考虑协作开销的同层协作能谱效优化算法

邓小波 ，李柱领，杜文丛

(1.中国人民解放军61711部队，新疆 喀什 844000；2.中国电子科技集团公司第五十四研究所，河北 石家庄 050081)

0 引言

同一区域部署多种类型的基站在有效增强覆盖、提高网络吞吐量的同时将不可避免产生多种干扰[1]。协作多点(CoMP)传输能够将干扰转换为用户的期望信号，是消除干扰的一种有效方法[2-3]，但也需要消耗额外的基带处理功率。

CoMP服务的一个根本问题是数据交换，通过回程在宏基站之间共享大量信令和原始无线电样本，需要消耗额外的能量，从而影响系统的性能。需要在降低用户干扰的同时，尽可能减小协作功耗，从而提高网络的能谱效。文献[4]研究了2层异构蜂窝网络的能效问题，采用网络中所有基站两两相互协作，需要建立大量的对回程链路。文献[5-6]指出，当2个或者3个基站相互协作时效果是最好的。文献[7-9]考虑到越多基站参与协作则协作开销也会越大的问题，提出了两基站协作传输模型，但是并没有在两基站协作传输模型下通过合理地选择用户的协作基站簇来进一步降低协作开销对网络能谱效的影响。

针对现有网络和协作方式的不足，结合宏基站资源受限的特点[10-13]，通过何种方式将CoMP应用到2层异构蜂窝以提高网络的能谱效？针对这一问题，提出了一种新型的基于宏基站权值的能谱效优化算法。通过该算法可以合理规划蜂窝网络中的业务流量，使得协作带来的能谱效收益大于因协作产生的功耗，进而实现网络能谱效的提高。

1 系统模型

1.1 2层网络模型

考虑一个由宏蜂窝-毫微蜂窝组成的2层蜂窝网络的下行传输链路，2个层是独立的，并且由宏基站实现所有的基带信号处理。基站的分布通常由泊松点过程[14-17](Poisson Point Process,PPP)建模。

异构网络同层CoMP传输示意如图1所示。

图1 异构网络同层CoMP传输示意Fig.1 Schematic diagram of CoMP transmission at the single-layer in heterogeneous network

位于宏小区中的用户分为3种:第1种协作用户如图1中的用户2，其协作簇为当前宏基站内的2个Pico基站，其业务流量为宏基站内的CoMP业务(CoMP-In-Macro，CIM)；第2种为协作用户如图1中的用户1和用户5，其协作簇为当前宏基站内的一个Pico基站和相邻宏基站内的一个Pico基站，其业务流量为宏基站间的CoMP业务(CoMP-Between-Macro，CBM)；第3种如图1中的用户3，不采取协作传输，只由当前Pico基站为其提供服务，称为内部用户。

1.2 网络功耗建模

网络的功耗Power可以表示为：

Power=PT+POM+PC,

(1)

式中，PT表示网络的发射功率；POM表示网络的固定损耗；PC表示网络的协作开销,即:

(2)

式中，pcim，pcbm分别表示处理单位CIM业务和CBM业务所消耗的功率，单位Mb/s；flowcimpcim，flowcbmpcbm表示处理网络中所有CIM业务和CBM业务需要消耗的功率，且pcim

POM可以表示为：

POM=λ1POM1+λ2POM2。

(3)

经过重新规划Pico基站接入的宏基站，尽可能提高CIM业务量flowcim，降低CBM业务量flowcbm，使flowcimpcim+flowcbmpcbm最小。

异构蜂窝网络同层CoMP的基站重组与业务迁移示意图如图2所示。

图2 基站重组与业务迁移示意Fig.2 Schematic diagram of base station reorganization and traffic migration

Pico基站改变其和宏基站的连接关系称为基站的重组，使原本发生在之前的宏基站的业务转移到了Pico基站新接入的宏基站内称为业务迁移。

经过基站重组后，网络的功耗Power可以表示为：

Power=PT+POM+PC+P′，

(4)

式中，P′可表示为：

在此基础上，现代观赏石出现了似乎更为科学合理的分类方法：即造形石、画面石、晶体石、化石、特种石五大类。

P′=flow′p′，

(5)

式中，flow′表示发生迁移的业务量；p′表示单位业务量迁移消耗的功率。

1.3 性能指标

网络能谱效定义为：

(6)

式中，Throughput为网络中的吞吐量；Power为网络中的功耗。

2 基于宏基站权值的基站重组算法

2.1 算法描述

“权值”是指网络中每个宏基站按照其覆盖范围内的所有Pico基站与当前Pico基站之间存在的协作业务量的总和，代表了当前Pico接入网络中每个宏基站的一个权重。每个Pico基站的权值代表发生在该Pico基站内的业务流量。小区流量模型如图3所示。

图3 小区流量模型Fig.3 Cell traffic model

小区流量模型中的每个宏基站及其对应权值如表1所示。

表1 宏基站及其对应权值Tab.1 Macro base station and its corresponding weight

算法步骤：

步骤1：对于当前正在优化的Pico小区，计算当前网络内所有宏基站的权值。该Pico基站目前所连接到宏基站的权值为当前Pico小区与该宏基站之间的所有Pico基站之间产生的宏基站内协作业务量之和。其他宏基站的权值为当前Pico基站与每个宏基站内的Pico基站产生的宏基站间协作的业务量之和，将每个其他宏小区内与当前Pico基站产生宏基站间协作业务的Pico小区称为当前Pico基站的期望邻接小区，将这些基站称为当前Pico基站的期望邻接基站。在所有宏基站权值中选择最大的一个作为当前Pico小区的优化权值。

对网络中所有Pico小区执行上述操作，根据目前网络中各种业务流量的分布情况，依据能谱效公式计算网络的能谱效ESE1。

步骤3：如果已经遍历完了所有的Pico小区，执行下一步，否则执行步骤2。

步骤4：根据目前网络中所有不同业务流量的分布情况，计算网络的能谱效ESE2。

算法1 基于宏基站权值的能谱效优化算法输入:宏基站集合M;Pico基站集合P;CoMP流量集合(px,py){};Pico基站内部流量的集合(inneri){};Pico基站流量的集合(fi){}。算法输出:算法前后网络的能谱效ESE1和ESE2。1.设置网络的迁移业务量flow′=0,for每个pi∈P,do2.定义集合(m,w){}用来存储所有的宏基站及其权值3.设置权值wj为Pico基站(pi,pj)之间的CoMP业务流量,(mj,wj)∈(m,w){}4.找到与pi有CoMP关系的Pico基站集合,记为Copi{}for对每个pj∈Copi{},do5. 找到pj所连接的宏基站mj6. ifmj==mi7. flowcim=flowcim+wj8. else9. flowcbm=flowcbm+wj10. endif11.end12.flowinner=flowinner+inneri13.根据能谱效的公式,计算此时网络的能谱效ESE1。14.按照pj所连接的宏基站对相应的wj进行相加,得到(m,w){},根据权值w对(m,w){}进行排序15.for每个(m,w){},do16.寻找连接到宏基站m并且和当前Pico基站pi之间的协作业务(pi,pj)≠0的所有Pico基站,记为m,pall{}{}17.endfor18.寻找(m,w){}中的最大权值wimax19.endfor20.对Pico基站依据其最大权值排序21.WhileP≠∅22.将当前Pico连接到其wimax对应的宏基站上23.if该Pico的优化宏基站和当前连接的宏基站不同24.flow′=flow′+fptop25.end26.从P中移除ptop以及其对应的pall{}27.endwhile28.for每个pi∈P,do29.重复步骤3～1030.endfor31.计算算法后网络的能谱效ESE2。

2.2 算法的限制条件

期望邻接小区：表1中的期望邻接小区指的是当前Pico基站将要接入的期望宏基站包含的且与当前Pico存在协作业务的Pico小区。每次对当前Pico进行优化时，有可能会改变其连接的宏基站，如果对其期望宏基站中的Pico小区进行优化时，会改变之前优化到该小区的Pico和该Pico的协作关系，如当前正在进行优化的Pico小区为Pico5，当前Pico5接入的是宏基站1，其期望宏基站为宏基站2，期望邻接小区为Pcell8。当改变Pico5连接的宏基站使其连接到宏基站2后，Pico5与Pico8之间的协作关系就由宏基站间协作转为了宏基站内协作，如果后面再对Pico8进行优化使其连接到了其他宏基站，Pico5与Pico8之间的协作关系就又变为了宏基站间协作，导致对之前基站Pico5的操作失去意义。因此，每次优化完一个Pico小区之后应不再对其期望邻接小区进行优化。

容量限制：每个宏基站中都存在一个BBU板卡，其容量是受限制的，即其信号处理能力是有限的，否则一个宏基站就可以接入无数个Pico基站，不需要再考虑网络中是否出现了跨宏小区的协作，这显然是不现实的。所以需要时刻关注每个宏基站中BBU板卡的剩余容量。如果当前Pico基站要接入的期望宏基站的剩余容量不足，就查询其次优化宏基站的剩余容量是否能够再接入当前Pico基站，是就接入，否则继续依顺序查找，直到找到有接入当前Pico能力的宏基站为止。

3 仿真结果

系统仿真所需的一些参数如表2所示。

表2 参数仿真列表Tab.2 List of simulation parameters

网络中CoMP业务流量占所有业务流量的比例为0.5，即α=0.5时，网络中的CBM业务流量比例随着邻接小区数目变化的曲线如图4所示。flowcbm1_ratio和flowcbm2_ratio分别表示算法前后网络中的CBM业务流量比例。以邻接小区数目取10时为例，可以看到算法前后网络中的CBM业务量比例分别占整个网络流量比例的89.7%和61%，算法使得网络中的CBM业务量降低了28.7%。

图4 CBM业务量比例随着邻接小区数目变化曲线Fig.4 The curve of the CBM flow ratio changing with the number of adjacent cells

网络的能谱效随着邻接小区数目变化的曲线如图5所示，目的是为了更直观地说明算法对网络能谱效的改善。ESE1和ESE2分别表示算法前后网络的能谱效。设定单位业务量(单位Mb/s)下，CBM业务、CIM业务以及迁移业务的协作开销分别是1,2,0.05 W。可以看到，算法使得网络的能谱效有了很大提高。当邻接小区数目n=10时，ESE1=0.085 9 bit/Hz/J和ESE2=0.090 5 bit/Hz/J，提高了5.4%。

邻接小区数目为6的情况下，CBM业务量比例随着CoMP业务比例变化曲线如图6所示，网络能谱效随着CoMP业务比例变化曲线如图7所示。

由图6可以看出，算法可以降低网络中的CBM业务量比例。由图7可以看出，算法可以提高网络的能谱效，且随着α的增大，网络中的协作业务也会增多，因此网络的功耗增大，故能谱效逐渐降低。

图6 CBM业务量比例随着CoMP业务比例变化曲线Fig.6 The curve of the CBM flow ratio changing with CoMP flow ratio

图7 网络能谱效随着CoMP业务比例变化曲线Fig.7 The curve of network ESE changing with CoMP flow ratio

4 结束语

CoMP可以有效降低干扰，但其开销也是不可忽视的。本文首次考虑了由宏蜂窝-毫微蜂窝构成的密集大规模2层蜂窝网络中的协作开销对网络能谱效的影响，提出了一种新型基于宏基站权值的能谱效优化算法。通过重新选择Pico基站要接入的宏基站，尽可能地减少协作开销。仿真结果证明,所提算法能够有效提高网络的能谱效。