基于能效和用戶服務質量的密集Macro-Femto蜂窩網絡部署策略

李云，王春生，曹儐，劉期烈

?

基于能效和用戶服務質量的密集Macro-Femto蜂窩網絡部署策略

李云1,2，王春生1，曹儐1，劉期烈1

（1. 重慶郵電大學移動通信技術重慶市重點實驗室，重慶 400065；2. 東南大學移動通信國家重點實驗室，江蘇 南京 210096）

隨著用戶對流量需求的指數級增長，運營商密集地部署微蜂窩來滿足用戶的服務質量，然而這會引發巨大的能耗。基于此，在滿足用戶服務質量（QoS, quality of service）的條件下，提出一種密集的異構蜂窩網絡的部署策略。首先，采用密集Macro-Femto偏置蜂窩網絡建立模型，利用隨機幾何理論分析信干燥比（SINR）覆蓋率和平均用戶速率這2種QoS指標。然后，在滿足QoS約束條件下，以平均區域功耗（ASPC, average spatial power consumption）作為優化目標，運用經典的最優化理論得到Femto的最優部署密度和發射功率。最后，通過仿真實驗證明，與傳統單獨考慮基站密度的策略相比，提出的部署策略可以在保證QoS的同時，獲得更高的能效。

異構蜂窩網絡；能效；部署；基站密度

1 引言

近年來，隨著全球智能移動設備的指數級增長以及人們對移動數據業務的巨大需求，思科在《全球移動數據流量預測2016—2021白皮書》中指出：2017年全球移動數據流量比2016年同比增長了57%。預測到2021年全球每月平均數據流量將達到49艾字節，為現在的4倍左右。為了增加網絡的容量和滿足用戶日益增長的流量需求，3GPP提出了異構蜂窩網絡的概念，異構蜂窩網絡是在宏蜂窩網絡中部署一些低功耗的微蜂窩，例如Pico基站、Femto基站、Relay等[1-2]。為了實現無縫覆蓋，5G采用超密集的異構蜂窩網絡，因此如何有效地部署密集異構蜂窩網絡、提高網絡的能量效率是亟待研究的課題[3]。

大量地部署低功耗的微蜂窩會產生大量的能量消耗以及干擾。因此，蜂窩網絡的能效問題已經成為運營商、學術界等關注的焦點。Femto基站具有功耗低、便于靈活安裝、能有效地解決Macro基站的覆蓋空洞、提供更高的容量等優勢[4]。為了充分地利用Femto基站的優勢，采用蜂窩網絡的偏置技術，即小區范圍擴展（CRE, cell range expansion）技術。在Macro基站覆蓋范圍下引入Femto基站，Femto基站采用CRE技術，通過調節Femto基站的偏置參數，可以動態地擴展Femto基站的覆蓋范圍。當用戶位于Femto基站的擴展區域時則關聯到Femto基站，采用偏置技術能夠提高用戶的速率以及擴大室內和小區邊緣的覆蓋，卸載Macro基站更多的流量并使Femto基站服務更多的用戶[5]。

目前，已有相關文獻研究異構蜂窩網絡的部署問題，基站的位置和密度都需要考慮滿足覆蓋和負載需求[6]。網絡模型的選取對于分析網絡的性能至關重要。文獻[7]提出一種新的網絡模型，基站的位置服從泊松點過程（PPP, Poisson point process）分布。這種模型準確地模擬了基站位置的隨機性，同時也易于通過隨機幾何工具來分析網絡的性能指標。文獻[8]對于單層網絡和兩層網絡，考慮基站休眠對能效的影響，得到了最優基站密度與能效的關系。然而該文獻只是優化基站密度來達到最佳的能效。文獻[9]聯合優化了宏基站和小基站的密度來保證網絡的服務質量，考慮到了覆蓋率和用戶到達率，然而沒有優化基站的發射功率。文獻[10]在兩層蜂窩網絡中得到了最佳的基站密度和發射功率，在滿足覆蓋限制條件下使平均功率消耗達到最小。然而該文獻只考慮覆蓋率的限制，并沒有考慮平均用戶速率的要求，同時只考慮非偏置網絡的情形。然而，隨著用戶對流量和速率的要求越來越高，考慮平均用戶速率是非常必要的。文獻[11]針對兩層的Macro-Femto蜂窩網絡進行分析，提出了基于聯合聚類和資源分配的正交頻分復用干擾管理方案，來最大化地提高Femto基站的吞吐量。文獻[12]利用隨機幾何工具，假設基站位置服從泊松點分布，推導出每層網絡的成功接入概率，分析基站密度和網絡能效的關系，然而也沒有考慮平均速率的限制條件。文獻[13]將微基站部署在用戶接收信號較差的區域，考慮了宏基站密度、微基站密度以及用戶密度對網絡能效和頻譜效率的影響，分析表明合理的基站和用戶密度可以提高網絡能效和頻譜效率。文獻[14]考慮非均勻分布的基站部署場景，采用合理的基站負載，得到宏基站和微基站的平均覆蓋率和平均用戶速率。

由于用戶的密度和位置隨著時間和空間是不斷變化的，因此考慮調整基站的發射功率很有必要。通過分析上述相似研究的文獻發現，文獻[8-9]在優化網絡能效時把基站的發射功率設為一個固定的值，沒有考慮基站發射功率的動態變化。由于用戶對流量的需求呈指數級增長，平均用戶速率指標成為評價網絡質量的重要指標，同時由于Macro基站的容量限制，其已不能滿足用戶的速率需求，為此需要部署大量的Femto基站來增加網絡容量，卸載Macro基站更多的流量給Femto基站。同時采用偏置技術，有利于負載均衡。文獻[10]考慮了基站發射功率的動態變化，但沒有考慮用戶的平均速率這項評估網絡質量的重要指標，網絡采用的是非偏置網絡。本文的創新點是采用偏置技術對Macro-Femto蜂窩網絡進行分析，同時考慮覆蓋率和平均用戶速率2項指標，聯合優化基站密度和基站發射功率來滿足用戶目標QoS要求，同時使ASPC達到最低。

本文的工作如下所示：1) 利用隨機幾何工具分析Macro-Femto兩層蜂窩網絡的覆蓋率和平均用戶速率，得到近似的封閉表達式，使覆蓋率和平均用戶速率是能耗相關表達式的單調遞增函數，且收斂；2) 在給定目標覆蓋率和目標平均用戶速率的情況下，能夠得到最優的基站密度和基站發射功率使能耗達到最低；3) 聯合優化基站密度和基站發射功率在滿足目標覆蓋率和目標平均用戶速率的限制條件下，使ASPC達到最低，該策略比傳統單獨考慮基站密度的策略能耗低。

2 系統模型

本節首先考慮兩層蜂窩網絡作為網絡模型，基站密度都服從齊次泊松點過程，信道模型采用瑞利衰落信道，Macro基站和Femto基站共享頻譜資源，然后分析基站的功率消耗。

2.1 網絡模型

2.2 信道模型

2.3 頻譜資源分配

2.4 基站功耗模型

根據文獻[17]，基站的功率消耗與基站的類型以及基站的狀態有關。若基站處于激活狀態，基站的功率消耗包括功率放大器、信號處理、制冷設備、電源損耗、饋線損耗、天線損耗等。若基站處于休眠狀態，相比激活狀態其功耗顯著降低，主要包括一些靜態損耗和空調設備損耗等。所以基站的功率消耗為

考慮基站激活和休眠的情況，采用傳統的基站休眠策略，即如果目標基站的覆蓋范圍內沒有用戶，則該基站可以處于休眠狀態，否則該基站處于激活狀態。

3 Macro-Femto蜂窩網絡的性能分析

3.1 覆蓋率分析

覆蓋率利用一個隨機用戶接收到的瞬時值大于目標閾值的互補累積分布函數來表示，如式(4)所示。

首先考慮干擾限制的場景，即高斯白噪聲功率的影響相對于同層和跨層的干擾可以忽略不計。這樣得到的覆蓋率表達式比較簡單，而且是封閉的表達式。然后在此基礎上考慮高斯白噪聲對覆蓋率的影響。在干擾限制場景下得到的覆蓋率是實際場景下的上界[7]。即在考慮高斯白噪聲的影響下所得到的覆蓋率要低于干擾限制（忽略噪聲）場景下的覆蓋率。

3.2 平均用戶速率分析

(9)

同樣類似于覆蓋率分析，首先考慮干擾限制的場景。在干擾限制場景下得到的平均用戶速率是實際場景下的上界[7]，即在高斯白噪聲的影響下所得到的平均用戶速率要低于干擾限制（忽略噪聲）場景下的平均用戶速率。

4 能效優化分析

采用ASPC表示平均區域功率消耗，包括單位面積內處于激活狀態和休眠狀態的基站功耗。ASPC具體計算式為

在兩層的Macro-Femto異構蜂窩網絡中，由于Macro基站和Femto基站的發射功率不同，因此基站的覆蓋范圍會形成加權泊松沃羅諾伊嵌圖。基站覆蓋范圍的概率密度函數[18]為

由于用戶位置服從泊松點過程分布，因此在基站覆蓋范圍內的用戶數量服從泊松分布，用戶分布概率密度為

因此，基站處于休眠狀態的概率即基站覆蓋范圍內沒有用戶的概率，如式(16)所示。

證明見附錄A。

4.1 能效問題構造

能效優化問題可構造為

如果該能效優化問題目標函數有最優解，那么該最優解為

從上述覆蓋率和平均用戶速率的分析中可以發現。這2項QoS指標相互影響，所以把上述能效優化問題分解為2個子問題，即分別滿足目標覆蓋率和目標平均用戶速率的能效優化問題。

4.2 基于覆蓋率的能效優化分析

基于覆蓋率的能效優化問題可以構造為

求解過程見附錄B。

4.3 基于平均用戶速率的能效優化分析

基于平均用戶速率的能效優化問題可以構造為

上述優化問題可以等效為

4.4 最佳能效分析

算法1 最佳能效部署基站

5 性能仿真分析

圖2 Femto基站密度對用戶QoS的影響()

圖3 最優解與SINR覆蓋率和平均用戶速率的關系

圖4 本文提出的策略和傳統策略在滿足目標覆蓋率及目標速率的能耗關系

圖5 本文提出的策略和傳統策略在聯合滿足目標用戶QoS指標下的能耗關系(，)

6 結束語

本文采用兩層的密集偏置Macro-Femto異構蜂窩網絡進行分析，利用隨機幾何工具分析了覆蓋率和平均用戶速率與能耗之間的關系。通過分析覆蓋率和平均用戶速率的封閉表達式，得到網絡能耗與能耗相關表達式的關系。通過聯合優化基站密度和基站發射功率，在滿足用戶QoS（覆蓋率和平均用戶速率）的限制條件下，得到最佳的部署策略。通過仿真結果可以看出，本文提出的策略比傳統單獨考慮基站密度優化的策略能耗更低。在后續的工作中考慮用戶分布不均勻，即存在網絡熱點區域和非熱點區域的情況下如何部署Femto基站來滿足用戶的QoS要求。

附錄A 定理1的證明

附錄B 式（22）的求解過程

[1] DAMNJANOVIC A, MONTOJO J, WEI Y, et al. A survey on 3GPP heterogeneous networks[J]. IEEE Wireless Communications, 2011, 18(3): 10-21.

[2] GHOSH A, MANGALVEDHE N, RATASUK R, et al. Heterogeneous cellular networks: from theory to practice[J]. IEEE Communications Magazine, 2012, 50(6): 54-64.

[3] WU G, YANG C, LI S, et al. Recent advances in energy-efficient networks and their application in 5G systems[J]. IEEE Wireless Communications, 2015, 22(2): 145-151.

[4] LIN P, ZHANG J, CHEN Y, et al. Macro-Femto heterogeneous network deployment and management: from business models to technical solutions[J]. IEEE Wireless Communications, 2011, 18(3): 64-70.

[5] KHANDEKAR A, BHUSHAN N, JI T F, et al. LTE-Advanced: heterogeneous networks[C]// IEEE Wireless Conference. 2010: 978-982.

[6] HURLEY S. Planning effective cellular mobile radio networks[J]. IEEE Transactions on Vehicular Technology, 2002, 51(2): 243-253.

[7] DHILLON H S, GANTI R K, BACCELLI F, et al. Modeling and analysis of-tier downlink heterogeneous cellular networks[J]. IEEE Journal on Selected Areas in Communications, 2011, 30(3): 550-560.

[8] LI L, PENG M, YANG C, et al. Optimization of base station density for high energy efficient cellular networks with sleeping strategies[J]. IEEE Transactions on Vehicular Technology, 2016, 65(9): 7501-7514.

[9] 李云, 王俊偉, 趙為糧,等. 基于基站密度和業務負載的異構蜂窩網絡能效優化[J]. 電子與信息學報, 2017, 39(4): 854-859.

LI Y, WANG J W, ZHAO W L, et al. Optimizing the energy efficiency of heterogeneous cellular networks based on the base station density and traffic load[J]. Journal of Electronics and Information Technology, 2017, 39(4): 854-859.

[10] PENG J, HONG P, XUE K. Energy-aware cellular deployment strategy under coverage performance constraints[J]. IEEE Transactions on Wireless Communications, 2015, 14(1): 69-80.

[11] DAI J Y, WANG S W. Clustering-based interference management in densely deployed femtocell networks[J]. Digital Communications & Networks, 2016, 2(4): 175-183.

[12] CHEN W, LI H, LI Z, et al. Optimization of small cell deployment in heterogeneous wireless networks[C]// IEEE International Conference on Computer, Information and Telecommunication Systems. 2016: 1-5.

[13] DEMIRTAS M, ?AGGATAY SAGGINDA, SOYSAL A. Energy and spectral efficiency for heterogeneous cellular networks with stochastic deployment[C]// IEEE Signal Processing and Communications Applications Conference. 2017: 1-4.

[14] LIN C C, LIU K H S, SU S L. Coverage performance of heterogeneous cellular networks with dependent cell deployment[C]// IEEE International Symposium on Broadband Multimedia Systems and Broadcasting. 2016: 1-4.

[15] ZHANG T, ZHAO J, AN L, et al. Energy efficiency of base station deployment in ultra dense Hetnets: a stochastic geometry analysis[J]. IEEE Wireless Communications Letters, 2016, 5(2): 184-187.

[16] JO H S, SANG Y J, XIA P, et al. Heterogeneous cellular networks with flexible cell association: a comprehensive downlink SINR analysis[J]. IEEE Transactions on Wireless Communications, 2012, 11(10): 3484-3495.

[17] AUER G, GIANNINI V, DESSET C, et al. How much energy is needed to run a wireless network?[J]. IEEE Wireless Communications, 2011, 18(5): 40-49.

[18] SINGH S, DHILLON H S, ANDREWS J G. Offloading in heterogeneous networks: modeling, analysis, and design insights[J]. IEEE Transactions on Wireless Communications, 2013, 12(5): 2484-2497.

[19] TANG J, SO D K C, ALSUSlA E A, et al. Energy-efficient heterogeneous cellular networks with spectrum underlay and overlay access[J]. IEEE Transactions on Vehicular Technology, 2018, 67(3): 2439-2453.

Energy-efficient and QoS-supported deployment strategy of dense Macro-Femto cellular network

LI Yun1,2, WANG Chunsheng1, CAO Bin1, LIU Qilie1

1. Chongqing Key Lab of Mobile Communications Technology, Chongqing University of Posts and Communications, Chongqing 400065, China 2. National Mobile Communications Research Laboratory, Southeast University, Nanjing 210096, China

With the exponentially increasing of users’ demand for mobile data traffic, massive small cells have been deployed to satisfy the users’ quality of service (QoS) by operators. However, a significant energy would be consumed caused by dense deployment. To this end, a dense heterogeneous cellular network deployment strategy was proposed with QoS guarantee to decline system energy consumption. Firstly, a dense Macro-Femto biased cellular network was used to build the network model, the two QoS indicators of SINR coverage and user average rate was analyzed by stochastic geometry theory. Then, under the condition of QoS constraint, average spatial power consumption (ASPC) was taken as the optimization goal, optimal deploy density and transmission power of Femto were achieved by using optimization theory. Finally, the experimental results show that, comparing with the traditional strategy which only considering base station density, the proposed strategy has advantages in terms of energy efficiency while QoS guarantee.

heterogeneous cellular network, energy efficiency, deployment, base station density

TN929.5

A

10.11959/j.issn.1000?436x.2018129

2017?11?07；

2018?06?21

國家自然科學基金資助項目（No.61671096，No.61701059）；東南大學移動通信國家重點實驗室開放研究基金資助項目（No.2015D07）

The National Natural Science Foundation of China (No.61671096, No.61701059), The Open Research Fund of National Mobile Communications Research Laboratory Southeast University (No.2015D07)

李云（1974?），男，四川西充人，博士，重慶郵電大學教授、博士生導師，主要研究方向為無線移動通信。

王春生（1989?），男，安徽淮北人，重慶郵電大學碩士生，主要研究方向為異構蜂窩網絡。

曹儐（1983?），男，重慶人，博士，重慶郵電大學副教授，主要研究方向為網絡虛擬化、軟件定義網絡、資源管理和網絡協議設計及性能分析。

劉期烈（1974?），男，四川隆昌人，博士，重慶郵電大學教授，主要研究方向為信息中心網絡。