CN111050387B - 基于能效估计的基站休眠方法、装置、电子设备及介质 - Google Patents

Abstract

本发明提供一种基于能效估计的基站休眠方法、装置、电子设备及介质。所述方法包括：将多个基站划分为多个簇；确定目标簇内的基站密度和用户密度；根据所述基站密度和所述用户密度，最大化能效估计函数，得到所述目标簇的休眠参数；根据所述休眠参数，对所述目标簇内的基站进行休眠调整。本发明实施例能够在不影响网络性能的前提下提高能效。

Description

基于能效估计的基站休眠方法、装置、电子设备及介质

技术领域

本发明涉及通信技术领域，尤其涉及一种基于能效估计的基站休眠方法、装置、设备及介质。

背景技术

随着无线通信技术的发展，第五代移动通信***(5G)已经进入商用阶段，超大规模设备，超高速率与超低时延为5G网络部署提出了更高要求。为了满足这些要求，大规模低发射功率的小基站(Small Base Station,SBS)密集部署，构成超密集网络(Ultra-denseNetwork,UDN)，超密集网络被认为是用于实现5G网络部署的主要技术手段。

5G网络中基站密度的显著增加带来了能量消耗问题，虽然小基站具有低功耗和低成本的优点，但是大规模的小基站部署也使得总能量消耗巨大。为了节省能源，需要将一些利用率较低的小基站进入能耗较低的休眠模式。因此，建立一种休眠机制，通过休眠模式提高能效(Energy Efficiency,EE)已成为未来网络关注的焦点之一。

在以往的技术研究中，已有一些休眠机制被提出。例如随机休眠机制，它将现有的基站按照一定的比例随机选取，并进入到休眠模式，这样的方式虽然能减少能量消耗，但总会出现一些数据吞吐量大的基站被选中进行休眠的情况，这使其周围大量用户的网络性能得不到保障。

发明内容

有鉴于此，本发明的目的在于提出一种基于能效估计的基站休眠方法、装置、设备及介质，以解决基站休眠导致网络性能受到影响的问题。

基于上述目的，本发明提供了一种基于能效估计的基站休眠方法，包括：

将多个基站划分为多个簇；

确定目标簇内的基站密度和用户密度；

根据所述基站密度和所述用户密度，最大化能效估计函数，得到所述目标簇的休眠参数；

根据所述休眠参数，对所述目标簇内的基站进行休眠调整。

在本发明一些实施例中，所述休眠参数包括基站的覆盖半径估计值；

所述根据所述休眠参数，对所述目标簇内的基站进行休眠调整，具体包括：

根据所述覆盖半径估计值，确定所述目标簇内每个基站的估计覆盖范围；

将估计覆盖范围内没有用户的基站调整为休眠模式。

在本发明一些实施例中，所述将估计覆盖范围内没有用户的基站调整为休眠模式，具体包括：

将用户位置发送给所述目标簇内的每个基站，使每个基站根据所述用户位置检测其估计覆盖范围内是否具有用户；

获取每个基站的检测结果，并将检测结果为估计覆盖范围内没有用户的基站调整为休眠模式。

在本发明一些实施例中，所述休眠参数还包括多重覆盖用户个数阈值；

所述根据所述休眠参数，对所述目标簇内的基站进行休眠调整，还包括：

检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数；

将所述多重覆盖用户个数达到所述多重覆盖用户个数阈值的基站调整为休眠模式。

在本发明一些实施例中，所述检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数，具体包括：

将每个基站在其估计覆盖范围内的用户信息共享给其他基站，使每个基站将其估计覆盖范围内的用户信息与其他基站共享的用户信息进行对比，并将对比结果为相同的用户信息所对应的用户确定为多重覆盖用户；

统计每个基站的多重覆盖用户个数。

在本发明一些实施例中，所述能效估计函数为：

其中，η_ee为能效，P_c为基站的平均覆盖率，P_sleep为基站的休眠概率，(βP_t+P₀)为基站处于活跃模式下的功率消耗，P₀为静态功率消耗，βP_t为传输功率消耗，P_t为射频输出功率，P_sl为基站处于休眠模式下的功率消耗，T为SINR的阈值，R为目标簇的半径，

为目标簇内基站的个数，||z||为用户到服务基站的距离，λ_p为簇的密度，t为随机变量，α为信道衰减参数，λ_u为目标簇内的用户密度，λ_B为目标簇内的基站密度，R_c为基站的覆盖半径估计值，k为多重覆盖用户个数阈值，M为固定值。

本发明还提供了一种基于能效估计的基站休眠装置，包括：

划分模块，用于将多个基站划分为多个簇；

确定模块，用于确定目标簇内的基站密度和用户密度；

获取模块，用于根据所述基站密度和所述用户密度，最大化能效估计函数，得到所述目标簇的休眠参数；以及，

休眠模块，用于根据所述休眠参数，对所述目标簇内的基站进行休眠调整。

在本发明一些实施例中，所述休眠参数包括基站的覆盖半径估计值和多重覆盖用户个数阈值；

所述休眠模块具体用于：

根据所述覆盖半径估计值，确定所述目标簇内每个基站的估计覆盖范围；

检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数；

将估计覆盖范围内没有用户的基站调整为休眠模式，以及将所述多重覆盖用户个数达到所述多重覆盖用户个数阈值的基站调整为休眠模式。

本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述基于能效估计的基站休眠方法。

本发明还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述基于能效估计的基站休眠方法。

从上面所述可以看出，本发明提供的基于能效估计的基站休眠方法、装置、设备及介质，能够将多个基站划分为多个簇，确定目标簇内的基站密度和用户密度，以便根据基站密度和所述用户密度，最大化能效估计函数，得到目标簇的休眠参数，进而根据所述休眠参数，对目标簇内的基站进行休眠调整，以在不影响网络性能的前提下提高能效。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的基于能效估计的基站休眠方法的流程示意图；

图2为本发明实施例中基于MCP的基站与用户的分布示意图；

图3为本发明实施例中不同基站密度下能效与多重覆盖用户个数阈值的曲线图；

图4为本发明实施例中不同基站密度下能效与估计覆盖半径的曲线示意图；

图5为本发明实施例中不同用户密度下能效与多重覆盖用户个数阈值的曲线图；

图6为本发明实施例中不同用户密度下能效与估计覆盖半径的曲线示意图；

图7为本发明实施例中基站满足休眠条件时的模式调整示意图；

图8为本发明实施例中基站满足休眠条件一时的模式调整示意图；

图9为本发明实施例中基站满足休眠条件二时的模式调整示意图；

图10为本发明实施例提供的基于能效估计的基站休眠装置的结构示意图；

图11为本发明实施例提供的电子设备的结构示意图。

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明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

参见图1，为本发明实施例提供的基于能效估计的基站休眠方法的流程示意图。

如图1所示，所述基于能效估计的基站休眠方法包括：

101、将多个基站划分为多个簇。

本发明实施例中的基站是指低发射功率的小基站SBS。在UDN中，基站密集分布在热点区域内，为了满足这一特点，建立基于MCP(Matern Cluster Process，马特恩聚簇过程)的基站分布模型。如图2所示，在一个二维平面区域内，将多个基站1划分为多个簇2，每个簇2的范围视作半径为R的圆，各个簇2的中心O服从泊松分布，各个簇2的中心O位置的集合可以表示为Φ_p。

102、确定目标簇内的基站密度和用户密度。

本发明实施例中，基站在每个簇内均匀分布，簇内基站的个数均值为

平均每个簇内的基站密度为

基站的整体分布表示集合为Φ。分别将多个簇中的每个簇作为目标簇，如图2所示，目标簇2内的基站1的个数为

基站密度为λ_B，目标簇2内有N_u个服从泊松分布的用户3，用户集合表示为Φ_u，目标簇内的用户密度为

103、根据所述基站密度和所述用户密度，最大化能效估计函数，得到所述目标簇的休眠参数。

本发明实施例中，基站有休眠模式和活跃模式两种状态，假设基站的休眠概率为P_sleep，则基站的活跃概率为1-P_sleep。根据能效的定义，能效估计函数为：

其中，η_ee为能效，P_c为基站的平均覆盖率，(βP_t+P₀)为基站处于活跃模式下的功率消耗，P₀为静态功率消耗，βP_t为传输功率消耗，P_t为射频输出功率，P_sl为基站处于休眠模式下的功率消耗。

为了求出能效估计函数，还需分别求出平均覆盖率和休眠概率。

(1)平均覆盖率

其中，T为SINR的阈值，||z||是用户到服务基站的距离，f_D(||z||)是关于||z||的概率密度函数。经过简化，最终的平均覆盖率函数为：

其中，α为信道衰减参数，λ_p为簇的密度，t为随机变量。

(2)休眠概率

一个用户同时在两个或者两个以上的基站的估计覆盖范围内的概率为：

其中，R_c为基站的覆盖半径估计值，M为固定值，本实施例中M＝5。

本发明实施例预先设定两个休眠条件，休眠条件一为基站的多重覆盖用户个数大于或等于多重覆盖用户个数k，满足休眠条件一的基站休眠概率为

休眠条件二维基站的估计覆盖范围内没有用户，满足休眠条件二的基站休眠概率为P_sleep2＝exp(-λ_uπR^c2)。

由于休眠条件一与休眠条件二之间是相互独立的，因此基站总的休眠概率为

将平均覆盖率和休眠概率代入能效估计函数，以便利用该能效估计函数进行不同环境条件下的能效估计。

休眠参数包括基站的覆盖半径估计值R_c和多重覆盖用户个数阈值k。休眠参数可以根据环境条件的变化来动态调整，以达到最大化能效的目的。因此，在对不同簇内的基站进行休眠调整之前，需确定不同簇内基站密度λ_B和用户密度λ_u时的休眠参数，即基站的覆盖半径估计值R_c和多重覆盖用户个数阈值k。

(1)基站密度λ_B变化时，休眠参数的确定

目标簇内基站密度λ_B是由目标簇内的基站个数

确定的，即

设置基站的变化周期为T_SBS(一般情况下，基站的个数与位置设置变动周期较长，根据实际情况，周期可能为一个月，半年或一年等)。每次基站密度的变化，都会导致能效的改变，所以为了保持高能效，需要在每次基站密度改变后重新设置休眠参数的值。

A.多重覆盖用户个数阈值k的确定

当确定基站密度后，可以根据能效估计函数，算出k在不同取值时所对应的能效，通过比较能效的大小，得到最大能效对应的k值。当基站密度改变时，重新计算能效，得到最大能效对应的k值，以此进行周期循环。如图3所示，k取1到10的整数，能效随k的增大呈现先增大后平缓的趋势，平缓阶段的能效差距很小，可以认为此阶段同为最大值，所以取平缓阶段对应的最小k值作为最大能效对应的k值。当基站密度λ_B＝1×10^-3/m²时，通过计算，k＝5时能得到最大值，此时参数k取值为5。当基站密度变为λ_B＝2×10^-3/m²时，参数k取值为7。当基站密度变为λ_B＝3×10^-3/m²时，参数k取值为8。不同的环境条件下均可以得到对应的参数值。

B.覆盖半径估计值R_c的确定

确定基站密度后，根据能效估计函数，算出R_C在不同取值时所对应的能效，通过比较能效的大小，得到最大能效对应的R_C值。当基站密度改变时，重新计算能效，得到最大能效对应的R_C值，以此进行周期循环。如图4所示，R_C分别取5到25的整数，当基站密度λ_B＝1×10^-3/m²时，通过计算，R_c＝11m时能得到最大值，此时参数R_C取值为11。当基站密度变为λ_B＝2×10^-3/m²时，参数R_C取值为10。当基站密度变为λ_B＝3×10^-3/m²时，参数R_C取值为10。

(2)用户密度λ_u变化时，休眠参数的确定

目标簇内用户密度λ_u是由目标簇内用户个数N_u确定的，即

设置用户密度的变化周期为T_u(一般情况下，用户密度的变动周期较短，根据实际情况，周期可能为半小时或一小时等)，每次用户密度的变化，都会导致能效的改变，因此与基站密度变化过程同理，为了保持高能效，需要在每次用户密度改变后重新设置休眠参数的值。

A.多重覆盖用户个数阈值k的确定

确定用户密度后，根据能效估计函数，算出k在取不同值时所对应的能效，通过比较能效的大小，得到最大能效对应的k值。当用户密度改变时，重新计算能效，得到最大能效对应的k值，以此进行周期循环。例如，如图5中所示，k取1到10的整数，当用户密度λ_u＝4×10^-3/m²时，通过计算，k＝5时能得到最大值，此时参数k取值为5。当用户密度变为λ_u＝6×10^-3/m²时，参数k取值为6。当用户密度变为λ_u＝8×10^-3/m²时，参数k取值为8。不同的环境条件下均可以得到对应的参数值。

B.覆盖半径估计值R_c的确定

确定用户密度后，根据能效估计函数，算出R_C在不同取值时所对应的能效，通过比较能效的大小，得到最大能效对应的R_C值。当用户密度改变时，重新计算能效，得到最大能效对应的R_C值，以此进行周期循环。例如，如图6中所示，R_C取5到25的整数值，当用户密度λ_u＝4×10^-3/m²时，通过计算，R_c＝13m时能得到最大值，此时参数R_C取值为13。当用户密度变为λ_u＝6×10^-3/m²时，参数R_C取值为11。当用户密度变为λ_u＝8×10^-3/m²时，参数R_C取值为10。

104、根据所述休眠参数，对所述目标簇内的基站进行休眠调整。

本发明实施例预先设置休眠条件，将目标簇内满足休眠条件的基站进行休眠。休眠条件与休眠参数相关，调整休眠参数会调整休眠条件的标准，进而调整需要休眠的基站。如图7所示，目标簇2内具有多个基站1，每个基站1的估计覆盖范围(图中小圆区域)内具有多个用户3，满足休眠条件的基站1(图中虚线区域内的基站)调整为休眠模式。

休眠条件设置为两个，满足任意一个休眠条件的基站即可调整为休眠模式。休眠条件一为基站的多重覆盖用户个数大于或等于多重覆盖用户个数阈值。具体地，步骤104中的所述根据所述休眠参数，对所述目标簇内的基站进行休眠调整，包括：

检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数；

将所述多重覆盖用户个数达到所述多重覆盖用户个数阈值的基站调整为休眠模式。

如图8所示，目标簇2内具有多个基站1，每个基站1的估计覆盖范围(图中小圆区域)内都存在一些用户3(也可能有少部分基站的估计覆盖范围内没有用户)，这些用户3可能只在一个基站1的覆盖范围内，也可能存在于两个甚至多于两个的基站1覆盖范围内。一个基站1估计覆盖范围内的用户3中，如果有多个用户3也存在于其他基站1的估计覆盖范围内，则将该多个用户3作为多重覆盖用户，若该多个用户3的个数大于或等于多重覆盖用户个数阈值k，则该基站1(图中虚线区域内的基站)可以进入休眠模式。

具体地，所述检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数，包括：

将每个基站在其估计覆盖范围内的用户信息共享给其他基站，使每个基站将其估计覆盖范围内的用户信息与其他基站共享的用户信息进行对比，并将对比结果为相同的用户信息所对应的用户确定为多重覆盖用户；

统计每个基站的多重覆盖用户个数。

需要说明的是，若要检测每个基站是否满足休眠条件一，需要获知每个基站所覆盖的用户是否被其他基站所覆盖，而这一信息可以通过用户与基站以及基站与基站之间的通信来获取。

用户将自己的ID和位置信息发送至所有能接收的基站，基站根据接收到位置信息计算该用户是否在自己的覆盖范围内。基站将在自己覆盖范围内的用户ID发送给其他基站，同时接收来自其他基站的用户ID。基站将自己覆盖范围内的用户ID与接收到的用户ID进行对比，若用户ID相同，则表明该用户ID对应的用户同时位于其他基站的覆盖范围内，该用户即为多重覆盖用户。确定每个基站的多重覆盖用户个数，若一个基站的多重覆盖用户个数大于或等于多重覆盖用户个数阈值k，则该基站进入休眠模式。

休眠条件二为基站内没有用户。具体地，步骤104中的所述根据所述休眠参数，对所述目标簇内的基站进行休眠调整，还包括：

根据所述覆盖半径估计值，确定所述目标簇内每个基站的估计覆盖范围；

将估计覆盖范围内没有用户的基站调整为休眠模式。

如图9所示，目标簇2内具有多个基站1，每个基站1的估计覆盖范围(图中小圆区域)内可能存在用户3，也可能不存在用户3。若基站1中不存在用户3，则该基站1(图中虚线区域内的基站)进入休眠模式。

具体地，所述将估计覆盖范围内没有用户的基站调整为休眠模式，具体包括：

将用户位置发送给所述目标簇内的每个基站，使每个基站根据所述用户位置检测其估计覆盖范围内是否具有用户；

获取每个基站的检测结果，并将检测结果为估计覆盖范围内没有用户的基站调整为休眠模式。

需要说明的是，若要检测每个基站是否满足休眠条件二，需要获知每个基站的覆盖范围内是否具有用户，而这一信息可以通过用户与基站之间的通信来获取。

用户将自己的ID和位置信息发送至所有能接收的基站，基站根据接收到位置信息计算该用户是否在自己的覆盖范围内。若基站覆盖范围内没有用户，则该基站进入休眠模式。若基站既不满休眠条件一，也不满足休眠条件二，则基站保持活跃模式。

本发明提供的基于能效估计的基站休眠方法，能够将多个基站划分为多个簇，确定目标簇内的基站密度和用户密度，以便根据基站密度和所述用户密度，最大化能效估计函数，得到目标簇的休眠参数，进而根据所述休眠参数，对目标簇内的基站进行休眠调整，从而将利用率较低和可替代的基站调整为休眠模式，以在不影响网络性能的前提下提高能效。

需要说明的是，本发明实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本发明实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。

参见图10，为本发明实施例提供的基于能效估计的基站休眠装置，包括：

划分模块10，用于将多个基站划分为多个簇；

确定模块20，用于确定目标簇内的基站密度和用户密度；

获取模块30，用于根据所述基站密度和所述用户密度，最大化能效估计函数，得到所述目标簇的休眠参数；以及，

休眠模块40，用于根据所述休眠参数，对所述目标簇内的基站进行休眠调整。

进一步地，所述休眠参数包括基站的覆盖半径估计值和多重覆盖用户个数阈值；

所述休眠模块具体用于：

根据所述覆盖半径估计值，确定所述目标簇内每个基站的估计覆盖范围；

检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数；

将估计覆盖范围内没有用户的基站调整为休眠模式，以及将所述多重覆盖用户个数达到所述多重覆盖用户个数阈值的基站调整为休眠模式.

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

图11示出了本实施例所提供的一种具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。

处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

本发明实施例提供一种非暂态计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本发明实施例所提供的任一种基于能效估计的基站休眠方法中的步骤。

本实施例的非暂态计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于能效估计的基站休眠方法，其特征在于，包括：

将多个基站划分为多个簇；

确定目标簇内的基站密度和用户密度；

根据所述基站密度和所述用户密度，最大化能效估计函数，得到所述目标簇的休眠参数；所述能效估计函数为频谱效率与功率消耗之比的函数；

根据所述休眠参数，对所述目标簇内的基站进行休眠调整；

所述休眠参数包括多重覆盖用户个数阈值；

所述根据所述休眠参数，对所述目标簇内的基站进行休眠调整，包括：

检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数；

将所述多重覆盖用户个数达到所述多重覆盖用户个数阈值的基站调整为休眠模式。

2.根据权利要求1所述的基于能效估计的基站休眠方法，其特征在于，所述休眠参数还包括基站的覆盖半径估计值；

所述根据所述休眠参数，对所述目标簇内的基站进行休眠调整，还包括：

根据所述覆盖半径估计值，确定所述目标簇内每个基站的估计覆盖范围；

将估计覆盖范围内没有用户的基站调整为休眠模式。

3.根据权利要求2所述的基于能效估计的基站休眠方法，其特征在于，所述将估计覆盖范围内没有用户的基站调整为休眠模式，具体包括：

将用户位置发送给所述目标簇内的每个基站，使每个基站根据所述用户位置检测其估计覆盖范围内是否具有用户；

获取每个基站的检测结果，并将检测结果为估计覆盖范围内没有用户的基站调整为休眠模式。

4.根据权利要求2所述的基于能效估计的基站休眠方法，其特征在于，所述检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数，具体包括：

将每个基站在其估计覆盖范围内的用户信息共享给其他基站，使每个基站将其估计覆盖范围内的用户信息与其他基站共享的用户信息进行对比，并将对比结果为相同的用户信息所对应的用户确定为多重覆盖用户；

统计每个基站的多重覆盖用户个数。

5.根据权利要求2所述的基于能效估计的基站休眠方法，其特征在于，所述能效估计函数为：

其中，η_ee为能效，P_c为基站的平均覆盖率，P_sleep为基站的休眠概率，(βP_t+P₀)为基站处于活跃模式下的功率消耗，P₀为静态功率消耗，βP_t为传输功率消耗，P_t为射频输出功率，P_sl为基站处于休眠模式下的功率消耗，T为SINR的阈值，R为目标簇的半径，

为目标簇内基站的个数，||z||为用户到服务基站的距离，λ_p为簇的密度，t为随机变量，α为信道衰减参数，λ_u为目标簇内的用户密度，λ_B为目标簇内的基站密度，R_c为基站的覆盖半径估计值，k为多重覆盖用户个数阈值，M为固定值。

6.一种基于能效估计的基站休眠装置，其特征在于，包括：

划分模块，用于将多个基站划分为多个簇；

确定模块，用于确定目标簇内的基站密度和用户密度；

获取模块，用于根据所述基站密度和所述用户密度，最大化能效估计函数，得到所述目标簇的休眠参数；所述能效估计函数为频谱效率与功率消耗之比的函数；以及，

休眠模块，用于根据所述休眠参数，对所述目标簇内的基站进行休眠调整；

所述休眠参数包括多重覆盖用户个数阈值；

所述休眠模块具体用于：

检测每个基站所覆盖的用户中同时被其他基站所覆盖的多重覆盖用户，统计每个基站的多重覆盖用户个数；

将所述多重覆盖用户个数达到所述多重覆盖用户个数阈值的基站调整为休眠模式。

7.根据权利要求6所述的基于能效估计的基站休眠装置，其特征在于，所述休眠参数包括基站的覆盖半径估计值；

所述休眠模块具体用于：

根据所述覆盖半径估计值，确定所述目标簇内每个基站的估计覆盖范围；

将估计覆盖范围内没有用户的基站调整为休眠模式。

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任意一项所述的基于能效估计的基站休眠方法。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1至5任意一项所述的基于能效估计的基站休眠方法。

Images