一种异构密集网络协调用户数与绿色微基站数比例的方法

本发明涉及通信技术领域，具体是一种异构密集网络协调用户数与绿色微基站数比例的方法。

背景技术：

随着通信技术的发展，未来的移动用户和接入设备将会海量增加，同时带来了爆炸式数据增长，超密集异构网络作为5g移动通信的关键技术之一，可以有效的提高网络覆盖率和网络容量，增加绿色微基站数目，符合5g对高速率、大连接、低时延的需求，也符合绿色通信理念。

然而在超密集异构网络中成倍数的投入对微基站的部署也会使得基站的管理维护难度加大，电网的部署也变得复杂，而且会产生严重的干扰和显著的能耗问题，因此通过选择合适的用户数与绿色微基站数配比来控制干扰值，保证用户服务质量，实现最大的能效，但是当前提高能效的方法更多的只是讨论了微基站数对能效的影响和用新的算法提高能效值，没有进一步的讨论用户数与绿色微基站最佳配比范围。

因此，在超密集异构网络下，考虑整个系统能效，根据用户数的变化来部署合适比例的绿色微基站数目，再结合移动用户选择最佳的能效的用户自适应关联方式和最佳能效的功率分配，在保证用户的服务质量的约束条件下，从源头上降低系统的能耗与干扰，以此提高网络性能。

技术实现要素：

本发明的目的是针对现有技术的不足，而提供一种异构密集网络协调用户数与绿色微基站数比例的方法。这种方法能够在保证用户的服务质量的约束条件下，采用合理配置绿色微基站数量、联合最大能效的用户关联和功率分配，从源头上降低系统的能耗与干扰，以此提高网络性能。

实现本发明目的的技术方案是：

一种异构密集网络协调用户数与绿色微基站数比例的方法，包括如下步骤：

1)构建异构密集网络的通信模型：假设异构密集网络由单个宏基站和均匀分布的m个密集绿色微基站、密集的n个用户组成，基站集合用i＝{0,1,2,...,m}表示，其中i＝0表示为宏基站，i＞0表示为绿色微基站，用户集合用j＝{1,2,...n}表示；

2)计算绿色微基站到用户的信噪比：绿色微基站i到用户j的sinr，如公式(1)所示：

其中，pi,j为绿色微基站i对用户j的发射功率，gi,j为绿色微基站i与用户j之间的信道增益，|gi,j|²＝|hi,j|²*di,j^-α，|hi,j|²为瑞利衰落增益，di,j为链路之间的距离，α为路径损耗因子，σ²为绿色微基站i到用户j的噪声功率；

3)计算绿色微基站到用户的总的通信容量：依据香农定理可得用户j在绿色微基站i的数据速率ci,j如公式(2)所示：

ci,j＝wlog2(1+ri,j)(2)，

依据公式(2)可以获得单个绿色微基站i服务的所有用户的吞吐量ci如公式(3)所示：

依据公式(3)累积求和可计算出所有绿色微基站所服务的所有用户的吞吐量，即总的通信容量如公式(4)所示：

4)计算系统总的能耗：绿色微基站的功耗由静态功耗和动态功耗两部分组成，所有绿色微基站到所有用户的总的能耗如公式(5)所示：

其中，β表示为反映流量负载与动态功率关系的线性系数，为绿色微基站的静态功耗，基站的总功耗是由宏基站的功耗和绿色微基站的功耗组成，假设宏基站的功耗为固定功率重点考虑降低与用户关联的绿色微基站上的总功耗，故系统的总能耗如公式(6)所示：

绿色微基站采用并网能源与绿色能源混合供电，依据国家可再生能源实验室nrel提供的真实太阳能收集数据集有：在白天，每秒太阳能收集数据的平均值测量为em，则系统的实际总能耗公式(6)改写为如公式(7)所示：

5)获得能效表达式：能效是总速率与总功率的比值，依据公式(4)和公式(7)可获得能效表达式如公式(8)所示：

由于公式(8)是一个非凸分式规划问题，并带有多个约束条件，且ηee是关于优化变量ηi,j和pi,j的优化问题，直接求解会很困难，因此,采用dinkelbach方法构造函数l(γ)将公式(8)中的分式的化为一个减式，如公式(9)所示：

设(ηi,j^*,pi,j^*)为ηee的最优解，令γ＝γ^*，则当用户关联和功率分配都达到最佳时的能效的表达式如公式(10)所示：

6)依据最大能效选择关联模式：m个绿色微基站和n个用户共有m*n个关联情况，假设功率矩阵给定的情况下，以用户为中心，遍历距离di,j＜dmax时的绿色微基站，依据公式(8)取得最大化选择用户关联，如公式(11)所示：

将公式(11)计算结果由大到小排序，选择能够连接用户的绿色微基站作为关联对象，且用户只连接一个绿色微基站，绿色微基站的最大可连接数为umax，依据最大能效选择关联如公式(12)所示：

当ηi,j＝1时，则表明用户j与绿色微基站i是关联的，当ηi,j＝0时，则表明用户j与绿色微基站i是不关联的，表示且用户只连接一个绿色微基站，表示绿色微基站的最大可连接数为umax；

7)依据最大能效进行功率分配：为满足最小信干噪比约束和最大功率约束，即ri,j＞rmin，pi,j＜pmax的约束条件，故pi,j^*的取值范围如公式(13)所示：

其中，在m*n个已知的情况下，依据公式(8)取得最大化进行最佳的功率分配，如公式(14)所示：

对公式(14)求一阶导，可求得驻点如公式(15)所示：

对公式(14)求二阶导可得l(pi,j^*)”＜0，故公式(14)为凸函数，判断与p0，pmax处l(pi,j^*)之间的大小关系，可求得pi,j^*，如公式(16)所示：

8)计算用户数与绿色微基站数的比例范围：用户一定时，所有用户可以与绿色微基站连接，依据用户实际关联的绿色微基站数与用户的比值为上边界如公式(17)所示：

其中，λ为绿色微基站数与用户数的比值，当λ＝1时，根据用户实际关联的绿色微基站数，计算用户一定时，用户数与绿色微基站的数比值的下边界如公式(18)所示：

综合公式(17)和公式(18)，故λ的取值范围为公式(19)所示：

本技术方案联合采用最大能效的关联方式和功率分配方式，并通过该方式取最大能效时绿色微基站数或使用的绿色微基站数与用户作比，获得最佳绿色微基站数与用户数的比例范围，以此保证用户的服务质量和提高能效。

这种方法能够在保证用户的服务质量，减少干扰，给移动用户更多的绿色微基站关联选择，与此同时，保证开启的绿色微基站不处于空闲状态，使系统达到更高的能效，以此提高网络性能。

附图说明

图1为实施例中异构网络模型的示意图；

图2为实施例中最佳能效用户关联与功率分配示意图；

图3为实施例方法的流程示意图；

图4为实施例方法在不同绿色微基站部署而用户数递增的条件下对系统总容量的影响的曲线图对比示意图；

图5为实施例方法在不同用户数目而绿色微基站数递增条件下对能量效率的影响的曲线图对比示意图；

图6为实施例方法在用户数递增条件下绿色微基站所需的数目、实际使用数目以及空闲数目柱形图对比示意图。

具体实施方式

下面结合附图和实施例对本发明的内容作进一步的阐述，但不是对本发明的限定。

实施例：

参照图3，一种异构密集网络协调用户数与绿色微基站数比例的方法，包括如下步骤：

1)构建异构密集网络的通信模型：如图1所示，假设异构密集网络由单个宏基站和均匀分布的m个密集绿色微基站、密集的n个用户组成，基站集合用i＝{0,1,2,...,m}表示，其中i＝0表示为宏基站，i＞0表示为绿色微基站，用户集合用j＝{1,2,...n}表示；

2)计算绿色微基站到用户的信噪比：绿色微基站i到用户j的sinr，如公式(1)所示：

其中，pi,j为绿色微基站i对用户j的发射功率，gi,j为绿色微基站i与用户j之间的信道增益，|gi,j|²＝|hi,j|²*di,j^-α，|hi,j|²为瑞利衰落增益，di,j为链路之间的距离，α为路径损耗因子，σ²为绿色微基站i到用户j的噪声功率；

3)计算绿色微基站到用户的总的通信容量：依据香农定理可得用户j在绿色微基站i的数据速率ci,j如公式(2)所示：

ci,j＝wlog2(1+ri,j)(2)，

依据公式(2)可以获得单个绿色微基站i服务的所有用户的吞吐量ci如公式(3)所示：

依据公式(3)累积求和可计算出所有绿色微基站所服务的所有用户的吞吐量，即总的通信容量如公式(4)所示：

4)计算系统总的能耗：绿色微基站的功耗由静态功耗和动态功耗两部分组成，所有绿色微基站到所有用户的总的能耗如公式(5)所示：

其中，β表示为反映流量负载与动态功率关系的线性系数，为绿色微基站的静态功耗，基站的总功耗是由宏基站的功耗和绿色微基站的功耗组成，假设宏基站的功耗为固定功率重点考虑降低与用户关联的绿色微基站上的总功耗，故系统的总能耗如公式(6)所示：

绿色微基站采用并网能源与绿色能源混合供电，依据国家可再生能源实验室nrel提供的真实太阳能收集数据集有：在白天，每秒太阳能收集数据的平均值测量为em，则系统的实际总能耗公式(6)改写为如公式(7)所示：

5)获得能效表达式：能效是总速率与总功率的比值，依据公式(4)和公式(7)可获得能效表达式如公式(8)所示：

由于公式(8)是一个非凸分式规划问题，并带有多个约束条件，且ηee是关于优化变量ηi,j和pi,j的优化问题，直接求解会很困难，因此,采用dinkelbach方法构造函数l(γ)将公式(8)中的分式的化为一个减式，如公式(9)所示：

设(ηi,j^*,pi,j^*)为ηee的最优解，令γ＝γ^*，则当用户关联和功率分配都达到最佳时的能效的表达式如公式(10)所示：

6)依据最大能效选择关联模式：m个绿色微基站和n个用户共有m*n个关联情况，假设功率矩阵给定的情况下，以用户为中心，遍历距离di,j＜dmax时的绿色微基站，依据公式(8)取得最大化选择用户关联，如公式(11)所示：

将公式(11)计算结果由大到小排序，选择能够连接用户的绿色微基站作为关联对象，且用户只连接一个绿色微基站，绿色微基站的最大可连接数为umax，依据最大能效选择关联如公式(12)所示：

当ηi,j＝1时，则表明用户j与绿色微基站i是关联的，当ηi,j＝0时，则表明用户j与绿色微基站i是不关联的，表示且用户只连接一个绿色微基站，表示绿色微基站的最大可连接数为umax；

7)依据最大能效进行功率分配：为满足最小信干噪比约束和最大功率约束，即ri,j＞rmin，pi,j＜pmax的约束条件，故pi,j^*的取值范围如公式(13)所示：

其中，在m*n个已知的情况下，依据公式(8)取得最大化进行最佳的功率分配，如公式(14)所示：

对公式(14)求一阶导，可求得驻点如公式(15)所示：

对公式(14)求二阶导可得l(pi,j^*)”＜0，故公式(14)为凸函数，判断与p0，pmax处l(pi,j^*)之间的大小关系，可求得pi,j^*，如公式(16)所示：

8)计算用户数与绿色微基站数的比例范围：用户一定时，所有用户可以与绿色微基站连接，依据用户实际关联的绿色微基站数与用户的比值为上边界如公式(17)所示：

其中，λ为绿色微基站数与用户数的比值，当λ＝1时，根据用户实际关联的绿色微基站数，计算用户一定时，用户数与绿色微基站的数比值的下边界如公式(18)所示：

综合公式(17)和公式(18)，故λ的取值范围为公式(19)所示：

经过仿真实验，仿真结果证明本例方法相比传统的方案相比，本例方法保证了异构密集网络的用户服务质量和提高能效能量效率：

如图4所示，当绿色微基站数一定时，随着用户数的递增，总的系统容量会先增加后不变，原因是当所有绿色微基站都被用户连接了，即使用户数增加，但用户无法连接绿色微基站，使得系统容量达到最大值就不再增加，此时增加绿色微基站数目时，更多的用户能够连接绿色微基站，系统容量会相对增加，因此增加绿色微基站的数量能够增加系统容量；

如图5所示，当用户数一定时，随着绿色微基站数的递增，能效值先增加后降低，原因是当所有用户都连接绿色微基站时，再增加绿色微基站，系统总容量不变而系统总能耗在增加，故能效就会下降，若再增大用户数，能效最大值点增大，能效转折点处的微基站数增加，说明在用户一定时，需要部署或者开启合适的绿色微基站数，才能让系统容量和能效同时达到最大；

如图6所示，随着用户数的递增，满足用户连接所需要的绿色微基站数目增多，λ＝1时，用户数越多，实际使用的微基站数目和空闲的绿色微基站数目也都随之增加，实际使用的绿色微基站远多余用户所需要的绿色微基站，其原因在于绿色微基站的增多，用户有更多的绿色微基站可以选择，故绿色微基站数目需要大于等于用户数与与单个绿色微基站最大连接数的比值，也需要小于等于实际绿色微基站数目与用户的比值。