CN105208636A - 密集网络中能效协作基站睡眠机制提高系统能效的方法 - Google Patents

Abstract

本发明公开了一种密集网络中能效协作基站睡眠机制提高系统能效的方法，包括：1)构建系统模型，在非通信高峰期，密集部署网络下行CoMP传输场景，得小区k内用户l的SINR_lk及数据速率r_lk；2)用户划分为CoMP用户及中心用户，再进行动态选簇，在通信非高峰期，选取优先睡眠基站，并将睡眠小区内的用户分配给满足睡眠小区内用户的信息速率的基站；3)建立功率损耗模型，得CoMP系统总功率P_total，得协作基站在工作工程中产生额外的功率损耗P_CoMP；4)建立系统功耗最小的优化问题模型；5)求解系统功率损耗最小的优化问题模型，然后根据求解的结果进行系统中各基站与用户之间的信息通信。本发明能够满足用户动态变化的要求，系统的功耗较小。

Description

密集网络中能效协作基站睡眠机制提高系统能效的方法

技术领域

本发明属于通信技术领域，涉及一种密集网络中能效协作基站睡眠机制提高系统能效的方法。

背景技术

移动通信作为社会众多行业中的重要环节，正在改变着人们的工作和生活方式。过去几十年间，为了满足人们随时随地的享受高速便捷的网络服务要求，通信行业关注的重点在于建设一个无缝覆盖的高质量移动网络。随着通信数据的爆炸性增长，而且大部分的数据通信都发生的室内，为满足室内用户的通信需求，密集网络部署是提高室内无线通信质量的重要技术，也是未来5G提高通信容量的一项关键技术，大型建筑内网络的密集部署是室内通信的发展趋势。然而基站密集部署使得无线网络能耗越来越多。近年来，关于能源重要性的话题越来越多。在资源有限和绿色环保的背景下，节能减排正在成为全球的热点，全方位的无缝蜂窝网络节能也受到了越来越广泛的关注。提高能效(energyefficiency，EE)已经成为了未来绿色蜂窝网络的设计目标。在一个典型的蜂窝网络中基站消耗的能量占据整个网络消耗能量总量的80％，每个基站总能耗的60％用于信号处理和空调处理。所以为了提高绿色无线蜂窝网络的能量利用率，减少基站的能量消耗是至关重要的。当网络中业务量较少时，一个基站仍然消耗了其消耗量最大值的90％，话务量对基站消耗的影响微乎其微。由于通信业务有明显的潮汐效应。基站消耗不会因为话务量的减少而减少，因为只要基站处于工作状态，能源消耗都会很大，话务量对基站消耗的影响微乎其微，24小时处于工作状态的基站在一段时间内服务于很少的用户，造成了巨大的能量浪费。

通信非高峰期让一些基站睡眠是提高能效的一种有效方法。当某个基站处于睡眠状态时，为保证睡眠基站内的用户正常通信，传统方法是通过邻近基站提高传输功率为这些用户服务。然而这种传统小区睡眠方案带来两种后果，一是睡眠小区内用户的中断率增高，另一是邻区小区功耗增加，CoMP技术通过多小区间协作可有效解决上述难题，让相邻的基站协作为用户服务而不增加发射功率。每个睡眠基站内的用户在工作基站中选取一定数量作为协作基站联合为一个用户传输数据信息。

现有的基站睡眠方案提出一种结合静态分簇CoMP技术的小区睡眠方案，限定在静态簇场景中，当某个基站关闭后，簇内所有基站将协作服务于睡眠小区内用户。然而在用户动态变化情况下静态簇方案性能波动大而且这种全协作方式带来非常大的回传开销以及计算复杂度。还有一些方案提出一种结合CoMP动态分簇的小区睡眠方案，用户可根据自身位置动态选择簇，方案具有较好的性能且实现复杂度低。但是该方案中簇大小固定且未考虑协作传输功耗和回程功耗。总之，现有的静态簇或固定簇大小提高系统能效的方案不能满足适应用户的动态变化或最大程度的减小能耗。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种密集网络中能效协作基站睡眠机制提高系统能效的方法，该方法能够满足用户动态变化的要求，系统的功耗较小。

为达到上述目的，本发明所述的密集网络中能效协作基站睡眠机制提高系统能效的方法包括以下步骤：

1)构建系统模型，在非通信高峰期，密集部署网络下行CoMP传输场景，其中，系统中存在A个小区，小区k内有L_k个随机分布的用户，k∈Θ,Θ＝{1,2,...,A}，用户和基站均采用单天线配置，系统中存在睡眠基站，计算得小区k内用户l的SINR_lk及数据速率r_lk；

2)根据各用户的SINR将用户划分为CoMP用户及中心用户，再根据用户划分的结果进行动态选簇，然后在通信非高峰期，根据用户动态选簇的结果采用睡眠基站轮询策略选取优先睡眠基站，并将睡眠小区内的用户分配给满足睡眠小区内用户的信息速率的基站，其中，将睡眠小区内用户分配到的基站记作协作基站；

3)建立功率损耗模型，得CoMP系统总功率P_total，再根据CoMP系统总功率P_total得协作基站在工作工程中产生额外的功率损耗P_CoMP；

4)根据步骤3)得到的协作基站在工作工程中产生额外的功率损耗P_CoMP建立系统功耗最小的优化问题模型；

5)求解步骤4)建立的系统功率损耗最小的优化问题模型，得CoMP系统最小总功率以及当CoMP系统的总功率最小时各基站的开关状态、睡眠小区内各用户的协作基站、以及基站分配给各用户的传输功率，然后根据CoMP系统最小总功率以及当CoMP系统的总功率最小时各基站的开关状态、睡眠小区内各用户的协作基站、以及基站分配各用户的传输功率进行系统中各基站与用户之间的信息通信；

设各小区均采用等功率分配，则小区k内用户l的SINR_lk的表达式为：

${\mathrm{SINR}}_{lk}=\frac{p_{lk}(h_{lk},s_{lk})}{z_{lk}+N_0}---\left(1\right)$

其中，h_lk为小区k内的用户l与基站j间的信道矢量，s_lk为小区k内的用户l对应协作簇矢量，(h_lk,s_lk)表示s_lk与h_lk进行内积，N₀为高斯白噪声，z_lk为小区k内的用户l所受到的簇间干扰。

小区k内的用户l的数据速率r_lk的表达式为

r_lk＝log₂(1+SINR_lk)(2)。

当SINR_lk<α时，则小区k内的用户l为CoMP用户，当SINR_lk≥α，则小区k内的用户l为中心用户，α为预设的SINR门限值。

CoMP系统总功耗P_total的表达式为：

$P_{total}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{q}_k{p}_k+P_{CoMP}---\left(3\right)$

q_k为基站k的工作模式，当基站k处于工作状态时，则q_k＝1；当基站k处于关闭状态，则q_k＝0；p_k为基站k的功耗，p_lk为基站k分配给用户l的传输功率。

协作基站在工作工程中产生额外的功率损耗P_CoMP的表达式为：

$P_{CoMP}=\underset{u_{lk}\&Element;{\mathrm{\&Omega;}}_c}{\mathrm{\&Sigma;}}{P}_{sp}^{u_{lk}}+P_{bh}^{u_{lk}}---\left(4\right)$

$P_{sp}^{u_{lk}}=\frac{N_c^{u_{lk}}\&times;p_{sp}\left(\left(1-{\mathrm{\&xi;}}_1-{\mathrm{\&xi;}}_2\right)+{\mathrm{\&xi;}}_1{N}_c^{u_{lk}}+{\mathrm{\&xi;}}_2{\left(N_c^{u_{lk}}\right)}^2\right)}{N^{C_{lk}}}---\left(5\right)$

$P_{bh}^{u_{lk}}=\frac{N_c^{u_{lk}}\&times;p_{bh}({\mathrm{\&beta;}}_D^{u_{lk}}+{\mathrm{\&beta;}}_C^{u_{lk}})}{N^{C_{lk}}}---\left(6\right)$

其中，为小区k内的用户l的信号处理功率，为小区k内的用户l的回程功率，d为睡眠小区内的用户数，Ω_c为用户集合，为协作簇大小，p_sp为单基站信号处理功率基准，和分别为CoMP信道估计和SDMA预编码对应的功耗，为与小区k内的用户l选择相同协作簇的用户数，p_bh为在回程上传送1比特信息所对应的功耗，和分别为每个基站共享的小区k内的用户l的数据和信道状态信息。

系统功耗最小的优化问题模型为：

$\begin{array}{cc}\underset{s_{lk}^j,p_{lk},q_k}{min}& P_{total}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{q}_k\left(\underset{l=1}{\overset{L_k}{\&Sigma;}}{p}_{lk}\right)+P_{CoMP}\end{array}$

$\begin{array}{ccc}s.t:& \underset{j=1}{\overset{K}{\&Sigma;}}{s}_{lk}^j\&Element;\{1,2,3\}& \&ForAll;l,k\end{array}$

$\begin{array}{cc}\underset{k=1}{\overset{K}{\&Sigma;}}\underset{l=1}{\overset{L_k}{\&Sigma;}}{s}_{lk}^j\&le;1& \&ForAll;j\end{array}$

$\begin{array}{cc}{s}_{lk}^j\&Element;\{0,1\}& \&ForAll;l,j,k\end{array}---\left(7\right)$

$\begin{array}{cc}{r}_{lk}\&GreaterEqual;r_{lk}^0& \&ForAll;l,k\end{array}$

$\begin{array}{cc}\underset{l=1}{\overset{L_k}{\&Sigma;}}{p}_{lk}\&le;q_k{P}_{\max }& \&ForAll;k\end{array}$

$\begin{array}{cc}{q}_k\&Element;\{0,1\}& \&ForAll;k\end{array}$

采用启发式贪婪算法求解步骤4)建立的系统功率损耗最小的优化问题模型。

本发明具有以下有益效果：

本发明所述的密集网络中能效协作基站睡眠机制提高系统能效的方法在使用过程中，通过计算各用户的SINR，并根据各用户的SINR值将用户划分为CoMP用户及中心用户，再用户结果进行动态选簇，然后睡眠基站轮询策略选取优先睡眠基站，使系统节能最大的基站作为睡眠基站，使系统能效最大化，并且能够适应无线网络与用户之间的动态变化。另外，在实现系统功耗最小时，考虑协作基站在工作过程中产生的额外功率损耗建立系统功耗最小的优化问题模型，再求解所述系统功耗最小的优化问题模型，然后根据求解的结果进行用户与基站的通信，从而降低系统的功耗。

附图说明

图1为本发明中多小区多用户的场景图；

图2本发明中基站睡眠的原理图。

具体实施方式

下面结合附图对本发明做进一步详细描述：

参考图1，本发明所述的密集网络中能效协作基站睡眠机制提高系统能效的方法包括以下步骤：

1)构建系统模型，在非通信高峰期，密集部署网络下行CoMP传输场景，其中，系统中存在A个小区，小区k内有L_k个随机分布的用户，k∈Θ,Θ＝{1,2,...,A}，用户和基站均采用单天线配置，系统中存在睡眠基站，计算得小区k内用户l的SINR_lk及数据速率r_lk；

2)根据各用户的SINR将用户划分为CoMP用户及中心用户，再根据用户划分的结果进行动态选簇，然后在通信非高峰期，根据用户动态选簇的结果采用睡眠基站轮询策略选取优先睡眠基站，并将睡眠小区内的用户分配给满足睡眠小区内用户的信息速率的基站，其中，将睡眠小区内用户分配到的基站记作协作基站；

3)建立功率损耗模型，得CoMP系统总功率P_total，再根据CoMP系统总功率P_total得协作基站在工作工程中产生额外的功率损耗P_CoMP；

4)根据步骤3)得到的协作基站在工作工程中产生额外的功率损耗P_CoMP建立系统功耗最小的优化问题模型；

5)求解步骤4)建立的系统功率损耗最小的优化问题模型，得CoMP系统最小总功率以及当CoMP系统的总功率最小时各基站的开关状态、睡眠小区内各用户的协作基站、以及基站分配给各用户的传输功率，然后根据CoMP系统最小总功率以及当CoMP系统的总功率最小时各基站的开关状态、睡眠小区内各用户的协作基站、以及基站分配各用户的传输功率进行系统中各基站与用户之间的信息通信；

设各小区均采用等功率分配，则小区k内用户l的SINR_lk的表达式为：

${\mathrm{SINR}}_{lk}=\frac{p_{lk}(h_{lk},s_{lk})}{z_{lk}+N_0}---\left(1\right)$

其中，h_lk为小区k内的用户l与基站j间的信道矢量，s_lk为小区k内的用户l对应协作簇矢量，(h_lk,s_lk)表示s_lk与h_lk进行内积，N₀为高斯白噪声，z_lk为小区k内的用户l所受到的簇间干扰。

小区k内的用户l的数据速率r_lk的表达式为

r_lk＝log₂(1+SINR_lk)(2)。

当SINR_lk<α时，则小区k内的用户l为CoMP用户，当SINR_lk≥α，则小区k内的用户l为中心用户，α为预设的SINR门限值，有限的α为15dB。

CoMP系统总功耗P_total的表达式为：

$P_{total}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{q}_k{p}_k+P_{CoMP}---\left(3\right)$

q_k为基站k的工作模式，当基站k处于工作状态时，则q_k＝1；当基站k处于关闭状态，则q_k＝0；p_k为基站k的功耗，p_lk为基站k分配给用户l的传输功率。

协作基站在工作工程中产生额外的功率损耗P_CoMP的表达式为：

$P_{CoMP}=\underset{u_{lk}\&Element;{\mathrm{\&Omega;}}_c}{\mathrm{\&Sigma;}}{P}_{sp}^{u_{lk}}+P_{bh}^{u_{lk}}---\left(4\right)$

$P_{sp}^{u_{lk}}=\frac{N_c^{u_{lk}}\&times;p_{sp}\left(\left(1-{\mathrm{\&xi;}}_1-{\mathrm{\&xi;}}_2\right)+{\mathrm{\&xi;}}_1{N}_c^{u_{lk}}+{\mathrm{\&xi;}}_2{\left(N_c^{u_{lk}}\right)}^2\right)}{N^{C_{lk}}}---\left(5\right)$

$P_{bh}^{u_{lk}}=\frac{N_c^{u_{lk}}\&times;p_{bh}({\mathrm{\&beta;}}_D^{u_{lk}}+{\mathrm{\&beta;}}_C^{u_{lk}})}{N^{C_{lk}}}---\left(6\right)$

其中，为小区k内的用户l的信号处理功率，为小区k内的用户l的回程功率，d为睡眠小区内的用户数，Ω_c为用户集合，为协作簇大小，p_sp为单基站信号处理功率基准，和分别为CoMP信道估计和SDMA预编码对应的功耗，为与小区k内的用户l选择相同协作簇的用户数，p_bh为在回程上传送1比特信息所对应的功耗，和分别为每个基站共享的小区k内的用户l的数据和信道状态信息。

系统功耗最小的优化问题模型为：

$\begin{array}{cc}\underset{s_{lk}^j,p_{lk},q_k}{min}& P_{total}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{q}_k\left(\underset{l=1}{\overset{L_k}{\&Sigma;}}{p}_{lk}\right)+P_{CoMP}\end{array}$

$\begin{array}{ccc}s.t:& \underset{j=1}{\overset{K}{\&Sigma;}}{s}_{lk}^j\&Element;\{1,2,3\}& \&ForAll;l,k\end{array}$

$\begin{array}{cc}\underset{k=1}{\overset{K}{\&Sigma;}}\underset{l=1}{\overset{L_k}{\&Sigma;}}{s}_{lk}^j\&le;1& \&ForAll;j\end{array}$

$\begin{array}{cc}{s}_{lk}^j\&Element;\{0,1\}& \&ForAll;l,j,k\end{array}---\left(7\right)$

$\begin{array}{cc}{r}_{lk}\&GreaterEqual;r_{lk}^0& \&ForAll;l,k\end{array}$

$\begin{array}{cc}\underset{l=1}{\overset{L_k}{\&Sigma;}}{p}_{lk}\&le;q_k{P}_{\max }& \&ForAll;k\end{array}$

$\begin{array}{cc}{q}_k\&Element;\{0,1\}& \&ForAll;k\end{array}$

其中，约束条件1表示每个用户所选协作簇大小不能超过3，约束条件2表示要求小区j同一时刻在同一资源块上最多只能服务一个用户，约束条件4表示要求满足用户最小速率，约束条件5表示当q_k＝1时满足单基站最大功率约束，当q_k＝0时基站k处于关闭状态，q_k＝1表示基站处于工作状态。

由式(7)得，小区k内的用户l的系统功耗最小的优化问题模型为：

$\begin{array}{cc}\underset{s_{lk}^j}{min}& p_{lk}+p_{sp}^{u_{lk}}+P_{bh}^{u_{lk}}\end{array}$

$\begin{array}{cc}s.t:& \underset{j=1,j\&NotEqual;m}{\overset{K}{\&Sigma;}}{s}_{lk}^j\&Element;\{1,2,3\}\end{array}$

$\begin{array}{cc}{s}_{lk}^j\&Element;\{0,1\}& \&ForAll;j\end{array}---\left(8\right)$

$r_{lk}=r_{lk}^0$

$p_{lk}=\frac{r_{lk}\&times;(N_0+Z_{lk}^{\&prime;})}{N_c^{u_{lk}}}$

其中，约束条件3表示在满足用户信干噪比门限的条件下协作基站分配给用户的传输功率，其中，

然后采用启发式贪婪算法求解式(7)，得CoMP系统最小总功率以及当CoMP系统的总功率最小时各基站的开关状态、睡眠小区内各用户的协作基站、以及基站分配给各用户的传输功率。

在实际应用的过程中，由于通信流量存在明显的潮汐现象，比如，白天工作期间，商业区的通信业务量很大，而住宅区的通信业务量却很小；晚上下班后，情况恰恰想反。可以考虑当网络流量处于非高峰时间段,关闭一些基站达到节能效果，在非高峰期考虑到周围基站都有大量空闲的资源，所以睡眠小区内的用户由相邻基站为其提供服务，保证用户正常通信，所以本发明的方案是可行的，另外，本发明所提出的以用户为中心的动态选簇和基站睡眠策略，能够适应无线网络和用户的动态变化，可以保证各用户的传输速率得到满足，充分考虑到回程功耗，为不同用户选择大小不同的协作簇，选择节能更多的基站作为睡眠基站使系统节能效果更优。

Claims (8)

1.一种密集网络中能效协作基站睡眠机制提高系统能效的方法，其特征在于，包括以下步骤：

1)构建系统模型，在非通信高峰期，密集部署网络下行CoMP传输场景，其中，系统中存在A个小区，小区k内有L_k个随机分布的用户，k∈Θ,Θ＝{1,2,...,A}，用户和基站均采用单天线配置，系统中存在睡眠基站，计算得小区k内用户l的SINR_lk及数据速率r_lk；

2)根据各用户的SINR将用户划分为CoMP用户及中心用户，再根据用户划分的结果进行动态选簇，然后在通信非高峰期，根据用户动态选簇的结果采用睡眠基站轮询策略选取优先睡眠基站，并将睡眠小区内的用户分配给满足睡眠小区内用户的信息速率的基站，其中，将睡眠小区内用户分配到的基站记作协作基站；

3)建立功率损耗模型，得CoMP系统总功率P_total，再根据CoMP系统总功率P_total得协作基站在工作工程中产生额外的功率损耗P_CoMP；

4)根据步骤3)得到的协作基站在工作工程中产生额外的功率损耗P_CoMP建立系统功耗最小的优化问题模型；

5)求解步骤4)建立的系统功率损耗最小的优化问题模型，得CoMP系统最小总功率以及当CoMP系统的总功率最小时各基站的开关状态、睡眠小区内各用户的协作基站、以及基站分配给各用户的传输功率，然后根据CoMP系统最小总功率以及当CoMP系统的总功率最小时各基站的开关状态、睡眠小区内各用户的协作基站、以及基站分配各用户的传输功率进行系统中各基站与用户之间的信息通信。

2.根据权利要求1所述的密集网络中能效协作基站睡眠机制提高系统能效的方法，其特征在于，设各小区均采用等功率分配，则小区k内用户l的SINR_lk的表达式为：

${\mathrm{SINR}}_{lk}=\frac{p_{lk}(h_{lk},s_{lk})}{z_{lk}+N_0}---\left(1\right)$

其中，h_lk为小区k内的用户l与基站j间的信道矢量，s_lk为小区k内的用户l对应协作簇矢量，(h_lk,s_lk)表示s_lk与h_lk进行内积，N₀为高斯白噪声，z_lk为小区k内的用户l所受到的簇间干扰。

3.根据权利要求2所述的密集网络中能效协作基站睡眠机制提高系统能效的方法，其特征在于，小区k内的用户l的数据速率r_lk的表达式为

r_lk＝log₂(1+SINR_lk)(2)。

4.根据权利要求1所述的密集网络中能效协作基站睡眠机制提高系统能效的方法，其特征在于，当SINR_lk<α时，则小区k内的用户l为CoMP用户，当SINR_lk≥α，则小区k内的用户l为中心用户，α为预设的SINR门限值。

5.根据权利要求1所述的密集网络中能效协作基站睡眠机制提高系统能效的方法，其特征在于，CoMP系统总功耗P_total的表达式为：

$P_{total}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{q}_k{p}_k+P_{CoMP}---\left(3\right)$

q_k为基站k的工作模式，当基站k处于工作状态时，则q_k＝1；当基站k处于关闭状态，则q_k＝0；p_k为基站k的功耗，p_lk为基站k分配给用户l的传输功率。

6.根据权利要求5所述的密集网络中能效协作基站睡眠机制提高系统能效的方法，其特征在于，协作基站在工作工程中产生额外的功率损耗P_CoMP的表达式为：

$P_{CoMP}=\underset{u_{lk}\&Element;{\mathrm{\&Omega;}}_c}{\mathrm{\&Sigma;}}{P}_{sp}^{u_{lk}}+P_{bh}^{u_{lk}}---\left(4\right)$

$P_{sp}^{u_{lk}}=\frac{N_c^{u_{lk}}\&times;p_{sp}\left(\left(1-{\mathrm{\&xi;}}_1-{\mathrm{\&xi;}}_2\right)+{\mathrm{\&xi;}}_1{N}_c^{u_{lk}}+{\mathrm{\&xi;}}_2{\left(N_c^{u_{lk}}\right)}^2\right)}{N^{C_{lk}}}---\left(5\right)$

$P_{bh}^{u_{lk}}=\frac{N_c^{u_{lk}}\&times;p_{bh}({\mathrm{\&beta;}}_D^{u_{lk}}+{\mathrm{\&beta;}}_C^{u_{lk}})}{N^{C_{lk}}}---\left(6\right)$

其中，为小区k内的用户l的信号处理功率，为小区k内的用户l的回程功率，d为睡眠小区内的用户数，Ω_c为用户集合，为协作簇大小，p_sp为单基站信号处理功率基准，和分别为CoMP信道估计和SDMA预编码对应的功耗，为与小区k内的用户l选择相同协作簇的用户数，p_bh为在回程上传送1比特信息所对应的功耗，和分别为每个基站共享的小区k内的用户l的数据和信道状态信息。

7.根据权利要求6所述的密集网络中能效协作基站睡眠机制提高系统能效的方法，其特征在于，系统功耗最小的优化问题模型为：

$\begin{array}{cc}\underset{s_{lk}^j,p_{lk},q_k}{min}& P_{total}=\underset{k=1}{\overset{K}{\mathrm{\&Sigma;}}}{q}_k\left(\underset{l=1}{\overset{L_k}{\&Sigma;}}{p}_{lk}\right)+P_{CoMP}\end{array}$

$\begin{array}{ccc}s.t:& \underset{j=1}{\overset{K}{\&Sigma;}}{s}_{lk}^j\&Element;\{1,2,3\}& \&ForAll;l,k\end{array}$

$\begin{array}{cc}\underset{k=1}{\overset{K}{\&Sigma;}}\underset{l=1}{\overset{L_k}{\&Sigma;}}{s}_{lk}^j\&le;1& \&ForAll;j\end{array}$

$\begin{array}{cc}{s}_{lk}^j\&Element;\{0,1\}& \&ForAll;l,j,k\end{array}---\left(7\right)$

$\begin{array}{cc}{r}_{lk}\&GreaterEqual;r_{lk}^0& \&ForAll;l,k\end{array}$

$\begin{array}{cc}\underset{l=1}{\overset{L_k}{\&Sigma;}}{p}_{lk}\&le;q_k{P}_{\max }& \&ForAll;k\end{array}$

$\begin{array}{cc}{q}_k\&Element;\{0,1\}& \&ForAll;k\end{array}$

8.根据权利要求1所述的密集网络中能效协作基站睡眠机制提高系统能效的方法，其特征在于，采用启发式贪婪算法求解步骤4)建立的系统功率损耗最小的优化问题模型。