本發(fā)明屬于無線通信網(wǎng)絡(luò)技術(shù)領(lǐng)域，主要涉及異構(gòu)蜂窩網(wǎng)絡(luò)中基于增強(qiáng)型小區(qū)間干擾協(xié)調(diào)(eicic)的能效優(yōu)化問題，具體涉及eicic的幾乎空白子幀(abs)分配、用戶接入和用戶時(shí)域資源聯(lián)合分配的實(shí)現(xiàn)方法。

背景技術(shù)：

為了滿足無線數(shù)據(jù)快速增長的需求，4g長期高級演進(jìn)(lte-a)規(guī)定了在現(xiàn)有的高功率宏蜂窩網(wǎng)絡(luò)下部署低功率節(jié)點(diǎn)(例如家庭基站或微基站)。由于異構(gòu)蜂窩網(wǎng)絡(luò)(hetnets)下行鏈路中的基站(bs)間發(fā)射功率存在較大的差異，尤其宏蜂窩具有比微蜂窩具有更大的覆蓋區(qū)域。通過將用戶分配到微蜂窩的負(fù)載均衡可以提高密集異構(gòu)蜂窩網(wǎng)絡(luò)(hetnet)的容量。此外，宏基站高功率和密集微蜂窩的干擾將嚴(yán)重限制了5g異構(gòu)網(wǎng)絡(luò)部署場景系統(tǒng)的應(yīng)用。

為了減小宏蜂窩的干擾，3gpp標(biāo)準(zhǔn)提出了增強(qiáng)小區(qū)間干擾協(xié)調(diào)(eicic)的概念，宏蜂窩通過在部分子幀保持下行鏈路的靜默減少對微蜂窩的干擾，被稱為幾乎空白子幀(almostblanksubframes，abs)。eicic中有兩個(gè)重要的特征：用戶接入問題和幾乎空白的子幀(abs)的分配。首先，將用戶分配給宏蜂窩或微蜂窩，可以保證微蜂窩欠利用或過度利用。其次，通過宏蜂窩和微蜂窩在時(shí)域的干擾協(xié)調(diào)，減少宏蜂窩的干擾以輔助微蜂窩傳輸。因此，對于微蜂窩，在abs子幀上將受到更少的干擾，使得接入微蜂窩的用戶獲得更高的傳輸速率。

eicic配置問題與用戶接入相結(jié)合，即abs和用戶接入決定了基站可用的資源和負(fù)載分配。大多數(shù)現(xiàn)有研究主要著重于不同的動(dòng)態(tài)abs配置方案，主要考慮宏蜂窩和微蜂窩之間的負(fù)載分配與之對應(yīng)的動(dòng)態(tài)變化。但主要關(guān)注的是系統(tǒng)的容量及吞吐量，忽略了系統(tǒng)的能源效率(ee)。而且僅考慮abs配置不能滿足在微蜂窩數(shù)量較大時(shí)，微蜂窩之間的同層干擾。有研究指出不同層設(shè)置不同的偏置(bias)規(guī)則對于負(fù)載均衡及節(jié)能不是最佳的，基于能效優(yōu)化的用戶接入和基于干擾管理的負(fù)載均衡是不相同的。未來的異構(gòu)蜂窩網(wǎng)絡(luò)中應(yīng)共同考慮干擾管理和能耗優(yōu)化。因此，需要研究如何設(shè)置ee-eicic(energyefficiencyoptimizationenhancedinter-cellinterferencecoordination)的配置參數(shù)，聯(lián)合用戶接入和abs分配的能量優(yōu)化，這些規(guī)范在eicic標(biāo)準(zhǔn)也尚未給出。

技術(shù)實(shí)現(xiàn)要素：

為了克服上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提出了一種異構(gòu)網(wǎng)絡(luò)增強(qiáng)型小區(qū)間干擾協(xié)調(diào)的能效優(yōu)化方法。在提升系統(tǒng)的容量和能源效率的同時(shí)，保持宏蜂窩和微微蜂窩之間的負(fù)載均衡，首先通過分?jǐn)?shù)規(guī)劃理論提出了迭代算法，然后通過簡化用戶接入和abs分配問題，采用兩步的松弛和取整算法來進(jìn)一步降低計(jì)算成本。本發(fā)明的數(shù)值結(jié)果驗(yàn)證了該方案的收斂性能，在一定和速率代價(jià)選，系統(tǒng)和用戶的能量效率可以得到顯著的改善。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

一種異構(gòu)網(wǎng)絡(luò)增強(qiáng)型小區(qū)間干擾協(xié)調(diào)的能效優(yōu)化方法，其特征在于，包括以下步驟：

1)構(gòu)建一個(gè)由宏蜂窩和微蜂窩構(gòu)成的雙層tdd-lte異構(gòu)蜂窩網(wǎng)絡(luò)系統(tǒng)，其中用戶僅可以選擇接入一個(gè)基站：宏基站或者微基站；

2)對于每一個(gè)宏基站覆蓋的區(qū)域內(nèi)，在該區(qū)域內(nèi)的微基站和用戶測量信道狀態(tài)和干擾狀態(tài)，將其發(fā)送給宏基站，宏基站計(jì)算后進(jìn)行統(tǒng)一的資源調(diào)度；

3)用戶根據(jù)整個(gè)帶寬接收到的下行信號強(qiáng)度，選擇一個(gè)宏蜂窩和一個(gè)微蜂窩作為候選集合，再通過能效優(yōu)化的迭代、松弛轉(zhuǎn)化為凸規(guī)劃問題、取整為原問題的可行解(迭代-松弛-取整算法)，進(jìn)而選擇接入哪個(gè)基站；

4)首先進(jìn)行能效優(yōu)化迭代算法的初始化，選擇誤差ε＞0和最大的迭代次數(shù)kmax，設(shè)置ee中和迭代次數(shù)k＝0；

5)執(zhí)行能效優(yōu)化迭代算法，當(dāng)k≤kmax和convergence＝false，對于一個(gè)給定的求解問題op2，得到ee-eicic子幀的分配策略如果則convergence＝true，返回最優(yōu)的ee-eicic的子幀分配策略和最大的否則設(shè)置和令k＝k+1；

式中參變量在步驟5進(jìn)行了統(tǒng)一的描述。

6)配置所述的ee-abs子幀協(xié)議，根據(jù)所述的迭代-松弛-取整算法，計(jì)算得到宏基站可以提供給受其干擾的微基站使用的ee-abs子幀數(shù)目；

7)根據(jù)所述的松弛-取整算法，分配下行的傳輸時(shí)間資源，并且得到用戶下行平均傳輸時(shí)間，確定用戶的傳輸速率和能耗，計(jì)算出用戶和系統(tǒng)能效；

8)計(jì)算結(jié)束后，將資源管理和調(diào)度的結(jié)果通知給各個(gè)微基站和用戶，從而各個(gè)用戶進(jìn)行基于能效的接入和數(shù)據(jù)傳輸。

所述的步驟4)、步驟5)、步驟6)、步驟7)中所使用的迭代-松弛-取整算法前期準(zhǔn)備及其過程如下：

a、建立sinr模型，同一個(gè)基站使用時(shí)分復(fù)用，小區(qū)內(nèi)只存在三類干擾：宏基站與宏基站、宏基站與微基站和微基站與微基站之間的干擾，根據(jù)干擾和abs協(xié)議，得到sinr模型；

b、根據(jù)sinr模型，采用香農(nóng)容量公式或者lte中sinr與速率的對應(yīng)表可以得到用戶的平均傳輸速率ru；

c、建立基于eicic的能效優(yōu)化模型；

進(jìn)而建立優(yōu)化問題(op1，optimizationproblem1)：

op1:

xu(yu,a+yu,na)＝0(4)

xu≥0,yu,a≥0,yu,na≥0(9)

式中，n⁺表示非負(fù)整數(shù)的集合，參變量在步驟5進(jìn)行了統(tǒng)一的描述。

d、由于約束式(4)和式(10)，op1是一個(gè)混合整數(shù)規(guī)劃問題，然而，即使消除約束式(4)并松弛式(10)到非負(fù)實(shí)數(shù)r⁺，但由于目標(biāo)函數(shù)的非凸性，op1仍然不是凸問題，首先利用分?jǐn)?shù)規(guī)劃，對op1的優(yōu)化問題重新轉(zhuǎn)化為優(yōu)化問題op2；

s.t.(2)-(10)

e、通過算法1所述的ee-eicic的迭代算法求解的轉(zhuǎn)化后的優(yōu)化問題op2，包括以下步驟：

①選擇誤差ε＞0和最大的迭代次數(shù)kmax；

②設(shè)置ee中和迭代次數(shù)k＝0；

③當(dāng)k≤kmax和convergence＝false；

對于一個(gè)給定的求解問題op2，得到ee-eicic子幀的分配策略

如果則convergence＝true，返回最優(yōu)的ee-eicic的子幀分配策略和最大的否則設(shè)置和令k＝k+1，繼續(xù)運(yùn)行步驟3；

f、松弛-取整算法求解op2；

首先，整數(shù)變量可以松弛為非負(fù)實(shí)數(shù)，從而得到凸規(guī)劃問題，便于求解，然后，通過取整操作得到op3的可行解，詳細(xì)說明如下。

3)松弛：將op2松弛為op3進(jìn)行求解；通過忽略約束式(4)和松弛約束式(10)中nm和ap上的可行空間，得到op3，放松約束式(10)后，nm和ap可以取非負(fù)實(shí)數(shù)，去除約束式(6)對優(yōu)化問題op1的影響主要在于用戶在下行鏈路傳輸中同時(shí)從宏蜂窩和微蜂窩接收無線資源，對于優(yōu)化變量op3建模為：

s.t.(2)-(3)和(5)-(9)

其中r⁺是非負(fù)實(shí)數(shù)的集合，參變量在步驟5進(jìn)行了統(tǒng)一的描述。

4)取整：在第二步中，對第一步求解的結(jié)果，適當(dāng)?shù)厣崛?，進(jìn)行取整操作，得到op2的可行解。

所述的步驟f中的取整操作詳細(xì)步驟如下：

①取整nm和ap：將nm和ap由正實(shí)數(shù)變?yōu)檎麛?shù)采用如下操作：

其中n'm和a'p為算法1的輸出。

②計(jì)算用戶從宏基站可以得到的下行傳輸速率和能耗：

和

③計(jì)算用戶從微基站可以得到的下行傳輸速率和能耗：

和

其中和為算法1的輸出。

④計(jì)算用戶的能效和比較用戶從宏基站和微基站的能效，若則用戶的接入宏基站，否則用戶接入微基站。

⑤計(jì)算每一個(gè)宏基站和微基站，計(jì)算其下行的利用率。

xm表示宏基站的non-abs利用率，yp,a和yp,na表示微基站的abs和non-abs的利用率，是接入宏基站的用戶集合，表示接入微基站的集合。

⑥計(jì)算每一個(gè)用戶，下行可以傳輸?shù)臅r(shí)間。

⑦計(jì)算接入宏基站的用戶能耗和可以得到傳輸速率：

和

⑧計(jì)算接入微基站的用戶能耗和可以得到傳輸速率：

和

⑨計(jì)算用戶能效：

式中參變量在步驟5進(jìn)行了統(tǒng)一的描述。

所述步驟b中的sinr具體模型如下：

對于接入微基站的用戶，用戶u的下行sinr建模為：

對于接入宏基站的用戶，用戶u的下行sinr：

然后，根據(jù)sinr模型得到用戶u的平均傳輸速率：

式中，prx(u)為用戶u下行接收到的功率；ppico(u)為受到其他的微基站的下行干擾；pmacro(u)為受到其他的宏基站的下行干擾；為在non-abs子幀從宏基站獲得的下行傳輸速率；為在abs子幀從微基站獲得的下行傳輸速率；為在non-abs子幀從微基站獲得的下行傳輸速率。

所述步驟c中所建立的優(yōu)化問題op1中各個(gè)優(yōu)化變量、主要參數(shù)和約束具體描述如下：

約束(2)表示用戶的傳輸速率不能超過從宏蜂窩或微蜂窩獲得的時(shí)間比例，以及用戶的最小速率要求；

約束(3)表示，用戶的能耗不能大于從宏蜂窩或微蜂窩的獲得的時(shí)間比例，以及用戶的最大功率限制；

約束(4)表示用戶僅能接入單個(gè)宏蜂窩或微蜂窩，而不能同時(shí)接入；

約束(5)表示在干擾集合ibs中abs子幀與non-abs子幀總數(shù)限制，其中ibs，bs∈{macro，pico}表示所有干擾微蜂窩和所有干擾宏蜂窩的集合；

約束(6)表示從宏蜂窩分配給用戶子幀的時(shí)間比例小于總的non-abs子幀數(shù)nm；

約束(7)表示從微蜂窩分配給用戶的abs子幀時(shí)間比例小于總的abs子幀ap；

約束(8)表示從微蜂窩分配給用戶的子幀時(shí)間比例小于總abs周期nsf，也表示從宏蜂窩或者微蜂窩分配給用戶的子幀數(shù)小于總的可用子幀數(shù)；

其中，u為用戶u的集合；m為宏基站macro的首字母縮寫；m為宏基站的m的集合；p為微基站pico的首字母縮寫；p為微基站p的集合；mu為接入宏基站的用戶集合；pu為接入微基站的用戶集合；nsf為abs的周期,一個(gè)abs幀包含的子幀數(shù)；nm為宏基站可以使用的non-abs子幀,即宏基站可以進(jìn)行下行傳輸?shù)淖訋瑪?shù)；ap為微基站可用的abs子幀，宏基站保持下行靜默；xu為mu中用戶在non-abs中的下行傳輸時(shí)間；yu,a為pu中用戶在abs的下行傳輸時(shí)間；yu,na為pu中用戶在abs的下行傳輸時(shí)間；yu,na為pu中用戶在non-abs的下行傳輸時(shí)間；為宏基站的傳輸功率；為宏基站廣播信號的傳輸功率；為微基站的傳輸功率；為用戶允許的最大接收功率。

本發(fā)明的有益效果是：

與現(xiàn)有的基于abs的接入算法相比，本發(fā)明首先考慮用戶最小的速率限制，以能效最大化為優(yōu)化目標(biāo)，建模為能效優(yōu)化問題。其次，通過考慮基站到基站干擾圖以及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，提出一種聯(lián)合abs分配和用戶接入的能效優(yōu)化混合整數(shù)非線性規(guī)劃問題。第三，采用廣義分?jǐn)?shù)規(guī)劃理論和凸優(yōu)化理論，發(fā)明了一種簡化的迭代和松弛取整的發(fā)法。最后，本發(fā)明以一定和速率為代價(jià)，在系統(tǒng)和用戶的能量效率方面可以得到顯著的改善。

附圖說明

圖1為本發(fā)明的異構(gòu)蜂窩網(wǎng)絡(luò)中eicic的干擾模型；

圖2為本發(fā)明的異eicic的abs幀結(jié)構(gòu)；

圖3是為本發(fā)明的異ee-eicic的迭代次數(shù)；

圖4為本發(fā)明的異能量效率隨用戶數(shù)的變化情況；

圖5為本發(fā)明的異能量效率隨微蜂窩數(shù)的變化情況；

圖6為本發(fā)明的異能量效率在網(wǎng)絡(luò)，最好用戶和最差用戶的對比；

圖7為本發(fā)明的異容量在網(wǎng)絡(luò)，最好用戶和最差用戶的對比；

圖8為本發(fā)明的異最優(yōu)的幾乎空白子幀比例隨微蜂窩數(shù)目的變化情況。

具體實(shí)施方式

以下結(jié)合附圖對本發(fā)明進(jìn)一步敘述：

考慮tdd-lte的兩層異構(gòu)蜂窩網(wǎng)絡(luò)系統(tǒng)，其中eicic的子幀和abs可以動(dòng)態(tài)配置。ue指的是用戶設(shè)備(例如，移動(dòng)設(shè)備)，并且演進(jìn)型基站(enodeb)執(zhí)行基站的無線資源管理，接納控制以及其他調(diào)度協(xié)調(diào)功能。

用戶模型：對于用戶下行鏈路傳輸，由ue根據(jù)在整個(gè)帶寬測量的接收信號強(qiáng)度來確定宏蜂窩和微蜂窩的最佳候選基站集。假設(shè)基站采用最大發(fā)射功率，并且用戶根據(jù)包括整個(gè)帶寬中的宏蜂窩和微蜂窩的所有基站的接收信號強(qiáng)度確定接入那個(gè)基站。因此，本發(fā)明從最壞的角度對eicic的能量效率進(jìn)行優(yōu)化。

干擾模型：為了得到sinr，將下行鏈路干擾區(qū)分為宏蜂窩與宏蜂窩干擾，宏蜂窩與微蜂窩的干擾，微蜂窩與微蜂窩的干擾三種類型，如圖1所示。宏蜂窩與宏蜂窩的干擾是由于大多數(shù)lte網(wǎng)絡(luò)中的1：1頻率復(fù)用引起。對于雙層tdd-lte，宏蜂窩和微蜂窩使用相同的帶寬，存在宏蜂窩與微蜂窩的干擾。微蜂窩使用相同的信道也存在相互干擾，即微蜂窩與微蜂窩的干擾。

eicicabs：對于宏蜂窩和微蜂窩共存的場景，提出的eicic主要用于宏蜂窩和微蜂窩之間的干擾協(xié)調(diào)。為了協(xié)助微蜂窩的下行鏈路的傳輸，宏蜂窩在幾乎空白子幀保持下行鏈路靜默，僅廣播控制信號。在本項(xiàng)發(fā)明中，本發(fā)明設(shè)計(jì)ee-eicic的abs配置，提高abs的能效利用率，并從能效的角度確定用戶接入和分配給用戶的子幀，如圖2所示。

sinr模型：基于干擾模型，得到sinr模型。然后通過香農(nóng)容量公式計(jì)算用戶的平均傳輸速率。對于基站間干擾圖，可以通過從基站間接收的信號強(qiáng)度大于給定的閾值或物理距離進(jìn)行確定。

sinr模型所使用的符號如下表

由于用戶在下行鏈路中僅接入單個(gè)宏蜂窩或微蜂窩，而不能同時(shí)接入宏蜂窩和微蜂窩。因此，可以將用戶分類為：接入宏蜂窩的用戶和接入微蜂窩的用戶兩種類型。對于接入微蜂窩的用戶，用戶可以在abs和non-abs上傳輸。對于接入微蜂窩的用戶，其干擾來自微蜂窩而不是來自宏蜂窩，因?yàn)楹攴涓C在abs中下行鏈路保持靜默。對于接入宏蜂窩的用戶，用戶僅在abs上傳輸，其中干擾主要來自微蜂窩和宏蜂窩。因此，用戶的sinr可以得到。

對于接入微基站的用戶，用戶u的下行sinr：

對于接入宏基站的用戶，用戶u的下行sinr：

然后，根據(jù)sinr模型得到用戶u的平均傳輸速率。

優(yōu)化變量和主要參數(shù)表示如下：

建模的優(yōu)化問題：本發(fā)明從三個(gè)方面進(jìn)行建模

1)用戶下行鏈路的能效接入，即從能效的角度，用戶接入最佳宏蜂窩或微蜂窩。

2)最佳的ee-abs分配，即在每個(gè)宏蜂窩中受到干擾的微蜂窩，通過干擾協(xié)調(diào)分配abs，降低微蜂窩受到宏蜂窩的干擾，從而提高系統(tǒng)的能效。

3)用戶的平均傳輸時(shí)間，即每個(gè)abs周期分配用戶子幀的時(shí)間比例，確定每個(gè)abs周期的用戶傳輸速率和能耗。

考慮用戶的最小速率要求，本發(fā)明最大化網(wǎng)絡(luò)的能效進(jìn)而建立優(yōu)化問題(op1，optimizationproblem1)，其中優(yōu)化變量通過優(yōu)化問題op1獲得ee-eicic算法。

xu(yu,a+yu,na)＝0(4)

xu≥0,yu,a≥0,yu,na≥0(9)

其中n⁺表示非負(fù)整數(shù)的集合。

約束(2)表示用戶的傳輸速率不能超過從宏蜂窩或微蜂窩獲得的時(shí)間比例，以及用戶的最小速率要求。約束(3)表示，用戶的能耗不能大于從宏蜂窩或微蜂窩的獲得的時(shí)間比例，以及用戶的最大功率限制。約束(4)表示用戶僅能接入單個(gè)宏蜂窩或微蜂窩，而不能同時(shí)接入。約束(5)表示在干擾集合ibs中abs子幀與non-abs子幀總數(shù)限制，其中ibs，bs∈{macro，pico}表示所有干擾微蜂窩和所有干擾宏蜂窩的集合。約束(6)表示從宏蜂窩分配給用戶子幀的時(shí)間比例小于總的non-abs子幀數(shù)nm。約束(7)表示從微蜂窩分配給用戶的abs子幀時(shí)間比例小于總的abs子幀ap。約束(8)表示從微蜂窩分配給用戶的子幀時(shí)間比例小于總abs周期nsf，也表示從宏蜂窩或者微蜂窩分配給用戶的子幀數(shù)小于總的可用子幀數(shù)。

備注1：約束(4)確保用戶僅接入單個(gè)宏蜂窩或微蜂窩，則op1是整數(shù)規(guī)劃問題。此外，由于(9)中的連續(xù)變量ru,pu,xu,yu,a,yu,na和(10)包含非負(fù)整數(shù)變量ap,nm，op1是混合整數(shù)規(guī)劃問題。對于op1的求解通常是np-hard問題。在本發(fā)明中，本發(fā)明設(shè)計(jì)低復(fù)雜度的次優(yōu)方法。

首先對進(jìn)行問題轉(zhuǎn)化，由于約束(4)和(9)，op1是一個(gè)混合整數(shù)規(guī)劃問題。然而，本發(fā)明消除約束(4)并松弛(9)到非負(fù)實(shí)數(shù)r⁺，但由于目標(biāo)函數(shù)的非凸性，op1仍然不是凸問題。本發(fā)明首先利用分?jǐn)?shù)規(guī)劃，對(11)結(jié)構(gòu)重新進(jìn)行變換。

在不失一般性的情況下，本發(fā)明假設(shè)ru＞0和pu＞0。為了簡單，本發(fā)明用ψ表示op1中的可行區(qū)域。所以

其中和分別是op1的最優(yōu)解。

為了解決op1，本發(fā)明給出以下命題1,其證明過程采用廣義分式規(guī)劃理論。

命題1：存在唯一的最優(yōu)解當(dāng)且僅當(dāng)

命題1表示本發(fā)明可以通過等價(jià)的問題(21)解決op1，即op2。然而，通常是未知的。通過求解(11)用更新參數(shù)η代替來獲得op1的最優(yōu)解。注意，對于給定的η(例如，在迭代k次的ηk)，通過算法1中求解的轉(zhuǎn)化后的優(yōu)化問題op2

s.t.(2)-(10)

算法1ee-eicic的迭代算法

步驟1：選擇誤差ε＞0和最大的迭代次數(shù)kmax；

步驟2：設(shè)置ee中和迭代次數(shù)k＝0；

步驟3：當(dāng)k≤kmax和convergence＝false

對于一個(gè)給定的求解問題op2。得到ee-eicic子幀的分配策略

如果則convergence＝true,返回最優(yōu)的ee-eicic的子幀分配策略和最大的否則設(shè)置和令k＝k+1。

其次采用松弛-取整的算法：在本發(fā)明中，本發(fā)明采用多項(xiàng)式時(shí)間的兩步方法來求解op2。首先，整數(shù)變量可以松弛為非負(fù)實(shí)數(shù)，從而得到凸規(guī)劃問題，便于求解。然后，通過舍入松弛問題的取整操作得到op3的可行解。詳細(xì)說明如下。

松弛：將op2松弛為op3進(jìn)行求解。通過忽略約束(14)和放寬nm和ap上的可行空間，得到op3。放松約束(9)后，nm和ap可以取非負(fù)實(shí)數(shù)。注意，去除約束(4)對該問題的影響主要在于用戶在下行鏈路傳輸中同時(shí)從宏基站和微基站接收無線資源。對于優(yōu)化變量op3建模為：

s.t.(2)-(3)和(5)-(9)

其中r⁺是非負(fù)實(shí)數(shù)的集合。

取整：在第二步中，對第一步求解的結(jié)果，適當(dāng)?shù)厣崛耄M(jìn)行取整操作，得到op3的可行解。

松弛算法

松弛op3是一個(gè)凸規(guī)劃問題，存在多種有效的方法求解。在發(fā)明中，本發(fā)明采用cvx工具來解決op3，定義為算法2。

取整算法

與松弛問題不同，用戶的下行鏈路僅能接入單個(gè)宏蜂窩或者微蜂窩，而不能同時(shí)接入。為了獲得op2的nm和ap的可行解，本發(fā)明采用舍入取整的方法，具體如下

其中floor表示向下取整，ceil表示向上取整。

然后，可以通過取整算法2的輸出來近似地確定可行解。取整和能效接入的詳細(xì)過程如算法3。

算法3包括三部分。首先，通過定義的取整函數(shù)獲得nm和ap整數(shù)值。其次，通過用戶速率和能量消耗之比獲得用戶的能效，比較來確定用戶下行鏈路能效接入。第三，通過填充可用的子幀來計(jì)算下行鏈路的每個(gè)用戶可用的平均時(shí)間比例，得到用戶的速率和能量消耗。計(jì)算出系統(tǒng)的能效

本發(fā)明的仿真結(jié)果

本發(fā)明采用計(jì)算機(jī)模擬的方法驗(yàn)證所提出的方法?？紤]宏蜂窩和微蜂窩的重疊覆蓋在300m×300m的區(qū)域。宏基站的位于區(qū)域的中心位置，宏基站的密度為微基站和用戶的密度基于不同的場景設(shè)定，根據(jù)均勻分布產(chǎn)生，其中用戶和基站之間的最小距離不小于10m。本發(fā)明的仿真結(jié)果通過100次平均產(chǎn)生。

各個(gè)參數(shù)如下表所示：

算法的收斂性

在圖3顯示了一個(gè)宏蜂窩，兩個(gè)微蜂窩和三十個(gè)用戶的場景下，ee-eicic算法外循環(huán)的收斂次數(shù)，觀察到通常迭代十步可以完成收斂。對于ee-eicic算法的整體收斂速度，由于采用集中式方法實(shí)現(xiàn)，如cvx(即算法2)來求解給定因此，圖1顯示的收斂性也就是ee-eicic算法總體的收斂速度。

ee-eicic的性能

為了便于比較，對比如下兩種方法。

1)基于eicic的最大和速率優(yōu)化,表示為maxsumrate

2)基于eicic的最大效應(yīng)優(yōu)化，效應(yīng)函數(shù)為ln(ru),表示為maxsumlograte

本發(fā)明提出的方法:基于eicic最大能效優(yōu)化，表示為maxee。

圖4顯示了在宏基站數(shù)量為1，微蜂窩數(shù)量為2的場景下，用戶數(shù)量對系統(tǒng)能量效率的影響。從圖4可以看出，基于eicic最大能效優(yōu)化(maxee)相比maxsumlograte和maxsumrate有著顯著的能量效率增益。與maxsumrate和maxsumlograte相比，maxee可以將網(wǎng)絡(luò)能效平均提升9.52％和11.29％。特別地，隨著用戶數(shù)量的增加，提出的maxee可以獲得比maxsumlograte和maxsumrate更多的增益。因此，可以發(fā)現(xiàn)eicic需要從能源效率的角度進(jìn)行重新設(shè)計(jì)。

圖5顯示了在1個(gè)宏基站，30個(gè)用戶的系統(tǒng)中，微蜂窩數(shù)量對系統(tǒng)能量效率的影響。從圖5可以看出，提出的方案maxee相比maxsumrate和maxsumlograte的能效增長了23.44％和64.71％。此外，能效增益隨著微蜂窩的增加而增加，這意味著對于未來的超密集異構(gòu)蜂窩網(wǎng)絡(luò)，通過進(jìn)一步的資源分配可以獲得更大的能效增益，其中主要原因在于基站和用戶之間的距離變短，負(fù)載的動(dòng)態(tài)調(diào)整。

在圖6中，本發(fā)明從網(wǎng)絡(luò)的能源效率，最佳用戶和最差用戶三個(gè)方面對比三種方案的系統(tǒng)能效性能。從圖6可以看出，可以看到maxee對于系統(tǒng)中的最佳和最差用戶仍然具有較大的能量效率增益。

在圖6中，本發(fā)明從網(wǎng)絡(luò)的能源效率，最佳用戶和最差用戶三個(gè)方面對比三種方案的系統(tǒng)吞吐量。與其他兩種算法相比，maxee獲得較低的網(wǎng)絡(luò)速率。這是由于maxsumrate最大化系統(tǒng)的速率，maxsumlograte在系統(tǒng)吞吐量和用戶吞吐量公平性之間取得了很好的折中。從圖6和圖7可以看出，與maxsumrate和maxsumlograte方案相比，maxee需要一定系統(tǒng)容量代價(jià)，從而獲得系統(tǒng)能效提高。

圖8給出了在30個(gè)用戶系統(tǒng)中，不同密度的微蜂窩對maxsumlograte和maxee的最優(yōu)幾乎空白子幀(abs)比例的影響。從圖8中可以看出，當(dāng)微蜂窩變得更密集時(shí)，maxsumlograte和maxee的abs比例增加，但是本發(fā)明所提出的算法maxee的abs比例大于maxsumlograte。這是因?yàn)槲⒎涓C具有更高的能量效率。maxee增加了微蜂窩的傳輸時(shí)間，abs將變大。當(dāng)微蜂窩密集度增加時(shí)，對于maxee更多的用戶接入微蜂窩中。因此，ee-eicic更能充分利用微蜂窩的優(yōu)點(diǎn)。