、保護帶部署（Guard-band）以及獨立部署（Stand-alone）共三種部署方式。其中，In-band是使NB-IoT相比其他低功耗廣域網絡技術脫穎而出的重要優(yōu)勢，在In-band場景下，NBIoT網絡使用LTE帶內的一個物理資源塊（PRB）。對于不存在IoT流量的帶內部署，由于LTE和NB-IoT的基礎架構和頻譜使用完全兼容，LTE可以將該PRB用于其他業(yè)務。基站調度程序能將NB-IoT和LTE流量復用到同一頻譜上，從而最大程度地減小機器類通信（MTC）的總運營成本。

當然，在In-band場景中，NB-IoT與LTE兩個系統(tǒng)存在一定的耦合關系，兩者的頻帶相鄰，兩個系統(tǒng)間的相互影響程度比其他部署方式更大，因此，需要針對干擾問題做進一步分析和優(yōu)化。

1 NB-IoT系統(tǒng)干擾分析

根據干擾者與被干擾者雙方是否同處于NB-IoT系統(tǒng)，可以將NB-IoT系統(tǒng)的干擾分為系統(tǒng)內部干擾與系統(tǒng)間干擾兩類。

1.1 NB-IoT系統(tǒng)內部干擾分析

針對NB-IoT系統(tǒng)內部的干擾，根據干擾的雙方所處的頻段是否一致，可以將NB-IoT系統(tǒng)內部的干擾分為鄰頻干擾與同頻干擾兩類：

（1）鄰頻干擾：在NB-IoT下行鏈路中，子載波間隔與LTE一樣仍為15 kHz，仍采用LTE中的物理技術，NB-IoT與LTE的子載波依舊保持正交，因此其鄰頻干擾可以忽略[1，2]。

（2）同頻干擾：NB-IoT是建設在蜂窩網絡基礎上的，所以系統(tǒng)內干擾是NB-IoT的主要干擾因素。蜂窩組網時，在滿足一定復用距離要求下，允許兩基站使用同樣的頻率，頻率的復用導致同頻干擾不可避免[3]。此外，由于NB-IoT的射頻帶寬為180 kHz，具有較明顯的窄帶特性和較高的功率譜密度，這一特性導致小區(qū)間同頻干擾現象更為嚴重。

1.2 NB-IoT系統(tǒng)與LTE系統(tǒng)間共存干擾分析

根據NB-IoT系統(tǒng)與其他無線通信系統(tǒng)干擾的鏈路的性質，可將系統(tǒng)間干擾分為下行干擾與上行干擾兩類[4，5， 6]：

（1）下行干擾：對于In-band場景，在下行鏈路中，NB-IoT子載波間隔與LTE同為15 kHz，保證了NB-IoT與LTE子載波的正交結構，因此下行鄰頻干擾可以忽略。

（2）上行干擾：單音（Single-tone）和多音（Multi-tone）是NB-IoT系統(tǒng)上行鏈路的兩種傳輸模式。其中，多音傳輸模式的子載波間隔為15 kHz，此時NB-loT子載波與LTE子載波保持正交。而單音傳輸模式子載波間隔有15 kHz和3.75 kHz兩種情況，當子載波間隔為3.75 kHz時不滿足正交關系，可能引起系統(tǒng)間干擾。因此，對于In-band場景而言，只需要評估子載波間隔為3.75 kHz的單音傳輸模式NB-IoT與LTE共存時的干擾。根據文獻[7]中報道的仿真與分析，有以下結論：

第一，對于In-band場景中NB-IoT對LTE的干擾，當LTE與NB-IoT的間隔大于等于兩個PRB，可以將干擾帶來的損失控制在1 dB以內，因此對于NB-IoT系統(tǒng)與LTE系統(tǒng)間干擾，可以通過增大PRB間隔實現。

第二，對于In-band場景中LTE對NB-IoT的干擾，假設LTE系統(tǒng)的泄露僅考慮左邊或右邊相鄰的PRB，則其對于In-band NB-IoT系統(tǒng)產生的鄰道干擾基本滿足RAN4共存要求，即NB-IoT系統(tǒng)的SNR損失小于1 dB，但在高信噪比的地方，性能損失偏大。

2 NB-IoT系統(tǒng)抗干擾技術方案

考慮到NB-IoT技術的低成本特性，不宜采用跳頻通信、智能天線等較復雜的抗干擾技術。相對而言，從資源分配角度來抑制干擾的方案更適合注重成本因素的NB-IoT系統(tǒng)。以下介紹幾種基于資源分配的NB-IoT系統(tǒng)抗干擾技術思路[8，9，10]。

2.1 基于小區(qū)內干擾協(xié)調的頻譜優(yōu)化調度方案

針對大量UE同時訪問導致嚴重干擾的情況，該方案采用基于聚類的調度算法[8]。首先，使用改進的K-means算法對大量存在的NB-IoT終端進行聚類[11]。然后，在優(yōu)先級的基礎上提出頻譜調度策略。實驗結果證明此優(yōu)化策略可以有效緩解網絡擁塞，提高網絡的頻譜利用率。該方案主要包含以下步驟：

2.1.1 模型建立

（1）到達過程建模：隨機到達曲線為設為α∈F，對應界函數為NB-IoT業(yè)務到達流模型為A（t）∈sa，則對于任意的時刻t≥0和時延x≥0，其滿足：

（2）服務過程建模：隨機服務曲線為設為β∈F，對應界函數為NB-IoT業(yè)務服務流模型為S∈sc，則對于任意的時刻t≥0和時延x≥0，其滿足：

假設基站的服務能力為C，則服務曲線為β（t）=Ct，服從S∈sc<0，Ct>。

2.1.2 接入延遲分析

假設NB-IoT系統(tǒng)中的終端總量為n，將NB-IoT系統(tǒng)的時延記為D（t），系統(tǒng)處理業(yè)務的最長時限為T，每個終端發(fā)送的分組的大小為l，則通過隨機網絡計算方法[12]，得出網絡時延下界分布函數為：

2.1.3 終端聚類

使用無監(jiān)督學習中的K-means算法對NB-IoT系統(tǒng)中的終端進行聚類，網絡中的n個終端集合記為D={x1，x2，…，xn}，聚類后的分簇結果記為C={C1，C2，…，Ck}。K-means算法以最小化Sum of squared errors （SSE）為目標，使用迭代算法可以將所有終端分類到k個蔟中。

2.1.4 上行頻譜調度

基于第三步驟中對終端的聚類分蔟結果，針對時間對不同的蔟進行調度，以減輕網絡中的擁塞為目標，因此，在滿足業(yè)務QoS要求與能量消耗的約束條件下，最大化網絡的接入能力。調度過程如下：

（1）業(yè)務初始優(yōu)先級R1i的設置：根據蔟距離基站的距離為不同蔟設置不同的初始優(yōu)先級，距離越近，初始優(yōu)先級越高。

（2）業(yè)務任務緊急程度R2i的計算：根據業(yè)務在網絡中的等待時間長度，等待時長越長，緊急程度越高。

（3）業(yè)務綜合優(yōu)先級的計算：以R1i和R2i為基礎，計算i業(yè)務的綜合優(yōu)先級Ri。

（4）蔟中心值的計算：根據業(yè)務的生成以及所在蔟，計算每個蔟的中心值。

（5）使用迭代的思想，按照蔟中心值從高到低進行頻譜調度，完成一項任務后對所有業(yè)務優(yōu)先級進行更新。

圖1 NB-IoT用戶平均接入時延隨用戶數目變化曲線

圖1與圖2分別是NB-IoT用戶平均接入時延隨用戶數目與分組長度變化的曲線圖，圖中紅色曲線是該方案性能，藍色曲線是隨機頻譜分配算法性能。可以看出，由于該算法對終端進行了分類，并且設計了基于優(yōu)化時延的分簇配置，抑制了小區(qū)內部多終端間的干擾，所以接入時延有較大幅度的降低。

圖2 NB-IoT用戶平均接入時延隨分組長度變化曲線

2.2 基于頻譜分配的小區(qū)間抗干擾方案

由于每個小區(qū)的NB-IoT業(yè)務量規(guī)模巨大，因此存在不同小區(qū)大量業(yè)務并發(fā)產生的場景，針對此時產生的下行干擾問題，可采取頻譜分配方式，提高能夠并行服務的業(yè)務數目。在建模時，該方案采用基于圖論的建模方法[9]。在無線網絡中，資源分配問題可根據圖論的基本定義轉化為不同的圖著色問題。具體到所討論的干擾問題，首先根據網絡拓撲構建干擾圖，通過對該干擾圖進行著色，將不同的頂點集合分組，進而得到能夠減少干擾的資源分配方案[13，14]。

2.2.1 干擾圖的構建及弦化處理

由于NB-IoT的終端設備一般為靜態(tài)設備，因此，基站有充足的時間確定設備的地理位置，并且可以進行多小區(qū)間信息的互相傳送。方案的第一步是在各宏基站中構造干擾圖，以對應NB-IoT網絡的拓撲。構造的干擾圖為無向圖，記為Ginitial=（V，Einitial），其中，V和Einitial分別是點的集合和邊的集合。干擾圖中的點表示一個基站到與其關聯(lián)的NB-IoT用戶的下行鏈路，若兩個點所對應的業(yè)務不能使用相同的子載波，則對應鏈路之間存在干擾，在干擾圖中就表示為由一條邊鄰接的連個點。

圖3 干擾圖及其弦化舉例

根據無向圖中團的定義，干擾圖中不能使用相同頻譜資源的點構成極大團。因此，通過對極大團的求解，能夠獲得資源分配方案。但是，干擾圖中的一個點可能同時屬于多個極大團，對這類點的頻譜分配會給其所在的多個極大團帶來不同影響[15]。因此，需要首先列舉

出圖中所有極大團，才能全面分析頻譜分配對每個業(yè)務的影響。然而，對于一般的圖而言，隨著點的數目增長，極大團的數目呈現指數增長趨勢，求解算法過于復雜。而弦圖中的極大團可以用多項式時間算法求解[16]。因此，對于干擾圖Ginitial=（V，Einitial），可先使用最大勢最小弦化算法將其弦化為弦圖Gg=（Vg，Eg），得到低復雜度的頻譜分配算法。

2.2.2 基于弦圖的頻譜預分配

頻譜分配算法如表1所示。

表1 基于弦圖的最大并行用戶數頻譜預分配算法流程

表1中，在獲得NB-IoT終端的弦圖之后，所有的極大團都可以通過完美消除序列算法（PEO）以線性時間復雜度解出。如果某個極大團出現過載，則使用迭代法阻塞網絡中NB-IoT業(yè)務，直至子載波數目可以滿足每個極大團的需求[17]。

2.2.3 去弦化修復分配

在干擾圖的弦化過程中，需要通過加邊的方式將原圖轉化為弦圖。圖中增加的邊使原本不存在頻譜沖突的兩點鄰接，導致在資源分配中此兩點無法使用相同的子載波，造成過于保守的資源分配結果。因此需要對分配結果進行修復，去掉加邊所導致的資源沖突，從而得到最終的子載波分配向量，如表2中的算法2所示。首先，初始化（步驟1）；然后，找到所有與加邊相鄰接的點的集合（步驟2）；最后，為NB-IoT業(yè)務分配去掉加邊后仍然可用的資源（步驟3）。

表2 弦圖修復分配算法流程

2.3 基于時隙功率分配的小區(qū)間抗干擾方案

該方案提出一種基于QoS感知（QoS-aware）資源分配算法，通過適當調節(jié)功率水平來改善信干噪比（SINR），以減少每個用戶的重復因子，進而提高NBIoT系統(tǒng)的總速率[10]。通過對NB-IoT小區(qū)間同頻干擾的量化分析，設用戶ib在時隙t上的上下行數據速率分別為用戶i在時隙t上的上下行調度變b量分別為xjb，t與xib，t，基站b的最大下行功率為Pbmax，用戶的最大上行功率為Pjb，max，從而建立多小區(qū)間基于時隙功率分配的優(yōu)化模型如下[10]：

其中，目標函數為最大化NB-IoT系統(tǒng)的上下行速率總和；約束1和2表示調度變量為二進制變量；約束3和4保障了被調度用戶的上下行速率要求；約束5和6保障了基站與用戶的發(fā)射功率不得超過最大值。

上述問題為混合整數非線性優(yōu)化問題，為了求解此問題，參照每位用戶的SINR計算出對應的MCL值，從而得出重傳次數，在此基礎上設計一個兩步驟的迭代算法，第一步驟，按照所限定的重傳次數為控制分組與數據分組的傳輸分配時隙；第二步驟，優(yōu)化功率分配，從而最大化系統(tǒng)的速率。具體方案如下：

（1）時隙的分配。對時隙調度變量采取松弛處理，將上下行二級制調度變量xjb，t與xib，t松弛為[0，1]上的連續(xù)變量xjb，t與xib，t，利用凸優(yōu)化理論，最優(yōu)解等價于將時隙分給產生最高信道增益的用戶，即時隙調度變量 xjb，t與 xib，t的解為下式 ：

（2）功率的分配。在第一步驟計算出時隙調度結果的基礎上，對上下行最優(yōu)功率的求解可以解耦，分別轉化為對上行最優(yōu)功率的求解問題和對下行最優(yōu)功率的求解問題。分別對上行最優(yōu)功率和下行最優(yōu)功率問題應用Lagrangian分解算法，引入Lagrange算子λib與μib，λjbb與μjb，求解最優(yōu)化的功率分配變量如式（6）與（7）。

3 結束語

頻譜資源是有限的資源，隨著NB-IoT系統(tǒng)的快速發(fā)展，In-band場景的成本優(yōu)勢將逐漸凸顯出來，越來越多的NB-IoT網絡會選擇采用In-band場景部署。但考慮到系統(tǒng)間的耦合，In-band場景下的NB-IoT系統(tǒng)所面臨的系統(tǒng)內及系統(tǒng)間干擾問題也更嚴重。本文分析了Inband場景NB-IoT系統(tǒng)所面臨的主要干擾因素，總結了幾種基于資源分配的抗干擾技術方案，對NB-IoT系統(tǒng)的發(fā)展及其抗干擾性能的優(yōu)化具有積極的參考意義。