5G網絡中基于覆蓋區(qū)域優(yōu)先級的微基站休眠算法

王子韌，李毅,2

（1. 湘潭大學，湖南 湘潭 411105； 2. 湖南省郵電規(guī)劃設計院有限公司，湖南 長沙 410010）

0 引言

5G無線通信系統(tǒng)在為用戶提供高速率服務的同時帶來了巨大能耗，流量業(yè)務的潮汐式變化使基站休眠成為可能，3GPP Rel-10引入了小區(qū)休眠機制，在保障用戶服務質量的同時實現節(jié)能。

文獻[1]采用干擾權重圖分簇減少算法運行時間，不同場景節(jié)能率為16.5%～22.7%。文獻[2]使用馬爾可夫模型，在有限狀態(tài)集中使用迭代導出滿足約束的最優(yōu)策略。在完全獲得終端微基站信息時能獲得5%節(jié)能率，但狀態(tài)轉移矩陣的維度會隨著基站數目增加，使大規(guī)模網絡中復雜度增加。文獻[3-4]根據基站吞吐量的值對每個微基站進行循環(huán)休眠判決，在小規(guī)模網絡中節(jié)能效果很好且運行時間短。在仿真中設置微基站數量為40個的情況，節(jié)能效果可達30%，但只考慮了信號強度與信噪比對吞吐量的影響，忽略了用戶自身流量需求的影響。

本文提出了一種宏微二層無線網絡微基站分級休眠算法，該算法對宏基站間重疊覆蓋區(qū)域或單宏基站覆蓋區(qū)域內的微基站進行分類。在宏基站負載較小時，分級逐序關閉各類微基站。仿真結果表明，在小規(guī)模網絡和較大規(guī)模網絡中，本文的微基站休眠算法節(jié)能率分別約為12%和23%，而文獻[7]中的微基站休眠算法分別為3.7%和12.6%，文獻[6]中的宏基站休眠算法分別約為7.2%和17.5%。本文算法與文獻[5-7]算法僅在小網絡規(guī)模時算法運行時間略長，網絡規(guī)模越大，在大規(guī)模網絡中節(jié)能效果越好。

1 場景描述

宏微二層無線網絡系統(tǒng)內部署M個宏基站和F個微基站，在其覆蓋范圍內分布N個用戶，場景示意圖如圖1所示。

圖1 場景示意圖

宏基站間重疊覆蓋區(qū)域如圖1中虛線陰影部分所示，將微基站分為3種類型，第一類微基站被一個宏基站完全覆蓋，如圖1中微基站F1。根據信號環(huán)境不同，將處在宏基站與宏基站重疊覆蓋區(qū)域的微基站分為兩類。如果該微基站使用的資源塊（resource block，RB）數量，大于該微基站覆蓋范圍用戶關聯到最強參考信號接收功率宏基站時使用的總RB數量，則其為第二類微基站，否則為第三類微基站。對第二類微基站不采取休眠策略，第三類微基站狀態(tài)轉換次數低于第一類微基站。根據式（1）計算用戶i與基站j關聯信干比（signal to interference ratio，SIR），其中，Pj表示基站j的發(fā)射功率，Gi,j表示基站j到用戶i的信道增益。

由于基站密集部署帶來的干擾問題，將參數信干比取代參考信號接收功率（reference signal receiving power，RSRP）作為基站覆蓋范圍的判決值。用戶確定信道質量指數后，使它對應最高調制和編碼方案，在低信號質量時進行解碼，用戶的誤碼率不得超過10%[13-14]。當信號質量指示為1或2時，采用正交移相鍵控調制方式，根據信干噪比與誤碼率的對應關系，信干噪比閾值分別為-6.712B與-5.112B，在仿真中取信干比閾值為-52B。當SIRi,j值大于閾值Tsir時，表示用戶i在基站j覆蓋范圍內，基站j為用戶i的候選基站。以微基站j為候選基站的用戶有多個候選宏基站時，微基站j被視為位于宏基站之間重疊覆蓋區(qū)域。如圖1中微基站F2、F3。假設用戶在同個基站的所有RB上具有相同的SIR值，且基站的每個RB具有相同的傳輸功率。用戶關聯成功后，系統(tǒng)根據用戶信干比大小選擇調制解調方式，假設誤碼率為0，根據調制解調方式判斷用戶i在關聯到基站j時所需的RB個數Oi,j，以滿足每個用戶的下行流量需求Ri。

每個用戶只與一個基站保持關聯，用維度為N×(F+M)的矩陣C表示用戶與基站的關聯情況，矩陣C中ci,j=1表示用戶i與基站j關聯，ci,j=0表示用戶i與基站j不關聯。每個基站擁有相同的最大連接的用戶數量限制Tue和RB調度限制Trb，各微基站的狀態(tài)用集合S= [s1,s2,… ,sf]表示。sj=1表示微基站j為工作狀態(tài)，sj=0表示微基站處于休眠狀態(tài)。宏基站與微基站之間采用異頻部署。文獻[8]研究了流量負載在不同類型基站分布對系統(tǒng)能效的影響，流量業(yè)務集中在更小類型基站能實現更高的系統(tǒng)能效。在本文系統(tǒng)模型中設置微基站的接入頻段優(yōu)先級高于宏基站。

2 能耗模型

基站由射頻、功放、基帶處理、電源與冷卻系統(tǒng)構成。冷卻系統(tǒng)僅適用于宏基站，占總功耗的8%，基站的總功耗可以表示為式（2）。

其中，PRF為動態(tài)功能受業(yè)務負載動態(tài)影響，在宏基站和微基站中分別占總功耗的7%和12%，是次要的消耗者，業(yè)務負載對總能耗的影響很小。PPA.、PBB、PC相對穩(wěn)定，為靜態(tài)功耗，3種功耗在微基站中分別占到47%、29%、5%[9]。功放是基站的主要能耗者，單個微基站休眠可節(jié)省自身PRF與PPA所需約59%的能耗。本文只討論基站工作狀態(tài)與休眠狀態(tài)。當基站狀態(tài)為關閉時，基站功耗表示為式（3）。

其中，Ps,f為微基站休眠時功耗，Ps,m為宏基站休眠時功耗，此時式（2）中PPA與PRF功耗幾乎為零，PBB與PC低功耗運行以準備短時間喚醒反應。基站開啟時功耗為式（4）。

其中，μj為基站j的當前負載比率，Pa,f為微基站開啟時的靜態(tài)功耗，Pt,f為微基站的最大傳輸功耗。Pa,m為宏基站開啟時的靜態(tài)功耗，Pt,m為宏基站的最大傳輸功耗。系統(tǒng)的總能耗可以表示為：

文獻[10]提出網絡能效總隨著小基站密度的增大呈先增大后減小的變化規(guī)律。文獻[11]中的理論分析表明在無噪環(huán)境的宏基站覆蓋率與密度無關，且無論噪聲大小如何，覆蓋率會隨著宏基站密度增加而收斂到一個相同值。這也印證了文獻[12]中宏基站保證基本覆蓋，微基站用于擴容的標準。為了保證無線通信的連續(xù)性，本文模型中宏基站不采取休眠操作。本文需要轉移微基站的流量至宏基站，或者開啟微基站均衡宏基站的負載，以調節(jié)宏基站的負載率保持在一個不空閑也不超忙的狀態(tài)。

對式（5）增加部分約束確定用戶關聯機制和保證用戶服務質量。

其中，約束（1）表示用戶與所關聯的基站的SIR應大于SIR閾值。Ri，j表示基站j提供給用戶i的下行速率，約束（2）表示各基站提供的RB資源需要滿足其服務的所有用戶的下行需求。約束（3）、約束（4）設置基站服務的用戶數不能超過允許關聯的最大用戶數，使用的RB資源不可超過帶寬提供的RB資源限制。約束（5）表示每個用戶只能同時被一個基站服務。由式（6）可知，系統(tǒng)規(guī)模直接影響系統(tǒng)總功耗，影響微基站休眠效果的因素為傳輸所需帶寬和鄰站負載。

3 場景因素

微基站流量轉移需要由覆蓋更廣的宏基站承擔，假設用戶流量負載在如圖1所示覆蓋區(qū)域均勻分布，微基站F2與微基站F4已經關閉，采用微基站休眠策略時，微基站F1的休眠概率可以表示為式（7）。

微基站F3的休眠概率表示為式（8）。

式（7）和式（8）中Sm,j表示宏基站j的面積，Sf,,j表示微基站j的面積，μm,j表示宏基站j在宏基站重疊覆蓋區(qū)域的負載占比，λ表示流量負載與覆蓋面積的比值，Lm,j為承載用戶數和RB資源負載限制。當各微基站覆蓋面積相等時，即Sf,1=Sf,3，則：

即處在宏基站與宏基站之間重疊覆蓋區(qū)域內的微基站具有更高的休眠概率，同理，多宏基站重疊覆蓋區(qū)域的微基站重啟概率更低，基站狀態(tài)的轉換次數會更少。

宏基站擁有更高的發(fā)射功率獲得更廣的覆蓋范圍，能承載更多的用戶終端。而基站的頻帶資源有限，宏基站相比微基站單個用戶獲得的RB資源較少。不考慮僅將低流量需求的業(yè)務轉移到宏基站，在微基站關閉后，新用戶根據頻帶優(yōu)先級和RSRP接入網絡。占用RB資源少的微基站用戶群轉移到宏基站，能發(fā)揮宏基站容量優(yōu)勢。將微基站所有用戶流量轉移到宏基站時所需帶寬表示為：

微基站的負載率和微基站、宏基站的站間距離影響宏基站射頻功耗，用單宏基站和微基站隨機休眠策略分析其優(yōu)先級，將單個微基站流量轉移到單個宏基站時的總功耗表示為式（13）。

其中，T為總時間段，T1、T2分別為在時間段T內的微基站工作和休眠時長。采用隨機休眠策略后，將式（13）轉換為式（14）。

分別對休眠概率Poff和距離d0求偏導：

式（13）中Bm/B0為負載比例，Bm/B0的值小于1。α為路損指數，α∈[2,5]。在郊區(qū)無遮擋信號環(huán)境較好的情況，d0的值可以取到10 km。

將式（15）與式（16）右邊同時除以T得：

式（17）表示為微基站工作功耗與休眠功耗的差值，微基站休眠概率對系統(tǒng)總功耗的影響表示為微站休眠的能耗減少量。在式（18）中，僅在SIRi,m極小時滿足式（19）。

式（18）的值小于1，可將式（18）看作微基站休眠后宏基站負載提高而引起的宏基站傳輸功耗的增加。在現實網絡中，微基站休眠節(jié)省的系統(tǒng)功耗大于宏基站負載增加而增加的系統(tǒng)功耗。

休眠離宏基站距離近的基站，能節(jié)省宏基站更多RB資源，獲得節(jié)能率。而微基站的工作功耗遠大于休眠功耗，在大部分情況EC對d0的偏導小于EC對Poff的偏導，即微基站休眠概率Poff對系統(tǒng)能耗的影響更大。較大的休眠概率和較小的重啟概率能在較長的時間段獲得更長的休眠時長，更長休眠時長節(jié)省的能耗遠大于宏基站負載增加的額外能耗。第三類微基站休眠時會消耗更多的宏基站資源，但其擁有更長的休眠時長，節(jié)能效果更好。設置第三類微基站休眠優(yōu)先級高于第一類微基站。

4 基站休眠算法

將SIRi,j作為覆蓋判決依據，微基站內存在多候選宏基站的用戶，該微基站被視為多宏基站重疊覆蓋區(qū)域的微基站，否則為第一類微基站。再根據RB使用情況將多宏基站重疊覆蓋區(qū)域的微基站分為第二類或第三類微基站。完成微基站分類后，在每個宏基站覆蓋范圍內執(zhí)行休眠判決機制的具體步驟如下，算法流程如圖2所示。

圖2 算法流程

步驟1采用頻段優(yōu)先級的最強RSRP關聯方法對各用戶進行初始關聯，計算各個基站的負載情況。

步驟2根據負載率加權值逐個判斷第三類微基站是否能進行休眠操作，重新關聯休眠微基站的用戶。

步驟3檢查各個宏基站是否未超忙時，根據負載大小逐個關閉第一類微基站，直到宏基站超忙或該宏基站覆蓋范圍內所有微基站都休眠。

5 仿真結果分析

本文的系統(tǒng)模型建立在宏微雙層網絡下行鏈路，考慮4 km×4 km的自由空間衰落的覆蓋區(qū)域分布了N個用戶，該覆蓋區(qū)域內部署5個宏基站。微基站采用隨機分布，宏基站采用固定部署，用戶流量采用均勻分布。仿真實驗運行環(huán)境為 MATLAB 2016a，AMD Ryzen 73800X 8-Core processor @ 3.89 GHz，16.00 GB RAM。

將文獻[5]閾值迭代算法、文獻[6]鄰區(qū)投票法、文獻[7]ICR算法與本文提出的區(qū)域分級休眠算法對比，具體仿真參數見表1。

表1 仿真參數

用戶—天下行流量分布如圖3所示，本文圖中出現的24:00均為次日0:00。圖3可觀察到用戶流量需求的潮汐性，凌晨2:00-7:00用戶下行流量低至谷底，晚上8:00-11:00流量需求達到最高。

圖3 用戶一天下行流量分布

一天內不同時間點的系統(tǒng)功耗如圖4所示，系統(tǒng)內部署40個微基站，用戶數為400個。采用休眠策略的無線網絡系統(tǒng)的總功耗在上午6:00最小，晚上9:00最大，隨用戶流量大小的趨勢起伏。

圖4 不同時間點的系統(tǒng)功耗

4種算法在不同時間的運行時間如圖5所示，區(qū)域分級算法需進行微基站分類，在微基站分類后無須遍歷所有基站，算法復雜度為O(F2N+2FMN)，迭代算法[5]復雜度為O(2F2N+F2+2FMN)，區(qū)域分級算法相比迭代算法犧牲不超過1.7%的節(jié)能率，節(jié)省超過50%的運行時間。在高用戶需求時，本文算法節(jié)能率高于迭代算法2.4%。

圖5 4種算法在不同時間的運行時間

鄰區(qū)投票[6]的算法復雜度為O(2M2N+ 2FMN-2MN-2FN)，由于微基站數比宏基站數大一個數量級，區(qū)域分級算法相比于鄰區(qū)投票算法與ICR算法在負載度上沒有優(yōu)勢，但節(jié)能率能提高4.5%以上。

系統(tǒng)總功耗隨用戶數量變化如圖6所示，文獻[5-7]使用最強RSRP關聯方法使大量用戶關聯到宏基站，宏基站負載升高，沒有足夠資源承載由微基站關閉的新用戶，降低了周圍微基站的休眠概率。文獻[6]中采用偏好列表的關聯方法，具有很好的負載均衡性，同時微基站距離終端更近，具有更好的信干比，但更集中用戶流量才能使微基站擁有更大的休眠機會。

圖6 系統(tǒng)總功耗隨用戶數量變化

采用基站休眠算法節(jié)能的前提是無線資源冗余，冗余資源越少，基站休眠概率越低。隨著系統(tǒng)內用戶數量的提高，各類休眠算法的節(jié)能效率逐漸下降，符合無線資源冗余越少，節(jié)能越差的現象。

采用本文區(qū)域分級休眠算法后，平均能節(jié)省約23.47%的功耗。文獻[5]中的閾值迭代算法只考慮了基站承載用戶數對基站休眠的影響，微基站承載用戶數低于預設閾值時進入迭代判斷。在系統(tǒng)規(guī)模較小時，單個微基站承載用戶數少，算法遍歷了所有微基站，節(jié)能效果優(yōu)越。當用戶數與基站比增大時，進入休眠判決的微基站數目少，節(jié)能效果較差。文獻[6]中的鄰區(qū)投票算法關閉了保證基礎覆蓋的宏基站，在微基站覆蓋率較大時效果很好，該算法的節(jié)能效果在很大程度取決于對用戶中斷率的容忍。文獻[7]中的 ICR（interference contribution rate）算法將最大基站的干擾貢獻值與迭代的干擾貢獻值閾值比較并判斷為關閉，該算法能很好地解決密集部署的同頻干擾問題，但冗余基站休眠不徹底。本文區(qū)域分級算法的第二類微基站未采取休眠操作，在系統(tǒng)低負載情況，可休眠的第二類微基站未能進行休眠判決，宏基站存在時頻資源冗余，休眠效果比閾值迭代算法效果差。系統(tǒng)負載升高時，與宏基站距離近的微基站優(yōu)先休眠節(jié)省了宏基站的RB。

系統(tǒng)總功耗隨微基站數量變化如圖7所示，隨著微基站數量增加，采取不同休眠算法后的功耗都有不同程度的增長。在微基站數為20時，本文算法節(jié)能率約為12%，文獻[5-7]中的微基站休眠算法為3.7%，文獻[6]中的宏基站休眠算法約為7.2%。在微基站數為50時，本文算法節(jié)能率約為23%，文獻[5]和文獻[7]中的算法約為12.6%，文獻[6]中的宏基站休眠算法約為17.5%。本文算法在能源節(jié)省上具有優(yōu)勢，網絡規(guī)模越大，優(yōu)勢更強。本文的休眠算法充分使用了常開宏基站的RB，隨著系統(tǒng)內微基站數目增加，該算法的節(jié)能效果與其他算法相比更有效，更適用于大規(guī)模網絡。

6 結束語

本文針對5G無線網絡能耗問題，在宏微二層密集網絡中分析了不同區(qū)域微基站的休眠對系統(tǒng)總能耗的影響，提出了一種設置不同區(qū)域優(yōu)先級的微基站休眠算法。本文區(qū)域分級算法在潮汐式用戶流量需求下，相比迭代算法犧牲不超過1.7%節(jié)能率以節(jié)省超過50%運行時間。隨著網絡規(guī)模增大，本文算法相較迭代算法的節(jié)能效果更優(yōu)。區(qū)域分級算法與ICR算法相比，以相近的算法復雜度提高超過4.5%節(jié)能率。區(qū)域分級算法運用在大規(guī)模網絡中節(jié)能率能達到23%，能應對不同網絡負載需求的能耗問題，在密集網絡中效果更好。