本发明属于无线通信技术领域,更具体地,涉及一种层内协作的软件定义异构网络的效用优化方法及系统。
背景技术:
移动通信技术在近几十年发展迅速,移动用户的数量也在急剧增加。研究表明,从2010年到2020年,无线通信量将增长500倍以上。第五代(5g)移动通信系统要求更高的系统容量、更高的传输速率、更高的能源效率、更低的延迟、更低的系统成本。然而,传统的由宏基站组成的蜂窝网络不足以满足这些要求,小蜂窝基站因其覆盖范围小、功耗低、成本低、部署灵活等优点,显示出巨大的潜力。在异构网络中,小蜂窝基站通过从拥塞的宏基站中卸载用户,降低宏基站的负载,从而为用户提供更好的服务体验。
对一般异构网络的性能分析已有相当多的研究,然而,由于宏基站层和小蜂窝基站层的共存和小蜂窝基站的密集部署,异构网络仍然存在着干扰大、能耗高等问题,因此异构网络的性能尤其是覆盖概率受到严重干扰的限制。为了进一步提高异构网络的整体性能,允许多个基站共同处理用户数据的基站协作是可行方案之一,但如何选择基站组成协作组还需要进行深入的研究。由于小蜂窝基站的部署密度越来越大,越来越多的用户从宏基站中卸载,最后可能导致宏基站服务的用户过少,服务用户的能力没有得到充分利用,因此负载均衡也是异构网络中值得探讨的问题之一。实现无线通信系统的低能耗和高能效是下一代无线网络设计的主要目标。据报道,信息技术产业的能源消费占全球能源消费总量的10%,其中无线通信所产生的能源消费比例不容低估。有研究人员证明,通过引入小蜂窝基站层,能源消耗显著增加。睡眠策略是一种有效的节能方式,但由于能源效率同时受到吞吐量和能耗的影响,睡眠策略并不能提高能源效率。因此,如何有效提高能量效率也是改善异构网络性能的重大挑战之一。
现有的研究大多集中在非合作或层间协作场景下异构网络的单个性能分析,层内协作的异构网络的性能尚未得到充分的研究。
技术实现要素:
针对现有技术的缺陷和改进需求,本发明提供了一种层内协作的软件定义异构网络的效用优化方法及系统,其目的在于,综合考虑多项性能指标来优化层内协作的软件定义异构网络的整体性能。
为实现上述目的,按照本发明的第一方面,提供了一种层内协作的软件定义网络的效用优化方法,包括:
根据预设的接入策略,分别计算用户接入小蜂窝基站层和宏基站层的接入概率as和am,以及小蜂窝基站层和宏基站层的覆盖概率psc和pmc,并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率pc;
根据各层的接入概率,分别计算小蜂窝基站层和宏基站层中基站的能力利用率
根据各层基站的实际负载情况以及各层的接入概率和覆盖概率,分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt,以计算网络的能量效率e;
对网络的覆盖概率pc、负载均衡sn和能量效率e分别归一化,得到相应的效用函数
其中,在该接入策略中,用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站;λs和λm分别表示小蜂窝基站层和宏基站层的密度。
本发明根据层内协作的软件定义异构网络中用户选择基站的接入策略,即用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站,计算各基站层的接入概率和覆盖概率,并根据各层的接入概率和覆盖概率进一步计算了层内协作的异构网络整体的覆盖概率、负载均衡和能量效率,实现了对层内协作的异构网络的性能研究,并综合考虑这三项性能指标对异构网络的整体效用进行优化,提高了层内协作的软件定义异构网络的整体性能。
本发明在计算异构网络整体的负载均衡时,考虑了各基站层中基站的能力利用率,并将两层基站的能力利用率的差异程度作为网络的负载均衡,能更真实地体现网络的层基站的负载状态,更准确的获取异构网络的负载均衡,为层内协作的异构网络的整体性能优化提供了可靠的依据。
本发明在计算异构网络的能量效率时,考虑了各层基站的实际负载情况,动态地计算各层基站的功耗,能够更准确地获得网络的能量效率,为层内协作的异构网络的整体性能优化提供了可靠的依据。
进一步地,根据用户选择基站的接入策略,计算得到的用户接入小蜂窝基站层和宏基站层的接入概率as和am分别为:
其中,α表示路径损耗指数,
进一步地,根据用户选择基站的接入策略,计算得到的小蜂窝基站层和宏基站层的覆盖概率psc和pmc分别为:
其中,γ表示snir阈值,σ2表示加性高斯白噪声的方差;
进一步地,网络的整体覆盖概率为:pc=ampmc+aspsc。
进一步地,根据各层的接入概率,分别计算小蜂窝基站层和宏基站层中基站的能力利用率
根据小蜂窝基站层的接入概率as,计算小蜂窝基站层中每个基站服务的平均用户数为:
根据宏基站层的接入概率am,计算宏基站层中每个基站服务的平均用户数为:
其中,k表示小蜂窝基站协作组中包含的小蜂窝基站数,λu表示异构网络中用户的密度,
进一步地,网络的负载均衡sn为:
进一步地,根据各层基站的实际负载情况,计算得到的小蜂窝基站层和宏基站层的动态功耗pst和pmt分别为:
pmt=pmo+δmppmn2;
其中,pso和pmo分别表示小蜂窝基站和宏基站发射功率为0时的静态功率,δsp和δmp分别表示小蜂窝基站和宏基站射频的功放效率的倒数,ps和pm分别表示单个小蜂窝基站和单个宏基站的发射功率,n1和n2分别表示单个小蜂窝基站和单个宏基站实际服务的用户数,ph是小蜂窝基站的回程功率,psleep表示小蜂窝基站处于休眠模式下的功耗。
进一步地,网络的能量效率e为:
其中,cs和cm分别表示用户由宏基站层或小蜂窝基站层服务时各层的吞吐量,pst′和pmt′分别表示小蜂窝基站层和宏基站层的总能量消耗;k表示小蜂窝基站协作组中包含的小蜂窝基站数,λu表示异构网络中用户的密度;r=blog2(1+γ)为最大可达速率,b为信道带宽,γ表示snir阈值。
进一步地,
其中,ξp、ξn和ξe分别表示效用函数
进一步地,对网络的整体效用ut进行优化,以确定使得整体效用ut最大化的两层基站密度比λs/λm,包括:
以
以
其中,w1、w2和w3分别为负载均衡、覆盖概率和能量效率在异构网络总效用中的权重,
按照本发明的第二方面,提供了一种层内协作的软件定义异构网络的效用优化系统,包括:覆盖概率获取模块、负载均衡获取模块、能量效率获取模块以及效用优化模块;
覆盖概率获取模块,用于根据预设的接入策略,分别计算用户接入小蜂窝基站层和宏基站层的接入概率as和am,以及小蜂窝基站层和宏基站层的覆盖概率psc和pmc,并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率pc;
负载均衡获取模块,用于根据各层的接入概率,分别计算小蜂窝基站层和宏基站层中基站的能力利用率
能量效率获取模块,用于根据各层基站的实际负载情况,分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt,以计算网络的能量效率e;
效用优化模块,用于对网络的覆盖概率pc、负载均衡sn和能量效率e分别归一化,得到相应的效用函数
其中,在该接入策略中,用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站;λs和λm分别表示小蜂窝基站层和宏基站层的密度。
总体而言,通过本发明所构思的以上技术方案,能够取得以下有益效果:
(1)本发明提供的层内协作的软件定义异构网络的效用优化方法及系统,根据层内协作的软件定义异构网络中用户选择基站的接入策略,即用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站,计算各基站层的接入概率和覆盖概率,并根据各层的接入概率和覆盖概率进一步计算了层内协作的异构网络整体的覆盖概率、负载均衡和能量效率,实现了对层内协作的异构网络的性能研究,并综合考虑这三项性能指标对异构网络的整体效用进行优化,提高了层内协作的软件定义异构网络的整体性能。
(2)本发明提供的层内协作的软件定义异构网络的效用优化方法及系统,在计算异构网络整体的负载均衡时,考虑了各基站层中基站的能力利用率,并将两层基站的能力利用率的差异程度作为网络的负载均衡,能更真实地体现网络的层基站的负载状态,更准确的获取异构网络的负载均衡,为层内协作的异构网络的整体性能优化提供了可靠的依据。
(3)本发明提供的层内协作的软件定义异构网络的效用优化方法及系统,在计算异构网络的能量效率时,考虑了各层基站的实际负载情况,动态地计算各层基站的功耗,能够更准确地获得网络的能量效率,为层内协作的异构网络的整体性能优化提供了可靠的依据。
附图说明
图1为本发明实施例提供的层内协作的软件定义异构网络的示意图;
图2为本发明实施例提供的层内协作的软件定义异构网络的效用优化方法流程图;
图3为本发明实施例提供的不同的小蜂窝基站发射功率下的负载均衡效用随两层基站密度比变化的仿真图;
图4为本发明实施例提供的两层基站密度比对覆盖概率效用和能量效率效用影响的仿真图;
图5为本发明实施例提供的三种性能权重不同时两层基站密度比对总效用影响的仿真图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明中,本发明及附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
在详细解释本发明的技术方案之前,先对本发明中的层内协作的软件定义异构网络的结构进行简要介绍。层内协作的软件定义异构网络如图1所示,该系统中集成了中心控制器和移动边缘云(mobileedgecomputing,mec)服务器的小蜂窝基站协作;软件定义网络(softwaredefinednetwork,sdn)将网络划分为一个控制平面和一个数据平面,中心控制器更好的管理整个网络,从而提高了网络的灵活性;中心控制器、mec服务器和基站之间都存在控制平面上控制流和数据平面上数据流的双向传输;每个mec服务器都物理连接到一个基站,而所有mec服务器都直接连接到中心控制器或通过其他mec服务器间接连接到中心控制器。mec服务器相当于一个基站的本地控制器,具有一定的计算和控制功能;中心控制器可以实时掌握基站状态、传输功率和运行方式以及用户状态等动态信息,其可以对整个网络进行控制和管理,使系统的覆盖概率、负载均衡和能量效率等性能同时达到相对最优状态。
图1所示的层内协作的软件定义异构网络由小蜂窝基站层和宏基站层组成,二者相互独立。小蜂窝基站和宏基站的分布分别遵循泊松点过程φm、φs。在层内协作模型中,小蜂窝基站层通过协作通信为用户提供服务,用户根据最大接收信号强度选择与小蜂窝基站协作组或单个宏基站作为其服务基站。通常情况下,信道衰落为瑞利衰落,功率衰减指数为hi,j~exp(1);使用正交频分多址(ofdma),用户会受到除服务基站外其他所有基站的干扰,包括层内干扰和层间干扰;因此,典型用户的信干噪比为
其中,c代表用户的服务基站,根据用户选择基站的接入策略,可以是一个小蜂窝基站协作组或者是单个宏基站;cc指的是除服务基站外的所有干扰基站组成的集合;σ2是加性高斯白噪声的方差;i表示基站层,具体为小蜂窝基站层或宏基站层,pi表示对应基站层中基站的发射功率,hi,j表示对应基站层中第j个基站的功率衰减指数,ri,j表示对应基站层中第j个基站与用户间的距离,xi,j表示对应基站层中的第j个基站,α表示路径损耗指数。
为优化层内协作的软件定义异构网络的整体性能,本发明提供的层内协作的软件定义网络的效用优化方法,如图2所示,包括:
根据预设的接入策略,分别计算用户接入小蜂窝基站层和宏基站层的接入概率as和am,以及小蜂窝基站层和宏基站层的覆盖概率psc和pmc,并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率pc;
根据各层的接入概率,分别计算小蜂窝基站层和宏基站层中基站的能力利用率
根据各层基站的实际负载情况以及各层的接收概率和覆盖概率所,分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt,以计算网络的能量效率e;
对网络的覆盖概率pc、负载均衡sn和能量效率e分别归一化,得到相应的效用函数
其中,在该接入策略中,用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站;λs和λm分别表示小蜂窝基站层和宏基站层的密度。
在本实施例中,根据用户选择基站的接入策略,计算得到的用户接入小蜂窝基站层和宏基站层的接入概率as和am分别为:
其中,
根据用户选择基站的接入策略,计算小蜂窝基站层和宏基站层的覆盖概率psc和pmc时,根据覆盖率的定义式p=p(sinr>γ),将用户选择小蜂窝基站协作组或单个宏基站作为其服务基站时,对应的sinr表达式代入即可求得小蜂窝基站层的覆盖概率psc和宏基站层的覆盖概率pmc,分别为:
其中,γ表示snir阈值;
获得各层的接入概率和覆盖概率后,可计算网络的整体覆盖概率为:pc=ampmc+aspsc。
在本实施例中,根据各层的接入概率,分别计算小蜂窝基站层和宏基站层中基站的能力利用率
根据小蜂窝基站层的接入概率as,计算小蜂窝基站层中每个基站服务的平均用户数为:
根据宏基站层的接入概率am,计算宏基站层中每个基站服务的平均用户数为:
其中,k表示小蜂窝基站协作组中包含的小蜂窝基站数,λu表示异构网络中用户的密度,
获得小蜂窝基站层和宏基站层中基站的能力利用率
本实施例在计算异构网络整体的负载均衡时,考虑了各基站层中基站的能力利用率,并将两层基站的能力利用率的差异程度作为网络的负载均衡,能更真实地体现网络的层基站的负载状态,更准确的获取异构网络的负载均衡,为层内协作的异构网络的整体性能优化提供了可靠的依据。
在本实施例中,根据各层基站的实际负载情况,计算得到的小蜂窝基站层和宏基站层的动态功耗pst和pmt分别为:
pmt=pmo+δmppmn2;
其中,pso和pmo分别表示小蜂窝基站和宏基站发射功率为0时的静态功率;δsp和δmp分别表示小蜂窝基站和宏基站射频的功放效率的倒数,即与负载相关功率的斜率;ps和pm分别表示单个小蜂窝基站和单个宏基站的发射功率,n1和n2分别表示单个小蜂窝基站和单个宏基站实际服务的用户数,ph是小蜂窝基站的回程功率(由于小蜂窝基站协作组中存在层内协作通信,因此在计算小蜂窝基站的动态功耗时需考虑回程功耗);psleep表示小蜂窝基站处于休眠模式下的功耗;
基于小蜂窝基站层和宏基站层的动态功耗pst和pmt,可计算网络的能量效率e为:
其中,cs和cm分别表示用户由宏基站层或小蜂窝基站层服务时各层的吞吐量,pst′和pmt′分别表示小蜂窝基站层和宏基站层的总能量消耗;r=blog2(1+γ)为最大可达速率,b为信道带宽;
本实施例在计算异构网络的能量效率时,考虑了各层基站的实际负载情况,动态地计算各层基站的功耗,能够更准确地获得网络的能量效率,为层内协作的异构网络的整体性能优化提供了可靠的依据。
在本实施例中,对网络的覆盖概率pc、负载均衡sn和能量效率e分别归一化,得到的效用函数分别为:
其中,ξp、ξn和ξe分别表示效用函数
获得效用函数
对网络的整体效用ut进行优化,以确定使得整体效用ut最大化的两层基站密度比λs/λm,包括:
以
以
其中,
上述层内协作的软件定义异构网络的效用优化方法,根据层内协作的软件定义异构网络中用户选择基站的接入策略,即用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站,计算各基站层的接入概率和覆盖概率,并根据各层的接入概率和覆盖概率进一步计算了层内协作的异构网络整体的覆盖概率、负载均衡和能量效率,实现了对层内协作的异构网络的性能研究,并综合考虑这三项性能指标对异构网络的整体效用进行优化,提高了层内协作的软件定义异构网络的整体性能。
本发明还提供了一种层内协作的软件定义异构网络的效用优化系统,包括:覆盖概率获取模块、负载均衡获取模块、能量效率获取模块以及效用优化模块;
覆盖概率获取模块,用于根据预设的接入策略,分别计算用户接入小蜂窝基站层和宏基站层的接入概率as和am,以及小蜂窝基站层和宏基站层的覆盖概率psc和pmc,并根据所计算的接入概率和覆盖概率计算网络的整体覆盖概率pc;
负载均衡获取模块,用于根据各层的接入概率,分别计算小蜂窝基站层和宏基站层中基站的能力利用率
能量效率获取模块,用于根据各层基站的实际负载情况,分别计算小蜂窝基站层和宏基站层的动态功耗pst和pmt,以计算网络的能量效率e;
效用优化模块,用于对网络的覆盖概率pc、负载均衡sn和能量效率e分别归一化,得到相应的效用函数
其中,在该接入策略中,用户根据最大接收信号强度选择小蜂窝基站协作组或单个宏基站作为其服务基站;λs和λm分别表示小蜂窝基站层和宏基站层的密度;
在本实施例中,各模块的具体实施方式可参考上述方法实施例中的描述,在此将不作复述。
对上述层内协作的软件定义异构网络的效用优化方法的仿真结果如图3~5所示,相关的参数如下表表1所示:
表1层内协作的软件定义异构网络的参数
图3给出了不同小蜂窝基站发射功率下的负载均衡效用随两层基站密度比变化的仿真图,根据图3所示仿真结果可知,随着两层基站密度比λs/λm或小蜂窝基站发射功率的增加,负载均衡效用减小,而且减小的速度刚开始比较快,后来越来越慢;在仿真场景中,当λs/λm=1时,小蜂窝基站的能力利用率已经超过的宏基站的能力利用率;当小蜂窝基站部署得更密集或发射功率更大时,用户从小蜂窝基站协作组接收到的信号更强,就会导致大量用户将不再访问宏基站层,而是访问小蜂窝基站层,因此
两层基站密度比对覆盖概率效用和能量效率效用的影响如图4所示。通过仿真,可知在任意sinr阈值下,小蜂窝基站层的覆盖概率始终大于宏基站层,即psc>pmc。随着λs/λm增大,越来越多的用户将从宏基站层转接入小蜂窝基站层,并且卸载速度越来越慢;最后,将达到as→1,am→0;从pc=ampmc+aspsc可以看出,总的覆盖概率会持续增大,并且增长速率会逐渐减小,因此覆盖概率效用会呈现图4的趋势。由于前期吞吐量的增长快于能量消耗的增长,但是后期能量消耗的增长快于吞吐量的增长,因此由吞吐量和能量消耗共同决定的能量效率会随着λs/λm的增长呈现先增大,后降小的趋势。
图5将网络的总效用描述为不同性能权重下两层基站密度比的函数。由于图3和图4中所显示的网络的覆盖概率、负载均衡和能量效率随着λs/λm的增大分别呈现持续增大、先增大后减小和持续减小的趋势,因此虽然三组权重不同,但是网络的总效用都会呈现先上升后下降的趋势,总会存在一个最大值,但是相对应的最优两层基站密度比是不同的。采用穷举搜索算法,就可以得到最优两层基站密度比和最大效用值。综合考虑三种性能效用,不难得出图5中显示的un或ue权重最大时的最优密度比(39或37)小于
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。