CN110049506A - 一种基于簇和几何注水资源分配的网络能效提升方法 - Google Patents

Abstract

本发明涉及一种基于簇和几何注水资源分配的网络能效提升方法，属于移动通信技术领域。首先，本发明提出了基于负载均衡的最优匹配方案保证网络中基站的负载均衡，有利于合理地配置网络资源并减小流量拥塞。其次，为了减小网络中的干扰，本发明将蜂窝异构网络中的小蜂窝基站分簇，根据能量效率选出簇头，并由簇头重新分配簇内资源。再次，根据几何注水算法，本发明提出了基于能效的信道功率分配方案。最后，本发明将小蜂窝基站簇、信道功率分配和动态小蜂窝基站开/关结合，在保证网络的中断概率、用户设备的最低信干噪比需求和核心区域内UE的通信质量下，进一步提升能量效率。

Description

一种基于簇和几何注水资源分配的网络能效提升方法

技术领域

本发明属于移动通信技术领域，涉及一种基于簇和几何注水资源分配的网络能效提升方法。

背景技术

为了迎接万物互联时代的到来，新一代无线通信技术—5G(5th-Generation)正在全世界如火如荼的研究，试验与部署，并且预计于2019-2020实现商用。在5G时代存在大量的终端智能设备，并将产生海量的信息数据，这对网络的容量提出了巨大的挑战。因此，蜂窝异构网络(Heterogeneous CellularNetworks，HCNs)作为5G通信的一种有效方法，，它由宏蜂窝网络与小蜂窝网络共同组成。在传统的宏蜂窝网络中，由宏基站(MacrocellBaseStation，MBS)提供基础覆盖，为广大范围内的UE提供通信服务。为了扩大网络容量、提升UE的通信质量并增强网络覆盖范围，在宏蜂窝网络中大量部署SBS，形成了HCNs。由于越来越多的SBS被部署在网络中，导致了网络性能恶化。国际电信联盟无线电通信组将能量效率作为IMT-2020的关键性能指标之一，并提出5G网络能量效率要比4G网络提升100倍，因此，提升网络的能量效率成为人们研究的重点内容。能量效率被3GPPTR38.913等文献中被定义为网络的传输速率与网络的功率消耗之比(比特/焦尔)，当前提高网络的能量效率的方法有：

(1)联合资源分配：通过分配网络中的资源，降低网络中的干扰，提高网络传输速率，提升网络的能量效率。另一方面，通过降低链路的发射功率，在不影响网络的QoS及用户体验的提前下，适当降低网络的传输速率与功率消耗来提高网络的能量效率。

(2)基站节能技术：包括硬件节能和基站自适应开关

硬件节能：使用绿色无线射频链路来减小网络的能量消耗，提升网络能量效率。目前，功率放大器的能量效率已引起人们的高度重视，研发一种指标性能优秀的放大器对于提升能量效率有着极其重要的意义。其次，设计一种简化的发射机和接收机结构，使用信号粗量化方法和混合模拟/数字波束形成器，可提高硬件能量效率，

基站自适应开关：通过检测网络一个周期内负载数量的变化，将某些负载较低或冗余的基站关闭以节省能耗达到提升网络能量效率的目的。这种方法操作简便，成本低。

本发明通过对资源进行分配(gNB与UE的匹配，信道分配和功率分配)和开/关F-gNB来提升网络的能量效率。

发明内容

有鉴于此，本发明的目的在于提供一种基于簇和几何注水资源分配的网络能效提升方案。该方法以提升能量效率为目标，通过优化基站分簇、信道发射功率、减小用户间干扰和功率消耗等方式，实现网络能量效率最大化，并保证UE最低SINR需求，网络负载均衡，网络中断概率和核心区域的UE的通信质量。

为达到上述目的，本发明提供如下技术方案：

一种基于簇和几何注水资源分配的网络能效提升方法，包括如下步骤：

S1：基于负载均衡的用户设备与基站最优匹配方案；

S2：基于半正定的协相关分簇方案；

S3：基于几何注水方法分配信道功率；

S4：结合小蜂窝基站簇、信道功率分配和动态小蜂窝基站开/关优化网络能量效率。

进一步，在步骤S1中，建模了两层蜂窝异构网络，第一层和第二层分别为宏蜂窝层M-gNB(Macrocell gNB)和小蜂窝层F-gNB。网络中基站总数为M，UE总数为K，整个网络可使用的信道数为N。

gNB的硬件模块分为两个部分，即基础电路部分(包括微处理器和现场可编程逻辑门阵列)和信号发射部分(包括收发天线与功率放大模块)，一个gNB的功率消耗可以表示为 是gNB m基础电路所消耗的功率，P_t ^m是gNB m信号发射部分所消耗的功率。F-gNB两种工作模式，即“ON”和“OFF”：

(1)“ON”模式：F-gNB处于正常工作状态，可以为在它覆盖范围内的UE提供正常的通信服务，此时基站功率消耗为

(2)“OFF”模式：F-gNB处于节能状态。它的信号发射部分被关闭，所以它无法为UE提供正常的通信服务。但是，在这种状态下保持电路部分的功能开启，以确保UE数量增加时能快速转入“ON”模式，此时基站功率消耗为

在网络的初始状态下，F-gNB在下行信道上均分发射功率，即其中为F-gNB m在信道n上给UE k的发射功率，为F-gNB m总的发射功率，为F-gNB m所分配的信道数目。此外，M-gNB可以使用全部信道资源，在下行信道上也是均分发射功率，即UE与gNB进行匹配的过程中会选择获得最大效用函数的基站进行连接。与连接偏置因子和接入gNB后所获得的能量效率有关，可表示为：UE k与gNB m之间的连接偏置因子表示为：在5G新空口中，上行传输与下行传输的一个帧长为10ms。一个帧分为10个子帧，每个子帧的分为两个时隙。gNB m在每个子帧的前一个时隙为个UE服务，而在下一个时隙为另外个UE服务，通过这种方式，gNB m所容纳的最大UE数目是它在一个时隙内所能服务的最大UE数目的2倍，即，可以看出，gNB的负载L_c越低，被UE选择的概率越大。UE k与gNB m相连后所获得的能量效率为

通过步骤S1可以将网络中UE与gNB进行匹配，保证UE的最低SINR需求和gNB的负载均衡，防止网络拥塞。进一步，在步骤S2中，为减小网络中的同层干扰，提升网络性能，将网络中的小蜂窝组成簇。根据F-gNB的能量效率和地理位置构建无向图，能量效率之差的绝对值表示无向图中节点的相似度，即，距离之差的绝对值表示无向图中节点的差异度，即，通过最大化效用函数来获得最优的分簇方案，其中，二进制变量x_i,j表示F-gNB i和j是否同簇。若属于同一簇，则x_i,j＝1；否则，x_i,j＝0。由于优化目标为整数规化问题，复杂度比较高，本发明提出的基于半正定的协相关分簇方案降将整数规划问题进行松驰，并引入了半正定的约束条件，有效地降低了分簇的复杂度。分簇后，每个F-gNB簇根据能量效率的值选出F-gNB簇头。M-gNB和每个簇都可以使用所有的信道资源，而簇成员F-gNB所使用的信道由簇头F-gNB统一分配，避免簇内F-gNB使用相同的信道资源，消除了簇内干扰，有利于提升HCNs的性能。

进一步，在步骤S3中，几何注水方法分配信道功率方法包括两个方案——几何注水的功率分配方案和基于簇的几何注水能效提升方案。分簇完成后，F-gNB m与UE k在信道n上的信道增益其中，N₀为噪声功率谱密度，和为M-gNB和F-gNB到UE之间的路径损耗表达式，而和为M-gNB和F-gNB到UE之间的距离。首先，在几何注水的功率分配方案中使用几何注水算法为每个信道分配最优的发射功率其次，在基于簇的几何注水能效提升方案中，根据每个F-gNB的水平面μ和分配的从几何注水的角度出发，以减小网络的能量消耗，提升网络的能量效率为目标，重新分配信道的传输功率基于几何注水方法分配信道功率方案与基于KKT条件的Dinkelbach方法相比可有效降低算法的复杂度。

进一步，在步骤S4中，完成信道的功率分配以后，考虑网络中负载动态变化，动态调整F-gNB的工作模式可以带来明显的网络能效增益。在关闭F-gNB的过程中，为了保证UE的通信质量，本发明提出基站核心区域概念，它被定义为以F-gNB为中心，半径20m以内的传输范围。当核心区域内没有UE时，F-gNB可将所连接的UE切换至M-gNB或簇内其它F-gNB后进入“OFF”模式。

本发明的有益效果在于：

针对蜂窝异构网络，提出基于负载均衡的用户设备与基站最优匹配方案，用于保证网络中gNB的负载均衡，避免网络拥塞。通过一种基于半正定规划的协相关分簇方案将F-gNB分成多个簇，有利于减小网络的簇内干扰，提升网络的性能。将F-gNB簇、几何注水能效提升方案和动态F-gNB开/关结合，有效地提升了网络的能量效率，并保证UE最低SINR需求，网络中断概率和核心区域UE通信质量。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为两层蜂窝异构网络场景示意图；

图2为基站硬件结构示意图；

图3为几何注水的功率分配方案示意图；图3(a)为根据传统注水算法所得到的信道功率分配示意图；3(b)为重新调整后的功率分配示意图；

图4为基于簇的几何注水能效提升方案示意图；图4(a)为使用几何注水的功率分配方案为每个信道分配发射功率的结果；图4(b)为为了最大化能量效率而调整水平面的过程；

图5为基于簇的动态F-gNB开/关流程图；

图6为本发明流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

网络初始化时，所有的F-gNB处于“ON”模式。

图1为本发明构建的两层蜂窝异构网络场景示意图，第一层和第二层分别为宏蜂窝层M-gNB和小蜂窝层F-gNB。网络中基站总数为M，用集合Μ＝{M₁,M₂}表示，M₁＝{1}表示M-gNB集合，M₂＝{2，3，…,m,…,M}表示F-gNB集合；用户设备总数为K，用集合K＝{1，2，…,k，…K}表示；整个网络可使用的信道数为N，用集合N＝{1，2，…,n，…,N}表示。网络中存在多个F-gNB簇，用集合C表示。每个簇根据簇内F-gNB能量效率选举出簇头F-gNB，其余的为成员F-gNB。网络中心部署了一个M-gNB，F-gNB和UE则随机分布在M-gNB的服务范围之内。M-gNB和每个簇都可以使用所有的信道资源，而簇成员F-gNB所使用的信道由簇头F-gNB统一分配。在分簇的过程中，目标函数为：

其中，约束条件C1，C2和C3表明一个F-gNB只能归属于一个簇。C4表示一个簇内F-gNB的数目不大于S。在约束条件C5中，二进制变量x_i,j表示F-gNB i和j是否同簇。若属于同一簇，则x_i,j＝1；否则，x_i,j＝0。X_int为分簇矩阵，用来表示蜂窝异构网络中的F-gNB簇的组成。

使用一种基于半正定规划的协相关分簇方案，将原整数规划问题进行松驰，并引入了半正定的约束条件。优化目标可表示为：

其中，约束条件C4表示二进制的变量x_i,j被松驰成为大于等于0的变量。C5为半正定约束条件，X为一个半正定的对称矩阵，该半正定对称矩阵有如下特点：

(1)存在矩阵B，满足X＝B^T·B。B＝{b₁，b₂，…，b_M-1}，且b_i和b_j分别为矩阵B的第i列和第j列。

(2)矩阵X的主子式非负；

(3)矩阵X的特征值非负。

基于上述的分析，半正定规划问题(1)中的半正定矩阵X和最大效用函数U可以在多项式时间内解出。根据求得的X，使用随机轮询方法获得F-gNB簇。首先，产生L个独立随机向量向量rl中的元素服从均值为0方差为1的标准正态分布。然后计算随机向量r_l(1≤l≤L)与向量b_i(i∈M₂)的内积，可将F-gNB归入下列的子集中：

通过上述步骤，可获得2^L个簇的集合C＝{C₁,C₂,…,C_2L}，但有些簇内元素为空。由于经过松驰，所获得的分簇方案为一种次优解。删除集合C中的空集合，将簇集合C映射到分簇矩阵，可得原整数规划问题的次优化分簇矩阵和相应的效用函数设整数规划问题(4.8)的最优解为和相应的效用函数可得以下结论：且0＜α＜1(α与L相关)。

图1中，F-gNB有两种工作模式；“ON”和“OFF“，用数组λ表示，当F-gNB m处于“ON”模式，则λ(m)＝1；否则，λ(m)＝0。除此之外，每个F-gNB都有一个核心区域，核心区域定义为以F-gNB为中心，半径为20m以内的范围。此外，从图1中可以看出，小蜂窝基站组成簇后网络中存在的干扰为F-gNB对M-gNB用户设备的干扰，M-gNB对F-gNB用户干扰。至于簇间干扰，由于F-gNB簇的距离较远，可忽略不计。

图2为基站硬件结构示意图，包括微处理器模块201、现场可编程逻辑门阵列模块202和天线收发与信号放大模块203。当F-gNB处于“ON”模式时，基站所有硬件模块均正常工作；当F-gNB处于“OFF”模式时，模块203被关闭，201与202模块正常工作。

图3为几何注水的功率分配示方案意图。图中个台阶代表F-gNB m有个信道，且信道权重相等。图3(a)是根据传统注水算法所得到的信道功率分配示意图。μ^m是注水平面，阴影部分为注水的总量，即分配的总功率。台阶的高度为信道增益的倒数，台阶越低，信道增益越大。F-gNB m与UE k在信道n上的信道增益可表示为：

台阶到注水平面的深度p_n(1≤n≤N)为信道n分配的发射功率。图3(a)中，各信道分配的功率为超过水平面的台阶(3和)代表增益过小的信道，将不分配功率。M-gNB在网络中保持均分功率，M-gNB与UE k在信道n上的信道增益可表示为：

为了保证F-gNB的UE的最低SINR需求，需对信道的发射功率做出相应的调整。具体步骤为：

步骤1：找出信道增益最小的台阶编号判断该信道上UE收到的SINR是否大于阈值SINR_thr，若满足，则结束；否则，转入步骤2；

步骤2：给该信道分配固定功率删除信道编号并更新发射功率P_t ^m；

步骤3：使用注水算法给剩余信道重新分配功率，并转入步骤1。

重新调整后的功率分配示意图如图3(b)所示，信道3的信道增益最小，直接为其分配固定的功率来满足UE最小的SINR需求。更新P_t ^m后再次执行注水算法后，第个信道分配的发射功率也无法满足UE最小的SINR需求。因此，第个信道也分配了固定的功率。图中阴影部分为F-gNB m的总发射功率，深灰色的台阶表示信道增益较小的信道，分配了固定的功率。

图4为基于簇的几何注水能效提升方案示意图。该方案是以几何注水的功率分配方案为基础，通过调整信道上的发射功率，达到传输速率与总功率消耗的最优平衡点，以最大化网络能量效率。首先，将能量效率表示为信道发射功率的函数：

其中，表示所有F-gNB传输功率之和，表示M-gNB的功率消耗与所有F-gNB的电路功率消耗之和，是一个固定值。因此，为了最大化能量效率，优化问题可表示为：

设F-gNB m有8个子信道，分别对应图中8个台阶，用集合N_m表示，可为8个UE提供通信服务，且信道的权重相同为1。图4(a)表示使用几何注水的功率分配方案为每个信道分配发射功率的结果，其中深灰色的信道7和8由于信道增益较小，使用注水算法分配的功率无法满足UE的最低SINR需求，因此，分配固定的发射功率并将它们归入信道集合Λ_m。剩下的信道用集合来表示，信道数目为此时的平面最高为

图4(b)表示为了最大化能量效率而调整水平面的过程，其中为水平面最低点，它取决于水平面以下的最高台阶5的信道增益。通过几何关系可得为了降低发射功率，最大化网络的能量效率，需要在水平面的最高值与最低值之间找到一个合适的水平面图中浅灰色部分的面积代表从最低水平面到水平面μ^m所注入的功率。其中，

通过上述分析，可得信道N_m分配的发射功率为：

而最低水平面可以表示为：

其中，和分别为水面平以下的最高台阶的编号与使用该信道的UE编号。由此，优化问题(4.19)中的目标函数可表示为：

其中，R^mbs为M-gNB的传输速率，在使用几何注水的功率分配方案后可以求出。至于F-gNB重新调整信道发射功率后对其影响有限，R^mbs可看作定值。为了获得F-gNB的最优水平面μ^m，★和将采用迭代的方法来对网络中所有F-gNB的水平面进行逐一地调整。此时，调整F-gNBm的水平面，固定其它F-gNB的水平面不变，目标函数变量为Δp^m，优化目标可以表示为：

是R^mbs、F-gNB m上分配固定传输功率的信道传输速率与其它F-gNB的传输速率之和，是P_F、F-gNB m分配的固定发射功率和其它F-gNB的发射功率之和。与均与变量Δp^m无关，对式(11)求Δp^m偏导可得：

可以看出，式(12)的分母部分恒大于0，分子部分可表示为：

对式(13)求Δp^m偏导可得：

求二次偏导可得：

由上式可以看出f′(Δp^m)和f′(Δp^m)在上恒小于0，所以f(Δp^m)是单调递减函数，单调递减函数f(Δp^m)可分为以下三种情况：

(1)表明网络的能量效率随着Δp^m的增加而增加，F-gNBm的最优水平面为

(2)表明网络的能量效率随着Δp^m的增加先增加后减小。此时，可采用二分法求得Δpm^，★，最优水平面为

(3)f(0)＜0，即，表明网络的能量效率随着Δp^m的增加而减小，F-gNB m的最优水平面为

因此，最优功率分配为

图5是基于簇的动态F-gNB开/关流程图。通过结合F-gNB簇，基于簇的几何注水能效提升和动态F-gNB开/关方案来提升网络的能量效率。

基于簇的动态F-gNB开/关流程主要包括以下步骤：

步骤501：找到簇集合列表中网络能量效率最小的簇；

步骤502：找出该簇的基站列表中能效最小的F-gNB。

步骤503：如果核心区域有UE，则转入步骤506；如果核心区域没有UE，则转入步骤504；

步骤504：根据负载均衡的用户设备与基站最优匹配方案中的效用函数将UE切换到簇内其它F-gNB或M-gNB。

步骤505：如果网络能效提升且满足中断概率要求，转入步骤506；否则，转入步骤508；

步骤506：从F-gNB簇的基站列表中删除该F-gNB；

步骤507：若F-gNB簇的基站列表为空，转入步骤508；否则，转入步骤502；

步骤508：取消UE切换进程和F-gNB模式转换进程；

步骤509：从簇集合列表删除该簇。

步骤510：若簇集合列表不为空，转入步骤501；否则，结束流程。

图6展示了本发明主要的流程。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (6)

1.一种基于簇和几何注水资源分配的网络能效提升方法，其特征在于：

该方法根据所提网络场景的特点，联合优化网络中用户UE与基站gNB的匹配、小蜂窝基站分簇、信道功率分配和动态小蜂窝基站开/关来最大化网络的能量效率，具体包括以下步骤：

S1：基于负载均衡的用户设备与基站最优匹配方案；

S2：基于半正定的协相关分簇方案；

S3：基于几何注水方法分配信道功率；

S4：结合小蜂窝基站簇、信道功率分配和动态小蜂窝基站开/关优化网络能量效率。

2.根据权利要求1所述的一种基于簇和几何注水资源分配的网络能效提升方法，其特征在于：在所述步骤S1中，建模两层蜂窝异构网络，分别为宏蜂窝层M-gNB和小蜂窝层F-gNB；

网络中基站总数为M，用集合表示M＝{M₁,M₂}，M₁＝{1}表示M-gNB集合，M₂＝{2，3，…,m,…,M}表示F-gNB集合；用户UE总数为K，用集合表示K＝{1，2，…,k，…K}；整个网络中可用信道数为N，用集合N＝{1，2，…,n，…,N}表示；UE与能达到最大效用函数的gNB进行匹配，以达到网络负载均衡；最大效用函数与连接偏置因子和接入gNB后所获得能量效率有关，表示为：

3.根据权利要求2所述的一种基于簇和几何注水资源分配的网络能效提升方法，其特征在于：在所述步骤S1中，UE k与gNB m之间的连接偏置因子与基站gNB m当前服务的UE的数目L_c，所能容纳的最大UE的数目和一个时隙内所能服务的UE的数目相关；连接偏置因子表示为：

4.根据权利要求1所述的一种基于簇和几何注水资源分配的网络能效提升方法，其特征在于：在所述步骤S2中，两层蜂窝异构网络建模为一个无向图G＝(M₂,E)，其中M₂为F-gNB的集合，是无向图的顶点集合，E是无向图中任意两个顶点之间边的集合；本发明在分簇过程中考虑F-gNB间的相对距离，同时兼顾簇内F-gNB间能量效率差异性；通过最大化得到最优的F-gNB簇，用集合C表示；其中，β为相似度的权重因子，(i,j)为顶点i与j之间的边；E₁(C)为簇内顶点间边的集合，E₂(C)为簇间顶点间边的集合；为顶点i与j之间的相似度，用顶点F-gNB的i和j的能量效率之差的绝对值来表示，即，而K_i为接入F-gNB i的UE的集合；为顶点i与j之间的差异度，用顶点F-gNB的i和顶点j的距离来表示，即，

5.根据权利要求1所述的一种基于簇和几何注水资源分配的网络能效提升方法，其特征在于：在所述步骤S3中，使用几何注水方法来分析信道功率分配问题，最大化网络传输速率；在信道功率分配的基础上降低F-gNB的发射功率，减小网络功率消耗，最大化网络的能量效率。

6.根据权利要求1所述的一种基于簇和几何注水资源分配的网络能效提升方法，其特征在于：在所述步骤S4中，完成gNB与UE匹配和信道功率分配后，通过关闭能效低的F-gNB进一步提升网络能量效率，直到网络的能量效率不再提高；除此之外，每个F-gNB都有一个核心区域，核心区域定义为以F-gNB为中心，半径为20m以内的范围；若核心区域内有UE，则F-gNB不会被关闭。