麻悦
(河南水利与环境职业学院,教务处, 河南,郑州 450000)
随着智能手机普及率的不断增长以及移动设备和流量需求的激增,全球无线数据流量没有放缓的迹象,预计在不久的将来仍保持快速增长[1]。高分辨率视频流、触觉互联网、远程监控、道路安全和实时控制应用等新兴应用预计将产生大量的数据流量。此外,如联网汽车和移动机器人,必须以有效的可扩展方式提供支持[2]。目前5G无线通信系统的建设仍存在重要的挑战。
其中一个关键挑战是网络的能耗。因此,开发高效节能的无线网络设计方法,降低无线网络的总能耗,已成为工业界和学术界的重要课题。一些研究已经解决了蜂窝网络的能源效率问题,并提出了一些基于异构无线网络(HetNets)、协作中继、MIMO和OFDM(orthogonal frequency division multiplexing)技术等的绿色蜂窝网络的解决方案[3-4]。HetNets中的另一个挑战是用户的移动性和网络切换问题,即用户在网络中自由移动,并得到无缝通信的支持。张燕燕等[5]提出了一种基于集成策略的机器学习算法,并结合用户的移动性数据,进行较高精确度的切换预测,减少切换时延及非必要切换等目标。BACHININ ANDREI[6]研究了宏小区和小小区的异构部署网络,并对切换性能进行了研究。
为减少网络中不必要的移交(d handoff,HO)的数量,降低基站(BSs)和用户终端的能耗,本文考虑双层HetNet中用户的移动性和HO问题,并结合基站(BSs)的开关切换,通过信标信号周期性地通告用户的估计负载。
本文设计了一个具有一组基站B的双层异构网络模型(HetNet)。该模型包括一个位于区域原点的宏基站(MBS)和一组均匀位于MBS覆盖范围内的小区基站(SBSs)。活跃移动用户的集合用K表示。另外,假设每个用户和基站都有一个天线。图1表示典型的两层HetNet的示例。
整个正方形区域被分成大小相等的网格。网格由二维坐标阵列表示,网格点用均匀分布表示用户和基站在该区域的初始位置。为了避免上下行传输之间的干扰,每个用户k∈K通过正交信道收发。为了简单起见,本文只考虑下行传输,即从基站到用户的路线。此外,本文假设系统中所有用
图1 典型的HetNet网络
户都有一个开放的接入方案,即允许用户与任何层的基站相连接,但每个用户每次最多只能连接一个基站。
令Poutb(t)为t时刻公共信道部署下基站b∈B的发射功率,即所有基站使用相同的频率信道进行下行链路传输。用户k在t时刻从其相关基站b的接收机的信噪比定义为SINRbk(t),则有:
SINRbk(t)=Poutb(t)gkb(t)∑b∈B/bPoutb(t)gkb(t)+σ2
(1)
其中,gkb(t)表示t时刻基站b和用户k之间包括路径损耗和对数正态阴影衰落在内的信道总增益。令σ2为用户接收机处高斯白噪声的功率谱密度,假设所有用户都是常数。根据香农容量公式,用户k在t时从基站b可实现的传输速率计算如下,其单位为bit/sec/Hz
rk(t)=Wlog21+SINRbk(t)
(2)
其中,W表示系统带宽。设γk(t)为用户k在t时的平均分组到达率,单位为bit/sec,则t时基站b的系统负载lb(t)定义为
lb(t)=∫k∈Atbγk(t)rk(t)
(3)
其中,Atb表示t时刻与基站b相连接的用户集。
为简化模型,假定基站的主要功耗部件包括功率放大器、射频模块、冷却系统、基带单元、DC-DC电源和主电源。因此,时间t时基站消耗的总功率可以表示为
Pnetwork(t)=∑b∈BPinb(t)
(4)
其中
Pinb(t)=PSleepb+Poutb(t)ηPAb∧1-λfeedb,
(5)
0≤Poutb(t)≤Pmaxb
PSleepb=PRFb+PBBb∧
(6)
∧=1-λDCb1-λMSb1-λCoolb
(7)
其中,Pinb(t)、Poutb(t)和Pmaxb分别是总功耗、t时基站b的传输功率和基站b的最大发射功率。PRFb和PBBb分别表示射频模块的功率和基站b消耗的基带引擎的总功率。ηPAb表示基站b的功率放大器效率,λfeedb,λDCb,λMSb和λCoolb分别表示馈线、DC-DC电源、主电源和冷却系统的损耗。此外,假设式(5)中除了Poutb(t)以外的所有参数都是随时间变化的常数。
假定系统中一个离散的时间序列为1,2,…,T,其中T是用户移动的总迭代时间。每个基站b∈B选择其传输功率Poutb(t)。用户的新位置会根据其速度和当前位置进行更新。假定前一次迭代中失去的用户记为D,新用户记为N,需要进行切换网络的用户记为H。接下来将详细介绍用户连接规则及连接过程。
假设每个用户在每一时刻t最多与一个基站相连接。令A表示集合A中元素的数量,所有用户B和基站集合D之间的连接关系可表示为一个笛卡尔积B×K,则在时间t时,用户和基站之间的连接矩阵记为At=atb,kB×K,有
atb,k=1在t时k与基站b连接
0其他
(8)
令时间为t,则与基站b相连接的用户集Atb及用户连接向量Ut=utkK×1定义如下,
Atb=k|k∈K,atb,k=1
(9)
utk=bif∃b∈B,atb,k=1
0其他
(10)
此外,系统在下行链路传输中将周期性地广播基站的负载情况。同时根据基站的负载和接收到的功率,将用户与第负载基站相连接。因此,用户k将根据以下规则在时刻t(即utk=b)选择基站b作为其服务基站,
utk=argmaxb∈B10log10Poutb(t)gkb(t)1-b(t)
(11)
b(t)=1-(1/t)αb(t-1)+(1/t)αlb(t-1)
(12)
式中,α>0是负载估计的学习速率指数,lb(t-1)是时间t-1时的瞬时负载。
移动性模型在无线网络,特别是HetNet中起着重要的作用。它描述了用户的移动模式、位置和速度。
随机航路点机动模型[7](the random waypoint,RWP)在无线网络仿真中得到了广泛的应用。在RWP模型中,用户在一个开放的区域中随机移动,并且他们可以到达区域的任意位置,因此可能导致不准确的仿真结果。
为此,本文采用基于城市街道的用户机动模型。在城市街道上,使用者的活动仅限于被建筑物、树木和各种障碍物隔开的街道。用户沿着直线街道移动,在每个十字路口以给定的概率改变方向。在每个交叉口,每个用户根据表1中的概率分布选择其移动方向,其中pck、prk和plk分别是用户k沿当前方向行驶、右转和左转的概率。为简化模型,本文假设用户以恒定速度移动,当一个用户离开边界时,另一个用户从另一个边界进入。该模型较RWP模型相比更加符合实际的机动模型。
表1 用户移动概率
切换策略是HetNet的关键功能之一。切换方案需考虑各种指标,如接收信号强度(received signal strength,RSS)和距离。然而,从基站的角度忽略切换问题可能会导致负载不平衡和基站的收益降低等问题。为此,本文提出了一个适用于HetNets的自适应负载平衡切换算。该算法允许用户在基站的估计负载超过一定阈值时进行自适应切换。因此,它平衡了基站间的负载,减少了网络中产生的干扰量。由于基站和用户都可能需要额外的通信开销来执行切换进程,因此网络中切换的数量是影响功耗和电池寿命的关键因素。需知,每次执行切换都会提升基站和用户的成本,因此减少网络中不必要的切换数量至关重要。
为简化模型,假设用户配备了全球定位系统(GPS)设备,以便估计距离。自适应负载平衡切换算的基本思路是当RSS下降到固定阈值以下,并且估计用户与服务基站之间的距离大于0.8倍服务小区半径Rb,并且如果存在比服务基站更好的基站,则触发传统切换算法。自适应负载平衡切换算法的指标定义为CPHA_EL,则有
CPHA_EL=CiPHA_EL|i∈{1,2,3}
(13)
其中
C1PHA_EL∶=Pkb(t) C2PHA_EL∶=b>0.8Rb C3PHA_EL∶=b(t+1)>lThresholdb (14) 其中,Pkb(t)=Poutb(t)×gkb(t)为在时刻t与服务基站b相连接的用户k处接收到的功率。算法1执行过程如下所示。 算法1自适应负载平衡切换算输入:Ptb,π^tb,r^tb,时刻t用户的位置;输出:At,Pt+1b初始化:A=1,…,A ,K=1,…,K ,t=1whiledo for ∀b∈B do 搜寻sb(t) 广播估计负载^lb(t+1) end for for ∀k∈K do 搜寻utk(式11)if C1PHA_ELatb*,k=1,atb,k=0 进行切换else 继续使用基站bend if end for 更新瞬时值:ltb,πtb 更新:Pt+1b,π^t+1b,r^t+1b t←t+1end while 为验证算法性能,本节设计了一个仿真场景将传统切换算法(THA)与本文所提自适应负载平衡切换算的性能进行对比。主要比较了两种情况下的切换算法执行效能: 1) “总是开”的情况下,即基站总是开着并且以其最大功率传输; 2) “开-关切换”是指基站能够在开和关模式之间切换,并根据其选择的策略进行传输的情况。 仿真场景为500×500 m2的正方形区域,系统仿真参数如表2所示。切换过程需保证切换的数量尽可能小,否则数量增加会导致功率损耗和能源效率降低。 图2所示为5个基站和30个用户的平均切换数量与不同用户速度的关系。可以看出,本文算法在“开-关切换”情况下的平均基站数少于传统切换算法THA,在5 m/s的速度下的性能高达40%左右。 表2 系统仿真参数 图2 用户平均切换数量与速度关系图 本文对5G无线通信系统中能耗及移动性进行了研究,提出了一个的双层HetNet模型。该模型包括一个位于区域原点的宏基站(MBS)和一组均匀位于MBS覆盖范围内的小区基站。 本文在系统建立及模型验证时运行在较理想环境,假定模型干扰服从高斯白噪声。未来研究的方向可包括随机误差、通信时延等方向。3 仿真分析
4 总结