本站小编为你精心准备了聚类算法家庭基站的节能方法参考范文,愿这些范文能点燃您思维的火花,激发您的写作灵感。欢迎深入阅读并收藏。
《计算机应用与软件杂志》2015年第十一期
未来的移动通信向数据高速公路方面演进,这是不容置疑的。人类在追求信息共享方面,已经向前发展了很多。然而在节能领域,当天然气和石油价格上涨时,我们才发现了节约能源的重要性。节约能源与环境保护这两个热点话题带给移动通信运营的是什么呢?几年前,二者之间并没有明显的关联,但是随着激增的用户数量以及不断扩大的网络规模,无线移动通信网络的能源消耗也在大幅上涨,因此我们必须构建一个和谐的绿色通信网[1]。在蜂窝网络中,大约有2/3的语音业务和90%以上的数据业务是在室内发生的,因此对于运营商来说,为用户的话音、视频以及高速数据业务提供良好的室内覆盖变得日益重要。而家庭基站技术作为解决该问题的办法被引入到LTE-A系统中。家庭基站[2]是一个低功耗(10~100mW)、低覆盖(10~50米)、低成本且UE自行安装购买的室内无线接入点,可以为用户提供高质量的语音服务和数据业务,同时可以增加系统容量和扩大小区覆盖面积。但是当家庭基站与已有宏蜂窝网络进行联合组网时,还要面临一些技术挑战:一是传统宏蜂窝网络由于家庭基站的引入使得网络拓扑结构更加复杂化,这是由于家庭基站是用户自行安装购买的,没有运营商的统一部署,而这些因素都会增加家庭基站网络拓扑的不可预测性,并且随着家庭基站个数的增加,那么相互重叠的家庭基站小区也会越来越多,从而导致系统内的干扰更加严重;二是家庭基站是终端用户设备,运营商对家庭基站的数量与位置不得而知,因此传统的网规网优方法并不适合家庭基站网络,如果想要优化家庭基站网络,那么需要有一个设备可以统计家庭基站的信息。
文献[5]针对HSDPA网络提出了一种测量混合接入模式下的家庭基站频谱性能的方法,该方法是通过网络流量和智能接入管理共同改变资源分配系数K(0≤K≤1)。文献[6]中介绍了一种通过联合部署宏基站与住宅的微微基站达到节能的方法。文献[7]介绍了一种关于异构网络中的家庭基站的功率控制方法,该方法减少了宏基站用户和家庭基站用户的中断概率,也提高了家庭基站用户的吞吐量,并且维持了系统的最高能效。这些节能方法已经比较成熟,大都是通过如何降低家庭基站的发射功率或者提高频谱效率等方面进行节能的,且要求家庭基站随时开着,但是当家庭基站内无用户到达时,此时家庭基站的导频信号就未能充分利用,因此会造成资源浪费。本文提出一种基于聚类算法的家庭基站网络节能机制。在家庭基站密集部署的环境中,通过聚类算法使网络中不必要的家庭基站进行休眠,得到可以满足用户需求的最少家庭基站个数。当家庭基站个数确定时,家庭基站网关根据用户的位置判断用户被哪个家庭基站服务,从而有效地实现网络节能。
1家庭基站网络和聚类算法
1.1家庭基站网络
1.1.1家庭基站网络架构[8]如图1所示,我们可以看出宏蜂窝小区和家庭基站小区通过不同的方法接入到核心网。与宏蜂窝相比,家庭基站小区增加了2个实体,分别为家庭基站网关和家庭基站管理系统。家庭基站网关主要执行的功能为验证家用基站的安全性,处理家用基站的注册和接入控制,负责交换核心网与家用基站间的数据,在本文中的作用主要是统计家庭基站的信息并对用户进行管理。然而在宏蜂窝网络中,宏基站由RNC连接到核心网。
1.1.2干扰模型3GPP定义了家庭基站和现有宏蜂窝基站组成的异构网络的六个典型干扰场景[9],实线表示有用信号,虚线表示干扰信号,如图2所示。从图中可以看出,在家庭基站网络中的干扰管理问题要比传统宏基站网络严重的多,场景1~4为家庭基站和宏蜂窝之间的干扰场景,场景5~6为家庭基站之间的干扰,场景内的具体说明见表1所示。
1.2聚类算法思想聚类分析[10]因能探入数据空间并发现其中的数据结构———数据类,已经成为了一种理想的探知巨大数据空间的有力工具。聚类分析根据“物以类聚”的思想,根据一定的规则将物理或抽象的数据对象划分为有意义的组。聚类分析基本步骤如图3所示。
2算法及仿真分析
2.1算法
2.1.1数学描述假设某栋楼内有φ个家庭基站,N个用户(由宏基站用户uM和家庭基站用户uH组成,其中宏基站用户可以用MUE表示,家庭基站用户可以用HUE表示),且用户随机的分布在这φ个家庭基站中,C为用户的吞吐量。活动家庭基站所在的小区平均吞吐量C为系统总吞吐量与活动家庭基站个数的比值,可以由式(4)表示,其中对每个用户的吞吐量Cn进行求和即为系统总吞吐量,N和φ1分别代表用户和活动家庭基站的数目。
2.1.2算法过程假设本文中只涉及到家庭基站用户,家庭基站由统一的家庭基站网关管理,我们将按照图3所示步骤进行描述:数据的采集:家庭基站扫描覆盖区域内的家庭基站用户个数以及相邻家庭基站的导频信号功率。数据的预处理:家庭基站向家庭基站网关上报扫描到的信息,并对各个家庭基站创建邻区列表信息家庭基站网关统计出现在活动的基站个数m和总用户数n。1)先算出每个用户间的欧氏距离di,j,并求出欧式距离均值作为阈值,均值可参照式(8)计算。2)因第1)步中的每个样本点i都有一个相应的个数,因此查找对应个数最多的那个样本点i;3)将第2)步中得到的i作为首个初始聚类中心,并将和i的距离小于阀值的样本点标记下来,重复步骤1),直到找够所有的用户即可,此时对应的初始聚类个数即为活动家庭基站的个数。此时,根据上述结果,家庭基站对其进行验证。首先家庭基站网关根据聚类算法得到的用户位置对其所在的家庭基站进行开启,之后家庭基站对用户的吞吐量等性能进行计算,若不满足用户的要求,那么重新进行聚类算法。算法流程图如图4所示,其中,k为第i个用户被统计的个数,K为k的个数,a为家庭基站可服务的最大用户数目,n为用户的个数,最后得到的k值即为要活动的家庭基站个数。通过该算法要达到的目的是:通过用户聚类的方式,降低了活动家庭基站的个数,从而提高系统的能效和活动家庭基站所在的小区吞吐量。虽然本文在一定程度上降低了那些切换用户的信噪比来获取较大的节能,但是那些切换的用户是在满足自身信噪比需求的情况下做的切换,故而对现实网络还是有一定意义的。
2.2仿真结果及性能分析
在本部分中,我们首先描绘了仿真场景,之后对系统的性能(包括活动家庭基站的个数,宏基站与街道的距离)进行分析。本文暂不考虑用户的业务种类,只针对同一种业务。
2.2.1仿真场景本文宏小区采用正六边形宏蜂窝结构[11],7小区/21扇区,每个小区中有一个宏基站,宏基站的间距为1000米。每个宏小区内随机置入一个双条形模式的家庭基站街道(block)。每一个block由两栋楼组成,这两栋楼分别位于街道的两侧,每栋楼有六层,每层楼有20个公寓,如图5所示。公式中所涉及的参数均来自标准。家庭基站和家庭基站用户在楼内内随机分布,每个家庭基站最多可以同时服务3个家庭基站用户。假设楼内均为家庭基站用户。本文采用了ITU路径损耗模型[12]。关于HUE的路径损耗具体如表2所示。其中(1)代表用户与家庭基站在同一栋楼内时,(2)代表当用户在公寓外时,(3)表示用户与家庭基站位于不同排的公寓楼内时。
2.2.2性能分析随用户数目变化的活动家庭基站个数曲线图如图6所示。从图6中可以看出不论是算法前还是算法后的系统,活动家庭基站的个数都会随着用户个数的增加而增加。其次,算法前的活动基站个数一直大于算法后的活动家庭基站个数,尤其是系统处于中低负载时。因此可以说本文提出的算法使得系统的总发射功率降低,从而达到节能的目的。最后,当系统达到满负载(即用户为360)时,两者最终达到相同的活动家庭基站个数。随着HUE数目变化的能效分布如图7所示。从图7中可以看出在相同的用户个数时,本文提出的算法能使系统的能效更高。系统能耗增加的比例(即算法后的能效与算法前能效的比值)会随着用户增加而减少,这是由于活动家庭基站的个数也会随着用户增加而增加,而活动家庭基站个数的增加会导致家庭基站之间的同层干扰增加。最后,当系统处于满负载时,两系统最终会达到相同的能效。随着HUE数目变化的活动家庭基站小区平均吞吐量如图8所示。由图8可以看出,算法后的活动家庭基站小区平均吞吐量一直高于原系统的活动家庭基站平均吞吐量。其次,当用户较少时,可以看出算法后的活动家庭基站平均吞吐量要远远大于算法前的,这是由于活动家庭基站间的干扰随着活动家庭基站个数的减少而减少,导致用户的信噪比提高,从而使得系统的总信噪比增加。最后,两系统最终会达到相同的活动家庭基站平均吞吐量。
3结语
本文提出了一种基于聚类算法的家庭基站网络系统的节能方法。该算法在满足HUE信噪比的前提下,尽量减少活动家庭基站的个数,以此来达到节能的目的。仿真结果表明,该算法对系统的能效确实有一定的提升。
作者:蒋国清 潘勇 胡飞跃 单位:长沙民政职业技术学院软件学院 中南大学地球科学与信息物理学院