论文部分内容阅读
随着移动通信技术的快速发展和互联网应用的兴起,数据业务的类型不断丰富,业务流量呈爆炸式增长,人们对服务质量(Quality of Service, QoS)的要求不断提高。为此,在原有宏基站部署的基础上叠加一些低功率节点,组成异构网络(Heterogeneous Networks, HetNets),从而减小基站和用户之间的距离,增大用户的信干噪比,提升网络性能。异构网络中,小区间干扰是干扰的主要来源,而不同类型的低功率节点造成的干扰问题有着不同的特点。宏基站和Pico基站同频组网下,针对Pico基站功率较小导致覆盖范围较小、负载卸载能力不强的情况,3GPP (3rd Generation Partnership Project)采用小区范围扩展(Cell Range Expansion, CRE)技术扩大Pico基站覆盖范围,实现负载均衡,并提出基于几乎全空子帧(Almost Blank Subframe, ABS)的时域干扰协调方案,包括全空ABS和低功率ABS,降低Pico基站CRE用户所受干扰。另外,资源管理问题和干扰问题关系紧密,可以通过有效的资源分配、调度以及功率控制等方法降低干扰,满足用户的QoS需求,提升网络性能。本文主要研究宏基站和Pico基站同频组网下的时域干扰协调与资源分配方案,主要贡献如下:1)针对宏基站ABS期间的低功率设置以及网络资源分配问题,建立优化模型,在满足用户QoS速率需求条件下,最大化网络吞吐量的效用。然后提出一种联合资源分配与ABS功率控制(Resource Allocation and ABS Power Control, RA-APC)的算法。算法在网络资源分配和宏基站ABS功率控制两个子问题之间来回迭代,并得到原问题的一个局部最优解。之后证明了算法的收敛性。仿真结果表明算法具有较快的收敛速度,相比于全空ABS能够更好地利用宏基站时域资源,获得更优的网络性能。2)不同位置的Pico基站覆盖范围及周围用户分布不同,加上用户移动导致用户位置的动态变化,每个Pico基站应该设置各自的CRE偏置。联合考虑Pico基站CRE偏置设置、宏基站ABS功率控制,并针对用户不同业务的QoS需求,提出一种基于Q学习的时域干扰协调与资源分配方案。Q学习算法中,基站作为学习者,通过与环境不断交互,学习设置相关的网络参量,包括ABS低功率以及CRE偏置,并通过Q值表的更新不断逼近最优策略。仿真表明采用Q学习算法动态设置网络参量,有助于系统性能的提升。