5G双小区协作流动热点补偿研究
来源:用户上传
作者:
【摘 要】在通信用户数密集用户业务总量较多的UMi场景下，无线网络节点较多小区覆盖半径较小，用户在小区间移动导致小区间用户分布不均匀，原有用户数及业务量标准部署的5G异构网络相对稀疏，无法满足用户流动产生热点热时容量需求时，双小区协作流动热点补偿采用异构网络多点协作传输技术对小区进行补热，将处于相同移动状态的多个用户虚拟成一个以中心用户为中心的用户簇，建立3D MIMO流动热点模型，提出在两小区以用户最小传输速率为约束条件，最小化小区基站总功率的优化算法，得出高容量、高速率用户体验的“潮汐效应”解决方案。
【关键词】5G;多点协作;3D MIMO;潮汐效应
doi：10.3969/j.issn.1006-1010.2020.03.008 中图分类号：TN929.5
文献标志码：A 文章编号：1006-1010（2020）03-0037-06
引用格式：苏树盟，赵珂. 5G双小区协作流动热点补偿研究[J]. 移动通信， 2020，44（3）： 37-42.
Research on 5G Dual-Cell Cooperative Flow Hotspot Compensation
SU Shumeng， ZHAO Ke**
（CityCollege， Kunming University of Scienceand Technology， Kunming 650051， China）
[Abstract] In the UMi scenario with intensive communication users and heavy traffic volume， there are many wireless network nodes and the coverage radius is small. Since user mobility leads to the uneven distribution among cells， the relatively sparse deployment of original 5G heterogeneous networks is unable to meet the capacity demands of hotspots caused by user mobility. Dual-cell cooperative flow hotspot compensation adopts the coordinated multipoint technologies in heterogeneous networks to serve the hotspots. This paper treats the multiple users with the same mobility state as a virtual cluster of users centered at the central user， and establishes a 3D MIMO hot flow model. Then an optimal algorithm is proposed for two cells to minimize the total power of base stations under the minimum constraint of user transmission rates. Finally， a "tidal effect" solution is obtained with high-capacity and high-rate user experience.
[Key words]5G; CoMP;3D-Multi-input multi-output; tidal effect
0 引言
2012年國际电信联盟ITU首次提出5G不仅要大幅度提升“以人为本”为核心的网络业务体验，同时也逐渐实现“以物为中心”的物联网业务。2020年5G大规模商用，5G的研发正在加速进行[1]。
在近期研究中，文献[2]结合利用全双工中继协作组播给出基站最小化功率优化算法。文献[3]表明以用户为中心的多点协作（CoMP， Coordinated Multi-Point Transmission）技术可以进一步消除小区干扰，在5G中发挥重要作用。文献[4]中密集异构网络提出了以用户为中心的多点协作机制，针对小区重叠区域严重的“乒乓效应”提出基于虚拟小区的多点协作机制，该机制为随机性和不规则性网络部署功率优化提供了研究思路。与LTE相比，5G无线链路和覆盖存在较大差异[5]，大规模MIMO同频高频组网的异构型5G网络，基站与基站、基站与用户间的距离大幅度缩短，立体式（不同大小不同类型蜂窝小区组网）、虚拟化（虚拟层技术和打破小区边界的软扇区技术）密集组网技术以其高频率复用率的优势增强了小区覆盖（补盲），增加了网络系统容量（补热），弥补了现有的组网业务分担以及负载均衡方面存在的问题[6]。接入面站间协同组网实现了有线连接与无线连接的回传，在前传和回传网络下提高移动性及抗干扰能力，提升了边缘用户的速率体验。
但随着小区中心距离的减小，密集部署的5G蜂窝网络节点较多，造成更多的小区间重叠[7]，移动的用户在重叠区域无缝切换，这些用户在受到严重的跨层干扰的同时产生了“潮汐效应”，热点产生流动的两小区间在实现“潮汐”功能的同时，用户速率整体下滑，小区功率利用率及频率利用率降低。为改善通信质量，结合多点协作传输技术将几个临近的处于相似移动状态用户虚拟成一个虚拟星系团，星系团集群的数量因场景而异，一个星系团中接收基站的许多射线构成一个簇，以用户最小传输速率为凸优化约束条件，最小化小区基站总功率。 1 5G双小区协作流动热点信道建模
1.1 模型介绍
在4G时代的移动现网中，潮汐效应广泛存在于高校宿舍楼区与教学区、工业园区与集中宿舍楼区等特殊场景下，随着5G无线通信网络的快速发展，小区半径大幅度减小，用户移动后就能极轻易跨越小区，加之海量连接，潮汐效应除存于以上特殊场景之外也将普遍存在于用户数较为密集的小区。合理的5G无线网络规划，虽能一定程度上解决特殊场景下用户迁移带来的潮汐效应，但是在速率以及资源利用率方面仍然达不到用户需求。本文通过建立一种基于几何的随机双小区协作信道模型（如图1所示），探究模型下用户移动的功率优化算法及其功率分配策略。
此模型是一种系统级模型，描述了双UMi小区协作视距LOS传播环境实现[9-10]。A小区为本地小区，服务基站为l，B小区为周边小区，服务基站为n，并且两个小区基站间交互信道信息和用户数据为用户提供联合传输服务，处在每个小区中的单天线用户都为这个小区的组播用户，A、B小区均配备3D MIM0 Ns根天线，其基站天线单元为s。i为小区l下的用户，j为小区n下的用户，用户均配备Nu根天线，其天线单元为u，i*是以用户i为中心的虚拟用户组接收的包含m根波束射线的波束簇，j*是以用户j为中心的虚拟用户组接收的包含m根波束射线的波束簇，认为簇内干扰已被消除，不考虑信道控制参数之间的相互依赖关系，且用户信道之间相互独立，并且服从瑞利平坦衰落[8]。
本地A小区基站到本地A小区用户i之间的信道信息为：
（1）
本地A小区基站到周边B小区用户j之间的信息为：
（2）
周边B小区基站到周边B小区用户J之间的信道信息为：
（3）
周边B小区基站到本地A小区用户I之间的信道信息为：
（4）
其中N为两个小区簇的总数目，用户簇均匀分布时每个小区有个簇，当有P个用户星系从小区n移动到小区l时，l小区簇的数目为+P，N小区簇的数目为-P，λ为载波波长，m表示每个簇内包含的射线数目，Fi，u，θ和Fi，u，φ是i用户天线u的垂直偏振和水平偏振辐射模式，Fj，u，θ和Fj，u，φ是j用户天线u的垂直偏振和水平偏振辐射模式，Fl，s，θ和Fl，s，φ是小区l天线单元s的垂直偏振和水平射振辐射模式，Fn，s，θ和Fn，s，φ是小区n天线单元s的垂直偏振和水平偏振辐射模式。
[αθθi*，m，αθφi*，m，αφθi*，m，αφφi*，m]是i*簇中射线m（简称i*，m）的四个极化对偏振增益，[αθθj*，m，αθφj*，m，αφθj*，m，αφφj*，m]是j*簇中射线m（简称j*，m）的四个极化对偏振增益，射线（i*，m）的到达角Ωi， i*，m和射线（ j*，m）的到达角Ωj， j*，m包含来自l小区的俯仰角θi*，l，m、θj*，l，m和方位角φi*，l，m、φj*，l，m以及来自n小区的俯仰角θi*，n，m、θj*，n，m和方位角φi*，n，m、φj*，n，m，与极化系数对应，离去角Ωl， i*，m和Ωn， i*，m包含俯仰角θl，i*，m、θl， j*，m和方位角φl， i*，m、φl， j*，m以及来自n小区的垂直俯仰角θn，i*，m、θn， j*，m和水平方位角、φn， j*，m，与极化系数对应，和分别是到达角和离去角单元矢量，和分别为u和s的位置矢量，Vi*，m是多普勒频率，τl，i*，m、τn，i*，m、τl，j*，m和τn，j*，m是射线（l，i*，m）、（n，i*，m）、（l， j*，m）和射线（n， j*，m）的时延。
对于两个最强的星系团，例如i*=1和2，射线以延迟的方式传播到三个子星系团（每个星系团），具有固定的延迟偏移量。如图2所示，挂高10 m的两基站l和n进行数据交互传输服务，挂高1 m的星系团i*=1和j*=1，小区的俯仰角角度相差小于3°（0°≤θl，i*，m-θn，i*，m≤3），均具有一定的时延，需要进行簇内延迟补偿。如果无线信道模型为动态信道，那么上述小尺度参量都是时变的，也就是t的函数。
1.2 小区用户状态信息推导
为了根据香农公式计算用户速率，需要求出用户的信干比（SINR），两小区下的不同用户处于两小区的某一位置时，用户星系级的用户状态信息是完全确定的，其在小区的用户状态信息也是确定的。
本地小区A用户i接收信号：
yl， i'=hHl， iwlSl， i+hHn， iwnSn， i+nl， i （5）
周边小区B用户j接收信号：
yn， j'=hHn， jwnSn， j+hHl， jwlSl， j+nn， j （6）
其中，wl：本地A小区基站发送信号的Nt×1波束赋形向量;Sl，i、Sl，j：本地A小区基站l发射信号用户i、j的数据流功率;wn：周边B小区基站发送信号的Nt×1波束赋形向量;nl，i：本地小区A第i个组播用户方差为σl， i的加性高斯白噪声;wn：周边B小区基站发送信号的Nt×1波束赋形向量;Sn，i、Sn，j：周边B小区基站n发射信号用户i、j的数据流功率;wl：本地A小区基站发送信号的Nt×1波束赋形向量;nn， j：周边小区B第j个组播用户方差为σn， j的加性高斯白噪声。
在此对簇i*下的用户i做分析，由（5）可知，小区间进行数据交互时用户的有用信号为hHl，iwl Sl，i+hHn，iwn Sn，i，不做数据交互不进行小区协作时hHn，iwnSn，i项由有用信号变为干扰信号，致使信噪比大幅度降低。
本地小区A用戶i接收信噪比：
（7）
周边小区B用户j接收信噪比： （8）
两小区信道间相互独立，并且不考虑第三个小区对用户产生干扰，故此时用户在两小区内所受的干扰噪声也是确定的（假设信道为标准静态信道）。
本地小区A用户i传输速率：
Rl，i=log2（1+SINR（L）l，i ） （9）
周边小区B用户j传输速率：
Rn，j=log2（1+SINR（N）n，j ） （10）
本地小区A系统容量：
（11）
其中，bl：复用增益（与波束赋形数成正比）;Wl：带宽;nl：负载因子（与服务用户数成正比）。
周边小区B系统容量：
（12）
其中，bn：复用增益（与波束赋形数成正比）;Wn：带宽;nn：负载因子（与服务用户数成正比）。
1.3 模型波束賦形策略及其功率优化推导
基于两基站协作的3D MIMO波束赋形策略，凸优化条件约束表达如下。
本地小区组播用户传输速率的优化条件如（13）、（14）：
min||wl||2+min||wn||2 （13）
s.tRl，i≥γ l，k （14）
引入共轭转置矩阵上式可化为：
≥2γl （16）
s.tRn，j≥γ n，k （17）
≥2γn （18）
引入共轭转置矩阵后上式可化为：
≥2γn （19）
组播用户公平性原则为：
γl=γn=γ （20）
问题可通过转化为一个二次约束二次规划非凸问题，可通过半镇定松弛算法得到优化解，舍去矩阵的秩为1的非凸条件后松弛后的线性表达式为：
mintl+mintn （21）
（tl+tn）-2[tr（wlwlH）+tr（wnwnH）]=0 （22）
tr（wnwnH）≥0，tr（wlwlH）≥0 （23）
由（23）形式的半定规划问题知存在着两个变量wl，wn，可先固定其中一个变量的值分析另外一个变量，当tr（wlwlH）=1时可求出最优解，w^l，w^n，当tr（wlwlH）≠1时可求出近似最优解w^l，w^n，文献[2]已对该问题给出证明在此不做累述，综上得出结论：
minSl+minSn （24）
（25）
（26）
对式（24）、（25）、（26）求解可求得原始问题功率的最优解S*l、S*n及波束赋形向量w*l、w*n，即保证用户速率始终在γ以上的最优功率S*l、S*n及波束赋形向量w*l、w*n。
上述方法计算较为复杂，对每个用户借助参考信号计算一个簇级的信道估计[11]，对l小区用户i，Vl，i是用来表示产生信道状态信息（CSI），其中欧几里得范数||Vl，i||2=1，用户i信道均衡后多输入单输出的SINR反馈为：
HHl，i=hHl，iVl，i （27）
（28）
估计w^l，时与项|HHn，iw^nSn|2无关，即为0：
w^l （29）
估计w^n时与项|HHl，iw^lSl|2无关，即为0：
（30）
1.4 模型潮汐效应推导
根据潮汐效应小区的话务量曲线特性，设出两个小区间潮汐效应明显的两个分布函数fl（x）、fn（x）、，根据采用算法前后两小区同一时间点业务的高低对比，可以判定小区的潮汐效应改善情况[12]。
模型下话务特性曲线如下：
（31）
（32）
定义ψ为两小区t1到t2时间内话务量差：
dx （33）
分析式（31）、（32）、（33）知f是关于I、J的反比函数且是R的正比函数，对于l小区、n小区中每个小区下的射线簇例如i*=1和j*=1都有三个子星系团簇内映射i*1，2、i*1，3和i*1，1、i*1，2、i*1，3，射线以延迟的方式传播到三个星系团（每个星系团），具有固定的延迟偏移量。子簇的映射信息如表1。
n小区有P个用户星系进入小区l，由于小区基站的数据交互，射线的映射关系也与之对应，即有p个较小子集j*1，3进入小区l，对含有i1个用户的簇i*=1，话务特性曲线fl（I，Rl，i1）为fl（i1+p， i*1，m）+fn（i1+p， j*1，3），为fn（ j1-p， j*1，1+ j*1，2），对含有j1个用户的簇j*=1，话务特性曲线fn（I，Rn， j1）为fn（ j1-p， j*1，1+ j*1，2）;而不使用算法时，话务特性曲线f^l（I，Rl，i1）为fl（i1+p， i*1，m），对含有j1个用户的簇j*=1，话务特性曲线f^n（I，Rn，j1）为fn（ j1-p， j*1，1+ j*1，2+ j*1，3），对ψ， αx、dx，得出ψ-ψ^<0，ψ的值相对不使用算法值减小，说明小区潮汐效应被明显消除。
2 结论
针对5G双小区协作流动热点补偿研究问题，在两个小区间对单个流动热点建立系统模型，针对模型下推导出两种功率优化算法，推出最优的双小区协作流动热点补偿波束赋形策略以及基站的最小发射功率算法，算法减小了小区时段性的话务量差，降低了两小区的潮汐效应。为后期对5G多小区较为复杂的场景做进一步研究提出思路，当小区中构成单个流动热点的用户数降低时，流动热点数目会随之增多，用户虚拟化方案迎来新的挑战。当有不同方向的流动热点时，可从小区间的一对一协作过度至一对多的协作，小区功率调度随之更加灵活。同频组网虚拟化多个用户时考虑近频用户间的干扰，进一步做出系统软容量的优化方案、实现最传输速率和系统容量的折中等情况。 参考文献：
[1] 黄钟明. 5G网络架构设计与标准化进展[J]. 信息通信， 2018（4）： 275-276.
[2] 冯远航. 蜂窝网全双工中继协作组播的传输策略与功率优化技术研究[D]. 北京： 北京交通大学， 2018.
[3] K I Pedersen， Y Wang， S Strzyz， et al.Enhanced Inter-Cell Interference Coordination in Co-channel Multi-layer LTE-Advanced Networks[C]//IEEE Commu.， 2013： 120-127.
[4] 李雪瑩. 密集异构网络中多点协作技术研究[D]. 北京： 北京邮电大学， 2017.
[5] 胡丹. 4G/5G无线链路及覆盖差异探讨[J]. 移动通信， 2019，43（7）： 86-90.
[6] 朱晨鸣，王强，李新，等. 5G：2020后的移动通信[M]. 北京： 人民邮电出版社， 2016（9）： 163-166.
[7] 闫丽生. 5G系统技术标准与进展[J]. 电信工程技术与标准化. 2015，28（4）： 43-47.
[8] 孙健，张文胜，王承祥. 5G高频段信道测量与建模进展[J]. 电子学报， 2017，28（4）： 227-238.
[9] IST-4027756 V1.2 09. WINNER II D1.1.2 Channel Models[R/OL]. （2015-01-05）[2019-08-18]. http：//wenku.baidu.com/view/2f3cbd187e21af45b307a8e9.html.
[10] 3GPP. 3GPP TR 38.901： Study on channel model for frequencies from 0.5 to 100 GHz[S]. 2018.
[11] 芦承昱. 基于基站协作的3D-MIMO波束赋形技术研究[D]. 成都： 电子科技大学， 2018.
[12] 高盛昌. 一种移动通信容量潮汐效应的判定方法及解决方案[J]. 中国新通信， 2018： 34-35.
作者简介
苏树盟（orcid.org/0000-0001-5930-8446）：昆明理工大学城市学院信息工程系通信工程专业在读本科生，从事无线通信算法研究工作。
赵珂（orcid.org/0000-0003-1668-3216）：讲师，硕士毕业于成都理工大学，现任职于昆明理工大学城市学院信息工程系，从事无线通信算法研究和通信工程专业教学相关工作。
转载注明来源:https://www.xzbu.com/8/view-15153101.htm
