5G超密集网络环境下功率控制方案研究

孙霞;周朋光

【摘 要】超密集网络(Ultra Dense Network,UDN)是一种通过密集化地部署各种低功率小基站来提升系统容量的技术,因可以解决小区覆盖盲区、 实现用户无缝连接、 缓解宏基站压力以及配置灵活等优点被列为未来5G通信系统的关键技术之一.在密集基站的网络部署下,基站与终端的路径损耗有所降低,在增大有益信号的同时也提升了干扰信号,影响通信系统的性能和用户终端的服务质量.为提升用户的服务质量和降低系统损耗,提出了一种跨层功率最大化方案,选取发射功率最强的小基站作为服务基站.提出一种协作功率最大化控制方案,选取2个小基站为用户提供协作式数据传输服务.仿真结果表明,2种方案均能提升用户的服务质量,后者在能效等指标上要优于前者.

【期刊名称】《无线电工程》 【年(卷),期】2019(049)008 【总页数】4页(P666-669)

【关键词】超密集网络;5G;功率控制;干扰;信干噪比 【作 者】孙霞;周朋光

【作者单位】重庆工程学院 电子信息学院,重庆 400056;重庆邮电大学 通信与信息工程学院,重庆 400065 【正文语种】中 文 【中图分类】TN929.5

0 引言

5G是继4G之后，面向2020年商用的新一代通信系统[1]，相关关键技术处于探索发展阶段。截至到目前，5G的关键技术已得到确认，技术设计和细节在不断完善中，具体关键技术包括大规模MIMO(Massive MIMO)、毫米波(mmWave)和UDN等。全球共同努力推动整个5G通信系统架构的搭建，促进5G国际标准的指定和未来相关产业的发展[2]。

与4G移动通信系统相比，5G系统要在更加复杂多变的场景下为用户提供极致的速度体验和低延时通信感受。总结未来移动互联网的愿景、环境及需求等特点，得到以下4个5G的重要应用场景[3-4]：

① 通信覆盖场景广：在保障用户终端较低掉话率的基础之上，用户终端可以达到100 Mbps及以上的体验速率；

② 高速率高容量：针对室外的小区边缘用户和处于盲区的用户终端，为小区边缘用户提供较高的数据传输速率；

③ 高可靠低延时：针对车联网、人工智能和精细级工程控制等高需求，用户终端可以享受到ms级端到端的时延体验，系统能够保证业务基本达到百分之百的可靠性；

④ 低功耗多连接：面向特殊场景具有密集人群的特点，通信系统要为海量的用户终端提供高数据速率的服务，缩短与宏基站间的物理距离，即相对减小功耗。 根据文献[4]中的描述，5G通信关键技术需求的内容有：0.1～1 Gbps的用户体验速率，10 Gbps左右的峰值数据速率，10 Tbps/km2左右的数据流量密度，1 000 000/km2的用户终端连接密度，ms级端到端时延，以及百倍以上能效提升和单位比特成本降低。由此可知，5G通信系统期望在高数据速率、高业务可靠性、快速移动性及海量连接数量的场景下，可以支撑多样化的通信数据业务类型，为用

户终端提供最佳的服务质量(Quality of Service，QoS)，其中包括更多样的业务、更高的体验速率、非常低的时延和较低的终端功耗等。与此同时，可以提升整个通信系统的性能，包括更高的频谱效率和能源效率等[5]。

为了实现5G网络达到数据流量密度提升1 000倍和设备数量增加10～100倍的目标，在上述关键技术(大规模MIMO、毫米波和超密集网络)中，最有效的实现方法之一就是超密集网络技术[6]。之前的4G通信系统中，常见的减小小区半径的方法是通过小区分裂，但是小区覆盖范围不断地缩小使得小区分裂很难做到，因此可以在热点区域实施部署密集低功率小基站(Femtocell Base Station，FBS)的方案来形成超密集网络。但部署较多的FBS后会引起强烈的小区间干扰。基于该问题，本文目的在于寻找性能较优的功率控制方法来减小超密集网络中的小区间干扰，提升用户的服务质量。主要的创新点在于通过对信号功率的循环和比对筛选得出信号功率最大的基站来为用户终端提供协作功率控制。 1 系统模型

搭建一个超密集网络场景下的双层干扰模型，如图1所示，1层指宏基站(Macrocell Base Station，MBS)网络，2层指小基站(Femtocell Base Station，FBS)网络。所有FBS和用户(User Equipment，UE)均是单天线作业，每个FBS仅可以为一个UE提供业务。FBS与UE服从相互独立的泊松点过程(Poisson Point Process， PPP)。假设范围内每个UE在选择接入FBS时遵循就近原则，如果FBS并未服务UE则相应地转为睡眠状态[7]。 图1 系统模型 2 功率控制方案 2.1 跨层功率最大化方案

考虑到5G关键技术超密集网络中双层异构的网络架构特点[8-10]，本文设计的算法主要考虑不同网络层次覆盖在相同区域下，各层小基站的属性(覆盖范围、发射

功率和增益比等)不同，用户终端接收到的信号强度也不同。为了尽可能地利用好异构网络拓扑下的小基站，在协作多点传输(CoMP)技术[1]中设计了跨层功率最大化方案作为本节系统模型的联合传输功率控制算法。该方案的主要设计理念是在双层网络架构下的用户终端，能够接收到不同网络层的小基站信号，用户终端衡量小基站的信号强度并选择接收信号中发送功率最强的小基站，令这些小基站为用户终端提供协同传输服务[11-14]，减小小区间干扰，进一步提升用户终端的服务质量，包括用户高速率和低时延体验。规定用户终端接收到MBS的信号功率为Pm，接收到FBS的信号功率为Pf，网络中用户终端数目为n，具体跨层功率最大化方案如算法1所示。

算法1:跨层功率最大化方案输入:Pm,Pf,n输出:用户终端连接基站属性While i通过输入MBS的信号功率、FBS的信号功率以及用户终端数量，算法1的主要目的是通过循环得出接收信号中发送功率最强的小基站，模型由选出的小基站为用户提供业务服务。

2.2 协作功率最大化控制方案

2.1节中提出的跨层功率最大化方案中，通过对比2种基站的发送功率，选取其中信号功率最大的FBS来达到控制功率的目的。对跨层功率最大化方案做出优化，取名为协作功率最大化控制方案，选取2个信号功率最大的基站为用户终端提供协作功率控制，能够高效提升接收信号的功率[15-17]，减小干扰信号对用户终端的影响，从而获取更优的信干噪比，进一步提升用户终端的数据传输速率。具体协作功率最大化控制方案如算法2所示。

算法2:协作功率最大化控制方案输入:Pm,Pf,Pf′,n输出:用户终端连接基站属性While i0 i←{maxPm,maxPf}Else i←{maxPm,maxPf′}EndEnd 通过输入MBS的信号功率、FBS的信号功率以及用户终端数量，算法2的主要目

的是2个信号功率最大的基站为用户终端提供协作功率控制，旨在优化信干噪比和提升用户数据传播速率。 3 仿真验证

仿真参数如表1[18]所示，针对本文提出的2种功率控制方法做出了仿真验证，比较了用户的信干噪比和能效等指标。 表1 仿真参数

参数值网络区域覆盖半径250 mBS密度0.000 5～0.008 0/m2UE密度0.000 5/m2BS发射功率30 dBm噪声功率-174 dBm信道衰落模型瑞利衰落 算法1和算法2在接收信号信干噪比的CDF图如图2所示。 图2 接收信号信干噪比的累计分布函数图

由图2可以看出，算法2在信干噪比方面性能占据优势，分布累计要优于算法1，可以证明本文提出的协作功率最大化控制方案可以有效地控制FBS功率，最大化用户的信干噪比，从而提升用户的数据传播速率和系统的吞吐量等指标。 能效随FBS功率的变化曲线如图3所示。 图3 能效随FBS功率变化曲线

由图3可以看出，算法2在能效指标上要好于算法1，这是由于算法2高效控制住小基站发射功率之后，可以节省系统的能耗。当系统能耗得到控制，必然会使系统的能效性得以提升。 4 结束语

提出一种跨层功率最大化方案，选择接收信号中发送功率最强的小基站作为用户终端的服务基站，经过仿真验证，本方案提升了用户终端的服务质量。提出协作功率最大化控制方案，选择2个FBS作为用户的终端的协作服务基站，经过仿真验证，本方法不仅可以提升用户服务质量，性能也优于跨层功率最大化方案。

参考文献

【相关文献】

[1] WANG Chengxiang，HAIDER F，GAO Xiqi，et al.Cellular Architecture and Key

Technologies for 5G Wireless Communication Networks[J].IEEE Communication Magazine，2014，52(2)：122-130.

[2] OSSEIRAN A，BOCCARDI F，BRAUN V，et al.Scenarios for 5G Mobile and Wireless Communications：the Vision of the ME-TIS Project[J].IEEE Communication Magazine，2014，52(5)：26-35.

[3] ANDREWS J G，BUZZI S，WAN C，et al.What will 5G be?[J].IEEE Journal on Selected Areas in Communications，2014，32(6)：1065-1082.

[4] YUNAS S F，VALKAMA M，NIEMELA J.Spectral and Energy Efficiency of Ultra-dense Networks Under Different Deployment Strategies[J].IEEE Communications Magazine，2015，53(1)：90-100.

[5] ZHENG Kai，WANG Yiling，LIN Cai，et al.Graph-based Interference Coordination Scheme in Orthogonal Frequency-division Multiplexing Access Femtocell Networks[J].IET Communications，2011，5(17)：2533-2541.

[6] ANDREWS J G，BACCELLI F，GANTI R K.A Tractable Approach to Coverage and Rate in Cellular Networks[J].IEEE Transactions on Communications，2011，59(11)：3122-3134. [7] BAI Lu，LIU Tingting，CHEN Zhilin，et al.A Graph-based Interference Topology Control for Ultra-dense Networks[C]∥International Conference on Signal Processing (ICSP)，HangZhou：IEEE Press，2014：1676-1681.

[8] 张洪.超密集组网中区域频谱效率及区域能量效率的研究[D].哈尔滨：哈尔滨工业大学，2016. [9] KUCERA S，LOPEZ P D.Inter-cell Interference Coordination for Control Channels in LTE Heterogeneous Networks[J].IEEE/ACM Transactions on Networking，(TON)，2016，24(5)：2872-2884.

[10] XIE Renchao，YU F R，JI Hong，et al.Energy-efficient Resource Allocation for Heterogeneous Cognitive Radio Networks with Femtocells[J].IEEE Transactions on Wireless Communications，2012，11(11)：3910-3920.

[11] HUANG Junwei，ZHOU Pengguang，LUO Kai，et al.Two-stage Resource Allocation Scheme for Three-tier Ultra-dense Network[J].China Communications，2017，14 (10)：118-129.

[12] YE Hanmin，LU Hao，SUN Qianting.An Improved Semi-supervised K-means

Clustering Algorithm[C]∥IEEE Information Technology，Networking，Electronic and Automation Control Conference (ITNEC).Chongqing：IEEE Press，2016：41-44.

[13] GE Xiaohu，TU Song，MAO Guoqiang，et al.5G Ultra-dense Cellular Networks[J].IEEE Wireless Communications，2015，23(1)：72-79.

[14] LIU Tingting，YANG Chenyang，YANG Lieliang.A Low-complexity Subcarrier-power Allocation Scheme for Frequency-division Multiple-access Systems[J].IEEE Transactions on Wireless Communications，2010，9(5)：1564-1570.

[15] HUANG Chen，CHEN Qianbin，TANG Lun.Hybrid inter-cell Interference

Management for Ultra-dense Heterogeneous Network in 5G[J].Science China Information Sciences，2016，59(8)：180-192.

[16] FODOR G，KOUTSIMANIS C，RCZ A，et al.Intercell Interference Coordination in OFDMA Networks and in the 3GPP Long Term Evolution System[J].JCM，2009，4(7)：445-453.

[17] ZHOU Yiqing，LIU Ling，DU Hongyan，et al.An Overview on Intercell Interference Management in Mobile Cellular Networks：From 2G to 5G[C]∥IEEE International

Conference on Communication Systems (ICCS).Queensland：IEEE Press，2014：217-221. [18] ZHANG H，LI H Y，LEE J H，et al.QoS-based Interference Alignment with Similarity Clustering for Efficient Subchannel Allocation in Dense Small Cell Networks[J].IEEE Transactions on Communications，2017(99)：1.