韋世紅，張 麗，黃曉舸

(移動通信技術(shù)重慶市重點實驗室(重慶郵電大學(xué))，重慶 400065)

密集小蜂窩網(wǎng)絡(luò)中基于負(fù)載均衡的能效方案

韋世紅，張 麗*，黃曉舸

(移動通信技術(shù)重慶市重點實驗室(重慶郵電大學(xué))，重慶 400065)

針對密集小蜂窩網(wǎng)絡(luò)中斷概率高、負(fù)載不均衡的問題，提出了一種基于負(fù)載均衡的能效方案。在保證用戶中斷概率、最小速率等約束條件下通過聯(lián)合優(yōu)化負(fù)載均衡和基站開關(guān)模式，最大化網(wǎng)絡(luò)能效，優(yōu)化問題是一個非凸的NP-hard問題，求得最優(yōu)解是相當(dāng)復(fù)雜的,因此把原最優(yōu)問題分解成兩個次優(yōu)化子問題：首先，負(fù)載均衡方案在給定的基站開關(guān)模式下給出最優(yōu)負(fù)載均衡策略；其次，在滿足用戶最小速率約束條件下設(shè)計最優(yōu)基站開關(guān)模式。實驗結(jié)果表明，當(dāng)用戶數(shù)少于180時所提方案中斷概率為零，而傳統(tǒng)的最大信干噪比(Max-SINR)算法中斷概率達(dá)到11%，在網(wǎng)絡(luò)能效方面，所提方案均高于基站任意關(guān)閉(Ran-off)算法和基站不關(guān)閉(No-off)算法。所提方案能夠提高網(wǎng)絡(luò)能效且保證負(fù)載均衡。

密集小蜂窩；網(wǎng)絡(luò)能效；負(fù)載均衡；網(wǎng)絡(luò)中斷；開關(guān)控制

0 引言

隨著互聯(lián)網(wǎng)的廣泛應(yīng)用和移動智能終端的普及，人們對移動數(shù)據(jù)業(yè)務(wù)的需求量與日劇增，現(xiàn)在人們已經(jīng)習(xí)慣并依賴無處不在、無時不通的無線網(wǎng)絡(luò)[1]?，F(xiàn)有的4G網(wǎng)絡(luò)移動通信系統(tǒng)以及下一代移動通信系統(tǒng)所用頻段均為2 GHz左右的高頻段，這種高頻的無線信號穿透能力非常強(qiáng)，但傳輸能量損耗也非常大，導(dǎo)致室內(nèi)信號大幅度衰減，甚至在某些封閉環(huán)境將出現(xiàn)覆蓋偏弱，乃至覆蓋“空洞”現(xiàn)象。在這樣的情況下，僅依靠宏基站，已經(jīng)無法滿足室內(nèi)用戶的通信需求了。此外，據(jù)調(diào)查，有70%移動數(shù)據(jù)業(yè)務(wù)發(fā)生在室內(nèi)，歐洲20%～40%、美國40%～50%、中國60%的移動電話通話是在室內(nèi)發(fā)生的[2～4]。

為了滿足日益增長的高速率業(yè)務(wù)要求，部署小蜂窩網(wǎng)絡(luò)被認(rèn)為是一種有效的解決辦法[5]，小蜂窩(small cell)具有低功率、覆蓋范圍小、組網(wǎng)靈活的特點，特別適合用于城市地區(qū)補(bǔ)盲及熱點區(qū)域的分流，在繁忙地區(qū)，小蜂窩可分流80%的流量[6]。由此，小蜂窩成為了近年來5G的關(guān)鍵技術(shù)之一。

目前，針對密集小蜂窩網(wǎng)絡(luò)的特性已有大量的研究。文獻(xiàn)[7～8]以最大化吞吐量為目標(biāo)，提出基于用戶QoS的小區(qū)選擇方法。此外，以實現(xiàn)整個網(wǎng)絡(luò)的能量效率最大化為目標(biāo)的資源管理方案在異構(gòu)蜂窩通信系統(tǒng)中不斷被提出。對于基站開關(guān)技術(shù)，當(dāng)前的一些相關(guān)研究也已經(jīng)提出了多種設(shè)計方案，文獻(xiàn)[9]提出一種分布式基站開關(guān)策略：將系統(tǒng)中一定比例的小基站關(guān)閉，此方案根據(jù)系統(tǒng)內(nèi)用戶的分布情況來決定這一定比例的小基站該如何選取，該睡眠方案在一定程度上可以達(dá)到節(jié)能的效果，但其能效指標(biāo)不能保證實現(xiàn)最大收益。

然而，大多數(shù)現(xiàn)有研究沒有考慮負(fù)載均衡和小基站(Small Base Station, SBS)開關(guān)的影響，針對以上問題的不足，本文提出了一種基于能效的密集小蜂窩網(wǎng)絡(luò)資源分配的方法，在實現(xiàn)提升網(wǎng)絡(luò)能效的同時，兼顧了負(fù)載均衡、用戶傳輸?shù)乃俾室笠约熬W(wǎng)絡(luò)的中斷概率，充分利用基站的能量，從而提高了網(wǎng)絡(luò)的能量效率。

1 系統(tǒng)模型

考慮三層異構(gòu)網(wǎng)絡(luò)模型，由于頻譜資源有限，基站之間采用同頻部署方式，第一層是傳統(tǒng)的宏基站(Macrocell Base Station, MBS)，第二層和第三層分別是微微蜂窩基站(Picocell Base Station, PBS)和家庭基站(Femtocell Base Station, FBS)。MBS位于宏蜂窩中心，小基站(SBS)均勻分布在MBS覆蓋范圍內(nèi)，用戶隨機(jī)分布在系統(tǒng)中如圖1所示。分別用|Iβ|和|Iμ|代表基站和用戶的數(shù)量。假設(shè)MBS和SBS都采用OFDM調(diào)制方式，MBS和SBS分別有Im和Is個資源塊(Resource Blocks, RBs)，每個用戶同時只能占一個資源塊。假設(shè)MBS總是處于工作模式，SBS可以處于工作模式或者在負(fù)載小的時候為了節(jié)約能量處于休眠模式。用θi={θ1,θ2,…,θi,…,θN}代表SBS的狀態(tài)，即工作模式為θi=1，睡眠模式為θi=0。因此，系統(tǒng)中處于工作模式的基站可以表示：Non={MBS,SBSi|i∈(1,2,…,I),θi=1}。

圖1 密集小蜂窩異構(gòu)網(wǎng)絡(luò)模型Fig. 1 Dense small cell heterogeneous network model

用戶隨機(jī)分布在系統(tǒng)中，一旦某個用戶到達(dá)系統(tǒng)，它將發(fā)出請求接入MBS或者SBS，假設(shè)用戶j接入基站i，則用戶接收的信干噪比(Signal to Interference plus Noise Ratio, SINR)是：

(1)

其中：hij是基站i到用戶j的信道增益；Pij是基站i到用戶j的發(fā)射功率；N0是加性高斯白噪聲。因此用戶j的速率是：

Rj=Wijlb(1+SINRj)

(2)

其中Wij是基站i分配給用戶j的資源塊的帶寬。

1.1 功率消耗模型

SBS可以處于工作模式或者是睡眠模式。在睡眠模式，為了節(jié)約功率消耗，小基站將會關(guān)閉部分組件；在工作模式，所有的組件都被激活。SBS的功率消耗模型[9]如下：

(3)

其中：ESBSi是小基站i的總的功率消耗；Psbc是處理器電路、冷卻單元、主電源等器件的功率消耗；Pin是射頻部分的功率消耗；Pbck是回程鏈路部分的功率消耗；Psleep是SBS處于睡眠模式時的功率消耗。

對于射頻部分的功率消耗，采用文獻(xiàn)[9]的模型：

Pin=NTRX·P0+ΔP·Pout

(4)

s.t.Pout≤Pmax

其中:NTRX是射頻的個數(shù);P0是射頻部分的固定功率消耗(無服務(wù)用戶時的消耗);ΔP是與基站負(fù)載有關(guān)的功率消耗斜率，Pout是SBS的傳輸功率。

MBS的功率消耗模型和SBS的類似，即：

EMBS=Pmbc+Pin+Pbck

(5)

其中:EMBS是MBS的總的功率消耗；Pmbc是處理器電路、冷卻單元、主電源等器件的功率消耗；Pin和Pbck分別是射頻部分和回程鏈路部分的功率消耗。

1.2 問題規(guī)劃

在密集小蜂窩網(wǎng)絡(luò)中，通過聯(lián)合小基站開關(guān)控制(操作模式θ)和負(fù)載均衡設(shè)計(接入控制λ)，最大化網(wǎng)絡(luò)的能效，最優(yōu)問題可以表述為：

(6)

(7)

(8)

(9)

C4:pnet

(10)

C5:λk,n∈(0,1)

(11)

C6:θn∈(0,1)

(12)

2 負(fù)載均衡方案

由于優(yōu)化問題含有離散的二進(jìn)制變量，即與基站開關(guān)控制有關(guān)的變量θ和與負(fù)載均衡設(shè)計有關(guān)的變量λ，很難直接求得最優(yōu)解。因此把原優(yōu)化問題分解成兩個子優(yōu)化問題，即：首先，在給定的基站開關(guān)模式優(yōu)化負(fù)載均衡方案；然后，在滿足用戶中斷概率、最小速率約束條件下求得最優(yōu)的基站開關(guān)模式。

2.1 效用函數(shù)

在固定開關(guān)模式下，在負(fù)載均衡和用戶最小速率要求下最大化網(wǎng)絡(luò)能效。首先定義一個效用函數(shù)，包括負(fù)載均衡因子和能效：

(13)

(14)

基站n的能效為：

(15)

2.2 負(fù)載均衡因子

負(fù)載均衡因子與BS的可用資源和調(diào)度方法有關(guān)，表示一個用戶接入某個基站并成功獲得服務(wù)的概率，其計算方法如下：

(16)

式中：Ln是基站n所服務(wù)的用戶數(shù)，叫作該基站的當(dāng)前負(fù)載。一個基站的最大負(fù)載(最多能服務(wù)的用戶數(shù))，不僅與該基站的最大傳輸資源數(shù)有關(guān)，還與這個基站的調(diào)度方法有關(guān)。用Ln_sim來表示基站n在一個傳輸時間間隔(Transmission Time Interval, TTI)中能同時服務(wù)的最多用戶數(shù)。每個TTI在LTE網(wǎng)絡(luò)中相當(dāng)于兩個時隙，所占時間長度為1 ms[10]。當(dāng)基站的負(fù)載滿足Ln>Ln_sim時，不能確定該基站一定超載，因為可以采用某種合適的調(diào)度方法使得用戶在下一個TTI獲得服務(wù)，本文采用輪詢調(diào)度(Round Robin Scheduling, RRS)法。根據(jù)對未來網(wǎng)絡(luò)提出的“零”時延要求[11]，設(shè)備到設(shè)備間的時延必須限制在1 ms范圍內(nèi)，所以在輪詢調(diào)度法下，一個基站能夠服務(wù)的最大用戶數(shù)(最大負(fù)載)Ln_max正好是其一個TTI中可以服務(wù)的用戶數(shù)的兩倍，即Ln_max=2Ln_sim。

負(fù)載均衡因子的計算分為兩種情況：第一種情況是當(dāng)基站的負(fù)載小于其一個TTI中能服務(wù)的用戶數(shù)時，如果一個新用戶要求接入該小區(qū)，那么其在該小區(qū)中被調(diào)度的可能性為1，此時選擇接入小區(qū)時就應(yīng)該考慮哪個小區(qū)的負(fù)載更少，(Ln_max-Ln)/Ln_max反映的是基站負(fù)載剩余度。負(fù)載剩余度是指基站還能為多少個用戶提供服務(wù)。第二種情況是該小區(qū)的負(fù)載超過了該小區(qū)一個TTI中能同時服務(wù)的用戶個數(shù)，即需要使用調(diào)度算法的情況。采用輪詢調(diào)度算法后，該小區(qū)中的某個用戶獲得服務(wù)的可能性為Ln_sim/Ln。通過這樣的設(shè)置，負(fù)載越小的小區(qū)其負(fù)載均衡因子越大，負(fù)載越大的小區(qū)其負(fù)載均衡因子越小。這意味著用戶在選擇小區(qū)的過程中，負(fù)載較小的小區(qū)更容易被選中。當(dāng)一個基站已經(jīng)滿載，而又有新用戶請求接入時，選擇因子減小到零，從而避免了用戶選擇已經(jīng)過載的小區(qū)，減小了網(wǎng)絡(luò)中斷的發(fā)生。

2.3 算法描述

用戶建立了備選小區(qū)列表后，將給備選小區(qū)列表中的所有小區(qū)發(fā)送自己的備選小區(qū)列表信息。為了決定哪個用戶先選擇小區(qū)和哪個用戶后選擇小區(qū)，給每個用戶定義一個優(yōu)先級。用戶k的優(yōu)先級T(k)被定義為備選小區(qū)的負(fù)載剩余度即該用戶的備選小區(qū)可用資源塊總數(shù)。基站接收到其鄰近用戶的備選小區(qū)列表后，根據(jù)用戶的T(k)對用戶進(jìn)行排列，并讓T(k)小的用戶優(yōu)先進(jìn)行小區(qū)選擇。該方法的目的在于最大限度地保證選擇范圍較小的用戶能成功選到小區(qū)。

算法1 OLBS。

1)

for allk∈Iμdo

2)

3)

for allk∈Mkdo

4)

計算T(k)

5)

TRAN(n,Mk)：[函數(shù)TRAN把Mk傳輸給BSn]

6)

end for

7)

end for

8)

for alln∈Iβdo

9)

Un={k∈Iμ|n∈Mk}

10)

for allk∈Un

11)

將用戶按照用戶的負(fù)載剩余度Tk值非減序排列構(gòu)建集合SUn

12)

for allk∈SUndo

13)

14)

15)

λk,n*=1

16)

Ln*=Ln*+1

17)

ifLn*=Ln*_max

18)

基站n*通知用戶users∈Un在備選小區(qū)列表中刪

除基站n*

19)

更新用戶的負(fù)載剩余度并重新排序

20)

end if

21)

end for

22)

end for

23)

end for

算法1描述了用戶選擇基站的整個過程，是一種低復(fù)雜度的分布式的實施方法，不需要搜集整個網(wǎng)絡(luò)的信息，就能夠完成該算法實現(xiàn)小區(qū)選擇。

3 小基站動態(tài)開關(guān)控制方案

基于前面的OLBS，提出一個動態(tài)的小基站開關(guān)控制(On/Off Control, OCC)方案。OCC是一個分布式的算法，處于工作模式的SBS自動進(jìn)入睡眠模式，處于睡眠模式的SBS可以被MBS或者周圍活躍的SBS激活。在算法中，每個BS需要收集3張網(wǎng)絡(luò)狀態(tài)信息表，假設(shè)所有的BS處于工作模式或是睡眠模式都會發(fā)送參考信號，處于工作模式的BS會周期性地廣播資源信息。下面介紹網(wǎng)絡(luò)狀態(tài)信息表。

3.1 網(wǎng)絡(luò)狀態(tài)信息表

1)活躍狀態(tài)基站信息表。

一旦一個用戶到達(dá)系統(tǒng)將會基于前面的OLBS接入MBS或者SBS，表1收集的是用戶到周圍活躍基站的能效。

表1中，基站ID表示當(dāng)前SBS下的用戶ID，基站ID表示當(dāng)前當(dāng)前基站周圍活躍基站ID，有:

(17)

(18)

式中：i是當(dāng)前SBS的ID；Aj是用戶j到周圍活躍BS接收最大能效的BS的ID。表1用來判斷如果當(dāng)前小基站關(guān)閉，當(dāng)前的用戶會連接到哪些基站。

表1 活躍的基站信息Tab. 1 Information of active BSs

2) 睡眠狀態(tài)SBS信息表。

表2收集用戶到周圍睡眠狀態(tài)SBS的能效。

表2 睡眠狀態(tài)基站信息Tab.2 Information of sleeping status BSs

表2中，基站 ID是當(dāng)前SBS周圍處于睡眠狀態(tài)的SBS的ID，用戶m(m=1,2,…，j)是用戶到周圍處于睡眠狀態(tài)的SBS的能效，EEij是用戶j連接基站i的能效。表2用來判斷如果網(wǎng)絡(luò)中無資源可用時應(yīng)該激活哪個SBS。

3)資源塊表。

表3收集當(dāng)前基站周圍活躍基站的可用資源塊數(shù)。

表3 可用資源塊Tab. 3 Available RBs

基站ID是當(dāng)前基站周圍活躍BS的ID，可用資源塊數(shù)是對應(yīng)活躍基站的可用資源塊數(shù)，RBi是基站Ai的可用資源塊數(shù)，表3用來判斷如果該SBS進(jìn)入睡眠模式，網(wǎng)絡(luò)中是否有足夠的資源服務(wù)用戶。下面用K1、K2、K3分別表示表1、表2、表3。

3.2 SBS關(guān)閉過程

假設(shè)所有的BS開始處于開啟模式，一個用戶到達(dá)系統(tǒng)將會基于前面所提的OLBS請求接入MBS或SBS，每個處于工作模式的BS都周期性地檢測自己的負(fù)載，一旦該基站的負(fù)載低于閾值，該SBS會判斷是否合適進(jìn)入睡眠模式，一個SBS關(guān)閉后必須保證該基站下的用戶能得到服務(wù)保證。

如果小基站i進(jìn)入睡眠模式，該基站下的用戶必須接入周圍活躍的BS，用Zij表示如果當(dāng)前的SBS關(guān)閉用戶j是否接入SBSBi，即如果用戶j接入小基站Bi，Zij=1；否則Zij=0。當(dāng)前的SBS查看資源塊表，判斷是否有足夠的資源容納用戶，即:

(19)

如果式(19)不滿足，小基站i仍處于工作模式；反之，該基站會判斷如果進(jìn)入睡眠模式，該基站覆蓋下的用戶是否會得到服務(wù)質(zhì)量保障，即：

(20)

其中：Ui是小基站i覆蓋的用戶集合;Rmin是滿足用戶服務(wù)質(zhì)量的最小速率要求。如果式(20)不滿足，小基站i仍處于工作模式；反之，該基站會計算功率消耗，即：

(21)

3.3 SBS開啟過程

一個處于睡眠模式的SBS可以被MBS或周圍活躍的SBS激活。一個用戶到達(dá)系統(tǒng)將會基于前面所提的OLBS請求接入MBS或SBS，如果當(dāng)前的基站有可用的資源就會接納用戶；反之，當(dāng)前基站會查看表1和表3判斷周圍是否有可用的資源來接納用戶并能保證用戶的服務(wù)質(zhì)量要求，即:

(22)

s.t.i∈K3,RBi>0

其中：Wij小基站i分配給用戶j的帶寬。接著小基站i檢測周圍活躍的基站提供的最大速率能否滿足用戶最小速率要求，即:

max{Rj}≥Rmin

(23)

其中Rmin是用戶j的最小速率要求，如果式(23)不滿足，表示周圍沒有BS可以滿足用戶的服務(wù)質(zhì)量要求，首先該基站查看表2，根據(jù)OLBS計算給網(wǎng)絡(luò)帶來的能效；然后激活周圍的能夠給網(wǎng)絡(luò)帶來最大能效的SBS。

(24)

(25)

(26)

(27)

3.4 動態(tài)小基站開關(guān)算法描述

用戶到達(dá)系統(tǒng)將會基于第2章所提的OLBS請求接入MBS或SBS，當(dāng)用戶和基站匹配后，執(zhí)行小基站開關(guān)控制算法，詳細(xì)步驟描述在算法2。

算法2 動態(tài)小基站開關(guān)控制算法。

1)

初始化基站為全開模式

2)

for 所有的用戶 do

3)

基于OLBS接入基站

4)

for 所有的SBS do

5)

查看基站負(fù)載，計算歸一化負(fù)載β

6)

ifβ<α

7)

8)

ifR>Rmin

9)

10)

關(guān)閉當(dāng)前基站(sleep狀態(tài))

11)

返回第3)步，當(dāng)前基站下的用戶重新選擇服務(wù)小區(qū)

12)

end if

13)

end if

14)

end if

15)

end if

16)

end for

17)

when 網(wǎng)絡(luò)中用戶增多時(查看表2、表3)

18)

if 當(dāng)前網(wǎng)絡(luò)無資源可用 do

19)

開啟給網(wǎng)絡(luò)帶來最大能效的小基站

20)

部分用戶基于OLBS接入服務(wù)基站

21)

end if

22)

end for

4 仿真結(jié)果與分析

將所提算法與傳統(tǒng)算法包括最大信干噪比(Maximum Signal to Interference plus Noise Ratio, Max-SINR)算法、Bias-SINR算法、基站不關(guān)閉(Not-off, No-off)算法和基站任意關(guān)閉(Randomly-off, Ran-off)算法等進(jìn)行仿真對比分析，仿真參數(shù)如表4所示。

表.4 仿真參數(shù)Tab. 4 simulation parameters

圖2中定義某個基站歸一化負(fù)載Ln_norm等于該基站的實際負(fù)載與其最大負(fù)載之比，即Ln_norm=Ln/Ln_max，當(dāng)用戶數(shù)|Iμ|=140、基站數(shù)|Iβ|=16時，三種算法得到的歸一化負(fù)載如圖2所示。由圖2可以看到，基于Max-SINR算法和基于Bias-SINR算法的小區(qū)選擇方法下得到的各基站的負(fù)載明顯不均勻，還會出現(xiàn)過載情況，基站8和14基于Max-SINR和基于Bias-SINR都出現(xiàn)了過載情況，而本文所提的OLBS能夠?qū)崿F(xiàn)很好的負(fù)載均衡(歸一化值都小于1)。

引起用戶通信中斷的情況有兩種：第一種是基站不能給用戶提供符合其要求的SINR，第二種是用戶接入到了過載的基站中。把網(wǎng)絡(luò)的中斷概率定義為網(wǎng)絡(luò)中發(fā)生中斷的用戶數(shù)與總用戶數(shù)的比值。從圖3可以看出，Max-SINR和Bias-SINR的中斷概率較高，在用戶數(shù)為240時，兩種算法的中斷概率分別達(dá)到了22%和24%，而本文所提出的算法(OLBS)，在用戶低于180時，中斷概率一直為零，但當(dāng)用戶數(shù)超過了200時，因為網(wǎng)絡(luò)可提供的資源的有限性不可避免地造成了中斷。但即使是用戶數(shù)為240時，中斷概率也不到4%。這是因為在OLBS中首先用備選基站方案選出了滿足用戶速率要求的基站，而且負(fù)載均衡因子的引入能夠確保用戶在選擇的過程中不會選擇過載的基站，從而最大限度地杜絕了中斷情況的發(fā)生。

圖2 不同算法的負(fù)載均衡Fig. 2 Load balance of different algorithms

圖3 中斷概率與用戶數(shù)的關(guān)系Fig. 3 Relationship between outage probability and number of users

定義基站的歸一化負(fù)載為基站的關(guān)閉閾值，圖4是不同關(guān)閉閾值下，用戶數(shù)與能效的關(guān)系。從圖4中可以看出，不同的關(guān)閉閾值下網(wǎng)絡(luò)的能效是不同的，閾值為0.1網(wǎng)絡(luò)的能效是最低的，當(dāng)閾值增加為0.2時，能效增加，閾值為0.3時能效最大，當(dāng)閾值為0.4時能效反而下降，說明不同的閾值對網(wǎng)絡(luò)能效有很大的影響，最優(yōu)的關(guān)閉閾值是0.3。

圖5是在最優(yōu)關(guān)閉閾值0.3下，三種算法的網(wǎng)絡(luò)能效隨用戶數(shù)變化的關(guān)系。隨著用戶數(shù)的增加，三種算法的能效均增加?；谌我怅P(guān)閉的算法(Ran-off)能效是最低的，因為該算法具有隨機(jī)性，并不能保證網(wǎng)絡(luò)的最優(yōu)性;其次是不關(guān)閉(No-off)算法，該算法能效居中，同樣不能使網(wǎng)絡(luò)能效達(dá)到最優(yōu);顯然本文所提的OCC算法使網(wǎng)絡(luò)有最大的能效，因為該算法在保證用戶服務(wù)質(zhì)量的前提下，有選擇性地關(guān)閉部分利用率較低的基站，當(dāng)網(wǎng)絡(luò)中用戶增多時激活能給網(wǎng)絡(luò)帶來最大能效的SBS,該算法充分利用SBS的能量，提高了基站的利用率，從而提高了整個網(wǎng)絡(luò)的能效。

圖4 不同關(guān)閉閾值時本文算法能效與用戶數(shù)的關(guān)系(Fig. 4 Relationship between energy-efficiency and number of users for OCC algorithm with different off thresholds

圖5 最優(yōu)關(guān)閉閾值時不同算法能效與用戶數(shù)的關(guān)系Fig. 5 Relationship between energy-efficiency and number of users for different algorithms with optimal off threshold

圖6是當(dāng)用戶數(shù)為120、關(guān)閉閾值為0.3的情況下，隨著SBS增加能效均值的變化。

圖6 能效均值與小基站數(shù)的關(guān)系Fig. 6 Relationship between mean number of energy-efficiency and SBSs

從圖6中可以看出隨著SBS的增加三種算法的平均能效增加，這說明小功率基站能大大提升網(wǎng)絡(luò)的能量利用效率。任意關(guān)閉(Ran-off)算法能效最低，當(dāng)FBS個數(shù)小于3個時，不關(guān)閉(No-off)算法和本文所提OCC算法，能效均值相同但都高于任意關(guān)閉(Ran-off)算法，因為此時用戶多，小基站數(shù)目少，所有的小基站都得到充分利用，此時未關(guān)閉SBS；隨著FBS的增加，本文所提OCC算法的能效均值明顯高于任意關(guān)閉(Ran-off)算法的能效，因為此時該算法關(guān)閉了利用率低的SBS，節(jié)省了能量，提高了SBS的利用率，進(jìn)而提高了網(wǎng)絡(luò)的能量效率。

5 結(jié)語

密集小蜂窩網(wǎng)絡(luò)中，通過聯(lián)合優(yōu)化負(fù)載均衡方案和基站開關(guān)控制模式，最大化網(wǎng)絡(luò)能效。首先，在固定的基站開關(guān)模式下，優(yōu)化負(fù)載均衡方案以減小網(wǎng)絡(luò)中斷概率；然后優(yōu)化動態(tài)小基站開關(guān)控制方案以提高網(wǎng)絡(luò)能效。仿真結(jié)果表明所提出的算法與基站不關(guān)閉(No-off)算法和基站任意關(guān)閉(Ran-off)算法相比較在網(wǎng)絡(luò)能效方面有大幅提高。本文未考慮用戶的瞬時變化，后續(xù)可以考慮用戶速度的動態(tài)變化，展開進(jìn)一步研究。

References)

[1] 黃晨,陳前斌,唐倫,等.異構(gòu)蜂窩網(wǎng)絡(luò)干擾管理研究與展望[J]. 重慶郵電大學(xué)學(xué)報(自然科學(xué)版),2015,27(3):285-296.(HUANG C, CHEN Q B, TANG L, et al. Present status and development trends of interference management in heterogeneous networks [J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2015, 27(3): 285-296.)

[2] 余莉,張治中,程方,等.第五代移動通信網(wǎng)絡(luò)體系架構(gòu)及其關(guān)鍵技術(shù)[J].重慶郵電大學(xué)學(xué)報 (自然科學(xué)版),2014,26(4):427-433.(YU L, ZHANG Z Z, CHENG F,et al. Cellular architecture and key technologies for 5G mobile communication networks [J]. Journal of Chongqing University of Posts and Telecommunications (Natural Science Edition), 2014, 26(4): 427-433.)

[3] HU R Q, QIAN Y. An energy efficient and spectrum efficient wireless heterogeneous network framework for 5G systems [J]. IEEE Communications Magazine, 2014, 52(5): 94-101.

[4] LIU H Y, XU S Y, KWAK K S. Geometric programming based distributed resource allocation in ultra dense HetNets [C]// Proceedings of the 2016 IEEE 83rd Vehicular Technology Conference. Piscataway, NJ: IEEE, 2016: 1-5.

[5] HUANR X G, SHI L, CHEN L P, et al. Cost-effective interference coordination scheme in high dense small cell heterogeneous network [C]// Proceedings of the 2015 10th International Conference on Communications and Networking in China. Piscataway, NJ: IEEE, 2015: 27-31.

[6] LIU H, ZHANG H J, CHENG J L, et al. Energy efficient power allocation and backhaul design in heterogeneous small cell networks [C]// Proceedings o f the 2016 IEEE International Conference on Communications. Piscataway, NJ: IEEE, 2016: 1-5.

[7] BOOSTANIMEHR H, BHARGAVA V K. Unified and distributed QoS-driven cell association algorithms in heterogeneous networks [J]. IEEE Transactions on Wireless Communications, 2015, 14(3): 1650-1662.

[8] NIE G F, TIAN H, REN C S. Energy efficient cell selection in small cell networks with constrained backhaul links [J]. IEEE Communications Letters, 2016, 20(6): 1199-1202.

[9] WANG Q, ZHENG J. A distributed base station on/off control mechanism for energy efficiency of small cell networks [C]// Proceedings o f the 2015 IEEE International Conference on Communications. Piscataway, NJ: IEEE, 2015: 3317-3322.

[10] SALO J, NUR-ALAM M, CHANG K. Practical Introduction to LTE Radio Planning [M].Espoo, Finland: European Communications Engineering Ltd, 2010: 1-20.

[11] 竇笠,孫震強(qiáng),李艷芬.5G愿景和需求[J].電信技術(shù),2013(12):8-11.(DOU L, SUN Z Q, LI Y F. 5G vision and demand [J]. Telecommunications Technology, 2013(12): 8-11.

[12] YUAN D, SONG M, TENG Y L, et al. Energy-efficient resource allocation for mult-cell OFDM networks [J]. IETE Journal of Research, 2015, 61(5): 482-491.

[13] YE Q Y, RONG B Y, CHEN Y D, et al. User association for load balancing in heterogeneous cellular networks [J]. IEEE Transactions on Wireless Communications, 2013, 12(6): 2706-2716.

This work is partially supported by the Program for Changjiang Scholars and Innovative Research Team in University (IRT1299), the Project of Special Fund for Chongqing Science and Technology Commission Key Laboratory (cstc2013yykfA40010).

WEIShihong, born in 1970, Ph. D., associate professor. Her research interests include mobile communication, resource allocation in small cell networks.

ZHANGLi, born in 1992, M. S. candidate. Her research interests include resource allocation in small cell networks.

HUANGXiaoge, born in 1982, Ph. D., associate professor. Her research interests include resource allocation in small cell networks.

Energy-efficiencyschemebasedonloadbalancingindensesmallcellnetworks

WEI Shihong, ZHANG Li*, HUANG Xiaoge

(ChongqingKeyLaboratoryofMobileCommunicationsTechnology(ChongqingUniversityofPostsandTelecommunications),Chongqing400065,China)

In order to solve the problems of high outage probability and unbalanced load in dense small cellular networks, an energy-efficient scheme based on load balancing was proposed. The network energy-efficiency was maximized through joint optimization of load balancing and base station on/off control strategy under the constraints of guaranteed user outage probability and minimum rate. The optimization problem is a non-convex Non-deterministic Polynomial-hard (NP-hard) problem, and it is quite complex to obtain the optimal solution. Therefore, the original optimal problem was decomposed into two suboptimal subproblems. Firstly, the optimal load balancing strategy with the given base station on/off control strategy was given by the proposed load balancing scheme. Secondly, the optimal base station on/off control strategy was designed under the constraint of satisfying the minimum user rate. The experimental results show that, when the number of users is less than 180, the outage probability of the proposed scheme is zero while the outage probability of the traditional Maximum Signal to Interference plus Noise Ratio (Max-SINR) algorithm reaches 11%. The network energy-efficiency of the proposed scheme is higher than those of the base station Randomly-off (Ran-off) algorithm and the base station Not-off (No-off) algorithm. The proposed scheme can improve network energy-efficiency and ensure load balance.

dense small cell; network energy-efficiency; load balancing; network outage; on/off control

2017- 05- 31;

2017- 07- 20。

長江學(xué)者和創(chuàng)新團(tuán)隊發(fā)展計劃項目(IRT1299);重慶市科委重點實驗室專項經(jīng)費資助項目(cstc2013yykfA40010)。

韋世紅(1970—)，女，重慶人，副教授，博士，主要研究方向：移動通信、小蜂窩網(wǎng)絡(luò)資源分配； 張麗(1992—)，女，河南商丘人，碩士研究生，主要研究方向：小蜂窩網(wǎng)絡(luò)資源分配； 黃曉舸(1982—)，女，重慶人，副教授，博士，主要研究方向：小蜂窩網(wǎng)絡(luò)資源分配。

1001- 9081(2017)12- 3368- 06

10.11772/j.issn.1001- 9081.2017.12.3368

(*通信作者電子郵箱2441436183@qq.com)

TN929.5

A