0 引言

    未来80%的数据将在室内和热点区域产生，覆盖、频段和制式分层的异构网络(Heterogeneous Network，HetNet)是应对流量需求的必然选择。HetNet架构呈低功率、多天线的特征，一般用同频部署提高频谱效率，但同时也导致同层和跨层干扰以及低功率基站的不规则部署和密集分布，使子载波最优配置变得困难。鉴于此，本文对HetNet中已有的典型子载波配置算法进行了分析比较，进而提出用预测机制实现子载波自组织配置的改进算法。

1 子载波分配机制的现状分析

    HetNet中有较严重干扰，有效的子载波配置可减小同层和跨层干扰^[1]。子载波分配方式有集中式和分布式。集中式分配随低功率基站的增加，宏基站的计算开销显著增大。分布式分配可应对低功率基站大量部署和分布不均的问题，但不保证子载波分配的合理性。德州大学研究人员用泊松点过程描述网络拓扑变化，准确描述了低功率基站部署的随机性和密集性^[2]。韩国研究人员提出的低复杂度子载波分配算法提高了数据速率^[3]。文献[4]的子载波分配机制有较好的QoS性能和频谱效率。低功率基站与宏基站也可工作于不同频段^[5]，但这会使频谱利用率较低，故可考虑部分频率复用^[6]。

2 子载波分配机制的改进方法

    HetNet中子载波自组织分配的改进算法先预测分层小区的子载波状态，根据预测结果对低功率基站分簇，进而协作完成子载波最优分配。

    偏差b可用Karush-Kuhn-Tucker(KKT)条件计算。

    将最小二乘引入支持向量机，优化指标用ξ的平方函数表示，用等式约束代替标准支持向量机的不等式约束^[8]，于是有：

    如此简化了计算复杂度，求解速度相对加快。

    进一步引入Largrange函数求解优化问题：

其中a_n是Largrange乘子。根据KKT条件得到^[3]：

    对于n=1，2，…，N，消去w和ξ得线性方程：

    求解得到参数a_N(n=1，2，…，N)和b，则最优回归估计函数为：

    低功率基站通过子载波预测获得可用子载波集，预测结果重叠会造成同层干扰，可利用因子图对低功率基站进行自组织分簇。预测结果相似度高的在同一簇，由簇头进行子载波分配以降低干扰。设A_i为第i个低功率基站预测的可用子载波集，定义第i个和第j个低功率基站间相似度为：

其中|·|为两个低功率基站预测结果中相同的子载波个数；P_ij为两个低功率基站间路径损耗和阴影衰落的影响；s_ij是自相似度，表征低功率基站作为簇头的能力。P_ij为大尺度衰落影响，故s_ij对瞬时信道变化不敏感，这使簇的拓扑相对稳定。

其中n(x)为连接到x的功能节点集合，n(f)为连接到f的变量节点集合，x为1×|n(f)|向量。

    利用分支定界法可以求得最优问题的解。

3 仿真结果

    本节给出HetNet中两种子载波分配机制的仿真结果，一是传统的分布式子载波分配机制，二是本文提出的改进的子载波分配机制。仿真场景设置如下：宏基站1个，发射功率为40 W；家庭基站2个，发射功率均为0.1 W；宏基站带宽5 MHz，2个家庭基站的总带宽也是5 MHz。背景噪声功率谱密度-174 dBm/Hz，噪声系数9 dB。假设宏基站、家庭基站和终端均按独立泊松点过程随机分布，其密度分别为λ₁=(π500²)^-1/m²、λ₂=2λ₁和λ_u=5~45λ₂。

    图1给出了改进机制与传统机制用户遍历速率对比图，图2给出了改进机制与传统机制网络吞吐量的对比图。易见，本文提出的机制由于改进了资源利用率和频谱效率，有效抑制了干扰，其用户速率和网络吞吐量性能比传统机制有较明显提升。

4 结束语

    本文考虑子载波占用状态的连续波动性，引入最小二乘支持向量机模型构建区域子载波占用预测态势图，再根据预测结果进行低功率基站的动态分簇和协同资源调配，设计了HetNet中一种改进的子载波自组织分配算法。分析与仿真结果表明：相对已有的HetNet分布式子载波分配机制，本文提出的算法有效减小了干扰，提高了频谱效率。

参考文献

[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.