Multicell cdma network design Vehicular Technology, ieee transactions on

AKL et al.: MULTICELL CDMA NETWORK DESIGN
719
Fig. 6.
Capacity in the 27-cell CDMA network, which is optimized using
base-station locations.
the intracell interference further, but the intercell interference
now decreases more, giving a reduction in total interference.
These base stations are essentially taking on the users that have
been causing the high intercell interference and controlling their
power levels, thus reducing the total interference and resulting
in a higher capacity. The optimization has increased the smallest
capacity in any cell to nine.
3) Optimization Using Base-Station Locations: The maxi-
mization of network capacity with respect to base-station lo-
cations [see (33)] produces a network capacity equal to 555
(the rounded-down capacity is equal to 541). The MIP solu-
tion of (33) yields a network capacity equal to 549 (with 90 194
branches) and the cell capacities given in Fig. 6. The optimiza-
tion moves base stations 3, 13, 11, and 12 closer and places them
inside the hot-spot cluster. A similar relocation takes place for
base stations 2, 7, 8, and 19 that are now placed almost uni-
formly inside the hot-spot cluster. The high demand area is thus
being serviced by more base stations, and the interference to
each cell in the hot-spot cluster is comparable. After running the
optimization, the capacity of cells 4, 15, and 19 increases from
3 to 14, 1 to 8, and 9 to 17, respectively. The network capacity
increases to 556, and the smallest capacity in any cell increases
to eight.
4) Combined Optimization: Finally, we solve (34), which
maximizes network capacity by optimizing simultaneously
the power compensation factors, pilot-signal powers, and
base-station locations. The network capacity increases to 576
(the rounded-down capacity is 560). The MIP solution of (34)
yields a network capacity equal to 565 (with 758 877 branches)
and the cell capacities given in Fig. 7. The optimization in-
creases the smallest cell capacity in the network to 13. Thus, the
optimization achieves the very important goal of increasing the
capacity of the individual cells that have very high interference.
This results in an increase in total network capacity, and equally
important, in an increase in the smallest cell capacity in the
network.
Fig. 7.
Capacity in the 27-cell CDMA network, which is optimized using
base-station locations, pilot-signal powers, and power compensation factors.
Fig. 8.
Network capacity versus relative user density for the 27-cell network.
Fig. 8 summarizes the previous results and presents the values
of the network capacity returned from the different optimiza-
tions as the relative user density is varied from one to ten. A
relative user density of one means no hot spot, i.e., a uniform
user distribution. (Recall that the example that was presented in
detail in Figs. 3–7 is for a relative user density of five.) Fig. 8
demonstrates clearly the increase in network capacity as a result
of optimizing the power compensation factors, the pilot-signal
powers, or the base-station locations. It also shows the signifi-
cant gains in network capacity achieved from the combined op-
timization approach. In all our examples, the IP/MIP solution
improved the rounded-down solution only slightly (around 2%)
but at a cost of considerable computational complexity.
Fig. 9 presents the results of the optimizations for the equal
capacity case. The -axis is the capacity in every cell. We see
the same trend as in Fig. 8.
The examples above suggest the following observation. For
a uniform network layout with a nonuniform user distribution

720
IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, VOL. 50, NO. 3, MAY 2001
Fig. 9.
Capacity in every cell for the equal capacity case versus relative user
density for the 27-cell network.
Fig. 10.
Smallest cell capacity in the network versus relative user density for
the 27-cell network.
and with a relative user density in the hot spots equal to four
and higher, the capacity of the cells inside the hot spot clusters
drops to one. This is because we are maximizing the total
network capacity, i.e., the total number of users in all the cells.
Thus, the capacity of a cell inside a hot-spot cluster with a
lot of interference is decreased to minimize its effect. This
allows for a large increase in the capacities of its neighbors,
resulting in the maximization of the total network capacity. This
effect is highlighted in Fig. 10, which depicts the smallest cell
capacity in the network obtained from optimizations (9) and
(31)–(34). Even though the optimizations are not specifically
attempting to increase the capacity of any individual cells,
the results show a significant increase in the capacity of the
cells that have a very small capacity in the uniform network
layout case. This motivates a new optimization problem, where
we wish to maximize the network capacity while providing a
minimum capacity (mc) per cell. In this approach, we first
calculate the equal capacity, using (8). We denote this by
.
Fig. 11.
Smallest cell capacity in the network for the uniform network
and combined optimization cases with and without the minimum capacity
constraint.
The network capacity is now the solution to the following
optimization problem:
subject to
for
(35)
In this way, (35) is guaranteed to have a feasible solution and
every cell is guaranteed to have a minimum capacity of
.
The new combined optimization problem using the power com-
pensation factors, pilot-signal powers, and base-station loca-
tions becomes
subject to
for
(36)
Fig. 11 compares the smallest capacity in a cell in the net-
work for the four cases of uniform network [uniform network
topology with capacity calculated using (9)], combined opti-
mization [optimized network topology and capacity calculated
using (34)], uniform network (mc) [uniform network topology
and capacity calculated using (35)], and combined optimiza-
tion (mc) [optimized network topology and capacity calculated
using (36)]. Fig. 12 compares the total network capacity for
these four cases. Fig. 11 shows that significant improvement
can be achieved by imposing the minimum capacity constraint
in (35) and (36). In particular, using the combined optimization
approach with the minimum capacity constraint, a minimum ca-
pacity of 17 users per cell can be achieved. Moreover, as Fig. 12

AKL et al.: MULTICELL CDMA NETWORK DESIGN
721
Fig. 12.
Network capacity for the uniform network and combined optimization
cases with and without the minimum capacity constraint.
Fig. 13.
Capacity in the 27-cell CDMA network, which is optimized using
base-station locations, pilot-signal powers, and power compensation factors
with a minimum capacity constraint.
shows, this is achieved at a small cost in total network capacity.
In fact, for relative user densities larger than four, the difference
between the total network capacity from combined optimization
and combined optimization (mc) is around three. We would like
to point out that, as Fig. 12 also shows, there is a larger drop
in total network capacity between the two cases of uniform net-
work and uniform network (mc). Adding the minimum capacity
constraint in (35) without the optimization of PCFs, pilot signal
powers, and base-station locations causes a larger reduction in
the total network capacity. We should also point out that the
amount of reduction depends on the number of hot spots in the
network. An increase in the number of hot spots and an increase
in the relative user density in the hot spots causes a greater re-
duction in the total network capacity.
Finally, the capacity of the cells for the relative user density
of five is given in Fig. 13 in parentheses. The smallest capacity
in any cell is 17, as opposed to 13 in Fig. 7. The MIP solution
yields a network capacity of 564, which is only one less than
the capacity achieved previously using (34). Thus, our results
show that maximizing the network capacity, with a minimum
capacity constraint, by varying the PCFs, base-station locations,
and pilot-signal powers, is the best way to increase capacity in
the cells individually and in the network as a whole.
VII. C
ONCLUSION
We show how to increase the reverse-link capacity in a
CDMA network by varying the transmission power of the
mobiles, the pilot-signal powers, and the base-station locations.
We calculate the derivative of the reverse-link network capacity
with respect to pilot-signal powers, base-station locations, and
power compensation factors. These derivatives are then used in
an optimization procedure to maximize the network capacity.
The results confirm that for a uniform user distribution, a
uniform network layout with equal-sized cells is optimal.
For a nonuniform distribution, more cells need to be located
inside the hot-spot cluster. If pilot-signal power is the only
variable parameter, then an increase in pilot-signal powers of
congested cells increases network capacity. Even though the
intracell interference increases, a greater reduction in intercell
interference is achieved, which yields an increase in the overall
capacity. We also construct and solve constrained optimization
problems, which guarantee a minimum capacity for every indi-
vidual cell while maximizing the total network capacity. These
results indicate that including a hard constraint on the minimum
capacity of individual cells has little effect on network capacity
given the flexibility of optimizing the transmission power
of the mobiles, the pilot-signal powers, and the location of
the base stations. However, without such flexibility, the hard
constraint on cell capacity imposes a significant penalty on
network capacity. The network design technique introduced
accommodates postdeployment design changes in response to
changes in demand, particularly by changing the PCFs and the
pilot-signal powers.
R
EFERENCES
[1] K. S. Gilhousen, I. M. Jacobs, R. Padovani, A. J. Viterbi, L. A. Weaver,
and C. E. Wheatley, “On the capacity of a cellular CDMA system,” IEEE

Download 0.49 Mb.