多媒體多播組播單頻網中免干擾動態信道分配

張海波 劉盈娜 李方偉 劉開健

?

多媒體多播組播單頻網中免干擾動態信道分配

張海波*①②劉盈娜①李方偉①劉開健①

①(重慶郵電大學重慶市移動通信重點實驗室 重慶 400065)②(北卡羅來納州立大學電子與計算機工程系 美國北卡羅來納州 27695)

為了避免多媒體多播組播單頻網(MBSFN)區域內部和區域之間的干擾，進一步提高頻譜效率，該文提出一種改進的基于噪聲調節時滯噪聲混沌神經網絡(NHNCNN)的動態信道分配方法。首先，根據MBSFN區域的特殊拓撲結構，重新定義了4種電磁兼容限制函數，在此基礎上精心構建了免干擾的NHNCNN能量函數。其次對NHNCNN的穩態判定進程加以改進以提高系統的收斂速度。特別地，采用類二分法聯合NHNCNN去搜索最小信道分配總數。仿真結果表明，利用富足的NHNCNN時滯、噪聲和混沌神經動力，所提算法能有效地搜索到合理解，并最終找到全局最優解，提高了頻譜效率。與現有方法相比，所提算法能夠實現更好的收斂速度和合理解率。

抗干擾；動態信道分配；多媒體多播組播單頻網；噪聲調節時滯噪聲混沌神經網絡；類二分法

1 引言

在移動互聯網快速發展的推動下，越來越多的移動寬帶多媒體業務應運而生。人們對多媒體多播組播技術(Multimedia Broadcast/Multicast Service, MBMS)也展開了廣泛和深入的研究。為了進一步提高無線資源利用率，優化空中接口性能，無線多媒體多播組播單頻網技術(MBMS over a Single Frequency Network, MBSFN)更加備受業界關注。然而，由于MBSFN中各基站采用同時同頻發送相同的信號，導致MBSFN區域內和區域間很容易產生大量干擾，使其性能急劇下降。而動態信道分配(Dynamic Channel Allocation, DCA)技術是避免其各種干擾的有效措施之一。

文獻[6]研究了在MBSFN交疊區域內如何避免信道間的干擾，并最小化總分配的資源單元數。文獻[7]提出了一種MBSFN網絡的資源分配策略，并在覆蓋和吞吐量之間取得了較好的折中。然而，這些算法均是對MBSFN系統的無線資源進行了簡單的分配，并沒有取得最優解，未能最大限度地提升MBSFN系統的性能。并且，也未能消除系統潛在的所有干擾。被分配的資源單元大小也相對固定，不能滿足目前用戶對數據大小各異的多媒體業務的需求。為了避免網絡擁塞，文獻[8]提出了一種基于點對點與點對多點模式互換的資源分配方法。

為此，本文提出一種改進的基于NHNCNN的免干擾MBSFN系統的動態信道分配方法。根據MBSFN區域拓撲結構的特點，重新設置系統區域干擾限制函數。在此基礎上合理構建NHNCNN能量函數，有效地避免MBSFN區域間和區域內的全部潛在干擾。同時，利用NHNCNN具有富足的混沌、噪聲和時滯神經動力特性，并聯合類二分法搜索信道分配的最優解，有效地提高頻譜效率。

圖1 MBSFN區域系統模型

2 系統模型和問題描述

2.1 系統模型

圖1是一個典型的MBSFN熱點區域覆蓋系統模型。該模型包括9個MBSFN區域，每一個區域包含若干個相鄰的蜂窩小區。這些相鄰的小區組成一個多播組。在每個多播組內的每個小區同時同頻傳輸相同的數據。在接收端通過相應的合并技術將來自不同基站的多徑信號進行有效的合并處理，獲得合并增益，從而提高頻譜效率。從圖1中可以看出，MBSFN區域之間有3種關系：如果一個區域有至少一個小區和另一個區域的小區相鄰，則這兩個區域為相鄰關系；如果兩個區域至少有一個公共的小區，則為相交關系；如果兩個區域沒有相鄰和相交的小區，即為非相鄰關系。例如區域1和區域2相鄰(在A和B小區)，區域2和區域5相交(在C, D和E小區)，區域3和區域7為非相鄰關系。根據MBSFN區域間的關系建立相鄰矩陣、相交矩陣和非相鄰信道分配矩陣分別為：

相鄰矩陣：

相交矩陣：

非相鄰矩陣：

2.2限制函數

在傳統的蜂窩小區信道分配中，定義了3種電磁兼容限制[17]。為了避免各種電磁干擾，在給各個基站分配信道時，必須要同時滿足這些電磁兼容限制要求。這些電磁兼容限制包括同信道限制(Co- Channel Constraint, CCC)、鄰信道限制(Adjacent Channel Constraint, ACC)和共址限制(Co-Site Constraint, CSC)。然而，在MBSFN系統中，屬于同一個MBSFN區域的所有基站同時同頻傳送相同的信號，打破了傳統蜂窩網中相鄰小區存在同頻、鄰頻等干擾的模式。所以，MBSFN區域的信道分配和傳統的蜂窩網絡有較大的差別。本文在傳統的電磁兼容限制函數基礎上，結合MBSFN區域的拓撲結構，重新定義了MBSFN系統中的電磁兼容限制函數，包括：

(1)同區域限制(Co-Area Constraint: CAC)函數：既然在MBSFN區域里各個小區是同時同頻傳輸信號，所以傳統的CCC限制失效。根據MBMS業務的需求，同一個MBSFN區域可能會需求多個信道，這些信道也應該考慮互相干擾問題。同時考慮傳統的CSC和ACC限制，可以得到以下結論：同時被分配給同一MBSFN區域的信道之間必須滿足一定的間隔，這里將整個系統的頻帶分為若干個信道，并對其進行連續編號，即信道1，信道。本文取。則CAC函數定義為

(2)鄰區限制(Adjacent-Area Constraint: AAC) 函數：根據傳統的ACC干擾限制函數，在MBSFN系統中相鄰的信道不能同時分配給相鄰的區域，而且必須滿足CCC，所以AAC限制函數定義為

(3)相交區域限制(Overlapping-Area Constraint: OAC)函數：不同于傳統的蜂窩網絡，如果在MBSFN系統中，兩個區域相交，則必須要滿足CSC限制。即OAC限制函數定義為

(4)非相鄰區域限制(Non-Adjacent-area Constraint: NAC)函數：在傳統的蜂窩網絡信道分配中，普遍使用信道復用技術來提高頻譜利用率。同理，在MBSFN系統中，只要兩個區域之間的間隔(指非相鄰區域的最小距離：兩個非相鄰區域中的任意兩個小區間的距離的最小值)大于某一個預定義的同頻復用距離r，也可以將同一信道同時分配給不同的區域。NAC定義為

2.3問題描述

如圖1所示，該模型包括9個MBSFN區域，每個區域根據所傳的多媒體業務數據大小需要R個信道，在分配信道的同時，要避免上述的所有潛在干擾。并且，為了提高頻譜利用率，要最大限度地使用頻率復用技術，使得所分配的總信道數最少。所以，本文信道分配的目標是給每個MBSFN區域分配R個信道，要求避免所有干擾，同時最小化分配總信道數t。這是一個典型的NP-complete問題，本文用NHNCNN來解決該問題。

3 基于NHNCNN的免干擾動態信道分配算法

3.1 NHNCNN模型

在HNCNN的基礎上，NHNCNN加了一個噪聲調節系數，使得系統更容易跳出局部最優解，而搜索到全局最優解，NHNCNN的模型為：

3.2 NHNCNN的能量函數

眾所周知，能否用NCNN系列的神經網絡技術有效地解決一個NP-complete問題關鍵在于是否能夠成功地創建一個合理的能量函數。而合理能量函數的構建十分困難。本文通過深入研究NHNCNN的動力機理，綜合考慮MBSFN系統的4個干擾限制函數，通過對其合理地數學建模，成功地構建了MBSFN系統信道分配能量函數：

根據遞歸神經網絡原理，系統首先利用富足的時滯、噪聲和混沌動力在相空間里大范圍地搜索，在前一階段值的變化起伏較大，振動劇烈，這有利于逃離局部最優解，并向合理解的鄰域靠近。在第2階段，根據模擬退火思想，隨著這些動力的逐漸衰退，逐步梯度下降，當NHNCNN達到穩定狀態時，中所有項都為0，所有潛在的干擾都被消除，且所有區域的信道需求被滿足。

3.3 NHNCNN的離散時間模型

利用梯度下降原理，可以得出NHNCNN的動能方程。然后采用歐拉方程獲得其離散的時間模型：

3.4最小化總信道數

以上通過NHNCNN將信道分配給了MBSFN區域，而且避免了所有潛在的干擾，但是信道分配的總數沒有最小化。換句話說，為了提高頻譜利用率，應該使被分配的信道中信道編號最大的數字最小。本文采用類二分法聯合NHNCNN，最小化信道分配總數。具體流程為：

3.5 改進的NHNCNN穩態收斂進程

表1 NHNCNN的穩態判定進程

4 仿真結果與分析

本文采用MATLAB軟件對如圖1所示的系統模型進行仿真。首先建立2維神經元模型，系統包括個神經元，表示區域數，表示信道數(信道從小到大依次編號)。系統包含9個區域，每個區域的信道需求數為,。根據系統區域規模和信道總需求數粗略估計信道區間[50, 70]，即,。每次NHNCNN運行的最大迭代步數為。

表2 NHNCNN參數配置

圖2和圖3為NHNCNN的系統性能仿真輸出結果。包括神經元的輸入輸出函數、能量函數及其放大值。如圖所示，在仿真的前階段(約1-90步之間)，系統在富足的時滯、混沌和噪聲神經動力的作用下在相空間里大范圍搜索，神經元輸入和能量函數的值按照混沌動態演化，變化范圍較大，而神經元的輸出也在0和1之間頻繁變化。而在仿真的后半段，根據模擬退火思想，隨著混沌動力和隨機噪聲的減小，系統逐漸進入梯度搜索過程，逐步向合理解靠近，直至找到合理解。從圖中可以明顯地看到混沌區的倍周期逆分叉現象。為了看清楚能量函數后半段的梯度收斂過程，特意將其放大，從圖中可以看出，在迭代的后半段，能量函數在梯度下降動力的作用下變化越來越小。這正是Hopfield系列神經網絡能解決NP問題的精髓所在。值得一提的是，在傳統的仿真中，能量函數下降到0或者不再變化時，才認為系統達到了穩定狀態。而本文改進了穩態判定進程，當系統能量函數的變化連續3次小于某一個門限的時候，就進入判定流程，而不用等到其不再變化，甚至下降到0為止，這樣可以大大提高系統的收斂速度。圖2為時，系統平均收斂步數為133步，圖3為時，系統平均收斂步數為115步，該結果與前面分析一致。

圖2 時NHNCNN系統性能

圖3 時NHNCNN系統性能

表3列出了3種算法在3種不同場景下的仿真性能對比結果。從結果可以看出，HNCNN由于具有時滯動力，所以合理解率比NCNN高，而NHNCNN加了噪聲可調因子，使得其隨機噪聲與神經元的輸入關聯，更有利于跳出局部最小解，所以其合理解率比HNCNN略高。而本文噪聲的設置比較大，所以平均迭代步數NHNCNN也是最少的。

表3幾種算法的性能比較

算法 FSR(%)AIFSR(%)AIFSR(%)AI NHNCNN98.611595.3 9897.5 89 HNCNN96.111993.210796.4 97 NCNN92.612690.511991.6109

NHNCNN算法將傳統的組合優化問題的計算復雜度由階乘級降低為多項式等級，而收斂判斷進程復雜度為對數級，兩者為加性運算關系。跟傳統的優化算法(此類算法往往流程簡單，收斂速度較快，但并沒有找到最優解)比較，本文并沒有大幅度增加計算復雜度，卻能夠找到原始問題的最優解，即本文在犧牲了較小運算復雜度的前提下，求得了系統的最優解，在收斂速度和解的質量之間取得了較好的折中。本文算法中每個神經元的初始狀態是隨機的，這樣更能有效模擬實際工程應用案例，便于數學建模。其次，系統通過反饋自學習，能夠有效地收斂到最優解，應用到實際工程中能夠提高生產效率。同時，對采用其它算法的實際工程具有理論指導和參考意義。

5 結論

本文在同時考慮MBSFN系統中的區域拓撲結構、電磁兼容限制函數、各種多媒體業務的信道需求以及潛在的區域內部和區域之間干擾的情況下，提出了一種基于NHNCNN的動態信道分配方案。根據MBSFN區域的拓撲結構，更新了電磁兼容限制函數。并對其進行物理意義抽象和數學建模，成功構建了能有效避免干擾的NHNCNN能量函數。最后聯合類二分法搜索到了最小的信道分配總數。仿真結果顯示，本文通過改進穩態判定進程和精心設置實驗參數，提出的算法與現有算法相比，能更有效地搜索到全局最優解。最終成功搜索到了最小的信道分配總數，進一步提高了系統的頻譜效率。

并且，本文所提的算法能夠用于各種MBSFN系統模型以及多小區動態信道分配。

[1] 王凡森, 趙拯, 陳志剛. 一種基于子載波合并的多播資源調度算法[J]. 電子與信息學報, 2014, 36(5): 1184-1189.

Wang F S, Zhao Z, and Chen Z G. A multicast resource scheduling algorithm based on subcarrier merger[J].&, 2014, 36(5): 1184-1189.

[2] Damnjanovic J and Tenny N E. Resource specification for broadcast/multicast services[P]. US, 20140376438, 2014-12-25.

[3] Hu Z, Jiang H, Li H,.. A low-complexity decoding algorithm for coded hierarchical modulation in single frequency networks[J]., 2014, 60(2): 302-311.

[4] Debessu Y G, Wu H C, Jiang H,. New modified turbo decoder for embedded local content in single-Frequency networks[J]., 2013, 59(1): 129-135.

[5] Lentisco C M, Bellido L, de la Fuente A,.. A model to evaluate MBSFN and AL-FEC techniques in a multicast video streaming service[C]. 2014 IEEE 10th International Conference on Wireless and Mobile Computing, Networking and Communications (WiMob), Barcelona, Spain, 2014: 691-696.

[6] Cheng R G, Huang K J, and Yang J S. Radio resource allocation for overlapping MBS zones[C]. Proceedings of the IEEE MWS, Napa Valley, California, 2009: 75-80.

[7] Jiang A X, Feng C Y, and Zhang T K. Research on resource allocation in multi-cell MBMS single frequency networks[C]. Proceedings of the IEEE WOCN, Colombo, Sri Lanka, 2010: 1-5.

[8] Wang M, Zhang S G, Sun Q Y,.. Resources allocation scheme based on mode switch for multicast services in MBSFN[J]., 2014, 543/547: 3044-3048.

[9] Chen S H and Hou T C. Dynamic channel allocation and power control for OFDMA femtocell networks[C]. Proceedings of the IEEE Wireless Communications and Networking Conference (WCNC), Istanbul, 2014: 1721-1726.

[10] Uykan Z and Jantti R. Channel allocation for bidirectional wireless links-part II: algorithms[J]., 2014, 13(7): 3991-4002.

[11] Ben M A and Hamdi M. Dynamic multiuser sub-channels allocation and real-time aggregation model for IEEE 802.11 WLANs[J]., 2014, 13(11): 6015-6026.

[12] Naparstek O and Leshem A. Fully distributed optimal channel assignment for open spectrum access[J]., 2014, 62(2): 283-294.

[13] Moretti M, Abrardo A, and Belleschi M. On the convergence and optimality of reweighted message passing for channel assignment problems[J]., 2014, 21(11): 1428-1432.

[14] Zhang H B and Wang X X. Resource allocation for downlink OFDM system using noisy chaotic neural network[J]., 2011, 47(21): 1201-1202.

[15] Sun M, Zhao L, Cao W,. Novel hysteretic noisy chaotic neural network for broadcast scheduling problems in packet radio networks[J]., 2010, 21(9): 1422-1433.

[16] Sun M, Xu Y, Dai X,.. Noise-tuning-based hysteretic noisy chaotic neural network for broadcast scheduling problem in wireless multihop networks[J]., 2012, 23(12): 1905-1918.

[17] Lin S S and Horng S C. Dynamic channel selection and reassignment for cellular mobile system[C]. Proceedings of the IEEE IS3C, Taichung, China, 2014: 1006-1009.

Interference-avoidance Dynamic Channel Allocation for Multimedia Broadcast Multicast Service Single Frequency Networks

Zhang Hai-bo①②Liu Ying-na①Li Fang-wei①Liu Kai-jian①

①(,,400065,)②(,,,,27695)

A dynamic channel allocation algorithm is proposed to avoid all interference and improve spectrum efficiency in Multimedia Broadcast multicast service Single Frequency Networks (MBSFN). Four electromagnetic compatibility constraint functions are redefined according to the topology information of MBSFN. In order to avoid all intra-area and inter-area interference of MBSFN, a novel energy function of Noise-tuning-based Hysteretic Noisy Chaotic Neural Network (NHNCNN) is constructed elaborately based on renewed constraint functions. Also, the judgment process of the stable state of NHNCNN is developed to accelerate system convergence. Specifically, the dichotomy method is adopted jointly to minimize the total number of allocated channels so as to further improve spectrum efficiency. Simulation results show that a feasible solution without any interference can be effectively searched by the improved NHNCNN. Finally, the optimal solution with minimum total channel number is found. Compared with existing algorithms, the proposed algorithm achieves better convergence speed and quality of solution.

Interference-avoidance; Dynamic channel allocation; Multimedia Broadcast multicast service Single Frequency Networks (MBSFN); Noise-tuning-based Hysteretic Noisy Chaotic Neural Network (NHNCNN); Dichotomy method

TN929.5

A

1009-5896(2015)10-2438-08

10.11999/JEIT150044

2015-01-08；改回日期：2015-06-05；

2015-07-17

張海波 wdkyzl@gmail.com

國家青年自然科學基金(61301122)，重慶市科委項目(cstc2014jcyjA 40052)和重慶市教委項目(KJ1400405)

The National Natural Science Foundation of China (61301122); The General Project on Foundation and Cutting-edge Research Plan of Chongqing (cstc2014jcyjA40052); The Research Program of Chongqing Education Commission (KJ1400405)

張海波： 男，1979年生，博士后，副教授，研究方向為未來寬帶無線移動通信網絡中的資源分配與優化.

劉盈娜： 女，1992年生，碩士生，研究方向為MBMS系統中的無線資源優化.

李方偉： 男，1960年生，教授，博士生導師，研究方向為無線網絡資源管理.