岳健++李晓琳++连强强
摘 要：为了满足未来终端多样化的需求，异构网络技术应运而生，但是随之带来的蜂窝小区内以及小区间干扰问题已经成为制约未来无线网络发展的关键因素之一。该文针对此问题，在合作博弈理论的基础上，提出了一种与距离因子有关的干扰协调算法。经过建模仿真，所提算法在保证用户正常通信的前提下，减小了异构网络的干扰，提高了系统性能。
关键词：异构网络 合作博弈 干扰协调
中图分类号：TN92 文献标识码：A 文章编号：1674-098X（2016）10（c）-0085-05
Research on Interference Coordination Algorithm of Heterogeneous Network
Yue Jian Li Xiaolin Lian Qiangqiang
（China Flight Test Research Establishment， Xian Shanxi，710089， China）
Abstract： In order to meet the demand of future terminal diversification， heterogeneous network technology emerges as the times require， at the same time the intra-cell interference and inter-cell interference have become one of the key factors that restrict the future development of wireless networks. In response to this problem， this paper proposes an interference coordination algorithm based on the cooperative game theory related to a distance factor. After modeling and simulation， the proposed algorithm can reduce the interference of heterogeneous network and improve the system performance under the premise of guaranteeing normal communication.
Key Words： Heterogeneous network； Cooperative game； Interference coordination
随着智能设备的高速发展，人们对于网络的要求也越来越高，由此涌现出了各种不同类型的通信网络，使用户处于一种复杂而多样的异构网络环境中。与此同时，异构网络中多基站共频谱资源问题导致了严重的小区内与小区间的干扰问题。因此，异构网络的干扰协调问题成为制约未来无线通信可持续发展的关键因素之一。功率控制一直是一種应用广泛的干扰协调办法，从源端减小用户的发射功率，进而起到减小干扰的作用。纳什议价合作博弈是描述合作方的行为和策略选择的数学工具。针对上述挑战和潜在的合作增益，该文基于合作博弈理论，兼顾系统总体性能和用户个体性能的效率和公平的要求，将功率控制问题建模为用户之间相互合作竞争的关系，从而形成一种合理可行的功率分配方法，达到抑制干扰的目的。
1 异构网络的资源分配方式
异构网络是指在原有的蜂窝网络基础上，采用不同的接入技术加入两个或以上的无线通信系统。在该文中假设在宏基站内加入家庭基站。而这会导致基站之间的交叉覆盖，从而出现许多小区边缘用户。由此带来的网络干扰变得异常复杂，如果不能对干扰加以限制，必然会导致各用户的服务质量下降。对于两种基站的频谱分配问题，现有的研究给出了以下3种方案[1]：
（1）共信道配置，是指两类基站公用同一段频谱，如图1（a）所示。这种做法可以提高频谱利用率，但却带来了干扰。
（2）独立信道配置，是指两类基站使用各自的频谱，如图1（b）所示。这种方法有效降低了干扰，但是频谱利用率低。
（3）部分共信道配置，指的是两类基站公用一段频谱，然后又各自独立使用一部分频段，如图1（c）所示。
由于频谱资源的日益匮乏，为了增大其利用率，该文采用方案（1）的频谱分配方式。
2 博弈论
博弈论（Game Theory， GT），是研究参与者之间的竞争和协作、参与者的策略行为之间竞争或者合作时的决策行为[2]的理论科学。一个完整的博弈模型主要包含3个方面的内容：博弈参与者集合，策略选择集合以及效用函数[4]。因此，在下文中从这3个方面对博弈论的基本模型做出描述。
根据博弈参与者之间是否进行合作，博弈可分为合作博弈与非合作博弈[3]。在合作博弈中，所有参与者之间进行联盟合作，其主要是希望整个系统的收益达到最大化。近年来，更多学者研究异构网络用户之间的合作竞争关系，将博弈论中合作博弈模型应用于双层异构网络中的功率控制算法。
3 算法模型
3.1 系统模型
该文所假设的模型是建立在由一个宏小区、多个家庭小区构成的异构网络场景，其各层都有自己的用户。在宏小区中部署个家庭小区，所有的家庭基站均采用封闭接入模式，如图2所示。为了提高频谱利用率，频率复用因子记为1，所以所有校区频率相同，为了简便起见，该文假设在任意给定的一段频谱上，每个信号时隙只有一个用户在使用。另外，该文所提算法是在保证用户正常通信的最小信干噪比SINR的前提下，降低各用户的发射功率。该文中宏小区之间的干扰暂且忽略。
图2为所提算法的应用场景。在这里将上行链路家庭用户的通信带宽记为，共有个相互独立的子信道，子信道集合记为。由于频率复用因子为1，所以在宏小区与家庭小区之间，家庭小区与家庭小区之间同时存在跨层和同层干扰。
3.2 算法分析
3.3 仿真分析
为了体现该算法的性能优势，该小节针对算法的应用做出了仿真分析。该文取距离因子为，表1为一些仿真相关参数。
图4显示了在每个宏小区中，与各自服务基站距离相同的各用户以及宏用户的功率迭代图。从中可以看出，各用户的发射功率均收敛。如图纵坐标最大的是宏用户的发射功率，其余5条曲线分别是家庭用户的迭代功率，因为宏小区面积较大，宏用户离基站距离较远，所以可以明显看出宏用户发射功率比家庭用户发射功率大很多，而其他家庭用户之间的功率差距又受到邻近其他用户的干扰的影响。
为了表明所提算法在传统算法基础上性能的提升，在仿真中将该算法、传统的合作博弈算法、文献[6]中的非合作博弈算法Koskie-Gajiec（K-G）算法做了对比。图5所体现的是用户发射功率随用户数量的变化曲线。从图中可以看出，各用户的发射功率是随用户数目的增大而增大的，但是相较一般合作博弈算法来说，该文所提算法与K-G算法所得到的最优发射功率明显降低了，因而所提算法在性能上确有优势。虽然K-G算法所得到的最优发射功率也比较低，但是K-G算法是以牺牲用户的通信质量为代价的，这一点在下文中予以证明。
图6描述的是前文所述3种算法的SINR值随距离的变化图。可以发现，该算法与传统的一般合作博弈算法都能达到最小信干噪比，而K-G算法单纯的为了降低用户的发射功率，忽略了用户的通信质量。虽然该算法的SINR值比一般合作博弈算法低很多，但是也可以保证用户最基本的通信质量。所以说，该算法是在一定程度上降低用户的SINR值，从而减小用户的发射功率，减少宏用户与家庭用户和家庭用户之间的干扰。综合以上的功率图和SINR图，可以证明该算法在保证用户的最小信干噪比的前提下，减小了用户的发射功率，从而也减小了系统内的干扰，提高了系统的性能。
为了从另一方面验证所提算法的优势，该文随机选取一个宏用户，并以其受到的家庭用户的干扰为研究对象，研究了干扰随家庭用户数的变化情况。从图7可以发现，随着用户数量的增大，干扰也在明显变大，但是所提算法所受干扰功率明显优于传统算法。
合作博弈是一种注重用户整体性能的模型，特别是对于参与者的公平性。
该文将用户的SINR与其发射功率的比值作为式（14）中的，来体现系统的公平性，为用户的个数。从而所得到的公平性指数图如图8所示，随着用户数的增大，该算法的Jains指数基本都为1，这是因为該算法所得到的远近用户的SINR基本处于同一水平线，而K-G算法的公平性指数相对较低，因此，可以得出合作博弈模型相比非合作博弈模型来说，可以保证所有用户的公平性。
4 结语
该文首先介绍了所提算法的应用背景，并简要说明了博弈论在通信网络中的应用研究，出于对现在无线通信网络中的干扰问题的考虑，假设了异构网络的干扰场景。在博弈论的基础上提出了一种引入距离因子的抗干扰模型，在保证各用户正常通信的前提下，尽可能地降低用户的发射功率，进而减小网络系统中的干扰。最后，该文通过仿真验证了所提算法的有效性。
参考文献
[1]M.Boussif，C.Rosa，J.Wigard，et al.Load Adaptive Power Controlin LTE Uplink[C]//European Wireles.2010.
[2]Long Wang，Xueqiang Zheng，Fei Song.An energy efficientpower control scheme based on game theoryfor OFDMA femtocell networks[J]. Applied Mechanics and Materials，2013（475-476）：875-881.
[3]张天魁，曾志民，张颖莹.基于博弈论的OFDMA系统多小区功率协调分配算法[J].通信学报，2008（1）：22-29.
[4]王辰.异构网络中基于博弈论的干扰协调算法研究[D].上海：上海交通大学，2012.
[5]杨春刚.认知无线网络中基于博弈论的功率控制研究[D].西安：西安电子科技大学，2011.
[6]赵之旭.基于博弈论的认知无线电功率控制算法研究[D].南京：南京邮电大学，2013.
