CN104581904B - 异构蜂窝网络中一种基于节能的基站休眠方法 - Google Patents

Abstract

本发明提供了异构蜂窝网络中一种基于节能的基站休眠方法，它根据系统的中断概率和用户的上行发射功率采取最佳的基站休眠方案；在三层异构蜂窝网络场景下，采用泊松点过程部署宏基站、微基站以及微微基站，利用随机几何理论推导出系统中断概率和用户上行发射功率；构建系统功耗优化问题，令部分宏基站进入休眠状态并增开微基站和微微基站以及调节宏基站发射功率，获得最大的系统功耗增益。

Description

异构蜂窝网络中一种基于节能的基站休眠方法

技术领域

本发明是一种用于三层异构蜂窝网络中的基站休眠方案，属于移动通信技术领域。

背景技术

随着4G网络的部署和使用，5G已成为业界的研究重点，为了满足大容量的需求，5G系统将会是由大小不同、类型不同的多层异构蜂窝网络组成的。然而近些年来通信和信息技术(ICT)的飞速发展直接导致了移动通信系统的功耗增大，同时也意味着产生更多的二氧化碳，因此在满足不断增长的通信业务需求的同时，如何提升蜂窝异构网络的能效已成为当前研究所需要解决的一个重要问题。

在异构蜂窝网络中，小基站(微基站、微微基站、家庭基站)的位置一般都是随机的，使用传统的蜂窝网络模型分析异构蜂窝网络的性能已经变得过于理想化。在近期的移动通信研究中一个更实用的基于随机几何理论的网络模型得到了广泛应用，这就是用齐次泊松点过程表示基站的位置。

在移动通信系统中，基站的功耗占据了系统的功耗的绝大部分。特别是在系统通信数据量很低的时候，例如夜间，系统内所有基站全工作会造成很大的能源浪费。为了解决系统功耗问题，实现绿色通信，近些年来出现了各种基站休眠方法。但是基于泊松点过程对三层乃至多层异构蜂窝网络的基站休眠方法的研究还有待拓展。本发明借助随机几何知识，在三层异构蜂窝网络中确定一种最佳的基站休眠方案，建立系统功耗优化问题，从而使系统达到绿色节能。

发明内容

技术问题：本发明的目的是提供一种用于三层异构蜂窝网络中基于节能的基站休眠方法，它根据系统中断概率和用户上行发射功率的要求，选择最佳的基站休眠方式，使系统达到最大的功耗增益。

技术方案：本发明中针对三层异构蜂窝网络场景，基于随机几何理论推导了由宏基站、微基站以及微微基站组成的异构网络的系统中断概率，在用户上行发射功率和系统中断概率的限制下，构建了系统功耗优化问题，提出了绿色节能的基站休眠方案，获得了满足系统中断概率要求的最优基站休眠数和发射功率。

该方法包括：

a)三层异构蜂窝网络由宏基站、微基站和微微基站组成，它们的空间位置分别用参数为λ₁、λ₂、λ₃的齐次泊松点过程Φ₁、Φ₂、Φ₃表示，宏基站、微基站和微微基站的信道发射功率分别表示为P₁、P₂、P₃；

b)为了实现系统节能，在满足一定系统中断概率的前提下，采取关闭部分宏基站，再增开部分微基站和微微基站的基站休眠方法；假设宏基站的休眠概率为1-β，增开微基站和微微基站，由初始状态的密度λ₂、λ₃变为λ₂+λ₂'、λ₃+λ₃'，调节宏基站的信道发射功率，由初始状态的P₁变为P₁'；

c)定义系统采取基站休眠方案时的功耗E_sleep为：E_sleep＝βλ₁(γ₁NP₁'+P_1,s)+(λ₂+λ₂')(γ₂NP₂+P_2,s)+(λ₃+λ₃')(γ₃NP₃+P_3,s)，其中N为基站提供的信道数目，P_1,s为宏基站的线路功率，P_2,s为微基站的线路功率，P_3,s为微微基站的线路功率，γ₁为宏基站传输功率的系数，γ₂为微基站传输功率的系数，γ₃为微微基站传输功率的系数；

d)确定优化问题为采取基站休眠方案后的系统功耗E_sleep最小，同时保证系统中断概率不变，即用户上行发射功率小于最大值P_exp，其中α为路径衰减因子；

e)将系统功耗优化问题分解为四个局部优化问题,并对这四个优化问题分别求解，若优化问题有解则记为S_l＝[β_l,P′_1,l,λ′_2,l,λ′_3,l]，无解则记为其中l＝1,2,3,4；

f)对所述步骤e)中确定的四种情况的最优解，选取系统功耗E_sleep最小的值所对应的基站休眠方案作为系统的最佳基站休眠方案；

g)实施最佳基站休眠方案，令宏基站工作概率为β^*，并增开微基站和微微基站，使它们的部署密度为λ₂+λ₂'^*、λ₃+λ₃'^*，调节宏基站的信道发射功率为P₁'^*，在保证系统中断概率不变的同时又满足用户上行发射功率阈值，实现系统绿色节能。

有益效果：本发明提供了一种三层异构网络中基站休眠的方法，该方法综合考虑了系统中断概率和用户上行发射功率，在部分宏基站休眠的同时通过增开微基站和微微基站以及改变宏基站发射功率，满足系统的中断概率要求并获得最大的功耗增益。

附图说明

图1为三层异构蜂窝网络模型示意图。

图2为随宏基站发射功率变化的系统功耗增益的仿真结果图。

具体实施方式

下面结合实施例和说明书附图对发明的技术方案进行详细说明：

本发明所考虑的三层异构蜂窝网络如图1，由宏基站、微基站和微微基站组成。分别用参数为λ₁、λ₂、λ₃的齐次泊松点过程Φ₁、Φ₂、Φ₃表示宏基站、微基站和微微基站的空间位置。用户的位置信息也由一个参数为λ_u的齐次泊松点过程Φ_u来表示。为了便于分析，在坐标原点处增加一个用户，形成齐次泊松点过程Φ_u∪{0}，依据Slivnyak理论，齐次泊松点过程Φ_u和Φ_u∪{0}具有相同的性质。假设系统内所有基站共享相同频谱，而基站内部则采用正交多址接入，即基站内各用户之间无干扰。

系统中无线信号的传播必然要经历衰落，本发明采用的路径衰减因子为α(α＞2)的传播损耗模型来表示大尺度衰落，另外，假设基站与用户之间还存在小尺度衰落。本发明中异构蜂窝网络内的用户根据平均接收功率选择基站进行通信，原点用户选择的第i^*层的基站表示为：

其中，P_i表示第i层中基站的单个信道发射功率。R_i表示原点用户与第i层中最近的基站之间的距离。

假设位于原点的用户选择与第i^*层中的基站通信，那么该用户接收到的信干噪比为：

其中表示第i^*层中除去与原点用户通信基站以外的其它基站，|Y_ij|表示与原点用户通信基站以外的其它基站到原点的距离，和h_i表示移动通信信道的小尺度衰落服从指数分布，N_u则表示用户接收端的噪声功率。

基站的功耗来自于两部分，一部分是由信号处理、滤波器、模数转换器等产生的电路损耗，另一部分则是基站的传输功率，它会随着发射功率的变化而改变。本发明采用的基站功耗模型如下：

P_i,t＝γ_iP_iN+P_i,s,i＝1,2,3 (3)

其中参数P_i,s表示基站的线路功率，γ_i表示基站传输功率的系数，N表示基站提供的信道数目。

本发明基于随机几何知识，在已有的数学推导基础上，既保证系统的性能和用户的需求，又能达到系统的最佳节能状态。具体实施步骤如下：

1)系统中断概率

系统中断概率Θ定义为用户接收到的信干噪比低于某一门限值ρ的概率，即Θ＝Ρ[SINR＜ρ]。在异构蜂窝网络中，用户仅选择三层中的某一层基站进行通信，所以中断概率可以表示为：

其中A_i表示原点用户与第i层的基站通信的概率，Θ_i代表第i层的中断概率。

多层异构蜂窝网络的系统中断概率可以表示为：

其中而₂F₁是指高斯超几何函数。由此直接得出三层网络的中断概率为：

令代入上式，推出三层异构蜂窝网络的系统中断概率最终表达式为：

2)用户上行发射功率

上行功率控制是指在通信过程中控制移动设备的输出功率，使基站接收到所期望的信号强度和信号质量。控制上行功率最主要有三点作用，一是降低网络干扰；二是防止接收机过饱和，影响接收灵敏度；三是尽量降低电池消耗。

考虑处于坐标轴原点的用户最终与异构蜂窝网络中相距x的某一基站进行通信，x的概率密度函数f(x)的表达式：

为了确保基站能够正确的处理接收信号，本文规定基站的平均接收功率必须要达到P_ur。因为本文中用户选择平均接收功率最大的基站通信，所以该用户发射功率要达到P_urx^α。由此可计算出原点用户的平均上行发射功率P_u为：

3)系统功耗增益

为了对基站的功耗进行比较，本发明中引入功耗增益变量G，根据基站功耗模型的定义可以得出，

其中系统初始功耗E_sleep表示系统采取基站休眠方案时的功耗。

4)基站休眠机制

本发明中假设基站采用随机休眠机制，将宏基站工作的概率设为β(0≤β≤1)，余下1-β的宏基站则属于休眠状态。根据泊松点过程性质，此时的宏基站满足参数为βλ₁的泊松点过程。

根据系统中断概率的推导公式，只要保持因子不变，则可以保证最终的系统中断概率不变。所以当宏基站以概率1-β休眠后，可以通过提高宏基站的发射功率并且增开微基站和微微基站的方法保持中断概率不变。宏基站采用这种机制进行休眠后，宏基站的发射功率将由P₁变为P₁'，增开微基站和微微基站后它们的密度将由λ₂、λ₃变为λ₂+λ₂'、λ₃+λ₃'，为了保证系统中断概率不变，根据公式(7)，这些参数必须满足方程：

上式可进一步化简为：

在基站采取休眠机制后，用户的上行功率也会相应改变，根据公式(9)可以直接推导出休眠后的用户上行发射功率P_u'为：

考虑到用户设备的电量消耗，在这里对用户上行功率给出一个上限P_exp，即：

根据以上的分析，现在可以讨论基站休眠达到节能的最优化问题。结合前面推导的公式，可以得出基于基站休眠的功耗优化问题P1：

Min E_sleep

s.t. 0≤β≤1

0≤P₁'≤P_1,max

0≤λ₂'≤λ_2,max-λ₂

0≤λ₃'≤λ_3,max-λ₃

其中P_1,max是宏基站的最大发射功率，λ_2,max和λ_3,max分别是微基站和微微基站的最大密度。根据前面的分析可以直接得出E_sleep的表达式：

E_sleep＝βλ₁(γ₁NP₁'+P_1,s)+(λ₂+λ₂')(γ₂NP₂+P_2,s)+(λ₃+λ₃')(γ₃NP₃+P_3,s) (15)

下面对优化问题P1进行求解，暂不考虑约束条件(14)，该优化问题中存在三个变量，根据约束条件中等式(12)，可将λ₃'用P₁'和λ₂'表示，即利用该式对优化问题P1进一步化简，转化为优化问题P2：

Min βG(P₁')+H(λ₂')

s.t. 0≤β≤1

0≤P₁'≤P_1,max

0≤λ₂'≤λ_2,max-λ₂

其中

对于优化问题P2，假设给定P₁'和λ₂'，则最佳的β为：

其中

根据公式(16)，可以将优化问题P2分为四种情况，每种情况都是包含两个变量的最优化问题。

情况1：G(P₁')≥0,Y(P₁',λ₂')＞0

当G(P₁')≥0时，β＝max(0^,Y(P₁',λ₂'))。当Y(P₁',λ₂')＞0时，得出β＝Y(P₁',λ₂')，λ₃'＝λ_3,max-λ₃。此时考虑约束条件(14)并利用β＝Y(P₁',λ₂')将优化问题P2转化为优化问题P21：

Min Y(P₁',λ₂')G(P₁')+H(λ₂')

s.t. G(P₁')≥0

0≤Y(P₁',λ₂')≤1

0≤P₁'≤P_1,max

0≤λ₂'≤λ_2,max-λ₂

其中

如果该优化问题有解,则最优解记为S₁＝(β₁,P′_1,1,λ′_2,1,λ′_3,1)，最优值f₁＝β₁G(P′_1,1)+H(λ′_2,1)，无解则记为f₁＝∞。

情况2：G(P₁')≥0，Y(P₁',λ₂')≤0

当G(P₁')≥0时，β＝max(0,Y(P₁',λ₂'))。当Y(P₁',λ₂')≤0时，得出β＝0，此时考虑约束条件(14)并利用β＝0将优化问题P2转化为优化问题P22：

Min H(λ₂')

s.t. G(P₁')≥0

0≤Y(P₁',λ₂')≤1

0≤P₁'≤P_1,max

0≤λ₂'≤λ_2,max-λ₂

如果该优化问题有解，则最优解记为S₂＝(β₂,P′_1,2,λ′_2,2,λ′_3,2)，最优值f₂＝H(λ′_2,2)，无解则记为f₂＝∞。

情况3：G(P₁')＜0，Z(P₁',λ₂')≥1

当G(P₁')＜0，β＝min(1,Z(P₁',λ₂'))。当Z(P₁',λ₂')≥1时，得出β＝1，此时考虑约束条件(14)并利用β＝1将优化问题P2转化为优化问题P23：

Min G(P₁')+H(λ₂')

s.t. G(P₁')≤0

0≤Z(P₁',λ₂')≤1

0≤P₁'≤P_1,max

0≤λ₂'≤λ_2,max-λ₂

如果该优化问题有解，则最优解记为S₃＝(β₃,P′_1,3,λ′_2,3,λ′_3,3)，最优值f₂＝G(P′_1,3)+H(λ′_2,3)，无解则记为f₃＝∞。

情况4：G(P₁')＜0，Z(P₁',λ₂')＜1

当G(P₁')＜0，β＝min(1,Z(P₁',λ₂'))。当Z(P₁',λ₂')＜1时，得出β＝Z(P₁',λ₂')，λ₃'＝0。此时考虑约束条件(14)并利用β＝Z(P₁',λ₂')将优化问题P2转化为优化问题P24：

Min Z(P₁',λ₂')G(P₁')+H(λ₂')

s.t. G(P₁')≤0

0≤Z(P₁',λ₂')≤1

0≤P₁'≤P_1,max

0≤λ₂'≤λ_2,max-λ₂

如果该优化问题有解，则最优解记为S₄＝(β₄,P′_1,4,λ′_2,4,λ′_3,4)，最优值f₄＝β₄G(P′_1,4)+H(λ′_2,4)，无解则记为f₄＝∞。

在讨论了上述四种情况后，可以得到优化问题P1的最优解：

其中

综上所述，即得到系统的最佳基站休眠方案，同时也获得了系统最大的功耗增益。如附图2所示是在不同信道条件下，当宏基站发射功率改变时系统功耗增益G的仿真结果，可见本发明方法可以有效降低系统功耗，最终实现绿色通信。

Claims (1)

1.异构蜂窝网络中一种基于节能的基站休眠方法，其特征在于包括以下步骤：

a)三层异构蜂窝网络由宏基站、微基站和微微基站组成，它们的空间位置分别用参数为λ₁、λ₂、λ₃的齐次泊松点过程Φ₁、Φ₂、Φ₃表示，宏基站、微基站和微微基站的信道发射功率分别表示为P₁、P₂、P₃；

b)在满足一定系统中断概率的前提下，采取关闭部分宏基站，再增开部分微基站和微微基站的基站休眠方法；假设宏基站的休眠概率为1-β，增开微基站和微微基站，由初始状态的密度λ₂、λ₃变为λ₂+λ₂'、λ₃+λ₃'，调节宏基站的信道发射功率，由初始状态的P₁变为P₁'；

c)定义系统采取基站休眠方案时的功耗E_sleep为：E_sleep＝βλ₁(γ₁NP₁'+P_1,s)+(λ₂+λ′₂)(γ₂NP₂+P_2,s)+(λ₃+λ′₃)(γ₃NP₃+P_3,s)，其中N为基站提供的信道数目，P_1,s为宏基站的线路功率，P_2,s为微基站的线路功率，P_3,s为微微基站的线路功率，γ₁为宏基站传输功率的系数，γ₂为微基站传输功率的系数，γ₃为微微基站传输功率的系数；

d)确定优化问题为采取基站休眠方案后的系统功耗E_sleep最小，同时保证系统中断概率不变，即用户上行发射功率小于最大值P_exp，其中α为路径衰减因子；

e)将系统功耗优化问题分解为四个局部优化问题,并对这四个优化问题分别求解，若优化问题有解则记为S_l＝[β_l,P′_1,l,λ′_2,l,λ′_3,l]，无解则记为其中l＝1,2,3,4；

f)对所述步骤e)中确定的四种情况的最优解，选取系统功耗E_sleep最小的值所对应的基站休眠方案作为系统的最佳基站休眠方案；

g)实施最佳基站休眠方案，令宏基站工作概率为β^*，并增开微基站和微微基站，使它们的部署密度为λ₂+λ₂'^*、λ₃+λ₃'^*，调节宏基站的信道发射功率为P₁'^*，在保证系统中断概率不变的同时又满足用户上行发射功率阈值，实现系统绿色节能。