CN116801367A - 一种交叉链路干扰抑制方法、网络节点及存储介质 - Google Patents
一种交叉链路干扰抑制方法、网络节点及存储介质 Download PDFInfo
- Publication number
- CN116801367A CN116801367A CN202210219895.2A CN202210219895A CN116801367A CN 116801367 A CN116801367 A CN 116801367A CN 202210219895 A CN202210219895 A CN 202210219895A CN 116801367 A CN116801367 A CN 116801367A
- Authority
- CN
- China
- Prior art keywords
- base station
- user terminal
- uplink
- downlink
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种交叉链路干扰抑制方法、网络节点及存储介质，包括：获取受扰、施扰基站以及受扰、施扰终端对应的传输及干扰链路的信道状态信息；根据获取的信道状态信息，以上下行速率之和最大为目标，求取功率分配最优解；指示施扰基站的下行发射功率与受扰用户终端的上行发射功率按求得的最优解进行功率调整。采用本发明，能够起到交叉链路干扰抑制作用。
Description
技术领域
本发明涉及通信技术领域，特别涉及一种交叉链路干扰的抑制方法、网络节点及存储介质。
背景技术
1.动态时分双工(TDD，time division duplex)技术。
动态TDD技术是一种具有重要潜在应用价值的新型TDD技术，已在TD-LTE(timedivision long term evolution)和5G NR(The 5th generation new radio)移动通信网络发挥重要作用。动态TDD中，时域资源在上下行链路间可以动态配置，以满足上下行业务流量不对称的需求。通过调整上下行链路的传输时间配置，可以缓解网络拥塞、提高资源利用率。在单小区的情况下，采用动态TDD技术，即根据上下行链路的容量、时延、可靠性等需求来动态配置传输时间，相比于小区采用固定的上下行链路传输时间配比，可取得更高的资源利用率。但是，在多小区的情况下，如果每个小区都按自己的业务情况动态分配上下行链路的传输时间，将造成严重的交叉链路干扰，不利于系统的频谱效率提高。
交叉链路干扰主要有两种，即基站到基站的干扰(也称下行对上行的干扰)和用户终端到用户终端的干扰(也称上行对下行的干扰)。以5G超密集网络场景和公网/专网混合异构组网场景为例，一方面单个基站服务的用户终端数量及业务类型较多，单基站上下行链路业务量的波动性、突发性较强；另一方面通常公网以下行流量为主，专网以上行流量为主而这恰恰符合动态TDD技术对所使用的通信场景的要求；此外，由于更密集的组网，基于动态TDD技术的基站间更容易产生严重的交叉链路干扰。因此综合来看，要使动态TDD技术发挥更大的作用，必须解决基站间及用户终端间的交叉链路干扰问题。
在标准化提案中，3GPP RAN 84次会议的NR协议指出，灵活双工技术可应用于5G场景，因此有必要对TDD制式下的灵活双工，即动态TDD技术，进行深入讨论和研究。在3GPPRAN 87次会议前，标准化会议中NR灵活双工部分主要讨论的是动态TDD技术的可行性；RAN87次会议后，标准化会议中NR灵活双工部分主要讨论的是动态TDD技术的交叉链路干扰解决方法。
不仅仅限于5G场景中，交叉链路干扰消除问题也可能出现在2G/3G/4G等场景，或多个Wi-Fi无线接入点进行规模化组网的场景，或未来的6G场景，以及上行和下行传输方向间存在干扰的其他无线通信场景中。
2.交叉链路干扰消除技术。
干扰消除技术是个相当庞大的技术领域，总体上，其技术路线包括两大类：其一是通过主动的策略选择(称之为干扰协调)，使造成干扰的无线通信装置与受到干扰的无线通信装置，在特定时间、频点、空间等维度不发生或少发生干扰(称之为干扰规避、干扰抑制)；其二是在干扰无法规避或抑制的情况下，基于被动应对的策略，在物理层对干扰信号进行消除。物理层干扰消除技术的基本思想是：首先对干扰做出估计，然后从接收数据中减去干扰，从而提高接收机解调译码模块的性能。根据干扰消除的次序可以分为串行干扰消除、并行干扰消除、以及二者的混合模式。串行干扰消除的基本思想是：按照一定顺序依次判决检测各发射单元的数据符号，并将检测出的数据符号依次消去，直至检测出所有发射单元的数据符号。并行干扰消除算法的基本思想是：首先同时对所有发射单元的数据符号进行判决检测，然后基于各个判决结果，分别执行串行干扰消除过程，并多次迭代执行上述过程，获得更精确的检测结果。串行干扰消除技术在发射单元数目较多时，会带来较大时延；且每次消除之后都可能要对剩余发射单元的信号进行重新排序，运算复杂度较高。并行干扰消除技术对多个发射单元信号进行并行处理，时延较小；但是需要反复迭代提高性能，处理复杂度过高。
就动态TDD系统而言，传输资源被动态分配给每个小区与流量适配的传输方向，但由于相邻小区间使用不同的传输方向而产生了交叉链路干扰，导致动态TDD系统的潜在优点难以被充分利用。交叉链路干扰的消除方案一般分为：基于协调的方案(预先主动调整传输策略以防止交叉链路干扰发生)、基于接收机处理的方案(在接收机信号处理层面消除交叉链路干扰或降低其影响)以及基于感知的方案(预先感知相邻小区在不同传输方向上是否存在交叉链路干扰及可能的干扰强度)等。在众多的交叉链路干扰消除方案中，基于协调的方案受到了业界的广泛关注，常见的基于协调的方案有小区分簇、小区间协作资源调度与分配、功率控制等。
现有消除交叉链路干扰的功率控制方案主要分为上行功率控制和下行功率控制两类。上行功率控制主要是基站调节小区内的用户终端发射功率，从而在以下两方面取得优化平衡：一方面降低用户终端对相邻小区下行信号的干扰，即用户终端对用户终端的干扰；一方面提高用户终端发射信号在本小区基站处的接收质量，即本小区上行信号的接收质量。下行功率控制主要是基站控制自身发射功率，从而在以下两方面实现优化平衡：一方面降低该基站发射信号对相邻小区上行信号的干扰，即基站对基站的干扰；一方面提高该基站发射信号在本小区用户终端处的接收质量，即本小区下行信号的接收质量。
现有技术的不足在于，因此现有技术没有解决基站和用户终端的上下行功率联合优化控制问题。
发明内容
本发明提供了一种交叉链路干扰的抑制方法、网络节点及存储介质，用以解决基站和用户终端的上下行功率联合优化控制问题。
本发明提供以下技术方案：
一种交叉链路干扰抑制方法，包括：
获取以下参数之一或者其组合：1)各受扰基站与其服务的各用户终端之间的上行链路信道状态信息(CSI，channel state information，可为矩阵、向量或标量)；2)各施扰基站与其服务的各用户终端之间的下行链路CSI(可为矩阵、向量或标量)；3)各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI(可为矩阵、向量或标量)；4)各施扰基站与各受扰基站之间的干扰链路CSI(可为矩阵、向量或标量)；5)各上行或下行链路被分配到的传输时长；6)各上行或下行链路被分配到的传输带宽；7)各传输链路的噪声功率；8)各施扰基站与各受扰基站预期的上下行传输资源配置；9)各用户终端的QoS要求和对应的最小传输速率；10)各基站和用户终端的最大可允许发射功率。
根据获取的信息，以使上下行速率之和最大为目标，求取功率分配最优解；
指示各施扰基站的下行发射功率与各施扰用户终端的上行发射功率按求得的最优解进行功率调整。
实施中，以使上下行和速率最大为目标求取功率分配最优解时，进一步包括：
根据各用户终端的QoS要求，分别对各用户终端对应的上行或下行可接受的最小传输速率给出约束；
根据设备的类型，对各用户终端和各基站的最大可允许发射功率给出约束。
实施中，获取各受扰基站的上行链路CSI时，进一步包括：
各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，Sounding Reference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，Long Training Field)信号。各受扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI。
实施中，获取各施扰基站的下行链路CSI时，进一步包括以下两种方法之一或者基于它们的特定混合方法：
其一，各施扰基站在下行链路向其服务的各用户终端发送用于信道估计或信道质量测量的参考信号，包括但不限于：LTE系统中的小区专用参考信号(C-RS，Cell-specificReference Signal)，或用户终端专用参考信号(UE-RS，UE-specific Reference Signal)，或多播/广播单频网络参考信号(MBSFN-RS，Multicast Broadcast Single FrequencyNetwork Reference Signal)，或信道状态信息参考信号(CSI-RS，Channel StateInformation Reference Signal)，或定位参考信号(P-RS，Positioning ReferenceSignal)；5G NR系统中的DMRS，或PTRS，或CSI-RS；Wi-Fi系统中的各类STF或LTF信号。被该施扰基站服务的各用户终端根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定该用户终端与服务该用户终端的施扰基站之间的下行链路CSI，并将该CSI以特定形式反馈给服务该用户终端的施扰基站。和/或，
其二，若上行链路CSI与下行链路CSI满足预设精度的互易性(Reciprocity)，例如上下行采用TDD技术时，各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，SoundingReference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，LongTraining Field)信号。为这些用户终端提供服务的各施扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI，根据信道互易性，直接获得下行链路CSI。
实施中，获取各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI时，进一步包括：
基于网络间协调机制，施扰用户终端所在小区的基站与受扰用户终端所在小区的基站交换上行链路和下行链路配置；
施扰用户终端所在小区的基站为该施扰用户终端配置特定测量参考信号，受扰用户终端所在小区的基站为该受扰用户终端配置干扰测量资源用于交叉链路干扰测量；
受扰用户终端测量接收到的交叉链路干扰，并上报对应的测量结果，包括但不限于以下两种方法之一或者基于它们的特定混合方法：基于探测参考信号-参考信号接收功率(SRS-RSRP，Reference Signal Received Power)或基于物理层接收信号强度指示(RSSI，Cross Link Interference-Received Signal Strength Indication)的测量上报方式；其中，基于SRS-RSRP的CLI测量上报需要为干扰源用户终端配置特定测量参考信号，相应的受干扰用户终端需要配置干扰测量资源用于CLI测量；另一种基于物理层RSSI的测量上报方式，根据现有的标准，定义RSSI的作用为用于联合RSRP来计算参考信号接收质量(RSRQ，reference signal received quality)；
根据测量结果得到干扰信道。
实施中，获取各施扰基站与相邻小区中的各受扰基站之间的干扰链路CSI时，包括但不限于以下方法：
基站接收来自相邻受扰基站的干扰测量请求，所述干扰测量请求中携带测量项目指示；
施扰基站发送干扰测量参考信号，受扰基站接收该信号；
受扰基站根据所述干扰测量参考信号中包含的测量参数计算所述测量项目指示对应的测量结果，并向施扰基站发送干扰响应，所述干扰响应中携带所述测量结果。
实施中，各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率，以上参数之一或者其组合可以通过基站间的接口获取，包括但不限于：5G NR中的Xn接口和/或F1接口；4G LTE中的X2接口等。
实施中，在求取功率分配最优解时，根据算力资源的多少选择特定的节点求取功率分配最优解。
实施中，以使上下行速率之和最大，求取功率分配最优解，是基于启发式优化算法求取的，包括但不限于D-SAPSO算法。
实施中，所述启发式优化算法包括以下算法之一或者其组合：
基于模拟退火SA算法和粒子群优化PSO算法的算法、遗传算法GA、模拟退火算法SA、禁忌搜索算法TS、神经网络、蚁群算法ACO。
实施中，在采用粒子群优化PSO算法时，包括：
确定施扰用户终端的功率控制因子集，施扰基站各天线的功率控制因子集；
将一组功率控制因子的可行解作为某粒子的位置，其中，所述可行解为施扰用户终端的功率控制因子集，与施扰基站各天线的功率控制因子集。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示上次移动速度大小和方向对本次移动的影响的记忆项中，表示可行解过去偏移速度的权重的惯性因子值，采用非线性递减权重NLDW策略。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从当前解指向粒子自身最好解的矢量，反映粒子自身经验的自身认知项中，表示粒子自身认知的值，采用线性递减权重LDW策略。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从本粒子指向群体最好解的矢量，反映了粒子间的协作的群体认知项中，表示粒子群体认知的值，采用线性递减权重LDW策略。
实施中，在基于模拟退火SA算法和粒子群优化PSO算法求取功率分配最优解时，使用Metropolis准则来决定是否更新局部最优解。
一种网络节点，包括：
处理器，用于读取存储器中的程序，执行下列过程：
获取以下参数之一或者其组合：
1)各受扰基站与其服务的各用户终端之间的上行链路信道状态信息(CSI，channel state information，可为矩阵、向量或标量)；2)各施扰基站与其服务的各用户终端之间的下行链路CSI(可为矩阵、向量或标量)；3)各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI(可为矩阵、向量或标量)；4)各施扰基站与各受扰基站之间的干扰链路CSI(可为矩阵、向量或标量)；5)各上行或下行链路被分配到的传输时长；6)各上行或下行链路被分配到的传输带宽；7)各传输链路的噪声功率；8)各施扰基站与各受扰基站预期的上下行传输资源配置；9)各用户终端的QoS要求和对应的最小传输速率；10)各基站和用户终端的最大可允许发射功率；
根据获取的信息，以使上下行速率之和最大，求取功率分配最优解；
指示施扰基站的下行发射功率与施扰用户终端的上行发射功率按求得的最优解进行功率调整；
收发机，用于在处理器的控制下接收和发送数据。
实施中，以使上下行和速率最大求取功率分配最优解时，进一步包括：
根据各用户终端的QoS要求，分别对各用户终端对应的上行或下行可接受的最小传输速率给出约束；
根据设备的类型，对各用户终端和各基站的最大可允许发射功率给出约束。实施中，获取各受扰基站的上行链路CSI时，进一步包括：
各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的SRS或DMRS；5G NR系统中的SRS或DMRS，或相位跟踪参考信号；Wi-Fi系统中的各类短训练序列或长训练序列信号。各受扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI。
实施中，获取各施扰基站的下行链路CSI时，进一步包括以下两种方法之一或者基于它们的特定混合方法：
其一，各施扰基站在下行链路向其服务的各用户终端发送用于信道估计或信道质量测量的参考信号，包括但不限于：LTE系统中的小区专用参考信号(C-RS，Cell-specificReference Signal)，或用户终端专用参考信号(UE-RS，UE-specific Reference Signal)，或多播/广播单频网络参考信号(MBSFN-RS，Multicast Broadcast Single FrequencyNetwork Reference Signal)，或信道状态信息参考信号(CSI-RS，Channel StateInformation Reference Signal)，或定位参考信号(P-RS，Positioning ReferenceSignal)；5G NR系统中的DMRS，或PTRS，或CSI-RS；Wi-Fi系统中的各类STF或LTF信号；被该施扰基站服务的各用户终端根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定该用户终端与服务该用户终端的施扰基站之间的下行链路CSI，并将该CSI以特定形式反馈给服务该用户终端的施扰基站；
其二，若上行链路CSI与下行链路CSI满足预设精度的互易性(Reciprocity)，例如上下行采用TDD技术时，各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，SoundingReference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，LongTraining Field)信号。为这些用户终端提供服务的各施扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI，根据信道互易性，直接获得下行链路CSI。
实施中，获取各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI时，进一步包括：
基于网络间协调机制，施扰用户终端所在小区的基站与受扰用户终端所在小区的基站交换上行链路和下行链路配置；
施扰用户终端所在小区的基站为该施扰用户终端配置特定测量参考信号，受扰用户终端所在小区的基站为该受扰用户终端配置干扰测量资源用于交叉链路干扰测量；
受扰用户终端测量接收到的交叉链路干扰，并上报对应的测量结果，包括但不限于以下两种方法之一或者基于它们的特定混合方法：基于探测参考信号-参考信号接收功率(SRS-RSRP，Reference Signal Received Power)或基于物理层接收信号强度指示(RSSI，Cross Link Interference-Received Signal Strength Indication)的测量上报方式。其中，基于SRS-RSRP的CLI测量上报需要为干扰源用户终端配置特定测量参考信号，相应的受干扰用户终端需要配置干扰测量资源用于CLI测量；另一种基于物理层RSSI的测量上报方式，根据现有的标准，定义RSSI的作用为用于联合RSRP来计算参考信号接收质量(RSRQ，reference signal received quality)；
根据测量结果得到干扰信道。
实施中，获取各施扰基站与相邻小区中的各受扰基站之间的干扰链路CSI时，包括但不限于以下方法：
基站接收来自相邻受扰基站的干扰测量请求，所述干扰测量请求中携带测量项目指示；
施扰基站发送干扰测量参考信号，受扰基站接收该信号；
受扰基站根据所述干扰测量参考信号中包含的测量参数计算所述测量项目指示对应的测量结果，并向施扰基站发送干扰响应，所述干扰响应中携带所述测量结果。
实施中，各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率，以上参数之一或者其组合可以通过基站间的接口获取，包括但不限于：5G NR中的Xn接口和/或F1接口；4G LTE中的X2接口等。
实施中，在求取功率分配最优解时，根据算力资源的多少选择特定的节点求取功率分配最优解。
实施中，以使上下行速率之和最大，求取功率分配最优解，是基于启发式优化算法求取的，包括但不限于D-SAPSO算法。
实施中，所述启发式优化算法包括以下算法之一或者其组合：
基于模拟退火SA算法和粒子群优化PSO算法的算法、遗传算法GA、模拟退火算法SA、禁忌搜索算法TS、神经网络、蚁群算法ACO。
实施中，在采用粒子群优化PSO算法时，包括：
确定施扰用户终端的功率控制因子集，施扰基站各天线的功率控制因子集；
将一组功率控制因子的可行解作为某粒子的位置，其中，所述可行解为施扰用户终端的功率控制因子集，与施扰基站各天线的功率控制因子集。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示上次移动速度大小和方向对本次移动的影响的记忆项中，表示可行解过去偏移速度的权重的惯性因子值，采用非线性递减权重NLDW策略。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从当前解指向粒子自身最好解的矢量，反映粒子自身经验的自身认知项中，表示粒子自身认知的值，采用线性递减权重LDW策略。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从本粒子指向群体最好解的矢量，反映了粒子间的协作的群体认知项中，表示粒子群体认知的值，采用线性递减权重LDW策略。
实施中，在基于模拟退火SA算法和粒子群优化PSO算法求取功率分配最优解时，使用Metropolis准则来决定是否更新局部最优解。
一种网络节点，包括：
信息模块，用于获取以下参数之一或者其组合：
1)各受扰基站与其服务的各用户终端之间的上行链路信道状态信息(可为矩阵、向量或标量；2)各施扰基站与其服务的各用户终端之间的下行链路CSI(可为矩阵、向量或标量)；3)各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI(可为矩阵、向量或标量)；4)各施扰基站与各受扰基站之间的干扰链路CSI(可为矩阵、向量或标量)；5)各上行或下行链路被分配到的传输时长；6)各上行或下行链路被分配到的传输带宽；7)各传输链路的噪声功率；8)各施扰基站与各受扰基站预期的上下行传输资源配置；9)各用户终端的QoS要求和对应的最小传输速率；10)各基站和用户终端的最大可允许发射功率；
最优解模块，用于根据获取的信息，以使上下行速率之和最大，求取功率分配最优解；
指示模块，用于指示施扰基站的下行发射功率与施扰用户终端的上行发射功率按求得的最优解进行功率调整。
实施中，最优解模块进一步用于以使上下行和速率最大求取功率分配最优解时，包括：
根据各用户终端的QoS要求，分别对各用户终端对应的上行或下行可接受的最小传输速率给出约束；
根据设备的类型，对各用户终端和各基站的最大可允许发射功率给出约束。
实施中，信息模块进一步用于获取施扰基站小区的下行信道状态信息、或受扰基站小区的上行信道状态信息时，包括：
获取各受扰基站的上行链路CSI时，进一步包括：
各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，Sounding Reference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，Long Training Field)信号。各受扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI。
获取各施扰基站的下行链路CSI时，进一步包括以下两种方式之一或者基于它们的特定混合方法：
其一，各施扰基站在下行链路向其服务的各用户终端发送用于信道估计或信道质量测量的参考信号，包括但不限于：LTE系统中的小区专用参考信号(C-RS，Cell-specificReference Signal)，或用户终端专用参考信号(UE-RS，UE-specific Reference Signal)，或多播/广播单频网络参考信号(MBSFN-RS，Multicast Broadcast Single FrequencyNetwork Reference Signal)，或信道状态信息参考信号(CSI-RS，Channel StateInformation Reference Signal)，或定位参考信号(P-RS，Positioning ReferenceSignal)；5G NR系统中的DMRS，或PTRS，或CSI-RS；Wi-Fi系统中的各类STF或LTF信号。被该施扰基站服务的各用户终端根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定该用户终端与服务该用户终端的施扰基站之间的下行链路CSI，并将该CSI以特定形式反馈给服务该用户终端的施扰基站。
其二，若上行链路CSI与下行链路CSI满足预设精度的互易性(Reciprocity)，例如上下行采用TDD技术时，各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，SoundingReference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，LongTraining Field)信号。为这些用户终端提供服务的各施扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI，根据信道互易性，直接获得下行链路CSI。
实施中，信息模块进一步用于获取受扰基站小区的施扰用户终端与施扰基站小区的受扰用户终端之间的干扰信道时，包括：
基于网络间协调机制，施扰用户终端所在小区的基站与受扰用户终端所在小区的基站交换上行链路和下行链路配置；
施扰用户终端所在小区的基站为该施扰用户终端配置特定测量参考信号，受扰用户终端所在小区的基站为该受扰用户终端配置干扰测量资源用于交叉链路干扰测量；
受扰用户终端测量接收到的交叉链路干扰，并上报对应的测量结果，包括但不限于以下两种方法之一或者基于它们的特定混合方式：基于探测参考信号-参考信号接收功率或基于物理层接收信号强度指示的测量上报方式；其中，基于SRS-RSRP的CLI测量上报需要为干扰源用户终端配置特定测量参考信号，相应的受干扰用户终端需要配置干扰测量资源用于CLI测量；另一种基于物理层RSSI的测量上报方式，根据现有的标准，定义RSSI的作用为用于联合RSRP来计算RSRQ；
根据测量结果得到干扰信道。
实施中，信息模块进一步用于获取各施扰基站与相邻小区中的各受扰基站之间的干扰链路CSI时，包括但不限于以下方法：
基站接收来自相邻受扰基站的干扰测量请求，所述干扰测量请求中携带测量项目指示；
施扰基站发送干扰测量参考信号，受扰基站接收该信号；
受扰基站根据所述干扰测量参考信号中包含的测量参数计算所述测量项目指示对应的测量结果，并向施扰基站发送干扰响应，所述干扰响应中携带所述测量结果。
实施中，实施中，信息模块进一步用于获取各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率等。
实施中，在求取功率分配最优解时，根据算力资源的多少选择特定的节点求取功率分配最优解。
实施中，以使上下行速率之和最大，求取功率分配最优解，是基于启发式优化算法求取的，包括但不限于D-SAPSO算法。
实施中，所述启发式优化算法包括以下算法之一或者其组合：
基于模拟退火SA算法和粒子群优化PSO算法的算法、遗传算法GA、模拟退火算法SA、禁忌搜索算法TS、神经网络、蚁群算法ACO。
实施中，在采用粒子群优化PSO算法时，包括：
确定施扰用户终端的功率控制因子集，施扰基站各天线的功率控制因子集；
将一组功率控制因子的可行解作为某粒子的位置，其中，所述可行解为施扰用户终端的功率控制因子集，与施扰基站各天线的功率控制因子集。
实施中，最优解模块进一步用于在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示上次移动速度大小和方向对本次移动的影响的记忆项中，表示可行解过去偏移速度的权重的惯性因子值，采用非线性递减权重NLDW策略。
实施中，最优解模块进一步用于在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从当前解指向粒子自身最好解的矢量，反映粒子自身经验的自身认知项中，表示粒子自身认知的值，采用线性递减权重LDW策略。
实施中，最优解模块进一步用于在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从本粒子指向群体最好解的矢量，反映了粒子间的协作的群体认知项中，表示粒子群体认知的值，采用线性递减权重LDW策略。
实施中，最优解模块进一步用于在基于模拟退火SA算法和粒子群优化PSO算法求取功率分配最优解时，使用Metropolis准则来决定是否更新局部最优解。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述CLI抑制方法。
本发明有益效果如下：
本发明实施例提供的技术方案中，由于是根据受扰用户终端所在小区、受扰基站所在小区、施扰用户终端对受扰用户终端的干扰或施扰基站对受扰基站的干扰等信息来求取功率分配最优解，由于优化目标函数是上下行速率之和，因此该目标能够同时抑制施扰用户终端对受扰用户终端的干扰以及施扰基站对受扰基站的干扰。也即，由于以最大化上下行和速率为目标，提出了一种上下行CLI的跨域联合优化方案，因而对施扰基站的下行发射功率与施扰用户终端的上行发射功率进行功率分配，能够起到了CLI抑制作用。
进一步的，可扩展于各种天然缺乏协调性的分布式无线发射单元组网场景。
由于方案中考虑的是跨域功率分配优化方案，因而可以对现有功率分配方案进行升级，不仅不受限于TD-LTE和5G NR场景，也可以部署于任何上述的分布式小区间，包括但不限于Wi-Fi等场景。
进一步的，支持跨小区联合功率分配的施扰基站与受扰基站之间的跨小区信息交互机制。
由于方案中考虑到利用各小区内的上下行控制信道，包括但不限于使用Xn和F1接口进行交换和协调，且设计并说明了功率优化的信息中转流程。该机制使得跨域联合功率优化方案成为了可能。
进一步的，去中心化的功率优化算法实现方案。
由于方案中考虑到根据利用各小区内的上下行控制信道以及Xn和F1接口获得的跨小区信道信息，灵活选择算力资源更丰富的特定节点执行D-SAPSO算法，而后通过Xn和F1接口以及各自小区的控制信令进行功率分配控制。
进一步的，可扩展至多个站点的通用技术框架。
由于方案可以适用于存在CLI的双小区场景，进行算法流程部署与优化目标分析，因此该方案也可以拓展至存在CLI的多小区场景下。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例中CLI抑制方法实施流程示意图；
图2为本发明实施例中无线网络模型示意图；
图3为本发明实施例中动态模拟退火粒子群(D-SAPSO)算法的功率分配方案运行流程图；
图4为本发明实施例中基于D-SAPSO算法的无线网络功率控制优化流程图；
图5为本发明实施例中网络节点结构示意图。
具体实施方式
发明人在发明过程中注意到：
需要提出一种通过功率控制进行CLI(交叉链路干扰，Cross Link Interference)消除的方案。
对于功率控制，通过调整基站和用户终端的传输功率可以抑制CLI。目前有两种降低CLI的功率控制方法：1)降低施扰站的发射功率；2)提高受扰站的接收功率。前者旨在减少对相邻小区的CLI，后者旨在增强有用信号的性能。
然而，一个明显的问题是，降低施扰站的发射功率也会降低该小区用户终端的接收信号功率，而增加施扰站的发射功率又会增加CLI。为了解决这一问题，可以考虑提出一种面向上下行和速率最大化的功率控制方案，在控制CLI的同时节省发射功率。
对于上行功率控制，基站可以调节位于上行链路上的用户终端功率，降低用户终端对相邻小区的干扰，或在相邻小区存在CLI时提高上行信号的性能。此外，上行功率控制可以通过干扰测量或信道感知方案来辅助，基站基于交换和测量的信息，调整用户终端的传输功率，同时在下行链路中调整自身的传输功率。在下行链路中，基站功率控制作为一种消除CLI的技术，其重要性不亚于用户终端功率控制。
然而，现有技术中并没有很好地解决基站的下行功率控制问题，因为基站的传输功率并不经常变化，其功率控制能力依赖于基站的部署。现有功率分配优化方案主要分为单小区和多小区：单小区场景的优化目标是最大化小区内的上行或下行和速率；多小区场景下主要通过基站间协作，各小区最大化各自小区内的上行或下行和速率来抑制小区间干扰。现有技术通常只关注基站对用户终端的干扰或用户终端对基站的干扰，即单纯进行上行或下行的功率控制，而本发明实施例提供的技术方案中将考虑对跨小区的上下行和速率联合优化。
现有技术中提供了一种技术方案：TD-LTE系统采用动态TDD传输，因此需要使其通信业务适应下行(DL)和上行(UL)业务的快速变化需求。然而，不同的UL/DL方向将对相邻小区中同一时频下的有用信号造成干扰，即施扰基站与受扰基站之间的(BS-to-BS；BS：基站，Base Station)干扰和施扰用户终端与受扰用户终端之间的(UT-to-UT；UT：用户终端，UserTerminal)干扰。该方案是一种闭环的上行功率控制方案，以对抗由动态TDD上下行复用导致的严重施扰基站与受扰基站之间的干扰，根据不同的干扰水平设置不同的UL功率控制参数。通过系统级仿真对提出方案的性能进行了评估，结果表明，上行链路平均包吞吐量可以获得显著的性能增益。同时，当用户终端增加发射功率时，对施扰用户终端与受扰用户终端之间的干扰并不像预期的那么严重。
可见，现有消除CLI的功率控制方案主要分为上行功率控制和下行功率控制两类。上行功率控制主要是基站调节小区内的用户终端功率，从而降低用户终端对相邻小区的上行链路干扰，即施扰用户终端与受扰用户终端之间干扰。基站可以基于交换和测量的信息进行功率分配。下行功率控制作为一种CLI抑制方案，其重要性不亚于上行功率控制。下行功率控制主要是基站控制自身发射功率，降低其对相邻小区的下行链路干扰，即施扰基站与受扰基站之间的干扰。目前，现有技术中并没有很好地解决基站的下行功率控制问题，因为基站的传输功率并不经常变化，而下行功率控制依赖于基站的实际部署。
目前的研究主要集中在上行或下行的功率控制问题上，缺少对上下行功率的联合优化成果。上行功率控制与下行功率控制是独立进行的，分别在各自传输方向上单独进行性能优化。由此导致的结果是，无论是在上行还是下行增加功率，都可能在增强该链路传输质量的同时，恶化其它同时有信号进行传输的链路。这里的被干扰链路可能与被增强的链路处于同一个小区，也可能与被增强的链路处于不同小区。因此现有技术没有解决基站和用户终端的上下行功率联合优化控制问题。
本发明实施例提供的技术方案将同时考虑上下行联合的干扰抑制，旨在消除施扰基站与受扰基站之间的和施扰用户终端与受扰用户终端之间的两方面干扰。
针对由施扰基站、受扰用户终端与相邻小区的受扰基站、施扰用户终端组成的无线网络场景中存在的CLI问题，以最大化上下行和速率为目标，提出了一种跨小区上下行发射功率分配联合优化的CLI抑制方案，并以动态模拟退火粒子群优化算法为例来进行该优化问题的求解，对施扰基站的下行发射功率与施扰终端的上行发射功率进行优化的功率分配。
下面结合附图对本发明的具体实施方式进行说明。
在说明过程中，将涉及施扰基站、受扰基站以及用户终端的实施进行说明，然后还将给出它们配合实施的实例以更好地理解本发明实施例中给出的方案的实施。这样的说明方式并不意味着它们必须配合实施、或者必须单独实施，实际上，当它们分开实施时，其也各自解决自身一侧的问题，而它们结合使用时，会获得更好的技术效果。
图1为CLI抑制方法实施流程示意图，如图所示，可以包括：
步骤101、获取以下参数之一或者其组合：1)各受扰基站与其服务的各用户终端之间的上行链路信道状态信息(可为矩阵、向量或标量)；2)各施扰基站与其服务的各用户终端之间的下行链路CSI(可为矩阵、向量或标量)；3)各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI(可为矩阵、向量或标量)；4)各施扰基站与各受扰基站之间的干扰链路CSI(可为矩阵、向量或标量)；5)各上行或下行链路被分配到的传输时长；6)各上行或下行链路被分配到的传输带宽；7)各传输链路的噪声功率；8)各施扰基站与各受扰基站预期的上下行传输资源配置；9)各用户终端的QoS要求和对应的最小传输速率；10)各基站和用户终端的最大可允许发射功率；
步骤102、根据获取的信息，以使上下行速率之和最大，求取功率分配最优解；
步骤103、指示施扰基站的下行发射功率与受扰用户终端的上行发射功率按求得的最优解进行功率调整。
具体的，下行施扰基站与上行受扰基站组成的无线网络场景中存在严重的CLI。针对此问题，方案以最大化上下行和速率为目标，提出了一种跨小区上下行发射功率分配联合优化的CLI抑制方案，并以动态模拟退火粒子群优化算法为例来进行该优化问题的求解，对施扰基站的下行发射功率与施扰用户终端的上行发射功率进行优化的功率分配，从而起到干扰抑制的作用。
考虑一个基于TDD的无线网络，它由多个基站和它们各自的用户终端组成，基站是一个通用术语，它可以表示宏基站(MBS)、微基站(SBS)、Wi-Fi系统的接入点(AP)，等等。为了简单而不失一般性，在实施例中，将基于图2所示的由两个基站构成的双基站系统模型进行阐述。
示例场景中存在两个基站，分别是施扰的第一基站和受扰的第二基站。第一基站的发射功率较高，覆盖范围较大，传输方向为下行，信号由第一基站发送给用户终端。第二基站的发射功率和覆盖范围较小，传输方向为上行，由用户终端将信号上传到第二基站。用户终端可以是任何无线接入终端，包括但不限于手机、电脑、智能平板等。
假设第一基站小区中的用户终端数量为M，第二基站小区中的用户终端数量为N，所有用户终端均为单天线。第一基站的天线数量是T，第二基站的天线数量是R。在该系统中使用动态TDD技术，这样可以有效利用时域资源从而减少延迟，但同时CLI也会导致下行链路的用户终端处和上行链路的基站处的接收信号受到严重的干扰(分别是施扰用户终端与受扰用户终端之间的干扰和施扰基站与受扰基站之间的干扰)。图2为系统模型示意图，系统模型如图2所示。
对于下行链路，第k个第一小区用户终端(MUT-k)的接收信号可以表示为：
是第一基站向第i个第一小区用户终端发送信号时的的M×1维功率分配或预编码向量，可进一步表示为：
其中，是从第一基站到第k个第一小区用户终端1×M信道状态向量，hl，k是从第l个第二小区用户终端到第k个第一小区用户终端之间干扰信道的信道状态信息标量。Φk是与用户终端k占用相同时频资源的第一小区用户终端，Ψk是与第一蜂窝用户终端k占用相同时频资源的第二小区用户终端。/>是第一基站给第i个第一小区用户终端发送信号时，分配给第m个天线接口的下行发射功率，m∈{1，…，M}。/>是第二基站分配给第l个第二小区用户终端的上行发射功率。/>是未功率分配时第一基站发送给第k个第一小区用户终端的单位功率发送信号，这是一个M×1维的信号向量；/>是未功率分配时第二小区用户终端发送给第二基站的单位功率发送信号。nk表示信道中的加性高斯白噪声。
第k个第一小区用户终端接收信号的信干噪比则可以表示为：
其中，表示来自第一小区内的干扰；表示来自第二小区的干扰。
因此，第一小区的下行速率就可以表示为：
将信干噪比表达式(3)带入下行速率表达式(4)，可进一步得到：
对于上行链路，第n个第二小区用户终端发送给第二基站的信号可以表示为：
其中，是从第l个第二蜂窝用户终端(SUT-l)到第二基站的信道状态向量，HBS是从第一基站到第二基站的信道状态矩阵。WDL是第一小区的下行功率分配预编码矩阵sDL表示第一蜂窝小区未进行功率分配时的下行原始信号/>为了方便起见，实施例中统一定义为：
类似地，可以得到第1个第二小区用户终端发送给第二基站的信干噪比为：
其中，表示来自第二小区内的干扰；表示来自第一小区的干扰。
假设在第二小区基站接收机中使用基于ZF(迫零算法，Zero Foring)的MUD(多用户检测器，multi-user detector)，因此，第二小区的上行速率就可以表示为：
将信干噪比表达式(7)带入上行速率表达式(8)，可进一步得到：
实施中，根据获取的信息，以使上下行速率之和最大，求取功率分配最优解。
具体的，方案的目标是通过优化功率分配因子使得上下行速率之和最大。该问题可以表述为：
其中，公式(10)为优化目标函数，即上下行和速率最大化。公式(11)、(12)为待求解的功率控制因子。公式(13)和(14)分别对第一基站的总发射功率与第二小区中的用户终端最大发射功率进行了约束。
实施中，以使上下行和速率最大求取功率分配最优解时，进一步包括：
根据用户终端的QoS要求，分别对各用户终端对应的上行或下行可接受的最小传输速率给出约束。
实施中，在求取功率分配最优解时，根据算力资源的多少选择节点求取功率分配最优解。
具体的，假设第二基站与第一基站之间有可靠的有线或无线链路连接。由于CLI是在同一时频资源下产生的，所以同一信道的上下行信道矩阵(可为矩阵、向量或标量)互为转置。在此基础上，可在算力资源丰富的第一基站处对问题进行全局优化。
图3为动态模拟退火粒子群(D-SAPSO)算法的功率分配方案运行流程图，本方案中采用的基于D-SAPSO(仅为求解示例，可采用其他算法求解)算法的功率分配方案运行流程如图3所示，例中的MBS表示第一基站，SBS表示第二基站。
实施时，是以两小区为例进行说明的，具体实施中可扩展到存在CLI的多小区场景。
实施时，是以5G NR标准中的接口为例进行说明的，具体实施中包括但不限于5GNR、4G LTE以及Wi-Fi等场景。在实施中以5G NR标准中的接口为例，是因为目前更多的运用集中在5G NR，因此较为典型，所以这里以5G NR标准中的接口为例；但是，其他标准或者其他制式网络也是可以的，只要是根据第一基站小区、第二基站小区、施扰用户终端与受扰用户终端之间的干扰或施扰用户终端与受扰用户终端之间的干扰等信息来求取功率分配最优解，优化目标函数是第一小区的下行和速率与第二小区的上行和速率之和，同时抑制下行链路中的施扰用户终端与受扰用户终端之间的干扰以及上行链路中的施扰基站与受扰基站之间的干扰，即可实施本发明实施例中提供的技术方案，5G NR标准中的接口为例仅用于教导本领域技术人员具体如何实施本发明，但不意味仅能用于以5G NR标准中的接口，实施过程中可以结合实践需要来确定相应的运用方式。
本方案提出的功率分配算法运行流程可以如下：
1、测量上下行信道。
实施中，获取各受扰基站的上行链路CSI时，进一步包括：
各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的SRS(探测参考信号，Sounding Reference Signal)或DMRS(解调参考信号，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或PTRS(相位跟踪参考信号，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类STF(短训练序列，Short Training Field)或LTF(长训练序列，Long Training Field)信号。各受扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI。
实施中，获取各施扰基站的下行链路CSI时，进一步包括以下两种方法之一或者基于它们的特定混合方法：
其一，各施扰基站在下行链路向其服务的各用户终端发送用于信道估计或信道质量测量的参考信号，包括但不限于：LTE系统中的C-RS(小区专用参考信号，Cell-specificReference Signal)，或UE-RS(用户终端专用参考信号，UE-specific Reference Signal)，或MBSFN-RS(多播/广播单频网络参考信号，Multicast Broadcast Single FrequencyNetwork Reference Signal)，或CSI-RS(信道状态信息参考信号，Channel StateInformation Reference Signal)，或P-RS(定位参考信号，Positioning ReferenceSignal)；5G NR系统中的DMRS，或PTRS，或CSI-RS；Wi-Fi系统中的各类STF或LTF信号。被该施扰基站服务的各用户终端根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定该用户终端与服务该用户终端的施扰基站之间的下行链路CSI，并将该CSI以特定形式反馈给服务该用户终端的施扰基站。
其二，若上行链路CSI与下行链路CSI满足预设精度的互易性(Reciprocity)，例如上下行采用TDD技术时，各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的SRS或DMRS；5G NR系统中的SRS，或DMRS，或PTRS；Wi-Fi系统中的各类短训练序列或长训练序列信号。为这些用户终端提供服务的各施扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI，根据信道互易性，直接获得下行链路CSI。
具体的，MBS与SBS分别通过PDCCH(物理下行控制信道，Physical downlinkcontrol channel)信道发送参考信号CSI-RS给各自小区内的用户终端，以获得求解功率优化问题所需的信道矩阵(可为矩阵、向量或标量)。两小区内的用户终端根据参考信号返回CQI给各自的基站。由于信道互异性，基站可以根据用户终端上报的CQI得到第一基站小区的下行信道矩阵HDL(K×M维)和第二基站小区的上行信道矩阵HUL(L×N维)。
2、测量施扰用户终端与受扰用户终端之间的干扰信道。
实施中，获取各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI时，进一步包括：
基于网络间协调机制，施扰用户终端所在小区的基站与受扰用户终端所在小区的基站交换上行链路和下行链路配置；
施扰用户终端所在小区的基站为该施扰用户终端配置特定测量参考信号，受扰用户终端所在小区的基站为该受扰用户终端配置干扰测量资源用于交叉链路干扰测量；
受扰用户终端测量接收到的交叉链路干扰，并上报对应的测量结果，包括但不限于以下两种方法之一或者基于它们的特定混合方法：基于SRS-RSRP(探测参考信号-参考信号接收功率，Reference Signal Received Power)或RSSI(基于物理层接收信号强度指示，Cross Link Interference-Received Signal Strength Indication)的测量上报方式。其中，基于SRS-RSRP的CLI测量上报需要为干扰源用户终端配置特定测量参考信号，相应的受干扰用户终端需要配置干扰测量资源用于CLI测量；另一种基于物理层RSSI的测量上报方式，根据现有的标准，定义RSSI的作用为用于联合RSRP来计算RSRQ(参考信号接收质量，reference signal received quality)；
根据测量结果得到干扰信道。
具体的，施扰用户终端配置特定测量参考信号，相应地，受扰用户终端需要配置干扰测量资源用于CLI测量。受扰用户终端测量CLI-RSSI，并对于CLI-RSSI测量结果进行上报，目前协议定期上报。根据CLI-RSSI，可以得到施扰用户终端与受扰用户终端之间的干扰信道。
3、测量施扰基站与受扰基站之间的干扰信道。
实施中，获取各施扰基站与相邻小区中的各受扰基站之间的干扰链路CSI时，包括但不限于以下方法：
基站接收来自相邻受扰基站的干扰测量请求，所述干扰测量请求中携带测量项目指示；
施扰基站发送干扰测量参考信号，受扰基站接收该信号；
受扰基站根据所述干扰测量参考信号中包含的测量参数计算所述测量项目指示对应的测量结果，并向施扰基站发送干扰响应，所述干扰响应中携带所述测量结果。
具体的，MBS接收到来自SBS的干扰测量请求时，施扰的MBS发送干扰测量参考信号，受扰基站SBS接收该信号。SBS根据所述干扰测量参考信号中包含的测量参数计算所述测量项目指示对应的测量结果，并通过NG接口将干扰响应从施扰的MBS发送到受扰的SBS。根据干扰测量参考信号，可以得到施扰基站与受扰基站之间的干扰信道。
4、第一基站获取信息。
实施中，各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率可以通过基站间的接口获取，包括但不限于：5G NR中的Xn接口和/或F1接口；4G LTE中的X2接口等。
具体的，MBS与SBS可以通过Xn和F1接口交换和协调预期的上下行配置、测量得到的信道状态信息与上下行发送信息。
5、在第一基站处执行D-SAPSO功率分配优化。
实施中，以使上下行速率之和最大，求取功率分配最优解，是基于启发式优化算法求取的。
实施中，所述启发式优化算法包括以下算法之一或者其组合：
基于模拟退火SA算法和粒子群优化PSO算法的算法、遗传算法GA、模拟退火算法SA、禁忌搜索算法TS、神经网络、蚁群算法ACO。
具体的，在算力资源丰富的基站处执行D-SAPSO功率分配优化(此处以第一基站为例)。根据D-SAPSO(基于模拟退火粒子群算法)算法，在MBS处进行功率分配优化，得到使上下行和速率最大的功率分配最优解。具体D-SAPSO的实施参见下面实施例的说明。
6、功率分配实施。
实施中，指示施扰基站的下行发射功率与施扰用户终端的上行发射功率按求得的最优解进行功率调整。
具体的，MBS根据最优解调整自身的下行发射功率，并将该功率分配方案通知SBS，由PDCCH中的TPC(传输功率控制，Transmit Power Control)命令来对施扰用户终端的发射功率进行调整。
实施中，以使上下行速率之和最大，求取功率分配最优解，是基于启发式优化算法求取的。
实施中，所述启发式优化算法包括以下算法之一或者其组合：
基于模拟退火SA算法和粒子群优化PSO算法的算法、遗传算法GA、模拟退火算法SA、禁忌搜索算法TS、神经网络、蚁群算法ACO。
实施例中，将采用D-SAPSO算法进行功率分配问题求解。此处的求解可以替换为其他合适的启发式优化算法，例如：遗传算法(GA)、模拟退火算法(SA)、禁忌搜索算法(TS)、神经网络、蚁群算法(ACO)等。
由于目标函数的黑塞矩阵是非正定矩阵，该目标函数是一个非凸非凹函数。同时，功率约束条件(13)和(14)为非凸约束条件。因此，该问题是一个非凸优化问题。传统的优化算法，比如梯度下降法，容易陷入局部最优解，且复杂度随天线个数增多而大大增加。针对以上问题模型，实施例中将采用一种基于模拟退火(SA)算法和粒子群优化(PSO)算法的动态启发式算法，称之为D-SAPSO算法。该算法充分利用了SA算法的局部搜索能力和PSO算法的全局搜索能力，实现了优势互补。
实施中，在采用粒子群优化PSO算法时，包括：
确定第二基站用户终端的功率控制因子集，第一基站各天线的功率控制因子集；
将一组功率控制因子的可行解作为某粒子的位置，其中，所述可行解为第二基站用户终端的功率控制因子集，与第一基站各天线的功率控制因子集。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示上次移动速度大小和方向对本次移动的影响的记忆项中，表示可行解过去偏移速度的权重的惯性因子值，采用非线性递减权重NLDW策略。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从当前解指向粒子自身最好解的矢量，反映粒子自身经验的自身认知项中，表示粒子自身认知的值，采用线性递减权重LDW策略。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从本粒子指向群体最好解的矢量，反映了粒子间的协作的群体认知项中，表示粒子群体认知的值，采用线性递减权重LDW策略。
实施中，在基于模拟退火SA算法和粒子群优化PSO算法求取功率分配最优解时，使用Metropolis准则来决定是否更新局部最优解。
在上述粒子群算法的基础上，应用SA算法的思想，使用Metropolis准则来决定是否更新局部最优解。
下面以实例进行说明。
粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟，每个粒子根据自身经验与群体认知在搜索空间中的搜寻最优解。本场景中，公式(11)为第二基站用户终端的功率控制因子集，公式(12)为第一基站各天线的功率控制因子集，二者即为可行解的集合。显然，这是一个M+N维的解空间。将一组功率控制因子的可行解作为某粒子的位置，即相应地，该粒子的移动速度可表示为分别用历史最优解/>和全局最优解/>来表示粒子i所经历的最优解和目前所有粒子的最优解。同时，优化目标(10)是系统上下行和速率，将优化目标作为适应度函数，即/>
粒子在解空间中运动，跟踪历史最优解和全局最优解不断更新自己的位置。每一次粒子i从当前位置移动到下一位置/>的公式如下：
其中，粒子i当前的移动速度可以表示为：
公式(18)的第一项为记忆项，表示上次移动速度大小和方向对本次移动的影响；第二项是自身认知项，是从当前解指向粒子自身最好解的矢量，反映粒子自身经验；第三项是群体认知项，是从本粒子指向群体最好解的矢量，反映了粒子间的协作。
第一项中，ω是惯性因子，表示可行解过去偏移速度的权重。其值越大，全局搜索能力越强；其值越小，局部搜索能力越强。c1和c2分别表示粒子自身认知(第二项)和群体认知(第三项)的学习因子。r1和r2是在[0，1]之间的随机加速度权重系数。
在传统的启发式优化算法中，ω、c1和c2通常被设置为固定值。但实际上，动态的学习因子能获得比固定值更好的优化结果。
对于惯性因子ω，采用NLDW(非线性递减权重策略，nonlinear strategies ofdecreasing inertia weight)。
其中，k为迭代更新的次数。可以看到，惯性因子ω随迭代次数增加而减小。对ω求导可得：
显然，ω从ωmax开始缓慢减小，然后近似线性地迅速下降，最后缓慢减小至ωmin。
对于c1和c2，采用LDW(线性递减权重策略，linear strategies of decreasinginertia weight)。具体表示为：
在上述粒子群算法的基础上，应用SA算法的思想，使用Metropolis准则来决定是否更新局部最优解。假设可行解的适应度为fi，更新后的可行解/>对应的适应度为fi。则更新局部最优解的概率，即转移概率，可以表示为：
可以看出如果更新后的适应度更高，即系统和速率更大，那就按原算法将转移到/>如果更新后的适应度更低了，即系统和速率减小，此时不会直接舍弃这个坏值，而是以一定的概率进行转移，这个概率与适应度变化值和参数Temp有关。Temp为温度参数，初始值较大，而后随着迭代次数k的增加而指数减小。温度参数可以数学表示为Temp(k+1)＝αTemp(k)，其中α为衰减因子。开始时，Temp很大，此时P→1，算法以较大概率选择更新当前非最优解；此后，转移概率P随着温度参数Temp的降低而迅速减少；最终，当Temp→0时，P→0，此时算法几乎只能选择最优解，等同于贪心算法。
经典的PSO算法虽然能较好地全局搜索最优解，但由于对的简单依赖，使得搜索步长无法自适应改变。固定的学习因子c1和c2也使得优化过程不能自适应改变。从某一较高初温出发，伴随温度参数的不断下降，结合概率突跳特性在可行解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。该算法赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免PSO算法陷入局部最优解的可能，同时提高了算法的优化速度。
图4为基于D-SAPSO算法的无线网络功率控制优化流程图，如图所示，该算法的运行可以如下：
1、将粒子个数设置为G，并对每个粒子的位置和转移速度/>初始化，即在可行区域内随机生成G个可行解与其对应的变化矢量。
2、取系统的上下行和速率表达式作为适应度函数，计算当前各粒子的适应度fi。
3、设置初始温度参数Temp＝fmax-fmin，其中fmax和fmin分别表示初始群体的最大、最小适应度。
4、将粒子的设定为当前位置，将群体的/>设置为适应度最大的粒子位置。
5、根据公式(17)更新粒子的位置与速度。
6、如果某粒子适应度优于则更新/>为该粒子当前位置；否则，执行下一步。
7、如果某粒子适应度优于则更新/>为该粒子当前位置；否则，执行下一步。
8、计算本次粒子移动的适应度变化量Δf。若Δf≤0，则直接接受新解、更新位置否则，在(0，1)区间内随机产生一个数r，若/>则接受新解、更新位置/>若小于，则放弃这个坏值。
9、判断是否达到最大循环次数kmax。若未达到，则从步骤(5)开始循环执行；若已经达到，则继续执行步骤(10)。
10、比较处的适应度值与系统最大和速率，若该适应度值大于系统最大和速率，则更新当前系统最大和速率。
11、对温度参数进行α指数衰减。
12、判断算法是否满足收敛条件：温度参数减小到极限值Tempmin或系统最大和速率误差足够小，若不满足，则从步骤(5)开始重新执行。
基于同一发明构思，本发明实施例中还提供了一种网络节点、及计算机可读存储介质，由于这些设备解决问题的原理与CLI抑制方法相似，因此这些设备的实施可以参见方法的实施，重复之处不再赘述。
在实施本发明实施例提供的技术方案时，可以按如下方式实施。
图5为网络节点结构示意图，如图所示，网络节点中包括：
处理器500，用于读取存储器520中的程序，执行下列过程：
获取以下参数之一或者其组合：
各受扰基站与其服务的各用户终端之间的上行链路信道状态信息、各施扰基站与其服务的各用户终端之间的下行链路CSI、各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI、各施扰基站与各受扰基站之间的干扰链路CSI、各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率；
根据获取的信息，以使上下行速率之和最大，求取功率分配最优解；
指示施扰基站的下行发射功率与受扰用户终端的上行发射功率按求得的最优解进行功率调整；
收发机510，用于在处理器500的控制下接收和发送数据。
实施中，以使上下行和速率最大求取功率分配最优解时，进一步包括：
根据各用户终端的QoS要求，分别对各用户终端对应的上行或下行可接受的最小传输速率给出约束；
根据设备的类型，对各用户终端和各基站的最大可允许发射功率给出约束。
实施中，获取各受扰基站的上行链路CSI时，进一步包括：
各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，Sounding Reference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，Long Training Field)信号。各受扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI。
实施中，获取各施扰基站的下行链路CSI时，进一步包括以下两种方法之一或者基于它们的特定混合方法：
其一，各施扰基站在下行链路向其服务的各用户终端发送用于信道估计或信道质量测量的参考信号，包括但不限于：LTE系统中的小区专用参考信号(C-RS，Cell-specificReference Signal)，或用户终端专用参考信号(UE-RS，UE-specific Reference Signal)，或多播/广播单频网络参考信号(MBSFN-RS，Multicast Broadcast Single FrequencyNetwork Reference Signal)，或信道状态信息参考信号(CSI-RS，Channel StateInformation Reference Signal)，或定位参考信号(P-RS，Positioning ReferenceSignal)；5G NR系统中的DMRS，或PTRS，或CSI-RS；Wi-Fi系统中的各类STF或LTF信号。被该施扰基站服务的各用户终端根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定该用户终端与服务该用户终端的施扰基站之间的下行链路CSI，并将该CSI以特定形式反馈给服务该用户终端的施扰基站。
其二，若上行链路CSI与下行链路CSI满足预设精度的互易性(Reciprocity)，例如上下行采用TDD技术时，各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，SoundingReference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，LongTraining Field)信号。为这些用户终端提供服务的各施扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI，根据信道互易性，直接获得下行链路CSI。
实施中，获取各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI时，进一步包括：
基于网络间协调机制，施扰用户终端所在小区的基站与受扰用户终端所在小区的基站交换上行链路和下行链路配置；
施扰用户终端所在小区的基站为该施扰用户终端配置特定测量参考信号，受扰用户终端所在小区的基站为该受扰用户终端配置干扰测量资源用于交叉链路干扰测量；
受扰用户终端测量接收到的交叉链路干扰，并上报对应的测量结果，包括但不限于以下两种方法之一或者基于它们的特定混合方法：基于探测参考信号-参考信号接收功率(SRS-RSRP，Reference Signal Received Power)或基于物理层接收信号强度指示(RSSI，Cross Link Interference-Received Signal Strength Indication)的测量上报方式。其中，基于SRS-RSRP的CLI测量上报需要为干扰源用户终端配置特定测量参考信号，相应的受干扰用户终端需要配置干扰测量资源用于CLI测量；另一种基于物理层RSSI的测量上报方式，根据现有的标准，定义RSSI的作用为用于联合RSRP来计算参考信号接收质量(RSRQ，reference signal received quality)；
根据测量结果得到干扰信道。
实施中，获取各施扰基站与相邻小区中的各受扰基站之间的干扰链路CSI时，包括但不限于以下方法：
基站接收来自相邻受扰基站的干扰测量请求，所述干扰测量请求中携带测量项目指示；
施扰基站发送干扰测量参考信号，受扰基站接收该信号；
受扰基站根据所述干扰测量参考信号中包含的测量参数计算所述测量项目指示对应的测量结果，并向施扰基站发送干扰响应，所述干扰响应中携带所述测量结果。
实施中，各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率可以通过基站间的接口获取，包括但不限于：5G NR中的Xn接口和/或F1接口；4G LTE中的X2接口等。
实施中，在求取功率分配最优解时，根据算力资源的多少选择节点求取功率分配最优解。
实施中，以使上下行速率之和最大，求取功率分配最优解，是基于启发式优化算法求取的。
实施中，所述启发式优化算法包括以下算法之一或者其组合：
基于模拟退火SA算法和粒子群优化PSO算法的算法、遗传算法GA、模拟退火算法SA、禁忌搜索算法TS、神经网络、蚁群算法ACO。
实施中，在采用粒子群优化PSO算法时，包括：
确定第二基站用户终端的功率控制因子集，第一基站各天线的功率控制因子集；
将一组功率控制因子的可行解作为某粒子的位置，其中，所述可行解为第二基站用户终端的功率控制因子集，与第一基站各天线的功率控制因子集。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示上次移动速度大小和方向对本次移动的影响的记忆项中，表示可行解过去偏移速度的权重的惯性因子值，采用非线性递减权重NLDW策略。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从当前解指向粒子自身最好解的矢量，反映粒子自身经验的自身认知项中，表示粒子自身认知的值，采用线性递减权重LDW策略。
实施中，在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从本粒子指向群体最好解的矢量，反映了粒子间的协作的群体认知项中，表示粒子群体认知的值，采用线性递减权重LDW策略。
实施中，在基于模拟退火SA算法和粒子群优化PSO算法求取功率分配最优解时，使用Metropolis准则来决定是否更新局部最优解。
其中，在图5中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器500代表的一个或多个处理器和存储器520代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机510可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。处理器500负责管理总线架构和通常的处理，存储器520可以存储处理器500在执行操作时所使用的数据。
本发明实施例中还提供了一种网络节点，包括：
信息模块，用于获取以下参数之一或者其组合：1)各受扰基站与其服务的各用户终端之间的上行链路信道状态信息、各施扰基站与其服务的各用户终端之间的下行链路CSI、各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路CSI、各施扰基站与各受扰基站之间的干扰链路CSI、各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率；
最优解模块，用于根据获取的信息，以使上下行速率之和最大，求取功率分配最优解；
指示模块，用于指示施扰基站的下行发射功率与施扰用户终端的上行发射功率按求得的最优解进行功率调整。
实施中，最优解模块进一步用于以使上下行和速率最大求取功率分配最优解时，根据各用户终端的QoS要求，分别对各用户终端对应的上行或下行可接受的最小传输速率给出约束；
根据设备的类型，对各用户终端和各基站的最大可允许发射功率给出约束。
实施中，信息模块进一步用于获取第一基站小区的下行信道状态信息、或第二基站小区的上行信道状态信息时，包括：
实施中，获取各受扰基站的上行链路CSI时，进一步包括：
各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，Sounding Reference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，Long Training Field)信号。各受扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI。
实施中，获取各施扰基站的下行链路CSI时，进一步包括以下两种方法之一或者基于它们的特定混合方法：
其一，各施扰基站在下行链路向其服务的各用户终端发送用于信道估计或信道质量测量的参考信号，包括但不限于：LTE系统中的小区专用参考信号(C-RS，Cell-specificReference Signal)，或用户终端专用参考信号(UE-RS，UE-specific Reference Signal)，或多播/广播单频网络参考信号(MBSFN-RS，Multicast Broadcast Single FrequencyNetwork Reference Signal)，或信道状态信息参考信号(CSI-RS，Channel StateInformation Reference Signal)，或定位参考信号(P-RS，Positioning ReferenceSignal)；5G NR系统中的DMRS，或PTRS，或CSI-RS；Wi-Fi系统中的各类STF或LTF信号。被该施扰基站服务的各用户终端根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定该用户终端与服务该用户终端的施扰基站之间的下行链路CSI，并将该CSI以特定形式反馈给服务该用户终端的施扰基站。
其二，若上行链路CSI与下行链路CSI满足预设精度的互易性(Reciprocity)，例如上下行采用TDD技术时，各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，包括但不限于：LTE系统中的探测参考信号(SRS，SoundingReference Signal)或解调参考信号(DMRS，Demodulation Reference Signal)；5G NR系统中的SRS，或DMRS，或相位跟踪参考信号(PTRS，Phase-Tracking Reference Signal)；Wi-Fi系统中的各类短训练序列(STF，Short Training Field)或长训练序列(LTF，LongTraining Field)信号。为这些用户终端提供服务的各施扰基站根据上述信道估计或信道质量测量参考信号以及所需的CSI具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路CSI，根据信道互易性，直接获得下行链路CSI。
实施中，信息模块进一步用于获取施扰用户终端与受扰用户终端之间的干扰信道时，包括：
基于网络间协调机制，施扰用户终端所在小区的基站与受扰用户终端所在小区的基站交换上行链路和下行链路配置；
施扰用户终端所在小区的基站为该施扰用户终端配置特定测量参考信号，受扰用户终端所在小区的基站为该受扰用户终端配置干扰测量资源用于交叉链路干扰测量；
受扰用户终端测量接收到的交叉链路干扰，并上报对应的测量结果，包括但不限于以下两种方法之一或者基于它们的特定混合方法：基于探测参考信号-参考信号接收功率(SRS-RSRP，Reference Signal Received Power)或基于物理层接收信号强度指示(RSSI，Cross Link Interference-Received Signal Strength Indication)的测量上报方式。其中，基于SRS-RSRP的CLI测量上报需要为干扰源用户终端配置特定测量参考信号，相应的受干扰用户终端需要配置干扰测量资源用于CLI测量；另一种基于物理层RSSI的测量上报方式，根据现有的标准，定义RSSI的作用为用于联合RSRP来计算参考信号接收质量(RSRQ，reference signal received quality)；
根据测量结果得到干扰信道。
实施中，信息模块进一步用于获取各施扰基站与相邻小区中的各受扰基站之间的干扰链路CSI时，包括但不限于以下方法：
基站接收来自相邻受扰基站的干扰测量请求，所述干扰测量请求中携带测量项目指示；
施扰基站发送干扰测量参考信号，受扰基站接收该信号；
受扰基站根据所述干扰测量参考信号中包含的测量参数计算所述测量项目指示对应的测量结果，并向施扰基站发送干扰响应，所述干扰响应中携带所述测量结果。
实施中，实施中，信息模块进一步用于获取各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率等。
实施中，在求取功率分配最优解时，根据算力资源的多少选择特定的节点求取功率分配最优解。
实施中，以使上下行速率之和最大，求取功率分配最优解，是基于启发式优化算法求取的，包括但不限于本专利所述的D-SAPSO算法。
实施中，所述启发式优化算法包括以下算法之一或者其组合：
基于模拟退火SA算法和粒子群优化PSO算法的算法、遗传算法GA、模拟退火算法SA、禁忌搜索算法TS、神经网络、蚁群算法ACO。
实施中，在采用粒子群优化PSO算法时，包括：
确定施扰用户终端的功率控制因子集，施扰基站各天线的功率控制因子集；
将一组功率控制因子的可行解作为某粒子的位置，其中，所述可行解为施扰用户终端的功率控制因子集，与施扰基站各天线的功率控制因子集。
实施中，最优解模块进一步用于在求取功率分配最优解时，根据算力资源的多少选择节点求取功率分配最优解。
实施中，最优解模块进一步用于启发式优化算法求取功率分配最优解。
实施中，最优解模块进一步用于采用包括以下算法之一或者其组合的所述启发式优化算法：
基于模拟退火SA算法和粒子群优化PSO算法的算法、遗传算法GA、模拟退火算法SA、禁忌搜索算法TS、神经网络、蚁群算法ACO。
实施中，最优解模块进一步用于在采用粒子群优化PSO算法时，包括：
确定第二基站用户终端的功率控制因子集，第一基站各天线的功率控制因子集；
将一组功率控制因子的可行解作为某粒子的位置，其中，所述可行解为第二基站用户终端的功率控制因子集，与第一基站各天线的功率控制因子集。
实施中，最优解模块进一步用于在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示上次移动速度大小和方向对本次移动的影响的记忆项中，表示可行解过去偏移速度的权重的惯性因子值，采用非线性递减权重NLDW策略。
实施中，最优解模块进一步用于在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从当前解指向粒子自身最好解的矢量，反映粒子自身经验的自身认知项中，表示粒子自身认知的值，采用线性递减权重LDW策略。
实施中，最优解模块进一步用于在采用粒子群优化PSO算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从本粒子指向群体最好解的矢量，反映了粒子间的协作的群体认知项中，表示粒子群体认知的值，采用线性递减权重LDW策略。
实施中，最优解模块进一步用于在基于模拟退火SA算法和粒子群优化PSO算法求取功率分配最优解时，使用Metropolis准则来决定是否更新局部最优解。
为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本发明时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
本发明实施例中还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述CLI抑制方法。
具体实施可以参见CLI抑制方法的实施。
综上所述，现有功率分配优化方案主要分为单小区和多小区：单小区场景的优化目标是最大化小区内的上行或下行和速率；多小区场景下主要通过基站间协作，各小区最大化各自小区内的上行或下行和速率来抑制小区间干扰。现有技术通常只关注施扰基站与受扰基站之间的干扰或施扰用户终端与受扰用户终端之间的干扰，即单纯进行上行或下行的功率控制，而本方案对功率优化的目标函数进行了改进。
本发明实施例提供的技术方案中，优化目标函数是第一小区的下行和速率与第二小区的上行和速率之和，该目标同时抑制下行链路中的施扰用户终端与受扰用户终端之间的干扰以及上行链路中的施扰基站与受扰基站之间的干扰。具体来讲，本方案以最大化上下行和速率为目标，提出了一种上下行CLI的跨域联合优化方案，对第一基站的下行发射功率与第二基站用户终端的上行发射功率进行功率分配，起到了良好的CLI抑制作用。至少具有以下效果之一：
1、可扩展于各种天然缺乏协调性的分布式无线发射单元组网场景。
现有多小区干扰抑制技术，无论是单小区还是多小区协作场景，通常只关注对本小区的干扰，即以本小区的上行/下行和速率为优化目标，这种方案往往提高了自身发射功率而加剧了对相邻小区的干扰。这本质上还是缺乏协调的各小区分立式功率分配。本方案考虑的跨域功率分配优化方案避免了这种问题，可以对现有功率分配方案进行升级，不仅不受限于TD-LTE和5G NR场景，也可以部署于任何上述的分布式小区间，包括但不限于Wi-Fi等场景。
2、支持跨小区联合功率分配的施扰基站与受扰基站之间的跨小区信息交互机制。
现有技术中，主要是基于小区内信息、单纯进行上行或下行的功率控制功率优化；本方案考虑利用各小区内的上下行控制信道以及Xn和F1接口进行交换和协调，且设计并说明了功率优化的信息中转流程。该机制使得跨域联合功率优化方案成为了可能。
3、去中心化的功率优化算法实现方案。
现有技术中，通常在各自小区内的基站处进行功率优化和控制：对于施扰基站与受扰基站之间的的上行CLI，通常采用对施扰基站侧进行下行功率控制；对于施扰用户终端与受扰用户终端之间的的下行CLI，通常对施扰用户终端侧进行上行功率控制。本方案考虑，根据利用各小区内的上下行控制信道以及Xn和F1接口获得的跨小区信道信息，灵活选择算力资源更丰富的节点执行D-SAPSO算法，而后通过Xn和F1接口以及各自小区的控制信令进行功率分配控制。
4、可扩展至多个站点的通用技术框架。
本方案以最大化上下行和速率为目标，提出了一种上下行CLI的跨域联合优化方案，对第一基站的下行发射功率与第二基站用户终端的上行发射功率进行功率分配，起到了良好的CLI抑制作用。本方案以第一蜂窝和第二蜂窝两小区场景为例，进行了算法流程部署与优化目标分析，该方案也可以拓展至多个小区的场景下。
现有针对该问题优化算法通常存在两方面的问题：一方面，由于本问题非凸非凹，传统算法很难得到全局最优解；另一方面，系统中用户终端和天线数目庞大，现代启发式算法的复杂性通常不可控的。本提案充分利用了SA算法的局部搜索能力和PSO算法的全局搜索能力，实现了优势互补，并且使用了动态的优化参数，更好地进行功率优化，同时提高了算法的计算速度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (18)
1.一种交叉链路干扰抑制方法，其特征在于，包括：
获取以下参数之一或者其组合：各受扰基站与其服务的各用户终端之间的上行链路信道状态信息；各施扰基站与其服务的各用户终端之间的下行链路信道状态信息；各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路信道状态信息；各施扰基站与各受扰基站之间的干扰链路信道状态信息；各上行或下行链路被分配到的传输时长；各上行或下行链路被分配到的传输带宽；各传输链路的噪声功率；各施扰基站与各受扰基站预期的上下行传输资源配置；各用户终端的服务质量QoS要求和对应的最小传输速率；各基站和用户终端的最大可允许发射功率；
根据获取的信息，以使上下行速率之和最大，求取功率分配最优解；
指示施扰基站的下行发射功率与施扰用户终端的上行发射功率按求得的最优解进行功率调整。
2.如权利要求1所述的方法，其特征在于，以使上下行和速率最大求取功率分配最优解时，进一步包括：
根据各用户终端的QoS要求，分别对各用户终端对应的上行或下行可接受的最小传输速率给出约束；
根据设备的类型，对各用户终端和各基站的最大可允许发射功率给出约束。
3.如权利要求1所述的方法，其特征在于，获取施扰用户终端的上行信道状态信息时，包括：
各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号；
各受扰基站根据上述信道估计或信道质量测量参考信号以及所需的信道状态信息具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路信道状态信息。
4.如权利要求1所述的方法，其特征在于，获取施扰基站的下行信道状态信息时，包括：
各施扰基站在下行链路向其服务的各用户终端发送用于信道估计或信道质量测量的参考信号，被该施扰基站服务的各用户终端根据上述信道估计或信道质量测量参考信号以及所需的信道状态信息的形式，选用任一可行的信道估计或信道质量测量算法，确定该用户终端与服务该用户终端的施扰基站之间的下行链路信道状态信息，并将该信道状态信息以特定形式反馈给服务该用户终端的施扰基站；和/或，
若上行链路信道状态信息与下行链路信道状态信息满足预设精度的互易性，各小区内的用户终端在其上行链路发送可用于信道估计或信道质量测量的特定参考信号，为这些用户终端提供服务的各施扰基站根据上述信道估计或信道质量测量参考信号以及所需的信道状态信息具体形式，选用任一可行的信道估计或信道质量测量算法，确定其上行链路信道状态信息，根据信道互易性，直接获得下行链路信道状态信息。
5.如权利要求1所述的方法，其特征在于，获取施扰用户终端与受扰用户终端之间的干扰信道时，包括：
基于网络间协调机制，施扰用户终端所在小区的基站与受扰用户终端所在小区的基站交换上行链路和下行链路配置；
施扰用户终端所在小区的基站为该施扰用户终端配置特定测量参考信号，受扰用户终端所在小区的基站为该受扰用户终端配置干扰测量资源用于交叉链路干扰测量；
受扰用户终端测量接收到的交叉链路干扰，并上报对应的测量结果；
根据测量结果得到干扰信道。
6.如权利要求1所述的方法，其特征在于，获取施扰基站与受扰基站之间的干扰信道时，包括：
施扰基站接收来自相邻受扰基站的干扰测量请求，所述干扰测量请求中携带有测量项目指示；
施扰基站发送干扰测量参考信号，受扰基站接收所述干扰测量参考信号；
受扰基站根据所述干扰测量参考信号中包含的测量参数计算所述测量项目指示对应的测量结果，并向施扰基站发送干扰响应，所述干扰响应中携带所述测量结果；
根据测量结果得到干扰信道。
7.如权利要求1所述的方法，其特征在于，各上行或下行链路被分配到的传输时长、各上行或下行链路被分配到的传输带宽、各传输链路的噪声功率、各施扰基站与各受扰基站预期的上下行传输资源配置、各用户终端的QoS要求和对应的最小传输速率、各基站和用户终端的最大可允许发射功率，以上参数之一或者其组合通过基站间的以下接口之一或者其组合获取：5G NR中的Xn接口、5G NR中的F1接口、4G LTE中的X2接口等。
8.如权利要求1所述的方法，其特征在于，在求取功率分配最优解时，根据算力资源的多少选择节点求取功率分配最优解。
9.如权利要求1至7任一所述的方法，其特征在于，以使上下行速率之和最大，求取功率分配最优解，是基于启发式优化算法求解的。
10.如权利要求9所述的方法，其特征在于，所述启发式优化算法包括以下算法之一或者其组合：
遗传算法、模拟退火算法、禁忌搜索算法、神经网络算法、粒子群算法、蚁群算法、模拟退火与粒子群动态联合优化算法。
11.如权利要求10所述的方法，其特征在于，在采用动态模拟退火与粒子群动态联合优化算法时，包括：
确定施扰用户终端的功率控制因子集，基站各天线的功率控制因子集；
将一组功率控制因子的可行解作为某粒子的位置，其中，所述可行解为施扰用户终端的功率控制因子集，与施扰基站各天线的功率控制因子集。
12.如权利要求10所述的方法，其特征在于，在采用动态模拟退火与粒子群动态联合优化算法时，包括：
在表达粒子当前的移动速度的表达式中，表示上次移动速度大小和方向对本次移动的影响的记忆项中，表示可行解过去偏移速度的权重的惯性因子值，采用非线性递减权重策略。
13.如权利要求10所述的方法，其特征在于，在采用动态模拟退火与粒子群动态联合优化算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从当前解指向粒子自身最好解的矢量，反映粒子自身经验的自身认知项中，表示粒子自身认知的值，采用线性递减权重策略。
14.如权利要求10所述的方法，其特征在于，在采用动态模拟退火与粒子群动态联合优化算法时，包括：
在表达粒子当前的移动速度的表达式中，表示从本粒子指向群体最好解的矢量，反映了粒子间的协作的群体认知项中，表示粒子群体认知的值，采用线性递减权重策略。
15.如权利要求10所述的方法，其特征在于，在动态模拟退火与粒子群动态联合优化算法求取功率分配最优解时，使用Metropolis准则来决定是否更新局部最优解。
16.一种网络节点，其特征在于，包括：
处理器，用于读取存储器中的程序，执行下列过程：
获取以下参数之一或者其组合：各受扰基站与其服务的各用户终端之间的上行链路信道状态信息；各施扰基站与其服务的各用户终端之间的下行链路信道状态信息；各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路信道状态信息；各施扰基站与各受扰基站之间的干扰链路信道状态信息；各上行或下行链路被分配到的传输时长；各上行或下行链路被分配到的传输带宽；各传输链路的噪声功率；各施扰基站与各受扰基站预期的上下行传输资源配置；各用户终端的QoS要求和对应的最小传输速率；各基站和用户终端的最大可允许发射功率；
根据获取的信息，以使上下行速率之和最大，求取功率分配最优解；
指示施扰基站的下行发射功率与施扰用户终端的上行发射功率按求得的最优解进行功率调整；
收发机，用于在处理器的控制下接收和发送数据。
17.一种网络节点，其特征在于，包括：
信息模块，用于获取以下参数之一或者其组合：各受扰基站与其服务的各用户终端之间的上行链路信道状态信息；各施扰基站与其服务的各用户终端之间的下行链路信道状态信息；各施扰用户终端与相邻小区中的各受扰用户终端之间的干扰链路信道状态信息；各施扰基站与各受扰基站之间的干扰链路信道状态信息；各上行或下行链路被分配到的传输时长；各上行或下行链路被分配到的传输带宽；各传输链路的噪声功率；各施扰基站与各受扰基站预期的上下行传输资源配置；各用户终端的QoS要求和对应的最小传输速率；各基站和用户终端的最大可允许发射功率；
最优解模块，用于根据获取的信息，以使上下行速率之和最大，求取功率分配最优解；
指示模块，用于指示施扰基站的下行发射功率与施扰用户终端的上行发射功率按求得的最优解进行功率调整。
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至15任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210219895.2A CN116801367A (zh) | 2022-03-08 | 2022-03-08 | 一种交叉链路干扰抑制方法、网络节点及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210219895.2A CN116801367A (zh) | 2022-03-08 | 2022-03-08 | 一种交叉链路干扰抑制方法、网络节点及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116801367A true CN116801367A (zh) | 2023-09-22 |
Family
ID=88044233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210219895.2A Pending CN116801367A (zh) | 2022-03-08 | 2022-03-08 | 一种交叉链路干扰抑制方法、网络节点及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116801367A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117119469A (zh) * | 2023-10-18 | 2023-11-24 | 国网江苏省电力有限公司信息通信分公司 | 基于改进粒子群算法的电力无线专网基站选址方法及装置 |
| CN119997181A (zh) * | 2025-02-20 | 2025-05-13 | 南通领讯信息技术有限公司 | 基站功率优化方法、系统、计算机存储介质及电子设备 |
-
2022
- 2022-03-08 CN CN202210219895.2A patent/CN116801367A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117119469A (zh) * | 2023-10-18 | 2023-11-24 | 国网江苏省电力有限公司信息通信分公司 | 基于改进粒子群算法的电力无线专网基站选址方法及装置 |
| CN117119469B (zh) * | 2023-10-18 | 2024-01-05 | 国网江苏省电力有限公司信息通信分公司 | 基于改进粒子群算法的电力无线专网基站选址方法及装置 |
| CN119997181A (zh) * | 2025-02-20 | 2025-05-13 | 南通领讯信息技术有限公司 | 基站功率优化方法、系统、计算机存储介质及电子设备 |
| CN119997181B (zh) * | 2025-02-20 | 2025-11-07 | 南通领讯信息技术有限公司 | 基站功率优化方法、系统、计算机存储介质及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12082034B2 (en) | System and method for channel measurement and interference measurement in wireless network | |
| US11064381B2 (en) | Method and apparatus for generating cell measurement information in a wireless communication system | |
| Verma et al. | A survey on Multi-AP coordination approaches over emerging WLANs: Future directions and open challenges | |
| EP3639445B1 (en) | Null resource elements for dynamic and bursty inter-cell interference measurement in new radio | |
| JP5715300B2 (ja) | 無線通信システム、そのマスタ・ユニット、およびスレーブ・ユニットでアップリンク無線周波数信号を受信する方法 | |
| Kela et al. | A novel radio frame structure for 5G dense outdoor radio access networks | |
| KR101483932B1 (ko) | 다운링크를 통해 네트워크-와이드 다중 입력 다중 출력 무선 통신을 지원하는 아키텍처 | |
| US20120140658A1 (en) | Wireless base station for controlling antenna transmission power | |
| CN105075137A (zh) | 通信系统 | |
| US20180069685A1 (en) | Dynamic TDD Design, Methods And Apparatus Thereof | |
| KR20230085891A (ko) | 무선 네트워크에서 협력 전송을 위한 빔 선택 및 클러스트링 방법 및 그 장치 | |
| Zhu et al. | Cluster-based dynamic DL/UL reconfiguration method in centralized RAN TDD with trellis exploration algorithm | |
| EP3698592B1 (en) | A method and apparatus for realizing dynamic point selection | |
| CN116801367A (zh) | 一种交叉链路干扰抑制方法、网络节点及存储介质 | |
| CN114828193A (zh) | 一种无线网络上下行多业务并发功率分配方法及存储介质 | |
| CN104079335B (zh) | 一种多小区ofdma网络下鲁棒性的三维波束赋形方法 | |
| WO2014117750A1 (en) | System and method for transmission point (tp) association and beamforming assignment in heterogeneous networks | |
| CN103281702B (zh) | 一种基于多小区动态成簇的协作通信方法 | |
| Gulati et al. | Performance analysis of distributed multi-cell coordinated scheduler | |
| WO2023155092A1 (en) | Systems and methods utilizing doppler frequency values for wireless communication | |
| Kazi et al. | Coordinated multi-cell cooperation with user centric dynamic coordination station | |
| Karmakar et al. | A learning-based dynamic clustering for coordinated multi-point (CoMP) operation with carrier aggregation in LTE-advanced | |
| KR20240042440A (ko) | 업링크 밀집 배치에서 기준 신호를 위한 전력 제어 | |
| CN121079903A (zh) | 最小化与tsn集成的小区间干扰以改善无线确定性通信 | |
| CN102045778A (zh) | 一种基于QoS的多基站自适应协作传输方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |