基于用戶體驗質(zhì)量和系統(tǒng)能耗的異構(gòu)網(wǎng)絡(luò)聯(lián)合接入選擇和功率分配策略

季石宇，唐良瑞，李淑賢，杜施默

（1. 華北電力大學電氣與電子工程學院，北京 102206；

2. 中國移動通信集團浙江有限公司杭州分公司，浙江 杭州 310006）

基于用戶體驗質(zhì)量和系統(tǒng)能耗的異構(gòu)網(wǎng)絡(luò)聯(lián)合接入選擇和功率分配策略

季石宇1，唐良瑞1，李淑賢1，杜施默2

（1. 華北電力大學電氣與電子工程學院，北京 102206；

2. 中國移動通信集團浙江有限公司杭州分公司，浙江 杭州 310006）

為了解決無線網(wǎng)絡(luò)能耗和用戶體驗質(zhì)量的問題，提出了一種應(yīng)用于異構(gòu)無線網(wǎng)絡(luò)環(huán)境的基于多目標優(yōu)化的聯(lián)合接入選擇和功率分配策略。該策略以最小化系統(tǒng)整體能耗和最大化用戶平均體驗質(zhì)量為目標，建立了多目標優(yōu)化聯(lián)合分配模型，通過差分進化算法得到聯(lián)合分配模型的最優(yōu)解集，并結(jié)合 TOPSIS的方法從最優(yōu)解集中得到折中的聯(lián)合分配方案。仿真結(jié)果表明，本文所提的策略能夠有效地降低系統(tǒng)能耗，并提升用戶整體的服務(wù)體驗。

異構(gòu)網(wǎng)絡(luò)；用戶體驗質(zhì)量；能耗；接入選擇；功率分配

1 引言

未來無線網(wǎng)絡(luò)呈現(xiàn)出泛在化、扁平化的特性，將不再是由單一的接入網(wǎng)絡(luò)構(gòu)成，而是包含宏蜂窩網(wǎng)絡(luò)、微蜂窩網(wǎng)絡(luò)等多種形式、多種技術(shù)和能耗開銷的異構(gòu)蜂窩網(wǎng)絡(luò)[1,2]。異構(gòu)蜂窩網(wǎng)絡(luò)的出現(xiàn)能為用戶提供更為充裕的資源，從而有效地保證用戶的服務(wù)質(zhì)量[3,4]。但是由于無線終端設(shè)備的增多、終端類型的日益豐富，用戶已經(jīng)不滿足于保證自身的服務(wù)質(zhì)量，而更加追求提升自身的體驗質(zhì)量（quality of experience，QoE）[5]。另一方面，由于溫室氣體的排放、煤炭等不可再生資源使用的加劇，系統(tǒng)能耗也是人們關(guān)注的另一個重點[6]。異構(gòu)網(wǎng)絡(luò)的資源管理能夠很好地解決用戶體驗提升和系統(tǒng)能耗降低的問題。

目前，對于異構(gòu)無線網(wǎng)絡(luò)中的資源管理已有廣泛研究，參考文獻[7]提出了信干噪比最大化（signal to interference plus noise ratio maximization，SINRmax）的接入方案，即用戶接入信干噪比最強的網(wǎng)絡(luò)中。參考文獻[8]提出了基于負載均衡的接入選擇（radio access selection，RAS），用戶根據(jù)網(wǎng)絡(luò)的負載狀況和自身的服務(wù)質(zhì)量（quality of service，QoS）需求，從而決定接入最優(yōu)的網(wǎng)絡(luò)之中。參考文獻[9]為了降低用戶干擾，提出了集中式的功率控制策略。但是上述所提的這些策略都是對單一的無線資源（如功率）進行優(yōu)化和管理，并且由于現(xiàn)有網(wǎng)絡(luò)資源維度的多樣性，單一資源的優(yōu)化難以實現(xiàn)網(wǎng)絡(luò)能耗和用戶體驗質(zhì)量的最優(yōu)化。因此，越來越多的學者進一步地研究異構(gòu)網(wǎng)絡(luò)聯(lián)合資源優(yōu)化[10-13]。參考文獻[10]提出了在保證用戶QoS的條件下對網(wǎng)絡(luò)能耗的降低，但是所提的策略是基于頻譜分段的情況下，即用戶傳輸過程中不會受到同頻信號的干擾，但會大大降低無線網(wǎng)絡(luò)頻譜的利用率。參考文獻[11]提出了在頻譜共享下聯(lián)合功率和接入的方法最小化上行傳輸功率總和，但是系統(tǒng)能耗并不僅僅包括上行傳輸能耗，還包括基站處理等能耗。參考文獻[12]提出了基于能效最大化的聯(lián)合用戶接入和功率控制（EEUA）的策略，通過將功率分配和接入選擇問題轉(zhuǎn)變?yōu)榉蔷€性混合整數(shù)優(yōu)化問題，并通過迭代算法得到問題的最優(yōu)解。但是并未考慮到由于未來無線用戶將會使用各類應(yīng)用和業(yè)務(wù)，用戶的體驗質(zhì)量也是十分重要的[14-17]。參考文獻[14]提出了一種用戶服務(wù)體驗質(zhì)量模型，但是并未考慮到在實時無線系統(tǒng)中，模型參數(shù)難以實時獲取。為此，參考文獻[15]提出了在實時無線系統(tǒng)中的用戶體驗質(zhì)量模型，并設(shè)計了以提升用戶體驗質(zhì)量為目標的資源管理方案。但是這些文獻單一地從能耗或者用戶體驗質(zhì)量方面進行優(yōu)化，并未綜合考慮用戶體驗質(zhì)量、系統(tǒng)能耗以及用戶接入和功率分配等問題，這樣往往會造成另一個目標的劣化，從而難以得到一個較為滿意的折中解。

基于以上分析，本文提出了基于多目標的接入選擇和功率分配聯(lián)合優(yōu)化策略（multi-objective based joint user association and power control scheme，MUPS）。通過分析無線網(wǎng)絡(luò)系統(tǒng)能耗成因，從用戶側(cè)和網(wǎng)絡(luò)側(cè)共同建立了系統(tǒng)能耗模型，并結(jié)合用戶體驗質(zhì)量提升的需求，提出了系統(tǒng)能耗最小、用戶體驗質(zhì)量最大化的多目標優(yōu)化模型，通過多目標差分算法進行求解，并結(jié)合逼近理想解的排序方法（technique for order preference by similarity to ideal solution，TOPSIS）得到最優(yōu)的接入選擇和功率分配方案。仿真結(jié)果表明，該策略能夠有效地降低系統(tǒng)能耗，并提升用戶整體的體驗質(zhì)量。

2 系統(tǒng)模型

在異構(gòu)網(wǎng)絡(luò)環(huán)境下，當用戶發(fā)出接入請求時，將會觸發(fā)網(wǎng)絡(luò)接入選擇機制，網(wǎng)絡(luò)控制中心將給各個用戶分配相應(yīng)的網(wǎng)絡(luò)保證用戶的接入，假設(shè)無線用戶在異構(gòu)無線網(wǎng)絡(luò)重疊覆蓋范圍內(nèi)隨機分布。系統(tǒng)模型如圖1所示，重疊覆蓋范圍內(nèi)共有M個網(wǎng)絡(luò)，每個網(wǎng)絡(luò)的總帶寬為B。當用戶n接入網(wǎng)絡(luò)m中，則

圖1 系統(tǒng)模型

當無線用戶接入網(wǎng)絡(luò)后，網(wǎng)絡(luò)將會給用戶分配業(yè)務(wù)傳輸時隙，從而保證無線用戶傳輸業(yè)務(wù)，而當用戶傳輸業(yè)務(wù)時，無線用戶對于網(wǎng)絡(luò)所提供的業(yè)務(wù)傳輸?shù)确?wù)存在著主觀上的體驗差異性，即具有不同的服務(wù)滿意程度。相較于傳統(tǒng)的服務(wù)質(zhì)量，用戶的體驗質(zhì)量進一步地引入了用戶的主觀感受所帶來的影響。對于用戶的體驗質(zhì)量，國際標準組織采用了平均評價分數(shù)（mean opinion score，MOS）模型作為評價模型。MOS模型是一種主觀評價模型，能夠最直觀地體現(xiàn)用戶感受。它將用戶感受分為4段，各段的統(tǒng)計意義見表1[18]。

表1 MOS數(shù)值與用戶感受對應(yīng)關(guān)系

通常對于無線用戶，用戶的體驗質(zhì)量是與用戶的主觀感受相一致的，而無線網(wǎng)絡(luò)的傳輸速率與用戶的主觀感受息息相關(guān)，當用戶的傳輸速率較高時，其體驗質(zhì)量也會提升，但是用戶速率達到一定值后，用戶的體驗質(zhì)量并不會增加；同樣地，當用戶的傳輸速率低于門限值時，由于用戶難以達到自身服務(wù)的需求，其體驗質(zhì)量將會是最低的，即十分不滿意網(wǎng)絡(luò)所提供的服務(wù)。本文通過參考文獻[18]所提的效用函數(shù)來表示用戶的體驗質(zhì)量，即對于無線用戶n，其體驗質(zhì)量為：

其中，Rn為用戶n的傳輸速率，Rmin和Rmax分別是最小傳輸速率和最大傳輸速率。a和b為固定變量，保證所提的用戶體驗函數(shù)為連續(xù)函數(shù)。

3 多目標接入選擇及功率分配聯(lián)合優(yōu)化策略

在無線網(wǎng)絡(luò)中，用戶十分關(guān)心自身的體驗質(zhì)量，但是整個無線系統(tǒng)更關(guān)心整個網(wǎng)絡(luò)的能耗和終端能耗，從而能夠達到節(jié)能和降低成本的目的。因此本文從網(wǎng)絡(luò)側(cè)和用戶側(cè)分別建立了能耗目標，同時考慮了用戶體驗質(zhì)量的最優(yōu)化，從而將用戶的接入選擇和功率分配問題轉(zhuǎn)變?yōu)槎嗄繕藘?yōu)化問題，并采用多目標優(yōu)化的算法對優(yōu)化問題進行求解得到最優(yōu)的接入選擇和功率分配方案，并通過采用 TOPSIS的方法對系統(tǒng)能耗和用戶體驗質(zhì)量做出很好的折中。

3.1 多維聯(lián)合優(yōu)化模型

3.1.1 最小化能耗

整個無線通信系統(tǒng)中，不僅基站會消耗大量的能量，并且隨著終端數(shù)目的增多，終端能耗也日益成為系統(tǒng)能耗的重要組成部分。無線網(wǎng)絡(luò)基站能耗主要包括無線傳輸能耗、信號處理能耗和固定的電路能耗，計算式為：

其中，εm為網(wǎng)絡(luò)m的天線增益，pm(τ)為網(wǎng)絡(luò)m在第τ時刻無線網(wǎng)絡(luò)的傳輸功率，和分別為網(wǎng)絡(luò)m的導(dǎo)頻功耗和固定功耗。

用戶側(cè)的能耗主要包括兩個部分，一部分是由用戶終端信號處理所帶來的能耗，另一部分是終端固定能耗。終端處理能耗不僅和處理時間有關(guān)，還與信號處理功率有關(guān)[19]，而由于終端始終保持開啟狀態(tài)，其固定能耗則是在整個時隙中所消耗的能量，計算式為：

整個系統(tǒng)的能量消耗應(yīng)當包括網(wǎng)絡(luò)側(cè)的能量消耗和終端的能量消耗：

考慮到在所建立的網(wǎng)絡(luò)場景下，用戶并不存在高速移動，這就使得在整個時隙內(nèi)無線網(wǎng)絡(luò)和無線終端的信號處理功率、發(fā)射功率等幾乎不發(fā)生變化，因此整個系統(tǒng)的能耗最小化的目標可以轉(zhuǎn)變?yōu)檎麄€系統(tǒng)功耗的最小：

其中，PB為網(wǎng)絡(luò)功耗，包括固定功耗和傳輸功耗。PU為用戶功耗，包括接收信息的處理功耗和固定功耗。具體的計算方式分別為：

無線網(wǎng)絡(luò)聯(lián)合優(yōu)化策略的另一個目標是實現(xiàn)無線用戶的平均體驗質(zhì)量最大化：

其中，nMOS為用戶n的體驗質(zhì)量，可以通過式（1）進行計算，通過式（1）可以看出，用戶n

的體驗質(zhì)量僅僅與用戶n的傳輸速率有關(guān)，對于用戶n而言，其傳輸速率為：其中，γmn為用戶n接入網(wǎng)絡(luò)m后的信噪比，

計算式為：

其中，gmn為網(wǎng)絡(luò)m與用戶n之間的信道增益，N0為高斯白噪聲密度。

3.1.3 約束條件

無線系統(tǒng)中由于用戶需求和基站性能等會對聯(lián)合優(yōu)化造成影響，主要包括系統(tǒng)發(fā)射功率的約束，用戶接入和QoS約束。

（1）發(fā)射功率約束

在實際無線網(wǎng)絡(luò)中，第m個無線網(wǎng)絡(luò)可用的傳輸功率是有限的，記為pmmax，最大傳輸功率的限制是為了保證基站設(shè)備能夠處于線性工作區(qū)間，從而保證基站設(shè)備的良好運行，因此發(fā)射功率的約束為：

（2）用戶接入約束

在無線網(wǎng)絡(luò)中，每個用戶在同一時刻最多只能接入一個無線接入網(wǎng)絡(luò)中，即：

（3）QoS約束

用戶接收到的信噪比應(yīng)該滿足自身約束的需求，從而滿足自身最低的服務(wù)質(zhì)量需求，即：

3.2 多目標差分進化算法

綜上所述，本文從網(wǎng)絡(luò)能耗和用戶體驗兩個方面對異構(gòu)網(wǎng)絡(luò)下的接入選擇進行研究，其目的是能夠降低網(wǎng)絡(luò)能耗和提升用戶體驗質(zhì)量，因此對于異構(gòu)網(wǎng)絡(luò)接入選擇問題可以轉(zhuǎn)變?yōu)槎嗄繕藘?yōu)化的問題：

（1）種群初始化

（2）變異

變異操作是通過對種群個體的接入方式和功率分配方式的變異，從而擴大搜索空間，避免陷入局部陷阱的方式，具體可表示為：

其中，R為變異常量，通常表示的是前次迭代個體對下次迭代個體的影響程度。分別為變異前和變異后的種群個體，為當代個體的差分向量，其中對于整個變異操作，如果超出上下限范圍則取邊界值。由于本文的編碼方式為混合編碼方式，當種群個體的優(yōu)化變量為整數(shù)時，需要對變異產(chǎn)生的值進行取整：

其中，符號[]·表示取整函數(shù)。

（3）交叉

為了能夠保證種群的多樣性，采用二項式交叉算子對前后兩代的種群個體進行交叉，從而保證前代個體的分量能夠被繼承。具體方式為：

（4）選擇

本文采用參考文獻[20]所提出的選擇策略來求解含有約束條件的多目標優(yōu)化問題。通過計算所有種群個體的目標函數(shù)值，比較變異交叉后產(chǎn)生的（t+1）代個體與t代個體的目標值大小，若（t+1）代個體支配t代個體則進入種群，否則進入種群。個體支配個體指的是滿足式（21）：

國內(nèi)景觀新奇度美學研究相對較晚。劉頌等［4］在對上海市夢清園的研究中，證實了熟悉度對景觀審美認知存在影響，影響可能表現(xiàn)為積極或消極兩個極端。總的來說，一個非常熟悉的環(huán)境更容易引起用戶的共鳴［1］。在對朱雀公園審美價值評估的研究基礎(chǔ)上，王金照提出“景觀的新穎度越高，一致性和易讀性越低；復(fù)雜性和神秘性越高，對人的刺激越強，審美價值越高”［1］。總之，景觀熟悉度對美學偏好存在影響確鑿無疑，但具體表現(xiàn)是積極的還是消極的尚未明確。

（5）最優(yōu)折中解的選取

通過上述步驟可以得到多目標問題下的最優(yōu)解集，即Pareto解集。在實際的網(wǎng)絡(luò)中，用戶最終的接入方案和功率分配方案需要能從 Pareto解集中選擇出最優(yōu)的折中解，即需要均衡系統(tǒng)能耗和用戶體驗質(zhì)量的最優(yōu)聯(lián)合分配方案[21]。本文采用TOPSIS的方法實現(xiàn)對系統(tǒng)能耗和用戶體驗質(zhì)量的有效折中，即通過計算式（22）得到Pareto解集中各個聯(lián)合用戶接入和功率分配方案的最優(yōu)解：

其中，Yki為 Pareto解集中第k個解的第i個目標函數(shù)歸一化值，Yi+和iY?分別為Pareto前沿中所有個體的第i個目標函數(shù)歸一化值的最大值和最小值。目標函數(shù)的歸一化值通過式（23）計算：

其中，Hki為Pareto解集中第k個解的第i個目標函數(shù)值，K為Pareto前沿中的個體總數(shù)。根據(jù)TOPSIS方式所得到的Dk值在0～1范圍內(nèi)，根據(jù)Dk值大小對所得的Pareto前沿解集進行排序，Dk值越大，說明所得的聯(lián)合分配方案越接近于最優(yōu)方案，反之，則遠離最優(yōu)方案。最終，根據(jù)排序結(jié)果得到最終的聯(lián)合分配方案。

4 仿真分析

為了驗證MUPS算法的性能，本文對MUPS算法與EEUA和SINRmax進行仿真對比分析。采用異構(gòu)多接入網(wǎng)絡(luò)組網(wǎng)的方式，仿真模型如圖 1所示，其中，宏蜂窩的信道衰落為微蜂窩網(wǎng)絡(luò)的信道衰落具體的相關(guān)參數(shù)見表2[12,19]。

表2 具體的相關(guān)參數(shù)

4.1 收斂性分析

算法收斂性分析如圖2所示。由圖2可知，隨著迭代次數(shù)的增多，系統(tǒng)能耗不斷降低，而用戶平均體驗質(zhì)量將不斷提升，這是由于算法將交叉變異后的個體與原來的個體進行比較，選擇出優(yōu)秀個體進入下次迭代，從而保證了后代個體的優(yōu)質(zhì)性。而當?shù)螖?shù)為45次左右時，算法達到收斂，系統(tǒng)能耗和用戶平均體驗質(zhì)量不再變換。

圖2 算法收斂性分析

4.2 系統(tǒng)能耗分析

3類不同算法的系統(tǒng)整體功耗如圖3所示。由圖 3可知，隨著用戶數(shù)的增加，3類算法的功耗幾乎并沒有產(chǎn)生變化，尤其是SINRmax。這是由于 SINRmax算法中并沒有對各個網(wǎng)絡(luò)的發(fā)射功率進行優(yōu)化，即都采用最大功率進行傳輸，因此在網(wǎng)絡(luò)側(cè)的功耗并不會隨著用戶的增多而發(fā)生變化。此外，對于用戶側(cè)的功耗而言，從式（8）可以看出，由于可接入網(wǎng)絡(luò)數(shù)目的限制，盡管用戶數(shù)目有明顯增多，但是仍然難以造成用戶側(cè)功耗的提升。而其他兩類算法都可以對發(fā)射功率進行分配，但是由于用戶位置的隨機性和不確定性，網(wǎng)絡(luò)的發(fā)射功率仍然難以隨著用戶的變化而變化。本文所提出的MUPS算法的功耗在所有算法中是最低的，這是由于MUPS算法直接以能耗為目標，相較于EEUA算法是以能效為目標，能夠有效實現(xiàn)能耗的降低。

圖3 3類不同算法的系統(tǒng)整體功耗

4.3 用戶體驗質(zhì)量分析

3種算法的用戶平均體驗質(zhì)量情況如圖 4所示。由于無線網(wǎng)絡(luò)資源有限，隨著用戶數(shù)目的增多，用戶難以獲得充足的網(wǎng)絡(luò)資源，因此用戶平均體驗質(zhì)量將會降低。由圖4可以看出，當用戶數(shù)為40時，SINRmax的平均用戶體驗要高于其他兩類算法，但是隨著用戶數(shù)的增多，SINRmax算法中的用戶體驗將快速下降，當用戶數(shù)分別為50和60時將開始低于MUPS算法和EEUA算法。這是由于在網(wǎng)絡(luò)中用戶數(shù)較少時，網(wǎng)絡(luò)中干擾信道數(shù)較少，網(wǎng)絡(luò)傳輸功率的最大化能夠提升用戶體驗，但是隨著用戶數(shù)增多，網(wǎng)絡(luò)之間的相互干擾將會更加嚴重，傳輸功率的最大化將會嚴重地劣化用戶體驗，從而造成用戶體驗質(zhì)量的急速下降。相比于SINRmax算法，MUPS算法和 EEUA算法的下降速率相對緩慢，但是由于 EEUA算法是考慮網(wǎng)絡(luò)傳輸容量，并未直接考慮用戶體驗質(zhì)量，因此其用戶平均體驗質(zhì)量始終低于MUPS算法。

圖4 用戶平均體驗質(zhì)量情況

4.4 負載情況分析

MUPS算法的各個網(wǎng)絡(luò)負載情況與 EEUA算法和SINRmax算法的對比情況如圖5所示。由圖5可以看出，隨著用戶數(shù)增多，MUPS算法的宏蜂窩和兩個微蜂窩的負載水平十分接近，呈現(xiàn)出了更好的均衡性，這是由于 MUPS算法能夠有效地折中平均用戶體驗和系統(tǒng)能耗，從而能夠使得用戶均衡地接入各個網(wǎng)絡(luò)之中。在SINRmax算法中，由于微蜂窩覆蓋范圍較小，用戶大多能夠從微蜂窩處接收到更強的信號，因此，微蜂窩中的接入用戶數(shù)明顯高于宏蜂窩的用戶數(shù)。而在 EEUA算法中由于傳輸功率和信道狀態(tài)的影響，接入宏蜂窩網(wǎng)絡(luò)的用戶數(shù)將會大于微蜂窩網(wǎng)絡(luò)的用戶數(shù)。

圖5 網(wǎng)絡(luò)負載情況對比

5 結(jié)束語

本文針對無線網(wǎng)絡(luò)能耗和用戶體驗問題提出了一種基于多目標優(yōu)化的聯(lián)合接入選擇和功率分配算法。從用戶側(cè)和網(wǎng)絡(luò)側(cè)建立系統(tǒng)能耗模型，同時也建立以用戶傳輸速率為變量的實時傳輸系統(tǒng)的用戶體驗質(zhì)量模型。并在此基礎(chǔ)上，設(shè)計了以系統(tǒng)能耗最大和平均用戶體驗最小的多目標優(yōu)化問題，通過采用差分進化方法對多目標優(yōu)化問題進行求解，得到最優(yōu)的接入選擇和功率分配Pareto解集，通過TOPSIS方法，從解集中得到最優(yōu)的折中解。仿真結(jié)果表明，本文所提的算法能夠有效地降低系統(tǒng)能耗，并提升平均用戶體驗質(zhì)量，同時也能夠保證網(wǎng)絡(luò)的負載均衡性，具有較好的應(yīng)用價值。

[1] XU C, JIN W, ZHAO G, et al. A Novel multipath-transmission supported software defined wireless network architecture[J].IEEE Access, 2017, 5(99): 2111-2125.

[2] NIU C, LI Y, HU R Q, et al. Fast and efficient radio resource allocation in dynamic ultra-dense heterogeneous networks[J].IEEE Access, 2017, 5(99): 1911-1924.

[3] 田峰, 劉翰燾, 周亮. 分層異構(gòu)網(wǎng)絡(luò)無線資源管理技術(shù)探討[J].電信科學, 2013, 29(6): 32-38.TIAN F, LIU H T, ZHOU L. Research on radio resource management for hierarchical heterogeneous wireless network[J].Telecommunications Science, 2013, 29(6): 32-38.

[4] 梁瀟, 錢志鴻, 田洪亮, 等. 基于馬爾可夫決策模型的異構(gòu)無線網(wǎng)絡(luò)切換選擇算法[J]. 物理學報, 2016, 65(23): 206-214.LIANG X, QIAN Z H, TIAN H L, et al. Markov decision model based handoff selection algorithm for heterogeneous wireless networks[J]. Acta Mathematica Scientia, 2016, 65(23): 206-214.

[5] CASAS P, SEUFERT M, WAMSER F, et al. Next to you: monitoring quality of experience in cellular networks from the end-devices[J]. IEEE Transactions on Network & Service Management, 2016, 13(2): 181-196.

[6] 張英杰, 章兢, 劉文強, 等. 通信行業(yè)能耗現(xiàn)狀分析與節(jié)能戰(zhàn)略思考[J]. 電信科學, 2011, 27(10): 103-109.ZHANG Y J, ZHANG J, LIU W Q. et al. Overview of current state of energy consumption and energy-saving strategies exploration in communication industry[J]. Telecommunications Science, 2011, 27(10): 103-109.

[7] SEKULOVIC N, STEFANOVIC M, DENIC D, et al. Performance analysis of signal-to-interferenceplus- noise ratio-based selection diversity over correlated rayleigh fading channels[J].IET Communications, 2011, 5(2): 127-134.

[8] 孫卓, 劉鐵軍, 張倩倩, 等. 異構(gòu)無線分組網(wǎng)絡(luò)中的接入選擇機制[J]. 系統(tǒng)仿真學報, 2008, 20(10): 2762-2765.SUN Z, LIU T J, ZHANG Q Q, et al. Radio access selection algorithm in heterogeneous wireless packet networks[J]. Journal of System Simulation, 2008, 20(10): 2762-2761.

[9] TAI M H, TRAN N H, DO C T, et al. Power control for interference management and QoS guarantee in heterogeneous networks[J]. IEEE Communications Letters, 2015, 19(8):1402-1405.

[10] HUANG G, LIN Z, TANG D, et al. QoS-driven jointly optimal power and bandwidth allocation for heterogeneous wireless networks[J]. Electronics Letters, 2014, 51(1): 122-124.

[11] CHITTI K, QUAN K, SPEIDEL J. Joint base station association and power allocation for uplink sum-rate maximization[C]//Signal Processing Advances in Wireless Communications, June 16-19,2013, Darmstadt, Germany. New Jersey: IEEE Press, 2013:6-10.

[12] ZHOU T, HUANG Y, YANG L. Energy-efficient user association in downlink heterogeneous cellular networks[J]. IET Communications, 2016, 10(13): 1553-1561.

[13] 于佳, 王野, 吳紹華, 等. 基于 CoMP傳輸?shù)姆植际疆悩?gòu)網(wǎng)絡(luò)資源分配[J]. 電信科學, 2015, 31(9): 11-19.YU J, WANG Y, WU S H, et al. Resource allocation of distributed heterogeneous network based on CoMP transmission[J]. Telecommunications Science, 2015, 31(9): 11-19.

[14] YUAN D, SONG M, TENG Y, et al. QoE-oriented resource allocation for multiuser-multiservice femtocell networks[J].China Communications, 2015, 12(10): 27-41.

[15] CHEN F, QIN X, WEI G. QoE optimized resource allocation in multiuser OFDM systems[J]. Przeglad Elektrotechniczny, 2012,88(7): 328-331.

[16] WANG N, GONG S, FEI Z, et al. A QoE-based jointly subcarrier and power allocation for multiuser multiservice networks[J].Science China, 2016, 59(12): 1-13.

[17] 楊燕. 淺析移動通信網(wǎng)絡(luò)中的QoE[J]. 電信科學, 2007, 23(8):34-38.YANG Y. Simple analysis of QoE in mobile communication network[J]. Telecommunications Science, 2007, 23(8): 34-38.

[18] 王大鳴, 陳松, 崔維嘉, 等. 多用戶 MIMO-OFDM 系統(tǒng)基于QoE效用函數(shù)的跨層資源分配[J]. 通信學報, 2014, 35(9):175-183.WANG D M, CHEN S, CUI W J, et al. QoE utility function-based cross-layer resource allocation in multi-user MIMO-OFDM systems[J]. Journal on Communications, 2014,35(9): 175-183.

[19] WU Q, CHEN W, TAO M, et al. Resource allocation for joint transmitter and receiver energy efficiency maximization in downlink OFDMA systems[J]. IEEE Transactions on Communications, 2015, 63(2): 416-430.

[20] 劉文穎, 文晶, 謝昶, 等. 考慮風電消納的電力系統(tǒng)源荷協(xié)調(diào)多目標優(yōu)化方法[J]. 中國電機工程學報, 2015, 35(5):1079-1088.LIU W Y, WEN J, XIE C, et al. Multi-objective optimal method considering wind power accommodation based on source-load coordination[J]. Proceedings of the CSEE, 2015, 35(5):1079-1088.

[21] 盛四清, 范林濤, 李興, 等. 基于帕累托最優(yōu)的配電網(wǎng)多目標規(guī)劃[J]. 電力系統(tǒng)自動化, 2014, 38(15): 51-57 SHENG S Q, FAN L T, LI X, et al. Multi-objective planning of distribution network based on pareto optimality[J]. Automation of Electric Power Systems, 2014, 38(15): 51-57

[22] LIU Y, LU L, LI G Y, et al. Joint user association and spectrum allocation for small cell networks with wireless backhauls[J].IEEE Wireless Communications Letters, 2016, 5(5): 496-499.

Joint user association and power control scheme based on energy consumption and QoE in heterogeneous network

JI Shiyu1, TANG Liangrui1, LI Shuxian1, DU Shimo2
1. School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102206, China 2. Hangzhou Branch of China Mobile Group Zhejing Co., Ltd., Hangzhou 310006, China

Based on multi-objective optimization, a joint user association and power control scheme was proposed in heterogeneous network environment, aiming to reduce the system energy consumption and improve user quality of experience. The scheme took the system energy consumption minimum and the average user quality of experience maximum as objective functions and translated the joint user association and power control to multi-objective problem. Then, the differential evolution optimization algorithm and TOPSIS algorithm was used to solve the multi-objective problem. Simulation results show that the scheme can efficiently reduce the system energy consumption and improve the user quality of experience.

heterogeneous network, user quality of experience, energy consumption, user association, power control

s: Beijing Natural Science Foundation of China (No.4142049), The National High Technology Research and Development Program of China (863 Program) (No.2014AA01A701), The Central University Basic Business Expenses Special Funding for Scientific Research Projects (No.2015XS07)

TN929.5

A

10.11959/j.issn.1000?0801.2017251

2017?07?05；

2017?08?21

北京市自然科學基金資助項目（No.4142049）；國家高技術(shù)研究發(fā)展計劃（“863”計劃）基金資助項目（No.2014AA01A701）；中央高校基本科研業(yè)務(wù)費專項資金資助項目（No.2015XS07）

季石宇（1992?），男，華北電力大學電氣與電子工程學院博士生，主要研究方向為無線資源管理技術(shù)。

唐良瑞（1966?），男，華北電力大學電氣與電子工程學院教授、博士生導(dǎo)師，主要研究方向為無線通信、電力系統(tǒng)通信與信息處理。

李淑賢（1992?），女，華北電力大學電氣與電子工程學院碩士生，主要研究方向為移動通信技術(shù)。

杜施默（1992?），女，中國移動通信集團浙江有限公司杭州分公司網(wǎng)絡(luò)工程師，主要研究方向為通信網(wǎng)絡(luò)流量建模。