发明内容
本发明提供一种在异构云接入***中对既能保证***吞吐量,又能保证***在不同活跃度下能量效率最优的异构云接入网络中基于能效的协作资源分配方法。
本发明的异构云接入网络中基于能效的协作资源分配方法,所述方法包括如下步骤:
步骤一:基于能效,设定异构云接入网络***中的用户容忍干扰门限;
步骤二:若用户当前的干扰大于设定的用户容忍干扰门限时,在发射信号预编码过程中,将信道矩阵稀疏化,并对稀疏化的信道稀疏矩阵求逆矩阵,实现波束赋形;
步骤三:将波束赋形之后的信道矩阵进行分配,计算出每根天线分配的功率,按照计算出的功率,相应天线进行传输。
优选的是,所述步骤一包括:
步骤一一:建立异构云接入网络***的网络能量消耗模型;
步骤一二:根据该网络能量消耗模型,获得异构云接入网络***的总吞吐量和能量效率;
步骤一三:在保证异构云接入网络***的总吞吐量达到设定值的前提下,使能量效率最高,设定此时的用户干扰为异构云接入网络***中的用户容忍干扰门限。
优选的是,所述异构云接入网络***的网络能量消耗模型为:
Ptot表示网络能量总功耗,Ps表示数字基带处理功耗,PTX表示天线发射功率,ηLeak表示对CMOS漏电流的补偿,NTX表示活跃天线的数量,ηPA表示功率放大器的效率,σfeed是馈电链路的损耗。
优选的是,所述异构云接入网络***的总吞吐量为:
NR表示微基站活跃用户数量,NM表示宏基站活跃用户数量,B表示***带宽,σ表示***噪声;
hk(t)是所有RRH微基站到第k个用户的下行信道向量;g0,j(t)是HPN宏基站到第k个用户的下行信道向量;ωk(t)是办公RRH微基站/家庭RRH微基站对第k个用户的下行预编码向量,ω0,j(t)表示宏基站对第k个用户的下行预编码向量;
异构云接入网络***的能量效率为:
KR表示活跃的宏用户数量。
优选的是,所述步骤三包括:
步骤三一、归一化发射功率和信道矩阵,并定义归一化因子:
归一化因子 为HPN宏基站的天线最大发射功率为RRH微基站的最大发射功率;
将宏基站用户之间的信道增益乘以归一化因子;
其中,表示归一化后的信道矩阵,表示原始信道矩阵。
步骤三二、根据注水原理对归一化后的信道矩阵进行分配,计算出每根天线分配的功率pf,f=0,1,…,F;
步骤三三、HPN宏基站的发射功率为cλpf,f=0,λ表示功率约束系数;
步骤三四、RRH微基站的发射功率为λpf,f=0,1…,F。
上述技术特征可以各种适合的方式组合或由等效的技术特征来替代,只要能够达到本发明的目的。
本发明的有益效果在于:
1、本发明提出了信道矩阵稀疏化算法(MS),减少了计算复杂度,因此异构云接入场景下数字基带功耗更低、能效更高,更符合节能减排绿色通信的期待。仿真结果表明信道矩阵稀疏化算法结合归一化注水算法(MSNWF)的资源分配方法能够兼顾吞吐量的同时提升能量效率;
2、本发明给出H-CRAN相较于C-RAN网络的优势,推导出H-CRAN场景下覆盖分析及能效推导;
3、本发明提出一种适用于H-CRAN的功耗模型,H-CRAN中用户通过光纤接入基带处理池(BBU)进行跨层协作。仿真结果表明,与C-RAN相比H-CRAN可以实现自适应接入,提高了能源效率和吞吐量;
4、对MSNWF算法复杂性进行分析。相较于与复杂的凸优化算法,本发明提出的方法在保证性能的前提下,具有更低的复杂度。因此MSNWF算法基带处理功耗更低,更加简明有效。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
异构云接入网络***如图1所示,与C-RAN不同的是异构云接入(H-CRAN)中RRH微基站与HPN宏基站间的干扰可通过X2/S1接口接入BBU处理池,基带处理池负责集中计算云、集中处理云,并将集中控制云交回给HPN宏基站。BBU处理池由于具有大量的空域多点协作传输,空域多点协作传输复杂度较高使得在基带处理池产生大量的功率消耗,从而拉低了能量效率。HPN宏基站主要被用来实现控制平面的功能,实现***控制信息与业务信息的分离,突发业务以及即时消息等低速率数据信息、发送控制信令以及***广播数据。RRH微基站根据业务的活跃程度选择性的休眠或者接入BBU处理池,进而实现用户高效节能的自适应接入策略。
本实施方式所述的异构云接入网络中基于能效的协作资源分配方法,包括如下步骤:
步骤一:基于能效,设定异构云接入网络***中的用户容忍干扰门限,包括:
步骤一一:建立异构云接入网络***的网络能量消耗模型:
异构云接入网络***场景下的功耗模型,共分六大模块:功放、基带处理、***开销、射频、去程功耗、回程功耗:
PBB=PS(1+ηLeak) (1)
其中,ηLeak是对CMOS漏电流的补偿(百分比),PS是数字基带处理功耗。数字基带部分子组件功耗由滤波(升/降采样与滤波)、OFDM、线性频域处理、非线性频域处理光电接口、前向纠错编码、中央控制、数字预畸变八大子组件构成;
功率放大器的功耗为:
其中,NTX是活跃天线数量,PTX是天线发射功率,ηPA是功率放大器的效率,σfeed是馈电链路的损耗。
***开销POV功耗为:
POV=(PBB+PRF+PPA)×((1+ηcool)(1+ηdcdc)(1+ηacdc)-1) (3)
式中,ηcool是冷却开销,ηdcdc是供电开销,ηacdc是电流转换开销。
除了上述与传统C-RAN构架相同的四个模块,异构云接入网络***(H-CRAN)功耗模型中还包括RRH去程、RRH回程、HPN去程、HPN回程。
因此,实际网络能量总功耗为:
由于RRH微基站连接到BBU池是通过光纤传输的,光纤传输具有快速节能的特点,因此与RRH微基站的发射功率相比,去程回程功耗相当小,也可以忽略。HPN微基站在与BBU处理池之间通过X2/S1接口传输,此外,PRF、POV大多数有芯片参数等硬件参数来决定,所以,网络能量消耗可以化简为:
步骤一二:根据该网络能量消耗模型,获得异构云接入网络***的总吞吐量和能量效率;
步骤一二一、输入CGC数量M,点波束半径R,EA宽度值W,地球站的发射功率Pt,Ci,地球站发射天线增益Gt,Ci,CGC的接收天线增益Gr;
步骤一二二、设办公用户k所接收到的信号可以写为:
hk(t)是所有RRH基站到第k个办公用户的下行信道向量;g0,k(t)是HPN宏基站到第k个办公用户的下行信道向量;ωk(t)是HPN宏基站/办公RRH微基站/家庭RRH微基站对第k个办公用户的下行预编码向量,k=0时为HPN的下行链路预编码向量;k=1---N时为RRH基站的下行预编码向量;Sk(t)是RRH对第k个办公用户的发射信号。
步骤一二三、则此时办公用户k所能达到的最高数据速率可以写为:
步骤一二四、宏基站用户k所接收到的信号可以写为:
hk(t)是所有RRH基站到第k个用户的下行信道向量;g0,k(t)是HPN到第k个宏基站用户的下行信道向量;ωk(t)是办公RRH微基站/家庭RRH微基站对宏基站用户的下行预编码向量,其中k=0时为HPN的下行链路预编码向量;k=1---N时为RRH基站的下行预编码向量;ω0,i(t)表示HPN宏基站对宏基站用户的下行预编码向量;Sk(t)——HPN对第k个宏基站用户的发射信号。
步骤一二五、则此时宏基站用户k所能达到的最高数据速率可以写为:
步骤一二六、若层内干扰和层间干扰都使用空域多点协作传输进行干扰协调,以基于迫零准则的空域多点协作传输为例进行预编码。此时上述式中的hif与ωif满足。
步骤一二七、结合公式(5),***的总吞吐量可以表示为:
NR表示活跃的微基站用户数量,NM表示活跃的宏基站用户数量,B表示***带宽,σ表示***噪声;
步骤一二八、***整体***的能量效率为:
根据公式(5)可以发现,基带处理功耗过大将直接影响***整体的功耗,进而拉低***整体的能量效率。由于城市环境中的大尺度衰落,部分办公室与家庭微型基站之间的干扰信噪比(SINR)太小而不予以考虑。在空域多点协作传输CoMP这一过程中,少数相邻办公RRH微基站/住宅RRH微基站之间干扰严重,因此,办公RRH微基站以及住宅RRH微基站和用户之间的一些干扰不大。
步骤一三:在保证异构云接入网络***的总吞吐量达到设定值的前提下,使能量效率最高,设定此时的用户干扰为异构云接入网络***中的用户容忍干扰门限。
基于能效,定义用户可以容忍干扰门限:INR=-30dB。
步骤二:若用户当前的干扰大于设定的用户容忍干扰门限时,在发射信号预编码过程中,将信道矩阵稀疏化,并对稀疏化的信道稀疏矩阵求逆矩阵,实现波束赋形;
基于能效分析得出的影响因素,本实施方式提出一种具有低复杂度的选择性波束赋形算法,由于RRH微基站的密集部署,多个RRH微基站内部和HPN宏基站之间存在干扰。假设在1个HPN宏基站,H个家庭基站,O个层的办公基站场景下,信道矩阵中的非零元素的数量是在波束赋形的过程中,当H和O数目变多时,信道矩阵在波束赋形过程中求逆将涉及大量的操作,在基带处理池中产生额外的能量消耗。由于微蜂窝基站天线的发射功率很低且城市环境中的大尺度衰落,部分办公室与家庭微型基站之间的干扰信噪比(SINR)太小而不予以考虑。因此,提出了矩阵稀疏化算法(MS),将原始信道矩阵从HPN宏基站和RRH微基站之间干扰较小的信道转移概率置零,从而形成稀疏矩阵,相对于稠密矩阵而言,降低了矩阵求逆运算的复杂度以及计算量。这种方法的目的在于降低基带处理是波束赋形的计算的复杂度,从而降低基带处理功耗,提升能量效率。具体的实现步骤:
选择INR大于30的用户进行协作传输:
信道矩阵H(St)稀疏化之后的信道矩阵为矩阵中非零元素大幅度降低,信道矩阵有稠密矩阵转化为稀疏矩阵。以ZFPF方案为例,在波束形成过程中首先需要对信道矩阵求逆矩阵;
信道矩阵的逆矩阵G(St)为波束赋形矩阵,在这个过程中,稀疏化后的稀疏矩阵相较于稠密矩阵,在矩阵求逆过程中的复杂度会大幅度下降。这就意味着,在发射信号预编码过程中,仅考虑干扰较为强烈的干扰源以期降低在求解波束赋形矩阵时需要的计算复杂度。本实施方式以每秒浮点运算次数GOPS来衡量,根据***每秒钟的浮点运算计数进行换算。首先计算所求模块的每秒千兆运算次数GOPS,得到然后根据把转换为功率,则子组件的功率消耗为。式中δ——功率转换因子(GOPS/W)。
因此,稠密矩阵相较于稀疏矩阵在求解波束赋形矩阵时候的每秒千兆运算次数GOPS高,因此,在非线性频域处理这一子组件上的基带处理功耗更高,能量效率就越低。相反,稀疏矩阵在求解波束赋形矩阵时候的计算复杂度低,每秒浮点运算次数低,子组件的功率消耗更低,能量效率显著提升。
步骤三:将波束赋形之后的信道矩阵进行分配,计算出每根天线分配的功率,按照计算出的功率,相应天线进行传输:
步骤三一、归一化发射功率和信道矩阵,并定义归一化因子:
归一化因子 为HPN宏基站的天线最大发射功率为RRH微基站的最大发射功率;
将宏基站用户之间的信道增益乘以归一化因子;
其中,表示归一化信道矩阵,表示原始信道矩阵;
步骤三二、根据注水原理对归一化后的信道矩阵进行分配,计算出每根天线分配的功率pf,f=0,1,…,F;
步骤三三、HPN宏基站的发射功率为cλpf,f=0,λ表示功率调整因子;
步骤三四、RRH微基站的发射功率为λpf,f=0,1…,F。
计算联合信道矩阵稀疏化算法和归一化注水算法(MSNWF)的复杂度为2n2+nlog2n+5n,n表示信道矩阵长度;
具体的仿真结果如下:
1、对以下五种场景进行仿真,
(1)C-RAN层:RRH层与HPN层各自内部进行空域多点之间的协作传输,RRH与HPN之间不进行协作。
(2)H-CRAN层:办公RUE接入办公RRH,家庭RUE接入家庭RRH。宏基站用户接入HPN,RRH之间进行层内COMP。由于在异构云接入(H-CRAN)场景下HPN与BBU之间通过X2/S1连接。HPN/RRH用户之间进行层内部协作传输。RRH层与HPN层各自内部协作,此外,RRH与宏基站HPN之间进行层间协作传输。
(3)办公RRH层:由于办公用户能够自适应的接入办公RRH,因此,办公RRH tier包括全部活跃的办公RRH和全部活跃的办公UE。
(4)住宅RRH层:由于家庭用户能够自适应的接入家庭RRH,办公RRH tier包括全部活跃的家庭RRH和全部活跃的家庭UE。
(5)HPN层包括宏基站以及宏基站用户。
某一时刻处于办公时段,HPN层,办公RRH层,住宅RRH层,C-RAN层和异构云接入网络***(H-CRAN层)在无干扰管理、吞吐量最优、MSNWF资源分配方案下的吞吐量情况参见图2。
仿真结果表明,异构云接入网络***(H-CRAN)相较于传统的C-RAN具有更高的吞吐量,在有限的资源下覆盖更多的用户。在吞吐量指标这一方面,传统无干扰管理方案、吞吐量最优干扰协调算法(H-CRAN-Opt)、本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)三种方案在HPN层、住宅RRH层、办公RRH层趋势保持一致。凸优化吞吐量方案在吞吐量这一指标上为最优算法,本发明提出的本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)方案相较于最优吞吐量方案略低一点,为次优算法。传统异构网络则表现不佳,具有很低的有效覆盖面积。但可以看出异构云接入(H-CRAN)架构由于能进行HPN与RRH之间的跨层协作,能够有效弥补一部分吞吐量的损失,适当的提升了有效覆盖面积。此外,由于对办公时段的仿真场景进行分析,因此、办公RRH具有更高的活跃度。大部分家庭RRH处于始终处于自适应休眠状态,办公RRH相较于住宅RRH具有更高的吞吐量。优化方案相较于传统异构网络下的资源分配方案对于办公用户的提升也更为明显。
2、某一时刻处于家庭时段,HPN层,办公RRH层,住宅RRH层,C-RAN层和H-CRAN层五种场景在传统无干扰管理方案、吞吐量最优干扰协调算法(H-CRAN-Opt)、本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)三种资源分配方案下的吞吐量情况参见图3。
仿真结果表明,由于此时处于夜间家庭时段,因此,家庭RRH及用户具有更高的活跃度。除了极少数加班用户,大部分办公RRH处于始终自适应的处于休眠状态,因此,办公RRH相较于住宅RRH具有更高的吞吐量。吞吐量最优方案以及联合信道矩阵稀疏化算法及归一化注水算法的优化方案相较于传统异构网络下的资源分配方案对于家庭用户的提升也更为明显。
此外,仿真结果与图2保持一致,可以看出,异构云接入(H-CRAN)相较于传统的C-RAN具有更高的吞吐量,吞吐量最优方案在吞吐量这一指标上为最优算法。本发明提出本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)的方案相较于最优吞吐量方案略低一点,为次优算法,但整体上来说能保证有效覆盖面积。传统异构网络则表现不佳,具有很低的有效覆盖面积。但可以看出异构云接入(H-CRAN)架构由于能进行HPN与RRH之间的跨层协作,能够有效弥补一部分吞吐量的损失,适当的提升了有效覆盖面积。
3、在某一时刻处于办公时段,对HPN层,办公RRH层,住宅RRH层,C-RAN层和H-CRAN层五种场景在传统无干扰管理方案、吞吐量最优干扰协调算法(H-CRAN-Opt)、本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)三种资源分配方案下的能量效率进行仿真,仿真结果如图4所示。
4、在某一时刻处于家庭时段,对HPN层,办公RRH层,住宅RRH层,C-RAN层和H-CRAN层五种场景在传统无干扰管理方案、吞吐量最优干扰协调算法(H-CRAN-Opt)、本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)三种资源分配方案下的能量效率进行仿真,仿真结果如图5所示。
仿真结果表明,在家庭、办公两种时段下的HPN层,办公室RRH层,住宅RRH层,C-RAN和H-CRAN五种场景下进行能量效率性能进行比较。仿真结果可以看出,由于异构云接入(H-CRAN)架构可以使得HPN层可以通过去程与回程链路接入BBU处理池与RRH层进行跨层协作传输(CoMP),异构云接入(H-CRAN)架构由于能够进行层间的协作使得能效略优提升。此外,联合矩阵稀疏化和归一化注水算法的资源分配解决方案具有低功耗和高能量效率的优势,因此,异构云接入(H-CRAN)场景中的能量效率性能最好。由于宏基站HPN在网络中负责低速率信息发送、控制信息发送、广域业务覆盖,通信用户数量相对较少,主要由RRH层承载局域热点业务信息流量,本发明提出的新算法的在异构云接入(H-CRAN)场景下的协作增益相较于云接入(C-RAN)架构并不明显。因此,C-RAN的EE性能比异构云接入(H-CRAN)略微低一点。
此外,由于BBU处理池具有能够集中协同处理和节能降耗的优点,C-RAN和H-CRAN相较于传统异构网络能量效率大幅度提升。此外,对比仿真结果图4和仿真结果图5可以看出,无论是在办公时段还是家庭时段,异构云接入(H-CRAN),相较于云接入(C-RAN)具有更好的能量效率性能。对比仿真结果图4和仿真结果图5,可以的出办公时段办公RRH具有更高的能量效率性能,住宅时段住宅RRH具有更高的能量效率性能,这是由于办公时段,办公用户活跃度更高,用户更积极的接入RRH,BBU处理池的产生的协作增益就越高,能量效率就越高。仿真结果中,办公时段下,办公用户在本发明所提出的算法中协作增益更明显,住宅用户在本发明所提出的算法中协作增益较为不明显这也是由于在办公时段,办公用户活跃度更高,用户更积极的接入RRH,BBU处理池的产生的协作增益就越高,能量效率在本发明提出的本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)方案下提升的更显著。
此外,本实施方式提出的联合信道矩阵稀疏化算法及归一化注水算法方案三相较于方案一、二无论是在单层HPN,办公RRH层,住宅RRH层,C-RAN层还是H-CRAN层场景下皆具有最高的能效。吞吐量最优算法由于计算复杂度大,基带处理功耗大同时射频功耗也很大,因此在吞吐量方面略优,但是在能量效率方面相较于本实施方式提出的本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)算法具有明显劣势。本实施方式提出的联合矩阵稀疏化算法和归一化注水算法具有低基频处理能耗,低射频功耗等优势,无论在办公时段还是住宅时段对于单层HPN、单层办公RRH,单层住宅RRH,C-RAN层和H-CRAN层架构的能效都能显著提升。由仿真结果可以得出,本实施方式所提出的MSNWF算法保证了吞吐量的同时,具有能量效率具有显著的优势。
5、经过上述仿真分析可以得出,在办公时段或者是住宅时段下办公/住宅用户的活跃度是不相同的,对吞吐量以及能量效率的影响也很大。由于,人类的迁徙导致的“潮汐现象”,网络中总人数固定,只是不同时间段处于不同的区域。一旦办公用户活跃度升高,家庭用户的活跃度必然降低。因此,进一步对家庭用户在不同活跃度下办公RRH层与住宅RRH层的吞吐量/能量效率的大小随传统无干扰管理方案、吞吐量最优干扰协调算法(H-CRAN-Opt)、本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)三种方案变化情况进行仿真,仿真结果如图6、7所示。
仿真结果表明,在吞吐量方面,本发明所提的方案相较于吞吐量最优方案相差不大,远远高于传统无干扰管理方案。住宅用户活跃度越高,住宅用户吞吐量提升效果越明显,这说明,住宅用户活跃度更高,住宅用户更积极的接入RRH,BBU处理池的产生的协作增益就越高,能量效率在本发明提出的本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)方案下提升的更显著,因此,随着RRH接入的用户增多,本发明提出的本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)方案和吞吐量最优算法吞吐量差距略有增大,远远高于传统无干扰管理的方案一。随着办公用户活跃度增大,办公RRH层的吞吐量也增大,住宅RRH层用户吞吐量随之降低,传统无干扰管理方案、吞吐量最优干扰协调算法(H-CRAN-Opt)、本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)三种方案整体趋势保持一致。
随着家庭用户活跃度的变大,家庭用户能够自适应的接入RRH。本发明所提的方案本发明所提的方案在不同活跃的下均具有良好的性能,用户活跃度越高,提升效果越为显著,这说明,用户活跃度越高,用户更积极的接入RRH,BBU处理池的产生的协作增益就越高,能量效率在本发明提出的本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)方案下相较于传统方案和吞吐量最优方案提升的更显著。然而,随着家庭用户活跃度的变大,办公用户则大量迁徙回到家庭,办公用户活跃度降低,办公RRH层的能效也降低,住宅RRH层用户能效随之升高。随着办公用户活跃度增大,办公RRH层的能量效率也增大,住宅RRH层用户能量效率随之降低,传统无干扰管理方案、吞吐量最优干扰协调算法(H-CRAN-Opt)、本实施方式联合矩阵稀疏化与归一化注水方法的功率分配策略(H-CRAN-MSNWF)三种方案整体趋势保持一致。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。