《电子技术应用》

密集场景基站协作休眠能效优化策略

2017年电子技术应用第10期
沈海强1,尹生华1,伍映吉2,唐 伦1
(1.重庆邮电大学 移动通信重点实验室,重庆400065;2.重庆邮电大学 软件学院,重庆400065)
摘要: 现有的基站休眠节能策略面临如何在提高能效的同时保证业务QoS的问题,提出了一种在密集场景下微基站与宏基站协作的微基站休眠策略,以提高系统能效。首先,微基站在业务请求较低时进入休眠状态以达到节能的目的;其次,利用宏基站覆盖范围广的特点,将其作为协作基站,当微基站休眠时它能够辅助处理一些业务;最后,将业务按照容量大小分类,发挥出宏基站与微基站的各自特点,有区别地选择基站处理业务。仿真结果表明,该方案比现有的基站休眠节能方案具有优势。
中图分类号: TN914
文献标识码: A
DOI:10.16157/j.issn.0258-7998.170491
中文引用格式: 沈海强,尹生华,伍映吉,等. 密集场景基站协作休眠能效优化策略[J].电子技术应用,2017,43(10):111-115.
英文引用格式: Shen Haiqiang,Yin Shenghua,Wu Yingji,et al. Energy efficiency optimization strategy based on base station cooperative dormancy in dense scene[J].Application of Electronic Technique,2017,43(10):111-115.

Energy efficiency optimization strategy based on base station cooperative dormancy in dense scene

Shen Haiqiang1,Yin Shenghua1,Wu Yingji2,Tang Lun1
(1.Key Laboratory of Mobile Communication Technology,Chongqing University of Posts and Telecommunications, Chongqing 400065,China; 2.School of Software Engineering,Chongqing University of Posts and Telecommunications,Chongqing 400065,China)
Abstract: The existing BS(base station) sleep policy faced with the problem that how to improve energy efficiency while ensuring business QoS. This paper presents a method that Micro-BS and macro-BS cooperate to improve the energy efficiency of the system in intensive scene. First, the micro-BS with low service requirements enter the sleep state, in order to save the energy. Second, due to the wide coverage of the macro-BS, it can be considered as collaborative BS to assist the dormant micro-BS in dealing with some service. Finally, the different types of services are classified into multiple groups, so that macro-BS and micro-BS can separately process these services based on their features. The simulation results show that the proposed scheme has advantages over the existing BS sleep energy saving scheme.

0 引言

    基站密集化是下一代移动通信系统的关键技术,这会造成对能耗的极大需求[1-2]。为解决这一问题,需要研究各种节能策略来降低能耗,提高网络能效[3]

    基站休眠的节能策略的研究非常多[4-8]。文献[4]通过感知系统流量和基站休眠,得到能耗-时延的最佳权衡值,并求得了系统的最佳传输速率。基站关断节能有很多种控制策略,例如通过业务累积数量触发基站休眠,通过控制基站休眠时长来控制基站等[5]。文献[6]通过分析各个基站的业务接入情况来关断微基站,并且通过改变业务的调度、均衡信道的使用来提高系统能效。文献[7]中不仅使用了基站的关断策略,还结合了频谱资源的分配等一系列手段。

    在密集场景下,研究宏基站协作的关断策略,使用合适的微基站关断时长控制参数来得到最优的能耗-时延回报。本文中的宏基站与微基站协作的一个最大特点就是对业务进行区分。发挥出宏基站覆盖广和微基站针对性强的特点,提高网络整体的能效。同时对业务类型按照容量大小加以区分[9]微基站休眠时将大容量业务交给微基站,小容量业务交与宏基站处理。

1 系统网络模型和功耗模型

    在一个密集异构蜂窝网络场景下,假设一个宏小区包含一个宏基站和若干个微基站。微基站与微基站覆盖区域不重叠,宏基站主要为区域提供足够的覆盖,微基站为宏小区扩容。在本方案中,宏基站作为协作服务基站。微基站与宏基站使用不同的子载波以减小干扰,图1表示网络基本架构。

tx6-t1.gif

    微基站具有开启和睡眠两种工作模式。在开启模式,所有部件都处于打开状态,能够正常服务用户;在休眠模式下,仅有部分控制器件工作,不能给用户提供数据传输服务[4]。在不同的模式下,微基站功耗为:

tx6-gs1-3.gif

    本文的目标是在满足时延约束条件下,系统的能耗函数取得最小值。E表示系统平均能耗(单位:J/s),D表示平均时延(单位:s/bit),D0表示时延约束。

2 系统能效模型

    密集场景下,在一个宏小区内有N个微基站,基站在同一时刻只能处理一个业务,这里研究某一个微基站下的休眠策略。这个微基站的范围内,业务由数据容量的大小分为两种,即v业务和d业务[9]。其平均业务长度为lv bit和ld bit(lv=kld),假设其到达率分别为参数λv和λd(单位:Flow/s)的泊松过程,并且业务相互独立。如图2,微基站的休眠步骤为:初始时刻微基站处于休眠模式,当d业务到达时,由于其长度较小,因此在宏基站侧排队并以xH接受处理。v业务在微基站侧排队。

tx6-t2.gif

    微基站经过1/v的关闭窗口期结束时将会判断基站是否切换到打开状态。判决条件为:若微基站侧有v业务或者在微基站休眠期间内微小区到达宏基站侧d业务有n个,则该微基站打开;否则进入下一个关闭窗口。

    在微基站的一个关闭窗口结束之后,如果切换到打开状态,则微基站处理业务直到业务等待队列为空。而关闭时期到达的d业务继续由宏基站处理。当微基站处理完所有业务之后,进入下一个关闭窗口。

    若微基站的一个关闭窗口结束之后,仍然不能打开,则微基站会进入下一个关闭窗口。基站开关之间切换一次能耗为ES

tx6-gs4-5.gif

    宏基站能耗恒定,节能都体现在微基站上。式(5)的3个部分分别表示单位时间内微基站打开、休眠和模式切换的能耗。

    系统状态转移图如图3所示。

tx6-t3.gif

    把业务归一化为d业务之后,将时延建模为马尔科夫模型,令L(t)表示t时刻系统顾客数,J(t)表示t时刻服务状态。J(t)=0表示当前基站处于休眠状态,否则表示基站处于打开状态。则{J(t),L(t)}为二维马尔科夫过程。平衡状态方程为:

tx6-gs6-14.gif

    定理3:若关闭窗口长度v服从指数分布,则在v>0上必定存在一个确定的v值使得系统的耗费函数最小(即在限定时延情况下取得最低的能耗)。在模型仿真部分给出最优系统耗费函数值时的关闭窗口时长参数v。

    证明:

    (1)对微基站能耗求导

     tx6-gs15-16.gif

    因此dE/dv<0,则能耗函数在休眠窗口时长上是一个减函数,即休眠窗口时长越长,能耗越低。

    (2)对系统时延求导

    在微基站时延中,很明显在时延中u是v的函数,并且是一个减函数,其取值范围为:

    tx6-gs17.gif

    可由求导的方法判断式(11)第一部分是u的减函数,同理可得第二部分也是u的减函数,因此平均时延是u的减函数。由复合函数可知,平均时延函数是v上的增函数。

    由式(12)可知宏基站平均时延与v无关。假设在时延限制条件下,关闭窗口时间长度为v0,根据其单调性可知v0有且满足时延限制条件的关闭窗口时间长度的取值范围为(0,v0],因此v的最佳值为v=v0。求解见算法1。

    算法1:

    ①初始化休眠窗口时长v1=v2=0,平均时延限制D0,所求值v0,设置一个休眠窗口的时长增量Δv,一个允许的时延误差a=10×10-3

    ②判断D(v2)≥D0是否成立,如果成立,则表示无论关闭时间多长都不能满足系统的平均时延需求,算法结束,返回v0=-1;否则转到步骤③。

    ③v2=v2+Δv,判断D(v2)≥D0是否成立。如果不成立则重复步骤③;否则转到步骤④。

    ④此时D(v2)≥D0≥D(v1),且v2≥v0≥v1。此时如果|D0-D((v1+v2)/2)|<a,那么v0=(v1+v2)/2,求解过程结束。如果D0<D((v1+v2)/2),则进入步骤⑤,否则进入步骤⑥。

    ⑤v1值更新为(v1+v2)/2,重复步骤④。

    ⑥v2值更新为(v1+v2)/2,重复步骤④。

3 仿真结果分析

    这里对文中的策略进行仿真验证,并详细地给出主要性能。首先对方案的仿真参数进行设置。N=21,根据文献[10]设置信道模型和相关参数;宏基站协作带宽和微基站带宽10 MHz。它们发射功率分别为46/30 dbm;P0=80 W,Δp=3.6,ES=1.5 J,lv=4 Mbit,ld=0.4 Mbit。用户到服务微基站和宏基站距离为0.03/0.1 km,而与干扰微基站平均距离为0.25 km,n=5。业务到达的过程能够被基站知晓。一旦接收服务之后就离开基站,并且基站在一个时刻只能处理一个业务。这里几个仿真方案分别是:(1)On-only:微基站总是处于打开状态。(2)DS+SWC:本文方案。(3)NDS+SWC:非协作且不对业务进行区分[4]。(4)SCT:采用协作且业务累积门限触发基站关断策略[10]

    图4为本方案所提策略,有引导性的将v业务给微基站处理,而d业务给宏基站处理。从左到右,窗口时长逐渐增加的过程中,能耗在不断降低。因为休眠窗口时长增加,微基站的开关切换频率会降低,切换损耗会逐渐降低,最终导致了系统的能耗降低。与此同时,系统的时延逐渐增加,原因是休眠窗口时长增加,休眠期到达业务会等待更久。图4不同曲线表示不同业务到达率下系统的能耗-时延性能。相同的时延约束条件下,业务到达率越低,那么基站处理的业务就会减少,相应的系统的能耗越低。

tx6-t4.gif

    图5为相同业务量下不同节能策略的性能比较。从中可以看出,DS+SWC的仿真结果性能优于NDS+SWC和SCT方案。SCT没有基站协作,则其能耗高于采取基站协作的DS+SWC方案;而在基站休眠时SCT没有基站协作也使得它的业务等待时间比DS+SWC更长。DS+SWC与NDS+SWC中,宏基站与微基站协作时,协作资源非常有限,因此在协作过程中遇到v业务时,该业务将会长时间占用宏基站资源,“堵塞”宏基站。而排在它后面的d业务虽然仅仅需要极少的处理资源,却也不得不被迫等待。而DS+SWC方案将v、d业务分别引导到微基站和宏基站,避免了宏基站的“堵塞”,因此会降低系统的平均时延。

tx6-t5.gif

    图6表示v业务和d业务到达比例不同时的能耗-时延性能,可以看出两种业务到达率相近时(图7中实线),DS+SWC方案的能耗-时延性能优势越大。由图5分析的DS+SWC的优势,经过业务区分之后, d业务不会因为v业务“堵塞”宏基站而等待太久的时间。单位时间内两种业务到达数越近,每个d业务前面相邻v业务而被“堵塞”概率就会越大。

tx6-t6.gif

    图7比较了不同微基站密度,各微基站内业务到达率不变,几种方案的性能表现。由图7可知,两种方案的能效性能都有不同程度的下降,其原因是当微基站密度增加导致干扰增强。这就导致了微基站处理性能的下降。同时由于用户数增加,宏基站的协作处理资源显得更为紧张,这两个原因都导致了两种能效方案性能的下降。就能效性能下降程度而言,DS+SWC方案无疑是最优秀的。在图5的分析中指出,业务区分是为了防止宏基站“堵塞”,而在增加基站和用户数之后,宏基站能够分配给各个用户的协作处理资源更少,以至于NDS+SWC方案中大容量业务更容易较长时间地占用宏基站资源。而DS+SWC方案受此影响较小,那么它的能效性能受影响程度也较小。

tx6-t7.gif

    表1表示了DS+SWC和NDS+SWC方案中基站处理不同业务的数量。可以看出在区分业务时,有导向性地将大容量业务交给微基站处理,发挥出微基站解决热点地区多业务大容量的优势;将小容量业务交给宏基站协作处理,宏基站覆盖范围广,且处理能力弱的特点也能更好地利用,使得系统的能耗降低,能效提高。

tx6-b1.gif

4 结论

    本文提出了一种宏基站与微基站协作下,微基站采取休眠策略的系统能效提高方案,并且讨论了在混合业务情况下系统的能效情况。这种能效提高策略确定了一个最优的休眠窗口控制参数,使得系统的能耗和时延得到一个最佳的权衡值。

参考文献

[1] W-GREEN 2008.1st international workshop on Green Wireless[EB/OL].(2008-09-08)[2017-02-15].http://www.cwc.oulu.fi/workshops/W-Green2008.pdf.

[2] FETTWEIS G,ZIMMERMANN E.ICT energy consumption-trends and challenges[C].In Proc.2008 International Symp.Wireless Personal Multimedia Commun,2008:1-4.

[3] HASAN Z,BOOSTANIMEHR H,BHARGAVA V K,et al.Green cellular networks:a survey, some research issues and challenges[J].IEEE Commun.Surveys Tuts,2011,13(4):524-540.

[4] Wu Jian,Zhou Sheng,Niu Zhisheng,et al.Traffic-aware base station sleeping control and power  matching for energy-delay tradeoffs in green cellular networks[J].IEEE Transactions on wireless communications,2013,12(8):4196-4209.

[5] Guo Xueying,Zhou Sheng,Niu Zhisheng,et al.Optimal wake-up mechanism for single base station with sleep mode[C].Proceedings of the 2013 25th International Teletraffic Congress(ITC),2013.

[6] TABASSUM H,SIDDIQUE U,HOSSAIN E,et al.Downlink performance of cellular systems with base station sleeping,user association, and scheduling[J].IEEE Transactions on Wireless Communications,2014,13(10):5752-5767.

[7] GAN X,WANG L,FENG X,et al.Energy efficient switch policy for small cells[J].China Communications,2015,12(1):78-88.

[8] CHAI X,LI Y,LV Y,et al.Joint spectrum-sharing and base-station-sleep model for improving energy efficiency of HetNet[C].2015 IEEE International Conference on Communications(ICC).IEEE,2015:1851-1856.

[9] WU J,YANG Z,ZHOU S,et al.A traffic-aware dynamic energy-saving scheme for cellular networks with  hetero-geneous traffic[C].Communication Technology(ICCT),2011 IEEE 13th International Conference on.IEEE,2011:357-361.

[10] LIU B,ZHAO M,ZHOU W,et al.Flow-level-delay constraint small cell sleeping with macro base station cooperation for energy saving in HetNet[C].Vehicular Technology Conference(VTC Fall),2015 IEEE 82nd.IEEE,2015:1-5.



作者信息:

沈海强1,尹生华1,伍映吉2,唐  伦1

(1.重庆邮电大学 移动通信重点实验室,重庆400065;2.重庆邮电大学 软件学院,重庆400065)

继续阅读>>