文獻標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.180616
中文引用格式: 朱佳佳,吳潤澤,,唐良瑞. 基于休眠策略的異構(gòu)網(wǎng)絡(luò)資源分配研究[J].電子技術(shù)應(yīng)用,,2018,44(10):127-130,,135.
英文引用格式: Zhu Jiajia,,Wu Runze,Tang Liangrui. Resource allocation based on sleep strategy in heterogeneous networks[J]. Application of Electronic Technique,,2018,,44(10):127-130,135.
0 引言
大量低功率基站(Low Power Nodes,LPNs)同頻部署的致密化和隨機化,,使得LPNs之間的同層干擾以及LPNs與宏基站(Macro Base Station,,MBS)之間的跨層干擾問題變得更加復(fù)雜[1]。而且,,網(wǎng)絡(luò)能耗也在不斷增加,。因此,如何減輕異構(gòu)網(wǎng)絡(luò)中的干擾的同時降低網(wǎng)絡(luò)能耗已經(jīng)成為當(dāng)前的研究熱點問題,。
現(xiàn)有的LPNs休眠策略重點研究提高系統(tǒng)能效的同時保證業(yè)務(wù)的QoS問題[2],。文獻[3]研究了一種聯(lián)合考慮基站休眠策略以及優(yōu)化子信道和功率分配方案,文獻[4]和文獻[5]提出了一種干擾管理的新思路,,研究利用休眠機制有效減輕異構(gòu)網(wǎng)絡(luò)中的干擾,。文獻[6]通過基站休眠策略進行干擾管理和資源管理。綜上,,基站休眠和資源優(yōu)化分配是提升異構(gòu)網(wǎng)絡(luò)能效以及減輕干擾的有效方法,。
本文在此基礎(chǔ)上,提出了異構(gòu)網(wǎng)絡(luò)LPNs密集部署場景下基于休眠策略的多目標(biāo)優(yōu)化資源聯(lián)合分配方案(Multi-Objective Optimization for Resource Allocation Based on Sleep Strategy,,SS+MOO-RA),,該方案旨在減小LPNs與MBS之間的跨層干擾,并在考慮相鄰LPNs之間的同層干擾的條件下,,提升LPNs系統(tǒng)的能效,。同時,與不考慮LPNs休眠策略的多目標(biāo)優(yōu)化資源聯(lián)合分配方案(Multi-Objective Optimization for Resource Allocation,,MOO-RA)[7]作對比,,仿真結(jié)果表明,本文的SS+MOO-RA方案在降低LPNs的能量消耗速率以及跨層干擾方面的性能都有所提升,。
1 系統(tǒng)模型
如圖1所示,,本文考慮LPNs密集部署在宏蜂窩中的兩層異構(gòu)網(wǎng)絡(luò)場景。該網(wǎng)絡(luò)場景包含一個MBS和K個LPNs,,它們共享同一段頻譜資源,,帶寬為B,子信道數(shù)為N。假設(shè)LPNs采用閉合接入模式,,宏用戶(Macro Users,,MUEs)個數(shù)為W且隨機分布,每個LPNs中的用戶(Small Users,,SUEs)個數(shù)為Fk,,k∈{1,2,,…,,K}且隨機分布。
2 基于休眠策略的多目標(biāo)優(yōu)化資源聯(lián)合分配方案
2.1 優(yōu)化目標(biāo)
2.1.1 最小化LPNs對MUEs的跨層干擾
2.1.2 最小化LPNs的能量消耗速率
2.3 多目標(biāo)優(yōu)化模型求解
本文采用改進非支配排序遺傳算法(Nondominated Sorting Genetic Algorithm version II,,NSGA-II)求解Pareto最優(yōu)解集,。以任意LPNs(k)的休眠變量qk、SUEs(f)的子信道分配變量ak,,f,,n以及功率分配變量pk,f,,n構(gòu)成混合基因,,將所有混合基因構(gòu)成的矩陣H=[qk;ak,,f,,n;pk,,f,,n]作為個體,多個不同個體作為種群,。具體求解步驟如下:
(1)隨機產(chǎn)生規(guī)模大小為I的初始種群H(g),,令g=0,有:
2.4 最優(yōu)解的選擇
本文采用TOPSIS的方法實現(xiàn)對MUEs受到的跨層干擾和LPNs的能量消耗速率的有效折中,,并且通過計算式(14)確定Pareto解集中各個基站休眠策略和資源分配方案的最優(yōu)解。
其中:
式中,,fij表示Pareto解集中第j個解的第i個目標(biāo)函數(shù)值,。根據(jù)TOPSIS求解Fj,F(xiàn)j越小,,說明對應(yīng)的聯(lián)合基站休眠和資源分配方案越接近于最優(yōu)方案,反之,則遠離最優(yōu)方案,。因此,,式(14)能夠得到目標(biāo)函數(shù)f1與f2的有效折中解。
3 仿真實驗與結(jié)果分析
3.1 仿真參數(shù)設(shè)置
仿真實驗環(huán)境是在一個半徑為500 m的圓形區(qū)域內(nèi),MBS位于圓心處,,K(K=10,,20,30)個半徑為50 m的LPNs隨機分布在圓內(nèi),。W(W=10)個MUEs隨機分布在圓內(nèi),,個SUEs隨機分布在各自的LPNs覆蓋范圍中。本文的信道衰落特性包含大尺度衰落(路徑損耗)和小尺度衰落(頻率選擇特性),。其中,,大尺度衰落采用自由空間傳播模型d-α,d為基站與用戶之間的距離,,α為衰落因子,,小尺度衰落服從瑞利分布。具體的仿真參數(shù)如表1所示,。
3.2 仿真結(jié)果及分析
智能優(yōu)化算法的參數(shù)[8]分別設(shè)置為:種群規(guī)模I=150,,最大迭代次數(shù)gen=100,交叉概率pc=0.9,,變異概率pm=0.03,,交叉算子muc=20,變異算子mum=20,。
圖2驗證了在干擾門限以及SUEs的最小速率需求Rf=0.1 Mb/s的情況下,,NSGA-II的收斂性情況。由圖1可以看出,,利用NSGA-II求解MUEs受到的跨層干擾和LPNs的能量消耗速率時,,迭代50次左右都能收斂到最優(yōu)解。
圖3和圖4驗證了在SUEs的速率需求Rf=0.1 Mb/s的情況下,,干擾門限的變化對MUEs受到的跨層干擾和LPNs的能量消耗速率的影響,。由圖3可以看出,隨著干擾門限的增加,,MUEs所能承受的跨層干擾增大,。因此,LPNs與MUEs之間的跨層干擾呈增長趨勢,。另外,,隨著LPNs的密集部署, MUEs受到的跨層干擾也呈增長趨勢,,這是由于多用戶分集效應(yīng)的影響,。但是,所提方案SS+MOO-RA中MUEs受到的跨層干擾明顯小于已有方案MOO-RA,。另外由圖4可以看出,,隨著干擾門限的增加,,LPNs的能量消耗速率呈逐漸下降趨勢。這是由于干擾門限越大,,MUEs所能承受的跨層干擾越大,,因此,LPNs系統(tǒng)的頻譜效益越大,,根據(jù)式(10),,LPNs系統(tǒng)的能量消耗速率減小。然而隨著LPNs的密集部署,,LPNs系統(tǒng)的能量消耗速率呈增長趨勢,,這是由于LPNs部署越密集,LPNs之間產(chǎn)生的同層干擾以及MBS對其產(chǎn)生的跨層干擾越嚴(yán)重,,根據(jù)式(5),,LPNs系統(tǒng)的頻譜效益降低,從而,,LPNs系統(tǒng)的能量消耗速率增加,。與已有方案MOO-RA相比,所提方案SS+MOO-RA中LPNs系統(tǒng)的能量消耗速率整體較低,,從而驗證了本文方案的優(yōu)越性,。
圖5和圖6驗證了在干擾門限的情況下,SUEs的速率需求Rf的變化對MUEs受到的跨層干擾和LPNs的能量消耗速率的影響,。由圖5可以看出,,隨著SUEs的速率需求的增加,頻譜資源的共享幾率增加,。因此,,兩種方案中MUEs受到的跨層干擾呈增長趨勢,但所提方案SS+MOO-RA中MUEs受到的跨層干擾明顯小于已有方案MOO-RA,。由圖6可以看出,,隨著SUEs的速率需求的增加,LPNs的能量消耗速率也逐漸增加,,這是由于SUEs的速率需求越大,,在頻譜資源有限的情況下,傳輸功率增加,。與已有方案MOO-RA相比,,所提方案SS+MOO-RA得到的LPNs的能量消耗速率較低,從而進一步表明所提方案的有效性,。
4 結(jié)論
本文利用NSGA-II算法解決了異構(gòu)網(wǎng)絡(luò)中密集部署LPNs時,,頻譜共享方式下基于基站休眠策略的資源聯(lián)合分配問題,,綜合考慮了LPNs與MUEs的跨層干擾和LPNs的能量消耗速率兩個主要目標(biāo),,并與現(xiàn)有的方案進行了性能比較,。仿真結(jié)果表明,該NSGA-II適用于解決資源聯(lián)合分配問題,,并且在跨層干擾減輕和LPNs的能量消耗速率降低兩個方面均能取得了較好的結(jié)果,。
參考文獻
[1] 李君,王浩,,王秀敏,,等.超密集異構(gòu)網(wǎng)絡(luò)中基于分簇的休眠優(yōu)化策略[J].東南大學(xué)學(xué)報(自然科學(xué)版),2017,,47(5):845-849.
[2] 沈海強,,尹生華,伍映吉,,等.密集場景基站協(xié)作休眠能效優(yōu)化策略[J].電子技術(shù)應(yīng)用,,2017,43(10):111-115.
[3] ALSHAROA A,,GHAZZAI H,,YAACOUB E,et al.On the dual-decomposition-based resource and power allocation with sleeping strategy for heterogeneous networks[C].Vehicular Technology Conference.IEEE,,2015:1-5.
[4] ALI S,,ISMAIL M,NORDIN R.Femtocell sleep mode activation based interference mitigation in two-tier networks[J].Procedia Technology,,2013,,11(1):1088-1095.
[5] EBRAHIM A,ALSUSA E.Interference minimization through sleep mode based resource allocation for future femtocell networks[C].IEEE International Conference on Communications.IEEE,,2015:1679-1684.
[6] EBRAHIM A,,ALSUSA E.Interference and resource management through sleep mode selection in heterogeneous networks[J].IEEE Transactions on Communications,2017,,65(1):257-269.
[7] RUNZE W U,,ZHU J,TANG L,,et al.A spectrum-sharing approach in heterogeneous networks based on multi-objective optimization[J].IEICE Transactions on Communications,,2017(7):1145-1151.
[8] SHARMA N,BADHEKA D,,ANPALAGAN A.Multiobjective subchannel and power allocation in interference-limited two-tier OFDMA femtocell networks[J].IEEE Systems Journal,,2016,10(2):544-555.
作者信息:
朱佳佳,,吳潤澤,,唐良瑞
(華北電力大學(xué) 電氣與電子工程學(xué)院,北京102206)