一种小区节点的部署优化机制

赵天呈

(南京邮电大学 通信与信息工程学院，江苏 南京 210003)



一种小区节点的部署优化机制

赵天呈

(南京邮电大学 通信与信息工程学院，江苏 南京 210003)

针对无定形小区节点可控制特性及基站的抗干扰及能效优化的需求，提出一种新的节点自适应部署机制。通过对小区内通信节点关闭或开启的机制设置，系统可以在减少干扰的同时，增大业务吞吐量，提升能效。文章建立了宏小区中各个指标的数学模型，对节点的激活、休眠状态的切换提出一种优化部署策略。在已知每日业务流量变化近似正弦曲线的情况下，对无定形小区优化前后的仿真结果进行对比，结果表明该方法降低了系统干扰，提升了系统吞吐量，且更加节能。

无定形小区；干扰管理；能效优化

0 引言

传统蜂窝通信网对时间及频率的复用效率较低，已经无法满足飞速增长的通信需求，而无定形小区(Amorphous Cell，AC)由于动态分配通信资源的特性，网络节点可跟随业务特点灵活变化，在提升节能效益的同时，满足用户对服务质量的要求[1-3]。当业务量增大时，系统负载量增大，AC开启部分无定形节点(Amorphous Node，AN)分担业务量；当业务量较小时，系统处于低负载状态，关闭部分无定形节点可以减少层间干扰，同时降低系统耗能[4-6]。无定形节点的组织分布及智能的状态切换，是目前的一个研究热点。

目前针对AN状态切换的研究目的在于系统资源利用效率的提高。节点切换为休眠状态时，需要考虑部署基站关闭的区域与关闭的节点数量；节点切换为激活状态时，需要考虑切换时的耗能、引起的干扰，以及对小区业务吞吐量增强的效果。文献[7]提出了状态切换机制，由网络监控业务量，用户监听周围节点的负载量，以及设定到达一定激活量时全体激活的机制，该机制适用于传统蜂窝网。文献[8]提出了用户监听链路持续发送的节点信号，由用户设备(User Equipment,UE)选择节点激活的机制。该机制提高了资源利用效率，代价是其有较高的算法复杂度，且频繁的信令交互过程占用较多通信资源。

传统小区中节点状态的切换部署机制并不适用于无定形小区。首先，AN状态切换时占用了系统通信资源，对业务流量有一定影响；其次，AN是否需要激活主要取决于系统各个区域对负载的要求，不恰当的激活对系统容量提升有限。本文将搭建无定形小区数学模型，研究其中无定形节点的智能状态转换策略。

1 无定形小区数学模型

假设宏小区下有N个基站(evolved Node Base，eNB)，每个eNB负责一块区域，该eNB用Bi表示，且所有eNB的集合为B。区域Bi下有Di个节点，包括eNB和AN，且有AN节点集合D=D1∪D2∪…∪DN。宏小区内所有的AN节点被划分为多个区域，且在基站覆盖范围内，每个AN与一个eNB通过回传链路连接。设每个AN节点的功率为PA，eNB的功率为PM。小区模型如图1所示。

图1 无定形小区系统模型

在现实情况中，小区中业务需求的热点区域，随时间的推移及小区中各个区域的人流分布，往往呈现一定的规律性，本文将以业务流量为基础进行分析。根据业务分布的泊松，假设λk为平均业务到达率，服务需求期望为1/μk，则每个用户需要流量为：

γk=λk+μk

(1)

该式从侧面反映了用户对服务质量的需求。

假设Ak,i,j代表用户k选择的小区区域，区域的选择由式(2)计算：

(2)

其中，j=0时，用户选择Bi，j≠0时，用户选择Bi下的一个AN，hk,i,j表示用户k与eNBi之间的信道增益。令MUEK代表与eNB连接的用户K，AUEk代表与AN连接的用户K。因此MUEK连接产生的信号与干扰加噪声比(Signal to Interference plus Noise Ratio,SINR)为:

(3)

令系统带宽为BW，该MUE接入时信道容量为：

(4)

AUE接入链路时，有信噪比及信道容量：

(5)

(6)

回传链路时，有信噪比及信道容量：

(7)

(8)

可以得出ANj下链路总传输速率为：

(9)

基站i的能耗与接收到的任务量有关，可以表示为：

(10)

用τ代表某节点j接入基站i所需的时间占基站i连接到用户终端耗时的比例。则该节点j在与用户设备通信的过程中的能耗可以表示为：

(11)

连接时射频端能耗：

(12)

当节点休眠时，所有能耗为0，即：

(13)

对无定形节点部署的优化评估可以用吞吐量代表：

(14)

2 小区中节点分层休眠策略

由于无定形小区中宏基站(Donor eNB,DeNB)覆盖范围广，用户可以自动接入附近的基站，选择性地休眠基站不会导致用户无法通信。同时，宏基站引起的干扰较普通节点更大，选择性休眠宏基站利于系统抗干扰，且更加节能。所以系统采取优先关闭宏基站的策略。在基站关闭影响通信的情况下，系统选择关闭基站部分节点。

2.1 宏基站关闭策略

(15)

(16)

(17)

(18)

为防止同时关闭多个相邻基站的策略漏洞，引入影响因子Fb，衡量关闭基站后其他eNB的负载：

(19)

(20)

每次关闭基站前，参考此负载衡量条件。

2.2 AN关闭策略

无定形小区节点的部署目的是降低周围基站负载，扩大业务吞吐量，消除系统盲点。同时，节点的开启不可避免会引起相邻节点与基站之间的干扰问题。此时需要衡量节点开启后提升的业务量是否足够抵消产生的干扰问题。

是否开启节点，需要考虑开启后基站能否处理增加的业务量，即节点y达到满足传输速率：

(21)

且接入后基站功率满足：

(22)

2.3 节点关闭流程

图2表示了关闭节点的信令流程。如图所示，宏基站向子节点发送关闭申请，子节点分别进行邻近基站负载评估，评估完成后，决定是否关闭宏基站。节点关闭的步骤描述如下：

(1)宏基站DeNB提出休眠申请，向用户端UE和无定形节点AN发送次优基站；

(2)UE和AN收到转移指令后，计算转移后的基站和节点的负载；

(3)所有目标eNB计算负载，分别决定是否同意DeNB休眠；

(4)DeNB收到所有相邻的eNB同意休眠的指令后，控制中心发送休眠申请及影响因子Fb；

(5)控制中心同意后，DeNB进入休眠状态，且UE和AN切换接入。

图2 节点关闭流程

3 小区中节点开启策略

无定形小区具有业务量一天内起伏波动的特性。如果给节点设置一个不变的开启门限，在系统状态不断波动的过程中，可能导致节点的状态切换过于频繁。所以，本文提出阈值的余量系数KB，将其设置在0～1之间。即节点推算出系统负载在阈值余量范围内波动时，不会导致节点激活。余量的要求如下：

(23)

基站判断为开启时，对余量的要求如下：

PX≥PM+KBPM

(24)

4 仿真与性能分析

对算法结果进行仿真验证，需要得知一个小区一天中业务量持续变化的模型，并在此模型的基础上试验节点与基站的状态转换对业务的消化量和系统耗能的影响。根据EARTH项目中的说明，一天中业务量的变化可以由一天中激活的用户数反应[9]。为了方便仿真，将一天中的业务量变化近似为一条正弦曲线。在8点左右业务量到达谷底，20点左右业务量到达峰值。

图3和图4分别为一天内业务量较大时，小区经过算法优化前后，小区节点和基站的开启状态情况。令PM=PAN=0.85，KB=0.2。在业务量较大时，选择关闭部分节点。图中可以看出，算法选择关闭基站周围部分节点。这些节点对业务量承担有限，同时引发节点之间的干扰，增加系统负担，所以对这些节点选择关闭。

图3 优化前的无定形小区节点部署

图4 优化后的无定形小区节点部署

图5描述了优化前后，单位面积处理的业务量与系统消耗能量对应的变化关系。从图中可以看出，当小区内用户激活数量整体较低时，经过优化，系统耗能最高能达到优化前的一半左右。小区业务量上升，系统能耗随之增加，但仍然低于优化前水平。仿真证明了该机制利于宏小区系统节能。

图5 优化前后能耗对比图

5 结束语

本文研究了一种无定形小区中节点状态切换的优化策略。该策略从系统负载、用户接入、区间干扰、业务负载量、系统能耗5个角度对节点状态建立模型，并对转换机制进行设计，主要目的是节约系统资源。该机制中，节点和基站分情况开启或关闭，并提出了相应的执行条件。仿真证明了该机制在满足业务需求的同时达到节约系统耗能的目的。

[1] PENG M G, LIANG D, WEI Y, et al.Self-configuration and self-optimization in LTE-advanced heterogeneous networks[J]. IEEE Communications Magazine, 2013, 51(5): 36-45.

[2] GONG J, THOMPSON J S, ZHOU S, et al.Base station sleeping and resource allocation in renewable energy powered cellular networks[J]. IEEE Transaction on Wireless Communications, 2013, 12(8): 1-30.

[3] OH E, SON K, KRISHNAMACHARI B. Dynamic base station switching-on/off strategies for green cellular networks[J]. IEEE Transactions on Wireless Communications, 2013, 31(5):2126-2136.

[4] WU J, ZHOU S, NIU Z S. Traffic-aware base station sleeping control and power matching for energy-delay tradeoffs in green cellular networks[J].IEEE Trans. Wirel. Commun.,2013, 12(8):4196-4209.

[5] SHAN L, LIU F, YANG F. Performance analysis of group handover scheme for IEEE 802[J]. 16j-Enabled Vehicular Networks, 2009, 2(1):653-658.

[6] 李娟, 田霖, 周一青,等. 面向高速铁路的LTE 通信系统中的切换方法及系统:中国，1022413520 A[P]. 2012-04-11.

[7] 郭冬梅. 无线通信中分集合并技术的研究[D].哈尔滨：哈尔滨工程大学, 2010.

[8] SOH Y S, MEMBER S, QUEK Y Q S, et al.Energy efficient heterogeneous cellular networks[J]. IEEE J. Sel. Areas Commun., 2013,31(5):840-850.

[9] GUO W, O’FARRELLl T.Dynamic cell expansion with self-organizing cooperation[J].IEEE J.Sel.Areas Commun., 2013,31(5): 851-860.

An optimised deployment mechanism of cell nodes

Zhao Tiancheng

(College of Communication & Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China)

Due to the requirements of interference suppression and energy efficiency optimization of the controllable nodes and base stations,a new adaptive node deployment mechanism is proposed.Through designing the mechanism of inner cell communication nodes to be in open or close condition,the system can reduce interference while increasing traffic throughput,and improving system efficiency.Paper establishes the mathematical model of macro cell between each index, and proposes an optimized deployment strategy about the nodes state switchover between dormant and activation.In the case of traffic flow approximating a sinusoidal curve,the simulation results which are before the optimization are compared with the one which is after the optimization,and it proves the new mechanism can reduce system interference,improve the throughput and be more efficient.

amorphous cell;interference management;energy efficiency optimization

TN91

A

10.19358/j.issn.1674- 7720.2016.23.019

赵天呈. 一种小区节点的部署优化机制[J].微型机与应用，2016,35(23)：65-68,72.

2016-07-14)

赵天呈(1992-)，女，硕士，主要研究方向：宽带无线通信。