基于果蠅優(yōu)化算法的5G網(wǎng)絡(luò)基站選址研究

黃維

研究與開(kāi)發(fā)

基于果蠅優(yōu)化算法的5G網(wǎng)絡(luò)基站選址研究

黃維

（寶雞職業(yè)技術(shù)學(xué)院，陜西 寶雞 721013）

為解決5G網(wǎng)絡(luò)基站選址未考慮建筑物的空間分布規(guī)律，使得基站選址效果不理想，導(dǎo)致基站覆蓋范圍較小的問(wèn)題，提出了基于果蠅優(yōu)化算法的5G網(wǎng)絡(luò)基站選址研究方法。計(jì)算前線基站到圓形覆蓋中心的距離，利用衛(wèi)星通信設(shè)備對(duì)回傳信號(hào)定位，得到后方基站的可選位置區(qū)域。計(jì)算數(shù)據(jù)接收、發(fā)送和聚合能耗，在蜂窩單元均衡分配的前提下，保證基站數(shù)據(jù)負(fù)載平衡。構(gòu)建基站選址雙層位置模型，設(shè)定約束條件，確定基站最佳位置。利用果蠅優(yōu)化算法更新位置，經(jīng)過(guò)個(gè)體更新迭代處理，避免陷入局部最優(yōu)，獲取精細(xì)的基站選址位置。由實(shí)驗(yàn)結(jié)果可知，該方法前線、后方基站損耗最小分別為50 dB、70 dB，基站覆蓋范圍半徑為6 km，與理想基站覆蓋范圍一致。

果蠅優(yōu)化算法；聯(lián)合驅(qū)動(dòng)；5G網(wǎng)絡(luò)；基站選址優(yōu)化

0 引言

在通信設(shè)備的建造中，基站最佳選址是一個(gè)非常復(fù)雜的問(wèn)題。在信息技術(shù)快速發(fā)展的同時(shí)，網(wǎng)絡(luò)覆蓋不足導(dǎo)致的用戶和運(yùn)營(yíng)商之間的沖突也日益突出。因此，最大限度地實(shí)現(xiàn)無(wú)線網(wǎng)絡(luò)的覆蓋是一個(gè)非常有意義的問(wèn)題。然而，由于該問(wèn)題涉及用戶規(guī)模大、計(jì)算過(guò)程復(fù)雜、影響因素多，用常規(guī)優(yōu)化方法很難得到準(zhǔn)確、高效的求解結(jié)果。近幾年來(lái)，人們已經(jīng)提出了一些關(guān)于基站選址的改進(jìn)方法，并給出了一些相關(guān)的分析。目前，已經(jīng)存在大量研究應(yīng)用方法解決實(shí)際基站選址優(yōu)化問(wèn)題。文獻(xiàn)[1]提出了人工魚(yú)群算法的選址方法，該方法通過(guò)人工魚(yú)群算法改變選址迭代步長(zhǎng)，以此進(jìn)行基站選址規(guī)劃，使得待建基站數(shù)目滿足覆蓋要求。然而，該方法容易受到數(shù)據(jù)負(fù)載不平衡影響，選址結(jié)果不理想；文獻(xiàn)[2]提出了非正交多址接入選址算法，該算法基于功率域非正交多址接入（power domain non-orthogonal multiple access，PD-NOMA）技術(shù)，以采集到的特定基站位置為選擇模式，利用最大功率分割多路傳輸，達(dá)到最小的接入時(shí)延。但是，這類算法存在迭代后容易過(guò)早收斂、局部極值等缺點(diǎn)，難以直接用于基站選址。為此，提出了基于果蠅優(yōu)化算法（fruit fly optimization algorithm，F(xiàn)OA）的5G網(wǎng)絡(luò)基站選址研究。該方法構(gòu)建了基站選址的雙層位置模型，結(jié)合果蠅算法優(yōu)化5G網(wǎng)絡(luò)基站選址過(guò)程。

1 基站可選位置劃分

將基站可選位置大致劃分為前線基站和后方基站兩類，其中前者主要負(fù)責(zé)維護(hù)區(qū)域內(nèi)的信號(hào)，后者主要利用有向天線進(jìn)行通信，這樣就可以在保護(hù)區(qū)域內(nèi)進(jìn)行信息的交換。5G網(wǎng)絡(luò)基站選址場(chǎng)景示意圖如圖1所示。

圖1 5G網(wǎng)絡(luò)基站選址場(chǎng)景示意圖

根據(jù)圖1，將維護(hù)區(qū)域用圓形覆蓋，前線基站若想覆蓋該圓，需要計(jì)算其與圓心的距離，使其滿足：

在有公用通信網(wǎng)的地區(qū)，則需要將基地基站布置在該地區(qū)。然而，因?yàn)?G網(wǎng)絡(luò)通信對(duì)時(shí)間的快速性要求很高，所以不適宜在大范圍內(nèi)對(duì)整個(gè)地圖進(jìn)行搜索，以判斷公網(wǎng)良好與否的位置邊界[5-6]。因此，可以使用以下方式劃分后方基站的一個(gè)可供選擇的位置區(qū)域。

基站選址以控制中心為起點(diǎn)，一旦到達(dá)圖1中的B點(diǎn)，則關(guān)閉通信網(wǎng)，并通過(guò)衛(wèi)星通信器向指揮中心發(fā)送當(dāng)前位置坐標(biāo)。將線段OB延長(zhǎng)至OC，從而使其后方基站在更佳的網(wǎng)絡(luò)狀況下進(jìn)入公共通信網(wǎng)。在后方基站區(qū)域生成過(guò)程中，以O(shè)為中心、OC為半徑，以與該圓平行的切線為輔助，組成一個(gè)弧形DCE，并將該弧形DCE的右邊，當(dāng)作后方基站的一個(gè)備選區(qū)域。

2 基站選址方案設(shè)計(jì)

劃分基站可選位置后，計(jì)算數(shù)據(jù)接收、發(fā)送和聚合能耗，保證每個(gè)蜂窩單元都具備均衡的數(shù)據(jù)負(fù)載。構(gòu)建選址雙層位置模型，并結(jié)合果蠅優(yōu)化算法，優(yōu)化5G網(wǎng)絡(luò)基站選址過(guò)程。

2.1 基于蜂窩單元均衡分配的基站數(shù)據(jù)負(fù)載平衡

由于5G網(wǎng)絡(luò)內(nèi)部單元結(jié)構(gòu)是一種蜂窩單元結(jié)構(gòu)，每個(gè)單元的能耗是由數(shù)據(jù)接收、發(fā)送和聚合構(gòu)成的[7]?；谇熬€、后方基站的可選位置范圍，每一個(gè)代表性基站接收蜂窩單元內(nèi)的數(shù)據(jù)能耗可表示為：

聚合蜂窩單元內(nèi)數(shù)據(jù)能耗，計(jì)算式為：

發(fā)送蜂窩單元內(nèi)數(shù)據(jù)能耗，計(jì)算式為：

蜂窩單元代表性基站的能耗計(jì)算式為：

結(jié)合蜂窩單元代表性基站能耗計(jì)算結(jié)果，設(shè)計(jì)了如圖2所示的蜂窩單元均衡分配結(jié)構(gòu)。

由圖2可以看出，每個(gè)位置聯(lián)合驅(qū)動(dòng)區(qū)域內(nèi)，均存在7個(gè)最近的同信道區(qū)域，連接同信道區(qū)域而成的六邊形可構(gòu)成一個(gè)數(shù)據(jù)負(fù)載平衡的基站[10]。在分配均衡的蜂窩單元結(jié)構(gòu)中，在保持各蜂窩單元數(shù)目相同的前提下，實(shí)現(xiàn)了各區(qū)域間的數(shù)據(jù)負(fù)載均衡[11]。

圖2 蜂窩單元均衡分配結(jié)構(gòu)

2.2 雙層基站選址優(yōu)化問(wèn)題的位置模型構(gòu)建

從多棟建筑物、多層交通流等特點(diǎn)出發(fā)，根據(jù)建筑物的空間分布規(guī)律，以最大建筑物間距和最小建筑物間距為優(yōu)化目標(biāo)，構(gòu)建多棟建筑物之間的通信路徑[12]。在用戶日益增多的情況下，如何有效提升網(wǎng)絡(luò)覆蓋范圍，并在此基礎(chǔ)上對(duì)用戶信號(hào)的不穩(wěn)定進(jìn)行有效處理，是目前基站布局優(yōu)化面臨的一個(gè)迫切需要解決的問(wèn)題[13]。針對(duì)該問(wèn)題，建立基站選址的雙層位置模型，計(jì)算式為：

式（6）對(duì)應(yīng)的約束條件，如式（7）所示。

2.3 果蠅優(yōu)化算法流程

果蠅是一種廣泛存在于溫帶與熱帶地區(qū)的昆蟲(chóng)，在尋找食物時(shí)，果蠅群體能夠通過(guò)嗅覺(jué)尋找食物的方位，并將氣味信息傳遞給其他果蠅，每個(gè)果蠅個(gè)體通過(guò)對(duì)比群體中的氣味濃度，利用視覺(jué)飛向擁有最佳的濃度判定值的個(gè)體，并繼續(xù)利用嗅覺(jué)展開(kāi)下一步的搜索，通過(guò)這種方式，果蠅群體中的所有果蠅最終都能到達(dá)食物位置[15]。具體流程如下。

（1）初始化。設(shè)置果蠅優(yōu)化算法的參數(shù)：種群大小、最大迭代次數(shù)、初始位置范圍（LR）和每次移動(dòng)的范圍（FR）。計(jì)算自適應(yīng)函數(shù)為：

通過(guò)式（10）可使輸出值和理想值之間誤差達(dá)到最小。

（2）嗅覺(jué)搜索過(guò)程。每個(gè)果蠅個(gè)體根據(jù)嗅覺(jué)搜索食物的位置。

（3）視覺(jué)搜索過(guò)程。在找到具有最佳味道濃度值的果蠅后，群體中的其他果蠅個(gè)體都會(huì)通過(guò)視覺(jué)直接飛向該位置。重復(fù)步驟（2）～步驟（3）直至達(dá)到算法的最大迭代次數(shù)，最后輸出最優(yōu)的味道濃度值和最優(yōu)的果蠅位置。

2.4 基于果蠅優(yōu)化算法的基站選址位置計(jì)算

為了使獲取的位置信息更加精細(xì)，使用粒子群果蠅混合算法對(duì)上層預(yù)選基站位置和下層預(yù)選基站位置范圍進(jìn)行約束。其中，上層預(yù)選基站位置約束表達(dá)式為：

下層預(yù)選基站位置約束表達(dá)式為：

根據(jù)上、下層預(yù)選基站位置，求解最終位置有很多可能性穿過(guò)預(yù)設(shè)的基站點(diǎn)，或者與預(yù)設(shè)的基站點(diǎn)位置接近。為了求解雙層基站選址優(yōu)化問(wèn)題的位置模型，引入果蠅優(yōu)化算法，在不能確定食物位置的情況下，首先要計(jì)算目標(biāo)到目標(biāo)位置的距離，然后才能得到目標(biāo)氣味濃度的判定結(jié)果，這是一種新型的仿生優(yōu)化方法。果蠅最優(yōu)算法根據(jù)其氣味濃度的大小判斷優(yōu)劣，對(duì)特定氣味濃度進(jìn)行計(jì)算。

在果蠅優(yōu)化算法中，個(gè)體速度和位置更新迭代計(jì)算式可表示為：

3 實(shí)驗(yàn)與分析

3.1 實(shí)驗(yàn)環(huán)境和裝置模擬

為了緩解實(shí)驗(yàn)現(xiàn)場(chǎng)建設(shè)成本高、協(xié)調(diào)難的問(wèn)題，通過(guò)與電網(wǎng)公司合作，在電力桿塔下搭建基站，桿塔上架設(shè)的基站天線方式用于實(shí)現(xiàn)5G基站與輸電線路共通的桿塔?；谠撉闆r，模擬的實(shí)驗(yàn)環(huán)境和裝置如圖3所示。

圖3 模擬的實(shí)驗(yàn)環(huán)境和裝置

仿真參數(shù)見(jiàn)表1。

表1 仿真參數(shù)

空間電磁干擾與5G基站設(shè)備之間采用直接耦合的方式，外界空間電磁波通過(guò)裝置外殼，在該干擾環(huán)境下進(jìn)行實(shí)驗(yàn)分析。

3.2 實(shí)驗(yàn)指標(biāo)

3.3 實(shí)驗(yàn)數(shù)據(jù)

用隨機(jī)函數(shù)產(chǎn)生建筑物的位置和高度數(shù)據(jù)形成建筑物基站范圍，前線和后方基站范圍如圖4所示。

圖4 前線和后方基站范圍

由圖4可知，所選基站的前線、后方基站位置最佳坐標(biāo)分別為（2,2）、（6,7.8），設(shè)初始前線、后方基站損耗分別為170 dB和190 dB，不斷迭代過(guò)程，前線、后方基站損耗見(jiàn)表2。

由表2可知，前線基站和后方基站經(jīng)過(guò)多次迭代后，最小傳輸損耗分別達(dá)到50 dB、70 dB。在該損耗變化的情況下，理想基站覆蓋范圍如圖5所示。

圖5 理想基站覆蓋范圍

由圖5可知，理想基站覆蓋范圍半徑為6 km，且基站多。

3.4 實(shí)驗(yàn)結(jié)果與分析

分別使用人工魚(yú)群算法的選址方法、PD-NOMA算法和本文選址方法，對(duì)比分析前線、后方基站損耗變化過(guò)程，不同方法基站損耗對(duì)比如圖6所示。

由圖6（a）可知，使用基于人工魚(yú)群算法的選址規(guī)劃方法經(jīng)過(guò)12次迭代處理后，前線基站損耗最終達(dá)到62 dB；使用PD-NOMA算法基站損耗相比于前一種方法要小，最終達(dá)到58 dB；使用本文選址方法，前線基站損耗最終達(dá)到50 dB。由圖6（b）可知，分別使用基于人工魚(yú)群算法的選址規(guī)劃方法、PD-NOMA算法和本文選址方法，經(jīng)過(guò)12次迭代處理后，后方基站損耗最終分別達(dá)到110 dB、102 dB、70 dB。

圖6 不同方法基站損耗對(duì)比

通過(guò)上述分析結(jié)果可得，使用本文研究方法前線、后方基站損耗均最小?；谠摻Y(jié)論，繼續(xù)對(duì)比這3種方法的基站覆蓋范圍，不同方法基站覆蓋范圍如圖7所示。

由圖7可知，使用基于人工魚(yú)群算法的選址規(guī)劃方法、PD-NOMA算法，基站覆蓋范圍半徑分別為4 km、3 km，其中基站均較少；使用本文方法，基站覆蓋范圍半徑為6 km，其中基站較多，與理想基站覆蓋范圍一致。

圖7 不同方法基站覆蓋范圍

4 結(jié)束語(yǔ)

綜上所述，本文通過(guò)優(yōu)化5G網(wǎng)絡(luò)基站選址方法，確認(rèn)前線基站與圓形覆蓋中心距離，劃分前線、后方基站的可選位置范圍；通過(guò)計(jì)算數(shù)據(jù)接收、發(fā)送和聚合能耗，均衡分配蜂窩單元，平衡基站數(shù)據(jù)負(fù)載。在此基礎(chǔ)上，建立基站選址的雙層位置模型，使用粒子群果蠅混合算法更新選址位置，避免陷入局部最優(yōu)，獲取精細(xì)的基站選址位置。未來(lái)在本文研究的基礎(chǔ)上，需要進(jìn)一步研究隨機(jī)需求下允許缺貨的情形，并結(jié)合其他更現(xiàn)實(shí)性的約束條件，使模型將更加實(shí)用；可能存在的早熟收斂情況，需要結(jié)合粒子群優(yōu)化、模擬退火、蛙跳等算法進(jìn)行完善，使選址更加準(zhǔn)確。

[1] 金偉正, 宋超, 羅義軍. 基于人工魚(yú)群算法的電力無(wú)線專網(wǎng)基站選址規(guī)劃[J]. 武漢大學(xué)學(xué)報(bào)(工學(xué)版), 2021, 54(6): 551-556.

JIN W Z, SONG C, LUO Y J. Base Station location planning of power wireless private network based on artificial fish swarm algorithm[J]. Engineering Journal of Wuhan University, 2021, 54(6): 551-556.

[2] 孫源, 沈文建, 倪朋勃, 等. 實(shí)時(shí)工業(yè)物聯(lián)網(wǎng)的功率域非正交多址接入基站選址算法[J]. 計(jì)算機(jī)應(yīng)用, 2023, 43(1): 209-214.

SUN Y, SHEN W J, NI P B, et al. Sinklocation algorithm of power domain nonorthogonal multiple access for real-time industrial Internet of Things[J]. Journal of Computer Applications, 2023, 43(1): 209-214.

[3] 胡焰智, 章鋒斌, 田田, 等. 面向用戶最大覆蓋的多空中基站布局方法[J]. 系統(tǒng)工程與電子技術(shù), 2023, 45(2): 580-588.

HU Y Z, ZHANG F B, TIAN T, et al. Multi-UAV-BS layout approach for maximum coverage of users[J]. Systems Engineering and Electronics, 2023, 45(2): 580-588.

[4] 蔡佳祺, 萬(wàn)海斌, 孫友明, 等. 基于人工蜂群算法的基站天線方位角與下傾角自優(yōu)化方法[J]. 電信科學(xué), 2021, 37(1): 69-75.

CAI J Q, WAN H B, SUN Y M, et al. Artificial bee colony algorithm based self-optimization of base station antenna azimuth and down-tilt angles[J]. Telecommunications Science, 2021, 37(1): 69-75.

[5] 周童, 程方, 張治中, 等. 基于非泊松點(diǎn)過(guò)程建模的微基站部署研究[J]. 計(jì)算機(jī)應(yīng)用研究, 2021, 38(12): 3730-3732, 3738.

ZHOU T, CHENG F, ZHANG Z Z, et al. Picobase station deployment based on non-Poisson point process modeling[J]. Application Research of Computers, 2021, 38(12): 3730-3732, 3738.

[6] SRILAKSHMI V, ANURADHA K, SHOBA BINDU C. Incremental text categorization based on hybrid optimization-based deep belief neural network[J]. Journal of High Speed Networks, 2021, 27(2): 183-202.

[7] 韓子顏, 王守相, 趙倩宇, 等. 計(jì)及分時(shí)電價(jià)的5G基站光儲(chǔ)系統(tǒng)容量?jī)?yōu)化配置方法[J]. 中國(guó)電力, 2022, 55(9): 8-15.

HAN Z Y, WANG S X, ZHAO Q Y, et al. A capacity optimization configuration method for photovoltaic and energy storage system of 5G base station considering time-of-use electricity price[J]. Electric Power, 2022, 55(9): 8-15.

[8] 陳金陽(yáng), 雷勇, 曹曉燕, 等. 基于混合NSGA-Ⅱ算法的基站電源容量配置優(yōu)化[J]. 電氣傳動(dòng), 2022, 52(16): 55-62.

CHEN J Y, LEI Y, CAO X Y, et al. Optimal sizing of base station power supply based on hybrid NSGA-Ⅱalgorithm[J]. Electric Drive, 2022, 52(16): 55-62.

[9] 黃穎茜, 崔苗, 張廣馳. 具有回程約束的多無(wú)人機(jī)基站的帶寬功率與軌跡優(yōu)化[J]. 計(jì)算機(jī)應(yīng)用研究, 2021,38(3): 831-835, 840.

HUANG Y Q, CUI M, ZHANG G C. Bandwidth, power and trajectory optimization for multiple UAV base stations with backhaul constraint[J]. Application Research of Computers, 2021, 38(3): 831-835, 840.

[10] 郝萬(wàn)明, 姚壯, 孫鋼燦, 等. 一種優(yōu)化基站服務(wù)狀態(tài)的C-RAN聯(lián)合波束設(shè)計(jì)[J]. 北京郵電大學(xué)學(xué)報(bào), 2021, 44(3): 41-46.

HAO W M, YAO Z, SUN G C, et al. A joint beamforming design for optimizing service state of base station in C-RAN[J]. Journal of Beijing University of Posts and Telecommunications, 2021, 44(3): 41-46.

[11] 解彬彬, 劉繼展, 蔡連江, 等. 小地塊履帶農(nóng)機(jī)UWB導(dǎo)航系統(tǒng)設(shè)計(jì)及其基站布置[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2022, 38(7): 48-58.

XIE B B, LIU J Z, CAI L J, et al. Design of the UWB navigation system fortracked agricultural machinery in small land and analysis of base station layout[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(7): 48-58.

[12] 陶倩昀, 袁三男, 張艷秋. 5G EN-DC場(chǎng)景下LTE基站下行速率預(yù)測(cè)方法研究[J]. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版), 2022, 42(2): 72-78.

TAO Q Y, YUAN S N, ZHANG Y Q. Research on downlink throughput prediction method of base station in 5G EN-DC[J]. Journal of Nanjing University of Posts and Telecommunications (Natural Science), 2022, 42(2): 72-78.

[13] WANG Y X. Energy-saving scheme of 5G base station based on LSTM neural network[J]. Journal of Physics: Conference Series, 2021, 2083(3): 032026.

[14] 王海, 翁晨傲, 李克, 等. 一種面向基站扇區(qū)方向角估計(jì)的改進(jìn)SVM算法[J]. 計(jì)算機(jī)工程, 2021, 47(4): 120-126.

WANG H, WENG C A, LI K, et al. An improved SVM algorithm for azimuthestimationofbasestationsector[J]. Computer Engineering, 2021, 47(4): 120-126.

[15] 王志強(qiáng), 董忠濤, 王驍龍, 等. 考慮建筑物遮蔽的電力應(yīng)急通信基站選址雙層優(yōu)化方法[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(17): 107-116.

WANG Z Q, DONG Z T, WANG X L, et al. Two-layer optimization method for site selection of a power emergency communication base station considering building shadowing effect[J]. Power System Protection and Control, 2022, 50(17): 107-116.

Research on 5G network base station site selection based on fruit fly optimization algorithm

HUANG Wei

Baoji Vocational & Technical College, Baoji 721013,China

Faced with the fact that the spatial distribution of buildings is not considered in the location of 5G network base stations, which makes the base station site selection effect unsatisfactory and leads to the problem of small coverage of base stations, a research method for 5G network base station site selection based on fruit fly optimization algorithm was proposed. The distance from the front line base station to the circular coverage center was calculated, and the satellite communication equipment was used to locate the return signal to obtain the optional position area of the rear base station. The energy consumption of data reception, transmission and aggregation were calculated, and the load balancing of base station data was ensured under the premise of balanced distribution of cellular units. A two-layer location model for base station site selection was built, constraints were set, and the optimal location of base station was determined. The fruit fly optimization algorithm was used to update the position, and after individual update iterative processing, it was not to fall into local optimization and obtain the fine base station site selection position. It can be seen from the experimental results that the minimum losses of the front line and rear base stations in this method are 50 dB and 70 dB, respectively, and the coverage radius of the base station is 6 km, which is consistent with the coverage of the ideal base station.

fruit fly optimization algorithm, joint drive, 5G network, optimization of base station site selection

TN929

A

10.11959/j.issn.1000?0801.2023184

2023?05?08；

2023?09?13

黃維（1970?），男，寶雞職業(yè)技術(shù)學(xué)院講師，主要研究方向?yàn)橛?jì)算機(jī)應(yīng)用教學(xué)和計(jì)算機(jī)技術(shù)。