CN100558177C - 无线移动分组通信***的自适应功率节约方法 - Google Patents

Abstract

本发明提出了一种基于无线移动分组通信***的自适应睡眠机制，在选择初始睡眠窗口大小的时候不是取一个固定值，而是根据以前窗口的特征来选择一个合适的值，同时自适应调整睡眠窗口大小，从而可以有效减少移动台从睡眠窗口到侦听窗口的不必要转换，能更有效地提高移动台的功率节约效率，延长移动台电池的使用时间，提高无线资源的利用率。具体方法是当移动台从一次睡眠模式醒来后，经过一定时间的无业务状态准备再进入下一次睡眠模式时，将以前睡眠状态的参数和业务特性参数反馈给基站，基站根据接收的信息计算出下一次睡眠间隔的初始睡眠窗口大小和睡眠窗口调整大小并且通知给移动台。

Description

无线移动分组通信***的自适应功率节约方法

技术领域

该发明属于无线通信领域，不仅适合于IEEE802.16e无线城域网，也适合各种采用睡眠模式作为能量节省机制的下一代无线移动通信***，例如3G长期演进***(3G LTE)，无线局域网等。

背景技术

在未来移动通信***中，随着对终端移动性要求的增强，电池作为移动台设备最主要的能源提供者，其使用寿命已经逐渐成为人们关注的焦点之一。未来移动通信***的主要发展趋势是面向大量非实时性的分组数据业务。与传统的电路域业务不同，分组数据业务最显著的特点是大量高速率数据的突发性传输，因此会导致终端在大部分开机时间内处于没有业务数据需要传输的状态，这样一来，容易造成不必要的能量消耗。针对这一问题，IEEE802.16e和3G LTE中都提到了通过采用睡眠模式来减少无业务数据传输情况下移动台的能量消耗。由于IEEE 802.16e和3G LTE的睡眠机制基本原理相同，主要差别在于具体的协议信令设计上，所以接下来仅针对IEEE 802.16e协议中提出的睡眠模式操作方法进行介绍，本方法的核心创新点对3G LTE同样适用。

睡眠模式是一种移动台通过与服务基站空中接口预先协商的周期性不工作状态。这段时期从服务基站(以下简称基站)观察移动台上行或下行链路处于不工作状态。睡眠模式用于减少移动台的功率消耗并降低服务基站空中接口的资源占用。

在睡眠模式中的移动台有两种状态：睡眠状态和侦听状态。把连续处于睡眠状态的一段连续的时间称为睡眠窗口，相对的，连续处于侦听状态的一段连续时间称为侦听窗口。在睡眠窗口中，移动台关闭其空中接口，既不向基站发送上行数据，也不接收任何基站的下行数据，即对于基站来讲，此时的移动台是不可见的。侦听窗口间插在两个睡眠窗口之间，期间移动台像处在非睡眠模式状态下与基站之间进行数据的发送与接收(主要为管理消息、测距信息等)。一个睡眠窗口和随之而来的侦听窗口合称为一个睡眠周期。无线通信***主要通过不断调整每个睡眠周期中的相关参数，以达到在满足一定时延要求的前提下实现节省能量的目的。

IEEE 802.16e协议中针对不同业务的特性，为业务流规定了4种服务质量(QoS)等级，分别是：UGS，rtPS，nrtPS和BE业务。睡眠模式规定了以下三种功率节约类：

功率节约类1：面向nrtPS和BE业务；

功率节约类2：面向UGS和rtPS业务；

功率节约类3：面向多播连接和管理操作。

由于面向不同种类的数据流，每种功率节约类的睡眠及侦听窗口的参数确定是不同的，其中功率节约类3主要针对管理操作而非主要业务流数据；功率节约类2中每个睡眠周期中的睡眠窗口大小是不变的，且由于其面向周期性业务，其睡眠窗口大小可以根据业务流的具体属性简单的进行设置。

功率节约类1中对相关参数的调整则相对灵活，睡眠窗口的大小以指数的形式增加，即下一睡眠周期中的睡眠状态时间是前一周期中睡眠状态时间的两倍，直到产生业务跳出睡眠状态；而侦听窗口则保持不变，用以接收基本固定长度的信令及其他管理消息。对功率节约类1中睡眠窗口的调整涉及到的主要参数有：初始睡眠窗口，最大睡眠窗口，睡眠窗口增大因子等。但是，这种调整方式也存在着尚未妥善解决的一些问题，下面将对其睡眠窗口的调整方法进行简要分析。

协议中初始窗口的确定方法没有明确，当业务并不繁忙时，若其取值较小，则前几个睡眠周期时间太短，侦听窗口所占的比例相对较大，则必然会造成不必要的能量浪费；当业务相对繁忙时，若其取值较大，则又会造成时延的增加，同时可能会伴随缓存的溢出而造成数据丢失。

协议中规定睡眠窗口增大因子为2，并不能适应不同业务繁忙程度下的需求，当业务较少时，睡眠窗口增长相对较慢，这样的情况类似于初始窗口过小造成能量的浪费；业务较多时，睡眠窗口增长相对过快，类似于初始窗口较大而造成时延。

nrtPS业务对时延有一定的敏感，突发性相对弱一些；而BE业务对时延的敏感性最差，突发性最强，因此对这两种业务不能“一视同仁”，应根据其业务特性在睡眠窗口调整方法上加以区分。

由此可以看出，协议中关于功率节约类1的规定过于简单，而且效率较低，特别是在BE业务的时候，由于其中没有对初始睡眠窗口的取值做出相应规定，所以，当业务较少和初始睡眠窗口较小时，移动台就会频繁地进入侦听窗口，这会造成大量的能量浪费。

以上问题表明，需要一种自适应方法根据不同业务种类及繁忙程度对其应用的睡眠机制进行调整。

发明内容

本发明的目的在于提供一种无线移动分组通信***中适合非实时业务的自适应功率节约方法，通过该方法可以实现初始睡眠窗口和睡眠窗口增大因子的自适应设置，从而提高宽带无线移动台的功率使用效率，延长终端电池使用时间。

本发明的技术方案是对基于非实时业务提出了一种自适应的睡眠模式，具体包括以下步骤：

第一步，判断移动台是否为首次进入睡眠模式；

第二步，当移动台为首次进入睡眠模式时，用预先定义好的初始睡眠窗口大小和睡眠窗口增大因子来初始化睡眠模式并进入睡眠操作间隔；当移动台非首次进入睡眠模式时，当上一次退出睡眠模式时最后睡眠窗口大小大于或等于门限值时，根据前几次初始睡眠窗口的平均值和上一次退出睡眠模式时最后睡眠窗口的大小进行加权处理，联合来确定初始睡眠窗口的大小；当上一次退出睡眠模式时最后睡眠窗口大小小于门限值时，仅根据上一次初始睡眠窗口的大小来确定初始睡眠窗口的大小；

第三步，进入睡眠操作间隔；

第四步，当有业务要进行传输时进入普通模式；

第五步，判断是否持续一段时间没有业务要传输；

第六步，如果是持续一段时间没有业务要传输，则返回到第一步；否则回到第五步，重复上述步骤，循环操作。

也就是说，移动台从一次睡眠模式醒来之后，经过一定时间的无业务传输，准备再进入下一次睡眠模式的时候，需要将以前睡眠模式的一些参数和业务特性参数反馈给基站。基站根据收来的这些睡眠模式参数和业务特性参数就可以根据本方法计算出下一次睡眠操作间隔的初始睡眠窗口大小和睡眠窗口增大因子。在确定初始睡眠窗口大小的时候，考虑稳定性和实时性问题，所以在设置初始睡眠窗口大小的时候，使用三个因子(即α、β、γ)来分别控制前几次睡眠操作间隔的初始睡眠窗口平均值和上一次睡眠操作间隔的最后一个睡眠窗口的大小，从而有效灵活地设置初始睡眠窗口，同时根据业务特性来确定睡眠窗口增大因子，这样就避免了移动台由于业务较少而频繁地在睡眠窗口和侦听窗口转换而浪费大量能量，又避免了为了节约而导致业务质量的下降。

本方法中用来确定初始睡眠窗口大小的参数以及睡眠窗口增大因子是根据业务类型的不同分别来选择的，并且当移动台进入睡眠模式后，方法中的具体计算是加载在基站端的，移动台只是通过信令消息反馈给基站。然后接收基站发来的参数确认消息，以此来和基站进行协商。睡眠窗口增大因子可以通过一个业务因子来决定，对于对时延不敏感的业务，该业务因子的取值得较大；对于对时延敏感的业务，该业务因子的值取得较小。

基于IEEE 802.16e协议，初始睡眠窗口大小和睡眠窗口增大因子可以通过IEEE802.16e中的MOB_SLP-REQ和MOB_SLP-RSP消息来传送，其中睡眠模式的发起由移动台将上次退出睡眠操作间隔时的睡眠窗口发给基站，再由基站确定初始睡眠窗口大小和睡眠窗口增大因子，并通过MOB_SLP-RSP发给移动台来使其进入睡眠模式。

其中，移动台的反馈是通过协议规定的MOB_SLP-REQ消息来传输的，在该消息体中有一个长度为8比特的初始睡眠窗口(initial-sleep window)项和一个长度为3比特的保留(Reserved)项，可以利用初始睡眠窗口来传送上一次睡眠操作间隔的最后一个睡眠窗口大小，用保留项来传送有关业务特性的参数。移动台上次睡眠操作间隔的最后一个睡眠窗口的大小和睡眠窗口增大因子是通过协议中规定的MOB_SLP-REQ消息来进行反馈的，具体地说来就是通过该消息中的初始睡眠窗口来反馈上次睡眠操作间隔的最后一个睡眠窗口大小，用保留项来反馈睡眠窗口增大因子。

同样的，基站在收到反馈之后，通过本方法进行计算得到了下一次睡眠操作间隔的初始睡眠窗口大小和睡眠窗口增大因子，就通过MOB_SLP-RSP消息中的初始睡眠窗口来传送初始睡眠窗口大小，用保留项来传送睡眠窗口增大因子，这样就减少了对协议的修改。

本发明的有益效果主要有：

1.由于自适应功率节约方法减少了睡眠窗口和侦听窗口之间不必要的频繁转换，从而提高了移动台的功率利用效率，延长了移动台的电池使用时间。

2.由于移动台减少了不必要的睡眠窗口和侦听窗口之间的频繁转换，就使得移动台的睡眠时间得到了增加，这就减少了对空中接口资源的不必要的占用，从而提高了对空中接口资源的利用率。

3.由于本自适应方法的前提就是保证业务的质量，对于自适应方法中参数的选取也要由各个业务的特性来决定，这就避免了为了节约能量而过分降低业务质量的情况发生，从而保证了业务的质量。

4.移动台可以高效地利用能量，这就在另一方面减小了对其它移动台的干扰。

5.考虑了业务的特性，通过对业务特性的分析来选择初始睡眠窗口和睡眠窗口增大因子，从而达到提高功率节约效率。

6.在业务较为繁忙时，不会因存在过多的睡眠时间而增加时延。

7.在业务较为清闲时，可以充分快速达到较为合理的睡眠时间。

附图说明

图1：IEEE802.16e协议中睡眠模式与自适应功率节约方法平均侦听次数对比图

图2：IEEE802.16e协议中睡眠模式与自适应功率节约方法在睡眠间隔内消耗的能量对比图

图3：基于IEEE 802.16e的自适应功率节约方法的处理流程图

具体实施方式

图1和图2反映了本发明中的自适应功率节约方法与IEEE802.16e协议中提出的传统方法性能的对比。

从图1中可以看出采用了自适应功率节约方法后使睡眠窗口较快的达到合适的大小，从而减少了睡眠操作周期中进入侦听状态的次数，业务量越小则性能优势越明显。

图2给出了相应的能量消耗对比，由于侦听状态中消耗的能量在总能量消耗重所占的比例很高，因此随着进入侦听状态次数的减少，造成整个睡眠操作周期内总的能量消耗也明显减少。

图3是本发明中基于IEEE 802.16e的自适应功率节约方法的处理流程图。其处理流程如下，移动台开机后，由于没有任何睡眠模式的记录，所以，当移动台在经过一段没有业务的时间后要初次进入睡眠模式时，用预先定义好的初始化睡眠窗口和睡眠窗口增大因子来初始化移动台，使其进入睡眠模式。此后，移动台从睡眠状态苏醒过来，并经过一段时间再次进入睡眠状态时，就采用自适应方法来确定初始窗口大小和睡眠窗口增大因子。

首先定义一个睡眠操作间隔(Sleep Operation Interval，SOI)的概念，所谓睡眠间隔就是指移动台从进入睡眠模式起到下一次由业务激活进入普通状态的时间，具体的说它应该包括初始睡眠窗口和普通状态之前的所有的睡眠窗口再加上侦听窗口。用SW_{init_i}来表示第i个睡眠间隔的初始睡眠窗口大小，用SW_{exit_i}来表示第i个睡眠间隔的最后一个睡眠窗口大小，在该窗口完成之后的侦听窗口中，移动台进入激活状态。

当移动台再次准备进入睡眠模式的时候，它首先通过MOB_SLP-REQ消息将上次睡眠操作间隔的一些参数反馈给基站，这些参数包括上一次睡眠操作间隔的最后一个睡眠窗口的大小和业务特性。基站在接收到这些反馈消息之后，就通过以下的具体方式来确定初始睡眠窗口的大小和睡眠窗口增大因子。

初始睡眠窗口大小的确定

当要确定第i个睡眠操作间隔的初始化睡眠窗口大小，可以对上一次退出时的睡眠窗口大小SW_{exit_i-1}和一个门限值SW_{exit_TH}进行比较，如果SW_exiti-1大于或等于SW_{exit_TH}，则认为业务量较小，可以根据方法A得到第i个睡眠间隔的初始睡眠窗口大小等于

${\mathrm{SW}}_{\mathrm{init}\_i}=\min ({\mathrm{SW}}_{\mathrm{init}\_\mathrm{TH}},\frac{\underset{k=i-N+1}{\overset{i}{\mathrm{\Σ}}}{\mathrm{SW}}_{\mathrm{init}\_k}}{N}\×\mathrm{\α}+(1-\mathrm{\α})\×{\mathrm{SW}}_{\mathrm{exit}\_i-1}\×\mathrm{\β})$

如果SW_{exit_i-1}小于SW_{exit_TH}，则认为业务量较大，可以根据方法B缩减第i个睡眠间隔的初始睡眠窗口大小为

SW_{init_i}＝min(SW_{init_TH}，γ×SW_{init_i-1})

其中，α，β，γ的取值根据业务类型的不同而不同，从而可以灵活地控制初始睡眠窗口大小，提高功率节约效率。

睡眠窗口增大因子的确定

当然，本发明还包括一个方面，那就是在睡眠操作间隔内，睡眠窗口增大因子可以根据业务类型的不同来选择。例如，对于BE业务，由于其对时延要求很低，所以可以让窗口增大的倍数大些，尽量在不影响QoS的前提下增大睡眠窗口的大小；对于nrtPS业务，由于其对时延要求比BE要高些，所以可以在倍数的设置上谨慎些，把增大倍数设小一点。这样，用μ_BE和μ_nrtPS来分别表示对于BE业务，睡眠窗口的增大规则为：在同一个睡眠操作间隔中，下一个睡眠窗口是上一个睡眠窗口的μ_BE倍，对于nrtPS业务，下一个睡眠窗口是上一个睡眠窗口的μ_nrtPS倍。

下面对这种自适应方法进行理论分析。

由于在睡眠模式下，侦听窗口的长度是一定的，所以用LW_BE来表示BE业务下的侦听窗口大小，用LW_nrtPS来表示nrtPS业务下的侦听窗口的大小，同时假设在一个睡眠操作间隔内最大睡眠窗口出现的数目为k+1(k＝0，1，2...)个，那么就可以表示出第i个睡眠操作间隔的长度。在BE业务下，

${\mathrm{SOI}}_i={\mathrm{SW}}_{\mathrm{init}\_i}+{\mathrm{\μ}}_{\mathrm{BE}}\×{\mathrm{SW}}_{\mathrm{init}\_i}+{\mathrm{\μ}}_{\mathrm{BE}}^2\×{\mathrm{SW}}_{\mathrm{init}\_i}+L+{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}}\×{\mathrm{SW}}_{\mathrm{init}\_i}$

$+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1)+k({\mathrm{SW}}_{\max }+{\mathrm{LW}}_{\mathrm{BE}})$

化简可得

${\mathrm{SOI}}_i={\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)+k\×T_{\max }$

说明，当k＜0时，说明还没有到最大睡眠窗口的时候，移动台就退出了睡眠操作间隔，所以此时可令k＝0，使上式表示睡眠操作间隔的大小；当k≥0时，说明移动台至少出现了一个最大睡眠窗口，此时可令SW_{exit_i}＝SW_max，从而使上式可以表示睡眠操作间隔的大小。

同样的，可以得到nrtPS业务下的第i个睡眠操作间隔的长度

${\mathrm{SOI}}_i={\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{nrtPS}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{nrtPS}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{nrtPS}}}+{\mathrm{LW}}_{\mathrm{nrtPS}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{nrtPS}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)+k\×T_{\max }$

假设下行业务数据包的到来是服从参数为λ的泊松分布，现对BE业务进行分析。

对于第i个睡眠操作间隔，其出现的前提是在该睡眠操作间隔中，除了最后一个睡眠窗口，其它的所有睡眠窗口时间内都没有下行数据的到来，只有在最后一个睡眠窗口才有可能有数据到达，至于数据具体于何时到达，都是不能预测或控制的，这也不是本方法关心的问题。这样，一共考虑N个睡眠操作间隔，那么第i个睡眠操作间隔出现的概率就是

$p_i=(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}$

设移动台在睡眠窗口内的功率为P_S，在侦听窗口内的功率为P_L，移动台在激活状态下的功率为P_W，移动台在整个睡眠操作间隔内消耗的能量为E_SOI，在睡眠操作间隔中的睡眠窗口消耗的能量为E_S，在侦听窗口消耗的能量为E_L，在睡眠操作间隔时间长度上如果处于激活状态消耗的能量为E_W。那么，显然

E_TOTAL＝E_S+E_L

这样就可以得到第i个睡眠操作间隔里移动台在睡眠窗口消耗的能量为

$E_{\mathrm{SOI}\_i}=({\mathrm{SW}}_{\mathrm{init}\_i}+{\mathrm{\μ}}_{\mathrm{BE}}\×{\mathrm{SW}}_{\mathrm{init}\_i}+{\mathrm{\μ}}_{\mathrm{BE}}^2\×{\mathrm{SW}}_{\mathrm{init}\_i}+L+{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}}\×{\mathrm{SW}}_{\mathrm{init}\_i})\×P_{S\_i}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1)\×P_{L\_i}$

$+k({\mathrm{SW}}_{\max }\×P_{S\_i}+{\mathrm{LW}}_{\mathrm{BE}}\×P_{L\_i})$

化简上式，可以得到

$E_{\mathrm{SOI}\_i}=({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+k\×T_{\max })\×P_{S\_i}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)\×P_{L\_i}$

其中

$E_{S\_i}=({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+k\×T_{\max })\×P_{S\_i}$

$E_{L\_i}={\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)\×P_{L\_i}$

同时可得

$E_{W\_i}={\mathrm{SOI}}_i\×P_{W\_i}={\mathrm{SOI}}_i\×P_{W\_i}=({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}{+\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)+k\×T_{\max })\×P_{W\_i}$

这样就可以得到在N个睡眠操作间隔内消耗的总能量E_TOTAL为

$E_{\mathrm{TOTAL}}=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{p}_i\×E_{\mathrm{SOI}\_i}=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×[({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}})\×P_{S\_i}+{\mathrm{LW}}_{\mathrm{BE}}\×{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}\×P_{L\_i}]$

在N个睡眠操作间隔内的睡眠窗口消耗的能量E_S为

$E_S=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{p}_i\×E_{S\_i}=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}[(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+k\×T_{\max })\×P_{S\_i}]$

在N个睡眠操作间隔内的侦听窗口消耗的能量E_L为

$E_L=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{p}_i\×E_{L\_i}=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}[(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×{\mathrm{LW}}_{\mathrm{BE}}\×({l\mathrm{og}}_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1){\×P}_{L\_i}]$

在N个睡眠操作间隔的时间长度上如果移动台处于激活状态消耗的能量E_W为

$E_W=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{p}_i\×E_{W\_i}=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}[(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×[({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)+k\×T_{\max })\×P_{W\_i}]$

定义在第i个睡眠操作间隔消耗的能量与第i个睡眠操作间隔时间长度上移动台处于激活状态时消耗的能量的比值为ζ_i，则

${\mathrm{\ζ}}_i=\frac{E_{\mathrm{SOI}\_i}}{E_{W\_i}}=\frac{({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+k\×T_{\max }){\×P}_{S\_i}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)\×P_{L\_i}}{({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)+k\×T_{\max })\×P_{W\_i}}$

那么，可以得到本方法的功率节约效率η如下：

$\mathrm{\η}=1-\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{p}_i\×{\mathrm{\ζ}}_i$

代入可得

$\mathrm{\η}=1-\frac{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×[({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+k\×T_{\max }){\×P}_{S\_i}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)\×P_{L\_i}]}{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×[({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)+k\×T_{\max })\×P_{W\_i}]}$

下面对η进行简要分析，假设P_{W_i}＝P_{L_i}＝10P_{S_i}，则上式可以简化为

$\mathrm{\η}=1-\frac{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×[({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+k\×T_{\max })+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)\×10]}{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×[({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)+k\×T_{\max })\×10]}$

$=\frac{9}{10}\frac{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×\left[({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+k\×T_{\max })\right]}{\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}(1-e^{-\mathrm{\λ}\×{\mathrm{SW}}_{\mathrm{exit}\_i}})\×e^{-\mathrm{\λ}({\mathrm{SOI}}_i-{\mathrm{SW}}_{\mathrm{exit}\_i})}\×\left[({\mathrm{SW}}_{\mathrm{init}\_i}\×\frac{1-{\mathrm{\μ}}_{\mathrm{BE}}^{{\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+1}}{1-{\mathrm{\μ}}_{\mathrm{BE}}}+{\mathrm{LW}}_{\mathrm{BE}}\×({\log }_{{\mathrm{\μ}}_{\mathrm{BE}}}{\mathrm{SW}}_{\mathrm{exit}\_i}/{\mathrm{SW}}_{\mathrm{init}\_i}+k+1)+k\×T_{\max })\right]}$

上式中可以看出，多项式中分子与分母的第一项是相同的，在不考虑时延的情况下，SW_{init_i}和μ_BE越大，则会使分母中的第二项越小，最终得到的η值也就越大，这与本文中我们提出的自适应功率节约方法的基本思想是一致的。

Claims (7)

1.一种无线移动分组通信***的自适应功率节约方法，适用于IEEE802.16e和3G长期演进***的睡眠机制，通过不断调整每个睡眠周期中的相关参数，来满足一定时延要求下能量的节省，其特征在于，该方法包括以下步骤：

第一步，判断移动台是否为首次进入睡眠模式；

第二步，当移动台为首次进入睡眠模式时，用预先定义好的初始睡眠窗口大小和睡眠窗口增大因子来初始化睡眠模式并进入睡眠操作间隔；当移动台非首次进入睡眠模式时，当上一次退出睡眠模式时最后睡眠窗口大小大于或等于门限值时，根据前几次初始睡眠窗口的平均值和上一次退出睡眠模式时最后睡眠窗口的大小进行加权处理，联合来确定初始睡眠窗口的大小；当上一次退出睡眠模式时最后睡眠窗口大小小于门限值时，仅根据上一次初始睡眠窗口的大小来确定初始睡眠窗口的大小；

第三步，进入睡眠操作间隔；

第四步，当有业务要进行传输时进入普通模式；

第五步，判断是否持续一段时间没有业务要传输；

第六步，如果是持续一段时间没有业务要传输，则返回到第一步；否则回到第五步，重复上述步骤，循环操作。

2.根据权利要求1所述的自适应功率节约方法，其特征在于，

第二步中用来确定初始睡眠窗口大小的参数以及睡眠窗口增大因子是根据业务类型的不同分别进行配置的。

3.根据权利要求1所述的自适应功率节约方法，其特征在于，

当移动台进入睡眠模式后，与睡眠模式调整有关的参数计算是在基站端执行的，移动台只是通过MOB_SLP-REQ消息将上一次睡眠操作间隔的参数反馈给基站，然后接收基站反馈的下一次睡眠操作间隔的初始睡眠窗口大小和睡眠窗口增大因子，以此完成和基站关于睡眠操作的协商。

4.根据权利要求1所述的自适应功率节约方法，其特征在于，

睡眠窗口增大因子通过一个业务因子来决定，对时延不敏感的业务的业务因子的取值大于对时延敏感的业务的业务因子的取值。

5.根据权利要求1至4中任一权利要求所述的自适应功率节约方法，其特征在于，由两个权重因子来确定初始睡眠窗口的大小，包括一个负责控制初始睡眠窗口平均值的因子，以保证其稳定性，以及一个负责控制上一次退出睡眠窗口大小的因子，以体现实时性。

6.根据权利要求5所述的自适应功率节约方法，其特征在于，

在基于IEEE 802.16e协议的情况下，初始睡眠窗口大小和睡眠窗口增大因子通过IEEE 802.16e中的MOB_SLP-REQ和MOB_SLP-RSP消息来传送，其中睡眠模式的发起由移动台将上次退出睡眠操作间隔时的睡眠窗口发给基站，再由基站确定初始睡眠窗口大小和睡眠窗口增大因子，并通过MOB_SLP-RSP发给移动台来使其进入睡眠模式。

7.根据权利要求5所述的自适应功率节约方法，其特征在于，

在基于IEEE 802.16e协议的情况下，移动台上次睡眠操作间隔的最后一个睡眠窗口的大小和睡眠窗口增大因子是通过协议中规定的MOB_SLP-REQ消息来进行反馈的，具体地来说就是通过该消息中的初始睡眠窗口来反馈上次睡眠操作间隔的最后一个睡眠窗口大小，用保留项来反馈睡眠窗口增大因子。

Images