云接入網(wǎng)絡(luò)中基于能效的資源分配算法設(shè)計

孫 遠(yuǎn) 李春國 黃永明 楊綠溪

(東南大學(xué)信息科學(xué)與工程學(xué)院， 南京 210096)

云接入網(wǎng)絡(luò)(cloud-RAN)作為中國移動首先提出的一種技術(shù),有望成為未來5G標(biāo)準(zhǔn)的候補[1].云接入網(wǎng)絡(luò)中，基帶處理功能從基站中分離出來，并在云中心聚集成一個虛擬的基帶單元池，從而可以有效地適應(yīng)非均勻業(yè)務(wù)，提高資源利用效率.作為軟中繼的射頻拉遠(yuǎn)頭(RRHs)，可以通過有線/無線連接，將從移動用戶設(shè)備接收來的信號處理轉(zhuǎn)發(fā)至基帶單元池.與全功能基站相比，RRHs僅擁有模擬/數(shù)字轉(zhuǎn)換等有限功能，因此它將復(fù)雜任務(wù)轉(zhuǎn)交給基帶單元池處理.與傳統(tǒng)網(wǎng)絡(luò)相比，云接入網(wǎng)絡(luò)僅需低成本的RRHs就能適應(yīng)數(shù)據(jù)的潮汐效應(yīng)，從而減少了布網(wǎng)成本.

與分布式天線系統(tǒng)[2]和一般的大規(guī)模天線系統(tǒng)[3]不同，在云接入網(wǎng)絡(luò)中，分布在RRHs與基帶單元池中間的前程鏈路容量是有限的.為了在前程容量約束下提升云接入網(wǎng)絡(luò)系統(tǒng)性能，文獻(xiàn)[4]對信號量化/壓縮技術(shù)進(jìn)行了分析.學(xué)者們還研究了云接入網(wǎng)絡(luò)中的綠色通信技術(shù)[5-6]，但大多數(shù)已有工作集中于最小化系統(tǒng)總功耗的分析研究，忽略了用戶端的節(jié)能需求.在云接入網(wǎng)絡(luò)中，如何將量化/壓縮與用戶端節(jié)能相結(jié)合，仍是一個未解決問題.

本文針對正交頻分多址接入(OFDMA)的云接入網(wǎng)絡(luò)系統(tǒng)，基于高斯量化方法，設(shè)計出一種聯(lián)合資源分配算法.通過聯(lián)合優(yōu)化功率控制與前程容量分配，最大化用戶端能量效率.

1 系統(tǒng)模型與量化方案

1.1 基于OFDMA的云接入網(wǎng)絡(luò)系統(tǒng)模型

圖1給出了基于OFDMA的云接入網(wǎng)絡(luò)系統(tǒng)架構(gòu).在云接入網(wǎng)絡(luò)單個聚類的上行傳輸中，存在M個單天線RRH，K個單天線用戶，系統(tǒng)帶寬為B，被均分為N個子載波.假定單個子載波只能分配給單個用戶，且分配給用戶k的子載波集合為Ωk.

圖1 基于OFDMA的云接入網(wǎng)絡(luò)系統(tǒng)架構(gòu)

第m個RRH在第n個子載波上的接收信號為

(1)

不同RRH在不同子載波上接收到的信號相互獨立，故在不同RRH上可采用不同的信號量化方法，并不會互相干擾.采用量化機制時，第m個RRH接收到y(tǒng)m,n后的量化信號為

(2)

(3)

1.2 高斯量化方案

在高斯測試信道 (GTC)[8]中， 第m個RRH在第n個子載波上前程傳輸速率為

(4)

式中，上標(biāo)G表示高斯測試信道下的變量.量化誤差em,n的方差qm,n為

(5)

將式(5)代入式(3)，對應(yīng)的SNR轉(zhuǎn)化為

(6)

2 單用戶場景聯(lián)合優(yōu)化

2.1 聯(lián)合優(yōu)化與算法設(shè)計

本節(jié)解決K=1與M=1時的資源分配問題.集合只包含一個元素，下標(biāo)符號k與m可暫時忽略.假設(shè)單個用戶上行傳輸功率門限為Ptotal，單個RRH前程容量界限為Ttotal，其他功耗為Pc.假設(shè)

(7)

優(yōu)化問題可表示為

(8)

(9)

(10)

該優(yōu)化問題是一個非線性分?jǐn)?shù)規(guī)劃的非凸問題，無法直接推導(dǎo)出最優(yōu)解的解析表達(dá)式.考慮使用交替優(yōu)化，將復(fù)雜問題變成2個較簡單的問題.

首先，假定前程速率已被最優(yōu)分配，定義

(11)

(12)

(13)

(14)

在解決原優(yōu)化問題前，采用拉格朗日對偶分解方法[7]分別尋找問題(11)與(13)的最優(yōu)解，并獲得以下推論.

推論1問題(11)的最優(yōu)化功率分配方案為

(15)

式中

(16)

(17)

(18)

(19)

(20)

推論2問題(13)的最優(yōu)化前程容量分配方案為

(21)

式中

水利現(xiàn)代化繪河清湖晏藍(lán)圖——訪江蘇省淮安市水利局局長、黨委書記黃克清……………………………… 韋鳳年，江 芳，郭 純等(16.59)

(22)

(23)

(24)

基于推論1與推論2，提出采用單用戶場景聯(lián)合優(yōu)化算法(簡稱算法1)來解決優(yōu)化問題(8).該算法的步驟為：

⑤ 重復(fù)步驟②～步驟④，直至算法收斂.

隨著迭代次數(shù)的增大，算法1的性能逐漸逼近理論最優(yōu)值，最終近乎重合，此時算法1沒有性能損失.

2.2 仿真結(jié)果與討論

設(shè)定無線帶寬B=100 MHz，N=32.用戶經(jīng)歷獨立同分布六路徑瑞利衰落信道，路徑損失模型為L=30.6+36.7lgd，其中d為RRH與用戶之間的距離，背景噪聲功率譜密度為-169 dBm/Hz.功率門限Ptotal=0.2 W，前程鏈路門限Ttotal=0.4 Gbit/s，RRH與用戶距離d=50 m.

設(shè)定功率門限Ptotal為固定值0.2 W，前程門限Ttotal逐漸遞增時不同方案的能效值見圖2(a).由圖可知，當(dāng)Ttotal≤1 Gbit/s時，算法1較其他方案更能明顯提升能效；當(dāng)Ttotal>1 Gbit/s時，算法1仍能保持能效最大值，但比起其他方案(例如僅優(yōu)化功率)，性能曲線存在一定的重合，即算法優(yōu)勢變小.究其原因在于，當(dāng)Ttotal足夠大時，每個符號可以被充足的比特量化，即使不進(jìn)行聯(lián)合優(yōu)化，能效也不會受到明顯影響.

(a)T total遞增

(b)Ptotal遞增

設(shè)定前程門限Ttotal為固定值0.4 Gbit/s, 功率門限Ptotal逐漸遞增時不同方案的能效值見圖2(b).由圖可知，Ptotal單調(diào)遞增時，算法1的能效先增大，后保持不變.與其他方案相比，算法1始終實現(xiàn)最大能效值.當(dāng)前程門限固定時，僅提升功率門限對能效的提升效果有限.

3 多用戶場景聯(lián)合優(yōu)化

優(yōu)化模型為

(25)

(26)

(27)

(28)

式(25)為比式(8)更加復(fù)雜的非凸問題，故不能采用原有的拉格朗日對偶分解方法或者分支定界算法.為了提高算法效率，本文采用改進(jìn)粒子群算法(M-PSO)來設(shè)計最優(yōu)資源分配方案.

3.1 M-PSO算法

粒子群算法的主要思想起源于自然界鳥群、魚群等生物群體行為，是一種基于群體的隨機優(yōu)化技術(shù)[9].在粒子群系統(tǒng)中，粒子們通過一定速度在多維搜索空間飛行，每個粒子在搜索時綜合考慮自身搜索到的歷史最優(yōu)點與群體內(nèi)(或領(lǐng)域內(nèi))其他粒子的歷史最優(yōu)點，進(jìn)行位置變化.

標(biāo)準(zhǔn)粒子群算法大多用于搜索無限制條件優(yōu)化問題的全局最優(yōu)解，在式(25)中，由于約束條件(26)和(27)的存在，考慮設(shè)計改進(jìn)粒子群算法來解決問題.基于文獻(xiàn)[10]，本節(jié)重新設(shè)計線性時變權(quán)重w與異步時變學(xué)習(xí)因子c1，c2，在搜索初期加強全局搜索，搜索后期盡快收斂到最優(yōu)解.設(shè)定w的范圍為[wmin,wmax]，在第i次迭代中，變化權(quán)重為

(29)

學(xué)習(xí)因子為

(30)

(31)

基于以上結(jié)論，本文提出了用于解決問題(P2)的多Users場景的M-PSO聯(lián)合優(yōu)化算法(簡稱算法2).具體步驟如下：

① 變量初始化，設(shè)定wmin，wmax等參數(shù)的具體值；

⑧ 重復(fù)步驟⑤～步驟⑦，若粒子取值超出限制條件(26)和(27), 重新初始化粒子；

3.2 仿真結(jié)果與討論

設(shè)定無線帶寬B=150 MHz，N=32，K=8，M=8.用戶上行傳輸功率門限為0.2 W，前程鏈路門限為0.8 Gbit/s，其他仿真參數(shù)與第2節(jié)相同.在多用戶場景中，增加2種對比方案，即標(biāo)準(zhǔn)粒子群優(yōu)化算法(S-PSO)[9]和均勻標(biāo)量量化算法[11].

圖3多用戶場景下不同方案的能效對比

4 結(jié)論

1)將高斯量化引入云接入網(wǎng)絡(luò)，在正交頻分多址接入基礎(chǔ)上，研究了最大化用戶端能量效率的聯(lián)合優(yōu)化問題.

2)在單用戶與多用戶上行傳輸場景中，分別根據(jù)優(yōu)化問題的不同特性，設(shè)計了有效迭代算法.

3)仿真結(jié)果表明，所提算法可以有效提升用戶端能量效率，降低系統(tǒng)能耗.

4)下一步工作是在云接入網(wǎng)絡(luò)中，考慮多個優(yōu)化目標(biāo)彼此耦合與沖突，通過設(shè)計有效的算法，避免單目標(biāo)性能提升而造成其他目標(biāo)性能大幅下降的問題.