基于可再生能量协作的雾无线接入网络资源分配

谭静茹，徐东明，关文博

(1.西安邮电大学 通信与信息工程学院，西安 710121；2.西安电子科技大学 微电子学院,西安 710071)

0 引 言

近年来，随着无线通信网络的飞速发展，人们对于数据流量的需求激增。云无线接入网(Cloud Radio Access Network,C-RAN)可以很容易地覆盖小区中所有用户的业务数据信息，但网络中前传链路容量和传输时延面临巨大压力[1]，为此，具有缓存节点的雾无线接入网(Fog Radio Access Network,F-RAN)应运而生。在F-RAN网络中，存在四种通信模式：C-RAN模式、本地分布协作(Fog Access Point,FAP)模式、终端直通(Device to Device,D2D)模式以及大功率节点(High Power Node,HPN)模式[2]。相较于C-RAN网络，F-RAN网络能够有效缓解前传链路压力并为高移速用户提供数据传输[3-4]。但与此同时，F-RAN中巨大的能耗开销问题难以忽视，网络寿命和能量约束影响着网络的性能，解决此问题的首要突破点就是进行绿色通信和能量收集(Energy Harvesting,EH)的协作，在网络高数据速率传输的同时提高经济效益，解决环境污染。

网络资源的低效利用往往导致负载失衡、呼叫阻塞事件增多和用户服务质量的下降。能量收集技术是解决上述问题最直接最可行的方法[5-8]。在F-RAN网络能效问题的研究中,文献[9]提出了一种节能虚拟化架构的F-RAN，通过对所提结构能量消耗的研究，得出网络功能虚拟化技术可以提高F-RAN中边缘设备的数据处理能力并提升F-RAN的能量效率；文献[10]研究了F-RAN网络中基带处理单元(Building Baseband Unit,BBU)和远端无线射频单元(Remote Radio Head,RRH)之间的资源分配问题，通过合理的装箱使得较少的BBU为RRH提供服务，从而减少系统的能量消耗；文献[11]在考虑边缘计算的前提下通过研究用户关联和波束赋形提出了一种节能的F-RAN网络，以能量效率最大化为优化目标，使用启发式算法对优化问题进行求解，可显著提高系统能量效率；文献[12]将F-RAN中无电网地区的FAP接入太阳能电池板，将城市中的FAP接入电网，为使能量效率最大化，在前传容量和传输功率约束下联合优化了波束赋形和用户分簇方案。

目前国内外学者对于F-RAN网络的研究大都集中在通信模式选择、边缘缓存以及资源调度这三个方面，但能量效率也是一个值得研究的热点问题。笔者将EH技术应用于F-RAN网络中，选择了FAP模式和D2D模式作为传输模式，建立了系统吞吐量和能量收集模型，在能量约束下建立以吞吐量最大化为优化目标的优化问题。同时，由于D2D通信很容易产生跨层干扰和同层干扰，必须进行合理的资源分配来抑制干扰[13-14]，因此提出联合模式选择与功率分配算法。通过设立发射功率门限值来求出每个D2D用户对选择FAP模式和D2D模式下时的最佳发射功率，然后得出能量协作下的系统最大吞吐量。实验结果表明，在有能量协作的F-RAN中，系统吞吐量和能量效率均高于传统F-RAN网络。

1 模型建立

1.1 传输模型

图1 F-RAN系统模型

(1)

(2)

式中：Bi表示第i个D2D用户对的可用带宽。

(3)

(4)

式中：Bl表示第l个D2D用户对中rF-UE可用的带宽。

引入二进制变量am∈{0,1}表示F-RAN网络中的传输模式选择。当am=0时，选择D2D模式;当am=1时，选择FAP模式。因此，第m个D2D用户对的下行数据传输速率可表示为

(5)

系统的总吞吐量为

(6)

1.2 能量收集模型

在F-RAN网络中，当D2D用户对选择FAP或D2D作为通信模式时，默认其需要的文件存储于邻近的F-AP或tF-UE的边缘缓存中，因此不必连接BBU池进行数据通信，可以节省BBU中的计算资源并缓解前传链路的压力，所以本文忽略BBU中的能量消耗。同时，本文忽略了FAP在活跃状态和休眠状态下的固定功耗，只考虑其发射功耗。

F-APk的发射功率为

(7)

在F-AP上安装太阳能电池板和储能装置，F-AP可以从智能电网和邻近的F-AP中购买能量，也可以使用收集到的绿色能量。在一个时隙t中，F-APk存储的能量数量为[15]

φk(t)=αφk(t-1)+Ek(t)-Pk(t) 。

(8)

式中：α表示储能百分比，且α∈(0,1)；Ek(t)为F-APk在时隙t收集到的能量；Pk(t)为F-APk在时隙t消耗的能量。

由于数据业务的不同，各个F-AP所消耗的能量也不同，可分为两种情况。

(1)当φk(t)>Pk(t)时，即F-APk的能量消耗全部来自于自身所收集到的绿色能量，则F-APk在时隙t完成数据传输和文件缓存后剩余的总能量为

qk(t)=φk(t)-Pk(t) 。

(9)

(10)

(2)当φk(t)

gk(t)=Pk(t)-φk(t) 。

(11)

(12)

则在时隙t时，整个网络中的总电费为

(13)

1.3 优化问题建立

本文研究了F-AP和D2D两种通信模式下包含能量收集的F-RAN网络中的可再生能源协作和功率分配联合优化。优化问题如下：

(14)

2 联合模式选择与功率分配算法

2.1 通信模式选择

通信模式的选择本质来说是一个0-1规划问题，本文用分枝定界法来求解，该方法是由Dakin等人于20世纪60年代初提出的。其主要思想是先求出MILP的松弛问题，确定原问题最优值的上下界，进而通过增加约束条件将问题分枝来减小可行域，将每个问题分成若干子问题再求解，通过一系列子问题的松弛问题不断调整原问题最优值的上下界，最后得到原问题的最优解[16]。具体步骤如下：

Step1 松弛。原优化问题记为A，将M个表示通信模式选择的二元离散变量松弛到实数区间[0,1]，得到松弛问题A0：

(15)

(16)

(17)

(18)

Step4 重复Step 2～Step 3，直至查明所有分枝，此时的可行解a*即为最优的通信模式选择结果。

2.2 基于吞吐量注水的最优功率分配

原优化目标经过2.1节的凸松弛[17]之后，形成的最优功率分配问题为

(19)

(20)

问题OP1和问题OP2中的目标函数都是一个凸函数，且约束条件C2、C3是线性约束，因此该优化问题为凸优化问题，都可用拉格朗日乘子法进行求解。本文对问题OP1的求解为

(21)

式中：λk是发射功率限制的拉格朗日乘子且λk≥0。对该拉格朗日函数关于Pk求偏导，得

(22)

(23)

1当U-Q≥0时，

2i=i+1 ；

3U=Bi/ln2·λk；

4否则令Pk=[U-Q]+；

5 如果i=1,2,…,I；

6 则Pk=U-Q；

4 否则Pk=0；

5结束循环

输出：Pk

对于拉格朗日乘子λk的最优解，可以通过二分法(算法2)求解，其伪代码如下:

1当λmax-λmin≥ζ时，

5 否则λmax=λk；

6当λmax-λmin<ε时，结束循环

输出：λk

问题OP2的求解与问题OP1相同，此时可得出D2D模式下的最优功率表达式为

(24)

所提联合模式选择与功率分配算法具体实现步骤如下：

Step1 确定系统的传输模式。

Step2 若为FAP模式，则根据信道增益矩阵确定D2D用户对的优先级；若为D2D模式，则直接进行Step 3。

Step3 判断信道增益和门限功率的关系，信道增益越大，分配到的功率就越多；若信道增益太小，即信道噪声大于注水门限时，不分配功率。

Step4 得到各D2D用户对分配到的发射功率。

3 数值仿真与结果分析

3.1 仿真参数设置

为了验证所提资源分配算法有效性，本节使用Matlab仿真平台进行数值仿真，仿真场景示意图[18]如图2所示，设置HPN的覆盖范围为直径1 000 m的圆形区域，将4个F-AP和8个D2D用户对放置在此区域内。为了能够更公平地服务于区域内的用户，将F-AP均匀放置。D2D模式中随机放置tF-UE并将rF-UE放置在与其进行通信的tF-UE周围，距离小于150 m。图3为基于“潮汐效应”下F-RAN网络的蜂窝移动活跃用户占比[19]，图4为使用System Advisory Model仿真西安市某天收集的太阳能随时间变化曲线图，其他仿真参数如表1所示。

图2 仿真场景

图3 一天中活跃用户占比

图4 平均每小时太阳能发电量

表1 仿真参数

3.2 结果分析

图3中太阳能在每个时刻发电量是动态变化的，因此图5仿真中取t=12PM。图5为能量收集随信道增益变化曲线图，门限值U分别取1.0 W、2.0 W、5.0 W，存储装置电量饱和。可以看出，当门限值固定时，F-AP采集到的能量随着信道增益的增加而增加，这是因为信道条件越好，D2D用户对分配到的功率也就越大，系统消耗的能量也越大，因此就会激励太阳能电池板持续提供能量收集。当信道增益固定时，采集能量同样随注水门限的增加而增加，此时意味着D2D用户对可分配到更多的功率，与公式(23)契合，验证了所提算法的准确性。

图5 系统能量收集与信道增益曲线图

在信道增益固定为0.6时，对一天中系统的总吞吐量、电网能量消耗以及系统能量效率进行了仿真。图6是24小时中系统总吞吐量变化曲线图，图中吞吐量的走势遵循图3中活跃用户占比的变化。在凌晨1点至凌晨6点，EH协作的F-RAN系统中存储的太阳能量几乎已经耗尽，电网能量为主要供能来源，因此与传统F-RAN吞吐量接近；在凌晨6点至下午4点，由于蜂窝网络中活跃用户数量增多，因此两种网络的吞吐量也增加，但EH协作的F-RAN系统吞吐量始终比传统F-RAN吞吐量大，是因为传统F-RAN网络中能量供应仅仅来自智能电网，电费的限制使得网络无法一直从电网中购买过多能量，无法支撑过剩的流量业务，导致一部分用户无法接入网络。在下午4点至晚上7点，由于蜂窝网络中活跃用户数量减少，因此两种网络的吞吐量也减少，EH协作的F-RAN系统由于存在太阳能，因此吞吐量高于传统F-RAN；在下午7点至凌晨12点，EH协作的F-RAN系统中收集的可再生能量在逐渐减少，因此吞吐量逐渐与传统F-RAN接近。同时，在下午7点至凌晨12点，功率门限值较低时的吞吐量大于较高门限值的吞吐量，这是因为此时门限值高的系统更容易受到电费的制约使得不能满足部分用户的通信需求，导致吞吐量变低。

图6 24 h内的系统吞吐量曲线图

图7展示的是在24 h中整个系统消耗的电网中的能量曲线图。在EH协作的F-RAN网络中，白天F-AP将采集的电能储存起来，供夜间使用。传统F-RAN网络对于电网能量消耗的曲线走势与吞吐量相关。在凌晨1点至凌晨6点，网络中的活跃用户占比基本保持不变，EH协作的F-RAN系统中存储的太阳能量几乎已经耗尽，电网能量为主要供能来源，因此对电网的能量消耗接近于传统F-RAN；在凌晨6点至清晨7点，网络中的活跃用户占比与前一时间段相比变化不大，但EH协作的F-RAN系统由于电池板开始收集太阳能，此时电网能量消耗锐减；在清晨7点至下午7点，活跃用户占比逐渐增加，在下午4点达到峰值，下午4点至下午7点仍有较高的活跃用户占比，在此时间内太阳能收集量可完全满足EH协作的F-RAN系统的能量需求，系统可以最大限度地利用绿色能源降低电网消耗，因此电网能耗为0；在下午7点至凌晨12点，EH协作的F-RAN系统中首先使用白天存储的能量，虽然此时活跃用户占比降低，但存储的太阳能也在逐渐减小，因此表现为电网能量消耗逐渐上升。同时，发射功率越大，在没有太阳能供电的时刻电网能量消耗也越大。

图7 24 h内电网的能量消耗

在本文中，我们通过电网的能量效率ηgrid=Rtotal/Pgrid来侧面反映所提EH协作的F-RAN网络的优越性，Pgrid是消耗的智能电网中的能量。图8展示的是在24 h中电网的能量效率曲线图。传统F-RAN网络下的电网能量效率曲线走势与电网能量消耗相关。在凌晨1点至凌晨6点，网络中的活跃用户占比较稳定，电网能量为主要供能来源，此时两种网络下电网的能量效率比较接近；在凌晨6点至下午4点，太阳能代替了电网供电，因此EH协作的F-RAN网络下电网能效为无穷大，图中线条间断处即为无穷大区域，表明此时没有电网能量消耗；在下午7点至凌晨12点，电网中的耗能开始增加，所以电网能效开始降低。同时，在下午7点至凌晨12点，功率门限为5 W的EH协作F-RAN网络的电网能效低于其他两种门限的能效，是因为此时电网为主要供能源，系统发射功率越对电网能量消耗越大，因此电网能效较低。

图8 24 h内电网的能量效率

因此，运营商可根据时间段对网络的功率门限进行合理设置，以达到和用户之间的双赢。

4 结束语

本文尝试在F-RAN网络能耗方面展开创新性研究。从经济角度看，可再生能量采集能够降低电网运营成本；从环境角度看，可再生能源的使用能够替代部分传统发电，使环境更加清洁。因此，本文在F-RAN网络下行链路FAP模式和D2D模式联合传输的场景下，研究了能量收集与功率分配的联合优化技术。所提模型中，将太阳能作为F-RAN网络的第一能源为网络的运行提供电能保障。在此基础上，将发射功率作为约束条件，以吞吐量最大为优化目标，用分枝定界法对系统通信模式选择进行了研究，用吞吐量注水法对所提模型给出了合理的功率分配。最后从吞吐量、电网能量消耗、电网能量效率三方面将传统F-RAN与本文所提网络模型进行了对比，仿真结果表明，EH协作的F-RAN网络能够更大地提高网络吞吐量和电网的能量效率。

在F-RAN网络中，D2D用户作为能量受限设备同样需要对其进行能量收集的研究，无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)技术在传递信息的时候又携带能量，能够很好地解决终端设备的供电问题。因此接下来计划将D2D用户分为能量需求用户和信息需求用户，对SWIPT协作下的F-RAN网络的终端可持续供电问题进行研究。