CN104955161A - 异构网络中基于femtocell分簇和宏用户调度的干扰协调方法 - Google Patents

Abstract

本发明公开了一种异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，采用异构网络中的femtocell分簇和宏用户调度的干扰协调，femtocell感知到周围是否存在宏用户，在每个宏用户周围形成femtocell干扰簇，请求接入网络的宏用户所对应的干扰簇通过反馈链路向宏基站报告反馈信息，宏小区根据反馈信息选择一组K备选的宏用户进行调度，宏小区依据当前时隙的宏用户的信道信息，选择K-1个宏用户传输数据，并通知剩余宏用户对应的干扰簇在时隙正常通信，重复对宏用户调度，直至完成整个调度。本发明不仅保证了macrocell的覆盖范围，与现有技术相比可以实现更加高效的频谱和功率利用率。

Description

异构网络中基于femtocell分簇和宏用户调度的干扰协调方法

技术领域

本发明属于无线通信网络技术领域，尤其涉及一种异构网络中基于femtocell分簇和宏用户调度的干扰协调方法。

背景技术

随着无线数据量的爆炸式增长及人们对于数据速率需求的不断提升，对无线蜂窝网络的部署和设计提出了新的要求。小区分裂能够增大网络容量，smallcell出现，尤其是femtocell(家庭基站)能使用户端到基站端的距离大大减小，从而降低了路径损耗。另一方面，在宏小区端部署大规模天线(massive MIMO)能够增加天线的空间自由度，增加链路增益和可靠性。大规模天线系统能够使天线的辐射能量集中到某些特定的区域，从而增强期望用户的信号功率，降低对非期望用户的干扰。因此，部署大规模天线的宏小区和femtocell共存的异构网络不但能够提供可靠的室外覆盖，同时能弥补宏小区对室内覆盖的不足，增加系统的容量和用户的满意度。然而，在这种网络结构中，宏小区和femtocell使用相同的频谱资源，跨层干扰(宏小区和femtocell之间的干扰)是威胁系统性能的主要原因之一。

目前，有几种主要的技术削减这类干扰：一是干扰消除技术，这种技术是对接收到的混合信号进行处理，从中去除干扰成分，这种技术需要知道干扰信号的先验知识。另一种是干扰避免技术，这种技术使相互干扰的各方使用相互正交的资源(例如：频率，时间，码字或空间)，从而起到干扰避免的作用。现有的四种干扰削减技术：

1.消除异构网中的干扰最简单的就是进行功率控制。如果一个femtocell基站的传输功率能够完全控制，而不会泄露到室外，那么就会有效的保护macrocell的数据传输。例如室内分布系统中的功率控制技术。然而，这种控制方式是非常复杂而且耗费时间的。

2.为了消除交互层的干扰，有一种下降链路资源分配算法。Macrocell可以将频谱资源划分为三个部分，分别归属femtocell使用部分和macrocell部分以及公用部分。并且用优化的方法决定了三者的比例。

3.一种认知的方法解决交互层干扰。通过感知周围的无线环境，通过overlay和underlay的方式进行频谱共享，来消除交互层的干扰。

4.(Aliging guard zone coordination scheme)一种具有认知能力的femtocell的异构网中消除干扰的算法。在此算法中femtocell需要形成一些保护区域，这会降低通信网络的空间利用率。

前三种提到的干扰消除技术具有各自的局限性，并且它们只考虑了频率域和只存在单个用户的情况。第四种协议会丢失一些用户的多样性增益，并且在保护区的femtocell不能传输数据。

发明内容

本发明的目的在于提供一种异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，旨在解决现有干扰避免协作方法存在的macrocell的覆盖范围较小，频谱和功率利用率操作复杂的问题。

本发明是这样实现的，一种异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，所述异构网络中基于femtocell分簇和宏用户调度的干扰协调方法采用在部署大规模天线的宏小区和femtocell共存的异构网络中的femtocell分簇和宏用户调度的干扰协调，每个具有认知能力的femtocell感知到周围是否存在宏用户，在每个宏用户周围就形成了一个femtocell干扰簇，请求接入网络的宏用户所对应的干扰簇通过反馈链路向宏基站报告反馈信息，宏小区根据反馈信息选择一组K备选的宏用户进行调度，宏小区依据当前时隙的宏用户的信道信息，选择K-1个宏用户传输数据，并通知剩余的宏用户对应的干扰簇在时隙正常通信，重复对宏用户进行调度，并保证在每个时隙都是不同的静默宏用户，直至完成整个调度。

进一步，所述异构网络中基于femtocell分簇和宏用户调度的干扰协调方法具体包括以下步骤：

步骤一、构建部署大规模天线的宏小区和femtocell共存的异构网络，femtocell和宏小区都采用TDD和OFDM传输模式，FBS和UE均安装一个天线；

步骤二、FBS感知周围的MUE的存在和宏小区的频谱，将与特定MUE空间上接近的femtocell分成不同的只干扰MUE的IFC，调度周期为T，将T划分为K个调度时隙，K也是T内与MBS进行通信的MUE的个数；

步骤三、在调度时隙j内，MBS只与K-1个激活态的MUE进行通信，与激活态MUE相关的IFC称为静默态，余下一个MUE称为静默态，与静默态MUE相关的IFC是激活的，正常进行通信，在T时间内每个MUE有唯一一次静默态；

步骤四、IFC选择子问题，首先用穷举法找到一个互不相交的IFC的集合{C_j j＝1，2，…,|G|}，结果是一个IFC只会干扰一个MUE，之后用迭代法得到MUE的集合，用类信号噪声干扰比来表征是否最优；

步骤五、MUE用户调度，在步骤四基础上得到簇的规划，在某个确定的时隙内讨论使得信息最大化，得到调度指示向量，之后应用迭代算法得到T时间内最优的调度矩阵；

步骤六、方法结束。

进一步，所述步骤一中设定的模式包括：信道模型和下行链路的传输。

进一步，所述信道模型在调度周期T内，信道增益是不变的；

信道矩阵: $G_{mj}=D_{mj}^{1/2}{H}_{mj};$

其中，

$D_{mj}^{1/2}=diag\{{\mathrm{\β}}_{m1j},{\mathrm{\β}}_{m2j},...,{\mathrm{\β}}_{mKj}\};$

${\mathrm{\β}}_{mkj}=r_{mkj}^{-a}\mathrm{\θ};$

$H_{mj}=\[h_{m1j}^T,...,h_{mKj}^T\];$

式中是大尺度衰落矩阵，包含了路径损耗和阴影衰落；r_mkj是在时隙j内MBS和第k个MUE之间的距离；a是路径损耗指数，取值为a∈[2,6]；θ是阴影衰落变量，服从分布10log₁₀θN(0,δ_shadow)；小尺度衰落矩阵H_mj中各个组成的向量是独立同分布h_mkj CN(0,I)。

进一步，所述下行链路传输模型：

第j时隙内第k个MUE接收到的信号：

其中，p_F是FBS发射出的功率，p_i是MBS分配给各个MUE的功率，p_k是p_i的其中一个取值，采用等功率发送的方式，P为MBS发射总功率，A为T内所有进行通信的MUE的集合；x_mkj和x_mij是独立同分布随机变量服从CN(0，1)的分布；g_mkj和g_fkj分别是MBS信道增益和FBS信道增益；

同理，得到FUE接收的信号：

$y_{ffj}=\sqrt{p_F}{g}_{ffj}{x}_{ffj}+\underset{l\∈F,l\≠f}{\Σ}\sqrt{p_F}{g}_{lfj}{x}_{llj}+\underset{k\∈A}{\Σ}\sqrt{p_i}{w}_{mkj}{g}_{mfj}{x}_{mkj}+n;$

其中F为IFC内的基站的集合。

进一步，步骤一中的数据速率：

MUE的信号干扰噪声比定义为：

FUE的信号干扰噪声比定义为： ${\mathrm{\γ}}_{ffj}=\frac{p_F{||g_{ffj}||}^2}{\underset{l\∈F,l\≠f}{\Σ}{p}_F{||g_{lfj}||}^2+\underset{k\∈A}{\Σ}{p}_k{||w_{mkj}{g}_{mfj}||}^2+{\mathrm{\δ}}_n^2};$

根据香农定理有：

时隙j内第k个MUE传输数据速率为：R_mkj＝log₂(1+γ_mkj)；

时隙j内与第k个MUE相关的IFC内某个FUE传输数据速率为：R_ffj＝log₂(1+γ_ffj)；

传输速率与时隙j无关，得到任意一个时隙内与第k个MUE相关的IFC内所有FUE进行的数据速率为

进一步，所述步骤三在得知信道传输模型和下行链路传输状态之后进行分簇选择和用户调度方法包括：

其中，Γ_kj＝1表示在第j个时隙内第k个设备处于激活态，正常进行通信，反之，处于静默态，目标函数是整个调度周期T内总的数据传输速率的最大化；

用一个时隙j内的最大传输数据速率代替在整个时间的数据速率最优的问题：

进一步，所述步骤四具体实现方法是：

其中A⁽ⁱ⁾、分别为候选调度宏用户集合和候选干扰簇集合，R(i)为之前定义的类信干噪比，|G|为穷举法得到的干扰簇的个数。

进一步，所述步骤五用户调度问题方法如下：

$\begin{array}{c}\underset{{\mathrm{\Γ}}_{kj}}{\max }\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}\left(R_{Fk}-R_{mkj}\right)\\ S_1:\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}=1\\ S_2:{\mathrm{\Γ}}_{kj}\∈\left\{0,1\right\},\∀k\∈\left\{1,2,...,\left|A\right|\right\}\end{array}.$

本发明提供的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，不仅保证了macrocell的覆盖范围，并且为干扰MUE的FBS提供了额外的传输机会。该技术通过对干扰宏用户的femtocell进行分簇选择和用户调度来完成宏小区和femtocell之间的干扰协调。同时，为了使调度算法在实际中易于实现，本发明还设计了一种低复杂度的分层求解算法，将原问题分解为两个子问题：femtocell分簇问题和宏用户调度问题，通过求解这两个问题来计算宏用户调度指示向量，通过在不同的时隙合理选择静默宏用户，从而为femtocell簇提供通信机会，从而实现干扰协调，与现有技术相比可以实现更加高效的频谱和功率利用率。

附图说明

图1是本发明实施例提供的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法流程图；

图2是本发明实施例提供的MBS的天线数N_t为自变量的时候三种协议的频谱和功率利用率仿真结果示意图；

图3是本发明实施例提供的MUE的数目K为自变量的时候三种协议的频谱和功率利用率仿真结果示意图；

图4是本发明实施例提供的FBS的发射功率p_F为自变量的时候三种协议的频谱和功率利用率仿真结果示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提出了一种异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，通过对干扰宏用户的femtocell进行分簇，分簇选择和用户调度来完成宏小区和femtocell之间的干扰协调。同时，为了使调度算法在实际中易于实现，本发明还设计了一种低复杂度的分层求解算法，将原问题分解为两个子问题：femtocell分簇问题和宏用户调度问题，通过求解这两个问题来计算宏用户调度指示向量，通过在不同的时隙合理选择静默宏用户，从而为femtocell簇提供通信机会，从而实现干扰协调。

下面结合附图1对本发明的应用原理作详细的描述。

如图1所示，本发明实施例的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法包括以下步骤：

S101：在异构网络环境下，每个具有认知能力的femtocell都能感知到周围是否存在宏用户，在每个宏用户周围就形成了一个femtocell干扰簇(IFC)；

S102：请求接入网络的宏用户所对应的干扰簇通过反馈链路向宏基站报告反馈信息，信息包含：干扰簇中所有femtocell发送数据速率的估计值以及干扰簇所对应的宏用户的身份(ID)；

S103：宏小区根据反馈信息选择一组(K)备选的宏用户进行调度，这类宏用户的特征是，宏用户所对应的干扰簇应该包含互不相同的femtocell；

S104：宏小区依据当前时隙的宏用户的信道信息，选择K-1个宏用户传输数据，并通知剩余的宏用户(静默宏用户)对应的干扰簇在该时隙正常通信；

S105：重复S104的步骤，并保证在每个时隙都是不同的静默宏用户，直至完成整个调度周期。

以下结合本发明的具体实施例对本发明的原理做进一步的描述：

本发明实施例的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法具体包括以下步骤：

步骤一、构建一个部署大规模天线的宏小区和femtocell共存的异构网络，femtocell和宏小区都采用TDD和OFDM传输模式，假设FBS(femtocell basestation)和UE(user equipment)均安装一个天线，且已经完全了解了信道状态信息；

步骤二、FBS可以感知周围的MUE(宏用户)的存在和宏小区的频谱，将与特定MUE空间上接近的femtocell分成不同的只干扰该MUE的IFC，调度周期为T，将T划分为K个调度时隙(与MUE信道相关时间相同)，K也是T内与MBS(macrocell base station)进行通信的MUE的个数；

步骤三、在调度时隙j内，MBS只与(K-1)个激活态的MUE进行通信，与激活态MUE相关的IFC称为静默态(j内不进行通信)，余下一个MUE称为静默态，与静默态MUE相关的IFC是激活的，正常进行通信，在T时间内每个MUE都会有唯一一次静默态，由于上述算法太过于复杂将其分为两个子问题；

步骤四、IFC(干扰簇)选择子问题，首先用穷举法找到一个互不相交的IFC的集合{C_j j＝1，2，…,|G|}，结果是一个IFC只会干扰一个MUE，之后用迭代法得到MUE的集合，用类信号噪声干扰比来表征是否最优；

步骤五、MUE用户调度，在步骤四基础上得到簇的规划，在某个确定的时隙内讨论使得信息最大化，得到调度指示向量，之后应用迭代算法得到T时间内最优的调度矩阵；

步骤六、方法结束。

本发明先建立通信模型，在此基础上，通过迭代算法得到最优的分簇选择和用户调度；在宏小区混合femtocell的异构网络中，通过应用上述方法，可以得到更高的频谱利用率和功率效率；通过将该问题分解为两个子问题，使得该算法能够物理实现。

在本发明实施例的中进一步包括：

步骤一中设定的模型下，信道模型和下行链路的传输:

1.1信道模型：认为在调度周期T内，信道增益是不变的，传统的只考虑小尺度衰落的信道是不切合实际的，并且也不适用于所提出的方法，所以只考虑大尺度衰落信道的特性。

信道矩阵: $G_{mj}=D_{mj}^{1/2}{H}_{mj};$

其中，

$D_{mj}^{1/2}=diag\{{\mathrm{\β}}_{m1j},{\mathrm{\β}}_{m2j},...,{\mathrm{\β}}_{mKj}\};$

${\mathrm{\β}}_{mkj}=r_{mkj}^{-a}\mathrm{\θ};$

$H_{mj}=\[h_{m1j}^T,...,h_{mKj}^T\];$

式中是大尺度衰落矩阵，包含了路径损耗和阴影衰落。r_mkj是在时隙j内MBS和第k个MUE之间的距离。a是路径损耗指数，取值为a∈[2,6]。θ是阴影衰落变量，服从分布10log₁₀θN(0,δ_shadow)。小尺度衰落矩阵H_mj中各个组成的向量是独立同分布h_mkj CN(0,I)。

1.2下行链路传输模型：

第j时隙内第k个MUE接收到的信号：

其中，p_F是FBS发射出的功率，假设其为一个定值。p_i是MBS分配给各个MUE的功率(p_k是p_i的其中一个取值)，为了方便，采用等功率发送的方式，(P为MBS发射总功率，A为T内所有进行通信的MUE的集合)。x_mkj和x_mij是独立同分布随机变量服从CN(0，1)的分布。g_mkj和g_fkj分别是MBS信道增益和FBS信道增益。

同理，也可以得到FUE接收的信号：

$y_{ffj}=\sqrt{p_F}{g}_{ffj}{x}_{ffj}+\underset{l\∈F,l\≠f}{\Σ}\sqrt{p_F}{g}_{lfj}{x}_{llj}+\underset{k\∈A}{\Σ}\sqrt{p_i}{w}_{mkj}{g}_{mfj}{x}_{mkj}+n;$

(其中F为IFC内的基站的集合)。

1.3 数据速率：

MUE的信号干扰噪声比定义为：

FUE的信号干扰噪声比定义为： ${\mathrm{\γ}}_{ffj}=\frac{p_F{||g_{ffj}||}^2}{\underset{l\∈F,l\≠f}{\Σ}{p}_F{||g_{lfj}||}^2+\underset{k\∈A}{\Σ}{p}_k{||w_{mkj}{g}_{mfj}||}^2+{\mathrm{\δ}}_n^2};$

根据香农定理有：

a)时隙j内第k个MUE传输数据速率为：R_mkj＝log₂(1+γ_mkj)；

b)时隙j内与第k个MUE相关的IFC内某个FUE传输数据速率为：R_ffj＝log₂(1+γ_ffj)；

c)假设b)中传输速率与时隙j无关，得到任意一个时隙内与第k个MUE相关的IFC内所有FUE进行的数据速率为

本发明的实现还在于：步骤三在知道信道传输模型和下行链路传输状态之后进行分簇选择和用户调度方法：

用在整个调度周期T内总的数据传输速率的最优化来衡量分簇选择和用户调度的最优性。S₂约束条件保证了每个j时隙内有且只有一个MUE是静默的。S₃保证了在调度周期T内每个MUE都会平均的静默一个时隙长度。

考虑用一个时隙j内的最大传输数据速率代替在整个时间的数据速率最优的问题：

本发明的实现还在于:步骤四IFC选择子问题，IFC选择子问题，首先用穷举法找到一个互不相交的IFC的集合{C_j j＝1，2，…,|G|}，结果是一个IFC只会干扰一个MUE，之后用迭代法得到MUE的集合，用类信号噪声干扰比来表征是否最优。具体实现方法是：

本发明的实现还在于:步骤五用户调度问题，算法如下：

$\begin{array}{c}\underset{{\mathrm{\Γ}}_{kj}}{\max }\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}\left(R_{Fk}-R_{mkj}\right)\\ S_1:\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}=1\\ S_2:{\mathrm{\Γ}}_{kj}\∈\left\{0,1\right\},\∀k\∈\left\{1,2,...,\left|A\right|\right\}\end{array};$

由上述方法找到一个时隙内最优的簇选择，在后续的选择方案中，只需要保证之前已经被选择的IFC不被重复选择，则K个时隙结束后就完成了一个周期的调度。

本发明的仿真结果

参数的设定：在时隙j内假设只有一个FUE接入femtocell；假定IFC内的femtocell的数目是(15)；femtocell的信道增益只考虑大尺度衰落；载频为2.6GHz；macrocell覆盖半径是1km；白噪声功率谱密度-174dBm/Hz；信道带宽20MHz；MBS的阴影标准偏差8dB；路径损耗指数a＝4；femtocell覆盖半径10m；FBS的阴影标准偏差6dB。

图2表示了MBS的天线数N_t为自变量的时候三种协议的频谱和功率利用率仿真结果示意图；MBS传输功率P＝46dBm；FBS发射功率为p_F＝10dBm；时序安排MUE数目K＝10；可以得出CSUS协议(簇选择和时序安排协议)比AGZ协议(Aliging guard zone coordination scheme)和传统消除干扰协议都有更高的频谱和功率利用率。系统性能随着天线数的增加而提高。

图3表示了MUE的数目K为自变量的时候三种协议的频谱和功率利用率仿真结果示意图；MBS传输功率P＝46dBm；FBS发射功率为p_F＝10dBm；MBS的天线数N_t＝200；从图4中可以看出系统的性能随着MUE的个数的增加而提高；然而，MUE的功率效率提升速度是随着MUE数目的增加而减少的；这是由于MUE数目增加会使得越来越多的femtocell进入IFC内而失去正常传输数据的机会；这些femtocell会进行干扰协作，不会比正常数据传输效率高；进而整个系统性能下降。

图4表示了FBS的发射功率p_F为自变量的时候三种协议的频谱和功率利用率仿真结果示意图；MBS传输功率P＝46dBm；MBS的天线数N_t＝200；时序安排MUE数目K＝10；从图中可以看出，当femtocell的发射功率增加时，传统消除干扰协议的系统性能不会提高；而AGZ和CSUS协议会先增加后减小。造成这个现象的原因有两个1)femtocell的发射功率的增加不仅会提高FBS的信号功率同时还会提高高人的功率；2)femtocell的发射功率的增加会是IFC内的femtocell增加，使得这部分femtocell丧失一部分传输机会。

本发明在一个部署大规模天线的宏小区和femtocell共存的异构网络中提出了一种创新型的干扰协作方法(这种方法的名称为CSUS)；这个方法包含分簇选择和宏用户调度；首先，MBS选出包含不同与MUE相关的femtocell的IFC的集合，以符合信号干扰噪声比的要求；之后不同的MUE在不同的时隙内静默，使与其相关的IFC有机会激活来进行通信；其他与激活态MUE相关的IFC处于静默态。为了使协议成为可实现的将其分为两个子问题：分簇选择和用户调度。仿真结果显示，CSUS方法可以很大程度上提高系统的频谱和功率利用效率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述异构网络中基于femtocell分簇和宏用户调度的干扰协调方法具体包括以下步骤：

步骤一、构建部署大规模天线的宏小区和femtocell共存的异构网络，femtocell和宏小区都采用TDD和OFDM传输模式，FBS和UE均安装一个天线；

步骤二、FBS感知周围的MUE的存在和宏小区的频谱，将与特定MUE空间上接近的femtocell分成不同的只干扰MUE的干扰femtocell簇，调度周期为T，将T划分为K个调度时隙，K是T内与MBS进行通信的MUE的个数；

步骤三、在调度时隙j内，MBS与K-1个激活态的MUE进行通信，与激活态MUE相关的IFC称为静默态，余下一个MUE称为静默态，与静默态MUE相关的IFC是激活的，正常进行通信，在T时间内每个MUE有唯一一次静默态；

步骤四、IFC选择子问题，首先用穷举法找到一个互不相交的IFC的集合{C_jj＝1，2，…,|G|}，结果是一个IFC只会干扰一个MUE，之后用迭代法得到MUE的集合，用类信号噪声干扰比来表征是否最优；

步骤五、MUE用户调度，在步骤四基础上得到簇的规划，在某个确定的时隙内讨论使得信息最大化，得到调度指示向量，应用迭代算法得到T时间内最优的调度矩阵；

步骤六、异构网络中基于femtocell分簇和宏用户调度的干扰协调结束。

2.如权利要求1所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述步骤二femtocell能感知到周围是否存在宏用户，在每个宏用户周围形成femtocell干扰簇，请求接入网络的宏用户所对应的干扰簇通过反馈链路向宏基站报告反馈信息。

3.如权利要求1所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述步骤三进行分簇选择中令其中一个宏用户主动静默，为对应的干扰簇提供额外的传输信息的机会并用信息速率是否最大表征模型是否最优。

4.如权利要求1所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述步骤五用户调度问题方法，在找到一个时隙内最优簇选择的前提下，已经被选择的IFC不被重复选择，则K个时隙结束后就完成了一个周期的调度。

5.如权利要求1所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述步骤一中设定的模式包括：信道模型和下行链路的传输。

6.如权利要求5所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述信道模型在调度周期T内，信道增益是不变的；

信道矩阵: $G_{mj}=D_{mj}^{1/2}{H}_{mj},$

其中，

$D_{mj}^{1/2}=diag\{{\mathrm{\β}}_{m1j},{\mathrm{\β}}_{m2j},\mathrm{...},{\mathrm{\β}}_{mKj}\};$

${\mathrm{\β}}_{mkj}=r_{mkj}^{-a}\mathrm{\θ};$

$H_{mj}=\[h_{m1j}^T,\mathrm{...},h_{mKj}^T\];$

式中 $D_{mj}^{1/2}$ 是大尺度衰落矩阵，包含了路径损耗和阴影衰落；r_mkj是在时隙j内MBS和第k个MUE之间的距离；a是路径损耗指数，取值为a∈[2,6]；θ是阴影衰落变量，服从分布10log₁₀θN(0,δ_shadow)；小尺度衰落矩阵H_mj中各个组成的向量是独立同分布h_mkj CN(0,I)。

7.如权利要求5所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述下行链路传输模型：

第j时隙内第k个MUE接收到的信号：

其中，p_F是FBS发射出的功率，p_i是MBS分配给各个MUE的功率，p_k是p_i的其中一个取值，采用等功率发送的方式，P为MBS发射总功率，A为T内所有进行通信的MUE的集合；x_mkj和x_mij是独立同分布随机变量服从CN(0，1)的分布；g_mkj和g_fkj分别是MBS信道增益和FBS信道增益；

同理，得到FUE接收的信号：

$y_{ffj}=\sqrt{p_F}{g}_{ffj}{x}_{ffj}+\underset{1\∈F,l\≠f}{\Σ}\sqrt{p_F}{g}_{lfj}{x}_{llj}+\underset{k\∈A}{\Σ}\sqrt{p_i}{w}_{mkj}{g}_{mfj}{x}_{mkj}+n;$

其中F为IFC内的基站的集合。

8.如权利要求1所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，步骤一中的数据速率：

MUE的信号干扰噪声比定义为：

FUE的信号干扰噪声比定义为： ${\mathrm{\γ}}_{ffj}=\frac{p_F\left|\right|g_{ffj}|{|}^2}{\underset{l\∈F,l\≠f}{\Σ}{p}_F\left|\right|g_{lfj}|{|}^2+\underset{k\∈A}{\Σ}{p}_k\left|\right|w_{mkj}{g}_{mfj}|{|}^2+{\mathrm{\δ}}_n^2};$

根据香农定理有：

时隙j内第k个MUE传输数据速率为：R_mkj＝log₂(1+γ_mkj)；

时隙j内与第k个MUE相关的IFC内某个FUE传输数据速率为：R_ffj＝log₂(1+γ_ffj)；

传输速率与时隙j无关，得到任意一个时隙内与第k个MUE相关的IFC内所有FUE进行的数据速率为

9.如权利要求1所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述步骤三在得知信道传输模型和下行链路传输状态之后进行分簇选择和用户调度方法包括：

$\underset{{\mathrm{\Γ}}_{kj}}{max}\underset{j=1}{\overset{K}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}(1-{\mathrm{\Γ}}_{kj})R_{mkj}+\underset{j=1}{\overset{K}{\Σ}}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}{R}_{Fk}$

$S_2:\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}=1$

$S_3:\underset{j=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}=1$

$S_4:{\mathrm{\Γ}}_{kj}\∈\{0,1\},\∀k,j\∈\{1,2,\mathrm{...},K\}$

其中，Γ_kj＝1表示在第j个时隙内第k个设备处于激活态，正常进行通信，反之，处于静默态，目标函数是整个调度周期T内总的数据传输速率的最大化；

用一个时隙j内的最大传输数据速率代替在整个时间的数据速率最优的问题：

$\underset{{\mathrm{\Γ}}_{kj}}{max}\underset{k=1}{\overset{K}{\Σ}}(1-{\mathrm{\Γ}}_{kj})R_{mkj}+\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}{R}_{Fk}$

$S_3:{\mathrm{\Γ}}_{kj}\∈\{0,1\},\∀k\∈\{1,2,\mathrm{...},|A\left|\right\}$

10.如权利要求1所述的异构网络中基于femtocell分簇和宏用户调度的干扰协调方法，其特征在于，所述步骤四具体实现方法是：

${\mathrm{Step}}_1:M_C^{\left(0\right)}=\{C_i\∩C_{l}fori,j=1,\mathrm{...},|G|,andi\≠j\}$

迭代结束；否则转到step3,执行循环，直到i＝K.

${\mathrm{Step}}_3:M_C^{\left(i\right)}=G\backslash A^{(i-1)}$

Step₄:类信号噪声干扰比 $R^{\left(i\right)}\left(k\right)=\frac{p_i\left|\right|w_{mkj}{h}_{mk}|{|}^2}{\underset{g\∈G,g\≠i}{\Σ}\left|\right|w_{mgj}{g}_{mkj}|{|}^2+{\mathrm{\δ}}_n^2}$

Step₅:选择准则 $A\left(i\right)=\arg \underset{k\∈M_C^{\left(i\right)}}{max}{R}^{\left(i\right)}\left(k\right),$ 返回Step2

其中A⁽ⁱ⁾、分别为候选调度宏用户集合和候选干扰簇集合，R(i)为之前定义的类信干噪比，|G|为穷举法得到的干扰簇的个数；

所述步骤五用户调度问题方法如下：

$\underset{{\mathrm{\Γ}}_{kj}}{max}\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_{kj}(R_{Fk}-R_{mkj})$

$S_1:\underset{k=1}{\overset{K}{\Σ}}{\mathrm{\Γ}}_k=1.$

$S_2:{\mathrm{\Γ}}_{kj}\∈\{0,1\},\∀k\∈\{1,2,\mathrm{...},|A\left|\right\}$