對5G物聯網中K-means算法輔助的小區休眠機制的分析

肖建云 中睿通信規劃設計有限公司 廣東省 廣州市 510630

前言

支持5G物聯網應用的蜂窩系統已經進入到技術研究關鍵期，預計從2020年開始逐步投入使用。由于5G物聯網要滿足大數據傳輸需求，要構建超密集的小型基站，因此會帶來較為嚴重的小區干擾問題。此外也需要考慮設備能耗和管理問題，采用K-means算法實現小區休眠機制，是目前5G物聯網研究的主要趨勢。

一、5G物聯網網絡系統模型構建

（一）網絡模型

在5G異構網絡中的控制面和業務面分離設計，宏小區負責控制面層問題，小型基站負責處理業務面層問題，提高網絡吞吐量。以單小區5G物聯網模型為例，在系統內含有一個宏基站和若干個小型基站，周圍分布大量終端設備。需要在系統設計一個控制實體，負責協調物聯網連接。采取宏基站在中心位置、小型基站隨機分布的建模方式，數據傳輸采取正交頻分復用技術形式，資源分配的基本單元為物理資源塊，只考慮下行鏈路運行，忽略上行鏈路的干擾。

（二）干擾模型

在正交頻分復用技術通信模式下，小區資源塊之間具有正交性，同一小區的不同物理資源塊設備不存在相互干擾問題，但使用同一物理資源塊時，就會產生混合干擾。具體包括兩種情況，一是層間干擾，二是層內干擾。在構建模型時假設小區內包含M個小型基站，采用m=1,2，…，M進行編號，m=0表示宏基站。連接到m基站的設備數量用SUE（m）表示，各基站可用資源塊數量為NRB，用n=1,2,…，NRB進行編號。假設每個設備的通信只占用一個資源塊，可以定義資源分配矩陣為Π（m）=[π（k，n）]SUE（m）×NRB。其中 SUE（m）為矩陣的行數，NRB為矩陣的列數。可采用該矩陣表示基站中被占用的資源塊，判斷小區間的干擾情況。

（三）鏈路模型

構建鏈路計算模型，主要是為了完成系統平均信噪比、系統總數據傳輸速率和系統能效的計算。其中，終端設備的通信信噪比可采用公式 SINR（m，k）=PR（m，k）/[I（m，k）+Pn]進行計算，其中1≤m≤M，PR（m，k）表示k設備接受m小區的信號強度，PT（m，k）為資源塊發射功率，I（m，k）為其他基站產生的總干擾，Pn為加性白高斯噪聲功率。若系統中有N個用戶，平均信噪比則為終端設備信噪比之和除以N。系統總數據傳輸速率與每個設備的瞬時帶寬效率有關，要實現總傳輸速率最大化目標。系統能源為系統容量和基站總能耗之比，用dm表示小區狀態，dm=1表示小區為激活狀態，dm=0表示小區為休眠狀態。

二、K-means算法輔助下的小區休眠機制設計與實現

（一）K-means聚類算法

K-means算法是一個聚類算法，假設5G物聯網中有N個終端設備，可采用K-means算法將N各設備按相似性聚類得到K個簇。首先隨機K初始聚類中心，然后計算各樣本到每個聚類中心的歐式距離，并將其加入到歐式距離最短的簇中。其次計算簇中各點到聚類中心的距離平方、總距離平方和，采用拉格朗日和最小二乘法計算，聚類中心取對應簇內的樣本點均值。按照上述步驟迭代計算，更新聚類，直到總距離平方和收斂，此時可得到最小值。迭代結束后輸出各簇中心點的空間坐標，以及各簇包含的機器設備。

（二）小區休眠機制設計

在K-means算法下，終端設備是以簇為單位選擇基站的，控制面層開銷小，可快速建立通信連接。首先在主資源分配階段，假設部署了M個超密集小型基站，分布有N個終端設備，聚類成K個簇，中心點為u（j）。主資源分配目標函數為m，1≤m≤M。即計算各簇中心點到基站中心點的歐式距離，確定m基站分配給j簇的信噪比大小，然后進行迭代計算，直到信噪比達到最大值。輸出此時連接在各簇的基站序號及信噪比，具體算法流程如圖1所示。

圖 1 基于K-means算法的主資源分配算法

在資源補充分配階段，每個簇包含的設備數量為不確定量，但基站可用資源塊數量是確定的，可根據總數據傳輸效率最大化目標，對部分設備進行資源補充分配。首先根據聚類結果，確定簇中包含的設備總數。然后判斷可用資源塊數量能否滿足用戶的實際需求，如果能滿足，直接將用戶連接到主資源分配結果中的選定基站，否則進行補充分配。計算簇內設備與選定基站間信噪比，按降序排列，取排名靠前N個設備連接到選定基站，對于多處的設備，則重新進行資源分配，循環該操作，直到所有設備都能夠在滿足速率要求的前提下與基站建立連接。

在此基礎上，通過控制基站狀態，降低資源能耗?？筛鶕举Y源的優化分配結果，調節基站狀態，將未使用的基站改變為休眠狀態。采取這種方法不僅能夠動態控制基站運行狀態，實現節能目標，還能夠減少同頻小區干擾，進一步提升系統信噪比及用戶吞吐量。

（三）仿真試驗及結果

為驗證上述算法的可行性，可設計一個超密集小型基站異構網絡仿真場景，在場景中分布有大量終端設備，利用MATLAB仿真軟件進行聚類仿真，將系統的吞吐量、能效作為系統性能仿真指標。主要參數設定情況如下：（1）宏小區半徑為1000m，宏基站發射功率為40dBm，超密集小型基站半徑為200m，發射功率為30dBm。（2）系統寬帶為10MHz，基站高度為32m，各小區可用資源塊數量為32個。（3）每個小區下行鏈路的設備數量為20個，終端設備的移動速度為2.5m/s。

經過MATLAB軟件仿真計算，采用K-means算法輔助的小區休眠方案，系統平均信噪比提升明顯，提升幅度為10dB~25dB，小區間的干擾問題得到有效抑制。這主要是由于資源分配時在通信質量前提下讓同一簇設備連接到同一基站，可減少基站的占用率，讓位占用基站切換到休眠狀態，從而能夠有效減少系統總功耗和小區間同頻干擾問題。

三、結束語

綜上所述，K-means算法輔助的小區休眠機制為5G物聯網提供了資源分配的優化解決方案。在K-means算法的應用下，可在資源分配階段對基站資源進行合理分配，同時滿足通信速率和節約資源能源的需求。