宏-飛蜂窩雙層網絡中基于毫微微基站分組的資源分配

張海波，彭星螢，陳善學

(重慶市移動通信重點實驗室(重慶郵電大學)，重慶 400065)

宏-飛蜂窩雙層網絡中基于毫微微基站分組的資源分配

張海波，彭星螢*，陳善學

(重慶市移動通信重點實驗室(重慶郵電大學)，重慶 400065)

(*通信作者電子郵箱pengxingying789@163.com)

針對宏-飛蜂窩雙層網絡模型中宏小區(Macrocell)用戶層和毫微微小區(Femtocell)用戶層之間的跨層干擾和Femtocell之間的同層干擾，提出了一種基于毫微微基站分組的資源分配算法。該算法包括兩個部分：一部分是宏基站先利用改進的差額法,設置虛擬的宏用戶(MUE)，將之變為平衡的指派問題再為宏小區用戶分配信道，然后用注水算法分配功率，保證宏小區用戶的正常傳輸。另一部分是在保證宏小區用戶的服務質量基礎上，采用一種增強型的蟻群優化(EACO)算法，設定信息素濃度范圍后對毫微微小區進行分組，避免了原始的蟻群算法有可能陷入局部最優的現象；再利用一種啟發式算法和分布式功率分配算法分別對毫微微用戶(FUE)進行信道和功率分配，在滿足毫微微小區用戶的數據速率需求下，最大化頻譜效率。仿真結果表明，EACO有效地抑制了跨層干擾和同層干擾，既能保證用戶的數據速率需求，又能有效提升網絡頻譜效率。

毫微微小區； 資源分配； 分組； 頻譜效率； 宏小區

0 引言

毫微微小區(Femtocell)就是短距離、低功率、低成本的家庭基站，可以通過數字用戶線(Digital Subscriber Line, DSL)或光纖與宏小區通信，并且與宏基站共享頻帶資源[1]。然而Femtocell在提升系統容量的同時也帶來了新的問題，相對于傳統的宏蜂窩網絡，宏基站(Macrocell Base Station, MBS)和Femtocell共存的異構網絡中的干擾環境更加復雜。異構網絡中不但存在原有的MBS間的同層干擾，又加入了MBS與Femtocell間的跨層干擾和Femtocell間的同層干擾。隨著部署的Femtocell密度的提高，這些干擾會變得更加嚴重，因此有效的干擾管理策略成為了Macrocell-Femtocell雙層網絡中的研究熱點。

針對這些問題，從干擾雙方所處網絡層的角度，一些文獻針對同層干擾和跨層干擾提出了有效的干擾抑制策略和資源分配方案: 文獻[2]為雙層毫微微網絡研究了一種干擾管理方案和資源分配策略，在降低了宏基站(MBS)受到的干擾下，又對毫微微用戶(Femto User Equipment, FUE)進行了功率分配優化; 文獻[3]提出了在保證毫微微用戶服務質量(Quality of Service, QoS)前提下的一種子信道和功率聯合優化分配算法，并設置了干擾閾值來保護宏用戶; 文獻[4]提出了針對正交頻分多址(Orthogonal Frequency Division Multiple Access, OFDMA)系統中下行鏈路的子信道和功率的聯合優化算法; 文獻[5]提出了一種基于體驗質量(Quality of Experience, QoE)的毫微微蜂窩網絡中下行鏈路的資源分配算法; 文獻[6]基于宏小區用戶干擾約束下建立了一種OFDMA毫微微蜂窩網絡中資源分配問題的模型，保證了毫微微小區的公平性。無線資源在兩層網絡間的分配需要借助協作機制來完成; 文獻[7]就分別提出了集中式協作和分布式協作的資源分配算法; 文獻[8]為了降低毫微微基站之間的同層干擾，提高整個系統的吞吐量，提出了一種基于圖論的頻譜分配策略; 文獻[9]研究的是一種以公平性為目的的小區間干擾管理和資源分配的自適應綜合解決方案。但這些文獻都沒有考慮到在跨層干擾中是否會對宏用戶(Macro User Equipment, MUE)的正常傳輸產生影響。

在當前研究現狀中，隨著毫微微小區部署密度的增加，集中式協作的資源分配方案的計算復雜度隨之提升[10]，因而，在毫微微小區密集分布的場景中很難得以實現。而對Femtocell進行有效分組可以解決這個問題。文獻[11]利用了一種基于圖論中的著色原理的分組方法，對毫微微小區進行分組; 文獻[12]提出了一種旨在最小化毫微微小區之間的同層干擾的資源分配方案，確保毫微微用戶的QoS，但沒有考慮到宏用戶的重要性; 文獻[13]在分組的基礎上結合接入控制機制進行聯合資源分配，以保證用戶的服務質量，但忽略了公平性的問題。然而上述文獻僅僅考慮了FFI(Femto-Femto Interference)，忽略了宏小區用戶的重要性，應首先確保MUE的QoS，不影響它的正常傳輸。

本文在基于宏-飛蜂窩(Macrocell-Femtocell)雙層網絡中提出了一種有效的干擾管理策略。首先是根據MUE的信道條件，利用改進的差額法為MUE分配子信道，再通過注水算法為其分配功率，然后根據FFI，采用增強型的蟻群優化(Enhanced Ant Colony Optimization, EACO)算法對毫微微小區進行分組，最后在避免MUE受跨層干擾的影響下，根據毫微微小區用戶的速率需求進行子信道和功率的分配。

1 系統模型和問題規劃

考慮Femtocell密集部署的OFDMA異構雙層網絡下行傳輸系統，包括1個Macrocell和F個Femtocell。它由1個宏小區和F個毫微微小區構成，覆蓋區域中心有1個宏基站。F個毫微微蜂窩基站(Femtocell Base Station, FBS) 隨機分布在宏小區覆蓋范圍內，所有的Femtocell都假定是封閉接入的，即只允許授權用戶接入。每個FBS服務2～4個毫微微用戶，MUE和FUE隨機分布在自己的小區中。本文假定信道服從瑞利多徑衰落分布。系統模型如圖1。

本文算法主要分為兩個部分：1)利用MUE的信道條件和速率需求，為其分配子信道和功率；2)在不影響MUE的正常傳輸下，即確保MUE的QoS，為 FUE進行子信道分配和功率調整。然而在FBS高密度隨機部署的場景中，子信道和功率分配問題是一個難以解決的混合整數非線性規劃問題(NP難問題)。因而本文將其分解為兩個子問題，首先進行FBS分組問題的研究，再對其子信道和功率進行分配。

圖1 系統模型Fig. 1 System model

2 MUE子信道和功率分配

2.1 MUE子信道分配

開始假定宏基站在每個子信道上的發射功率是相等的。MUEm在子信道k上的信干噪比(Signal to Interference plus Noise Ratio, SINR)如下：

(1)

結合式(1)，在MUE滿足數據速率需求的條件下，將子信道分配問題規劃如下：

(2)

(3)

(4)

ξm.k∈{0,1}

(5)

其中：B表示子信道的帶寬，Rm表示MUEm的數據速率需求,ξm,k表示子信道k的分配情況。

在對MUE進行子信道分配前，為MUE在所分配的子信道上設置一個干擾閾值，以保證MUE的正常傳輸。因此MUEm在給定的子信道k上需要滿足：

(6)

由式(2)知，對MUE進行子信道分配就是M個宏用戶與K個子信道之間的一個指派問題。針對MUE子信道的分配，本文提出了改進的差額法。對MUE子信道問題規劃如下：

(7)

(8)

2.2 改進的差額法

2)若KM，即MUE數目大于子信道數目時，添加K-M個虛擬MUE，將目標矩陣變為K×K階的方陣。

3)轉化成平衡的指派問題后，利用標準的差額法，得到子信道的分配策略。

4)若終止條件得到實現，則立刻結束程序。否則，先將已經分配的子信道從待分配的子信道集合中除去，然后再將滿足速率需求的MUE從需要分配子信道的MUE集合中除去，最后利用新的子信道集合和MUE集合構建新的目標矩陣，轉至步驟2)。終止條件是滿足所有MUE的速率需求或者所有子信道已經被分配完畢。

2.3 MUE功率分配

正文內容在MUE的子信道分配結束后，用注水算法對一開始平均分配的功率進行重新分配，以便進一步提升系統的容量。對MUE進行功率分配的規劃如下：

(9)

(10)

根據上述條件，通過注水算法來進行功率調整?？芍?，由拉格朗日乘數法得：

(11)

(12)

其中：[φ]+=max{0,φ}，η=B/(ζln 2)為注水線。

3 FUE的子信道和功率分配

當FBS密集部署時，對其進行子信道和功率分配是一個非線性規劃問題。為了解決這個問題，將其分成三個子問題，即FBS分組問題、子信道分配問題以及功率分配問題。

3.1 FBS分組

FBS分組問題與協作學習分組問題模型相同。本文是基于蟻群算法來解決這個分組問題。定義FBS的干擾集W={wij|i,j∈{1,2,…,F}}，F為FBS的個數。wij表示毫微微基站i所授權的用戶接收到毫微微基站j參考信號功率的平均值。同理，wji是指毫微微基站j所授權的用戶接收到的毫微微基站i參考信號功率的平均值。本文使用兩者之中較大的值來表示毫微微基站i與毫微微基站j之間的干擾情況，即wij=wji=max(wij,wji)。定義FBS的集合S={si|i∈{1,2,…,F}}，分組空間為Groups={Gx|x=1,2,…,M}，其中M代表的是分組方式的個數，每次螞蟻選擇的起始FBS不同，代表一種分組方式Gx，有：

(13)

(14)

(15)

FBS的分組問題定義為：

W×S×Groups→Gx

(16)

即針對FBS的分組就是基于干擾W和FBS集合S在分組空間Groups中選擇干擾最小的分組方式Gx。問題規劃如下：

(17)

(18)

(19)

(20)

在目標函數中，Q值表示給定的分組方式Gx中各組的干擾值之和。約束條件(18)、(19)和(20)保證了F個FBS都會被分配完畢，且只能在一個組中。因此，FBS分組問題就是找到目標函數Q值的最小值，此時的分組方式Gx就是本文得到的分組結果，分組后的頻譜效率會得到顯著提高。

本文利用一種增強型的蟻群算法，以FBS干擾W作為啟發信息，并針對蟻群算法在尋優過程中有可能陷入局部最優的現象，為信息素濃度設置一個最大最小值，限定一個范圍，避免初始時信息素濃度為0的路徑上一直無螞蟻尋優，從而降低分組的準確度。設置兩個權重系數f1和f2，對期望啟發式因子和信息啟發式因子進行動態調節，以改變信息量和期望值的重要程度來對信息素進行更新。算法首先初始化相關參數，計算出F個FBS的干擾W。選擇最優分組的過程為：根據蟻群算法的特性，選擇R只螞蟻投放，R只螞蟻從集合S中選擇起始的FBS，并通過狀態轉移概率公式選擇螞蟻下一步到達的FBS，一直到F個FBS遍歷完，每一次選擇的起點FBS不同，代表不同的分組方式，在形成的Z種分組方式中，選擇干擾總值W最小的分組方式。計算出相鄰兩次分組干擾值得差值ΔW，如果小于設定的某一閾值，則通過f1和f2來動態調節啟發因子和期望因子，再對全局信息素進行更新。當迭代的次數大于設定的最大次數t_max，停止迭代。具體過程如下。

1) 初始化參數。初始化相關參數t_max，螞蟻數R，信息素初始化矩陣MartrixN×N，信息素揮發概率ρ等。

2) 螞蟻投放后，選擇螞蟻出發的起始FBS，用數組p來記錄每只螞蟻出發的FBS編號。建立禁忌表tabuk，將被螞蟻選擇過的FBS記錄下來，避免在尋優的過程中重復選擇同一個FBS。

Tabuk記錄已選FBS如下：

for 投放的螞蟻{ 從FBS集合S中隨機選取一個si作為螞蟻出發的初始起點； if(此時數組p中沒有si的編號i) 將編號i存儲在p中； 令p=[i]； 在禁忌表tabuk中記錄下si的編號i； tabuk =[si]，表示這是以si為起點建立的分組方式Gx；

else 從集合S中重新選取一個毫微微基站sj為螞蟻出發的起點； 再跳轉到if 語句進行重新判斷；

}

3) 根據轉移概率公式選擇路徑。在狀態轉移概率公式中分別加入f1和f2和兩個權重系數，當目標函數求解出的相鄰的兩個解的差值，即求解出的干擾差值ΔW小于設定的閾值q時，則通過改變權重系數f1和f2來動態地調節啟發因子α和期望因子β，以改變螞蟻行走中殘留信息量和期望值的重要程度。轉移概率公式如下：

(21)

4) 螞蟻將會按照式(21)選擇與當前si干擾較小的sj移動。在其向sj移動的過程中，會對sj進行分組編號，FBS分配組號如下：

5)更新局部信息素。對于?Gx∈Groups， 根據W值， 按照式(22)更新局部信息素：

Δτ(i,i+1)=Δτ(i,i+1)+ρ/W;i=1,2,…,F-1

(22)

6)比較?Gx中W值的大小，選擇W值最小的分組方式Gx作為此次迭代的最優解。

7)按照式(23)對全局信息素進行更新，避免螞蟻殘留的信息素過多而淹沒啟發信息：

Matrix(t+1)=(1-ρ)×Matrix(t)+Δτ(t)

(23)

8)由于可能出現某些路徑一開始沒有螞蟻經過，導致信息素為0，使此條路徑一直沒有螞蟻選擇，導致準確度有所降低。針對此現象，對信息素的最大最小值設置一個范圍，既避免分組出現極度失衡的狀況，又不影響其在尋優的過程中找優秀解，且又增加了分組方式的多樣性。

9)如果ΔW

10)令t=t+1，當t

4 FBS子信道和功率分配

4.1 子信道分配

假定每個子信道上的功率平均分配，給不同組分配正交的子信道，同組中FBS可以復用相同的子信道。在滿足各個FUE速率需求的基礎上，最大化系統容量，問題規劃如下：

(24)

(25)

(26)

本文提出了一種啟發式信道分配算法，在保證毫微微用戶速率需求的基礎上提高整個系統的性能。詳細的算法流程描述如下：

4)確定子信道k在哪一組的SINR最大，如果這組沒有分配到足夠的子信道將子信道k分配給這組。

5)更新δ和每組已分配的子信道數。重復步驟3)、4)直到分配完全部的子信道。

每組中的FBS只能使用自己組所分配到的子信道，以便消除不同組中Femtocell之間的干擾。

4.2 功率分配

本文設計了一種復雜度較低的分布式功率控制方法。功率分配按下式進行：

(27)

其中：pij(k)為sj到毫微微用戶j在第k步的發射功率;γi(k)表示毫微微用戶i在第k步的SINR;β是比例系數，取值范圍為(0,1];γ是設置的SINR閾值，毫微微用戶的SINR平衡于γ或γ之上，以避免影響MUE的QoS。

5 仿真結果

本章通過系統級的仿真平臺對所提算法進行仿真驗證，并與已有的相應算法進行比較，最后對所提算法進行性能分析。

Femtocell雙層網絡被模擬為3GPP標準規定的城市部署場景[14]，本文仿真場景中存在一個宏小區，包括1個MBS和F個Femtocell，如圖1。在系統仿真時具體所用參數見表1，本文的信道增益主要考慮路徑損耗、陰影衰落、穿墻損耗和天線增益。本文針對Femtocell用戶的滿意度、Femtocell間的公平性、Femtocell的頻譜效率以及MUE的中斷概率這幾項性能來分析所提算法。本文算法1是EACO，本文算法2是在算法1的基礎上加入了子信道和功率的分配。對比的算法包括基于分組的最小毫微微間干擾的啟發式算法(Heuristic Cluster-based Femto-femto interference Minimized, HCFM)算法[11]、組內正交分組算法[12]、未分組的隨機資源分配算法(Random Resource Allocation, RRA)[13]、Hopfield算法[15]。

表1 仿真參數Tab. 1 Simulation parameters

圖2顯示了MUE在室內比例為10%～100%下的中斷概率。在仿真中，FBS的部署密度為100%并且將-6 dB設定為中斷閾值。由仿真圖可知，隨著室內MUE的比例增加，MUE的中斷概率在不斷提升。這是因為室內MUE與宏基站之間的信道條件較差且受到的FBS的干擾很嚴重，導致室內MUE的信道質量難以保證。本文算法的中斷概率性能與RRA算法相比，變得越來越優越。因為本文算法通過避免FBS與附近MUE使用相同子信道和降低發射功率等方式有效地降低了FBS對MUE的干擾，保證了MUE的最低SINR需求。從圖中可以看出，隨著MUE在室內的比例增加，RRA算法得到的MUE中斷概率一直增加到接近100%，但是所提算法得到的MUE中斷概率一直在10%以下。因此，本文算法相比其他算法能更好地消除FBS對MUE的干擾，確保MUE的正常傳輸。

圖2 MUE中斷概率Fig. 2 Interrupt probability of MUE

圖3描述了顯示了室內MUE在FBS部署密度為10%～100%下的平均吞吐量。圖中顯示，隨著部署的Femtocell密度的增加，MUE的平均吞吐量在不斷下降。這是因為MUE受到的跨層干擾是隨著部署的Femtocell密度變大而增加的。圖中最大載干比算法、改進的差額法和RRA算法的吞吐量是在不進行任何干擾管理的情況下得到的。就這一項性能而言，改進的差額法比最大載干比算法要差一些，但是它考慮了MUE間的公平性，能滿足更多MUE的正常傳輸。本文算法1是在利用改進的差額算法對MUE分配子信道的基礎上，又加入了對其功率的調整。從仿真性能曲線可知通過功率調整可以使系統的性能得到提高。本文算法2是采用了本文所提的干擾管理策略，有效地降低了FBS對MUE的干擾，提升了整個系統的性能。

圖3 MUE的平均吞吐量Fig. 3 Average throughput of MUE

FBS在不同部署密度下，Femtocell的頻譜效率變化如圖4所示。本文算法1是針對FBS提出的一種分組算法。與另外幾種算法相比，算法1能更好地消除FBS之間的干擾，提高了FUE的SINR，從而使得頻譜效率得到提升。由于每個組中的FBS數目不均等，通過組內正交分組后，導致頻帶不能被充分的利用，從而降低了頻譜效率。HCFM降低了FFI，但沒有考慮Macrocell-Femtocell之間的跨層干擾，以保證MUE的服務質量。本文算法2是在算法1對FBS分組的基礎上又加入了對其功率的調整，進一步提升了整個系統的容量。

圖4 FBS頻譜效率Fig. 4 Spectral efficiency of FBS

圖5描述了FUE之間的公平性[16]。圖中顯示，隨著Femtocell部署密度的增加，FUE間的公平性不斷下降。這是因為隨著部署的Femtocell密度的增大，FUE信道質量的差別也變得越來越大?？梢钥闯?，本文算法1得到的FUE間的公平性性能只比本文算法2差一點。其他分組算法分得的各個組中的FBS數目不均衡，導致不同組中的FUE受到的干擾差別較大。未分組算法RRA進行隨機分配，一些FUE可能受到的干擾更加嚴重，導致SINR相對較低。Hopfield算法在FBS密集部署時，分組容易陷入局部最優，分組準確度不高。本文算法2在算法1對FBS分組的基礎上進行功率調整，進一步減少干擾并提高FUE的SINR。

圖5 FBS間的公平性Fig. 5 Fairness between FBSs

FUE的滿意度如圖6所示，對比其他算法，只有本文算法能使FUE的滿意度保持在一個較高水平。本文所提分組算法是一個迭代尋優過程，可以根據FBS部署密度自適應地調整每個組中的FBS數目，分組性能不斷提高，能夠更好地消除干擾。本文算法2是在本文算法1針對FBS分組的基礎上進行功率調整，使得更多FUE能滿足速率需求。

圖6 FBS的滿意度Fig. 6 Satisfaction of FBS

6 結語

本文研究了Macrocell-Femtocell雙層網絡中閉合接入模式下的資源分配問題。提出了一種基于毫微微基站分組的干擾管理策略，在保證宏用戶和毫微微用戶正常傳輸的基礎下，最大化了頻譜效率。仿真結果表明，本文所提的干擾管理策略不僅有效提升了整個網絡的頻譜效率，還保證用戶的滿意度和用戶之間的公平性。

References)

[1] CHANDRASEKHAR V, ANDREWS J, GATHERER A, et al. Femtocell networks: a survey[J]. IEEE Communications Magazine, 2008, 46(9):59-67

[2] LIU Z X, HAO L L, XIA Y Q, et al. Price bargaining based on the Stackelberg game in two-tier orthogonal frequency division multiple access femtocell networks[J]. IET Communications, 2015, 9(1):133-145.

[3] ZHANG H, JIANG C,BEAULIEU N C, et al. Resource allocation in spectrum-sharing OFDMA femtocells with heterogeneous services[J]. IEEE Transactions on Communications, 2014, 62(7):2366-2377.

[4] NGO D T, KHAKUREL S, LE-NGOC T, et al. Joint subchannel assignment and power allocation for OFDMA femtocell networks[J]. IEEE Transactions on Wireless Communications, 2014, 13(1):342-355.

[5] YUAN D, MEI S, TENG Y, et al. QoE-oriented resource allocation for multiuser-multiservice femtocell networks[J]. China Communications, 2015, 12(10):27-41.

[6] MENG Y, LI J D, LI H Y, et al. Graph-based user satisfaction-aware fair resource allocation in OFDMA femtocell networks[J]. IEEE Transactions on Vehicular Technology, 2015, 64(5):2165-2169.

[7] HA V N, LONG B L. Fair resource allocation for OFDMA femtocell networks with macrocell protection[J]. IEEE Transactions on Vehicular Technology, 2014, 63(3):1388-1401.

[8] XIA H, ZHAO Y, ZENG Z, et al. Best effort spectrum allocation scheme for femtocell networks in dense deployment[J]. China Communications, 2014, 11(8):109-116.

[9] ELSHERIF A R, CHEN W P, ITO A, et al. Adaptive resource allocation for interference management in small cell networks[J]. IEEE Transactions on Communications, 2015, 63(6):2107-2125.

[10] ABDELNASSER A, HOSSAIN E, DONG I K, et al. Clustering and resource allocation for dense femtocells in a two-tier cellular OFDMA network[J]. IEEE Transactions on Wireless Communications, 2014, 13(3):1628-1641.

[11] ZHANG Q, ZHU X, WU L, et al. A coloring-based resource allocation for OFDMA femtocell networks[C]// Proceedings of the 2013 IEEE Wireless Communications & Networking Conference. Piscataway, NJ: IEEE, 2013:673-678.

[12] HATOUM A, LANGAR R, AITSAADI N, et al. Cluster-based resource management in OFDMA femtocell networks with QoS guarantees[J]. IEEE Transactions on Vehicular Technology, 2014, 63(5):2378-2391.

[13] LIN S, TIAN H. Clustering based interference management for QoS guarantees in OFDMA femtocell[C]// Proceedings of the 2013 IEEE Wireless Communications and Networking Conference. Piscataway, NJ: IEEE, 2013:649-654.

[14] 3GPP TSG RAN1-2010. Evolved Universal Terrestrial Radio Access (E-UTRA)[R/OL].[2016-05-20]. http://www.arib.or.jp/english/html/overview/doc/STD-T104v3_00/2_T104/ARIB-STD-T104/Rel12/36/A36213-c50.pdf.

[15] ZHANG H B, MU L X, CHEN S X, et al. A cluster-based resource allocation scheme for OFDMA femtocell networks[J].Journal of Computational Information Systems, 2015, 21(11): 7915-7923.

[16] BAE C S, CHO D H. Fairness-aware adaptive resource allocation scheme in multihop OFDMA systems[J]. IEEE Communications Letters, 2007, 11(2):134-136.

This work is partially supported by the Natural Science Foundation of China (61102062), the Basic and Frontier research Project of Chongqing (cstc2014jcyjA40052), the Scientific and Technological Research Program of Chongqing Municipal Education Commission (KJ1400405).

ZHANG Haibo, born in 1979, Ph. D., associate professor. His research interests include mobile communication technology and theory, wireless resource allocation in heterogeneous network.

PENG Xingying, born in 1989, M. S. candidate. His research interests include wireless resource allocation in heterogeneous network.

CHEN Shanxue, born in 1966, Ph. D., professor. His research interests include digital signal processing, hyperspectral image compression.

Resource allocation based on femto base station in Macrocell-Femtocell networks

ZHANG Haibo, PENG Xingying*, CHEN Shanxue

(ChongqingKeyLaboratoryofMobileCommunicationgsTechnology(ChongqingUnivesityofPostsandTelecommunications),Chongqing400065,China)

Aiming at the cross-layer interference between the macrocell user layer and the femtocell user layer and the same layer interference between femtocells in the macrocell-femtocell dual-layer network model, a resource allocation algorithm based on femtocell base stations was proposed. The algorithm consists of two parts: the one is that, the Macrocell base station firstly used the improved difference method, set the virtual Macro User Equipment (MUE), and turned it into a balanced assignment problem and allocated the channel to the macrocell user, and then used water-filling algorithm for power allocation to ensure the transmission of macrocell users. The other part is that, on the basis of guaranteeing the service quality of the macrocell users, an Enhanced Ant Colony Optimization (EACO) algorithm was adopted to group the femtocells after setting the pheromone concentration range, which avoided the possibility that the original ant colony algorithm may fall into a local optimum. Then, a heuristic algorithm and a distributed power allocation algorithm were used to allocate the channel and power to the Femto User Equipment (FUE) respectively. The spectral efficiency was maximized under the data rate requirement of the femtocell users. The simulation results show that EACO effectively suppresses cross-layer interference and same-level interference, which can guarantee the data rate requirement of users and improve the efficiency of network spectrum effectively.

femtocell; resource allocation; cluster; spectrum efficiency; macrocell

2016-11-04;

2016-12-11。 基金項目:國家自然科學基金資助項目(61102062)；重慶市基礎與前沿項目(cstc2014jcyjA40052)；重慶市教委科學技術研究項目(KJ1400405)。

張海波(1979—)，男，重慶人，副教授，博士，主要研究方向：移動通信技術與理論、異構網中的無線資源管理； 彭星螢(1989—)，男，四川內江人，碩士研究生，主要研究方向：異構網中的無線資源管理； 陳善學(1966—)，男，安徽合肥人，教授，博士，主要研究方向：數字圖像信號處理、超光譜圖像壓縮。

1001-9081(2017)05-1311-06

10.11772/j.issn.1001-9081.2017.05.1311

TN929.5

A