密集异构蜂窝网络的部署方法与流程

本发明属于移动通信技术领域，特别涉及一种密集异构蜂窝网络的部署方法。

背景技术：

近年来，随着全球智能移动设备的指数型增长以及人们对移动数据业务的巨大需求，传统的单层宏蜂窝已不能满足用户的需求。3gpp组织认为异构蜂窝网络可以满足日益增长的流量需求，提升系统网络的容量，并且符合节省能耗的思想。异构蜂窝网络就是在传统的宏蜂窝网络中部署一些低功耗的微蜂窝，可以显著的提高系统容量。然而大量的部署低功耗的微蜂窝,会产生大量的能量消耗以及干扰。因此，蜂窝网络的能效问题已经成为运营商、学术界等关注的焦点。

家庭基站(femto基站)具有功耗低、便于灵活的安装，有效的解宏基站(macro基站)的覆盖空洞，提供更高的容量这些优势。为了充分的利用femto基站的优势，利用蜂窝的偏置技术，即小区范围扩展cre(cellrangeexpansion)技术，在macro基站覆盖范围下引入femto基站，通过调节femto基站发射功率的偏置参数，可以动态的扩展femto基站的覆盖范围。采用偏置技术能够提高用户的速率以及扩大室内和小区边缘的覆盖，卸载macro基站更多的用户到femto基站，使网络负载更均衡。(参考文献：qualcomm.lteadvanced:heterogeneousnetworks[r].january2011)。

网络模型的选取对于分析网络的性能至关重要。jeffreyg.andrews提出将基站的位置用ppp(poissonpointprocess)来建模，这种模型准确的模拟了基站位置的随机性，同时也易于通过随机几何工具来分析网络的性能指标(参考文献：dhillonhs,gantirk,baccellif,etal.modelingandanalysisofk-tierdownlinkheterogeneouscellularnetworks[j].ieeejournalonselectedareasincommunications,2012,30(3):550-560)。lil在(参考文献：lil,pengm,yangc,etal.optimizationofbase-stationdensityforhighenergy-efficientcellularnetworkswithsleepingstrategies[j].ieeetransactionsonvehiculartechnology,2016,65(9):7501-7514)中对于单层网络和两层网络中，考虑基站休眠对能效的影响，得到最优基站密度与能效的关系，但没有优化基站的发射功率。pengj在(参考文献：pengj,hongp,xuek.energy-awarecellulardeploymentstrategyundercoverageperformanceconstraints[j].wirelesscommunicationsieeetransactionson,2015,14(1):69-80)中得到了最佳的基站密度和发射功率，在满足覆盖限制条件下使平均功率消耗达到最小，但是该作者只考虑覆盖率的限制，并没有考虑平均用户速率的要求，同时只考虑非偏置网络的情形。然而随着用户对流量和速率的要求越来越高，考虑平均用户速率是非常必要的。chenw在(参考文献:chenw,lih,liz,etal.optimizationofsmallcelldeploymentinheterogeneouswirelessnetworks[c]//internationalconferenceoncomputer,informationandtelecommunicationsystems.ieee,2016:1-5)中利用随机几何工具，假设基站位置服从泊松点分布，推导出每层网络的成功接入概率，分析基站密度和网络能效的关系，但是也没有考虑平均速率的限制条件。

由于用户的密度和位置随着时间和空间是不断变化的，所以考虑调整基站的发射功率很有必要。通过分析上述相似研究的文献，lil和chenw在优化网络能效时把基站的发射功率设为一个固定的值，没有考虑基站发射功率的动态变化。由于用户对于流量的需求指数型的增长，平均用户速率这项指标成为评价网络质量的重要指标，同时macro基站的容量限制，已不能满足用户的速率需求，为此需要部署大量的femto基站来增加网络容量，卸载macro基站更多的流量给femto基站。同时采用偏置技术，有利于负载均衡。pengj考虑了基站发射功率的动态变化，但没有考虑用户的平均速率这项评估网络质量的重要指标，网络采用的是非偏置网络。

因此现有技术存在着没有考虑优化基站密度、基站的发射功率及平均用户速率的要求，即没有兼顾到用户服务质量及网络能耗的最优效果。

技术实现要素：

针对上述问题，本发明提出了一种联合优化基站密度和发射功率的密集异构蜂窝网络的部署方法，该方法能在保证用户服务质量的前提下，最小化网络的能耗。

一种密集异构蜂窝网络的部署方法，包括以下步骤：

s1、针对宏基站mbs和家庭基站fbs的两层密集异构蜂窝网络进行分析，计算用户关联到mbs层的关联概率am，用户关联到fbs层的关联概率af；以及位于mbs层的用户的信干噪比sinrm，位于fbs层的用户的信干噪比sinrf；

s2、利用am、af、sinrm和sinrf来计算覆盖率k和平均用户速率r；

s3、假设基站都处于激活状态，计算平均区域功率消耗aspc；

s4、构造目标覆盖率条件下的aspc优化目标，并求取在满足目标覆盖率条件下fbs的最佳密度和发射功率

s5、构造目标平均用户速率条件下的aspc优化目标，并求取在满足目标平均用户速率条件下fbs的最佳密度和发射功率

s6、在和中选取最优值；在和中选取最优值；并按选取的结果部署fbs。

进一步的，所述平均区域功率消耗aspc表示如下：

其中：m表示宏基站mbs所在的层；f表示家庭基站fbs所在的层；λi表示i层基站的密度；pi表示i层基站的发射功率；ni,trx表示i层基站的收发机链的数量；pi0表示i层基站的最小输出功率消耗；δi表示i层基站和负载相关的参数。

进一步的，所述用户关联到mbs层的关联概率am，用户关联到fbs层的关联概率af，表示如下：

其中：λm表示m层基站的密度；pm表示m层基站的发射功率；βm表示m层基站的偏置参数；λf表示f层基站的密度；pf表示f层基站的发射功率；βf表示f层基站的偏置参数；α＝αm＝αf，且α＞2，αm表示m层基站的路径损耗因子，αf表示f层基站的路径损耗因子。

进一步的，所述位于mbs层的用户的信干噪比sinrm，位于fbs层的用户的信干噪比sinrf，表示如下：

其中：rm表示mbs的用户与其服务基站之间的距离；rf表示fbs的用户与其服务基站之间的距离；表示mbs的用户与其服务基站之间的信道衰落损耗；表示fbs的用户与其服务基站之间的信道衰落损耗；φm表示mbs服从的齐次泊松点过程分布；φm表示fbs服从的齐次泊松点过程分布；σ²为恒定的高斯白噪声功率；l为路径损耗常数。

进一步的，所述覆盖率k表示如下：

其中：

γ(·)为伽马函数；2f1[·]为高斯超几何函数；表示目标sinr阈值，且mbs和fbs的目标sinr阈值相同。

进一步的，所述平均用户速率r表示如下：

其中：

dj(t)＝(βj/βi)^2/α+z(e^t-1,α,βj/βi)；

γ(·)为伽马函数；2f1[·]为高斯超几何函数。

进一步的，所述目标覆盖率条件下的aspc优化目标表示如下：

subjecttok(λm,λf,pm,pf)≥ktar,

pf,max≥pf≥0,

λf,max≥λf≥0,

其中：ktar表示目标覆盖率；pf,max表示fbs的最大发射功率限制，λf,max表示fbs的最大基站密度限制；

且令k(fk^*)＝ktar，fk^*表示在目标覆盖率条件下fbs的最优部署参数。

进一步的，所述目标平均用户速率条件下的aspc优化目标表示如下：

subjecttor(λm,λf,pm,pf)≥rtar,

pf,max≥pf≥0,

λf,max≥λf≥0,

其中：rtar表示目标平均用户速率；pf,max表示fbs的最大发射功率限制，λf,max表示fbs的最大基站密度限制；

且令r(fr^*)＝rtar，fr^*表示为在目标平均用户速率条件下fbs的部署参数。

进一步的，所述满足目标覆盖率条件下fbs的最佳密度和发射功率表示如下：

进一步的，所述在满足目标平均用户速率条件下fbs的最佳密度和发射功率表示如下：

本发明的有益技术效果为：macro基站和femto基站位置采用hppp建立模型，不仅能够准确的捕获基站分布的随机性，而且易于分析网络的性能指标。采用小区扩展cre技术能够卸载宏基站更多的用户，可以充分的利用femto基站的资源，使负载更均衡。联合优化基站密度和基站发射功率，来达到平均区域功率消耗aspc最低，在保证用户服务质量的前提下比只考虑优化基站密度的方案节约更多的能源。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明密集异构蜂窝网络的部署方法的流程图；

图2为本发明宏基站和家庭基站的两层密集异构蜂窝网络拓扑模型图；

图3为本发明的密集异构蜂窝网络中基站的覆盖范围形成的加权泊松沃罗诺伊嵌图；

图4为在满足目标覆盖率条件下本发明的方案与只考虑优化基站密度的方案能耗对比图；

图5为在满足平均用户速率条件下本发明的方案与只考虑优化基站密度的方案能耗对比图。

具体实施方式

为了使本发明的目的、技术方案和有益效果更加清楚，下面将结合附图及具体实施例进行详细描述。

如图1所示，本发明的实施例一种密集异构蜂窝网络的部署方法，大致包括6个步骤。

步骤1：计算用户关联到macro层基站的关联概率am，用户关联到femto层基站的关联概率af；以及位于macro层基站的用户的信干噪比sinrm，位于femto层基站的用户的信干噪比sinrf。

如图2所示，在macro-femto两层的密集异构蜂窝网络中，在二维的欧几里得平面(2-deuclideanplane)上，macro基站服从密度为λm的齐次泊松点过程hpppφm，其发射功率为pm，偏置参数为βm。同样，femto基站服从密度为λf的齐次泊松点过程hpppφf，发射功率为pf，偏置参数为βf，其中βf≥βm≥1。

假设用户服从独立于φm和φf的密度为λu的齐次泊松点过程φu。由于macro基站和femto基站的发射功率不同，如图3所示，实心圆点表示macro基站，实心方形点表示femto基站，基站的覆盖范围为加权泊松沃罗诺伊嵌图(weightedpoisson-voronoitessellation)。假设系统总带宽为w，即每个macro基站和femto基站共享频谱资源。采用开放接入模式，即每个用户关联接收到平均偏置接收功率brp{pr,i}i＝m,f最强的基站。假设两层网络的路径损耗因子相同，即αm＝αf＝α。利用泊松点过程的空概率定义以及用户与其被服务的基站之间距离的概率密度函数推导出用户关联到macro层基站的关联概率am表示为：

用户关联到femto层基站的关联概率af表示为：

采用瑞利衰落信道，假设用户位于原点，则该用户与其被服务的基站之间的距离为ri，衰落模型采用l(ri)＝lri^-α。信道衰落损耗为hri，为独立同分布的指数分布，本文采用其均值归一化为1，即大尺度损耗为ri^-α，路径损耗因子α＞2。则位于原点的用户接收到位于距离ri的基站的信号功率为为了提高频谱利用率，本方法采用macro基站和femto基站共享频谱，所以用户会受到同层和跨层干扰。得到关联到i层的用户的sinr为：

其中为该用户接收到的总干扰，σ²为恒定的高斯白噪声功率。

步骤2：计算蜂窝网络的性能参数，包括覆盖率k和平均用户速率r。

2.1覆盖率k的分析及计算

覆盖率k利用一个随机用户的接收到的瞬时信干噪比大于信干噪比阈值的互补累积分布函数来表示。

其中：km表示macro基站的覆盖率，kf表示femto基站的覆盖率，表示macro基站的目标sinr阈值，表示femto基站的目标sinr阈值。

假设macro基站和femto基站有相同的目标信干噪比阈值，即得到覆盖率k为：

其中：

2f1[.]为高斯超几何函数。

为了便于易于分析，得到近似封闭的表达式，本方法首先考虑干扰限制场景下，即噪声功率的影响相对于层间和层内的干扰可以忽略不计，所以σ²＝0。上述覆盖率表达式通过适当变换可以简化为：

在考虑噪声的情况下，由于噪声σ²相对于pil非常小，所以由于在干扰限制场景下得到的覆盖率是实际场景下的上界，所以覆盖率可以变换为：

2.2平均用户速率r的分析及计算

类似于覆盖率k分析方法，通过一个m层或f网络的随机用户来得到平均用户速率。

其中：rm表示与macro基站相关联的用户于与其关联的基站之间的距离；rf表示与femto基站相关联的用户与其关联的基站之间的距离。

用户平均速率可以具体表示为：

其中：dj(t)＝(βj/βi)^2/α+z(e^t-1,α,βj/βi)，

在干扰限制场景下，由于σ²＝0，上述平均用户速率通过适当变换可以简化为：

在考虑噪声的情况下，由于噪声σ²相对于pil非常小，所以由于在干扰限制场景下得到的平均用户速率是实际场景下的上界，所以得到平均用户速率为：

步骤3：计算平均区域功率消耗aspc

本方法采用aspc表示平均区域功率消耗，包括单位面积内的激活状态的基站和睡眠状态的基站的功耗。aspc具体计算表达式如下：

aspc＝λm[(1-ps,m)pack,m+ps,mpsleep,m]+λf[(1-ps,f)pack,f+ps,fpsleep,f]

由于基站的功率消耗与基站的类型以及基站的状态有关，若基站处于激活状态，基站的功率消耗包括功率放大器、信号处理、制冷设备、电源损耗、馈线损耗、天线损耗等。基站的功率消耗表示如下：

其中：ni,trx表示基站的收发机链的数量，pi0表示最小输出功率的消耗，pi,s表示基站休眠状态下单个收发机链的功率消耗，δi是和负载相关的参数。所以基站激活状态下的功率消耗可以表示为pack,i＝ni,trxpi0+δipi，休眠状态下的功率消耗为psleep,i＝ni,trxpi,s。

考虑基站休眠和激活的情况，本方法采用传统的基站休眠策略，即如果目标基站的覆盖范围内没有用户，则该基站可以处于休眠状态，否则该基站处于激活状态。

在两层的macro-femto异构蜂窝网络中，由于macro基站和femto基站的发射功率不同，因此基站的覆盖范围会形成加权泊松沃罗诺伊嵌图(wpvt)。得到基站覆盖范围的概率密度函数(pdf)为：

其中k＝3.575，为伽马函数。

由于用户位置服从泊松点过程，所以在基站覆盖范围内的用户数量服从泊松分布，用户分布概率密度表示为：

其中：xi表示小区的大小，是一个随机变量。所以一个基站覆盖范围内有n个用户的概率表示为：

所以基站处于休眠状态的概率即为基站覆盖范围内没有用户的概率表示为：

经计算，当用户密度λuai≥5λi时，大约只有4％的基站覆盖范围内没有用户，由于考虑密集的网络，所有基站覆盖范围内都至少有一个用户，所以本方法考虑基站都处于激活状态。

根据上述分析，由于基站休眠状态的概率很低，同时也为了简化能耗表达式，假设psleep,i＝0。所以功耗表达式可以简化为：

aspc＝∑i＝m,fλi(ni,trxpi0+δipi)。

步骤4：求取在满足目标覆盖率条件下的最佳基站密度和发射功率

根据覆盖率和平均用户速率的分析结果可以看出，覆盖率和平均用户速率与有关，我们把表达式称为部署参数。

在两层的macro-femto偏置异构蜂窝网络中，当用户随机分布在该蜂窝网络中，σ²＞0,α＞2情况下，该偏置蜂窝网络的sinr覆盖率和平均用户速率随着部署参数x单调递增。

对于目标覆盖率条件下的能效优化问题可以构造为：

subjecttok(λm,λf,pm,pf)≥ktar,

pf,max≥pf≥0,

λf,max≥λf≥0,

其中：ktar表示目标覆盖率，pf,max表示femto基站的最大发射功率限制，λf,max表示femto基站最大密度限制。

如果该能效优化问题目标函数有最优解，那么该最优解为：

fk^*表示为femto基站的最优部署参数。由于偏置蜂窝网络的sinr覆盖率和平均用户速率是部署参数的单调递增函数，所以很容易根据下列式子利用二分法求解得到最优部署参数fk^*：

k(fk^*)＝ktar

因此，如果该能效优化问题有可行解，令k(fk^*)＝ktar。接下来优化最优λf和pf。上述问题等效为：

pf,max≥pf≥0,

λf,max≥λf≥0,

利用等式约束条件，该能效优化问题中的双变量可以变换为单变量的优化问题。带入目标函数aspc，得到

aspc是单一变量pf的函数。由于aspc是拟凸函数，所以通过求导可以得到pf的最小值。由所以得到再根据第二和第三个约束条件求解得到：

步骤5：求取在满足目标平均用户速率条件下的最佳基站密度和发射功率

对于平均用户速率的能效优化问题可以构造为：

subjecttor(λm,λf,pm,pf)≥rtar,

pf,max≥pf≥0,

λf,max≥λf≥0,

类似与步骤4，能效优化问题可构造为如下分析：

pf,max≥pf≥0,

λf,max≥λf≥0,

r(fr^*)＝rtar,类似于上述sinr覆盖率的能耗优化分析，利用等式约束条件，该能效优化问题中的双变量可以变换为单变量的优化问题。类似覆盖率的能耗优化分析中的求解，得到：

步骤6：求取最佳能效优化的femto密度及发射功率。

在满足目标sinr覆盖率和平均用户速率这两项qos指标下，得到最优的基站密度和基站发射功率，来达到最优能效的目的。由于sinr覆盖率和平均用户速率这两项指标之间相互影响，即在满足目标sinr覆盖率的条件下达到能效最优时的基站密度和基站发射功率会影响目标平均用户速率。sinr覆盖率和平均用户速率这两项qos指标相互影响，本方法分别单独分析了sinr覆盖率和平均用户速率这两项qos指标。在达到的最佳能效的情况下，得到最佳femto基站密度为：得到的最佳femto基站的发射功率为：

为了比较本发明方法比只考虑基站密度优化的传统方案更具优势，利用matlab仿真工具对上述分析进行验证。如图4所示，在满足目标sinr覆盖率条件下，本发明方法比只考虑基站密度优化的传统方案能耗更低，尤其在目标sinr覆盖率高的情况下(大于0.76的情况下)本发明方法的优势更明显。在sinr覆盖率为无噪声理想环境下的90％时，满足给定目标平均用户速率下，如图5所示，本发明方案femto基站密度限制条件λf,max＝10^-2m^-2，只考虑基站密度优化的方案femto发射功率为固定值pf＝15dbm。通过对比看出本发明方案比只考虑基站密度优化方案在满足用户qaspcos需求时的能耗更低。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：rom、ram、磁盘或光盘等。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。