基于3D Massive MIMO超密集異構網絡下的小區接入算法研究

南京市金陵中學 王俊睿

基于3D Massive MIMO超密集異構網絡下的小區接入算法研究

南京市金陵中學 王俊睿

隨著無線通信技術的發展，無線網絡的豐富應用帶動了數據業務的迅速增長，但同時也給無線網絡帶來了巨大的挑戰，未來無線移動通信需要更加高效地利用帶寬資源并積極解決小區接入及干擾協調等熱點問題，從而大幅提升網絡吞吐量及頻譜效率。在5G（第五代移動通信）研究中，超密集無線異構網絡（Ultra-Dense HetNet）被公認為是大幅提升無線網絡容量、解決蜂窩網所面臨的千倍數據量挑戰的最富有前景的一種組網技術。此外，3D MIMO（三維多輸入多輸出技術）充分利用空間維度資源，不僅是現有4G網絡的關鍵技術，更是未來5G實現容量和頻譜效率提升的核心技術。3D Massive MIMO（三維大規模MIMO）在原有MIMO的技術上又進一步通過大規模天線數量提高無線網絡中的頻譜效率，進一步提升系統容量。本文在3D Massive MIMO超密集異構網絡下通過優化小區接入算法，從而提升整個系統的頻譜效率，并在一定程度上解決了宏基站（Macro BS）和其他低功率節點（LPN）的負載平衡問題。最后的系統級仿真結果進一步證明了該算法的優越性。

3D Massive MIMO；異構網絡；小區接入；頻譜效率

1 引言

1.1 研究背景

目前的無線通信網絡正處在研究5G通信技術的浪潮中?？v觀無線網絡從1G到5G的變化可得，全球移動數據業務量從2016年到2021年將增長近七倍。無線通信網絡在2020年將面臨著千倍數據量跟數據速率的挑戰。數據量的爆炸式增長宣告著大數據時代的來臨。在這些大量的數據,一個最明顯的特點是無線網絡的主要業務類型已經從傳統的語音服務轉變成超高清視頻業務或NB-IOT（物聯網）業務等。與此同時，移動互聯設備數量持續飆升。未來全球移動通信網絡連接的設備總量將達到千億規模。從5G應用上來講其發展主要分為3個階段，第一階段是從現在開始直至2020年，這主要是移動消費階段，第二階段從2020年開始，主要是物聯網、智慧城市大規模發展階段，第三階段則是2020以后，這將是5G關鍵應用技術比如無人駕駛、醫療等領域的重要發展階段。

隨著4G 進入大規模商用，5G 成為全球研究的熱點。其中標志性一組關鍵技術包括超密集組網、大規模天線陣列、新型多址、全頻譜接入等。超密集組網是解決未來5G網絡數據流量爆炸式增長的有效解決方案。它吸引了大量的學術界和工業界的興趣。它通過增加基站個數和基站覆蓋密集度，提高系統實現頻率復用效率的巨大提升。據預測，在未來無線網絡宏基站覆蓋的區域中，超密集組網的優點是用戶可以自己部署小區，大大降低了建設宏基站的成本。而且超密集組網的配置更加靈活，能夠徹底解決傳統組網方式的覆蓋盲區問題。低功率節點作為傳統蜂窩網的補充，在密集組網的部署中扮演著十分重要的角色。

此外，大規模的MIMO有著數百個天線被布置在基站(BS)上。根據預測，它可以帶來很多極具吸引力的優勢，比如頻譜效率的增加、顯著的功率節省。因此,大規模分布式天線已被視為5G無線通信系統最重要的技術之一。然而，對于這些數百根天線的布置問題卻是一個很大的挑戰。通過引進有源天線系統，3D MIMO技術在今后的無線通信系統中已經被認為是有前途的候選技術之一。相比于2D MIMO系統來說，3D MIMO擁有全向維度的技術優勢。傳統的2D MIMO天線端口數較少導致波束較寬，并且只能在水平維度調整波束方向，無法將垂直維的能量集中于終端。而3D MIMO一般采用大規模的二維天線陣列，不僅天線端口數較多，而且可以在水平和垂直維度靈活調整波束方向，從而形成更窄、更精確的指向性波束，極大的提升終端接收信號強度并增強小區覆蓋范圍。

1.2 相關研究進展分析

超密集無線異構網絡的部署中承載著多種無線接入技術共存方式及多層覆蓋，既有負責基礎覆蓋的在傳統蜂窩網絡中所使用的宏基站，也有承擔熱點覆蓋的低功率小基站，如micro、pico、relay、femto等。它的出現為用戶提供了更高更快的數據速率并實現了小區吞吐的增加，在未來實際部署的超密集無線異構網絡會遠遠超出現網的布設密度和規模。據預測，在未來無線網絡中各種無線傳輸技術的各類低功率節點的部署更為密集，其密度高達到現有站點部署密度10倍以上。然而，這種密集部署所帶來的影響是，異構網絡下的小區接入問題，干擾共存及協作等等。

其中，需首要解決的熱點問題則是小區接入。之前的網絡中，小區接入問題的解決方案已經比較普遍達到共識，然而隨著超密集異構網絡的引入，小區接入又重新納入了待優化的進程中。這是由于超密集異構網絡中基站個數、基站種類以及其覆蓋密集度的不斷增加，在提高系統實現頻率復用效率的同時，也帶來了小區接入的復雜度提升和小區間干擾的增加。本文針對基于3D Massive MIMO的異構網絡下的小區接入問題構建了系統模型，并對傳統的小區接入算法進行了改進。

2 超密集異構網絡下的小區接入算法

2.1 系統模型

圖1 基于3D Massive MIMO的超密集異構網絡場景

如圖1所示，一個宏小區中存在多個小型基站。異構網絡中的小型基站類型有多種，包括微基站( Micro) 、微微基站( Pico) 、家庭基站( Femto)等。不失一般性，本文中將小型基站統一叫做低功率節點（LPN）。本文的關注點為下行3D Massive MIMO超密集異構網絡中的小區接入問題。在異構網絡中，有不同層和不同類型的基站，基站的集合可以表示為，用戶的集合可以表示為。每個基站都有固定的功率瓦特。假設所有的基站都可高速回傳且時延為零。為了更貼近現有的真實異構網絡，本文中引用資源單元（RB）作為基站進行調度的最小顆粒度。此外，給定來表示信道增益，其中包括了路徑損耗、對數陰影衰落、多徑瑞利損耗以及天線增益多重因素計算。

根據上述設定，給出信干噪比（SINR）計算式如下：

在進一步推導之前，我們定義二進制的接入索引：

現在我們定義優化目標P為3D Massive MIMO異構網絡的全局頻譜效率如下：

公式(4)給出了優化異構網絡全局頻譜效率，其中上述優化目標P需要滿足下面給出的兩個約束條件。條件一約束了對所有用戶來說，每個用戶只能接入一個基站中。條件二指出接入的索引只能在0和1兩個值中選擇。其中“0”表示該用戶u未接入基站b，“1”則表示該用戶接入了基站b。為了尋找優化目標P的最大值，我們需要找到該優化問題中接入矩陣變量的解。

2.2 小區接入算法

為了解決上述優化目標P，本文提出一種新的接入算法來解決該問題。在給出算法之前，需要將公式(4)進一步的化簡跟整理。首先，對于所有的基站和用戶來說，我們將條件二的離散取值序列放縮成一個連續的取值范圍。這種做法能夠將優化問題從一個復雜的混合非整型問題轉成一個可操作的連續凸問題。之后利用拉格朗日定理，將問題進一步簡化成公式如下：

于是對于每一個用戶u來說，我們只要求出能使的全局頻譜效率最大時的它所接入的基站即可。如下公式(6)和(7)，即為每個用戶對應的解。

對于所提出的新算法，我們通過以下的算法框圖來進行說明。

3 仿真結果及分析

在這一章節中，我們對本文提出的基于3D Massive MIMO異構網絡下的小區接入算法，進行了系統仿真以及結果分析。在異構網絡中我們考慮了兩層基站的場景配置，其中宏基站（Macro BS）假設固定在中心位置上，且其覆蓋范圍內隨機地分布著3個低功率節點（LPN）和10個。宏基站與低功率節點的天線數相同且都為128根。宏基站的傳輸功率為46dBm，低功率節點的傳輸功率為30dBm。此外，小區的覆蓋范圍為500m×500m，并且LPN的覆蓋范圍為50m。關于信道模型，本文采用大尺度的路徑損耗模型以及小尺度的瑞利多徑衰落模型。在宏基站與用戶之間的路損公式為，而低功率節點與用戶之間的路損模型為其中的d表示單位為米的距離。室溫下的噪聲功率譜密度設定為-174 dBm/Hz，載波頻率為2GHz。對于其他的信道參數可具體參見3GPP標準36.819附錄A部分。

圖2 3D Massive MIMO異構網絡下的全局頻譜效率CDF曲線

圖2給出的兩條分別有不同算法得到的頻譜效率累計密度函數（CDF）曲線。這兩種小區接入算法分別為，本文提出的算法以及按照最大接收功率選擇接入算法。其中最大接收功率算法是傳統的接入算法，具體規則是每個用戶能使得全局的接收功率最大化的準則進行基站的選擇接入。通過曲線圖可以看出，本文所提的接入算法性能顯著優于傳統最大化接收功率接入算法，其差距在20-30bits/s/Hz之間。產生這一效果的原因在于本文提出的算法綜合考慮了整個系統的有效信息與干擾之間的平衡關系（即信干噪比），而不單單從接收功率的角度考慮。因為，在用戶所測得的接收功率中有一部分是噪聲的功率，假設噪聲功率比有效信息的功率還要大，那么整個系統的性能一定差。因此，本文所提出的接入算法能夠為系統帶來更大的頻譜效率及性能增益。

圖3 用戶接入到宏基站（Macro BS）的比例

圖3給出的是兩種算法中用戶接入到宏基站（Macro BS）的比例柱狀圖。其中，最大化接收功率算法中有接近90%的用戶選擇接入宏基站，而本文提出的算法有不到70%的用戶接入到了宏基站。這種結果的原因是宏基站的發射功率大于低功率節點，因此在最大化接收功率的接入算法中宏基站會承載高達90%的用戶，該傳統的接入算法會導致宏基站的接入過載，而其他低功率節點閑置，從而導致圖一中全局的頻譜效率過低。由此可見，本文所提接入算法能一定程度上平衡宏基站與低功率節點二者的負荷，從而提高系統的頻譜效率。

4 結論

本文基于3D Massive MIMO超密集異構網絡背景下，進一步優化了小區接入算法，通過建立系統模型考慮了兩層異構網絡架構，并通過公式推導出小區接入選擇公式的閉式解，再根據matlab軟件，對所提出的系統模型以及根據3GPP給出的異構網絡下的系統相關參數進行建模，最后設計出相關的系統級仿真來對推導出的公式進行進一步驗證。仿真結果表明本文通過優化提出的異構網絡下的小區接入算法性能優于傳統的基于最大化接收功率的接入算法。這種性能的優越性具體體現在兩個方面。首先由于所提出的算法是基于信干噪比進行的小區選擇，將干擾進行考慮，所以能夠更大程度上提高系統整體的頻譜效率。然而，基于接收功率進行小區選擇忽略了噪聲功率的影響，考慮角度過于單一化；另一方面，本文所提出的算法能夠在一定程度上緩解宏基站與低功率節點的負載平衡。

[1]H.Dahrouj and W.Yu.“Coordinated beamforming for the multicell multiantenna wireless system.”IEEE Trans. Wireless Commun.,vol.9,no.5,pp.1748-1759,2010.

[2]K.Safjan,V.D’Amico,D.Bultmann,D.Martin-Sacristan,A.Saadani,and H.Schoneich.“Assessing 3GPP LTE-Advanced as IMTAdvanced technology:the winner+ evaluation group approach.”IEEE Commun.Mag.,vol.49,no.2,pp.92-100,2011.

[3]V.D’Amico,C.Botella,et al.,“Advanced interference management in artist4G:interference avoidance.”in Proc.2010 European Wireless Technology Conference,pp.21-24.

[4]A.F.Molisch,Wireless Communications,2nd ed.Hoboken,NJ,USA:Wiley,2010.

[5]Li,Yuewen,S.Sun,and B.Rong.”Compressed sensing based 3D MU-MIMO scheduling in cognitive HetNets.”International Symposium on Communications and Information Technologies IEEE,2016:659-665.

[6]S.P.Boyd and L.Vandenberghe,Convex optimization.Cambridge University Press,2004.

[7]S.H.Low and D.E.Lapsley.“Optimization flow control I:Basic algorithm and convergence.”IEEE/ACM Trans.on Networking,vol.7,no.6,pp.861-874,Dec.1999.

[8]房勝.大規模MIMO系統的頻譜效率和導頻污染問題研究[D].杭州電子科技大學,2014.

[9]畢奇,謝偉良,陳鵬.LTE多天線技術發展趨勢[J].電信科學,2014,10:1-7.

[10]王曉周,藺琳,肖子玉,等.NB-IoT技術標準化及發展趨勢研究[J].現代電信科技,2016(6):5-12.

[11]黃海峰.大唐蔡月民:Massive MIMO將最早實現5G技術4G用[J].通信世界,2017(13):55-55.