[论文解读] Dense Small Cell Networks: From Noise-Limited to Dense Interference-Limited

Bin Yang, Guoqiang Mao+3 more|arXiv (Cornell University)|Jan 6, 2017

Advanced MIMO Systems Optimization参考文献 33被引用 5

一句话总结

本文提出了一套统一的分析框架，用于研究5G小细胞网络（SCNs）中从噪声受限到密集干扰受限的过渡过程，考虑了视 Line-of-Sight（LoS）与非视 Line-of-Sight（NLoS）传播、多斜率路径损耗，以及基于最强瞬时或平均接收功率的用户关联。关键贡献在于根据基站（BS）密度识别出四个不同的性能区域，具有可处理的边界定义，并通过验证的分析结果表明，随着密度增加，噪声、期望信号和干扰依次主导网络性能。

ABSTRACT

Considering both non-line-of-sight (NLoS) and line-of-sight (LoS) transmissions, the transitional behaviors from noise-limited regime to dense interference-limited regime have been investigated for the fifth generation (5G) small cell networks (SCNs). Besides, we identify four performance regimes based on base station (BS) density, i.e., (i) the noise-limited regime, (ii) the signal-dominated regime, (iii) the interference-dominated regime, and (iv) the interference-limited regime. To characterize the performance regime, we propose a unified framework analyzing the future 5G wireless networks over generalized shadowing/fading channels, in which the user association schemes based on the strongest instantaneous received power (SIRP) and the strongest average received power (SARP) can be studied, while NLoS/LoS transmissions and multi-slop path loss model are considered. Simulation results indicate that different factors, i.e., noise, desired signal, and interference, successively and separately dominate the network performance with the increase of BS density. Hence, our results shed new light on the design and management of SCNs in urban and rural areas with different BS deployment densities.

研究动机与目标

• 理解随着基站（BS）密度增加，密集小细胞网络（SCNs）中性能的过渡机制。
• 基于BS密度，识别并定义四个不同的性能区域——噪声受限、信号主导、干扰主导和干扰受限。
• 开发一个统一的分析框架，整合LoS/NLoS传输、多斜率路径损耗，以及基于最强瞬时或平均接收功率的用户关联。
• 为城市和农村环境中的实际网络设计与部署，提供各性能区域之间边界的可处理定义。

提出的方法

• 提出一种基于泊松点过程（PPP）模型的统一框架，用于BS部署，整合了具有不同路径损耗模型的LoS与NLoS链路。
• 引入等价定理，将原始网络转换为等效的距离相关模型，以实现可处理的分析。
• 应用PPP的概率生成泛函（PGFL），推导出聚合干扰的拉普拉斯变换，同时考虑LoS与NLoS干扰器。
• 在广义衰落和阴影衰落模型下，推导出覆盖概率和面积 spectral efficiency（ASE）的闭式表达式，包括瑞利衰落、莱斯衰落和Nakagami-m衰落。
• 基于信号功率阈值，对典型用户关联到LoS或NLoS BS的条件期望进行处理。
• 通过蒙特卡洛仿真验证分析结果，将理论预测与不同BS密度下的仿真性能进行比较。

Figure 1: CDF of the strongest received signal power, $P_{t}=1$ W (30 dBm), log-normal shadowing with zero means, $\sigma^{\textrm{NL}}=4$ dB and $\sigma^{\textrm{L}}=3$ dB, simulation and analytical results.

实验结果

研究问题

• RQ1 在SCNs中，随着BS密度增加，网络性能如何从噪声受限过渡到密集干扰受限？
• RQ2 基于BS密度，所出现的四个不同性能区域是什么？其边界如何进行数学定义？
• RQ3 LoS与NLoS传输以及多斜率路径损耗如何影响密集SCNs中的覆盖概率和ASE？
• RQ4 不同的用户关联策略——最强瞬时接收功率（SIRP）与最强平均接收功率（SARP）——在混合LoS/NLoS环境中如何影响网络性能？
• RQ5 在不同BS密度下，噪声、期望信号和干扰的相对主导性如何变化？这种变化如何影响系统设计？

主要发现

• 随着BS密度增加，网络依次经历四个不同的区域：噪声受限、信号主导（NLoS到LoS）、干扰主导（NLoS到LoS）和密集干扰受限。
• 噪声受限区域与信号主导区域之间的边界由最强BS的期望信号功率等于噪声功率的点决定。
• 信号主导区域与干扰主导区域之间的边界出现在最强干扰源的干扰功率等于期望信号功率的时刻。
• 干扰主导区域与密集干扰受限区域之间的边界在所有干扰源的总干扰功率超过期望信号功率时达到。
• 仿真结果证实，随着BS密度增加，噪声、期望信号和干扰依次主导网络性能，验证了区域过渡模型。
• 所提出的分析框架在所有区域中均能准确预测覆盖概率和ASE，理论与仿真结果高度一致。

Figure 2: Coverage probability vs. BS density $\lambda$ , $\eta=-95\textrm{ dBm}$ , $\mu^{\textrm{NL}}=\mu^{\textrm{L}}=1$ , simulation and analytical results.