马晓莉

（中国移动通信集团 中国移动通信集团陕西有限公司榆林分公司，陕西 榆林 719000）

0 引 言

在5G网络中，有效分配未授权用户是一个重要的研究课题。能源效率作为5G网络面临的主要问题之一越来越受到关注。目前，超密集网络已引起业界的广泛关注，而网络协同与干扰管理是提升高密度无线网络容量的核心问题[1]。基于协同感知的能量有效性优化算法，将有可能使频谱效率和功率效率在4G的基础上提升一个量级，开辟出新一代移动通信频谱利用的新格局[2-4]。

1 能量有效性优化算法

1.1 基于协同感知的5G通信网络模型

为提高节点部署的灵活性，降低部署成本，可采用与接入环节相同的频谱技术重构无线回传网络模型。由于5G通信资源的利用十分复杂，不局限于终端业务而是向节点提供中继业务，因此需要结合协同感知的能量有效性优化算法，采集包括组网方式和无线资源管理在内的无线回传网络频谱。若采集间隙周期为t，采用同步时分双工模式，PU模式在各频段的工作时间独立，且具有相同分布的切换过程H1/H0[5]。认知网的工作时隙由频谱感知时隙G和数据传输时隙a组成。由于认知网在认知用户的频谱感知阶段传输功率很小，因此采用基于能量检测的双协作感知机制和动态时分多址感知调度机制，通过认知网的SU-TXs值判断主用户是否在工作或空闲。检查PU-TX感知率和PU-RXn感知率是否在通信，即n个信道是否空闲。基于此，计算5G网络探测概率和虚警概率，具体算法为：

在5G通信能力计算过程中，计算维度能力的提高与通信网络能力的提高呈线性相关。因此，将计算和通信有效结合在一起可促进未来通信网络的可持续性发展。归纳通信与计算一体化的基本理论研究方向，定义和构建网络效用能力并将其转化为计算能力，利用虚拟化和网络化技术实现资源的有效配置。以“计算度”来衡量计算水平，计算水平代表操作所涉信息流的数量。进一步计算协同感知时间τ：

其中，s1、s2、s3分别代表5G通信异构网络中继的协作感知概率、虚警率以及独立探测率，其u、z和m为机制间隔时间R可以根据认知用户数调整，以实现时间灵活性的最佳。对于通道w，确定第n个信息的发射功率为L(n)k。在数据传输阶段，5G通信的发射功率为K(n)，则进一步对5G通信异构网络多维度能力参数进行规范，具体算法为。

基于上述算法对5G通信异构网能量进行合理分配，采用等效变换结构和连续凸近似法进行优化。在5G通信异构网中，提高通信功率效率和频谱利用率，使5G通信异构网的容量和服务能够灵活地分配到不同的接入技术和覆盖层，同时需要在超密集异构网络中合理控制节点距离。5G通信异构网节点间的距离虽短，但性能差别很大。不同的接入技术和覆盖层之间、不同的无线接入技术之间以及不同的覆盖层之间，可能存在频谱共享干扰。实现多个无线接入技术和多个覆盖层的共存是目前需要解决的问题。

2 5G通信网感知能源效率算法优化

基于优化后的5G通信网络结构，进一步将协作感知能源效率集成到移动通信网，构建一个增强的基站，通过软件更新或增加模块来协调核心网络并进行统一管理。此外，协同可感知技术指导下的能源效率部署位置可以基于5G通信性能进行规划，将感知能量部署到集合点，以提供广泛的短期服务和云业务支持。由于5G通信对传输延时的控制要求较高，因此可在无线接入点部署大量具有协作感知能量效率的网络，从而极大地提高网络的总体性能。例如，网络访问、移动管理功能以及网络开放功能与用户层共同部署，以提高随后的协同感知能源效率，减少延迟和界面配置负担。

利用协同感知的能量有效性优化算法对通信特征数据进行离散化处理，以实现对网络通信信息的动态识别。在离散处理过程中，采用双协作的动态能量感知机制，可解决能耗和延时问题；利用特征分析模型描述用户身份，提取新的帧号网络用户识别特征，与用户端和特征分析模型进行匹配，确定动态用户登录数字网络的背景点和前置点。利用特征分析模型观察特定网络用户动态能量特征信息的可行性，具体算法为：

式中，c为动态信息量，ai为信息分量i的权重，fi(n)为特征分析维度。在5G网络中设计一个N组子图模块，通过组合滤波得到d个通信能量估计值。要保障这些通信能量估计值不重合，且每个子估计值都或多或少地与过滤波相关联。通过协同感知将其关联信息组合起来，可进一步处理信息组线性变化、收缩变换噪声以及可逆线性变换数值，分别记为qij和eij。用可逆线性变换方法进一步构建能效优化系数，将网络结构的平均吞吐量和总能耗分别记为γ和λ，则网络通道的平均能效函数算法为：

根据通信样本密度确定其他相应视点的低频值，算法为：

为使Su-txk在保证终端用户服务质量的前提下更有效地建立和规范搜索项的持续时间，可以结合式（7）进一步进行优化。通过改善搜索项性能，优化后台服务运行时间，提高终端用户的数据搜索能力，可达到更好的搜索效果。基于追踪的网络用户身份，可将其分为3个小的网络用户身份。通过协同感知的能量有效性优化算法，对通信频率进行似然判断。利用协同感知原理对隶属度识别结果进行模糊处理。利用协同感知的能量有效性优化算法的优势，可实现协同能源效率参数所需功能的虚拟化，并在移动通信网络结构中实现能源效率参数的无缝集成，提供边缘计算和存储能力，满足低时延和高运算量的业务需求。

3 实验结果分析

为了验证基于协同感知的能量有效性优化算法在5G通信中的应用效果，与传统方法进行对比实验。若5G通信网络中未经授权的单位数量为n，随机分布在其周围，每一个非加权区权重为m，通信载波数下降到12，其中可用载波数是8，且在整个频带上都有分布。5G通信网络信道为瑞利衰落模式，信道损耗模型126.4+32.5lgd，d为用户与基站之间的距离，有效载波带宽为15 kHz，噪声为-168 dBm/Hz。其中，动态功耗值为3.0 W，静态功耗值为1.6 W，功耗放大系数为0.2。基于上述实验环境对传统方法下的通信能耗数值及本文方法下的通信能耗数值进行对比和记录，具体结构如表1所示。

表1 对比实验检测结果

观察表1检测结果可知，相对于当前的5G通信技术的实际应用效果而言，本文提出的基于协同感知的能量有效性优化算法在5G通信中的应用效果更优，应用功耗和信息通信时延明显降低，能量利用率相对传统方法明显提高。

4 结 论

当前，我国对5G技术的研究仍处于起步阶段，今后几年将是确定5G技术需求、关键指标以及使能技术的关键时期。因此，提出基于协同感知的能量有效性优化算法在5G通信中的应用，通过进一步提高频谱的利用率改变网络结构，开发利用新的频谱资源，有效提高系统容量，降低能耗，以期为今后通信行业的发展提供参考依据。