基于能效的基站功率控制方法与流程

本发明涉及通信技术领域，具体给出了一种基于能效的基站功率控制方法。

背景技术：

随着3G、4G的蓬勃发展，移动通信网络的研究热度也达到前所未有的程度。物联网和移动互联网作为未来移动通信网络发展的两大驱动力，对设备连接密度和移动数据流量提出了更高的要求，可以预见未来移动用户连接密度和移动数据流量将进一步呈现爆炸式的增长。据估计，到2020年，全世界移动数据流量将比2010年增长超过100倍，不包含物联网在内的移动终端将超过200亿，其中中国将超过20亿，因此，移动通信网络将存在巨大的可挖掘市场和刚性需求。为了应对这种与日俱增的需求，对下一代移动通信技术(5G)的研究迫在眉睫。

与此同时，移动通信网络的能量消耗现状却不容乐观，据全球知名市场调研机构Gartner调查，全球蜂窝网络平均每年大约消耗600亿kWh的电量，并且这个能耗数量每五年就会增长15％-20％，移动通信行业能耗占到全世界总能耗的3％，高于其他行业，这其中基站的能量消耗占到60％～80％，如果不采取有效的技术手段，这一数字到2020年将超过现在的两倍以上，运营商的电费支出甚至已经接近其运营费用支出的三分之一，因此，减少移动通信网络能耗，提高网络能效不仅是一种社会责任感的体现，还能带来可观的经济效益，也是对社会可持续性发展、绿色通信、构建低碳环保社会的响应。

针对超千倍的移动数据流量和移动端连接数的增长，未来5G需要采用高密度重叠覆盖的异构网络架构，这种网络架构带来了更多的基站部署，而且其中微小基站的部署更加具有随意性，这无疑对网络能效的提高带来了更严峻的挑战。网络能效表示其覆盖区域内用户业务总量与总能耗的比值，即单位能耗平均承载的用户业务量，或单位面积单位带宽下的能量效率，这里的承载业务总量是指网络实际承载的用户端总业务吞吐量，而不仅仅是指各链路上的信息传输总量，而总能耗是包括信号处理设备能耗、基站能耗、外围设备能耗及无线传输能耗在内的网络所有相关设备的能耗，因此，提高网络能效的途径很多，只要能减少任何一项能耗都能达到目的。

资源管理主要是通过对网络资源以及终端等平台的有效管理以达到在网络性能提高的同时实现网络能效的最大化，主要包括优化接入选择、频谱功率分配、干扰控制以及基站休眠等技术。资源管理技术因为不受新设备、新技术和基站部署等因素的制约，受到研究者的广泛研究。研究者们对提高网络能效作出了多种尝试，有使用新天线技术、传输技术等试图减少功耗、提高信号传输性能，也有研究高能效的基站部署策略的，但这些往往都依赖于新技术的推广使用或者改变现有网络部署，存在较大的技术周期制约和成本因素制约，此外，也有研究者试图通过资源管理技术来提高网络能效，但是都存在一定的缺陷，要么不适用于未来高密度重叠覆盖的异构网络，要么用于实践难度较高或者存在对其他性能牺牲过大。发明在现有技术背景、不改变基站部署的情况下，通过资源管理技术来提高网络能效。

功率控制

无线通信网络中的信号传输都是通过无线电磁波在空间的传播完成，信号的接收强度、处理效果跟信号发射功率的强度息息相关，无线通信网络中的功率控制技术一直是无线资源管理技术的主要技术之一。

在无线通信网络中，对通信双方来说，信号发射功率越大，接收信号强度越大、信噪比越大，则信道质量就越好，能有效增大信道容量、降低误码率，但是另一方面，除通信双方以外的通信设备发射的信号则会给通信带来干扰，有时候这种干扰极其严重，从而起到适得其反的效果，因此，功率控制需要结合周边网络环境，既要考虑功率调整对现有通信的影响，也要考虑功率调整对其他通信带来的干扰，适当的功率控制既能提高通信质量，又不会对其他通信产生额外干扰，造成不利影响。

功率控制一般是指根据接收信号强度、信噪比、信道容量等指标进行评估考量后，通过调整发射功率，以确保满足通信质量要求或者实现网络性能优化的技术手段。

根据功率控制的实施是由基站还是移动设备完成，可以将功率控制方式分为集中式功率控制和分布式功率控制，其中，各端发射功率由基站统一控制实施的称为集中式功率控制，而将功率控制的任务转交给各个移动设备分散执行的方式称为分布式功率控制。集中式功率控制方式适合对所有设备进行统一的管理，而分布式功率控制更加灵活、具有针对不同情况不同处理的特点，但同时增加了移动设备的负担。

根据功率控制的方式，可以将功率控制具体分为以下几类：

(1)开环功率控制。这种控制方式是指通信一端根据RSSI来调整自身发射功率，接收到的信号功率过小，则说明信号传输损耗过大，而另一端同样如此，这时通过增大自身发射功率使通信另一端接收信号强度增大，例如移动设备根据从基站接收到的信号强度来调整自身发射功率，从而使移动通信设备传送到基站的信号强度达到理想大小，这种功率控制方式比较简单。

(2)闭环功率控制。这种控制方式与开环控制方式相反，是指通信一方根据RSSI，向通信另一端发送调整发射功率指令，例如基站根据从移动设备经反向链路接收的信号强度，通过前向链路向移动设备发出调整发生功率大小的指令，移动设备根据指令调整发射功率。这种功率控制方式精度高，但是功率调整指令传输过程产生较大的延时，使得功率调整有延时，可能跟不上网络的变化，同时，对移动速度较快的移动设备起到的效果达不到预期。

(3)外环功率控制。外环功率控制是指直接通信一方根据接收机接收解调后的误码率，向通信另一方发送调整功率的指令，因为接收信号强度会直接影响接收信噪比大小，而接收信噪比越大则误码率越小，反之则误码率越大。此控制方式与闭环功率控制方式相似，均是根据通信一端当前状态发出指令来控制另一端的功率调整，这种功率控制方式更具针对性，与通信质量直接挂钩，同时也比闭环功率控制方式更复杂一些。

(4)反向功率控制。这种控制方式是通过开环功率控制方式或者闭环功率控制方式来调整移动设备的上行发射功率。这种功率控制方式可以延长移动设备电池续航时间，还能增加系统容量，同时可以克服“远近效应”。“远近效应”是指当基站收到强弱不同的信号时，较强的信号会给较弱的信号带来严重的干扰，一般来讲，移动设备收到的信号强弱跟其距离基站的距离成反比，基站覆盖范围内的移动设备接收的信号强度各不相同，任何移动通信系统都存在“远近效应”，反向功率控制通过调整移动设备的发射功率大小，使基站接收自各移动设备的信号强度相近，从而客服“远近效应”。

(5)前向功率控制。这种控制方式是通过开环功率控制或者闭环功率控制方式来调整基站的下行发射功率，与反向功率控制的作用对象恰恰相反。通过前向功率控制可以克服CDMA系统中的“角效应”，“角效应”是指处于不同基站覆盖面的交汇区域中的移动设备，由于处于接入基站的边缘，信号传输损耗严重，接收到的有用信号强度较弱，而来自相邻基站的干扰信号强度较强，从而产生严重干扰，前向功率控制通过调整这些相邻基站的发射功率，强化移动设备从目标基站接收的有效信号强度，抑制相邻基站传输的干扰信号强度，从而克服“角效应”。

功率控制需要基站和移动设备之间的协作和信息交流，功率控制中功率调整的对象可以是基站也可以是移动台，对于基站而言，功率的变化意味着其覆盖面积的变化，适当的功率控制可以在保证接入基站用户的通信质量的同时，调整基站负载，同时能提高能量效率；而对于移动台而言，一个最明显的例子就是其在CDMA通信系统中的应用，移动台发射功率会对小区内的其他通信用户造成严重的多址干扰，而CDMA系统是一个干扰受限的系统，需要限制移动设备的发射功率，以使系统总功率电平最小，此外，对移动设备的功率限制还能有效减少电量损耗，从而延长电池续航时间。移动设备的发射功率数量级很小，对移动设备的发射功率控制要求做到精确而快速，对移动设备的功率控制是3G中的重要研究内容之一，各方面研究都比较成熟，本文研究的功率控制是针对基站在下行链路上的发射功率。

未来5G需要采用高密度重叠覆盖的异构网络架构来应对超千倍的移动数据流量和移动端连接数的增长，这种网络架构带来了更多的基站部署，这将进一步加剧移动通信与日俱增的能量消耗问题，为了响应绿色通信，提高网络能效的任务更加重大，而能效优先的功率控制技术对提高网络能效有巨大作用，此外，高密度重叠覆盖的异构网络大大增加了网络环境的复杂性，同时微小基站的部署更加具有随意性，这无疑增加了能效优先的功率控制的难度。

首先，基站种类更多，基站类型不同其发射功率、信道模型、载频频率大小等各不相同，在这种情况下的功率控制需要考虑不同基站在各方面的特性差异；其次，对某个基站的功率调整需要更多的考虑跟邻近基站的协作，功率增大可能会给邻近基站用户带来较强的干扰，而功率调小或者基站休眠则会带来覆盖漏洞，因此，在调整基站功率时需要综合考虑对相邻区域的影响；能效优先的功率控制算法在考虑提高网络能效的同时还需要考虑网络吞吐量、用户阻塞率、用户通信质量、频谱效率等网络性能，而这些性能往往跟网络功率消耗是一个两难问题。

功率控制是无线资源管理的关键技术之一，是无线通信网络的研究重点，有大量的研究成果。

文献提出一种在频率选择性干扰信道下的多用户功率控制算法，此算法采用分布式控制方式使用迭代注水算法达到纳什平衡，此算法主要用于解决高速比特率数字用户线路中上行链路的饱和馀度电力问题和非对称数字用户线路中下行链路的频谱兼容性问题。文献提出一种在2跳无线中继网络中的自适应功率分配算法，算法通过调整发送端基站和中继端的功率来最大化终端的接收SNR，此算法可以给2跳中继信道带来可观的SNR增益，而且随着中继设备的增加，这种SNR增益会进一步增大。文献提出一种基于OFDM认知无线电系统的最优功率控制算法，算法是基于传统注水算法，通过对每个网络中每个子信道进行功率限制，结合凸优化理论，形成的一种迭代分配注水算法，此算法的目的在于最大化系统容量。文献提出一种基于相邻小区协作的迭代注水算法，算法是通过功率控制技术来降低邻小区干扰信号强度，算法在干扰较强环境下作用明显，能有效降低干扰信号强度，增大受害用户的数据速率，提高频谱复用率，其代价是会稍微降低其他正常用户的数据速率。这些功率控制方法的目的主要是增加SNR、增大系统容量、降低干扰等，而不是用来提高网络能效。

随着绿色通信的兴起，使用功率控制技术来提高网络能效成为移动通信的研究热点，许多学者对能效优先的功率控制作出了研究。文献指出一般情况下，在点到点的通信中，只有发射功率接近零时才能使系统能效最大化，而过小的通信功率则会使数据传输速率很低，无法满足实际数据速率的需求，不适用于实际传输链路，因此提出一种在最低用户数据传输速率下和最大发射功率约束下的发射功率优化算法来寻找一个平均吞吐量和能量效率之间的平衡，算法通过用户数据传输速率下限制来保证平均吞吐量要求，又通过最大发射功率限制来达到降低系统能耗的效果，算法的难点在于用户最低数据传输速率的限定，不同用户、不同应用、不同场景对最低数据传输速率的要求是不同的，而算法中对平均吞吐量和能量效率之间的平衡又是基于最低用户数据传输速率下的。文献针对异构网络中的femto cell UE，提出一种启发式的功率控制方案，通过仿真分析发现此算法可以有效减少femto cell UE和macro cell UE的掉线率，增加femto cell UE的吞吐量，同时能提高系统的EE，此算法是针对macro-femto网络中的femto cell，而且没有具体建立对应的数学分析模型。文献提出通过在宏基站覆盖区域内广泛布置微基站来分流宏基站用户负载，能起到降低宏基站功耗以及增加系统容量的作用，此外，文章指出通过合理的功率控制技术来调整宏基站和微基站的发射功率能进一步提高网络能效，文章没有给出具体的功率控制优化模型，同时作者仅考虑了在用户均匀分布时的仿真效果，比较片面。文献提出利用主从博弈论来处理包含femto cell的异构认知无线网络中的资源管理问题，文中提出充分利用认知无线网络中FBS和MBS的认知特性，使用基于迭代的梯度搜索算法寻找最大化FBS的最大化能效功率设置规律，文中算法研究对象具有明显的针对性，没有研究算法对其他类型网络的适用性，此外，在文章中的优化模型中没有设置用户数据速率、系统吞吐量等约束条件。文献提出采用结合基于半马尔科夫决策过程的接入选择算法和基于博弈论的自适应功率控制算法结合的方式来提高网络能效，算法仅考虑对femtocell的资源分配问题，通过将接入控制算法和功率控制算法的结合，在减少FBS消耗功率的同时，还能提高一些femtocell的吞吐量，这种思路对提高FBS能效具有很好的效果。

目前关于能效优先的功率控制方法的研究主要集中在单一类型网络中，尤其是关于FBS的功率控制较多，而且这些算法都或多或少的有些明显的缺陷，可以借鉴其中的一些想法用于5G网络中的功率控制算法设计。

基站休眠机制的广阔应用前景引起了广泛的关注。

文献提出根据基站负载量大小将基站分等级，然后关闭业务量低的基站，仿真结果表明，简单的使用休眠技术即可减少25％～30％的能耗。文献提出实时测算基站的业务负载状态，并根据基站的瞬时业务量和阻塞率要求，动态进行基站激活状态和休眠状态的切换，算法结果显示，在保证阻塞率要求的前提下，有效减少了能耗。文献主要研究小区休眠与时延之间的关系，研究表明时延增大并不代表功耗减少，而在休眠机制中，通过设置合适的业务量阈值和休眠窗口参数能在减少功耗的同时改善带来的时延影响。文献以用户QoS要求为限制条件提出两种基站休眠机制算法：1)动态监测法，实时动态的监测系统的瞬时负载量，并根据其进行休眠决策，可以发现即使在系统负载较高时仍能很好的减小能耗，但是复杂度较高；2)半静态监测法，对系统的负载量在一个较长的周期测算一次，复杂度较低，在系统负载量较大时的节能效果不好。文献提出一种协作式自适应的基站休眠算法，文章指出休眠机制的研究大多数是小区基站单独休眠，而在异构网络中，小区间的协作式休眠收益会更大，通过与邻近小区的协作，能弥补小区休眠带来的覆盖漏洞、增大阻塞率等问题。

可以看出，对基站休眠技术的研究大部分都仅限于减少基站的能耗，或者是研究基站休眠与阻塞率、时延、用户QoS等之间的权衡关系，而基站休眠技术也会引起系统容量的变化，如何合理利用基站休眠和网络容量的权衡关系成为提高网络能效的关键。

小区呼吸概念的提出引起了众多学者的研究热潮，并取得了一些可观的效果，早期研究者主要是将其用于负载均衡。小区呼吸用于负载均衡的思路是：在重负载区域，将那些不堪重负的重负载基站缩小覆盖范围，以提高重负载基站接入用户体验，同时增大收缩基站周围基站的覆盖范围，以填补重负载基站收缩所造成的覆盖漏洞，同时起到分流一些从重负载基站切换接入的用户；相反的，在轻负载区域，增大基站的覆盖面积，以期待接入更多的用户，提高资源的利用率。文献即提出使用小区呼吸技术实现无线局域网中的负载均衡，文章首先提出一种用于减轻拥塞小区负载的min-con算法，对所有重负载基站进行统一的重复迭代降低功率处理，直到所有调整基站均变成重负载状态或者其中一个基站已经将其功率调整至最低运行功率状态，通过这种算法减轻了重负荷小区拥塞的状况，改善了通信质量，此外，作者还提出一种min-max算法，算法是在min-con的基础上，对轻负荷基站增大发射功率以覆盖更多区域、为边缘用户提供更好的服务，这种算法使各基站负荷更加均衡，提高了系统吞吐量和服务质量。

技术实现要素：

发明目的

本发明的主要目的在于提供一种基于能效的基站功率控制方法，解决负载重的区域用户阻塞掉线严重、用户体验差，而负载很小的区域则会出现资源利用率低下、网络能效低的情况，从而造成整个网络性能下降的问题。

技术方案

一种基于能效的基站功率控制方法，其特征在于，步骤如下：

(1)各参数初始化设置，将各基站的发射功率设置成基站默认发射功率；(2)计算各基站当前的负载量，并按照各基站负载量划分基站工作状态；(3)进行基站功率调整，即将所有零负载基站发射功率调整为0，即将其进行休眠控制；对最轻负载基站min_base进行基站休眠设置；对最重负载基站max_base进行小区收缩控制；(4)进行基站激活程序，若处于重负载状态的微基站数目大于微基站总数目的一般或者掉线率高于门限值，则会出发基站激活程序，一个基站功率处理周期最多激活一个处于休眠状态的微基站或者小型基地台。

作为优选，步骤(2)具体如下：采用当前接入基站用户总带宽占基站总带宽的比例表示基站负载量大小，表示为式(1)所示；

式中，u_i是基站i的当前负载量，用户接入基站时不允许超负载，因此u_i∈[0,1]，u_i,k表示用户k接入基站i时给基站i带来的负载量大小，其计算方式如式(2)所示，表示用户接入基站占用带宽大小与基站总带宽大小的比值，B_i,k即表示用户接入基站占用带宽大小，任何用户接入任一基站都统一分配带宽200KHz，B_i表示基站总带宽大小，三种类型的基站系统总带宽大小均为10MHz，ρ_i(k)是指用户的连接状态表示函数，ρ_i(k)＝1表示当用户k连接至基站i，ρ_i(k)＝0则表示当用户k未连接至基站i。

作为优选，步骤(3)具体如下：通过调整基站发射功率来实现小区覆盖范围的伸缩，因此，首先需要分析在发明仿真参数下，基站发射功率变化与小区覆盖范围的变化关系；

现设基站i初始发射功率为P₁，初始覆盖半径为r₁，经功率调整后的基站记为基站j，其发射功率为P₂，调整后的覆盖半径变为r₂，假设处于基站i覆盖边缘的用户k接收到的信号功率记为P_i-k，如式(3)所示，处于基站j覆盖边缘的用户k接收到的信号功率记为P_j-k，如式(4)所示，基站覆盖面积的变化应该表现在对于用户k而言，基站发射功率变化前后，其处于基站覆盖边缘处的接收信号功率不变，则用公式表示为式(5)所示；

P_i-k＝P_j-k (5)

其中PL(dB)表示路径损耗，发明功率控制技术是针对微基站，因此得出PL₁和PL₂分别如式(6)和(7)所示；

PL₁＝33.5+36.7log₁₀(r₁) (6)

PL₂＝33.5+36.7log₁₀(r₂) (7)

由式(3)～(7)得出基站发射功率变化与小区覆盖范围的变化关系如式(8)所示；

作为优选，步骤(4)具体如下：基站激活程序触发条件是当处于重负载状态的微基站数目大于微基站总数目的一般或者掉线率高于门限值，待激活基站对象为处于休眠状态的并且离本次处理周期处理的最重负载基站最近的微基站或者小型基地台，一个处理周期最多只激活一个处于休眠状态的基站。

本发明的有益效果如下：

移动通信网络的用户存在严重的时空分布不均特性，这严重影响了网络资源利用率，一方面，重负载网络接入用户过多，存在网络资源不够用，网络负载过重，从而造成用户阻塞、通信质量恶化等情况，另一方面，轻负载网络则接入极少的用户，从而造成网络资源利用率低下、网络能效降低的现象，发明结合现有功率控制技术、基站休眠技术和小区呼吸技术，提出一个基于能效的功率控制算法，旨在提高网络能效，此外，还有均衡各基站负载的效果。

说明书附图

图1为最轻负载基站处理流程图；

图2为最重负载基站处理流程图；

图3为基站激活程序流程图；

图4为基于能效的功率控制算法流程框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本发明的基于能效的功率控制算法是针对高密集重叠覆盖的异构网络设计，采用基站休眠和小区呼吸技术思想，结合现有功率控制算法，旨在优化网络能效。

本发明的网络能效定义为接入网络用户的总信道容量和基站总发射功率之比，单位为bit/s/w，网络能效表示为式(9)所示。

(9)

式(9)中，κ表示成功接入网络的所有用户的集合，n表示所有类型基站的总数量，P_i表示第i个基站的当前发射功率，当基站处于休眠状态时，发射功率为零，P_0i表示第i个基站的固有功率损耗，与基站的工作状态无关，基站的总功耗与基站发射功率呈线性增长关系，因此，为方便计算，在本发明的后续参数计算中，此值不予考虑，即默认为零，表示接入网络且可正常通信的用户k的信道容量，亦即用户可达的最大可靠传输速率，其值根据香农公式计算。如公式(10)所示，B表示每个接入网络用户分配带宽，本发明中用户一旦接入网络，统一分配带宽200KHz，SNR表示用户信噪比。

本发明算法表示为如式(11)所示。

式中，表示每个用户最低信道容量阈值，P_min和P_max分别表示非休眠状态基站的最低发射功率和最高发射功率，分别表示为基站默认发射功率P₀的倍数，本发明中，P_min＝0.3·P₀，P_max＝2·P₀。

包括以下步骤：

(1)各参数初始化设置，将各基站的发射功率设置成基站默认发射功率；

(2)计算各基站当前负载量，基站负载量计算如式(1)所示，并根据表1按各基站负载量划分基站工作状态；

(3)进行基站功率调整，即将所有零负载基站bs₀发射功率调整为0，即将其进行休眠控制；对最轻负载基站min_base进行基站休眠设置，其控制流程如图1所示；对最重负载基站max_base进行小区收缩控制，其控制流程如图2所示；

(4)基站激活程序，若处于重负载状态的微基站数目大于微基站总数目的一般或者掉线率高于门限值，则会出发基站激活程序，基站激活程序如图3所示，一个基站功率处理周期最多激活一个处于休眠状态的微基站或者小型基地台。

步骤(2)具体如下：基站负载计算和基站状态分类

基站负载表示基站目前承担业务量的多少，可以有不同的表示方法，比如用户接入数目、占用带宽比例、占用子带宽数目等，发明采用当前接入基站用户总带宽占基站总带宽的比例表示基站负载量大小，表示为式(1)所示。

式中，u_i是基站i的当前负载量，用户接入基站时不允许超负载，因此u_i∈[0,1]，u_i,k表示用户k接入基站i时给基站i带来的负载量大小，其计算方式如式(2)所示，表示用户接入基站占用带宽大小与基站总带宽大小的比值，B_i,k即表示用户接入基站占用带宽大小，发明设计中，任何用户接入任一基站都统一分配带宽200KHz，B_i表示基站总带宽大小，发明设计中三种类型的基站系统总带宽大小均为10MHz，ρ_i(k)是指用户的连接状态表示函数，ρ_i(k)＝1表示当用户k连接至基站i，ρ_i(k)＝0则表示当用户k未连接至基站i。

同一时间不同基站接入用户数量不同，不同基站的负载量也不相同，根据式(1)可以算出每个基站的负载量大小，然后设置两个门限值l₁和l₂，再结合u_i∈[0,1]，根据基站负载量将每个基站分为四个状态：零负载状态(bs₀)，轻负载状态(bs₁)，正常状态(bs₂)和重负载状态(bs₃)。基站负载状态划分如表1所示。

表1 基站负载状态划分表

步骤(3)具体如下：基站功率调整方式

发明是通过调整基站发射功率来实现小区覆盖范围的伸缩，因此，首先需要分析在发明仿真参数下，基站发射功率变化与小区覆盖范围的变化关系。

现设基站i初始发射功率为P₁，初始覆盖半径为r₁，经功率调整后的基站记为基站j，其发射功率为P₂，调整后的覆盖半径变为r₂，假设处于基站i覆盖边缘的用户k接收到的信号功率记为P_i-k，如式(3)所示，处于基站j覆盖边缘的用户k接收到的信号功率记为P_j-k，如式(4)所示，基站覆盖面积的变化应该表现在对于用户k而言，基站发射功率变化前后，其处于基站覆盖边缘处的接收信号功率不变，则用公式表示为式(5)所示。

P_i-k＝P_j-k (5)

其中PL(dB)表示路径损耗，发明功率控制技术是针对微基站，因此得出PL₁和PL₂分别如式(6)和(7)所示。

PL₁＝33.5+36.7log₁₀(r₁) (6)

PL₂＝33.5+36.7log₁₀(r₂) (7)

由式(3)～(7)得出基站发射功率变化与小区覆盖范围的变化关系如式(8)所示。

发明设计的功率控制算法同样可以用于宏基站和小型基地台，当用于宏基站和小型基地台时，指数倍数将变为3.91和1.69。

根据式(8)，基站功率变化与其覆盖范围变化的对应关系如表2所示。

表2 基站功率变化与其覆盖范围变化对应关系

当减小基站的射频功率时，基站的总体功耗将大幅下降，根据默认发射功率可知，微基站是减少功耗的关键，因此本发明进行基站发射功率调整的对象是微基站，当然对于多宏小区网络，发明算法可以直接用于宏小区的基站功率控制，相对于微基站，对小型基地台的功率控制效果微弱很多，但对小型基地台本身而言，对其进行相同的功率控制仍能起到大幅降低功耗的效果，因此，本算法对宏基站和小型基地台同样适用。

根据基站当前负载状态，调整基站发射功率，发明每个处理周期会分别对零负载基站进行休眠处理、对最重负载基站进行收缩处理、对最轻负载基站进行休眠处理，微基站功率变化与其覆盖范围变化的对应关系如表2所示，对微基站的发射功率的具体调整策略如下：

(1)对零负载状态基站直接进行休眠处理，即将其发射功率置为0。

(2)将所有轻负载基站按负载量从小到大排序，对最轻负载基站进行休眠处理，将其发射功率调整为0，同时对与之相邻的并且处于轻负载状态或者正常负载状态的微基站进行小区扩展处理，使其覆盖范围扩大1/6，以填补基站休眠带来的覆盖漏洞，处理流程图如图1所示。

(3)将所有重负载基站按负载量从大到小排序，对最重负载基站进行小区收缩处理，使其覆盖范围缩小1/8，以提高重负载区域用户通信质量，同时均衡各基站的负载量，同时对与之相邻的并且处于轻负载状态或者正常负载状态的微基站进行小区扩展处理，使其覆盖范围扩大1/16，以填补最重负载小区收缩带来的覆盖漏洞，处理流程图如图2所示。

步骤(4)具体如下：发明还设置了基站激活程序，基站激活程序触发条件是当处于重负载状态的微基站数目大于微基站总数目的一般或者掉线率高于门限值，待激活基站对象为处于休眠状态的并且离本次处理周期处理的最重负载基站最近的微基站或者小型基地台，一个处理周期最多只激活一个处于休眠状态的基站。基站激活程序的流程图如图3所示。