CN107566982B - 基于随机几何异构蜂窝网络的连续小区缩放方法 - Google Patents

Abstract

本发明涉及一种基于随机几何异构蜂窝网络的连续小区缩放方法，为了降低网络能源消耗，提高能量效率和区域频谱效率而设计。本发明基于随机几何异构蜂窝网络的连续小区缩放方法，包括在各个小区缩放周期T内，确定小小区基站SBS所服务的用户中距离其最远用户的距离d_max，将小小区基站SBS的覆盖半径收缩或放大到最远用户的位置d_max。本发明应用于由宏基站MBS和小小区基站SBS构成的随机几何异构蜂窝网络，降低了蜂窝网络能耗和提高能量效率。

Description

基于随机几何异构蜂窝网络的连续小区缩放方法

技术领域

本发明属于无线通信技术领域，具体涉及一种基于随机几何异构蜂窝网络的连续小区缩放方法。

背景技术

近年来，随着无线通信技术的大力发展和智能终端设备的普及，给用户UE带来移动接入网络带宽和速率的巨大提升，面对如此快速的用户数和业务量的增长，宏基站的部署需要消耗大量的资本，这是越来越低的业务收入所无法弥补的，网络的能量消耗与运营成本之间的矛盾也日益突出。

为了解决上述问题，工业界启动了新的解决方法，部署小小区基站便是其中一种。小小区是一类无线接入节点的统称，小小区这个名词包括了家庭小区(femtocell)，微小区(microcell)，微微小区(picocell)，城市小区(metrocell)等。这类节点的特点有：低功率、低花费，工作在许可频段上的小小区可以保证UE的QoS，提供与宏网络所支持的更好的移动性切换的无缝连接，并且具有更优越的安全性。

小区缩放(CZ)是一项通过调整基站(BS)的发射功率来改变小区的大小，最终降低网络中能量消耗的技术。小区缩放是根据网络中流量负载来动态地调整基站覆盖区域的技术。小区缩放可以大致将总功耗降低20％左右，因此被认为是发展“绿色”通信的潜在策略之一。但是，小区缩放如今面临的挑战是如何优化CZ对服务质量(QoS)的影响以及如何在QoS受到约束时减少所需的大量的信息交换。因此，如何在小区缩放算法中降低功耗的同时维持QoS这一问题受到很多研究者关注。

此外，由于业务区域(例如，市中心，居民区，公园，城郊，郊区)和容量(网络和链路)的不同，实际基站不会完全如规则网格模型部署，而是呈现出随机特性。因此，传统六边形网格模型过于理想化，不仅不适用于单层蜂窝网络的建模，更不适用于更加随机化且多元化的多层异构蜂窝网络。

鉴于上述的缺陷，本设计人积极加以研究创新，以期创设一种基于随机几何异构蜂窝网络的连续小区缩放方法，使其更具有产业上的利用价值。

发明内容

为解决上述技术问题，本发明的目的是提供一种能够显著降低无线通信系统能耗，提高能量效率和区域频谱效率，改善用户的服务质量和体验质量，提升无线通信系统的吞吐量以及实现负载均衡的基于随机几何异构蜂窝网络的连续小区缩放方法。

为达到上述发明目的，本发明基于随机几何异构蜂窝网络的连续小区缩放方法，应用于由宏基站MBS和小小区基站SBS构成的随机几何异构蜂窝网络，在各个小区缩放周期T内，确定小小区基站SBS所服务的用户中距离其最远用户的距离d_max，将小小区基站SBS的覆盖半径收缩或放大到最远用户的位置d_max。

进一步地，每一个小区缩放周期T具体包括：小小区基站状态信息获取阶段T_I、负载均衡决策阶段T_L、缩放执行阶段T_C、服务阶段T_S；

其中，所述小小区基站状态信息获取阶段T_I包括：蜂窝网络内所有小小区基站分别向其服务的小小区用户广播导频信号，根据导频信号强度，得到小小区用户距离至小小区基站的距离d_ij，进一步得到各个小小区基站服务的小小区用户数量以及业务类型，所述业务类型的属性参数包括：小小区基站对其服务的小小区用户的传输速率V_i、小小区基站服务的小小区用户的切换优先级；计算小小区基站的当前业务负载L_j、计算小小区基站对应的平均中断概率

所述负载均衡决策阶段T_L包括：将小小区基站当前负载L_j与预设的小小区基站业务负载阈值L_Th进行比较，将小小区基站对应的小小区基站用户平均中断概率

与预定的小小区用户中断概率阈值P_Th比较，

若小小区基站当前负载L_j＜预设的小小区基站业务负载阈值L_Th，且小小区基站对应的平均中断概率

则进入缩放执行阶段T_C；

若小小区基站当前负载L_j≥预设的小小区基站业务负载阈值L_Th，和/或小小区基站对应的平均中断概率

则首先，对该小小区基站服务的小小区用户按照所需资源量进行从小到大排序，使优先级较低的小小区用户转向其他小小区基站或宏基站寻求服务，且同等优先级下，使所需资源量大的小小区用户转向其他小小区基站或宏基站寻求服务；然后进入缩放执行阶段T_C；

所述缩放执行阶段T_C包括：确定小小区基站SBS所服务的用户中距离其最远用户的距离d_max，将小小区基站SBS的覆盖半径收缩或放大到最远用户的位置d_max；小小区基站的缩放执行阶段T_C进行完之后进入服务阶段T_S。

进一步地，所述的随机几何异构蜂窝网络为采用正交频分多址接入(OFDMA)的双层异构蜂窝网络，该双层异构蜂窝网络中有宏基站MBS和小小区基站SBS这两类基站，每一层的基站都是基于独立的二维齐次泊松点过程(HPPP)来分布的，用户UE的接入基站的准则是接入距离它最近的那个基站，以接入距离作为标准，这就会形成泊松-泰森多边形密铺(PVT)，宏基站MBS的部署可将整个平面划分为多个泰森多边形，每个泰森多边形则为相应宏基站MBS的服务范围，每个小小区基站SBS覆盖一个圆形作为一个热点区域；

宏基站MBS位置的分布用Φ_M来表示，λ_M则是Φ_M的密度，小小区基站SBS位置的分布用Φ_S来表示，λ_S则是Φ_S的密度；

用户UE根据接入点的不同分为宏用户MU和小小区用户SU两类，其中小小区用户SU以密度为λ_SU的独立HPPPΦ_SU分布在每个圆形热点区域内且由小小区基站SBS服务，宏用户MU以密度为λ_MU的独立HPPPΦ_MU分布在整个平面上且由宏基站MBS服务，用户UE的平均密度为λ_UE；

网络可获得的资源均分为N个子信道，其中M_MU个子信道为宏基站MBS所用，M_SU个子信道为小小区基站SBS所用，基站被分配一段频谱资源进行与用户通信，并会产生跨层干扰，每个用户UE占用一个子信道用来传输数据，宏用户MU只能接入宏基站MBS，小小区用户SU将首先接入小小区基站SBS，如果没有合适的小小区基站SBS接入，小小区用户SU将会接入距离该小小区用户SU最近的宏基站MBS。

进一步地，所述的服务阶段T_S包括：采用随机路点模型(RWP)模拟小小区用户移动性，在所述随机路点模型中，小小区用户通过随机选择要行进的方向和速度从当前位置移动到新位置，在新位置处的移动速度和运动方向都分别从[V_min V_max]和[0 2π]的预定义范围内随机选择，在移动到新位置之前，在某位置处小小区用户会有一段停留时间，即小小区用户两次连续移动之间的时间，通过停留时间和移动速度计算出小小区基站对其服务的每个小小区用户的服务时间，取其中服务时间最长的服务时间作为当前小区缩放周期T的服务阶段T_S的服务时长。

进一步地，当前负载L_j由如下公式计算得到：

式中，j表示蜂窝网络中第j个小小区基站，i表示第j个小小区基站内服务的第i个小小区用户；

B_j为小小区基站的总带宽，b_ij为表示小小区基站所服务的小小区用户所需的带宽量；

C_ij为小小区基站服务的小小区用户的吞吐量，C_ij＝W*log₂(1+SINR)，式中W为小区中活跃的用户的频谱带宽；

SINR(i)为小小区基站服务的小小区用户的信干噪比，SINR(i)＝A*P_ij*a/(I_ij+σ²)，式中，σ²为加性高斯白噪声(AWGN)功率，定义模式矩阵A，当考虑的基站类型为宏基站MBS的时候，A＝[1 0]；同样，当考虑的基站为小小区基站SBS时，A＝[0 1]；P_ij为小小区基站到其服务范围内的小小区用户之间的发射功率；

I_ij表示小小区基站服务范围内的小小区用户来自其他小小区基站或宏基站的干扰，

式中，h表示对该小小区用户产生干扰的其他小小区基站或宏基站，P_ih为其他小小区基站或宏基站到其服务范围内的小小区用户或宏用户之间的发射功率；a表示用于补偿由于功放、馈线损失和站点空调等因素使得平均发射功率与功率消耗之间差异的放大因子。

进一步地，小小区基站对应的平均中断概率的计算公式为：

式中，n为该基站覆盖范围内所有用户数，所述P^outage(i)＝Prob(SINR(i)≤SINR_Th)，SINR_Th为能够满足用户服务质量的信干噪比阈值。

进一步地，在一个缩放周期T在小小区基站状态信息获取阶段T_I，若没有收到小小区用户的更新信息，则所述小小区基站进入休眠状态，该小小区基站的休眠时间与该小小区基站相邻的其他小小区基站的最小服务时间保持一致。

借由上述方案，本发明基于随机几何异构蜂窝网络的连续小区缩放方法与系统至少具有以下优点：

构建了一个基于泊松-泰森多边形镶嵌(PVT)的双层随机异构网络模型，由宏基站(宏基站MBS)，小小区基站(小小区基站SBS)，宏用户(MU)和小小区用户(SU)共同组成，它们基于独立的二维齐次泊松点过程(HPPP)来分布。通过周期性地更新小小区基站SBS中SU的位置，小小区基站SBS可以自适应地调整其小区的半径来实现小区缩放。通过与参考算法相比，在不同的用户密度和用户比例下对基于随机几何异构蜂窝网络的连续小区缩放方法(CCZA)的性能进行了检验，数值评估结果表明，提出的算法可以显着降低系统能耗和提高能量效率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

图1是本发明基于随机几何异构蜂窝网络的连续小区缩放方法的随机几何异构蜂窝网络示意图；

图2是本发明基于随机几何异构蜂窝网络的连续小区缩放方法的实现的PVT随机蜂窝网络模型；

图3是本发明基于随机几何异构蜂窝网络的连续小区缩放方法的小区缩放时的示意图(a)初始状态，(b)位置自适应周期性更新算法(LAPU)，(c)小区缩放执行阶段；

图4是基于随机几何异构蜂窝网络的连续小区缩放方法进行仿真的不同用户比例下的网络能耗(EC)的仿真曲线图；

图5是基于随机几何异构蜂窝网络的连续小区缩放方法进行仿真的不同用户比例下的网络频谱效率(ASE)的仿真曲线图；

图6是基于随机几何异构蜂窝网络的连续小区缩放方法进行仿真的不同用户比例下的网络能量效率(EE)的仿真曲线图；

图7是本发明基于随机几何异构蜂窝网络的连续小区缩放方法与位置自适应周期性更新LAPU的网络能耗比较的仿真曲线图；

图8是基于随机几何异构蜂窝网络的连续小区缩放方法与位置自适应周期性更新LAPU的网络能效比较仿真曲线图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例1

本实施例基于随机几何异构蜂窝网络的连续小区缩放方法，应用于由宏基站MBS和小小区基站SBS构成的随机几何异构蜂窝网络。每一个小小区基站都有相同的缩放周期T，每一个小区缩放周期T具体包括：小小区基站状态信息获取阶段T_I、负载均衡决策阶段T_L、缩放执行阶段T_C、服务阶段T_S。

所述小小区基站状态信息获取阶段T_I包括：蜂窝网络内所有小小区基站分别向其服务的小小区用户广播导频信号，根据导频信号强度，得到小小区用户距离至小小区基站的距离d_ij，进一步得到各个小小区基站服务的小小区用户数量以及业务类型，所述业务类型的属性参数包括：小小区基站对其服务的小小区用户的传输速率V_i、小小区基站服务的小小区用户的切换优先级；计算小小区基站的当前业务负载L_j、计算小小区基站对应的平均中断概率

所述负载均衡决策阶段T_L包括：将小小区基站当前负载L_j与预设的小小区基站业务负载阈值L_Th进行比较，将小小区基站对应的小小区基站用户平均中断概率

与预定的小小区用户中断概率阈值P_Th比较，

若小小区基站当前负载L_j＜预设的小小区基站业务负载阈值L_Th，且小小区基站对应的平均中断概率

则进入缩放执行阶段T_C；

若小小区基站当前负载L_j≥预设的小小区基站业务负载阈值L_Th，和/或小小区基站对应的平均中断概率

则首先，对该小小区基站服务的小小区用户按照所需资源量进行从小到大排序，使优先级较低的小小区用户转向其他小小区基站或宏基站寻求服务，且同等优先级下，使所需资源量大的小小区用户转向其他小小区基站或宏基站寻求服务；然后进入缩放执行阶段T_C；

所述缩放执行阶段T_C包括：确定小小区基站SBS所服务的用户中距离其最远用户的距离d_max，将小小区基站SBS的覆盖半径收缩或放大到最远用户的位置d_max；小小区基站的缩放执行阶段T_C进行完之后进入服务阶段T_S。服务阶段T_S的时长根据前两个阶段的时长决定。

实施例2

本实施例基于随机几何异构蜂窝网络的连续小区缩放方法，在实施例1的基础上，每一个小小区基站都有一个独立的缩放周期T，具体描述如下：

每一个小区缩放周期T具体包括：小小区基站状态信息获取阶段T_I、负载均衡决策阶段T_L、缩放执行阶段T_C、服务阶段T_S；

其中，所述小小区基站状态信息获取阶段T_I包括：蜂窝网络内所有小小区基站分别向其服务的小小区用户广播导频信号，根据导频信号强度，得到小小区用户距离至小小区基站的距离d_ij，进一步得到各个小小区基站服务的小小区用户数量以及业务类型，所述业务类型的属性参数包括：小小区基站对其服务的小小区用户的传输速率V_i、小小区基站服务的小小区用户的切换优先级；计算小小区基站的当前业务负载L_j、计算小小区基站对应的平均中断概率

所述负载均衡决策阶段T_L包括：将小小区基站当前负载L_j与预设的小小区基站业务负载阈值L_Th进行比较，将小小区基站对应的小小区基站用户平均中断概率

与预定的小小区用户中断概率阈值P_Th比较，

若小小区基站当前负载L_j＜预设的小小区基站业务负载阈值L_Th，且小小区基站对应的平均中断概率

则进入缩放执行阶段T_C；

若小小区基站当前负载L_j≥预设的小小区基站业务负载阈值L_Th，和/或小小区基站对应的平均中断概率

则首先，对该小小区基站服务的小小区用户按照所需资源量进行从小到大排序，使优先级较低的小小区用户转向其他小小区基站或宏基站寻求服务，且同等优先级下，使所需资源量大的小小区用户转向其他小小区基站或宏基站寻求服务；然后进入缩放执行阶段T_C；

所述缩放执行阶段T_C包括：确定小小区基站SBS所服务的用户中距离其最远用户的距离d_max，将小小区基站SBS的覆盖半径收缩或放大到最远用户的位置d_max；小小区基站的缩放执行阶段T_C进行完之后进入服务阶段T_S。

本实施例中，所述的服务阶段T_S包括：采用随机路点模型(RWP)模拟小小区用户移动性，在所述随机路点模型中，小小区用户通过随机选择要行进的方向和速度从当前位置移动到新位置，新位置的移动速度和移动方向都分别从[V_min V_max]和[0 2π]的预定义范围内随机选择，在移动到新位置之前，在某位置处小小区用户会有一段停留时间，即小小区用户两次连续移动之间的时间，通过停留时间和移动速度计算出小小区基站对其服务的每个小小区用户的服务时间，取其中服务时间最长的服务时间作为当前小区缩放周期T的服务阶段T_S的服务时长。

实施例3

本实施例基于随机几何异构蜂窝网络的连续小区缩放方法，在实施例1、2的基础上，提供了一种双层异构蜂窝网络，该双层异构蜂窝网络的小小区基站的具体缩放方法参考上述实施例1、2中所述的内容，在此不再赘述。所述的随机几何异构蜂窝网络为采用正交频分多址接入(OFDMA)的双层异构蜂窝网络，该双层异构蜂窝网络中有宏基站MBS和小小区基站SBS这两类基站，每一层的基站都是基于独立的二维齐次泊松点过程(HPPP)来分布的，用户UE的接入基站的准则是接入距离它最近的那个基站，以接入距离作为标准，这就会形成泊松-泰森多边形密铺(PVT)，宏基站MBS的部署可将整个平面划分为多个泰森多边形，每个泰森多边形则为相应宏基站MBS的服务范围，每个小小区基站SBS覆盖一个圆形作为一个热点区域；

宏基站MBS位置的分布用Φ_M来表示，λ_M则是Φ_M的密度，小小区基站SBS位置的分布用Φ_S来表示，λ_S则是Φ_S的密度；

用户UE根据接入点的不同分为宏用户MU和小小区用户SU两类，其中小小区用户SU以密度为λ_SU的独立HPPPΦ_SU分布在每个圆形热点区域内且由小小区基站SBS服务，宏用户MU以密度为λ_MU的独立HPPPΦ_MU分布在整个平面上且由宏基站MBS服务，用户UE的平均密度为λ_UE；

网络可获得的资源均分为N个子信道，其中M_MU个子信道为宏基站MBS所用，M_SU个子信道为小小区基站SBS所用，基站被分配一段频谱资源进行与用户通信，并会产生跨层干扰，每个用户UE占用一个子信道用来传输数据，宏用户MU只能接入宏基站MBS，小小区用户SU将首先接入小小区基站SBS，如果没有合适的小小区基站SBS接入，小小区用户SU将会接入距离该小小区用户SU最近的宏基站MBS。

上述各实施例中，小小区基站对应的平均中断概率的计算公式为：

式中，n为该基站覆盖范围内所有用户数，所述P^outage(i)＝Prob(SINR(i)≤SINR_Th)。

上述各实施中，当前负载L_j由如下公式计算得到：

式中，B_j为小小区基站的总带宽，b_ij为表示小小区基站所服务的小小区用户所需的带宽量；

C_ij为小小区基站服务的小小区用户的吞吐量，C_ij＝W*log₂(1+SINR)，式中W为小区中活跃的用户的频谱带宽；

SINR(i)为小小区基站服务的小小区用户的信干噪比，SINR(i)＝A*P_ij*a/(I_ij+σ²)，式中，σ²为加性高斯白噪声(AWGN)功率，定义模式矩阵A，当考虑的基站类型为宏基站MBS的时候，A＝[1 0]；同样，当考虑的基站为小小区基站SBS时，A＝[0 1]；P_ij为小小区基站到其服务范围内的小小区用户之间的发射功率；

I_ij表示小小区基站服务范围内的小小区用户来自其他小小区基站或宏基站的干扰，

式中，h表示对该小小区用户产生干扰的其他小小区基站或宏基站，P_ih为其他小小区基站或宏基站到其服务范围内的小小区用户或宏用户之间的发射功率；a表示用于补偿由于功放、馈线损失和站点空调等因素使得平均发射功率与功率消耗之间差异的放大因子。

实施例4

本实施例基于随机几何异构蜂窝网络的连续小区缩放方法，在实施例1、2的基础上，在一个缩放周期T在小小区基站状态信息获取阶段T_I，若没有收到小小区用户的更新信息，则所述小小区基站进入休眠状态，该小小区基站的休眠时间与该小小区基站相邻的其他小小区基站的最小服务时间保持一致。

本发明中一个工作的基站的能量效率EE可以表示为：

EE＝A*W*C_ij*(λ_MU+λ_SU)/∑P_c

网络频谱利用率(ASE)可以表示为：

ASE＝C_ij*(λ_M+λ_S)。

本发明基于随机几何异构蜂窝网络的连续小区缩放方法，定义模式矩阵A，当考虑的基站类型为宏基站MBS的时候，A＝[1 0]；同样，当考虑的基站为小小区基站SBS时，A＝[01]。

基站的最大发射功率表示为

其中，P_Mmax为宏基站MBS的最大发射功率，P_Smax为小小区基站SBS的最大发射功率。同样，基站的最大覆盖半径也可以表示为

因此，BS_j与到其服务范围内的UE_i之间的发射功率下式所示：

P_ij＝A*P_max*[d_ij/(A*R_max)]^α

其中，d_ij表示UE_i到其所连接的BS_j之间的距离，α表示路径损耗指数。

此外，引入线性功率模型，即站点所消耗的功率与发射功率之间是一种线性关系，如下：

P_c＝A*a*P_ij+A*b

其中，P_c表示平均所消耗的功率，系数a表示用于补偿由于功放、馈线损失和站点空调等因素使得平均发射功率与功率消耗之间差异的放大因子。b则表示与发射功率无关的功率消耗偏置，包括信号处理，电池以及空调冷却所消耗的功率。当然，对应不同类型的基站，a、b的值也不同，因此

M表示MBS，S表示SBS。

上述各实施例中，所述的切换优先级为当前小小区基站负载超负载时，切换优先级低，且用户量大的小小区用户首先被切换出该小小区基站。

本发明基于随机几何异构蜂窝网络的连续小区缩放方法的仿真性能分析如下：

使用MATLAB仿真工具来评估本发明基于随机几何异构蜂窝网络的连续小区缩放方法的性能。仿真环境是边长为2.5千米的方形区域，该区域分布有30个宏基站MBS和100个小小区基站SBS。通过PVT算法生成宏基站MBS的覆盖区域，小小区基站SBS的覆盖区域是由小小区半径所确定的圆形。

CCZA的性能分析

首先，图4描绘了不同用户配给网络的能耗(EC)。随着网络覆盖区域内λ_UE的增长，总能耗也随之提高。同时，网络EC随着MU比例的增长而提升，原因是MU只能接入宏小区，而SU将首先接入小小区。如果没有合适的小小区可以接入，SU则将接入最近的宏小区。根据两个小区的发射功率参数可以得出，为了满足用户的需求，当距离固定时，来自宏小区的所需传输功率较高。因此，随着SU数量的增加，本发明提出的算法将有效降低网络能耗。

此外，图5显示了ASE随着λ_UE和SU比例的提升而单调增长。随着网络中SU比例的增长，越来越多的用户连接到小小区进行服务。通过动态缩小(放大)小区的半径，CCZA算法可以实现每单位面积的最高吞吐量，从而使系统的ASE显著地提升。

图6表示不同用户比例下的网络能量效率(EE)，CCZA与位置自适应周期性更新LAPU的性能比较。图6说明了PVT随机异构蜂窝网络的能量效率。显然，随着λ_UE的增加，网络的能效(EE)首先逐渐增加，再趋于平稳，最后收敛于网络最大能效。值得注意的是，网络的EE随着网络中SU比例增加而单调增长，这显现了CCZA算法能提升能效的优势。

为了进一步评估本发明中提出的连续小区缩放算法的有效性，将CCZA与位置自适应周期性更新LAPU算法的性能进行了比较。在位置自适应周期性更新LAPU算法中，小区的覆盖区域以2/3R_Smax为边界分为两部分，如图3(b)所示，外部区域被定义为更新区域，内部区域是非更新区域。更新区域中的UE将在每个周期中更新其位置，否则UE将跳过该更新。在比较两种算法时，考虑了不同用户比例的两种场景。

图7所示为网络能耗比较，通过使用两种算法比较了MU和SU数量在2：3和3：2时系统总能耗的变化。从图中可以看出，一般来说，两种算法下的系统能耗都随着λ_UE的增加而提高，但是CCZA的能耗总是低于位置自适应周期性更新LAPU算法能耗，并且随着λ_UE的增加，差距也越来越大。当用户密度达到265/km²时，位置自适应周期性更新LAPU的能耗分别为225.56kW和241.54kW，而CCZA的能耗分别为66.26kW和84.72kW，CCZA在能耗上分别比位置自适应周期性更新LAPU降低了70.6％和64.9％。

图8表示网络能效比较，比较了两个算法在MU和SU的数量比例分别为2：3和3：2下的系统的能效变化。显然，两种算法的能效都先逐渐提升再趋于平稳，最后收敛于网络最大能效。CCZA下的EE总是高于位置自适应周期性更新LAPU，当λ_UE等于265/km²时，位置自适应周期性更新LAPU下的EE分别为4.61×10^-5和4.22×10^-5，然而CCZA下的EE达到1.2×10^-4和9.62×10^-5，分别是位置自适应周期性更新LAPU的结果的2.6倍和2.27倍。究其原因是，位置自适应周期性更新LAPU中只有外部区域的SU才会更新位置，小小区的半径最多只能缩放到2/3R_Smax，而CCZA可以进一步缩放小小区的半径，扩大了其动态范围，节省了大量不必要的能耗，从而稳固地提升了系统的能效。

以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (6)

1.一种基于随机几何异构蜂窝网络的连续小区缩放方法，其特征在于，应用于由宏基站MBS和小小区基站SBS构成的随机几何异构蜂窝网络，在各个小区缩放周期T内，确定小小区基站SBS所服务的用户中距离其最远用户的距离d_max，将小小区基站SBS的覆盖半径收缩或放大到最远用户的位置d_max；

每一个小区缩放周期T具体包括：小小区基站状态信息获取阶段T_I、负载均衡决策阶段T_L、缩放执行阶段T_C、服务阶段T_S；

其中，所述小小区基站状态信息获取阶段T_I包括：蜂窝网络内所有小小区基站分别向其服务的小小区用户广播导频信号，根据导频信号强度，得到小小区用户距离至小小区基站的距离d_ij，进一步得到各个小小区基站服务的小小区用户数量以及业务类型，所述业务类型的属性参数包括：小小区基站对其服务的小小区用户的传输速率V_i、小小区基站服务的小小区用户的切换优先级；计算小小区基站的当前业务负载L_j、计算小小区基站对应的平均中断概率

所述负载均衡决策阶段T_L包括：将小小区基站当前负载L_j与预设的小小区基站业务负载阈值L_Th进行比较，将小小区基站对应的小小区基站用户平均中断概率

与预定的小小区用户中断概率阈值P_Th比较，

若小小区基站当前负载L_j＜预设的小小区基站业务负载阈值L_Th，且小小区基站对应的平均中断概率

则进入缩放执行阶段T_C；

若小小区基站当前负载L_j≥预设的小小区基站业务负载阈值L_Th，和/或小小区基站对应的平均中断概率

则首先，对该小小区基站服务的小小区用户按照所需资源量进行从小到大排序，使优先级较低的小小区用户转向其他小小区基站或宏基站寻求服务，且同等优先级下，使所需资源量大的小小区用户转向其他小小区基站或宏基站寻求服务；然后进入缩放执行阶段T_C；

所述缩放执行阶段T_C包括：确定小小区基站SBS所服务的用户中距离其最远用户的距离d_max，将小小区基站SBS的覆盖半径收缩或放大到最远用户的位置d_max；小小区基站的缩放执行阶段T_C进行完之后进入服务阶段T_S。

2.根据权利要求1所述的基于随机几何异构蜂窝网络的连续小区缩放方法，其特征在于，所述的随机几何异构蜂窝网络为采用正交频分多址接入(OFDMA)的双层异构蜂窝网络，该双层异构蜂窝网络中有宏基站MBS和小小区基站SBS这两类基站，每一层的基站都是基于独立的二维齐次泊松点过程(HPPP)来分布的，用户UE的接入基站的准则是接入距离它最近的那个基站，以接入距离作为标准，这就会形成泊松-泰森多边形密铺(PVT)，宏基站MBS的部署可将整个平面划分为多个泰森多边形，每个泰森多边形则为相应宏基站MBS的服务范围，每个小小区基站SBS覆盖一个圆形作为一个热点区域；

宏基站MBS位置的分布用Φ_M来表示，λ_M则是Φ_M的密度，小小区基站SBS位置的分布用Φ_S来表示，λ_S则是Φ_S的密度；

用户UE根据接入点的不同分为宏用户MU和小小区用户SU两类，其中小小区用户SU以密度为λ_SU的独立HPPPΦ_SU分布在每个圆形热点区域内且由小小区基站SBS服务，宏用户MU以密度为λ_MU的独立HPPPΦ_MU分布在整个平面上且由宏基站MBS服务，用户UE的平均密度为λ_UE；

网络可获得的资源均分为N个子信道，其中M_MU个子信道为宏基站MBS所用，M_SU个子信道为小小区基站SBS所用，基站被分配一段频谱资源进行与用户通信，并会产生跨层干扰，每个用户UE占用一个子信道用来传输数据，宏用户MU只能接入宏基站MBS，小小区用户SU将首先接入小小区基站SBS，如果没有合适的小小区基站SBS接入，小小区用户SU将会接入距离该小小区用户SU最近的宏基站MBS。

3.根据权利要求1所述的基于随机几何异构蜂窝网络的连续小区缩放方法，其特征在于，所述的服务阶段T_S包括：采用随机路点模型(RWP)模拟小小区用户移动性，在所述随机路点模型中，小小区用户通过随机选择要行进的方向和速度从当前位置移动到新位置，在新位置处的移动速度和运动方向都分别从[V_minV_max]和[02π]的预定义范围内随机选择，在移动到新位置之前，在某位置处小小区用户会有一段停留时间，即小小区用户两次连续移动之间的时间，通过停留时间和移动速度计算出小小区基站对其服务的每个小小区用户的服务时间，取其中服务时间最长的服务时间作为当前小区缩放周期T的服务阶段T_S的服务时长。

4.根据权利要求2所述的基于随机几何异构蜂窝网络的连续小区缩放方法，其特征在于，当前负载L_j由如下公式计算得到：

式中，j表示蜂窝网络中第j个小小区基站，i表示第j个小小区基站内服务的第i个小小区用户；

B_j为小小区基站的总带宽，b_ij为表示小小区基站所服务的小小区用户所需的带宽量；

C_ij为小小区基站服务的小小区用户的吞吐量，C_ij＝W*log₂(1+SINR)，式中W为小区中活跃的用户的频谱带宽；

SINR(i)为小小区基站服务的小小区用户的信干噪比，SINR(i)＝A*P_ij*a/(I_ij+σ²)，式中，σ²为加性高斯白噪声(AWGN)功率，定义模式矩阵A，当考虑的基站类型为宏基站MBS的时候，A＝[1 0]；同样，当考虑的基站为小小区基站SBS时，A＝[0 1]；P_ij为小小区基站到其服务范围内的小小区用户之间的发射功率；

I_ij表示小小区基站服务范围内的小小区用户来自其他小小区基站或宏基站的干扰，

式中，h表示对该小小区用户产生干扰的其他小小区基站或宏基站，P_ih为其他小小区基站或宏基站到其服务范围内的小小区用户或宏用户之间的发射功率；a表示用于补偿由于功放、馈线损失和站点空调中的因素使得平均发射功率与功率消耗之间差异的放大因子。

5.根据权利要求1所述的基于随机几何异构蜂窝网络的连续小区缩放方法，其特征在于，小小区基站对应的平均中断概率的计算公式为：

式中，n为该基站覆盖范围内所有用户数，P^outage(i)＝Prob(SINR(i)≤SINR_Th)，SINR_Th为能够满足用户服务质量的信干噪比阈值。

6.根据权利要求1所述的基于随机几何异构蜂窝网络的连续小区缩放方法，其特征在于，在一个缩放周期T在小小区基站状态信息获取阶段T_I，若没有收到小小区用户的更新信息，则所述小小区基站进入休眠状态，该小小区基站的休眠时间与该小小区基站相邻的其他小小区基站的最小服务时间保持一致。

Images