CN105722205B - 一种超密集异构网络能量有效资源分配方法 - Google Patents

一种超密集异构网络能量有效资源分配方法 Download PDF

Info

Publication number
CN105722205B
CN105722205B CN201610066549.XA CN201610066549A CN105722205B CN 105722205 B CN105722205 B CN 105722205B CN 201610066549 A CN201610066549 A CN 201610066549A CN 105722205 B CN105722205 B CN 105722205B
Authority
CN
China
Prior art keywords
station
slightly
user
stood
transmission power
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.)
Active
Application number
CN201610066549.XA
Other languages
English (en)
Other versions
CN105722205A (zh
Inventor
徐平平
朱文祥
蒋慧琳
何影
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201610066549.XA priority Critical patent/CN105722205B/zh
Publication of CN105722205A publication Critical patent/CN105722205A/zh
Application granted granted Critical
Publication of CN105722205B publication Critical patent/CN105722205B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/18—TPC being performed according to specific parameters
    • H04W52/26—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service]
    • H04W52/267—TPC being performed according to specific parameters using transmission rate or quality of service QoS [Quality of Service] taking into account the information rate
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/38—TPC being performed in particular situations
    • H04W52/40—TPC being performed in particular situations during macro-diversity or soft handoff
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种超密集异构网络能量有效资源分配方法，将超密集异构网络中宏站的资源分割系数与微微站的发射功率、微微站的小区边缘扩展偏执和粒子群优化算法中的粒子位置相联系，以全网能量效率为目标，利用粒子群优化算法联合调整宏站的资源分割系数、微微站的发射功率和微微站的小区边缘扩展偏执，以达到全网能量效率最大的目标；在优化问题建模中，将全网中的每个用户速率需求作为约束条件，防止为了全网能量效率最大二忽略了用户速率需求；通过限制粒子群的惯性权重及加速系数的取值范围保证优化过程收敛，并通过多次重新初始化确保优化过程收敛于全局最优值。

Description

一种超密集异构网络能量有效资源分配方法
技术领域
本发明涉及一种超密集异构网络能量有效资源分配方法。
背景技术
为了提升无线通信网络的数据速率，满足用户爆炸式的的数据速率需求，3GPPLTE-A提出一种在传统蜂窝宏站覆盖范围内密集部署同频微微站、毫微微站和中继等低功率小站的超密集异构网络架构[1]。通过超密集部署小站可以提升整个网络数据容量和覆盖范围，但是对于网络的能量消耗和网络中基站之间的互干扰也大幅提升，限制了网络性能的进一步提升。十二五以来，我国越来越注重环境保护以及二氧化碳的排放，节能减排，降低网络能量消耗，绿色通信成为了通信行业的主旋律。因此，通信行业内专家们认为如何克服网络性能的提升与网络中能量消耗和干扰的提升之间的冲突，提升网络能量效率将成为下一阶段通信行业研究的重点。目前，国际上两大合作项目MVCE和EARTH也都投入了大量的人力和物力进行有关能量效率的研究[2,3]。
现有的关于能量效率的技术方案中，一部分仅考虑同类基站之间的资源分配以达到抑制同层干扰或跨层干扰的问题。另一部分虽然考虑了干扰的不同情况，但是这些方案却导致了频谱效率利用率低和子载波分配自由度低的问题，这些在实际系统中很难被应用。在文献[4]中，作者提出一种在异构网络中基于改进粒子群算法的微微站发射功率和小区边缘扩展偏执的优化算法。该算法将各个微微站的发射功率和小区边缘扩展偏执建模成一个优化问题，约束条件包括微微站的功率小于最大值和小区边缘扩展偏执小于最大值，采用改进粒子群算法对该问题进行求解，进而达到最优化微微站能量效率的目的。
文献[4]的算法具体步骤如下：
网络模型和系统参数：假设异构网络中有β个宏站、ρ个微微站和U个用户，网络中总的站点集合记为C＝{Cm,Cp}。其中，宏站集合记为Cm＝{m1,m2,…,mβ}，宏站发射功率均为Pm。微微站集合记为Cp＝{p1,p2,…,pρ}，微微站的发射功率可调，最大的发射功率记为微微站的小区边缘扩展偏执可调，最大的小区边缘扩展偏执记为迭代次数和重新初始化次数分别记为t、s，最大迭代次数和最大重新初始化次数分别为titer、tres，初始化迭代次数t＝0和重新初始化次数s＝0。
第一步：初始每个微微站候选发射功率集合，小区边缘扩展偏执集合，微微站的功 率调整尺度集合和小区边缘扩展偏执调整尺度集合。随机初始化N个微微站候选发射功率 集合和小区边缘扩展偏执集合以及相应的功率调整 尺度集合和小区边缘扩展偏执调整尺度集合其中， 每个候选发射功率和小区边缘扩展偏执集合、发射功率和小区边缘扩展偏执调整尺度集合 均包含ρ个微微站的候选发射功率和小区边缘扩展偏执、功率和小区边缘扩展偏执调整尺 度，即和微微站的候选发射功率，候选小区边缘扩展偏执，功率调 整尺度和小区边缘扩展偏执需满足和j∈ρ
第二步：计算各候选功率集合和候选小区边缘扩展偏执集合对应的系统能量效率。用户u(u∈U)计算其接收到的来自各个站点的参考信号接收功率RSRPu,c(u∈U，c∈C)和相应的小区边缘扩展偏执Bc，用户选择最大RSRPu,c+Bc的作为其服务小区记为Cu，并将相关信息反馈给服务小区，各个服务小区计算用户在每个候选功率集合和候选小区边缘扩展偏执集合下的可达速率然后，微微站计算每个候选功率和候选小区边缘扩展偏执集合对应的吞吐量T(Pi(t))，如公式1所示，并反馈给宏站。最后，宏站统计其覆盖范围下的微微站的总吞吐量和相应的功率消耗，计算系统中微微站的能量效率，如公式2所示。
其中，T为微微站的吞吐量，即为微微站内用户的速率之和；为小区i内的第u个用户的速率；Wu为第i个粒子中用户u所分配的带宽；第i个粒子中u的服务小区Cu所对应的发射功率；Pp为网络微微站所消耗的功率总和；L为负载因子，当微微站内有用户时该值为1，否则为0；ΔL为微微站的发射功率功放乘子；为微微站处于空闲状态时功率消耗；为微微站处于休眠状态时功率消耗。
第三步：更新自身和全局最优的发射功率和小区边缘扩展偏执集合。若迭代轮数t ＝0，各站点将当前发射功率和小区边缘扩展偏执集合作为自身最优集合，记为和其中，和比较上一步(若t＝0，则就是当前时刻)得到 的所有候选集合对应的各个能量效率，将能量效率最大的集合作为当前全局最优集合，记 为和Bg(0)，其中，和若t≠0，将得到的各候选集合的能量效率与上一轮自身 迭代及全局最优集合的能量效率做比较，若对则更新自身最优发射功率和小区边缘扩展偏执 集合和否则，和若则更新全局最优功率集合和最优小区边缘扩展偏执集合 否则和由于和以及和是由 和替换得到，因此以及可由能量效率计算公式(2) 得到。
第四步：更新迭代轮数t＝t+1。
第五步：更新候选发射功率和小区边缘扩展偏执调整尺度以及候选发射功率和小区边缘扩展偏执集合。计算新的功率调整尺度集合Si(t)和小区边缘扩展偏执调整尺度集合以及候选发射功率集合和候选小区边缘扩展偏执集合如公式3到公式6所示：
其中，参数r1、r2为在[0,1]区间之内的随机数，为了保证算法迭代过程的收敛性，限制惯性权重因子ω及算法加速因子c1、c2的取值范围如式7所示：
第六步：算法结束条件判断。若t<titer，且所有候选发射功率和小区边缘扩展集合与全局最优发射功率和小区边缘扩展偏执集合间的距离之和大于规定门限值ε，则算法回到第二步，计算各更新的候选功率和小区边缘扩展偏执集合对应的微微站能量效率并更新自身及全局最优发射功率和小区边缘扩展偏执集合；否则，算法进行第七步。
第七步：算法中重新初始化结束条件判断。若s<tres，则设置重新初始化次数为s＝s+1。令t＝0，重新初始化N-1种候选发射功率和小区边缘扩展偏执集合，与当前全局最优功率和小区边缘扩展偏执集合一起作为新的N种候选发射功率和小区边缘扩展偏执集合，并重新初始化N种发射功率和小区边缘扩展偏执调整尺度，算法返回到第二步；计算各新的候选集合对应的微微站能量效率并更新自身及全局最优发射功率和小区边缘扩展偏执集合；否则，进行第八步。
第八步：停止，按照得到的全局最优发射功率和小区边缘扩展偏执集合设置各微微站的发射功率和小区边缘扩展偏执。
上述方法存在如下的缺点：
1、忽略宏站资源分配。由于在异构网络中，宏站才是网络中的主要能量消耗源，但是现有的方案中没有考虑对宏站资源的分配。
2、网络优化模型忽略用户速率限制。在进行资源分配的过程中，由于网络的优化目标是能量效率，网络中的基站将会以节能为首要目标，从而导致网络中的用户速率没有办法保证。
3、网络优化目标只考虑微微站能量效率。现有方案对于网络的建模只是考虑了微微站的能量效率，而没有考虑全网能量效率。由于在优化发射功率和小区边缘扩展偏执过程中，用户的服务基站是动态变化的，会发生用户的不断切换，网络的总吞吐量会发生变化，因此，只考虑微微站的能量效率对于网络的性能评价不够准确。
缩略语和关键术语定义
HetNets Heterogeneous Networks 异构网络
3GPP the 3rd Generation Partnership Project 第三代合作伙伴项目
LTE-A Long Term Evolution-Advanced 先进的长期演进
MVCE Mobile Virtual Centre of Excellence 卓越移动虚拟中心
EARTH Energy Aware Radio and neTwork tecHnologies 能量有效无线和网络技术
EE Energy Efficiency 能量效率
RSRP Reference Signal Receiving Power 参考信号接收功率
MUE Macrocell User Equipment 宏站用户
PUE Picocell User Equipment 微微站用户
能量效率：网络的吞吐量与网络中能量消耗的比值。
小区边缘扩展偏执：在用户关联阶段，每个小区被分配一个偏执值，小区可以通过扩大或缩小小区边缘扩展偏执来控制小区覆盖范围内的用户数量。
参考文献
[1]J.G.Andrews,S.Buzzi,W.Choi,S.Hanly,A.Lozano,A.C.K.Soong,J.C.Zhang,“What Will 5G Be？,”IEEE Journal on Selected Areas in Communications,vol.PP,no.99,pp.1-17,2014.
[2]S.Tombaz,K.W.Sung,J.Zander,“Impact of densification on energyefficiency in wireless access networks,”IEEE Globecom Workshops(GC Wkshps),Anaheim,Dec.2012,pp.57-62.
[3]N.Bhushan,J.Li,D.Malladi.“Network densification:the dominant themefor wireless evolution into 5G,”IEEE Communications Magazine,vol.52,no.2,pp.82-89,2014.
[4]M Qin,N Liu,H Jiang,Z Pan,T Deng,X You,“MPSO-based poweradjustment and user association algorithm for energy efficiency in LTEheterogeneous networks,”Wireless Communications and Signal Processing(WCSP),Hefei,Oct.2014,pp:1-6.
发明内容
发明目的：针对现有技术方案能量效率偏低的问题，本发明提供一种一种能量有效的联合优化宏站和微微站的资源分配方案。该方案是在现有技术方案中增加了对宏站的资源分割，解决了现有方案中忽略宏站用户的资源分配；在优化过程中增加了对网络中用户的速率保障，解决了现有方案中由于以节能为目标而忽略了网络中用户速率保障的问题。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种超密集异构网络能量有效资源分配方法，是一种基于粒子群优化算法的联合宏站和微微站的能量有效资源分配方法；本方法将超密集异构网络中宏站的资源分割系数与微微站的发射功率、微微站的小区边缘扩展偏执和粒子群优化算法中的粒子位置相联系，以全网能量效率为目标，利用粒子群优化算法联合调整宏站的资源分割系数、微微站的发射功率和微微站的小区边缘扩展偏执，以达到全网能量效率最大的目标；在优化问题建模中，将全网中的每个用户速率需求作为约束条件，防止为了全网能量效率最大二忽略了用户速率需求；通过限制粒子群的惯性权重及加速系数的取值范围保证优化过程收敛，并通过多次重新初始化确保优化过程收敛于全局最优值。该方法充分考虑了用户服务小区动态变化、宏站的资源分割、微微站的发射功率和小区边缘扩展偏执等实际限制条件，能够同时避免网络中严重的同层和跨层干扰以及在不损失网络子载波分配自由度的情况下提高整个网络能量效率。
上述方法具体包括如下步骤：
网络模型和系统参数：设异构网络中有K个宏站、N个微微站和U个用户，网络中总的站点集合记为宏站集合记为宏站的发射功率均为PM，宏站的资源分割系数β可调，β的取值范围为[0,1]，资源分割实例如图3所示；微微站集合记为微微站的发射功率可调，微微站的最大发射功率记为微微站的小区边缘扩展偏执可调，微微站的最大小区边缘扩展偏执记为迭代次数和重新初始化次数分别记为t和s，最大迭代次数和最大重新初始化次数分别记为titer和tres，初始化迭代次数t＝0和重新初始化次数s＝0；
第一步：初始化参数
随机初始化ζ个解集，第i个解集记为i＝1,2,…,ζ，第i个解集对应粒子群优化算法中的第i个粒子；为第i个解集中微微站的发射功率集合，为第i个解集中微微站的小区边缘扩展偏执集合，βi为第i个解集中宏站的资源分割系数；
在第i个解集的迭代过程中，将微微站的发射功率调整尺度集合、微微站的小区边 缘扩展偏执调整尺度集合和宏站的资源分割系数调整尺度整体记为 为微微站的发射功率调整尺度，为微微站的小区边缘扩展 偏执调整尺度，j∈[N+1,2N]；为宏站的资源分割系数调整尺度；
第二步：计算各集合对应的全网能量效率
用户u计算其接收到的来自站点c的参考信号接收功率RSRPu,c和对应的小区边缘扩展偏执Bc，用户u选择(RSRPu,c+Bc)最大的小区作为服务小区，将该服务小区记为Cu，用户u将相关信息反馈给服务小区Cu，u∈U，若站点c为任意宏站，则Bc＝BM＝0，若站点c为第n个微微站，则
联合考虑宏站和微微站的资源分配，采用式(8)计算宏站的用户速率，采用式(9)计算微微站的用户速率：
式中：为第k个宏站服务的第j个用户的速率，β为宏站的资源分割系数，W为网络带宽，nM,k为第k个宏站服务的用户个数，PM,k为第k个宏站的发射功率，为第k个宏站到其服务的第j个用户的信道增益，1≤j≤nM,k；PM,l为第l个宏站的发射功率，为第l个宏站到第k个宏站服务的第j个用户的信道增益；PP,n为第n个微微站的发射功率，为第n个微微站到第k个宏站服务的第j个用户的信道增益；N0为噪声；
式中：为第n个微微站服务的第j个用户的速率，nP,n为第n个微微站服务的用户个数，为第n个微微站到其服务的第j个用户的信道增益，1≤j≤nP,n；为第k个宏站到第n个微微站服务的第j个用户的信道增益；PP,l为第l个微微站的发射功率，为第l个微微站到第n个微微站服务的第j个用户的信道增益；
全网能量效率采用式(10)计算：
式中：ηEE为全网能量效率，定义为全网吞吐量Thput除以全网总能耗Ptotal；Ln为第n个微微站的负载因子，当第n个微微站内有用户时Ln＝1，当第n个微微站内无用户时Ln＝0；ΔL为所有微微站的发射功率功放乘子；为微微站处于空闲状态时的功率消耗；为微微站处于休眠状态时的功率消耗；
将能量有效资源分配问题建模成一个优化问题，如式(11)所示：
式中：优化目标为全网能量效率最大，优化变量包括微微站的发射功率微微站的小区边缘扩展偏执和宏站的资源分割系数β；约束条件包括：①微微站的发射功率PP，n在0与最大值之间(当微微站的发射功率为0时微微站关闭)，②宏站的小区边缘扩展偏执BM为0，③微微站的小区边缘扩展偏执在最小值和最大值之间，④用户速率保证在阈值Rthreshold之上，⑤宏站的资源分割系数β在0到1之间；Cu代表用户u的服务小区，用户选择能够为自己提供最大的接收功率和小区边缘扩展偏执之和的小区作为自己的服务小区；
第三步：更新第i个粒子自身最优解和全局最优解
情况一：迭代次数t＝0
第i个粒子在第0次迭代时的解记为第i个粒子在第0次迭代时的自身最优解记为其中：
在第0次迭代时的全局最优解记为其中：
情况二：迭代次数t≠0
第i个粒子在第t次迭代时的解记为若则更新第i个粒子在第t次迭代时的自身最优解其中： 否则，维持第i个粒子的自身最优解其中：
若则更新第t次迭代时的全局最优解其中： 否则，维持全局最优解
和根据式(10)计算；
第四步：t＝t+1；
第五步：更新候选解集和调整尺度
根据第i个粒子的自身最优解和全局最优解更新调整尺度V，如式(12)和式(13)所示：
Si(t+1)＝Si(t)+Vi(t+1) (13)
式中：为第(t+1)次迭代时第i个粒子中第j个变量的调整尺度，为第t次迭代时第i个粒子中第j个变量的调整尺度；ω为惯性权重因子，c1和c2为算法加速因子，r1和r2为在[0,1]区间内的随机数；为Si(t)中的第j个元素，为中第j个元素，Sg,j(t)为Sg(t)中第j个元素；
为了保证迭代过程的收敛性，限制惯性权重因子ω、算法加速因子c1和c2的取值范围如式(14)所示：
第六步：迭代结束条件判断
若t<titer，且所有各个粒子的自身最优解与全局最优解间的距离之和大于规定门限值ε，则返回第二步；否则，进入第七步；
第七步：重新初始化结束条件判断
若s<tres，则设置重新初始化次数为s＝s+1，此时：令t＝0，重新初始化ζ-1个解集，将这ζ-1个解集与当前解集一起作为新的ζ个解集，重新初始化调整尺度V，返回第二步；若s≥tres，则进入第八步；
第八步：停止
按照得到的全局最优解设置网络配置。
有益效果：本发明针对现有技术方案能量效率偏低的问题，提供的超密集异构网络能量有效资源分配方法，在现有技术方案基础上增加了对宏站的资源分割，解决了现有方案中忽略宏站用户的资源分配；在优化过程中增加了对网络中用户的速率保障，解决了现有方案中由于以节能为目标而忽略了网络中用户速率保障的问题；本发明相对于现有技术方案的能量效率更高，更加节能，但是收敛速度略有增加，但是在合理范围内，因此有一定的实际价值。
附图说明
图1为系统模型图；
图2为超密集异构网络下改进粒子群的能量有效资源分配流程图；
图3为资源分割示意图；
图4为四种方案在能量效率上的性能仿真图；
图5为四种方案在频谱效率上的性能仿真图；
图6为四种方案在网络总能量消耗上的性能仿真图；
图7为算法收敛趋势仿真图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明以LTE-A系统为例给出一种实施例：
初始化网络模型和系统参数：假设有K＝19个宏站，每个宏站的一个扇区下面有10个微微站，总共有U＝150个用户，网络中总的站点集合记为其中，宏站集合记为宏站的发射功率均为PM＝46dBm，宏站的资源分割系数β可调，取值范围为[0,1]。微微站集合记为微微站的发射功率可调，最大的发射功率记为微微站的小区边缘扩展偏执可调，最大的小区边缘扩展偏执记为网络带宽为W＝10MHz，负载模型考虑全负载场景，用户速率的阈值Rthreshold＝500Mbps。迭代次数和重新初始化次数分别记为t、s，最大迭代次数和最大重新初始化次数分别为titer＝500、tres＝2，初始化迭代次数t＝0和重新初始化次数s＝0。
第一步：初始化参数
随机初始化ζ个解集，第i个解集记为第i个解集对应粒子群优化算法中的第i个粒子；为第i个解集中微微站的发射功率集合，为第i个解集中微微站的小区边缘扩展偏执集合，βi为第i个解集中宏站的资源分割系数。
在第i个解集的迭代过程中，将微微站的发射功率调整尺度集合、微微站的小区边 缘扩展偏执调整尺度集合和宏站的资源分割系数调整尺度整体记为为 微微站的发射功率调整尺度，为微微站的小区边缘扩展偏执 调整尺度，j∈[N+1,2N]；为宏站的资源分割系数调整尺度。
第二步：计算各集合对应的全网能量效率
用户u计算其接收到的来自站点c的参考信号接收功率RSRPu,c和对应的小区边缘扩展偏执Bc，用户u选择(RSRPu,c+Bc)最大的小区作为服务小区，将该服务小区记为Cu，用户u将相关信息反馈给服务小区Cu，u∈U，若站点c为任意宏站，则Bc＝BM＝0，若站点c为第n个微微站，则
联合考虑宏站和微微站的资源分配，采用式(8)计算宏站的用户速率，采用式(9)计算微微站的用户速率：
式中：为第k个宏站服务的第j个用户的速率，β为宏站的资源分割系数，W为网络带宽，nM,k为第k个宏站服务的用户个数，PM,k为第k个宏站的发射功率，为第k个宏站到其服务的第j个用户的信道增益，1≤j≤nM,k；PM,l为第l个宏站的发射功率，为第l个宏站到第k个宏站服务的第j个用户的信道增益；PP,n为第n个微微站的发射功率，为第n个微微站到第k个宏站服务的第j个用户的信道增益；N0为噪声。
式中：为第n个微微站服务的第j个用户的速率，nP,n为第n个微微站服务的用户个数，为第n个微微站到其服务的第j个用户的信道增益，1≤j≤nP,n；为第k个宏站到第n个微微站服务的第j个用户的信道增益；PP,l为第l个微微站的发射功率，为第l个微微站到第n个微微站服务的第j个用户的信道增益。
全网能量效率采用式(10)计算：
式中：ηEE为全网能量效率，定义为全网吞吐量Thput除以全网总能耗Ptotal；Ln为第n个微微站的负载因子，当第n个微微站内有用户时Ln＝1，当第n个微微站内无用户时Ln＝0；ΔL为所有微微站的发射功率功放乘子；为微微站处于空闲状态时的功率消耗；为微微站处于休眠状态时的功率消耗。
将能量有效资源分配问题建模成一个优化问题，如式(11)所示：
式中：优化目标为全网能量效率最大，优化变量包括微微站的发射功率微微站的小区边缘扩展偏执和宏站的资源分割系数β；约束条件包括：①微微站的发射功率PP,n在0与最大值之间(当微微站的发射功率为0时微微站关闭)，②宏站的小区边缘扩展偏执BM为0，③微微站的小区边缘扩展偏执在最小值和最大值之间，④用户速率保证在阈值Rthreshold之上，⑤宏站的资源分割系数β在0到1之间；Cu代表用户u的服务小区，用户选择能够为自己提供最大的接收功率和小区边缘扩展偏执之和的小区作为自己的服务小区。
第三步：更新第i个粒子自身最优解和全局最优解
情况一：迭代次数t＝0
第i个粒子在第0次迭代时的解记为第i个粒子在第0次迭代时的自身最优解记为其中：
在第0次迭代时的全局最优解记为其中：
情况二：迭代次数t≠0
第i个粒子在第t次迭代时的解记为若则更新第i个粒子在第t次迭代时的自身最优解其中： 否则，维持第i个粒子的自身最优解其中：
若则更新第t次迭代时的全局最优解其中： 否则，维持全局最优解其中：
和根据式(10)计算。
第四步：t＝t+1。
第五步：更新候选解集和调整尺度
根据第i个粒子的自身最优解和全局最优解更新调整尺度V，如式(12)和式(13)所示：
Si(t+1)＝Si(t)+Vi(t+1) (13)
式中：为第(t+1)次迭代时第i个粒子中第j个变量的调整尺度，为第t次迭代时第i个粒子中第j个变量的调整尺度；ω为惯性权重因子，c1和c2为算法加速因子，r1和r2为在[0,1]区间内的随机数；为Si(t)中的第j个元素，为中第j个元素，Sg,j(t)为Sg(t)中第j个元素。
为了保证迭代过程的收敛性，限制惯性权重因子ω、算法加速因子c1和c2的取值范围如式(14)所示：
第六步：迭代结束条件判断
若t<titer，且所有各个粒子的自身最优解与全局最优解间的距离之和大于规定门限值ε，则返回第二步；否则，进入第七步；
第七步：重新初始化结束条件判断
若s<tres，则设置重新初始化次数为s＝s+1，此时：令t＝0，重新初始化ζ-1个解集，将这ζ-1个解集与当前解集一起作为新的ζ个解集，重新初始化调整尺度V，返回第二步；若s≥tres，则进入第八步；
第八步：停止
按照得到的全局最优解设置网络配置。
在该实施例设置的同样实验场景下，仿真对比了①现有技术方案、②采用发射功率控制但是不采用小区边缘扩展方案、③最大发射功率发射和④不采用小区边缘扩展方案和提出的改进方案。图4是四种方案在能量效率的比较；图5是四种方案在频谱效率上的性能比较；图6是四种方案在平均总能量消耗上的性能比较；图7是各个算法的收敛趋势比较。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (1)

1.一种超密集异构网络能量有效资源分配方法，其特征在于：将超密集异构网络中宏站的资源分割系数与微微站的发射功率、微微站的小区边缘扩展偏执和粒子群优化算法中的粒子位置相联系，以全网能量效率为目标，利用粒子群优化算法联合调整宏站的资源分割系数、微微站的发射功率和微微站的小区边缘扩展偏执，以达到全网能量效率最大的目标；在优化问题建模中，将全网中的每个用户速率需求作为约束条件，防止为了全网能量效率最大二忽略了用户速率需求；通过限制粒子群的惯性权重及加速系数的取值范围保证优化过程收敛，并通过多次重新初始化确保优化过程收敛于全局最优值；包括如下步骤：
网络模型和系统参数：设异构网络中有K个宏站、N个微微站和U个用户，网络中总的站点集合记为宏站集合记为宏站的发射功率均为PM，宏站的资源分割系数β可调，β的取值范围为[0,1]；微微站集合记为微微站的发射功率可调，微微站的最大发射功率记为微微站的小区边缘扩展偏执可调，微微站的最大小区边缘扩展偏执记为迭代次数和重新初始化次数分别记为t和s，最大迭代次数和最大重新初始化次数分别记为titer和tres，初始化迭代次数t＝0和重新初始化次数s＝0；
第一步：初始化参数
随机初始化ζ个解集，第i个解集记为第i个解集对应粒子群优化算法中的第i个粒子；为第i个解集中微微站的发射功率集合，为第i个解集中微微站的小区边缘扩展偏执集合，βi为第i个解集中宏站的资源分割系数；
在第i个解集的迭代过程中，将微微站的发射功率调整尺度集合、微微站的小区边缘扩展偏执调整尺度集合和宏站的资源分割系数调整尺度整体记为为微微站的发射功率调整尺度，j∈[1,N]；为微微站的小区边缘扩展偏执调整尺度，j∈[N+1,2N]；为宏站的资源分割系数调整尺度；
第二步：计算各集合对应的全网能量效率
用户u计算其接收到的来自站点c的参考信号接收功率RSRPu,c和对应的小区边缘扩展偏执Bc，用户u选择(RSRPu,c+Bc)最大的小区作为服务小区，将该服务小区记为Cu，用户u将相关信息反馈给服务小区Cu，u∈U，若站点c为任意宏站，则Bc＝BM＝0，若站点c为第n个微微站，则
联合考虑宏站和微微站的资源分配，采用式(8)计算宏站的用户速率，采用式(9)计算微微站的用户速率：
式中：为第k个宏站服务的第j个用户的速率，β为宏站的资源分割系数，W为网络带宽，nM,k为第k个宏站服务的用户个数，PM,k为第k个宏站的发射功率，为第k个宏站到其服务的第j个用户的信道增益，1≤j≤nM,k；PM,l为第l个宏站的发射功率，为第l个宏站到第k个宏站服务的第j个用户的信道增益；PP,n为第n个微微站的发射功率，为第n个微微站到第k个宏站服务的第j个用户的信道增益；N0为噪声；
式中：为第n个微微站服务的第j个用户的速率，nP,n为第n个微微站服务的用户个数，为第n个微微站到其服务的第j个用户的信道增益，1≤j≤nP,n；为第k个宏站到第n个微微站服务的第j个用户的信道增益；PP,l为第l个微微站的发射功率，为第l个微微站到第n个微微站服务的第j个用户的信道增益；
全网能量效率采用式(10)计算：
式中：ηEE为全网能量效率，定义为全网吞吐量Thput除以全网总能耗Ptotal；Ln为第n个微微站的负载因子，当第n个微微站内有用户时Ln＝1，当第n个微微站内无用户时Ln＝0；ΔL为所有微微站的发射功率功放乘子；为微微站处于空闲状态时的功率消耗；为微微站处于休眠状态时的功率消耗；
将能量有效资源分配问题建模成一个优化问题，如式(11)所示：
式中：优化目标为全网能量效率最大，优化变量包括微微站的发射功率微微站的小区边缘扩展偏执和宏站的资源分割系数β；约束条件包括：①微微站的发射功率PP,n在0与最大值之间，②宏站的小区边缘扩展偏执BM为0，③微微站的小区边缘扩展偏执在最小值和最大值之间，④用户速率保证在阈值Rthreshold之上，⑤宏站的资源分割系数β在0到1之间；Cu代表用户u的服务小区，用户选择能够为自己提供最大的接收功率和小区边缘扩展偏执之和的小区作为自己的服务小区；
第三步：更新第i个粒子自身最优解和全局最优解
情况一：迭代次数t＝0
第i个粒子在第0次迭代时的解记为第i个粒子在第0次迭代时的自身最优解记为其中：
在第0次迭代时的全局最优解记为其中：
情况二：迭代次数t≠0
第i个粒子在第t次迭代时的解记为若则更新第i个粒子在第t次迭代时的自身最优解其中： 否则，维持第i个粒子的自身最优解其中：
若则更新第t次迭代时的全局最优解其中： 否则，维持全局最优解其中：
和根据式(10)计算；
第四步：t＝t+1；
第五步：更新候选解集和调整尺度
根据第i个粒子的自身最优解和全局最优解更新调整尺度V，如式(12)和式(13)所示：
Si(t+1)＝Si(t)+Vi(t+1) (13)
式中：为第(t+1)次迭代时第i个粒子中第j个变量的调整尺度，为第t次迭代时第i个粒子中第j个变量的调整尺度；ω为惯性权重因子，c1和c2为算法加速因子，r1和r2为在[0,1]区间内的随机数；为Si(t)中的第j个元素，为中第j个元素，Sg,j(t)为Sg(t)中第j个元素；
为了保证迭代过程的收敛性，限制惯性权重因子ω、算法加速因子c1和c2的取值范围如式(14)所示：
第六步：迭代结束条件判断
若t＜titer，且所有各个粒子的自身最优解与全局最优解间的距离之和大于规定门限值ε，则返回第二步；否则，进入第七步；
第七步：重新初始化结束条件判断
若s＜tres，则设置重新初始化次数为s＝s+1，此时：令t＝0，重新初始化ζ-1个解集，将这ζ-1个解集与当前解集一起作为新的ζ个解集，重新初始化调整尺度V，返回第二步；若s≥tres，则进入第八步；
第八步：停止
按照得到的全局最优解设置网络配置。
CN201610066549.XA 2016-02-01 2016-02-01 一种超密集异构网络能量有效资源分配方法 Active CN105722205B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610066549.XA CN105722205B (zh) 2016-02-01 2016-02-01 一种超密集异构网络能量有效资源分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610066549.XA CN105722205B (zh) 2016-02-01 2016-02-01 一种超密集异构网络能量有效资源分配方法

Publications (2)

Publication Number Publication Date
CN105722205A CN105722205A (zh) 2016-06-29
CN105722205B true CN105722205B (zh) 2019-03-05

Family

ID=56155440

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610066549.XA Active CN105722205B (zh) 2016-02-01 2016-02-01 一种超密集异构网络能量有效资源分配方法

Country Status (1)

Country Link
CN (1) CN105722205B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106231601B (zh) * 2016-08-03 2019-08-09 广东工业大学 具有自动能源获取基站的蜂窝小区无线网络资源分配方法
CN106937391A (zh) * 2017-04-12 2017-07-07 东南大学 一种超密集异构网络系统能效最大化用户关联优化方法
CN107333301B (zh) * 2017-08-16 2019-12-10 哈尔滨工业大学 多属异构网络中的一种基于认知的联合资源再分配方法
CN111328087B (zh) * 2018-12-17 2021-09-14 上海大学 基于深度学习的高能效异构网络子信道分配与功率分配方法
CN110798851B (zh) * 2019-10-25 2021-02-02 西安交通大学 无线异构网络的能量效率和负载均衡的联合优化方法
CN113923693B (zh) * 2021-11-03 2023-09-22 重庆理工大学 一种仿真混合供能的异构网络能效优化方法及装置
CN113905430B (zh) * 2021-12-10 2022-03-15 广东安恒电力科技有限公司 双层异构网络基站的节能控制方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9130620B2 (en) * 2012-11-21 2015-09-08 Nec Laboratories America, Inc. Coordinated multi-point transmission and reception schemes for cellular downlink
CN103533629B (zh) * 2013-10-25 2017-04-05 东南大学 一种基于粒子群优化的异构网络干扰协调方法
CN104168620B (zh) * 2014-05-13 2018-03-09 北京邮电大学 无线多跳回传网络中的路由建立方法
CN104640189A (zh) * 2015-01-07 2015-05-20 东南大学 一种结合拉格朗日对偶和改进粒子群的超密集异构网络功率调整方法
CN104717730B (zh) * 2015-03-02 2018-03-20 东南大学 大规模天线系统高能效资源优化方法

Also Published As

Publication number Publication date
CN105722205A (zh) 2016-06-29

Similar Documents

Publication Publication Date Title
CN105722205B (zh) 一种超密集异构网络能量有效资源分配方法
Liang et al. A cluster-based energy-efficient resource management scheme for ultra-dense networks
CN106954227B (zh) 超密集无线网络基于干扰协调的能效资源分配方法
CN108964817B (zh) 一种异构网络联合计算卸载及资源分配方法
CN106792731B (zh) 基于非合作博弈的卫星通信功率分配方法
Zhou et al. Joint cell activation and selection for green communications in ultra-dense heterogeneous networks
CN110351754A (zh) 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法
CN105898851B (zh) 超密集网络中考虑能量收集的高能效功率控制方法
Zhang et al. User association for energy-load tradeoffs in HetNets with renewable energy supply
CN103648112A (zh) 一种蜂窝网络中小小区基站开启/关闭状态转换的方法
CN103957532A (zh) 一种提高异构蜂窝网络能效的方法
CN107404726B (zh) 一种基于能效的异构蜂窝网络微基站部署方法
CN107426773A (zh) 无线异构网络中面向能效的分布式资源分配方法和装置
CN104168653B (zh) 一种基于干扰管理的宏基站与家庭基站联合资源分配方法
CN108282822A (zh) 用户关联与功率控制在异构蜂窝网络中的协同优化算法
Koudouridis et al. Distributed power on-off optimisation for heterogeneous networks-a comparison of autonomous and cooperative optimisation
CN105636119A (zh) 基于能量效率和流量负载的联合优化微微基站休眠方法
Qi et al. Interference-aware user association under cell sleeping for heterogeneous cloud cellular networks
Li et al. Optimized sleep strategy based on clustering in dense heterogeneous networks
CN105578482B (zh) 一种蜂窝异构网络资源分配方法
CN105764068B (zh) 一种基于禁忌搜索的小基站容量与覆盖优化方法
CN107276704A (zh) 两层Femtocell网络中基于能效最大化的最优鲁棒功率控制方法
CN103167593A (zh) 一种异构网络中基于博弈论的高效功控方法
Nie et al. Energy-efficient base station cooperation in downlink heterogeneous cellular networks
Sasikumar et al. An intelligent pico cell range expansion technique for heterogeneous wireless networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant