李玉娜，曾兴斌，2，何加铭，2

(1.宁波大学通信技术研究所，浙江宁波 315211;2.浙江省移动网应用技术重点实验室，浙江宁波 315211)

0 引言

蜂窝系统网络与ad-hoc网络相结合的混合网络［1］是一种新型的无线接入网结构，在蜂窝移动通信系统的终端之间引入自组网通信方式可以利用自组网的自身特点有效地解决目前蜂窝系统的一些特殊问题:解决“盲点”缓解“热点”。文献［2］指出，因为结合了蜂窝网络的稳定性及ad-hoc网络的灵活性和移动性，混合网络应用前景十分广阔。但是有利也有弊，自组网模式通信的加入带来了如:资源分配机制、均衡负责等一些仍需解决的技术难点，特别是由于多种通信方式共享系统信道资源所带来的一系列干扰问题。本文从ad-hoc网络的可靠性和蜂窝网络的通信质量2个方面出发，分析在单小区的情况下，由于ad-hoc用户接入产生的对混合网络的干扰，并提出了一种基于交换策略的混合网络用户接入控制的算法能够有效地减少和避免干扰。

1 混合网络中用户接入的问题阐述

1.1 ad-hoc用户接入网络引来干扰问题分析

混合网络［3］中存在2种通信模式，把自组网通信模式引入到混合网络中，如果基站没有协调好管理自身使用带宽，而是让自组网络共享自身使用带宽资源的同时采用分布式控制方式，则蜂窝系统很大可能会受到自组网络带来的不同程度的干扰。尤其是当自组网络很庞大时，将无法控制自组网络对蜂窝网络的累积干扰以及自组网络内部的干扰，从而导致2种通信系统网络都无法正常进行通信。而如果由蜂窝基站端来控制自组网络的通信方式，首先需要混合网络预留出自组网络需要的资源，自组网络的资源分配以及功率控制由基站端来执行，从而降低系统的整体资源利用率;其次，自组网络如何通信由基站来控制，由此会由于信令的交互而增加混合系统网络的复杂度，同时如果自组网络的用户过多，则无法协调自组网络链路之间的干扰，并且实际操作不现实。考虑到上面提到的情况，为了可以协调和控制子系统之间共享资源可能会带来的一些严重干扰，在本文的单小区混合网络中将由基站在一定程度上不完全地控制 ad-hoc网络［4］。

1.2 系统模型

在这里考虑ad-hoc用户接入单小区混合网络的问题，蜂窝小区使用全向天线(小区覆盖范围是360°)，蜂窝基站位于小区的中心，自组网络共享蜂窝系统的上行频段。把小区按照地理位置分为多个小型区域，每个分割后的小区域产生一个ad-hoc簇，簇内的ad-hoc终端用户由簇头控制。为了降低ad-hoc网络对蜂窝系统的累积干扰调控的难度，系统内不同ad-hoc簇使用不同的频段资源，本文主要考虑的是基站如何根据所掌握的ad-hoc网络信息有选择性地激活某些区域，使基站去给一个簇头授权，从而使得簇头范围内的ad-hoc节点能够接入到混合网络内，共享蜂窝授权频段进行通信。

图1 单小区混合网络模型

在此系统模型下，考虑的优化目标［5］有2个，一个是ad-hoc网络的可靠性，使得长时间下能够进行端到端通信的节点比例尽可能高;另一个是要保证蜂窝网络的通信质量，使得在引入端到端通信后，可以保证蜂窝系统上行链路的通信质量，控制由于adhoc网络带来的干扰不超过一定的门限。系统优化目标如下:

式中，UAble是混合网络中接入进来的ad-hoc节点数目;UAll为所有的ad-hoc节点数目 ;INAble(i)为示性函数，具体表示为:

式中，NAble是激活区域的集合;G是一个考虑到天线增益和天线高度的常数;PT是ad-hoc节点的固定传输功率;EF、ES分别是快衰落(瑞利衰落)、慢衰落(正态衰落)的期望;δ是路径损耗指数;ri是标号为i的ad-hoc簇头到基站的距离。

2 用户接入控制算法

2.1 模型分析

系统的信道模型考虑快慢衰模型并且基站接收功率超过某一给定阈值，这里采用的快衰以及阴影衰落模型［6］为:

式中，rBS≡，Pmin为一个给定的门限，为常数，G、PT、δ与上面的定义相同，R为节点到基站的距离，X为(标准化)包络快衰落系数(满足E[ X2]=1)，10Z/10为阴影衰落。

公式可以等价转换为:

这里Uoff的定义与UAble相反，通过长期观察分割的ad-hoc区域，可以统计得出各个区域内的ad-hoc节点的分布情况以及相应的参数，分析数据证明，如果簇内的ad-hoc终端的分布情况是均匀随机的，那么ad-hoc用户数在簇内服从泊松分布。λi为第i号ad-hoc簇内终端密度分布的期望。根据泊松分布特性以及假设分割后的区域面积是相等的，可以发现，上述问题可以转化成一个组合优化问题。公式转化后为:

式中，NOff是没有被激活的区域的标号集合，λi是第i号区域的分布节点密度期望，S是一个区域所占的面积。由上述公式，可以看出，优化目标问题变成了一个组合优化问题—0-1背包问题。

2.2 求解0－1背包问题的蚁群算法描述

0-1背包问题是一类经典的组合优化NP完全问题［7］。如货物装载、资源分配等许多有实用价值的问题，都可以转化为背包问题。目前对于背包问题的求解方法有精确算法和近似算法，即贪心算法和遗传法两大类。基于交换策略的蚁群算法［8］能够更有效解决0-1背包问题，并且具有较好的性能。

2.2.1 蚂蚁的路径选择

0-1背包问题的构造图如图2所示。

图2 0－1背包问题的构造图

设τij(t)为 t(t=0，1，2…)时刻有向线段a[ i，j]上的信息素，则在时刻t，蚂蚁k(k=1，2…，m)从节点i(i=1，2…，n)经由线段a[ i，j]转移到节点 i+1的转移概率(t)为:

式中，α、β分别为表示轨迹相对重要性的信息启发式因子和能见度相对重要性的期望启发式因子;ηij为启发函数，ηij=wj/vj，wj为物品 j的价值，vj为物品j的体积。Jk(i)是蚂蚁k(位于节点i上)可以选择的有向线段集合，公式为:

假如蚂蚁k死亡后禁忌表tabuk中的数字为{j1，j2…，jr}且{j1，j2…，jr}⊆ {1 ，2，…n }，则蚂蚁k求得背包问题的解为:

2.2.2 信息素更新

当m只蚂蚁都死亡以后，可得到m组可行解。如果本次迭代得出的最好解优于当前的最优解，则用其代替当前的最优解。之后，蚂蚁k要对其经过的路径上的信息素进行相应的更新，即:

式中，ρ表示信息素蒸发系数，Δ τij表示本次迭代中有向线段 a[ i，j]上信息素量的增量;Δ τkij表示第k只蚂蚁在有向线段a[ i，j]上留下的信息素量;Q是信息素常数，Lk表示第k只蚂蚁在本次迭代中求的解。

2.2.3 算法描述

基于交换策略的蚁群算法表示如下:

begin:

步骤 1:初始化数据:α，β，ρ，Q，NCmax，m，τij(0)，其中 i，j=1，2，…n;

步骤2:将m只蚂蚁置于节点1;

步骤3:for每只蚂蚁do

①按式(9)计算得出转移概率同时选择下一条有向线段;

②如果没有有向线段符合背包问题的约束条件，则该蚂蚁死亡;

③如果蚂蚁未死亡，则将选择的有向线段序号加入到蚂蚁k的禁忌表tabuk中;

end for

步骤4:

3 仿真结果

对于0-1背包问题有很多的求解方法，这里把从ad-hoc网络对蜂窝系统的干扰以及ad-hoc网络终端接入率出发的2种算法与本文算法进行比较。

参考算法1:最小化ad-hoc系统对蜂窝网络的干扰-θ。选择γδi最大的区域来激活，直到θ到达上界;此算法的目的是使θ值变小，由式(6)可以看出，离基站越远的ad-hoc簇，θ值越小，而离基站越近的ad-hoc簇θ值偏大，接入到网络中的可能性很小。因此，如果离基站近的ad-hoc簇的分布节点密度高，而远离基站的ad-hoc簇分布节点密度低，则此算法最后得到的接入率将会很低。

参考算法2:最大化ad-hoc节点接入率—l.选择λl最大的区域激活，直到θ到达上界;这个算法会优先考虑接入节点密度高的ad-hoc簇，而忽略ad-hoc簇的地理位置。由于干扰门限的存在，即使蜂窝基站附近的ad-hoc簇节点密度很高，然而混合网络中的ad-hoc终端的接入率也不一定很高。

仿真的正方形单蜂窝小区大小是5 km*5 km，蜂窝小区被分割成5*5的ad-hoc区域。其中将基于交换策略的用户接入控制算法接入算法模块部分，仿真流程图如图3所示。3种算法下，实际网络的平均干扰如图4所示，50次仿真总的平均干扰分别-134.6 dB、-134.9 dB和 -134.1 dB。用户接入控制算法50次仿真实际的网络干扰与门限值如图5所示。3种算法的实际接入比例如图6所示，50次仿真平均值为4.3、3.7和2.4。

通过仿真结果比较发现，如果从干扰方面考虑，参考算法1仿真得到的总平均值最小，参考算法2得到的值最大，本文算法的干扰结果与参考算法1比较接近;而如果从ad-hoc节点接入比例来看，本文算法得到的ad-hoc用户接入比例最高，并远高于其他2种参考算法的仿真结果。

图3 系统仿真流程图

图4 3种算法的平均干扰

图5 用户接入控制算法实际网络干扰与干扰门限值

图6 3种算法的接入比例

4 结束语

蜂窝网与ad-hoc网络混合组网模式能够带来很多方面的优势［9］，如:增加网络覆盖范围、降低功耗和均衡业务流量。为了能够获得诸多优势，系统内资源的调度与分配是非常重要的，合理地分配资源，保证混合系统的收益最大化将是未来不断努力的方向。仿真结果表明所提出的算法能在有效控制干扰的条件下，最大化ad-hoc节点的接入比例，使得整体性能达到最优。

［1］崔维嘉，于宏毅，李青.混合网络研究［J］.中兴通讯技术，2005，11(04):36-41.

［2］李国强，靳浩.Ad hoc技术在未来无线通信中的应用［J］.现代电信科技，2007(06):18-23.

［3］张帆.一种集成ad hoc与蜂窝的4G新型网格(IACG)［J］.无线通信技术，2005，31(01):9-12.

［4］POMPORTES S，TOMASIK J，Vèque V.Ad hoc Network in a Disaster Area:A Composite Mobility Model and its Eevaluation［C］∥Advanced Technologies for Communications(ATC)，2010 International Conference on，2010:17-22.

［5］骆世峰.混合的蜂窝与ad-hoc网络中的干扰避免与协调［D］.北京:北京邮电大学，2010.

［6］MUKHERJEE S，AVIDOR D.Outage Probabilities in Poisson and Clumped Poisson-distributed Hybrid ad-hoc Networks［C］∥IEEE Conference on Sensor and Ad-hoc Networks(SECON)，2005:563-574.

［7］SYSLOM M.Discrete Optimization Algorithm［M］.Englewood C lifs，New Jersey:Prentice-Hall，1983:118-165.

［8］潘夏福.倪子伟.基于交换策略的蚁群算法求解多维0-1背包问题［J］.计算机与现代化，2008(03):83-85.

［9］钱宗峰，张德兴，孔昭煜.蜂窝网与Ad hoc网融合技术探讨［J］.电信快报，2009(06):11-14.