基于动态业务感知的蜂窝网络重配置方案

摘要：文章针对动态业务量，提出了一种动态业务量感知的重配置方案（DTR），在保证系统性能的情况下，最大化系统平均能量效率。DTR根据当前业务量，通过排队论系统预测系统的中断概率，根据一定准则，将系统配置为最大化系统频谱效率（SE）、最大化系统能量效率（EE）或者是混合SE-EE系统。

关键词：蜂窝网络；频谱效率；能量效率；业务感知；重配置；排队论

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

在过去10年中，蜂窝网络用户急剧增加，用户对系统速率的要求也越来越高，这就要求移动通信系统具有较高的频谱效率。近年来，3GPP LTE提出了4G移动通信系统，该系统采用正交频分复用（OFDM）和多输入多输出（MIMO）来提高系统的频谱效率。由于4G移动通信系统的能量消耗相比其他移动通信系统急剧增加，因此，怎样提高移动通信系统的能量效率成为系统设计的亟需解决的问题。在本篇论文中，传统的以最大化系统频谱效率为目标的无线移动通信系统被称为频谱效率（SE）系统，而以最大化系统能量效率为目标的新型系统，则被称为能量效率（EE）系统。由于SE系统最大化系统频谱效率，其能量效率可能会很低；而EE系统最大化系统能量效率，其频谱效率可能无法满足系统需求。文献[1]中提出了一种在频率选择性信道中最大化能量效率的方法。文献[2]提出了OFDM系统中上行能效最大化设计。文献[3]提出了一种低复杂度的算法，用于最大化每焦耳能量传输的比特数（bits-per-Joule）。其他相关工作[4-5]要集中在基站的睡眠模式，在业务量较小的时候，关掉部分基站来节省能量。文献[6]中的研究分析了在给定中断概率情况下，怎样节省蜂窝网络的能量消耗。文献[7]中研究了自适应调制和编码系统的排队现象，并将其应用到睡眠模式中。

在实际系统中，业务量可能会急剧地变化，导致单纯的最大化频谱效率或者能量效率的系统无法满足系统性能要求。因为SE系统在业务量低的时候可能会浪费过多能量，而EE系统则可能在业务量高的时候导致高中断率。蜂窝网络系统和用户的业务请求可以看作一个排队模型。根据该排队模型预测出的系统中断概率，基于上述考虑，本文提出了一种动态的业务感知重配置方案，该方案根据业务量强度和干扰水平，采用排队论模型预测系统的中断概率，并根据中断概率来动态的选择SE、EE或者是混合SE-EE系统。

1 系统模型

蜂窝网络中的业务流量具有一定的特点[8]。在（0，t 0）和（t 1，t 2）时间段期间，业务量密度分别为λmin和λmax。在（t 0，t 1）和（t 2，T ）期间，系统业务量线性递增或是线性递减，如图1所示。假设系统中有C个子信道，被调度到的用户可以根据其业务需求和网络中资源情况分配到至少一个子信道。用户产生业务请求服从均值为λ泊松分布，系统对每个用户的服务时间服从均值为1/μ的指数分布。我们可以采用M/M/N/K队列模拟系统的中断概率[9]。系统中有j个用户的中断概率为：

其中ρ=λ/μ并且K = arg{T d =Δt }，T d 为用户的平均等待时间。则系统中用户无法接入至少一个子信道的

2 频谱效率和能量效率

频谱效率ηSE定义为每赫兹带宽每秒传输的比特数，ηSE =R /B，其中B为达到数据速率为R的带宽。而能量效率定义为每焦耳能量每秒所传输的数据比特。

P T （R ）为数据速率为R时的传输功率，假设各子信道上的数据速率分别为r i，则R =（r 1，r 2…r n）表示系统的数据速率向量。能量效率与频谱效率之间的关系如图2所示。当干扰强度过高时，系统的数据速率会降低，系统的最大频谱效率ηSE可能会低于

η*SE，即ηaSE η*SE。此时，SE系统与EE系统间的折中点在η*SE的右边，即b点，此时能量效率随着频谱效率单调递减。则系统最大可达能量效率为ηbEE，对应的频谱效率为ηbSE，小于η*SE。当系统要求的最小频谱效率为ηaSE时，且最大频谱效率为ηbSE时，则SE和EE系统的折中点为η*SE，系统可达的最大能量效率为全局最大能量效率。由此我们可以总结得出系统可达的最大能量效率不一定是全局最大能量效率η*SE，因为不同的干扰强度和不同的要求频谱效率可能会变化，导致SE和EE系统的折中点可能不会包含η*SE点。

3 动态业务感知重配置

我们仔细分析了SE和EE系统所能达到的不同频谱效率和数据速率。当业务量随着时间不断变化时，EE系统无法随时保障系统所要求的频谱效率，导致无法满足用户所要求的服务质量。本文提出一种动态的重配置方案来适应业务的变化。

3.1 动态业务感知网络重配置方案

概述

动态业务感知重配置方案的主要思想如图3所示。动态业务感知网络重配置方案（DTR）包含3个主要部分。第一部分是RE，即速率预测，用于预测EE和SE系统速率。第二部分是OPE，即中断概率预测模块。该模块的输入是第一部分RE所预测出的SE和EE系统的系统速率RSE，REE和当前业务强度λ，输出是预测的SE和EE系统的中断概率 和 。第三部分则是系统重配置（SR），即是根据不同情况将系统重配置为SE，EE和混合SE-EE系统。

3.2 优化目标

假设系统中有C个子信道，每个子信道的带宽为W。被调度到的用户一次可以分配到一个或者多个子信道。在实际系统中，业务量可能是动态的，一个用户在以下情况可能会中断：

（1）用户接收端检测到的信号与干扰噪声比（SINR）小于门限值γ：SINR

（2）用户在规定时延内T d =Δt，其中T d 是两次调度之间的时间间隔，Δt为预先定义好的时延门限。这种类型的中断概率有p out 2表示，则系统的总中断概率为p out = 1-（1-p out1）（1-p out 2）。为了简化模型，本文假设所有在基站覆盖范围内的用户都满足SINR≥γ，即pout1 = P [SINR ≤γ]=0，此时系统的中断概率为p out =p out 2。一旦用户被调度到，直到其传输完自己的数据比特，才会释放资源。即意味着系统中断概率为用户在规定时延Δt无法接入系统的概率。

在纯SE系统中，优化目标为最大化系统的频谱效率。系统中各个子信道传输功率小于基站总发射功率。SE系统的目标函数如下：

在一个纯EE系统中，优化目标为最大化系统的能量效率。各个子信道上发射功率之和必须小于某个动态的值PEE。EE系统的目标函数如下：

混合SE-EE系统主要用于当系统中业务量适中的时候。在这种情况下，EE系统的中断概率高于目标中断概率而SE系统的中断概率小于目标中断概率，即（pEEout >p 0， pSEout

由于混合SE-EE系统的中断概率总是保持为p 0，因此我们可以推出相应的数据速率R 0，p 0 =g （R 0，λ）?

R 0 = g -1（ p 0，λ），其中，

是与速率、业务强度和数据比特D相关的中断函数表达式，且g -1（）是g （）的反函数。具体功率分配方案如图4所示，即速率注水算法。

3.3 动态业务感知网络重配置算法

由于优化目标不同，我们可以得到SE、EE和混合SE-EE系统的不同的功率分配算法。具体的，当DTR将系统重配置为SE、EE或者混合SE-EE系统时，分别采用经典的注水算法，能量效率注水算法和速率注水算法。根据图3所示的DTR工作框架，第一步为预测SE和EE系统的速率R SE和R EE。假设R *为能量效率最大时候的数据速率，R r为要求数据速率。系统最大和最小数据速率为R min和R max。方案细节由如图5所示。通过排队论模型预测SE和EE系统的中断概率pSEout = g （RSE，λ），pEEout =g （REE，λ），DTR进行系统重配置。详细过程如图6所示。

4 仿真结果

仿真平台为LTE系统级仿真平台[10]，由于系统带宽被分为若干个180 kHz的资源块，每个资源块视为一个子信道。表1是仿真参数设置。本文对单小区场景进行了仿真。图7（a）显示了单小区场景下纯SE、EE和DTR的中断概率对比。我们可以看到EE系统的中断概率随着用户的个数N的增加而增加，且当N =32时，中断概率大于目标中断概率p 0 = 0.1。而SE系统的中断概率随着N的增大缓慢增加，直到N大于125时，系统的中断概率等于目标中断概率。对比纯SE和纯EE系统，DTR的中断概率在用户少的时候，即业务量低的时候，与EE系统基本保持一致。图7（b）所示为单小区场景下纯SE，纯EE和DTR的能量效率。当业务量强度增加，EE系统总是可以达到最大的能量效率。但是SE系统的能量效率总是3者最低的。DTR在业务量轻的时候能量效率与EE系统相同，而业务量高的时候趋向于与SE系统相同。图7（c）比较了纯SE、EE系统和DTR的吞吐量。当业务量很低的时候，3种系统的吞吐量一样。当业务量很高的时候，SE系统和DTR的吞吐量明显高于EE系统。

5 结束语

本文介绍了一种动态业务感知网络重配置方案（DTR），其主要目标为最大化系统的平均能量效率同时满足给定的中断概率要求。方案根据业务量的不同，引入排队模型预测系统的中断概率，并根据该中断概率对系统进行重配置，使系统切换到SE、EE或者混合SE-EE系统。

参考文献

[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

作者简介

周旋，电子科技大学通信与信息工程学院本科毕业，电子科技大学通信抗干扰技术国家级重点实验室在读硕士研究生；主要研究方向为移动通信网络。

冯钢，电子科技大学无线电技术系学士及硕士毕业，香港中文大学信息工程系博士毕业；电子科技大学通信抗干扰国家级重点实验室教授、博士生导师；已发表学术论文140余篇，其中SCI论文40余篇，EI论文60余篇。

秦爽，电子科技大学博士毕业；电子科技大学通信抗干扰技术国家级重点实验室讲师；主要研究领域为无线网络；已参基金项目近10项；已8篇，其中SCI/EI收录7篇。