一种异构蜂窝无线网络节能优化方法技术

本发明专利技术涉及一种异构蜂窝无线网络节能优化方法，属于无线通信技术领域。该方法根据通过随机几何学中的泊松分布设计网络模型，提出最大化能效的目标函数，根据目标函数，利用高等代数多元函数求极值的方法优化宏基站和微基站的概率密度；再根据概率论知识计算宏基站和微基站的最优休眠负载阈值；进而根据此阈值设计基站的休眠策略。本方法能够在保证网络服务质量的同时，节约更多的能源。

【技术实现步骤摘要】

本专利技术属于无线通信
，涉及。
技术介绍
移动通信技术在人们日常生活中已经占有不可或缺的地位，并对人类社会的发展 产生了极大的影响。随着此技术的蓬勃发展，带动了用户需求和用户数量的巨大攀升。在 此及众多因素背景下，异构蜂窝网络登上了无线网络发展的舞台，成为众多研宄者的焦点。 而与此同时，由于微基站的密集部署和不同地区负载的不均衡不可避免的造成不同程度的 能源浪费，而下一代网络（5G网络）对异构蜂窝网络中的节能技术有了更明确的要求。因 此，采取怎样的策略或优化机制是我们亟待解决的问题。 传统的研宄蜂窝能效的网络模型是假设基站服从规则的点分布过程，即基站均 匀分布，且小区为相同的规则六边形。而实际中，由于不同地区，如城市中心、住宅、公 园、郊区等等的网络负载不同，所需要的网络容量也不同。所以，假设基站是一个规则的 点分布过程并不符合真实的场景。由于不实际的假设使得处理结果不够准确，且需要大 量的蒙特卡洛仿真（参考文献：K.Gilhousen,I.Jacobs,R.Padovani,A.J.Viterbi,L. Weaver,andC.Wheatley,a0ntheCapacityofaCellularCDMASystem,''IEEETrans. Veh.Technol.，vol. 40,no. 2,pp. 303 - 312,May1991)，使结果不易处理。所以，以上假设 太过理想化。基于此原因，对一个异构蜂窝网络，在不同的位置进行快拍，结果发现异构蜂 窝网络的基站的分布具有随机性，符合一个随机模型（参考文献：HeshamElSawy，Ekram Hossain,andMartinHaenggi,"StochasticGeometryforModeling,Analysis,and DesignofMulti-TierandCognitiveCellularWirelessNetworks:ASurvey"，IEEE COMMUNICATIONSSURVEYS&TUTORIALS,VOL. 15,NO. 3, 2013.)。因此，在最近的研宄中，一个 新的网络模型被应用到异构蜂窝无线网络中，即宏微基站均为服从一定概率密度的泊松分 布。基于此网络模型，一些研宄者已做出了显著的贡献。基于该网络模型，Tony，在（参考文献：EnergyEfficiencyAnalysisof Two-TierHeterogeneousNetworks,EuropeanWirelessConference,Vienna,Apr. 2 011，pp. 1-5)中将此模型应用到异构蜂窝网络能效研宄的研宄中，计算出了每层小区 的成功传输概率和吞吐量，并分析了基站的概率密度对每层小区的成功传输概率的影 响和宏微基站概率密度的比值对能效的影响。该作者在之前的研宄基础上提出了休 眠节能策略，在（参考文献：YongShengSoh,TonyQ.S.Quek，HyundongShin,Energy EfficientHeterogeneousCellularNetworks.IEEEJournalOnSelectedAreas InCommunications, 2013)中对随机休眠策略和动态休眠策略针对单层宏蜂窝基站做了 详细比较，研宄结果表明基站根据相应小区的活跃用户多少进行休眠比随机休眠节能更 明显，并对k层异构网络做了简单的分析介绍，并没有详细分析异构网络中具体的休眠策 略。为了分析网络负载对能效的影响，YuJian，在（参考文献：JianYu，YangLiu，and ChangchuanYin, "Energy-EfficientBaseStationDeploymentinHeterogeneous CellularNetworkwithQoSConstraint, "?WorkshoponEnd-t〇-EndGreenCellular Networks, 2013)中将负载引入能效目标函数中，得出基于负载的能效表达式，并根据负载 情况分析了网络的阻塞率，但没有提出相应的节能策略。Jaya，在（参考文献：JayaRao andAbraham0.Fapojuwo,AnalysisofLoadDependentEnergyEfficiencyofTwo-Tier HeterogeneousCellularNetworks,MobileWirelessNetworks, 2013)中指出在网络 负载比较低时，使部分微基站进行休眠，将休眠微基站下的用户切换到相应的宏基站下，以 达到更好的节能目的，并分析出在一定的用户到达率下需要多少比例的微基站进行休眠， 能效可达到最大。 然而以上研宄并没有考虑负载的实时变化情况，且只是分析出需要多大比例的微 基站休眠，没有进一步考虑到底是哪些微基站休眠，采用什么样的休眠策略，更重要的是忽 略了宏基站概率密度对能效的影响。
技术实现思路
有鉴于此，本专利技术的目的在于提供，该方法 基于负载的网络模型，得出网络成功传输概率、吞吐量，并根据负载变化情况，通过基站休 眠策略，联合优化宏微基站的概率密度，使能效达到最大。 为达到上述目的，本专利技术提供如下技术方案： ，包括以下步骤： 步骤一：建立蜂窝异构无线网络的模型，假设宏基站服从概率密度为A">的泊松分 布，其最大传输半径为Rm;微基站服从概率密度为Xp的泊松分布，传输半径为Rp;用户分布 服从到达率为yt的泊松分布，yt表示单位时间单位面积到达的活跃用户数； 步骤二：采用宏基站和微基站联合休眠的策略，在用户数比较少即负载较小时，比 如在夜间或偏远地区，可以采用宏基站和微基站联合休眠机制，宏基站和微基站根据相应 的负载LdPLp进行休眠； 具体包括：首先微基站以概率l-x(Lp)休眠，则休眠策略后的活跃基站的概率密度 为：A'p=ApX(Lp)，而休眠微基站内的用户切换到相应的宏基站下，则此时宏基站的负载 变为L"，然后宏基站再以概率l-y(L")进行休眠，休眠策略后的活跃宏基站的概率密度为 x'm=xmya?);根据休眠策略，得出休眠后的能效表达式；并根据最大化能效和网络覆盖 率、网络吞吐量的约束条件下求得宏基站和微基站最优的休眠概率组合，即活跃宏微基站 与总宏微基站的比例； 步骤三：通过步骤二得出的最优休眠概率，利用概率论知识计算宏微基站的休眠 阈值TjpTP，即当宏基站覆盖下的用户数小于Tm时，宏基站进入休眠状态，负载迀移到 相邻宏基站下，微基站覆盖下的用户数小于％时微基站进入休眠状态，负载迀移到相应的 宏基站下。 本专利技术的有益效果在于：本专利技术的休眠策略是在联合优化宏基站和微基站的概率 密度下进行的，通过联合优化宏基站和微基站的概率密度的最大化能效目标函数，计算出 最优的宏基站和微基站联合休眠概率，然后通过最优休眠概率设计基站的最优休眠阈值， 从而在保证网络服务质量的同时，能节约更多的能源。【附图说明】 为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行 说明： 图1为本专利技术中两层异构蜂窝网络干扰示意图； 图2为本专利技术中宏基站休眠流程图； 图3为本专利技术中微基站休眠流程图。【具体实施方式】 本文档来自技高网...

【技术保护点】
一种异构蜂窝无线网络节能优化方法，其特征在于：包括以下步骤：步骤一：建立蜂窝异构无线网络的模型，假设宏基站服从概率密度为λm的泊松分布，其最大传输半径为Rm；微基站服从概率密度为λp的泊松分布，传输半径为Rp；用户分布服从到达率为μt的泊松分布，μt表示单位时间单位面积到达的活跃用户数；步骤二：采用宏基站和微基站联合休眠的策略，在用户数比较少即负载较小时，采用宏基站和微基站联合休眠机制，宏基站和微基站根据相应的负载Lm和Lp进行休眠；具体包括：首先微基站以概率1‑x(Lp)休眠，则休眠策略后的活跃基站的概率密度为：λ'p＝λpx(Lp)，而休眠微基站内的用户切换到相应的宏基站下，则此时宏基站的负载变为Lmx，然后宏基站再以概率1‑y(Lmx)进行休眠，休眠策略后的活跃宏基站的概率密度为λ'm＝λmy(Lmx)；根据休眠策略，得出休眠后的能效表达式；并根据最大化能效和网络覆盖率、网络吞吐量的约束条件下求得宏基站和微基站最优的休眠概率组合，即活跃宏微基站与总宏微基站的比例；步骤三：通过步骤二得出的最优休眠概率，利用概率论知识计算宏微基站的休眠阈值τm和τp，即当宏基站覆盖下的用户数小于τm时，宏基站进入休眠状态，负载迁移到相邻宏基站下，微基站覆盖下的用户数小于τp时微基站进入休眠状态，负载迁移到相应的宏基站下。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李云，王俊伟，赵为粮，曹傧，刘期烈，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85