基于基站休眠的負載合并動態功率控制算法*

向 偉，張劍峰，邵鑫鴻，謝 威

(解放軍理工大學通信工程學院，江蘇 南京 210007)

?

基于基站休眠的負載合并動態功率控制算法*

向 偉1，張劍峰2，邵鑫鴻2，謝 威2

(解放軍理工大學通信工程學院，江蘇 南京 210007)

在蜂窩系統中，采用基站休眠策略時,如果固定設置工作基站功率，將導致基站低負載時，網絡功率效率降低。提出基于基站休眠的負載合并動態功率控制算法，低負載的宏基站進入休眠，負載較高的宏基站為工作基站，工作基站根據本小區及其分擔的鄰近休眠基站內的負載變化，動態調節自身的功率。仿真結果表明，所提出的動態功率控制算法在滿足用戶服務質量的前提下，有效降低了整個蜂窩網絡的功率消耗。

蜂窩網絡；功率效率；休眠策略；功率控制

0 引 言

在蜂窩網絡中，宏基站是最主要的能量消耗部分，宏基站用于傳輸信息的功率約占40%，余下部分用于基站的靜態功率消耗如冷卻系統、信號處理、電池儲備。因此在蜂窩網絡中，通過降低宏基站靜態功率消耗來降低蜂窩網絡能量消耗變得十分重要[1-3]。

在同一時刻不同位置的基站，其所在蜂窩小區內的負載相差很大；同時，在同一基站不同時刻其所在蜂窩小區內的負載變化較大[4]。基于蜂窩小區負載在時間和空間上的動態變化，提出了宏基站休眠策略。即針對某一蜂窩小區，在某一時刻蜂窩小區的負載很小時，使此小區宏基站處于休眠狀態，同時增大與此蜂窩小區相鄰且處于工作狀態的宏基站的發射功率，使之能夠滿足休眠宏基站內的用戶業務需求且可降低蜂窩網絡整體功耗[5-7]。采用這種宏基站休眠策略時，工作基站為了滿足休眠基站內的用戶業務需求，將工作基站功率設定為一個較大的恒定值，而當其分擔的鄰近休眠基站內的負載較小時，則造成能量的浪費。為了解決這一問題，本文提出了利用核心網控制中心的協同調度功能，各個基站將本小區的負載統計發送給控制中心，控制中心根據各基站負載大小確定工作基站和休眠基站，休眠基站休眠后的負載統計由其鄰近的工作基站完成。控制中心根據工作基站小區內的負載，以及工作基站分擔的鄰近休眠基站內負載對工作基站的發射功率進行動態調整。采用本文提出的基于基站休眠的負載合并動態功率控制算法，在滿足休眠基站小區以及工作基站小區內用戶需求的前提下，使工作基站的功率相應的設置一個較小值來降低整個網絡的功率消耗。

本文第二部分介紹了研究的系統模型，包括網絡模型、信道模型、下行鏈路傳輸信噪比模型、宏基站負載模型、宏基站功率消耗模型和用戶成功接入概率。第三部分介紹了提出的基于基站休眠的負載合并動態功率控制算法。第四部分對提出的功率控制算法進行仿真及結果分析。第五部分為得出的結論。

1 系統模型

1.1 網絡模型

宏基站分布服從一般的正六變形結構，為了研究所提出的動態功率控制算法，本文研究了由M個(M≤7)宏基站構成的網絡模型，如圖1所示。假設宏基站能容納的最大負載為Tmax，將宏基站Bj在t時刻的負載歸一化，歸一化系數為pj∈[0,1][8]。根據基站休眠策略，當宏基站在t時刻的負載歸一化系數為pj時，則宏基站以概率pj處于工作狀態，以概率1-pj處于休眠狀態。根據宏基站工作概率pj選定工作基站，當pj≥ξ時，則宏基站Bj設定為工作基站，當pj<ξ時，宏基站處于休眠狀態，ξ為工作基站選定門限值。蜂窩小區內的用戶接入離自己最近的工作基站，采用休眠策略后為了使蜂窩網絡不出現覆蓋漏洞，控制中心根據工作基站小區內負載以及其分擔的鄰近休眠基站內的負載調整工作基站的發射功率，以滿足周圍休眠基站原覆蓋區域內用戶業務需求。

圖1 宏基站分布模型圖

1.2 信道模型

本文中信號路徑損耗采用文獻[9]基站到用戶基本路徑損耗的修正模型，F為信號遭受的信道陰影衰落損耗系數，10log10(F)為信道陰影衰落損耗，服從均值為0，方差為σ2的正態分布，路徑損耗表達式如下：

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

(1)

式中,L(d)為基站到用戶路徑損耗的基本模型。

1.3 接收信號信噪比模型

便于分析，假設宏基站Bj在二維坐標原點上，宏基站Bj距離用戶ux的距離為d。在背景噪聲為加性高斯白噪聲條件下，宏基站Bj到用戶ux下行鏈路的接收信噪比如下[10]：

(2)

式中,Pt,x為宏基站的發射功率，高斯白噪聲單邊功率譜密度為N0，信道帶寬為B。

1.4 負載模型

在圖1場景中，假設每個宏基站有N個可用信用于傳輸信息，單個信道帶寬為B。為了消除相鄰基站之間的干擾，假設相鄰基站之間使用不同載波頻率。由式(2)計算出宏基站到用戶ui的信噪比SNRi。則可知宏基站負載如下[11]：

(3)

式中,n為宏基站內的用戶數n∈{0,1,…,N}，ui=u0時，SNR0為0，表示蜂窩小區內用戶數為0。

1.5 功率消耗模型

宏基站功率消耗表達式如下[12]：

P=Pms+βPm

(4)

Pm為基站射頻端發射功率，β為基于基站負載的功率控制系數。Pms為基站靜態功率消耗，包括降低基站工作環境的冷卻系統、信號處理模塊、電池備用系統等消耗的功率，獨立于基站發射功率。本文中的功率效率定義為網絡負載除以網絡功率消耗，單位為：(kbit/s/w)。

1.6 成功接入概率

當基站采用休眠策略時，處于休眠狀態的宏基站內的用戶業務由距其最近的工作基站服務，需要增大工作基站功率來覆蓋周圍休眠基站小區內的用戶業務需求；同時必須滿足用戶基本服務質量，因此，需要計算休眠基站原覆蓋范圍內用戶的成功接入概率[13]。

(5)

式中，γ為用戶端最小信噪比門限值，Pr,th為用戶接收信號功率強度門限值。當用戶端信噪比大于γ時，則此用戶能夠與基站進行正常通信；當用戶端信噪比小于γ時，則此用戶被中斷，不能與基站進行正常通信。

2 算法說明

在圖1場景中，假設宏基站B0小區內負載較大，其工作概率大于ξ，而將其作為工作基站；由于鄰近宏基站B1,B2,…,BM小區內負載較小，工作概率小于ξ，而處于休眠狀態。宏基站B1,B2,…,BM休眠后，為了使休眠基站小區內的用戶不受影響，控制中心根據工作基站B0的負載以及其分擔的休眠基站B1,B2,…,BM的負載調整工作基站B0的發射功率，實現對工作基站小區及已休眠基站原覆蓋小區的覆蓋。

工作基站總負載和網絡總負載表達式如式(6)和式(7)，式(6)中Ij為第j個宏基站休眠的指示變量，當pj≥ξ時，Ij=0；當pj<ξ時，Ij=1，n為工作基站內用戶數，mj為第j個基站內的用戶數。

(6)

(7)

在宏基站最大負載為Tmax條件下，式(6)中第一部分為工作基站B0自身的負載，第二部分為宏基站B1,B2,…,BM休眠后轉移給工作基站的負載。

網絡總功率消耗如下：

(8)

式(8)中第一部分為工作基站總功率消耗；第二部分為宏基站B1,B2,…,BM以概率pj處于工作狀態的功率消耗之和，以區群大小7為例，j∈(1,2,3,4,5,6)。

2.1 基于基站休眠的負載合并動態功率控制算法

假設宏基站通過功率調整能承載的最大負載為Tmax，對周圍處于休眠狀態下的宏基站B1,B2,…,BM負載歸一化:

(9)

本文算法如下：

(1)式(9)中A為負載歸一化值，T0為工作基站自身的負載；

(2)當A>1時，工作基站的負載超出最大負載；

(3)確定周圍處于休眠狀態下擁有最大負載的宏基站，即從宏基站B1,B2,…,BM中確定此時負載最大的基站；

(4)在滿足A>1條件下，將處于休眠狀態下擁有最大負載的宏基站開啟；

(5)采用式(9)再次對處于休眠狀態下的宏基站小區負載進行歸一化，如果A>1，則重復(3)、(4)、(5)，直到A≤1；

(6)當A≤1時，β=1+A，β中的1為工作基站為滿足自身用戶業務需求所消耗的功率比例，A為工作基站為滿足周圍休眠基站原覆蓋區域內用戶業務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

文獻[14]的算法與本文的不同之處在于，采用基站休眠策略將工作基站選定后，工作基站將β設定一個能夠滿足基站最大負載時的值，并一直保持不變。

3 仿真與結果分析

為了驗證本文提出的動態功率控制算法是否有效降低了蜂窩網絡的功率消耗，本文使用MATLAB進行仿真，假設射頻端的發射功率平均分配給每個用戶，仿真參數如表1、表2和表3所示[15]：

表1 仿真參數

表2 仿真參數

表3 仿真參數

仿真時將表1、表2和表3參數代入文獻[9]的路徑損耗基本模型中，可得L(d)：

(10)

d0為路徑損耗參考距離。

由圖2可知，根據網絡消耗的總功率計算，本文提出的動態功率控制算法相對于固定功率控制算法，平均節省了約20%的功率。圖2曲線后半部分出現的凸起是由于鄰近休眠基站的負載大于休眠門限值而被開啟，導致整個網絡的功率消耗有較大的增加。與本文算法相比，因為固定功率控制算法在休眠基站負載大于休眠門限值，而工作基站負載又不超出最大負載時，對應的休眠基站被喚醒，所以導致圖2曲線后半部分固定功率控制算法網絡總功率的劇然增加提前于本文算法。

由圖3可知，本文算法單位功率內的平均數據速率比固定功率控制算法提高了約25%。圖3曲線后半部分突然下降是由于休眠基站內的負載大于休眠門限值而開啟，導致網絡總能量消耗突然增加，同時網絡負載的增加沒有功率增加得快；之后曲線上升是由于被開啟的宏基站內的負載未達到飽和而繼續增加。與本文算法相比，因為固定功率控制算法在休眠基站負載大于休眠門限值，而工作基站負載又不超出最大負載時，對應的休眠基站被喚醒，所以導致圖3曲線后半部分固定功率控制算法網絡功率效率突然提前于本文算法下降。

在節省功率的同時必須考慮通信的服務質量，如圖4所示，本文算法的成功接入概率達到了90%以上，與固定功率控制算法相比，性能相差很小。由于工作基站總負載的增加導致發射功率相應的增加，本文算法的成功接入概率會保持在一個相對穩定的范圍內。對于固定功率控制算法，由于從起始時刻工作基站功率就設定為一個較大的固定值，同時從起始時刻網絡負載較少，所以其成功接入概率會較大。對于固定功率控制算法曲線中間部分和最后部分出現的下降，是由于鄰近休眠基站內的負載達到最大時，導致分配給每個用戶的功率減小,所以每個用戶的成功接入概率會下降。

圖2 兩種算法的功率消耗對比

圖3 兩種算法功率效率對比

圖4 兩種算法成功接入概率對比

4 總 結

在蜂窩系統中，本文將基站休眠與負載合并算法相結合，提出的基于基站休眠的負載合并動態功率控制算法有效地降低了整個蜂窩網絡的功率消耗。工作基站根據本小區及其分擔的鄰近休眠基站的負載，動態調節自身的發射功率。在滿足用戶服務質量前提下，整個蜂窩網絡的功率消耗有較大地降低，功率效率有明顯提高。目前的網絡類型是同構蜂窩網絡，在未來工作中考慮在異構蜂窩網絡中對宏基站以及微蜂窩基站采用本文提出的動態功率控制算法以降低整個網絡的功率消耗。

[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] 陳甄，張毅，肖琨.自適應系統中基于場景的信噪比預測算法[J].通信技術，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

江蘇省自然科學基金項目(BK2011002)；國家自然科學基金項目(No.61371123);江蘇省青年學者自然科學基金項目(BK2012055)；國家青年學者自然科學基金項目(No.61301165)資助課題

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)

文獻標志碼：A 文章編號：1002-0802(2015)05-0555-05

向 偉(1989—)，男，碩士研究生，主要研究方向為移動蜂窩網絡基站休眠技術、異構蜂窩網絡資源分配。