CN103402212B - 宏蜂窝用户mue选择飞蜂窝用户fue协助中继的方法 - Google Patents

Abstract

本发明提供了一种宏蜂窝用户MUE选择飞蜂窝用户FUE协助中继的方法，包括如下步骤：第一步：多个MUE与多个FUE采取合作传输模式，并规定时隙分配协议；第二步：计算不同FUE为每个MUE中继的效用；第三步：每个MUE根据效用参数按序选择FUE中继集合；第四步：若存在FUE被多个MUE选择，遍历所有可能的选择组合方案，将MUE效用增量积最大的方案确定为最优策略，并根据所述策略确定每个MUE的中继选择集合。本发明在存在多个FUE的频谱独占网络中，指导多个MUE有效地选择FUE协助中继，同时兼顾MUE间的公平性，相较全排列算法具有较低的运算量和较好的性能。

Description

宏蜂窝用户MUE选择飞蜂窝用户FUE协助中继的方法

技术领域

本发明涉及通信技术领域，具体地，涉及一种宏蜂窝用户MUE选择飞蜂窝用户FUE协助中继的方法。

背景技术

基于人们对于更高无线传输速率、更广无线覆盖以及“绿色无线电”中更低能耗的要求，飞蜂窝（Femtocell）在学术和工业界引起了广泛关注。飞蜂窝接入点设置在家中，作为中继帮助远离宏基站的用户接入核心网，减少了宏蜂窝（Macrocell）用户的能耗。然而，为了保存自身的容量和回程线路，很多时候飞蜂窝拥有者倾向在上行链路采取封闭式接入，例如在宏蜂窝-飞蜂窝频谱独占网络中。当宏蜂窝-飞蜂窝采取合作策略时，若一个宏蜂窝用户（MUE）运动到宏蜂窝小区边缘，但接近飞蜂窝覆盖区域，可以雇佣一些信道条件较好的飞蜂窝用户（FUE）帮助中继。由于飞蜂窝接入点（FAP）与宏蜂窝基站（MBS）之间通过有线连接，MUE可以由FUE协助中继数据至FAP，从而实现数据传输。这克服了MUE直接向MBS传输时信道质量差的问题，帮助MUE节省了能耗。同时，这些提供服务的FUE得到MUE传输结构中的部分时间作为回报来传输自己的数据。这样的合作模式为MUE和FUE创造了共赢的局面。

近年，关于MUE-FUE合作问题引起了人们广泛和深入的研究，合作的稳定性和服务质量的关键在于一套细致而有效的资源分配机制。经对现有技术文献的检索发现，LinjieDuan，JianweiHuang和BiyingShou将在2013年IEEETransactionsonMobileComputing上发表的“Economicsoffemtocellserviceprovision”（飞蜂窝提供服务的经济学）一文中，借助Stackelberggame的子博弈完美均衡，研究了移动运营商在当前宏蜂窝服务之上引入飞蜂窝服务的经济学动机。

但是上述技术并没有在考虑最大化所有MUE整体利益的同时，考虑MUE之间的公平性。考虑公平性的纳什讨价还价问题是NP-hard问题，现有的穷举算法因为计算量过大，很难在实际环境中实现。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种宏蜂窝用户MUE选择飞蜂窝用户FUE协助中继的方法，保证整体利益最大化的基础上公平地分配多个FUE的策略。

根据本发明的一个方面，提供一种宏蜂窝用户MUE选择飞蜂窝用户FUE协助中继的方法，其特征是，包括如下步骤：

第一步：多个MUE与多个FUE采取合作传输模式，并规定时隙分配协议；

第二步：计算不同FUE为每个MUE中继的效用；

第三步：每个MUE根据效用参数按序选择FUE中继集合；

第四步：若存在FUE被多个MUE选择，遍历所有可能的选择组合方案，将MUE效用增量积最大的方案确定为最优策略，并根据所述策略确定每个MUE的中继选择集合。

优选地，所述第一步中的合作传输模式规定每个时隙分为三部分：MUE向FUE广播数据的部分α，FUE帮MUE中继至飞蜂窝接入点FAP部分(1-α)β，以及FUE接收MUE补偿用于传自己数据的部分(1-α)(1-β)。

优选地，所述第二步中，记频谱独占网络中MUE的个数为M，FUE的个数为N，记其中的某一个MUE为MUE_m,m=1,2,…M，某一个FUE为FUE_n,n=1,2,…N，根据中继后的传输速率，计算各个FUE帮助每个MUE中继的效用值，MUE_m选择FUE中继集合时的效用等于单独雇佣中继的所有效用之和，计算FUE_n对于MUE_m的距离d_m,n，得到FUE_n对于MUE_m的效用-距离积

优选地，所述第三步中，每个MUE根据距离d_m,n由小到大选择FUE，并依次计算累积效用-距离积每个MUE找到一个能够均匀划分网络中效用-距离积总和的支点μ_m，每个MUE_m得到一个FUE中继子集使中所有FUE的累积效用-距离积不大于μ_m。

与现有技术相比，本发明具有如下的有益效果：

在存在多个FUE的频谱独占网络中，指导多个MUE有效地选择FUE协助中继，同时兼顾MUE间的公平性，相较全排列算法具有较低的运算量和较好的性能。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1是本发明的流程图；

图2是本发明的宏蜂窝和飞蜂窝场景示意，以及MUE与FUE非合作方式（独立传输）和合作方式（MUE雇佣FUE协作中继）的对比情况；

图3是某实例中采用本方法时MUE中继选择的结果；

图4是某实例中采用全排列法时MUE中继选择的结果；

图5采用本方法时MUE效用增量与采用全排列最优或随机选择方法时的数值对比；

图6是FUE数量对MUE平均效用增量积的影响。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。

参见图1，本发明宏蜂窝用户MUE选择飞蜂窝用户FUE协助中继的方法包括以下步骤：

步骤一，多个MUE和多个FUE构成频谱独占网络，MUE、FUE之间采用合作传输模式，并规定时隙使用协议。MBS和FAP均连接在核心网上（图中步骤S01）。

MBS、FAP及其覆盖领域，多个MUE和多个FUE组成的系统模型如图1。当MUE-FUE采用合作模式时，每个MUE/FUE时隙分为三个部分：MUE到FUE的传输部分α，FUE帮MUE中继部分(1-α)β，以及MUE补偿FUE用于传自己数据的部分(1-α)(1-β)。在MUE向FUE传输数据部分，每个MUE向周边的FUE广播数据。广播数据采用频分复用的方式，每个FUE只接收对应频段的数据。在FUE中继部分，FUE采用前向放大（AF，amplifyandforward）方式，归一化其接收到的数据，再根据先进先出的原则将数据传输到FAP。

步骤二，计算不同FUE为每个MUE中继的效用及相关参数（图中步骤S02）。

考虑到每个MUE都了解网络中所有FUE帮助其中继的全部信息，例如传输功率、信道质量和噪声水平等。不同FUE帮MUE中继的效用是不同的，如FUE_n帮MUE_m中继的效用为

$U_m^n=\mathrm{\τ}{B}_n\log (1+\frac{{\left|{\mathrm{\α}}_{m,n}{h}_{m,n}{h}_{n,a}\right|}^2{P}_m}{{|1+{\mathrm{\α}}_{m,n}{h}_{n,a}|}^2{\mathrm{\σ}}^2}).$ 式一

其中，τ=α(1-α)β是合作后的时间系数，B_n是FUE_n帮MUE中继时的带宽，α_m,n是FUE段的归一化因子，h_m,n、h_n,a分别是MUE_m到FUE_n和FUE_n到FAP的信道增益，P_m是MUE_m的传输功率。在这里我们假设噪声为加性高斯白噪声，其方差为σ²。由于MUE采用频分复用方式且FUE们在中继传输时占用独立的信道，MUE_m在FUE中继集合下的效用等于单独雇佣中继的所有效用之和：

式二

为了平衡个人利益和整体公平性，我们针对中继选择问题提出纳什讨价还价解，即：

式三

其中是FUE集合的一种可能分割，U_m是在此分割下MUE_m的效用。d_m是当讨价还价失败时MUE_m的效用，在此等同于MUE_m直接向MBS传输时的数据率：

$d_m=B_m\log (1+\frac{{\left|h_{m,b}\right|}^2{P}_m}{{\mathrm{\σ}}^2})$ 式四

其中B_m是MUE_m直接传输时的带宽，h_m,b是MUE_m到MBS的信道增益。

每个MUE根据式一计算任一FUE_n帮其中继的效用在欧式几何范畴中，讨价还价博弈可以用空间博弈来表达。计算每个FUE_n对于MUE_m的距离d_m,n：

$d_{m,n}=\frac{1/U_m^n}{\underset{m}{\mathrm{\Σ}}(1/U_m^n)}.$ 式五

类似于杠杆系统中的力矩的概念，我们得到任一中继FUE_n对于MUE_m的效用-距离积：

${\mathrm{\φ}}_m^n=U_m^n\·d_{m,n}.$ 式六

步骤三，每个MUE根据参数按序选择FUE中继集合（图中步骤S03）。

每个MUE根据距离d_m,n由小到大选择FUE，并依次计算累积效用-距离积，即距离MUE_m小于FUE_n的所有FUE的效用-距离积之和：

式七

类比于杠杆系统，每个MUE需要找到一个能均匀划分网络中效用-距离积总和的支点，该支点满足：

式八

每个MUE根据上式确定其支点位置。因此每个MUE_m得到一个FUE中继子集，使得中FUE的累积效用-距离积不大于μ_m，即：

式九

步骤四，若存在FUE被多个MUE选择，遍历所有可能的选择组合方案，最优策略为MUE效用增量积最大的方案（图中步骤S04）。

定义最大效用增量积P_UG^*=0。对于任何FUE属于一个以上的列举所有可能的分割组合，循环：

计算当前分割情况下的效用增量积P_UG。

如果P_UG>P_UG^*，则令P_UG^*=P_UG,并更新最优策略为当前分割方法。

循环完毕

最终，每个MUE根据最优策略确定其中继选择集合

如图2所示，是本发明的宏蜂窝和飞蜂窝场景示意图。其中三个MUE（与FUE）采用非合作模式，三个MUE（与FUE）采用合作模式。

在非合作模式中，MUE利用整个时隙直接向MBS传数据，而FUE须等待。在合作模式中，每个时隙的前α部分MUE向FUE广播传输，接下来的(1-α)β部分FUE帮MUE中继数据至FAP，最后(1-α)(1-β)部分FUE用的MUE补偿传输自己数据。

图3至图6为某实例下多种中继选择方法的结果和参数对比。

本实例的环境参数为：

6个MUE和9个FUE均匀地分布在以(0,0)为起点的1×1正方形地理区域范围内，MBS在(2,2)而FAP在(0.5,0.5)。每个MUE的传输带宽为10，FUE传输带宽由均匀划分服务MUE的带宽得到。传输功率P_m=1，噪声水平σ²=1，参数α=0.5，参数β=0.5。一般地，每个传输对间的信道增益与它们的间距成反比。为了突出FUE-FAP间的传输质量，它们之间的信道增益被乘上一个0至10间均匀分布的因子。除本方法之外，本实例还考虑了两种对比方法：全排列法和随机选择法。全排列法是指对于式三中的纳什讨价还价解，遍历所有可能的选择组合方案，寻找最大的MUE效用增量积，并记录对应的选择方案为最优策略。由于遍历所有组合，全排列法的计算复杂度较高（M^N次）。随机选择法是指随机地为各个MUE分配中继集合，因此只需一次分配即可。

图3和图4对比了本方法和全排列法下MUE中继选择的不同结果。本方法下，MUE₂、MUE₃和MUE₄选择的FUE中继个数分别为2、2和2；而全排列法下MUE₂、MUE₃和MUE₄选择的FUE中继个数分别为1、2和3。MUE₁、MUE₅和MUE₆在两种方法下的中继选择完全一致。

如图5所示，采用不同方法时各MUE的效用有明显差异。本方法下MUE₂的效用增量高于全排列法，全排列法下MUE₃和MUE₄的效用增量高于本方法，而本方法下MUE₁、MUE₅和MUE₆的效用增量等同于全排列法。然而对于随机选择法，因为MUE₁得到了过多的FUE协助，所以有较高的效用增量，而MUE₂到MUE₆的效用增量均为负值。

通过分别改变FUE的数量，本实施例中还测试了该参量对MUE效用增量积的影响。如图6所示，固定MUE的数量为4个，令FUE的数量从4增长到9，得到三种方法下MUE平均效用增量积随FUE数量变化的曲线。例如图中坐标为（6,0.59）的代表了当MUE、FUE的数量分别为4和6，MUE平均效用增量积约为0.59。图中的所有效益结果都是通过100次重复实验得到的结果的平均。

当FUE的数量增长时，本方法和全排列法下的MUE效用增量积均有所增加。在FUE的数量达到5之前，本方法的增长率较慢，之后则有显著增加。当FUE的数量增加到5之后，本方法与全排列法下MUE效用增量积的差距不断缩小。当有9个FUE时，本方法的MUE效用增量积大约达到全排列法的90%。而对于随机选择法，其MUE效用增量积始终在0附近徘徊。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (1)

1.一种宏蜂窝用户MUE选择飞蜂窝用户FUE协助中继的方法，其特征在于，包括如下步骤：

第一步：多个MUE与多个FUE采取合作传输模式，并规定时隙分配协议；

第二步：计算不同FUE为每个MUE中继的效用；

第三步：每个MUE根据效用参数按序选择FUE中继集合；

第四步：若存在FUE被多个MUE选择，则遍历所有可能的选择组合方案，将MUE效用增量积最大的方案确定为最优策略，并根据所述最优策略确定每个MUE的中继选择集合；

所述第一步中的合作传输模式规定每个时隙分为三部分：MUE向FUE广播数据的部分α，FUE帮助MUE中继至飞蜂窝接入点FAP的部分(1-α)β，以及FUE接收MUE补偿用于传自己数据的部分(1-α)(1-β)，其中，α、β均为参数；

所述第二步中，记频谱独占网络中MUE的个数为M，FUE的个数为N，记其中的某一个MUE为MUE_m,m＝1,2,…M，某一个FUE为FUE_n,n＝1,2,…N，根据中继后的传输速率，计算各个FUE帮助每个MUE中继的效用值，MUE_m选择FUE中继集合N_m时的效用等于单独雇佣中继FUE_n(n∈N_m)的所有效用之和，计算FUE_n对于MUE_m的距离d_m,n，得到FUE_n对于MUE_m的效用-距离积；

所述第三步中，每个MUE根据距离d_m,n由小到大选择FUE，并依次计算累积效用-距离积每个MUE找到一个能够均匀划分网络中效用-距离积总和的支点μ_m，每个MUE_m得到一个FUE中继子集C_m，使C_m中所有FUE的累积效用-距离积不大于μ_m。