亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

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)化方法與流程

文檔序號:11523849閱讀:413來源:國知局
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)化方法與流程

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:

③計(jì)算用戶從微基站可以得到的下行傳輸速率和能耗:

其中為算法1的輸出。

④計(jì)算用戶的能效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:

⑧計(jì)算接入微基站的用戶能耗和可以得到傳輸速率:

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)。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1