0 引言

    未來80%的數據將在室內和熱點區域產生，覆蓋、頻段和制式分層的異構網絡(Heterogeneous Network，HetNet)是應對流量需求的必然選擇。HetNet架構呈低功率、多天線的特征，一般用同頻部署提高頻譜效率，但同時也導致同層和跨層干擾以及低功率基站的不規則部署和密集分布，使子載波最優配置變得困難。鑒于此，本文對HetNet中已有的典型子載波配置算法進行了分析比較，進而提出用預測機制實現子載波自組織配置的改進算法。

1 子載波分配機制的現狀分析

    HetNet中有較嚴重干擾，有效的子載波配置可減小同層和跨層干擾^[1]。子載波分配方式有集中式和分布式。集中式分配隨低功率基站的增加，宏基站的計算開銷顯著增大。分布式分配可應對低功率基站大量部署和分布不均的問題，但不保證子載波分配的合理性。德州大學研究人員用泊松點過程描述網絡拓撲變化，準確描述了低功率基站部署的隨機性和密集性^[2]。韓國研究人員提出的低復雜度子載波分配算法提高了數據速率^[3]。文獻[4]的子載波分配機制有較好的QoS性能和頻譜效率。低功率基站與宏基站也可工作于不同頻段^[5]，但這會使頻譜利用率較低，故可考慮部分頻率復用^[6]。

2 子載波分配機制的改進方法

    HetNet中子載波自組織分配的改進算法先預測分層小區的子載波狀態，根據預測結果對低功率基站分簇，進而協作完成子載波最優分配。

    偏差b可用Karush-Kuhn-Tucker(KKT)條件計算。

    將最小二乘引入支持向量機，優化指標用ξ的平方函數表示，用等式約束代替標準支持向量機的不等式約束^[8]，于是有：

    如此簡化了計算復雜度，求解速度相對加快。

    進一步引入Largrange函數求解優化問題：

其中a_n是Largrange乘子。根據KKT條件得到^[3]：

    對于n=1，2，…，N，消去w和ξ得線性方程：

    求解得到參數a_N(n=1，2，…，N)和b，則最優回歸估計函數為：

    低功率基站通過子載波預測獲得可用子載波集，預測結果重疊會造成同層干擾，可利用因子圖對低功率基站進行自組織分簇。預測結果相似度高的在同一簇，由簇頭進行子載波分配以降低干擾。設A_i為第i個低功率基站預測的可用子載波集，定義第i個和第j個低功率基站間相似度為：

其中|·|為兩個低功率基站預測結果中相同的子載波個數；P_ij為兩個低功率基站間路徑損耗和陰影衰落的影響；s_ij是自相似度，表征低功率基站作為簇頭的能力。P_ij為大尺度衰落影響，故s_ij對瞬時信道變化不敏感，這使簇的拓撲相對穩定。

其中n(x)為連接到x的功能節點集合，n(f)為連接到f的變量節點集合，x為1×|n(f)|向量。

    利用分支定界法可以求得最優問題的解。

3 仿真結果

    本節給出HetNet中兩種子載波分配機制的仿真結果，一是傳統的分布式子載波分配機制，二是本文提出的改進的子載波分配機制。仿真場景設置如下：宏基站1個，發射功率為40 W；家庭基站2個，發射功率均為0.1 W；宏基站帶寬5 MHz，2個家庭基站的總帶寬也是5 MHz。背景噪聲功率譜密度-174 dBm/Hz，噪聲系數9 dB。假設宏基站、家庭基站和終端均按獨立泊松點過程隨機分布，其密度分別為λ₁=(π500²)^-1/m²、λ₂=2λ₁和λ_u=5~45λ₂。

    圖1給出了改進機制與傳統機制用戶遍歷速率對比圖，圖2給出了改進機制與傳統機制網絡吞吐量的對比圖。易見，本文提出的機制由于改進了資源利用率和頻譜效率，有效抑制了干擾，其用戶速率和網絡吞吐量性能比傳統機制有較明顯提升。

4 結束語

    本文考慮子載波占用狀態的連續波動性，引入最小二乘支持向量機模型構建區域子載波占用預測態勢圖，再根據預測結果進行低功率基站的動態分簇和協同資源調配，設計了HetNet中一種改進的子載波自組織分配算法。分析與仿真結果表明：相對已有的HetNet分布式子載波分配機制，本文提出的算法有效減小了干擾，提高了頻譜效率。

參考文獻

[1] LOPEZ-PEREZ D，GUVENC I，ROCHE G，et al.Enhanced intercell interference coordination challenges in heterogeneous networks[J].IEEE Wireless Communication，2011，18(3)：22-30.

[2] DHILLON H S，GANTI R K，BACCELLI F，et al.Modeling and analysis of K-tier downlink heterogeneous cellular networks[J].IEEE Journal on Selected Areas in Communication，2012，30(3)：550-560.

[3] XUE P，GONG P，JAE H P，et al.Radio resource management with proportional rate constraint in the heterogeneous networks[J].IEEE Transactions on Wireless Communication，2012，11(3)：1066-1075.

[4] CHANDRASEKHAR V，ANDREWS J G.Spectrum allocation in tiered cellular networks[J].IEEE Transactions on Communications，2009，57(10)：3059-3068.

[5] DAMNJANOVIC A，MONTOJO J，WEI Y，et al.A survey on 3GPP heterogeneous networks[J].IEEE Wireless Communications，2011，18(3)：10-21.

[6] NOVLAN T D，GANTI R K，GHOSH A，et al.Analytical evaluation of fractional frequency reuse for heterogeneous cellular networks[J].IEEE Transactions on Communications，2012，60(7)：2029-2039.

[7] VLADIMIR N V.The nature of statistical learning theory[M].New York：springer-verlag，2000.

[8] CRISTIANINI N，SHAWE-TAYLOR J.An introduction to support vector machines and other Kernel-based learning methods[M].Cambridge University Press，2000.