LTE基站自优化节能方法研究范文

本站小编为你精心准备了LTE基站自优化节能方法研究参考范文，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。

《移动通信杂志》2014年第z1期

1基站自优化系统模型研究

1.1博弈理论博弈论又称为对策论，包括参与者（player）、策略（strategies）、收益（payoff）等要素，目标是找到各参与者间最优的策略选择以及选择策略时的博弈结果、分析这些结果的数学理论和方法。本文采用了协作博弈的思想，博弈的要素包括：博弈参与者是各小区，策略是子信道上的发射功率集合，收益是吞吐量。首先引用了净函数的概念，净函数包括效用函数和代价函数。其中，效用函数代表一个小区的容量，代价函数代表需要基站付出的“代价”。然后模拟最大化多小区OFDMA系统的总容量，最优化基站能耗的博弈过程。在该博弈过程中，每个小区的基站独立控制本小区的子信道分配，独立地进行功率分配，从而最大化本小区的容量。

1.2效用函数效用函数是一个微观经济学的概念，用来表示消费者所获得的收益与消费的商品之间数量关系。效用函数应用在无线通信的功率控制问题中，通常选取用户的信干比γ和发射功率P作为参数。当发射功率P固定时，效用函数Ui是信干比γ的单调增函数；当信干比γ固定时，效用函数Ui是发射功率P的单调减函数；当发射功率趋于无穷大时，效用函数值为零；当发射功率趋于零时，效用函数值为零。因此，能耗博弈的效用函数表达式如。

1.3代价函数小区簇内每个小区都试图最大化自己的效用函数，从而会对小区簇内其他小区造成影响，因此在博弈过程中引入了代价函数。代价函数是指博弈过程中每个小区在提高自身发射功率的同时，需要付出相应的“代价”。引入代价函数可对发射功率进行限制，以达到降低系统干扰、增加系统整体收益的目的。代价函数定义如下。

1.4能耗博弈算法（1）初始化小区簇内各小区各子信道的发射功率，即把各小区的发射功率平均发给各个子信道，此时的子信道发射功率为P(0)。定义一个计算精度t，设置为0.1，设置一个更新次数n。（2）各个小区的子信道更新自身的发射功率。对于第n次功率更新的功率为P(n)，第(n-1)次更新为（3）当|P(n)-P(n-1)|<t，即功率收敛，找出U(n)中最大的净函数Umax(n)，认为此时的功率为最优功率，否则返回步骤（2）继续执行。（4）累加每个小区各信道的发射功率，得出每个小区的发射功率。算法流程图如图1所示。

2节能模块实现方案

基于上文提出的lte网络基站自优化的节能方法，可在基站增加节能模块装置，实现基站的自优化节能。节能模块原理图如图2所示。在基站的主控板上增加能耗博弈模块，该模块包括定时器、信息采集模块、SNR处理模块、功率处理模块等。模块的工作流程如下：（1）通过定时器在设置时间周期内对网管下达指令，要求发送本小区和小区簇内邻小区的检测数据包。（2）信息采集模块根据检测数据包采集本小区和相邻小区的发射功率以及路径损耗等数据信息。（3）SNR处理模块根据数据信息计算小区的信干比。（4）功率处理模块根据信干比、数据信息等数据代入净函数，循环进行能耗博弈运算，最终得到函数收敛时的最优发射功率，并根据结果实时调整该基站小区的发射功率。

3实验室仿真测试

针对基于博弈论的LTE基站自优化节能方法，笔者在实验室开展了详细的测试研究工作，主要验证技术可行性及节能效果。本文采用的仿真模型：系统带宽为10MHz，子载波带宽为15kHz，则子载波数为600个，假设每25个子载波组成1个子信道，则系统共有24个子信道，小区簇内每基站3小区，每小区均匀分布5个用户。仿真参数具体如表1所示。图3为系统模型在不同定价因子下获得的系统总吞吐量仿真结果。由图3可知，当定价因子为0时，则代价函数为0，此时系统的净函数即为效用函数，系统的吞吐量为满功率发射时的吞吐量；定价因子越小，系统干扰就越大，系统吞吐量也越低；反之亦然。综合测试数据，该算法与传统的系统最大功率发射相比，系统总体容量可提高1.23%。在不同定价因子的情况下，系统的能耗也有差别。图4为在不同定价因子下的小区平均功率仿真结果。当定价因子取值较小时，系统收敛到一个较大的功率值；当定价因子取值较大时，则功率较小；当定价因子为0时，小区平均功率最大。综合以上结果可得到最佳的定价因子，使得系统的吞吐量和发射功率达到博弈的最优配置。从以上仿真可知，在最高功耗与最优功耗对比中，最优功耗的功率比最高功耗低30%，系统吞吐量提升1.23%，该方法能在降低功耗的同时保证系统的吞吐量，具体如图5和图6所示。

4结束语

本文利用LTE网络的CoMP技术，提出了基于博弈论的自优化节能方案优化LTE系统的能耗，并通过实验室系统仿真验证，实现网络质量和基站能耗达到最优配置，为运营商的节能减排工作提供了参考。

作者：李韶英庄湛海倪伟彬单位：中国电信股份有限公司广东研究院广州因孚网络科技有限公司