CN111148131A - 一种基于能耗的无线异构网络终端接入控制方法 - Google Patents

Abstract

本发明涉及一种基于能耗的无线异构网络终端接入控制方法，其属于节点能效提升领域，首先对一个区域内的节点业务量进行监测，通过统计异构网络中的用户数量和业务量参数来计算每个基站工作效率；然后判断网络是否处于低业务状态，并让处于低业务状态的节点进入休眠状态，处于休眠区域的用户自动切换到相邻的微基站或宏基站；本发明根据无线节点的业务量大小进行划分，提出一种终端接入控制机制，实现无线异构网络的节能效果和业务QoS保障；通过基站业务量与阈值的比较，让处于低负载状态的节点进入休眠状态，处于休眠区域的用户自动切换到相邻微基站或宏基站，在保证用户信号质量的前提下，尽可能的降低无线异构网络的能耗。

Description

一种基于能耗的无线异构网络终端接入控制方法

技术领域

本发明涉及一种基于能耗的无线异构网络终端接入控制方法，其属于节点能效提升领域。

背景技术

伴随着各种信息技术的飞速更新和发展，移动运营商必须承担爆炸式的用户和业务量的增长，相应地，增多的用户和业务量促使着无线接入网节点(基站等)的部署密集化。随着无线节点规模的扩大，传统的单一组网结构无法满足日益增多的业务量和种类的要求。在这种情况下，LTE/LTE-A作为新一代移动通信体制，采用了MIMO，OFDMA等先进技术，而无线通信网也逐渐向多层级，动态化，异构化、自主化发展。异构网络与同构网络相比，能负载更多的流量，进而提高该区域的用户体验，但异构网络与同构网络有较大的差异，异构网络的场景更复杂，基站功能差异更大，稳定性要求更高，终端接入控制机制和基站节能管理条件无法统一，因此当前无线通信网并没有成熟完整的接入控制和节能机制。除此之外，随着无线网络规模的扩大，节点消耗的能源也以惊人的速度增长，能耗占比达到了整个通信网络总能耗的60％～80％。实际上，无线接入节点的容量往往是按照峰值业务量设定的，当网络处于低业务量时会造成大量的资源浪费，并增加了运营成本。因此，在温室效应、能源危机等全球性问题突出的今天，如何提升无线异构网络接入节点的能效已经成为重要的研究方向。

发明内容

本发明所要解决的技术问题是提供了一种用户体验好且能耗节约的基于能耗的无线异构网络终端接入控制方法。

本发明采用如下技术方案：

一种基于能耗的无线异构网络终端接入控制方法，其包括：

首先，对一个区域内的节点业务量进行监测，通过统计网络中用户数量和业务量参数来计算每个基站工作效率；

然后判断网络是否处于低业务状态，并让处于低负载状态的节点进入休眠状态，处于休眠区域的用户自动切换到相邻的微基站或宏基站。

经过仿真实验证明，在保证用户信号质量的前提下，本发明提出的终端接入控制机制对于异构网络的节能有明显的效果，具有可行性。

首先建立区域业务量模型，用以描述无线异构网络中不同时刻不同基站的业务量，进而建立异构网络的基站功率消耗模型和优化目标模型。

然后，提出了一种基于粒子群算法的覆盖补偿最优化方法，对当前业务量的多寡判断基站的休眠与否；最后提出一种用户接入控制方法，该方法基于自组织管理的概念，对于进入休眠状态的基站，让其相邻基站进入补偿状态，用户自动接入合适的补偿基站，并兼顾考虑了终端接入过程复杂度和恢复过程复杂度，保障了用户的使用体验。

本发明的有益效果如下：

本发明的目的是实现用户自动选择接入无线异构网络以解决无线异构网络中的能源浪费问题。本发明根据无线节点的业务量大小进行划分，提出一种终端接入控制机制，实现无线异构网络的节能效果和业务QoS保障；通过基站业务量与阈值的比较，让处于低负载状态的节点进入休眠状态，处于休眠区域的用户自动切换到相邻微基站或宏基站，在保证用户信号质量的前提下，尽可能的降低无线异构网络的能耗。

本发明通过建立无线异构网络的业务量模型，用以描述无线异构网络中不同基站的业务量，进而建立了异构网络基站能耗模型和优化目标模型，同时提出了一种基于能耗的无线异构网络终端接入控制方法，让处于低业务量状态的基站进入休眠状态，用户自动接入临近的补偿基站，在保障用户体验的前提下，尽可能的节约能耗。

本发明将无线异构网络中的无线节点以业务量多寡进行划分，并让业务量低于阈值的节点进入休眠状态，相邻节点进入补偿状态。本发明将休眠节点的业务进行负载转移，用户自动接入合适的补偿基站，在保障用户体验的前提下，尽可能节约能耗。

经过仿真实验证明，在保证用户信号质量的前提下，本发明提出的终端接入控制方法对于异构网络的节能有明显的效果，具有可行性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本发明的实施例中典型的无线异构网络场景的示意图。

图2为本发明的实施例中粒子群优化算法的流程图。

图3为本发明的实施例中用户接入控制方法的流程图。

图4为本发明的实施例中网络拓扑和覆盖仿真的示意图。

图5为本发明的实施例中整个区域一天内不同时段的负荷变化曲线图。

图6为本发明的实施例中某一区域一天中不同时段的耗电量曲线图。

图7为本发明的实施例中低业务量时段信干噪比和接收信号功率情况示意图。

图8为本发明的实施例中常规时段信干噪比和接收信号功率情况示意图。

图9为本发明的实施例中高业务量时段信干噪比和接收信号功率情况示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图1-图9和具体实施例对发明进行清楚、完整的描述。

本实施例涉及一种基于能耗的无线异构网络终端接入控制方法，其包括：

首先，对一个区域内的节点业务量进行监测，通过统计网络中用户数量和业务量参数来计算每个基站工作效率；

然后判断网络是否处于低业务状态，并让处于低负载状态的节点进入休眠状态，处于休眠区域的用户自动切换到相邻的微基站或宏基站。

首先建立区域业务量模型，用以描述无线异构网络中不同时刻不同基站的业务量，进而建立异构网络的基站功率消耗模型和优化目标模型。

然后，提出了一种基于粒子群算法的覆盖补偿最优化方法，对当前业务量的多寡判断基站的休眠与否；最后提出一种用户接入控制方法，该方法基于自组织管理的概念，对于进入休眠状态的基站，让其相邻基站进入补偿状态，用户自动接入合适的补偿基站，并兼顾考虑了终端接入过程复杂度和恢复过程复杂度，保障了用户的使用体验。

无线异构网络主要由宏基站、微基站、中继站和微微基站等组成，但由于中继站，微微基站等特殊功能和用处，异构网络中不考虑临时关闭，这里也不考虑这两种无线节点，一个典型的无线异构场景如图1所示。

关于建立业务量模型，本实施例设定各基站间的业务量变化相互独立，所有用户的业务均为IP业务，这样基站资源利用率与连接到基站的用户数呈线性关系，并假设基站每天的业务量是呈周期性变化的。每个基站的业务量和整体网络的业务量都遵从一个类sin周期函数变化，如下所示：

式(1)中，参数n用于控制业务量曲线振幅，参数k用于模拟网络中最少用户数，参数b用于调整曲线斜率和平均业务量值，参数m表示业务量曲线相位，用于左右峰值的时间；

通过调整式(1)中的参数模拟得到不同基站的业务量曲线。

关于建立异构网络的基站功率消耗模型，为了比较这种接入控制方法在异构网络环境下的节能效果，对不同类型基站的能耗构成进行研究。基站功率损耗由两部分组成：静态功率损耗和动态功率损耗。

根据功率模型线性表达式(2)计算宏基站的功率损耗P_BS,Ma：

根据功率模型线性表达式(3)～(5)计算微基站的功率损耗P_BS,Mi：

P_BS,Mi＝P_s,Mi+P_d,Mi (3)

其中，

其中，参数N_Sector表示基站的扇区数量，N_PApSec表示每个扇区中功率放大器数量，P_TX表示基站发射功率，P_SP表示信号处理功率消耗，C_c表示散热器的功率损耗，C_PSBB表示电源供给和备用电源损耗，μ_PA表示功率放大器的效率，C_TX，s表示静态时的发射功率，P_SP，s表示静态时信号处理消耗的功率，C_PS表示电源损耗功率，C_TX,NL表示每条链路的动态传输功率，P_SP,NL表示每条链路的动态信号处理消耗的功率，N_L表示有效的链路数。

这样，区域耗电量(P)的最小值通过下式(6)计算得到：

其中，h表示宏基站数量；w表示微基站数量。

关于建立异构网络的优化目标模型，在低业务量时段，通过睡眠或关闭基站可以节约通信网能耗，与此同时，通过协同调整补偿基站的发射功率或天线倾角来保证中断蜂窝的正常服务。对于同构网络，可以使用COC机制来实现在同构网络中对中断或者节能状态基站的补偿。本实施例针对异构网络特点，以基站发射功率作为调节参数，提出相应的小区中断补偿方法。

那么，小区中断补偿的2个优化目标用以下表达式来描述：

其中，ε(x)是阶梯函数，当x≥0时，ε(x)＝1，当x＜0时，ε(x)＝0；当(P_i ^l+ΔP_J-P_th)＜0，其表示第i个蜂窝不能给第l个用户提供服务，并且如果第l个用户不能由m个相邻的蜂巢提供服务时，

因此公式(7)表示为未覆盖用户在n个用户中的百分比，用于表示覆盖空洞的概率。公式(8)表示为所有L个用户中被3个以上节点覆盖的用户百分比，用于表示为覆盖重叠的概率。根据这两个目的间的相互抑制，智能优化算法可以很容易地解决这一问题。

在异构网络中，出现导频污染是难以避免的，本实施例更倾向于减少覆盖空洞，所以对于两个优化目标设定不同的权重。最终的优化公式如下：

MinInfluenceP＝MinP_gap+ξ×MinP_overlap (9)

其中，ξ表示设定的权重值。在下面的仿真中，ξ被设置为0.5。

关于智能优化算法，其要解决的一般是最优化问题。最优化问题可分为如下两个问题：

(1)求解一个函数中，使得函数值最小的自变量取值的函数优化问题。

(2)在一个解空间里面，寻找最优解，使目标函数值最小的组合优化问题。本专利求解的基站传输功率的最优解也是一种最优化问题，符合问题(2)。

判断网络是否处于低业务状态，是否让处于低负载状态的节点进入休眠状态采用的是基于粒子群算法的覆盖补偿最优化方法。

本实施例中基于粒子群算法的覆盖补偿最优化方法是应用粒子群算法求解基站传输功率的最优值，将解空间初始化为一群粒子，每个粒子都有一个根据被优化的函数而确定的适应值，以自己的速度和位置决定它的飞行距离和方向；然后粒子根据自己迄今找到过的最好的位置和整个种群目前找到的最好位置来更新自己的速度和位置，经过不断的迭代过程最终找到最优解。该最优值需要补偿小区停运面积；

基站工作状态与粒子群算法的原理一致，将基站休眠与否看做一个粒子，算法公式如下：

v_id＝v_id×w+c₁×r(p_id-x_id)+c₂×r(p_gd-x_id) (10)

x_id＝x_id+v_id (11)

其中，w为常惯性因子，一般设为0.8，c₁和c₂为正加速度系数，一般假设为2，r是在[0,1]范围内的一个随机数；X_i＝(x_i1,x_i2,...,x_id)表示第i个粒子；V_i＝(v_i1,v_i2,...,v_id)表示第i个粒子的位置变化率；P_i＝(p_i1,p_i2,...,p_id)表示第i个粒子的最佳先前位置，即给出最佳适应度值的位置，P_g＝(p_g1,p_g2,...,p_gd)是种群中所有粒子中最好的粒子，v_id表示第i个粒子在第d维的速度，p_id表示第i个粒子个体极值的第d维，x_id表示第i个粒子在第d维的当前位置，p_gd表示全局最优解的第d维。其流程图如图2所示。

关于终端接入控制方法或这叫控制机制，异构网络接入控制方法是同构网络控制方法的一种继承和发展，在原有同构控制方法的基础上，需要考虑更多复杂因素。对于如何控制终端接入基站，目前大部分是基于业务量的检测或预测来实现的。当业务量下降到一定门限值则执行网络的节能与补偿，并且当前用户会自动选择到满足自身要求的新基站。但在异构网中，调度方案需要将基站功能的差异化一并考虑到用户的选择过程中。由于关闭基站在实际应用中操作较复杂，本专利选择将低业务量基站切换为睡眠模式，以维持必要的管理功能，同时节约时间消耗。除此之外，在睡眠模式下为了维持必要的管理功能，基站的功率约为正常工作状态功率的15％。

终端接入控制方法基于自组织管理的概念包括自主检测，分析数据和执行三个部分来完成全部的用户重选择、基站节能和补偿过程。执行条件规定为：

1、网络状态分为：正常工作状态(无基站节能)和节能状态(基站节能)。基站状态分为：正常工作状态，补偿工作状态和睡眠状态；

2、用户链接基站的优先顺序为信号功率强度满足的微基站，中继站，宏基站；3、基站关闭或睡眠顺序从小到大，以保证调整过程中尽量不会出现掉话，网络覆盖空洞，影响用户体验；

4、网络恢复顺序基站开启或激活从大到小，保证不会出现个别基站带宽过载；5、由于中继站和微微基站等特殊功能和场景，异构网络中暂时不考虑对它们进行临时关闭操作；

6、宏基站的关闭或睡眠涉及影响因素较多，规定一天内关闭或睡眠不得超过一次；

7、设定基站的状态变化以及发射功率的最小调整时间粒度为一个小时；

8、补偿过程不增设基站。

关于用户接入方案的具体流程如下：

(1)监测基站实时业务量。基站能耗中动态部分由业务信道数目决定。通过业务量模型计算网络中用户数和业务量等衡量参数，评估单个基站工作效率；

(2)判断网络是否处于节能状态，若否，则进入(3)，若是，则进入(5)；网络处于正常工作状态，监测网络中微基站业务量T_micro，若低于δ，且超过时间t_s，相邻微基站，宏基站能容纳该微基站剩余业务量，用户自动切换到相邻微基站或宏基站，微基站按计划进入睡眠状态；

(3)监测网络中宏基站业务量T_macro，若低于δ，且时间超过t_s’，相邻微基站，宏基站能容纳该宏基站剩余业务量，宏基站计划进入睡眠状态，通过多个相邻微基站和宏基站进行协同补偿，转入(8)；

(4)网络处于节能状态，监测单个基站业务量T，是否高于门限值Δ，且超过时间t，若是，则启动网络恢复调整流程，进入(10)，若否则进入(8)；

(5)监测网络中微基站业务量，若低于δ，且超过时间t_s，相邻微基站，宏基站能容纳该微基站剩余业务量，微基站计划进入睡眠状态，用户自动切换到相邻微基站或宏基站，基站进入睡眠状态，转入(1)继续检测区域业务量及变化；

(6)监测网络中宏基站业务量，若低于δ，且时间超过t_s’，相邻微基站，宏基站能容纳该宏基站剩余业务量，宏基站计划进入睡眠状态，通过多个相邻微基站和宏基站进行协同补偿，转入(8)；

(7)针对补偿基站采用上一节的粒子群算法进行发射功率调整，保证满足区域服务质量的同时实现基站的最大节能；

(8)选择合适的功率调整方案按顺序调整相应基站。将计划睡眠宏基站下的用户切入补偿基站中，基站切换为睡眠状态，转入(1)继续监测区域业务量变化；

(9)将关闭基站按优先级依次开启，相同优先级可同时开启；

(10)将基站发射功率调整为正常状态下的对应值；

(11)切换受影响用户，进入(1)，继续进行监测。

控制方法流程图如图3所示，休眠基站的用户重新选择适合自己的基站，然后为了保证用户的信号质量，新基站需要进入补偿状态，以满足新用户的需求。

设i＝{i₁,i₂,i₃…,i_n}为基站集，对于每一个基站的状态S(i)可表示为：

在休眠触发条件中，基站休眠触发业务量门限值条件为：

微基站：

宏基站：

其中，f(i)和F(i)分别表示微基站和宏基站实际的流量概况；f_max和F_max分别表示微基站和宏基站能承受的最大业务量，即数据业务传输最大人数；α和β为触发节能系数，均为0.3。

休眠基站剩余业务量需要被补偿基站容纳，可以描述为：

其中，γ＝0.9；δ＝0.8。

最大的节能效果和保证用户信号质量是无线网络终端接入控制的核心问题。在未来通信网络发展中，小型低能耗基站取代大型高能耗基站已经成为趋势。在本专实施例中提出的用户接入策略中设定用户优先链接小型基站，即微基站，在判决过程中也先考虑微基站节能触发条件，这样既大幅增加了微基站的工作效率，同时避免了由于局部业务量变化影响宏基站节能效果，确保周期内宏基站睡眠不超过一次。在网络恢复方案中，优先激活宏基站可以及时缓解补偿基站的业务量压力，保证用户信号质量，解决出现掉话，短连接等现象。

对于业务量判决设定缓冲时间的目的是防止由于业务量的随机性变化出现的基站频繁调整和切换用户所属基站的问题。在整个流程中要求同时获取多个基站的业务量以及发射功率信息，并且对不同基站执行必要的调整，所以管理功能需要在无线网络控制器中实现。当调整的基站涉及多个无线控制器时，管理系统要求控制器进行协同操作，共同完成对节能过程和补偿过程的规划和执行，并记录其下属基站正常状态发射功率值，实现网络状态的快速恢复。

下面结合仿真实例进行说明：

1、参数设置

在MATLAB中对一个城市区域的LTE机制进行了仿真。区域的维数如图4所示，区域大小为3.5km×3.5km，其中包括7个宏基站和5个微基站，它们的流量分析基于系统模型中提到的业务量模型。整个区域的负载变化如图5所示。BS₀扇区位于低流量区域，可以切换到睡眠模式。所有的移动用户都随机分布在每个扇区中。宏、微基站的原始传输功率分别为35dbm和26dbm。

具体仿真参数如下表所示：

在节能机制中，基站的用户最大连接数是100，触发节能门限值为10，触发网络恢复门限值为85，缓冲时间为5分钟。

2、结果分析

在图6中，本实施例得到了使用这种接入控制机制的区域能耗的变化趋势，并且发现由于基站的优化策略是基于业务量变化的，所以与业务量的变化趋势有对应的关系。

根据基站功率计算公式得出，非节能状态区域一天的能量消耗为2.5×10⁸W，节能后的能耗为2.03×10⁸W，节能效率为18.8％。由此可以证明，本专利提出的终端接入控制机制对于异构网络的节能有明显的效果。

终端接入控制策略的有效性还必须包括确保网络中用户的服务质量，这是首要的。同时，可以通过检测无线通信网信号参数来优化我们的控制机制。下面计算信干噪比和接收信号功率这两个网络参数来衡量用户服务质量。我们选择了三组时刻的数据加以分析，分别是凌晨四点，下午一点和晚上六点，代表了最低业务量时刻，常规时刻和峰值时刻。结果如图7-图9所示。

如图7所示的低业务量时段信干噪比和接收信号功率情况，此时，关闭的基站为：0、7、8、9、10、11；用户重新选择的基站为：1、2、3、4、5、6。

如图8所示的常规时段信干噪比和接收信号功率情况，此时，关闭的基站为：0、7、8、9；用户重新选择的基站为：1、2、3、4、5、6。

如图9所示的高业务量时段信干噪比和接收信号功率情况，此时，关闭的基站为：7、8、9；用户重新选择的基站为：0、1、2、3、4、5、6。

图7、图8和图9展示了本实施例提出的接入控制机制在三种不同业务量情况下的节能结果和用户信号质量。从图中可以得到，网络进入节能状态后，中断基站的区域被补偿基站合理的覆盖，根据智能优化算法得到满足目标模型的最优基站发射功率，在确保不出现覆盖空洞的前提下尽量减少基站间干扰，用户合理的选择了新的基站。在SINR图中，节能后区域的SINR基本上在-5dBm以上，信号质量在可接受范围内。对于RSRP图来说，-100dBm及以上能保证较好的信号质量，在RSRP图中，随着基站的关闭，用户接受功率有所下降但大部分都在有效服务范围程度。因此，可以认为本实施例提出的基于能耗的无线异构网络终端接入控制机制既能够为异构网络环境进行大幅度节能，又确保了网络的信号服务质量。

综上所述，本实施例所提的基于能耗的无线异构网络终端接入控制机制通过判断业务量多寡和基于粒子群算法的覆盖补偿算法控制无线节点的状态变化；基于自组织管理的相关概念，接入控制机制自动完成用户重选择，基站节能和补偿，节省人工操作，很大程度上节约了经济成本。同时本实施例为了适应异构蜂窝网络的复杂性，在保证用户信号质量的前提下，考虑了通信量的变化和基站功能之间的差异，为基站进入休眠模式提供了节能的可能性。仿真结果表明，该方法具有较大的节能潜力，约为18％及以上，用户可以合理的选择新基站接入，降低的信号质量是可以接受的，证明了本方案的可行性。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (10)

1.一种基于能耗的无线异构网络终端接入控制方法，其特征在于，其包括：

首先，对一个区域内的节点业务量进行监测，通过统计异构网络中的用户数量和业务量参数来计算每个基站工作效率；

然后判断网络是否处于低业务状态，并让处于低业务状态的节点进入休眠状态，处于休眠区域的用户自动切换到相邻的微基站或宏基站。

2.根据权利要求1所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，所述对一个区域内的节点业务量进行监测，通过统计异构网络中用户数量和业务量参数来计算每个基站工作效率，具体实施方法包括：

首先建立区域业务量模型，用以描述无线异构网络中不同时刻不同基站的业务量，进而建立异构网络的基站功率消耗模型和优化目标模型。

3.根据权利要求2所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，所述无线异构网络包括宏基站、微基站、中继站和微微基站，设在无线异构网络不考虑中继站和微微基站这两种无线节点的前提下，建立所述区域业务量模型的方法如下：

设定各基站间的业务量变化相互独立，所有用户的业务均为IP业务，设基站每天的业务量呈周期性变化，每个基站的业务量和整体网络的业务量都遵从一个类sin周期函数变化，如下式(1)所示：

式(1)中，参数n用于控制业务量曲线振幅，参数k用于模拟网络中最少用户数，参数b用于调整曲线斜率和平均业务量值，参数m表示业务量曲线相位，用于左右峰值的时间；

通过调整式(1)中的参数模拟得到不同基站的业务量曲线。

4.根据权利要求2所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，所述无线异构网络包括宏基站、微基站、中继站和微微基站，设在无线异构网络不考虑中继站和微微基站这两种无线节点的前提下，建立异构网络的基站功率消耗模型的方法如下：

根据功率模型线性表达式(2)计算宏基站的功率损耗P_BS,Ma：

根据功率模型线性表达式(3)～(5)计算微基站的功率损耗P_BS,Mi：

P_BS,Mi＝P_s,Mi+P_d,Mi (3)

其中，

其中，参数N_Sector表示基站的扇区数量，N_PApSec表示每个扇区中功率放大器数量，P_TX表示基站发射功率，P_SP表示信号处理功率消耗，C_c表示散热器的功率损耗，C_PSBB表示电源供给和备用电源损耗，μ_PA表示功率放大器的效率，C_TX，s表示静态时的发射功率，P_SP，s表示静态时信号处理消耗的功率，C_PS表示电源损耗功率，C_TX,NL表示每条链路的动态传输功率，P_SP,NL表示每条链路的动态信号处理消耗的功率，N_L表示有效的链路数。

5.根据权利要求4所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，区域耗电量(P)的最小值通过下式(6)计算得到：

其中，h表示该区域宏基站数量；w表示该区域微基站数量。

6.根据权利要求2所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，所述无线异构网络包括宏基站、微基站、中继站和微微基站，设在无线异构网络不考虑中继站和微微基站这两种无线节点的前提下，建立异构网络的优化目标模型的方法如下：

以基站发射功率作为调节参数，采用小区中断补偿方法调整补偿基站的发射功率或天线倾角，小区中断补偿的2个优化目标用以下表达式来描述：

其中，ε(x)是阶梯函数，当x≥0时，ε(x)＝1，当x＜0时，ε(x)＝0；当(P_i ^l+ΔP_J-P_th)＜0，其表示第i个蜂窝不能给第l个用户提供服务，并且如果第l个用户不能由m个相邻的蜂巢提供服务时，

因此公式(7)表示为未覆盖用户在n个用户中的百分比，用于表示覆盖空洞的概率。公式(8)表示为所有L个用户中被3个以上节点覆盖的用户百分比，

用于表示为覆盖重叠的概率。

7.根据权利要求6所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，对于2个所述优化目标设定不同的权重，优化公式如下：

MinInfluenceP＝MinP_gap+ξ×MinP_overlap (9)

其中，ξ表示设定的权重值。

8.根据权利要求1所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，判断网络是否处于低业务状态，是否让处于低负载状态的节点进入休眠状态采用的是基于粒子群算法的覆盖补偿最优化方法。

9.根据权利要求8所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，基于粒子群算法的覆盖补偿最优化方法是应用粒子群算法求解基站传输功率的最优值，将解空间初始化为一群粒子，每个粒子都有一个根据被优化的函数而确定的适应值，以自己的速度和位置决定它的飞行距离和方向；然后粒子根据自己迄今找到过的最好的位置和整个种群目前找到的最好位置来更新自己的速度和位置，经过不断的迭代过程最终找到最优解。该最优值需要补偿小区停运面积；

基站工作状态与粒子群算法的原理一致，将基站休眠与否看做一个粒子，算法公式如下：

v_id＝v_id×w+c₁×r(p_id-x_id)+c₂×r(p_gd-x_id) (10)

x_id＝x_id+v_id (11)

其中，w为常惯性因子，c₁和c₂为正加速度系数，r是在[0,1]范围内的一个随机数；X_i＝(x_i1,x_i2,...,x_id)表示第i个粒子；V_i＝(v_i1,v_i2,...,v_id)表示第i个粒子的速度；P_i＝(p_i1,p_i2,...,p_id)表示第i个粒子的最佳先前位置，即给出最佳适应度值的位置，P_g＝(p_g1,p_g2,...,p_gd)是种群中所有粒子中最好的粒子，v_id表示第i个粒子在第d维的速度，p_id表示第i个粒子个体极值的第d维，x_id表示第i个粒子在第d维的当前位置，p_gd表示全局最优解的第d维。

10.根据权利要求1所述的基于能耗的无线异构网络终端接入控制方法，其特征在于，对于进入休眠状态的基站，让其相邻基站进入补偿状态。

Images