《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 通信與網(wǎng)絡(luò) > 設(shè)計(jì)應(yīng)用 > 基于休眠策略的異構(gòu)網(wǎng)絡(luò)資源分配研究
基于休眠策略的異構(gòu)網(wǎng)絡(luò)資源分配研究
2018年電子技術(shù)應(yīng)用第10期
朱佳佳,吳潤(rùn)澤,,唐良瑞
華北電力大學(xué) 電氣與電子工程學(xué)院,,北京102206
摘要: 為了有效緩解異構(gòu)網(wǎng)絡(luò)中的干擾以及能耗問(wèn)題,提出了基于基站休眠策略的多目標(biāo)優(yōu)化資源聯(lián)合分配方案,,建立了以宏用戶受到的跨層干擾最小和低功率節(jié)點(diǎn)的能量消耗速率最小的多目標(biāo)優(yōu)化模型,,進(jìn)而采用改進(jìn)非支配排序遺傳算法對(duì)該模型進(jìn)行求解且對(duì)其有效性進(jìn)行了仿真分析。仿真結(jié)果表明,,所提方案與現(xiàn)有方案相比,,能更好地減小宏用戶受到的跨層干擾,同時(shí)能降低低功率節(jié)點(diǎn)的能量消耗速率,。
中圖分類(lèi)號(hào): TN914
文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.180616
中文引用格式: 朱佳佳,,吳潤(rùn)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.
Resource allocation based on sleep strategy in heterogeneous networks
Zhu Jiajia,Wu Runze,,Tang Liangrui
School of Electrical and Electronic Engineering,,North China Electric Power University,Beijing 102206,,China
Abstract: This paper focuses on a multi-objective optimization approach for resource allocation based on sleep strategy, aiming to mitigate the interference and improve the energy efficiency in heterogeneous networks. Then it’s converted into a multi-objective optimization problem. The problem is solved by the nondominated sorting genetic algorithm version II. And the simulations show that the proposed approach is superior to the existing one in the aspect of mitigating the inter-tier interference between dense low power nodes and the macro base station and reducing energy consumption ratio of low power nodes.
Key words : heterogeneous networks,;sleep strategy;multi-objective optimization,;resource allocation,;nondominated sorting genetic algorithm version II

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(jī)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(wèn)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(shí)降低網(wǎng)絡(luò)能耗已經(jīng)成為當(dāng)前的研究熱點(diǎn)問(wèn)題。

    現(xiàn)有的LPNs休眠策略重點(diǎn)研究提高系統(tǒng)能效的同時(shí)保證業(yè)務(wù)的QoS問(wèn)題[2],。文獻(xiàn)[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(xiàn)[4]和文獻(xiàn)[5]提出了一種干擾管理的新思路,研究利用休眠機(jī)制有效減輕異構(gòu)網(wǎng)絡(luò)中的干擾,。文獻(xiàn)[6]通過(guò)基站休眠策略進(jìn)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(chǎng)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(shí),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(duì)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(chǎng)景。該網(wǎng)絡(luò)場(chǎng)景包含一個(gè)MBS和K個(gè)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(gè)數(shù)為W且隨機(jī)分布,,每個(gè)LPNs中的用戶(Small Users,,SUEs)個(gè)數(shù)為Fk,k∈{1,,2,,…,K}且隨機(jī)分布,。

tx5-t1.gif

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(duì)MUEs的跨層干擾

tx5-gs1-3.gif

2.1.2 最小化LPNs的能量消耗速率

tx5-gs4.gif

tx5-gs5-12.gif

tx5-gs5-12-x1.gif

2.3 多目標(biāo)優(yōu)化模型求解

    本文采用改進(jìn)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(gè)體,多個(gè)不同個(gè)體作為種群,。具體求解步驟如下:

    (1)隨機(jī)產(chǎn)生規(guī)模大小為I的初始種群H(g),,令g=0,有:

tx5-gs13.gif

2.4 最優(yōu)解的選擇

    本文采用TOPSIS的方法實(shí)現(xiàn)對(duì)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(guò)計(jì)算式(14)確定Pareto解集中各個(gè)基站休眠策略和資源分配方案的最優(yōu)解,。

    tx5-gs14.gif

其中:

tx5-gs15-16.gif

式中,fij表示Pareto解集中第j個(gè)解的第i個(gè)目標(biāo)函數(shù)值,。根據(jù)TOPSIS求解Fj,,F(xiàn)j越小,說(shuō)明對(duì)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(yuǎn)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(shí)驗(yàn)與結(jié)果分析

3.1 仿真參數(shù)設(shè)置

    仿真實(shí)驗(yàn)環(huán)境是在一個(gè)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(gè)半徑為50 m的LPNs隨機(jī)分布在圓內(nèi),。W(W=10)個(gè)MUEs隨機(jī)分布在圓內(nèi),,tx5-b1-s1.gif個(gè)SUEs隨機(jī)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,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。

tx5-b1.gif

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(yàn)證了在干擾門(mén)限tx5-b1-x1.gif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(shí),,迭代50次左右都能收斂到最優(yōu)解,。

tx5-t2.gif

    圖3和圖4驗(yàn)證了在SUEs的速率需求Rf=0.1 Mb/s的情況下,干擾門(mén)限tx5-t2-x1.gif的變化對(duì)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(mén)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(zhǎng)趨勢(shì)。另外,,隨著LPNs的密集部署, MUEs受到的跨層干擾也呈增長(zhǎng)趨勢(shì),,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(mén)限的增加,LPNs的能量消耗速率呈逐漸下降趨勢(shì),。這是由于干擾門(mén)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(zhǎng)趨勢(shì),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(duì)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(yàn)證了本文方案的優(yōu)越性,。

tx5-t3.gif

tx5-t4.gif

    圖5和圖6驗(yàn)證了在干擾門(mén)限tx5-t5-s1.gif的情況下,SUEs的速率需求Rf的變化對(duì)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(zhǎng)趨勢(shì),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(jìn)一步表明所提方案的有效性,。

tx5-t5.gif

tx5-t6.gif

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(shí),,頻譜共享方式下基于基站休眠策略的資源聯(lián)合分配問(wèn)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(gè)主要目標(biāo),,并與現(xiàn)有的方案進(jìn)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(wèn)題,,并且在跨層干擾減輕和LPNs的能量消耗速率降低兩個(gè)方面均能取得了較好的結(jié)果,。

參考文獻(xiàn)

[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(bào)(自然科學(xué)版),2017,,47(5):845-849.

[2] 沈海強(qiáng),,尹生華,伍映吉,等.密集場(chǎng)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(rùn)澤,,唐良瑞

(華北電力大學(xué) 電氣與電子工程學(xué)院,,北京102206)

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載,。