0 引言

　　隨著移動互聯網的發展，蜂窩通信中數據業務得到高速增長，單獨采用增加傳統宏基站（Macro BS）的小區分裂技術已經不能滿足通信容量的需求。一種通過改變網絡拓撲結構而顯著提高網絡容量的技術受到了人們的廣泛關注，即在現有的宏小區中部署低功率節點，如：微微（Pico）基站、家庭（Femto）基站和遠程射頻節點（Remote Radio Head，RRH）等，這就形成了異構網絡[1]。

　　在異構網絡中，由于宏基站和低功率發射功率差異比較大（可以到達40倍的差異），如果仍然按照傳統同構網中小區選擇算法進行小區選擇，大多數的用戶將會接入到發射功率大的宏基站中，只有極少數的用戶能夠接入低功率節點，這不符合增加新節點來改善系統環境的初衷，同時也不滿足異構分層網絡的設計需求。

　　為了解決這一問題，高通公司在3GPP會議的提案中提出了一種基于偏置值bias的小區選擇策略。即通過給低功率節點的參考信號接收功率（Reference Signal Receiving Power，RSRP）加上一個大于0的bias值，保持宏小區的RSRP不變，降低低功率節點的接入門檻。文獻[2]評估了在異構網絡中采用小區區域擴展技術后在不同bias值下，Pico基站在下行鏈路上的覆蓋范圍，通過仿真給出了最佳bias參考值。文獻[3]針對ESB到EPB和ESB到HSB兩種不同的Pico基站區域擴展策略測量最優偏置值bias，并分析了Macro基站對擴展區域用戶的下行干擾影響。這種基于偏置值bias的小區選擇策略一定程度上可以解決負載不均衡問題，但由于不是最強接收信號，使位于低功率節點擴展區域的用戶受到附近Macro基站嚴重的下行干擾，從而嚴重影響了用戶感知。

　　文獻[4]研究了一種基于小區呼吸技術的小區選擇策略，即根據先驗小區負載狀況，動態調節小區覆蓋范圍的小區選擇方案。文獻[5]提出一種基于系統容量最大化的小區選擇策略，其算法是讓用戶選擇令其可達速率最大的小區作為服務小區，用戶利用相鄰小區的作用參數計算其容量，參數信息通過服務基站的信令傳遞獲得。文獻[6]提出一種基于系統發射功率最小化的小區選擇策略，該算法從能效角度出發，在滿足用戶業務需求的條件下，通過凸優化理論為用戶選擇其最佳服務小區。文獻[7]在滿足用戶最小速率限制的條件下，以最大化用戶和速率為目標，把用戶小區選擇問題建模為納什談判問題，通過放寬限制條件，應用KKT條件求取最優值。

　　以上小區選擇策略很少從異構網絡干擾管理的角度去考慮用戶接入問題。因此，結合上述相關研究，本文從負載均衡和干擾管理兩方面考慮，提出一種折中兩項性能指標的小區選擇算法。仿真結果表明，該算法較其他常用算法在用戶接入公平性和用戶平均吞吐量上均有明顯的提升。

1 系統模型和假設

　　根據3GPP TR 36.814協議中關于異構網絡部署的詳細描述，考慮Macrocell和Picocell共存的異構網絡下行傳輸系統，系統頻率復用因子為1。在每個宏小區中，Macro基站位于小區的中心，Pico基站隨機分布在Macro基站覆蓋范圍內。

　　定義基站的集合為B={1，2，…，B}，用戶集合為U={1，2，…，U}，i表示基站索引，j表示用戶索引。則當用戶j接入基站i時，其接收信號功率Pij可以表示為：

　　其中，Pi表示基站i的發射功率，gij表示基站i到用戶j的下行信道增益。假設無線信道為大尺度衰落信道，則信道增益gij主要包括路徑損耗和陰影衰落。

　　用戶j的信干噪比?酌ij計算為：

　　其中，表示加性白高斯噪聲的功率。

　　定義ij為用戶小區選擇因子，ij的取值如下：

　　則接入基站i的用戶數可以表示為：

　　假設整個系統可用帶寬為W，Macrocell和Picocell采用共信道的部署方式，因此它們都可以調度整個頻帶資源且共享數量相同的資源塊。在此不具體研究系統的資源調度算法，Macrocell和Picocell均基于輪詢調度機制將資源塊分配給其覆蓋范圍內的用戶。根據香農公式可計算出接入小區i的用戶j的可達數據速率是：

2 小區選擇策略

　　2.1 干擾管理準則

　　為了表示用戶接入小區后受到的干擾情況，從信號泄漏的角度出發，采用信漏噪比（Signal to Leakage and Noise Ratio，SLNR）準則，將用戶受到的干擾信號看作是泄漏信號進行處理。

　　則對于小區中的用戶j的SLNR可計算為：

　　其中，Pij表示小區i到目標用戶j的有用信號功率，Pim(m≠j)表示小區i中泄漏到其他用戶的干擾信號功率，表示加性白高斯噪聲的功率。

　　2.2 小區選擇算法

　　為了折中干擾抑制和負載均衡兩項指標，在此定義干擾負載比。包含兩部分內容：一部分反映小區負載狀況，另一部分反映用戶當前所受干擾情況。其中，小區的負載狀況用當前接入基站的用戶數表示，用戶所受干擾用戶的SLNR值表示，則小區i中的用戶j的干擾負載比ij表示如下：

　　根據式（3）和式（7），用戶的小區選擇問題可建模為如下的聯合優化問題：

　　其中，X={ij}表示用戶小區選擇因子矩陣。

　　此問題是一個0-1背包問題，沒有直接的方法可以求解，為此，本文采用了一種啟發式算法進行求解。

　　算法流程包含以下幾個步驟：

　　步驟1：每個用戶基于最大RSRP的方式進行小區選擇，完成用戶小區選擇因子矩陣X的初始化。

　　步驟2：對于每個小區根據式（6）計算其接入用戶的SLNR，在小區i中選取具有最小SLNR值的用戶，根據式（7）計算其干擾負載比ij，i∈B。

　　步驟3：計算用戶j?鄢接入到除小區以外的所有其他小區的干擾負載比，并選擇。

　　步驟4：判斷是否大于預設門限值?著。如果大于，則更換用戶j?鄢的服務小區為小區n；否則保持服務小區不變。更新用戶的小區選擇因子矩陣X。

　　步驟5：重復執行步驟2～步驟4，直到沒有用戶的服務小區需要變更為止。

　　以上算法的偽代碼如下：

　　Input：{TransmitPoweri，Pathlossij，AntennaGainij，ShadowFadingij，

　　Output：User Association Index Matrix {X={ij}}

　　Program：

　　Step 1：Initialize the user association indicator matrix X via

　　according to maximum RSRP metric.

　　Step 2：Set Q as a  1×N zeros matrix.

　　Step 3：For BS n=1：N

　　1) Calculate the SLNR of each UE via Eq. (7)

　　2) Choose the min-SLNR UE in BS n

　　3) Calculate and choose the maximum

　　4) If max ≥

　　Associate UE  with BS n，update X

　　Else

　　Maintain the user association，Q(n)=1

　　End for

　　Step 4：If sum(Q)<N

　　Return to step 3

　　Else

　　end

3 仿真驗證和性能分析

　　3.1 仿真參數

　　為了驗證所提方案的有效性，借助MATLAB軟件對Macrocell和Picocell共存的異構下行傳輸系統進行仿真。系統仿真參數如表1所示。

　　3.2 仿真結果和分析

　　本節通過與另外兩種常見的小區選擇策略：基于最大RSRP和基于CRE偏置值的小區選擇策略對比來分析并驗證所提小區選擇策略的性能。

　　從圖1中可以看出，本文所提算法較基于最大RSRP的小區選擇算法，可以有效提高宏用戶的吞吐量。這是因為最大RSRP算法使宏基站過載，頻譜資源不能充分利用。在Pico用戶性能方面，與基于CRE偏置值的小區選擇算法相比，Pico用戶吞吐量有20%左右的提升，這個提升說明位于擴展區域的Pico用戶由于受到附近Macro基站的下行干擾，從而嚴重影響了用戶感知。而本文所提算法中由于綜合考慮了小區負載和用戶所受干擾情況，因此較前兩種算法在宏用戶吞吐量和Pico用戶吞吐量方面均有明顯提升。

　　圖2為三種小區選擇算法下用戶接入公平性的比較，仿真中采用JFI（Jain′s Fairness Index）來評估用戶接入的公平性。JFI的表達式為：

　　其中，表示接入基站i的用戶數。

　　J越大表明基站之間用戶的接入越公平。從圖中可以看出，所提算法在用戶接入公平性上較另外兩種算法有明顯優勢，而且其JFI曲線受接入用戶數波動很小，基本保持平穩，這也充分說明了該算法的穩定性。

　　圖3給出了在180個用戶下的系統吞吐量與門限值ε的關系。從圖中可以看出，門限值ε與系統吞吐量成反比關系。這是因為ε越大，進行小區變更的用戶數越少，用戶基本保留其原始接入狀態；ε越小，表明越多的用戶參與了小區選擇的調整，從而使系統性能越好。

　　4 結束語

　　針對異構網絡中小區選擇問題，為了折中負載均衡和提升干擾管理兩項指標，研究了一種基于干擾負載比的小區選擇策略。仿真結果表明，在綜合考慮了接入小區負載和所受其他小區干擾后，所提小區選擇策略在有效改善Pico小區用戶性能的情況下，在用戶接入公平性和系統吞吐量上較傳統小區選擇策略都有較大的提升。

　　參考文獻

　　[1] DAMNJANOVIC A，MONTOJO J，WEI Y，et al.A survey on 3GPP heterogenous networks[J].IEEE Wireless Communi-cation，2011，18(3)：10-21.

　　[2] Cao Yu，Xia Hailun，Feng Chunyan.Evaluation of diverse Cell Range Expansion strategies applying CoMP in hetero-geneous network[C].Personal Indoor and Mobile Radio Communications(PIMRC)，2013：1962-1966.

　　[3] Lopez-Perez，D，Chu Xiaoli，Guvenc I.On the expanded region of picocells in heterogeneous networks[J].IEEE Journalof Selected Topics in Signal Processing，2012，6(3)：281-294.

　　[4] DAS S，VISWANATHAN H，RITTENHOUSE G.Dynamic load balancing through coordination scheduling in packet data systems[C].In INFOCOM 2003 Twenty-Sesond AnnualJoint Conference of the IEEE Computer and Communica-tions，2003：786-796.

　　[5] Jeong Soo Park，Gil Su Heo，Yong Hwan Lee.Capacity  maximizing cell selection in heterogeneous cellular networks in software[C].Telecommunications and Computer Networks(SoftCOM).2011 19th International Conference on IEEE.2011：1-5.

　　[6] ZHU H，WANG S，CHEN D.Energy-efficient user associationfor heterogenous cloud cellular networks[C].In Globecom Workshops(GC Wkshps)，2012 IEEE，2012：273-278.

　　[7] Liu Dantong，Chen Yue，Kok Keong Chai，et al.Nash  bargaining solution based user association optimization in  HetNets[C].Consumer Communications and Networking Conference(CCNC)，2014：587-592.