一种实现能量消耗最小化的两阶段基站睡眠策略的制作方法

本发明涉及一种用于密集部署的小区网络中下行链路的两阶段基站睡眠策略，确切地说，是一种降低小区中基站的密度来降低整个系统的能量消耗的调度方法，属于无线通信技术领域。

背景技术：

信息通信技术所消耗的能量正在迅速增长，其中小区网络大约80％的能量消耗是由基站占据的。因此，小区网络是否节省能源是评定其性能的重要指标之一。最近，能量控制策略作为一种可行的降低能量消耗的方法而被广泛的研究。对于小区网络来说，基站的部署在能量消耗方面影响很大，活跃基站的数目直接影响整个系统的能量消耗。

在可以预见的未来，人们对于高速数据传输的需求会不断提高，密集部署的小小区网络可以满足这个需求，但是同时会带来极高的能量消耗和管理复杂度。这样在传输速率和能量消耗上必然会存在冲突，而基站睡眠策略可以解决这个问题。

为了节省能量，基站被设计为具有两种工作模式可以选择。分别为活跃模式和睡眠模式。当基站处于活跃模式时，基站正常工作，用户可以连接该基站；当基站处于睡眠模式时，用户无法连接该基站。活跃基站的能量消耗分为两个部分，一部分为可变能量消耗，与发送功率以及连接用户数有关，另一部分为基站运行所需的基本能量消耗，是一个固定值。根据已有资料显示，当基站处于睡眠模式时，其消耗的能量小于活跃基站的基本能量消耗。根据这个情况，通过基站睡眠策略降低整个系统等效于减少整个系统中处于活跃模式的基站属于，也就是降低系统中基站的密度值。

将基站调至睡眠模式需要考虑很多因素，比如基站与用户的分布问题，每个基站与用户之间的信道信息等。找到最优的方案需要极高的运算，无法用于实际情景中。针对这个问题本发明提出一种两阶段的基站睡眠策略，可以以较低的算法复杂度实现选择睡眠基站的方案。

技术实现要素：

有鉴于此，本发明的目的是提供一种以较低的算法复杂度选出需要睡眠的基站的方案。在该系统中考虑下行通信场景，用户与基站都配备单天线，基站的发送功率为固定值，并且共享同一段频率资源。通过泊松点过程来建模用户与建站的位置，相比传统的正六边形式的建模方法更贴合密集部署的小区网络。基站与用户之间的信道模型为大尺度衰落与小尺度落相结合的形式，其中大尺度衰落和基站与用户之间的位置有关，小尺度衰落为瑞利衰落信道模型，并且系统已知所有基站与用户之间的信道信息。每个基站都有固定的负载额度，用户根据信道状况占用不同的负载量，当一个基站连接的用户所需要的负载大于其负载额度时，称这个基站处于过载情况。

为了达到降低系统能量消耗同时限制住基站过载情况发生的目的，本发明基于随机几何工具和进一步睡眠的算法提出一种低复杂度的两阶段的基站睡眠策略用于密集部署的小区网络。所述方法包括下列两个操作步骤：

(1)随机睡眠基站阶段：利用随机几何工具推导出基站密度、网络负载与基站过载概率之间的关系，预先设定一个较小值σ限制网络的过载概率至一个较小值，根据得到的基站密度随机睡眠基站。

(11)通过随机几何工具推导每个用户的期望速率，并根据这个速率计算每个用户占用的基站资源的期望。

(12)通过随机集合工具推导每个基站服务的区域面积的概率，并根据这个值和上面推导的资源占用期望计算基站的过载概率。

(13)根据上面推导出的过载概率与基站密度之间的关系式得到在让过载概率低于预先设定的较小值σ的情况下的基站密度，然后网络随机睡眠基站至系统的基站密度达到上面的值。

(2)选择性睡眠基站阶段：在第一阶段的随机睡眠基站策略之后，网络中仍然有一部分基站处于低负载的情况，其中的一部分基站可以继续调至睡眠模式并将其负载释放给临近的基站。系统根据本发明提出来的算法进行有选择性的睡眠策略进一步降低能量消耗。

(21)系统找到负载最低的基站并且尝试睡眠该基站，将该基站的用户释放到临近的基站。

(22)验证上面的基站是否可以被睡眠：当睡眠该基站之后不会对其他的已经处于过载状态的基站带来负载的增加或者使新的基站到达过载状态，则认为该基站是可以被睡眠的。

(23)如果该基站可以被睡眠，则让该基站处于睡眠状态，然后重新从基站中选取负载最低的，重复该过程。否则选择负载仅次于该基站的基站进行尝试。

本发明提出的两阶段式基站睡眠策略是一种适用于密集部署小区网络中下行链路的资源调度方法。其优点是，利用基站睡眠的方法大幅度降低密集部署网络中的能量消耗问题，同时充分考虑了用户对于速率的需求。发明使用了两阶段的策略来简化睡眠的步骤，第一阶段利用随机几何工具随机睡眠基站，极大地降低了运算复杂度，第二阶段同时考虑性能和复杂度的问题，提出了一种性能较好但是复杂度极低的方法，与密集部署的小区网络场景相符合。

附图说明

图1是本发明的应用场景：密集部署的小区网络场景。

图2是本发明的两阶段基站睡眠策略流程图。

图3是本发明的小区内过载概率的理论结果与仿真结果对比。

图4是本发明的实例结果仿真与遗传算法仿真结果对比。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

参见图1，先介绍本发明的应用场景：包括多个基站和多个用户的通信系统。基站和用户都是随机分布在小区范围之内，基站是密集部署的，用户与基站都配备了单根天线。在该场景下，用户只会连接与自己距离最近的基站，所以可以用图1中的泰森多边形图来划分基站的覆盖区域，在该基站的覆盖区域中所有的用户都会连接到该基站。

参见图2，介绍本发明策略的下列两个操作步骤：

(1)随机睡眠基站阶段：利用随机几何工具推导出基站密度、网络负载与基站过载概率之间的关系p_overload(λ_a,λ_u)，其中λ_a为活跃基站密度，λ_u为用户密度，预先设定一个较小值σ限制网络的过载概率，根据得到的基站密度随机睡眠基站。

(11)通过随机几何工具推导每个用户的期望速率ln(1+SIR_ij)，并根据这个速率计算每个用户占用的基站资源的期望其中γ₀为满足QoS的速率。

(12)通过随机集合工具推导每个基站服务的区域面积|A|的概率f_|A|(x,λ_a)，并根据这个值和上面推导的资源占用期望计算基站的过载概率

其中

$p(k,|A|,{\mathrm{\λ}}_u)=\exp (-{\mathrm{\λ}}_u|A\left|\right)\frac{{\mathrm{\λ}}_u|A{|}^k}{k!}.$

(13)根据上面推导出的过载概率与基站密度之间的关系式得到在让过载概率低于预先设定的较小值σ的情况下的基站密度，然后网络随机睡眠基站至系统的基站密度达到上面的值。

(2)选择性睡眠基站阶段：在第一阶段的随机睡眠基站策略之后，网络中仍然有一部分基站处于低负载的情况，其中的一部分基站可以继续调至睡眠模式并将其负载释放给临近的基站。系统根据本发明提出来的算法进行有选择性的睡眠策略进一步降低能量消耗。

(21)系统找到负载最低的基站并且尝试睡眠该基站，将该基站的用户释放到临近的基站，重新计算基站负载情况。

(22)验证上面的基站是否可以被睡眠：当睡眠该基站之后不会对其他的已经处于过载状态的基站带来负载的增加或者使新的基站到达过载状态，则认为该基站是可以被睡眠的。

(23)如果该基站可以被睡眠，则让该基站处于睡眠状态，然后重新从基站中选取负载最低的，重复该过程。否则选择负载仅次于该基站的基站进行尝试。

为了展示本发明的实用性，申请人进行了多次仿真实施试验。试验系统中的网络模型为图1所示的应用场景。仿真试验的结果如图3和图4所示。图3的仿真结果比较了不同的基站数目情况下用户数量与基站的过载情况并且验证了理论结果和仿真结果的一致性。图4的仿真结果比较了遗传算法与本两阶段睡眠策略的性能差异。

以上所述仅为本发明的较佳实例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改，等同替换、改进等，均应包含在本发明保护的范围之内。