目录
本文是对论文《Dynamic Resource Allocation in TDD-Based Heterogeneous Cloud Radio Access Networks》的分析,第一作者为北京邮电大学Zhi Yu
一、文章概述
在异构云无线接入网(H-CRAN)中,对于基站不同的负载量,3GPP组织提出了7种帧结构,以达到动态传输流量控制的目的。而由于不同帧结构可能引起小区间的跨子帧干扰,运营商往往对于所有采取都采用相同的帧结构。对于上述问题,在本文中作者设计了一种基于强化学习的高效、低复杂度方案。该方案可以同时兼顾流量调节和干扰协调,达到使用合适帧结构、提高信道容量的目的。
二、背景分析
1.ICI的分类
(1)OCIC:ordinary inter-cell interference(常见小区干扰)
常见小区干扰如上图所示,当用户终端接收到不同基站发送的信号时,干扰产生。
(2)CICI:cross-subframe inter-cell interference(跨子帧小区干扰)
3GPP组织提供了七种不同的帧结构,如下图所示
但由于在实际应用时,小区间采用不同的帧结构会产生CICI(跨子帧小区间干扰)的问题,运营商在实际部署时往往采用相同的帧结构,这导致了不必要的传输损耗。
三、理论模型
系统所优化的目标是信道容量的最大化,其中分子是香农公式,分母是传输中选择的子帧结构的大小(3GPP组织提出的七种之一,帧的长度越短,相同信道容量下传输信息越多)。
四、算法设计
1.系统模型
1.RRH的聚类
若给每个RRH都配置各不相同的帧结构,显然会使得环境过于复杂,相互之间产生不必要的干扰。作者首先设计了一种RRH的聚类算法,将所有的RRH分成L簇,在簇内使用相同的帧结构(即簇内不会产生跨子帧小区干扰)。
(1)随机簇头
在初始化阶段,每个 RRH 将其距离信息和天线配置信息报告给 BBU 池。BBU池选出随机簇头。
(2)条件1:距离阈值
以簇头为中心,簇内RRH与簇头的距离要小于设定值θ。
(3)条件2:天线数
为了减轻系统中的常见小区干扰(OICI),RRH采用迫零预编码技术,ZF算法要求 RRH 的天线数应大于等于 MU 的天线数。
(4)伪代码
2.强化学习
(1)链路适配度
(2)输入状态
与当前链路适配度、上下行链路信道容量相关的量。
(3)输出动作
包括基站的功率等级和子帧选择(七选一)。
(4)环境反馈
为全局平均链路适配度、上下行链路信道容量。