基于可再生能量協作的霧無線接入網絡資源分配

譚靜茹，徐東明，關文博

(1.西安郵電大學 通信與信息工程學院，西安 710121；2.西安電子科技大學 微電子學院,西安 710071)

0 引 言

近年來，隨著無線通信網絡的飛速發展，人們對于數據流量的需求激增。云無線接入網(Cloud Radio Access Network,C-RAN)可以很容易地覆蓋小區中所有用戶的業務數據信息，但網絡中前傳鏈路容量和傳輸時延面臨巨大壓力[1]，為此，具有緩存節點的霧無線接入網(Fog Radio Access Network,F-RAN)應運而生。在F-RAN網絡中，存在四種通信模式：C-RAN模式、本地分布協作(Fog Access Point,FAP)模式、終端直通(Device to Device,D2D)模式以及大功率節點(High Power Node,HPN)模式[2]。相較于C-RAN網絡，F-RAN網絡能夠有效緩解前傳鏈路壓力并為高移速用戶提供數據傳輸[3-4]。但與此同時，F-RAN中巨大的能耗開銷問題難以忽視，網絡壽命和能量約束影響著網絡的性能，解決此問題的首要突破點就是進行綠色通信和能量收集(Energy Harvesting,EH)的協作，在網絡高數據速率傳輸的同時提高經濟效益，解決環境污染。

網絡資源的低效利用往往導致負載失衡、呼叫阻塞事件增多和用戶服務質量的下降。能量收集技術是解決上述問題最直接最可行的方法[5-8]。在F-RAN網絡能效問題的研究中,文獻[9]提出了一種節能虛擬化架構的F-RAN，通過對所提結構能量消耗的研究，得出網絡功能虛擬化技術可以提高F-RAN中邊緣設備的數據處理能力并提升F-RAN的能量效率；文獻[10]研究了F-RAN網絡中基帶處理單元(Building Baseband Unit,BBU)和遠端無線射頻單元(Remote Radio Head,RRH)之間的資源分配問題，通過合理的裝箱使得較少的BBU為RRH提供服務，從而減少系統的能量消耗；文獻[11]在考慮邊緣計算的前提下通過研究用戶關聯和波束賦形提出了一種節能的F-RAN網絡，以能量效率最大化為優化目標，使用啟發式算法對優化問題進行求解，可顯著提高系統能量效率；文獻[12]將F-RAN中無電網地區的FAP接入太陽能電池板，將城市中的FAP接入電網，為使能量效率最大化，在前傳容量和傳輸功率約束下聯合優化了波束賦形和用戶分簇方案。

目前國內外學者對于F-RAN網絡的研究大都集中在通信模式選擇、邊緣緩存以及資源調度這三個方面，但能量效率也是一個值得研究的熱點問題。筆者將EH技術應用于F-RAN網絡中，選擇了FAP模式和D2D模式作為傳輸模式，建立了系統吞吐量和能量收集模型，在能量約束下建立以吞吐量最大化為優化目標的優化問題。同時，由于D2D通信很容易產生跨層干擾和同層干擾，必須進行合理的資源分配來抑制干擾[13-14]，因此提出聯合模式選擇與功率分配算法。通過設立發射功率門限值來求出每個D2D用戶對選擇FAP模式和D2D模式下時的最佳發射功率，然后得出能量協作下的系統最大吞吐量。實驗結果表明，在有能量協作的F-RAN中，系統吞吐量和能量效率均高于傳統F-RAN網絡。

1 模型建立

1.1 傳輸模型

圖1 F-RAN系統模型

(1)

(2)

式中：Bi表示第i個D2D用戶對的可用帶寬。

(3)

(4)

式中：Bl表示第l個D2D用戶對中rF-UE可用的帶寬。

引入二進制變量am∈{0,1}表示F-RAN網絡中的傳輸模式選擇。當am=0時，選擇D2D模式;當am=1時，選擇FAP模式。因此，第m個D2D用戶對的下行數據傳輸速率可表示為

(5)

系統的總吞吐量為

(6)

1.2 能量收集模型

在F-RAN網絡中，當D2D用戶對選擇FAP或D2D作為通信模式時，默認其需要的文件存儲于鄰近的F-AP或tF-UE的邊緣緩存中，因此不必連接BBU池進行數據通信，可以節省BBU中的計算資源并緩解前傳鏈路的壓力，所以本文忽略BBU中的能量消耗。同時，本文忽略了FAP在活躍狀態和休眠狀態下的固定功耗，只考慮其發射功耗。

F-APk的發射功率為

(7)

在F-AP上安裝太陽能電池板和儲能裝置，F-AP可以從智能電網和鄰近的F-AP中購買能量，也可以使用收集到的綠色能量。在一個時隙t中，F-APk存儲的能量數量為[15]

φk(t)=αφk(t-1)+Ek(t)-Pk(t) 。

(8)

式中：α表示儲能百分比，且α∈(0,1)；Ek(t)為F-APk在時隙t收集到的能量；Pk(t)為F-APk在時隙t消耗的能量。

由于數據業務的不同，各個F-AP所消耗的能量也不同，可分為兩種情況。

(1)當φk(t)>Pk(t)時，即F-APk的能量消耗全部來自于自身所收集到的綠色能量，則F-APk在時隙t完成數據傳輸和文件緩存后剩余的總能量為

qk(t)=φk(t)-Pk(t) 。

(9)

(10)

(2)當φk(t)

gk(t)=Pk(t)-φk(t) 。

(11)

(12)

則在時隙t時，整個網絡中的總電費為

(13)

1.3 優化問題建立

本文研究了F-AP和D2D兩種通信模式下包含能量收集的F-RAN網絡中的可再生能源協作和功率分配聯合優化。優化問題如下：

(14)

2 聯合模式選擇與功率分配算法

2.1 通信模式選擇

通信模式的選擇本質來說是一個0-1規劃問題，本文用分枝定界法來求解，該方法是由Dakin等人于20世紀60年代初提出的。其主要思想是先求出MILP的松弛問題，確定原問題最優值的上下界，進而通過增加約束條件將問題分枝來減小可行域，將每個問題分成若干子問題再求解，通過一系列子問題的松弛問題不斷調整原問題最優值的上下界，最后得到原問題的最優解[16]。具體步驟如下：

Step1 松弛。原優化問題記為A，將M個表示通信模式選擇的二元離散變量松弛到實數區間[0,1]，得到松弛問題A0：

(15)

(16)

(17)

(18)

Step4 重復Step 2～Step 3，直至查明所有分枝，此時的可行解a*即為最優的通信模式選擇結果。

2.2 基于吞吐量注水的最優功率分配

原優化目標經過2.1節的凸松弛[17]之后，形成的最優功率分配問題為

(19)

(20)

問題OP1和問題OP2中的目標函數都是一個凸函數，且約束條件C2、C3是線性約束，因此該優化問題為凸優化問題，都可用拉格朗日乘子法進行求解。本文對問題OP1的求解為

(21)

式中：λk是發射功率限制的拉格朗日乘子且λk≥0。對該拉格朗日函數關于Pk求偏導，得

(22)

(23)

1當U-Q≥0時，

2i=i+1 ；

3U=Bi/ln2·λk；

4否則令Pk=[U-Q]+；

5 如果i=1,2,…,I；

6 則Pk=U-Q；

4 否則Pk=0；

5結束循環

輸出：Pk

對于拉格朗日乘子λk的最優解，可以通過二分法(算法2)求解，其偽代碼如下:

1當λmax-λmin≥ζ時，

5 否則λmax=λk；

6當λmax-λmin<ε時，結束循環

輸出：λk

問題OP2的求解與問題OP1相同，此時可得出D2D模式下的最優功率表達式為

(24)

所提聯合模式選擇與功率分配算法具體實現步驟如下：

Step1 確定系統的傳輸模式。

Step2 若為FAP模式，則根據信道增益矩陣確定D2D用戶對的優先級；若為D2D模式，則直接進行Step 3。

Step3 判斷信道增益和門限功率的關系，信道增益越大，分配到的功率就越多；若信道增益太小，即信道噪聲大于注水門限時，不分配功率。

Step4 得到各D2D用戶對分配到的發射功率。

3 數值仿真與結果分析

3.1 仿真參數設置

為了驗證所提資源分配算法有效性，本節使用Matlab仿真平臺進行數值仿真，仿真場景示意圖[18]如圖2所示，設置HPN的覆蓋范圍為直徑1 000 m的圓形區域，將4個F-AP和8個D2D用戶對放置在此區域內。為了能夠更公平地服務于區域內的用戶，將F-AP均勻放置。D2D模式中隨機放置tF-UE并將rF-UE放置在與其進行通信的tF-UE周圍，距離小于150 m。圖3為基于“潮汐效應”下F-RAN網絡的蜂窩移動活躍用戶占比[19]，圖4為使用System Advisory Model仿真西安市某天收集的太陽能隨時間變化曲線圖，其他仿真參數如表1所示。

圖2 仿真場景

圖3 一天中活躍用戶占比

圖4 平均每小時太陽能發電量

表1 仿真參數

3.2 結果分析

圖3中太陽能在每個時刻發電量是動態變化的，因此圖5仿真中取t=12PM。圖5為能量收集隨信道增益變化曲線圖，門限值U分別取1.0 W、2.0 W、5.0 W，存儲裝置電量飽和。可以看出，當門限值固定時，F-AP采集到的能量隨著信道增益的增加而增加，這是因為信道條件越好，D2D用戶對分配到的功率也就越大，系統消耗的能量也越大，因此就會激勵太陽能電池板持續提供能量收集。當信道增益固定時，采集能量同樣隨注水門限的增加而增加，此時意味著D2D用戶對可分配到更多的功率，與公式(23)契合，驗證了所提算法的準確性。

圖5 系統能量收集與信道增益曲線圖

在信道增益固定為0.6時，對一天中系統的總吞吐量、電網能量消耗以及系統能量效率進行了仿真。圖6是24小時中系統總吞吐量變化曲線圖，圖中吞吐量的走勢遵循圖3中活躍用戶占比的變化。在凌晨1點至凌晨6點，EH協作的F-RAN系統中存儲的太陽能量幾乎已經耗盡，電網能量為主要供能來源，因此與傳統F-RAN吞吐量接近；在凌晨6點至下午4點，由于蜂窩網絡中活躍用戶數量增多，因此兩種網絡的吞吐量也增加，但EH協作的F-RAN系統吞吐量始終比傳統F-RAN吞吐量大，是因為傳統F-RAN網絡中能量供應僅僅來自智能電網，電費的限制使得網絡無法一直從電網中購買過多能量，無法支撐過剩的流量業務，導致一部分用戶無法接入網絡。在下午4點至晚上7點，由于蜂窩網絡中活躍用戶數量減少，因此兩種網絡的吞吐量也減少，EH協作的F-RAN系統由于存在太陽能，因此吞吐量高于傳統F-RAN；在下午7點至凌晨12點，EH協作的F-RAN系統中收集的可再生能量在逐漸減少，因此吞吐量逐漸與傳統F-RAN接近。同時，在下午7點至凌晨12點，功率門限值較低時的吞吐量大于較高門限值的吞吐量，這是因為此時門限值高的系統更容易受到電費的制約使得不能滿足部分用戶的通信需求，導致吞吐量變低。

圖6 24 h內的系統吞吐量曲線圖

圖7展示的是在24 h中整個系統消耗的電網中的能量曲線圖。在EH協作的F-RAN網絡中，白天F-AP將采集的電能儲存起來，供夜間使用。傳統F-RAN網絡對于電網能量消耗的曲線走勢與吞吐量相關。在凌晨1點至凌晨6點，網絡中的活躍用戶占比基本保持不變，EH協作的F-RAN系統中存儲的太陽能量幾乎已經耗盡，電網能量為主要供能來源，因此對電網的能量消耗接近于傳統F-RAN；在凌晨6點至清晨7點，網絡中的活躍用戶占比與前一時間段相比變化不大，但EH協作的F-RAN系統由于電池板開始收集太陽能，此時電網能量消耗銳減；在清晨7點至下午7點，活躍用戶占比逐漸增加，在下午4點達到峰值，下午4點至下午7點仍有較高的活躍用戶占比，在此時間內太陽能收集量可完全滿足EH協作的F-RAN系統的能量需求，系統可以最大限度地利用綠色能源降低電網消耗，因此電網能耗為0；在下午7點至凌晨12點，EH協作的F-RAN系統中首先使用白天存儲的能量，雖然此時活躍用戶占比降低，但存儲的太陽能也在逐漸減小，因此表現為電網能量消耗逐漸上升。同時，發射功率越大，在沒有太陽能供電的時刻電網能量消耗也越大。

圖7 24 h內電網的能量消耗

在本文中，我們通過電網的能量效率ηgrid=Rtotal/Pgrid來側面反映所提EH協作的F-RAN網絡的優越性，Pgrid是消耗的智能電網中的能量。圖8展示的是在24 h中電網的能量效率曲線圖。傳統F-RAN網絡下的電網能量效率曲線走勢與電網能量消耗相關。在凌晨1點至凌晨6點，網絡中的活躍用戶占比較穩定，電網能量為主要供能來源，此時兩種網絡下電網的能量效率比較接近；在凌晨6點至下午4點，太陽能代替了電網供電，因此EH協作的F-RAN網絡下電網能效為無窮大，圖中線條間斷處即為無窮大區域，表明此時沒有電網能量消耗；在下午7點至凌晨12點，電網中的耗能開始增加，所以電網能效開始降低。同時，在下午7點至凌晨12點，功率門限為5 W的EH協作F-RAN網絡的電網能效低于其他兩種門限的能效，是因為此時電網為主要供能源，系統發射功率越對電網能量消耗越大，因此電網能效較低。

圖8 24 h內電網的能量效率

因此，運營商可根據時間段對網絡的功率門限進行合理設置，以達到和用戶之間的雙贏。

4 結束語

本文嘗試在F-RAN網絡能耗方面展開創新性研究。從經濟角度看，可再生能量采集能夠降低電網運營成本；從環境角度看，可再生能源的使用能夠替代部分傳統發電，使環境更加清潔。因此，本文在F-RAN網絡下行鏈路FAP模式和D2D模式聯合傳輸的場景下，研究了能量收集與功率分配的聯合優化技術。所提模型中，將太陽能作為F-RAN網絡的第一能源為網絡的運行提供電能保障。在此基礎上，將發射功率作為約束條件，以吞吐量最大為優化目標，用分枝定界法對系統通信模式選擇進行了研究，用吞吐量注水法對所提模型給出了合理的功率分配。最后從吞吐量、電網能量消耗、電網能量效率三方面將傳統F-RAN與本文所提網絡模型進行了對比，仿真結果表明，EH協作的F-RAN網絡能夠更大地提高網絡吞吐量和電網的能量效率。

在F-RAN網絡中，D2D用戶作為能量受限設備同樣需要對其進行能量收集的研究，無線攜能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)技術在傳遞信息的時候又攜帶能量，能夠很好地解決終端設備的供電問題。因此接下來計劃將D2D用戶分為能量需求用戶和信息需求用戶，對SWIPT協作下的F-RAN網絡的終端可持續供電問題進行研究。