肖建云 中睿通信規(guī)劃設(shè)計(jì)有限公司 廣東省 廣州市 510630

前言

支持5G物聯(lián)網(wǎng)應(yīng)用的蜂窩系統(tǒng)已經(jīng)進(jìn)入到技術(shù)研究關(guān)鍵期，預(yù)計(jì)從2020年開(kāi)始逐步投入使用。由于5G物聯(lián)網(wǎng)要滿(mǎn)足大數(shù)據(jù)傳輸需求，要構(gòu)建超密集的小型基站，因此會(huì)帶來(lái)較為嚴(yán)重的小區(qū)干擾問(wèn)題。此外也需要考慮設(shè)備能耗和管理問(wèn)題，采用K-means算法實(shí)現(xiàn)小區(qū)休眠機(jī)制，是目前5G物聯(lián)網(wǎng)研究的主要趨勢(shì)。

一、5G物聯(lián)網(wǎng)網(wǎng)絡(luò)系統(tǒng)模型構(gòu)建

（一）網(wǎng)絡(luò)模型

在5G異構(gòu)網(wǎng)絡(luò)中的控制面和業(yè)務(wù)面分離設(shè)計(jì)，宏小區(qū)負(fù)責(zé)控制面層問(wèn)題，小型基站負(fù)責(zé)處理業(yè)務(wù)面層問(wèn)題，提高網(wǎng)絡(luò)吞吐量。以單小區(qū)5G物聯(lián)網(wǎng)模型為例，在系統(tǒng)內(nèi)含有一個(gè)宏基站和若干個(gè)小型基站，周?chē)植即罅拷K端設(shè)備。需要在系統(tǒng)設(shè)計(jì)一個(gè)控制實(shí)體，負(fù)責(zé)協(xié)調(diào)物聯(lián)網(wǎng)連接。采取宏基站在中心位置、小型基站隨機(jī)分布的建模方式，數(shù)據(jù)傳輸采取正交頻分復(fù)用技術(shù)形式，資源分配的基本單元為物理資源塊，只考慮下行鏈路運(yùn)行，忽略上行鏈路的干擾。

（二）干擾模型

在正交頻分復(fù)用技術(shù)通信模式下，小區(qū)資源塊之間具有正交性，同一小區(qū)的不同物理資源塊設(shè)備不存在相互干擾問(wèn)題，但使用同一物理資源塊時(shí)，就會(huì)產(chǎn)生混合干擾。具體包括兩種情況，一是層間干擾，二是層內(nèi)干擾。在構(gòu)建模型時(shí)假設(shè)小區(qū)內(nèi)包含M個(gè)小型基站，采用m=1,2，…，M進(jìn)行編號(hào)，m=0表示宏基站。連接到m基站的設(shè)備數(shù)量用SUE（m）表示，各基站可用資源塊數(shù)量為NRB，用n=1,2,…，NRB進(jìn)行編號(hào)。假設(shè)每個(gè)設(shè)備的通信只占用一個(gè)資源塊，可以定義資源分配矩陣為Π（m）=[π（k，n）]SUE（m）×NRB。其中 SUE（m）為矩陣的行數(shù)，NRB為矩陣的列數(shù)?？刹捎迷摼仃嚤硎净局斜徽加玫馁Y源塊，判斷小區(qū)間的干擾情況。

（三）鏈路模型

構(gòu)建鏈路計(jì)算模型，主要是為了完成系統(tǒng)平均信噪比、系統(tǒng)總數(shù)據(jù)傳輸速率和系統(tǒng)能效的計(jì)算。其中，終端設(shè)備的通信信噪比可采用公式 SINR（m，k）=PR（m，k）/[I（m，k）+Pn]進(jìn)行計(jì)算，其中1≤m≤M，PR（m，k）表示k設(shè)備接受m小區(qū)的信號(hào)強(qiáng)度，PT（m，k）為資源塊發(fā)射功率，I（m，k）為其他基站產(chǎn)生的總干擾，Pn為加性白高斯噪聲功率。若系統(tǒng)中有N個(gè)用戶(hù)，平均信噪比則為終端設(shè)備信噪比之和除以N。系統(tǒng)總數(shù)據(jù)傳輸速率與每個(gè)設(shè)備的瞬時(shí)帶寬效率有關(guān)，要實(shí)現(xiàn)總傳輸速率最大化目標(biāo)。系統(tǒng)能源為系統(tǒng)容量和基站總能耗之比，用dm表示小區(qū)狀態(tài)，dm=1表示小區(qū)為激活狀態(tài)，dm=0表示小區(qū)為休眠狀態(tài)。

二、K-means算法輔助下的小區(qū)休眠機(jī)制設(shè)計(jì)與實(shí)現(xiàn)

（一）K-means聚類(lèi)算法

K-means算法是一個(gè)聚類(lèi)算法，假設(shè)5G物聯(lián)網(wǎng)中有N個(gè)終端設(shè)備，可采用K-means算法將N各設(shè)備按相似性聚類(lèi)得到K個(gè)簇。首先隨機(jī)K初始聚類(lèi)中心，然后計(jì)算各樣本到每個(gè)聚類(lèi)中心的歐式距離，并將其加入到歐式距離最短的簇中。其次計(jì)算簇中各點(diǎn)到聚類(lèi)中心的距離平方、總距離平方和，采用拉格朗日和最小二乘法計(jì)算，聚類(lèi)中心取對(duì)應(yīng)簇內(nèi)的樣本點(diǎn)均值。按照上述步驟迭代計(jì)算，更新聚類(lèi)，直到總距離平方和收斂，此時(shí)可得到最小值。迭代結(jié)束后輸出各簇中心點(diǎn)的空間坐標(biāo)，以及各簇包含的機(jī)器設(shè)備。

（二）小區(qū)休眠機(jī)制設(shè)計(jì)

在K-means算法下，終端設(shè)備是以簇為單位選擇基站的，控制面層開(kāi)銷(xiāo)小，可快速建立通信連接。首先在主資源分配階段，假設(shè)部署了M個(gè)超密集小型基站，分布有N個(gè)終端設(shè)備，聚類(lèi)成K個(gè)簇，中心點(diǎn)為u（j）。主資源分配目標(biāo)函數(shù)為m，1≤m≤M。即計(jì)算各簇中心點(diǎn)到基站中心點(diǎn)的歐式距離，確定m基站分配給j簇的信噪比大小，然后進(jìn)行迭代計(jì)算，直到信噪比達(dá)到最大值。輸出此時(shí)連接在各簇的基站序號(hào)及信噪比，具體算法流程如圖1所示。

圖 1 基于K-means算法的主資源分配算法

在資源補(bǔ)充分配階段，每個(gè)簇包含的設(shè)備數(shù)量為不確定量，但基站可用資源塊數(shù)量是確定的，可根據(jù)總數(shù)據(jù)傳輸效率最大化目標(biāo)，對(duì)部分設(shè)備進(jìn)行資源補(bǔ)充分配。首先根據(jù)聚類(lèi)結(jié)果，確定簇中包含的設(shè)備總數(shù)。然后判斷可用資源塊數(shù)量能否滿(mǎn)足用戶(hù)的實(shí)際需求，如果能滿(mǎn)足，直接將用戶(hù)連接到主資源分配結(jié)果中的選定基站，否則進(jìn)行補(bǔ)充分配。計(jì)算簇內(nèi)設(shè)備與選定基站間信噪比，按降序排列，取排名靠前N個(gè)設(shè)備連接到選定基站，對(duì)于多處的設(shè)備，則重新進(jìn)行資源分配，循環(huán)該操作，直到所有設(shè)備都能夠在滿(mǎn)足速率要求的前提下與基站建立連接。

在此基礎(chǔ)上，通過(guò)控制基站狀態(tài)，降低資源能耗。可根據(jù)基站資源的優(yōu)化分配結(jié)果，調(diào)節(jié)基站狀態(tài)，將未使用的基站改變?yōu)樾菝郀顟B(tài)。采取這種方法不僅能夠動(dòng)態(tài)控制基站運(yùn)行狀態(tài)，實(shí)現(xiàn)節(jié)能目標(biāo)，還能夠減少同頻小區(qū)干擾，進(jìn)一步提升系統(tǒng)信噪比及用戶(hù)吞吐量。

（三）仿真試驗(yàn)及結(jié)果

為驗(yàn)證上述算法的可行性，可設(shè)計(jì)一個(gè)超密集小型基站異構(gòu)網(wǎng)絡(luò)仿真場(chǎng)景，在場(chǎng)景中分布有大量終端設(shè)備，利用MATLAB仿真軟件進(jìn)行聚類(lèi)仿真，將系統(tǒng)的吞吐量、能效作為系統(tǒng)性能仿真指標(biāo)。主要參數(shù)設(shè)定情況如下：（1）宏小區(qū)半徑為1000m，宏基站發(fā)射功率為40dBm，超密集小型基站半徑為200m，發(fā)射功率為30dBm。（2）系統(tǒng)寬帶為10MHz，基站高度為32m，各小區(qū)可用資源塊數(shù)量為32個(gè)。（3）每個(gè)小區(qū)下行鏈路的設(shè)備數(shù)量為20個(gè)，終端設(shè)備的移動(dòng)速度為2.5m/s。

經(jīng)過(guò)MATLAB軟件仿真計(jì)算，采用K-means算法輔助的小區(qū)休眠方案，系統(tǒng)平均信噪比提升明顯，提升幅度為10dB~25dB，小區(qū)間的干擾問(wèn)題得到有效抑制。這主要是由于資源分配時(shí)在通信質(zhì)量前提下讓同一簇設(shè)備連接到同一基站，可減少基站的占用率，讓位占用基站切換到休眠狀態(tài)，從而能夠有效減少系統(tǒng)總功耗和小區(qū)間同頻干擾問(wèn)題。

三、結(jié)束語(yǔ)

綜上所述，K-means算法輔助的小區(qū)休眠機(jī)制為5G物聯(lián)網(wǎng)提供了資源分配的優(yōu)化解決方案。在K-means算法的應(yīng)用下，可在資源分配階段對(duì)基站資源進(jìn)行合理分配，同時(shí)滿(mǎn)足通信速率和節(jié)約資源能源的需求。