CN110809290A - 一种层内协作的软件定义异构网络的效用优化方法及系统 - Google Patents

一种层内协作的软件定义异构网络的效用优化方法及系统 Download PDF

Info

Publication number
CN110809290A
CN110809290A CN201911049201.XA CN201911049201A CN110809290A CN 110809290 A CN110809290 A CN 110809290A CN 201911049201 A CN201911049201 A CN 201911049201A CN 110809290 A CN110809290 A CN 110809290A
Authority
CN
China
Prior art keywords
base station
layer
small cell
utility
network
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
CN201911049201.XA
Other languages
English (en)
Inventor
韩涛
李世民
钟祎
贺威
江雪莹
代俊
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201911049201.XA priority Critical patent/CN110809290A/zh
Publication of CN110809290A publication Critical patent/CN110809290A/zh
Pending legal-status Critical Current

Links

Images

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
    • H04W28/08—Load balancing or load distribution
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/20—Selecting an access point
    • 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

Abstract

本发明公开了一种层内协作的软件定义异构网络的效用方法及系统，属于无线通信技术领域，包括：根据预设的接入策略，即用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站，分别计算各层的接入概率和覆盖概率，并计算网络的整体覆盖概率；计算各层基站的能力利用率，并将两层基站的能力利用率的差异程度作为网络的负载均衡；根据各层基站的实际负载情况、接入概率和覆盖概率，计算各层的动态功耗，以计算网络的能量效率；基于覆盖概率、负载均衡和能量效率归一化后的效用函数，计算网络的整体效用并优化，以确定使得整体效用最大化的两层基站密度比。本发明能够根据实际需求优化层内协作的软件定义异构网络的整体性能。

Description

一种层内协作的软件定义异构网络的效用优化方法及系统
技术领域
本发明属于无线通信技术领域，更具体地，涉及一种层内协作的软件定义异构网络的效用优化方法及系统。
背景技术
移动通信技术在近几十年发展迅速，移动用户的数量也在急剧增加。研究表明，从2010年到2020年，无线通信量将增长500倍以上。第五代(5G)移动通信系统要求更高的系统容量、更高的传输速率、更高的能源效率、更低的延迟、更低的系统成本。然而，传统的由宏基站组成的蜂窝网络不足以满足这些要求，小蜂窝基站因其覆盖范围小、功耗低、成本低、部署灵活等优点，显示出巨大的潜力。在异构网络中，小蜂窝基站通过从拥塞的宏基站中卸载用户，降低宏基站的负载，从而为用户提供更好的服务体验。
对一般异构网络的性能分析已有相当多的研究，然而，由于宏基站层和小蜂窝基站层的共存和小蜂窝基站的密集部署，异构网络仍然存在着干扰大、能耗高等问题，因此异构网络的性能尤其是覆盖概率受到严重干扰的限制。为了进一步提高异构网络的整体性能，允许多个基站共同处理用户数据的基站协作是可行方案之一，但如何选择基站组成协作组还需要进行深入的研究。由于小蜂窝基站的部署密度越来越大，越来越多的用户从宏基站中卸载，最后可能导致宏基站服务的用户过少，服务用户的能力没有得到充分利用，因此负载均衡也是异构网络中值得探讨的问题之一。实现无线通信系统的低能耗和高能效是下一代无线网络设计的主要目标。据报道，信息技术产业的能源消费占全球能源消费总量的10％，其中无线通信所产生的能源消费比例不容低估。有研究人员证明，通过引入小蜂窝基站层，能源消耗显著增加。睡眠策略是一种有效的节能方式，但由于能源效率同时受到吞吐量和能耗的影响，睡眠策略并不能提高能源效率。因此，如何有效提高能量效率也是改善异构网络性能的重大挑战之一。
现有的研究大多集中在非合作或层间协作场景下异构网络的单个性能分析，层内协作的异构网络的性能尚未得到充分的研究。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了一种层内协作的软件定义异构网络的效用优化方法及系统，其目的在于，综合考虑多项性能指标来优化层内协作的软件定义异构网络的整体性能。
为实现上述目的，按照本发明的第一方面，提供了一种层内协作的软件定义网络的效用优化方法，包括：
根据预设的接入策略，分别计算用户接入小蜂窝基站层和宏基站层的接入概率As和Am，以及小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc，并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率Pc；
根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率
Figure BDA0002254868530000021
和
Figure BDA0002254868530000022
并将两层基站的能力利用率的差异程度作为网络的负载均衡SN；
根据各层基站的实际负载情况以及各层的接入概率和覆盖概率，分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt，以计算网络的能量效率E；
对网络的覆盖概率Pc、负载均衡SN和能量效率E分别归一化，得到相应的效用函数
Figure BDA0002254868530000023
效用函数UN和效用函数UE后，根据各性能指标的权重计算网络的整体效用Ut，并对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，在该接入策略中，用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站；λs和λm分别表示小蜂窝基站层和宏基站层的密度。
本发明根据层内协作的软件定义异构网络中用户选择基站的接入策略，即用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站，计算各基站层的接入概率和覆盖概率，并根据各层的接入概率和覆盖概率进一步计算了层内协作的异构网络整体的覆盖概率、负载均衡和能量效率，实现了对层内协作的异构网络的性能研究，并综合考虑这三项性能指标对异构网络的整体效用进行优化，提高了层内协作的软件定义异构网络的整体性能。
本发明在计算异构网络整体的负载均衡时，考虑了各基站层中基站的能力利用率，并将两层基站的能力利用率的差异程度作为网络的负载均衡，能更真实地体现网络的层基站的负载状态，更准确的获取异构网络的负载均衡，为层内协作的异构网络的整体性能优化提供了可靠的依据。
本发明在计算异构网络的能量效率时，考虑了各层基站的实际负载情况，动态地计算各层基站的功耗，能够更准确地获得网络的能量效率，为层内协作的异构网络的整体性能优化提供了可靠的依据。
进一步地，根据用户选择基站的接入策略，计算得到的用户接入小蜂窝基站层和宏基站层的接入概率As和Am分别为：
Figure BDA0002254868530000031
其中，α表示路径损耗指数，
Figure BDA0002254868530000041
表示由距离用户最近的k个小蜂窝基站组成的小蜂窝基站协作组，xs,j表示小蜂窝基站协作组
Figure BDA0002254868530000042
中的第j个小蜂窝基站，rs,j表示小蜂窝基站xs,j到用户的距离，ps和pm分别表示单个小蜂窝基站和单个宏基站的发射功率，rm表示距离用户最近的宏基站与用户之间的距离，
Figure BDA0002254868530000044
是rs,j的联合概率密度函数，
Figure BDA0002254868530000045
进一步地，根据用户选择基站的接入策略，计算得到的小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc分别为：
Figure BDA0002254868530000046
其中，Γ表示SNIR阈值，σ2表示加性高斯白噪声的方差；
Figure BDA0002254868530000047
表示用户接入单个宏基站时，基站与用户间距离的概率密度函数，r表示宏基站与用户间的距离；
Figure BDA0002254868530000048
表示用户接入小蜂窝基站协作组
Figure BDA0002254868530000049
时，基站与用户间距离的概率密度函数；
Figure BDA00022548685300000410
表示用户所选择的服务基站所受干扰的拉普拉斯变换。
进一步地，网络的整体覆盖概率为：Pc＝AmPmc+AsPsc。
进一步地，根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率
Figure BDA00022548685300000411
和
Figure BDA00022548685300000412
包括：
根据小蜂窝基站层的接入概率As，计算小蜂窝基站层中每个基站服务的平均用户数为：
Figure BDA00022548685300000413
以计算小蜂窝基站层中基站的能力利用率为：
Figure BDA0002254868530000051
根据宏基站层的接入概率Am，计算宏基站层中每个基站服务的平均用户数为：
Figure BDA0002254868530000052
以计算宏基站层中基站的能力利用率为：
Figure BDA0002254868530000053
其中，k表示小蜂窝基站协作组中包含的小蜂窝基站数，λu表示异构网络中用户的密度，
Figure BDA0002254868530000054
和
Figure BDA0002254868530000055
分别表示小蜂窝基站层和宏基站层中基站可服务的最大用户数。
进一步地，网络的负载均衡SN为：
Figure BDA0002254868530000056
进一步地，根据各层基站的实际负载情况，计算得到的小蜂窝基站层和宏基站层的动态功耗pst和pmt分别为：
Figure BDA0002254868530000057
pmt＝pmo+ΔmppmN2；
其中，pso和pmo分别表示小蜂窝基站和宏基站发射功率为0时的静态功率，Δsp和Δmp分别表示小蜂窝基站和宏基站射频的功放效率的倒数，ps和pm分别表示单个小蜂窝基站和单个宏基站的发射功率，N1和N2分别表示单个小蜂窝基站和单个宏基站实际服务的用户数，ph是小蜂窝基站的回程功率，psleep表示小蜂窝基站处于休眠模式下的功耗。
进一步地，网络的能量效率E为：
Figure BDA0002254868530000061
其中，Cs和Cm分别表示用户由宏基站层或小蜂窝基站层服务时各层的吞吐量，Pst′和Pmt′分别表示小蜂窝基站层和宏基站层的总能量消耗；k表示小蜂窝基站协作组中包含的小蜂窝基站数，λu表示异构网络中用户的密度；R＝Blog2(1+Γ)为最大可达速率，B为信道带宽，Γ表示SNIR阈值。
进一步地，
Figure BDA0002254868530000062
其中，ξP、ξN和ξE分别表示效用函数效用函数UN和效用函数UE所对应曲线的切线的最大斜率，μP、μN和μE分别表示效用函数
Figure BDA0002254868530000064
效用函数UN和效用函数UE所对应曲线的属性值变化区间的中点。
进一步地，对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm，包括：
以
Figure BDA0002254868530000065
为第一约束条件，以
Figure BDA0002254868530000066
为第二约束条件，以w1+w2+w3＝1为第三约束条件；
以
Figure BDA0002254868530000071
为优化目标，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，w1、w2和w3分别为负载均衡、覆盖概率和能量效率在异构网络总效用中的权重，
Figure BDA0002254868530000072
表示自然数集合，R1和R2分别为预设的优化范围的下限和上限。
按照本发明的第二方面，提供了一种层内协作的软件定义异构网络的效用优化系统，包括：覆盖概率获取模块、负载均衡获取模块、能量效率获取模块以及效用优化模块；
覆盖概率获取模块，用于根据预设的接入策略，分别计算用户接入小蜂窝基站层和宏基站层的接入概率As和Am，以及小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc，并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率Pc；
负载均衡获取模块，用于根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率
Figure BDA0002254868530000073
和
Figure BDA0002254868530000074
并将两层基站的能力利用率的差异程度作为网络的负载均衡SN；
能量效率获取模块，用于根据各层基站的实际负载情况，分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt，以计算网络的能量效率E；
效用优化模块，用于对网络的覆盖概率Pc、负载均衡SN和能量效率E分别归一化，得到相应的效用函数
Figure BDA0002254868530000075
效用函数UN和效用函数UE后，根据各性能指标的权重计算网络的整体效用Ut，并对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，在该接入策略中，用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站；λs和λm分别表示小蜂窝基站层和宏基站层的密度。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
(1)本发明提供的层内协作的软件定义异构网络的效用优化方法及系统，根据层内协作的软件定义异构网络中用户选择基站的接入策略，即用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站，计算各基站层的接入概率和覆盖概率，并根据各层的接入概率和覆盖概率进一步计算了层内协作的异构网络整体的覆盖概率、负载均衡和能量效率，实现了对层内协作的异构网络的性能研究，并综合考虑这三项性能指标对异构网络的整体效用进行优化，提高了层内协作的软件定义异构网络的整体性能。
(2)本发明提供的层内协作的软件定义异构网络的效用优化方法及系统，在计算异构网络整体的负载均衡时，考虑了各基站层中基站的能力利用率，并将两层基站的能力利用率的差异程度作为网络的负载均衡，能更真实地体现网络的层基站的负载状态，更准确的获取异构网络的负载均衡，为层内协作的异构网络的整体性能优化提供了可靠的依据。
(3)本发明提供的层内协作的软件定义异构网络的效用优化方法及系统，在计算异构网络的能量效率时，考虑了各层基站的实际负载情况，动态地计算各层基站的功耗，能够更准确地获得网络的能量效率，为层内协作的异构网络的整体性能优化提供了可靠的依据。
附图说明
图1为本发明实施例提供的层内协作的软件定义异构网络的示意图；
图2为本发明实施例提供的层内协作的软件定义异构网络的效用优化方法流程图；
图3为本发明实施例提供的不同的小蜂窝基站发射功率下的负载均衡效用随两层基站密度比变化的仿真图；
图4为本发明实施例提供的两层基站密度比对覆盖概率效用和能量效率效用影响的仿真图；
图5为本发明实施例提供的三种性能权重不同时两层基站密度比对总效用影响的仿真图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明中，本发明及附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
在详细解释本发明的技术方案之前，先对本发明中的层内协作的软件定义异构网络的结构进行简要介绍。层内协作的软件定义异构网络如图1所示，该系统中集成了中心控制器和移动边缘云(Mobile Edge Computing,MEC)服务器的小蜂窝基站协作；软件定义网络(Software Defined Network，SDN)将网络划分为一个控制平面和一个数据平面，中心控制器更好的管理整个网络，从而提高了网络的灵活性；中心控制器、MEC服务器和基站之间都存在控制平面上控制流和数据平面上数据流的双向传输；每个MEC服务器都物理连接到一个基站，而所有MEC服务器都直接连接到中心控制器或通过其他MEC服务器间接连接到中心控制器。MEC服务器相当于一个基站的本地控制器，具有一定的计算和控制功能；中心控制器可以实时掌握基站状态、传输功率和运行方式以及用户状态等动态信息，其可以对整个网络进行控制和管理，使系统的覆盖概率、负载均衡和能量效率等性能同时达到相对最优状态。
图1所示的层内协作的软件定义异构网络由小蜂窝基站层和宏基站层组成，二者相互独立。小蜂窝基站和宏基站的分布分别遵循泊松点过程Φm、Φs。在层内协作模型中，小蜂窝基站层通过协作通信为用户提供服务，用户根据最大接收信号强度选择与小蜂窝基站协作组或单个宏基站作为其服务基站。通常情况下，信道衰落为瑞利衰落，功率衰减指数为hi,j～exp(1)；使用正交频分多址(OFDMA)，用户会受到除服务基站外其他所有基站的干扰，包括层内干扰和层间干扰；因此，典型用户的信干噪比为
Figure BDA0002254868530000101
其中，C代表用户的服务基站，根据用户选择基站的接入策略，可以是一个小蜂窝基站协作组或者是单个宏基站；Cc指的是除服务基站外的所有干扰基站组成的集合；σ2是加性高斯白噪声的方差；i表示基站层，具体为小蜂窝基站层或宏基站层，pi表示对应基站层中基站的发射功率，hi,j表示对应基站层中第j个基站的功率衰减指数，ri,j表示对应基站层中第j个基站与用户间的距离，xi,j表示对应基站层中的第j个基站，α表示路径损耗指数。
为优化层内协作的软件定义异构网络的整体性能，本发明提供的层内协作的软件定义网络的效用优化方法，如图2所示，包括：
根据预设的接入策略，分别计算用户接入小蜂窝基站层和宏基站层的接入概率As和Am，以及小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc，并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率Pc；
根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率
Figure BDA0002254868530000111
和
Figure BDA0002254868530000112
并将两层基站的能力利用率的差异程度作为网络的负载均衡SN；
根据各层基站的实际负载情况以及各层的接收概率和覆盖概率所，分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt，以计算网络的能量效率E；
对网络的覆盖概率Pc、负载均衡SN和能量效率E分别归一化，得到相应的效用函数
Figure BDA0002254868530000113
效用函数UN和效用函数UE后，根据各性能指标的权重计算网络的整体效用Ut，并对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，在该接入策略中，用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站；λs和λm分别表示小蜂窝基站层和宏基站层的密度。
在本实施例中，根据用户选择基站的接入策略，计算得到的用户接入小蜂窝基站层和宏基站层的接入概率As和Am分别为：
Figure BDA0002254868530000114
其中，
Figure BDA0002254868530000115
表示由距离用户最近的k个小蜂窝基站组成的小蜂窝基站协作组，xs,j表示小蜂窝基站协作组
Figure BDA0002254868530000116
中的第j个小蜂窝基站，rs,j表示小蜂窝基站xs,j到用户的距离，ps和pm分别表示单个小蜂窝基站和单个宏基站的发射功率，rm表示距离用户最近的宏基站与用户之间的距离，
Figure BDA0002254868530000117
是rs,j的联合概率密度函数，其表达式为
Figure BDA0002254868530000121
表示一个中间变量，用于简化表达式，其表达式为
Figure BDA0002254868530000122
根据用户选择基站的接入策略，计算小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc时，根据覆盖率的定义式P＝P(SINR＞Γ)，将用户选择小蜂窝基站协作组或单个宏基站作为其服务基站时，对应的SINR表达式代入即可求得小蜂窝基站层的覆盖概率Psc和宏基站层的覆盖概率Pmc，分别为：
Figure BDA0002254868530000123
其中，Γ表示SNIR阈值；表示用户接入单个宏基站时，基站与用户间距离的概率密度函数，r表示宏基站与用户间的距离；
Figure BDA0002254868530000125
表示用户接入小蜂窝基站协作组
Figure BDA0002254868530000126
时，基站与用户间距离的概率密度函数；
Figure BDA0002254868530000127
表示用户所选择的服务基站所受干扰的拉普拉斯变换，其表达式具体为
Figure BDA0002254868530000128
其中γ＝(s′pi)-1/αr，di表示用户与其在层i∈{s,m}中最近的干扰基站的距离；对于Pmc，满足条件dm＝r,ds≈(ps/pm)1/αr；对于Psc，满足条件
Figure BDA0002254868530000129
获得各层的接入概率和覆盖概率后，可计算网络的整体覆盖概率为：Pc＝AmPmc+AsPsc。
在本实施例中，根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率
Figure BDA00022548685300001210
和包括：
根据小蜂窝基站层的接入概率As，计算小蜂窝基站层中每个基站服务的平均用户数为：
Figure BDA0002254868530000131
以计算小蜂窝基站层中基站的能力利用率为：
Figure BDA0002254868530000132
根据宏基站层的接入概率Am，计算宏基站层中每个基站服务的平均用户数为：
Figure BDA0002254868530000133
以计算宏基站层中基站的能力利用率为：
Figure BDA0002254868530000134
其中，k表示小蜂窝基站协作组中包含的小蜂窝基站数，λu表示异构网络中用户的密度，
Figure BDA0002254868530000135
和
Figure BDA0002254868530000136
分别表示小蜂窝基站层和宏基站层中基站可服务的最大用户数；
获得小蜂窝基站层和宏基站层中基站的能力利用率
Figure BDA0002254868530000137
和后，可计算网络的负载均衡SN为：
Figure BDA0002254868530000139
本实施例在计算异构网络整体的负载均衡时，考虑了各基站层中基站的能力利用率，并将两层基站的能力利用率的差异程度作为网络的负载均衡，能更真实地体现网络的层基站的负载状态，更准确的获取异构网络的负载均衡，为层内协作的异构网络的整体性能优化提供了可靠的依据。
在本实施例中，根据各层基站的实际负载情况，计算得到的小蜂窝基站层和宏基站层的动态功耗pst和pmt分别为：
Figure BDA00022548685300001310
pmt＝pmo+ΔmppmN2；
其中，pso和pmo分别表示小蜂窝基站和宏基站发射功率为0时的静态功率；Δsp和Δmp分别表示小蜂窝基站和宏基站射频的功放效率的倒数，即与负载相关功率的斜率；ps和pm分别表示单个小蜂窝基站和单个宏基站的发射功率，N1和N2分别表示单个小蜂窝基站和单个宏基站实际服务的用户数，ph是小蜂窝基站的回程功率(由于小蜂窝基站协作组中存在层内协作通信，因此在计算小蜂窝基站的动态功耗时需考虑回程功耗)；psleep表示小蜂窝基站处于休眠模式下的功耗；
基于小蜂窝基站层和宏基站层的动态功耗pst和pmt，可计算网络的能量效率E为：
Figure BDA0002254868530000141
其中，Cs和Cm分别表示用户由宏基站层或小蜂窝基站层服务时各层的吞吐量，Pst′和Pmt′分别表示小蜂窝基站层和宏基站层的总能量消耗；R＝Blog2(1+Γ)为最大可达速率，B为信道带宽；
本实施例在计算异构网络的能量效率时，考虑了各层基站的实际负载情况，动态地计算各层基站的功耗，能够更准确地获得网络的能量效率，为层内协作的异构网络的整体性能优化提供了可靠的依据。
在本实施例中，对网络的覆盖概率Pc、负载均衡SN和能量效率E分别归一化，得到的效用函数分别为：
Figure BDA0002254868530000151
其中，ξP、ξN和ξE分别表示效用函数效用函数UN和效用函数UE所对应曲线的切线的最大斜率，μP、μN和μE分别表示效用函数
Figure BDA0002254868530000153
效用函数UN和效用函数UE所对应曲线的属性值变化区间的中点；通过这种方法计算各项性能指标对应的效用函数，能够更好地体现各项性能指标的变化趋势；
获得效用函数
Figure BDA0002254868530000154
效用函数UN和效用函数UE后，根据各性能指标的权重可计算网络的整体效用Ut为
Figure BDA0002254868530000155
效用Ut是λs/λm的函数，w1、w2和w3分别为负载均衡、覆盖概率和能量效率在异构网络总效用中的权重，在实际应用中，可以根据不同的实际要求来调整各类效用的权重；
对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm，包括：
以
Figure BDA0002254868530000156
为第一约束条件，以
Figure BDA0002254868530000157
为第二约束条件，以w1+w2+w3＝1为第三约束条件；
以
Figure BDA0002254868530000158
为优化目标，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；在求解上述优化目标时，具体可通过穷举搜索算法求解使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，
Figure BDA0002254868530000161
表示自然数集合；R1和R2分别为预设的优化范围[R1,R2]的下限和上限，可根据实际的异构网络结构确定，在本实施例中，具体设置R1＝1和R2＝100，相应地，优化范围为[1,100]。
上述层内协作的软件定义异构网络的效用优化方法，根据层内协作的软件定义异构网络中用户选择基站的接入策略，即用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站，计算各基站层的接入概率和覆盖概率，并根据各层的接入概率和覆盖概率进一步计算了层内协作的异构网络整体的覆盖概率、负载均衡和能量效率，实现了对层内协作的异构网络的性能研究，并综合考虑这三项性能指标对异构网络的整体效用进行优化，提高了层内协作的软件定义异构网络的整体性能。
本发明还提供了一种层内协作的软件定义异构网络的效用优化系统，包括：覆盖概率获取模块、负载均衡获取模块、能量效率获取模块以及效用优化模块；
覆盖概率获取模块，用于根据预设的接入策略，分别计算用户接入小蜂窝基站层和宏基站层的接入概率As和Am，以及小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc，并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率Pc；
负载均衡获取模块，用于根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率和
Figure BDA0002254868530000163
并将两层基站的能力利用率的差异程度作为网络的负载均衡SN；
能量效率获取模块，用于根据各层基站的实际负载情况，分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt，以计算网络的能量效率E；
效用优化模块，用于对网络的覆盖概率Pc、负载均衡SN和能量效率E分别归一化，得到相应的效用函数
Figure BDA0002254868530000171
效用函数UN和效用函数UE后，根据各性能指标的权重计算网络的整体效用Ut，并对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，在该接入策略中，用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站；λs和λm分别表示小蜂窝基站层和宏基站层的密度；
在本实施例中，各模块的具体实施方式可参考上述方法实施例中的描述，在此将不作复述。
对上述层内协作的软件定义异构网络的效用优化方法的仿真结果如图3～5所示，相关的参数如下表表1所示：
表1层内协作的软件定义异构网络的参数
Figure BDA0002254868530000172
图3给出了不同小蜂窝基站发射功率下的负载均衡效用随两层基站密度比变化的仿真图，根据图3所示仿真结果可知，随着两层基站密度比λs/λm或小蜂窝基站发射功率的增加，负载均衡效用减小，而且减小的速度刚开始比较快，后来越来越慢；在仿真场景中，当λs/λm＝1时，小蜂窝基站的能力利用率已经超过的宏基站的能力利用率；当小蜂窝基站部署得更密集或发射功率更大时，用户从小蜂窝基站协作组接收到的信号更强，就会导致大量用户将不再访问宏基站层，而是访问小蜂窝基站层，因此
Figure BDA0002254868530000182
增大同时
Figure BDA0002254868530000183
减少。因此，SN变得更大，结合
Figure BDA0002254868530000184
容易得到负载均衡效用变得更小，网络的负载越来越不均衡。根据图3所示的仿真结果可以得出结论，如果小蜂窝基站部署得过于密集，将导致网络严重的负载不平衡，因此，合理设置两层基站密度比和小蜂窝基站的发射功率对于改善网络的负载均衡性能至关重要。
两层基站密度比对覆盖概率效用和能量效率效用的影响如图4所示。通过仿真，可知在任意SINR阈值下，小蜂窝基站层的覆盖概率始终大于宏基站层，即Psc＞Pmc。随着λs/λm增大，越来越多的用户将从宏基站层转接入小蜂窝基站层，并且卸载速度越来越慢；最后，将达到As→1,Am→0；从Pc＝AmPmc+AsPsc可以看出，总的覆盖概率会持续增大，并且增长速率会逐渐减小，因此覆盖概率效用会呈现图4的趋势。由于前期吞吐量的增长快于能量消耗的增长，但是后期能量消耗的增长快于吞吐量的增长，因此由吞吐量和能量消耗共同决定的能量效率会随着λs/λm的增长呈现先增大，后降小的趋势。
图5将网络的总效用描述为不同性能权重下两层基站密度比的函数。由于图3和图4中所显示的网络的覆盖概率、负载均衡和能量效率随着λs/λm的增大分别呈现持续增大、先增大后减小和持续减小的趋势，因此虽然三组权重不同，但是网络的总效用都会呈现先上升后下降的趋势，总会存在一个最大值，但是相对应的最优两层基站密度比是不同的。采用穷举搜索算法，就可以得到最优两层基站密度比和最大效用值。综合考虑三种性能效用，不难得出图5中显示的UN或UE权重最大时的最优密度比(39或37)小于
Figure BDA0002254868530000191
权重最大时的最优密度比(47)。因此，可以根据用户的需求偏向来调整
Figure BDA0002254868530000192
UN和UE的权重，从而满足不同的实际需求。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种层内协作的软件定义异构网络的效用优化方法，其特征在于，包括：
根据预设的接入策略，分别计算用户接入小蜂窝基站层和宏基站层的接入概率As和Am，以及小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc，并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率Pc；
根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率
Figure FDA0002254868520000011
和
Figure FDA0002254868520000012
并将两层基站的能力利用率的差异程度作为网络的负载均衡SN；
根据各层基站的实际负载情况以及各层的接入概率和覆盖概率，分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt，以计算网络的能量效率E；
对网络的覆盖概率Pc、负载均衡SN和能量效率E分别归一化，得到相应的效用函数
Figure FDA0002254868520000013
效用函数UN和效用函数UE后，根据各性能指标的权重计算网络的整体效用Ut，并对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，在所述接入策略中，用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站；λs和λm分别表示小蜂窝基站层和宏基站层的密度。
2.如权利要求1所述的层内协作的软件定义异构网络的效用优化方法，其特征在于，根据用户选择基站的接入策略，计算得到的用户接入小蜂窝基站层和宏基站层的接入概率As和Am分别为：
Figure FDA0002254868520000021
其中，α表示路径损耗指数，
Figure FDA0002254868520000022
表示由距离用户最近的k个小蜂窝基站组成的小蜂窝基站协作组，xs,j表示小蜂窝基站协作组
Figure FDA0002254868520000023
中的第j个小蜂窝基站，rs,j表示小蜂窝基站xs,j到用户的距离，ps和pm分别表示单个小蜂窝基站和单个宏基站的发射功率，rm表示距离用户最近的宏基站与用户之间的距离，
Figure FDA0002254868520000024
Figure FDA0002254868520000025
是rs,j的联合概率密度函数，
3.如权利要求2所述的层内协作的软件定义异构网络的优化方法，其特征在于，根据用户选择基站的接入策略，计算得到的小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc分别为：
Figure FDA0002254868520000027
其中，Γ表示SNIR阈值，σ2表示加性高斯白噪声的方差；
Figure FDA0002254868520000028
表示用户接入单个宏基站时，基站与用户间距离的概率密度函数，r表示宏基站与用户间的距离；表示用户接入小蜂窝基站协作组
Figure FDA00022548685200000210
时，基站与用户间距离的概率密度函数；
Figure FDA00022548685200000211
表示用户所选择的服务基站所受干扰的拉普拉斯变换。
4.如权利要求1所述的层内协作的软件定义异构网络的效用优化方法，其特征在于，根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率
Figure FDA0002254868520000031
和
Figure FDA0002254868520000032
包括：
根据小蜂窝基站层的接入概率As，计算小蜂窝基站层中每个基站服务的平均用户数为：
Figure FDA0002254868520000033
以计算小蜂窝基站层中基站的能力利用率为：
Figure FDA0002254868520000034
根据宏基站层的接入概率Am，计算宏基站层中每个基站服务的平均用户数为：以计算宏基站层中基站的能力利用率为：
Figure FDA0002254868520000036
其中，k表示小蜂窝基站协作组中包含的小蜂窝基站数，λu表示异构网络中用户的密度，
Figure FDA0002254868520000037
和
Figure FDA0002254868520000038
分别表示小蜂窝基站层和宏基站层中基站可服务的最大用户数。
5.如权利要求1或4所述的层内协作的软件定义异构网络的效用优化方法，其特征在于，网络的负载均衡SN为：
Figure FDA0002254868520000039
6.如权利要求1所述的层内协作的软件定义异构网络的效用优化方法，其特征在于，根据各层基站的实际负载情况，计算得到的小蜂窝基站层和宏基站层的动态功耗pst和pmt分别为：
备注：ps≠0
pmt＝pmo+ΔmppmN2；
其中，pso和pmo分别表示小蜂窝基站和宏基站发射功率为0时的静态功率，Δsp和Δmp分别表示小蜂窝基站和宏基站射频的功放效率的倒数，ps和pm分别表示单个小蜂窝基站和单个宏基站的发射功率，N1和N2分别表示单个小蜂窝基站和单个宏基站实际服务的用户数，ph是小蜂窝基站的回程功率，psleep表示小蜂窝基站处于休眠模式下的功耗。
7.如权利要求6所述的层内协作的软件定义异构网络的效用优化方法，其特征在于，网络的能量效率E为：
Figure FDA0002254868520000041
其中，Cs和Cm分别表示用户由宏基站层或小蜂窝基站层服务时各层的吞吐量，Pst′和Pmt′分别表示小蜂窝基站层和宏基站层的总能量消耗；k表示小蜂窝基站协作组中包含的小蜂窝基站数，λu表示异构网络中用户的密度；R＝Blog2(1+Γ)为最大可达速率，B为信道带宽，Γ表示SNIR阈值。
8.如权利要求1所述的层内协作的软件定义异构网络的效用优化方法，其特征在于，
Figure FDA0002254868520000042
其中，ξP、ξN和ξE分别表示效用函数效用函数UN和效用函数UE所对应曲线的切线的最大斜率，μP、μN和μE分别表示效用函数
Figure FDA0002254868520000044
效用函数UN和效用函数UE所对应曲线的属性值变化区间的中点。
9.如权利要求1或8所述的层内协作的软件定义异构网络的效用优化方法，其特征在于，对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm，包括：
以
Figure FDA0002254868520000051
为第一约束条件，以
Figure FDA0002254868520000052
为第二约束条件，以w1+w2+w3＝1为第三约束条件；
以
Figure FDA0002254868520000053
为优化目标，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，w1、w2和w3分别为负载均衡、覆盖概率和能量效率在异构网络总效用中的权重，
Figure FDA0002254868520000054
表示自然数集合，R1和R2分别为预设的优化范围的下限和上限。
10.一种层内协作的软件定义异构网络的效用优化系统，其特征在于，包括：覆盖概率获取模块、负载均衡获取模块、能量效率获取模块以及效用优化模块；
所述覆盖概率获取模块，用于根据预设的接入策略，分别计算用户接入小蜂窝基站层和宏基站层的接入概率As和Am，以及小蜂窝基站层和宏基站层的覆盖概率Psc和Pmc，并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率Pc；
所述负载均衡获取模块，用于根据各层的接入概率，分别计算小蜂窝基站层和宏基站层中基站的能力利用率和
Figure FDA0002254868520000056
并将两层基站的能力利用率的差异程度作为网络的负载均衡SN；
所述能量效率获取模块，用于根据各层基站的实际负载情况，分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt，以计算网络的能量效率E；
所述效用优化模块，用于对网络的覆盖概率Pc、负载均衡SN和能量效率E分别归一化，得到相应的效用函数效用函数UN和效用函数UE后，根据各性能指标的权重计算网络的整体效用Ut，并对网络的整体效用Ut进行优化，以确定使得整体效用Ut最大化的两层基站密度比λs/λm；
其中，在所述接入策略中，用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站；λs和λm分别表示小蜂窝基站层和宏基站层的密度。
CN201911049201.XA 2019-10-31 2019-10-31 一种层内协作的软件定义异构网络的效用优化方法及系统 Pending CN110809290A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911049201.XA CN110809290A (zh) 2019-10-31 2019-10-31 一种层内协作的软件定义异构网络的效用优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911049201.XA CN110809290A (zh) 2019-10-31 2019-10-31 一种层内协作的软件定义异构网络的效用优化方法及系统

Publications (1)

Publication Number Publication Date
CN110809290A true CN110809290A (zh) 2020-02-18

Family

ID=69489658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911049201.XA Pending CN110809290A (zh) 2019-10-31 2019-10-31 一种层内协作的软件定义异构网络的效用优化方法及系统

Country Status (1)

Country Link
CN (1) CN110809290A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103442412A (zh) * 2013-08-06 2013-12-11 东南大学 一种基于加权最优二分图匹配的网络选择方法
CN105792233A (zh) * 2016-05-13 2016-07-20 华中科技大学 一种在异构蜂窝网络中基于效能理论接入移动终端的方法
US20190220203A1 (en) * 2015-06-10 2019-07-18 Firquest Llc Hybrid memory device for lookup operations
CN110096337A (zh) * 2019-05-06 2019-08-06 燕山大学 一种企业应用云部署的云数据中心资源分配方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103442412A (zh) * 2013-08-06 2013-12-11 东南大学 一种基于加权最优二分图匹配的网络选择方法
US20190220203A1 (en) * 2015-06-10 2019-07-18 Firquest Llc Hybrid memory device for lookup operations
CN105792233A (zh) * 2016-05-13 2016-07-20 华中科技大学 一种在异构蜂窝网络中基于效能理论接入移动终端的方法
CN110096337A (zh) * 2019-05-06 2019-08-06 燕山大学 一种企业应用云部署的云数据中心资源分配方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TAO HAN，SHIMIN LI,YI ZHONG，ZHIQUAN BAI AND KYUNG-SUP KWAK: ""5G Software Defined Heterogeneous Networks With Cooperation and Partial Connectivity"", 《IEEE ACCESS》 *

Similar Documents

Publication Publication Date Title
CN108848520B (zh) 一种基于流量预测与基站状态的基站休眠方法
CN103856947B (zh) 一种联合信道选择和功率控制的干扰协调方法
CN105898851B (zh) 超密集网络中考虑能量收集的高能效功率控制方法
CN103167557B (zh) Lte-a系统中基于虚拟小区呼吸的负载均衡方法
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
CN106658679B (zh) 基于能效的基站功率控制方法
CN102355718B (zh) 一种联合高干扰指示和过载指示的上行干扰协调方法
CN116095690A (zh) 一种异构网络中基于强化学习的动态资源分配优化方法
Li et al. Optimized sleep strategy based on clustering in dense heterogeneous networks
Yang et al. Cluster-based joint resource allocation with successive interference cancellation for ultra-dense networks
CN104469849B (zh) 一种小基站网络中基于智能天线的动态流量分配方法
WO2021174960A1 (zh) 一种功率分配方法及装置
CN112752269A (zh) 一种异构密集网络协调用户数与绿色微基站数比例的方法
CN108834158B (zh) 一种用于超密集组网的干扰管理方法
CN110809290A (zh) 一种层内协作的软件定义异构网络的效用优化方法及系统
CN106604381A (zh) 一种基于三级发射功率机制的毫米波网络性能分析方法
CN107592640B (zh) 异构网络中的干扰协调方法
Zhou et al. Joint spectrum sharing and ABS adaptation for network virtualization in heterogeneous cellular networks
CN104581910A (zh) 面向小区无定形覆盖的协作簇内小基站异步功率控制方法
Taleb et al. Multi-objective optimization for RRH clustering in cloud radio access networks
CN107613565A (zh) 一种全双工超密集网络中的无线资源管理方法
CN106102151A (zh) 家庭基站系统中基于信道分配及功率控制的干扰管理方法
CN108650685B (zh) 一种c/u分离的5g蜂窝异构网络控制平面优化方法
CN106376005A (zh) 一种异构云无线接入网络中基于部分频率复用及基站协作的干扰抑制方法
Jiang et al. A power adjustment based eICIC algorithm for hyper-dense HetNets considering the alteration of user association.

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: 20200218

WD01 Invention patent application deemed withdrawn after publication