CN104038995A - 异构网络中的分布式动态成簇节能方法 - Google Patents

Abstract

目前异构网络节能大多通过网络站点的业务量来进行评估分析的，没有考虑站点地理位置及业务负载分布情况，部分研究方法存在系统复杂度高，不能用于现实网络的问题。本发明提出一种低复杂度、高性能、高适用性的异构网络节能策略，采用基于中继地理位置及业务分布的成簇模型，以能效优先原则进行接入归属判断，首先以多中继簇的业务量分布中心与宏站为基础建立搜索区域，在满足系统能量效率提升的情况下进行区域内的中继关闭，然后引入中继休眠概率代价的计算方法，根据多中继的地理位置及业务负载分布得出中继关闭的概率评估队列，并在满足用户接入及系统能效提升的基础上，优先选择休眠代价最小值的中继进行关闭，在此基础上完成节能分析。

Description

异构网络中的分布式动态成簇节能方法

技术领域

本发明涉及一种异构网络分布式动态成簇节能方法，涉及LTE(Long TermEvolution)网络节能问题，属于无线通信网络中的网络技术领域。

背景技术

LTE通信网络中，中继技术能够实现更高分集增益，提高小区边缘用户服务质量，提供更广泛的信号覆盖，降低通信环境中信号间干扰，已经成为近些年无线通信的研究热点。但由于LTE无线网络单站覆盖能力相比3G(Three generation)较弱，室外覆盖的盲区、弱区覆盖通常采用异构网络进行覆盖。与此对应的是，网络基础设施建设的的迅速增长以及对能源的巨大消耗。在节能减排成为全社会的主流的今天，对于移动网络的运营商来说，在维持用户容量可持续增长的同时，有必要对异构网络的系统节能技术进行研究。

目前针对异构无线网络节能重点集中在网络业务量的评估层面，当站点低业务量较低的时候，考虑进行关闭，或进行功率降低，重点在于站点业务量的阈值选取或模型逼近方法；甚者是让宏基站休眠，同时开启与基站部署在一起的低功耗的中继站，中继站与邻基站通过回程链路连接。但此类方法都侧重于限定场景下的节能，对异构网络场景下的分布式业务的适应分析不够，如何根据多站点动态业务量分布进行中继关闭选取的方法较少，而这恰恰是现实网络需要的。

在用户选择接入站点方法方面，有采用基于信噪比(Signal to noise based,SNRB)接入算法，在该策略中用户按最大接收SNR选择接入站点或进行服务切换，或采用基于能量效率的动态用户接入算法，并通过一种启发式算法来解决类似多位背包的NP(Non-deterministic polynomial)-hard问题，从而进行节能。同时，也有在用户接入选择判断时采用经典模糊神经网络的方法，在一定程度上对系统的拥塞、吞吐量进行了优化，但并没有有效提升网络能耗的利用率。也有采用非合作博弈理论进行用户接入选择判断，但在纳什均衡分析随着用户数增加时的计算复杂度高。总结起来说，基于能量优先接入算法的系统能效优于SNRB优先算法；但没有综合考虑到能效、用户数、基站与中继的协作，在进行用户接入分析时遍历所有站点、中继以及用户，模型也复杂，造成系统计算复杂度高。

发明内容

目前异构网络节能大多通过网络站点的业务量来进行评估分析的，没有考虑站点地理位置及业务负载分布情况；部分研究方法存在系统复杂度高，不能用于现实网络的问题。本发明推出一种低复杂度、高性能、高适用性的异构网络节能策略，将各个站点及服务用户定义成簇，将异构网络场景转化为多个簇结构的区域，在宏站覆盖范围内对各个中继簇进行地理位置及业务负载分布的综合评估，选择出最优中继进行关闭，在此基础上完成节能分析。

本发明首先以能效优先原则进行用户接入各站点簇的归属判断，自动更新中继簇内成员表及各中继簇的业务负载集合，在此基础上评估出各个中继簇业务负载中心，并结合各中继的地理位置，评估出整个多中继簇的业务负载中心。然后，以多中继簇业务分布中心以及宏站位置建立关闭中继的搜索评估，在系统能效有提升的基础上关闭中继；否则结束中继关闭流程。再次，由宏站计算得出各中继簇基于业务负载权重的中继休眠代价值，并评估出各中继簇的基于位置分布的中继休眠代价值，结合中继簇业务负载及位置分布两个因素，综合评估中继簇的休眠概率代价队列，在此休眠概率代价队列中评估最优被关闭中继，并在满足用户接入及系统能效提升的基础上，优先选择休眠代价最小值的中继进行关闭。

1成簇模型的定义

考虑一个多用户、用户具有不同速率需求的中继网络。该中继网络中有一个宏基站，M个中继和K个用户，一共M+1个站点，各站点的所有处理信息通过信令统计至运营管理维护平台，即网管(Operation Administration and Maintenance，OAM)进行评估分析中继的关闭。用和表示所有站点和用户集合。各个站点(含宏站和中继站)都有各自的服务用户，本发明将各站点以及服务的用户统称为簇。由宏站形成的簇称为宏簇，由中继形成的簇称为中继簇。在每个簇内，站点即是簇首，其服务的用户即是簇成员，这样就将对整个异构网络的节能分析演变为对网络区域划分后形成的簇的地理位置及业务负载分布的评估分析。

系统可以分配给每个用户的最小时频资源块(Time-frequency resource block,TFRB)是在频域(180kHz)、时域一个子帧(1ms)上的12个连续的子载波,用W(180kHz*1ms)表示。用N_BS和N_i表示宏基站和第i个中继站每秒的TFRB总个数。

通过导频检测每个用户可以得到每个可测站点的信号强度,即用户k在站点i(任意中继或宏基站)中的一个TFRB上的接收信噪比SNR_i,k为：

${\mathrm{SNR}}_{i,k}=\frac{P_i^{\max }{G}_{i,k}}{N_i{n}_0}---\left(1\right)$

表示站点i射频端最大发射功率，假设站点i的发射功率在所有TFRB上平均分配，和G_i,k分别表示用户k在站点i中的一个TFRB上的发射功率和信道增益，则P_i,kG_i,k/N_i表示用户k在站点i中的一个TFRB上接收到的信号强度。n₀为加性高斯白噪声。给定了SNR_i,k，则用户k在站点i中的一个TFRB上的可达速率Q_i,k可按如下方式计算：

Q_i,k＝W·log₂(1+SNR_i,k) (2)

公式(1)和(2)也可表示第i个中继站在宏基站中的每个TFRB上的SNR和可达速率，用j代替式(1)和式(2)中的k，用BS代替式(1)和式(2)中的i。

在每个簇中，本发明采用能效优先接入方法，假设用户在宏站覆盖区域内随机抛洒。引入布尔变量x_i,k来表示站点i和用户k之间的接入关系：

为了描述中继的工作状态(工作或者休眠)，引入α_i表示中继i的工作模式

其中，表示用户集合中有用户由第i个中继服务。否则，没有用户需要中继i提供服务。

用户k接入各个站点簇的输入能量效率表示为：

$E_c^k=\frac{r_k}{x_{c,k}{P}_{c,k}^{\mathrm{RF}}+P_c^0}---\left(5\right)$

其中，r_k表示用户k的速率需求，x_c,k表示站点簇c和用户k之间的接入关系，表示站点簇c为用户k消耗的射频端输入能耗，是站点簇c空载时的最小射频能耗。

用户k由宏基站直接服务时给宏基站带来的负载ρ_BS,k为：

其中表示大于·的最小整数，为宏基站分配给用户k的TFRB个数。

当用户k通过第i个中继采用DFR(Direct frequency response)方式进行通信时,用户k给系统带来的负载有两部分。一部分是宏基站将用户k的数据传送给第i个中继时给宏基站造成的负载ρ_BS,i,k：

另一部分是第i个中继将用户k所需的数据传送给用户k时,用户k为第i个中继造成的负载ρ_i,k

根据能效优先接入的原则接入用户，循环执行后，将获得一个行为站点总数、列为用户总数的数组集合。在满足用户接入以及能量效率提高的基础上，那么，用户选择接入的站点由此数组每列的最大值来决定，从而完成x_i,k的判定处理过程。

用户动态接入的目标是在满足所有用户速率需求的前提下最大化系统的能量效率。因此，该问题可描述为以下满足特定限制的优化问题。

max E (9)

公式(5)表示用户接入方案必须保证宏站的负载不能超过负载限制，其中表示宏站为接入中继i的用户k传输数据到中继时产生的负载，为宏站为接入宏站的用户k传输数据时产生的负载。ρ_i,k表示当用户k通过第i个中继采用DFR(Direct frequency response)方式进行通信时，用户k为第i个中继造成的负载；ρ_BS,k表示当用户k由宏基站直接服务时，用户k由宏基站直接服务时给宏基站带来的负载。公式(6)表示用户接入方案必须满足各个中继都不超过负载限制的条件。公式(7)表示每个用户只能接入到一个站点。

2中继簇业务分布中心的计算

根据上述的成簇模型，通过对各个中继簇的业务负载分布进行评估，在此基础上，对宏站覆盖下的多中继簇的的综合业务分布进行综合评估，最终得出的业务分布中心是该异构网络须重点服务的区域。

1)根据每个站点形成的簇，获取每个用户能量效率优先接入的成簇编号，也就获得了各个簇及对应接入关系。

2)在每个中继簇中，评估该用户带来的业务负载，以及宏站业务负载，连续循环执行后获得各中继簇以及宏簇的业务负载。

3)以数组形式获取各中继的地理位置，并获取各中继的业务负载分布中心，两者一一对应；

4)在此基础上评估出多中继的业务分布中心，中心区域被认为是该异构网络应该重点服务的区域。

3簇首关闭的搜索判断

在宏站覆盖区域内，多个中继簇内的用户随机分布，靠宏站越近的中继簇头被关闭的概率应该高于远离宏站的中继。根据实际网络划分的中继成簇情况，本发明引入一个以P和Q为焦点，限制条件为|PG|+|QG|≤M的搜索区域，其中P为多中继簇的业务分布中心，Q为宏站位置。

$\frac{{[\cos \mathrm{\θ}\·(x-a)+\sin \mathrm{\θ}\·(y-b)]}^2}{e_1^2}+\frac{{[-\sin \mathrm{\θ}\·(x-a)+\cos \mathrm{\θ}\·(y-b)]}^2}{e_2^2}=1---\left(13\right)$

显然，a、b分别为P和Q中心位置的x、y坐标。

θ为搜索区域长轴与x轴正方向的夹角，

e₁为P和Q之间距离、e₂为中继覆盖半径。

如果搜索区域内存在中继，判断关闭该中继的系统能效，系统能效有提升则关闭该中继；否则结束关闭流程，进入多中继休眠概率代价的评估。

4多中继休眠概率的分析

每个中继簇中的簇首均有机会被休眠，但选择不同的簇首进行优先关闭时对系统能效的影响不同。因此，需要对多中继簇的簇头休眠进行选择评估，本发明定义一个中继休眠概率代价函数C(N_i,P^Q)，该休眠代价函数综合考虑中继簇地理位置及业务负载分布。计算每个中继的休眠代价权重，在满足用户接入需求的情况下，C(N_i,P^Q)值越小者优先被关闭：

C(N_i,P^Q)＝α·D(N_i,P^Q)+(1-α)·E(N_i) (14)

式中，α是可变权值；D(N_i,P^Q)表示中继i的业务分布中心N_i到P和Q的欧式距离函数；E(N_i)表示中继i的业务负载权重函数。

$D(N_i,P^Q)=1-\frac{D_i(N_i,P^Q)}{D_{\mathrm{total}}(N_i,P^Q)}---\left(15\right)$

式中， $D_{\mathrm{total}}(N_i,P^Q)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{D}_i(N_i,P^Q).$

$E\left(N_i\right)=1+\log 10\left(\frac{E_i\left(N_i\right)+{\stackrel{\‾}{E}}_i\left(N_i\right)}{E_{\mathrm{total}}\left(N_i\right)}\right)---\left(16\right)$

式中，E_i(N_i)、分别表示中继簇i的当前负载和所有中继簇的总业务负载平均值，且 $E_{\mathrm{total}}\left(N_i\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{E}_i\left(N_i\right),{\stackrel{\‾}{E}}_i\left(N_i\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{E}_i\left(N_i\right)/N.$

判断可充当休眠簇首的中继休眠代价队列，在此基础上评估最优中继并进行关闭，并判断此时系统能量效率是否有提高。如果系统能量效率有提高，则休眠中继；否则不进行关闭，并选择C(N_i,P^Q)次优中继重新进行评估。

通过设立一个时间片，在下一个时间片将重新进行休眠簇首队列评估。

相对于现有技术，本发明通过成簇模型对异构网络进行区域划分，通过评估网络中各中继簇的地理位置及业务负载分布，结合基于能效优先的用户接入原则，在此基础上完成节能分析和评估，因此更加符合异构网络节能的特点。

基于本发明的节能策略具有如下优点：

1.在簇内用户服务切换时，依照能量效率优先的原则，根据系统射频端和电路端能量效率最大原则判断用户归属；

2.综合考虑宏站位置及多中继业务负载中心，通过建立搜索区域进行是否关闭中继的评估，在满足系统能量效率提升的基础上进行中继关闭。

3.多中继休眠代价函数的计算综合考虑了簇地理位置及业务量分布，选择休眠代价函数最小者优先关闭，充分考虑用户接入服务的基础上实现节能。

附图说明

图1是一种异构网络的示意图。

具体实施方式

下面对本发明提出的一种异构网络分布式动态成簇节能过程中的实施方式作进一步介绍：

(1)由宏站计算每个用户接入中继簇或宏簇的系统能量效率，并以能效优先原则进行接入(中继或宏站)选择判断，且获取每个用户能量效率优先接入的簇编号及簇内成员表，在此基础上形成各中继簇和宏簇的用户服务关系及地理区域划分；

(2)在各个中继簇中，用户k属于第i个中继簇，即 表示第i个中继簇集合，由OAM根据公式(1)-(2)和(6)-(8)，得到中继i到用户k所需要的业务负载L_ru(i,k)，

(3)获得该簇内用户k在由中继i服务时，宏站为此所带来的负载ρ_mr(i,k)；

(4)更新中继簇内成员表，并更新m_i←m_i+1；

(5)重复步骤(2)-步骤(4)，更新中用户表，k←k+1，直至所有的簇内用户被遍历完；

(6)对各个中继簇，由OAM计算该中继簇内所有用户在x轴方向和y轴方向上的业务分布权重；

(7)连续执行步骤(6)，直至所有中继簇被检查完，在此基础上求平均得中继簇的业务分布中心N_i，

(8)由OAM将各个中继簇业务分布中心存入数组集合X，此数组的行为中继簇的个数、列为2，计算评估出多中继簇的业务分布中心P；

(9)由OAM根据多中继簇业务分布中心P以及宏站位置，基于公式(13)实现搜索区域中继关闭评估，对此区域内的中继来说，在系统能效有提升的基础上关闭中继；否则结束中继关闭流程；

(10)结公式(6)计算各中继簇基于业务负载权重的中继休眠代价值E_i(N_i)；

(11)根据步骤(7)评估各中继簇的业务分布中心与多中继簇的业务分布中心P及宏站位置的欧氏距离和，完成基于位置分布的中继休眠代价值D(N_i,P^Q)；

(12)由OAM依据公式(14)获得中继簇的综合休眠概率代价队列，在此休眠概率代价队列中评估最优被关闭中继，休眠概率代价值C(N_i,P^Q)最小的中继优先进入休眠；

在下一时间片将重复关闭中继的选择过程。

Claims (5)

1.一种异构网络分布式动态成簇节能方法，其特征在于，一个以P和Q为焦点，限制条件为|PG|+|QG|≤M的搜索区域，其中P为多中继簇的业务分布中心，Q为宏站位置，所述方法包括如下步骤：

(1)由宏站计算每个用户接入中继簇或宏簇的系统能量效率，并以能效优先原则进行接入中继或宏站的选择判断，且获取每个用户能量效率优先接入的簇编号及簇内成员表，在此基础上形成各中继簇和宏簇的用户服务关系及地理区域划分；

(2)在各个中继簇中，用户k属于第i个中继簇，即 表示第i个中继簇集合，由运营管理维护平台，即网管OAM(Operation Administration andMaintenance)得到中继i到用户k所需要的业务负载ρ_ru(i,k)，

(3)获得该簇内用户k在由中继i服务时，宏站为此所带来的负载ρ_mr(i,k)；

(4)更新中继簇内成员表，并更新m_i←m_i+1；

(5)重复步骤(2)-步骤(4)，更新中用户表，k←k+1，直至所有的簇内用户被遍历完；

(6)对各个中继簇，由所述OAM计算该中继簇内所有用户在x轴方向和y轴方向上的业务分布权重；

(7)连续执行步骤(6)，直至所有中继簇被检查完，在此基础上求平均，得到中继簇i的业务分布中心N_i，

(8)由网管OAM将各个中继簇业务分布中心存入数组集合X，此数组的行为中继簇的个数、列为2，计算评估出多中继簇的业务分布中心P；

(9)根据多中继簇的业务分布中心P以及宏站位置为焦点，宏站覆盖半径为半径进行搜索区域构建，并在此区域内进行各个中继的休眠概率判断分析，对此区域内的各个中继来说，在系统能效有提升的基础上关闭中继；否则结束中继关闭流程；

(10)计算各中继簇基于业务负载权重的中继休眠代价值E_i(N_i)；

(11)根据步骤(7)评估各中继簇的业务分布中心与多中继簇业务分布中心P及宏站位置的欧氏距离和，计算基于位置分布的中继休眠代价值D(N_i,P^Q)；

(12)由OAM获得中继簇的综合休眠概率代价队列，在此休眠概率代价队列中评估最优被关闭中继，休眠概率代价值C(N_i,P^Q)最小的中继优先进入休眠；

在下一时间片将重复关闭中继的选择过程。

2.根据权利要求1所述的异构网络分布式动态成簇节能方法，其特征在于，所述步骤(2)中由OAM得到中继i到用户k所需要的业务负载ρ_ru(i,k)是根据下面公式(1)-(2)和(6)-(8)计算得到：

用户k在站点i中的一个时频资源块TFRB(Time-frequency resource block)上的接收信噪比SNR_i,k为：

${\mathrm{SNR}}_{i,k}=\frac{P_i^{\max }{G}_{i,k}}{N_i{n}_0}---\left(1\right)$

表示站点i射频端最大发射功率，假设站点i的发射功率在所有TFRB上平均分配，和G_i,k分别表示用户k在站点i中的一个TFRB上的发射功率和信道增益，则P_i,kG_i,k/N_i表示用户k在站点i中的一个TFRB上接收到的信号强度，n₀为加性高斯白噪声；给定了SNR_i,k，则用户k在站点i中的一个TFRB上的可达速率Q_i,k可按如下方式计算：

Q_i,k＝W·log₂(1+SNR_i,k) (2)

用户k由宏基站直接服务时给宏基站带来的负载ρ_BS,k为：

其中表示大于·的最小整数，为宏基站分配给用户k的TFRB个数；

当用户k通过第i个中继采用解码转发DFR(Decode and forward relaying)方式进行通信时，用户k给系统带来的负载有两部分：一部分是宏基站将用户k的数据传送给第i个中继时给宏基站造成的负载ρ_BS,i,k：

另一部分是第i个中继将用户k所需的数据传送给用户k时，用户k为第i个中继造成的负载ρ_i,k

根据能效优先接入的原则接入用户，循环执行后，将获得一个行为站点总数、列为用户总数的数组集合；在满足用户接入以及能量效率提高的基础上，用户选择接入的站点由此数组每列的最大值来决定，从而完成x_i,k的判定处理过程。

3.根据权利要求1所述的异构网络分布式动态成簇节能方法，其特征在于，所述步骤(9)进行休眠概率判断分析是基于如下公式(13)实现的：

$\frac{{[\cos \mathrm{\θ}\·(x-a)+\sin \mathrm{\θ}\·(y-b)]}^2}{e_1^2}+\frac{{[-\sin \mathrm{\θ}\·(x-a)+\cos \mathrm{\θ}\·(y-b)]}^2}{e_2^2}=1---\left(13\right)$

其中，a、b分别为P和Q中心位置的x、y坐标；

θ为搜索区域长轴与x轴正方向的夹角，

e₁为P和Q之间距离、e₂为中继覆盖半径。

如果搜索区域内存在中继，判断关闭该中继的系统能效，系统能效有提升则关闭该中继；否则结束关闭流程，进入多中继休眠概率代价的评估。

4.根据权利要求2所述的异构网络分布式动态成簇节能方法，其特征在于，所述步骤(10)中计算各中继簇基于业务负载权重的中继休眠代价值E_i(N_i)是结合所述公式(6)得到的。

5.根据权利要求2所述的异构网络分布式动态成簇节能方法，其特征在于，所述步骤(12)中由OAM获得中继簇的综合休眠概率代价队列是依据公式(14)得到的：

C(N_i,P^Q)＝α·D(N_i,P^Q)+(1-α)·E(N_i) (14)

式中，C(N_i,P^Q)表示中继休眠概率代价函数；α是可变权值；D(N_i,P^Q)表示中继i的业务分布中心N_i到P和Q的欧式距离函数；E(N_i)表示中继i的业务负载权重函数；在满足用户接入需求的情况下，C(N_i,P^Q)值越小者优先被关闭。