CN102892125A - 异构网络节能通信的干扰协调方法 - Google Patents

Abstract

一种异构网络节能通信的干扰协调方法，其操作步骤为：（1）异构同频组网时，预先设置保护区域和干扰区域，并将引起能量损耗的同频干扰集中于干扰区域内；（2）确定小基站能耗模型；（3）确定宏基站和小基站各自的节能方程；（4）确定设置的小基站总个数及其覆盖范围；（5）根据上述步骤得到的设置的小基站总个数及其覆盖范围的最优参数值，对现有异构网络进行合理配置。本发明方法创新特点是：将感知技术、基站功率控制技术和分布式优化技术相互结合，在保证边缘用户服务质量和小区边缘用户吞吐量这两个主要通信指标的前提下，有效减少了在异构网络模式下的干扰冲突，实现***的能效最大、能耗最少的最优化目标。

Description

异构网络节能通信的干扰协调方法

技术领域

本发明涉及一种异构同频分层组网时节能通信的干扰协调方法，属于无线通信的技术领域。

背景技术

进入21世纪以来，世界各国普遍认识到全球范围内日益增长的能源消耗已经严重影响到人类的生存环境，因此，减少温室效应、保护生态环境的迫切需求，已经将能源问题转变为全人类面临的不可回避的重大挑战和共同使命。

目前，信息产业消耗的全球电能比例已经达到3~4%，而且，在现有能源的使用模式下，这个比例数值还在以每十年翻一番的速度迅速增长。随着蜂窝网络的快速发展和广泛应用，它的能耗问题的研究也成为当前绿色通信工作的重点。何况，传统的蜂窝网络规划是将其焦点集中在性能（例如：边缘用户的传输服务质量、小区总吞吐量等等）的提升上，并没有过多地考虑能量消耗。因此，如何减少蜂窝网络的能量消耗，提升整个小区的能量使用效率，已经成为下一代移动通信***需要优先考虑的主要问题之一。

异构分层网络是LTE-A网络部署的典型方式。基于现有频谱并引入小基站（Picocell、Femtocell或Relay）来实现多层异构网络的同频组网是最佳的解决之道。另外，快速发展的业务需求，也使得分层网络之间的同频复用越来越成为一种趋势，同时，它也导致各个小基站或小区之间的干扰更为复杂和严重。

异构同频网络中的干扰主要是同频干扰。所谓同频干扰是指无用信号的载频与有用信号的载频相同，并对接收同频有用信号的接收机造成的干扰。常见的同频干扰主要集中在小区的边缘，在下行传输通道主要有两种：宏蜂窝和微蜂窝之间的干扰，以及微蜂窝之间的干扰。

小区间干扰的协调技术是一种通过减少小区间的干扰提高小区边缘用户数据传输速率的调度策略，即通过小区内的调度器对上行链路和下行链路的资源进行合理规划和限制使用，以此控制小区间的干扰和提升边缘用户的体验质量。

然而，LTE的Release-8/9中采用的传统小区间干扰协调技术已经不再完全有效。因为在异构网络中，小基站的部署不仅可以提高***的吞吐量以及边缘用户的服务质量，同时其运行也需要一定程度的能耗开销。而且，小基站部署的同时，还会带来子载波资源之间调用的冲突，从而造成能量的浪费。这些都是在考虑节能通信的时候必须要解决的问题。所以，迄今为此，目前国内外都尚未提出一种针对异构同频组网下考虑节能通信的干扰协调的技术方案。

发明内容

有鉴于此，本发明的目的是提供一种用于异构网络节能通信的干扰协调方法，该方法能够针对异构同频组网模式给出节约能量消耗的干扰协调管理策略。

为了达到上述目的，本发明提供了一种用于异构网络节能通信的干扰协调方法，其特征在于：所述方法包括下列操作步骤：

（1）异构同频组网时，预先设置保护区域和干扰区域，并将引起能量损耗的同频干扰集中于干扰区域内：在一个宏基站覆盖区域部署小基站时，先以该宏基站站点为圆心确定一个小圆的圆形区域，作为不部署小基站的保护区域，而将所有的小基站都设置在该保护区域外侧与该宏基站最大覆盖范围之间所形成的圆环形干扰区域内；接着，分别确定该小圆和宏基站最大覆盖范围的半径值，以及初始的所有小基站总个数；

（2）确定小基站能耗模型：因只有一个宏基站，考虑小基站会带来能量开销，且小基站数量及其覆盖半径可变，故建立包括动态和静态两部分的小基站的线性能耗模型，其中，动态部分取决于用户数量和业务需求；静态部分是小基站包括功率放大电路和电池储备的实际能耗，即小基站所需消耗的基础能量；

（3）确定宏基站和小基站各自的节能方程：根据小基站检测到的宏基站当前载波使用情况，以及宏基站与小基站的子载波冲突状况，分别计算宏基站和小基站包括因载波冲突导致的各种能量损耗；然后，对采用小基站感知、检测的载波信息与不采用上述技术的能量损耗进行对比，得到采用感知技术的宏基站和小基站各自的能耗节省计算公式，即节能方程；

（4）确定设置的小基站总个数及其覆盖范围：采用多目标非线性优化方法中的基于并行向量求值的粒子群优化算法，对小基站和宏基站各自的节能方程进行优化，得到该网络***中应该设置的小基站总个数及其覆盖范围；

（5）根据上述步骤得到的设置的小基站总个数及其覆盖范围的最优参数值，对现有异构网络进行合理配置。

本发明异构网络节能通信的干扰协调方法的创新特点是：将感知技术、基站功率控制技术和分布式优化技术相互结合，在保证边缘用户服务质量的前提下，有效减少了在异构网络模式下的干扰冲突，提高了***的能量效率。简言之，本发明的基于感知技术的异构分层网络节能通信干扰协调方法能够在尽量满足用户服务质量和小区边缘用户吞吐量这两个主要通信指标的基础上，实现***的能效最大、能耗最少的最优化目标。

此外，本发明方法以***为整体，在增强边缘用户的吞吐量与用户服务质量和***能量消耗上做一个取舍和平衡，提出了最优的干扰协调方案，实现了***整体能耗最优化。因此，本发明具有很好的推广应用前景。

附图说明

图1是本发明方法的应用场景：异构同频组网的网络***结构组成示意图。

图2是本发明异构网络节能通信的干扰协调方法操作步骤流程图。

图3是本发明异构网络节能通信的干扰协调方法中，小基站总个数N和感知因子ε的确定部署流程图。

图4是异构分层网络***采用本发明的具体实施过程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图和实施例对本发明作进一步的详细描述。

本发明方法的思路是：在异构同频组网的通信***中，小基站的引入可以确保小区边缘用户的服务质量，增加小区吞吐量；但是，小基站引入的同时，会增加小区内部的传输干扰；另外，小基站的建立自身也有能耗。因此，本发明采用由小基站感知子载波的使用信息，采用分布式优化算法对***能耗方程进行优化，得出最优的小基站部署数目及其覆盖半径，进而实现能效优先的小区间干扰协调管理。

参见图1和图2，介绍本发明异构网络节能通信的干扰协调方法的操作步骤：

步骤1，异构同频组网时，预先设置保护区域和干扰区域（参见图1），并将引起能量损耗的同频干扰集中于干扰区域内：在一个宏基站覆盖区域部署小基站时，先以该宏基站站点为圆心确定一个小圆的圆形区域，作为不部署小基站的保护区域，而将所有的小基站都设置在该保护区域外侧与该宏基站最大覆盖范围之间所形成的圆环形干扰区域内；接着，分别确定该小圆和宏基站最大覆盖范围的半径值，以及初始的所有小基站总个数。该步骤包括下列操作内容：

（11）确定圆环形的干扰区域的内圆半径αR和外圆半径R，其中，α为内圆半径与外圆半径之比；所述内圆是以宏基站站点为圆心、αR为半径所确定一个圆形区域，作为不存在外部小基站对其内部用户产生下行干扰的保护区域；为简化模型，得出具体的节能表达式，本发明认为同频干扰仅存在于圆环形的干扰区域，且只考虑宏基站和小基站对下行用户的干扰，而不考虑各个小基站之间及其邻区宏基站的干扰。这种假设不影响本发明的适用性，在实际***中可以将模型进一步拓展。

（12）在圆环形的干扰区域内，采用二维泊松方法确定小基站的分布密度，即单位面积的小基站个数λ。虽然实际***中的小基站服从用户的空时分布，且通常是服从幂律分布的特征，但是泊松分布也是常见的拥有闭式解的随机分布，对实际***不会产生过多影响，依然具有普适性。

步骤2，确定小基站能耗模型：因只有一个宏基站，考虑小基站会带来能量开销，且小基站数量及其覆盖半径可变，故建立包括动态和静态两部分的小基站的线性能耗模型，其中，动态部分取决于用户数量和业务需求；静态部分是小基站包括功率放大电路和电池储备的实际能耗，即小基站所需消耗的基础能量。

该步骤包括下列操作内容：先确定小基站的线性能耗模型，即每个小基站平均消耗的能量P_sub为：P_sub=L×(a_sub×P_tx+b_sub)，式中，L是基于用户和业务的当前动态变化的能耗系数，表示动态能耗；P_tx、a_sub和b_sub分别为每个小基站的辐射功率、随放大器和馈线损耗变化的辐射功率损耗因子，以及其取决于电池储备和信号处理的能耗补偿参数，a_sub和b_sub两者都随天线数和扇区变化，（a_sub×P_tx+b_sub）表示静态能耗，即小基站的基础能耗。

步骤3，确定宏基站和小基站各自的节能方程：根据小基站检测到的宏基站当前载波使用情况，以及宏基站与小基站的子载波冲突状况，分别计算宏基站和小基站包括因载波冲突导致的各种能量损耗；然后，对采用小基站感知、检测的载波信息与不采用上述技术的能量损耗进行对比，得到采用感知技术的宏基站和小基站各自的能耗节省计算公式，即节能方程。该步骤包括下列操作内容：

（31）因小基站服从密度为λ的二维泊松分布，故在干扰区域内的用户及其使用的子载波信息未被小基站群覆盖范围检测到的概率，也就是会存在宏基站和小基站子载波冲突的概率P_UC为：

式中，

为所有小基站的覆盖总面积，分布密度

N为设置的小基站总个数，R为宏基站的覆盖半径，r为小基站的覆盖半径，f(α)=1-α²，α为内外圆半径比（参见图1），αR为宏基站保护区域半径。

（32）因小基站改变覆盖半径，就能感知、检测到更多的用户子载波使用信息，故先优化小基站的覆盖半径：首先确定每个小基站临界覆盖半径、即所有小基站之间不存在覆盖重叠时，刚好以面积覆盖比例μ覆盖干扰区域总面积时的半径值r₀，即由公式：μ×f(α)πR²=N×πr₀ ²得到的

式中，μ为所有小基站覆盖面积之和，即在宏基站覆盖范围下、部署小基站后存在的实际干扰区域占全部圆环形干扰区域总面积的比例；

（33）设置每个小基站的覆盖半径r=ε×r₀，其中，感知因子变量ε为不小于1的正实数，用于表明小基站愿意采用增加其在干扰区域中的感知范围来检测更多的用户子载波使用信息；这样，得到用户子载波使用未被小基站群覆盖范围检测到的概率P_UC： $P_{\mathrm{UC}}=\exp \{-\frac{N}{f\left(\mathrm{\α}\right)\mathrm{\π}{R}^2}\×\mathrm{\π}\×{[\mathrm{\ϵR}\×\sqrt{\frac{\mathrm{\μ}\·f\left(\mathrm{\α}\right)}{N}}]}^2\}=e^{{-\mathrm{\ϵ}}^2\mathrm{\μ}};$

（34）根据前述步骤的冲突概率和能耗模型，分别建立小基站和宏基站

的各自的节能方程分别为：

所有小基站的节能总量：

公式（1）；

宏基站的节能总量：

公式（2）：

其中，β为干扰区域内的当前用户数，P₁为小基站的下行传输功率，P₀为宏基站的下行传输功率；能耗回馈因子σ为单个宏基站时，所设的小基站分担宏基站的用户和业务；即建立小基站所产生的能耗，相当于替代部分宏基站及其业务的动态能耗；

是宏基站采用感知检测时的节能总量，其中预期损失能耗与冲突损失能耗之差是采用感知检测技术节约的能量，再减去感知技术自身能耗和所有小基站的运行能耗；宏基站的节能方程与所有小基站的节能方程基本相同，其区别只是根据回馈能耗，建立的小基站减少了宏基站部分动态能耗。

步骤4，确定设置的小基站总个数及其覆盖范围：采用多目标非线性优化方法中的基于并行向量求值的粒子群优化算法，对小基站和宏基站各自的节能方程进行优化，得到该网络***中应该设置的小基站总个数及其覆盖范围。

该步骤中的粒子群优化算法是一种分布式计算方法，其运算复杂度相对较低，便于实际操作。该粒子群优化算法是将所有小基站和宏基站的两个节能方程分别作为两个粒子群，每个粒子群的最优粒子都用于更新另一粒子群的速度和位置方程所进行的优化迭代运算；该步骤包括下列操作内容：

（41）设置下述各参数初始化值：初始时间t＝0，粒子群中的粒子数为M，初始化位置

和速度

局部最优位置初始值

和全局最优位置初始值 $P_{\mathrm{gb}}^{\left[1\right]}=\mathrm{globalbestof}{P}_i^{\left[2\right]}$ 和 $P_{\mathrm{gb}}^{\left[2\right]}=\mathrm{globalbestlof}{P}_i^{\left[1\right]};$ 以及认知速率和社会学习速率

式中，序号j为1和2，分别表示所有小基站和宏基站；

（42）更新时间：将时间参数更新为t=t+1，并设置在[0,1]上均匀分布的两个随机数r₁,r₂的初始值；

（43）迭代更新速度：将所有小基站和宏基站在t时刻的全局最优位置和每个粒子的最优位置分别代入下述两个计算公式进行更替，得到两者在（t+1）时刻的速度

和

$V_i^{\left[1\right]}(t+1)=k^{\left[1\right]}\×[w_i^{\left[1\right]}\·V_i^{\left[1\right]}\left(t\right)+c_1^{\left[1\right]}\×r_1\×\{P_i^{\left[1\right]}-S_i^{\left[1\right]}\left(t\right)\}+c_2^{\left[1\right]}\×r_2\×\{P_{\mathrm{gb}}^{\left[2\right]}-S_i^{\left[1\right]}\left(t\right)\left\}\right],$ 公式（3）；

$V_i^{\left[2\right]}(t+1)=k^{\left[2\right]}\×[w_i^{\left[2\right]}\·V_i^{\left[2\right]}\left(t\right)+c_1^{\left[2\right]}\×r_1\×\{P_i^{\left[2\right]}-S_i^{\left[2\right]}\left(t\right)\}+c_2^{\left[2\right]}\×r_2\×\{P_{\mathrm{gb}}^{\left[1\right]}-S_i^{\left[2\right]}\left(t\right)\left\}\right],$ 公式（5）；

式中，k为收敛因子，w是惯性权重，c₁和c₂分别是均取决于经验值的认知学习速率和社会学习速率因子；

上述两个速度更新公式分别由下述三部分组成：具有平衡整体和寻找局部最优能力的粒子群的先前速度，使粒子群能够寻找到全局最优、避免受局部最优值限制的认知学习更新速度，反映粒子群之间的信息交互能力的社会学习更新速度；

（44）迭代更新局部位置：依据步骤（43）中得到的新速度值，分别代入下述两个计算公式进行更新，得到所有小基站和宏基站各自在（t+1）时刻的新位置 $S_i^{\left[1\right]}(t+1)$ 和 $S_i^{\left[2\right]}(t+1):$

$S_i^{\left[1\right]}(t+1)=S_i^{\left[1\right]}\left(t\right)+V_i^{\left[1\right]}(t+1),$ 公式（4）；

$S_i^{\left[2\right]}(t+1)=S_i^{\left[2\right]}\left(t\right)+V_i^{\left[2\right]}(t+1),$ 公式（6）；

（45）更新所有小基站和宏基站各自的粒子局部最优位置值：依据新位置对应的参数N和ε，分别代入下述两个计算公式进行更新，得到两者更新的局部最优位置值

和

小基站：

宏基站：

（46）更新所有小基站和宏基站各自的粒子全局最优位置值：由本时刻t+1的局部最优和上一时刻t的全局最优进行比较，再依据公式

和

得出每次迭代后的两者最新全局最优位置值；

（47）判断终止迭代操作：判断迭代操作次数是否达到设定次数，若否，则继续执行迭代，即返回执行步骤（42）；否则，停止迭代操作；或者当所有粒子最优结果在连续数十次迭代后，始终未发生变化时，也视为完成迭代。

步骤5，根据上述步骤得到的应该设置的小基站总个数及其覆盖范围的最优参数值，对现有异构网络进行合理配置。

本发明已经进行了多次实施试验，下面简要说明实施试验的情况：

参见图3，介绍本发明第一个实施例的无线广播组播分层调制功率分配方法中确定的λ值的操作流程的各个步骤内容：

步骤210，确定初始化参数值：设置初始时间t＝0，确定粒子群中所包含的粒子数M，两个粒子群的初始化位置值

和速度值(j=1,2)。初始局部最优位置设置为

两个粒子群的初始全局最优位置分别设置为 $P_{\mathrm{gb}}^{\left[1\right]}=\mathrm{globalbestof}{P}_i^{\left[2\right]}$ 和 $P_{\mathrm{gb}}^{\left[2\right]}=\mathrm{globalbestof}{P}_i^{\left[1\right]}.$ 再设置认知和社会的两个学习速率为

(j=1,2)。

步骤220，时间更新：修改时间参数为t=t+1，并初始设置在[0，1]上均匀分布的随机参数。

步骤230，速度值更新：利用t时刻的全局最优位置和每个粒子的最优位置代入公式（3）和公式（5）进行更替，得到t+1时刻的速度

步骤240，位置更新：依据步骤230得到的新的速度值，利用表达式4和6更新t+1时刻的位置

所有粒子移动到新的位置。

步骤250，粒子局部最优位置值更新：依据新位置对应的参数N和ε，代入公式（1）和公式（2），得到更新的局部最优位置值。

步骤260，全局最优位置值更新：依据公式

和

更新每次迭代后的最新全局最优位置值。

步骤270，判断终止条件：具体实施时，设置一个程序迭代次数，当迭代次数达到该设定数时，程序终止。另外，当所有粒子最优结果在连续数十次（例如20次）迭代中始终没有发生变化时，也视为程序终止。

参见图3，介绍本发明实施例应用于执行干扰协调方法的操作流程：

步骤S310，确定异构网络***的配置参数，其中包括宏基站和小基站的下行传输功率P₀,P₁及其覆盖半径R,r，还有小基站的初始分布密度λ。

步骤S320，确定信道路损因子，本发明的实施例确定为n＝2，以便简化***的两个节能方程，得到下述两个双目标简化后的优化方程：

$U_{\mathrm{BS}}(\mathrm{\ϵ},N)=\mathrm{\β}\×\mathrm{\μf}\left(\mathrm{\α}\right)\×P_0\×(1-e^{-{\mathrm{\ϵ}}^2\mathrm{\μ}})+\mathrm{\σ}\×N\×P_{\mathrm{sub}},$ 公式（7）；

$U_{\mathrm{SN}}(\mathrm{\ϵ},N)=\mathrm{\β}\×\mathrm{\μf}\left(\mathrm{\α}\right)\×P_1\×(1-e^{{-\mathrm{\ϵ}}^2\mathrm{\μ}})-N\×p_{\mathrm{cs}}\×{\left(\mathrm{\ϵ}{r}_0\right)}^2-N\×P_{\mathrm{sub}},$ 公式（8）；

步骤S330，按照图2的分布式粒子群优化算法执行网络参数的优化运算，并根据优化结果，得到最优的节能配置参数N和ε，该步骤由宏基站运算。

步骤S340，将步骤330中得到的一组最优的配置信息通过宏基站传递给小基站，并控制小基站下一时刻的部署数量和感知覆盖半径值。

步骤S350，由小基站感知到的载波冲突信息报告给宏基站，然后宏基站针对相应干扰区域内的用户分配独立的载波。

本发明的实施例中，将感知技术融入到异构网络的小基站部署中，可以保证用户服务质量，并极大限度地降低载波冲突带来的能量损耗。本发明实施例提供的技术方案可以直接用于新一代无线移动通信***IMT-A中，也可以应用于异构分层网络干扰管理中，在未来的无线异构网络的架构上具有广泛应用。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (5)

1.一种异构网络节能通信的干扰协调方法，其特征在于：所述方法包括下列操作步骤：

（1）异构同频组网时，预先设置保护区域和干扰区域，并将引起能量损耗的同频干扰集中于干扰区域内：在一个宏基站覆盖区域部署小基站时，先以该宏基站站点为圆心确定一个小圆的圆形区域，作为不部署小基站的保护区域，而将所有的小基站都设置在该保护区域外侧与该宏基站最大覆盖范围之间所形成的圆环形干扰区域内；接着，分别确定该小圆和宏基站最大覆盖范围的半径值，以及初始的所有小基站总个数；

（2）确定小基站能耗模型：因只有一个宏基站，考虑小基站会带来能量开销，且小基站数量及其覆盖半径可变，故建立包括动态和静态两部分的小基站的线性能耗模型，其中，动态部分取决于用户数量和业务需求；静态部分是小基站包括功率放大电路和电池储备的实际能耗，即小基站所需消耗的基础能量；

（3）确定宏基站和小基站各自的节能方程：根据小基站检测到的宏基站当前载波使用情况，以及宏基站与小基站的子载波冲突状况，分别计算宏基站和小基站包括因载波冲突导致的各种能量损耗；然后，对采用小基站感知、检测的载波信息与不采用上述技术的能量损耗进行对比，得到采用感知技术的宏基站和小基站各自的能耗节省计算公式，即节能方程；

（4）确定设置的小基站总个数及其覆盖范围：采用多目标非线性优化方法中的基于并行向量求值的粒子群优化算法，对小基站和宏基站各自的节能方程进行优化，得到该网络***中应该设置的小基站总个数及其覆盖范围；

（5）根据上述步骤得到的设置的小基站总个数及其覆盖范围的最优参数值，对现有异构网络进行合理配置。

2.根据权利要求1所述的方法，其特征在于：所述步骤（1）包括下列操作内容：

（11）确定圆环形的干扰区域的内圆半径αR和外圆半径R，其中，α为内圆半径与外圆半径之比；所述内圆是以宏基站站点为圆心、αR为半径所确定一个圆形区域，作为不存在外部小基站对其内部用户产生下行干扰的保护区域；为简化模型，认为同频干扰仅存在于圆环形的干扰区域，且只考虑宏基站和小基站对下行用户的干扰，而不考虑各个小基站之间及其邻区宏基站的干扰；

（12）在圆环形的干扰区域内，采用二维泊松方法确定小基站的分布密度，即单位面积的小基站个数λ。

3.根据权利要求2所述的方法，其特征在于：所述步骤（2）包括下列操作内容：先确定小基站的线性能耗模型，即每个小基站平均消耗的能量P_sub为：P_sub=L×(a_sub×P_tx+b_sub)，式中，L是基于用户和业务的当前动态变化的能耗系数，表示动态能耗；P_tx、a_sub和b_sub分别为每个小基站的辐射功率、随放大器和馈线损耗变化的辐射功率损耗因子，以及其取决于电池储备和信号处理的能耗补偿参数，a_sub和b_sub两者都随天线数和扇区变化，（a_sub×P_tx+b_sub）表示静态能耗，即小基站的基础能耗。

4.根据权利要求1所述的方法，其特征在于：所述步骤（3）包括下列操作内容：

（31）因小基站服从密度为λ的二维泊松分布，故在干扰区域内的用户及其使用的子载波信息未被小基站群覆盖范围检测到的概率，即宏基站和小基站子载波冲突的概率P_UC为：

式中，

为所有小基站的覆盖总面积，分布密度

N为设置的小基站总个数，R为宏基站的覆盖半径，r为小基站的覆盖半径，f(α)=1-α²，α为内外圆半径比，αR为宏基站保护区域半径；

（32）因小基站改变覆盖半径就能感知、检测到更多的用户子载波使用信息，故先优化其覆盖半径：首先确定每个小基站临界覆盖半径、即所有小基站之间不存在覆盖重叠时，刚好以面积覆盖比例μ覆盖干扰区域总面积时的半径值r₀，即由公式：μ×f(α)πR²=N×πr₀ ²得到的

式中，μ为所有小基站覆盖面积之和，即在宏基站覆盖范围下、部署小基站后存在的实际干扰区域占全部圆环形干扰区域总面积的比例；

（33）设置每个小基站的覆盖半径r=ε×r₀，其中，感知因子变量ε为不小于1的正实数，用于表明小基站愿意采用增加其在干扰区域中的感知范围来检测更多的用户子载波使用信息；这样，得到用户子载波使用未被小基站群覆盖范围检测到的概率P_UC： $P_{\mathrm{UC}}=\exp \{-\frac{N}{f\left(\mathrm{\α}\right)\mathrm{\π}{R}^2}\×\mathrm{\π}\×{[\mathrm{\ϵR}\×\sqrt{\frac{\mathrm{\μ}\·f\left(\mathrm{\α}\right)}{N}}]}^2\}=e^{{-\mathrm{\ϵ}}^2\mathrm{\μ}};$

（34）根据冲突概率和能耗模型，分别建立小基站

和宏基站

的各自的节能方程分别为：

所有小基站的节能总量：

公式（1）公式（2）

宏基站的节能总量：

其中，β为干扰区域内的当前用户数，P₁为小基站的下行传输功率，P₀为宏基站的下行传输功率；能耗回馈因子σ为单个宏基站时，所设的小基站分担宏基站的用户和业务；即建立小基站所产生的能耗，相当于替代部分宏基站及其业务的动态能耗；

是宏基站采用感知检测时的节能总量，其中预期损失能耗与冲突损失能耗之差是采用感知检测技术节约的能量，再减去感知技术自身能耗和所有小基站的运行能耗；宏基站的节能方程与所有小基站的节能方程基本相同，其区别只是根据回馈能耗，建立的小基站减少了宏基站部分动态能耗。

5.根据权利要求1所述的方法，其特征在于：所述步骤（4）中的粒子群优化算法是将所有小基站和宏基站的两个节能方程分别作为两个粒子群，每个粒子群的最优粒子都用于更新本粒子群和另一粒子群的速度和位置方程；该优化迭代运算步骤包括下列操作内容：

（41）设置下述各参数初始化值：初始时间t＝0，粒子群中的粒子数为M，初始化位置

和速度

局部最优位置初始值和全局最优位置初始值 $P_{\mathrm{gb}}^{\left[1\right]}=\mathrm{globalbestof}{P}_i^{\left[2\right]}$ 和 $P_{\mathrm{gb}}^{\left[2\right]}=\mathrm{globalbestof}{P}_i^{\left[1\right]};$ 以及认知速率

和社会学习速率

式中，序号j为1和2，分别表示所有小基站和宏基站；

（42）更新时间：将时间参数更新为t=t+1，并设置在[0,1]上均匀分布的两个随机数r₁,r₂的初始值；

（43）迭代更新速度：将所有小基站和宏基站在t时刻的全局最优位置和每个粒子的最优位置分别代入下述两个计算公式进行更替，得到两者在（t+1）时刻的速度和

小基站： $V_i^{\left[1\right]}(t+1)=k^{\left[1\right]}\×[w_i^{\left[1\right]}\·V_i^{\left[1\right]}\left(t\right)+c_1^{\left[1\right]}\×r_1\×\{P_i^{\left[1\right]}-S_i^{\left[1\right]}\left(t\right)\}+c_2^{\left[1\right]}\×r_2\×\{P_{\mathrm{gb}}^{\left[2\right]}-S_i^{\left[1\right]}\left(t\right)\left\}\right],$

宏基站： $V_i^{\left[2\right]}(t+1)=k^{\left[2\right]}\×[w_i^{\left[2\right]}\·V_i^{\left[2\right]}\left(t\right)+c_1^{\left[2\right]}\×r_1\×\{P_i^{\left[2\right]}-S_i^{\left[2\right]}\left(t\right)\}+c_2^{\left[2\right]}\×r_2\×\{P_{\mathrm{gb}}^{\left[1\right]}-S_i^{\left[2\right]}\left(t\right)\left\}\right],$

式中，k为收敛因子，w是惯性权重，c₁和c₂分别是均取决于经验值的认知学习速率和社会学习速率因子；

上述两个速度更新公式分别由下述三部分组成：具有平衡整体和寻找局部最优能力的粒子群的先前速度，使粒子群能够寻找到全局最优、避免受局部最优值限制的认知学习更新速度，反映粒子群之间的信息交互能力的社会学习更新速度；

（44）迭代更新局部位置：依据步骤（43）中得到的新速度值，分别代入下述两个计算公式进行更新，得到所有小基站和宏基站各自在（t+1）时刻的新位置和 $S_i^{\left[2\right]}(t+1):S_i^{\left[1\right]}(t+1)=S_i^{\left[1\right]}\left(t\right)+V_i^{\left[1\right]}(t+1),S_i^{\left[2\right]}(t+1)=S_i^{\left[2\right]}\left(t\right)+V_i^{\left[2\right]}(t+1);$

（45）更新所有小基站和宏基站各自的粒子局部最优位置值：依据新位置对应的参数N和ε，分别代入下述两个计算公式进行更新，得到两者更新的局部最优位置值和

小基站：

宏基站：

（46）更新所有小基站和宏基站各自的粒子全局最优位置值：由本时刻t+1的局部最优和上一时刻t的全局最优进行比较，再依据公式

和

得出每次迭代后的两者最新全局最优位置值；

（47）判断终止迭代操作：判断迭代操作次数是否达到设定次数，若否，则继续执行迭代，即返回执行步骤（42）；否则，停止迭代操作；或者当所有粒子最优结果在连续数十次迭代后，始终未发生变化时，也视为完成迭代。

Images