向 偉，張劍峰，邵鑫鴻，謝 威

(解放軍理工大學(xué)通信工程學(xué)院，江蘇 南京 210007)

?

基于基站休眠的負(fù)載合并動(dòng)態(tài)功率控制算法*

向 偉1，張劍峰2，邵鑫鴻2，謝 威2

(解放軍理工大學(xué)通信工程學(xué)院，江蘇 南京 210007)

在蜂窩系統(tǒng)中，采用基站休眠策略時(shí),如果固定設(shè)置工作基站功率，將導(dǎo)致基站低負(fù)載時(shí)，網(wǎng)絡(luò)功率效率降低。提出基于基站休眠的負(fù)載合并動(dòng)態(tài)功率控制算法，低負(fù)載的宏基站進(jìn)入休眠，負(fù)載較高的宏基站為工作基站，工作基站根據(jù)本小區(qū)及其分擔(dān)的鄰近休眠基站內(nèi)的負(fù)載變化，動(dòng)態(tài)調(diào)節(jié)自身的功率。仿真結(jié)果表明，所提出的動(dòng)態(tài)功率控制算法在滿足用戶服務(wù)質(zhì)量的前提下，有效降低了整個(gè)蜂窩網(wǎng)絡(luò)的功率消耗。

蜂窩網(wǎng)絡(luò)；功率效率；休眠策略；功率控制

0 引 言

在蜂窩網(wǎng)絡(luò)中，宏基站是最主要的能量消耗部分，宏基站用于傳輸信息的功率約占40%，余下部分用于基站的靜態(tài)功率消耗如冷卻系統(tǒng)、信號處理、電池儲備。因此在蜂窩網(wǎng)絡(luò)中，通過降低宏基站靜態(tài)功率消耗來降低蜂窩網(wǎng)絡(luò)能量消耗變得十分重要[1-3]。

在同一時(shí)刻不同位置的基站，其所在蜂窩小區(qū)內(nèi)的負(fù)載相差很大；同時(shí)，在同一基站不同時(shí)刻其所在蜂窩小區(qū)內(nèi)的負(fù)載變化較大[4]?；诜涓C小區(qū)負(fù)載在時(shí)間和空間上的動(dòng)態(tài)變化，提出了宏基站休眠策略。即針對某一蜂窩小區(qū)，在某一時(shí)刻蜂窩小區(qū)的負(fù)載很小時(shí)，使此小區(qū)宏基站處于休眠狀態(tài)，同時(shí)增大與此蜂窩小區(qū)相鄰且處于工作狀態(tài)的宏基站的發(fā)射功率，使之能夠滿足休眠宏基站內(nèi)的用戶業(yè)務(wù)需求且可降低蜂窩網(wǎng)絡(luò)整體功耗[5-7]。采用這種宏基站休眠策略時(shí)，工作基站為了滿足休眠基站內(nèi)的用戶業(yè)務(wù)需求，將工作基站功率設(shè)定為一個(gè)較大的恒定值，而當(dāng)其分擔(dān)的鄰近休眠基站內(nèi)的負(fù)載較小時(shí)，則造成能量的浪費(fèi)。為了解決這一問題，本文提出了利用核心網(wǎng)控制中心的協(xié)同調(diào)度功能，各個(gè)基站將本小區(qū)的負(fù)載統(tǒng)計(jì)發(fā)送給控制中心，控制中心根據(jù)各基站負(fù)載大小確定工作基站和休眠基站，休眠基站休眠后的負(fù)載統(tǒng)計(jì)由其鄰近的工作基站完成?？刂浦行母鶕?jù)工作基站小區(qū)內(nèi)的負(fù)載，以及工作基站分擔(dān)的鄰近休眠基站內(nèi)負(fù)載對工作基站的發(fā)射功率進(jìn)行動(dòng)態(tài)調(diào)整。采用本文提出的基于基站休眠的負(fù)載合并動(dòng)態(tài)功率控制算法，在滿足休眠基站小區(qū)以及工作基站小區(qū)內(nèi)用戶需求的前提下，使工作基站的功率相應(yīng)的設(shè)置一個(gè)較小值來降低整個(gè)網(wǎng)絡(luò)的功率消耗。

本文第二部分介紹了研究的系統(tǒng)模型，包括網(wǎng)絡(luò)模型、信道模型、下行鏈路傳輸信噪比模型、宏基站負(fù)載模型、宏基站功率消耗模型和用戶成功接入概率。第三部分介紹了提出的基于基站休眠的負(fù)載合并動(dòng)態(tài)功率控制算法。第四部分對提出的功率控制算法進(jìn)行仿真及結(jié)果分析。第五部分為得出的結(jié)論。

1 系統(tǒng)模型

1.1 網(wǎng)絡(luò)模型

宏基站分布服從一般的正六變形結(jié)構(gòu)，為了研究所提出的動(dòng)態(tài)功率控制算法，本文研究了由M個(gè)(M≤7)宏基站構(gòu)成的網(wǎng)絡(luò)模型，如圖1所示。假設(shè)宏基站能容納的最大負(fù)載為Tmax，將宏基站Bj在t時(shí)刻的負(fù)載歸一化，歸一化系數(shù)為pj∈[0,1][8]。根據(jù)基站休眠策略，當(dāng)宏基站在t時(shí)刻的負(fù)載歸一化系數(shù)為pj時(shí)，則宏基站以概率pj處于工作狀態(tài)，以概率1-pj處于休眠狀態(tài)。根據(jù)宏基站工作概率pj選定工作基站，當(dāng)pj≥ξ時(shí)，則宏基站Bj設(shè)定為工作基站，當(dāng)pj<ξ時(shí)，宏基站處于休眠狀態(tài)，ξ為工作基站選定門限值。蜂窩小區(qū)內(nèi)的用戶接入離自己最近的工作基站，采用休眠策略后為了使蜂窩網(wǎng)絡(luò)不出現(xiàn)覆蓋漏洞，控制中心根據(jù)工作基站小區(qū)內(nèi)負(fù)載以及其分擔(dān)的鄰近休眠基站內(nèi)的負(fù)載調(diào)整工作基站的發(fā)射功率，以滿足周圍休眠基站原覆蓋區(qū)域內(nèi)用戶業(yè)務(wù)需求。

圖1 宏基站分布模型圖

1.2 信道模型

本文中信號路徑損耗采用文獻(xiàn)[9]基站到用戶基本路徑損耗的修正模型，F(xiàn)為信號遭受的信道陰影衰落損耗系數(shù)，10log10(F)為信道陰影衰落損耗，服從均值為0，方差為σ2的正態(tài)分布，路徑損耗表達(dá)式如下：

PL=L(d)-10log10(F)

(1)

式中,L(d)為基站到用戶路徑損耗的基本模型。

1.3 接收信號信噪比模型

便于分析，假設(shè)宏基站Bj在二維坐標(biāo)原點(diǎn)上，宏基站Bj距離用戶ux的距離為d。在背景噪聲為加性高斯白噪聲條件下，宏基站Bj到用戶ux下行鏈路的接收信噪比如下[10]：

(2)

式中,Pt,x為宏基站的發(fā)射功率，高斯白噪聲單邊功率譜密度為N0，信道帶寬為B。

1.4 負(fù)載模型

在圖1場景中，假設(shè)每個(gè)宏基站有N個(gè)可用信用于傳輸信息，單個(gè)信道帶寬為B。為了消除相鄰基站之間的干擾，假設(shè)相鄰基站之間使用不同載波頻率。由式(2)計(jì)算出宏基站到用戶ui的信噪比SNRi。則可知宏基站負(fù)載如下[11]：

(3)

式中,n為宏基站內(nèi)的用戶數(shù)n∈{0,1,…,N}，ui=u0時(shí)，SNR0為0，表示蜂窩小區(qū)內(nèi)用戶數(shù)為0。

1.5 功率消耗模型

宏基站功率消耗表達(dá)式如下[12]：

P=Pms+βPm

(4)

Pm為基站射頻端發(fā)射功率，β為基于基站負(fù)載的功率控制系數(shù)。Pms為基站靜態(tài)功率消耗，包括降低基站工作環(huán)境的冷卻系統(tǒng)、信號處理模塊、電池備用系統(tǒng)等消耗的功率，獨(dú)立于基站發(fā)射功率。本文中的功率效率定義為網(wǎng)絡(luò)負(fù)載除以網(wǎng)絡(luò)功率消耗，單位為：(kbit/s/w)。

1.6 成功接入概率

當(dāng)基站采用休眠策略時(shí)，處于休眠狀態(tài)的宏基站內(nèi)的用戶業(yè)務(wù)由距其最近的工作基站服務(wù)，需要增大工作基站功率來覆蓋周圍休眠基站小區(qū)內(nèi)的用戶業(yè)務(wù)需求；同時(shí)必須滿足用戶基本服務(wù)質(zhì)量，因此，需要計(jì)算休眠基站原覆蓋范圍內(nèi)用戶的成功接入概率[13]。

(5)

式中，γ為用戶端最小信噪比門限值，Pr,th為用戶接收信號功率強(qiáng)度門限值。當(dāng)用戶端信噪比大于γ時(shí)，則此用戶能夠與基站進(jìn)行正常通信；當(dāng)用戶端信噪比小于γ時(shí)，則此用戶被中斷，不能與基站進(jìn)行正常通信。

2 算法說明

在圖1場景中，假設(shè)宏基站B0小區(qū)內(nèi)負(fù)載較大，其工作概率大于ξ，而將其作為工作基站；由于鄰近宏基站B1,B2,…,BM小區(qū)內(nèi)負(fù)載較小，工作概率小于ξ，而處于休眠狀態(tài)。宏基站B1,B2,…,BM休眠后，為了使休眠基站小區(qū)內(nèi)的用戶不受影響，控制中心根據(jù)工作基站B0的負(fù)載以及其分擔(dān)的休眠基站B1,B2,…,BM的負(fù)載調(diào)整工作基站B0的發(fā)射功率，實(shí)現(xiàn)對工作基站小區(qū)及已休眠基站原覆蓋小區(qū)的覆蓋。

工作基站總負(fù)載和網(wǎng)絡(luò)總負(fù)載表達(dá)式如式(6)和式(7)，式(6)中Ij為第j個(gè)宏基站休眠的指示變量，當(dāng)pj≥ξ時(shí)，Ij=0；當(dāng)pj<ξ時(shí)，Ij=1，n為工作基站內(nèi)用戶數(shù)，mj為第j個(gè)基站內(nèi)的用戶數(shù)。

(6)

(7)

在宏基站最大負(fù)載為Tmax條件下，式(6)中第一部分為工作基站B0自身的負(fù)載，第二部分為宏基站B1,B2,…,BM休眠后轉(zhuǎn)移給工作基站的負(fù)載。

網(wǎng)絡(luò)總功率消耗如下：

(8)

式(8)中第一部分為工作基站總功率消耗；第二部分為宏基站B1,B2,…,BM以概率pj處于工作狀態(tài)的功率消耗之和，以區(qū)群大小7為例，j∈(1,2,3,4,5,6)。

2.1 基于基站休眠的負(fù)載合并動(dòng)態(tài)功率控制算法

假設(shè)宏基站通過功率調(diào)整能承載的最大負(fù)載為Tmax，對周圍處于休眠狀態(tài)下的宏基站B1,B2,…,BM負(fù)載歸一化:

(9)

本文算法如下：

(1)式(9)中A為負(fù)載歸一化值，T0為工作基站自身的負(fù)載；

(2)當(dāng)A>1時(shí)，工作基站的負(fù)載超出最大負(fù)載；

(3)確定周圍處于休眠狀態(tài)下?lián)碛凶畲筘?fù)載的宏基站，即從宏基站B1,B2,…,BM中確定此時(shí)負(fù)載最大的基站；

(4)在滿足A>1條件下，將處于休眠狀態(tài)下?lián)碛凶畲筘?fù)載的宏基站開啟；

(5)采用式(9)再次對處于休眠狀態(tài)下的宏基站小區(qū)負(fù)載進(jìn)行歸一化，如果A>1，則重復(fù)(3)、(4)、(5)，直到A≤1；

(6)當(dāng)A≤1時(shí)，β=1+A，β中的1為工作基站為滿足自身用戶業(yè)務(wù)需求所消耗的功率比例，A為工作基站為滿足周圍休眠基站原覆蓋區(qū)域內(nèi)用戶業(yè)務(wù)需求消耗的功率比例。

2.2 基于基站休眠的固定功率控制算法

文獻(xiàn)[14]的算法與本文的不同之處在于，采用基站休眠策略將工作基站選定后，工作基站將β設(shè)定一個(gè)能夠滿足基站最大負(fù)載時(shí)的值，并一直保持不變。

3 仿真與結(jié)果分析

為了驗(yàn)證本文提出的動(dòng)態(tài)功率控制算法是否有效降低了蜂窩網(wǎng)絡(luò)的功率消耗，本文使用MATLAB進(jìn)行仿真，假設(shè)射頻端的發(fā)射功率平均分配給每個(gè)用戶，仿真參數(shù)如表1、表2和表3所示[15]：

表1 仿真參數(shù)

表2 仿真參數(shù)

表3 仿真參數(shù)

仿真時(shí)將表1、表2和表3參數(shù)代入文獻(xiàn)[9]的路徑損耗基本模型中，可得L(d)：

(10)

d0為路徑損耗參考距離。

由圖2可知，根據(jù)網(wǎng)絡(luò)消耗的總功率計(jì)算，本文提出的動(dòng)態(tài)功率控制算法相對于固定功率控制算法，平均節(jié)省了約20%的功率。圖2曲線后半部分出現(xiàn)的凸起是由于鄰近休眠基站的負(fù)載大于休眠門限值而被開啟，導(dǎo)致整個(gè)網(wǎng)絡(luò)的功率消耗有較大的增加。與本文算法相比，因?yàn)楣潭üβ士刂扑惴ㄔ谛菝呋矩?fù)載大于休眠門限值，而工作基站負(fù)載又不超出最大負(fù)載時(shí)，對應(yīng)的休眠基站被喚醒，所以導(dǎo)致圖2曲線后半部分固定功率控制算法網(wǎng)絡(luò)總功率的劇然增加提前于本文算法。

由圖3可知，本文算法單位功率內(nèi)的平均數(shù)據(jù)速率比固定功率控制算法提高了約25%。圖3曲線后半部分突然下降是由于休眠基站內(nèi)的負(fù)載大于休眠門限值而開啟，導(dǎo)致網(wǎng)絡(luò)總能量消耗突然增加，同時(shí)網(wǎng)絡(luò)負(fù)載的增加沒有功率增加得快；之后曲線上升是由于被開啟的宏基站內(nèi)的負(fù)載未達(dá)到飽和而繼續(xù)增加。與本文算法相比，因?yàn)楣潭üβ士刂扑惴ㄔ谛菝呋矩?fù)載大于休眠門限值，而工作基站負(fù)載又不超出最大負(fù)載時(shí)，對應(yīng)的休眠基站被喚醒，所以導(dǎo)致圖3曲線后半部分固定功率控制算法網(wǎng)絡(luò)功率效率突然提前于本文算法下降。

在節(jié)省功率的同時(shí)必須考慮通信的服務(wù)質(zhì)量，如圖4所示，本文算法的成功接入概率達(dá)到了90%以上，與固定功率控制算法相比，性能相差很小。由于工作基站總負(fù)載的增加導(dǎo)致發(fā)射功率相應(yīng)的增加，本文算法的成功接入概率會保持在一個(gè)相對穩(wěn)定的范圍內(nèi)。對于固定功率控制算法，由于從起始時(shí)刻工作基站功率就設(shè)定為一個(gè)較大的固定值，同時(shí)從起始時(shí)刻網(wǎng)絡(luò)負(fù)載較少，所以其成功接入概率會較大。對于固定功率控制算法曲線中間部分和最后部分出現(xiàn)的下降，是由于鄰近休眠基站內(nèi)的負(fù)載達(dá)到最大時(shí)，導(dǎo)致分配給每個(gè)用戶的功率減小,所以每個(gè)用戶的成功接入概率會下降。

圖2 兩種算法的功率消耗對比

圖3 兩種算法功率效率對比

圖4 兩種算法成功接入概率對比

4 總 結(jié)

在蜂窩系統(tǒng)中，本文將基站休眠與負(fù)載合并算法相結(jié)合，提出的基于基站休眠的負(fù)載合并動(dòng)態(tài)功率控制算法有效地降低了整個(gè)蜂窩網(wǎng)絡(luò)的功率消耗。工作基站根據(jù)本小區(qū)及其分擔(dān)的鄰近休眠基站的負(fù)載，動(dòng)態(tài)調(diào)節(jié)自身的發(fā)射功率。在滿足用戶服務(wù)質(zhì)量前提下，整個(gè)蜂窩網(wǎng)絡(luò)的功率消耗有較大地降低，功率效率有明顯提高。目前的網(wǎng)絡(luò)類型是同構(gòu)蜂窩網(wǎng)絡(luò)，在未來工作中考慮在異構(gòu)蜂窩網(wǎng)絡(luò)中對宏基站以及微蜂窩基站采用本文提出的動(dòng)態(tài)功率控制算法以降低整個(gè)網(wǎng)絡(luò)的功率消耗。

[1] Saker L, Elayoubi S E, Chahed T. Minimizing Energy Consumption via Sleep Mode in Green Base Station[C]. Wireless Communications and Networking Conference (WCNC) on IEEE, 2010:1-6.

[2] Hasan Z, Boostanimehr H, Bhargava V K. Green Cellular Networks: a Survey, Some Research on Issues and Challenges[J]. Communications Surveys & Tutorials on IEEE, 2011, 13(4): 524-540.

[3] Auer G , Giannini V, Desset C, et al. How Much Energy is Needed to Run a Wireless Network[J]. Wireless Communications on IEEE, 2011, 18(5): 40-49.

[4] Willkomm D, Machiraju S, Bolot J. Primary Users in Cellular Networks: A Large-Scale Measurement Study[C]. New Frontiers in Dynamic Spectrum Access Networks 3rd Symposium on IEEE, 2008:1-11.

[5] NIU Z, WU Y, GONG J, et al. Cell Zooming for Cost-Efficient Green Cellular Networks[J]. Wireless Communications on IEEE, 2010, 48(11): 74-79.

[6] Mclaughlin S, Grant Peter M, Thompson J S, et al. Techniques for Improving Cellular Radio Base Station Energy Efficiency[J]. Wireless Communications on IEEE, 2011, 18(5): 10-17.

[7] CHEN Tao, YANG Yang, ZHANG Hong-gang, et al. Network Energy Saving Technologies for Green Wireless Access Networks[J]. Wireless Communications on IEEE, 2011, 18(5): 30-38.

[8] Krishnamachari E B. Energy Savings Through Dynamic Base Station Switching in Cellular Wireless Access Networks[C]. Global Telecommunications Conference on IEEE, 2010:1-5.

[9] IEEE802.16j Relay Task Group. Multi-hop Relay System Evaluation Methodology (Channel Model and Performance Metric)[J]. IEEE 802.16 Broadband Wireless Access Working Group, 2007.

[10] 陳甄，張毅，肖琨.自適應(yīng)系統(tǒng)中基于場景的信噪比預(yù)測算法[J].通信技術(shù)，2014，47(3)：247-252. CHEN Zhen, ZHANG Yi, XIAO Kun. Scenario-based SNR Prediction Method in Adaptive System[J]. Communication Technology, 2014, 47(3): 247-252.

[11] Alam A S, Dooley L S,Poulton A S. Energy Efficient Relay-Assisted Cellular Network Model using Base Station Switching[C].Global Telecommunications Workshop on Multicell Cooperation on IEEE,2012:1155-1160.

[12] Richter F, FehskeA J, Fettweis G P. Energy Efficiency Aspects of Base Station Deployment Strategies for Cellular Networks[C]. 70thVehicular Technology Conference (VTC) on IEEE, 2009:1-5.

[13] CAO D, ZHOU S, ZHANG C, et al. Energy Saving Performance Comparison of Coordinated Multi-Point Transmission and Wireless Relaying[C]. Global Telecommunications Conference (GLOBECOM 2010) on IEEE, 2010:1-5.

[14] Soh Yong Sheng, Quek Tony Q.S, Kountouris Marios, et al. Energy Efficient Heterogeneous CellularNetworks[J]. Selected Areas in Communications,IEEE Journal on, 2013, 31(5): 840-850.

[15] 3GPP Organizational Partners. Technical Specification Group Radio Access Network: Radio Frequency System Scenarios- 3gpp tr 25.942 [J], 2011.

Load Merge Dynamic Power Control Algorithm based on Base Station Sleeping-Mode

XIANG Wei1, ZHANG Jian-feng2, SHAO Xin-Hong2, XIE Wei2

(College of Communications Engineering, PLA University of Science and Technology, Nanjing Jiangsu 210007, China)

With base-station sleeping strategy in a cellular system, the fixed setting of base-station power would reduce network power efficiency when base station being in low load. A load merge dynamic power control algorithm based on base station sleeping strategy is proposed, and when low load MeNB is switched to sleeping-mode, heavy load MeNB acts as working base-station. Working base-station dynamically adjusts the transmit power in accordance with the load fluctuations of its own cell and the contributory neighboring sleeping-mode base-station. Simulation results show that the proposed dynamic power control algorithm could effectively reduce the power consumption of the entire cellular network with satisfaction of the user’s QoS guarantees.

cellular network; power efficiency; sleeping strategy; power control

10.3969/j.issn.1002-0802.2015.05.010

2015-01-02；

2015-03-24 Received date:2015-01-02；Revised date：2015-03-24

江蘇省自然科學(xué)基金項(xiàng)目(BK2011002)；國家自然科學(xué)基金項(xiàng)目(No.61371123);江蘇省青年學(xué)者自然科學(xué)基金項(xiàng)目(BK2012055)；國家青年學(xué)者自然科學(xué)基金項(xiàng)目(No.61301165)資助課題

Foundation Item:Jiang Su Province Natural Science Foundation (BK2011002); National Natural Science Foundation(No.61371123);Jiang Su Province Natural Science Foundation for Young Scholar(BK2012055);National Natural Science Foundation for Young Scholar(No.61301165)

文獻(xiàn)標(biāo)志碼：A 文章編號：1002-0802(2015)05-0555-05

向 偉(1989—)，男，碩士研究生，主要研究方向?yàn)橐苿?dòng)蜂窩網(wǎng)絡(luò)基站休眠技術(shù)、異構(gòu)蜂窩網(wǎng)絡(luò)資源分配。