基于能效和用户服务质量的密集Macro-Femto蜂窝网络部署策略

李云，王春生，曹傧，刘期烈



基于能效和用户服务质量的密集Macro-Femto蜂窝网络部署策略

李云1,2，王春生1，曹傧1，刘期烈1

（1. 重庆邮电大学移动通信技术重庆市重点实验室，重庆 400065；2. 东南大学移动通信国家重点实验室，江苏 南京 210096）

随着用户对流量需求的指数级增长，运营商密集地部署微蜂窝来满足用户的服务质量，然而这会引发巨大的能耗。基于此，在满足用户服务质量（QoS, quality of service）的条件下，提出一种密集的异构蜂窝网络的部署策略。首先，采用密集Macro-Femto偏置蜂窝网络建立模型，利用随机几何理论分析信干燥比（SINR）覆盖率和平均用户速率这2种QoS指标。然后，在满足QoS约束条件下，以平均区域功耗（ASPC, average spatial power consumption）作为优化目标，运用经典的最优化理论得到Femto的最优部署密度和发射功率。最后，通过仿真实验证明，与传统单独考虑基站密度的策略相比，提出的部署策略可以在保证QoS的同时，获得更高的能效。

异构蜂窝网络；能效；部署；基站密度

1 引言

近年来，随着全球智能移动设备的指数级增长以及人们对移动数据业务的巨大需求，思科在《全球移动数据流量预测2016—2021白皮书》中指出：2017年全球移动数据流量比2016年同比增长了57%。预测到2021年全球每月平均数据流量将达到49艾字节，为现在的4倍左右。为了增加网络的容量和满足用户日益增长的流量需求，3GPP提出了异构蜂窝网络的概念，异构蜂窝网络是在宏蜂窝网络中部署一些低功耗的微蜂窝，例如Pico基站、Femto基站、Relay等[1-2]。为了实现无缝覆盖，5G采用超密集的异构蜂窝网络，因此如何有效地部署密集异构蜂窝网络、提高网络的能量效率是亟待研究的课题[3]。

大量地部署低功耗的微蜂窝会产生大量的能量消耗以及干扰。因此，蜂窝网络的能效问题已经成为运营商、学术界等关注的焦点。Femto基站具有功耗低、便于灵活安装、能有效地解决Macro基站的覆盖空洞、提供更高的容量等优势[4]。为了充分地利用Femto基站的优势，采用蜂窝网络的偏置技术，即小区范围扩展（CRE, cell range expansion）技术。在Macro基站覆盖范围下引入Femto基站，Femto基站采用CRE技术，通过调节Femto基站的偏置参数，可以动态地扩展Femto基站的覆盖范围。当用户位于Femto基站的扩展区域时则关联到Femto基站，采用偏置技术能够提高用户的速率以及扩大室内和小区边缘的覆盖，卸载Macro基站更多的流量并使Femto基站服务更多的用户[5]。

目前，已有相关文献研究异构蜂窝网络的部署问题，基站的位置和密度都需要考虑满足覆盖和负载需求[6]。网络模型的选取对于分析网络的性能至关重要。文献[7]提出一种新的网络模型，基站的位置服从泊松点过程（PPP, Poisson point process）分布。这种模型准确地模拟了基站位置的随机性，同时也易于通过随机几何工具来分析网络的性能指标。文献[8]对于单层网络和两层网络，考虑基站休眠对能效的影响，得到了最优基站密度与能效的关系。然而该文献只是优化基站密度来达到最佳的能效。文献[9]联合优化了宏基站和小基站的密度来保证网络的服务质量，考虑到了覆盖率和用户到达率，然而没有优化基站的发射功率。文献[10]在两层蜂窝网络中得到了最佳的基站密度和发射功率，在满足覆盖限制条件下使平均功率消耗达到最小。然而该文献只考虑覆盖率的限制，并没有考虑平均用户速率的要求，同时只考虑非偏置网络的情形。然而，随着用户对流量和速率的要求越来越高，考虑平均用户速率是非常必要的。文献[11]针对两层的Macro-Femto蜂窝网络进行分析，提出了基于联合聚类和资源分配的正交频分复用干扰管理方案，来最大化地提高Femto基站的吞吐量。文献[12]利用随机几何工具，假设基站位置服从泊松点分布，推导出每层网络的成功接入概率，分析基站密度和网络能效的关系，然而也没有考虑平均速率的限制条件。文献[13]将微基站部署在用户接收信号较差的区域，考虑了宏基站密度、微基站密度以及用户密度对网络能效和频谱效率的影响，分析表明合理的基站和用户密度可以提高网络能效和频谱效率。文献[14]考虑非均匀分布的基站部署场景，采用合理的基站负载，得到宏基站和微基站的平均覆盖率和平均用户速率。

由于用户的密度和位置随着时间和空间是不断变化的，因此考虑调整基站的发射功率很有必要。通过分析上述相似研究的文献发现，文献[8-9]在优化网络能效时把基站的发射功率设为一个固定的值，没有考虑基站发射功率的动态变化。由于用户对流量的需求呈指数级增长，平均用户速率指标成为评价网络质量的重要指标，同时由于Macro基站的容量限制，其已不能满足用户的速率需求，为此需要部署大量的Femto基站来增加网络容量，卸载Macro基站更多的流量给Femto基站。同时采用偏置技术，有利于负载均衡。文献[10]考虑了基站发射功率的动态变化，但没有考虑用户的平均速率这项评估网络质量的重要指标，网络采用的是非偏置网络。本文的创新点是采用偏置技术对Macro-Femto蜂窝网络进行分析，同时考虑覆盖率和平均用户速率2项指标，联合优化基站密度和基站发射功率来满足用户目标QoS要求，同时使ASPC达到最低。

本文的工作如下所示：1) 利用随机几何工具分析Macro-Femto两层蜂窝网络的覆盖率和平均用户速率，得到近似的封闭表达式，使覆盖率和平均用户速率是能耗相关表达式的单调递增函数，且收敛；2) 在给定目标覆盖率和目标平均用户速率的情况下，能够得到最优的基站密度和基站发射功率使能耗达到最低；3) 联合优化基站密度和基站发射功率在满足目标覆盖率和目标平均用户速率的限制条件下，使ASPC达到最低，该策略比传统单独考虑基站密度的策略能耗低。

2 系统模型

本节首先考虑两层蜂窝网络作为网络模型，基站密度都服从齐次泊松点过程，信道模型采用瑞利衰落信道，Macro基站和Femto基站共享频谱资源，然后分析基站的功率消耗。

2.1 网络模型

2.2 信道模型

2.3 频谱资源分配

2.4 基站功耗模型

根据文献[17]，基站的功率消耗与基站的类型以及基站的状态有关。若基站处于激活状态，基站的功率消耗包括功率放大器、信号处理、制冷设备、电源损耗、馈线损耗、天线损耗等。若基站处于休眠状态，相比激活状态其功耗显著降低，主要包括一些静态损耗和空调设备损耗等。所以基站的功率消耗为

考虑基站激活和休眠的情况，采用传统的基站休眠策略，即如果目标基站的覆盖范围内没有用户，则该基站可以处于休眠状态，否则该基站处于激活状态。

3 Macro-Femto蜂窝网络的性能分析

3.1 覆盖率分析

覆盖率利用一个随机用户接收到的瞬时值大于目标阈值的互补累积分布函数来表示，如式(4)所示。

首先考虑干扰限制的场景，即高斯白噪声功率的影响相对于同层和跨层的干扰可以忽略不计。这样得到的覆盖率表达式比较简单，而且是封闭的表达式。然后在此基础上考虑高斯白噪声对覆盖率的影响。在干扰限制场景下得到的覆盖率是实际场景下的上界[7]。即在考虑高斯白噪声的影响下所得到的覆盖率要低于干扰限制（忽略噪声）场景下的覆盖率。

3.2 平均用户速率分析

(9)

同样类似于覆盖率分析，首先考虑干扰限制的场景。在干扰限制场景下得到的平均用户速率是实际场景下的上界[7]，即在高斯白噪声的影响下所得到的平均用户速率要低于干扰限制（忽略噪声）场景下的平均用户速率。

4 能效优化分析

采用ASPC表示平均区域功率消耗，包括单位面积内处于激活状态和休眠状态的基站功耗。ASPC具体计算式为

在两层的Macro-Femto异构蜂窝网络中，由于Macro基站和Femto基站的发射功率不同，因此基站的覆盖范围会形成加权泊松沃罗诺伊嵌图。基站覆盖范围的概率密度函数[18]为

由于用户位置服从泊松点过程分布，因此在基站覆盖范围内的用户数量服从泊松分布，用户分布概率密度为

因此，基站处于休眠状态的概率即基站覆盖范围内没有用户的概率，如式(16)所示。

证明见附录A。

4.1 能效问题构造

能效优化问题可构造为

如果该能效优化问题目标函数有最优解，那么该最优解为

从上述覆盖率和平均用户速率的分析中可以发现。这2项QoS指标相互影响，所以把上述能效优化问题分解为2个子问题，即分别满足目标覆盖率和目标平均用户速率的能效优化问题。

4.2 基于覆盖率的能效优化分析

基于覆盖率的能效优化问题可以构造为

求解过程见附录B。

4.3 基于平均用户速率的能效优化分析

基于平均用户速率的能效优化问题可以构造为

上述优化问题可以等效为

4.4 最佳能效分析

算法1 最佳能效部署基站

5 性能仿真分析

图2 Femto基站密度对用户QoS的影响()

图3 最优解与SINR覆盖率和平均用户速率的关系

图4 本文提出的策略和传统策略在满足目标覆盖率及目标速率的能耗关系

图5 本文提出的策略和传统策略在联合满足目标用户QoS指标下的能耗关系(，)

6 结束语

本文采用两层的密集偏置Macro-Femto异构蜂窝网络进行分析，利用随机几何工具分析了覆盖率和平均用户速率与能耗之间的关系。通过分析覆盖率和平均用户速率的封闭表达式，得到网络能耗与能耗相关表达式的关系。通过联合优化基站密度和基站发射功率，在满足用户QoS（覆盖率和平均用户速率）的限制条件下，得到最佳的部署策略。通过仿真结果可以看出，本文提出的策略比传统单独考虑基站密度优化的策略能耗更低。在后续的工作中考虑用户分布不均匀，即存在网络热点区域和非热点区域的情况下如何部署Femto基站来满足用户的QoS要求。

附录A 定理1的证明

附录B 式（22）的求解过程

[1] DAMNJANOVIC A, MONTOJO J, WEI Y, et al. A survey on 3GPP heterogeneous networks[J]. IEEE Wireless Communications, 2011, 18(3): 10-21.

[2] GHOSH A, MANGALVEDHE N, RATASUK R, et al. Heterogeneous cellular networks: from theory to practice[J]. IEEE Communications Magazine, 2012, 50(6): 54-64.

[3] WU G, YANG C, LI S, et al. Recent advances in energy-efficient networks and their application in 5G systems[J]. IEEE Wireless Communications, 2015, 22(2): 145-151.

[4] LIN P, ZHANG J, CHEN Y, et al. Macro-Femto heterogeneous network deployment and management: from business models to technical solutions[J]. IEEE Wireless Communications, 2011, 18(3): 64-70.

[5] KHANDEKAR A, BHUSHAN N, JI T F, et al. LTE-Advanced: heterogeneous networks[C]// IEEE Wireless Conference. 2010: 978-982.

[6] HURLEY S. Planning effective cellular mobile radio networks[J]. IEEE Transactions on Vehicular Technology, 2002, 51(2): 243-253.

[7] DHILLON H S, GANTI R K, BACCELLI F, et al. Modeling and analysis of-tier downlink heterogeneous cellular networks[J]. IEEE Journal on Selected Areas in Communications, 2011, 30(3): 550-560.

[8] LI L, PENG M, YANG C, et al. Optimization of base station density for high energy efficient cellular networks with sleeping strategies[J]. IEEE Transactions on Vehicular Technology, 2016, 65(9): 7501-7514.

[9] 李云, 王俊伟, 赵为粮,等. 基于基站密度和业务负载的异构蜂窝网络能效优化[J]. 电子与信息学报, 2017, 39(4): 854-859.

LI Y, WANG J W, ZHAO W L, et al. Optimizing the energy efficiency of heterogeneous cellular networks based on the base station density and traffic load[J]. Journal of Electronics and Information Technology, 2017, 39(4): 854-859.

[10] PENG J, HONG P, XUE K. Energy-aware cellular deployment strategy under coverage performance constraints[J]. IEEE Transactions on Wireless Communications, 2015, 14(1): 69-80.

[11] DAI J Y, WANG S W. Clustering-based interference management in densely deployed femtocell networks[J]. Digital Communications & Networks, 2016, 2(4): 175-183.

[12] CHEN W, LI H, LI Z, et al. Optimization of small cell deployment in heterogeneous wireless networks[C]// IEEE International Conference on Computer, Information and Telecommunication Systems. 2016: 1-5.

[13] DEMIRTAS M, ÇAGGATAY SAGGINDA, SOYSAL A. Energy and spectral efficiency for heterogeneous cellular networks with stochastic deployment[C]// IEEE Signal Processing and Communications Applications Conference. 2017: 1-4.

[14] LIN C C, LIU K H S, SU S L. Coverage performance of heterogeneous cellular networks with dependent cell deployment[C]// IEEE International Symposium on Broadband Multimedia Systems and Broadcasting. 2016: 1-4.

[15] ZHANG T, ZHAO J, AN L, et al. Energy efficiency of base station deployment in ultra dense Hetnets: a stochastic geometry analysis[J]. IEEE Wireless Communications Letters, 2016, 5(2): 184-187.

[16] JO H S, SANG Y J, XIA P, et al. Heterogeneous cellular networks with flexible cell association: a comprehensive downlink SINR analysis[J]. IEEE Transactions on Wireless Communications, 2012, 11(10): 3484-3495.

[17] AUER G, GIANNINI V, DESSET C, et al. How much energy is needed to run a wireless network?[J]. IEEE Wireless Communications, 2011, 18(5): 40-49.

[18] SINGH S, DHILLON H S, ANDREWS J G. Offloading in heterogeneous networks: modeling, analysis, and design insights[J]. IEEE Transactions on Wireless Communications, 2013, 12(5): 2484-2497.

[19] TANG J, SO D K C, ALSUSlA E A, et al. Energy-efficient heterogeneous cellular networks with spectrum underlay and overlay access[J]. IEEE Transactions on Vehicular Technology, 2018, 67(3): 2439-2453.

Energy-efficient and QoS-supported deployment strategy of dense Macro-Femto cellular network

LI Yun1,2, WANG Chunsheng1, CAO Bin1, LIU Qilie1

1. Chongqing Key Lab of Mobile Communications Technology, Chongqing University of Posts and Communications, Chongqing 400065, China 2. National Mobile Communications Research Laboratory, Southeast University, Nanjing 210096, China

With the exponentially increasing of users’ demand for mobile data traffic, massive small cells have been deployed to satisfy the users’ quality of service (QoS) by operators. However, a significant energy would be consumed caused by dense deployment. To this end, a dense heterogeneous cellular network deployment strategy was proposed with QoS guarantee to decline system energy consumption. Firstly, a dense Macro-Femto biased cellular network was used to build the network model, the two QoS indicators of SINR coverage and user average rate was analyzed by stochastic geometry theory. Then, under the condition of QoS constraint, average spatial power consumption (ASPC) was taken as the optimization goal, optimal deploy density and transmission power of Femto were achieved by using optimization theory. Finally, the experimental results show that, comparing with the traditional strategy which only considering base station density, the proposed strategy has advantages in terms of energy efficiency while QoS guarantee.

heterogeneous cellular network, energy efficiency, deployment, base station density

TN929.5

A

10.11959/j.issn.1000−436x.2018129

2017−11−07；

2018−06−21

国家自然科学基金资助项目（No.61671096，No.61701059）；东南大学移动通信国家重点实验室开放研究基金资助项目（No.2015D07）

The National Natural Science Foundation of China (No.61671096, No.61701059), The Open Research Fund of National Mobile Communications Research Laboratory Southeast University (No.2015D07)

李云（1974−），男，四川西充人，博士，重庆邮电大学教授、博士生导师，主要研究方向为无线移动通信。

王春生（1989−），男，安徽淮北人，重庆邮电大学硕士生，主要研究方向为异构蜂窝网络。

曹傧（1983−），男，重庆人，博士，重庆邮电大学副教授，主要研究方向为网络虚拟化、软件定义网络、资源管理和网络协议设计及性能分析。

刘期烈（1974−），男，四川隆昌人，博士，重庆邮电大学教授，主要研究方向为信息中心网络。