CN108882269A - 结合缓存技术的超密集网络小站开关方法 - Google Patents
结合缓存技术的超密集网络小站开关方法 Download PDFInfo
- Publication number
- CN108882269A CN108882269A CN201810491506.5A CN201810491506A CN108882269A CN 108882269 A CN108882269 A CN 108882269A CN 201810491506 A CN201810491506 A CN 201810491506A CN 108882269 A CN108882269 A CN 108882269A
- Authority
- CN
- China
- Prior art keywords
- station
- small station
- small
- macro
- state
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0278—Traffic management, e.g. flow control or congestion control using buffer status reports
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种结合缓存技术的超密集网络小站开关方法,所述方法包括以下步骤:步骤1:采集网络信息:运营商测量出区域面积内宏站和小站总数目,分别记为Nm和Ns,从而得到该区域内宏站和小站的分布密度λm和λs;步骤2:从S1(t)(S1(t)∈Ω)开始,遍历基站状态集合Ω中所有可能的基站状态,遍历次数为步骤3:根据公式(10)和(11)分别计算时刻t小站k的负载率ρk(t),平均负载效率步骤4:更新时刻t=t+1,更新队长;执行步骤2‑3。步骤5:当t=T+1退出迭代过程;步骤6:计算第n次遍历搜索时,在状态集合Sn下的成本函数;步骤7:更新基站状态集合Sn=Sn+1,执行步骤2‑6;步骤8:当遍历搜索结束;步骤9:对于所有的成本函数值根据公式计算n*;步骤10:根据得到的最优基站状态对所有小站执行开关决策。
Description
技术领域
本发明属于无线通信技术领域,具体涉及无线通信系统中一种结合缓存技术的超密集网络小站开关方法。
背景技术
5G(the fifth generation)网络中移动通信量爆发式增长,给移动网络运营商带来极大的挑战,为了满足未来移动数据需求,极大提升系统容量和用户体验质量,在传统大功率宏站的覆盖区域尤其是高业务量热点区域内部署超密集低功率小站可以获得巨大的吞吐量增益。但是,超密集异构网络中不断增加的基站数目,必然会消耗更多的功率能量,在无线网络能耗组成中,基站能耗所占比例最大,占总能耗的80%,因此如何降低无线网络基站能耗成为降低无线网能耗的关键所在,尤其是在超密集网络场景中,一种有效的节能技术是根据用户的业务执行基站开关策略来降低系统能耗,然而,基站开关策略使得系统能耗减少的同时也会影响用户的时延特性,为了保证用户的服务质量,同时降低系统的能耗,要按照精心设计的开关策略来选择要关闭的基站,此外,在无线网络中引入主动预测并进行内容提前部署的缓存技术,可以大大提高应对流量激增所带来的网络压力,提升资源利用率,减少用户时延,提升用户体验。
现有的基站开关技术基于用户业务感知或是信道状态来选择要关闭的基站,而没有将业务状态和信道信息结合起来,而且以减少能耗或时延为目的,没有考虑时延和能耗的权衡问题,导致现有的开关策略难以适用于实际的超密集异构网络。因此,迫切的需要一种新的方案解决该技术问题。
发明内容
本发明提出了一种结合缓存技术的超密集网络小站开关方法,将系统能耗和时延权衡问题描述为最小化系统成本函数问题,在用户业务和信道状态动态变化的情况下,制定了动态的基站开关策略。
本发明考虑超密集异构网络,小站有缓存和开关策略,用户有专用用户和非专用用户两种类型。专用用户只能由小站来服务,而非专用用户可以由宏站服务,也可由小站来服务。因为小站可以为用户提供高质量的传输服务,而且由于小站有缓存,也可以大大减少用户的时延,所以非专用用户都希望能够由小站来为其服务。但是为了减少系统能耗,需要根据动态业务状态让部分小站处于关闭状态,所以非专用用户是否能够由小站来服务,取决于小站的状态和缓存策略。
两种用户的业务模型均满足泊松到达过程,首先根据M/G/1排队模型分析专用用户和非专用用户排队的平均队长和平均传输速率。而用户的时延大小取决于排队系统的队长和传输速率,要保证用户的时延性能,必须保证各队列是稳态队列,即稳态条件下,队长是有限队长。现有的基站开关技术基于用户业务感知或是信道状态来选择要关闭的基站。而系统中用户时延不仅与业务量有关,也与信道状态有关。业务量越大用户排队等待的时间越长,同时,用户与基站之间的信道状态越好,用户传输时延越小。
本方法同时考虑用户业务和信道状态,通过Lyapunov稳定理论,将能耗和时延权衡问题描述为最小成本函数问题。其次,遍历所有可能的基站状态,根据最优基站状态,执行开关方案,使得用户服务质量得以保证的条件下最小化系统能耗。
为了达到上述目的,本发明提供如下技术方案:
一种结合缓存技术的超密集网络小站开关方法,包括如下步骤:
步骤1:采集网络信息:运营商测量出区域面积内宏站和小站总数目,分别记为Nm和Ns,从而得到该区域内宏站和小站的分布密度λm和λs。专用用户和非专用用户业务到达均满足独立泊松过程,运营商统计一段时间(可根据情况设定时间长短)内用户业务到达情况得出专用用户和非专用用户业务到达率λD,λU。假设专用用户和非专用用户数据文件的平均比特大小均分别为LD和LU。通过运营商得到部署在该区域内小站带宽Ws、宏站带宽Wm、宏站传输功率Pmt、小站传输功率Pst。运营商记录每个小站关闭状态的平均能耗PS,宏站和小站静态链路的能耗Pm0和Ps0,宏站回程链路的能耗Pmb。宏站和小站的负载相关的能耗因子Δpm和Δps、权重因子V、时间间隔t、时长T取值由运营商根据网络运行情况自行确定。所有宏站全部处于激活状态。
每个小站都有各自的专用用户,专用用户的数据请求文件都存储在各自的小站内。非专用用户的所有的数据请求文件集合为Cf={f1,f2,…,fC}。数据中心包含非专用用户所有的数据请求文件,宏站可以通过回程链路获取非专用用户所需的数据内容。小站有缓存空间,可以为非专用用户缓存部分文件内容。采用最受欢迎内容缓存策略,即根据用户的喜爱和流行程度,将前CN个最受欢迎的文件内容缓存在小站。第i个最受欢迎的数据内容记为fi,C表示数据库Cf的大小。假设数据内容的流行度服从Zipf分布,即第i个最受欢迎的数据内容fi的请求概率为
这里σ是Zipf定律的形态参数,反应流行分布。
运营商根据小站的缓存容量大小,确定每个小站可以缓存的非专用用户数据文件个数,但是要消耗一定的缓存能量,小站的缓存能效为ωcs(joules/bit)。
假设小站k可以为非专用用户缓存的数据文件个数是Ck,一个非专用用户的请求数据内容包含在小站缓存容量内的概率定义为pk,则有
小站的状态集合记为其中sk∈{0,1},sk=1表示小站k处于激活状态,sk=0表示小站k处于关闭状态。表示所有可能的小站状态集,其中 表示最优基站状态。
在基站状态Sn下,当前时刻t小站k专用用户服务的队长为Qk(t),平均队长(1≤k≤Ns)由下式得到,
当前时刻t宏站j为非专用用户服务的队长Gj(t),平均队长由下式得到,
在时间间隔(t-1,t]内请求小站k服务的专用用户和接受服务的非专用用户数目为Ak(t),(1≤k≤Ns),其平均值(1≤k≤Ns)由下式得到,
在时间间隔(t-1,t]内请求宏站j服务的非专用用户数目Mj(t),(1≤j≤Nm),平均请求服务的非专用用户数(1≤j≤Nm)由下式得到,
t时刻小站k的传输速率Rk(t),平均传输速率(1≤k≤Ns)由下式得到,
t时刻宏站j的传输速率rj(t),平均传输速率(1≤j≤Nm)由下式得到
t时刻在基站状态Sn下系统能耗平均能耗由下式得到
t时刻在基站状态Sn下小站k系统效率,即负载率为
小站k平均负载率为
这里表示t时刻小站k为非专用用户服务的概率,由下式得到
t时刻在基站状态Sn下宏站j的负载率为,
宏站j平均负载率为
且有Qk(0)=0,Gj(0)=0,Ak(0)=0,Mj(0)=0,Rk(0)=0, rj(0)=0,ρk(0)=0,ξj(0)=0,这里1≤k≤Ns,1≤j≤Nm。
步骤2:从S1(t)(S1(t)∈Ω)开始,遍历基站状态集合Ω中所有可能的基站状态,遍历次数为第n次遍历搜索中,统计在该基站状态Sn下,当前时刻t小站k为专用用户服务的队长Qk(t),根据公式(3)计算平均队长统计宏站j为非专用用户服务的队长Gj(t),根据公式(4)计算平均队长计算在时间间隔(t-1,t]内请求小站k服务的专用用户数目和接受服务的非专用用户数Ak(t),(1≤k≤Ns),请求宏站j服务的非专用用户数目Mj(t),(1≤j≤Nm),根据公式(5)和(6)分别计算小站平均请求服务的专用用户和接受服务的非专用用户数宏站平均请求服务的非专用用户数
根据信道状态信息,由香农公式,计算当前时刻t小站k的传输速率Rk(t),宏站j的传输速率rj(t)。根据公式(7)和(8)分别计算小站平均传输速率和宏站平均传输速率
步骤3:根据公式(10)和(11)分别计算时刻t小站k的负载率ρk(t),平均负载效率由公式(13)和(14)分别计算时刻t宏站j的负载率ξj(t),平均负载率
根据公式(12)计算接入小站的非专用用户的概率pS。
计算t时刻在基站状态Sn下系统能耗
Pm0是宏站静态链路的能耗,宏站回程链路的能耗是Pmb,Δpm表示负载相关的能耗因子,Pmt为宏站传输功率。
snk表示在基站状态集Sn下小站k的开关状态,PS是小站处于关闭状态的能耗,Ps0是小站激活状态静态链路的能耗,Δps表示负载相关的能耗因子,Pst为小站传输功率。CN是小站缓存非专用用户数据文件大小,小站的缓存能效为ωcs。
步骤4:更新时刻t=t+1,更新队长
Qk(t+1)=max{Qk(t)-Rk(t),0}+Ak(t)(18);
Gj(t+1)=max{Gj(t)-rj(t),0}+Mj(t)(19);执行步骤2-3。
步骤5:当t=T+1退出迭代过程。
步骤6:计算第n次遍历搜索时,在状态集合Sn下的成本函数
这里,V是权重因子,其取值由运营商自行确定。
(21);
步骤7:更新基站状态集合Sn=Sn+1,执行步骤2-6。
步骤8:当遍历搜索结束。
步骤9:对于所有的成本函数值根据以下公式
计算n*,得到最优基站状态
步骤10:根据得到的最优基站状态对所有小站执行开关决策。对于任意的小站k,1≤k≤Ns,如果则小站k保持激活状态;反之,若则关闭小站k。
相对于现有技术,本发明的优点如下:1)该技术方案通过采集数据业务量和信道状态信息,结合基站缓存策略,执行基站开关策略,能很好地适用于实际系统,且能带来比传统方法更好的性能增益,在保证用户时延特性的条件下显著降低系统能耗;2)该方法从能耗和时延权衡的角度出发,将能耗和时延权衡问题对应到最小化系统成本函数问题;3)该技术方案的运营商可以根据节能和用户服务质量的相对重要性,选择权衡因子,从而确定基站开关状态;本发明,针对超密集异构网络提出的基站开关方法,与已有业务感知和信道感知基站开关方案相比,能充分利用小站业务变化和信道信息,选择要关闭的基站集合,灵活控制系统节能和用户服务质量之间的权衡问题,在保证用户时延迟的条件下,可显著降低系统能耗。
附图说明
图1为本发明提供的结合缓存技术的超密集网络小站开关方法流程图。
具体实施方式
为了加深对本发明的认识和理解,下面结合附图进一步介绍该发明。
实施例1:本发明提供的结合缓存技术的超密集网络小站开关方法,如图1所示,包括如下步骤:
步骤1:采集网络信息:运营商测量出区域面积内宏站和小站总数目,分别记为Nm和Ns,从而得到该区域内宏站和小站的分布密度λm和λs。专用用户和非专用用户业务到达均满足独立泊松过程,运营商统计一段时间(可根据情况设定时间长短)内用户业务到达情况得出专用用户和非专用用户业务到达率λD,λU。假设专用用户和非专用用户数据文件的平均比特大小均分别为LD和LU。通过运营商得到部署在该区域内小站带宽Ws、宏站带宽Wm、宏站传输功率Pmt、小站传输功率Pst。运营商记录每个小站关闭状态的平均能耗PS,宏站和小站静态链路的能耗Pm0和Ps0,宏站回程链路的能耗Pmb。宏站和小站的负载相关的能耗因子Δpm和Δps、权重因子V、时间间隔t、时长T取值由运营商根据网络运行情况自行确定。所有宏站全部处于激活状态。
每个小站都有各自的专用用户,专用用户的数据请求文件都存储在各自的小站内。非专用用户的所有的数据请求文件集合为Cf={f1,f2,…,fC}。数据中心包含非专用用户所有的数据请求文件,宏站可以通过回程链路获取非专用用户所需的数据内容。小站有缓存空间,可以为非专用用户缓存部分文件内容。采用最受欢迎内容缓存策略,即根据用户的喜爱和流行程度,将前CN个最受欢迎的文件内容缓存在小站。第i个最受欢迎的数据内容记为fi,C表示数据库Cf的大小。假设数据内容的流行度服从Zipf分布,即第i个最受欢迎的数据内容fi的请求概率为
这里σ是Zipf定律的形态参数,反应流行分布。
运营商根据小站的缓存容量大小,确定每个小站可以缓存的非专用用户数据文件个数,但是要消耗一定的缓存能量,小站的缓存能效为ωcs(joules/bit)。
假设小站k可以为非专用用户缓存的数据文件个数是Ck,一个非专用用户的请求数据内容包含在小站缓存容量内的概率定义为pk,则有
小站的状态集合记为其中sk∈{0,1},sk=1表示小站k处于激活状态,sk=0表示小站k处于关闭状态。表示所有可能的小站状态集,其中 表示最优基站状态。
在基站状态Sn下,当前时刻t小站k专用用户服务的队长为Qk(t),平均队长由下式得到,
当前时刻t宏站j为非专用用户服务的队长Gj(t),平均队长(1≤j≤Nm)由下式得到,
在时间间隔(t-1,t]内请求小站k服务的专用用户和接受服务的非专用用户数目为Ak(t),(1≤k≤Ns),其平均值(1≤k≤Ns)由下式得到,
在时间间隔(t-1,t]内请求宏站j服务的非专用用户数目Mj(t),(1≤j≤Nm),平均请求服务的非专用用户数(t),(1≤j≤Nm)由下式得到,
t时刻小站k的传输速率Rk(t),平均传输速率(1≤k≤Ns)由下式得到,
t时刻宏站j的传输速率rj(t),平均传输速率(1≤j≤Nm)由下式得到
t时刻在基站状态Sn下系统能耗平均能耗由下式得到
t时刻在基站状态Sn下小站k系统效率,即负载率为
小站k平均负载率为
这里表示t时刻小站k为非专用用户服务的概率,由下式得到
t时刻在基站状态Sn下宏站j的负载率为,
宏站j平均负载率为
且有Qk(0)=0,Gj(0)=0,Ak(0)=0,Mj(0)=0,Rk(0)=0, rj(0)=0, ρk(0)=0ξj(0)=0,这里1≤k≤Ns,1≤j≤Nm。
步骤2:从S1(t)(S1(t)∈Ω)开始,遍历基站状态集合Ω中所有可能的基站状态,遍历次数为第n次遍历搜索中,统计在该基站状态Sn下,当前时刻t小站k为专用用户服务的队长Qk(t),根据公式(3)计算平均队长统计宏站j为非专用用户服务的队长Gj(t),根据公式(4)计算平均队长计算在时间间隔(t-1,t]内请求小站k服务的专用用户数目和接受服务的非专用用户数Ak(t),(1≤k≤Ns),请求宏站j服务的非专用用户数目Mj(t),(1≤j≤Nm),根据公式(5)和(6)分别计算小站平均请求服务的专用用户和接受服务的非专用用户数宏站平均请求服务的非专用用户数
根据信道状态信息,由香农公式,计算当前时刻t小站k的传输速率Rk(t),宏站j的传输速率rj(t)。根据公式(7)和(8)分别计算小站平均传输速率和宏站平均传输速率
步骤3:根据公式(10)和(11)分别计算时刻t小站k的负载率ρk(t),平均负载效率由公式(13)和(14)分别计算时刻t宏站j的负载率ξj(t),平均负载率
根据公式(12)计算接入小站的非专用用户的概率pS。
计算t时刻在基站状态Sn下系统能耗
Pm0是宏站静态链路的能耗,宏站回程链路的能耗是Pmb,Δpm表示负载相关的能耗因子,Pmt为宏站传输功率。
snk表示在基站状态集Sn下小站k的开关状态,PS是小站处于关闭状态的能耗,Ps0是小站激活状态静态链路的能耗,Δps表示负载相关的能耗因子,Pst为小站传输功率。CN是小站缓存非专用用户数据文件大小,小站的缓存能效为ωcs。
步骤4:更新时刻t=t+1,更新队长
Qk(t+1)=max{Qk(t)-Rk(t),0}+Ak(t)(18);
Gj(t+1)=max{Gj(t)-rj(t),0}+Mj(t)(19)
执行步骤2-3。
步骤5:当t=T+1退出迭代过程。
步骤6:计算第n次遍历搜索时,在状态集合Sn下的成本函数
这里,V是权重因子,其取值由运营商自行确定。
(21);
步骤7:更新基站状态集合Sn=Sn+1,执行步骤2-6。
步骤8:当遍历搜索结束。
步骤9:对于所有的成本函数值根据以下公式
计算n*,得到最优基站状态
步骤10:根据得到的最优基站状态对所有小站执行开关决策。对于任意的小站k,1≤k≤Ns,如果则小站k保持激活状态;反之,若则关闭小站k。
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 (7)
1.一种结合缓存技术的超密集网络小站开关方法,其特征在于,所述方法包括以下步骤:
步骤1:采集网络信息:运营商测量出区域面积内宏站和小站总数目,分别记为Nm和Ns,从而得到该区域内宏站和小站的分布密度λm和λs;
步骤2:从S1(t)(S1(t)∈Ω)开始,遍历基站状态集合Ω中所有可能的基站状态,遍历次数为
步骤3:根据公式(10)和(11)分别计算时刻t小站k的负载率ρk(t),平均负载效率
步骤4:更新时刻t=t+1,更新队长;
执行步骤2-3。
步骤5:当t=T+1退出迭代过程;
步骤6:计算第n次遍历搜索时,在状态集合Sn下的成本函数;
步骤7:更新基站状态集合Sn=Sn+1,执行步骤2-6;
步骤8:当遍历搜索结束;
步骤9:对于所有的成本函数值根据公式计算n*;
步骤10:根据得到的最优基站状态对所有小站执行开关决策。
2.根据权利要求1所述的结合缓存技术的超密集网络小站开关方法,其特征在于,所述步骤1具体如下:采集网络信息:运营商测量出区域面积内宏站和小站总数目,分别记为Nm和Ns,从而得到该区域内宏站和小站的分布密度λm和λs,专用用户和非专用用户业务到达均满足独立泊松过程,运营商统计一段时间内用户业务到达情况得出专用用户和非专用用户业务到达率λD,λU;假设专用用户和非专用用户数据文件的平均比特大小均分别为LD和LU;通过运营商得到部署在该区域内小站带宽Ws、宏站带宽Wm、宏站传输功率Pmt、小站传输功率Pst;运营商记录每个小站关闭状态的平均能耗PS,宏站和小站静态链路的能耗Pm0和Ps0,宏站回程链路的能耗Pmb;宏站和小站的负载相关的能耗因子Δpm和Δps、权重因子V、时间间隔t、时长T取值由运营商根据网络运行情况自行确定;所有宏站全部处于激活状态;
每个小站都有各自的专用用户,专用用户的数据请求文件都存储在各自的小站内,非专用用户的所有的数据请求文件集合为Cf={f1,f2,…,fC},数据中心包含非专用用户所有的数据请求文件,宏站可以通过回程链路获取非专用用户所需的数据内容,小站有缓存空间,可以为非专用用户缓存部分文件内容,采用最受欢迎内容缓存策略,即根据用户的喜爱和流行程度,将前CN个最受欢迎的文件内容缓存在小站;第i个最受欢迎的数据内容记为fi,C表示数据库Cf的大小;假设数据内容的流行度服从Zipf分布,即第i个最受欢迎的数据内容fi的请求概率为
这里σ是Zipf定律的形态参数,反应流行分布;
运营商根据小站的缓存容量大小,确定每个小站可以缓存的非专用用户数据文件个数,但是要消耗一定的缓存能量,小站的缓存能效为ωcs(joules/bit);
假设小站k可以为非专用用户缓存的数据文件个数是Ck,一个非专用用户的请求数据内容包含在小站缓存容量内的概率定义为pk,则有
小站的状态集合记为其中sk∈{0,1},sk=1表示小站k处于激活状态,sk=0表示小站k处于关闭状态。表示所有可能的小站状态集,其中表示最优基站状态;
在基站状态Sn下,当前时刻t小站k专用用户服务的队长为Qk(t),平均队长由下式得到,
当前时刻t宏站j为非专用用户服务的队长Gj(t),平均队长由下式得到,
在时间间隔(t-1,t]内请求小站k服务的专用用户和接受服务的非专用用户数目为Ak(t),(1≤k≤Ns),其平均值由下式得到,
在时间间隔(t-1,t]内请求宏站j服务的非专用用户数目Mj(t),(1≤j≤Nm),平均请求服务的非专用用户数由下式得到,
t时刻小站k的传输速率Rk(t),平均传输速率由下式得到,
t时刻宏站j的传输速率rj(t),平均传输速率由下式得到
t时刻在基站状态Sn下系统能耗平均能耗由下式得到
t时刻在基站状态Sn下小站k系统效率,即负载率为
小站k平均负载率为
这里表示t时刻小站k为非专用用户服务的概率,由下式得到
t时刻在基站状态Sn下宏站j的负载率为,
宏站j平均负载率为
且有Qk(0)=0,Gj(0)=0,Ak(0)=0,Mj(0)=0,Rk(0)=0, rj(0)=0,ρk(0)=0,ξj(0)=0,这里1≤k≤Ns,1≤j≤Nm。
3.根据权利要求1所述的结合缓存技术的超密集网络小站开关方法,其特征在于,所述步骤2:从S1(t)(S1(t)∈Ω)开始,遍历基站状态集合Ω中所有可能的基站状态,遍历次数为第n次遍历搜索中,统计在该基站状态Sn下,当前时刻t小站k为专用用户服务的队长Qk(t),根据公式(3)计算平均队长统计宏站j为非专用用户服务的队长Gj(t),根据公式(4)计算平均队长计算在时间间隔(t-1,t]内请求小站k服务的专用用户数目和接受服务的非专用用户数Ak(t),(1≤k≤Ns),请求宏站j服务的非专用用户数目Mj(t),(1≤j≤Nm),根据公式(5)和(6)分别计算小站平均请求服务的专用用户和接受服务的非专用用户数宏站平均请求服务的非专用用户数
根据信道状态信息,由香农公式,计算当前时刻t小站k的传输速率Rk(t),宏站j的传输速率rj(t);根据公式(7)和(8)分别计算小站平均传输速率和宏站平均传输速率
4.根据权利要求3所述的结合缓存技术的超密集网络小站开关方法,其特征在于,所述步骤4:更新时刻t=t+1,更新队长
Qk(t+1)=max{Qk(t)-Rk(t),0}+Ak(t)(18);
Gj(t+1)=max{Gj(t)-rj(t),0}+Mj(t)(19);执行步骤2-3。
5.根据权利要求4所述的结合缓存技术的超密集网络小站开关方法,其特征在于,所述步骤6:计算第n次遍历搜索时,在状态集合Sn下的成本函数
这里,V是权重因子,其取值由运营商自行确定。
6.根据权利要求5所述的结合缓存技术的超密集网络小站开关方法,其特征在于,所述步骤9:对于所有的成本函数值根据以下公式
计算n*,得到最优基站状态
7.根据权利要求6所述的结合缓存技术的超密集网络小站开关方法,其特征在于,所述步骤10:根据得到的最优基站状态对所有小站执行开关决策。对于任意的小站k,1≤k≤Ns,如果则小站k保持激活状态;反之,若则关闭小站k。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810491506.5A CN108882269B (zh) | 2018-05-21 | 2018-05-21 | 结合缓存技术的超密集网络小站开关方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810491506.5A CN108882269B (zh) | 2018-05-21 | 2018-05-21 | 结合缓存技术的超密集网络小站开关方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108882269A true CN108882269A (zh) | 2018-11-23 |
CN108882269B CN108882269B (zh) | 2021-07-30 |
Family
ID=64333082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810491506.5A Active CN108882269B (zh) | 2018-05-21 | 2018-05-21 | 结合缓存技术的超密集网络小站开关方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108882269B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109587776A (zh) * | 2018-12-07 | 2019-04-05 | 东南大学 | D2d辅助的超密集网络中基站休眠和协作缓存的联合优化方法 |
CN109617991A (zh) * | 2018-12-29 | 2019-04-12 | 东南大学 | 基于值函数近似的超密集异构网络小站编码协作缓存方法 |
CN111432436A (zh) * | 2020-03-25 | 2020-07-17 | 哈尔滨工程大学 | 基于服务缓存和基站激活的联合优化方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101237278A (zh) * | 2007-01-30 | 2008-08-06 | 西门子通信技术(北京)有限公司 | 移动通信中传输数据的方法、系统、中继站及基站 |
US20100112980A1 (en) * | 2008-10-31 | 2010-05-06 | Qualcomm Incorporated | Support for multiple access modes for home base stations |
CN101765056A (zh) * | 2008-12-23 | 2010-06-30 | 中兴通讯股份有限公司 | 邻区信息发送方法、信息发送方法 |
CN102098680A (zh) * | 2011-03-16 | 2011-06-15 | 北京邮电大学 | 动态频谱管理方法及系统 |
US20110216683A1 (en) * | 2010-03-08 | 2011-09-08 | Samsung Electronics Co., Ltd. | Apparatus and method for reducing interference and saving energy in femto/pico cell of hierarchical cell structure |
EP2367380A1 (en) * | 2010-03-17 | 2011-09-21 | LG-Ericsson Co., Ltd. | Handover from serving base station to target base station |
US20120242501A1 (en) * | 2006-05-12 | 2012-09-27 | Bao Tran | Health monitoring appliance |
CN103079211A (zh) * | 2012-12-31 | 2013-05-01 | 东南大学 | 一种基于载波聚合的异构网干扰协调方法 |
US20140169275A1 (en) * | 2011-07-13 | 2014-06-19 | Ntt Docomo, Inc. | Method for coordinating inter-cell interference in heterogeneous network and heterogeneous network |
CN103906211A (zh) * | 2014-04-16 | 2014-07-02 | 东南大学 | 基于优选关闭基站的网络节能方法 |
CN104125560A (zh) * | 2014-08-07 | 2014-10-29 | 宇龙计算机通信科技(深圳)有限公司 | 基于多终端协同通信的方法及系统、终端和通信基站 |
CN104144478A (zh) * | 2013-05-09 | 2014-11-12 | 华为技术有限公司 | 基站非连续发送节能控制方法、小站、宏站及异构网络 |
CN105101267A (zh) * | 2015-07-28 | 2015-11-25 | 北京拓明科技有限公司 | 一种lte网络的邻区关系的自动优化方法 |
-
2018
- 2018-05-21 CN CN201810491506.5A patent/CN108882269B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120242501A1 (en) * | 2006-05-12 | 2012-09-27 | Bao Tran | Health monitoring appliance |
CN101237278A (zh) * | 2007-01-30 | 2008-08-06 | 西门子通信技术(北京)有限公司 | 移动通信中传输数据的方法、系统、中继站及基站 |
US20100112980A1 (en) * | 2008-10-31 | 2010-05-06 | Qualcomm Incorporated | Support for multiple access modes for home base stations |
CN101765056A (zh) * | 2008-12-23 | 2010-06-30 | 中兴通讯股份有限公司 | 邻区信息发送方法、信息发送方法 |
US20110216683A1 (en) * | 2010-03-08 | 2011-09-08 | Samsung Electronics Co., Ltd. | Apparatus and method for reducing interference and saving energy in femto/pico cell of hierarchical cell structure |
EP2367380A1 (en) * | 2010-03-17 | 2011-09-21 | LG-Ericsson Co., Ltd. | Handover from serving base station to target base station |
CN102098680A (zh) * | 2011-03-16 | 2011-06-15 | 北京邮电大学 | 动态频谱管理方法及系统 |
US20140169275A1 (en) * | 2011-07-13 | 2014-06-19 | Ntt Docomo, Inc. | Method for coordinating inter-cell interference in heterogeneous network and heterogeneous network |
CN103079211A (zh) * | 2012-12-31 | 2013-05-01 | 东南大学 | 一种基于载波聚合的异构网干扰协调方法 |
CN104144478A (zh) * | 2013-05-09 | 2014-11-12 | 华为技术有限公司 | 基站非连续发送节能控制方法、小站、宏站及异构网络 |
CN103906211A (zh) * | 2014-04-16 | 2014-07-02 | 东南大学 | 基于优选关闭基站的网络节能方法 |
CN104125560A (zh) * | 2014-08-07 | 2014-10-29 | 宇龙计算机通信科技(深圳)有限公司 | 基于多终端协同通信的方法及系统、终端和通信基站 |
CN105101267A (zh) * | 2015-07-28 | 2015-11-25 | 北京拓明科技有限公司 | 一种lte网络的邻区关系的自动优化方法 |
Non-Patent Citations (3)
Title |
---|
LI PEI, JIANG HUILIN, PAN ZHIWEN, YOU XIAOHU: "Energy-Delay Tradeoff in", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
李欣; 王浩; 孟超; 刘楠; 尤肖虎: "中继网络中基于能量效率的动态用户接入算法", 《东南大学学报(自然科学版)》 * |
潘志文; 尤肖虎: "自组织无线网络中的移动负载均衡技术", 《中兴通讯技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109587776A (zh) * | 2018-12-07 | 2019-04-05 | 东南大学 | D2d辅助的超密集网络中基站休眠和协作缓存的联合优化方法 |
CN109587776B (zh) * | 2018-12-07 | 2021-03-30 | 东南大学 | D2d辅助的超密集网络中基站休眠和协作缓存的联合优化方法 |
CN109617991A (zh) * | 2018-12-29 | 2019-04-12 | 东南大学 | 基于值函数近似的超密集异构网络小站编码协作缓存方法 |
CN109617991B (zh) * | 2018-12-29 | 2021-03-30 | 东南大学 | 基于值函数近似的超密集异构网络小站编码协作缓存方法 |
CN111432436A (zh) * | 2020-03-25 | 2020-07-17 | 哈尔滨工程大学 | 基于服务缓存和基站激活的联合优化方法 |
CN111432436B (zh) * | 2020-03-25 | 2022-08-02 | 哈尔滨工程大学 | 基于服务缓存和基站激活的联合优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108882269B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Economically optimal MS association for multimedia content delivery in cache-enabled heterogeneous cloud radio access networks | |
CN108834080B (zh) | 异构网络中基于多播技术的分布式缓存和用户关联方法 | |
CN109905918B (zh) | 一种基于能效的noma蜂窝车联网动态资源调度方法 | |
Tamoor-ul-Hassan et al. | Caching in wireless small cell networks: A storage-bandwidth tradeoff | |
Liu et al. | Mobility-aware coded probabilistic caching scheme for MEC-enabled small cell networks | |
CN108093435B (zh) | 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法 | |
CN112218337B (zh) | 一种移动边缘计算中的缓存策略决策方法 | |
CN106331083B (zh) | 一种考虑内容分发能耗的异构网络选择方法 | |
Li et al. | Deep reinforcement learning for cooperative edge caching in future mobile networks | |
CN107968835A (zh) | 一种基于编码的无线异构网络视频缓存设施部署方法 | |
CN108882269A (zh) | 结合缓存技术的超密集网络小站开关方法 | |
Lin et al. | Caching in heterogeneous ultradense 5G networks: A comprehensive cooperation approach | |
CN109194763A (zh) | 一种超密集网络中基于小型基站自组织协作的缓存方法 | |
CN109587776A (zh) | D2d辅助的超密集网络中基站休眠和协作缓存的联合优化方法 | |
He et al. | Cache-enabled coordinated mobile edge network: Opportunities and challenges | |
CN108600998A (zh) | 超密度蜂窝与d2d异构融合网络缓存优化决策方法 | |
CN108541025A (zh) | 一种面向无线异构网络的基站与d2d共同缓存方法 | |
CN114615730B (zh) | 回程受限密集无线网络面向内容覆盖的功率分配方法 | |
Zhong et al. | Joint optimal multicast scheduling and caching for improved performance and energy saving in wireless heterogeneous networks | |
CN108521640A (zh) | 一种蜂窝网络中的内容分发方法 | |
CN113993168B (zh) | 一种雾无线接入网中基于多智能体强化学习的协作缓存方法 | |
Li et al. | Edge caching for D2D enabled hierarchical wireless networks with deep reinforcement learning | |
CN111479312B (zh) | 异构蜂窝网络内容缓存和基站休眠联合优化方法 | |
CN107733998A (zh) | 蜂窝异构分层网络的缓存内容放置及提供方法 | |
Cai et al. | Game theory-based device-to-device network access algorithm for heterogeneous networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |