[论文解读] Performance Evaluation of User Scheduling for Full-Duplex Small Cells in Ultra-Dense Networks
本文利用随机几何和3GPP信道模型,评估了超密集网络(UDNs)中全双工(FD)小细胞的用户调度与功率分配。提出三种低复杂度用户调度算法,并证明将它们与最优功率分配(OPA)结合可实现高达19.1%的和速率增益,尤其在基站密度较高且具备充分的自干扰消除(SIC)能力时效果显著。
Full-duplex (FD) communication is an emerging technology that can potentially double the throughput of cellular networks. Preliminary studies in single-cell or small FD network deployments have revealed promising rate gains using self-interference cancellation (SIC) techniques and receive processing. Nevertheless, the system-level performance gains of FD small cells in ultra-dense networks (UDNs) have not been fully investigated yet. In this paper, we evaluate the performance of resource allocation in ultra-dense FD small-cell networks using spatial stochastic models for the network layout and 3GPP channel models. More specifically, we consider various UDN scenarios and assess the performance of different low-complexity user-scheduling schemes and power allocation between uplink and downlink. We also provide useful insights into the effect of the SIC capability on the network throughput.
研究动机与目标
- 评估在真实部署条件下,全双工(FD)小细胞在超密集网络(UDNs)中的系统级性能。
- 研究用户调度与功率分配对FD增强型UDNs中网络吞吐量的影响。
- 量化自干扰消除(SIC)能力与基站密度在决定FD性能增益中的作用。
- 在不同网络条件及有无最优功率分配(OPA)的情况下,比较低复杂度用户调度算法的性能。
提出的方法
- 使用硬核点过程(HCPP)建模UDN的网络布局,以反映小基站(BS)的空间分布。
- 引入3GPP信道模型以描述路径损耗和阴影衰落,反映真实的传播条件。
- 提出三种低复杂度用户调度算法:算法1(独立选择上行/下行链路)、算法2(下行链路优化)、算法3(联合优化以最大化和速率)。
- 在所有算法中应用最优功率分配(OPA),以平衡所有链路的上行(UL)与下行(DL)发射功率。
- 推导考虑自干扰、小区间干扰与用户间干扰的上行与下行链路的信干噪比(SINR)表达式。
- 采用蒙特卡洛仿真与经验累积分布函数(CDF)评估不同基站密度与SIC能力下的上行、下行与和速率。
实验结果
研究问题
- RQ1在FD UDN中,不同低复杂度用户调度算法在上行、下行与和速率方面的表现如何?
- RQ2最优功率分配(OPA)对FD小细胞中用户调度算法性能的影响是什么?
- RQ3基站密度如何影响FD UDN中的和速率与干扰水平?
- RQ4与半双工(HD)模式相比,FD操作可行所需的最小SIC能力是多少?
- RQ5多天线(MIMO)如何提升FD UDN中用户调度算法的性能?
主要发现
- 算法3通过联合优化上行与下行用户选择,在所有调度算法中实现最高的和速率。
- 应用最优功率分配(OPA)可提升所有用户调度算法的和速率,其中算法2与算法3的增益最为显著。
- 在基站密度为$10^{-5}$ BSs/m²时,采用OPA的算法2相比HD模式实现19.1%的和速率增益。
- 具备充分SIC能力($\Omega \geq 110$ dB)可将自干扰降低至类似噪声水平,从而支持FD通信;当$\Omega < 60$ dB时,FD不可行,性能趋同于HD模式。
- MIMO配置显著提升了上行与下行速率,其中算法3在多天线场景下表现出最显著的增益。
- 在算法1中,用户间干扰严重损害下行性能,而算法2与算法3通过协同用户选择有效抑制了该干扰。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。