基于動態業務感知的蜂窩網絡重配置方案

摘要：文章針對動態業務量，提出了一種動態業務量感知的重配置方案（DTR），在保證系統性能的情況下，最大化系統平均能量效率。DTR根據當前業務量，通過排隊論系統預測系統的中斷概率，根據一定準則，將系統配置為最大化系統頻譜效率（SE）、最大化系統能量效率（EE）或者是混合SE-EE系統。

關鍵詞：蜂窩網絡；頻譜效率；能量效率；業務感知；重配置；排隊論

Abstract：In this paper， we propose a dynamic traffic-aware reconfiguration （DTR） scheme that can maximize average system energy efficiency （EE） and guarantee system performance. The system can be configured to achieve maximum spectral efficiency （SE）， EE， or hybrid SE-EE according to the DTR traffic load. The key criterion for reconfiguring the system is the queuing model.

Key words：cellular networks； spectral efficiency； energy efficiency； traffic-aware reconfiguration； queuing model

在過去10年中，蜂窩網絡用戶急劇增加，用戶對系統速率的要求也越來越高，這就要求移動通信系統具有較高的頻譜效率。近年來，3GPP LTE提出了4G移動通信系統，該系統采用正交頻分復用（OFDM）和多輸入多輸出（MIMO）來提高系統的頻譜效率。由于4G移動通信系統的能量消耗相比其他移動通信系統急劇增加，因此，怎樣提高移動通信系統的能量效率成為系統設計的亟需解決的問題。在本篇論文中，傳統的以最大化系統頻譜效率為目標的無線移動通信系統被稱為頻譜效率（SE）系統，而以最大化系統能量效率為目標的新型系統，則被稱為能量效率（EE）系統。由于SE系統最大化系統頻譜效率，其能量效率可能會很低；而EE系統最大化系統能量效率，其頻譜效率可能無法滿足系統需求。文獻[1]中提出了一種在頻率選擇性信道中最大化能量效率的方法。文獻[2]提出了OFDM系統中上行能效最大化設計。文獻[3]提出了一種低復雜度的算法，用于最大化每焦耳能量傳輸的比特數（bits-per-Joule）。其他相關工作[4-5]要集中在基站的睡眠模式，在業務量較小的時候，關掉部分基站來節省能量。文獻[6]中的研究分析了在給定中斷概率情況下，怎樣節省蜂窩網絡的能量消耗。文獻[7]中研究了自適應調制和編碼系統的排隊現象，并將其應用到睡眠模式中。

在實際系統中，業務量可能會急劇地變化，導致單純的最大化頻譜效率或者能量效率的系統無法滿足系統性能要求。因為SE系統在業務量低的時候可能會浪費過多能量，而EE系統則可能在業務量高的時候導致高中斷率。蜂窩網絡系統和用戶的業務請求可以看作一個排隊模型。根據該排隊模型預測出的系統中斷概率，基于上述考慮，本文提出了一種動態的業務感知重配置方案，該方案根據業務量強度和干擾水平，采用排隊論模型預測系統的中斷概率，并根據中斷概率來動態的選擇SE、EE或者是混合SE-EE系統。

1 系統模型

蜂窩網絡中的業務流量具有一定的特點[8]。在（0，t 0）和（t 1，t 2）時間段期間，業務量密度分別為λmin和λmax。在（t 0，t 1）和（t 2，T ）期間，系統業務量線性遞增或是線性遞減，如圖1所示。假設系統中有C個子信道，被調度到的用戶可以根據其業務需求和網絡中資源情況分配到至少一個子信道。用戶產生業務請求服從均值為λ泊松分布，系統對每個用戶的服務時間服從均值為1/μ的指數分布。我們可以采用M/M/N/K隊列模擬系統的中斷概率[9]。系統中有j個用戶的中斷概率為：

其中ρ=λ/μ并且K = arg{T d =Δt }，T d 為用戶的平均等待時間。則系統中用戶無法接入至少一個子信道的

2 頻譜效率和能量效率

頻譜效率ηSE定義為每赫茲帶寬每秒傳輸的比特數，ηSE =R /B，其中B為達到數據速率為R的帶寬。而能量效率定義為每焦耳能量每秒所傳輸的數據比特。

P T （R ）為數據速率為R時的傳輸功率，假設各子信道上的數據速率分別為r i，則R =（r 1，r 2…r n）表示系統的數據速率向量。能量效率與頻譜效率之間的關系如圖2所示。當干擾強度過高時，系統的數據速率會降低，系統的最大頻譜效率ηSE可能會低于

η*SE，即ηaSE <η*SE，假設為ηaSE 。在這種情況下，SE系統和EE系統之間的折中點在η*SE的左邊，即a點。此時能量效率隨后則頻譜效率遞增，同時最大能量效率為ηaSE ，對應的頻譜效率為ηaSE 。另一方面，當系統最小頻譜效率ηbSE 大于η*SE，即ηbSE>η*SE。此時，SE系統與EE系統間的折中點在η*SE的右邊，即b點，此時能量效率隨著頻譜效率單調遞減。則系統最大可達能量效率為ηbEE，對應的頻譜效率為ηbSE，小于η*SE。當系統要求的最小頻譜效率為ηaSE時，且最大頻譜效率為ηbSE時，則SE和EE系統的折中點為η*SE，系統可達的最大能量效率為全局最大能量效率。由此我們可以總結得出系統可達的最大能量效率不一定是全局最大能量效率η*SE，因為不同的干擾強度和不同的要求頻譜效率可能會變化，導致SE和EE系統的折中點可能不會包含η*SE點。

3 動態業務感知重配置

我們仔細分析了SE和EE系統所能達到的不同頻譜效率和數據速率。當業務量隨著時間不斷變化時，EE系統無法隨時保障系統所要求的頻譜效率，導致無法滿足用戶所要求的服務質量。本文提出一種動態的重配置方案來適應業務的變化。

3.1 動態業務感知網絡重配置方案

概述

動態業務感知重配置方案的主要思想如圖3所示。動態業務感知網絡重配置方案（DTR）包含3個主要部分。第一部分是RE，即速率預測，用于預測EE和SE系統速率。第二部分是OPE，即中斷概率預測模塊。該模塊的輸入是第一部分RE所預測出的SE和EE系統的系統速率RSE，REE和當前業務強度λ，輸出是預測的SE和EE系統的中斷概率 和 。第三部分則是系統重配置（SR），即是根據不同情況將系統重配置為SE，EE和混合SE-EE系統。

3.2 優化目標

假設系統中有C個子信道，每個子信道的帶寬為W。被調度到的用戶一次可以分配到一個或者多個子信道。在實際系統中，業務量可能是動態的，一個用戶在以下情況可能會中斷：

（1）用戶接收端檢測到的信號與干擾噪聲比（SINR）小于門限值γ：SINR <γ，即pout1 = p [SINR <γ]。

（2）用戶在規定時延內T d =Δt，其中T d 是兩次調度之間的時間間隔，Δt為預先定義好的時延門限。這種類型的中斷概率有p out 2表示，則系統的總中斷概率為p out = 1-（1-p out1）（1-p out 2）。為了簡化模型，本文假設所有在基站覆蓋范圍內的用戶都滿足SINR≥γ，即pout1 = P [SINR ≤γ]=0，此時系統的中斷概率為p out =p out 2。一旦用戶被調度到，直到其傳輸完自己的數據比特，才會釋放資源。即意味著系統中斷概率為用戶在規定時延Δt無法接入系統的概率。

在純SE系統中，優化目標為最大化系統的頻譜效率。系統中各個子信道傳輸功率小于基站總發射功率。SE系統的目標函數如下：

在一個純EE系統中，優化目標為最大化系統的能量效率。各個子信道上發射功率之和必須小于某個動態的值PEE。EE系統的目標函數如下：

混合SE-EE系統主要用于當系統中業務量適中的時候。在這種情況下，EE系統的中斷概率高于目標中斷概率而SE系統的中斷概率小于目標中斷概率，即（pEEout >p 0， pSEout

由于混合SE-EE系統的中斷概率總是保持為p 0，因此我們可以推出相應的數據速率R 0，p 0 =g （R 0，λ）?

R 0 = g -1（ p 0，λ），其中，

是與速率、業務強度和數據比特D相關的中斷函數表達式，且g -1（）是g （）的反函數。具體功率分配方案如圖4所示，即速率注水算法。

3.3 動態業務感知網絡重配置算法

由于優化目標不同，我們可以得到SE、EE和混合SE-EE系統的不同的功率分配算法。具體的，當DTR將系統重配置為SE、EE或者混合SE-EE系統時，分別采用經典的注水算法，能量效率注水算法和速率注水算法。根據圖3所示的DTR工作框架，第一步為預測SE和EE系統的速率R SE和R EE。假設R *為能量效率最大時候的數據速率，R r為要求數據速率。系統最大和最小數據速率為R min和R max。方案細節由如圖5所示。通過排隊論模型預測SE和EE系統的中斷概率pSEout = g （RSE，λ），pEEout =g （REE，λ），DTR進行系統重配置。詳細過程如圖6所示。

4 仿真結果

仿真平臺為LTE系統級仿真平臺[10]，由于系統帶寬被分為若干個180 kHz的資源塊，每個資源塊視為一個子信道。表1是仿真參數設置。本文對單小區場景進行了仿真。圖7（a）顯示了單小區場景下純SE、EE和DTR的中斷概率對比。我們可以看到EE系統的中斷概率隨著用戶的個數N的增加而增加，且當N =32時，中斷概率大于目標中斷概率p 0 = 0.1。而SE系統的中斷概率隨著N的增大緩慢增加，直到N大于125時，系統的中斷概率等于目標中斷概率。對比純SE和純EE系統，DTR的中斷概率在用戶少的時候，即業務量低的時候，與EE系統基本保持一致。圖7（b）所示為單小區場景下純SE，純EE和DTR的能量效率。當業務量強度增加，EE系統總是可以達到最大的能量效率。但是SE系統的能量效率總是3者最低的。DTR在業務量輕的時候能量效率與EE系統相同，而業務量高的時候趨向于與SE系統相同。圖7（c）比較了純SE、EE系統和DTR的吞吐量。當業務量很低的時候，3種系統的吞吐量一樣。當業務量很高的時候，SE系統和DTR的吞吐量明顯高于EE系統。

5 結束語

本文介紹了一種動態業務感知網絡重配置方案（DTR），其主要目標為最大化系統的平均能量效率同時滿足給定的中斷概率要求。方案根據業務量的不同，引入排隊模型預測系統的中斷概率，并根據該中斷概率對系統進行重配置，使系統切換到SE、EE或者混合SE-EE系統。

參考文獻

[1] MIAO Guowang， HIMAYAT N， LI G Y. Energy-efficient link adaptation in frequency-selective channels [J]. IEEE Transactions on Communications， 2010，58（2）：545-554.

[2] MIAO Guowang， HIMAYAT N， LI Ye， et al. Energy efficient design in wireless OFDMA [C]//Proceedings of the IEEE International Conference on Communications（ICC’08）， May 19-23，2008， Beijing， China. Piscataway， NJ，USA： IEEE， 2008：3307-3312.

[3] MIAO Guowang， HIMAYAT N， Li G Y， et al. Low-complexity energy-efficient OFDMA [C]//Proceedings of the IEEE International Conference on Communications （ICC’09）， Jun 14-18，2009， Dresden， Germany. Piscataway， NJ，USA： IEEE， 2009： 5p.

[4] XIONG Cong， LI G Y， ZHANG Shunqing， et al. Energy- and spectral-efficiency tradeoff in downlink OFDMA networks [C]//Proceedings of the IEEE International Conference on Communications（ICC’11），Jun 5-9，2011， Kyoto， Japan. Piscataway， NJ，USA： IEEE， 2011：5p.

[5] WENG Xiangnan， CAO Dongxu， NIU Zhisheng. Energy-efficient cellular network planning under insufficient cell zooming [C]//Proceedings of the 73rd Vehicular Technology Conference （VTC-Spring’11）， May 15-18， 2011， Budapest， Hungary. Piscataway， NJ，USA： IEEE， 2011： 5p.

[6] GONG Jie， ZHOU Sheng， NIU Zhisheng. Queuing on energy-efficient wireless transmissions with adaptive modulation and coding [C]//Proceedings of the IEEE International Conference on Communications（ICC’11）， Jun 5-9，2011， Kyoto， Japan. Piscataway， NJ，USA： IEEE， 2011：5p.

[7] GOLDSMITH A J， CHUA S G. Variable-rate variable-power MQAM for fading channels [J]. IEEE Transactions on Communications， 1997，45（10）：1218-1230.

[8] MARSAN M A， CHIARAVIGLIO L， CIULLO D， et al. Optimal energy savings in cellular access networks [C]//Proceedings of the IEEE International Conference on Communications （ICC’09）， Jun 14-18，2009， Dresden， Germany. Piscataway， NJ，USA： IEEE， 2009： 5p.

[9] KLEINROCK L. Queueing systems， Volume I： Theory [J]. IEEE Transactions on Communications， 1977，25（1）：178-179.

[10] Institute of Communications and Radio-Frequency Engineering， Vienna University of Technology.LTE_system_Level_1.2_r300 [EB/OL]. [2012-08-12]. http：//www.nt.tuwien.ac.at/ltesimulator.

收稿日期：2012-11-05

作者簡介

周旋，電子科技大學通信與信息工程學院本科畢業，電子科技大學通信抗干擾技術國家級重點實驗室在讀碩士研究生；主要研究方向為移動通信網絡。

馮鋼，電子科技大學無線電技術系學士及碩士畢業，香港中文大學信息工程系博士畢業；電子科技大學通信抗干擾國家級重點實驗室教授、博士生導師；已發表學術論文140余篇，其中SCI論文40余篇，EI論文60余篇。

秦爽，電子科技大學博士畢業；電子科技大學通信抗干擾技術國家級重點實驗室講師；主要研究領域為無線網絡；已參基金項目近10項；已發表論文8篇，其中SCI/EI收錄7篇。