一种基于业务预测和宏基站协作的微基站节能方法与流程

本发明属于移动通信技术领域，涉及一种基于业务预测和宏基站协作的微基站节能方法。

背景技术：

无线通信系统在近十年来得到了飞速的发展。由于智能设备的普及，数据流量增长十分迅速，未来接入通信网络的设备数量将会呈几何级数增长，对电力能耗需求也会急速增加。为了解决这一问题，很多学者提出了“绿色通信”的概念，即通过研究各种节能策略来降低网络中的能耗，提高网络能效。

在通信网络中，大部分的能耗都在基站侧，其中超过50％的能耗在接入端。有数据指出，在欧洲市场中能耗成本占据运营商整个成本支出的18％，而在印度市场则占32％。因此通信网络中高能效问题的解决不仅是对环保事业的极大贡献，也是对运营商成本降低的有效举措，因而通信行业的许多专家学者都致力于研究提高网络能效的方法。

目前存在很多基站节能方法，例如基站关断节能方法，即使用基站当前的业务数量来决定是否进入休眠状态。具体为确定一个基站关闭的业务门限值n，当基站业务处理完之后，进入休眠状态；此后到达基站的业务都在缓存中排队等待处理，当缓存中排队的业务数量到达门限值n时，基站打开处理业务；处理完业务之后微基站又重新进入休眠状态。又如密集场景下基站协作关断节能方法，即将一些邻近的微基站当做一个集群，在整个集群中的用户可以互相切换，通过记录当前这个集群中业务数量的多少来决定整个集群中微基站打开的数量。

但在当前的一些节能机制中，由于业务数量只能取整数，可能会造成最佳累积门限不连续，不能取得最佳的节能效果，同时产生先到达的业务存在较大时延的现象，对系统性能造成较大影响；而在没有基站协作时，容易造成业务的时延太长导致影响用户体验的后果，并且不能针对不同业务情况而采用不同控制参数，从而不能进一步提高系统的节能性能和时延性能。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于业务预测和宏基站协作的微基站节能方法，首先对下一个时刻的业务量进行预测，宏基站与微基站进行协作。当微基站没有业务处理的时候，进入一个一定时长的休眠窗口。同时在休眠窗口内，到达的业务由宏基站协作处理。在一个关闭窗口结束的时候，微基站将会判断是否进入下一个关闭窗口。如果在判决时刻，发现此时微基站服务区域内有业务在微基站侧排队。则微基站打开，将该微小区范围内的业务由微基站处理。如果在判决时刻，发现此时微基站服务区域内没有业务微基站排队，则微基站进入下一个关闭窗口。

一种基于业务预测和宏基站协作的微基站节能方法，包括以下步骤：

s1：将微基站的工作时间分为若干个时隙，微基站采用小波神经网络模型预测出下一个时隙微小区的业务到达率；

s2：将微基站的工作模式分为激活模式和休眠模式，初始状态为激活模式；根据业务到达率的预测和系统时延限制条件选择微基站的工作模式；

s3：当微基站处于激活模式时，微小区内的业务由微基站处理；当微基站处于休眠模式时，计算最佳休眠时长，选择休眠模式，微小区内的业务由宏基站协作处理。

进一步，所述休眠模式包括浅度休眠模式、深度休眠模式和关闭模式；每种工作模式下的能耗依次降低，返回到激活模式的响应时间依次升高。

进一步，所述关闭模式、深度休眠模式、浅度休眠模式的选择优先级依次降低。

进一步，所述微基站在一个时隙内只能选择一种休眠模式。

进一步，所述休眠模式具体为：当微基站的业务缓存为空时，微基站进入一个时长为t的休眠窗口，在微基站休眠期间到达的业务由宏基站协作处理；在休眠窗口结束时，微基站会根据此时小区内业务在宏基站侧的累积情况判断是否返回到激活模式；若宏基站协助该微基站处理完所有业务，则微基站进入下一个休眠窗口；若宏基站没有协助该微基站处理完所有业务，则微基站进入激活模式，直到该小区内没有业务请求时再次休眠。

进一步，所述微基站的休眠模式具体为：微基站只有部分必要的器件工作，不能向所服务的用户提供数据服务；所述微基站的激活模式为：所有器件处于开启状态，能向所服务的用户下行传输数据。

进一步，所述微基站的发射功率满足其辐射的地理区域不小于移动台最低业务传输要求的区域的总和。

进一步，所述微基站最佳休眠时长通过小波神经网络模型对下个时隙业务到达率的预测和业务的平均时延约束决定。

进一步，所述根据业务到达率的预测和系统时延限制条件选择微基站的工作模式具体为：微基站在确定了一个休眠窗口t后，若在t时间内能够完成从休眠模式到激活模式的切换，则微基站进入休眠模式，否则不会进入休眠模式。

本发明的有益效果在于：本发明采用宏基站与微基站协作和控制微基站休眠时间参数相结合的方式，对业务的容量类型进行预测，选择微基站的工作模式，在业务变化之前提前控制下个时隙的微基站工作参数，最终达到提高节能增益的目的。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明提供微基站处于活跃模式的网络拓扑结构图；

图2为本发明提供微基站处于休眠模式的网络拓扑结构图；

图3为本发明中提出的小波神经网络预测模型框图；

图4为本发明中提出的协作关断节能方法的宏基站流程图；

图5为本发明中提出的协作关断节能方法的微基站流程图；

图6为本发明的整体流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1是本发明实施例提供的的微基站活跃模式下网络拓扑结构图，如图所示，在本发明实施例中，一个宏小区包含一个宏基站和若干个微基站。在高密集场景中，有若干个热点，每个热点区域可能存在若干个微基站。用户可以在微基站和宏基站之间、微基站与微基站之间根据一定的规则自由切换。图中区域a表示宏基站能够服务的区域，区域b表示某个微基站能够服务的区域。在微基站中，其区域范围为实线表示当前该微基站处于打开状态。

图2是本发明实施例提供的的微基站休眠模式下网络拓扑结构图，如图所示，在本发明实施例中，一个宏小区包含一个宏基站和若干个微基站。在高密集场景中，有若干个热点，每个热点区域可能存在若干个微基站。用户可以在微基站和宏基站之间、微基站与微基站之间根据一定的规则自由切换。图中区域a表示宏基站能够服务的区域，区域b表示某个微基站能够服务的区域。在微基站中，其区域范围为虚线表示当前该微基站处于休眠状态。

图3是本发明实施例的业务预测情况下宏基站与微基站协作，小波神经网络预测模型图。本发明中输入层含有四个表示预测值，是根据前面时隙的值做出的；隐藏层含有七个节点；输出层含有一个节点。

图6为本发明所述方法的整体流程图，其中步骤可以简述为：

步骤1：微基站根据前面四个时隙的业务到达率的值使用学习后的预测模型对下个时隙的业务到达率进行预测；

步骤2：根据业务到达率的预测和系统时延限制条件计算当前时隙中微基站的最佳休眠时长；

步骤3：根据步骤2得到的微基站最佳休眠时长来选择微基站的休眠模式；

步骤4：根据步骤1-3得到的微基站休眠和协作参数，微基站与宏基站在下个时隙开始是就按照这些参数协作处理数据，如图4、图5所示，其具体步骤为：

步骤4a：宏基站与微基站在时间上同步，在时隙开始时刻，微基站服务区域没有业务请求，因此微基站进入一个具有一定时长的休眠窗口期。在休眠窗口开始时，系统已经得到了这个休眠窗口的时间长度，这个时间长度可以是恒定的(即每个休眠窗口时间长度相同)，也可以是以一定的规则产生的随机数。

当微基站处于休眠模式的时候，微基站无法处理业务。此时原有的微基站服务区域的业务，请求宏基站处理。

步骤4b：小区宏基站一直处于打开状态，当微基站处于一个关闭窗口中，有新的业务到达时，业务到达宏基站侧。

此时在密集场景中，所有的处于休眠状态的微基站下的业务请求根据时间先后顺序在宏基站排队接受服务。

步骤4c：在微基站处于关闭窗口期，新到达宏基站的业务由宏基站协作处理。

步骤4d：微基站在一个一定的休眠窗口结束之后，将在这个结束时刻进行判决，决定微基站是否打开。

判决条件是：微基站休眠结束时，是否有业务在等待基站处理。这里的业务为属于这个微基站处理范围内的业务请求。

判决结果为“是”：则接下来微基站将打开。

判决结果为“否”：则接下来微基站将进入下一个一定时长的微基站休眠窗口。

步骤4e：在微基站关闭后，微基站对是否打开基站进行判断，判决结果为“是”，微基站打开进入激活模式。

此时，微基站所有模块都将打开，并且接受宏基站的控制信息。将当前没有处理完的业务全部由微基站处理。并且仍然按照开始的时间顺序排队由微基站处理。

步骤4f：在微基站打开的时候，新到达的小容量业务直接到达微基站。

步骤4g：当微基站处理完当前所有的业务之后进入下一个休眠窗口。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。