預(yù)前判定模型在5G功耗上的應(yīng)用研究

杜時(shí)英

摘 ?要： 5G技術(shù)的應(yīng)用越來(lái)越廣泛，由于5G超高的速率以及超低時(shí)延，使得設(shè)備消耗的功耗會(huì)提升，從而影響各個(gè)行業(yè)的運(yùn)行成本。對(duì)于降低功耗，可以采用更好工藝的芯片，也可以采用一些策略或者算法，讓整體的功耗降低下來(lái)。根據(jù)5G網(wǎng)絡(luò)的特征以及相關(guān)的應(yīng)用，文章通過(guò)預(yù)前判定模型，通過(guò)對(duì)錨點(diǎn)模型，以及連續(xù)大數(shù)據(jù)、小數(shù)據(jù)的區(qū)分，充分區(qū)分接入網(wǎng)絡(luò)，比較好地解決5G功耗問(wèn)題。

關(guān)鍵詞： 5G; 超低時(shí)延; 預(yù)前判定; 錨點(diǎn); 接入網(wǎng)絡(luò)

中圖分類號(hào)：TP391 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? 文章編號(hào)：1006-8228（2020）06-39-03

Abstract： At present， due to the gradual popularization of 5G， more and more industries are adopting 5G. While using 5G technology， due to the ultra-high speed and ultra-low latency， the power consumption of equipment will be increased， which will affect the operating cost of various industries. In improving power consumption， chips with better technology can be used， or some strategies or algorithms can be used to reduce the overall power consumption. According to the characteristics of 5G networks and related applications， this paper uses the pre-determination model and continuous distinction between big data and small data through the anchor model to fully distinguish the access network， which better solves the problem of 5G power consumption.

Key words： 5G; ultra-low-latency; pre-determination; anchor; access network

0 引言

隨著5G技術(shù)逐步的商用，NSA 以及SA的網(wǎng)絡(luò)正日趨完善，從目前實(shí)驗(yàn)以及統(tǒng)計(jì)的數(shù)據(jù)來(lái)看，5G的功耗無(wú)論在系統(tǒng)側(cè)還是在終端側(cè)，都會(huì)導(dǎo)致設(shè)備功耗過(guò)大，這將直接影響企業(yè)的生產(chǎn)成本和用戶的體驗(yàn)度。通過(guò)優(yōu)化策略或模型，降低5G設(shè)備的功耗，從而為企業(yè)節(jié)約成本，提升產(chǎn)品的競(jìng)爭(zhēng)力，就顯得非常有意義。

1 目前5G設(shè)備功耗現(xiàn)狀

1.1 基站側(cè)目前的現(xiàn)狀以及對(duì)應(yīng)的解決辦法

5G基站主設(shè)備大致分為AAU和BBU，其中AAU是4G時(shí)代的RRU+天線，AAU的主要作用是將基帶數(shù)字信號(hào)轉(zhuǎn)換成模擬信號(hào)，調(diào)制成高頻射頻信號(hào)，再使用功放模塊放大信號(hào)，最后通過(guò)天線發(fā)射出去[1]。BBU的主要作用，是負(fù)責(zé)基帶數(shù)字信號(hào)處理。

我們從表1可以看出，5G功耗是大于4G的。目前，通用的解決辦法是：采用更高工藝制程的芯片或者使用更節(jié)能的器件材料，或者引進(jìn)更科學(xué)的散熱方法，以及現(xiàn)代的AI技術(shù)等方法，進(jìn)行系統(tǒng)整體性能提升。

1.2 終端側(cè)目前的現(xiàn)狀以及對(duì)應(yīng)的解決辦法

目前終端在提升設(shè)備功耗方面，還需從硬件方面入手，例如提升芯片的工藝水平來(lái)降低功耗，終端的制程工藝越先進(jìn)，終端的能耗會(huì)有提升。

由于目前技術(shù)上的瓶頸，不少終端采用AP+MODEM的方式，從技術(shù)解耦上來(lái)說(shuō)，能加快產(chǎn)品上市，但是這種架構(gòu)的方式也增加了整體的功耗。

針對(duì)AP+MODEM 的方式，有些終端采用讓用戶選擇的方式，用戶在需要開啟5G的時(shí)候讓MODEM 工作，但是這樣用戶體驗(yàn)大打折扣。

2 預(yù)前判定解決5G設(shè)備功耗問(wèn)題

2.1 錨點(diǎn)的選擇

所謂5G錨點(diǎn)，是指在該5G覆蓋區(qū)域運(yùn)營(yíng)商開放的一個(gè)接入點(diǎn)，在錨點(diǎn)覆蓋的區(qū)域，才有接入5G的可能。對(duì)于不在5G覆蓋的區(qū)域，則錨點(diǎn)也不會(huì)存在，所以在沒(méi)有錨點(diǎn)的區(qū)域，即使終端開啟了5G，也無(wú)法連接到5G網(wǎng)絡(luò)[2]。從這里看終端判定的是否有錨點(diǎn)成為終端是否開啟5G的一個(gè)關(guān)鍵的因數(shù)，我們可以通過(guò)錨點(diǎn)的預(yù)前判定來(lái)降低設(shè)備的接入功耗。

2.2 數(shù)據(jù)承載能力的選擇

5G的數(shù)據(jù)優(yōu)勢(shì)是下載速度，對(duì)于小數(shù)據(jù)量并不占優(yōu)勢(shì)，傳輸1-2K/S的數(shù)據(jù)，當(dāng)前的3G/4G 傳輸方式足夠滿足傳輸，在這種情況下，5G傳輸?shù)乃俾矢牡男授s不上其他制式的傳輸。

從以上的分析，我們可以得知，在大數(shù)據(jù)量傳輸時(shí)，我們采用5G網(wǎng)絡(luò);在小數(shù)據(jù)量傳輸時(shí)，我們采用4G/3G的網(wǎng)絡(luò)。我們通過(guò)這種方式進(jìn)一步優(yōu)化了設(shè)備的功耗。

2.3 卡爾曼濾波預(yù)測(cè)模型引入

為了判定是否接入5G，我們采用了卡爾曼濾波算法?？柭鼮V波通過(guò)利用最小均方誤差為估計(jì)的最佳準(zhǔn)則，遞推估計(jì)的模型，其基本思想是： 采用信號(hào)與噪聲的狀態(tài)空間模型，利用前一時(shí)刻地估計(jì)值和現(xiàn)時(shí)刻的觀測(cè)值來(lái)更新對(duì)狀態(tài)變量的估計(jì)，求出現(xiàn)時(shí)刻的估計(jì)值[3]。

卡爾曼濾波算法適用于實(shí)時(shí)處理和計(jì)算機(jī)運(yùn)算。卡爾曼濾波器問(wèn)題由預(yù)計(jì)步驟，估計(jì)步驟，前進(jìn)步驟組成。在預(yù)計(jì)步驟中，t時(shí)狀態(tài)的估計(jì)取決于所有到t-1時(shí)的信息。在估算步驟中，狀態(tài)更新后，與時(shí)間t的實(shí)際觀察比較。更新的狀態(tài)是較早的推算和新觀察的綜合。 至于每一個(gè)成分的權(quán)重，由卡爾曼增益決定，它取決于噪聲w和v。（噪聲越小，新的觀察的可信度越高，權(quán)重越大，反之亦然）[3]。

3 建立數(shù)學(xué)模型

如果要知道變量X在t時(shí)刻的值Xt，可以有兩種方法。一種方法是，通過(guò)研究Xt-1→Xt的變化規(guī)律，從初始值X0逐步遞推到Xt，但是，遞推往往存在外界噪聲的干擾Wt，對(duì)于零輸入線性系統(tǒng)有Xt=At，t-1Xt-1+Wt;另一種方法是，引入一個(gè)測(cè)量設(shè)備測(cè)量的值，記為Zt，測(cè)量設(shè)備同樣存在噪聲Vt，對(duì)于零輸入線性系統(tǒng)有Zt=CtXt+Vt。我們需要綜合這兩種方法確定一個(gè)估計(jì)結(jié)果，使得均方誤差最小[4]。

對(duì)零輸入線性系統(tǒng)

Xt是t時(shí)刻我們研究對(duì)象的狀態(tài)向量，At，t-1是一個(gè)矩陣，對(duì)Xt-1進(jìn)行線性變換。Zt是t時(shí)刻的觀測(cè)向量， Ct是增益矩陣。V是服從N（0，R） 的高斯白噪聲，W是服從 N（0，Q）的高斯白噪聲。我們希望對(duì)這個(gè)系統(tǒng)確定最優(yōu)狀態(tài)估計(jì)，使得。

我們先考慮一種簡(jiǎn)單的情形，如果我們有一個(gè)傳感器A，A傳感器測(cè)量結(jié)果是一個(gè)連續(xù)數(shù)值，且這個(gè)數(shù)值服從以下正態(tài)分布[6] ;為了提高測(cè)量的質(zhì)量我們可以進(jìn)行多次測(cè)量然后取其平均值作為我們的最終測(cè)量結(jié)果，這樣可以減少誤差。假設(shè)進(jìn)行兩次測(cè)量，我們有以下結(jié)果

但是有時(shí)候我們需要一個(gè)實(shí)時(shí)的測(cè)量結(jié)果——重復(fù)測(cè)量并不被允許，也不可能被實(shí)現(xiàn)。此時(shí)可以考慮再增加一個(gè)傳感器，分別進(jìn)行測(cè)量。然后，取兩個(gè)傳感器的加權(quán)平均值，來(lái)減少總體測(cè)量的誤差，權(quán)值設(shè)置的目的是要使得方差最小化[5]。

最終結(jié)果

即解優(yōu)化問(wèn)題

4 算法實(shí)現(xiàn)

4.1 錨點(diǎn)鎖定

⑴ 當(dāng)接入點(diǎn)是5G錨點(diǎn)，則啟動(dòng)5G modem，使用5G 鏈路，相反：關(guān)閉5Gmodem，數(shù)據(jù)鏈路采用4G/3G鏈路。

⑵ 當(dāng)錨點(diǎn)發(fā)生變化時(shí)候，重新對(duì)錨點(diǎn)進(jìn)行判定，進(jìn)入步驟⑴。

⑶ 錨點(diǎn)鎖定。

4.2 采用卡爾曼濾波預(yù)測(cè)判定是否開啟5Gmodem

⑴ 開始測(cè)量;

⑵ 輸入數(shù)據(jù)傳輸閾值以及數(shù)據(jù)抖動(dòng)預(yù)測(cè)，數(shù)據(jù)閾值來(lái)自程序設(shè)定或者用戶設(shè)定，抖動(dòng)預(yù)測(cè)來(lái)自業(yè)務(wù)，分為：文字、聲音、視頻、網(wǎng)絡(luò)、游戲、專用等6個(gè)等級(jí);

⑶ 通過(guò)卡爾曼濾波預(yù)測(cè)判定是否采用5G傳輸;

⑷ 如果采用5G傳輸，則開啟5Gmodem，傳輸完畢后，進(jìn)入步驟⑴;

⑸ 如果不采用5G 傳輸，則關(guān)閉5Gmodem，進(jìn)入步驟⑴;

⑹ 以上重復(fù)循環(huán)。

5 效果對(duì)比

為了驗(yàn)證預(yù)前判定算法對(duì)功耗的影響，我們?cè)O(shè)計(jì)了一組實(shí)驗(yàn)：

⑴ 終端采用同一款終端，充電到100%;

⑵ 在非5G錨點(diǎn)的環(huán)境下發(fā)送文字信息給終端，一直到電量0%，測(cè)量其運(yùn)行時(shí)長(zhǎng)（A1）;

⑶ 在5G錨點(diǎn)環(huán)境下發(fā)送文字信息給終端，一直到電量0%，測(cè)量其運(yùn)行時(shí)長(zhǎng)（A2）;

⑷ 在采用御前判定算法，在非5G錨點(diǎn)的環(huán)境下發(fā)送文字信息給終端，一直到電量0%，測(cè)量其運(yùn)行時(shí)長(zhǎng)（A3）;

⑸ 在采用御前判定算法，在5G錨點(diǎn)環(huán)境下發(fā)送文字信息給終端，一直到電量0%，測(cè)量其運(yùn)行時(shí)長(zhǎng)（A4）。

從以上的實(shí)驗(yàn)數(shù)據(jù)來(lái)看，設(shè)備A1>A3>A4>A2. 從5G環(huán)境的數(shù)據(jù)來(lái)看，A4>A2?？梢钥闯?，采用預(yù)前判定的算法能取得很好的效果。

6 結(jié)論

在5G時(shí)代，由于現(xiàn)在的工藝水平以及相關(guān)業(yè)務(wù)的實(shí)際情況，功耗問(wèn)題對(duì)于提升5G的體驗(yàn)以及降低產(chǎn)業(yè)成本，都有非常重要的作用.本文通過(guò)預(yù)前判定模型，結(jié)合卡爾曼濾波預(yù)測(cè)算法，在不降低用戶體驗(yàn)的情況下，在5G的綜合場(chǎng)景應(yīng)用中取得了很好的效果。從原理上來(lái)講，提升5G的芯片的工藝水平以及采用更好的低功耗材料，是我們持續(xù)研究的課題。

參考文獻(xiàn)（References）：

[1] 王桂英，孔露婷，董文佳，馬帥.5G終端功耗影響因素淺析[A].5G網(wǎng)絡(luò)創(chuàng)新研討會(huì)（2018）論文集，2018：31-45

[2] 范才坤，刁兆坤，劉威.5G功耗與通信電源整體方案研究[J].通信世界，2019.26：45-50

[3] Greg Welch， Gary Bishop， “An Introduction to the KalmanFilter”， University of North Carolina at Chapel Hill Department of Computer Science，2001.

[4] N. Wiener， "The Extrapolation， Interpolation and Smooth-ing of Stationary Time Series，" John Wiley & Sons， Inc.， New York， N.Y.，1949.

[5] J. E. Bertram，"Effect of Quantization in Sampled-Feedback Systems，" Trans. AlEE，1958.77：177-182

[6] Greg Welch1，"An Introduction to the KalmanFilter"，Department of Computer Science University of North Carolina at Chapel Hill Chapel Hill，NC 27599-3175