设计应用

密集场景基站协作休眠能效优化策略

沈海强1,尹生华1,伍映吉2,唐  伦1

(1.重庆邮电大学 移动通信重点实验室,重庆400065;2.重庆邮电大学 软件学院,重庆400065)


    摘  要: 现有的基站休眠节能策略面临如何在提高能效的同时保证业务QoS的问题,提出了一种在密集场景下微基站与宏基站协作的微基站休眠策略,以提高系统能效。首先,微基站在业务请求较低时进入休眠状态以达到节能的目的;其次,利用宏基站覆盖范围广的特点,将其作为协作基站,当微基站休眠时它能够辅助处理一些业务;最后,将业务按照容量大小分类,发挥出宏基站与微基站的各自特点,有区别地选择基站处理业务。仿真结果表明,该方案比现有的基站休眠节能方案具有优势。

    关键词: 超密集网络;微基站休眠;时延;节能

    中图分类号: TN914

    文献标识码: A

    DOI:10.16157/j.issn.0258-7998.170491


    中文引用格式: 沈海强,尹生华,伍映吉,等. 密集场景基站协作休眠能效优化策略[J].电子技术应用,2017,43(10):111-115.

    英文引用格式: Shen Haiqiang,Yin Shenghua,Wu Yingji,et al. Energy efficiency optimization strategy based on base station cooperative dormancy in dense scene[J].Application of Electronic Technique,2017,43(10):111-115.

0 引言

    基站密集化是下一代移动通信系统的关键技术,这会造成对能耗的极大需求[1-2]。为解决这一问题,需要研究各种节能策略来降低能耗,提高网络能效[3]

    基站休眠的节能策略的研究非常多[4-8]。文献[4]通过感知系统流量和基站休眠,得到能耗-时延的最佳权衡值,并求得了系统的最佳传输速率。基站关断节能有很多种控制策略,例如通过业务累积数量触发基站休眠,通过控制基站休眠时长来控制基站等[5]。文献[6]通过分析各个基站的业务接入情况来关断微基站,并且通过改变业务的调度、均衡信道的使用来提高系统能效。文献[7]中不仅使用了基站的关断策略,还结合了频谱资源的分配等一系列手段。

    在密集场景下,研究宏基站协作的关断策略,使用合适的微基站关断时长控制参数来得到最优的能耗-时延回报。本文中的宏基站与微基站协作的一个最大特点就是对业务进行区分。发挥出宏基站覆盖广和微基站针对性强的特点,提高网络整体的能效。同时对业务类型按照容量大小加以区分[9]。微基站休眠时将大容量业务交给微基站,小容量业务交与宏基站处理。

1 系统网络模型和功耗模型

    在一个密集异构蜂窝网络场景下,假设一个宏小区包含一个宏基站和若干个微基站。微基站与微基站覆盖区域不重叠,宏基站主要为区域提供足够的覆盖,微基站为宏小区扩容。在本方案中,宏基站作为协作服务基站。微基站与宏基站使用不同的子载波以减小干扰,图1表示网络基本架构。

tx6-t1.gif

    微基站具有开启和睡眠两种工作模式。在开启模式,所有部件都处于打开状态,能够正常服务用户;在休眠模式下,仅有部分控制器件工作,不能给用户提供数据传输服务[4]。在不同的模式下,微基站功耗为:

tx6-gs1-3.gif

    本文的目标是在满足时延约束条件下,系统的能耗函数取得最小值。E表示系统平均能耗(单位:J/s),D表示平均时延(单位:s/bit),D0表示时延约束。

2 系统能效模型

    密集场景下,在一个宏小区内有N个微基站,基站在同一时刻只能处理一个业务,这里研究某一个微基站下的休眠策略。这个微基站的范围内,业务由数据容量的大小分为两种,即v业务和d业务[9]。其平均业务长度为lv bit和ld bit(lv=kld),假设其到达率分别为参数λv和λd(单位:Flow/s)的泊松过程,并且业务相互独立。如图2,微基站的休眠步骤为:初始时刻微基站处于休眠模式,当d业务到达时,由于其长度较小,因此在宏基站侧排队并以xH接受处理。v业务在微基站侧排队。

tx6-t2.gif

    微基站经过1/v的关闭窗口期结束时将会判断基站是否切换到打开状态。判决条件为:若微基站侧有v业务或者在微基站休眠期间内微小区到达宏基站侧d业务有n个,则该微基站打开;否则进入下一个关闭窗口。

    在微基站的一个关闭窗口结束之后,如果切换到打开状态,则微基站处理业务直到业务等待队列为空。而关闭时期到达的d业务继续由宏基站处理。当微基站处理完所有业务之后,进入下一个关闭窗口。

    若微基站的一个关闭窗口结束之后,仍然不能打开,则微基站会进入下一个关闭窗口。基站开关之间切换一次能耗为ES

tx6-gs4-5.gif

    宏基站能耗恒定,节能都体现在微基站上。式(5)的3个部分分别表示单位时间内微基站打开、休眠和模式切换的能耗。

    系统状态转移图如图3所示。

tx6-t3.gif

    把业务归一化为d业务之后,将时延建模为马尔科夫模型,令L(t)表示t时刻系统顾客数,J(t)表示t时刻服务状态。J(t)=0表示当前基站处于休眠状态,否则表示基站处于打开状态。则{J(t),L(t)}为二维马尔科夫过程。平衡状态方程为:

tx6-gs6-14.gif

    定理3:若关闭窗口长度v服从指数分布,则在v>0上必定存在一个确定的v值使得系统的耗费函数最小(即在限定时延情况下取得最低的能耗)。在模型仿真部分给出最优系统耗费函数值时的关闭窗口时长参数v。

    证明:

    (1)对微基站能耗求导

     tx6-gs15-16.gif

    因此dE/dv<0,则能耗函数在休眠窗口时长上是一个减函数,即休眠窗口时长越长,能耗越低。

    (2)对系统时延求导

    在微基站时延中,很明显在时延中u是v的函数,并且是一个减函数,其取值范围为:

    tx6-gs17.gif

    可由求导的方法判断式(11)第一部分是u的减函数,同理可得第二部分也是u的减函数,因此平均时延是u的减函数。由复合函数可知,平均时延函数是v上的增函数。

    由式(12)可知宏基站平均时延与v无关。假设在时延限制条件下,关闭窗口时间长度为v0,根据其单调性可知v0有且满足时延限制条件的关闭窗口时间长度的取值范围为(0,v0],因此v的最佳值为v=v0。求解见算法1。

    算法1:

    ①初始化休眠窗口时长v1=v2=0,平均时延限制D0,所求值v0,设置一个休眠窗口的时长增量Δv,一个允许的时延误差a=10×10-3

    ②判断D(v2)≥D0是否成立,如果成立,则表示无论关闭时间多长都不能满足系统的平均时延需求,算法结束,返回v0=-1;否则转到步骤③。

    ③v2=v2+Δv,判断D(v2)≥D0是否成立。如果不成立则重复步骤③;否则转到步骤④。

    ④此时D(v2)≥D0≥D(v1),且v2≥v0≥v1。此时如果|D0-D((v1+v2)/2)|<a,那么v0=(v1+v2)/2,求解过程结束。如果D0<D((v1+v2)/2),则进入步骤⑤,否则进入步骤⑥。

    ⑤v1值更新为(v1+v2)/2,重复步骤④。

    ⑥v2值更新为(v1+v2)/2,重复步骤④。

3 仿真结果分析

    这里对文中的策略进行仿真验证,并详细地给出主要性能。首先对方案的仿真参数进行设置。N=21,根据文献[10]设置信道模型和相关参数;宏基站协作带宽和微基站带宽10 MHz。它们发射功率分别为46/30 dbm;P0=80 W,Δp=3.6,ES=1.5 J,lv=4 Mbit,ld=0.4 Mbit。用户到服务微基站和宏基站距离为0.03/0.1 km,而与干扰微基站平均距离为0.25 km,n=5。业务到达的过程能够被基站知晓。一旦接收服务之后就离开基站,并且基站在一个时刻只能处理一个业务。这里几个仿真方案分别是:(1)On-only:微基站总是处于打开状态。(2)DS+SWC:本文方案。(3)NDS+SWC:非协作且不对业务进行区分[4]。(4)SCT:采用协作且业务累积门限触发基站关断策略[10]

    图4为本方案所提策略,有引导性的将v业务给微基站处理,而d业务给宏基站处理。从左到右,窗口时长逐渐增加的过程中,能耗在不断降低。因为休眠窗口时长增加,微基站的开关切换频率会降低,切换损耗会逐渐降低,最终导致了系统的能耗降低。与此同时,系统的时延逐渐增加,原因是休眠窗口时长增加,休眠期到达业务会等待更久。图4不同曲线表示不同业务到达率下系统的能耗-时延性能。相同的时延约束条件下,业务到达率越低,那么基站处理的业务就会减少,相应的系统的能耗越低。

tx6-t4.gif

    图5为相同业务量下不同节能策略的性能比较。从中可以看出,DS+SWC的仿真结果性能优于NDS+SWC和SCT方案。SCT没有基站协作,则其能耗高于采取基站协作的DS+SWC方案;而在基站休眠时SCT没有基站协作也使得它的业务等待时间比DS+SWC更长。DS+SWC与NDS+SWC中,宏基站与微基站协作时,协作资源非常有限,因此在协作过程中遇到v业务时,该业务将会长时间占用宏基站资源,“堵塞”宏基站。而排在它后面的d业务虽然仅仅需要极少的处理资源,却也不得不被迫等待。而DS+SWC方案将v、d业务分别引导到微基站和宏基站,避免了宏基站的“堵塞”,因此会降低系统的平均时延。

tx6-t5.gif

    图6表示v业务和d业务到达比例不同时的能耗-时延性能,可以看出两种业务到达率相近时(图7中实线),DS+SWC方案的能耗-时延性能优势越大。由图5分析的DS+SWC的优势,经过业务区分之后, d业务不会因为v业务“堵塞”宏基站而等待太久的时间。单位时间内两种业务到达数越近,每个d业务前面相邻v业务而被“堵塞”概率就会越大。

tx6-t6.gif

    图7比较了不同微基站密度,各微基站内业务到达率不变,几种方案的性能表现。由图7可知,两种方案的能效性能都有不同程度的下降,其原因是当微基站密度增加导致干扰增强。这就导致了微基站处理性能的下降。同时由于用户数增加,宏基站的协作处理资源显得更为紧张,这两个原因都导致了两种能效方案性能的下降。就能效性能下降程度而言,DS+SWC方案无疑是最优秀的。在图5的分析中指出,业务区分是为了防止宏基站“堵塞”,而在增加基站和用户数之后,宏基站能够分配给各个用户的协作处理资源更少,以至于NDS+SWC方案中大容量业务更容易较长时间地占用宏基站资源。而DS+SWC方案受此影响较小,那么它的能效性能受影响程度也较小。

tx6-t7.gif

    表1表示了DS+SWC和NDS+SWC方案中基站处理不同业务的数量。可以看出在区分业务时,有导向性地将大容量业务交给微基站处理,发挥出微基站解决热点地区多业务大容量的优势;将小容量业务交给宏基站协作处理,宏基站覆盖范围广,且处理能力弱的特点也能更好地利用,使得系统的能耗降低,能效提高。

tx6-b1.gif

4 结论

    本文提出了一种宏基站与微基站协作下,微基站采取休眠策略的系统能效提高方案,并且讨论了在混合业务情况下系统的能效情况。这种能效提高策略确定了一个最优的休眠窗口控制参数,使得系统的能耗和时延得到一个最佳的权衡值。

参考文献

[1] W-GREEN 2008.1st international workshop on Green Wireless[EB/OL].(2008-09-08)[2017-02-15].http://www.cwc.oulu.fi/workshops/W-Green2008.pdf.

[2] FETTWEIS G,ZIMMERMANN E.ICT energy consumption-trends and challenges[C].In Proc.2008 International Symp.Wireless Personal Multimedia Commun,2008:1-4.

[3] HASAN Z,BOOSTANIMEHR H,BHARGAVA V K,et al.Green cellular networks:a survey, some research issues and challenges[J].IEEE Commun.Surveys Tuts,2011,13(4):524-540.

[4] Wu Jian,Zhou Sheng,Niu Zhisheng,et al.Traffic-aware base station sleeping control and power  matching for energy-delay tradeoffs in green cellular networks[J].IEEE Transactions on wireless communications,2013,12(8):4196-4209.

[5] Guo Xueying,Zhou Sheng,Niu Zhisheng,et al.Optimal wake-up mechanism for single base station with sleep mode[C].Proceedings of the 2013 25th International Teletraffic Congress(ITC),2013.

[6] TABASSUM H,SIDDIQUE U,HOSSAIN E,et al.Downlink performance of cellular systems with base station sleeping,user association, and scheduling[J].IEEE Transactions on Wireless Communications,2014,13(10):5752-5767.

[7] GAN X,WANG L,FENG X,et al.Energy efficient switch policy for small cells[J].China Communications,2015,12(1):78-88.

[8] CHAI X,LI Y,LV Y,et al.Joint spectrum-sharing and base-station-sleep model for improving energy efficiency of HetNet[C].2015 IEEE International Conference on Communications(ICC).IEEE,2015:1851-1856.

[9] WU J,YANG Z,ZHOU S,et al.A traffic-aware dynamic energy-saving scheme for cellular networks with  hetero-geneous traffic[C].Communication Technology(ICCT),2011 IEEE 13th International Conference on.IEEE,2011:357-361.

[10] LIU B,ZHAO M,ZHOU W,et al.Flow-level-delay constraint small cell sleeping with macro base station cooperation for energy saving in HetNet[C].Vehicular Technology Conference(VTC Fall),2015 IEEE 82nd.IEEE,2015:1-5.

超密集网络 微基站休眠 时延 节能