CN107071887B - 一种能量采集异构蜂窝网络中small cell的在线功率控制方法 - Google Patents

Abstract

本发明请求保护一种能量采集异构蜂窝网络中small cell的在线功率控制方法，属于异构网络功率控制领域，在考虑到环境中能量到达随机性和因果性，并满足小蜂窝电池容量约束的情况下，基站控制器通过能量判别选出满足开启条件的small cell，然后采用所选择的small cell更新发射功率，最大化系统在每个时隙的能效。该发明所得结果提高了small cell的能量效率，而small cell的功率更新不需要知道全局信道状态和能量状态信息，实用性和可行性强。

Description

一种能量采集异构蜂窝网络中small cell的在线功率控制 方法

技术领域

本发明涉及异构网络功率控制技术领域，具体涉及一种能量采集异构蜂窝网络中small cell的在线功率控制方法。

背景技术

随着移动网络应用和智能终端的日益普及，small cell在原来宏蜂窝架构下被大量部署，这有助于提高系统容量。然而，不同small cell间存在同频干扰，单纯地增加发射功率会对能量造成浪费。为响应节能减排的号召，能量采集技术在绿色蜂窝网络中受到广泛关注。

目前，通过研究基于能量采集异构网络中现有的功率分配方法发现，已有方法主要存在三个问题，导致方法实用性不强。首先，研究考虑的场景过于简单，如Derrick WingKwan Ng等人在《IEEE Transactions on Wireless Communications,2013,12(7):3412-3427.》上发表了题为“Energy-efficient resource allocation in OFDMA systems withhybrid energy harvesting base station”的文章，虽以异构网为基础，但只考虑了单个宏蜂窝的能量采集，这类简单场景设计的方法无法适用于实际网络中。其次，方法复杂度过高，导致网络扩展性差，如Yuyi Mao等人在《IEEE Journal on Selected Areas inCommunications,2015,33(12):2463-2477.》上发表的“A Lyapunov OptimizationApproach for Green Cellular Networks With Hybrid Energy Supplies”文章中，提出的基于李雅普洛夫的能效优化方法。再次，现有的研究在设计方法时大多假定各时隙能量到达提前已知，基于该假设设计的优化方法并未考虑能量到达的因果关系，如Peter He等人在《IEEE 17th International Conference on Computational Science andEngineering[C].Chengdu,China:IEEE,2014.1455-1460.》上的“Optimal PowerAllocation for Energy Harvesting and Grid Power Hybrid Systems”文章中提出的几何注水方法属于此类。

因此，针对环境中能量到达随机性和因果性的能量采集异构small cell网络，考虑在保证小蜂窝基站电池容量的约束下，研究基于最大化能效的在线功率分配方法具有重要的实际应用价值和意义。由于能量采集异构small cell网络的能效优化问题是非凸优化问题，同时需要满足基站的最低开启条件和用户自身的服务质量需求，针对该问题如何设计在线的低复杂度的功率分配方法是一个技术难点。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种最大化small cell能效、实用性和可行性强的能量采集异构蜂窝网络中small cell的在线功率控制方法。本发明的技术方案如下：

一种能量采集异构蜂窝网络中small cell的在线功率控制方法，其包括如下具体步骤：

步骤1)、初始化异构蜂窝网络中small cell的个数、功率判决门限、能效判决门限及电池的最小容量；

步骤2)、基站控制器计算各个small cell的剩余能量值，如果small cell的剩余能量值不小于电池的最小容量，则保持small cell开启，并初始化发射功率和计算初始化系统能效，反之，small cell关闭；

步骤3)、更新开启状态下small cell的拉格朗日乘子，并更新small cell所分配的功率；

步骤4)、功率更新收敛的判断：如果步骤3)更新后与更新前两次功率差值的绝对值不大于于功率判决门限，则判断功率收敛；如果更新后与更新前功率差值的绝对值大于功率判决门限，将新求出的功率值保存为现在功率值，并转到步骤3)中更新分配的功率，将更新后两次功率分配差值的绝对值与功率判决门限比较，直到功率满足收敛条件；

步骤5)、能效更新收敛的判断，计算更新的能效值，如果更新的能效与上一次的能效之差的绝对值不大于能效判决门限，则判断能效收敛，给出最大的能效值，方法结束；如果更新的能效与上一次的能效之差的绝对值大于能效判决门限，则将新计算出的能效值保存为此时的能效值，并转到步骤3)中更新分配的功率，直到能效满足收敛条件，给出最大的能效。

进一步的，在步骤1)中所述初始化small cell个数为N，功率判决门限k1，能效判决门限k2，电池的最小容量E_min,n的取值为：

其中，是第n个small cell的最大功耗，是第n个small cell的固定功耗。

进一步的，所述步骤2)中，计算各个small cell的剩余能量值E_surplus,n具体公式为：E_surplus,n＝E_nh,n+E_n，其中，E_n是第n个small cell到达的能量，E_nh,n是第n个small cell能量采集前电池剩余的能量；如果第n个small cell中的剩余能量值小于电池的最小容量，small cell关闭，反之，则保持第n个small cell开启，初始化迭代次数t＝1，第n个smallcell最大发送功率对应乘子γ_n(t)＝0，第n个small cell最小发送功率乘子μ_n(t)＝0，第n个small cell的发送功率初始化系统能效为：

其中，w_n为第n个small cell的带宽，g_nn是第n个small cell到目标用户n的信道增益，g_jn是第j个small cell到目标用户n的信道增益，σ²为系统噪声。

进一步的，所述步骤3)中对于开启的small cell中更新的拉格朗日乘子γ、μ为：

其中，▽_γ,▽_μ为迭代更新的步长，更新第n个small cell的功率

其中，为迭代t次后第j个small cell所分配的功率；

其中迭代t次的能效表示为：

进一步的，所述步骤4)具体为：比较与功率判决门限k1的大小，其中，为迭代t+1次后第n个small cell所分配的功率；如果不大于k1，功率收敛；如果大于k1，将新求出的功率值保存为现在功率值，并转到步骤3)中更新分配的功率，将更新后两次功率分配值之差的绝对值与k1比较，直到功率满足条件。

进一步的，所述步骤5)中，计算更新的系统能效q的值为：

其中，为迭代t+1次后第n个small cell所分配的功率，为迭代t+1次后第j个small cell所分配的功率；比较|q(t+1)-q(t)|与能效判决门限k2的大小，其中，q(t+1)为迭代t+1次后第n个small cell的能效；如果|q(t+1)-q(t)|不大于k2，能效收敛，给出最大的能效，结束；如果|q(t+1)-q(t)|大于k2，将新计算出的能效保存为此时的能效，并转到步骤3)中更新分配的功率，直到能效满足条件，给出最大的能效。

本发明的优点及有益效果如下：

本发明在考虑到环境中能量到达随机性和因果性的情况下，基于能量离散化剩余能量检测并判别的思想，在满足小蜂窝电池容量约束的情况下，基站控制器通过能量判别选出满足开启条件的small cell，然后采用所选择的small cell更新发射功率，最大化系统在每个时隙的能效。本发明所提供的方法在环境中能量到达随机性和因果性的情况下，相比其他离线的功率分配方案提高了small cell的能量效率，同时small cell的功率更新不需要知道整个时隙全局信道状态和能量状态信息，相对于离线功率分配方案需要全局的信道状态和能量状态信息，减少了对系统信息量的获取要求，具有更好的实用性和可行性。

附图说明

图1是本发明提供优选实施例能量采集异构small cell网络中的系统模型；

图2是本发明对比三种算法的到达率(λ)对系统能效的影响。

图3是本发明对比三种算法的小蜂窝数量对系统能效的影响。

图4是本发明的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是，

本发明图4公开一种开能量采集异构蜂窝网络中small cell的在线功率控制方法，包括：一种能量采集异构蜂窝网络中small cell的在线功率控制方法，其包括以下步骤：

第一步：初始化small cell的个数，功率判决门限和能效判决门限，电池的最小容量；

第二步：计算各个small cell的剩余能量值，如果small cell的剩余能量值不小于电池的最小容量，则保持small cell开启，并初始化发射功率和计算初始化系统能效，反之，small cell关闭；

第三步：更新开启的small cell拉格朗日乘子和small cell所分配的功率；

第四步：功率更新收敛的判断，如果两次功率差值的绝对值不大于于功率判决门限，功率收敛；如果差值的绝对值大于功率判决门限，将新求出的功率值保存为现在功率值，并转到第三步中更新分配的功率，将更新后两次功率分配差值的绝对值与功率判决门限比较，直到功率满足条件；

第五步：能效更新收敛的判断，计算更新的能效值，如果更新的能效与上一次的能效之差的绝对值不大于能效判决门限，能效收敛，给出最大的能效值，方法结束；如果更新的能效与上一次的能效之差的绝对值大于能效判决门限，则将新计算出的能效值保存为此时的能效值，并转到第三步中更新分配的功率，直到能效满足条件，给出最大的能效。

进一步的，第一步所述初始化small cell个数N，功率判决门限k1，能效判决门限k2，电池的最小容量E_min,n的取值为：

其中，是第n个small cell的最大功耗，是第n个small cell的固定功耗。

进一步的，所述第二步中计算第n个small cell的剩余能量值E_surplus,n的取值为：E_surplus,n＝E_surplus,n+E_n，其中，E_n是第n个small cell到达的能量；如果第n个small cell中的剩余能量值小于电池的最小容量，第n个small cell关闭，反之，则保持第n个small cell开启，初始化迭代次数t＝1，第n个small cell最大发送功率对应乘子γ_n(t)＝0，第n个smallcell最小发送功率乘子μ_n(t)＝0，第n个small cell的发送功率初始化系统能效为：

其中，w_n为第n个small cell的带宽，g_nn是第n个small cell到目标用户n的信道增益，g_jn是第j个small cell到目标用户n的信道增益，σ²为系统噪声。

进一步的，所述第三步中对于开启的small cell中更新的拉格朗日乘子γ、μ为：

其中，▽_γ,▽_μ为迭代更新的步长。

更新第n个small cell的功率

其中，为迭代t次后第j个small cell所分配的功率。

其中迭代t次的能效表示为：

进一步的，所述第四步具体为：比较与功率判决门限k1的大小，其中，为迭代t+1次后第n个small cell所分配的功率；如果不大于k1，功率收敛；如果大于k1，将新求出的功率值保存为现在功率值，并转到第三步中更新分配的功率，将更新后两次功率分配值之差的绝对值与k1比较，直到功率满足条件。

进一步的，所述第五步中，计算更新的系统能效q的值为：

其中，为迭代t+1次后第n个small cell所分配的功率，为迭代t+1次后第j个small cell所分配的功率；

比较|q(t+1)-q(t)|与能效判决门限k2的大小，其中，q(t+1)为迭代t+1次后第n个small cell的能效；如果|q(t+1)-q(t)|不大于k2，能效收敛，给出最大的能效，方法结束；如果|q(t+1)-q(t)|大于k2，将新计算出的能效保存为此时的能效，并转到第三步中更新分配的功率，直到能效满足条件，给出最大的能效。

本发明在考虑到环境中能量到达随机性和因果性的情况下，基于能量离散化剩余能量检测并判别的思想，在满足小蜂窝电池容量约束的情况下，基站控制器通过能量判别选出满足开启条件的small cell，采用所选择的small cell更新发射功率，最大化系统在每个时隙的能效。本发明提高了small cell的能量效率，而small cell的功率更新不需要知道整个时隙全局信道状态和能量状态信息，实用性和可行性强。

本实施例为能量采集异构蜂窝网络中small cell的在线功率控制方法，在一个异构small cell网络中，频率复用因子为1，系统噪声σ²＝2*10e-9W，固定功耗宏基站的最大发射功率p_max＝0.1W，系统带宽w＝5MHz，电池最大容量E_max＝15J，各基站到用户间的路径衰落(pathloss)考虑为WINNER模型：其中，S是随机正态对数衰落,d是基站到用户之间的距离，载波频率f_c＝1.9GHz。

在本实施例中，图1为本发明提供优选实施例能量采集异构small cell网络中的系统模型，图中一个宏基站覆盖N个小蜂窝，每个小蜂窝只覆盖一个用户，系统采用集中式功率控制。图2在几何注水方法(Geometric Water Filling Algorithm，GWFA)和贪婪方法(Greed Algorithm，GA)，以及没有能量存储的方法(No Energy to Save Algorithm，NESA)中随到达率(λ)变化得到的系统能效与本实施例方法得到的系统能效的对比图；图3在GWFA和GA以及NESA三种方法中随小蜂窝数量变化得到的系统能效与本实施例方法得到的系统能效的对比图；从图2中可以看出PA方法和GWFA方法在λ＝2之后系统能效开始迅速上升，随着能量到达超过小蜂窝的开启门限，有更多的小蜂窝被开启。而GA方法的系统平均能效在增加到一定程度后，随着发射功率的增加，小蜂窝之间的相互干扰增大，使得系统平均能效下降。从图3中可以看出，GA方法与NESA方法变化趋势一致。所有方法的系统能效均随小蜂窝数量的增加而下降，相比其他方法，使用PA方法可以在一个宏蜂窝系统能效取得最大值时能容纳更多小蜂窝，这是由于当小蜂窝个数进一步增加，静态功耗快速增加导致系统能效降低。由于所提方法可以获得small cell层基站的最优能效的闭式解，所提方法能够有效地解决能量采集异构蜂窝网络中small cell中基于能效最大化的在线功率控制等相关问题。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (4)

1.一种能量采集异构蜂窝网络中small cell的在线功率控制方法，其特征在于，包括如下具体步骤：

步骤1)、初始化异构蜂窝网络中small cell的个数、功率判决门限、能效判决门限及电池的最小容量；

步骤2)、基站控制器计算各个small cell的剩余能量值，如果small cell的剩余能量值不小于电池的最小容量，则保持small cell开启，并初始化发射功率和计算初始化系统能效，反之，small cell关闭；

所述步骤2)中，计算第n个small cell能量采集后电池剩余能量值E_surplus,n具体公式为：E_surplus,n＝E_nh,n+E_n，其中，E_n是第n个small cell到达的能量，E_nh,n是第n个small cell能量采集前电池剩余的能量；如果第n个small cell中的剩余能量值小于电池的最小容量，第n个small cell关闭，反之，则保持第n个small cell开启，初始化迭代次数t＝1，第n个small cell最大发送功率对应乘子γ_n(t)＝0，第n个small cell最小发送功率乘子μ_n(t)＝0，第n个small cell的发送功率初始化系统能效为：

其中，w_n为第n个small cell的带宽，g_nn是第n个small cell到目标用户n的信道增益，g_jn是第j个small cell到目标用户n的信道增益，σ²为系统噪声；

步骤3)、更新开启状态下small cell的拉格朗日乘子，并更新small cell所分配的功率；所述步骤3)中对于开启的small cell中更新的拉格朗日乘子γ、μ为：

其中，为迭代更新的步长，更新第n个small cell的功率

其中，为迭代t次后第j个smallcell所分配的功率；

其中迭代t次的能效表示为：

步骤4)、功率更新收敛的判断：如果步骤3)更新后与更新前两次功率差值的绝对值不大于功率判决门限，则判断功率收敛；如果更新后与更新前两次功率差值的绝对值大于功率判决门限，将更新后的功率值保存为现在功率值，并转到步骤3)中更新分配的功率，直到功率满足收敛条件；

步骤5)、能效更新收敛的判断，计算更新的能效值，如果更新的能效与上一次的能效之差的绝对值不大于能效判决门限，则判断能效收敛，给出最大的能效值，方法结束；如果更新的能效与上一次的能效之差的绝对值大于能效判决门限，则将新计算出的能效值保存为此时的能效值，并转到步骤3)中更新分配的功率，直到能效满足收敛条件，给出最大的能效。

2.根据权利要求1所述的能量采集异构蜂窝网络中smallcell的在线功率控制方法，其特征在于，在步骤1)中所述初始化small cell个数为N，功率判决门限k1，能效判决门限k2，电池的最小容量E_min,n的取值为：

其中，是第n个small cell的最大功耗，是第n个small cell的固定功耗。

3.根据权利要求1所述的能量采集异构蜂窝网络中small cell的在线功率控制方法，其特征在于，所述步骤4)具体为：比较与功率判决门限k1的大小，其中，为迭代t+1次后第n个small cell所分配的功率；如果不大于k1，功率收敛；如果大于k1，将新求出的功率值保存为现在功率值，并转到步骤3)中更新分配的功率，将更新后两次功率分配值之差的绝对值与k1比较，直到功率满足条件。

4.根据权利要求3所述的能量采集异构蜂窝网络中small cell的在线功率控制方法，其特征在于，所述步骤5)中，计算更新的系统能效q的值为：

其中，为迭代t+1次后第n个small cell所分配的功率，为迭代t+1次后第j个small cell所分配的功率；比较|q(t+1)-q(t)|与能效判决门限k2的大小，其中，q(t+1)为迭代t+1次后第n个small cell的能效；如果|q(t+1)-q(t)|不大于k2，能效收敛，给出最大的能效，结束；如果|q(t+1)-q(t)|大于k2，将新计算出的能效保存为此时的能效，并转到步骤3)中更新分配的功率，直到能效满足条件，给出最大的能效。