基于Dinkelbach算法的优化混合网络用户关联策略研究①
2019-08-08郭建华
郭建华
(黑龙江工程学院网络信息管理中心,黑龙江 哈尔滨 150050)
0 引 言
关于无线数据流量和设备数量指数级的增长所带来的能耗高、能效低的问题,目前的最佳解决方案是5G网格。5G网格可以为目前网络带来千万倍的通信容量提升,使之拥有高可靠性、低延迟、覆盖范围广和支持大量低功耗设备的优势。5G网格采用的技术有大规模MIMO、毫米波通信和设备对设备通信[1]。每一种技术都需要用户关联策略,即设备开始传输前,需要确定用户与目标基站是否相关联。用户的关联旨在提高网络负载均衡能力和能耗效率。5G网络的出现为网络用户关联策略的研究带来挑战和发展机遇。
1 相关技术介绍
子信道分配是正交频分多址(OFDMA)技术在异构网络中先进的技术,正常情况下,每个子信道将分配给最具有信道条件的用户设备使用。子信道分配有各种技术方法,比如最坏用户优先(WUF)、贪心算法和比较公平算法。文献[2]和[3]主要研究多小区OFDMA网络用户关联策略和子信道分配比联合优化方式,使用迭代的方式得到次优解。
用户关联策略的国内外研究中,文献[4]针对大规模MIMO技术的多路复用收益研究,提出了在异构网络下,各种用户关联研究方案。在负载平衡方面,文献[5]设计了一种距离扩展的方案,使用偏移因子平衡宏基站和微基站间的负载问题。文献[6]建立了一种新的用户关联模型,它具有双重连通性和约束回程的作用。文献[7]设计了一种信道感知用户关联方案,提高用户数量和流量负载均衡能力。
正交频分多址技术是多载波调制的一种,常常用于多径传播无线信道中传输高速数据,对抗多径效应,减少信号干扰衰落,信道利用率高[8]。正交信号可以在接收端采用相关技术分离,从而减少子载波信道之间的干扰。
传统的用户关联模式的宏基站、小基站与用户的数量都是随机生成的。用户呈现泊松分布,构造泰森多边形,中心基站选择距离其最近的点。但是每个基站用户关联最大数量无限制,对小基站或者宏基站而言会出现负载流过大的问题,使基站资源无法得到充分利用。所以,在研究用户关联策略网络能效优化问题时,为了满足用户吞吐量和网络能效优化,可以使用小数据类比来仿真,限制基站用户关联数量的Dinkelbach算法。
Dinkelbach算法在本质上是一种迭代算法,它和二分法不同,不是去二分答案,而是首先随便给出一个答案,通过迭代方法不断的向更优的解逼近。算法函数表达如图1所示。
Z=cx′-L*dx′与函数Z(L)在L=L′处相切,需要求子问题Q(L′)的最优解X′,-dx′是Z(L)在L=L′处的斜率,直线与L轴相交于L=cx′/dx′。
采用Dinkelbach算法得出如下步骤
步骤1:设L=L′,使L*≤L1
步骤2:解决子问题Q(L)并得到最优解x
步骤3:如果Z(L)=0,那么输出x并终止。否则,设L=cx/dx跳到步骤2
图1 Dinkelbach算法函数表达图
2 系统模型设计
用户k分配宏基站的信噪比:
(1)
吞吐量为
(2)
网络能耗功率为PT=∑n∈N∑k∈Kxk,nμMPM,μM为宏基站的传输功率放大系数。
网络能效优化宏基站用户和子载波的关联[9],则能效问题构建公式如下:
s.t.
∑k∈Kxk,n=1,∀n∈N,
xk,n∈{0,1},∀k∈K,∀n∈N,
(3)
图2 宏基站与用户分布图
图3 不同用户数下小基站最大传输功率与总吞吐量的关系
图4 不同用户数下小基站最大传输功率与能效的关系
采用Dinkelbach算法,得出如下步骤:
步骤1:初始化:γl=0,l=1,最大迭代次数T,收敛条件ε
步骤2:循环 1≤l≤T
步骤3:用γl解决资源分配问题,获得Xl
步骤4:如果C(Xl)-γl*P(Xl)<ε,
步骤5:令X*=Xl,γ*=γl
步骤6:跳出
步骤7:否则
步骤8:结束
3 仿真结果分析
在混合网络中,假设宏蜂窝基站传输最大功率PM为466dBm,噪声功率0.1W,系统带宽为10MHz,宏基站传输功率放大系数μM为4,基站的损耗模型为128.1±37.6lg(d),d(km)是用户和基站之间的距离。
宏基站与用户分布如图2所示,中心宏基站,在蜂窝状的覆盖范围,创建20个随机用户。
不同用户数下小基站最大传输功率与网络总吞吐量的影响关系如图3所示,由于小基站增加了最大传输功率,从而提高了负载均衡的能力。随着小基站最大传输功率的增加,总吞吐量也增加,大小基站功率相近,负载均衡能力越大,宏基站和小基站的资源都将充分利用,网络总吞吐量也将随着用户数的增加而增加,成正相关。
不同用户数,小基站最大传输功率与网络能效的关系如图4所示,网络能效与小基站最大传输功率成正相关,基站的传输功率和传输信号越来越强,网络能效也越来越高。消耗功率一定吞吐量越高,能效越高。
4 结 语
在OFDMA系统下,子载波关联宏基站和小基站用户优化网络能效,应用Dinkelbach算法控制功率和控制子载波关联机制。通过仿真得出理想的能耗结果,从而得出基站用户数,吞吐量,最大传输功率之间的关系。