CN106937391A - 一种超密集异构网络系统能效最大化用户关联优化方法 - Google Patents

Abstract

本发明考虑超密集网络场景下，小站采用无线回程技术传输愈发普遍，然而无线回程链路产生的能耗成为整个系统不可忽视的因素。同时，小站具有开启和休眠两种模式，处于休眠模式的小站能耗大大降低，因此只有求得最优的用户关联方案和小站开闭策略率，整个网络的能量效率才能达到最大。本发明提出的启发式算法首先求得满足用户QoS需求下，最小功耗，将问题转变为0‑1线性规划问题，并且利用隐数法求得最优解。然后采用贪心算法决定是否开启更多基站提高系统能效。相比于传统的贪心算法和最短距离连接策略，这种方法可以得到最优的用户关联策略和小站开闭策略，在有限次的迭代后，可以求解到一个使得整个网络能效最大化的用户连接方案。

Description

一种超密集异构网络系统能效最大化用户关联优化方法

技术领域

本发明涉及移动通信中的无线资源管理技术领域，特别是涉及一种超密集异构网络系统能效最大化用户关联优化方法。

背景技术

在宏站覆盖范围内密集部署低功率小站的超密集异构网络是3GPP(ThirdGeneration Partnership Project)提出的一种提升5G网络频谱利用率和网络容量的有效方法，成为解决未来网络数据流量爆炸式增长的有效解决方案。研究指出随着超密集网络的部署，庞大复杂的无线回传链路带来功率消耗的大幅度增长，已经成为网络总能耗不可忽略的一部分。在考虑无线回传链路功率消耗下，只有设计合理的用户关联策略，才能使整个网络的能量效率达到最大化。考虑小站具有开启和休眠两种模式，休眠模式下能耗较低，当有用户关联小站时，开启该小站，否则该小站进入休眠模式。小站无线接入链路和回程链路只有有限资源，用户为QoS(quality of service)用户，且每个用户只能连接一个基站，此时以最大化系统能效为目的的用户关联问题是一个非确定性多项式困难(NP-hard)问题。

发明内容

为了解决上述存在的问题，本发明提供一种超密集异构网络系统能效最大化用户关联优化方法，提出一种以最大化系统能效为目标，考虑小站具有开启和休眠两种模式，在小站无线接入链路和回程链路只有有限资源下，通过一种启发式方法，得出最优的用户关联策略，为达此目的，本发明提供一种超密集异构网络系统能效最大化用户关联优化方法，具体步骤如下：

第一步：采集网络信息：通过运营商可以得到区域内小站的集合为Φ_S，小站总数目为J，用户集合Φ_M，用户总数目为M，大站无线接入链路最大PRB数目L_A，小站无线接入链路最大PRB数目L_s，小站回程链路最大PRB数目L_b，大站单个PRB上传输功率P_MPRB，小站单个PRB上传输功率P_SPRB，大站和小站间信道信干噪比SINR_j，小站和用户间信道信干噪比SINR_j,m,j≠0，大站和用户间信道信干噪比SINR_j,m,j＝0，用户m的最低速率请求r_m，大站在正常工作状态下消耗的电路能耗P_C1，小站在正常工作状态下消耗的电路能耗P_C2，小站休眠模式下能耗P_sleep，每个PRB上分配的带宽为b；

第二步：利用香农公式得到大站到小站j的回传链路中每个PRB上的传输速率为：

R_j＝b log₂(1+SNR_j),j≠0 (1)；

小站j传输到用户m的每个PRB的传输速率为：

R_j,m＝b log₂(1+SINR_j,m),j≠0 (2)；

大站传输到用户m的每个PRB的传输速率为：

R_j,m＝b log₂(1+SINR_j,m),j＝0 (3)；

第三步：求得满足用户最低速率请求下，系统最低能耗V：

当用户m连接大站时，为了满足用户速率需求，该大站无线接入链路处需要分配的最小PRB个数为：

表示向上取整,例如4.1则取值为5；

当用户m连接小站j时，为了满足用户速率需求，该小站无线接入链路处需要分配的最小PRB个数为：

同时由于小站需要通过大站回传链路传输数据，因此小站回传链路消耗的PRB个数为：

令x_j,m表示用户关联因子，其中x_j,m＝1,j＝0，表示用户关联到大站，x_j,m＝1,j≠0，表示用户m关联到小站j，令β_j,j＝1,2,....J表示第j个小站的开关因子，β_j＝0表示第j个小站处于休眠模式，β_j＝1表示第j个小站处于正常工作状态，因此在保证用户的最小需求速率前提下，求解最小化功率消耗问题如下，该问题记为P₁：

s.t.x_j,m∈{0,1},j＝0,1,....J,m＝1,2,....M (8)；

β_j∈{0,1},j＝0,1,....J,m＝1,2,....M (9)；

显然该问题为关于用户关联因子x_j,m和小站开关因子β_j的纯0-1线性规划问题，通过0-1规划的隐数法可以有效地得到该问题的最优解，具体过程如下：

先将问题转化为如下标准0-1线性规划问题：

x_j∈{0,1} (16)；

记x＝(x₁,x₂,..,x_n)^T，d＝(d₁,d₂,..,d_n)；

并且d₁≤d₂≤...≤d_n；

显然原问题中0-1变量个数为n＝(1+J)M+J,将限制条件(19)改为(20)；

其它限制条件都按照标准形式做相应变换，前面乘上(-1)，显然不等式限制总个数为q＝2M+2J+1,按照变量前面所乘系数大小排序，将x_j,m和β_j映射为x＝(x₁,x₂,..,x_n)^T，其所乘系数对应为d＝(d₁,d₂,..,d_n)，因此原问题转换为求解标准0-1线性规划(P)问题；

利用0-1规划隐数法，可以有效的求解出x＝(x₁,x₂,..,x_n)^T，即可以得到问题P₁的最优解和以及此时的系统功耗V^*。小站的集合可以划分为两部分；第一部分为开启的小站第二部分为休眠的小站第j个小站关联的用户集合为

第四步：求得当前系统能效η₁，并且令

由第三步可以得到当前整个系统的吞吐量为：

系统当前能效为：

η₁＝T_total/V^* (22)；

第五步：如果,即当G为空集时，表明系统中没有多余的小站可以开启，因此接进入第九步，如果表明系统中还存在可以开启的小站，因此进入第六步；

第六步：遍历集合G中的小站，找出未开启的小站与其潜在的用户对，计算在开启小站k后的系统能效η_k，进入第七步；

第七步：找出使得η_k最大的小站，设为k^*，如果k^*存在，进入第八步；

第八步：如果则开启基站k^*，更新将用户m^*关联到小站k^*，更新并更新当前系统最大能效更新即将小站k^*从休眠基站集合中除去，更新即将小站k^*加入进开启的基站，更新进入第五步；

如果则表示开启新小站无益于系统能效的提升，进入第九步；

第九步：根据最后得到的 和n_j,m，开启大站和相应小站，用户连接大站则由大站为其分配相应的无线接入资源，用户连接小站则由小站为其分配相应的无线接入资源河无线回程资源。

本发明的进一步改进，步骤六采用下列策略可以找出集合G第k个小站与其潜在的用户对，假设集合G第k个小站的潜在用户集合为：F(k)＝{m∈Φ_M|n_k,m≤L_s&&B_k,m≤L_b}，这些用户原本关联到大站或者是其他小站，统一用m(k)表示。

步骤1：找到集合G第k个小站信道质量最好的用户m^*，

即m^*＝arg max_m∈F(k)SINR_k,m；

步骤2：判断是否满足如果是，将该用户从F(k)中移除，并且回到步骤1，否则的话，停止该过程；

完成该步骤后，如果第k个小站存在用户m^*，可以得到新的小站-用户对k-m^*，将小站k可用资源全部分配给该用户，并且将m^*(k)中原本用户m^*占据的PRB资源分配给自身信道质量最好的用户，则可计算在开启小站k后的系统能效η_k，本发明可以采用以上策略找出集合G第k个小站与其潜在的用户对。

本发明针对超密集网络无线回程链路限制下如何设计用户关联策略使得系统能效最大化问题，本发明提出一种以最大化系统能效为目标，考虑小站具有开启和休眠两种模式，在小站无线接入链路和回程链路只有有限资源下，通过一种启发式方法，得出最优的用户关联策略。该方法考虑用户为QoS用户，首先求得满足用户最低速率请求下系统最低能耗，将问题转变为0-1线性规划问题，并且利用隐数法求得最优解。然后采用贪心算法决定是否开启更多小站提高系统能效，将系统能效提高到一个稳定和最优的状态，该方法能够有效解决无线回程传输下系统能效最大化难题。

附图说明

图1为本发明的超密集异构网络下系统能效最大化用户关联优化方法。

具体实施方式

下面结合附图与具体实施方式对本发明作进一步详细描述：

本发明提供一种超密集异构网络系统能效最大化用户关联优化方法，提出一种以最大化系统能效为目标，考虑小站具有开启和休眠两种模式，在小站无线接入链路和回程链路只有有限资源下，通过一种启发式方法，得出最优的用户关联策略。

本发明的超密集异构网络下系统能效最大化用户关联优化方法，以LTE-A系统为例来给出一种实施例：

具体包括如下步骤：

第一步：采集网络信息：通过运营商可以得到区域内小站的集合为Φ_S，小站总数目为J，用户集合Φ_M，用户总数目为M，大站无线接入链路最大PRB(Physical ResourceBlock)数目L_A，小站无线接入链路最大PRB数目L_s，小站回程链路最大PRB数目L_b，大站单个PRB上传输功率P_MPRB，小站单个PRB上传输功率P_SPRB，大站和小站间信道信干噪比SINR_j，小站和用户间信道信干噪比SINR_j,m,j≠0，大站和用户间信道信干噪比SINR_j,m,j＝0，用户m的最低速率请求r_m，大站在正常工作状态下消耗的电路能耗P_C1，小站在正常工作状态下消耗的电路能耗P_C2，小站休眠模式下能耗P_sleep，每个PRB上分配的带宽为b；

第二步：利用香农公式得到大站到小站j的回传链路中每个PRB上的传输速率为：

R_j＝b log₂(1+SNR_j),j≠0 (1)；

小站j传输到用户m的每个PRB的传输速率为：

R_j,m＝b log₂(1+SINR_j,m),j≠0 (2)；

大站传输到用户m的每个PRB的传输速率为：

R_j,m＝b log₂(1+SINR_j,m),j＝0 (3)；

第三步：求得满足用户最低速率请求下，系统最低能耗V：

当用户m连接大站时，为了满足用户速率需求，该大站无线接入链路处需要分配的最小PRB个数为：

表示向上取整,例如4.1则取值为5；

当用户m连接小站j时，为了满足用户速率需求，该小站无线接入链路处需要分配的最小PRB个数为：

同时由于小站需要通过大站回传链路传输数据，因此小站回传链路消耗的PRB个数为：

令x_j,m表示用户关联因子，其中x_j,m＝1,j＝0，表示用户关联到大站，x_j,m＝1,j≠0，表示用户m关联到小站j，令β_j,j＝1,2,....J表示第j个小站的开关因子，β_j＝0表示第j个小站处于休眠模式，β_j＝1表示第j个小站处于正常工作状态，因此在保证用户的最小需求速率前提下，求解最小化功率消耗问题如下，该问题记为P₁：

s.t.x_j,m∈{0,1},j＝0,1,....J,m＝1,2,....M (8)；

β_j∈{0,1},j＝0,1,....J,m＝1,2,....M (9)；

显然该问题为关于用户关联因子x_j,m和小站开关因子β_j的纯0-1线性规划问题，通过0-1规划的隐数法可以有效地得到该问题的最优解，具体过程如下：

先将问题转化为如下标准0-1线性规划问题：

x_j∈{0,1} (16)；

记x＝(x₁,x₂,..,x_n)^T，d＝(d₁,d₂,..,d_n)；

并且d₁≤d₂≤...≤d_n；

显然原问题中0-1变量个数为n＝(1+J)M+J,将限制条件(19)改为(20)；

其它限制条件都按照标准形式做相应变换，前面乘上(-1)，显然不等式限制总个数为q＝2M+2J+1,按照变量前面所乘系数大小排序，将x_j,m和β_j映射为x＝(x₁,x₂,..,x_n)^T，其所乘系数对应为d＝(d₁,d₂,..,d_n)，因此原问题转换为求解标准0-1线性规划(P)问题；

利用0-1规划隐数法，可以有效的求解出x＝(x₁,x₂,..,x_n)^T，即可以得到问题P₁的最优解和以及此时的系统功耗V^*。小站的集合可以划分为两部分；第一部分为开启的小站第二部分为休眠的小站第j个小站关联的用户集合为

第四步：求得当前系统能效η₁，并且令

由第三步可以得到当前整个系统的吞吐量为：

系统当前能效为：

η₁＝T_total/V^* (22)；

第五步：如果,即当G为空集时，表明系统中没有多余的小站可以开启，因此接进入第九步，如果表明系统中还存在可以开启的小站，因此进入第六步；

第六步：遍历集合G中的小站，找出未开启的小站与其潜在的用户对，计算开启该小站后的系统能效：

采用下列策略可以找出集合G第k个小站与其潜在的用户对，假设集合G第k个小站的潜在用户集合为：F(k)＝{m∈Φ_M|n_k,m≤L_s&&B_k,m≤L_b}，这些用户原本关联到大站或者是其他小站，统一用m(k)表示。

步骤1：找到集合G第k个小站信道质量最好的用户m^*，即m^*＝arg max_m∈F(k)SINR_k,m；

步骤2：判断是否满足如果是，将该用户从F(k)中移除，并且回到步骤1，否则的话，停止该过程；

完成该步骤后，如果第k个小站存在用户m^*，可以得到新的小站-用户对k-m^*，将小站k可用资源全部分配给该用户，并且将m^*(k)中原本用户m^*占据的PRB资源分配给自身信道质量最好的用户，则可以计算在开启小站k后的系统能效η_k，进入第七步；

第七步：找出使得η_k最大的小站，设为k^*，如果k^*存在，进入第八步；

第八步：如果则开启基站k^*，更新将用户m^*关联到小站k^*，更新并更新当前系统最大能效更新即将小站k^*从休眠基站集合中除去，更新即将小站k^*加入进开启的基站，更新进入第五步；

如果则表示开启新小站无益于系统能效的提升，进入第九步；

第九步：根据最后得到的 和n_j,m，开启大站和相应小站，用户连接大站则由大站为其分配相应的无线接入资源，用户连接小站则由小站为其分配相应的无线接入资源河无线回程资源。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作任何其他形式的限制，而依据本发明的技术实质所作的任何修改或等同变化，仍属于本发明所要求保护的范围。

Claims (2)

1.一种超密集异构网络系统能效最大化用户关联优化方法，具体步骤如下，其特征在于：

第一步：采集网络信息：通过运营商可以得到区域内小站的集合为Φ_S，小站总数目为J，用户集合Φ_M，用户总数目为M，大站无线接入链路最大PRB数目L_A，小站无线接入链路最大PRB数目L_s，小站回程链路最大PRB数目L_b，大站单个PRB上传输功率P_MPRB，小站单个PRB上传输功率P_SPRB，大站和小站间信道信干噪比SINR_j，小站和用户间信道信干噪比SINR_j,m,j≠0，大站和用户间信道信干噪比SINR_j,m,j＝0，用户m的最低速率请求r_m，大站在正常工作状态下消耗的电路能耗P_C1，小站在正常工作状态下消耗的电路能耗P_C2，小站休眠模式下能耗P_sleep，每个PRB上分配的带宽为b；

第二步：利用香农公式得到大站到小站j的回传链路中每个PRB上的传输速率为：

R_j＝blog₂(1+SNR_j),j≠0 (1)；

小站j传输到用户m的每个PRB的传输速率为：

R_j,m＝blog₂(1+SINR_j,m),j≠0 (2)；

大站传输到用户m的每个PRB的传输速率为：

R_j,m＝blog₂(1+SINR_j,m),j＝0 (3)；

第三步：求得满足用户最低速率请求下，系统最低能耗V：

当用户m连接大站时，为了满足用户速率需求，该大站无线接入链路处需要分配的最小PRB个数为：

表示向上取整,例如4.1则取值为5；

当用户m连接小站j时，为了满足用户速率需求，该小站无线接入链路处需要分配的最小PRB个数为：

同时由于小站需要通过大站回传链路传输数据，因此小站回传链路消耗的PRB个数为：

令x_j,m表示用户关联因子，其中x_j,m＝1,j＝0，表示用户关联到大站，x_j,m＝1,j≠0，表示用户m关联到小站j，令β_j,j＝1,2,....J表示第j个小站的开关因子，β_j＝0表示第j个小站处于休眠模式，β_j＝1表示第j个小站处于正常工作状态，因此在保证用户的最小需求速率前提下，求解最小化功率消耗问题如下，该问题记为P₁：

$\begin{array}{cc}\underset{x_{j,m},{\mathrm{\β}}_j}{\min }& V=\mathrm{\α}(\underset{m=1}{\overset{M}{\Σ}}{x}_{0,m}{n}_{0,m}+\underset{j=1}{\overset{J}{\Σ}}\underset{m=1}{\overset{M}{\Σ}}{x}_{j,m}{B}_{j,m})P_{MPRB}+\underset{j=1}{\overset{J}{\Σ}}\underset{m=1}{\overset{M}{\Σ}}{\mathrm{\αx}}_{j,m}{n}_{j,m}{P}_{SPRB}+\underset{j=1}{\overset{J}{\Σ}}{\mathrm{\β}}_j(P_{C2}-P_{sleep})\end{array}---\left(7\right);$

s.t.x_j,m∈{0,1},j＝0,1,....J,m＝1,2,....M (8)；

β_j∈{0,1},j＝0,1,....J,m＝1,2,....M (9)；

$\underset{j=0}{\overset{J}{\Σ}}{x}_{j,m}=1,m=1,2,\mathrm{....}M---\left(10\right);$

$\underset{m=1}{\overset{M}{\Σ}}{x}_{j,m}{n}_{j,m}\≤{\mathrm{\β}}_j{L}_{s,}j=1,\mathrm{....}J---\left(11\right);$

$\underset{m=1}{\overset{M}{\Σ}}{x}_{j,m}{n}_{j,m}\≤L_{m,}j=0---\left(12\right);$

$\underset{m=1}{\overset{M}{\Σ}}{x}_{j,m}{B}_{j,m}\≤L_s,j=1,\mathrm{....}J---\left(13\right);$

显然该问题为关于用户关联因子x_j,m和小站开关因子β_j的纯0-1线性规划问题，通过0-1规划的隐数法可以有效地得到该问题的最优解，具体过程如下：

先将问题转化为如下标准0-1线性规划问题：

$\begin{array}{cc}min& \underset{j=1}{\overset{n}{\Σ}}{d}_j{x}_j\end{array}---\left(14\right);$

$\begin{array}{cc}s.t.& \underset{j=1}{\overset{n}{\Σ}}{a}_{ij}{x}_j\≥b_i\end{array},i=1,\mathrm{....}q---\left(15\right);$

x_j∈{0,1} (16)；

记x＝(x₁,x₂,..,x_n)^T，d＝(d₁,d₂,..,d_n)；

$A=\left[\begin{array}{cccc}{a}_{11}& a_{12}& \mathrm{.....}& a_{1n}\\ a_{21}& a_{22}& \mathrm{.....}& a_{2n}\\ .& .& & .\\ .& .& & .\\ .& .& & .\\ a_{q1}& a_{q2}& \mathrm{.....}& q_{qn}\end{array}\right]=\left[\begin{array}{c}{A}_1\\ A_2\\ .\\ .\\ .\\ A_q\end{array}\right]---\left(17\right);$

$b=\left[\begin{array}{c}{b}_1\\ b_2\\ .\\ .\\ .\\ b_q\end{array}\right]---\left(18\right);$

并且d₁≤d₂≤...≤d_n；

显然原问题中0-1变量个数为n＝(1+J)M+J,将限制条件(19)改为(20)；

$\underset{j=0}{\overset{J}{\Σ}}{x}_{j,m}\≥1,m=1,2,\mathrm{....}M---\left(19\right);$

$-\underset{j=0}{\overset{J}{\Σ}}{x}_{j,m}\≥-1,m=1,2,\mathrm{....}M---\left(20\right);$

其它限制条件都按照标准形式做相应变换，前面乘上(-1)，显然不等式限制总个数为q＝2M+2J+1,按照变量前面所乘系数大小排序，将x_j,m和β_j映射为x＝(x₁,x₂,..,x_n)^T，其所乘系数对应为d＝(d₁,d₂,..,d_n)，因此原问题转换为求解标准0-1线性规划(P)问题；

利用0-1规划隐数法，可以有效的求解出x＝(x₁,x₂,..,x_n)^T，即可以得到问题P₁的最优解和以及此时的系统功耗V*。小站的集合可以划分为两部分；第一部分为开启的小站第二部分为休眠的小站第j个小站关联的用户集合为

第四步：求得当前系统能效η₁，并且令

由第三步可以得到当前整个系统的吞吐量为：

$T_{total}=\underset{m=1}{\overset{M}{\Σ}}{x}_{m,0}{n}_{0,m}{R}_{0,m}+\underset{j=1}{\overset{J}{\Σ}}\underset{m=1}{\overset{M}{\Σ}}{x}_{j,m}{n}_{j,m}{R}_{j,m}---\left(21\right);$

系统当前能效为：

η₁＝T_total/V^* (22)；

第五步：如果即当G为空集时，表明系统中没有多余的小站可以开启，因此接进入第九步，如果表明系统中还存在可以开启的小站，因此进入第六步；

第六步：遍历集合G中的小站，找出未开启的小站与其潜在的用户对，计算在开启小站k后的系统能效η_k，进入第七步；

第七步：找出使得η_k最大的小站，设为k*，如果k*存在，进入第八步；

第八步：如果则开启基站k*，更新将用户m*关联到小站k*，更新并更新当前系统最大能效更新即将小站k*从休眠基站集合中除去，更新即将小站k*加入进开启的基站，更新进入第五步；

如果则表示开启新小站无益于系统能效的提升，进入第九步；

第九步：根据最后得到的 和n_j,m，开启大站和相应小站，用户连接大站则由大站为其分配相应的无线接入资源，用户连接小站则由小站为其分配相应的无线接入资源河无线回程资源。

2.根据权利要求1所述的一种超密集异构网络系统能效最大化用户关联优化方法，其特征在于：步骤六采用下列策略可以找出集合G第k个小站与其潜在的用户对，假设集合G第k个小站的潜在用户集合为：F(k)＝{m∈Φ_M|n_k,m≤L_s&&B_k,m≤L_b}，这些用户原本关联到大站或者是其他小站，统一用m(k)表示。

步骤1：找到集合G第k个小站信道质量最好的用户m^*，即m^*＝arg max_m∈F(k)SINR_k,m；

步骤2：判断是否满足如果是，将该用户从F(k)中移除，并且回到步骤1，否则的话，停止该过程；

完成该步骤后，如果第k个小站存在用户m^*，可以得到新的小站-用户对k-m^*，将小站k可用资源全部分配给该用户，并且将m^*(k)中原本用户m^*占据的PRB资源分配给自身信道质量最好的用户，则可计算在开启小站k后的系统能效η_k。