CN114980136B - 一种高能效的地面基站对低空立体信号覆盖方法 - Google Patents

一种高能效的地面基站对低空立体信号覆盖方法 Download PDF

Info

Publication number
CN114980136B
CN114980136B CN202210556762.4A CN202210556762A CN114980136B CN 114980136 B CN114980136 B CN 114980136B CN 202210556762 A CN202210556762 A CN 202210556762A CN 114980136 B CN114980136 B CN 114980136B
Authority
CN
China
Prior art keywords
base station
signal coverage
low
area
altitude
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.)
Active
Application number
CN202210556762.4A
Other languages
English (en)
Other versions
CN114980136A (zh
Inventor
盛敏
张子烨
刘俊宇
苏郁
史琰
李建东
雷松涛
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202210556762.4A priority Critical patent/CN114980136B/zh
Publication of CN114980136A publication Critical patent/CN114980136A/zh
Application granted granted Critical
Publication of CN114980136B publication Critical patent/CN114980136B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18Network planning tools
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22Traffic simulation tools or models
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24Cell structures
    • H04W16/28Cell structures using beam steering
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W16/00Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24Cell structures
    • H04W16/30Special cell shapes, e.g. doughnuts or ring cells
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W52/00Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02Power saving arrangements
    • H04W52/0203Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W52/00Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04TPC
    • H04W52/30TPC using constraints in the total amount of available transmission power
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing 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

本发明公开了一种高能效的地面对低空立体信号覆盖方法,主要解决现有技术无法为低空区域提供高覆盖率、高能效信号覆盖的问题。其实现方案为:采用通用墨卡尔投影的方式,得到基站位置集合;根据位置集合构建三维低空信号覆盖区域;对构建的三维低空信号覆盖区域进行三角剖分,并根据剖分结果构建通信网络的覆盖结构;在该覆盖结构下优化网络中基站的波束配置和功率分配。本发明构建了三维低空信号覆盖区域,通过调整各基站扇区的波束配置和功率分配,联合优化低空区域的信号覆盖率以及基站的能耗,实现对低空区域的立体信号覆盖。本发明利用现有地面基站能对低空区域进行稳定、高能效的信号覆盖,可应用于现有地面基站网络对低空覆盖场景中。

Description

一种高能效的地面基站对低空立体信号覆盖方法
技术领域
本发明属于通信技术领域,更进一步涉及一种地面基站对低空信号的覆盖方法,可实现为低空区域终端提供高能效且连续稳定的信号覆盖。
背景技术
随着无线通信系统的发展,网络场景和用户业务需求日益复杂多样化,中低空区域的用户,例如高层楼宇用户、空中无人机用户的业务需求明显增长,同时国家也大力支持低空经济发展。在此背景下,如何为中低空区域的终端设备提供稳定的信号服务是一个关键问题;同时,近年来我国积极参与节能减排规划、制定节能减排“双碳”计划,高能效、绿色低碳也成为设计无线通信系统中需要考虑的重要因素。而现有的地面基站网络,在网络设计时只考虑了水平维度上的规划,没有考虑到包含中低空区域的3d网络场景规划,传统基站天线垂直覆盖能力也有限,无法为中低空区域提供连续稳定的信号覆盖;同时,近年来兴起的无人机空中基站,虽然为中低空区域覆盖提供了一种新的思路,但是无人机基站的高动态性以及能耗过高带来的问题也难以克服。因此,在低空区域待覆盖的需求和高能效绿色的要求下,如何利用现有地面基站,实现高能效的地对空延展立体覆盖具有重要意义。
地面无线通信网络相比无人机基站和地面专网在实现低空空域覆盖时,具有低成本、高可用、高持久的特点,是实现低空空域覆盖的有效途径。在无线通信网络中,可以通过协同调节现有地面基站的垂直波瓣宽度、水平波瓣宽度、倾角、发射功率等波束参数,来实现对低空空域的高能效且无空洞的信号覆盖。
西安交通大学在其申请号:CN 202110071448.2的专利文献中提出了一种无人机辅助基站通信的网络场景模型下的功率控制方法。该方法的主要步骤是:1)启动无人机基站,统计场景中用户数n,以及每个用户请求;根据用户需求,计算用户满意度,按照用户满意度对用户进行分类标记,分为一般用户和时延敏感用户;2)统计不同用户信道H,计算信道相似性,按相似度对用户进行分组,共分为k组;3)计算每组用户收到的来自所有基站的传输信号;4)计算第k组用户信噪比和用户系统容量;5)使用连续凸近似求解优化问题:6)将优化问题的解作为发射功率的最优值。该方法利用无人机辅助基站虽然能够为中低空区域用户提供信号覆盖,但是,无人机基站设备受限于过高的成本和能耗,现阶段只能用在补盲补热这些紧急情况下,还不能在无线通信网络中大规模投入使用;同时由于无人机基站具有高动态性,导致网络场景快速变化的特性,而凸优化算法需要实时的网络场景信息,因而计算速度赶不上场景变化的速度,求解出的基站发射功率可能会导致网络状况恶化。
杨洁等人在其发表的论文“基于微基站功率分配的异构蜂窝网络能效优化”(南京工程学院,硕士论文,2018)中提出了一种通过优化异构网络中微基站的功率来优化网络能效的方法。该方法的主要步骤是:(1)构建包含宏基站与微基站的两层异构网络模型;(2)通过推导得到网络的最低可达吞吐量以及异构网络的总能耗,从而将网络的能效定义为最低吞吐量与能耗之比并得到闭式解;(3)采用一维搜索的方法,求解网络能效凸函数的全局最优解。该方法由于考虑的网络场景仅为2d的异构地面网络,并未考虑中低空区域的用户分布情况,因而在地对空立体延展覆盖的场景下并不适用。
西安电子科技大学在其申请号为中提出了一种通过三角剖分实现对低空区域的协同覆盖的方法。该方法的主要步骤是:(1)采用通用墨卡尔投影的方式,得到基站位置集合;(2)构建三维低空信号覆盖区域:(3)对三维低空信号覆盖区域进行三角剖分:(4)计算每个三棱柱区域的信号覆盖体积:(5)调整每个基站扇区覆盖的高度。该方法的不足之处是:只建立了初步的覆盖模型,并没有考虑到基站实际发射功率的限制,且没有优化基站功率,因而增加了基站能耗和碳排放量,不符合高能效,绿色低碳的通信网络设计要求。
发明内容
本发明的目的在于针对上述现有技术存在的不足,提出一种高能效的地面基站对低空立体信号覆盖方法,提高低空区域的信号覆盖率,并降低基站的能耗,实现对低空区域的高能效信号覆盖,提高低空区域用户终端的通信体验;
本发明的技术思路是:通过利用地面基站,在基站功率受限的情况下,以最大化覆盖率并最小化基站功耗为目标,优化地面基站的波束配置以及基站扇区的功率分配,实现高能效且无空洞的地面基站对低空区域的覆盖,其实现方案包括如下:
(1)构建三维低空信号覆盖区域:
采用通用墨卡尔投影的方式得到基站位置集合,通过位置集合构建一个三维多棱柱低空信号覆盖区域,该多棱柱的底面多边形是由基站位置集合中最边界的基站位置连接形成的外接多边形,高度H由空用户终端的分布高度决定;
(2)对三维低空信号覆盖区域进行三角剖分:
对基站的平面位置集合进行Delaunay三角剖分,将覆盖区域的底面多边形剖分为多个以基站位置为顶点的三角形,并沿着底面划分后的各三角形的每条边,对三维低空信号覆盖区域进行纵向垂直划分,得到多个以三角形为底面、高为H的三棱柱区域;
(3)构建通信网络的覆盖结构:
3a)每个三棱柱区域的底面三角形顶点即为三个基站的位置,将各三棱柱区划分给底面的三个基站的扇区进行覆盖,其中三个基站扇区分别负责覆盖低、中、高三个高度区域;
3b)根据基站的平面位置集合被剖分后,各个基站都处于多个三棱柱区域的公共点上的结果特性,将与基站连接的多个三棱柱区域划分给该基站进行覆盖,规定基站的每个扇区负责一个三棱柱区域的信号覆盖;
(4)优化基站的波束配置:
4a)对于每一个三棱柱区域,假设其底面的三个基站扇区的发射功率不受限制,通过调整三个基站扇区各自的垂直、水平波束宽度以及上倾角等波束配置参数,使此时低空信号覆盖区域的信号覆盖体积尽可能大,且信号重叠体积尽可能小,建立优化模型:
Figure BDA0003655232490000031
其中,Vm1表示第m个三棱柱区域的信号覆盖体积,Vm2表示第m个三棱柱区域的信号重叠体积,m为三棱柱区域的序号,m=1...MT,MT表示三维低空信号覆盖区域中划分得到的三棱柱区域的总数,γ1、γ2分别表示Vm1、Vm2两部分的权重;
4b)通过迭代搜索算法求解4a)所建立的优化模型,得到在基站总发射功率不受限制情况下的各基站最优波束配置,各基站按优化完毕的波束配置结果进行配置;
(5)优化基站扇区的功率分配:
5a)在基站总功率受限的情况下,根据基站的最大发射功率约束,建立优化模型为:
Figure BDA0003655232490000041
Figure BDA0003655232490000042
i=1,2...N
其中,
Figure BDA0003655232490000043
为第i个基站的第n个扇区的信号覆盖率,/>
Figure BDA0003655232490000044
表示第i个基站的第n个扇区的发射功率,/>
Figure BDA0003655232490000045
与/>
Figure BDA0003655232490000046
有关,li表示第i个基站的总扇区数,N表示基站的总数,α1、α2分别表示两部分的权重,Pmax表示基站的最大发射功率,范围为30~120W;
5b)采用改进的粒子群算法对4c)所建立的优化模型进行求解,得到各基站最优的波束配置以及功率分配方案。
本发明与现有技术相比,具有如下优点:
第一,本发明考虑的场景为三维立体场景,在三维场景下,利用现有的地面基站,优化调整基站的天线倾角和垂直、水平波束宽度参数,可以在不增加专门对空中服务基站的前提下,实现对中低空区域的无空洞高能效信号覆盖,节省了通信运营部署基站成本。
第二,本发明在优化基站的波束配置的基础上,通过优化的粒子群算法,在基站功率受限的情况下,联合优化基站的覆盖率以及能耗,可以实现高覆盖率、绿色高能效的地对空延展覆盖。
附图说明
图1是本发明的实现流程图;
图2是本发明中根据基站位置集合进行Delaunay三角剖分的示意图;
图3是用本发明对基站覆盖率和碳效率进行迭代优化的结果图;
图4是在低空区域高度H为300m时,分别用本发明和传统无功率约束方法对各基站的碳效率仿真对比图;
图5是在不同低空区域高度H下,分别用本发明和传统无功率约束方法对基站平均碳效率的仿真对比图;
具体实施方式
下面参照附图对本发明的实施例和效果做进一步的详细说明。
参照图1,对实例的实现步骤如下:
步骤1,获取三维低空信号覆盖区域。
1.1)对于给定的地面基站网络拓扑,为各基站配备可调节的定向天线,以实现多扇区信号覆盖,并且可以调节各个扇区的方位角、天线倾角、波束宽度、发射功率等参数;
1.2)从地面基站网络拓扑中获取各地面基站的经纬坐标,并采用通用墨卡尔投影的方式,将地面基站的经纬坐标转换为平面坐标,得到基站平面坐标位置集合;
1.3)根据基站平面坐标位置集合,构建一个以不规则多边形为底面、H为高的三维多棱柱的三维低空信号覆盖区域,该不规则多边形是由基站位置集合中最边界的基站位置连接形成的外接多边形,H≤3000米,其值由低空用户终端的分布高度决定。
步骤2,对三维低空信号覆盖区域进行三角剖分。
对地面基站位置集合进行Delaunay三角剖分,将覆盖区域的底面多边形剖分为多个以基站位置为顶点的三角形,其中每个基站都可能处于多个三角形的公共点上,如图2所示;
沿着底面划分后的各三角形的每条边,对三维低空信号覆盖区域进行纵向垂直划分,将待覆盖的不规则棱柱区域划分为MT个以三角形为底面,H为高的三棱柱区域。
本实例中划分出的三棱柱区域的个数MT为但不限于21个。
步骤3,构建网络的覆盖结构。
3.1)每个三棱柱区域的底面三角形顶点即为三个基站的位置,将各三棱柱区划分给底面的三个基站的扇区进行覆盖,其中三个基站扇区分别负责覆盖低、中、高三个高度区域;
3.2)根据基站的平面位置集合被剖分后,各个基站都处于多个三棱柱区域底面的公共点上的结果特性,将与基站连接的多个三棱柱区域划分给该基站进行覆盖,基站的每个扇区负责一个三棱柱区域的信号覆盖。
步骤4,优化基站的波束配置。
4.1)计算信号覆盖体积以及重叠体积:
在每个三棱柱区域内,三个基站扇区分别负责覆盖低、中、高三个高度的区域,通过调整三个基站扇区各自的天线倾角、波束宽度,改变三棱柱区域内的信号覆盖体积以及信号重叠体积,具体计算如下:
4.1.1)在三棱柱区域内随机洒落N1个点,其中N1>200000;
4.1.2)根据此时的三棱柱区域内三个基站的覆盖高度的上下限,统计被信号覆盖到的点数为n1,得到信号覆盖率为n1/N1,统计被两个或三个扇区覆盖到的点数为n2,得到信号重叠率为n2/N1
4.1.3)用每个三棱柱区域的体积分别乘以覆盖率和重叠率得到该三棱柱区域的信号覆盖体积和信号重叠体积;
4.2)在基站功率无穷大的情况下,每个基站覆盖距离不受限制,根据4.1)中获取的三棱柱区域的信号覆盖体积以及重叠体积,采用迭代优化算法调整三个基站各自负责的覆盖区域高度的上限和下限,使此时待覆盖区域的信号覆盖体积最大,且信号重叠体积最小,得到优化模型建立为:
Figure BDA0003655232490000061
其中,Vm1表示第m个三棱柱区域的信号覆盖体积,Vm2表示第m个三棱柱区域的信号覆盖重叠体积,m=1...MT,MT为三棱柱区域的总数,γ1、γ2分别表示Vm1和Vm2的权重;
4.3)通过迭代搜索算法求解4.2)所建立的优化模型,得到在基站总发射功率不受限制情况下的各基站最优覆盖高度上下限,将优化得到的覆盖高度上下限转化为相应的天线倾角、波束宽度参数,获得最优的波束配置,各基站按最优的波束配置结果进行配置。
步骤5优化基站的扇区功率分配。
步骤4.3)中得到的波束配置结果是在基站总发射功率不受限制情况下得到的,由于基站实际总发射功率受限,需要在基站功率受限的情况下,优化分配每个基站多个扇区的功率分配情况,具体实现如下:
5.1)根据基站扇区的发射功率计算覆盖半径:
调整基站扇区的发射功率P会影响该基站扇区最大覆盖距离r,基站扇区覆盖半径r与发射功率P的具体关系表示为:
P+gain-loss(r,f)=λ
其中,P为基站扇区的发射功率,gain为基站扇区的天线增益,单位为dB,loss(r,f)为路径损失值,单位为dB,f为载波频率,λ为信号强度覆盖门限值;
本实例中,将路径损耗loss(r,f)定义为自由空间损耗,天线增益gain取定向天线的一般增益表达式,分别为:
loss(r,f)=32.45+20×lg(f)+20×lg(r/1000)
gain=10×lg(32400/ver*hor)
其中ver和hor分别表示该基站扇区的垂直波束宽度和水平波束宽度,其由步骤4.3)中得到;
将loss(r,f)和gain代入P+gain-loss(r,f)=λ的公式中,求解出该基站扇区的覆盖半径r:
r=10^(((P+λ+10*lg(32400/(ver*hor))-32.45-20lg(f))/20)+3);
5.2)计算基站扇区的覆盖率:
根据5.1)得到的基站扇区的覆盖半径r,联合步骤4.3)中得到的基站最优波束配置,计算基站各扇区的信号覆盖率:
5.2.1)根据步骤4.3)中得到的基站波束配置,确定该基站扇区负责覆盖的具体区域,并在该区域内随机洒落L个点,其中L>200000;
5.2.2)根据基站波束配置以及基站覆盖半径r,统计在基站扇区覆盖范围内的点数量nc,得到该基站扇区的信号覆盖率为nc/L;
5.3)由5.2)中计算的基站扇区覆盖率,在基站功率受限的情况下,通过合理分配每个扇区的功率,最大化基站的覆盖率并最小化能耗,建立优化模型:
Figure BDA0003655232490000071
Figure BDA0003655232490000072
i=1,2...N
其中,
Figure BDA0003655232490000073
为第i个基站的第n个扇区的信号覆盖覆盖率,/>
Figure BDA0003655232490000074
表示第i个基站的第n个扇区的发射功率,i=1,2...N,N为地面基站个数,n=1,2...li,li为第i个基站的总扇区数,α1、α2分别表示/>
Figure BDA0003655232490000075
和/>
Figure BDA0003655232490000076
的权重,Pmax表示基站的最大发射功率;
5.4)采用改进的粒子群算法对5.3)所建立的优化模型进行求解,得到各基站最优的功率分配方案,具体步骤为:
5.4.1)获取基站i的扇区数li作为粒子群优化算法中每个粒子的维数,其中扇区数li为与基站连接的三棱柱的个数;
5.4.2)初始化O个粒子的位置和各自的初始粒子速度,设第m轮迭代中第k个粒子的位置和速度分别表示为Xm k、vm k,所有粒子的位置集合和速度集合分别表示为Xm、vm;第1轮迭代中第k个粒子的位置形式为
Figure BDA0003655232490000081
其中Pk n表示第k个粒子中该基站第n个扇区的发射功率,k=1,2...O,在初始化粒子位置时,为了满足约束/>
Figure BDA0003655232490000082
规定所有粒子的/>
Figure BDA0003655232490000083
且所有的v1 k=0;
5.4.3)定义适应度函数,在粒子群优化算法中,由于存在约束
Figure BDA0003655232490000084
对优化目标加入惩罚函数/>
Figure BDA0003655232490000085
得到第m轮迭代第k个粒子的适应度函数为:
Figure BDA0003655232490000086
式中,第三项为惩罚项,σm是惩罚因子,
Figure BDA0003655232490000087
m为当前迭代轮数;
令m=1,进入(5.4.4)开始迭代优化;
5.4.4)根据当前粒子位置集合Xm,计算当前迭代所有粒子的适应度函数Valuem并进行评估,获得第k个粒子在此轮迭代之前适应度函数最大的位置为局部最优XPbest k,所有的O个粒子中适应度最大的位置为全局最优XGbest,并生成每个粒子的速度:
vm+1 k=w*vm+c1r1*(Xm k-XPbest k)+c2r2*(Xm k-XGbest)
根据每个粒子的速度获得当前迭代的粒子速度集合:
vm+1=[vm+1 1,vm+1 2,vm+1 3...vm+1 O]
其中,w=1为惯性因子,c1=0.3为自我学习因子,c2=0.7为群体学习因子,r1、r2为0到1之间的两个随机数;
5.4.5)根据粒子速度更新粒子位置:Xm+1=Xm+vm+1,获得下一组粒子,令m=m+1,并更新惩罚因子
Figure BDA0003655232490000091
5.4.6)判断是否达到最大迭代轮数M:
如果没有达到,则返回(5.4.4),继续执行迭代;
如果达到,此轮优化结束,得到当前全局最优作为基站i的扇区功率分配方案,并继续判断:
若此时的基站序号i小于基站总数N,则i=i+1,返回(5.4.1),进行下一轮迭代;若基站序号i等于基站总数N,则优化结束,得到所有基站的功率分配方案。
本发明的效果可通过以下仿真实验进一步说明:
1.仿真实验条件:
本发明的仿真实验的硬件平台是:处理器为8核11th Gen Intel(R)Core(TM)i7-11800H CPU,主频为2.30GHz;
软件平台为:windows10操作系统和MatlabR2022a。
本发明仿真实验场景如图2所示,网络场景大小为59.75km2,场景中共有16个基站,并且按照给定位置部署在地面网络中,各标注“X”处代表经过步骤1中坐标转换之后的基站平面坐标位置;场景中基站位置集合经过步骤2的Delaunay三角剖分后,被剖分为多个以基站为顶点的三角形。
仿真参数的取值如下表所示:
表1仿真参数设置表
Figure BDA0003655232490000092
Figure BDA0003655232490000101
为了衡量以及对比算法性能,定义了新的指标单位来衡量基站的覆盖碳效率η,单位为m3/kg-CO2,其分子上为基站的覆盖体积,分母上为基站的CO2排放当量;具体物理含义为基站每排放1kg的CO2可以覆盖多少m3的体积。
基站碳效率η的计算方法为:
根据平均,假设基站每天工作12小时,休眠12小时。由基站的功率计算基站一天内的能耗并转换为所排放的CO2当量Ctotal,计算基站此时所覆盖的总体积Vtotal,得到此时各个基站的碳效率为η=Vtotal/Ctotal
2.仿真实验内容:
仿真1,在图2所示的网络场景中,设H取值为300m,用本发明对基站X1的信号覆盖率和碳效率进行迭代优化仿真,结果如图3所示,其中图3中横轴为迭代次数,左侧纵轴为碳效率,右侧纵轴为覆盖率。
从图3可以看出,通过联合优化基站的覆盖率和能耗,最终基站的信号覆盖率和碳效率都收敛到较高的解,收敛之后,基站X1信号覆盖率为82.21%,基站的碳效率为980.568m3/kg-CO2
仿真2,在图2所示网络场景中,设H取值为300m,采用本发明和传统的无功率优化情况下,对场景中各基站最终的碳效率进行仿真,结果如图4所示,图4中横轴为基站的序号,纵轴为基站的碳效率。
由图4可以看出,本发明的每个基站的碳效率都高于无功率优化的碳效率,在无功率优化算法时,基站的平均碳效率为550.407m3/kg-CO2,而采取本发明之后,基站的碳效率可以达到893.585m3/kg-CO2,相较于无功率优化方法,本发明的基站碳效率提升了62%。
仿真3,在图2所示网络场景下,设H取值为300~500m,用本发明和传统的无功率优化方法,分别对不同H下基站的平均碳效率进行仿真,结果如图5所示,其中图5中横轴为低空区域高度H,纵轴为基站平均碳效率。
由图5可以看出,随着H的增大,基站的碳效率随着H增加而增加;同时,由于本发明控制了基站能耗,使得采取本发明后的碳效率一直大于无功率优化情况,且碳效率随H增大的增长速度大于无功率约束算法。
以上仿真结果表明,本发明可以实现地面基站对低空区域高覆盖率、高能效、连续稳定的信号覆盖。
以上描述仅是本发明的一个具体实例,并未构成对本发明的任何限制,显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修改和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (3)

1.一种高能效的地面基站对低空立体信号覆盖方法,其特征在于,包括:
(1)构建三维低空信号覆盖区域:
采用通用墨卡尔投影的方式得到基站位置集合,通过位置集合构建一个三维多棱柱低空信号覆盖区域,该多棱柱的底面多边形是由基站位置集合中最边界的基站位置连接形成的外接多边形,高度H由空用户终端的分布高度决定;
(2)对三维低空信号覆盖区域进行三角剖分:
对基站的平面位置集合进行Delaunay三角剖分,将覆盖区域的底面多边形剖分为多个以基站位置为顶点的三角形,并沿着底面划分后的各三角形的每条边,对三维低空信号覆盖区域进行纵向垂直划分,得到多个以三角形为底面、高为H的三棱柱区域;
(3)构建通信网络的覆盖结构:
3a)每个三棱柱区域的底面三角形顶点即为三个基站的位置,将各三棱柱区划分给底面的三个基站的扇区进行覆盖,其中三个基站扇区分别负责覆盖低、中、高三个高度区域;
3b)根据基站的平面位置集合被剖分后,各个基站都处于多个三棱柱区域的公共点上的结果特性,将与基站连接的多个三棱柱区域划分给该基站进行覆盖,规定基站的每个扇区负责一个三棱柱区域的信号覆盖;
(4)优化基站的波束配置:
4a)对于每一个三棱柱区域,假设其底面的三个基站扇区的发射功率不受限制,通过调整三个基站扇区各自的垂直、水平波束宽度以及上倾角等波束配置参数,使此时低空信号覆盖区域的信号覆盖体积尽可能大,且信号重叠体积尽可能小,建立优化模型:
Figure FDA0004203681630000011
其中,Vm1表示第m个三棱柱区域的信号覆盖体积,Vm2表示第m个三棱柱区域的信号重叠体积,m为三棱柱区域的序号,m=1...MT,MT表示三维低空信号覆盖区域中划分得到的三棱柱区域的总数,γ1、γ2分别表示Vm1、Vm2两部分的权重;
4b)通过迭代搜索算法求解4a)所建立的优化模型,得到在基站总发射功率不受限制情况下的各基站最优波束配置,各基站按优化完毕的波束配置结果进行配置;
(5)优化基站扇区的功率分配:
5a)在基站总功率受限的情况下,根据基站的最大发射功率约束,建立优化模型为:
Figure FDA0004203681630000021
Figure FDA0004203681630000022
i=1,2...N
其中,
Figure FDA0004203681630000023
为第i个基站的第n个扇区的信号覆盖率,/>
Figure FDA0004203681630000024
表示第i个基站的第n个扇区的发射功率,/>
Figure FDA0004203681630000025
与/>
Figure FDA0004203681630000026
有关,li表示第i个基站的总扇区数,N表示基站的总数,α1、α2分别表示两部分的权重,Pmax表示基站的最大发射功率,范围为30~120W;
5b)采用改进的粒子群算法对4c)所建立的优化模型进行求解,得到各基站最优的波束配置以及功率分配方案,实现如下:
(5b1)获取基站i的扇区数li作为粒子群优化算法中每个粒子的维数;
(5b2)初始化O个粒子的位置和各自的初始粒子速度,设第m轮迭代中第k个粒子的位置和速度分别表示为Xm k、vm k,所有粒子的位置集合和速度集合分别表示为Xm、vm;第1轮迭代中第k个粒子的位置形式为
Figure FDA0004203681630000027
其中Pk n表示第k个粒子基站、第n个扇区的发射功率,k=1,2...O,在初始化粒子位置时,为了满足约束/>
Figure FDA0004203681630000028
规定所有粒子的
Figure FDA0004203681630000029
且所有的v1 k=0;
(5b3)定义适应度函数,在粒子群优化算法中,由于存在约束
Figure FDA00042036816300000210
对优化目标加入惩罚函数/>
Figure FDA00042036816300000211
得到第m轮迭代第k个粒子的适应度函数为:
Figure FDA00042036816300000212
式中,第三项为惩罚项,σm是惩罚因子,
Figure FDA00042036816300000213
m为当前迭代轮数;
令m=1,进入(5b4)开始迭代优化;
(5b4)根据当前粒子位置集合Xm,计算当前迭代所有粒子的适应度函数Valuem并进行评估,获得全局最优XGbest和局部最优XPbest k,生成每个粒子的速度:
vm+1 k=w*vm+c1r1*(Xm k-XPbest k)+c2r2*(Xm k-XGbest)
根据每个粒子的速度获得当前迭代的粒子速度集合:
vm+1=[vm+1 1,vm+1 2,vm+1 3...vm+1 O]
其中,w=1为惯性因子,c1=0.3为自我学习因子,c2=0.7为群体学习因子,r1、r2为0到1之间的两个随机数;
(5b5)根据粒子速度更新粒子位置:Xm+1=Xm+vm+1,获得下一组粒子,迭代轮数m=m+1,并更新惩罚因子
Figure FDA0004203681630000031
(5b6)判断m是否达到最大迭代轮数M:
如果没有达到,则返回(5b4),继续执行迭代;
如果达到,此轮优化结束,得到当前全局最优作为基站i的扇区功率分配方案,并继续判断:
若此时的基站序号i小于基站总数N,则i=i+1,返回(5b1),进行下一轮迭代;
若基站序号i等于基站总数N,则优化结束,得到所有基站的功率分配方案。
2.根据权利要求1所述的方法,其特征在于,所述(1)中构建的三维低空信号覆盖区域是一个包含地面以及低空区域的三维立体区域。
3.根据权利要求1所述的方法,其特征在于,所述5a)中根据基站的最大发射功率约束,建立优化模型,实现如下:
(5a1)获取每个基站的扇区总数li,i=1,2...N,N为基站总数;
(5a2)统计每个基站各扇区的信号覆盖率和能耗,将优化目标定义为基站总覆盖率与总能耗的联合效用函数
Figure FDA0004203681630000032
其中α1、α2为基站覆盖率和能耗的归一化参数,α1=1,α2=1/Pmax
(5a3)根据基站的最大发射功率Pmax,增加约束
Figure FDA0004203681630000041
建立优化模型为:
Figure FDA0004203681630000042
CN202210556762.4A 2022-05-20 2022-05-20 一种高能效的地面基站对低空立体信号覆盖方法 Active CN114980136B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210556762.4A CN114980136B (zh) 2022-05-20 2022-05-20 一种高能效的地面基站对低空立体信号覆盖方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210556762.4A CN114980136B (zh) 2022-05-20 2022-05-20 一种高能效的地面基站对低空立体信号覆盖方法

Publications (2)

Publication Number Publication Date
CN114980136A CN114980136A (zh) 2022-08-30
CN114980136B true CN114980136B (zh) 2023-06-30

Family

ID=82985418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210556762.4A Active CN114980136B (zh) 2022-05-20 2022-05-20 一种高能效的地面基站对低空立体信号覆盖方法

Country Status (1)

Country Link
CN (1) CN114980136B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117082536B (zh) * 2023-10-08 2024-04-12 香港中文大学(深圳) 一种基于强化学习的空地网络协同覆盖方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102840860A (zh) * 2012-08-30 2012-12-26 北京航空航天大学 一种基于混合粒子群算法的星图识别方法
WO2018192260A1 (zh) * 2017-04-18 2018-10-25 中国矿业大学 一种co2地质封存区域的传感网络节点定位优化方法
CN111294809A (zh) * 2018-12-06 2020-06-16 中国移动通信集团海南有限公司 问题集中区域识别的方法、装置、设备和介质
CN111866912A (zh) * 2020-06-16 2020-10-30 北京邮电大学 基于时间-空间的业务量区域分类和分析方法
CN111970713A (zh) * 2020-08-14 2020-11-20 北京邮电大学 一种面向密集城区的无人机基站部署方法与三维参数设定
CN113596856A (zh) * 2021-08-05 2021-11-02 西安电子科技大学 基于三角剖分优化的地对空无空洞协同覆盖方法
CN114095955A (zh) * 2021-11-08 2022-02-25 西安电子科技大学 基于凸多边形剖分的地对空覆盖的场景化波束生成方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10539967B2 (en) * 2016-08-23 2020-01-21 King Fahd University Of Petroleum And Minerals GPS-free robots
DE102019110998A1 (de) * 2019-04-29 2020-10-29 Tdk Electronics Ag Anordnungen eines Fahrzeug-Positionsbestimmungssystems, System, Verwendung und Verfahren

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102840860A (zh) * 2012-08-30 2012-12-26 北京航空航天大学 一种基于混合粒子群算法的星图识别方法
WO2018192260A1 (zh) * 2017-04-18 2018-10-25 中国矿业大学 一种co2地质封存区域的传感网络节点定位优化方法
CN111294809A (zh) * 2018-12-06 2020-06-16 中国移动通信集团海南有限公司 问题集中区域识别的方法、装置、设备和介质
CN111866912A (zh) * 2020-06-16 2020-10-30 北京邮电大学 基于时间-空间的业务量区域分类和分析方法
CN111970713A (zh) * 2020-08-14 2020-11-20 北京邮电大学 一种面向密集城区的无人机基站部署方法与三维参数设定
CN113596856A (zh) * 2021-08-05 2021-11-02 西安电子科技大学 基于三角剖分优化的地对空无空洞协同覆盖方法
CN114095955A (zh) * 2021-11-08 2022-02-25 西安电子科技大学 基于凸多边形剖分的地对空覆盖的场景化波束生成方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
三维WSN中细胞分簇最优距离路由算法;张榜;王兴伟;黄敏;;计算机科学与探索(10);全文 *

Also Published As

Publication number Publication date
CN114980136A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN109511134B (zh) 基于能效最优的无人机辅助无线通信系统负载分流方法
CN110602633B (zh) 一种面向爆发性流量的移动边缘计算无人机群辅助通信方法
Huang et al. Optimized deployment of drone base station to improve user experience in cellular networks
CN111836271B (zh) 一种多无人机通信基站的3d位置部署方法
CN111970713B (zh) 一种面向密集城区的无人机基站部署方法与三维参数设定
CN114980136B (zh) 一种高能效的地面基站对低空立体信号覆盖方法
CN109960279B (zh) 一种基于启发式算法的无人机盘旋半径优化方法
CN111970711B (zh) 一种空间边界约束下的无人机动态部署方法
CN114095955B (zh) 基于凸多边形剖分的地对空覆盖的场景化波束生成方法
Yu et al. Air–ground integrated deployment for UAV‐enabled mobile edge computing: A hierarchical game approach
CN111918337A (zh) 一种业务负载均衡的无人机基站最优部署方法
Hu et al. An intelligent UAV deployment scheme for load balance in small cell networks using machine learning
CN114980169A (zh) 一种基于轨迹与相位联合优化的无人机辅助地面通信方法
CN113872661A (zh) 面向接入用户分级服务的无人机网络三维部署方法及系统
CN113596856B (zh) 基于三角剖分优化的地对空无空洞协同覆盖方法
CN115103409A (zh) 一种多波束无人机协作通信的资源分配方法
CN109618285B (zh) 一种基于覆盖树的基站控制方法、装置及设备
Cui et al. A decision-making scheme for UAV maximizes coverage of emergency indoor and outdoor users
CN111954275B (zh) 一种面向无人机基站网络的用户多连接配置方法
CN108366426A (zh) 一种超密集环境下基于模拟退火算法的虚拟映射方法
Huang et al. A method for deploying the minimal number of UAV base stations in cellular networks
CN113395706A (zh) 基于粒子群算法的异构无人机三维空间部署方法及设备
CN110602718B (zh) 基于交替方向乘子法的异构蜂窝网络功率分配方法及系统
CN115696352B (zh) 基于圆覆盖功率优化的6g无人机基站站址规划方法及系统
Yang et al. A resource allocation method based on the core server in the collaborative space for mobile edge computing

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