簡述密集小蜂窩網絡中基于用戶接入的能效優化

李淼

摘 要 本文主要圍繞著密集型小蜂窩的網絡當中以用戶接入為基礎能效優化開展深入研究及探討，便于能夠為今后相關課題實踐探索和研究提供有價值的參考或者指導。

關鍵詞 小蜂窩;密集;網絡;用戶接入;能效優化

前言

為能夠妥善處理好小蜂窩的網絡內部基站密集性部署所致高能耗問題，本文提出以用戶接入為基礎能效優化的算法，結合基站的臨接關系，分簇小蜂窩的網絡內部基站，將合并因子的均衡性分簇規模引入，與用戶接入的速率和基站負載實際情況相結合，借助改進后混沌量子的粒子群計算法，將用戶最佳連接矩陣求解出來，結合網絡流量的變化，實現動態化切換管理基站開關。

1以用戶接入為基礎能效優化的具體算法

1.1 在分簇管理方面

（1）劃分時間段。已知某區域一天內網絡流量峰值時間段為19：00-20：00，結合每時刻點負載值及曲線斜率實際變化情況，劃分時間段。以某個時間段作為分簇的一個周期，一個周期之內起始時刻是網絡分簇，剩余時間則分簇方式維持不變[1]。

（2）分簇算法。一是，選定初始的分簇中心，設基站的分簇數是S，隨機選定一個基站為首個分簇的中小，結合所選定概率逐步確定其余S-1個初始的分簇中心。選定概率列式是=pro （ek），pro （ek）為待選基站和臨近分簇中心距離歐距離;二是，初始分簇。對所有樣本ek依據=Dj，k計算至S個的分簇中心距離，分值臨近分簇中心的簇，反復計算到完成分簇即可;三是，均衡調整分簇規模，列式為*=asq;四是，實施新分簇中小計算。對于所有新簇ZS，按照=Cnews該列式，重新實施分簇中心的計算，結合=SSE該列式，將簇內偏差平方及SSE計算出來，并判斷是否收斂，如果收斂，表示分簇完成;反之，需重復操作以上步驟，一直到收斂為止。網絡狀態在有變化出現后，需結合新增的小基站和現有分簇的中小距離，選定加入最適宜簇，故此方案可適應于網絡動態的變化[2]。

1.2 在開關管理方面

一是，粒子種群初始化。定義其第 h個的量子粒子空間位置列式：=Yh，θhn=2πrand為量子旋轉的角度;二是，設粒子的適應度基本函數：=f（h），a為用戶最低的傳輸速率約束懲罰的因子;三是，更新粒子位置，實施混沌搜索。良好遍歷性Tent混沌的映射方程列式是Zn+1=[2Zn，0≤Zn≤0.5;2（1-Zn），0.5

2結果研究

2.1 對比分簇算法和DKC算法之下輪廓系數

通過對比分簇算法和DKC算法之下輪廓系數后可了解到，這兩種計算方法之下總體的輪廊系數會伴隨著分簇量改變而發生改變，與DKC算法相比，文中算法有著較高聚類程度，主要是因DKC算法之下簇中心是所選密度超過平均分度的密度點，給定分簇量條件下，簇內部分散分布現象會出現。但文中算法以給定的分簇量為基礎，均衡處理分簇規模差異，對初始的分簇結果加以調整，故文中算法聚類效果最佳。

2.2 對比CQPSO算法和QPSO及PSO算法系統能效

通過對比CQPSO算法和QPSO及PSO算法系統能效后可了解到，三種不同算法應用后，系統能效伴隨迭代次數不斷增加都已有增加現象出現，經細致觀察過后可了解到，對QPSO及PSO這兩種算法相比較，CQPSO算法明顯提升了能效的收斂值，主要是因文中引入混沌序列是以局部的最優解為基礎，實施領域空間深入探索，種群位置更具多樣化。經文中的優化算法迭代求解過后，可有效提升系統能效，達到預期優化目的。

2.3 對比能效優化的算法和CDM及UAS算法下用戶SINR的累計分布實際函數值

相比較CDM及UAS這兩種算法，文中算法具備良好SINR性能優勢，主要是因UAS算法以吞吐量為基礎所設計用戶的關聯性效用函數，后期休眠部分的輕載和空間基站，用戶轉移期間極易有干擾現象出現，對用戶質量必然產生不利影響。但文中所提出能效優化的算法，卻可確保所有用戶均已QoS為基本的約束條件，對CDM及UAS這兩種算法的優化能效方面問題予以改進優化處理，優化效果良好。故文中算法具備良好用戶QoS優勢。

2.4 對比能效優化的算法和CDM及UAS算法之下系統能效變化

這三種不同算法下網絡能效均伴隨網絡用戶實際數量增長而持續增加，這種UAS算法并未考慮到網絡的分簇，處于密集網絡環境之下，迭代求解有著較高的復雜程度，對求解優化問題會產生不利影響。以分簇為基礎CDM算法極易陷入優化問題次優解中。但文中算法對于密集部署網絡環境，通過分簇管理網絡和混沌序列的引入，局部最優可得以避免。故文中算法節能效果良好，適合在5G的無線網中應用。

3結束語

綜上所述，文中所提出密集型小蜂窩的網絡當中以用戶接入為基礎能效優化的算法經實驗研究后表明了，與節能算法相對比，此種算法有用戶QoS和系統能效方面突出優勢，適合5G的無線網中應用。但因此能效優化的算法在切換基站開關器件，有較高切換成本缺陷，故后期還需積極引入更多節能技術，將基站開關在切換成本逐步降低，確保可實現在5G的無線網中高效化利用。

參考文獻

[1] 韋世紅，張麗. 密集小蜂窩網絡中基于能效的資源分配方案[J]. 計算機工程與設計，2019，40（3）：812-813.

[2] 尼俊紅，郭浩然，郭浩晗，等. 超密集異構網中基于小區休眠的用戶關聯算法[J]. 光通信研究，2018，20（4）：592-593.