CN109286425A - 联合优化能量效率和负载均衡的多点协作动态分簇方法及系统 - Google Patents

联合优化能量效率和负载均衡的多点协作动态分簇方法及系统 Download PDF

Info

Publication number
CN109286425A
CN109286425A CN201811288741.9A CN201811288741A CN109286425A CN 109286425 A CN109286425 A CN 109286425A CN 201811288741 A CN201811288741 A CN 201811288741A CN 109286425 A CN109286425 A CN 109286425A
Authority
CN
China
Prior art keywords
base station
cluster
energy efficiency
multipoint cooperative
dynamic clustering
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.)
Pending
Application number
CN201811288741.9A
Other languages
English (en)
Inventor
唐亮
陆犇
景振海
田怡春
马骋娉
田纯阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
JUSHRI TECHNOLOGIES Inc
Shanghai Institute of Microsystem and Information Technology of CAS
Original Assignee
JUSHRI TECHNOLOGIES Inc
Shanghai Institute of Microsystem and Information Technology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by JUSHRI TECHNOLOGIES Inc, Shanghai Institute of Microsystem and Information Technology of CAS filed Critical JUSHRI TECHNOLOGIES Inc
Publication of CN109286425A publication Critical patent/CN109286425A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/022—Site diversity; Macro-diversity
    • H04B7/024—Co-operative use of antennas of several sites, e.g. in co-ordinated multipoint or co-operative multiple-input multiple-output [MIMO] systems
    • 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
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种联合优化能量效率和负载均衡的多点协作动态分簇方法，其首先构建能量效率与负载均衡联合优化模型，然后用符合该联合优化模型的解的分簇方法进行多点协作动态分簇。负载均衡优化使得不满意用户数最小，能量效率优化提升能量效率，由于本发明所述分簇方法采用能量效率与负载均衡联合优化，使得在降低用户不满意度的同时较好地兼顾能量效率，更加符合实际系统的要求，可有效提高通信系统的网络性能和用户公平性。因此，该方法能在降低用户不满意度的同时较好地兼顾能量效率，并且充分利用通信资源。此外，本发明还公开了相应的联合优化能量效率和负载均衡的多点协作动态分簇系统。

Description

联合优化能量效率和负载均衡的多点协作动态分簇方法及 系统
技术领域
本发明涉及通信领域组网技术中的动态分簇方法及系统，尤其涉及一种多点协作动态分簇方法及系统。
背景技术
随着移动通信的迅速发展和普及，移动设备的数量呈现爆发式的增长，移动蜂窝网络普遍采用小区分裂架构实现高频谱效率的目标。随着小小区部署密度的提升，以及4G同频组网技术的应用，密集小区间的同频干扰问题日益凸显，较大地影响了小区边缘用户性能。多点协作技术(Coordinated Multi-points，CoMP)是缓解小区间干扰、提高吞吐量和小区边缘性能的关键技术。针对全局多小区协作带来的巨大反馈开销、回程链路开销以及对同步的要求，在实际场景中，通常将基站划分为较小的集合，即协作簇，然后采用集合内基站协作传输的方式，可以有效提升小区间协作效率。
主流的分簇策略可以分为三种：静态分簇，半动态分簇和动态分簇。在静态分簇的情况下，系统一开始默认设置若干基站为协作簇，一旦协作簇内成员基站确定，便不会随着时间和用户分布的改变而改变。这种分簇方案不需要额外的分簇开销，并且方法十分简单，但是却有失灵活性，对系统性能的增益并不明显。在半动态分簇方式中，系统首先预定义候选簇，然后根据测量到的用户无线信号和信道状态，选择候选簇中最优的分簇组合。这种分簇策略比静态分簇的适应能力强。动态分簇策略实际上是一种用户终端选择基站分簇的自适应策略。随着用户分布的变化或者信道状态的变化，用户会动态地选择分簇。这种分簇方案虽然复杂度比静态分簇高，但是对系统的增益却是有明显提升。为了使CoMP收益最大化，分簇方法需要能够根据当前变化动态选择协作簇。
然而，未来密集组网场景下，由于大量的基站部署在移动通信网络中，引起了严重的能量消耗问题，因此提高基站的能量效率有助于提升整个移动通信网络的性能。基站休眠技术被认为是解决上述问题的最有效方法之一。
同时，在移动通信中，业务量的分布是不均匀的并且随着时间动态变化。在高业务量的区域，用户的服务质量无法得到保证，而低业务量区域的通信资源被浪费。因此，在现有的无线蜂窝网络的设计中，如何实现负载均衡是必须要考虑的一个方面。
传统的动态分簇方法，例如DC-EE(Dynamic Clustering Optimization Strategyon Energy Efficiency，基于能量效率的动态分类优化策略)，往往只考虑基站休眠设计提高能量效率，没有考虑到通信系统负载均衡的需求，这会导致用户不满意率较高，以及闲置资源的浪费。
发明内容
本发明的目的之一是提供一种联合优化能量效率和负载均衡的多点协作动态分簇方法，该方法能在降低用户不满意度的同时较好地兼顾能量效率，并且充分利用通信资源。
根据上述发明目的，本发明提出了一种联合优化能量效率和负载均衡的多点协作动态分簇方法，其构建能量效率与负载均衡联合优化模型，用符合该联合优化模型的解的分簇方法进行多点协作动态分簇。
本发明提出的联合优化能量效率和负载均衡的多点协作动态分簇方法，可称为DC-EEUF(Dynamic Clustering Optimization Strategy on Energy Efficiency andUser Fairness)，其构建能量效率与负载均衡联合优化的模型，并用符合该联合优化模型的解的分簇方法进行多点协作动态分簇。负载均衡优化使得不满意用户数最小，能量效率优化提升能量效率，由于本发明所述分簇方法采用两者联合优化，使得在降低用户不满意度的同时较好地兼顾能量效率，更加符合实际系统的要求，可有效提高通信系统的网络性能和用户公平性。因此，该方法能在降低用户不满意度的同时较好地兼顾能量效率，并且充分利用通信资源。
进一步地，本发明所述的多点协作动态分簇方法中，基于基站休眠进行动态分簇以提高能量效率。
上述方案中，在每个簇内采用低负载小区休眠策略提高能量效率。
更进一步地，本发明所述的多点协作动态分簇方法包括以下步骤：
S100：指定簇大小Nc的值；
S200：对于集合α中所有基站，将其全部休眠；
S300：对于集合β中所有基站，每个基站j都对应一个簇集合ξ(j)，在其中选择能量效率EEc最大的簇Cj，此时β＝β-Cj，γ＝γ-Cj,更新簇集合ξ(j)和ψ(j)，如果重复步骤S300，否则执行步骤S400；
S400：对于集合γ中所有基站，每个基站j都对应一个簇集合ψ(j)，在其中选择能量效率EEc最大的簇Cj，此时γ＝γ-Cj，更新簇集合ψ(j)，如果集合γ中的基站个数大于等于Nc，重复步骤S400，否则执行步骤S500；
S500：设基站j的负载为Lj，最小负载为Lminload，对于Lj>Lminload的基站，将簇大小Nc增加1，并且重新分簇，如果其簇中有原本属于集合β中的基站，则重新将该基站开启，重复S500，直至到达最大簇大小为止；
其中，集合α，集合β，集合γ为基站的三种分类，具体分类方法为：
如果负载Lj＝0，表明相应基站j覆盖的范围内没有用户终端，基站j进入休眠状态，将这一类基站纳入集合α；
如果0<负载Lj<a，表明相应基站j覆盖的范围内用户终端数目在一定的阈值a内，基站j进入休眠状态，但是基站j内的用户终端需要通过多点合作技术来服务，将这一类基站纳入集合β；
其余基站将全部处于活跃状态，并且通过多点协作进行分簇合作，将这一类基站纳入集合γ。
上述方案中，集合α，集合β，集合γ的分类方法即基于基站休眠进行动态分簇的方法，步骤S100-步骤S500在基于基站休眠的动态分簇方法基础上，综合考虑能量效率和负载均衡进行重新分簇，从而使得在降低用户不满意度的同时较好地兼顾能量效率。
更进一步地，上述多点协作动态分簇方法中，如果仍有Lj>Lminload的基站，则继续以下步骤：
S600：将簇集合ψ(j)中除所述Lj>Lminload的基站之外的基站形成候选簇；
S700：对所述候选簇，计算其负载Lj与信号与干扰加噪声比SINR，设最小信号与干扰加噪声比为SINRmin，若Lj>Lminload，且SINR>SINRmin，则更新簇集合ψ(j)；
S800：如果没有符合步骤S700要求的候选簇，则增大Lminload或SINRmin，重复步骤S700。
上述方案中，步骤S600-步骤S800针对局部基站负载仍然过高的情况进行进一步的均衡优化，从而进一步降低用户不满意度。
进一步地，本发明所述的多点协作动态分簇方法中，设该分簇方法应用的系统中有M个小小区和K个用户终端，每个小小区对应一个基站j，1≤j≤M，设uj为不满意用户数，所述联合优化模型的优化目标为在簇大小与能量效率满足以下约束条件下uj最小：
1)设从N个不同元素中取出Nc个元素的组合数为则中小小区的数量不超过最大协作小区数；
2)基站j的簇集合ζ(j)中每个簇的能量效率EEc不低于最小阈值；
3)在基站j的簇集合ζ(j)中选择能量效率EEc最大的簇Cj作为基站j的协作簇。
上述方案中，为了使目标函数的形式简单，所述联合优化模型没有将线性组合的能量效率和用户不满意度作为优化目标，而是以用户不满意度为主，同时以协作簇的需求为目标进行能量效率的优化。把能量效率从目标函数移入限制条件，可以简化问题本身的复杂程度，在优化用户不满意度的同时较好地兼顾能量效率，更加符合实际系统的要求。
更进一步地，上述多点协作动态分簇方法中，所述联合优化模型包括uj和EEc的联合表达式，其中：
所述uj表达式为：
其中，为每个小区内的用户终端数，Lj为基站j的负载，
其中，k表示用户终端，Uj表示第j个基站内用户终端的集合，rk表示平均资源块的数量，Rtot表示每个基站可分配资源块的数量，
其中，dk表示每个用户终端k所需比特率的常量，yk表示一个资源块的最大可达吞吐量，Nc表示协作簇c内成员基站的个数，
yk＝BRB log2(1+SINRk)，
其中，BRB为每个资源块的带宽，SINRk为用户终端k的信号与干扰加噪声比；
所述能量效率EEc表达式为：
其中，Rc为协作簇c的数据数率，Pc为协作簇c的能耗，Nc表示协作簇c内成员基站的个数，Ns表示协作簇c内休眠基站的个数，Pactive为基站活跃模式能耗，PCOMP为基于基站休眠和多点合作通信策略的额外的能耗，Wk为第k个用户终端的带宽，SINRk为用户终端k的信号与干扰加噪声比。
上述方案中，通过给出不满意用户数uj和能量效率EEc的表达式，描述了联合优化能量效率和负载均衡的相关影响因素和关系。
本发明的另一目的是提供一种联合优化能量效率和负载均衡的多点协作动态分簇系统，该系统能在降低用户不满意度的同时较好地兼顾能量效率，并且充分利用通信资源。
根据上述发明目的，本发明提出了一种联合优化能量效率和负载均衡的多点协作动态分簇系统，其采用上述任一分簇方法进行多点协作动态分簇。
本发明提出的联合优化能量效率和负载均衡的多点协作动态分簇系统，其通过采用上述任一分簇方法进行多点协作动态分簇，构建能量效率与负载均衡联合优化的模型，并用符合该联合优化模型的解的分簇方法进行多点协作动态分簇。因此，根据前述原理，该系统能在降低用户不满意度的同时较好地兼顾能量效率，并且充分利用通信资源。
进一步地，本发明所述的多点协作动态分簇系统中，所述系统包括M个小小区和K个用户终端，每个小小区对应一个基站j，1≤j≤M。
上述方案中，小小区(Small Cell)是低功率的无线接入节点，是一种全新的网络架构体系，工作在授权的、非授权的频谱，可以覆盖10米的室内空间或野外2公里的范围。移动运营商使用小小区来扩展覆盖范围和提升网络容量。
更进一步地，上述多点协作动态分簇系统中，所述系统包括一个宏基站，该宏基站带有M个小小区，该宏基站的覆盖范围内有K个用户终端。
更进一步地，上述多点协作动态分簇系统中，所述小小区通过光纤回程链路连接到宏基站，并与宏基站共享各自的顾客满意指数数据。
上述方案中，将信道状态信息CSI定义为所述顾客满意指数。更进一步地，上述多点协作动态分簇系统中，所述系统还包括集中控制单元，其为各个小小区设计全局预编码并进行调度。
更进一步地，上述多点协作动态分簇系统中，每个协作簇中的用户终端在同一个资源块上调度。
更进一步地，上述多点协作动态分簇系统中，小小区的每个资源块的传输功率相同，使用迫零预编码方法消除分簇内部的干扰。
本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇方法与传统的动态分簇方法相比：传统的动态分簇方法往往只考虑基站休眠设计提高能量效率，没有考虑到通信系统负载均衡的需求，这会导致用户不满意率较高，以及闲置资源的浪费。本发明的方法采用能量效率和负载均衡两者联合优化，使得在降低用户不满意度的同时较好地兼顾能量效率，更加符合实际系统的要求，可有效提高通信系统的网络性能和用户公平性，并且充分利用通信资源。
本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇系统同样具有以上优点和有益效果。
附图说明
图1为本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇方法的流程示意图。
图2为本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇方法在一种实施方式下的流程示意图。
图3为本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇系统在一种实施方式下的结构示意图。
图4为图3系统应用的一种仿真场景示意图。
图5为图3系统在图4仿真场景下应用的不满意用户数随簇大小的变化示意图。
图6为图3系统在图4仿真场景下应用的系统能效和簇大小的最大值的关系示意图。
具体实施方式
下面将结合说明书附图和具体的实施例对本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇方法及系统做进一步的详细说明。
图1示意了联合优化能量效率和负载均衡的多点协作动态分簇方法的流程。
如图1所示，本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇方法的流程包括：
构建能量效率与负载均衡联合优化模型；
用符合上述联合优化模型的解的分簇方法进行多点协作动态分簇。
图2示意了联合优化能量效率和负载均衡的多点协作动态分簇方法在一种实施方式下的流程。
如图2所示，本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇方法在一种实施方式下的流程包括以下步骤：
S100：指定簇大小Nc的值；
S200：对于集合α中所有基站，将其全部休眠；
S300：对于集合β中所有基站，每个基站j都对应一个簇集合ξ(j)，在其中选择能量效率EEc最大的簇Cj，此时β＝β-Cj，γ＝γ-Cj,更新簇集合ξ(j)和ψ(j)，如果重复步骤S300，否则执行步骤S400；
S400：对于集合γ中所有基站，每个基站j都对应一个簇集合ψ(j)，在其中选择能量效率EEc最大的簇Cj，此时γ＝γ-Cj，更新簇集合ψ(j)，如果集合γ中的基站个数大于等于Nc，重复步骤S400，否则执行步骤S500；
S500：设基站j的负载为Lj，最小负载为Lminload，对于Lj>Lminload的基站，将簇大小Nc增加1，并且重新分簇，如果其簇中有原本属于集合β中的基站，则重新将该基站开启，重复S500，直至到达最大簇大小为止；
其中，集合α，集合β，集合γ为基站的三种分类，具体分类方法为：
如果负载Lj＝0，表明相应基站j覆盖的范围内没有用户终端，基站j进入休眠状态，将这一类基站纳入集合α；
如果0<负载Lj<a，表明相应基站j覆盖的范围内用户终端数目在一定的阈值a内，基站j进入休眠状态，但是基站j内的用户终端需要通过多点合作技术来服务，将这一类基站纳入集合β；
其余基站将全部处于活跃状态，并且通过多点协作进行分簇合作，将这一类基站纳入集合γ。
S550：判断如果仍有Lj>Lminload的基站，则继续以下步骤：
S600：将簇集合ψ(j)中除所述Lj>Lminload的基站之外的基站形成候选簇；
S700：对所述候选簇，计算其负载Lj与信号与干扰加噪声比SINR，设最小信号与干扰加噪声比为SINRmin，若Lj>Lminload，且SINR>SINRmin，则更新簇集合ψ(j)；
S800：如果没有符合步骤S700要求的候选簇，则增大Lminload或SINRmin，重复步骤S700。
下面结合具体应用场景对所述能量效率与负载均衡联合优化模型进行进一步说明。
设上述方法应用于包括一个带有M个SC(Small Cell，小小区)的MBS(Macro BaseStations，宏基站)和在其覆盖范围内分布的K个用户终端的动态分簇系统。该系统采用控制-数据平面分离的结构，SC通过光纤回程链路连接到MBS，并与MBS共享各自的信道状态信息CSI(其定义为顾客满意指数)数据，CCU(CoMP Control Unit，集中控制单元)为各个SC设计全局预编码并进行调度。每个协作簇中的用户终端在同一个PRB(Physical ResourceBlock，资源块)上调度。SC的每个PRB的传输功率相同，SC的总传输功率也相同，使用现有的迫零预编码方法，消除分簇内部的干扰。为了简化，假设每个基站只有一根发射天线，则协作簇中的基站和其服务的用户终端组成虚拟MIMO(Multiple-Input Multiple-Output，多入多出技术)。
Uj表示第j(1≤j≤M)个基站内用户的集合，基站j的负载表示为Lj,基站j可以和其邻近的开启基站形成簇集合ζ(j)，用Nc表示簇内成员基站的个数，Ns表示簇内休眠基站的个数，d表示簇的个数，Pc，Rc和EEc分别表示协作簇c的能耗、数据数率和能效，Wk为第k个用户终端的带宽，假设用户终端k的信号与干扰加噪声比为SINRk。根据负载情况，基站可以工作在两种模式下，第一种是活跃模式，定义能耗为Pactive；第二种是休眠模式，定义能耗为Psleep。定义基于基站休眠和多点合作通信策略的额外的能耗为PCoMP。Pc，Rc和EEc计算公式如下：
推导出多用户联合传输的多点协作(Multi-User Coordinated Multiple-PointsJoint Transmission，MU JT-CoMP)情景下的小区负载和不满意用户度量。假设每个基站有Rtot个可分配资源块，每个资源块的带宽为BRB，一个资源块最大可达吞吐量为：
yk＝BRB log2(1+SINRk)，
每个用户k所需比特率为常量dk，所需平均资源块的数量为：
则基站j的负载可定义为用户所需的资源块数与其所能提供的资源块数之比：
设为每个小区内的用户终端数，则不满意用户数为：
所述联合优化模型包括上述uj和EEc的联合表达式，其优化目标是在簇大小与能量效率需满足以下的约束条件下使得uj最小：
1)设从N个不同元素中取出Nc个元素的组合数为则中小小区的数量不超过最大协作小区数；
2)基站j的簇集合ζ(j)中每个簇的能量效率EEc不应低于最小阈值；
3)在基站j的簇集合ζ(j)中选择能量效率EEc最大的簇Cj作为基站j的协作簇。
此外，对上述联合优化能量效率和负载均衡的多点协作动态分簇方法关于簇集合的部分做如下进一步的补充说明：
假设基站j的簇大小是Nc，定义基站j的优先判别函数Rcluster(j,Cj)：
Rk示用户终端k的数据速率，Rcluster(j,Cj)代表当前协作集Cj的速率，根据Rcluster(j,Cj)的大小，确定协作集优先顺序，即ψ(j)，可以表示为：
其中
特别地，如果基站j休眠，同样会产生一个簇集合ζ(j)，可以表示为：
其中
图3示意了本发明所述的联合优化能量效率和负载均衡的多点协作动态分簇系统在一种实施方式下的结构。
如图3所示，该实施方式的联合优化能量效率和负载均衡的多点协作动态分簇系统，其包括一个带有M个SC1(Small Cell，小小区)的MBS2(Macro Base Stations，宏基站)和在其覆盖范围内分布的K个用户终端3。每个SC1对应一个基站5。该系统采用控制-数据平面分离的结构，基站5通过光纤回程链路连接到MBS2，并与MBS2共享各自的信道状态信息CSI(其定义为顾客满意指数)数据，CCU4(CoMP Control Unit，集中控制单元)为各个SC1设计全局预编码并进行调度。每个协作簇中的用户终端在同一个PRB(Physical ResourceBlock，资源块)上调度。SC1的每个PRB的传输功率相同，SC1的总传输功率也相同，使用现有的迫零预编码方法，消除分簇内部的干扰。每个基站5只有一根发射天线，协作簇中的基站5和其服务的用户终端3组成虚拟MIMO(Multiple-Input Multiple-Output，多入多出技术)。
图4示意了图3系统应用的一种仿真场景。
仿真场景如图4所示。图3系统采用上述图2流程应用于该场景。为了评估基于能量效率与负载均衡的多点协作动态分簇策略，基站分布服从泊松点过程，服从λsh,和λsl的泊松随机分布，其中λsh,λsl是泊松随机分布参数表示单位面积内基站分布的平均发生率，MBS的覆盖范围不均匀，内圈用户密度高λuh，外圈密度低λul，内圈的基站负载高，其中λuh,λul是泊松随机分布参数表示单位面积内MBS分布的平均发生率。图4的图例中，A表示用户终端A，B表示仿真区域边界，C表示非热点区域边界，D表示热点区域边界，E表示基站，F表示小小区边界。
图5示意了图3系统在图4仿真场景下应用的不满意用户数随簇大小的变化。
如图5所示，横坐标为簇大小，纵坐标为不满意用户数。图例中，G表示基于DC-EE方法(Dynamic Clustering Optimization Strategy on Energy Efficiency，基于能量效率的动态分类优化策略)的数据，H表示基于本发明的DC-EEUF方法(Dynamic ClusteringOptimization Strategy on Energy Efficiency and User Fairness，联合优化能量效率和负载均衡的多点协作动态分簇方法)的数据。簇大小为1时表示没有多点协作情况下不满意用户数，当簇大小为2与3时，传统的基于基站休眠的动态分簇方法，如DC-EE方法与本发明DC-EEUF方法不满意用户数基本相同，由于MU JT-CoMP(Multi-User CoordinatedMultiple-Points Joint Transmission，多用户联合传输的多点协作)引入了额外的容量，二者的不满意用户数均减少。随着簇大小的增加，相对于DC-EE，DC-EEUF方法将不满意用户数降低了34.8％，这是由于传统的DC-EE方法簇大小固定，当将所有簇的大小均增大时其协作簇中的基站由于休眠无法开启导致不满意用户数不再降低，而DC-EEUF方法，先通过第一步的分簇，每次迭代将高负载小区的簇大小增加1，一旦簇大小增大到高负载小区的最大限制，就用第二步重分簇来进一步减少不满意用户数。
图6示意了图3系统在图4仿真场景下应用的系统能效和簇大小的最大值的关系。
如图6所示，横坐标为簇大小，纵坐标为能量效率(单位Mbit/J)。图例中，I表示基于DC-EE方法的数据，J表示基于本发明的DC-EEUF方法的数据，K表示基于SC-EE方法的数据。随着簇大小最大值的增大，DC-EE方法、DC-EEUF方法和SC-EE(Static ClusteringStrategy on Energy efficiency，静态分簇算法)方法的系统能效都降低。这是因为随着簇大小的增加，系统能耗和数据数率都增加，但是系统能耗的增量大于数据数率的增量。DC-EEUF方法在协作簇大小较小的情况下，能量效率与传统的DC-EE方法持平，随着簇大小增大，略低于传统方法，在小区数为5的情况下差距达到最大，差值为0.52，可见DC-EEUF方法在最大只损失5.2％的能量效率的情况下，换取了的不满意用户数的下降，而且随着小区数目进一步增大又有减小的趋势。
要注意的是，以上列举的仅为本发明的具体实施例，显然本发明不限于以上实施例，随之有着许多的类似变化。本领域的技术人员如果从本发明公开的内容直接导出或联想到的所有变形，均应属于本发明的保护范围。

Claims (13)

1.一种联合优化能量效率和负载均衡的多点协作动态分簇方法，其特征在于：构建能量效率与负载均衡联合优化模型，用符合该联合优化模型的解的分簇方法进行多点协作动态分簇。
2.如权利要求1所述的多点协作动态分簇方法，其特征在于，基于基站休眠进行动态分簇以提高能量效率。
3.如权利要求2所述的多点协作动态分簇方法，其特征在于，包括以下步骤：
S100：指定簇大小Nc的值；
S200：对于集合α中所有基站，将其全部休眠；
S300：对于集合β中所有基站，每个基站j都对应一个簇集合ξ(j)，在其中选择能量效率EEc最大的簇Cj，此时β＝β-Cj，γ＝γ-Cj,更新簇集合ξ(j)和ψ(j)，如果重复步骤S300，否则执行步骤S400；
S400：对于集合γ中所有基站，每个基站j都对应一个簇集合ψ(j)，在其中选择能量效率EEc最大的簇Cj，此时γ＝γ-Cj，更新簇集合ψ(j)，如果集合γ中的基站个数大于等于Nc，重复步骤S400，否则执行步骤S500；
S500：设基站j的负载为Lj，最小负载为Lminload，对于Lj>Lminload的基站，将簇大小Nc增加1，并且重新分簇，如果其簇中有原本属于集合β中的基站，则重新将该基站开启，重复S500，直至到达最大簇大小为止；
其中，集合α，集合β，集合γ为基站的三种分类，具体分类方法为：
如果负载Lj＝0，表明相应基站j覆盖的范围内没有用户终端，基站j进入休眠状态，将这一类基站纳入到集合α；
如果0<负载Lj<a，表明相应基站j覆盖的范围内用户终端数目在一定的阈值内，基站j进入休眠状态，但是基站j内的用户终端需要通过多点合作技术来服务，将这一类基站纳入集合β；
其余基站将全部处于活跃状态，并且通过多点协作进行分簇合作，将这一类基站纳入集合γ。
4.如权利要求3所述的多点协作动态分簇方法，其特征在于，如果仍有Lj>Lminload的基站，则继续以下步骤：
S600：将簇集合ψ(j)中除所述Lj>Lminload的基站之外的基站形成候选簇；
S700：对所述候选簇，计算其负载Lj与信号与干扰加噪声比SINR，设最小信号与干扰加噪声比为SINRmin，若Lj>Lminload，且SINR>SINRmin，则更新簇集合ψ(j)；
S800：如果没有符合步骤S700要求的候选簇，则增大Lminload或SINRmin，重复步骤S700。
5.如权利要求1或2所述的多点协作动态分簇方法，其特征在于，设该分簇方法应用的系统中有M个小小区和K个用户终端，每个小小区对应一个基站j，1≤j≤M，设uj为不满意用户数，所述联合优化模型的优化目标为在簇大小与能量效率满足以下约束条件下uj最小：
1)设从N个不同元素中取出Nc个元素的组合数为则中小小区的数量不超过最大协作小区数；
2)基站j的簇集合ζ(j)中每个簇的能量效率EEc不低于最小阈值；
3)在基站j的簇集合ζ(j)中选择能量效率EEc最大的簇Cj作为基站j的协作簇。
6.如权利要求5所述的多点协作动态分簇方法，其特征在于：所述联合优化模型包括uj和EEc的联合表达式，其中：
所述uj表达式为：
其中，为每个小区内的用户终端数，Lj为基站j的负载，
其中，k表示用户终端，Uj表示第j个基站内用户终端的集合，rk表示平均资源块的数量，Rtot表示每个基站可分配资源块的数量，
其中，dk表示每个用户终端k所需比特率的常量，yk表示一个资源块的最大可达吞吐量，Nc表示协作簇c内成员基站的个数，
yk＝BRB log2(1+SINRk)，
其中，BRB为每个资源块的带宽，SINRk为用户终端k的信号与干扰加噪声比；
所述能量效率EEc表达式为：
其中，Rc为协作簇c的数据数率，Pc为协作簇c的能耗，Nc表示协作簇c内成员基站的个数，Ns表示协作簇c内休眠基站的个数，Pactive为基站活跃模式能耗，PCOMP为基于基站休眠和多点合作通信策略的额外的能耗，Wk为第k个用户终端的带宽，SINRk为用户终端k的信号与干扰加噪声比。
7.一种联合优化能量效率和负载均衡的多点协作动态分簇系统，其特征在于，该系统采用权利要求1-6中任意一项的分簇方法进行多点协作动态分簇。
8.如权利要求7所述的多点协作动态分簇系统，其特征在于，所述系统包括M个小小区和K个用户终端，每个小小区对应一个基站j，1≤j≤M。
9.如权利要求8所述的多点协作动态分簇系统，其特征在于，所述系统包括一个宏基站，该宏基站带有M个小小区，该宏基站的覆盖范围内有K个用户终端。
10.如权利要求9所述的多点协作动态分簇系统，其特征在于，所述小小区通过光纤回程链路连接到宏基站，并与宏基站共享各自的顾客满意指数数据。
11.如权利要求9所述的多点协作动态分簇系统，其特征在于，所述系统还包括集中控制单元，其为各个小小区设计全局预编码并进行调度。
12.如权利要求11所述的多点协作动态分簇系统，其特征在于，每个协作簇中的用户终端在同一个资源块上调度。
13.如权利要求12所述的多点协作动态分簇系统，其特征在于，小小区的每个资源块的传输功率相同，使用迫零预编码方法消除分簇内部的干扰。
CN201811288741.9A 2018-05-23 2018-10-31 联合优化能量效率和负载均衡的多点协作动态分簇方法及系统 Pending CN109286425A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2018105034619 2018-05-23
CN201810503461 2018-05-23

Publications (1)

Publication Number Publication Date
CN109286425A true CN109286425A (zh) 2019-01-29

Family

ID=65174193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811288741.9A Pending CN109286425A (zh) 2018-05-23 2018-10-31 联合优化能量效率和负载均衡的多点协作动态分簇方法及系统

Country Status (1)

Country Link
CN (1) CN109286425A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109831819A (zh) * 2019-03-06 2019-05-31 重庆邮电大学 一种基于异构蜂窝网络分簇smdp基站休眠方法
CN113630383A (zh) * 2021-07-08 2021-11-09 付腾瑶 一种边云协同的方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7035240B1 (en) * 2000-12-27 2006-04-25 Massachusetts Institute Of Technology Method for low-energy adaptive clustering hierarchy
CN101188444A (zh) * 2007-05-25 2008-05-28 中科院嘉兴中心微系统所分中心 一种无线传感网的分布式分簇组网的方法
CN103269485A (zh) * 2013-06-06 2013-08-28 北京航空航天大学 一种无线传感器网络最大聚集度分簇方法
CN104038995A (zh) * 2014-06-18 2014-09-10 东南大学 异构网络中的分布式动态成簇节能方法
CN104640185A (zh) * 2015-02-25 2015-05-20 东南大学 一种基于基站协作的小区休眠节能方法
CN105846867A (zh) * 2016-03-15 2016-08-10 华中科技大学 基于多基站CoMP和休眠技术的动态簇划分方法
WO2018059680A1 (en) * 2016-09-28 2018-04-05 Huawei Technologies Co., Ltd. Radio resource management configuration device and method

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7035240B1 (en) * 2000-12-27 2006-04-25 Massachusetts Institute Of Technology Method for low-energy adaptive clustering hierarchy
CN101188444A (zh) * 2007-05-25 2008-05-28 中科院嘉兴中心微系统所分中心 一种无线传感网的分布式分簇组网的方法
CN103269485A (zh) * 2013-06-06 2013-08-28 北京航空航天大学 一种无线传感器网络最大聚集度分簇方法
CN104038995A (zh) * 2014-06-18 2014-09-10 东南大学 异构网络中的分布式动态成簇节能方法
CN104640185A (zh) * 2015-02-25 2015-05-20 东南大学 一种基于基站协作的小区休眠节能方法
CN105846867A (zh) * 2016-03-15 2016-08-10 华中科技大学 基于多基站CoMP和休眠技术的动态簇划分方法
WO2018059680A1 (en) * 2016-09-28 2018-04-05 Huawei Technologies Co., Ltd. Radio resource management configuration device and method

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BEYLERIAN, A. ET AL.: "Multi-point fairness in resource allocation for C-RAN downlink CoMP transmission", 《J WIRELESS COM NETWORK 2016》 *
GANG SU ET AL.: "A novel dynamic clustering strategy on energy efficiency for dense network deployment", 《2017 13TH INTERNATIONAL CONFERENCE ON NATURAL COMPUTATION, FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY (ICNC-FSKD)》 *
LIANG TANG ET AL.: "MovStream: An efficient algorithm for monitoring clusters evolving in data streams", 《2008 IEEE INTERNATIONAL CONFERENCE ON GRANULAR COMPUTING》 *
YUN LI ET AL.: "Base Station Sleeping with Dynamical Clustering Strategy of CoMP in LTE-advanced", 《2013 IEEE INTERNATIONAL CONFERENCE ON GREEN COMPUTING AND COMMUNICATIONS AND IEEE INTERNET OF THINGS AND IEEE CYBER, PHYSICAL AND SOCIAL COMPUTING》 *
刘唐: "基于负载均衡和最短路径的异构无线传感器网络成簇算法", 《计算机科学》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109831819A (zh) * 2019-03-06 2019-05-31 重庆邮电大学 一种基于异构蜂窝网络分簇smdp基站休眠方法
CN109831819B (zh) * 2019-03-06 2021-10-22 重庆邮电大学 一种基于异构蜂窝网络分簇smdp基站休眠方法
CN113630383A (zh) * 2021-07-08 2021-11-09 付腾瑶 一种边云协同的方法及装置

Similar Documents

Publication Publication Date Title
Pham et al. Mobile edge computing with wireless backhaul: Joint task offloading and resource allocation
Ji et al. Non-cooperative uplink power control in cellular radio systems
Hao et al. On the energy and spectral efficiency tradeoff in massive MIMO-enabled HetNets with capacity-constrained backhaul links
Kwon et al. Distributed resource allocation through noncooperative game approach in multi-cell OFDMA systems
Tombaz et al. Impact of backhauling power consumption on the deployment of heterogeneous mobile networks
Yang et al. DECCO: Deep-learning enabled coverage and capacity optimization for massive MIMO systems
Luo Delay-oriented QoS-aware user association and resource allocation in heterogeneous cellular networks
AlQerm et al. Enhanced machine learning scheme for energy efficient resource allocation in 5G heterogeneous cloud radio access networks
CN107613556B (zh) 一种基于功率控制的全双工d2d干扰管理方法
Marić et al. Resource allocation for constrained backhaul in picocell networks
Chang et al. Dynamic fractional frequency reuse (D‐FFR) for multicell OFDMA networks using a graph framework
Ye et al. Towards an optimal user association in heterogeneous cellular networks
Vu et al. Joint in-band backhauling and interference mitigation in 5G heterogeneous networks
Mollahasani et al. Density-aware, energy-and spectrum-efficient small cell scheduling
WO2016041604A1 (en) Scheduling method and system for fourth generation radio mobile networks
Zhang et al. Dynamic user-centric clustering for uplink cooperation in multi-cell wireless networks
CN109286425A (zh) 联合优化能量效率和负载均衡的多点协作动态分簇方法及系统
Xu et al. Pricing-based distributed downlink beamforming in multi-cell OFDMA networks
Mugume et al. Deployment optimization of small cell networks with sleep mode
Mu et al. Latency constrained partial offloading and subcarrier allocations in small cell networks
Labana et al. Joint user association and resource allocation in CoMP-enabled heterogeneous CRAN
Wang Admission control with distributed joint diversity and power control for wireless networks
Taleb et al. A fully distributed approach for joint user association and RRH clustering in cloud radio access networks
Shami et al. Joint user-centric clustering and multi-cell radio resource management in coordinated multipoint joint transmission
Shaat et al. Joint flow control and link scheduling in hybrid terrestrial-satellite wireless backhauling network

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190129

WD01 Invention patent application deemed withdrawn after publication