您的瀏覽器不支援JavaScript語法,但是並不影響您獲取本網站的內容。

技術探索

超高密度網路之干擾協調技術

工研院資通所  胡哲源

 


為因應未來通訊網路環境與使用者應用對於通訊系統負載需求的爆炸性成長,其中超高密度網路(Ultra-Dense Networks, UDN)為一可滿足高容量(High Capacity)需求的下世代行動通訊網路系統架構。本文描述超高密度網路系統情境下之三層次干擾管理機制,並分別探索各層次干擾管理機制的原理及其研發方向。

超高密度網路與干擾問題

近十年以來,由於使用者的手機應用類型增加,像是:虛擬擴增實境、高清晰畫質影片、穿戴式裝置等新興應用無線多媒體服務將產生龐大的資料傳輸需求,並占據未來無線網路系統中資料流量負載(Data Traffic Load)極大的一部分。研究報告[2][3]預測在2020年,行動網路內的整體資料流量負載將會較現況成長1000倍以上。為了能達到使用者對於資料流量負載猛爆性的需求,IMT-2020制定第五代行動通訊(Fifth Generation Mobile Communication,5G)主要目標之一是提高通訊網路系統之區域容量(area capacity),因此我們需要更先進且新穎的頻譜使用技術,才能更加有效率地使用可用的無線電頻譜(Radio Spectrum),增進使用者的體驗。為了改善通訊網路系統的區域容量,第五代行動通訊系統之超高密度網路架構將能滿足使用者的服務需求。

圖1 超高密度網路架構圖

圖1 超高密度網路架構圖

在超高密度網路系統中,基本的概念是在一個區域範圍內布建更多的小型基地台(Small Cell),如圖1所示,這類的小型基地台可以是家庭基站(FemtoCell)、微型基地台(PicoCell)與小型基地台(Micro Cell)等,它們的涵蓋範圍通常遠小於大型基地台(Macro Cell),基地台傳輸功率比較小,花費成本也比較低,舉例來說,家庭基站通常被運用在室內環境,基地台的覆蓋半徑僅數十公尺,提供服務之情境為用戶組中的少數使用者;微型基地台的覆蓋範圍則有幾百公尺,通常部署在戶外但周圍可能有大型室內場所,像是辦公大樓或購物商城,提供較為密集的使用者服務情境。在超高密度網路系統中,區域基地台密度可能比使用者密度還要高,並且顯著減少了基地台與使用者之間的傳輸距離。目的主要是期望藉由部署更多的基地台數量,提升系統的頻寬流量,其他還有像是更好的連線服務品質和提升頻譜重用率等優點。依據系統模擬數據分析,「提高小型基台數能顯著提升系統頻寬流量」這個直覺式的推論,並不是必然的,當我們假設系統頻寬20MHz,基地台功率都固定為23dBm,每平方公里的總基地台數由100台增加到1000台時,模擬系統整體的吞吐量(Throughput)反而下降了4~5倍。從上述的測試例子中,點出了超高密度網路的致命傷,這是由於在超高密度網路系統下,當小型基地台數量上升,雖然對於頻譜使用率提高了,但接收端使用者同時受到來自其他基地台的干擾也相對遽增,導致系統的效能不增反降,因此如何有效抑制鄰近基地台干擾,使得系統之實質頻寬效率倍增,會是超高密度網路系統最為重要的一個議題。

本文的書寫架構如下,會先概略地介紹超高密度網路系統之三層次干擾管理架構,讓讀者更能夠理解該網路系統處理干擾的三個分層機制,分別是:基地台建置管理、基地台間干擾消除管理和基地台間積極協調管理,提供了超高密度網路系統不同的策略來降低源自其餘鄰近基地台的干擾,使得整體系統達到更好的效能。本文將分別詳細探討三層次消除干擾的運作原理與功能,以及我們在現實中實際執行的做法。最後,我們會對超高密度網路之三層次干擾管理機制做一個總結。

超高密度網路系統之三層干擾管理機制

面臨區域內部署的小型基地台密度增加,每個小型基地台所服務的使用者所接收到的鄰近基地台干擾可能也會大為提升。如果沒有妥善處理或抑制這些基地台之間的干擾,恐將造成超高密度網路系統效能嚴重的不良影響。此章節將會描繪出超高密度網路系統干擾管理機制的輪廓,讓讀者能建立各分層消除干擾機制的概念。

圖2 對超高密度網路干擾管理的三個層次

圖2 對超高密度網路干擾管理的三個層次

我們提供一套超高密度網路系統的干擾分層管理架構如圖2所示,從最底層的「基地台建制管理」,在布建一個超高密度網路系統時,分別考量區域內小型基地台部署地點與鄰近小型基地台位置關係所產生的干擾,以及小型基地台的覆蓋範圍、功率大小等參數設定,透過優化基地台布建參數的方式,來降低因地理位置的緣故所產生的小型基地台間干擾。在第二層「基地台間干擾消除管理」中,我們能夠分別在超高密度網路系統下,由於基地台之間可能共享同一個資源或頻段(Frequency band),藉由設計基地台與使用者連結期間用來傳送的資源子訊框(Resource Subframe),來降低不同小型基地台與使用者之間上行(Uplink)與下行(Downlink)的接收訊號干擾。而在最上層之「基地台之間的積極協調管理」,則利用不同小型基地台間溝通協調的方式,將相互干擾的訊號轉換為有益的「建設性訊號」,達到提升傳輸訊號品質的功效。

綜合上述三個不同層級的干擾管控模式,可以藉由廣義面的區域內小型基地台的配置,到小型基地台間管理鄰近基地台間干擾的方案,和不同基地台間協調與使用者之間的傳送訊號波形,構成一個全面性的超高密度網路系統的減低干擾機制。接下來我們將再進一步深入了解各層干擾機制的運作原理,以及我們解決對應特定類型干擾的方式。

基地台建置管理—覆蓋與容量最佳化方法

都會因其與鄰近基地台的相對位置關係,而使得小型基地台所相關聯的使用者而受到不同程度的臨近基地台干擾,此時每一個基地台的覆蓋範圍(Cell Covering Range)、發射功率大小(Power Level)與天線波束方向(Beam Direction)的建置設定,將會連帶影響到對其餘小型基地台或使用者的干擾大小,因此如何決定這些基地台建置參數會是一個極為重要的環節,我們的解決方式是利用基地台覆蓋與容量最佳化(Coverage and Capacity Optimization,CCO)方法,減少基地台使用者接收到的干擾。

覆蓋與容量最佳化的原理是透過調整配置的最佳基地台發射功率大小,來最大化該基地台服務之使用者吞吐量,同時減少造成其他基地台使用者之干擾,這個欲被解決的問題通常是一個典型非定常多項式(non-deterministic polynomial, NP)且非凸(Non-Convex)的最佳化問題,有些文獻則提供了一些演算法來得到局部的最佳解(Local Optimal Solution)。我們過去曾實際將基地台覆蓋與容量最佳化方法應用在具有智慧型天線的小型基地台之室內部署。在這個實例中,我們主要目標是想設計一個自我組織網路(Self-Organization-Network, SON)系統,來完成小型基地台的室內部署。假設我們預期要在室內部署多個小型基地台,會透過以下三個步驟完成網路系統內小型基地台的配置:

  • 首先每個被啟動的小型基地台會先將它所在的位置告知自我組織網路的中心伺服器(SON Server)。

  • 自我組織網路的中心伺服器透過工研院具智慧型天線基地台覆蓋與容量最佳化演算法(ITRI Smart Antenna CCO Algorithm),計算每個被啟動的小型基地台之傳輸功率和波束方向圖(Beam Pattern),目的是為了提供小型基地台最佳的覆蓋範圍和避免干擾的產生。

  • 自我組織網路的中心伺服器會根據演算法計算的結果遠端設定每個小型基地台的傳輸功率和波束方向圖,便完成了多個小型基地台的配置。

 

在實際測試中,我們首先觀察小型基地台配置智慧型天線在室內的接收訊號效果,先將這個自我組織網路實作在室內會議室隔間進行非直視性(Non-Line of Sight, NLOS)測試,分別比較小型基地台配有智慧型天線和全向型天線(OMNI Antennas)兩種配置,其中智慧型天線可透過調整波束方向提供不同方向的訊號強度,量測穿過牆壁後的訊號強度以及通過多個障礙物後的訊號強度,接著再觀察完整的自我組織網路的效果。當我們在量測來自小型基地台穿牆後的訊號強度,發現在十公尺的距離以內,所接收到的配有智慧型天線的小型基地台訊號強度都比配有全向型天線的小型基地台訊號強度來得好;而在通過三層障礙物後所接收到的小型基地台訊號強度,在十五公尺內,配置智慧型天線的結果都比全向型天線來得好。

最後,我們在實作中將兩個配置智慧型天線的小型基地台結合自我組織網路的中心伺服器,以及兩台手機個別由一個小型基地台來服務,實際演練自我組織網路的效用。由於自我組織網路中心伺服器所採用的基地台覆蓋與容量最佳化演算法,能夠自動調整波束方向圖中最好的方向,來消除訊號的干擾,改善基地台覆蓋與網路容量的效能。下圖3是一個自我組織網路系統示意圖,從圖中可以看到,原本小型基地台(eNB1)服務使用者,在打開另一台小型基地台(eNB2)後,使用者會受到了該基地台的訊號干擾,自我組織網路伺服器透過演算法來調整訊號強度與訊號方向消除來自另一台小型基地台的干擾,增進了使用者的接收訊號品質。

從以上這個自我組織網路實作案例中,了解到當小型基地台數量增多時,一個明智的基地台覆蓋與網路容量最佳化的演算法,能夠顯著提升區域內使用者在接收端訊號的效能。

圖3 結合自我組織網路與配有智慧型天線基地台之基地台覆蓋與容積最佳化示意圖

圖3 結合自我組織網路與配有智慧型天線基地台之基地台覆蓋與容積最佳化示意圖

基地台間消除干擾管理—增強型的基地台干擾協調技術

LTE(Long Term Evolution)發展至今,在一個大小型基地台皆共存的異質網路環境(Het-Nets)中,大型基地台將覆蓋了區域內最為完整範圍,小型基地台則被使用來補強大型基地台有覆蓋不足的區域或是用來提高區域內的吞吐量。在異質網路中通常會面臨兩個問題,一個是使用者應該附屬由哪一個基地台來服務地決定策略,使得每一個基地台均能提供最佳的服務效率;另一個問題則是小型基地台如何抑制來自功率較大之大型基地台的干擾,此章節我們將會專注於解決後者異質網路中干擾消除的議題。

由於大型基地台與小型基地台通常可以共享使用同一個頻段,此時附屬於功率較小的小型基地台的接收者效能,會受到來自大型基地台訊號嚴重的負面干擾。第三代合作夥伴計畫(3GPP)則提供了一個強而有效的解法—增強型的基地台間干擾協調技術(Enhanced inter-cell interference coordination, eICIC),解決了大小基地台因無線電資源共享,所造成大小基地台間之使用者收到的訊號干擾問題。

在異質網路情境中,大小基地台都有相同數量的子訊框來傳送給使用者的下行資料,增強型的基地台間干擾協調技術的工作原理是藉由在大型基地台傳送下行訊號的多個子訊框時,讓部分的子訊框保持安靜或關閉,我們稱之為近乎空白的子訊框(Almost Blank Subframe, ABS),而近乎空白的子訊框模式(ABS Pattern)則用來表示所有子訊框中哪些特定的子訊框需要被設置為近乎空白的子訊框。大型基地台在近乎空白的子訊框中不傳送下行資料給附屬於大型基地台的接收者,只傳送蜂巢網專用識別訊號(Cell-Specific Reference Signal),但依然可以利用非近乎空白的子訊框(Non-ABS)來傳送資料;而小型基地台仍可以選擇是否在這些近乎空白的子訊框中去傳送下行資料,得以讓附屬於小型基地台的使用者接收到的干擾減少,即可提升使用者的吞吐量。以上這個機制,對於附屬於小型基地台的覆蓋邊緣的使用者,能夠取得最大的好處,小型基地台的發射功率本來就很小了,又距離小型基地台比較遠,該使用者所接收到的訊號強度因為路徑衰減的關係,本來就不是很理想,如果又受到其他大型基地台的訊號干擾,整體的接收訊號品質將會很糟糕,所以透過增強型的基地台間干擾的協調技術將能顯著改善邊際使用者的狀況。

在未來我們想將此增強型的基地台間干擾的協調技術實際拓展到未來第五代行動網路之超高密度網路情境之中,圖4是我們所預期的該網路情境架構圖。在這裡先簡介這個架構圖中包含一個超高密度網路伺服器(UDN Server)、兩個大型基地台和多個小型基地台。

圖4 具備一個超高密度網路伺服器之超高密度網路架構圖

圖4 具備一個超高密度網路伺服器之超高密度網路架構圖

我們需要一個超高密度網路基地台間干擾協調的技術,期望達到降低大型基地台到小型基地台的干擾,以及小型基地台之間干擾協調的目的。這個干擾協調技術主要由超高密度網路伺服器來執行,負責協調通知大型基地台之近乎空白子訊框的配置,最大化系統效能。此干擾協調技術的步驟如下:

  1. 提供大型基地台該配置的近乎空白的子框訊模式。
  2. 經由使用者及小型基地台之量測,取得網路干擾狀況(Interference Status)。
  3. 依據子框訊模式及網路干擾狀況,進行各小型基地台之近乎空白的子框訊配置。
  4. 依網路狀態改變,動態調整近乎空白的子框訊配置。
在每一次傳送資料的過程中,大型基地台將會在各自傳送資料的子訊框中讓出部分子訊框作為近乎空白的子訊框,減少影響小型基地台的干擾;而其他所有的小型基地台,則仍能依據超高密度網路伺服器的近乎空白子框訊的配置,選擇利用這些子訊框來傳送資料,來降低附屬該小型基地台之邊際使用者接收到的訊號干擾。

不同於傳統的做法在於過去是由大小基地台直接進行溝通,因為無法取得整個網路的通道資訊,系統效能會比較差。而我們的做法是透過集中式超高密度網路伺服器根據整體網路的狀況,來進行近乎空白子訊框的配置,達到有效優化邊際使用者接收訊號品質以及提升整體網路吞吐量的效果。

基地台間積極協調管理—網路多輸入多輸出技術

超高密度網路消除干擾管理中層之增強型的基地台間干擾協調技術,是利用基地台間在分時雙工(TDD)傳輸下,做基地台間的干擾協調溝通,避免基地台間的干擾。為了避免增強型的基地台間干擾協調技術在分時傳輸情境中,因時間切割間隔所造成的無線電資源浪費,還有基地台間交換超高密度網路內的干擾資訊過慢,無法即時處理干擾問題。在基地台間缺乏緊密合作的狀況下,可能導致基地台布建越密集時,系統效能反而越差。因此,超高密度網路需要一個消除干擾機制,除了能夠解決干擾問題之外,還要能同時間、同頻率傳輸,才能有效的利用無線資源,此外還必須以毫秒(millisecond)等級取得無線下行通道資訊,才能即時地降低干擾發生。

利用在單一基地台的多輸入多輸出(MIMO)技術的概念,可以透過在訊號發射前,前置處理把干擾路徑變成可同時同頻傳輸的「建設性合成波」,加強訊號品質。我們在這個干擾管理層中所應用的網路多輸入多輸出(Network MIMO)技術即是將多輸入多輸出技術融入「跨基地台之間緊密協調」,作為超高密度網路之基地台積極協調方法,從單一小型基地台導入到整個超高密度網路,透過多輸入多輸出與跨基地台之間的緊密協調來消除干擾,如圖5所示。

圖5. 網路多輸出多輸入架構圖

圖5. 網路多輸出多輸入架構圖

由圖5我們可以清楚看到,網路多輸入多輸出技術是一種跨基地台合作技術,將密集布署的多個基地台集合成一個單一多天線超級基地台,超高密度網路伺服器協調不同基地台的天線緊密合作,消除基地台邊緣使用者所受到的干擾,使超高密度網路整體效能與基地台個數接近線性成長,因此網路多輸入多輸出技術已被列為第五代行動通訊技術的重要發展技術之一。

而決定網路多輸入多輸出技術的效能優劣,則會因以下幾個關鍵因素而定:

  • 多基地台間的同步處理:若基地台之間的時間有差異,即使多個基地台間使用網路多輸入多輸出技術,但是會因為基地台間時間或頻率沒有完全同步,無法成功產生建設性合成波,反而造成額外干擾使得訊號品質下降。

  • 正確的下行通道狀態取得:基地台如何正確地取得下行通道資訊形成建設性合成波而非破壞性干擾。在分頻雙工(FDD)傳輸系統,手機會回報預編碼矩陣指示訊號(Precoding Matrix Index, PMI)來表示下行通道狀態,但通道狀態極為複雜,而預編碼矩陣指示訊號僅二到四位元(bits),無法精準地表達出手機接收到通道的狀況。而在分時雙工系統,由於下行與上行使用同一頻段,故具有通道對稱性(Channel Reciprocity),基地台需能藉由量測上行通道狀態,轉換並校準(Calibration)成下行通道狀態,若沒有進行校準處理,轉換的誤差會產生雜訊,使得訊號與干擾加雜訊比下降。

  • 降低多基地台間緊密合作上的傳輸負擔:下世代行動通訊的頻帶遠寬於第四代行動通訊,不斷地取得大量的通道狀態,這類資料非常龐大,可能會造成基地台間緊密合作上的傳輸負擔。如何透過少量的通道狀態以及通道穩定持續(Channel Coherence)的特性,來預測完整的通道資訊,以減少基地台間傳輸量,可增加網路多輸入多輸出在下世代行動通訊之超高密度網路情境中的實用性。

  • 通道的預編碼計算優化:網路多輸入多輸出技術是在基地台訊號發射之前,將訊號進行預編碼(Precode)前置處理, 透過調整訊號發射前的相位與震幅, 形成建設性合成波,使手機收到的訊號強度提升。但預編碼前置運算的複雜度是 , 是發射天線數,且頻帶每15KHz就要計算一個(以分時雙工傳輸頻寬20MHz為例,每秒最多約需計算720000個預編碼)。若沒有對預編碼運算進行優化,網路多輸入多輸出能協同合作的基地台數目將受限制,無法形成一個足夠龐大的超級基地台來同時服務多位使用者。

  • 基地台間共同排程(Joint Scheduling)技術:網路多輸入多輸出需要藉由基地台之間即時的排程資訊交換,調整無線傳輸資源,相互配合才能共同服務細胞邊際的使用者。

 

在我們採用的網路多輸入多輸出機制中,則是利用集中式的超高密度網路伺服器以通道預測(Channel Prediction)技術來降低多基地台間緊密合作上的傳輸負擔、快速的預編碼方式優化預編碼矩陣(precoding matrix)計算,將基地台間干擾的訊號轉成多基地台形成的「建設性合成波」,能夠減低基地台間的干擾影響並同時增加接收到的訊號強度。


總結本文,第五代行動通訊標準目前仍在訂定的階段,而依據不同的使用情境分別設立了不同的標準目標。針對未來各式各樣的高品質無線多媒體應用,可能造成高度的行動網路頻寬需求。因應此種網路情境,下世代行動網路技術其中一個發展目標為更大的網路容量,期望能夠滿足使用者之需求,為了達到該目的,我們需要新興更為有效率的網路技術,而超高密度網路即是以提高頻譜的使用效率、增加網路容量為目標的重點發展技術之一。

超高密度網路系統的基本概念是在一個區域範圍內布建數量很多的小型基地台,這類的小型基地台可以是家庭基站、微型基地台與小型基地台等,它們的涵蓋範圍通常遠小於大型基地台,基地台傳輸功率比較小、花費成本也比較低。在超高密度網路區域內基地台密度比使用者密度還要高,並且顯著地減少了基地台與使用者之間的傳輸距離。目的主要是期望藉由部署更多的基地台數量提供系統整體倍增的頻寬流量,其他還有像是提供更好的連線服務品質和提升頻譜重用率等優點。然而超高密度網路系統有一個致命的問題,那便是當小型基地台數量上升,雖然對於頻譜使用率提高了,但伴隨著使用者同時受到來自其他基地台的干擾也相對遽增,導致系統的效能不增反降,因此如何有效抑制鄰近基地台干擾,使得整體系統之有效頻寬使用效率倍增,會是超高密度網路系統最為重要的議題。

本文引進超高密度網路系統之三層干擾管理的概念與研發方向,提供超高密度網路系統分工健全的干擾管理策略,降低接收源自鄰近基地台的干擾,使得整體系統達到更好的效能。在「基地台建置管理」層中,採用基地台覆蓋與容量最佳化方法,來減少因基地台覆蓋半徑大小和發射功率所產生的干擾;在「基地台間干擾消除管理」層,我們運用增強型的基地台干擾協調技術,透過集中式的超高密度網路伺服器配置大小基地台之近乎空白的子訊框,來解決大小基地台之間因無線電資源共享,所造成小型基地台使用者接收來自大型基地台產生的訊號干擾問題;在「基地台間積極協調管理」層,利用網路多輸入多輸出技術融入「跨基地台之間緊密協調 」,仰賴超高密度網路系統中的超高密度網路伺服器,溝通協調各基地台的干擾,基地台緊密合作的情況下,在基地台訊號發送之前,將干擾路徑變成可同時同頻傳輸的建設性合成波,加強訊號品質,可以顯著地解決基地台間的干擾問題,並有效地運用無電線資源等優勢。

透過嚴密分層的超高密度網路管理方針,可以使得超高密度網路藉由增加小型基地台之部署,獲得倍增的整體網路容量,實現未來第五代行動通訊技術標準的發展目標。

參考文獻

[1] 陳妤瑄, “消除Small Cell相互干擾 5G UDN導入Network MIMO,” 新電子科技雜誌, 2016.
[2] Cisco Network, “Cisco Visual Networking Index: Global Mobile Data Traffic Forecast Update, 2016–2021 White Paper,” Mar. 2017.
[3] Nokia Solutions and Networks (NSN) white paper, “Enhance Mobile Networks to Deliver 1000 Times More Capacity by 2020,” 2013.
[4] K. Mahmoud, H. Walaa, and Y. Amr, “Ultra-dense networks: A survey,” IEEE Commun. Surv. Tuts., vol. 18, no. 4, pp. 2522–2545, Oct.–Dec. 2016.
[5] A. Awada, B. Wegmann, I. Viering, and A. Klein, “A mathematical model for user traffic in coverage and capacity optimization of a cellular network,” in Vehicular Technology Conference (VTC Spring), 2011.
[6] Wang, X., Teng, Y., Song, M., Wang, X., Xing, A., “Joint optimization of coverage and capacity in heterogeneous cellular networks,” in IEEE PIMRC, pp. 1788–1792, 2015.
[7] D. Karvounas, P. Vlacheas, A. Georgakopoulos, M. Logothetis, V. Stavroulaki, K. Tsagkaris, and P. Demestichas, “Coverage and capacity optimization in heterogeneous networks (HetNets): A green approach,” in Proc. of the Tenth International Symposium on Wireless Communication Systems (ISWCS 2013), Ilmenau, Germany, Aug. 2013.
[8] J. Wang, L. Liu, K. Takeda, and H. Jiang, “Time domain inter-cell interference coordination for dense small cell deployments,” in IEEE 80th Vehicular Technology Conference (VTC Fall), September 2014.
[9] S. Deb, P. Monogioudis, J. Miernik, and J. P. Seymour, “Algorithms for enhanced inter-cell interference coordination (eICIC) in LTE HetNets,” IEEE/ACM Trans. Networking, vol. 22, no. 1, pp. 137–150, Feb. 2014.