CN107682055B - 无线异构网络中基于能源代价的用户选择方法 - Google Patents

Abstract

本发明涉及无线异构网络的多源供电技术领域，尤其涉及无线异构网络中基于能源代价的用户选择方法，包括：将用户选择分为两个阶段，首先针对微小区边缘用户，在满足最低信干噪比的情形下，选择对应能源代价较低的基站为其提供服务；其次，在基站系统中，单位能量价格一定的情况下，通过优化可再生能源和传统能源供能比例降低系统的总能源代价，分别以能量损耗和能源代价为自变量构造了间接法和直接法指数型效用函数，实现了基站系统能量损耗和经济成本的大幅下降，并保证了用户间的相对公平性。

Description

无线异构网络中基于能源代价的用户选择方法

技术领域

本发明涉及无线异构网络的多源供电技术领域，尤其涉及无线异构网络中基于能源代价的用户选择方法。

背景技术

随着移动互联网的发展，人们的通信需求日益增加，现在的移动系统无法满足人们的需求，迫切的需要第五代(5G)无线通信系统的出现。无线异构组网是公认的5G通信系统架构。与传统网络不同，异构网络在宏基站的覆盖下融合了多种不同类型的基站，例如微蜂窝基站、微微蜂窝基站和中继基站等，每个基站都可以组成完整的小区，使得用户与服务基站间的距离减小，宏基站负载压力有所缓解，热点区域用户服务质量及能量效率显著提升。同时，大规模部署微基站实现了无线资源“量”的大幅增加，进一步配合合理的用户分配策略可以实现资源的有效利用。用户分配是按照中断率、能量效率、频谱效率以及公平性等一系列指标选择最适合的基站为用户提供服务。而当实际用户数大于基站的负载能力时，则需要通过用户选择确定基站的服务用户。接收信号强度准则(Received SignalStrength,RSS)作为传统的用户选择标准，已无法适应日益复杂的网络拓扑结构。因此，提出了区域扩展(cell range expansion,CRE)的方法，将用户选择分为基站选择、信道分配和模式选择三个阶段，根据需求速率的不同将用户分为两个等级，从而使得用户分配结果更加符合客观需求。在用户选择过程中考虑了公平性指标，避免了部分处于较差信道的用户长时间得不到服务。用户选择技术虽然极大地提高了通信系统的能量效率，但是系统能量损耗造成的经济成本才是与人们生活最密切相关的因素。为减少传统能量损耗并降低成本，结合传统能源和可再生能源的混合供能系统被广泛应用于无线基站系统。然而，可再生能源的产能速率受到自身设备尺寸、周围环境、地理位置的影响，尤其是在智能电网的环境下，传统能源采用分时电价策略，因此能源代价与能量损耗并非简单的线性关系。

发明内容

针对上述问题，本发明提出了无线异构网络中基于能源代价的用户选择方法，包括2个阶段，

阶段一：边缘用户选择服务基站，

步骤1：建立一个由一个宏基站和多个微基站构成的无线异构网络下行链路系统，根据用户移动性特点，在每个时间窗内，产生一次用户随机分布；

步骤2：确定可再生能源产能速率；

步骤3：对于位于微基站边缘的用户，逐一计算相应宏基站提供服务时对应的能源代价和微基站提供服务时对应的能源代价；在满足最低信干噪比的情况下，选取能源代价最小的基站为边缘用户提供服务；

阶段二：宏基站和微基站选取服务用户，

步骤4：确定每一个时间窗所在时隙对应的传统能源的供应量，计算各小区服务不同用户对应的能量损耗、能源代价和公平性；

步骤5：结合步骤4所得的能量损耗和公平性，采用间接法，逐一求解间接法的指数型效用函数，选取与基站天线数目相同个数的用户，选择标准为代入求解后间接法的效用函数值较小的用户；结合步骤4所得的能源代价和公平性，采用直接法，逐一求解直接法的指数型效用函数，选取与基站天线数目相同个数的用户，选择标准为代入求解后直接法的效用函数值较小的用户。

所述步骤1还具体包括利用宏基站形成一个宏小区，在宏小区覆盖范围内部署多个微基站，每个微基站覆盖范围内用户随机分布，且每个用户只能由一个微基站为其提供服务，宏基站具有M_M根发射天线，微基站具有M_P根发射天线，用户终端采用一根接收天线，

假设接收端信道状态信息已知，即宏基站和微基站到小区n中用户的传输信道矩阵H＝[h_m,n,1,…,h_m,n,k,…,h_m,n,Kn]已知，不失一般性，设m＝1代表宏小区，m≠1代表微小区，微小区是指在宏小区范围内，为解决盲点和阴影效应问题，设立低功率基站覆盖形成的蜂窝小区，

小区n中用户k的接收信号y_n,k为：

其中，h_n,n,k为小区n到小区n中用户k之间的传输信道矢量；K_n为小区n的当前用户数；n∈N,N＝{1,2,…,N}；x_n,n,k为基站n到小区n中用户k的预编码信号；x_n,n,l为基站n到小区n中用户l的预编码信号；h_m,n,i为小区m到小区n中用户i之间的传输信道矢量；x_m,n,i为基站m到小区n中用户i的预编码信号；n_n,k为传输过程中受到的高斯白噪声；

假设发射端已知

利用迫零预编码消除多用户干扰，预编码矩阵V＝H^H(H·H^H)^-1，即x_n,n,k＝v_n,n,ks_n,n,k，使得

其中，V为预编码矩阵；H为宏基站和微基站到用户的传输信道矩阵；v_n,n,k为基站n到小区n中用户k的预编码矢量；s_n,n,k为基站n与小区n中用户k之间的发送信号矢量；h_n,n,k为小区n到小区n中用户k的传输信道矢量；v_n,n,l为基站n与小区n中用户l之间的预编码矢量，

经预编码处理后，小区n中用户k的接收信号y_n,k和信噪比SINR_n,k为：

其中，Pt_n，Pt_m分别为基站n、m的发射功率；分母中，

为用户接收到的小区间干扰；σ²为噪声功率。

所述步骤2的可再生能源包括太阳能和风能，可再生能源的产能周期为15分钟，将一天的时间划分为T＝96个时隙，记为t∈Γ{1,2,...,T}，时隙宽度ω_t＝15min，

太阳能产能速率为：

风能产能速率为：

energy_wind(t)＝0.6 (5)。

所述步骤3中，电网采用分时电价策略，基站系统的能源代价C为：

其中，q_1t为与用电时间有关的动态电价；q₂为可再生能源的电价，q₂<0；将一天的时间划分为T＝96个时隙，记为t∈Γ{1,2,...,T}；P_BSn,t为基站n在时隙t的能量损耗；energy_re_n,t为基站n在时隙t产生的可再生能源供电量；energy_solar_n,t为基站n在时隙t时的太阳能产能速率；energy_wind_n,t为基站n在时隙t时的风能产能速率，

P_BS为基站的能量损耗，由固有损耗P_fix和发射功耗Pt两部分组成，

P_BS＝P_fix+ηPt (7)

其中，η为一固定常数，代表增加单位发射功率时基站能耗的增量；

对于位于微基站边缘的用户，逐一计算相应能源代价cost₁和cost₂，

cost_min＝min(cost₁,cost₂) (8)

其中，cost_min为能源代价的最小值；cost₁和cost₂分别为宏基站和微基站提供服务时对应的能源代价，

假设采用一个宏基站和两个微基站，宏基站记为基站1，微基站分别记为基站2和基站3，在满足最低信干噪比的情况下，选取能源代价较小的基站为边缘用户提供服务为：

其中，BS_server为选定的服务基站。

所述步骤4还具体包括：基站系统总能耗损耗P为

公平性J为：

其中，J_k(t)为t时隙用户k的公平性，是用户k在当前时隙的传输速率R_k(t)与过去时间窗宽度t_c时间内该用户的传输速率T_k(t)的比值；将一天的时间划分为T＝96个时隙，记为t∈Γ{1,2,...,T}；P_BSn,t为基站n在时隙t的能量损耗。

所述步骤5还具体包括基站保存每个用户的传输速率T_k(t)按照式(12)更新：

其中，t_c为1个时间窗的时间宽度；

间接法所得的指数型效用函数U₁(t,k)为：

其中，J_k(t)为t时隙用户k的公平性，P_k(t)为t时隙选择用户k对应的基站能量损耗，

基站选择服务用户的规则为

其中，对应取得t时隙效用函数U₁最小值的用户即为间接法在t时隙选定的用户k*(t)；

选取对应间接法所得的指数型效用函数较小的M个用户为服务用户，其中M为该基站的天线数，

U₁_order＝sort(U₁(t)) (15)

user_server1_m＝find(U₁(t,k)＝＝U₁_order(m)),m∈{1,2,...,M} (16)

其中，U₁_order是对仅考虑时隙变量t的效用函数U₁(t)排序后所得矢量；

user_server1_m是确定的第m个服务用户，方式是搜寻与U₁_order的第m个元素U₁_order(m)相等的U₁(t,k)，

直接法所得的指数型效用函数U₂(t,k)为：

式(17)中C_k(t)表示t时隙选择用户k对应的基站能量损耗，

小区选择服务用户的规则为

其中，对应取得t时隙效用函数U₂最小值的用户即为直接法在t时隙选定的用户k*(t)，

选取对应直接法所得的指数型效用函数较小的M个用户为服务用户，其中M为该基站的天线数，

U₂_order＝sort(U₂(t)) (19)

user_server2_m＝find(U₂(t,k)＝＝U₂_order(m)),m∈{1,2,...,M} (20)。

U₂_order是对仅考虑时隙变量t的效用函数U₂(t)排序后所得矢量，user_server2_m是确定的第m个服务用户，方式是搜寻与U₂_order的第m个元素U₂_order(m)相等的U₂(t,k)。

有益效果

本发明兼顾了边缘用户的分配与服务用户选择两个方面，将用户选择分为两个阶段，首先针对微小区边缘用户，在满足最低信干噪比的情形下，选择对应能源代价较低的基站为其提供服务；其次，在基站系统中，单位能量价格一定的情况下，通过优化可再生能源和传统能源供能比例降低系统的总能源代价，在PFS算法的基础上，分别以能源代价和能量损耗为自变量构造了相应的指数型效用函数，实现了基站系统能量损耗和经济成本的大幅下降，并保证了用户间的相对公平性。

附图说明

图1为间接法流程图；

图2为直接法流程图；

图3为异构网络下行链路系统模型示意图；

图4为太阳能产能速率示意图；

图5为风能产能速率示意图；

图6不同算法的能源代价对比图；

图7不同算法的时间窗平均代价对比图；

图8不同算法的能量损耗对比图；

图9各基站能源代价情况示意图；

图10各基站能量损耗情况示意图。

具体实施方式

下面结合附图，对实施例作详细说明。

如图1、图2所示，无线异构网络中基于能源代价的用户选择方法包括以下步骤：

阶段一：边缘用户选择服务基站，

步骤1：建立一个由一个宏基站和多个微基站构成的无线异构网络下行链路系统，根据用户移动性特点，在每个时间窗内，产生一次用户随机分布；

步骤2：确定可再生能源产能速率；

步骤3：对于位于微基站边缘的用户，逐一计算相应宏基站提供服务时对应的能源代价和微基站提供服务时对应的能源代价；在满足最低信干噪比的情况下，选取能源代价最小的基站为边缘用户提供服务；

阶段二：宏基站和微基站选取服务用户，

步骤4：确定每一个时间窗所在时隙对应的传统能源的供应量，计算各小区服务不同用户对应的能量损耗、能源代价和公平性；

步骤5：结合步骤4所得的能量损耗和公平性，采用间接法，逐一求解间接法的指数型效用函数，选取与基站天线数目相同个数的用户，选择标准为代入求解后间接法的效用函数值较小的用户；结合步骤4所得的能源代价和公平性，采用直接法，逐一求解直接法的指数型效用函数，选取与基站天线数目相同个数的用户，选择标准为代入求解后直接法的效用函数值较小的用户。

实施例1

如图3所示，假设1个宏基站位于坐标位置(0,0)处，在每个时间窗内随机分布30个用户。对应上述系统模型，设置了两个微小区位于固定位置。微基站的位置取决于实际热点区域，而微基站与宏基站间的距离直接影响了微小区边缘用户的用户分配。为简化分析，两个微基站分布在宏基站覆盖范围内且处于对称位置，其坐标分别为(-450,-450)和(450,450)。并在每个微小区覆盖范围内随机分布5个用户，其边缘随机分布5个用户。通信系统中噪声功率为-85dBm，其具体仿真参数如表1所示,其中dm为用户与宏基站之间的距离，dp为用户与微基站之间的距离。

表1仿真参数

	宏基站	微基站
			天线数	6	2
固有能耗	130	6.8
			发射功率	46	30
功率因子η	4.7	4.0
			覆盖半径(m)	500	50
路径损耗(dB)	128.1+37.6lg dm	140.7+36.7lg dp

传统能源采用峰谷分时电价策略，并设置电价系数为α。图4、图5分别为太阳能和风能产能速率示意图，太阳能产能速率近似服从正态分布，风能的产能速率如图5，固定为energy_wind(t)＝0.6。根据分时用电相关文件可知，高峰时段(9:00—12:00，17:00—22:00)电价为1.33α/kWh，平段(8:00—9:00，12:00—17:00，22:00—23:00)电价为0.87α/kWh，低谷时段(23:00—次日8:00)电价为0.51α/kWh。电网回购可再生能源电价为0.2α/kWh。假设时间窗t_c＝10秒，则每个时隙包含90个时间窗。

图6、图7和图8分别对比了不同算法的能源代价、时间窗平均价格和能量损耗。由图6可知，三种算法的能源代价曲线变化趋势相同，在传统能源电价较高时，曲线斜率相对较大。相比于PFS算法，本发明所提出的直接法和间接法首先根据能源代价的高低，对边缘用户进行了分配，其次充分考虑了可再生能源的产能速率，在保证相对公平性的前提下，偏向于选择同一小区中对应能量损耗较小的用户，使得能源代价显著下降，间接法可减少能源代价25.43％，在此基础上，直接法又减少了28.26％的能源代价。图7说明了各算法的时间窗平均代价的对比情况。从整体来看，三种算法的平均代价曲线与传统能源价格的趋势相同，由于在各个时间窗边缘用户分配情况与选择的服务用户不同，价格曲线伴随着不同程度的波动。而直接法和间接法可在不同程度上减少波动幅度，其中直接法的效果最为显著，可将波动幅度限制在4.57％以内。图8显示了三种算法的能量损耗情况,基站系统的能量损耗与时间近似呈正比关系。其中，间接法能量损耗占PFS算法能量损耗的72.97％，而直接法的能量损耗仅为52.70％。直接法不仅考虑了可再生能源产能速率，还兼顾了各时隙传统能源价格，其自适应价格因子的存在使得该算法在能量损耗和能源代价方面都展现出独特的优势。

以直接法为例，图9和图10分别描述了各基站的能源代价及能量损耗情况。由图9可知，宏基站的能源代价与系统能源代价具有相同的变化趋势，其曲线斜率主要由传统能源价格决定，受到可再生能源产能速率的影响。宏基站的能源代价占基站系统总能源代价的90％以上，而微基站的能源代价处于较低水平，约为宏基站能源代价的5％，由于两个微基站配置的可再生能源产能装置不同，使得微基站的能源代价略有差异。相比于宏基站而言，微基站的可再生能源供给量占有更大的比例，因此微基站能源代价曲线的斜率由传统能源价格决定的同时，可再生能源产能速率对其产生的影响更为显著。从图10可知各基站能量损耗的情况。从宏观上而言，能量损耗与时间近似呈正比例函数。宏基站的能量损耗约为基站系统能量损耗的90.93％，而微基站的能量损耗约为宏基站能耗的5％。由于微基站分布在宏基站的对称位置，且微小区内及微小区边缘用户数相同，因此其能量损耗曲线基本重合。

仿真结果表明与传统PFS算法相比，直接法和间接法可在保证用户相对公平性的基础上，降低能量损耗40％以上，减少能源代价约25％。而直接法中自适应价格因子使得能量损耗与能源代价进一步下降20％以上。

此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种无线异构网络中基于能源代价的用户选择方法，其特征在于，包括2个阶段，

阶段一：边缘用户选择服务基站，

步骤1：建立一个由一个宏基站和多个微基站构成的无线异构网络下行链路系统，根据用户移动性特点，在每个时间窗内，产生一次用户随机分布；

步骤2：确定可再生能源产能速率；

步骤3：对于位于微基站边缘的用户，逐一计算相应宏基站提供服务时对应的能源代价和微基站提供服务时对应的能源代价；在满足最低信干噪比的情况下，选取能源代价最小的基站为边缘用户提供服务；

阶段二：宏基站和微基站选取服务用户，

步骤4：确定每一个时间窗所在时隙对应的传统能源的供应量，计算各小区服务不同用户对应的能量损耗、能源代价和公平性；

步骤5：结合步骤4所得的能量损耗和公平性，采用间接法，逐一求解间接法的指数型效用函数，选取与基站天线数目相同个数的用户，选择标准为代入求解后间接法的效用函数值较小的用户；结合步骤4所得的能源代价和公平性，采用直接法，逐一求解直接法的指数型效用函数，选取与基站天线数目相同个数的用户，选择标准为代入求解后直接法的效用函数值较小的用户。

2.根据权利要求1所述的无线异构网络中基于能源代价的用户选择方法，其特征在于，所述步骤1还具体包括利用宏基站形成一个宏小区，在宏小区覆盖范围内部署多个微基站，每个微基站覆盖范围内用户随机分布，且每个用户只能由一个微基站为其提供服务，宏基站具有M_M根发射天线，微基站具有M_P根发射天线，用户终端采用一根接收天线，

假设接收端信道状态信息已知，即宏基站和微基站到小区n中用户的传输信道矩阵H＝[h_m,n,1,…,h_m,n,k,…,h_m,n,Kn]已知，不失一般性，设m＝1代表宏小区，m≠1代表微小区，微小区是指在宏小区范围内，为解决盲点和阴影效应问题，设立低功率基站覆盖形成的蜂窝小区，

小区n中用户k的接收信号y_n,k为：

其中，h_n,n,k为小区n到小区n中用户k之间的传输信道矢量；K_n为小区n的当前用户数；n∈N,N＝{1,2,…,N}；x_n,n,k为基站n到小区n中用户k的预编码信号；x_n,n,l为基站n到小区n中用户l的预编码信号；h_m,n,i为小区m到小区n中用户i之间的传输信道矢量；x_m,n,i为基站m到小区n中用户i的预编码信号；n_n,k为传输过程中受到的高斯白噪声；

假设发射端已知

利用迫零预编码消除多用户干扰，预编码矩阵V＝H^H(H·H^H)^-1，即x_n,n,k＝v_n,n,ks_n,n,k，使得

其中，V为预编码矩阵；H为宏基站和微基站到用户的传输信道矩阵；v_n,n,k为基站n到小区n中用户k的预编码矢量；s_n,n,k为基站n与小区n中用户k之间的发送信号矢量；h_n,n,k为小区n到小区n中用户k的传输信道矢量；v_n,n,l为基站n与小区n中用户l之间的预编码矢量，

经预编码处理后，小区n中用户k的接收信号y_n,k和信噪比SINR_n,k为：

其中，Pt_n，Pt_m分别为基站n、m的发射功率；分母中，

为用户接收到的小区间干扰；σ²为噪声功率。

3.根据权利要求2所述的无线异构网络中基于能源代价的用户选择方法，其特征在于，所述步骤2的可再生能源包括太阳能和风能，可再生能源的产能周期为15分钟，将一天的时间划分为T＝96个时隙，时隙记为t∈Γ{1,2,...,T}，时隙宽度ω_t＝15min，

太阳能产能速率为：

风能产能速率为：

energy_wind(t)＝0.6 (5) 。

4.根据权利要求2所述的无线异构网络中基于能源代价的用户选择方法，其特征在于，所述步骤3中，电网采用分时电价策略，基站系统的能源代价C为：

其中，q_1t为与用电时间有关的动态电价；q₂为可再生能源的电价，q₂<0；将一天的时间划分为T＝96个时隙，记为t∈Γ{1,2,...,T}；P_BSn,t为基站n在时隙t的能量损耗；energy_re_n,t为基站n在时隙t产生的可再生能源供电量；energy_solar_n,t为基站n在时隙t时的太阳能产能速率；energy_wind_n,t为基站n在时隙t时的风能产能速率，

P_BS为基站的能量损耗，由固有损耗P_fix和发射功耗Pt两部分组成，

P_BS＝P_fix+ηPt (7)

其中，η为一固定常数，代表增加单位发射功率时基站能耗的增量；

对于位于微基站边缘的用户，逐一计算相应能源代价cost₁和cost₂，

cost_min＝min(cost₁,cost₂) (8)

其中，cost_min为能源代价的最小值；cost₁和cost₂分别为宏基站和微基站提供服务时对应的能源代价，

假设采用一个宏基站和两个微基站，宏基站记为基站1，微基站分别记为基站2和基站3，在满足最低信干噪比的情况下，选取能源代价较小的基站为边缘用户提供服务为：

其中，BS_server为选定的服务基站。

5.根据权利要求2所述的无线异构网络中基于能源代价的用户选择方法，其特征在于，所述步骤4还具体包括：基站系统总能耗损耗P为

公平性J为：

其中，J_k(t)为t时隙用户k的公平性，是用户k在当前时隙的传输速率R_k(t)与过去时间窗宽度t_c时间内该用户的传输速率T_k(t)的比值；将一天的时间划分为T＝96个时隙，记为t∈Γ{1,2,...,T}；P_BSn,t为基站n在时隙t的能量损耗。

6.根据权利要求2所述的无线异构网络中基于能源代价的用户选择方法，其特征在于，所述步骤5还具体包括基站保存每个用户的传输速率T_k(t)按照式(12)更新：

其中，t_c为1个时间窗的时间宽度；

间接法所得的指数型效用函数U₁(t,k)为：

其中，J_k(t)为t时隙用户k的公平性，P_k(t)为t时隙选择用户k对应的基站能量损耗，

基站选择服务用户的规则为

其中，对应取得t时隙效用函数U₁最小值的用户即为间接法在t时隙选定的用户k*(t)；

选取对应间接法所得的指数型效用函数较小的M个用户为服务用户，其中M为该基站的天线数，

U₁_order＝sort(U₁(t)) (15)

user_server1_m＝find(U₁(t,k)＝＝U₁_order(m)),m∈{1,2,...,M} (16)

其中，U₁_order是对仅考虑时隙变量t的效用函数U₁(t)排序后所得矢量；

user_server1_m是确定的第m个服务用户，方式是搜寻与U₁_order的第m个元素U₁_order(m)相等的U₁(t,k)，

直接法所得的指数型效用函数U₂(t,k)为：

式(17)中C_k(t)表示t时隙选择用户k对应的基站能量损耗，

小区选择服务用户的规则为

其中，对应取得t时隙效用函数U₂最小值的用户即为直接法在t时隙选定的用户k*(t)，

选取对应直接法所得的指数型效用函数较小的M个用户为服务用户，其中M为该基站的天线数，

U₂_order＝sort(U₂(t)) (19)

user_server2_m＝find(U₂(t,k)＝＝U₂_order(m)),m∈{1,2,...,M} (20)

其中，U₂_order是对仅考虑时隙变量t的效用函数U₂(t)排序后所得矢量；

user_server2_m是确定的第m个服务用户，方式是搜寻与U₂_order的第m个元素U₂_order(m)相等的U₂(t,k)。

Images