一种毫米波网络中基于流网络的回传路径规划方法与流程

本发明涉及通信技术领域，尤其是一种回传路径规划方法。

背景技术：

在5G移动通信系统中，毫米波通信因具备大带宽、高定向等突出优势而成为5G网络回传以及用户接入的关键技术之一。在5G回传网络中，支持海量数据传输的路径规划并在此基础上降低回传网络的能耗，对于5G回传网络具有重要意义。一方面，随着用户数据量需求呈指数型增长，如何将大量用户的海量数据回传至核心网，或者将核心网的数据传输至网络用户，支持海量数据回传的路径规划问题变得非常重要；另一方面，在超密集部署的毫米波微小区网络中，毫米波微基站的个数大幅增加，网络能耗的相应提升使得网络在保证回传业务需求的基础上需要尽量的最小化回传网络能耗。

与传统的无线自组织网络不同，毫米波微小区网络中各基站通常是部署在终端设备密集、业务需求巨大、安装环境较好的市区，从而保证毫米波基站的能源供应和修理维护。因此，毫米波微小区网络回传路径的设计与规划时，规划与设计支持回传业务最大化的路径是5G毫米波微小区网络建设中面临的首要挑战，在此基础上实现回传能耗最小化、提高网络能效也是5G毫米波微小区网络设计的目标之一。

对5G毫米波网络回传技术的现有研究主要分为两种：(1)全光纤回传，该技术有传输速率高、可靠性好等显著优势，但由于其高部署成本在密集部署的毫米波微小区基站网络中是不适用的；(2)光纤与毫米波链路混合回传，部分毫米波微基站通过光纤与核心网连接(称连接光纤的毫米波微基站为网关节点)，其他未与光纤连接的毫米波微基站通过毫米波链路以多跳的方式将数据回传至网关；这种回传方式具有容易部署、低成本等优势。需要指出的是，为均衡网络负载、提高网络吞吐量，在光纤与毫米波链路混合回传技术中，通常部署多个网关节点以均衡网络负载，提升网络容量。

技术实现要素：

为了克服现有技术的不足，在本发明技术方案中假设网关节点的个数为M，毫米波微基站的个数为N；网关节点在具备毫米波无线通信能力的同时，通过光纤连接的方式将回传数据传输至核心网络，而毫米波微基站仅仅具备毫米波无线通信能力而并没有光纤连接。此外，毫米波微基站通过波束成型技术，在相邻毫米波微基站之间、以及毫米波微基站与网关之间形成高定向性的多个波束。基于图论模型，可将网络中的毫米波微基站以及网关建模为网络图中的节点，将相邻毫米波微基站之间、以及毫米波微基站与网关之间的K条毫米波链路，建模为网络图中相邻节点之间的K条边，从而毫米波小区网络可被建模为一个无向多图。

本发明主要包括四个部分：(1)构建毫米波回传网络的无向多图，并将无向多图转化为有向多图；(2)将有向多图转化为有向简单图；(3)基于有向简单图构建流网络图，并利用Push-Relabel算法计算流网络图中的最小花费最大流；(4)利用计算所得的最小花费最大流确定每个回传链路上的实际回传工作时隙数，从而在最大化网络回传数据量的基础上最小化全网回传能耗。下面分别介绍以上四个部分的内容：

1、构建毫米波回传网络的无向多图，并将无向多图转化为有向多图。基于图论将毫米波回传网络构建为无向多图，之后对网络中的节点和边进行等效变换，将无向多图转化为有向多图。

2、有向多图转化为有向简单图。在图中增加虚拟流入节点、虚拟流出节点及虚拟边将有向多图转化为有向简单图。

3、基于有向简单图构建流网络图，并计算流网络图的最小花费最大流。增加虚拟源节点、虚拟目的节点及虚拟边，同时对图中各个边的容量、花费属性赋值。利用Push-Relabel方法计算求解流网络图的最大流值、最小花费值及各边边上的流值。

4、确定回传路径及其上的回传时隙数、网络回传业务量及能耗。根据求得流网络图中各边上的流值确定毫米波网络中回传路径规划结果及各毫米波微基站与毫米波微基站之间或毫米波微基站与网关之间的毫米波链路上回传时隙数、全网的回传业务量和回传能耗。

本发明中的各步骤既适用于代表网络中任意两个毫米波微基站的节点和也适用于代表网络中任意毫米波微基站与其相邻网关的节点s_i和g_j，为简化描述，本发明中主要以和为例描述。

本发明解决其技术问题所采用的技术方案的详细实施步骤如下：

步骤1：构建毫米波回传网络的无向多图，并通过步骤1.1、1.2将无向多图转化为有向多图，之后转入步骤2；令表示毫米波回传网络，其中表示网络中的微基站和网关集合，表示网络中相邻微基站之间的边集合，步骤1.1和步骤1.2详细描述如下：

步骤1.1：将无向多图中所有相连的两点分别变换为由入节点和出节点组成的节点集之后转入步骤1.2，令其中，是回传网络中基站的接收模块，是基站的发送模块，N为毫米波微基站的个数；

步骤1.2：连接由入节点到出节点的有向边由入节点到出节点的有向边令删除原间的无向边同时连接由出节点到入节点的有向边由出节点到入节点的有向边即形成有向边边集之后转入步骤2，其中，对应于回传网络中基站各自的接收模块到发送模块的物理线路；

步骤2：将有向多图转化为有向简单图

首先按照步骤2.1为有向多图中的各节点添加虚拟流入节点和虚拟流出节点，并对应的连接虚拟流入节点到该节点的边和该节点到其虚拟流出节点的边，其次按照步骤2.2进行边的转化，之后转入步骤3，其具体变换步骤如下：

步骤2.1：为有向多图中的节点添加k个虚拟流入节点令为节点分别添加k个虚拟流出节点之后转入步骤2.2；

令其中，增加的k个分别对应于回传网络中形成k个波束的射频模块；

步骤2.2：删除节点到节点的有向边同时连接由节点到节点的有向边由节点到节点的有向边和由节点到节点的有向边即组成的边集为删除节点到节点的有向边同时连接由节点到节点的有向边由节点到节点的有向边和节点到节点的有向边即组成的边集为之后转入步骤3；

令：

其中，的元素是回传网络中基站各自的发送模块到射频模块的部分，中的元素即代表回传网络中相邻两基站间的k条毫米波链路；

步骤3：基于步骤2所得到的有向简单图构建流网络图，并计算流网络图的最小花费最大流；

首先，根据步骤3.1增加虚拟源节点、虚拟目的节点及相应的虚拟边，其次根据步骤3.2和步骤3.3对各边的容量、费用属性赋值并计算流网络图的最小花费最大流，之后转入步骤4；

基于有向简单图构建流网络图过程的具体步骤如下：

步骤3.1：在有向简单图中增加虚拟源节点x和虚拟目的节点y，同时添加x到的边和网关节点g_j的虚拟出节点到y的边之后转入步骤3.2；令：其中，M是网关节点个数；

将虚拟源节点x看作是回传网络中所有用户合并而成的一个点，该点负责向各发送各自所产生回传负载；将y看作核心网，从而将中的元素认为是用户至各个基站的接入链路，将中的元素认为是网关到核心网的光纤链路，将转化后的有向简单图表示为其中：

x、y表示网络的虚拟源节点和虚拟汇节点，表示毫米波微基站s_i(1≤i≤N)的虚拟出节点集合，表示毫米波微基站s_i(1≤i≤N)的虚拟入节点集合，表示网关节点g_j(1≤j≤M)的虚拟出节点集合，表示网关节点g_j(1≤j≤M)的虚拟入节点集合；表示毫米波微基站s_i(1≤i≤N)的第k条毫米波链路上的虚拟流出节点集合，表示毫米波微基站s_i(1≤i≤N)的第k条毫米波链路上的虚拟流入节点集合，表示网关节点g_j(1≤j≤M)的第k条毫米波链路上的虚拟流入节点集合，表示由网络虚拟源节点x到毫米波微基站的虚拟入节点的边集合，表示毫米波微基站虚拟入节点与虚拟出节点之间的边集合，表示由毫米波微基站的虚拟出节点到其第k条毫米波链路上的虚拟出节点的边集合，表示毫米波微基站的第k条毫米波链路上的虚拟流出节点与虚拟流入节点的边集合，表示由毫米波微基站的第k条毫米波链路上的虚拟流入节点到各自虚拟入节点的边集合，表示由毫米波微基站s_i的第k条毫米波链路上的虚拟流出节点到网关节点g_j的第k条毫米波链路上的虚拟流入节点的边集合，表示由网关节点g_j的第k条毫米波链路上的虚拟流入节点到虚拟入节点的边集合，网关节点g_j的虚拟入节点到虚拟出节点的边集合，表示有网关节点g_j的虚拟出节点到网络虚拟汇聚节点y的边集合；

步骤3.2：根据图中各点的位置及距离，计算网络中相邻节点之间的路径损耗L_loss、信噪比(Signal Noise Ratio，SNR)和传输能耗，之后转入步骤3.3；其中，相邻节点间毫米波链路的路径损耗L_loss计算方式为：

式中，λ是毫米波波长，d是相邻毫米波微基站间的距离；

节点信噪比SNR的计算方式为：

其中，B为毫米波通信带宽，单位为赫兹Hz，R为相邻节点间的毫米波链路上的传输速率，根据传输损耗L_loss及SNR计算相邻节点间毫米波链路的传输功耗P的公式为：P＝SNR+L_loss+I_L+N_th+N_F-G_t-G_r，其中，I_L为实现损耗，N_th为热噪声损耗，N_F为路损指数，G_t为发送天线增益，G_r为接收天线增益；

步骤3.3：流网络图中边具有表示容量、花费和流三个属性值，而在回传网络中它们分别代表毫米波回传链路所能够回传的最大数据量、每比特数据量所消耗的能量以及该回传链路所承载的回传数据量，因此，对获得的有向简单图的每个边的属性赋值时，根据各边在回传网络中代表的物理意义进行赋值，之后转入转入步骤3.4；

对中各个元素的容量和花费分别赋值为：

L_i为各个毫米波微基站产生的回传负载量，对中各个元素的容量和花费赋值为：

其中，Inf代表无穷大；

分别对中元素的容量和花费赋值为：

其中为任意两个毫米波微基站之间第k条毫米波链路上的最大可用时隙数，为任意毫米波微基站与其相邻网关之间第k条毫米波链路上的最大时隙数；为任意两个毫米波微基站之间第k条毫米波链路上单位时隙内传输的数据量，为任意毫米波微基站与其相邻网关之间的第k条毫米波链路上单位时隙内传输的数据量；为任意两个毫米波微基站之间第k条毫米波链路上单位传输时隙内传输数据所消耗的能量，为任意毫米波微基站之间与其相邻网关之间的第k条毫米波链路上单位传输时隙内传输数据所消耗的能量，对中元素的容量和花费赋值为：

其中，S_j为网关与核心网络之间的光纤回传容量；

步骤3.4：对于各边属性赋值后的流网络，利用Push-Relabel法求解最小花费最大流的各边流值之后转入步骤4；

步骤4：确定回传网络中的回传路径

根据步骤3求得的最小花费最大流的各边流值，确定相邻毫米波微基站之间的k条毫米波链路上回传时隙和回传业务量及网络能耗，之后算法结束，具体步骤如下：

步骤4.1：根据求得的最小花费最大流的各边流值计算各毫米波微基站之间及毫米波微基站与网关之间的毫米波链路上的回传时隙数，之后转入步骤4.2，计算各毫米波链路上回传时隙数的公式如下：

其中，即为相邻毫米波微基站间第k条毫米波回传链路上的实际回传时隙数，为相邻毫米波微基站间第k条毫米波回传链路上的回传数据量，为相邻毫米波微基站第k条毫米波回传链路在单位时隙内传输的数据量，为毫米波微基站与相邻网关间第k条毫米波回传链路上的实际回传时隙数，为毫米波微基站与相邻网关之间第k条毫米波回传链路上的回传数据量，为毫米波微基站与相邻网关之间第k条毫米波回传链路在单位时隙内传输的数据量；

步骤4.2：根据各毫米波链路上获得的回传时隙和各自的传输速率计算网络回传业务量d_max和回传能耗P_min，之后任务结束；

其中d_max、P_min的计算方式如下：

其中，回传业务量d_max即全网毫米波微基站回传至所有网关的总数据量，为毫米波微基站与相邻网关间第k条毫米波回传链路在单位时隙内的回传数据量，回传能耗P_min即全网毫米波微基站回传数据时所消耗的总能耗，为相邻毫米波微基站间第k条毫米波回传链路在传输单位时隙数据量消耗的能耗，为毫米波微基站与相邻网关间第k条毫米波回传链路传输单位时隙数据量消耗的能耗。

本发明的有益效果在于通过流网络求解的方法，解决了密集部署毫米波网络中吞吐量最大化的同时能量最小化的回传路径规划问题，从而节省了网络能耗，基于流网络的回传路径规划算法，可以在回传业务量最大化的同时实现能耗最小化；本发明是一种多源、多汇的多径路径规划算法，使得网络中的毫米波微基站能够将业务通过多条路径回传至多个网关；本发明的实现过程简单，可在支持毫米波通信的基站间实现，并且该发明能很好地适用于单网关和多网关的场景。

附图说明

图1是本发明密集部署毫米波网络场景图。

图2是本发明无向多图转化为有向多图的具体过程图。

图3是本发明将有向多图转化为有向简单图的具体过程图。

图4是本发明基于最短路算法的回传路径图，其中，横、纵坐标表示区域范围为500m。

图5是本发明算法回传路径图。

图6是各毫米波微基站产生的负载变化情况与网络回传数据量的关系图。其中，横轴是各毫米波微基站产生的回传负载数据量，纵轴表示网络回传数据量。

图7是各毫米波微基站产生的负载变化情况与与网络能耗的关系图。其中，横轴是各毫米波微基站产生的回传负载数据量，纵轴表示网络回传能耗。

图8是网络中节点产生的负载固定，网络节点个数(密度)与回传网络能效的关系图。

图9是本发明实时实例的网络场景图及其对应的无向多图，图中共有5个节点，分别编号1-5，其中节点1、节点2、节点3代表毫米波微基站，节点4、节点5代表网关，相邻节点间有2条无向边，即代表相邻毫米波微基站或毫米波微基站与网关之间有2条毫米波链路。

其中RF(Radio Frequency)为毫米波波束射频模块，SC为sall cell，即毫米波微小区。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

本发明可以在SDN控制器中通过固件实现，或实现在无线网卡的驱动程序之中下面结合实例对本发明的实现进行详细的说明，实例场景图如图9所示，图9是本发明实时实例的网络场景图及其对应的无向多图，图中共有5个节点，分别编号1-5，其中节点1、节点2、节点3代表毫米波微基站，节点4、节点5代表网关，相邻节点间有2条无向边，即代表相邻毫米波微基站或毫米波微基站与网关之间有2条毫米波链路。

为方便后续步骤叙述，图中将节点1、节点2、节点3均为small cell节点，且分别用s₁、s₂、s₃表示，节点4、节点5均为网关节点，且分别用g₁、g₂表示。

本发明重点关注在已经部署好的多网关毫米波微小区超密集网络场景中，给定每个毫米波微基站的回传负载、毫米波网关节点的个数及位置、毫米波微基站之间回传链路数，为网络进行回传路径规划，从而在所允许的最大回传时隙内，在实现网络回传业务最大化的基础上，最小化网络回传能耗。

本发明属于集中式高能效回传路由规划方法，由网关节点利用收集的全局网络拓扑信息，根据各个节点的回传负载需求，计算回传路径及相应毫米波链路上的传输时隙数和数据量，在最大化毫米波小区网络回传数据量的基础上最小化网络回传能耗。本发明所设计的方法也可适用于基于软件定义网络(Software Defined Network，SDN)架构的网络中。

毫米波回传网络场景如图1所示，图1是密集部署毫米波网络场景图，其中网关通过光纤方式与核心网站连接，其他未连接光纤的毫米波微基站通过无线多跳的方式将数据回传至网关，位于核心网的宏基站根据网络拓扑结构等信息负责对全网的回传路径规划，并将结果下发至各个毫米波微基站。此外，图中给出了毫米波微基站的逻辑结构模块图，即每个毫米波微基站主要由发送控制模块、接收控制模块、毫米波波束射频模块(Radio Frequency，RF)及相互之间的物理链路，本发明选择60GHz频段的毫米波，具体实施如下：

步骤1：构建毫米波回传网络的无向多图，首先对网络中代表毫米波微基站和网关的点分别进行变换并增加必要的虚拟边，其次对图相邻节点的无向多边进行变换，通过步骤1.1、1.2将无向多图转化为有向多图，之后转入步骤2；令表示毫米波回传网络，其中表示网络中的微基站集合，表示网络中相邻微基站之间的边集合，将无向多图转化为有向多图如图2所示，其中是代表两个相邻的毫米波微基站，是间的第k条毫米波链路；是的入节点，代表的接收模块R_x；是的出节点，代表的发送模块Tx；步骤1.1和步骤1.2具体如下：

步骤1.1：将无向多图中s₁、s₂、s₃分别变换为节点集将g₁、g₂分别变换为节点集之后转入步骤1.2；

步骤1.2：添加到的边到的边到的边到的边到的边将s₁、s₂之间的边变为边集将s₁、s₃之间的边变为边集

将s₂、g₁之间的边变为边集

将s₃、g₂之间的边变为边集

之后转入步骤2。

步骤2：将有向多图转化为有向简单图，首先添加虚拟流入节点和虚拟流出节点并添加相应的虚拟边，其次进行边的转化，之后转入步骤3。将无向多图转化为流网络图的过程如附图中的图3所示，其中，分别是的第k个虚拟流入节点和虚拟流出节点，代表各自形成k个波束的射频模块；分别是由到的边，代表的发送模块到射频发射模块的连接部分；分别是到的边，代表接收波束到接收模块的连接部分。分别是的第k条毫米波链路。具体变换步骤如下：

步骤2.1：添加虚拟流入节点、虚拟流出节点及相应的虚拟边，之后转入步骤2.2。为添加4个虚拟流入节点为添加4个虚拟流出节点为添加4个虚拟流入节为添加4个虚拟流出节点为添加4个虚拟流入节为添加4个虚拟流出节点为添加2个虚拟流入节为添加2个虚拟流入节

步骤2.2：对有向边进行变换，之后转入步骤3。将到的边转化为边集将到的边转化为边集将到的边转化为边集将到的边转化为边集

将到的边转化为边集将到的边转化为边集将到的边转化为边集将到的边转化为边集

将到的边转化为边集将到的边转化为边集将到的边转化为边集将到的边转化为边集

将到的边转化为边集将到的边转化为边集将到的边转化为边集将到的边转化为边集

步骤3：基于步骤2所得到的有向简单图构建流网络图，并计算流网络图的最小花费最大流；

首先，根据步骤3.1增加虚拟源节点、虚拟目的节点及相应的虚拟边，其次根据步骤3.2和步骤3.3对各边的容量、费用属性赋值并计算流网络图的最小花费最大流，之后转入步骤4；

基于有向简单图构建流网络图过程的具体步骤如下：

步骤3.1：在有向简单图中增加虚拟源节点x和虚拟目的节点y，同时添加x到的边和到y的边之后转入步骤3.2；

步骤3.2：根据图中各点的位置及距离，计算网络中相邻节点之间的路径损耗L_loss、信噪比(Signal Noise Ratio，SNR)和传输能耗，之后转入步骤3.3；其中，相邻节点间毫米波链路的路径损耗L_loss计算方式为：

式中，λ是毫米波波长，d是相邻毫米波微基站间的距离；

节点信噪比SNR的计算方式为：

根据传输损耗L_loss及SNR计算相邻节点间毫米波链路的传输功耗P的公式为：P＝SNR+L_loss+I_L+N_th+N_F-G_t-G_r；

为简化描述步骤，本实施实例中设定相邻节点间的2条毫米波链路速率是相同的，但实施实例中的计算步骤同样适用于相邻节点间的2条毫米波链路速率不同的情况。根据节点间的路损计算公式和SNR公式计算路损与SNR，之后转入步骤3.3，其中路损的计算如下所示：

利用SINR的计算公式计算相邻节点SNR为：

根据毫米波链路能耗公式计算单位时隙内的能耗：

其中，G_t＝G_r＝N_F＝5dB，N_th＝-147dB/Hz，I_L＝2dB。

步骤3.3：流网络图中边具有表示容量、花费和流三个属性值，而在回传网络中它们分别代表毫米波回传链路所能够回传的最大数据量、每比特数据量所消耗的能量以及该回传链路所承载的回传数据量，因此，对获得的有向简单图的每个边的属性赋值时，根据各边在回传网络中代表的物理意义进行赋值，之后转入转入步骤3.4；

对中各个元素的容量和花费分别赋值为：

L_i为各个毫米波微基站产生的回传负载量，对中各个元素的容量和花费赋值为：

Inf代表无穷大，本发明的仿真中取10e9；

分别对中元素的容量和花费赋值为：

对中元素的容量和花费赋值为：

其中，S_j为网关与核心网络之间的光纤回传容量；

对边的容量属性和花费属性分别赋值为：

对边和的容量属性和花费属性赋值为：

对边和的容量属性和花费属性赋值为：

对边和的容量属性和花费属性赋值为：

对边和和的容量属性和花费属性赋值为：

对边和和的容量属性和花费属性赋值为：

对边和的容量属性和花费属性赋值为：

对边和的容量属性和花费属性赋值为：

对边和的容量属性和花费属性赋值为：

对边的容量和花费赋值为：

步骤3.4：对于各边属性赋值后的流网络，利用Push-Relabel法求解流网络最小花费最大流的各边流值之后转入步骤4；

步骤4：根据步骤3求得的最小花费最大流的各边流值，确定相邻毫米波微基站之间的k条毫米波链路上回传时隙和回传业务量及网络能耗，之后算法结束，具体步骤如下：

步骤4.1：根据求得的最小花费最大流的各边流值计算各毫米波微基站之间及毫米波微基站与网关之间的毫米波链路上的回传时隙数，之后转入步骤4.2，计算各毫米波链路上回传时隙数的公式如下：

在本实施例中：

步骤4.2：根据各毫米波链路上获得的回传时隙和各自的传输速率计算网络回传业务量d_max和回传能耗P_min，之后任务结束；

其中d_max、P_min的计算方式如下：

在本实施例中：

仿真在节点数固定、节点产生负载的网络环境中，统计了回传吞吐量和这两项性能指标，并对比了回传路径选择结果，在节点负载固定、网络节点密度不同的环境中统计了网络能效。两种场景中均与穷举最优和最短路径算法进行了对比。主要仿真参数如下：在区域为500m*500m的区域中46和毫米波微基站节点部署服从均匀分布，4个网关分别在(125,125)、(125,375)、(375,125)、(375,375)处设置。毫米波微基站间可通信最大有效通信范围为120m，选择60G(即波长λ＝0.005m)毫米波，毫米波链路信道带宽为200MHz，实现损耗I_L为2dB，热噪声损耗N_th＝-174dB/Hz，N_F＝5dB，发送天线增益G_t＝5dB，接收天线增益G_r＝5dB。

图4是本发明算法回传路径图，其中黑色实点为网关节点，白色原点为普通毫米波微基站节点，节点间的边上标示的数字表示两节点间毫米波链路的回传数据量；图5是基于最短路算法的回传路径图，其中，横、纵坐标表示区域范围为500m。图中毫米波链路上的回传业务量与节点之间的连线宽度成正比，从图4中看出本文提出的FBPA算法可规划出到达多个网关节点的多条路径，而在图5中相同的毫米波微小区基站并未连接至网关节点，因此本文提出的FBPA算法在回传路径规划方面要优于最短路算法。

图6是网络中有46个毫米波微基站、4个网关场景中，在利用最短路径算法、本发明提出的FBPA算法及穷举算法的情况下，各毫米波微基站产生的负载变化情况与网络回传数据量的关系图。其中，横轴是各毫米波微基站产生的回传负载数据量，纵轴表示网络回传数据量。如图6所示：随着各节点产生的回传业务量不断增加三种算法的回传业务量也不断增加，但FBPA算法和穷举算法优于最短路算法，这是由于FBPA算法和穷举算法中的节点均可选择到达多个网关节点的多条路径。从图中可以看出本文提出的FBPA算法可在回传业务量方面的性能比最短路算法提高近62％，且性能接近穷举最优算法，FBPA算法与穷举算法在回传业务量方面的性能差异不到5％。

图7是网络中有46个毫米波微基站、4个网关场景中，在利用最短路径算法、本发明提出的FBPA算法及穷举算法的情况下，各毫米波微基站产生的负载变化情况与与网络能耗的关系图。其中，横轴是各毫米波微基站产生的回传负载数据量，纵轴表示网络回传能耗。如图7所示，随着各节点产生的回传负载不断增加网络能耗也随之增加，而最短路算法所产生的网络能耗总是最高，直至各节点产生的回传负载达到13G，这是由于最短路算法在路径规划时仅仅基于最短距离，但是并未考虑网络能耗。另外，FBPA算法与穷举算法在回传能耗方面的性能差异不超过10％。

图8是网络中节点产生的负载固定、利用最短路径算法、本发明提出的FBPA算法及穷举算法的情况下，网络节点个数(密度)与平均网络能效(单位：bit/J，表示消耗1焦耳能量所能传输的数据量)的关系图。从图8中我们可以看出，随着网络中毫米波微基站个数的不断增加，平均网络能效也随之增加。尽管FBPA算法的能效比穷举算法略低，但要比最短路算法高很多，增益近18％。