喻 鵬 李文璟 邱雪松

(北京郵電大學(xué)網(wǎng)絡(luò)與交換技術(shù)國家重點實驗室 北京 100876)

1 引言

隨著溫室氣體效應(yīng)越來越受到關(guān)注，能效成為當(dāng)前工業(yè)界所要考慮的重要問題之一。當(dāng)前ICT工業(yè)的所消耗的能量已經(jīng)占到全球能耗的5%，并在接下來的時間內(nèi)增長趨勢更加明顯[1]。同時，隨著無線蜂窩網(wǎng)的不斷發(fā)展，網(wǎng)絡(luò)提供的業(yè)務(wù)越來越多樣化，無線接入節(jié)點(例如BTS, NodeB, eNodeB等)的部署也越來越密集。這些眾多的無線接入節(jié)點耗費了整個通信網(wǎng)絡(luò)80%～90%的能量[2]。目前，按照峰值容量設(shè)計的無線蜂窩網(wǎng)絡(luò)在低業(yè)務(wù)量時一些接入節(jié)點的負(fù)載為0或者很低，從而導(dǎo)致資源和運行維護成本的浪費[3]。因此，研究無線蜂窩網(wǎng)的節(jié)能對減少溫室效應(yīng)的影響，降低運營商的運行維護成本有很大的意義。

目前已有的研究成果中無線蜂窩網(wǎng)節(jié)點的節(jié)能包括兩個方向：一是設(shè)計高能效的基站硬件，以提高功放電路等部分的效率。另外一個是軟件層次的節(jié)能管理，即在基站低業(yè)務(wù)量時，通過軟件控制休眠部分的基站，并控制相鄰的基站完成這部分區(qū)域的覆蓋和容量補償[2]。本文提出的自主節(jié)能管理機制(Autonomic Energy-Saving Management Mechanism,AESMM)屬于后一種方法。但是目前有關(guān)觸發(fā)節(jié)能動作業(yè)務(wù)量門限值的確定方法還沒有明確的結(jié)論。文獻[4]分析了從用戶角度考慮的節(jié)能算法，但是并沒有考慮區(qū)域的覆蓋和干擾的影響，也沒有給出具體的網(wǎng)絡(luò)參數(shù)調(diào)整方案。當(dāng)前覆蓋補償?shù)膮?shù)調(diào)整方法已有共識，主要是調(diào)整鄰基站的下傾角和發(fā)射功率來實現(xiàn)單基站的覆蓋補償[5,6]，但是僅僅考慮了下行的覆蓋范圍需求。文獻[7]提出了一種基于功率調(diào)整的覆蓋補償算法，但是僅僅考慮了規(guī)則化的網(wǎng)絡(luò)部署情況，并對所有補償基站采取統(tǒng)一的處理方式，并未考慮用戶的不均與分布。而從規(guī)劃的角度增加毫基站和毫微微基站來降低區(qū)域的能耗[8]，并不適用于已運行的動態(tài)網(wǎng)絡(luò)。針對基站的能耗模型，基站功率的靜態(tài)和動態(tài)組成部分已有分析[9]，但是動態(tài)部分與業(yè)務(wù)量之間的關(guān)系還沒有精確的結(jié)論，同時也沒有將覆蓋、質(zhì)量和容量同時納入約束范圍。

針對以上問題，本文首先分析了無線蜂窩網(wǎng)的節(jié)能模型，之后依據(jù)節(jié)能模型提出了適用于無線接入網(wǎng)絡(luò)的AESMM。AESMM給出了自主化節(jié)能管理的實現(xiàn)流程和其中的關(guān)鍵算法，并解決了上述的業(yè)務(wù)量門限無法確定、缺乏兼顧多因素的節(jié)能方法，以及能耗模型不完備等問題。

2 無線蜂窩網(wǎng)的節(jié)能模型分析

其中nse表示基站小區(qū)的數(shù)目，nTx為一個小區(qū)對應(yīng)的天線數(shù)，η為功放電路的效率，PTrans為收發(fā)器的功率，PProc為數(shù)字信號處理器的功率，PRect為整流器的功率，Pmicro為微波鏈路功率，Pairco為空調(diào)的功耗。式(1)對所有的基站均適用。在業(yè)務(wù)量變化周期區(qū)間[0,T]上，無線蜂窩網(wǎng)的節(jié)能問題可以用如下形式描述：

以上約束中，第1項是用戶角度的需求，即任何時刻，單個用戶i最多只能被一個基站j所服務(wù)，并最多使用一種業(yè)務(wù)。第2項是資源角度需求，即任何時刻所有的基站j都不存在過載情況，τj是用作切換和克服干擾的余量。第3項是業(yè)務(wù)質(zhì)量角度的需求，任何時候，到達各個基站j的不同業(yè)務(wù)k的阻塞率應(yīng)小于目標(biāo)值。第4項是功率角度的需求，α是控制信道功率所占的比例。即每個基站j的發(fā)射功率都不大于功放電路所能提供的發(fā)射功率上限值。

如果要求解以上問題，需要在各個離散的時間點上進行分析。由于很多變量會隨時間發(fā)生變化，因此以上問題很難在各個時間點上獲取有效的解決方案[4]。而在節(jié)能初始時刻t*時，業(yè)務(wù)量分布的突變會帶來業(yè)務(wù)質(zhì)量和覆蓋的顯著變化；而網(wǎng)絡(luò)進入節(jié)能狀態(tài)后，業(yè)務(wù)量、覆蓋和業(yè)務(wù)質(zhì)量變化則相對平滑，因此解決時間點t*上的節(jié)能問題尤為重要。本文采用的方案是通過AESMM確定節(jié)能觸發(fā)和恢復(fù)門限，并針對t*時的節(jié)能問題進行求解，并給出具體的發(fā)射功率參數(shù)調(diào)整方案。

在節(jié)能觸發(fā)時，AESMM將會與其他節(jié)能算法進行對比，驗證在t*時刻的業(yè)務(wù)阻塞率，覆蓋間隙率，發(fā)射功率，資源約束是否滿足要求。

整個時間域上的節(jié)能效率Ee表示如式(4)所示：

由于傳播環(huán)境復(fù)雜，用戶分布不均勻等情況的存在，干擾很難得到準(zhǔn)確地量化。因此，我們需要在節(jié)能時間段內(nèi)，對覆蓋和干擾的影響進行監(jiān)測，并在機制執(zhí)行完畢后進行分析，以驗證該方法的可行性。這里主要通過區(qū)域的用戶接受服務(wù)基站的信號強度和載干比的累積概率來進行評價。設(shè)節(jié)能時間段內(nèi)的時刻點t，用戶i接收到的來自于j的覆蓋相關(guān)的信號強度為ρij(t)，對應(yīng)的載干比為κij(t)，為了防止過覆蓋和弱覆蓋的出現(xiàn)，ρij(t)和κij(t)在整個節(jié)能時間段上的累積概率分布應(yīng)該滿足式(5)要求：

式中ρmin和κmin表示了用戶i接受基站j的服務(wù)時ρij(t)和κij(t)的下限值，β和γ表示ρij(t)和κij(t)累積概率分布的約束門限，F(xiàn)x(C)表示變量x在滿足條件C時的累積概率分布。經(jīng)過以上分析對比，AESMM即可得到有效的驗證。

3 自主的節(jié)能管理機制

AESMM 基于自主管理的理念設(shè)計[10]，通過自主監(jiān)測、分析、規(guī)劃、執(zhí)行完成無需人工干預(yù)的節(jié)能管理。具體流程分析如下：

(1)在自主監(jiān)測階段，自主管理實體周期性監(jiān)測區(qū)域的業(yè)務(wù)量和能耗。這里將占用的業(yè)務(wù)信道數(shù)作為區(qū)域業(yè)務(wù)量衡量參數(shù)。管理實體監(jiān)測單個基站和區(qū)域的業(yè)務(wù)量變化情況，以及單個基站和區(qū)域的能耗變化。之后進入自主分析階段；

(2)在自主分析階段，若處于正常狀態(tài)下的網(wǎng)絡(luò)的業(yè)務(wù)量Tr低于節(jié)能觸發(fā)的門限δ，且持續(xù)時長大于等于緩沖時間ts，則觸發(fā)節(jié)能處理流程，進入自主規(guī)劃階段；若處于節(jié)能狀態(tài)下的網(wǎng)絡(luò)的業(yè)務(wù)量Tr高于節(jié)能恢復(fù)的門限σ，且持續(xù)時長大于等于緩沖時間tc，則觸發(fā)節(jié)能恢復(fù)流程，進入自主執(zhí)行階段；如果以上條件均不滿足，則返回自主監(jiān)測狀態(tài)繼續(xù)監(jiān)測；

(3)在自主規(guī)劃階段，自主管理實體首先根據(jù)基站的布局，針對時刻t*，在可行的局部補償機制上選取待休眠的基站集合，通過區(qū)域化的雙小區(qū)補償法來實現(xiàn)；之后，針對未休眠的基站，在時刻t*采用自主覆蓋優(yōu)化算法獲取基站的功率調(diào)整值的集合，以在保證基站覆蓋范圍的基礎(chǔ)上實現(xiàn)基站的最大化節(jié)能，進入自主執(zhí)行階段。上述兩個功能是AESMM的核心；

(4)在自主執(zhí)行階段，自主管理實體依據(jù)網(wǎng)絡(luò)的狀態(tài)和自主規(guī)劃的結(jié)果，針對基站和用戶執(zhí)行相應(yīng)的動作。主要包括休眠和開啟部分基站，調(diào)整和恢復(fù)基站的功率，執(zhí)行用戶切換等等。執(zhí)行完畢后，重新進入自主監(jiān)測階段。

設(shè)執(zhí)行區(qū)域化的雙基站補償法后，處于正常狀態(tài)，休眠狀態(tài)和補償狀態(tài)的基站比例分別為NR, SR和CR。一般情況下，節(jié)能觸發(fā)門限值δ和節(jié)能恢復(fù)門限值σ相一致，緩沖時間ts和tc也一致。可設(shè)初始節(jié)能的門限與峰值業(yè)務(wù)量Trmax關(guān)系為δ=Trmax/2。由于區(qū)域的業(yè)務(wù)量近似呈周期性變化，每經(jīng)過一個周期之后，δ'=Trmax×min(δ/Trmax, NR+CR)作為新的門限值。從而實現(xiàn)節(jié)能觸發(fā)和恢復(fù)門限值的動態(tài)更新。

在分析階段針對業(yè)務(wù)量設(shè)置緩沖時間的目的是防止由于業(yè)務(wù)量的快速變化而出現(xiàn)的頻繁控制和切換。由于需要獲取多個基站的業(yè)務(wù)量信息，并且執(zhí)行必要的切換，因此管理功能適合在無線網(wǎng)絡(luò)控制器(RNC)中實現(xiàn)。由于每個控制器的控制范圍有限，當(dāng)切換涉及不同控制器下的基站時，需要各控制器協(xié)調(diào)完成相應(yīng)的規(guī)劃和執(zhí)行功能。同時，為了實現(xiàn)網(wǎng)絡(luò)狀態(tài)的快速恢復(fù)，各控制器需要對正常狀態(tài)下其下屬的基站的發(fā)射功率值進行記錄。

4 區(qū)域化的雙基站補償法

考慮到基站和小區(qū)的對稱性，針對單基站，依據(jù)已有的均勻布局場景下的對稱基站補償方法，本文提出了雙基站覆蓋補償方法。

4.1 雙基站覆蓋補償方法(OP補償)

從局部看，單個待關(guān)閉基站的覆蓋范圍可以由相鄰的基站來補償。由于單個基站的覆蓋范圍有限，因此在執(zhí)行補償時，單個待關(guān)閉基站的覆蓋范圍同時由多個鄰基站同時來補償是相對可行的。針對均勻布局的基站，當(dāng)由對稱的一對基站來進行補償時，區(qū)域可以關(guān)閉近一半數(shù)量的基站，具有良好的補償效果[7]。以市區(qū)常用的三小區(qū)基站為例，圖1(a)給出了 OP補償?shù)氖疽鈭D，稱基站對(BS1, BS2)為基站BS0的對偶對(Opposite Pair, OP)，每個基站的對偶對構(gòu)成集合 OP。針對現(xiàn)實網(wǎng)絡(luò)基站布局不均勻的情況，圖1(b)給出了更為普適的OP補償示例?；綛S0的OP確定方法如下：(1)選取BS0鄰基站中信號最強的 6個基站作為候選補償基站，如 BS1～BS6所示；(2)從6個基站中選取布局這樣兩個基站構(gòu)成一個OP：其與 BS0構(gòu)成的鈍角θ滿足 150°≤θ≤180°，且業(yè)務(wù)量均低于峰值，如圖 1(b)中的(BS1, BS4),(BS2, BS5)和(BS3, BS6)；(3)將所有的OP構(gòu)成集合OP，作為備選的補償方案集合。

由于單基站的OP補償存在多個選擇，不同的選擇會對鄰基站的覆蓋造成影響。為了使區(qū)域化的覆蓋和節(jié)能效果趨向最佳，需要從區(qū)域的角度來選取不同基站的OP補償方案，以保證補償基站的效用的最大化，區(qū)域最優(yōu)化的選取算法解決了這一問題。

4.2 面向OP補償?shù)膮^(qū)域最優(yōu)化選取算法

本文將基站的狀態(tài)分為正常狀態(tài)、補償狀態(tài)和休眠狀態(tài)3種。網(wǎng)絡(luò)狀態(tài)分為正常狀態(tài)和節(jié)能狀態(tài)兩種。節(jié)能狀態(tài)下的網(wǎng)絡(luò)中的基站由正常狀態(tài)下和補償狀態(tài)下的網(wǎng)絡(luò)提供覆蓋，休眠狀態(tài)下的基站則維持在低能耗狀態(tài)。區(qū)域最優(yōu)化的選取算法保證在滿足OP補償?shù)臈l件下使休眠的基站數(shù)目最大化。

圖1 三小區(qū)基站OP覆蓋補償示例圖

表1給出了OP補償?shù)膮^(qū)域最優(yōu)化選取算法描述。其中nij,oij和cij分別表示序列對opij中處于正常狀態(tài)、休眠狀態(tài)和補償狀態(tài)基站的數(shù)目。B表示所有基站的集合；S表示所有基站狀態(tài)的集合，0, 1和2分別表示正常狀態(tài)，休眠狀態(tài)和補償狀態(tài)。算法1的目標(biāo)是使處于補償狀態(tài)的基站的補償效用最大化，從而達到關(guān)閉更多基站的目的。

表1 OP補償?shù)膮^(qū)域最優(yōu)化選取算法

由于基站的功率值決定了基站的覆蓋范圍，在確定了節(jié)能狀態(tài)下網(wǎng)絡(luò)中各個基站的狀態(tài)之后，需要調(diào)整處于非節(jié)能狀態(tài)的基站發(fā)射功率值，以保證區(qū)域化節(jié)能最大的目標(biāo)上保證覆蓋目標(biāo)。基站的功率調(diào)整值將通過智能覆蓋優(yōu)化方法來獲取。

5 智能覆蓋優(yōu)化算法

在明確了基站的狀態(tài)之后，針對時刻t*，需要調(diào)整補償狀態(tài)基站功率值以在保證區(qū)域覆蓋的基礎(chǔ)上實現(xiàn)區(qū)域能耗的最小化，首先我們分析了優(yōu)化模型，之后選取合適的算法來進行求解。

5.1 優(yōu)化模型分析

在選取了需要休眠的基站之后，基站的覆蓋范圍由參數(shù)下傾角和業(yè)務(wù)信道功率決定。本文假設(shè)天線傾角不變，則業(yè)務(wù)信道功率pjk決定了覆蓋范圍，這里將矩陣P={pjk}作為優(yōu)化對象。

假設(shè)上行鏈路預(yù)算獲取的用戶覆蓋范圍為ru，基站j的高度為hj，則通過鏈路預(yù)算獲取的基站j的覆蓋范圍可以表示如下：

其中Ljk是基站j針對業(yè)務(wù)k的最大下行路損，fj是基站j的下行工作頻率，hms是用戶平均高度。函數(shù)g(·)由選取的路損模型來確定。“|”之前的參數(shù)為變量，之后的參數(shù)為取值固定的離散值。

僅從覆蓋范圍角度進行分析，基站j的半徑rj應(yīng)該滿足如下約束：

在現(xiàn)網(wǎng)中，一般都有ru≥djk。以上兩式建立了pjk與rj的關(guān)系。進一步，從覆蓋的角度來說，要保證整個區(qū)域的覆蓋，需要最小化覆蓋間隙率H(P)，優(yōu)化目標(biāo)為

其中Olq表示基站l與基站q的重疊面積。由于業(yè)務(wù)信道功率的變化與基站發(fā)射功率成正比，因此需要使區(qū)域化的業(yè)務(wù)信道功率盡量小，即滿足：

由于區(qū)域覆蓋、功率約束、資源約束等等可計算指標(biāo)直接決定了節(jié)能機制的有效性，因此在t*時刻這些因素將會被列作G(P)的約束條件，如式(10)所示：

上述約束中μ表示覆蓋空白率的上限。設(shè)PT表示P的取值集合，在網(wǎng)絡(luò)中業(yè)務(wù)功率值支持步長為1 dBm的調(diào)整，因此PT是一個離散的狀態(tài)空間，該優(yōu)化問題在求解過程中需要處理大量的信息，是一個復(fù)雜的組合優(yōu)化問題。需要通過智能優(yōu)化算法來求解。

5.2 模擬退火的算法實現(xiàn)

作為一種通用的隨機搜索算法，模擬退火能夠有效地解決復(fù)雜的組合問題，并具有避免陷入局部最優(yōu)，克服初值依賴性等優(yōu)點，是一種理論上的全局最優(yōu)算法[11]。模擬退火算法相對于其他智能優(yōu)化算法，特點是其能夠獲取全局的最優(yōu)解，但是收斂速度相對較慢。由于節(jié)能管理是個優(yōu)化問題，一方面，其目標(biāo)是尋求有效的最優(yōu)解，另一方面，網(wǎng)絡(luò)優(yōu)化的周期都相對較長，并不是一個時間敏感的問題，因此模擬退火算法在這里較為適用。另外，本文的節(jié)能模型只與基站數(shù)目的規(guī)模有關(guān)，同時離散的取值空間降低了計算復(fù)雜度，因此相對易于實現(xiàn)。

模擬退火算法主要用來求解無約束問題，因此需要將上述優(yōu)化問題轉(zhuǎn)化成如下的無約束問題：

第1步選定有效的初始解P∈PT，給定初始溫度T0和終止溫度Tf，令迭代指標(biāo)l=0,Tl=T0，設(shè)定內(nèi)循環(huán)迭代次數(shù)n(Tl)，令內(nèi)循環(huán)計數(shù)器n=0；

第2步隨機生成1個領(lǐng)域解P'∈N(P)∈PT，其通過改變P中一個隨機選取的基站j和業(yè)務(wù)k的Pjk值得到，其中N(P)表示P的領(lǐng)域。令n=n+1并計算目標(biāo)值增量Δz=g(P')-g(P)；

第3步若Δz＜ 0，令P=P'，轉(zhuǎn)第4步；否則生成ξ=U(0,1)，若 exp(-Δz/Tl)ξ，則令P=P'；

第4步若達到熱平衡(內(nèi)循環(huán)次數(shù)n＞n(Tl))，轉(zhuǎn)第5步；否則轉(zhuǎn)第2步；

第5步降低Tl,l=l+1，若Tl＜Tf，則算法停止，否則，重新設(shè)定內(nèi)循環(huán)迭代次數(shù)n(Tl)，并令內(nèi)循環(huán)計數(shù)器n=0，轉(zhuǎn)第2步。

在獲取了矩陣P的優(yōu)化結(jié)果P'之后，在節(jié)能時間段內(nèi)，設(shè)處于休眠狀態(tài)的基站功率均為PC，正常狀態(tài)下基站的發(fā)射功率為PB，對補償狀態(tài)的基站發(fā)射功率進行如下取值：

結(jié)合節(jié)能模型，即可計算出區(qū)域的節(jié)能效率。

6 仿真及分析

本文通過仿真，在 UMTS場景下中驗證了AESMM在3天(72 h)內(nèi)的節(jié)能效果。

6.1 仿真環(huán)境設(shè)置

本文采用的仿真軟件是 QualNet，場景為WCDMA/HSDPA的一個城區(qū)場景。上下行工作頻率分別為1.95 GHz和2.13 GHz，路損通過COST32-HATA傳播模型來進行近似計算。仿真場景的俯視圖如圖2(a)所示。仿真區(qū)域的面積為3 km×2.5 km，街道寬度為20 m。一個面積為200 m×200 m的小型公園位于該區(qū)域的中央。所有建筑物的高度位于30 m到40 m之間。區(qū)域共包括18個基站，每個基站擁有3個小區(qū)。每個小區(qū)配置一個載頻。基站間距離在600 m到700 m之間。所有的基站都與同一個RNC連接，且基站類型一致。hms=1.5 m，區(qū)域提供 12.2 kbps AMR語音業(yè)務(wù)和 364 kbps的HTTP業(yè)務(wù)，初始的業(yè)務(wù)信道功率pjk均一致，分別為25 dBm和28 dBm。每個小區(qū)的可用資源為CE數(shù)，共有128個。單個語音用戶占用的資源數(shù)為1，HTTP業(yè)務(wù)所占用的資源由HSDPA機制動態(tài)分配。假設(shè)每個小區(qū)到達的用戶服從近似泊松分布，如圖2(b)給出了一個相對實際的到達率變化圖?？梢园l(fā)現(xiàn)到達率的變化周期為24 h。

圖2 仿真場景說明圖

在智能優(yōu)化算法中，設(shè)T0=20,Tf=1,Tl+1=Tl×0.9,ζ=20。ζ,ω和χ的取值分為 100, 10和 5。μ的取值為4%,n(Tl)取值均為5，參照文獻[6]，可設(shè)PB=20 W,PC=70 W。

6.2 仿真結(jié)果分析

首先針對AESMM進行仿真，在第1個周期上，最優(yōu)化結(jié)果在H(P)=2.99%，迭代次數(shù)為171時獲取。此時基站功率，資源約束均滿足要求。說明AESMM是有效的節(jié)能機制。NR, SR和CR的值分別為1/16, 7/16和1/2，對矩陣P，語音業(yè)務(wù)信道功率的調(diào)整范圍為[25 dBm, 32 dBm]，視頻會話業(yè)務(wù)信道功率的調(diào)整范圍為[28 dBm, 35 dBm]。

在整個仿真時間段上，網(wǎng)絡(luò)不執(zhí)行AESMM和執(zhí)行AESMM后，負(fù)載量最大的基站的阻塞率變化對比如圖3所示。首先可以發(fā)現(xiàn)數(shù)據(jù)業(yè)務(wù)的阻塞率要高于語音業(yè)務(wù)，同時，執(zhí)行AESMM后阻塞率在節(jié)能時間段上會發(fā)生改變，且峰值高于正常網(wǎng)絡(luò)狀態(tài)，但是依然處于目標(biāo)值1%下。這就說明節(jié)能方法獲取節(jié)能效果是以犧牲一定的性能為代價的。

在該仿真環(huán)境下，將AESMM與文獻[4]和文獻[7]的算法進行對比分析，一些指標(biāo)值對比結(jié)果如表2所示。

通過表 2可以發(fā)現(xiàn)，3種算法的區(qū)域空白率和單基站最高阻塞率都維持在目標(biāo)值以下，同時，節(jié)能時間的長短并不能直觀反映出節(jié)能的效率。在覆蓋區(qū)域指標(biāo)上，文獻[4]算法由于從用戶角度進行處理而相對忽略了基站的覆蓋約束，對所有基站執(zhí)行近似的補償方案，因此會產(chǎn)生最高的覆蓋空白，也達不到最好的節(jié)能效果。而文獻[7]算法由于將阻塞率作為節(jié)能門限的標(biāo)準(zhǔn)，因此單基站峰值阻塞率最高。同時由于補償基站數(shù)目較多，關(guān)閉基站數(shù)目較少，因此節(jié)能效率最低。相比之下，本文提出的AESMM在節(jié)能時間段和整個仿真時間上擁有最高的節(jié)能效率。

表2 3種算法仿真結(jié)果對比

進一步，我們考察這3種算法對覆蓋質(zhì)量的影響。圖4給出了導(dǎo)頻信道CPICH RSCP和Ec/Io的概率分布。在網(wǎng)絡(luò)不執(zhí)行節(jié)能方法，執(zhí)行AESMM，文獻[4]算法和文獻[7]算法時CPICH RSCP大于-95 dBm 的概率分別為 99.30%, 98.54%, 98.01%和98.13%，對應(yīng)的CPICHEc/Io大于-12 dB的概率分別為100%, 96.70%, 97.74%和98.23%。因此，雖然3種方法的信號強度和信干比的分布比正常狀態(tài)有所下降，但是仍然能夠滿足覆蓋質(zhì)量的要求。同時，即使AESMM克服干擾的效果雖然略為低于文獻[4]和文獻[7]的算法，但是卻能夠保證最強的信號分布，可以有效避免弱覆蓋的發(fā)生。

綜上所述，由于AESMM在節(jié)能模型和智能優(yōu)化算法中針對業(yè)務(wù)質(zhì)量，覆蓋和干擾等都進行了約束，使得該機制相對于其他算法，能夠在均衡各方面性能的同時，獲取最好的節(jié)能效果。相比之下具有最高的有效性和可行性。

圖3 負(fù)載量最大基站阻塞率變化

圖4 區(qū)域覆蓋質(zhì)量評價指標(biāo)

7 結(jié)束語

本章將自主網(wǎng)絡(luò)管理技術(shù)應(yīng)用到無線蜂窩網(wǎng)的節(jié)能實現(xiàn)中，基于“監(jiān)測-分析-規(guī)劃-執(zhí)行”的自主控制閉環(huán)的理念，設(shè)計了自主的節(jié)能管理方法AESMM。該方法可用于對運行中的無線蜂窩網(wǎng)進行自主的節(jié)能觸發(fā)，節(jié)能補償和節(jié)能恢復(fù)等。通過仿真驗證了其能夠在保證區(qū)域的覆蓋質(zhì)量的同時，減少區(qū)域約17%的能耗，相對于其他節(jié)能方法，具有最好的節(jié)能效果。

作為一種集中式的管理方法，AESMM同時也存在集中式的管理方法所存在的缺點，例如失敗中心點，通信瓶頸等，同時這里基站僅僅考慮了同構(gòu)基站部署的情況。由于分布式的網(wǎng)絡(luò)管理針對大型復(fù)雜的網(wǎng)絡(luò)更具有優(yōu)勢，作者下一步的工作是基于LTE異構(gòu)網(wǎng)絡(luò)架構(gòu)，研究多頻段、多基站類型和多業(yè)務(wù)環(huán)境下的分布式自主節(jié)能方法。同時，作者當(dāng)前正針對AESMM實現(xiàn)所面臨的難點，例如協(xié)議流程，部署策略，以及更易于工程實現(xiàn)的算法等進行研究，以為自主節(jié)能機制在現(xiàn)網(wǎng)中的推廣打下良好的基礎(chǔ)。

[1]Lubrittoa C, Petragliaa A, Vetromilea C,et al.. Energy and environmental aspects of mobile communication systems[J].Energy, 2011, 36(2): 1109-1114.

[2]Jyrkit L. Energy efficiency of modern cellular base stations[C]. Proceedings of the 29th International Telecommunications Energy Conference(INTELEC'07),Rome, Italy, 2007: 475-476.

[3]3GPP TR 32.826 v10.0.0. Study on Energy Saving Management(ESM)[S]. 2010.

[4]Zhou S, Gong J, Yang Z X,et al.. Green mobile access network with dynamic base station energy saving [C].Proceedings of the 15th Annual International Conference on Mobile Computing and Networking Workshop(MOBICOM 09), Beijing, China, 2009: 25-29.

[5]Niu Z S, Wu Y Q, Gong J,et al.. Cell zooming for costefficient green cellular networks[J].IEEE Communications Magazine, 2010, 48(11): 74-79.

[6]Marsan M A, Chiaraviglio L, Ciullo D,et al.. Optimal energy savings in cellular access networks [C]. Proceedings of the 1st International Workshop on Green Communications(ICCW'09), Dresden, Germany, 2009: 1-5.

[7]Chiaraviglio L, Ciullo D, Meo M,et al.. Energy-aware UMTS access networks[C]. Proceedings of the 11th International Symposium on Wireless Personal Multimedia Communications(WPMC '08), Lapland, Finland, 2008: 1-5.

[8]Richter F, Fehske A J, and Fettweis G P. Energy efficiency aspects of base station deployment strategies for cellular networks[C]. Proceedings of the 70th Vehicular Technology Conference Fall(VTC Fall '09), Anchorage, USA, 2009: 1-5.

[9]Deruyckd M, Tanghe E, Joseph W,et al.. Modeling and optimization of power consumption in wireless access networks[J].Computer Communications, 2011, 34(17):2036-2046.

[10]Brenan J, Sven M, Sasitharan B,et al.. Towards autonomic management of communications networks[J].IEEE Communications Magazine, 2007, 45(10): 112-121.

[11]Meshkova E, Riihijarvi J, Achtzehn A,et al.. Exploring simulated annealing and graphical models for optimization in cognitive wireless network[C]. Proceedings of 2009 IEEE Global Telecommunications Conference(Globecom '09),Anaheim, USA, 2009: 1-8.

[12]Marsan M A and Meo M. Energy efficient wireless Internet access with cooperative cellular networks[J].Computer Networks, 2010, 55(2): 386-398.

[13]Abdel Khalek A, Al-Kanj L, Dawy Z,et al.. Optimization models and algorithms for joint uplink/downlink UMTS radio network planning with SIR-based power control[J].IEEE Transactions on Vehicular Technology, 2011, 60(4):1612-1625.