基于基站休眠的负载合并动态功率控制算法*

2015-02-24张剑峰邵鑫鸿

通信技术 2015年5期

关键词：宏基蜂窝控制算法

向伟，张剑峰，邵鑫鸿，谢威

(解放军理工大学通信工程学院，江苏南京 210007)

基于基站休眠的负载合并动态功率控制算法*

向伟1，张剑峰2，邵鑫鸿2，谢威2

(解放军理工大学通信工程学院，江苏南京 210007)

在蜂窝系统中，采用基站休眠策略时,如果固定设置工作基站功率，将导致基站低负载时，网络功率效率降低。提出基于基站休眠的负载合并动态功率控制算法，低负载的宏基站进入休眠，负载较高的宏基站为工作基站，工作基站根据本小区及其分担的邻近休眠基站内的负载变化，动态调节自身的功率。仿真结果表明，所提出的动态功率控制算法在满足用户服务质量的前提下，有效降低了整个蜂窝网络的功率消耗。

蜂窝网络；功率效率；休眠策略；功率控制

0 引言

在蜂窝网络中，宏基站是最主要的能量消耗部分，宏基站用于传输信息的功率约占40%，余下部分用于基站的静态功率消耗如冷却系统、信号处理、电池储备。因此在蜂窝网络中，通过降低宏基站静态功率消耗来降低蜂窝网络能量消耗变得十分重要[1-3]。

在同一时刻不同位置的基站，其所在蜂窝小区内的负载相差很大；同时，在同一基站不同时刻其所在蜂窝小区内的负载变化较大[4]。基于蜂窝小区负载在时间和空间上的动态变化，提出了宏基站休眠策略。即针对某一蜂窝小区，在某一时刻蜂窝小区的负载很小时，使此小区宏基站处于休眠状态，同时增大与此蜂窝小区相邻且处于工作状态的宏基站的发射功率，使之能够满足休眠宏基站内的用户业务需求且可降低蜂窝网络整体功耗[5-7]。采用这种宏基站休眠策略时，工作基站为了满足休眠基站内的用户业务需求，将工作基站功率设定为一个较大的恒定值，而当其分担的邻近休眠基站内的负载较小时，则造成能量的浪费。为了解决这一问题，本文提出了利用核心网控制中心的协同调度功能，各个基站将本小区的负载统计发送给控制中心，控制中心根据各基站负载大小确定工作基站和休眠基站，休眠基站休眠后的负载统计由其邻近的工作基站完成。控制中心根据工作基站小区内的负载，以及工作基站分担的邻近休眠基站内负载对工作基站的发射功率进行动态调整。采用本文提出的基于基站休眠的负载合并动态功率控制算法，在满足休眠基站小区以及工作基站小区内用户需求的前提下，使工作基站的功率相应的设置一个较小值来降低整个网络的功率消耗。

本文第二部分介绍了研究的系统模型，包括网络模型、信道模型、下行链路传输信噪比模型、宏基站负载模型、宏基站功率消耗模型和用户成功接入概率。第三部分介绍了提出的基于基站休眠的负载合并动态功率控制算法。第四部分对提出的功率控制算法进行仿真及结果分析。第五部分为得出的结论。

1 系统模型

1.1 网络模型

宏基站分布服从一般的正六变形结构，为了研究所提出的动态功率控制算法，本文研究了由M个(M≤7)宏基站构成的网络模型，如图1所示。假设宏基站能容纳的最大负载为Tmax，将宏基站Bj在t时刻的负载归一化，归一化系数为pj∈[0,1][8]。根据基站休眠策略，当宏基站在t时刻的负载归一化系数为pj时，则宏基站以概率pj处于工作状态，以概率1-pj处于休眠状态。根据宏基站工作概率pj选定工作基站，当pj≥ξ时，则宏基站Bj设定为工作基站，当pj<ξ时，宏基站处于休眠状态，ξ为工作基站选定门限值。蜂窝小区内的用户接入离自己最近的工作基站，采用休眠策略后为了使蜂窝网络不出现覆盖漏洞，控制中心根据工作基站小区内负载以及其分担的邻近休眠基站内的负载调整工作基站的发射功率，以满足周围休眠基站原覆盖区域内用户业务需求。

图1 宏基站分布模型图

1.2 信道模型

本文中信号路径损耗采用文献[9]基站到用户基本路径损耗的修正模型，F为信号遭受的信道阴影衰落损耗系数，10log10(F)为信道阴影衰落损耗，服从均值为0，方差为σ2的正态分布，路径损耗表达式如下：

PL=L(d)-10log10(F)

(1)

式中,L(d)为基站到用户路径损耗的基本模型。

1.3 接收信号信噪比模型

便于分析，假设宏基站Bj在二维坐标原点上，宏基站Bj距离用户ux的距离为d。在背景噪声为加性高斯白噪声条件下，宏基站Bj到用户ux下行链路的接收信噪比如下[10]：

(2)

式中,Pt,x为宏基站的发射功率，高斯白噪声单边功率谱密度为N0，信道带宽为B。

1.4 负载模型

在图1场景中，假设每个宏基站有N个可用信用于传输信息，单个信道带宽为B。为了消除相邻基站之间的干扰，假设相邻基站之间使用不同载波频率。由式(2)计算出宏基站到用户ui的信噪比SNRi。则可知宏基站负载如下[11]：

(3)

式中,n为宏基站内的用户数n∈{0,1,…,N}，ui=u0时，SNR0为0，表示蜂窝小区内用户数为0。

1.5 功率消耗模型

宏基站功率消耗表达式如下[12]：

P=Pms+βPm

(4)

Pm为基站射频端发射功率，β为基于基站负载的功率控制系数。Pms为基站静态功率消耗，包括降低基站工作环境的冷却系统、信号处理模块、电池备用系统等消耗的功率，独立于基站发射功率。本文中的功率效率定义为网络负载除以网络功率消耗，单位为：(kbit/s/w)。

1.6 成功接入概率

当基站采用休眠策略时，处于休眠状态的宏基站内的用户业务由距其最近的工作基站服务，需要增大工作基站功率来覆盖周围休眠基站小区内的用户业务需求；同时必须满足用户基本服务质量，因此，需要计算休眠基站原覆盖范围内用户的成功接入概率[13]。

(5)

式中，γ为用户端最小信噪比门限值，Pr,th为用户接收信号功率强度门限值。当用户端信噪比大于γ时，则此用户能够与基站进行正常通信；当用户端信噪比小于γ时，则此用户被中断，不能与基站进行正常通信。

2 算法说明

在图1场景中，假设宏基站B0小区内负载较大，其工作概率大于ξ，而将其作为工作基站；由于邻近宏基站B1,B2,…,BM小区内负载较小，工作概率小于ξ，而处于休眠状态。宏基站B1,B2,…,BM休眠后，为了使休眠基站小区内的用户不受影响，控制中心根据工作基站B0的负载以及其分担的休眠基站B1,B2,…,BM的负载调整工作基站B0的发射功率，实现对工作基站小区及已休眠基站原覆盖小区的覆盖。

工作基站总负载和网络总负载表达式如式(6)和式(7)，式(6)中Ij为第j个宏基站休眠的指示变量，当pj≥ξ时，Ij=0；当pj<ξ时，Ij=1，n为工作基站内用户数，mj为第j个基站内的用户数。

(6)

(7)

在宏基站最大负载为Tmax条件下，式(6)中第一部分为工作基站B0自身的负载，第二部分为宏基站B1,B2,…,BM休眠后转移给工作基站的负载。

网络总功率消耗如下：

(8)

式(8)中第一部分为工作基站总功率消耗；第二部分为宏基站B1,B2,…,BM以概率pj处于工作状态的功率消耗之和，以区群大小7为例，j∈(1,2,3,4,5,6)。

2.1 基于基站休眠的负载合并动态功率控制算法

假设宏基站通过功率调整能承载的最大负载为Tmax，对周围处于休眠状态下的宏基站B1,B2,…,BM负载归一化:

(9)

本文算法如下：

(1)式(9)中A为负载归一化值，T0为工作基站自身的负载；

(2)当A>1时，工作基站的负载超出最大负载；

(3)确定周围处于休眠状态下拥有最大负载的宏基站，即从宏基站B1,B2,…,BM中确定此时负载最大的基站；

(4)在满足A>1条件下，将处于休眠状态下拥有最大负载的宏基站开启；

(5)采用式(9)再次对处于休眠状态下的宏基站小区负载进行归一化，如果A>1，则重复(3)、(4)、(5)，直到A≤1；

(6)当A≤1时，β=1+A，β中的1为工作基站为满足自身用户业务需求所消耗的功率比例，A为工作基站为满足周围休眠基站原覆盖区域内用户业务需求消耗的功率比例。

2.2 基于基站休眠的固定功率控制算法

文献[14]的算法与本文的不同之处在于，采用基站休眠策略将工作基站选定后，工作基站将β设定一个能够满足基站最大负载时的值，并一直保持不变。

3 仿真与结果分析

为了验证本文提出的动态功率控制算法是否有效降低了蜂窝网络的功率消耗，本文使用MATLAB进行仿真，假设射频端的发射功率平均分配给每个用户，仿真参数如表1、表2和表3所示[15]：

表1 仿真参数

表2 仿真参数

表3 仿真参数

仿真时将表1、表2和表3参数代入文献[9]的路径损耗基本模型中，可得L(d)：

(10)

d0为路径损耗参考距离。

由图2可知，根据网络消耗的总功率计算，本文提出的动态功率控制算法相对于固定功率控制算法，平均节省了约20%的功率。图2曲线后半部分出现的凸起是由于邻近休眠基站的负载大于休眠门限值而被开启，导致整个网络的功率消耗有较大的增加。与本文算法相比，因为固定功率控制算法在休眠基站负载大于休眠门限值，而工作基站负载又不超出最大负载时，对应的休眠基站被唤醒，所以导致图2曲线后半部分固定功率控制算法网络总功率的剧然增加提前于本文算法。

由图3可知，本文算法单位功率内的平均数据速率比固定功率控制算法提高了约25%。图3曲线后半部分突然下降是由于休眠基站内的负载大于休眠门限值而开启，导致网络总能量消耗突然增加，同时网络负载的增加没有功率增加得快；之后曲线上升是由于被开启的宏基站内的负载未达到饱和而继续增加。与本文算法相比，因为固定功率控制算法在休眠基站负载大于休眠门限值，而工作基站负载又不超出最大负载时，对应的休眠基站被唤醒，所以导致图3曲线后半部分固定功率控制算法网络功率效率突然提前于本文算法下降。

在节省功率的同时必须考虑通信的服务质量，如图4所示，本文算法的成功接入概率达到了90%以上，与固定功率控制算法相比，性能相差很小。由于工作基站总负载的增加导致发射功率相应的增加，本文算法的成功接入概率会保持在一个相对稳定的范围内。对于固定功率控制算法，由于从起始时刻工作基站功率就设定为一个较大的固定值，同时从起始时刻网络负载较少，所以其成功接入概率会较大。对于固定功率控制算法曲线中间部分和最后部分出现的下降，是由于邻近休眠基站内的负载达到最大时，导致分配给每个用户的功率减小,所以每个用户的成功接入概率会下降。

图2 两种算法的功率消耗对比

图3 两种算法功率效率对比

图4 两种算法成功接入概率对比

4 总结

在蜂窝系统中，本文将基站休眠与负载合并算法相结合，提出的基于基站休眠的负载合并动态功率控制算法有效地降低了整个蜂窝网络的功率消耗。工作基站根据本小区及其分担的邻近休眠基站的负载，动态调节自身的发射功率。在满足用户服务质量前提下，整个蜂窝网络的功率消耗有较大地降低，功率效率有明显提高。目前的网络类型是同构蜂窝网络，在未来工作中考虑在异构蜂窝网络中对宏基站以及微蜂窝基站采用本文提出的动态功率控制算法以降低整个网络的功率消耗。

[1] Saker L, Elayoubi S E, Chahed T. Minimizing Energy Consumption via Sleep Mode in Green Base Station[C]. Wireless Communications and Networking Conference (WCNC) on IEEE, 2010:1-6.

[2] Hasan Z, Boostanimehr H, Bhargava V K. Green Cellular Networks: a Survey, Some Research on Issues and Challenges[J]. Communications Surveys & Tutorials on IEEE, 2011, 13(4): 524-540.

[3] Auer G , Giannini V, Desset C, et al. How Much Energy is Needed to Run a Wireless Network[J]. Wireless Communications on IEEE, 2011, 18(5): 40-49.

[4] Willkomm D, Machiraju S, Bolot J. Primary Users in Cellular Networks: A Large-Scale Measurement Study[C]. New Frontiers in Dynamic Spectrum Access Networks 3rd Symposium on IEEE, 2008:1-11.

[5] NIU Z, WU Y, GONG J, et al. Cell Zooming for Cost-Efficient Green Cellular Networks[J]. Wireless Communications on IEEE, 2010, 48(11): 74-79.

[6] Mclaughlin S, Grant Peter M, Thompson J S, et al. Techniques for Improving Cellular Radio Base Station Energy Efficiency[J]. Wireless Communications on IEEE, 2011, 18(5): 10-17.

[7] CHEN Tao, YANG Yang, ZHANG Hong-gang, et al. Network Energy Saving Technologies for Green Wireless Access Networks[J]. Wireless Communications on IEEE, 2011, 18(5): 30-38.

[8] Krishnamachari E B. Energy Savings Through Dynamic Base Station Switching in Cellular Wireless Access Networks[C]. Global Telecommunications Conference on IEEE, 2010:1-5.

[9] IEEE802.16j Relay Task Group. Multi-hop Relay System Evaluation Methodology (Channel Model and Performance Metric)[J]. IEEE 802.16 Broadband Wireless Access Working Group, 2007.

[10] 陈甄，张毅，肖琨.自适应系统中基于场景的信噪比预测算法[J].通信技术，2014，47(3)：247-252. CHEN Zhen, ZHANG Yi, XIAO Kun. Scenario-based SNR Prediction Method in Adaptive System[J]. Communication Technology, 2014, 47(3): 247-252.

[11] Alam A S, Dooley L S,Poulton A S. Energy Efficient Relay-Assisted Cellular Network Model using Base Station Switching[C].Global Telecommunications Workshop on Multicell Cooperation on IEEE,2012:1155-1160.

[12] Richter F, FehskeA J, Fettweis G P. Energy Efficiency Aspects of Base Station Deployment Strategies for Cellular Networks[C]. 70thVehicular Technology Conference (VTC) on IEEE, 2009:1-5.

[13] CAO D, ZHOU S, ZHANG C, et al. Energy Saving Performance Comparison of Coordinated Multi-Point Transmission and Wireless Relaying[C]. Global Telecommunications Conference (GLOBECOM 2010) on IEEE, 2010:1-5.

[14] Soh Yong Sheng, Quek Tony Q.S, Kountouris Marios, et al. Energy Efficient Heterogeneous CellularNetworks[J]. Selected Areas in Communications,IEEE Journal on, 2013, 31(5): 840-850.

[15] 3GPP Organizational Partners. Technical Specification Group Radio Access Network: Radio Frequency System Scenarios- 3gpp tr 25.942 [J], 2011.

Load Merge Dynamic Power Control Algorithm based on Base Station Sleeping-Mode

XIANG Wei1, ZHANG Jian-feng2, SHAO Xin-Hong2, XIE Wei2

(College of Communications Engineering, PLA University of Science and Technology, Nanjing Jiangsu 210007, China)

With base-station sleeping strategy in a cellular system, the fixed setting of base-station power would reduce network power efficiency when base station being in low load. A load merge dynamic power control algorithm based on base station sleeping strategy is proposed, and when low load MeNB is switched to sleeping-mode, heavy load MeNB acts as working base-station. Working base-station dynamically adjusts the transmit power in accordance with the load fluctuations of its own cell and the contributory neighboring sleeping-mode base-station. Simulation results show that the proposed dynamic power control algorithm could effectively reduce the power consumption of the entire cellular network with satisfaction of the user’s QoS guarantees.

cellular network; power efficiency; sleeping strategy; power control

10.3969/j.issn.1002-0802.2015.05.010

2015-01-02；

2015-03-24 Received date:2015-01-02；Revised date：2015-03-24

江苏省自然科学基金项目(BK2011002)；国家自然科学基金项目(No.61371123);江苏省青年学者自然科学基金项目(BK2012055)；国家青年学者自然科学基金项目(No.61301165)资助课题

Foundation Item:Jiang Su Province Natural Science Foundation (BK2011002); National Natural Science Foundation(No.61371123);Jiang Su Province Natural Science Foundation for Young Scholar(BK2012055);National Natural Science Foundation for Young Scholar(No.61301165)

文献标志码：A 文章编号：1002-0802(2015)05-0555-05