一种基于异构蜂窝网络分簇SMDP基站休眠方法技术

本发明专利技术属于异构蜂窝网络技术领域，特别涉及一种基于异构蜂窝网络分簇SMDP基站休眠方法，包括根据基站的工作状态，建立系统能耗模型；用分簇算法对基站进行分簇来满足用户需求；建立半马尔科夫决策过程SMDP模型，得到转移后的系统状态计算半马尔科夫决策过程SMDP模型的系统转移概率；根据所述半马尔科夫决策过程SMDP模型的系统转移概率，得到转移后的系统状态的系统能效作为系统的收益函数；当系统的收益函数的值最大时，确定粒子群搜索的最优位置；本发明专利技术相比于传统的基站休眠方法更符合实际中基站负载的动态变化的情况，不仅缓解了宏基站的负载压力，而且提高了系统能效。

A Hibernation Method of SMDP Base Station Based on Clustering in Heterogeneous Cellular Networks

The invention belongs to the field of heterogeneous cellular network technology, in particular relates to a method of dormancy of SMDP base station based on clustering of heterogeneous cellular network, including establishing system energy consumption model according to the working state of base station, clustering base station with clustering algorithm to meet user needs, establishing SMDP model of semi-Markov decision-making process, and obtaining semi-Markov decision-making of system state calculation after transfer. The system transition probability of process SMDP model; according to the system transition probability of the semi-Markov decision process SMDP model, the system energy efficiency of the transferred system state is obtained as the revenue function of the system; when the value of the revenue function of the system is maximum, the optimal location of particle swarm search is determined; Compared with the traditional base station dormancy method, the present invention is more in line with the actual base station load. The dynamic change not only alleviates the load pressure of the macro base station, but also improves the energy efficiency of the system.

【技术实现步骤摘要】
一种基于异构蜂窝网络分簇SMDP基站休眠方法
本专利技术属于异构蜂窝网络
，特别涉及一种基于异构蜂窝网络分簇半马尔科夫决策过程(Semi-MarkovDecisionProcess，SMDP)基站休眠方法。
技术介绍
随着第5代通信(5G)网络时代即将到来，移动数据需求量将快速增长，在信息与通信产业中，节能一直是研究的热点。因此，能效问题越来越受到人们的关注，随着基站数目的增加，相应的能耗也以惊人的速度增长。为了提高能效，需要考虑各种模式的转换技术，如：认知无线电、智能电网、重新设计高效基站。为了节约能源消耗，基站的休眠策略是有效的也是必要的，人们在不断地追求卓越的蜂窝网络休眠机制，以提高能效。与此同时，人们在用户体验质量(QualityofExperience，QoE)的要求也越来越高，不同与QoE可以主观的反应用户的满意度，它是一个更为全面的评价指标(MeanOpinionScore，MoS)是个用于测量电话网络质量的指标，用来衡量用户的体验质量。因此，在优化睡眠模式方案中，同时考虑到了用户的体验质量QoE和服务质量QoS，所以在提高了网络能效的同时，也增加了用户的满意度。现有的基站休眠工作中，大多是通过一种固定的休眠机制，如定时休眠，在用户较少或者资源利用率最小的基站关闭等，而且是在一段时间内业务情况确定的情况下做的研究，虽然都是通过基站休眠降低了能量消耗提高了能效，但是都没有考虑到用户偏好，使基站与用户随机连接因而降低了用户的满意度。本专利技术属于异构蜂窝网络领域，具体为基于异构蜂窝网络中分簇SMDP基站休眠方法，所述方法包括：基于降低基站干扰值的原则下，通过计算用户信噪比制定干扰图，并通过分簇算法对基站进行分簇；根据不同簇内的FBSs动态休眠过程建模成SMDP，通过迭代计算达到提高系统能效的效果。并且通过增加交叉变异，在混合遗传粒子群算法中，使复杂度降低的同时决策接近最优值。
技术实现思路
为了缓解了宏基站的负载压力、提高了系统能效，本专利技术提出了一种基于异构蜂窝网络分簇SMDP基站休眠方法包括：S1、根据基站的工作状态，建立系统能耗模型；S2、建立的基站干扰图，并用分簇算法对基站进行分簇来满足用户需求；S3、根据所述基站分簇对每个簇内基站，建立半马尔科夫决策过程SMDP模型，包括建立系统状态空间以及系统动作空间；S4、根据簇内系统状态空间中的当前系统状态，调整系统动作空间中的动作；得到转移后的系统状态计算半马尔科夫决策过程SMDP模型的系统转移概率；S5、根据所述半马尔科夫决策过程SMDP模型的系统转移概率，得到转移后的系统状态的系统能效作为系统的收益函数；S6、当系统的收益函数的值最大时，确定粒子群搜索的最优位置，所述位置即为最优休眠策略。进一步的，用分簇算法对基站进行分簇来满足用户需求包括：S21、令簇的初始值l＝1，Z为孤立点的集合，SG(vj)表示顶点vj的饱和度，所有的顶点vi都属于顶点集合V；将顶点集合V饱和度为零的点放入Z中，并从V中删除；S22、如果将所有的小基站移入Cl中，并终止分簇；S23、如果将所有V中的vi按度从大到小的顺序排列，令i＝1；S24、按照S23中的顺序，将第i个顶点放入第l个簇中，令i＝i+1；S25、若第i个顶点与第1～i-1个顶点中任意一个顶点连接，将第i个顶点分配到与其相连的顶点的簇中；S26、若第i个顶点与第1～i-1个顶点中任意一个顶点都未相连，则令l＝l+1，并将第i个顶点分配到第l个簇中；S27、判断i是否大于等于I，若是则结束分簇，否则令i＝i+1，并返回步骤步骤S25；其中，I为时，顶点集合V中的顶点vi的数量。进一步的，建立半马尔科夫决策过程SMDP模型包括：S31、定义SMDP的系统状态空间，包括用户位置状态空间、FBSs的状态空间和整个系统在决策时刻tn的状态；S32、定义SMDP的系统动作空间，即系统状态发生转移之后系统状态保持到tn+1的起始时刻，定义行动a(tn)为在第tn时隙的起始时刻对FBSs的状态进行控制决策；S33、获取SMDP的系统转移概率，即用户的到达过程和离开过程决定系统的状态动态，包括用户的到达离开、逗留时间、休眠决策；S34、将当前状态s采取动作a直到转移到另一状态s'这段时间内所能节省的系统能耗作为本专利技术的系统的收益函数，即半马尔科夫决策过程SMDP模型。本专利技术不仅考虑了基站业务随时间的动态变化特性，使家庭基站的开关决策根据实时业务的状态变化；同时通过建立基站干扰关系图，制定分簇算法对基站进行合理的分簇，制定动态分簇SMDP休眠策略；不仅充分利用了家庭基站的资源，缓解了宏基站的负载压力，也提高了系统能效，能效优化相比对比算法提高了20％。附图说明图1为本专利技术的两层Macro-Femto异构网络环境模型图；图2为本专利技术基于异构蜂窝网络SMDP分簇基站休眠方法流程图；图3为本专利技术的混合遗传粒子群算法求解流程图；图4为本专利技术的系统能效函数分析图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。基于降低基站干扰值的原则下，通过计算用户信噪比制定干扰图，并通过分簇算法对基站进行分簇；根据不同簇内的FBSs动态休眠过程建模成半马尔科夫决策过程(Semi-MarkovDecisionProcess，SMDP)，通过迭代计算达到提高系统能效的效果；通过增加交叉变异，在混合遗传粒子群算法中，使复杂度降低的同时决策接近最优值，如图2，包括：S1、根据基站的工作状态，建立系统能耗模型；S2、建立的基站干扰图，并用分簇算法对基站进行分簇来满足用户需求；S3、根据所述基站分簇对每个簇内基站，建立半马尔科夫决策过程SMDP模型，包括建立系统状态空间以及系统动作空间；S4、根据簇内系统状态空间中的当前系统状态，调整系统动作空间中的动作；得到转移后的系统状态计算半马尔科夫决策过程SMDP模型的系统转移概率；S5、根据所述半马尔科夫决策过程SMDP模型的系统转移概率，得到转移后的系统状态的系统能效作为系统的收益函数；S6、当系统的收益函数的值最大时，确定粒子群搜索的最优位置，所述位置即为最优休眠策略。实施例1本专利技术的实施例采用的是Macro-Femto异构网络；首先建立的Macro-Femto异构网络，如图1所示，区域中心部署着一个MBS，本专利技术研究的系统区域A内部署着K个FBS。规定MBS一直处于工作模式(ActiveMode)，以便有效的覆盖。而每个FBS有两种模式：工作模式和休眠模式(SleepMode)。所有的FBS均处于开放接入控制(OpenAccess)，即当FBS处于工作模式时，它服务范围内的移动用户均可接入。所有的基站由一个管理中心(ManagementCentre，MC)通过有线宽带连接进行控制管理。MC可以得到基站用户业务种类报告并且可以控制家庭基站，并对所有的FBS进行休眠管理。每个用户只能与一个基站(MBS或FBS)相连接。本实施例制定的系统基站能耗模型为：本专利技术中，第i个簇第j个基站的本文档来自技高网...

【技术保护点】
1.一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，包括以下步骤：S1、根据基站的工作状态建立系统能耗模型；S2、建立基站干扰图，并用分簇算法对基站进行分簇来满足用户需求；S3、根据基站分簇对每个簇内基站建立半马尔科夫决策过程SMDP模型，包括建立系统状态空间以及系统动作空间；S4、根据簇内系统状态空间中的当前系统状态和调整系统动作空间中的动作，得到当前系统状态根据空间中的动作转移之后的系统状态，并计算半马尔科夫决策过程SMDP模型的系统转移概率；S5、根据所述半马尔科夫决策过程SMDP模型的系统转移概率，根据系统能耗模型计算转移之后的系统状态的系统能效，并将该能效作为系统的收益函数；S6、当系统的收益函数的值最大时，确定粒子群搜索的最优位置，所述位置即为最优休眠策略。

【技术特征摘要】
1.一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，包括以下步骤：S1、根据基站的工作状态建立系统能耗模型；S2、建立基站干扰图，并用分簇算法对基站进行分簇来满足用户需求；S3、根据基站分簇对每个簇内基站建立半马尔科夫决策过程SMDP模型，包括建立系统状态空间以及系统动作空间；S4、根据簇内系统状态空间中的当前系统状态和调整系统动作空间中的动作，得到当前系统状态根据空间中的动作转移之后的系统状态，并计算半马尔科夫决策过程SMDP模型的系统转移概率；S5、根据所述半马尔科夫决策过程SMDP模型的系统转移概率，根据系统能耗模型计算转移之后的系统状态的系统能效，并将该能效作为系统的收益函数；S6、当系统的收益函数的值最大时，确定粒子群搜索的最优位置，所述位置即为最优休眠策略。2.根据权利要求1所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，根据基站的工作状态，建立系统能耗模型包括将第i个簇第j个基站的功耗Pi,j分为处于工作状态的的功耗PA和处于休眠状态的功耗PS,处于工作状态的的功耗PA包括传输功耗和常功耗Pconst；则系统能耗模型表示为：其中，表示第i个簇内第j个基站的功率放大器的最大传输功率，φi,j表示第i个簇内第j个基站功放的无线频率转换因子，vi,j为第i个簇内第j个基站的业务量。3.根据权利要求1所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，用分簇算法对基站进行分簇来满足用户需求包括：S21、令簇的初始值l＝1，Z为孤立点的集合，SG(vj)表示顶点vj的饱和度，所有的顶点vi都属于顶点集合V；将顶点集合V饱和度为零的点放入Z中，并从V中删除；S22、如果将所有的小基站移入Cl中，并终止分簇；S23、如果将所有V中的vi按度从大到小的顺序排列，令i＝1；S24、按照S23中的顺序，将第i个顶点放入第l个簇中，令i＝i+1；S25、若第i个顶点与第1～i-1个顶点中任意一个顶点连接，将第i个顶点分配到与其相连的顶点的簇中；S26、若第i个顶点与第1～i-1个顶点中任意一个顶点都未相连，则令l＝l+1，并将第i个顶点分配到第l个簇中；S27、判断i是否大于等于I，若是则结束分簇，否则令i＝i+1，并返回步骤步骤S25；其中，I为时顶点集合V中的顶点vi的数量；表示空集。4.根据权利要求1所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，建立半马尔科夫决策过程SMDP模型包括：S31、定义SMDP的系统状态空间S，包括用户位置状态空间、FBSs的状态空间和整个系统在决策时刻tn的状态；S32、定义SMDP的系统动作空间即系统状态发生转移之后系统状态保持到tn+1的起始时刻，定义行动a(tn)为在第tn时隙的起始时刻对FBSs的状态进行控制决策；S33、获取SMDP的系统转移概率P，即用户的到达过程和离开过程决定系统的状态动态，包括用户的到达离开、逗留时间、休眠决策；S34、将当前状态s采取动作a直到转移到另一状态s'这段时间内所能节省的系统能耗作为本发明的系统的收益函数，即半马尔科夫决策过程SMDP模型。5.根据权利要求4所述的一种基于异构蜂窝网络分簇SMDP基站休眠方法，其特征在于，系统状态空间包括用户业务量状态和小基站状态，表示为：s(tn)＝[su(tn),sf(tn)]su(tn)＝[v1,1(tn),…vi,j(tn),...vc,k(tn)]sf(tn)＝[f1,1(tn),…,fi,j(tn),…,f...

【专利技术属性】
技术研发人员：苏开荣，黄康，李云，吴广富，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50