异构无线网络中基于能量感知和资源分配的数据分流方法

余 建 ， 余 琼 ，肖香梅 ，林志兴

（1.三明学院 网络中心 福建 三明365004;2.三明市第二中学，福建 三明 365000;3.三明学院 信息工程学院，福建 三明365004;4.物联网应用福建省高校工程研究中心，福建 三明365004）

随着全球移动业务的发展，移动数据流量的爆炸性增长导致通信网络能耗不断上升。根据文献[1-3]的研究，信息通信技术部门占全球碳排放量的2%左右。此外通信网络的能耗在网络运营商的运营支出中占很大比例[4]。降低能耗的有效方法是将移动流量分流到Wi-Fi网络上，Wi-Fi网络由于其较短的通信距离而具有比蜂窝网络更少的能耗。

在考虑降低能耗方面，网络运营商通过为移动用户选择具有较低能耗的网络（如Wi-Fi、热点网络）来降低系统的能耗。在蜂窝网络方面，网络运营商通过向具有良好信道条件的蜂窝用户分配子信道和功率来降低传输功率并同时保持系统吞吐量。

对于网络需求的扩增，越来越多的运营商采用了异构网络[5-6]来满足用户的需求。对于移动数据分流，需要考虑两个问题。第一，用户需求的不确定性，其中用户的位置、信道条件和流量需求随时间而变化。这要求网络运营商设计一种动态选择网络并根据有限的未来信息为用户分配资源的算法。第二，网络运营商需要降低总功耗，同时向所有用户提供延迟保证。这要求网络运营商保持功耗和用户间公平性的良好平衡。

随着无线流量需求的日益扩大，对于异构网络的分流问题，有不少学者进行了研究与分析。王振朝等[7]为提高整个异构网络的能量利用率，提出一种能量感知的并行多径传输方案，先利用能耗模型获取异构网络中的能耗指标，再根据网络的堵塞情况（拥塞量与路径能耗量的开方成反比例）实时调整拥塞窗口的大小，最后对各接入网和核心网所能承载的吞吐量之比作为其网络的最优分流比进行分流，以达到降低能耗的效果。徐彬彬等[8]针对无线传感网络中设备能量消耗不均衡的问题，提出了一种基于无线能量补给的能量感知路由算法。通过其算法，进一步优化节点间的能耗，以能耗最小的路径作为传输路径，大大降低传输功率。肖振球等[9]针对无线网络能耗高的问题，采用一种称为MAC/PHY机会主义方法对网络吞吐量进行优化，并利用唤醒/休眠模式和信道条件来实现能耗最小化，最大化物理层的系统容量，以降低能量效率。焦克莹和郭强[10]提出一种分布式能量感知的异构无线网非均匀分簇路由算法。其算法是以能量感知的分布式不等分簇为基础，并从簇头竞选机制、簇间多跳通信中的下一跳转发节点的选择策略以及自适应的节点通信半径的设置三方面进行优化。采用退避算法，利用相邻节点的剩余能量来设置延时时间，在进行数据分流时，首先建立能量的度量函数，如遇到有最大剩余能量的节点，则将该节点作为下一跳进行分流。其实验结果也证明该方法能够有效地延缓节点的失效时间，以降低能耗。

以上方法在无线网降低能耗上起到了积极的作用，但对大型网络中的数据分流和能耗、资源分配的环境，却缺少考虑。为解决大型网络中存在多个蜂窝和Wi-Fi以及多个用户情况下的数据分流问题，本文提出了一种基于能量感知和资源分配的数据分流方法。

1 能量感知的数据分流模型

考虑在时隙系统中的下行链路传输，由t∈{0,1，…}索引。考虑用于蜂窝网络的正交频分复用（OFDM， orthogonal frequency division multiplexing）系统[11]。 首先定义：

假设蜂窝基站覆盖所有的S位置，并且使用NS⊆N来表示在位置s∈S处的可用Wi-Fi网络的集合。图1为异构网络分流系统的模型。

图1 异构网络分流系统的模型图

图1中，用户1、用户2和用户3在位置集合S={1,2,3}内移动。蜂窝网络覆盖到所有位置。每个位置都被Wi-Fi网络的集合覆盖，例如N1=Ø，N2={1,2}，N3={1}。将 T 个时隙组合成一个帧，并将第k个帧（k∈N）定义为包含时隙集合的时间间隔。 考虑用户的随机位置、信道条件和流量需求，并假设用户的位置在每一帧都改变，而用户的信道条件和流量需求每个时隙都发生变化。原因是用户的位置通常比其他两种随机性变化得更不频繁。在第k帧中，将Si（kT）定义为用户i的位置。使用Him（t）来表示在时隙t中子信道m上的用户i的信道条件，并且使用Ai（t）表示在时隙t处用户i的流量到达率，其中常数是流量到达率的上限。定义

1.1 网络选择

本文采用网络选择、子信道分配和功率分配来降低总功耗[12]。假设网络选择决定是每帧而不是每个时隙发生的。这是因为不同网络之间的频繁切换会中断数据传送，并导致不可忽略的代价（例如，在能耗、服务质量下降和延迟方面）。在时隙t=kT，即第k帧的开始，网络运营商确定第k帧的网络选择。通过 α（kT）=[αi（kT），∀i∈I]表示网络选择，其中表示用户 i在第 k帧期间连接的网络。由于Wi-Fi网络的可用性取决于位置，对α（kT）有以下约束。

其中，选择αi（kT）=0表示用户i连接到蜂窝网络。

1.2 子信道分配

在每个时隙 t，网络运营商确定子信道和功率分配，用 x（t）=[xim（t），∀i∈I，m∈M]表示子信道分配，其中对于所有 i和 m，变量 xim（t）∈{0,1}：如果子信道 m 分配给用户 i，则 xim（t）=1；否则，xim（t）=0。假设每个子信道最多可以分配给一个用户

由于网络运营商只能向连接到蜂窝网络的用户分配子信道，所以对x（t）有以下约束。

1.3 功率分配

用 p（t）=[pim（t），∀i∈I，m∈M]表示功率分配，其中，变量 pim（t）表示在子信道 m 上分配给用户 i的功率。有以下功率预算约束。

基于网络选择 α（tT）、子信道分配 x（t）、功率分配 p（t）和信道条件 H（t），用户 i在时隙 t的传输速率由函数 ri[α（tT），x（t），p（t），H（t）]给出。网络运营商在时隙 t的总功耗由函数给出。假设这两个函数是有界的，即存在正常数 rmax和 Pmax，使得 ri[α（tT），x（t），p（t），H（t）]∈[0，rmax]且 P[α（tT），p（t）]∈[0，Pmax]对于所有的 i∈I以及 α（tT）、x（t）、p（t）满足式（1）、式（2）、式（3）、式（4）和式（5）。 结果适用于通用传输速率函数 ri[α（tT），x（t），p（t），H（t）]和功耗函数 P[α（tT），p（t）]。 传输速率函数和功率函数的详细示例可以在参考文献[13]中找到。

2 能量感知的网络选择和资源分配算法

假设每个用户都有一个数据队列，其长度表示未服务流量的数量。令Q（t）=[Qi（t），∀i∈I]为队列长度向量，其中Qi（t）是用户i在时隙t的队列长度。假设所有队列最初都是空的，即

队列长度根据流量到达率和传输速率而变化

其中[x]+=max{x，0}，这是因为实际的服务数据分组数目不能超过当前的队列大小。

本文设计一种在保持网络稳定的同时最大限度地减少预期时间平均功耗的在线网络选择和资源分配算法。具体优化过程如下：

约束式（1）、式（2）、式（3）、式（4）、式（5）中的变量 α（tT），x（t），p（t），∀t≥0。 其中，是用户 i的时间平均队列长度，并且对于所有的i∈I，＜∞保证了网络的稳定性。根据利特尔定理，与用户i的时间平均的流量延迟成比例。将证明能量感知和资源分配算法保证了的上限，从而实现有界的流量延迟。

最小化

其中，约束式（1）、式（2）、式（3）、式（4）、式（5）中的变量 α（kT），x（τ），p（τ），∀τ≥Tk。

假设网络运营商具有当前帧中的信道条件的完整信息，即在时隙t=kT（第k帧的开始），网络运营商具有关于所有τ∈Tk的H（τ）的信息。在算法1中介绍了能量感知的网络选择和资源分配（ENSRA，energy-aware network selection and resource alloction）算法。基本上，在每帧开始时，网络运营商解决了式（9）的问题以确定整个帧的网络选择和资源分配；在每个时隙结束时，网络运营商更新队列长度向量Q（t）。式（9）背后的定性认知可以理解如下。

算法1 能量感知的网络选择和资源分配（ENSRA）算法

1.Set t=0 and Q（0）=0；

2.while t＜tenddo//tend表示ENSRA的运行时隙数

3. if mod(t,T)=0

4. Set k=t/T 并且解决式（9）确定 α（kT），x（τ），p（τ）,∀τ≥Tk；

5.end if

7. 根据式（7）更新 Q（t+1)；

8.end while

综上所述，通过调整控制参数V＞0(其中V为用户的延迟权衡))，网络运营商可以在功耗和流量延迟之间实现良好的权衡。

3 仿真实验分析

3.1 性能分析

通过假设系统中的随机性是独立同分布来分析ENSRA的性能。需要注意的是，利用参考文献[14]中开发的技术，可以在马尔科夫随机性下获得类似的结果。

定义容量域Λ作为考虑所有网络选择和资源分配算法的可稳定支持的一组到达矢量的闭集。假设平均流量严格地到达Λ内部，即存在η＞0，使得

3.2 性能评估

为了验证该方法性能，本文仿真了I=30个用户，一个蜂窝网络，N=10个Wi-Fi网络和个位置的问题。将时隙长度设置为10ms，帧长度为1s，即T=100。假设蜂窝网络覆盖所有位置，Wi-Fi网络在空间上随机分布，覆盖1～4个连接的位置。选择每个用户的平均流量到达率为5 Mbit/s，并在MATLAB2016a仿真软件（MathWorks公司）中运行每个实验4 000帧。

图2 参数V与ENSRA延迟之间的权衡关系

图3 参数V与ENSRA的平均功耗之间的权衡关系

3.3 性能对比

图4是在I=100，S=100，N=10的仿真条件下，单个无线访问接入点（wireless access point，WAP）的平均能耗与用户数量的关系。将本文提出的ENSRA算法与文献10的状态相比，在WAP的能量消耗方面具有相当好的性能（功率控制在25～31 W左右），文献[10]中的能耗功率都超过了30 W，能耗明显高于ENSRA算法。因此，ENSRA算法较其他方法，性能较优。

图4 ENSRA算法的性能对比

4 结束语

针对异构网络的数据分流问题，在进行网络选择和资源分配决策时，根据移动用户的信道分配和功率分配，提出一种接近最优并具有可扩展性的能够权衡多个用户的能量和延迟的算法，单个用户的平均功耗从67 W下降到24.8W，对于未来5G的的绿色发展提供了较好的解决之道，也能大大减少二氧化碳的排放。