本发明属于移动通信领域，具体涉及一种C-RAN(CloudRadioAccessNetwork)架构下基带处理池的节能方法。
背景技术：
：随着智能手机和平板电脑的增加，移动数据流量正急速增长。据估计，移动数据流量在2012年到2017年会增长13倍。为了满足这日益增长的需求，运营商需要部署更多的设备，资本支出(CAPEX)和运营支出(OPEX)随之增长，同时也导致更多的能量消耗。另一方面，运营商也面临着节能减排的企业责任。针对这种情况，无线接入网(CloudRadioAccessNetwork，C-RAN)应运而生，C-RAN是基于集中化处理，协作式无线电，和实时云计算的绿色无线接入网构架。C-RAN是一种新型无线接入网构架，包括三部分，由远端无线射频头(RRH)组成的分布式网络，高带宽低延迟的光纤链路(FiberLink)传输数据，具有实时虚拟技术的基带处理池(BBUPool)。它采用协作化、虚拟化等技术实现资源共享和调度，与传统无线接入网相比减少了基站数量，降低了成本，减少了能耗。C-RAN已经被视作5G移动网络中一种重要的实现方式。C-RAN将BBU抽离出来组成一个基带处理池，不仅大量减少了BBU的数量和BBU的能耗，并且集中化的管理也使得外围设备减少，进一步减少了系统能耗。但是，现有技术中使用中在基带处理池中的BBU不管是闲时还是忙时都是出于活跃状态，没有进行动态切换，这导致了在闲时的能耗浪费。在C-RAN中，一个BBU对应着一个RRH或者多个RRH，而BBU在睡眠状态时的能耗远小于活跃状态。因此，判断网络的拥挤状况以此来关闭一些多余的活跃状态的BBU是值得研究的。技术实现要素：本发明针对现有技术中，BBU闲时存在能耗浪费的问题，提出一种C-RAN架构下基带处理池的节能方法。具体步骤如下：步骤一、针对某个下行的云无线接入网，建立用户，RRH和BBU池的系统模型；BBU池内包括若干BBU，每个BBU分别各连接若干RRH，每个RRH分别各通过一个fronthaul链路连接入BBU池中；与每个BBU相连接的RRH集合为{1,2,...,i,...,N}；每个fronthaul链路容量有限。每个RRH为至多M个用户提供服务；用户集合为{1,2,...,j,...,M}；步骤二、针对某个特定BBU，获取与该BBU相连的第i个RRH传输到用户j需要的速率rij和预编码矩阵cij；步骤三、根据预编码矩阵cij，计算特定BBU和与该BBU相连的所有RRH之间的传输功率使用率ρtrans；具体步骤如下：步骤301、根据预编码矩阵cij计算用户j从第i个RRH收到的传输功率pij；pij=cijH·cij]]>为预编码矩阵cij的转置矩阵。步骤302、计算第i个RRH对服务的M个用户的传输功率矩阵Vi；Vi＝[pi1,pi2,...,pij,...,piM]步骤303、针对第i个RRH，特定BBU获取传输功率矩阵Vi中非零元素的个数作为基带信号数N(Vi)；N(Vi)＝||Vi||0||Vi||0表示向量中非零元素的个数；||Vi||0≤M。步骤304、分别统计与特定BBU相连的所有RRH的基带信号数，进一步计算传输功率使用率ρtrans；ρtrans=1Nmap·Σi=1NmapN(Vi)M]]>Nmap表示与特定BBU相连的所有RRH的数量。步骤四、根据传输速率rij，计算特定BBU和与该BBU相连的所有RRH之间的通信量使用率ρtraff；具体步骤如下：首先、计算所有连接到第i个RRH的用户能达到的最大速率rmax；rmax＝BWRRH·log2(1+SINR)BWRRH表示第i个RRH的带宽，SINR表示第i个RRH与用户之间的信号与干扰加噪声比。然后、根据最大速率rmax，计算特定BBU与第i个RRH的通信量负载LOADi：LOADi=Σj=1Mrijrmax]]>其中，最后、分别计算特定BBU与所有相连的RRH之间的通信量负载，进一步计算通信量使用率ρtraff；ρtraff=1Nmap·Σi=1NmapLOADi]]>步骤五、针对特定BBU，根据所有RRH的传输功率使用率ρtrans和通信量使用率ρtraff，计算该BBU的资源使用率ρBBU；ρBBU=δ·ρtrans+(1-δ)·ρtraff=1Nmap·Σi=1Nmap[δ·||Vi||0M+(1-δ)·Σj=1MrijBWRRH·log2(1+SINR)]]]>δ表示传输功率使用率ρtrans的比重值，0≤δ≤1；步骤六、根据特定BBU的资源使用率ρBBU，设置该BBU的核心变量φ(i)：φ(i)=δ·||Vi||0M+(1-δ)·Σj=1MrijBWRRH·log2(1+SINR).]]>步骤七、预定义BBU资源使用率的上限ρtop和下限ρbottom，并将BBU定义4种类型：过载BBU，正常BBU，轻负载BBU和睡眠BBU；针对第k个BBU，定义如下：过载BBU集合：正常BBU集合：轻负载BBU集合：睡眠BBU集合：步骤八、计算BBU池内每个BBU的资源使用率ρBBU，按4种类型进行划分并统计各种类型的数量；4种类型BBU的数量为：过载BBU的数量为N1，正常BBU的数量为N2、轻负载BBU的数量为N3、睡眠BBU的数量为N4。步骤九、根据BBU池内的所有BBU的核心变量以及类型数量，将BBU之间进行切换，实现节能。具体步骤如下：步骤901、判断过载BBU的数量N1是否小于正常BBU的数量N2，如果是，进入步骤902，否则，进入步骤903；步骤902、当0＜N1≤N2时，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到某个正常BBU，计算去除RRH后过载BBU的核心变量并进入步骤904；该正常BBU的资源使用率ρBBU在集合T2中最小且能接收切换的RRH，步骤903、当N1＞N2时，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU或者睡眠BBU，并计算去除RRH后过载BBU的核心变量；首先判断是否存在轻负载BBU，如果存在，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU，该轻负载BBU的资源使用率ρBBU在集合T3中最大且能接收切换的RRH，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；如果不存在轻负载，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到睡眠BBU，该睡眠BBU的资源使用率ρBBU在集合T4中最大，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；步骤904、判断BBU池中是否还存在过载BBU，如果存在，返回步骤901；否则，进入步骤905；步骤905、判断BBU池中的轻负载BBU的数量是否大于0，如果是，进入步骤906；否则，结束。步骤906、将轻负载BBU下映射的具有最大核心变量的RRH切换到正常BBU，并重新计算去除RRH后轻负载BBU的核心变量，返回步骤901；正常BBU的ρBBU在集合T2中最小且能接收切换的RRH。本发明的优点在于：1)、一种C-RAN架构下基带处理池的节能方法，可以计算特定BBU的资源使用率，为BBU的切换提供依据。2)、一种C-RAN架构下基带处理池的节能方法，可以动态切换BBU的状态，在不影响用户QoS的情况下关闭BBU池内一部分活跃BBU，使其进入睡眠状态从而节省能耗。附图说明图1为本发明云无线接入网中用户，RRH和BBU池的系统模型示意图；图2为本发明一种C-RAN架构下基带处理池的节能方法的流程图；图3为本发明用户，RRH和BBU池的系统模型仿真示意图；图4为本发明计算特定BBU和与该BBU相连的所有RRH之间的传输功率使用率流程图；图5为本发明计算特定BBU和与该BBU相连的所有RRH之间的通信量使用率流程图；图6为本发明BBU之间进行切换实现节能的方法流程图；图7为本发明网络负载和睡眠BBU数量在20s内的关系示意图；图8为本发明第20秒时30个BBU的资源使用率的示意图；图9为本发明20秒内BBU池内的能耗比较的示意图。具体实施方式下面将结合附图对本发明作进一步的详细说明。本发明是一种估算BBU池中BBU资源利用率的方案，并结合聚拢去除算法来决定BBU状态的切换，BBU的状态切换是随着传输功率使用率和通信量使用率动态调整的，被总结为3个步骤：首先，综合考虑了RRH与MUE之间的传输功率，每个MUE的速率需求，MUE的数量，预编码矩阵，RRH带宽，信号与干扰加噪声比等因素，根据这些信息算出传输功率使用率和通信量使用率。然后，在C-RAN的BBU池内，根据传输功率使用率和通信量使用率算出每个特定BBU的资源使用率。在此基础上，与预定义的上限值和下限值比较，将BBU分为过载BBU、正常BBU、轻负载BBU和睡眠BBU。统计BBU池中各种类型的BBU数量。最后，根据聚拢去除算法，动态切换特定BBU的状态，并使得相应的RRH连接到不同的BBU。如果有过载BBU，首先处理过载BBU。处理完所有过载BBU后再处理轻负载BBU。每次结束后再根据新的BBU资源使用率和BBU状态判断是否需要进行切换。该算法最后会将过载BBU和轻负载BBU去除，使其聚拢转换为正常BBU和睡眠BBU，在减少能耗的同时不影响用户的QoS需求。如图2所示，具体步骤如下：步骤一、针对某个下行的云无线接入网，建立用户，RRH和BBU池的系统模型；如图1所示，BBU池内包括若干BBU，每个BBU分别各连接若干RRH，每个RRH分别各通过一个fronthaul链路连接入BBU池中；与每个BBU相连接的RRH集合为{1,2,..i.,,..N.,；}每个fronthaul链路容量有限。每个RRH为至多M个用户提供服务；用户集合为{1,2,...,j,...,M}；如图3所示，在C-RAN中，BBU池内一个特定的BBU与多个RRH相关联，每个RRH最多与M个MUE通信。在RRH和MUE之间是多输入单输出(MISO)传输，每个RRH有N根天线，每个MUE只有单根天线。另外，BBU池与RRH之间的光纤链路具有有限的容量。当BBU池获取到从核心网传来的每个MUE的数据后，BBU池做基带处理，然后把基带信号和预编码矩阵传给相对应的RRH。收到信号的RRH将基带信号升频到射频段，接着根据预编码矩阵将数据传给需要的MUE。步骤二、针对某个特定BBU，获取与该BBU相连的第i个RRH传输到用户j需要的速率rij和预编码矩阵cij；记MUEj从第i个RRH处收到符号序列symbol∈S，每个符号具有单位功率；另外记相关的预编码矩阵为cij∈SN×1。考虑用户的QoS需求，连接到第i个RRH的MUEj需要速率rij。如果第i个RRH没有服务MUEj，那么rij＝0。步骤三、根据预编码矩阵cij，计算特定BBU和与该BBU相连的所有RRH之间的传输功率使用率ρtrans；如图4所示，具体步骤如下：步骤301、根据预编码矩阵cij计算用户j从第i个RRH收到的传输功率pij；pij=cijH·cij]]>为预编码矩阵cij的转置矩阵。当pij＝0时代表第i个RRH没有服务MUEj，所以它们之间没有传输功率消耗，显然没必要将BBU池中的基带信号传给RRH。步骤302、计算第i个RRH对服务的M个用户的传输功率矩阵Vi；再计算完所有MUE相关的传输功率后，可以得到第i个RRH的传输功率矩阵：Vi＝[pi1,pi2,...,pij,...,piM]步骤303、针对第i个RRH，特定BBU获取传输功率矩阵Vi中非零元素的个数作为基带信号数N(Vi)；因为零元素不需要传输，Vi可以计算出BBU池需要传输的基带信号数：N(Vi)＝||Vi||0||Vi||0表示向量中非零元素的个数；||Vi||0≤M。步骤304、分别统计与特定BBU相连的所有RRH的基带信号数，进一步计算传输功率使用率ρtrans；ρtrans=1Nmap·Σi=1NmapN(Vi)M]]>Nmap表示与一个特定BBU相连的所有RRH的数量。步骤四、根据传输速率rij，计算特定BBU和与该BBU相连的所有RRH之间的通信量使用率ρtraff；如图5所示，具体步骤如下：步骤401、计算所有连接到第i个RRH的用户能达到的最大速率rmax；rmax＝BWRRH·log2(1+SINR)BWRRH表示第i个RRH的带宽，SINR表示第i个RRH与用户之间的信号与干扰加噪声比。步骤402、根据最大速率rmax，计算特定BBU与第i个RRH的通信量负载LOADi：LOADi=Σj=1Mrijrmax]]>s.t.Σj=1Mrij≤rmax;ΣjMrij≤BWRRH·log2(1+SINR)]]>步骤403、分别计算特定BBU与所有相连的RRH之间的通信量负载，进一步计算通信量使用率ρtraff；ρtraff=1Nmap·Σi=1NmapLOADi]]>步骤五、针对特定BBU，根据所有RRH的传输功率使用率ρtrans和通信量使用率ρtraff，计算该BBU的资源使用率ρBBU；ρBBU=δ·ρtrans+(1-δ)·ρtraff=1Nmap·Σi=1Nmap[δ·||Vi||0M+(1-δ)·Σj=1MrijBWRRH·log2(1+SINR)]]]>δ表示传输功率使用率ρtrans的比重值，0≤δ≤1。步骤六、根据特定BBU的资源使用率ρBBU，设置该BBU的核心变量φ(i)：φ(i)=δ·||Vi||0M+(1-δ)·Σj=1MrijBWRRH·log2(1+SINR).]]>步骤七、预定义BBU资源使用率的上限ρtop和下限ρbottom，并将BBU定义4种类型：过载BBU，正常BBU，轻负载BBU和睡眠BBU；针对第k个BBU，定义如下：过载BBU集合：正常BBU集合：轻负载BBU集合：睡眠BBU集合：本实施例中选用ρtop为80％；ρbottom为20％。当一个特定的BBU被视作过载BBU时，说明该BBU负载过重，需要释放部分RRH连接，否则QoS会下降。当一个特定的BBU被视作轻负载BBU时，说明该BBU负载较轻，同样也需要释放与之相连的RRH连接，使其成为睡眠BBU以节省能耗。步骤八、计算BBU池内每个BBU的资源使用率ρBBU，按4种类型进行划分并统计各种类型的数量；计算BBU池内每个BBU的ρBBU，将ρBBU排序，相应的将ρBBU对应的核心变量φ(i)也排序。根据排序结果得出4种类型BBU的数量：过载BBU的数量为N1，正常BBU的数量为N2、轻负载BBU的数量为N3、睡眠BBU的数量为N4。步骤九、根据BBU池内的所有BBU的核心变量以及类型数量，将BBU之间进行切换，实现节能。如图6所示，具体步骤如下：步骤901、判断过载BBU的数量N1是否小于正常BBU的数量N2，如果是，进入步骤902，否则，进入步骤903；步骤902、当0＜N1≤N2时，将过载BBU下映射的具有最大核心变量的RRH切换到某个正常BBU，计算去除RRH后过载BBU的核心变量并进入步骤904；该正常BBU的资源使用率ρBBU在集合T2中最小且能接收切换的RRH；当特定的BBU卸下负担，断开与具有最大核心变量的RRHk'的连接，BBU资源使用率会变为：ρBBU=1Nmap-1·Σi≠k′Nmapφ(i)]]>步骤903、当N1＞N2时，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU或者睡眠BBU，并计算去除RRH后过载BBU的核心变量；首先判断是否存在轻负载BBU，如果存在，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU，该轻负载BBU的资源使用率ρBBU在集合T3中最大且能接收切换的RRH，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；如果不存在轻负载，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到睡眠BBU，该睡眠BBU的资源使用率ρBBU在集合T4中最大，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；当睡眠BBU得到与具有最大核心变量的RRHk'的新连接，那么BBU资源使用率变为：ρBBU=1Nmap+1·[φ(k′)+ΣiNmapφ(i)]]]>步骤904、判断BBU池中是否还存在过载BBU，如果存在，返回步骤901；否则，进入步骤905；步骤905、判断BBU池中的轻负载BBU的数量是否大于0，如果是，进入步骤906；否则，结束。步骤906、将轻负载BBU下映射的具有最大φ(i)RRH切换到正常BBU，并重新计算去除RRH后轻负载BBU的核心变量，返回步骤901；正常BBU的ρBBU在集合T2中最小且能接收切换的RRH。该算法最后会将过载BBU和轻负载BBU去除，使其聚拢转换为正常BBU和睡眠BBU，由于睡眠BBU的能耗远小于活跃BBU的能耗，所以本发明能减少C-RAN中BBU池内的能耗，同时也不影响MUE的速率，所以不影响用户的QoS需求。聚拢去除算法仿真参数如表1所示；表1为了区分本发明计算的能耗与传统静态方案计算的能耗，引入计算C-RAN能耗的能量消耗模型。C-RAN能耗通过以下方式计算：PC-RAN=Σi′=1NBBUPBBU+Σj′=1NRRHPRRH]]>NBBU表示C-RAN中BBU数量，NRRH表示C-RAN中RRH数量。PBBU代表每个BBU能耗，PRRH代表每个RRH的能耗。BBU在睡眠和活跃状态下的能耗是不同的：其中NT表示收发单元链数，σd表示直流-直流电源损耗因子，σa表示交流-直流电源损耗因子，PBP表示基带处理器的能耗，P0表示BBU睡眠时的能耗，它远小于活跃时的能耗。C-RAN能耗模型仿真参数如表2所示；表2参数数值NBBU30NRRH30NT4PBP29.60Wσd0.08σa0.09P0020秒内网络负载和睡眠BBU数量示意图如图7所示，当网络负载变重时，睡眠BBU的数量减少，当网络负载变轻时，睡眠BBU的数量增多。当BBU总数为30时，平均睡眠BBU数量维持在18个左右。在网络负载最重的时候，即第16秒，睡眠BBU的数量仍可以达到13个，说明聚拢去除算法能够有效切换BBU状态，使得部分BBU进入睡眠状态，从而减少BBU池内的能耗。第20秒时BBU池内30个BBU的资源使用率如图8所示，资源使用率按照降序排列。可以看出，有17个BBU的资源使用率降为0，剩余BBU的资源使用率都在0.2和0.8之间。这表明BBU池有17个睡眠BBU和13个正常BBU，而过载BBU和轻负载BBU都已经去除。BBU池处于正常运作的状态，同时也是节能的状态。传统静态方案和本发明在20秒内BBU池内的能耗比较如图9所示，可以看出，静态方案的BBU池能耗一直维持在2121.3W。而采用本方案发明的BBU池能耗轨迹与网络负载相似，表明BBU池的能耗随着网络负载加重而变大，随着网络负载减轻而减小，同时本发明的BBU池能耗一直低于静态方案，在20秒内平均消耗823.7W，相比于静态方案减少能耗61％。本发明考虑RRH和用户MUE之间的传输功率以及MUE的网络流量速率需求，在不影响用户要求的QoS情况下，使得网络闲时在BBU池内关闭一些多余的BBU，以此来节约BBU池内的能耗，相应的系统能耗也随之降低。同时在网络忙时，开启一部分睡眠的BBU来提供服务，使得整体QoS不下降。当前第1页1 2 3