基于CoMP传输的分布式异构网络资源分配方法及系统的制作方法
【专利摘要】本发明提供了一种基于CoMP传输的分布式异构网络资源分配方法及系统，本发明的有益效果是：本发明首先根据预估的用户数据速率设定样本生成概率，有效加快了算法的收敛速度。然后，通过对生成概率的不断迭代，得到了满足回程线路容量限制的最优调度结果。最后，算法根据给定的数据速率阈值对调度结果进行修正，保障了传输的最小数据速率要求。通过仿真实验，验证了本发明提出的资源分配算法在提高系统吞吐量、能量效率以及用户公平性等方面的有效性和可行性。
【专利说明】
基于CoMP传输的分布式异构网络资源分配方法及系统
技术领域
[0001] 本发明涉及通信技术领域，尤其涉及基于CoMP传输的分布式异构网络资源分配方 法及系统。
【背景技术】
[0002] 为了满足不断增长的无线通信业务需求，3GPP在LTE-Advanced(以下简称LTE-A) 计划中提出了异构网络(heterogeneous network，HetNet)的新型网络架构模型。HetNet的 核心思想是，在现有宏小区覆盖的基础上，灵活地增加多种类型的低功率节点，如micro、 pico、femto、RRH以及中继等[1]。与LTE-A的宏基站eNodeB(eNB)相比，这些低功耗节点采用 的传输功率较小，部署灵活，成本更低，能够覆盖宏小区的覆盖盲点，并增加频谱资源的复 用程度，提高资源的利用效率 [2~7]。然而，高密度的节点部署会引起小区间同频干扰强度的 增加。如果处理不当，会使HetNet结构在频谱利用效率等方面的优势无法发挥。为了解决这 个问题，LTE-A又引入了多点协调（coordinatedmultipoint，CoMP)传输技术 [8~1Q]，以期能够 有效通过节点之间的合作传输，消除小区间的同频干扰，并进一步增加无线通信系统的资 源利用效率。
[0003] 根据合作传输方式的不同，CoMP技术可进一步分为协同调度/协同波束成形 (coordinated scheduling/coordinated beamforming，CS/CB)CoMP和联合处理（joint processing, JP)CoMP两类[11]。其中，CS/CB CoMP传输中，基站根据与指定用户之间的信道 条件对发送的数据符号进行联合的预编码，从而减少相邻小区间的同信道干扰。典型的预 编码技术包括脏纸编码(dirty paper coding，DPC)[12]和线性预编码等。JP CoMP则侧重于 对干扰的主动利用，允许干扰区域内的一个或多个基站同时为同一指定用户服务。典型的 技术包括动态小区选择（dynamic cell selection，DCS)CoMP和联合传输（joint transmission，JT)CoMP。其中，JT CoMP技术不仅能够有效消除小区间同信道干扰，还能够 利用这些干扰信号，生成有用信号副本，增加有用信号的接收强度，是上述CoMP技术中最有 潜力的候选方案之一。
[0004] 参考文献：
[0005] 1 Damnjanovic Α,Μοη?οjo J,ffei Y,et al.A survey on 3GPP heterogeneous networks. IEEE Wireless Communications,2011,18(3): 10~21
[0006] 2 Bottai C,Cicconetti C,More 11i A,et al.Energy-efficient user association in ex-tremely dense small cell networks.Proceedings of 2014 European Conference on Networks and Communicatons(EuCNC),Bologna,Italy,2014:1 ~5
[0007] 3 Zhang J,Feng J,Liu C,et al.Mobility enhancement and performance evaluation for 5G ultra dense networks. Proceedings of2015 IEEE Wireless Communications and Networking Conference(WCNC),LA,USA,2015:1793~1798
[0008] 4 Hashim ff,Anas N M.Power adjustment in dense deployment network an em-pirical study.Proceedings ofTENCON 20-14-2014 IEEE Region 10 Conferecne， BangKok，Thai land，2014:1~5
[0009] 5 Gotsis A G，Stefanatos S,Alexiou A.Spatial coordination strategies in future ultra dense wireless networks. Proceedings of 11th International Symposium on Wire-less Communications System(ISWCS),Barcelona,Spain,2014:801 ~807
[0010] 6 Hoydis J,Kobayashi M,Debbah M.Green small-cell networks. IEEE Vehicular Technology Magazine,2011,6(1) :37~43
[0011] 7 Hattachi R E,Robson J.NGMN White Paper,Next Generation Mobile Networks Alliance.https://www.ngmn.org/uploads/media/NGMN_5G_ffhite_Paper_Vl_ 0.pdf,2015
[0012] 8 Karakayali M，Foschini G,Valenzuela R.Network coordination for spectrally efficient communications in cellular systems. IEEE Wireless Communication，2006，13(4):56~61
[0013] 9 Zhou S,Zhao M,Xu X,et al.Distributed wireless communication system: a new architecture for future public wireless access . IEEE CommunicationMagazine，2003,41(3):108~113
[0014] l〇 Irmer R，Droste H，Marsch P，et al·Coordinated multipoint: concepts， performance，and field trial results. IEEE Communications Magazine,2001,49(2): 102~111
[0015] 11 Costa Μ Η M.Writing on dirty paper(Corresp.). IEEE Transactions on Information Theory，1983,29(3):439~441
[0016] l 2 Maailanen H , Hamalainen K , Venalainen J , e t al . System-level performance of LTE-Advanced with joint transmission and dynamic point selection schemes.EURSIP Journal on Advances in Signal Processing,2012(247):1 ~18
[0017] 13 Yu ff,Kwon T,Shin C.Multicell coordination via joint scheduling, beam forming,and power spectrum adaptation.IEEE Transactions on Wireless Communications，2013,12(7):1~14
[0018] 14 Rubinstein R Y.Optimization of computer simulation models with rare events.European Journal of Operational Research，1997,99(1):89~112
[0019] 15 Rubinstein R Y. The cross-entropy method for combinatorial and continuous optimization.Methodology and Computing in Applied Probability, 1999，1(2):127~190
[0020] 16 Salo J，Galdo G D，Salmi J，et al.MATLAB Implementation of the 3GPP Spatial Channel Model.3rd Generation Partnership Project(3GPP),TR 25.996,2005
[0021] 17 Dinnis A K,Thompson J S.The effects of including wraparound when simulating cellular wireless systems with relaying.Proceedings of IEEE 65th Vehicular Technology Conference,Dublin,Ireland,2007:914~918
[0022] 18.Shen Z,Andrews J,Evans B.Adaptive resource allocation in multiuser OFDM systems with proportional rate constraints. IEEE Transactions on Wireless Communications，2005，4(6):2726~2737。
【发明内容】
[0023] 本发明提供了一种基于CoMP传输的分布式异构网络资源分配方法，包括如下步 骤：
[0024] A.接收步骤，接收输入的参数；
[0025] B.生成概率步骤，初始化分配方案生成概率；
[0026] C.生成样本步骤，根据生成概率生成分配方案样本；
[0027] D.计算步骤，计算各个样本的目标函数值；
[0028] E.筛选步骤，对样本进行筛选，并输出一个调度结果；
[0029] F.判断步骤，判断算法是否收敛，若是，那么执行调度结果输出步骤，否则根据全 部基站的中间结果更新生成概率和参数然后执行生成样本步骤；
[0030] G.调度结果输出步骤，输出RB调度结果。
[0031]作为本发明的进一步改进，在所述生成概率步骤中，TP m在RB η上RB调度的概率 分布初值表;^为
[0032]
[0033] 根据上式可得到TP m在RB η上用户选择的概率分布qm'n，进而可得TP m在全部RB 上的用户选择概率分布#1 = {qw'"} (V? = 1，...，JVRB)。
[0034] 作为本发明的进一步改进，在所述筛选步骤中，已知TP m的回程线路的容量为Cm， 在生成样本的过程中，若样本产生的TP m的吞吐量凡,，样本ΧΓ将直接被去除；同 样地，令/ii表示第t次迭代中样本效用函数的门限，对于效用函数不能达到要求的样本 X『（艮P /；,(xr)</ti:L)也将被去除；按照上述要求生成NSAM个有效样本，记为 Xr(l</</VSAlM)〇
[0035] 作为本发明的进一步改进，在所述筛选步骤中，对Nsam个有效样本的效用函数进行 降序排列，假设/(>^')^八：^1^/(>^」，设定一个分位点0( 〇^^彡1)，对于降序 \ / \ / V, * bAJVI / 排列的样本，截取其中个样本作为重要样本，并以这些样本作为更新概 率的依据，并将逐步提高生成有效样本的效用函数门限/^，每次迭代后，该门限将更新为 重要样本中效用函数的最小值，即
[0036] 4=)=/:,^)(17)0
[0037] 本发明还提供了一种基于CoMP传输的分布式异构网络资源分配系统，包括：
[0038] 接收模块，用于接收输入的参数；
[0039] 生成概率模块，用于初始化分配方案生成概率；
[0040] 生成样本模块，用于根据生成概率生成分配方案样本；
[0041 ]计算模块，用于计算各个样本的目标函数值；
[0042] 筛选模块，用于对样本进行筛选，并输出一个调度结果；
[0043] 判断模块，用于判断算法是否收敛，若是，那么执行调度结果输出模块，否则根据 全部基站的中间结果更新生成概率和参数然后执行生成样本模块；
[0044] 调度结果输出1?块，用于输出RB调度结果。
[0045]作为本发明的进一步改进，在所述生成概率模块中，TP m在RB η上RB调度的概率 分布初值表;^为
[0046]
[0047] 根据上式可得到TP m在RB η上用户选择的概率分布qm'n，进而可得TP m在全部RB 上的用户选择概率分布cf = (q"4"}(兄/2 = 1,…，。
[0048]作为本发明的进一步改进，在所述筛选模块中，已知TP m的回程线路的容量为Cm， 在生成样本的过程中，若样本产生的TP m的吞吐量心f ΧΓ ；) > ，样本ΧΓ将直接被去除；同 样地，令/11表示第t次迭代中样本效用函数的门限，对于效用函数不能达到要求的样本ΧΓ (即/m ；) < A.L)也将被去除;按照上述要求生成Nsam个有效样本，记为ΧΓ (1 < G Mam
[0049] 作为本发明的进一步改进，在所述筛选模块中，对Nsam个有效样本的效用函数进行 降序排列，假设./>「>..2/(>〇^.2/(：^、」，设定一个分位点0(〇^<1)，对于降序 排列的样本，截取其中个样本作为重要样本，并以这些样本作为更新概 率的依据，并将逐步提高生成有效样本的效用函数门限/??，每次迭代后，该门限将更新为 重要样本中效用函数的最小值，即
[0050] 4::)'/；(Χ:;,Μ)(18)。
[0051] 本发明的有益效果是:本发明首先根据预估的用户数据速率设定样本生成概率， 有效加快了算法的收敛速度。然后，通过对生成概率的不断迭代，得到了满足回程线路容量 限制的最优调度结果。最后，算法根据给定的数据速率阈值对调度结果进行修正，保障了传 输的最小数据速率要求。通过仿真实验，验证了本发明提出的资源分配算法在提高系统吞 吐量、能量效率以及用户公平性等方面的有效性和可行性。
【附图说明】
[0052]图1是本发明的系统模型图；
[0053]图2是本发明的仿真的拓扑示意图（以坐标位置模拟TP和用户的相对位置，1单位 = lm)；
[0054] 图3是不同回程线路容量限制下每TP的总数据速率图；
[0055] 图4是不同回程效率容量限制下系统的公平性系数图；
[0056]图5是不同回程线路容量限制下系统的能量效率图；
[0057]图6是不同QoS要求下每TP的总数据速率图；
[0058]图7是不同QoS要求下系统的能量效率图；
[0059]图8是本发明的方法流程图。
【具体实施方式】
[0060]如图8所示，本发明公开了一种基于CoMP传输的分布式异构网络资源分配方法，包 括如下步骤：
[0061 ]步骤S1，接收输入的参数；
[0062] 步骤S2，初始化分配方案生成概率；
[0063] 步骤S3，根据生成概率生成分配方案样本；
[0064]步骤S4,计算各个样本的目标函数值；
[0065] 步骤S5,对样本进行筛选，并输出一个调度结果；
[0066] 步骤S6，判断算法是否收敛，若是，那么执行步骤S7，否则根据全部基站的中间结 果更新生成概率和参数然后执行步骤S3;
[0067] 步骤S7,输出RB调度结果。
[0068]在步骤S1中，参数包括UE数量、各个UE的累积传输容量、RB数量、等功率分配值、瞬 时CSI、CoMP集合选择。
[0069]具体说明为：
[0070] 1方法由每个TP根据全局信道信息独立计算完成。
[0071] 2方法首先根据输入的信息和公式(12)产生初始的样本生成概率。
[0072] 3根据样本生成概率生成大量RB调度的样本，并根据给定规程进行样本的筛选。
[0073] 4如果样本满足收敛条件，则输出该TP上的RB调度结果。
[0074] 5如果样本不满足收敛条件，则根据筛选后的样本更新生成概率和相关参数，并重 新生成样本。
[0075] 6多次迭代直到生成的样本满足收敛条件，并输出相应结果。
[0076]本发明研究的系统模型为一个采用频分双工的异构网络下行传输系统，网络结构 如图1所示。网络中共有Μ个异构的eNB或者低功率传输节点（transmission point，TP)，每 个TP上配有Ντ个发射天线。所有传输节点的集合表示为Π = {1，. . .，Μ}。网络中每个TP共同 复用Nrb个带宽为180kHz、传输时间间隔为lms的资源块。网络在某一时刻，同时为均匀分布 的K个用户提供传输服务。所有用户的集合表示为Λ = { 1，...，K}，每个用户设备上配有Ντ 个接收天线。
[0077]在网络中心存在一个逻辑上的中心控制单元(CU)，负责收集用户检测到的信道信 息，并以此为依据对系统频率、功率等资源按照一定规则进行分配，以得到最佳的系统性 能。CU通过回程线路连接向各个ΤΡ发送控制信令、资源分配结果以及待传输的数据信息。由 于回程线路的存在，可以合理假设ΤΡ之间、ΤΡ与中心控制单元之间在各维度(时间、频率等） 上完全同步。这也是采用CoMP技术的必要条件之一。用户根据其信道状态可分配小区内用 户和小区边缘用户。对于一个小区内用户，由于该用户可能在地理位置上接近网络中某个 TP，因此用户接收到的来自临近TP的参考信号(reference signal，RS)强度，明显强于来自 其他TP的参考信号。相反地，小区边缘用户由于处于多个TP覆盖范围的重合区域，其接收到 的来自临近的若干个TP的参考信号强度较弱且差距很小。两种类型的用户都会选择参考强 度最大的TP作为home TP，并将基本信息注册在home TP列表中。此外，本发明假设TP之间在 时间、频率上完全同步。无线信道具有伪平稳的衰落特性，即在一个传输时间间隔 (transmission time interval，TTI)内信道特性不发生变化。
[0078]本发明的CoMP集合选择：
[0079] 参照LTE-A的定义，系统允许用户根据自身接收到的参考信号情况选择一个CoMP 集合，该集合包含可能为用户传输数据的TP。值得注意的是，CoMP集合中可能包含一个或者 多个TP。将用户k的CoMP集合记为rH. gll)，LTE_A中nk选择的原则为：
[0080]
[0081 ]其中，△ ttm3S表示CoMP集选择阈值(dB)，RS表示参考信号的接收强度。
[0082]当Δ thres越小时，CoMP集合中包含的TP越多，在采用合作传输技术时传输得到的合 作增益也越大。相应地，CoMP传输时所需的系统控制开销也随之增加。因此，Δ thre3S的选择反 映了合作增益与系统开销的折中关系，对于网络环境和系统需求可适当地对A thres进行调 整。按照参考文献[12]中的建议，令Δ thres = 5dB〇
[0083]按照式（1)中的准则，用户k选出集合nk并将选择结果反馈给中心控制单元。如果 nk中只包含用户k的home TP，即|nk|=l，则k为小区内用户，在下行传输中只有home TP为 其服务。相反，如果I nk|>l，则说明k为小区边缘用户。CoMP集合中的若干个TP以给定的 CoMP合作方式联合为用户k服务，以提高用户的服务质量。
[0084]本发明的联合传输CoMP:
[0085] 联合传输CoMP是JP CoMP传输的典型实现方式之一。在JT CoMP中，用户k的CoMP集 合nk中的全部或者多个TP在相同RB上为用户k发送相同数据。由于TP间的空间分离，数据 从不同TP发出后经过空间独立的信道到达用户接收天线，通过合并使得数据信号的强度随 发送TP增多而提高，即得到空间分集增益。可以认为，JT CoMP技术将用户的主要小区间干 扰变为可利用的传输，既提高了数据信号强度，同时减少了小区间干扰。
[0086] JT CoMP技术的直接实现方式是，用户k的每次传输都利用CoMP集合nk中的全部 TP作为传输TP，这种固定的策略称为FJT(fixed JT) AJT CoMP没有考虑信道的频选特性， 无法适应网络的动态变化。为了解决这个问题，系统还可以根据用户的瞬时信道信息动态 地在每个RB上为用户选择CoMP合作集合，以达到网络总体性能的提升，这种更为灵活的JT CoMP技术也称为动态JT (D JT) CoMP。令集合q1表示用户k在RBn上的CoMP合作集合，则在D JT CoMP传输中，用户k在RB η上的传输可表不为： m sn vs,^-
[0087]
[0088] 其中，Π {m}表示从Π 去除元素{m}后的集合；y〖:是NrX 1维接收向量，其中每个元 素代表对应位置上天线的接收信号；SNrXNt维的信道矩阵，其中元素代表TP m的第j个天线与用户k的第i个天线之间的信道系数;W；：是 ΝτΧ1维向量，表示TPm对符号< 的预编码，且有是TP m对该次传输分配的发射功率;<是接收天线处的复高 斯白噪声向量，4~。
[0089] 定义调度索引集合其中疋,1.￡{0，1卜心=1说明系统中心控制单元 在接下来的TTI中分配TP m的RB η为用户k传输数据，即meg。相应地，式(2)中接收信号的 信干噪比可表示为：
[0090] _1]…，―一-，一
[0092] 优化问题建模：
[0093] 为了同时兼顾系统的吞吐量、能量消耗以及用户间的公平性，将资源分配的优化 目标定义为如下形式：
[0094]
[0095] 其中，<表示用户在RB η上的数据速率，其计算式为：
[0096] R：=blg(l + r：) (5)
[0097] S；为用户k在当前TTI位置获得的累积平均数据速率，其定义为[13]:
[0098] R, =uR'^ + {\-a) R, (6)
[0099] 其中，0〈α〈1为遗忘因子，用来平衡累计平均数据速率和当前数据速率对资源分配 的影响;为截至当前时刻，用户k的累计平均数据速率。
[0100] 但这样的目标函数会导致极端情况出现:为了提高能量效率，系统可能过分地降 低了发射功率，从而严重地破坏了传输的质量。为了避免这种可能性的出现，本发明在约束 条件中对传输质量进行限制。综上，基于CoMP技术的异构网络资源分配问题的优化问题模 型可表示为：
[0101]
[0102]
[0103]
[0104]
[0105]
[0106] 其中，Cl表示最高TP的发射功率的限制为S，C2表示RB不可被重复分配，C3表示回 程线路容量对每TP吞吐量的限制;Rthres为给定的数据速率阈值，系统的资源分配方案应保 证每个传输的数据速率不低于该阈值，因此C4保证了网络中每个传输的质量。
[0107] 基于交叉熵方法的分布式资源分配算法：
[0108] 交叉熵（cross entropy，CE)算法最初由Rubinstein在1997年提出，用于对复杂随 机网络中稀有事件的概率进行估计[14]。随后，Rubinstein发现对交叉熵算法进行简单修 正，便可用来对组合优化问题进行求解 [15]。
[0109] 为了便于分析，假定每个RB上的功率分配为等值分配，则RB调度问题可简化为：
[0110]
[0111]
[0112]
[0113]
[0114]
[0115] 公式(8)中的变量是一个维度为MXNrbXK的随机矩阵，其中疋t是一个比特 数，可视为伯努利随机变量。在交叉熵方法的每次迭代中，需要产生足够量的样本。若直接 对]求解，显然计算量非常大。
[0116] 为了减少计算复杂度，考虑针对每个TP分别生成样本。记TP m上的一个样本为Xm = [xm(l)，· · ·，xm(n)，· · ·，xm(NRB)]，其中xm(n)表示TP m将在第η个RB上服务的用户，即 C.n,,，1。令每个TP的用户集合Am。样本中的元素#(1〇则根据给定概率分布从集合Λ m选 取。这样的样本设计，可以有效减小样本空间及计算复杂度。
[0117] 本发明利用上述的样本设计，提出了一种基于交叉熵方法的启发式调度策略。该 策略可大致分为3个部分:概率初始化、样本迭代和结果修正。其中，样本迭代部分为算法的 核心部分，包括样本生成、筛选和概率分布更新。迭代过程最终使概率分布收敛于一个确定 结果，即调度问题的最优解。算法采用分布式的处理方式将每TP的RB调度彼此分离，因此算 法可以由每个TP独立执行。这样的算法虽然损失了一定的计算精度，但能够缩短计算所需 的时间。
[0118] 概率分布初始化：
[0119] 系统中，每个TP m根据当前信道条件及给定策略，从其集合|<|=[0入,,]选取用户 在适当的RB上进行传输。其中，0表示TP m在该RB上不实施传输。记TP m在RB η上TP m调度 策略的概率分布为向量f~<^(匕6|<|)表示。其中，(^ f幻表示系统在 该RB上选择向用户"Λ【,(〇传输(即疋ω = 1)的概率，并且满足=1。根据心的定义 可知Ai(l) = 〇,而相应的概率9厂则表示TP m在RB η上不发生任何传输的概率。在初始化过 程中，将这个概率设定为常数，即：
[0120] =Pr_0(9)
[0121] 对于Λ〖,中的非零元素，则根据对用户数据速率的估计对概率赋初值。这样的赋值 可在一定程度上加快收敛速度。根据用户的信道情况和合作集合的选择，采用JT CoMP策略 时，可用式（10)对用户k在RB η上的数据速率进行估计：
[0122] V
j
[0123] 式(8)中的约束条件C4对每RB传输的QoS进行了限制，不能达到阈值Rthres被认为是 不成功的传输。为了节约资源，系统将不考虑在RB η上调度t 的用户k，即令k对应的 概率= 而对于能够达到数据速率阈值Rthre3S的用户，则根据其估计的数据速率 占总的数据速率的比重进行概率赋值。假设用户k的数据速率满足QoS要求，其对应的概率 (，= <(./))定义为：
[0124]
[0125] 其中，等号右边第1项表示用户的数据速率占总数据速率的比重，需要注意的是， 总数据速率只包含能够满足QoS的数据速率;等号右边的第2项则是保证概率分布q m'n满足 VlV"l 1 2.,=,9. =1°
[0126] 综上所述，TP m在RB η上RB调度的概率分布初值可以表示为：
[0127]
123456 根据式（12)可得到TP m在RB η上用户选择的概率分布qm'n，进而可得TP m在全部 RB上的用户选择概率分布V/MU···，^}。迭代初期，算法根据cf生成样本，再根 据筛选后的样本情况更新概率分布，直至概率分布收敛。 2 样本迭代： 3 在算法的迭代过程中，系统根据给定的概率分布随机生成若干个样本。随机生成 的样本并不能保证是满足约束条件的最优解，因此需要对样本进行筛选。筛选后的样本被 认为是"好"的样本，而根据"好"的样本更新概率分布，能够使算法在下一次迭代时以更高 的概率获得"更好"的样本。具体的样本迭代过程如下所述。 4 根据已知的概率分布针对TP m随机生成样本i，记为xr = [ir(l；U#(?)，-*r(D> 根据可获得相对应的关于TP m的调度索引: 5
[0132]
6 根据获得的调度结果，用户k在RB η上传输获得的数据速率变为：
[0134] V "
" /
[0135] 令匕表示TP m对应的效用函数，根据式(8)可以知道在样本ΧΓ下TP m得到的效用 函数值为：
[0136]
[0137] 其中，S表示依据样本ΧΓ得到的TP m的总功率消耗。
[0138] 样本X:"对应的TP m上的总吞吐量可表示为：
[0139]
[0140] 合格的样本应该满足两个条件:第一，样本的效用函数值足够高;第二，样本需满 足回程线路容量限制，即式(8)中的约束条件C3。随机产生的样本并不能保证满足这两个条 件，因此需要对生成的样本进行筛选。
[0141] 已知TP m回程线路的容量为Cm，在生成样本的过程中，若样本产生的TP m的吞吐 量1^;")>&，样本1「将直接被去除。同样地，令/^表示第1次迭代中样本效用函数的阈 值，对于效用函数不能达到要求的样本ΧΓ(即/:,(χ：")</=)系统也将不予考虑。系统按照上 述要求生成Nsam个有效样本，记为X:__ (Κ Κ .ν、、Λ,)。
[0142] 进一步地，算法按照重要采样的原则在Nsam个有效样本中筛选出重要样本。对Nsm 个有效样本的效用函数进行降序排列，不失一般性，可以假设 设定一个分位点ρ(〇彡Ρ彡1)，对于降序排列的样本，截取其中#1M 个样本作 为重要样本，并以这些样本作为更新概率的依据。符号表示对a向上取整。为了在每次迭 代中使样本结果更接近最优的目标函数，算法将逐步提高生成有效样本的效用函数阈值 Λ(1。每次迭代后，该阈值将更新为重要样本中效用函数值中的最小值，即
[0143]
[0144] 按照这样的更新规则，样本的效用函数将越来越接近最优解。
[0145] 接下来，算法根据重要样本更新概率分布，使得下一次迭代中可以以更好的概率 生成"好"的样本。样本ΧΓ中元素〇)的概率分布q m，n，可根据Νμ中每个用户(包括〇)=〇 无用户情况）出现的次数进行更新，ΒΡ :
[0146]
[0147] 其中，(/i) = y表示在ΝΙΜ个样本中，u出现在样本的第η位的次数。在下一 次迭代中，算法会根据更新后的概率分布生成新的Nsm个样本。经过若干次迭代后，概率分 布qm，n逐步收敛。当全部qm，n都以概率1收敛于某一用户时，算法即得到RB调度的最优解，而 此时得到的确定的样本(以概率1生成的样本)即问题的最优解。
[0148] 算法1总结了每一步迭代中的过程。
[0149]
[0151 ]算法1中，t表示当前的迭代次数，XL为当概率收敛时算法输出的TP m的调度结 果。XL中的每个元素表示TP m对应位置的RB上调度的用户，用调度索引表示即Α?,χκ,,，1 ° 因此，由…，Μ)可以得到调度索引集合。
[0152] 结果修正：
[0153] 第3.1节描述的交叉熵算法得到的结果，严格地满足了限制条件Cl~C3,但不能保 证全部传输都满足给定的阈值（即限制条件C4)。讨论的系统资源优化分配的最终目标是提 高能量效率，出于节省能源的目的，算法将选择关闭不能满足QoS要求的传输。
[0154] 算法2总结了本发明提出的基于交叉熵的分布式RB调度算法。
[0155]
[0156]
[0157] 注意，算法2是针对某一TP m的运算，只得到TP m上的调度结果XL，或者说 系统需要对每个TP进行算法2中描述的分配运算以得到全部调度结果 {Um上由于每TP执行完算法2中的运算后仍然得不到对数据速率的准确估计，即无 法获知及Γ，因而分布式的调度算法中不能执行如算法1中的结果修正。这导致分布式算法 得到的调度结果产生的传输中，可能存在不能满足QoS要求的。仿真实验中认为这样的传输 不能被正确接收，可以说，不合格的传输既消耗了能量，又没有得到相应的数据速率，因而 导致了分布式式算法中能量效率的降低。
[0158] 本发明还公开了一种基于CoMP传输的分布式异构网络资源分配系统，包括：
[0159] 接收模块，用于接收输入的参数；
[0160] 生成概率模块，用于初始化分配方案生成概率；
[0161 ]生成样本模块，用于根据生成概率生成分配方案样本；
[0162] 计算模块，用于计算各个样本的目标函数值；
[0163] 筛选模块，用于对样本进行筛选，并输出一个调度结果；
[0164] 判断模块，用于判断算法是否收敛，若是，那么执行调度结果输出模块，否则根据 全部基站的中间结果更新生成概率和参数然后执行生成样本模块；
[0165 ]调度结果输出1?块，用于输出RB调度结果。
[0166] 仿真结果及讨论：
[0167] 仿真利用SCM(space channel model)[16]模型生成无视线传输城区环境的ΜΙΜΟ信 道，采用的主要参数见表1。图2显示了仿真中的密集网络环境。网络中共包含37个覆盖半径 为250m的六边形小区，其中最外层的18个TP并不产生实际的传输，而是内层TP的传输以模 拟真实场景中的小区间干扰。这种模拟方式被称为小区绕卷，是大规模网络仿真中常用的 手段[17]。
[0168] 表1仿真参数
[0169]
[0170] 图2仿真的拓扑示意（以坐标位置模拟TP和用户的相对位置，1单位= lm)
[0171] 仿真实验首先讨论了回程线路容量限制对系统性能的影响。实验中考虑无回程线 路容量限制、l〇〇Mbit/s回程线路容量和50Mbit/s回程线路容量3种情况。图3给出了不同回 程线路容量限制下网络中每TP的总数据速率。可以看出，在无限制和100Mbit/ S回程线路容 量的情况下，系统中每TP的总数据速率可达到30Mbit/s左右。而当回程线路容量限制在 50Mbit/s时，每TP的总数据速率下降到15~18Mbit/s。这一结果说明了回程线路容量限制 对系统数据速率的严重影响。
[0172] 为了清楚地观察系统中用户数据率的公平性，本发明采用了参考文献[18]中公平 性系数F的定义：
[0173]
[0174] 图4显示了不同回程线路容量限制下系统的用户数据率公平性，结果表明50Mbit/ s回程线路容量下系统的公平性出现明显下降。在无限制或l〇〇Mbit/s回程线路容量下，系 统的公平性系数可高达〇. 75。然而，当回程线路容量下降到50Mbit/s时，系统得到的公平性 系数最高只有0.48。这是因为，当回程线路容量受限时，为了减小回程线路的负载，系统不 得不减少CoMP传输的数量。因此，原本可通过CoMP传输得到服务质量提升的小区边缘用户， 无法得到足够的数据速率，从而导致了系统整体公平性的下降。
[0175]图5给出了不同回程线路容量限制下系统的能量效率。不同于图3和图4中的结果， 图5中的结果表明回程线路容量限制并不会导致系统能量效率的降低。这是因为，由于回程 线路容量有限导致系统在每TTI中实施的传输数量下降，因此相应地能量消耗也有所降低， 因此系统能量效率得以保障。
[0176]仿真实验还探讨了不同QoS要求对系统性能的影响。图6给出了不同QoS要求下，网 络中每TP的平均数据速率。可以看出，随着QoS的增加，系统的数据速率得到了相应的提升。 当Rthres为180kbit/s时，系统每TP的平均数据速率只略高于26Mbit/s;提升Rthres到 360kbit/s时，每TP的平均数据速率上升至28Mbi t/s以上;而当Rthres为540kbit/s时，每TP的 平均数据速率可接近于30Mbit/s。
[0177] 图7给出了不同QoS要求下系统的能量效率。可以看出，Rthres为180kbit/s和 360kbit/s时系统得到的能量效率相近。然而当Rthres提高到540kbit/s时，系统的能量效率 略有提升。这是因为，当Rthres提高到540kbit/s时系统在每TTI中实施的传输数量减少，相应 的能量消耗有所降低。与此同时，由于系统保障了实施的每次传输都能获得较高的数据速 率，因此网络的总数据速率较高。系统的高数据速率和低能量消耗最终导致了系统能量效 率的提升。
[0178] 基于CoMP的异构网络能够有效提升移动通信系统的频谱效率和能量效率，而合理 有效的无线资源分配策略是保障密集网络系统性能的重要前提。本发明根据基于CoMP的异 构网络特点，提出了一种基于交叉熵方法的分布式资源分配算法。算法首先根据预估的用 户数据速率设定样本生成概率，有效加快了算法的收敛速度。然后，通过对生成概率的不断 迭代，得到了满足回程线路容量限制的最优调度结果。最后，算法根据给定的数据速率阈值 对调度结果进行修正，保障了传输的最小数据速率要求。通过仿真实验，验证了本发明提出 的资源分配算法在提高系统吞吐量、能量效率以及用户公平性等方面的有效性和可行性。
[0179] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定 本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在 不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的 保护范围。
【主权项】
1. 一种基于CoMP传输的分布式异构网络资源分配方法，其特征在于，包括如下步骤： A. 接收步骤，接收输入的参数； B. 生成概率步骤，初始化分配方案生成概率； C. 生成样本步骤，根据生成概率生成分配方案样本； D. 计算步骤，计算各个样本的目标函数值； E. 筛选步骤，对样本进行筛选，并输出一个调度结果； F. 判断步骤，判断算法是否收敛，若是，那么执行调度结果输出步骤，否则根据全部基 站的中间结果更新生成概率和参数然后执行生成样本步骤； G. 调度结果输出步骤，输出RB调度结果。2. 根据权利要求1所述的分布式异构网络资源分配方法，其特征在于，在所述生成概率 步骤中，TP m在RB η上RB调度的概率分布初值表示为根据上式可得到TP m在RB η上用户选择的概率分布qm'n，进而可得TP m在全部RB上的 用户选择概率分布qm= {qm'n}(V ? = 1,.·., WRB)。3. 根据权利要求1所述的分布式异构网络资源分配方法，其特征在于，在所述筛选步骤 中，已知TP m的回程线路的容量为Cm，在生成样本的过程中，若样本产生的TP m的吞吐量 凡,（ΧΓ；)> C，样本ΧΓ将直接被去除；同样地，令/^s表示第t次迭代中样本效用函数的门 限，对于效用函数不能达到要求的样本ΧΓ(即Λ < /匕）也将被去除;按照上述要求生 成Nsam个有效样本，记为ΧΓ (I S ? )。4. 根据权利要求3所述的分布式异构网络资源分配方法，其特征在于，在所述筛选步骤 中，对Nsam个有效样本的效用函数进行降序排列，假设设定一个分位点Ρ(0彡P彡1 )，对于降序排列的样本，截取其中巧M =- P) Wsam 1个样本作 为重要样本，并以这些样本作为更新概率的依据，并将逐步提高生成有效样本的效用函数 π限Zii，每次M代后，该π限将更,新为S要样本中效用函数的最小值，即5. -种基于CoMP传输的分布式异构网络资源分配系统，其特征在于， 包括： 接收模块，用于接收输入的参数； 生成概率模块，用于初始化分配方案生成概率； 生成样本模块，用于根据生成概率生成分配方案样本； 计算模块，用于计算各个样本的目标函数值； 筛选模块，用于对样本进行筛选，并输出一个调度结果； 判断模块，用于判断算法是否收敛，若是，那么执行调度结果输出模块， 否则根据全部基站的中间结果更新生成概率和参数然后执行生成样本模块； 调度结果输出模块，用于输出RB调度结果。6. 根据权利要求5所述的分布式异构网络资源分配系统，其特征在于，在所述生成概率 模块中，TP m在RB η上RB调度的概率分布初值表示为根据上式可得到TP m在RB η上用户选择的概率分布qm'n，进而可得TP m在全部RB上的 用户选择概率分布9"={9^}(^:=1,-"，鳊）。7. 根据权利要求5所述的分布式异构网络资源分配系统，其特征在于，在所述筛选模块 中，已知TP m的回程线路的容量为Cm，在生成样本的过程中，若样本产生的TP m的吞吐量 I > C,":，样本Xf将直接被去除；同样地，令表示第t次迭代中样本效用函数的门 限，对于效用函数不能达到要求的样本Xf (即；)< /Ii)也将被去除;按照上述要求生 成NsM个有效样本，记为ΧΓ (丨s / ^ /VSi、f)。8. 根据权利要求7所述的分布式异构网络资源分配系统，其特征在于，在所述筛选模块 中，对Nsm个有效样本的效用函数进行降序排列，假设定一个分位点Ρ(〇<Ρ<1)，对于降序排列的样本，截取其中个样本作 为重要样本，并以这些样本作为更新概率的依据，并将逐步提高生成有效样本的效用函数 Π 限/E，每次@代€，@丨']限将更新为样本中效$函数力最7Ht,即
【文档编号】H04W72/08GK105898874SQ201610209146
【公开日】2016年8月24日
【申请日】2016年4月6日
【发明人】张钦宇, 王野, 吴绍华, 于佳, 杨艺, 孙萌
【申请人】哈尔滨工业大学深圳研究生院