一种适用于超密集网络下行链路的干扰抑制方案*

1 引 言

超密集网络(Ultra-dense Network,UDN)[1]是5G移动通信的关键技术之一，增加低功率站点部署密度使网络密集化，节点离用户更近，提升了系统容量，提高了频谱效率和功率效率[2-3]。由于节点间距的减小，邻近节点的传输损耗相差不大，用户周围可能有多个强度相近的干扰源，使用户受到比传统蜂窝网更严重的干扰。如何解决多干扰源引起的性能损耗以及如何利用网络协同和干扰管理提升用户性能成为5G UDN干扰抑制研究中的关键问题。

在保障制度中，除了申诉制度，行政裁决制度也是教师维权的一个重要途径之一。但是在现实中，行政裁决制度在保护教师权益的方面却并没有发挥它应有的作用。当教师向行政机关申请仲裁时，行政机关在裁决时大都会选择偏向学校方面，而不是按照《教师法》给予教师权利相应的保障。因此，教师的权利得不到有效的维护。

研究学者近年来提出了很多小区间干扰抑制方法[4-5]。小区间干扰抑制主要分为三种方式，即干扰随机化[6]、干扰消除[7]及干扰协调/避免[8]。此外，功率控制和波束成形也是常用的减轻小区间干扰的方式。

在干扰管理方面，现有一种方法是把整个网络划分成互不相交的簇，每个簇中的基站共同拥有多个载波资源，各小区协作地选择合适的载波传输数据，但性能受限于簇边缘用户[9]。在5G UDN组网中，低功率节点分布密集且覆盖范围较小，中心和边缘的分别不那么明显，传统的基于用户分类和基于簇的干扰管理已不再适用于5G UDN。

2)加木垫板时锚杆预紧转矩转化为预紧力的系数平均为0.19，相比金属托盘降低23%，且预紧力矩与预紧力之间的线性关系较差。当预紧转矩为400 N·m(井下施工常用预紧转矩)时，金属托盘预紧力为107.57 kN，加木垫板后仅为76.76 kN，相比降低了28%。

与传统的干扰管理机制不同，以用户为中心的干扰管理从用户体验角度出发，确定被处理的干扰基站。文献[10]提出的以用户为中心的小区间干扰协调(Use-Centric Inter-cell Interference Coordination，UCIIC)方案要求用户对其干扰协调范围内的干扰基站提出干扰置零请求，每个用户的主要干扰源得到抑制，使性能优于现有的基站分簇方法。但选择进行置零的干扰是随机的，剩余干扰仍可能对用户性能产生较大影响，在UDN网络中尤其严重。

2.1 肥料离种子要适宜，一般亩施肥料10kg以下距种子周围不得少于7cm；一次亩用量10～15kg，距种子不得小于10cm。假如亩用量再增加要在扶垅开20cm深沟施农家肥同时施化肥，有条件的话，施肥后用耙子等工具把化肥与农家肥充分混均匀再扣垅更安全。

Step 1 令L1=0，用户UEk预估L2=1时的SINR，验证是否满足SINR≥γ，若满足则L2=1，不满足则按Step 1-1方法(见下文)遍历L2，预估SINR1，直到找到满足(其中n≤M-1)的第一个L2为止。根据满足用户业务要求且复杂度最低的原则，此时L1、L2为所求。

我国银行进行信贷业务风险分析时，主要方法还是以客户自身信用情况分析为主，对企业所属产业的风险评价重视程度不够，虽然已经有一些银行着手将产业风险分析结合到风险管理工作当中，但对其的认识依旧不够深入，当前的产业风险评价体系还存在着许多问题。

总而言之,为了让临床细菌样本检验的准确性得到提升,进行检验的时候,对样本的采集,送检和保存等操作都应该规范,确保操作的无菌化,这样能够让样本的质量获得提升,提高检验的准确性。

2 系统模型

用户估算SINR的公式为

图1 UDN干扰网络示意图 Fig.1 Interference in UDN scene

距离最近的基站为用户的本地基站，周围的其他基站均视为干扰基站。在蜂窝通信网络的下行链路中用户受到相邻基站的信号干扰，第i个基站(i=1,2，…,LBS)下的第k个用户(k=1,2，…,K)接收的信号除了本地基站i的有用信号Sk,i外，还有相邻基站j的干扰信号Ik,j(j=1,2,…,LBS且j≠i)。

以用户UEk为中心用户为例分析，PUCIC方案在干扰协调优先级基础上，遍历地判决出和本地基站BSi一起为用户UEk协作服务的基站数L1和本地基站BSi通过波束赋形进行置零的基站数L2。假设图1判决出的与本地基站BSi一起协作服务的基站集合为Θ1={BS1,BS2,BS3}，而干扰置零的基站集合为Θ2={BS4,BS5,BS6}。集合Θ1中基站的信号对用户UEk来说是有用信号，而集合Θ2中基站的信号对用户UEk依然是干扰信号，经本地基站BSi波束赋形后，用户UEk的接收信号表示为

(1)

此时，用户UEk周围的强干扰被利用转化为有用信号，次强干扰全部或大部分被抑制，剩余小部分干扰基本不影响用户UEk的性能，提高了用户性能。

3 PUCIC

3.1 PUCIC流程

PUCIC方案从用户角度确定L1和L2，L1个基站对用户进行联合传输(JT)，L2个基站对用户的干扰进行协作调度/波束赋形(CS/CB)，并考虑用户性能和复杂度的折中以及用户性能和系统整体性能的折中。算法流程如图2所示。

图2 PUCIC 流程图 Fig.2 Flow chart of PUCIC

(1)生成协调优先级

(2)固定L1不变，判断L1+L2 +1≤L是否成立，若不成立则跳到Step 2，成立则L2 =2，预估SINR1，记为若满足则L2 =2，否则继续下一步。

(2)用户判决过程

本研究发现是否患有慢性病、睡眠质量、性别以及近 2 周内有无身体不适是 SF-36 量表各维度得分的主要影响因素，女性、睡眠质量高、无慢性病、近 2 周内无身体不适者健康生命质量更高，其他因素无明显影响。说明提高睡眠质量、控制慢性病、减少短期内身体不适等有助于提高该特殊人群的健康生命质量。

(3)协作传输和干扰置零过程

在土木工程施工中，存在较多的安全隐患，因此，为了保证工程的施工安全，避免出现安全事故，应规范施工人员的施工操作，并为施工人员配备相应的安全防护装备，如脚手架、安全帽等，通过加强个人安全防护配置的方式，有效提高施工安全性。此外，施工单位还应结合工程建设的实际特点，合理地在施工现场安置安全管理设施。在高空作业环节，必须在进行高空作业的区域内安置防护设施，如围挡以及封闭性安全网等，还需要及时清理施工现场，避免对施工人员造成二次伤害。最后，在进行设备操作前，还需要详细检查施工设备，并排查安全隐患，严格按照相关规范进行操作，从而有效提高施工设备的安全性。

对PUCIC评估的性能指标为用户平均信干噪比(SINR)、平均带宽盈亏率。

3.2 用户判决算法

一个存在小区间干扰的UDN网络，如图1所示。基站有M个天线，用户为单天线。基站和用户在某区域内随机分布，个数分别为LBS(LBS=L+1，第0个基站为目标基站，L个基站为干扰基站)和K。

(2)

基于UDN场景，M≤L，用户判决的具体步骤如下：

因此，本文提出了基于优先级以用户为中心的干扰协调方案(Priority based Use-Centric Interfere-nce Coordination,PUCIC)，从提升用户性能出发，考虑复杂度，确定每个用户需要多少基站为其协作服务，哪些基站的干扰通过干扰置零来避免，使每个用户的主要干扰源都可以被抑制或利用。该方案能以尽量低的复杂度有效地提升用户性能，干扰网络的主要瓶颈即小区边缘用户性能将得到解决。

Step 1-1方法：

布线工艺在实际的施工中是极为繁琐的，涉及到的内容也是非常多的，其中主要日线在安装工作之中，特别是对光纤配线架与光线路中端实施的安装工作尤为重要，在实际施工只能够需要做到如下两点：（1）对光纤配线架实施的安装工作。在实际安装中各个方面的控制都是较为严格的，比如对垂直偏差方面需要能够使其小于机架的1%，在静态曲线率方面需要将其控制在半径超过3厘米，在地排铺置方面需要采用横街面在16mm2以上的铜电线。（2）对光线路中端实施的安装工作。需要合理设计安装的具体位置，使其与方案要求相符合，对机架之间的间隙进行控制使其不超过3mm并加固，还要需要注意机架标识位置的控制，使其更加的具有明确性。

(1)固定L1不变，判断L1+L2 ≤L是否成立，若不成立则跳到Step 2；成立则L2 =1，预估SINR1，记为若满足则L2 =1，否则继续下一步。

用户根据周围L个干扰基站的接收信号功率Pi从大到小排序得到干扰协调优先级次序Φ={I1,I2,…,IL}。

(3)重复此步骤，直到找到满足的第一个L2为止。

Step 2 令L1=1，用户UE0预估L2=M-1时的SINR2，判断SINR2≥γ是否成立，若不成立则跳到Step 3，成立则按Step 1-1方法遍历L2，预估SINR2，直到找到满足的第一个L2为止，此时L1、L2为最优。此外，按Step 1-1的方法遍历L2的过程中，在L1+L2 +1≤L条件下令L2+1，若不满足条件则跳到Step 3。

Step 3 在L1 +1≤L条件下令L1+1重复此步骤，直到找到L2=M-1时，满足SINRc≥γ的第一个L1，并按Step 1-1方法遍历L2，预估SINRc，直到找到满足的第一个L2为止(其中c≤L，n≤M-1，c+n≤L)，此时L1、L2为最优。此外，若L1 +1过程中不满足L1 +1≤L，则该L1和L2=M-1即为最优。按Step 1-1方法遍历L2过程中，需在L1+L2 +1≤L条件下令L2 +1，若不满足条件则该L1、L2为所求。

Step 4 在Step 3的L1基础上，若不满足L1 +1≤L则本算法结束，且Step 3中所得的L1、L2为最优。若满足L1 +1≤L则L1 +1，按Step 1-1的方法遍历L2，预估SINRc+1，直到找到满足(其中c+1≤L，n≤M-1，c+n+1≤L)的第一个L2为止。此外，按Step 1-1方法遍历L2的过程中，在L1+L2 +1≤L条件下令L2 +1，若不满足条件则本算法结束。

Step 5 判断(ζ为一定值)是否成立，若成立，则对应的L1、L2为最优；否则对应的L1、L2为最优。

用户完成判决后，确定了基站集合Θ1和基站集合Θ2。集合Θ1中的基站进行协作服务时，采用联合传输，每个基站都有用户的数据信息，多个基站同时分别为用户传输数据。集合Θ2中的基站进行干扰置零时，采用预编码协作调度/波束赋形，用户的数据信息只能由该用户的本地BSi基站进行传输，并且只有该本地基站有用户的数据信息，用户将集合Θ2中基站的信道信息反馈给本地基站由本地基站进行联合预编码。

4 PUCIC性能仿真分析

基于Matlab平台构建了相应的UDN场景来分析PUCIC在不同参数下对用户SINR的影响。假设用户数固定，不考虑用户移动性场景，带宽分配为平均分配，各基站发射功率相同。不失一般性，参数设置如表1所示。

对照组患者入院后进行常规的检查和护理，叮嘱患者在进行治疗前停用其他的镇痛药物以及治疗偏头痛的药物。对照组患者给予氟桂利嗪进行治疗，药物采用口服的方式进行服用，每天服用一次，服用剂量为5 mg，连续服用八周。

表1 PUCIC仿真参数 Tab.1 Simulation parameters of PUCIC

参数设置区域半径/m50基站和UE分布随机每个BS带宽BS＿BW/MHz20发射功率P＿Tx/dBm24路损模型(38．46+24．2lgD＿BS＿UE)阴影/dB8天线增益/dBi5UE接收功率RSSI/dBRx=P＿tx/UE＿NUM+天线增益-路损-阴影UE噪声指数/dB下行9最小距离(2D)/m2(BS-BS)，0．3(BS-UE)UE的SINR阈值γ/dB15SINR差值阈值ζ/dB5用户数UE＿NUM10

L1个协作基站采用JT，各基站都有用户的数据信息，多个基站同时分别为用户传输数据；L2个干扰置零基站采用CS/CB，用户的数据信息只能由该用户的本地BSi基站进行传输，并且只有该本地基站有用户的数据信息，用户将集合中基站的信道信息反馈给本地基站由本地基站进行联合预编码。

用户平均信干噪比

易非愣了愣，心想：弟弟啊弟弟，你怎么这么糊涂啊！但埋怨归埋怨，只好硬着头皮继续说：“那你现在赶紧想一想啊！”

(3)

式中：UE_NUM为用户个数，

(4)

平均带宽盈亏率

(5)

式中：ηBi为用户UEi的带宽盈亏率，定义为该用户所用带宽比不协作情况下的用户带宽的值，该所有用户的SINR比不协作情况下的用户SINR的值，两个值再相比即为该用户的带宽盈亏率，即

(6)

为NONCO方案下用户的带宽,即

(7)

为NONCO方案下用户的SINR,即

(8)

BUEi和SINRi分别为方案PUCIC下用户的带宽和SINR，表达式为

(9)

式中：BBSi为用户UEi从其本地基站BSi和L1个协作基站处分得的带宽。若用户UEi除本地基站外还有L1个基站与本地基站BSi一起为其服务，而这L1个基站有可能还为别的用户提供协作服务，则用户UEi从这L1个基站处获得的带宽需与相应基站下服务的其他用户平分。

带宽盈亏率ηB旨在说明本方案通过基站协作利用了几倍于基准方案NONCO的带宽为代价获得了几倍于基准方案NONCO的性能增益。当ηBi>1时，PUCIC花费若干倍于NONCO带宽的代价，并没有换来相等倍数的SINR性能增益，即亏损；当ηBi<1时，PUCIC花费若干倍于NONCO带宽的代价，换来了更多倍数的SINR性能增益，即盈利；当ηBi=1时，PUCIC的花费的若干倍于NONCO带宽的代价，换来相同倍数的SINR性能增益，即平衡。综上，有

(10)

为使数据客观具有代表性，每组将生成50个不同的随机场景进行50次仿真，记录每个场景的各性能指标，取平均值得出仿真曲线。下文将给出仿真结果和分析。

4.1 不同基站数下的性能对比

UCIIC未使用基站协作传输，与PUCIC方案具有可比性。仿真区域面积一定时，基站越多，密度越大，用户受到周围干扰基站的干扰越大。在天线数M为4、不同基站数BS_NUM的情况下观察了PUCIC及UCIIC的用户SINR性能。基站数分别为10和30时用户平均SINR的累积分布函数(Cumulative Distribution Function，CDF)对比如图3所示。

根据优先级依次遍历并估计相应的SINR，判决出满足判定条件SINR≥γ最小L1和L2，以最大化SINR为准则，考虑用户性能和复杂度的折中(L1、L2越大复杂度越高，反馈量越大)，最终确定L1和L2。

(a)BS_NUM=10

(b)BS_NUM=30 图3 基站数为10和30时PUCIC和UCIIC的SINR性能 Fig.3 PUCIC vs.UCIIC when BS_NUM=10,30

PUCIC方案的用户SINR比UCIIC方案提升了近15 dB，这是因为PUCIC方案采用了基站协作，使接收功率较大的干扰基站和用户的本地基站一起为用户服务，将干扰变为有用信号，有效提升了用户SINR性能。

当基站数从10变为30时，两方案的用户SINR均有少许降低，这是因为随着基站增多，密度变大，用户受到的干扰增加，用户SINR有些许降低。另外，PUCIC为了使复杂度尽量低，只取满足SINR≥γ条件的最小协作基站数L1。综上，用户SINR有些许降低，但满足SINR≥γ的条件。如需更高的SINR，将阈值γ变大即可。用户SINR的取值集中度变高，集中于16 dB附近，表明用户整体SINR差异减小，即用户公平度提高。这是由于PUCIC方案从用户角度出发，不区分边缘用户和中心用户，确定为自己服务的基站，从而提高用户的SINR性能，故所有用户整体的SINR取值更集中。

4.2 不同天线数下的性能对比

基站数一定时，天线越多，各本地基站处理的干扰越多，用户性能更好。UCIIC的用户SINR性能受基站天线数限制，因此，在基站数为30、天线数变化的情况下观察PUCIC及UCIIC的用户SINR性能。天线数M分别为2和16时的用户平均SINR的CDF对比如图4所示。

(a)M=2

(b)M=16 图4 天线数为2和16时PUCIC和UCIIC的SINR性能 Fig.4 PUCIC vs.UCIIC when M=2,16

对于PUCIC方案，抑制干扰的过程依赖于用户SINR的判定，并确定协作基站和干扰置零基站，这与天线数没有关系，所以不会对用户SINR造成影响。增加天线使本地基站抑制了更多的干扰，然而干扰基站较多，即使增加天线也不能使用户SINR有较大的提高，因此，其用户SINR分布范围不会有大的变化。

大带宽：前传/中传/回传。低时延：承载网端到端低时延。灵活连接： L3到边缘，灵活快速建链。网络分片：不同类型业务的差异化承载。智能管控：集中化管控，海量连接管理。高精度同步：同步精度要求提高10倍。

总之，增加天线对提升UCIIC方案的用户SINR有些许影响，但基站较多时，影响很小，而对于PUCIC方案，在基站较多的UDN场景下，天线数的变化几乎不会对用户SINR造成影响。

4.3 不同基站数对PUCIC带宽盈亏率的影响

通过在天线数M为4、不同基站数的情况下观察PUCIC的平均带宽盈亏率来评估PUCIC的用户性能情况，如图5所示。

图5 基站数变化对PUCIC平均带宽盈亏率的影响 Fig.5 The influence of change of base station number on PUCIC average bandwidth loss-gain-rate

由图5和式(10)知，随着基站增加，PUCIC的平均带宽盈亏率ηB单调增长，基站数为5～17之间时，ηB小于1，处于盈利状态；基站数大于17时，ηB大于1，处于亏损状态。随着基站数的持续增加平均带宽盈亏率倾向于亏损状态。这是由于基站越多，用户周围的强干扰越多，用户为了达到SINR≥γ条件，需要更多协作基站，从而带宽损耗越多；随着基站持续增多，SINR并不是无限增长的，而是维持在SINR阈值附近的，因此平均带宽盈亏率ηB自然会增大，这说明PUCIC是以带宽损耗为代价换取用户SINR性能提升的。虽然PUCIC以带宽为代价换来了用户性能的提升，但对用户性能的提升而获得的意义超过了对带宽的损耗，所以在基站数适中，如10～20个时，其损耗比例是可以接受的，PUCIC是有效且有应用价值的。

近年来，随着建筑业的持续发展、转型升级，以及可视化、大数据、物联网等技术的快速进步，智能建筑行业蓬勃发展，成为建筑业持续发展的新动能，拥有广阔的发展前景。

此外，如果权衡用户SINR性能和带宽损耗来选择在基站数最优的场景中使用PUCIC，如基站10～20个，再根据实际用户对SINR性能的需求设定SINR阈值，那么由系统可接受限度可以得知此时的带宽盈亏率是否是可以接受的，PUCIC是有效且有实用价值的，这在具体应用上也有一定的检测意义。

5 结束语

PUCIC从用户角度出发确定协作服务基站集合和干扰置零基站集合，优化了用户SINR性能，有效抑制了用户周围的强干扰和次强干扰，提高了网络中所有用户整体的SINR性能，有效地解决了中心用户和边缘用户的性能差距问题，很好地维持了用户的公平性。采用基站协作的技术，可以将用户周围的强干扰基站利用起来，使其与用户的本地基站一起为用户服务，从而有效地将干扰信号转化为有用信号，很好地解决了UCIIC机制在基站数较多时用户SINR性能受基站天线数限制的问题。PUCIC在干扰抑制的开始对干扰生成了协调优先级，便于确定每个用户周围的强干扰基站和次强干扰基站，这比UCIIC随机选择干扰基站进行处理的方式更能有效地为抑制强干扰和次强干扰，用户只需将对自己性能提升有益的基站信息反馈给本地基站，而不是所有的干扰基站信息，有效减少了信令开销。本方案为解决UDN中干扰损耗、提升系统容量、提高用户性能和系统性能提供了理论参考。但本文具有一定的局限性，即没有考虑用户数变化、移动性活跃的场景。现实网络中带宽平均分配并不适用，网络复杂度和带宽损耗也增加了。方案的实现方法依然需要进行更好的优化，如与频谱分配技术或功率分配技术进行有效结合。

参考文献：

[1] GE X,TU S,MAO G,et al.5G ultra-dense cell-ular networks[J].Computer Science,2015,23(1):72-79.

[2] HOLMA H,TOSKALA A,REUNANEN J.LTE small cell optimization:3GPP evolution to release 13[M].New Jersey:John Wiley & Sons,2015.

[3] SHI Y,ZHANG J,LETAIEF K B,et al.Large-scale convex optimization for ultra-dense cloud-RAN[J].IEEE Wireless Communication,2015,22(3):84-91.

[4] 黄晨.面向5G密集网络的干扰协调算法研究[D].重庆：重庆邮电大学,2016.

HUANG Chen.Research on interference management coordination in 5G utral dense HetNets[D].Chongqing:Chongqing University of Posts and Telecommunications,2016.(in Chinese)

[5] 朱晓荣,朱蔚然.超密集小峰窝网中基于干扰协调的小区分簇和功率分配算法[J].电子与信息学报,2016,38(5):1173-1178.

ZHU Xiaorong,ZHU Weiran.Interference coordination based cell clustering and power allocation algorithmin dense small cell networks[J].Journal of Electronics and Information Technology,2016,38(5):1173-1178.(in Chinese)

[6] NIKOPOUR H,BALIGH H.Sparse code multiple access[C]//Proceedings of 2013 IEEE International Symposium on Personal Indoor and Mobile Radio Communication.Piscataway,NJ:IEEE,2013:332-336.

[7] ZHAI G W,TIAN L,ZHOU Y Q,et al.Load diversity based optimal processing resource allocation for super base stations in centralized radio accessnetworks[J].Sciece China Information Sciences,2014,57(4):1-12.

[8] LIU J,LOVE R,STEWART K,et al.Design and analysis of LTE physical downlink control channel[C]//Proceedings of 2009 Vehicular Technology Conference.Piscataway,NJ:IEEE,2009:1-5.

[9] HUANG K,ANDREWS J G.An analytical framework for multi-cell cooperation via stochastic geometry and large deviations[J].IEEE Transactions on Information Theory,2012,59(4):2501-2516.

[10] LI C,ZHANG J,HAENGGI M,et al.User-centric intercell interference nulling for downlink small cell networks[J].IEEE Transactions on Communications,2014,63(4):1419-1431.