基于遺傳算法的頻率復(fù)用方式

鄒超毅 張振榮

（廣西大學(xué)，廣西 南寧 530004）

基于遺傳算法的頻率復(fù)用方式

鄒超毅 張振榮

（廣西大學(xué)，廣西 南寧 530004）

由于LTE采用了OFDM（正交頻分復(fù)用）技術(shù)，各載波間相互正交，因而小區(qū)內(nèi)部的干擾可以基本消除，但相鄰小區(qū)間的使用相同頻率仍然會(huì)產(chǎn)生較大的干擾，影響系統(tǒng)頻率復(fù)用效率，降低系統(tǒng)吞吐效能。因此，針對(duì)這一問(wèn)題提出了基于遺傳算法的頻率復(fù)用思考，從而提高頻率的利用效率同時(shí)降低相鄰小區(qū)間的頻率干擾，優(yōu)化系統(tǒng)吞吐量，提高服務(wù)質(zhì)量。

遺傳算法；頻率復(fù)用；干擾

1 引言

隨著移動(dòng)通信事業(yè)的快速發(fā)展，終端用戶的數(shù)量不斷增多，對(duì)基站數(shù)量和頻率資源的需求也不斷增大。目前，我國(guó)給每個(gè)電信運(yùn)營(yíng)商劃分了有限的頻率區(qū)間，運(yùn)營(yíng)商根據(jù)不同地域用戶密度的情況建立了許多基站并分配相應(yīng)數(shù)量的頻率區(qū)間[1]。

如果本小區(qū)內(nèi)或者相鄰小區(qū)間使用相同或者相近的頻率，將會(huì)產(chǎn)生不同程度的電子干擾，從而影響服務(wù)質(zhì)量。因而，如何根據(jù)不用的用戶數(shù)量，在有限的頻率資源下，以最大程度的降低干擾且提高服務(wù)質(zhì)量節(jié)約成本為目的，進(jìn)行頻率資源最優(yōu)分配已經(jīng)成為各個(gè)運(yùn)營(yíng)商急需解決的問(wèn)題[2]。不同小區(qū)的用戶總數(shù)和密度都是不一樣的，小區(qū)的用戶一般主要集中在中心區(qū)域，如果僅僅依據(jù)蜂窩網(wǎng)中幾個(gè)小區(qū)的用戶數(shù)量情況來(lái)分配整個(gè)蜂窩網(wǎng)的頻率，這樣的分配方式會(huì)導(dǎo)致資源的極度不平衡。本文針對(duì)這個(gè)問(wèn)題，提出了基于遺傳算法的頻率復(fù)用資源思考，降低整個(gè)網(wǎng)絡(luò)小區(qū)間頻率干擾，提升頻率利用效率與優(yōu)化系統(tǒng)吞吐量且提高服務(wù)質(zhì)量。

2 協(xié)調(diào)技術(shù)的傳統(tǒng)方案

ICIC從資源協(xié)調(diào)方式上主要有全頻率復(fù)用技術(shù)（Full Frequency Reuse）、部分頻率復(fù)用技術(shù)（Fractional Frequency Reuse，F(xiàn)FR）以及軟頻率復(fù)用技術(shù)（Soft Frequency Reuse，SFR）這三類(lèi)[3，6]，三種模式的區(qū)別如表1所示。

表1 部分頻率復(fù)用、軟頻率復(fù)用和全頻率復(fù)用的區(qū)別

全頻率復(fù)用是指所分配的頻率能夠使用在小區(qū)的任何地方，其頻率復(fù)用因子為1。以PRB為單位對(duì)時(shí)頻資源的使用以及發(fā)射功率的進(jìn)行控制，而（FFR）部分頻率復(fù)用和軟頻率復(fù)用是通過(guò)對(duì)一組以PRB為單位的連續(xù)資的源使用進(jìn)行統(tǒng)一，利用對(duì)發(fā)射功率限制不同進(jìn)行控制。部分頻率復(fù)用技術(shù)則是將頻率資源等分為4組。對(duì)于中心用戶使用其中一組，所有小區(qū)都恒定的使用一組資源，因而復(fù)用因子為1。而對(duì)于邊緣用戶，通過(guò)和相鄰小區(qū)正交的分配剩下的3組頻段，因而復(fù)用因子是3，也可以確保了相鄰小區(qū)間頻率的正交，降低干擾。在軟頻率復(fù)用技術(shù)中，所有的頻段被分成了2組子載波，一組稱(chēng)為主子載波，另外一組稱(chēng)為輔子載波。主子載波可以在小區(qū)的任何地方使用，而輔子載波則只能在小區(qū)中心被使用。不同小區(qū)之間的主子載波相互正交，在小區(qū)邊緣有效地抑制了干擾，而輔子載波由于只在小區(qū)中心使用，相互之間干擾較小，則可以使用相同的頻率。它繼承了部分頻率復(fù)用的優(yōu)點(diǎn)，同時(shí)采用動(dòng)態(tài)的頻率復(fù)用因子，比較明顯地提高了頻率的利用效率。

3 基于遺傳算法的頻率復(fù)用思想

3.1 遺傳算法思想

遺傳算法（Genetic Algorithms）是一種借鑒生物在繁衍生息中自然選擇和遺傳機(jī)制的搜索算法[3,4]，它主要的特點(diǎn)是群體收索策略和種群中個(gè)體間的信息交換、變異和遺傳進(jìn)化，使用雜交和變異產(chǎn)生優(yōu)化群體從而更加適用于環(huán)境，這一過(guò)程可以作為問(wèn)題尋求最優(yōu)解的過(guò)程。根據(jù)遺傳算法的思想，逐代的演化產(chǎn)生越來(lái)越優(yōu)秀的近似解，在每一代中，根據(jù)問(wèn)題需求判斷個(gè)體的適用度來(lái)挑選適應(yīng)個(gè)體，借助選擇和交叉變異，產(chǎn)生出新的解集合，如此迭代，尋找出問(wèn)題的解。利用遺傳算法的思想，利用小區(qū)用戶數(shù)量與所有小區(qū)用戶數(shù)的關(guān)系，在全局范圍內(nèi)能夠快速的搜索出頻率復(fù)用方案。

3.2 基于遺傳算法的頻率復(fù)用流程

基于遺傳算法的自適應(yīng)頻率復(fù)用方案包括以下7個(gè)步驟：初始化N個(gè)個(gè)體、計(jì)算每個(gè)個(gè)體的算子、每三個(gè)相鄰個(gè)體構(gòu)成一個(gè)種群、每個(gè)種群計(jì)算適應(yīng)度、新種群進(jìn)行選擇交叉變異、是否滿足終止條件、最終種群。具體流程如圖1所示：

圖1 方案流程圖

4 基于遺傳算法的自適應(yīng)頻率復(fù)用

每個(gè)小區(qū)用戶主要集中在中心區(qū)域，邊緣區(qū)域的用戶數(shù)量相對(duì)較小，但邊緣用戶的服務(wù)又要兼顧，因而如何在即確保滿足中心區(qū)域的服務(wù)要求又要兼顧到邊緣用戶，盡量的降低不用小區(qū)間的干擾，提高邊緣用戶的服務(wù)質(zhì)量。根據(jù)業(yè)務(wù)背景情況，我們現(xiàn)在對(duì)問(wèn)題進(jìn)行如下描述，假設(shè)某運(yùn)營(yíng)商服務(wù)區(qū)有N個(gè)小區(qū)構(gòu)成一個(gè)大的蜂窩網(wǎng)和一定的頻率資源。

圖2 資源分配方式圖

4.1 初始化與種群的構(gòu)成

將每個(gè)小區(qū)抽象成為一個(gè)獨(dú)立的個(gè)體，在圖中，所有頻率的一半首先用于中心用戶，以小功率發(fā)射，后面的一半頻率，根據(jù)個(gè)體的中心用戶數(shù)量和邊緣用戶數(shù)量利用公式（1）計(jì)算出每個(gè)個(gè)體的算子。隨機(jī)的組合相鄰三個(gè)小區(qū)作為一個(gè)基因序列組成一個(gè)種群，這樣蜂窩網(wǎng)由構(gòu)成多個(gè)種群，根據(jù)每個(gè)小區(qū)的算子計(jì)算每個(gè)種群的適應(yīng)程度。每個(gè)種群的適應(yīng)度是根據(jù)組成該種群的基因決定。

4.2 遺傳變異

在所有種群中選擇出部分種群進(jìn)行變異，通過(guò)種群的基因的變異，最終達(dá)到改變?cè)摲N群的適應(yīng)度，產(chǎn)生下一代種群，通過(guò)對(duì)基因變異，可以很好的改變頻率的分配比例，最終選擇出最優(yōu)的一個(gè)分配方式。把這種優(yōu)秀的解遺傳給下一代種群中，最后得到一個(gè)優(yōu)秀解種群。通過(guò)交叉可以得到不同相鄰小區(qū)的組合不同的分配方式，并結(jié)合變異可以得出得到比較優(yōu)秀的分配方案。

4.3 算法判斷與終止

通過(guò)選擇、交叉、變異得到的新的種群集合，都要計(jì)算每個(gè)種群的適應(yīng)度，利用所有小區(qū)中用戶數(shù)量和邊緣用戶數(shù)的關(guān)系與小區(qū)適應(yīng)度的差值的幅度來(lái)進(jìn)行判斷本解是否更優(yōu)，若優(yōu)于當(dāng)前最優(yōu)解則替換當(dāng)前最優(yōu)解，否則則丟棄本解，判斷是否達(dá)到最大循環(huán)次數(shù)或者解接受條件。符合則輸出最優(yōu)解并結(jié)束，轉(zhuǎn)到遺傳變異繼續(xù)。

5 仿真實(shí)驗(yàn)與分析

本節(jié)通過(guò)MATLAB仿真實(shí)驗(yàn)來(lái)評(píng)價(jià)本算法的性能，評(píng)價(jià)指標(biāo)包括系統(tǒng)吞吐量、小區(qū)中心區(qū)域和邊緣區(qū)域的吞吐量。在仿真試驗(yàn)中，利用傳統(tǒng)全頻率復(fù)用（Reuse 1）、部分頻率復(fù)用（FFR）、靜態(tài)軟頻率復(fù)用（SSFR）[5,6]與基于遺傳算法的頻率復(fù)用方式進(jìn)行性能對(duì)比。

5.1 實(shí)驗(yàn)場(chǎng)景

仿真實(shí)驗(yàn)中構(gòu)建一個(gè)由25個(gè)正六邊形結(jié)構(gòu)小區(qū)組成的LTE系統(tǒng)，網(wǎng)絡(luò)拓?fù)淙鐖D一所示，每個(gè)小區(qū)中用戶數(shù)量按30～80之間進(jìn)行實(shí)驗(yàn)，用戶分布位置隨機(jī)分布。頻率資源塊RB為50個(gè)。在Reuse 1中，每個(gè)小區(qū)都可以使用全部RB且發(fā)射功率相同，F(xiàn)FR中，系統(tǒng)帶寬劃分為20和30個(gè)RB兩部分，復(fù)用因子分別為1和3給中心和邊緣區(qū)域，SSFR中，復(fù)用因子為3，因而每個(gè)小區(qū)使用與相鄰小區(qū)不重疊的15個(gè)RB作為主載波，剩余的為副載波。為了避免概率性事件，每個(gè)級(jí)別系統(tǒng)通過(guò)循環(huán)執(zhí)行750次統(tǒng)計(jì)比較，并對(duì)比分析。

5.2 仿真結(jié)果

通過(guò)實(shí)驗(yàn)也證明了這一點(diǎn)。SSFR采用了靜態(tài)頻率復(fù)用技術(shù)，降低了小區(qū)間的干擾，但算法沒(méi)有很好的全局觀，導(dǎo)致陷入局部最優(yōu)解，使其吞吐量略低于本算法。FFR和Reuse1算法中心與邊緣資源分配是固定的，不能根據(jù)小區(qū)以及用戶分布情況進(jìn)行調(diào)整，影響整個(gè)小區(qū)的吞吐量，而基于遺傳算法的頻率復(fù)用方式在吞吐量上相對(duì)以上傳統(tǒng)方式具有一定的優(yōu)勢(shì)。

6 總結(jié)

文章深入研究了LTE系統(tǒng)中軟頻率復(fù)用技術(shù)，提出了一種基于遺傳算法的頻率復(fù)用方式。與傳統(tǒng)靜態(tài)分配算法相比，該算法在根據(jù)系統(tǒng)不同負(fù)載情況自適應(yīng)的調(diào)整系統(tǒng)資源分配達(dá)到優(yōu)化系統(tǒng)吞吐量。并通過(guò)對(duì)比實(shí)驗(yàn)驗(yàn)證了該算法具有從系統(tǒng)全局角度進(jìn)行系統(tǒng)資源分配。

[1] 成偉,金秋瑞.基于分層遺傳算法的基站頻率最優(yōu)分配策略[J].計(jì)算機(jī)與數(shù)字工程,2013,41(2):168-170.

[2] 錢(qián)蔓藜,李永會(huì),黃伊,等.LTE系統(tǒng)自適應(yīng)軟頻率復(fù)用技術(shù)研究[J].計(jì)算機(jī)研究與發(fā)展,2013,50(5):912-920.

[3] 李萬(wàn)臣,董廣明.基于遺傳算法的OFDM空載波頻率同步的研究[J].通信技術(shù),2009,42(2):309-313.

[4] 高亞男,賈振紅,覃錫忠,等.改進(jìn)的遺傳算法在頻率分配上的應(yīng)用[J].通信技術(shù),2010,43(12):7-17.

[5] 巴斌,胡捍英,崔維嘉,等.最大化 SLNR 及軟頻率復(fù)用的比例公平調(diào)度算法[J].太赫茲科學(xué)與電子信息學(xué)報(bào),2013.6, 11(3)377-381.

[6] 劉亮.幾種新型頻率復(fù)用技術(shù)的比較研究[J].企業(yè)技術(shù)開(kāi)發(fā), 2014.1,33(3):61-67.

Based on genetic algorithm frequency reuse way

Since the LTE uses OFDM (Orthogonal Frequency Division Multiplexing) technology, orthogonal to each other among the carriers, and thus the internal cell interference can be substantially eliminated, but the use of the same frequency between adjacent cells still produce large interference, affecting the system frequency reuse efficiency, reduces the system throughput performance. Therefore, to solve this problem is proposed frequency reuse thinking based on genetic algorithms to improve the frequency utilization efficiency while reducing frequency interference between adjacent cells to optimize system throughput, improve service quality.

Genetic algorithm; frequency reuse; interference

TN921

A

1008-1151(2015)01-0043-03

2014-12-11

鄒超毅（1982－），男，廣西欽州人，廣西大學(xué)計(jì)算機(jī)與電子信息學(xué)院2010級(jí)工程碩士。