基于能效的异构无线网络联合切换调度和资源分配算法

关键词：异构无线网络；能效；用户切换；资源分配；子载波

中图分类号： TN926 文献标志码：A

英文摘要

英文关键词

Key words：heterogeneous wireless network； energy efficiency； user handoff； resource allocation； subcarrier

0 引言

1 系统模型

其中：EE为网络的最大能量效率；ψ、 ρ和p分别为网络中用户关联基站策略集合、子载波分配策略集合以及传输功率分配策略集合；ζ为功率放大器漏极效率的倒数。式（3）限制了每个基站的总传输功率不超过最大传输功率，式（4）表示每个基站内子载波在一次分配过程中至多只能分配给一个用户，式（5）表示每个用户都有最低的传输速率限制。

2 基于能效的联合切换调度和资源分配算法

2.1 切换调度算法

在异构网络中，由于用户的移动性，往往会使微基站覆盖的用户数目太少，导致微基站的能耗浪费，将微基站用户关联到宏基站并控制微基站睡眠，对于降低整体网络能耗十分有利。为了进一步探究微基站睡眠策略的用户切换调度，进行如下的数学分析。

为了避免ΔP在0附近摆动造成微基站睡眠和正常模式的频繁切换， 令ΔP=ΔP+Pswitch， 其中Pswitch为微基站由睡眠模式转换到正常模式产生的额外平均功率。用户所要关联的基站是由宏基站根据计算得到的ΔP所决定的，因此是一种集中式的用户切换调度策略，基于微基站睡眠的集中式用户切换调度算法（CUSA）具体步骤如下：

1）用户在初始接入网络时，选择信号强度最大的基站接入。

2）用户周期性地将信道质量信息反馈给检测到的基站有歧义，是将信道质量消息反馈给检测到的基站，还是反馈的信道质量消息包含检测到的基站，用户周期性地将信道质量信息反馈给检测到的基站，宏基站和微基站更新计算ΔP所需的信道质量信息。

3）宏基站周期性收集微基站和用户反馈的信息，根据计算得到的ΔP控制用户切换：

如果ΔP≤0并且微基站处于正常工作模式，则宏基站控制微基站进入睡眠模式，微基站进入睡眠后，不能服务用户但是需要收集用户的反馈信息，而微基站所关联用户全切换到宏基站。如果ΔP>0并且微基站处于睡眠模式，则唤醒微基站，微基站覆盖范围内的用户从宏基站切换到微基站。

其他情况下，微基站保持当前模式不变。当用户确定所关联的基站后，由基站的资源分配策略为基站所服务的用户分配网络资源。

通过宏基站采用CUSA，用户确定了关联基站，基站需要为服务小区内的用户分配网络资源，包括子载波和功率，这里采用之前提出的BCSA算法[看错了15]，BCSA算法主要思想是不断调整最大能效用户和最小能效用户的子载波分配，直至收敛。BCSA算法的基本步骤如下：

1）初始分配。基站将每个子载波分配给在该子载波上信道质量最好的用户，完成子载波初始分配。

2）迭代过程。最大能效用户根据判断条件将部分子载波分给最小能效用户，然后重新计算用户的能效，重复步骤2）。

3）迭代收敛。确定子载波分配，然后缺少介绍和说明确定子载波分配，然后完成功率分配。 ---即不讲这么细节完成功率分配。

2.3 联合切换调度和资源分配算法

利用CUSA解决了用户关联策略问题，联合BCSA算法，就能够完成式（2）的求解。基于用户端的分布式切换调度不能为基站提供网络整体资源利用和信道信息；而基于集中式的切换调度能够利用收集到的网络信息，包括基站子载波分配信息和用户信道质量信息，不但能够实现有效的用户切换，而且有利于网络能耗的节省，以及负载均衡和干扰协调。基于能效的联合切换调度和资源分配（JSRA）算法，如图2所示，具体步骤如下： 1）用户在初始接入网络时，基于接收信号强度确定关联的基站，如果微基站没有用户接入则进入睡眠模式。

2）微基站周期性地收集用户信道质量信息反馈，以及自身的子载波分配信息，然后将这些信息发送给宏基站。

3）宏基站周期性地收集用户信道质量信息反馈，以及微基站传送的信息，利用这些信息，采用CUSA来进行用户切换调度，控制微基站睡眠和正常模式的转换。

4）宏基站和微基站基于各自收集到的网络信息，利用BCSA算法对服务用户进行资源分配。

5）重复步骤2）～4）。

为了进行对比性分析，用户切换调度常用方法是基于接收信号强度（Received Signal Strength，RSS），资源分配常用方法是轮询（RoundRobin，RR），通过和CUSA、BCSA算法组合，可以得到三种单独考虑用户切换调度或者资源分配算法：RSSBCSA、CUSARR和RSSRR。考虑单个用户完成一次切换：RSS是分布式的切换调度算法，所以复杂度为O（1）；CUSA是集中式的切换调度算法，复杂度为O（K）。资源分配算法RR复杂度为O（N），BCSA复杂度为O（NCBPA）， 二分功率自适应（Bisectionbased Power Adaptation，BPA）算法[16]的复杂度为O（CBPA）。所以JSRA算法复杂度为O（K+NCBPA），和其他三种算法复杂度相比：JSRA>RSSBCSA>CUSARR>RSSRR。虽然JSRA算法复杂度最高，但是基于全网信道信息，联合考虑切换调度和资源分配对网络能耗的节省，相比单独考虑切换调度或者资源分配，对于网络的节能更加有效。

3 仿真与分析

利用Matlab构建如图3的网络场景，对JSRA算法和对比算法进行仿真。在仿真场景中，包括了7个宏基站，宏基站覆盖半径为500m，每个宏基站小区内包括6个微基站，均匀部署在宏基站覆盖范围内，用户随机分布，且有着不同的子载波需求。具体仿真参数参见表1。

图4为在相同的网络场景下，CUSA和其他三种切换调度算法的网络功耗、用户总速率和网络能效性能比较。基于RSS算法是用户始终选取信号强度最大的基站来接入；用户分类算法将用户分为不同类别等级，根据资源需求和基站空闲资源来选择接入基站；基于偏移量（BIAS）BIAS是偏移量的英文切换算法[17]采取基站小区动态微扩张，通过基站覆盖范围的动态变化来调整用户接入。

从图4可以发现，CUSA具有最好的能效性能，由于CUSA微基站睡眠策略始终是以是否节省网络能耗为标准，所以相对其他几种算法有着较低的功耗开销，而基于RSS用户选择信号强度大的基站接入，所以也有着比较低的能耗；但是基于RSS没有对网络负载进行协调，所以用户总速率相比其他算法是最低的，而CUSA的用户总速率性能稍低于其他两种算法。

4 结语

针对异构无线网络基于能效的资源管理问题，给出了用户切换和资源分配联合数学模型，提出一种联合切换调度和全文应统一资源分配（JSRA）算法，和传统单独考虑用户切换或资源分配算法不同，JSRA对用户切换调度和资源分配进行一体化考虑。实验仿真表明，JSRA能够有效提高网络能效，但是JSRA存在的问题是复杂度偏高，基于JSRA的分布式算法可作为下一步研究工作所以可以进一步研究JSRA的分布式算法以降低其复杂度。

参考文献：

[3]FENG D， JIANG Z， LIM G， et al. A survey of energyefficient wireless communications [J]. IEEE Communications Surveys & Tutorials， 2013， 15（1）： 167-178.

[7]SONG Q， JAMALIPOUR A. Quality of service provisioning in wireless LAN/UMTS integrated systems using analytic hierarchy process and grey relational analysis [C]// Proceedings of the 2004 IEEE Global Telecommunications Conference Workshops. Piscataway： IEEE， 2004： 220-224.