2. 国网信息通信产业集团有限公司, 北京 100031
可再生能源供电的蜂窝网络相关研究已经成为绿色无线网络热点研究内容之一. 针对可再生能源供电异构蜂窝网络场景,提出了一种基于拓扑势的用户接入算法,实现基站间能量均衡与负载均衡的折中. 定义用户与基站间拓扑势,综合考虑用户业务量、用户与基站间信道容量、基站可用能量,衡量基站对用户的吸引程度;将基站所接入用户拓扑势总和定义为基站效用值,并给出了基站间效用公平的用户接入最优化问题;提出了一种迭代方法求解最优化问题,通过用户与基站间信息交互与迭代更新完成用户接入基站选择,均衡基站间能量与负载. 仿真结果表明,所提算法在保证基站间负载均衡的同时充分利用了基站收集的可再生能源,实现了基站间能量均衡.
2. State Grid Information & Telecommunication Group. CO. LTD, Beijing 100031, China
Research on heterogeneous cellular networks with renewable energy supply has drawn much attention in the green wireless networks research field. In the heterogeneous cellular networks with renewable energy supply, a topology potential based user association algorithm is proposed, which can give a tradeoff between energy balancing and load balancing among base stations (BSs). Firstly, the topology potential of users and BSs is defined, which takes the user traffic load, channel capacity between users and BSs, the available renewable energy of BSs into consideration to present the attraction of BSs to users. Then, the BS utility is defined as the sum of the topology potential value of all the associated users. The user association optimization problem for BS utility fairness is modeled, which is solved by the proposed iteration method. Accordingly, the user association is performed by information exchange and iteration between users and BSs, which balances the energy and traffic among BSs. Simulation results show that, the proposed algorithm can achieve load balancing while make the best of renewable energy harvested by BSs, i.e., the use of renewable energy among is balanced.
在移动网络应用和智能终端的日益普及下，蜂窝网络热点和盲点亟须灵活的组网技术与部署方案来完善覆盖. 在传统宏蜂窝(Macro-cell)网络的基础上部署低功率站点构建分层异构蜂窝网络是当前网络架构发展趋势[1]. 同时，蜂窝网络的发展使得蜂窝网络的能耗问题备受瞩目，绿色无线网络技术成为产业界和学术界的研究重点. 其中，可再生能源(风能、太阳能)供电的蜂窝网络相关研究已经成为绿色无线网络热点研究内容之一[2].
部署低功率站点的异构蜂窝网络更利于可再生能源的收集与使用. 在可再生能源供电的异构蜂窝网络中，用户接入是高能效网络管理需要考虑的关键内容. 通过用户接入的异构基站选择，充分利用基站收集的可再生能源能量，从而减小传统电网的能量消耗，文献[3]以最小化能量消耗为优化目标提出了一种启发式用户接入算法；文献[4]提出了一种考虑平均业务时延与电网耗能折中的分布式用户接入算法；文献[5]以用户速率公平为优化目标实现最优用户接入. 已有研究没有从业务负载均衡与基站能量均衡的角度考虑用户接入问题.
笔者提出了一种基于拓扑势的用户接入算法，主要工作包括：1)定义用户与基站间的拓扑势，综合考虑用户业务量、用户与基站间信道容量、基站可用能量； 2)将基站所接入用户拓扑势总和定义为基站效用值，并以基站间效用公平为优化目标给出用户接入最优化问题； 3)提出了一种迭代求解方法求解，通过用户与基站间信息交互与迭代更新完成用户接入，实现基站间能量均衡与负载均衡.
1 系统模型以具有K层的异构蜂窝网络为模型，其中一层为宏蜂窝网络，其他K-1层为小型蜂窝(微蜂窝、微微蜂窝、飞蜂窝等)网络，不同层基站密度和发射功率各不相同. 令系统带宽为B，考虑频率复用因子为1的情况，即所有的基站都使用同样的频谱资源. 在可再生能源供电的异构蜂窝网络中，每个基站具有可再生能源收集装置，不同层的基站能量收集速率不同，同层基站由于空间位置差异等原因能量收集速率也不同. 图 1给出了一种可再生能源供电异构蜂窝网络场景.
|
图1 可再生能源供电异构蜂窝网络场景 |
主要研究K=2的情形，其中第1层为宏蜂窝小区(marcocell)，第2层为微微蜂窝小区(picocell). 本文考虑在一个宏蜂窝小区覆盖范围的用户接入问题. 假设宏蜂窝小区有一个宏基站，M个微微基站，基站标号为BSi，i∈{0,…,M}，其中i=0表示为宏基站. 将BSi在一定时间内收集到的可再生能源量表示成Zi. 假设基站功率消耗包括固定功率消耗与射频消耗两部分[5]. BSi的固定功率消耗为pistatic，最大发射功率为pimax，则BSi的功率消耗为pi=pi+pstaticimax. 基站在可再生能源供电情况下，BSi可用可再生能量Zi和功率消耗pi决定了基站可以持续的工作时间：
| ${A_i} = \frac{{{Z_i}}}{{{P_i}}}$ | (1) |
宏蜂窝小区内共有N个用户(表示为UEj，j∈{1,…,N})，UEj待传输数据量表示为λj.
每个发出接入请求的用户选择一个基站为其提供服务，且同一时刻只能接入一个基站. 为了描述用户接入问题，定义用户接入矩阵X={xij}为
| ${x_{ij}} = \left\{ \begin{gathered} 1,U{E_j}接入B{S_i} \hfill \\ 0,U{E_j}不接入B{S_i} \hfill \\ \end{gathered} \right.$ | (2) |
当UEj由BSi服务时，所需要的服务资源(时频二维资源，单位为s·Hz)为
| ${T_{ij}} = \frac{{{\lambda _j}}}{{{c_{ij}}}}$ | (3) |
拓扑势函数是数据场理论中典型势函数，即利用具备良好数学性质的高斯势函数来描述数据场中两点之间的相互作用.
利用拓扑势的概念来表征基站对于用户的吸引程度. 定义BSi与UEj间的拓扑势为
| ${\varphi _{ij}} = \exp \left( { - {{\left( {\frac{{{T_{ij}}}}{{{\delta _i}{A_i}B}}} \right)}^2}} \right)$ | (4) |
定义所有接入BSi的用户拓扑势之和为BSi的效用值，表示为
| ${\rho _i} = \sum\limits_{j = 1}^N {{x_{ij}}{\varphi _{ij}}} $ | (5) |
式(5)给出的基站效用表达式隐含了接入基站的用户所需要的服务资源与基站可以为用户提供的服务资源. 为了实现基站间效用公平，利用对数函数所具有的公平性属性定义最优用户接入问题，实现了负载均衡与能量均衡的折中.
令ρ={ρ0,ρ1,…,ρM}为各基站拓扑势的集合. 在可再生能源供电的异构网络中，实现效用公平的最优用户接入问题定义为
| $\begin{gathered} \rho \max f\left( \rho \right) = \sum\limits_{i = 0}^N {\log \left( {{\rho _i}} \right)} \hfill \\ {\text{s}}{\text{.t}}{\text{.}}\left\{ \begin{gathered} {\rho _i} = \sum\limits_{j = 1}^N {{x_{ij}}{\varphi _{ij}}} \hfill \\ \sum\limits_{i = 0}^M {{x_{ij}} = 1} ,\forall j \in \left\{ {1,2,\cdots ,N} \right\} \hfill \\ {x_{ij}} \in \left\{ {0,1} \right\},\forall i \in \left\{ {0,1,\cdots ,M} \right\},j = \left\{ {1,2,\cdots ,N} \right\} \hfill \\ \end{gathered} \right. \hfill \\ \end{gathered} $ | (6) |
可以看出，优化问题式(6)为非线性整数规划优问题，传统的最优化方法不能直接求解该问题. 笔者提出一种低复杂度的基于拓扑势的用户接入算法(TPU,topology potential based user-association)，并给出最优解.
TPU算法由基站端与用户端分别进行更新迭代，直至收敛到最优解. 为了保证算法收敛，假设用户位置在用户接入过程中不变，即信道衰落情况不变；用户反馈选择基站情况与自身拓扑势；基站根据用户反馈的基站选择，计算并同步地广播当前用户接入的拓扑势变化情况. 下面，将分别从用户端及基站端说明TPU算法步骤.
用户端：在第k次迭代中，UEj根据各基站广播的剩余可用能量及效用值ρ(k)，计算第k次迭代的用户接入因子为
| $\Phi _{ij}^{\left( k \right)} = \frac{{\bar \rho _i^{\left( k \right)}}}{{{\varphi _{ij}}}}$ | (7) |
然后，UEj选择Φ(k)ij最小的BSi为服务基站，并将其对应的接入矩阵中的x(k)ij置为1，UEj向选定的服务基站反馈其与该基站间的拓扑势.
基站端：BSi根据用户的反馈，计算第k次迭代后接入该基站的用户拓扑势总和：
| $\bar \rho _i^{\left( k \right)} = \sum\limits_{j = 1}^N {x_{ij}^{\left( k \right)}\varphi _{ij}^{\left( k \right)}}$ | (8) |
然后，BSi计算并向所有用户广播用于第k+1次迭代的加权拓扑势效用值：
| $\bar \rho _i^{\left( {k + 1} \right)} = \theta \bar \rho _i^{\left( k \right)} + \left( {1 - \theta } \right)\rho _i^{\left( k \right)}$ | (9) |
根据系统设定的收敛常数ε(较小的正数)判断迭代是否收敛：比较ρ(k+1)与ρ(k)，若|ρ(k+1)-ρ(k)|＞ε，则进行下一次迭代；否则，迭代过程结束，用户按照接入矩阵确定其服务基站.
TPU算法迭代过程中，用户与选定的服务基站信息交互以及基站广播加权拓扑势信息可以通过接入信道与广播信道实现. 同时，考虑到实际系统复杂度，可以通过设定收敛常数以减小迭代次数. 理论推导证明，TPU算法能够收敛到最优解[6].
3 仿真结果与分析考虑异构蜂窝网络下行传输系统级仿真，第1层为宏蜂窝网络，第2层为微微蜂窝网络. 19个宏小区采用wrap-around技术分布，每个宏小区内随机分布4个微微基站. 每个宏小区内有随机分布的60个用户. 考虑到宏基站与微微基站功率消耗与能量收集速率不同，不失一般性，假设用户接入阶段宏蜂窝基站可用能量为130千焦，微微基站可用能量分别为700 J、800 J、900 J、1 000 J. 用户接入阶段和用户服务期间收集的可再生能源保留至下一次用户接入阶段. 为了简化分析，每个用户的业务量均为100 Mbit. 仿真参数如表1所示.
 | 表1 仿真参数 |
在仿真中，将所提TPU算法中计算基站加权拓扑势效用值时采用的权重常数θ设置为0.9. 在笔者设定的仿真条件下，TPU算法在30次左右实现迭代收敛.
为评估所提TPU算法性能，与经典的用于异构基站间负载均衡的小区范围扩展(CRE,cell range expansion)算法进行性能比较. 所提TPU算法和对比CRE算法采用的参数设置见表2，其中CRE采用文献[7]中设置的偏置值(bias).
| 表2 算法参数 |
图 2给出了2种算法不同参数设置下用户接入数量对比. 仿真结果表明，在负载均衡方面，通过合理的参数设置，TPU算法与CRE算法性能比较接近. 同时可以看出，在δ0给定的情况下，增加微微基站对应的δi，能够扩大微微基站的影响范围，使用户有更大的可能性接入微微基站，从而减轻宏基站负载，即通过调整δi值能够达到不同的负载均衡效果.
|
图2 异构蜂窝网络用户接入数 |
在用户接入的基础上，图 3给出了不同算法的用户平均传输速率. 可以看出，当TPU与CRE算法用户接入数量相近时，用户平均传输速率也比较接近，如TPU2与CRE2给出的传输速率值.
|
图3 异构蜂窝网络用户平均速率 |
图 4给出了2种算法不同参数设置下，不同基站已消耗可再生能量占可用可再生能量的比值. 仿真结果可以看出，1)TPU算法中各基站的能量消耗比值相对接近，原因是TPU算法使得可用可再生能量较多的基站多接入用户、可用可再生能量较少的基站少接入用户，因此各基站的能量消耗相对均衡；2)CRE算法中各基站的能量消耗比值变化较大，因为CRE算法中各基站消耗能量与基站可用可再生能量无关.
|
图4 异构基站消耗能量比值对比 |
宏基站的能量消耗远远大于微微基站，因此为了能够直观地表现TPU算法的效果，图 5给出了针对微微基站能量消耗与可用可再生能量(Available)对比的仿真结果. 从图 5可以看出，TPU算法能够根据基站可用可再生能量的情况均衡各个基站间的能量消耗. 而CRE算法中用户接入与各基站可用可再生能量情况无关，各个基站的能量消耗接近相同.
|
图5 微微蜂窝基站能量消耗对比 |
在可再生能源供电的异构蜂窝网络中，针对基站间可用可再生能量分布不同的特点，提出了一种基于拓扑势的用户接入算法. 利用拓扑势综合考虑用户业务量、用户与基站间信道容量、基站可用能量，表征基站对用户的吸引度；以效用公平为优化目标构建用户接入最优化问题，提出了一种由用户端与基站端分别迭代完成的低复杂度TPU算法. 仿真结果表明，与传统的CRE算法相比，TPU算法在保证基站间负载均衡的基础上，提高了基站间能量消耗公平性，实现了异构基站间能量与负载均衡的折中.
| [1] | Ghosh A, Mangalvedhe N, Ratasuk R,et al. Heterogeneous cellular networks: from theory to practice [J]. IEEE Communications Magazine, 2012, 50(6): 54-64.[引用本文:1] |
| [2] | Al Haj Hassan H, Nuaymi L, Pelov A. Renewable energy in cellular networks: a survey[C]//IEEE Press. Online Conference on Green Communications (GreenCom). Piscataway: IEEE Press, 2013:1-7.[引用本文:1] |
| [3] | Qiao Kong, Bang Wang. User association for green heterogeneous cellular networks with hybrid energy supplies [C]//Sixth International Conference on Wireless Communications and Signal Processing. Hefei: IEEE Press, 2014: 1-6.[引用本文:1] |
| [4] | Liu Dantong, Chen Yue, Chai K K, et al. Distributed delay-energy aware user association in 3-tier HetNets with hybrid energy sources [C]//Proceeding of Globecom Workshops. Austin: IEEE Press, 2014: 1109-1114.[引用本文:1] |
| [5] | Javier R, Antonio P, Jaume O, et al. User association for load balancing in heterogeneous networks powered with energy harvesting sources [C]//Proceeding of Globecom Workshops. Austin: IEEE Press, 2014: 1248-1253.[引用本文:2] |
| [6] | Kim Hongseok, Veciana Gustavo de, Yang Xiangying, et al. Distributed α-optimal user association and cell load balancing in wireless networks [J]. IEEE/ACM Transactions on Networking, 2012, 20(1): 177-190.[引用本文:1] |
| [7] | Ye Qiaoyang, Rong Beiyu, Chen Yudong, et al. User association for load balancing in heterogeneous cellular networks [J]. IEEE Transactions on Wireless Communications, 2013, 12(6): 2706-2716.[引用本文:1] |