基于集中式自组织网络架构的倾角调整动态扇区休眠方法与流程

本发明涉及一种异构网络场景下基于倾角调整和基站休眠的绿色通信节能技术。

背景技术：

随着无线通信技术不断发展，用户的业务需求也在指数式地增长，使得业务在时间上的起伏性、空间上的波动性和内容上的多样性变得越来越显著，网络通常以热点服务区域的形式造成网络业务需求的不均匀问题。此外，传统宏蜂窝网络部署之初主要是为提供大的覆盖面积而并非为了提供高的数据速率，通过对现有网络架构进行大的改动来提升数据速率和能效也不十分现实，这些都给传统的同构网络带来了巨大的挑战。如果将具有较低功率的小型化基站(Small Cell)部署在传统宏基站的覆盖范围之下，组成具有不同接入节点的异构网络(HetNets)将能够有效地解决上述挑战。Small Cell作为宏基站的有效补充，缩短了网络与用户的距离，使得利用高频段进行无线通信成为可能，同时由于采用同频部署的方式也增加了无线资源的复用率。同时小型化体积的特点使得Small Cell能够灵活部署在业务量需求比较集中的热点区域，实现提升网络容量和覆盖范围的效果。但是将Small Cell引入传统宏蜂窝网络在获得上述增益的同时，也带来了新的挑战。在HetNets中为了增加网络的吞吐量和网络的服务质量，不断地增加Small Cell的部署密度，这不仅增加了HetNets内部同层干扰和跨层干扰问题，也会使得当网络处于低负载阶段时造成多余的能源消耗。基于上述问题的分析，对HetNets能效优化方面的改进任有巨大的空间。

目前，业界已对HetNets中的能效技术展开了广泛讨论与深入研究。由于传统宏基站是为了保证能够获得较大的覆盖范围，不能够对宏基站采用休眠策略，有学者提出在HetNets中对微微基站(Pico BS)引入休眠功能，通过休眠策略保证合适的Pico BS满足实际的负载需求，关闭冗余的Pico BS以达到节能的目的，这样有效地实现了网络的节能。然而基站休眠技术为网络带来能效提升的同时也给网络造成了覆盖漏洞和服务质量下降等问题，由于HetNets环境本身具有复杂性和随机性的特点，设计休眠方案时需要综合考虑网络中的诸多因素，比如网络容量、覆盖范围以及小区之间的干扰问题，一个高效的基站休眠算法应该同时兼顾上述问题和节能问题。此外，天线的垂直倾角作为无线接入网络中影响系统覆盖和容量性能的一个关键因素，大量的研究表明，在优化过程中通过对天线倾角的优化调整可以实现对网络整体覆盖性能和容量性能的提升，同时在一定程度上实现了对能效优化的目的。需要注意的是，由于HetNets网络结构复杂，存在大量的系统参数，如果对基站进行优化配置则会造成巨大的成本和工作量。这两种方法各有利弊，如何将它们结合起来，达到优势互补，成为研究的难题，这也为新型节能算法的发展提供了很好地思路。

技术实现要素：

发明目的：为了克服上述现有技术的不足，本发明提供了一种基于集中式自组织网络架构的倾角调整动态扇区休眠方法。本发明针对HetNets场景，提出一种基于联合基站休眠技术和扇区倾角调整技术的新型基站节能方法。其中，对HetNets中的Pico BS进行休眠处理，利用设计的效用函数作为选取休眠测试的依据，若Pico BS能够成功进入休眠状态，则进一步对其所在的扇区簇中的扇区倾角进行联合优化，将设计的倾角性能指标函数作为最优目标函数，通过设计的倾角优化方案寻找最优倾角组合。通过对网络中所有的Pico BS进行休眠测试之后，利用SON架构的自配置功能实现对HetNets中宏扇区倾角的优化配置。

技术方案：一种基于集中式自组织网络架构的倾角调整动态扇区休眠方法，在宏基站保证网络覆盖的条件下，集中对HetNets中微基站的工作模式以及宏基站的电下倾角进行控制处理，实现对网络的动态调整，利用集中式SON结构完成对网络中Pico BS的休眠处理和宏扇区天线倾角调整算法的统一执行，最后利用自配置功能实现远程配置网络参数。

进一步的实施例中，提供一种基于集中式自组织网络架构的倾角调整动态扇区休眠方法，在宏基站保持网络覆盖的条件下，采用集中式SON架构对微基站的工作模式以及宏基站的电下倾角进行控制，实现对网络的动态调整；

利用SON收集到的关于基站和用户的关键性能指标，计算每个微基站的效用函数值并对其排序，逐个对具有较小效用函数值的微基站进行休眠测试；

若微基站进入休眠，对其所在的宏扇区基站的天线电下倾角进行优化调整。

优选的，该方法进一步为：

步骤1、获取网络服务状态信息和宏扇区基站天线电下倾角信息；

步骤2、根据设计的效用函数计算所有微基站的效用函数值并进行排序；按照效用函数值从小到大的顺序依次对每一个微基站进行休眠测试；

步骤3、若微基站能够成功进行休眠状态，将该微基站所在扇区作为扇区簇中心进行成簇处理，对扇区簇中的扇区倾角进行优化调整；

步骤4、通过SON的自配置功能对HetNets中宏扇区的倾角进行集中配置。

优选的，在步骤1中，对网络状态服务信息进行收集和处理：收集微基站服务的用户数据速率信息、微基站负载信息以及微基站历史记录的阻塞概率信息。

优选的，在步骤2中，微基站p的效用函数表示为：

其中，α、β、χ分别表示权重因子，满足α+β+χ＝1，R_p表示微基站p的平均用户速率，R_max表示示微基站p的最大用户速率，L_max表示微基站p的最大负载，W_max表示W_p的最大值，R_p表示为：

其中，表示微基站p的用户集合，L_p表示微基站p的负载情况，L_p表示为：

其中，N_use表示微基站中被占用的资源块，N_RB表示微基站中总的资源块数，W_p是基于微基站历史记录的阻塞概率的函数，W_p表示为：

W_p考虑了微基站p可接受服务的UE数量N_served,p以及在该微基站p范围内被阻塞的UE数量N_blocked,p，P_blocked,th表示阻塞概率门限值。

优选的，在步骤2中，对微基站进行休眠测试的过程为：根据设计的效用函数计算每一个微基站的效用函数值的大小并排序，依次对效用函数值小于预定值的微基站进行休眠测试；如果被测试微基站可将用户完全转移，那么该微基站进入休眠转态；

将服务的全部用户移交到邻近宏基站或微基站，更新微基站集合；如果不能将用户完全转移，则保持开启状态，更新微基站集合。

优选的，当测试微基站顺利进入休眠状态，则以该微基站所在扇区为中心，进行成簇处理，对扇区簇中的扇区进行倾角调整，基于扇区倾角的调整对扇区频谱效率和周围用户干扰选择保证目标函数：

大于预定值的倾角组合作为最优倾角信息，对扇区倾角进行调整；其中，S_m,avg(β)、S_m,_edge(β)、I_p,total和I_i,total分别表示为：

其中，R_m，u(β)、分别表示用户u、边缘用户u_edge在宏站扇区m上获得的数据速率；

RB_m，u、分别表示宏站扇区m的用户u和边缘用户u_edge得到的资源块；

表示资源占用指示器，当宏站扇区i的第n个RB块被占用时，为1，反之为0；表示宏站扇区i的第n个RB块上的功率，表示从宏站扇区i到UE u，在第n个RB块上的平均信道增益；

表示资源占用指示器，当微基站p的第n个RB块被占用时，为1，反之为0，表示微基站p的第n个RB块上的功率，表示用户u接收来自微基站p的第n个RB块的信道增益的对数值；β表示由宏扇区天线倾角组成的角度矢量，表示微微基站p的集合，表示宏站扇区m的集合；

a，b，w_avg，w_edge表示效用函数需要考虑因素的加权系数，满足a+b＝1，w_avg和w_edge的单位为1/bits/s/Hz；

S_m,avg和S_m,edge分别表示扇区m的平均频谱效率和边缘频谱效率，其中边缘频谱效率是按照整个频谱效率分布的5％计算；

w_avg和w_edge作为频谱效率的加权因子来影响效用函数对S_m,avg和S_m,edge的侧重；

I_p,total表示周围微基站的用户受到来自宏扇区m的干扰信号强度，

I_i,total表示周围宏基站中的用户受到宏站扇区m的干扰信号强度，然后宏站扇区m计算干扰信息并将信息发送给OAM，带下标的max表示的是相应因素的最大值，这些信息用来进行归一化处理，上述用来计算宏扇区效用函数的参数信息都是通过OAM集中收集处理得到的。

优选的，对待休眠微基站所在的扇区进行成簇处理，根据目标扇区对周围扇区产生影响的大小决定是否成簇，当扇区倾角变化对周围扇区产生的影响大于预期值的宏扇区作为一个扇区簇单元来研究。

优选的，对扇区簇中的扇区进行统一倾角调整，将倾角调整问题作为一个寻找最优化目标的问题来处理，倾角优化过程具体如下：

4)假设对扇区簇中的扇区倾角按照给出的规则求导：

其中集合S中的扇区表示在扇区中可能造成局部最小点的扇区，最后求出归一化常数T为保证目标函数T_m的一般形式；

5)求出预调倾角矢量其中m∈M,k∈K，

其中

M表示宏站扇区m的集合；K为限制最优解的次数；K取10；

6)根据下列公式

确定最佳的天线倾角矢量。

优选的，步骤3中，按照微基站效用函数值的大小对网络中的微基站进行休眠测试，对能够成功进行休眠的微基站所在扇区簇中的扇区进行联合倾角优化调整；循环上述过程，直到所有微基站都被测试为止。

优选的，步骤4中，当网络完成了对所有微基站的休眠测试以及扇区倾角的调整，通过SON的自配置功能对异构网络中宏扇区的倾角进行配置。

有益效果：本发明实施例提供的基于集中式自组织网络架构的倾角调整动态扇区休眠方法，具有如下优点：

1、本方法利用了基站休眠技术能够有效降低网络能耗的特点，针对HetNets中的Pico BS设计了一种将基站休眠和倾角调整技术结合的新型节能算法，集中式SON架构中OAM平台根据设计的Pico BS效用函数对基站的服务状态信息进行集中处理来确定需要休眠的基站，能够在宏观上实现对网络整体节能效果和网络性能的权衡；

2、本方法在基站休眠的基础上增加了对宏扇区天线倾角的调整，利用倾角的改变来弥补由于Pico BS的关闭造成的网络覆盖漏洞和服务质量下降的问题。此外，在设计的倾角调整性能函数中充分体现了对基站的频谱效率和干扰的考虑，有利于提高系统频谱利用率和吞吐量性能。

3、本方法在实现倾角调整动态扇区休眠算法时考虑采用了集中式SON来实现算法方案和网络配置，这样即有效地提高了网络的反应速度，也减少了营运成本以及网络建设成本在内的固定资产投入。

附图说明

图1为本发明实施例提供的基于集中式自组织网络架构的倾角调整动态扇区休眠方法的实施流程图。

图2为本发明实施例提供的基于集中式自组织网络架构的倾角调整动态扇区休眠方法的实例场景图。

图3为本发明实施例提供的基于集中式自组织网络架构的倾角调整动态扇区休眠方法的集中式SON架构示意图。

图4为本发明实施例提供的基于集中式自组织网络架构的倾角调整动态扇区休眠方法的扇区成簇原理图。

具体实施方式

下面结合具体实施例和说明书附图，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

如图1所示，一种闭合式SON结构的基于集中式自组织网络架构的倾角调整动态扇区休眠方法的实现原理图。其中HetNets场景中宏基站位于小区中心，将Pico BS随机部署到宏扇区周围，由宏扇区天线倾角组成的倾角矢量为β。采用OFDMA作为下行接入方式，根据LTE协议，将时频资源块作为业务调度的基本单位，当Pico BS被关闭时，通过改变宏扇区天线倾角大小来改变扇区的覆盖范围以及用户的信道情况，具体的步骤如下：

步骤一、集中式SON架构的OAM通过与HetNets中基站之间的接口获取网络服务状态信息和宏扇区基站天线电下倾角信息，其中网络服务状态信息主要包含基站服务的用户数、负载情况、基站的历史阻塞概率以及资源块占用情况等信息，这些信息将用来决定基站的休眠和倾角的调整；

步骤二、根据步骤一中收集到的关于HetNets中Pico BS的服务状态情况，利用设计的微基站效用函数计算每一个微基站的效用函数值，选择函数值最小的Pico BS作为休眠测试基站。如果待测试Pico BS能够把全部用户移交到邻近基站，则该Pico BS能够进入休眠状态。否则，该测试基站不能进入休眠状态，更新待测试基站集合；

步骤三、当测试微基站顺利进入休眠状态，则以该Pico BS所在扇区为扇区簇中心，进行成簇处理，扇区成簇的依据是根据目标扇区中心对周围扇区产生影响的大小决定扇区簇包含的扇区，即当目标扇区中心倾角发生变化时对周围扇区产生明显影响的宏扇区作为一个扇区簇单元来研究。接着对扇区簇中的扇区进行联合倾角优化调整。定义倾角调整设计的性能指标函数为

将该函数作为倾角优化调整的目标函数，根据本发明设计的梯度上升法实现寻找最优倾角的优化算法，梯度上升法具体过程如下，首先对性能指标函数进行求导，其中集合S中的扇区表示在扇区中可能造成局部最小点的扇区，利用求导结果求出归一化常数然后，求出预调倾角矢量,其中m∈P,k∈K。最后，根据最优倾角原则确定最佳的天线倾角矢量。

步骤四、循环执行步骤三，直到所有微基站都经过测试为止。当网络完成了对所有微基站的休眠测试以及扇区倾角的调整，通过SON的自配置功能对异构网络中宏扇区的倾角进行配置。

为使本发明的目的、技术方案和优点更加清楚明白，下面举实施例并参照附图对基于集中式自组织网络架构的倾角调整动态扇区休眠方法进行详细的描述。

实施例1：本发明公开了一种基于集中式自组织网络架构的倾角调整动态扇区休眠方法，在典型的包含19个宏基站和228个Pico BS组成的HetNets场景中使用Matlab软件仿真，场景如图2所示，具体包含步骤：

(1)基站信息收集：集中式SON网络架构的特点在于实现SON的核心平台OAM集中在MME/S-GW一侧，这样能够有效地集中完成对网络的自优化和自配置功能。OAM通过与基站之间的接口S1以及基站与基站之间的接口X2获取网络服务状态信息和宏扇区基站天线电下倾角信息，如图3所示。其中网络服务状态信息主要包含基站服务的用户数、负载情况、基站的历史阻塞概率以及资源块占用情况等关键性能信息(KPI)，这些信息将用来决定基站的休眠和倾角的调整；

(2)Pico BS的休眠测试：在OAM平台中对收集到的网络服务信息进行处理，假设微基站集合为利用微基站效用函数计算每一个微基站的效用函数值进行排序，选择函数值最小的Pico BS p_test作为休眠测试基站。如果待测试Pico BS p_test能够把全部用户移交到邻近基站，表示该Pico BS能够进入休眠状态。否则，该测试基站不能进入休眠状态。更新待测试基站集合

(3)宏扇区天线倾角调整：当测试微基站p_test顺利进入休眠状态，将该Pico BS所在扇区作为扇区簇中心，进行成簇处理，形成的扇区簇集合为扇区成簇的依据是根据目标扇区中心对周围扇区产生影响的大小决定扇区簇包含的扇区，即当目标扇区中心倾角发生变化时对周围扇区产生明显影响的宏扇区作为一个扇区簇单元来研究，如图4所示。接着对扇区簇中的扇区进行联合倾角优化调整。将倾角调整性能指标函数：作为倾角优化调整的目标函数，利用梯度上升法对性能指标函数进行最优化搜索，首先对性能指标函数进行求导，即

其中

集合S中的扇区表示在扇区中可能造成局部最小点的扇区，利用求导结果求出归一化常数然后，求出预调倾角矢量,其中m∈P,k∈K。最后，根据最优倾角原则确定最佳的天线倾角矢量，将最优倾角组合赋值给天线倾角矢量

(4)远程配置网络：当结束倾角调整算法之后，当网络完成了对所有微基站的休眠测试以及扇区倾角的调整，通过SON的自配置功能对异构网络中宏扇区的倾角进行配置，如图1所示，展示了整个发明的执行原理图。

(5)该实施例的处理过程如下：

1.初始化宏扇区集合为Pico BS集合为由所有宏扇区天线倾角组成的倾角矢量为其中倾角对应的是宏扇区倾角度数。初始阶段休眠的Pico BS集合开启的Pico BS集合

2.根据OAM收集网络服务状态信息和每一个扇区的倾角情况，计算集合中所有Pico BS的效用函数值并排序，将具有最小效用函数的Pico作为测试基站，其所在的宏扇区为m_test；

3.尝试将Pico BS s_test的用户转移到邻近的Macro BS或Pico BS，按照用户的频谱效率大小作为用户转移顺序的判断准则，优先考虑转移频谱效率低的用户；

4.如果Pico BS s_test能够将用尸完全转移，那么s_test可以进入休眠转态。首先，将s_test服务的全部用户移交到邻近Macro BS或Pico BS，然后更新基站集合如果s_test不能够将用户完全转移，则保持s_test开启状态，更新基站集合

5.若Pico BS s_test成功进行休眠处理，以扇区m_test为扇区中心，确定扇区簇对扇区簇进行倾角优化调整，通过调整扇区簇中天线倾角的大小实现覆盖范围和容量的优化；否则，直接进入步骤6；

6.更新基站集合判断是否为空。如果不为空，则返回步骤2继续执行体眠策略，否则算法结束，完成休眠过程。

以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换，这些等同变换均属于本发明的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。