对5G物联网中K-means算法辅助的小区休眠机制的分析

2019-05-10肖建云中睿通信规划设计有限公司广东省广州市510630

数码世界 2019年4期

肖建云中睿通信规划设计有限公司广东省广州市 510630

前言

支持5G物联网应用的蜂窝系统已经进入到技术研究关键期，预计从2020年开始逐步投入使用。由于5G物联网要满足大数据传输需求，要构建超密集的小型基站，因此会带来较为严重的小区干扰问题。此外也需要考虑设备能耗和管理问题，采用K-means算法实现小区休眠机制，是目前5G物联网研究的主要趋势。

一、5G物联网网络系统模型构建

（一）网络模型

在5G异构网络中的控制面和业务面分离设计，宏小区负责控制面层问题，小型基站负责处理业务面层问题，提高网络吞吐量。以单小区5G物联网模型为例，在系统内含有一个宏基站和若干个小型基站，周围分布大量终端设备。需要在系统设计一个控制实体，负责协调物联网连接。采取宏基站在中心位置、小型基站随机分布的建模方式，数据传输采取正交频分复用技术形式，资源分配的基本单元为物理资源块，只考虑下行链路运行，忽略上行链路的干扰。

（二）干扰模型

在正交频分复用技术通信模式下，小区资源块之间具有正交性，同一小区的不同物理资源块设备不存在相互干扰问题，但使用同一物理资源块时，就会产生混合干扰。具体包括两种情况，一是层间干扰，二是层内干扰。在构建模型时假设小区内包含M个小型基站，采用m=1,2，…，M进行编号，m=0表示宏基站。连接到m基站的设备数量用SUE（m）表示，各基站可用资源块数量为NRB，用n=1,2,…，NRB进行编号。假设每个设备的通信只占用一个资源块，可以定义资源分配矩阵为Π（m）=[π（k，n）]SUE（m）×NRB。其中 SUE（m）为矩阵的行数，NRB为矩阵的列数。可采用该矩阵表示基站中被占用的资源块，判断小区间的干扰情况。

（三）链路模型

构建链路计算模型，主要是为了完成系统平均信噪比、系统总数据传输速率和系统能效的计算。其中，终端设备的通信信噪比可采用公式 SINR（m，k）=PR（m，k）/[I（m，k）+Pn]进行计算，其中1≤m≤M，PR（m，k）表示k设备接受m小区的信号强度，PT（m，k）为资源块发射功率，I（m，k）为其他基站产生的总干扰，Pn为加性白高斯噪声功率。若系统中有N个用户，平均信噪比则为终端设备信噪比之和除以N。系统总数据传输速率与每个设备的瞬时带宽效率有关，要实现总传输速率最大化目标。系统能源为系统容量和基站总能耗之比，用dm表示小区状态，dm=1表示小区为激活状态，dm=0表示小区为休眠状态。

二、K-means算法辅助下的小区休眠机制设计与实现

（一）K-means聚类算法

K-means算法是一个聚类算法，假设5G物联网中有N个终端设备，可采用K-means算法将N各设备按相似性聚类得到K个簇。首先随机K初始聚类中心，然后计算各样本到每个聚类中心的欧式距离，并将其加入到欧式距离最短的簇中。其次计算簇中各点到聚类中心的距离平方、总距离平方和，采用拉格朗日和最小二乘法计算，聚类中心取对应簇内的样本点均值。按照上述步骤迭代计算，更新聚类，直到总距离平方和收敛，此时可得到最小值。迭代结束后输出各簇中心点的空间坐标，以及各簇包含的机器设备。

（二）小区休眠机制设计

在K-means算法下，终端设备是以簇为单位选择基站的，控制面层开销小，可快速建立通信连接。首先在主资源分配阶段，假设部署了M个超密集小型基站，分布有N个终端设备，聚类成K个簇，中心点为u（j）。主资源分配目标函数为m，1≤m≤M。即计算各簇中心点到基站中心点的欧式距离，确定m基站分配给j簇的信噪比大小，然后进行迭代计算，直到信噪比达到最大值。输出此时连接在各簇的基站序号及信噪比，具体算法流程如图1所示。

图 1 基于K-means算法的主资源分配算法

在资源补充分配阶段，每个簇包含的设备数量为不确定量，但基站可用资源块数量是确定的，可根据总数据传输效率最大化目标，对部分设备进行资源补充分配。首先根据聚类结果，确定簇中包含的设备总数。然后判断可用资源块数量能否满足用户的实际需求，如果能满足，直接将用户连接到主资源分配结果中的选定基站，否则进行补充分配。计算簇内设备与选定基站间信噪比，按降序排列，取排名靠前N个设备连接到选定基站，对于多处的设备，则重新进行资源分配，循环该操作，直到所有设备都能够在满足速率要求的前提下与基站建立连接。

在此基础上，通过控制基站状态，降低资源能耗。可根据基站资源的优化分配结果，调节基站状态，将未使用的基站改变为休眠状态。采取这种方法不仅能够动态控制基站运行状态，实现节能目标，还能够减少同频小区干扰，进一步提升系统信噪比及用户吞吐量。

（三）仿真试验及结果

为验证上述算法的可行性，可设计一个超密集小型基站异构网络仿真场景，在场景中分布有大量终端设备，利用MATLAB仿真软件进行聚类仿真，将系统的吞吐量、能效作为系统性能仿真指标。主要参数设定情况如下：（1）宏小区半径为1000m，宏基站发射功率为40dBm，超密集小型基站半径为200m，发射功率为30dBm。（2）系统宽带为10MHz，基站高度为32m，各小区可用资源块数量为32个。（3）每个小区下行链路的设备数量为20个，终端设备的移动速度为2.5m/s。

经过MATLAB软件仿真计算，采用K-means算法辅助的小区休眠方案，系统平均信噪比提升明显，提升幅度为10dB~25dB，小区间的干扰问题得到有效抑制。这主要是由于资源分配时在通信质量前提下让同一簇设备连接到同一基站，可减少基站的占用率，让位占用基站切换到休眠状态，从而能够有效减少系统总功耗和小区间同频干扰问题。