申请/专利权人：东南大学

申请日：2018-01-30

公开（公告）日：2020-01-14

公开（公告）号：CN108156620B

主分类号：H04W24/02(20090101)

分类号：H04W24/02(20090101);H04W52/02(20090101)

优先权：

专利状态码：有效-授权

法律状态：2020.01.14#授权;2018.07.06#实质审查的生效;2018.06.12#公开

摘要：本发明提供了一种基于信道和队列感知的超密集网络小站休眠方法，包括：采集网络信息；根据梯度下降法计算最优休眠比例；计算要休眠小站的数目；令基站开关比例为0，计算每个小站在一定时长内每个时间间隔内的平均队长和平均传输速率；根据各小站平均队长和用户平均传输速率之积将小站升序排列；得到休眠数目；按照排序依次关闭小站。本发明针对超密集异构网络提出的基站休眠方法，通过采集数据业务量，结合基站和用户之间的信道状态，执行基站休眠策略，能很好地适用于实际系统，且能带来比传统方法更好的性能增益，在保证用户时延特性的条件下显著降低系统能耗。

主权项：1.一种基于信道和队列感知的超密集网络小站休眠方法，其特征在于，包括如下步骤：步骤1，采集网络信息测量出区域面积内用户，宏站，小站和网关总数目Nu、Nm、Ns、Ng，得到该区域内网关、宏站、小站和用户的分布密度λg,λm,λs和λu；用户流量到达满足泊松过程，统计一段时间内用户流量使用情况得出用户流量到达率λ以及每个包的平均大小l；得到部署在该区域内小站无线的回程链路带宽Wb、宏站采用的无线接入带宽Wm、小站采用的无线接入带宽Ws、宏站传输功率Pmt、小站传输功率Pst、网关传输功率Pgt；记录每个网关的平均能耗休眠小站的平均能耗宏站和小站静态链路的能耗和利用信道估计方法得出无线信道中路损系数α；根据网络运行情况确定用户关联到小站的偏置值Ab、宏站和小站的负载相关的能耗因子Δpm和Δps、信干比门限β、权重因子ω、迭代搜索步长δ、迭代搜索精确度ξ、时间间隔t、时长T取值根据需要确定；所有宏站全部处于激活状态；小站的基站休眠比例记为θ，基站休眠比例的初始值θ0根据网络运行情况自行确定，最优休眠比例为θ*，第n次迭代过程中基站休眠比例的取值为θn；步骤2，根据梯度下降法进行迭代，迭代次数初始值为n＝0，第n次迭代时，计算在基站休眠比例θ＝θn下，宏站和小站用户的平均数据包时延和以及整个网络平均时延首先计算用户连接到小站的概率PrSUEθ 网关、宏站和小站为MG1队列，所以用户的时延包括传输时延和排队时延；将用户分成两部分：第一部分为连接宏站的用户，第二部分为连接小站的用户；对于连接宏站的用户，其平均时延为无线接入链路的时延，包含平均传输时延和平均排队时延即通过下式计算： 其中，表示用户接入宏站时所获得的平均传输速率； 和为宏站和小站的平均传输概率，通过二分法由以下两式获得： 上式中， 对于接入小站的用户，每个包的平均时延分别为无线接入链路平均时延和无线回程链路平均时延之和；同样地，接入链路平均时延和无线回程链路平均时延也都分别包含平均传输时延和平均排队时延即其中，通过下式计算： 其中，为小站用户无线传输链路的平均传输速率，表示网关到小站的回程链路平均传输速率； 通过下式计算： 其中，为网关的平均传输概率，通过下式计算： 从而得到网络平均时延如下式： 步骤3，通过下式计算当前基站休眠比例θ＝θn下系统平均能耗和成本函数Fθ： 其中，ω为权重因子；步骤4，通过下式求解当前第n次迭代时，成本函数Fθ关于基站休眠比例θ＝θn的导函数 其中， 步骤5，更新基站休眠比例θ，第n+1次迭代时，基站休眠比例θ＝θn+1，通过下式更新： 步骤6，判断当前基站休眠比例下，整个网络成本函数Fθ＝Fθn是否到达最小值点；当Fθn+1-Fθn＜ξ时，表明到达了最优点，执行步骤8退出迭代过程；否则，执行步骤7；步骤7：更新当前迭代次数n+1，执行步骤2-6；步骤8：退出迭代过程，得到基站最优休眠比例θ*；步骤9：令θ＝0，即所有小站处于激活状态，更新用户连接状态；统计在时间间隔t上所有小站的队长和用户的平均传输速率，进而计算时长T内的平均队长和平均传输速率；步骤10：根据各小站平均队长和用户平均传输速率之积将小站升序排列；步骤11：根据步骤8得到的最优休眠比例θ*，计算要休眠的基站数目Noff＝[θ*Ns]；步骤12：按照步骤10中得到的小站排序，依次关闭前Noff个小站。

全文数据：一种基于信道和队列感知的超密集网络小站休眠方法技术领域[0001]本发明属于无线通信技术领域，具体涉及无线通信系统中一种基于信道和队列感知的超密集网络小站休眠方法。背景技术[0002]5Gthefifthgeneration网络中移动通信量爆发式增长，给移动网络运营商带来极大的挑战。为了满足未来移动数据需求，极大提升系统容量和用户体验质量，在传统大功率宏站的覆盖区域尤其是高业务量热点区域内部署超密集低功率小站可以获得巨大的吞吐量增益。由于超密集网络中小站常部署在一些难以抵达的位置，这给光纤回程链路的安装带来了困难，为解决这个问题，运营商采用无线传输技术传输核心网到小站的回程链路信息。但是无线回程技术相比传统的光纤传输技术会产生回程链路的传输时延。另外，在超密集异构网络中不断增加的基站数目，必然会消耗更多的功率能量。而且，回程链路的能量消耗也会给系统节能带来巨大的压力。一种有效的节能技术是根据用户的业务执行基站休眠策略来降低系统能耗。然而基站休眠策略使得可用基站数目减少从而影响用户的时延特性，为了保证用户的服务质量，同时降低系统的能耗，要按照精心设计的基站休眠策略来选择要关闭的基站，以实现能耗和时延的权衡。[0003]现有的基站休眠技术基于用户业务感知或是信道状态来选择要关闭的基站，而没有将业务状态和信道信息结合起来，而且都是采用光纤技术传输回程链路信息，不考虑回程链路的时延和能耗对系统总体性能的影响，导致现有的休眠策略难以适用于实际的基于无线回传的超密集异构网络。发明内容[0004]为解决上述问题，本发明公开了一种基于信道和队列感知的超密集网络小站休眠方法，将系统能耗和时延权衡问题描述为最小化系统成本函数问题，在用户业务和信道状态动态变化的情况下，制定了信道和队列感知的基站休眠策略。[0005]现有的基站休眠技术基于用户业务感知或是信道状态来选择要关闭的基站。而我们发现系统中用户时延不仅与业务量有关，也与信道状态有关。业务量越大用户排队等待的时间越长，同时，用户与基站之间的信道状态越好，用户传输时延越小。[0006]基于此，本方法首先计算最优基站休眠比例，按照基站休眠比例计算要休眠的基站数目，即确定在满足用户时延特性的条件下要关闭的基站数目。其次，考虑每个基站平均队长和关联到该基站的用户所获得平均传输速率，将小站根据平均队长和用户所获得平均传输速率之积升序排列，根据该排序依次选择要关闭的基站，从而降低系统能耗。[0007]为了达到上述目的，本发明提供如下技术方案：[0008]—种基于信道和队列感知的超密集网络小站休眠方法，包括如下步骤：[0009]步骤1，采集网络信息[0010]测量出区域面积内用户，宏站，小站和网关总数目仏、^、队、仏，得到该区域内网关、宏站、小站和用户的分布密度Ag，Am，AjPAu;[0011]用户流量到达满足泊过程，统计一段时间内用户流量使用情况得出用户流量到达率λ以及每个包的平均比特大小1;[0012]得到部署在该区域内小站无线的回程链路带宽Wb、宏站采用的无线接入带宽Wm、小站采用的无线接入带宽Ws、宏站传输功率Pmt、小站传输功率Pst、网关传输功率Pgt;[0013]记录每个网关的平均能耗馬、休眠小站的平均能耗1.、宏站和小站静态链路的能耗巧。和产..；[0014]利用信道估计方法得出无线信道中路损系数α;[0015]根据网络运行情况确定用户关联到小站的偏置值Ab、宏站和小站的负载相关的能耗因子APjPAPs、信干比门限β、权重因子ω、迭代搜索步长δ、迭代搜索精确度ξ、时间间隔t、时长T取值根据需要确定；[0016]所有宏站全部处于激活状态；[0017]小站的基站休眠比例记为Θ，基站休眠比例的初始值θ〇根据网络运行情况自行确定，最优休眠比例为#，第η次迭代过程中基站休眠比例的取值为θη;[0018]步骤2，根据梯度下降法进行迭代，迭代次数初始值为η=0，第η次迭代时，计算在基站休眠比例9=1下，宏站和小站用户的平均数据包时延見和疗,，以及整个网络平均时延S㈤；[0019]首先计算用户连接到小站的概率PrSUEΘ[0021]网关、宏站和小站为ΜGl队列，所以用户的时延包括传输时延和排队时延；[0022]将用户分成两部分:第一部分为连接宏站的用户，第二部分为连接小站的用户；[0023]对于连接宏站的用户，其平均时延ISm为无线接入链路的时延，包含平均传输时延和平均排队时延马^即tj通过下式计算：[0026]其中，表示用户接入宏站时所获得的平均传输速率；[0027]和为宏站和小站的平均传输概率，通过二分法由以下两式获得：[0030]上式中，[0034]对于接入小站的用户，每个包的平均时延分别为无线接入链路平均时延Ssf和无线回程链路平均时延及之和；同样地，接入链路平均时延Ss,和无线回程链路平均时延及,也都分别包含平均传输时延ΰ:和平均排队时逛其中，.Dzw、通过下式计算：[0037]其中，为小站用户无线传输链路的平均传输速率，表示网关到小站的回程链路平均传输速率；[0038]通过下式计算：[0041]其中为网关的平均传输概率，通过下式计算：[0043]从而得到网络平均时延S祷如下式：[0045]步骤3,通过下式计算当前基站休眠比例0=0„下系统平均能耗和成本函数FΘ：[0048]步骤4,通过下式求解当前第η次迭代时，成本函数FΘ关于基站休眠比例0=0„的导函i[0058]步骤5，更新基站休眠比例θ，第η+1次迭代时，基站休眠比例θ=θη+1，通过下式更新：[0060]步骤6,判断当前基站休眠比例下，整个网络成本函数FΘ=Fθη是否到达最小值点；当Fθη+1-Fθηξ时，表明到达了最优点，执行步骤8退出迭代过程;否则，执行步骤7；[0061]步骤7:更新当前迭代次数n+1，执行步骤2-6;[0062]步骤8:退出迭代过程，得到基站最优休眠比例Θ%[0063]步骤9:令θ=〇,即所有小站处于激活状态，更新用户连接状态；统计在时间间隔t上所有小站的队长和用户的平均传输速率，进而计算时长T内的平均队长和平均传输速率；[0064]步骤10:根据各小站平均队长和用户平均传输速率之积将小站升序排列；[0065]步骤11:根据步骤8得到的最优休眠比例θ'计算要休眠的基站数目Nrff=[Θ%];[0066]步骤12:按照步骤10中得到的小站排序，依次关闭前Nrff个小站。[0067]具体的，所述步骤1中小站的基站休眠比例Θ最小值为0min=〇,最大值为0max=l。[0068]具体的，所述步骤2中用户接入宏站时所获得的平均传输速率小站用户无线传输链路的平均传输速率灵,、网关到小站的回程链路平均传输速率疋.根据香农公式求得。[0069]与现有技术相比，本发明具有如下优点和有益效果：[0070]本发明针对超密集异构网络提出的基站休眠方法，通过采集数据业务量，结合基站和用户之间的信道状态，执行基站休眠策略，能很好地适用于实际系统，且能带来比传统方法更好的性能增益，在保证用户时延特性的条件下显著降低系统能耗。与已有业务感知和信道感知基站休眠方案相比，能充分利用小站业务变化和信道信息，选择要休眠的基站集合，灵活控制系统节能和用户服务质量之间的权衡问题。附图说明[0071]图1为本发明提供的基于信道和队列感知的超密集网络小站休眠方法流程图。具体实施方式[0072]以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。[0073]本发明从能耗和时延权衡的角度出发，将能耗和时延权衡问题对应到最小化系统成本函数问题。运营商可以根据节能和用户服务质量的相对重要性，选择特定的权衡因子，从而确定要休眠的基站数目。[0074]本发明考虑用户的流量模型满足泊松到达过程，首先根据ΜGl排队模型分析了无线接入网络和回程网络的时延和能耗，通过梯度下降法迭代求解出关于能耗和时延权衡问题所对应的成本函数的极小值点，即得出了系统的最优基站休眠比例，进而根据最优基站休眠比例选择最优休眠基站的集合，使得用户服务质量得以保证的条件下最小化系统能耗。[0075]具体的说，本发明提供的基于信道和队列感知的超密集网络小站休眠方法，如图1所示，包括如下步骤：[0076]步骤1:采集网络信息[0077]运营商测量出区域面积内用户，宏站，小站和网关总数目，分别记为Nu，Nm，Ns，Ng，从而得到该区域内网关、宏站、小站和用户的分布密度λ8，λη。用户流量到达满足泊过程，运营商统计一段时间（可根据情况设定时间长短）内用户流量使用情况得出用户流量到达率λ以及每个包的平均比特大小1。通过运营商得到部署在该区域内小站无线的回程链路带宽Wb、宏站采用的无线接入带宽Wm、小站采用的无线接入带宽Ws、宏站传输功率Pmt、小站传输功率Pst、网关传输功率Pgt。运营商记录每个网关的平均能耗休眠小站的平均能耗Ps，宏站和小站静态链路的能耗^和^。利用信道估计方法得出无线信道中路损系数α。用户关联到小站的偏置值Ab、宏站和小站的负载相关的能耗因子ApjPΔps、信干比门限β、权重因子ω、迭代搜索步长δ、迭代搜索精确度ξ、时间间隔t、时长T取值由运营商根据网络运行情况自行确定。所有宏站全部处于激活状态。[0078]小站的基站休眠比例记为Θ，其最小值为0min=〇，最大值为0max=1。基站休眠比例的初始值％由运营商根据网络运行情况自行确定，最优休眠比例为迭代次数初始值为η=0,第η次迭代过程中基站休眠比例的取值为θη。[0079]随后根据梯度下降法迭代求解最优基站休眠比例θ'[0080]步骤2:第η次迭代时，计算在基站休眠比例0=0„下，宏站和小站用户的平均数据包时延，分别记为民和氣^以及整个网络平均时延Ζ#。[0081]首先计算用户连接到小站的概率PrsUE⑻[0083]网关、宏站和小站为ΜGl队列，所以用户的时延包括传输时延和排队时延。用户的平均传输时延迟和平均排队时延馬分别表示为：[0086]这里及表示平均传输速率，由香农公式可得。P表示平均传输概率，宏站和小站的平均传输概率，分别记为和Ζθ，分别满足以下条件：[0088]这里X表示积分变量，没有实际物理意义。[0092]可以利用二分法，从公式⑷和⑸得到当前业务状态下的平均传输概率（和隱。[0093]将用户分成两部分:第一部分为连接宏站的用户，第二部分为连接小站的用户。对于连接宏站的用户，其平均时延无线接入链路的时延，包含平均传输时延巧„和平均排队时迎，，根据公式⑵，⑶可得[0096]这里I表示用户接入宏站时所获得的平均传输速率，可以根据香农公式求得。[0097]对于接入小站的用户，每个包的平均时延分别为无线接入链路平均时延^^•和无线回程链路平均时延4«之和。同样地，接入链路平均时延艮和无线回程链路平均时延仏也都分别包含平均传输时延豆η、豆ω和平均排队时延__类似地，由公式⑵可得：[0100]这里，瓦为小站用户无线传输链路的平均传输速率，民,表示网关到小站的回程链路平均传输速率。瓦,和果,可以根据香农公式求得。[0101]根据公式⑶可得[0104]为网关的平均传输概率，[0106]从而可得网络平均时延[0108]步骤3:计算当前基站休眠比例θ=θη下系统平均能耗56〇和成本函数FΘ[0111]这里，权重因子ω的值由运营商根据网络运行情况来确定。[0112]步骤4:求解当前第η次迭代时，成本函数F⑻关于基站休眠比例0=0„的导函数[0123]步骤5:更新基站休眠比例Θ，第η+1次迭代时，基站休眠比例θ=θη+1，更新为[0125]这里，迭代搜索步长δ的值由运营商根据网络运行情况来确定。[0126]步骤6:判断当前基站休眠比例下，整个网络成本函数FΘ=Fθη是否到达最小值点：当Fθη+1-Fθηξ时，表明到达了最优点，执行步骤8退出迭代过程;否则，执行步骤7。这里，迭代搜索精确度ξ的值由运营商根据网络运行情况来确定。[0127]步骤7:更新当前迭代次数η+1，执行步骤2-6。[0128]步骤8:退出迭代过程，得到基站最优休眠比例θ'[0129]步骤9:令θ=〇,即所有小站处于激活状态，更新用户连接状态。运营商根据网络运行情况确定时长T和时间间隔t，统计在时间间隔t上所有小站的队长和用户的平均传输速率，进而计算时长T内的平均队长和平均传输速率。[0130]步骤10:根据各小站平均队长和用户平均传输速率之积将小站升序排列。[0131]步骤11:根据步骤8得到的最优休眠比例θ'计算要休眠的基站数目Nrff=[Θ%]。[0132]步骤12:按照步骤10中得到的小站排序，依次关闭前Nrff个小站。[0133]本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

权利要求：1.一种基于信道和队列感知的超密集网络小站休眠方法，其特征在于，包括如下步骤：步骤1，米集网络ί目息测量出区域面积内用户，宏站，小站和网关总数目仏、‘、队、仏，得到该区域内网关、宏站、小站和用户的分布密度Ag，Am，;用户流量到达满足泊过程，统计一段时间内用户流量使用情况得出用户流量到达率λ以及每个包的平均比特大小1;得到部署在该区域内小站无线的回程链路带宽Wb、宏站采用的无线接入带宽Wm、小站采用的无线接入带宽Ws、宏站传输功率Pmt、小站传输功率Pst、网关传输功率Pgt;记录每个网关的平均能耗.、休眠小站的平均能耗、宏站和小站静态链路的能耗和利用信道估计方法得出无线信道中路损系数Ct;根据网络运行情况确定用户关联到小站的偏置值Ab、宏站和小站的负载相关的能耗因子八~和Aps、信干比门限β、权重因子ω、迭代搜索步长δ、迭代搜索精确度ξ、时间间隔t、时长T取值根据需要确定；所有宏站全部处于激活状态；小站的基站休眠比例记为Θ，基站休眠比例的初始值θο根据网络运行情况自行确定，最优休眠比例为#，第η次迭代过程中基站休眠比例的取值为θη;步骤2，根据梯度下降法进行迭代，迭代次数初始值为n=O，第η次迭代时，计算在基站休眠比例0=0„下，宏站和小站用户的平均数据包时延j，以及整个网络平均时延首先计算用户连接到小站的概率PrsuE⑻网关、宏站和小站为ΜGl队列，所以用户的时延包括传输时延和排队时延；将用户分成两部分:第一部分为连接宏站的用户，第二部分为连接小站的用户；对于连接宏站的用户，其平均时延为无线接入链路的时延，包含平均传输时延和平均排队时延.通过下式计算：其中，表示用户接入宏站时所获得的平均传输速率；为宏站和小站的平均传输概率，通过二分法由以下两式获得：上式中，对于接入小站的用户，每个包的平均时延分别为无线接入链路平均时延和无线回程链路平均时延之和；同样地，接入链路平均时延和无线回程链路平均时延.也都分别包含平均传输时延和平均排队时延其中，通过下式计算：其中，为小站用户无线传输链路的平均传输速率，表示网关到小站的回程链路平均传输速率；，通过下式计算：其中，为网关的平均传输概率，通过下式计算：从而得到网络平均时延如下式：步骤3,通过下式计算当前基站休眠比例0=0„下系统平均能耗和成本函数FΘ:步骤4,通过下式求解当前第η次迭代时，成本函数FΘ关于基站休眠比例θ=θη的导函数步骤5，更新基站休眠比例θ，第η+1次迭代时，基站休眠比例θ=θη+1，通过下式更新：步骤6,判断当前基站休眠比例下，整个网络成本函数FΘ=Fθη是否到达最小值点；当Fθη+1-Fθηξ时，表明到达了最优点，执行步骤8退出迭代过程;否则，执行步骤7;步骤7:更新当前迭代次数η+1，执行步骤2-6;步骤8:退出迭代过程，得到基站最优休眠比例Θ%步骤9:令θ=〇,即所有小站处于激活状态，更新用户连接状态；统计在时间间隔t上所有小站的队长和用户的平均传输速率，进而计算时长T内的平均队长和平均传输速率；步骤10:根据各小站平均队长和用户平均传输速率之积将小站升序排列；步骤11:根据步骤8得到的最优休眠比例θ'计算要休眠的基站数目步骤12:按照步骤10中得到的小站排序，依次关闭前Nrff个小站。2.根据权利要求1所述的基于信道和队列感知的超密集网络小站休眠方法，其特征在于:小站的基站休眠比例Θ最小值为tin=0，最大值为^max=1。3.根据权利要求1所述的基于信道和队列感知的超密集网络小站休眠方法，其特征在于：用户接入宏站时所获得的平均传输速率^、小站用户无线传输链路的平均传输速率、网关到小站的回程链路平均传输速率根据香农公式求得。

百度查询： 东南大学 一种基于信道和队列感知的超密集网络小站休眠方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD