本發(fā)明屬于移動通信領域,具體涉及一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法。
背景技術:
云無線接入網(Cloud Radio Access Network,C-RAN)是5G的有力候選網絡架構,如圖1所示,通過把傳統(tǒng)的基站分離為離用戶更近的射頻拉遠單元(RRH,Remote Radio Head)和集中在一起的基帶處理單元池(BBU pool,Baseband Processing Unit pool),其中,RRH負責向用戶發(fā)送BBU pool處理的數據,或者接收用戶的數據交由BBU pool處理;BBU pool為C-RAN中的中心處理單元,負責信息的收集、處理等工作;實現了基帶信息集中式處理、協(xié)作無線電以及實時云計算,從而大大提升了系統(tǒng)頻譜效率,降低成本,共享處理資源,提高基礎設施利用率。
然而,隨著用戶數量的增加以及用戶需求的不斷提升,需要部署大量的RRH,使得網絡能耗(包括RRH的發(fā)射能耗和電路能耗)急劇增加。RRH的發(fā)射能耗由下行波束成形向量決定,RRH的電路能耗(即RRH是激活還是休眠)與小區(qū)附著狀態(tài)密切相關。此外,隨著移動用戶的增加,由于fronthaul(前向鏈路,連接BBU pool與RRH之間的鏈路,負責承載BBU pool和RRH間的基帶信號)中傳輸的是數字基帶信號,信息量較大,因此,fronthaul容量受限成為制約C-RAN性能提升的一個重要因素。
需要注意的是,fronthaul中的信息量與該RRH服務的用戶相關,即由小區(qū)附著狀態(tài)決定。所以,需要在fronthaul受限的C-RAN中聯合考慮下行波束成形和小區(qū)附著,以降低網絡能耗。
文獻1:針對綠色云無線接入網的組稀疏波束成形方法,通過最小化加權l(xiāng)1/l2范數,提出了一種基于組稀疏的聯合波束成形和小區(qū)附著方法,以降低C-RAN的網絡能耗;但是,未能考慮fronthaul容量受限的問題,使得該方案無法應用于實際的網絡中;
文獻2:針對前向鏈路受限的云無線接入網的聯合波束成形和接入控制方案,提出了一種發(fā)射能耗以及fronthaul傳輸信息量的折衷方案,并提出一種基于加權l(xiāng)1范數的啟發(fā)式求解算法;該方案僅專注于降低傳輸能耗,未考慮電路能耗因素,即小區(qū)附著狀態(tài),因此,該方案無法真正有效的降低網絡能耗。
技術實現要素:
本發(fā)明為了更好的降低RRH的發(fā)射能耗和電路能耗,并且考慮到現實通信網絡中存在fronthaul容量限制的因素,提出一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法。
具體步驟如下:
步驟一、針對某個下行的云無線接入網,建立用戶,RRH和BBU pool的系統(tǒng)模型;
系統(tǒng)模型包括:N個RRH,I個用戶和一個BBU pool;每個RRH分別各通過一個fronthaul鏈路連接入BBU pool中;每個RRH為至少一個用戶提供服務或者不為任何用戶服務,一個用戶至少對應一個RRH;
RRH集合為{1,2,...,n,...,N};用戶集合為{1,2,...,i,...,I};N個fronthaul鏈路的容量集合為{C1,C2,...,Cn,...,CN}。
步驟二、BBU pool感知系統(tǒng)模型的網絡信息;
網絡信息包括RRH的數量,以及各RRH對應的fronthaul鏈路能服務的最大用戶數量;
每個fronthaul鏈路根據介質不同,能服務的最大用戶數量不同。
步驟三、每個用戶根據就近原則,分別通過RRH向BBU pool發(fā)送業(yè)務請求。
步驟四、BBU pool根據業(yè)務請求類型,分別為每個用戶設定最低的SINR門限;并測量每個RRH到每個用戶的信道信息;
hn,i表示第n個RRH到第i個用戶的信道信息。
步驟五、BBU pool根據最低SINR門限、信道信息以及感知的網絡信息,使用啟發(fā)式算法計算下行波束成形向量以及小區(qū)附著。
具體步驟如下:
步驟501、BBU pool對N個RRH進行初始化;
初始化包括:每個RRH處于激活狀態(tài),且為所有的用戶提供服務;初始時處于連接狀態(tài)的RRH-用戶對V;以及初始時的網絡最低能耗F(min)及其對應的網絡波束成形向量且滿足F(min)=+∞,
具體為:
第n個RRH處于激活狀態(tài),記為an=1;否則,RRH處于休眠狀態(tài),記為an=0;
每個RRH為所有的用戶提供服務:bn,i=1表示第n個RRH為用戶i傳輸數據;bn,i=0表示第n個RRH不為用戶i傳輸數據;
RRH-用戶對用表示;
網絡能耗F(Φ)表示為:
為第n個RRH休眠狀態(tài)時的電路能耗;為第n個RRH激活狀態(tài)時的電路能耗;ηn為第n個RRH的射頻功率放大器效率;表示第n個RRH的發(fā)射功率最大值;wn,i為第n個RRH中用戶i的波束成形向量;其中表示向量wn,i的歐幾里得范數的平方;
步驟502、BBU pool將所有的RRH-用戶對V按優(yōu)先級進行升序排列;
第n個RRH中用戶i的優(yōu)先級βn,i公式計算如下:
表示信道信息hn,i的共軛轉置;表示松弛的波束成形向量;表示RRH-用戶對(n,i)的有用信號功率,表示RRH-用戶對(n,i)對其他所有用戶的干擾之和;表示了第n個RRH的情況。
松弛的波束成形向量要滿足使網絡能耗F(Φ)最小,且符合以下約束條件:
SINRi≥γi,i∈I (S2)
約束條件(S1)表示:第n個RRH中所有用戶的發(fā)射功率小于等于第n個RRH的發(fā)射功率最大值;
約束條件(S2)表示第i個用戶的信干噪比大于等于BBU Pool為該用戶設定的最低門限值γi;
約束條件(S3)表示第n個RRH所服務的用戶數量小于等于第n個fronthaul鏈路的容量;
約束條件(S4)表示第n個RRH向第i個用戶的發(fā)射功率要小于第n個RRH的發(fā)射功率最大值;
約束條件(S5)表示變量an,bn,i取值均為0到1之間的實數;
步驟503、BBU pool對升序排列后的RRH-用戶對V進行迭代求解,得到最終網絡能耗F(Φ)以及波束成形向量wn,i;
具體步驟如下:
步驟5031、判斷RRH-用戶對V是否為空集,如果是,迭代結束,否則進入步驟5032;
步驟5032、選取集合V中的第一個RRH-用戶對(p,q),令bp,q=0,同時其余RRH-用戶對對應的b值保持不變;
步驟5033、根據集合V中的RRH-用戶對的bp,q設置對應的ap值,并在RRH-用戶對V中刪除元素(p,q);
步驟5034、判斷每個RRH是否都滿足約束條件:如果不滿足,當前迭代次數k=k+1,返回步驟5031進行下一次迭代;否則,進入步驟5035;
步驟5035、根據當前所有RRH-用戶對的所有b值以及對應的a值,計算第k次迭代的網絡能耗網絡能耗F(k)以及對應的波束成形向量
滿足的約束條件為:SINRi≥γi,i∈I (S2)
步驟5036、判斷網絡能耗F(k)是否小于F(min),如果是,則F(k)為當前最低能耗,記錄Fmin=F(k),進入步驟5037;否則,設置bp,q=1,ap=1,并返回步驟5031。
步驟5037、直至將集合V中的RRH-用戶對全部迭代完畢,得到最終的F(Φ)以及對應的波束成形向量wn,i;
最終F(Φ)的取值為F(min),且對應的波束成形向量wn,i的取值為
步驟504、針對第n個RRH,C-RAN根據迭代波束成形向量wn,i,計算該RRH的發(fā)送數據xn;
si表示用戶i請求的數據;
步驟505、fronthaul鏈路將數據xn傳輸給RRH對應的用戶,用戶得到請求數據si;
步驟506、用戶小區(qū)根據RRH進行附著,結合波束成形向量保證系統(tǒng)模型能耗最低。
本發(fā)明的優(yōu)點在于:
1)、一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法,聯合下行波束成形和小區(qū)附著可以有效的降低網絡能耗,達到節(jié)能的目標,同時保證用戶的服務質量。
2)、一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法,在設計時充分考慮了實際中可能遇到的問題,例如最大功率受限、fronthaul容量受限等,易于在現實的網絡中得到應用。
3)、一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法,可以在多項式時間內完成求解,處理速度快。
附圖說明
圖1為本發(fā)明一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的系統(tǒng)模型圖;
圖2為本發(fā)明一種云無線接入網絡下聯合下行波束成形和小區(qū)附著的方法流程圖;
圖3為本發(fā)明BBU pool計算下行波束成形向量以及小區(qū)附著的方法流程圖;
圖4為本發(fā)明BBU pool進行緊縮的迭代求解得到波束成形向量的方法流程圖;
圖5為本發(fā)明與LTE-A算法下平均網絡能耗隨γi的變化圖;
圖6為本發(fā)明與LTE-A算法下平均激活RRH數量隨γi的變化圖。
具體實施方式
下面將結合附圖對本發(fā)明作進一步的詳細說明。
現有網絡能耗中,電路能耗占了很大比例,因此在考慮網絡節(jié)能問題時很有必要引入小區(qū)附著技術,以控制基站(或RRH)的狀態(tài)(激活或者休眠)。相比于現有方案,本發(fā)明提出了一種聯合聯合下行波束成形和小區(qū)附著的方法,首先介紹網絡系統(tǒng)模型,接著描述聯合下行波束成形和小區(qū)附著的具體方法,最后給出該方法的性能仿真;以有效的降低發(fā)射能耗及電路能耗,同時兼顧了用戶的服務質量需求、最大傳輸功率限制以及fronthaul的容量限制,有效的降低了網絡能耗;并提出了一種基于緊縮的低復雜度求解方法,可在多項式時間內完成求解,加快了處理速度。
如圖2所示,具體步驟如下:
步驟一、針對某個下行的云無線接入網,建立用戶,RRH和BBU pool的系統(tǒng)模型;
如圖1所示,下行的C-RAN系統(tǒng)模型包括:N個多天線RRH,I個單天線用戶和一個BBU pool;每個RRH分別各通過一個fronthaul鏈路連接入BBU pool中;每個RRH激活狀態(tài)時可以服務一個或多個用戶,休眠狀態(tài)時不為任何用戶服務,一個用戶至少接收一個RRH的服務;
RRH集合為{1,2,...,n,...,N};用戶集合為{1,2,...,i,...,I};N個fronthaul鏈路的容量集合為{C1,C2,...,Cn,...,CN};每個容量為每個fronthaul鏈路承載的用戶數量,即每個RRH服務的用戶最大數,是常數。
其中,第n個RRH有mn根天線,定義為第n個RRH中用戶i的波束成形向量;
步驟二、BBU pool感知系統(tǒng)模型的網絡信息;
網絡信息包括RRH的數量,以及各RRH對應的fronthaul鏈路能服務的最大用戶數量;
每個fronthaul鏈路根據介質不同,能服務的最大用戶數量不同。
由于用戶基帶信號數據量較大,因此由BBU pool到RRH的fronthaul所能承載的用戶信息是有限的。將RRH服務的用戶數量作為fronthaul的負載。假設第n個RRH的fronthaul最多服務Cn個用戶,則第n個RRH的fronthaul容量約束表示為:
步驟三、每個用戶根據就近原則,分別通過RRH向BBU pool發(fā)送業(yè)務請求。
步驟四、BBU pool根據業(yè)務請求類型,分別為每個用戶設定最低的SINR門限;并測量每個RRH到每個用戶的信道信息;
hn,i表示第n個RRH到第i個用戶的信道信息。
假設各用戶數據已經噪聲相互獨立,則用戶i的接收信噪比表示為:
表示信道信息hn,i的共軛轉置;wn,i為第n個RRH中用戶i的波束成形向量;wn,j為第n個RRH中用戶j的波束成形向量;為噪聲功率,在帶寬確定的情況下是一個常數。
BBU Pool為用戶i設定的最低門限值為γi;γi為第i個用戶的最低接收端信干噪比,由該用戶所申請的業(yè)務類型決定,是一個常數。
用戶請求的業(yè)務需要服務質量的保證,將用戶i的服務質量約束SINRi大于門限值γi,則服務質量約束表示為:SINRi≥γi,i∈I。
步驟五、BBU pool根據最低SINR門限、信道信息以及感知的網絡信息,使用啟發(fā)式算法計算下行波束成形向量以及小區(qū)附著。
如圖3所示,具體步驟如下:
步驟501、BBU pool對N個RRH進行初始化;
初始化包括:每個RRH處于激活狀態(tài),且為所有的用戶提供服務;初始時處于連接狀態(tài)的RRH-用戶對V;以及初始時的網絡最低能耗F(min)及其對應的網絡波束成形向量且滿足F(min)=+∞,可知初始時的F(min)大于等于任意一次迭代的解。
具體為:
an代表第n個RRH的狀態(tài);當第n個RRH處于激活狀態(tài),記為an=1;否則,RRH處于休眠狀態(tài),記為an=0;
每個RRH為所有的用戶提供服務;bn,i表示第n個RRH與用戶i的連接狀態(tài);bn,i=1表示第n個RRH為用戶i傳輸數據;bn,i=0表示第n個RRH不為用戶i傳輸數據;
an,bn,i,wn,i存在以下邏輯關系:an=0則bn,i=0必然成立;bn,i=0則wn,i=0必然成立。
RRH-用戶對用表示;
網絡能耗F(Φ)表示為:Φ指變量的集合:
為第n個RRH休眠狀態(tài)時的電路能耗;為第n個RRH激活狀態(tài)時的電路能耗;
則第n個RRH的能耗表示為:
ηn為第n個RRH的射頻功率放大器效率;為第n個RRH處于激活狀態(tài)時的總能耗,為第n個RRH處于休眠狀態(tài)時的總能耗;
表示第n個RRH的發(fā)射功率最大值;wn,i為第n個RRH中用戶i的波束成形向量;其中表示向量wn,i的歐幾里得范數的平方;
對于第n個RRH來說,發(fā)射功率最大值約束表示為下式:
步驟502、BBU pool將所有的RRH-用戶對V按優(yōu)先級進行升序排列;
第n個RRH中用戶i的優(yōu)先級βn,i公式計算如下:
表示信道信息hn,i的共軛轉置;表示松弛的波束成形向量;表示RRH-用戶對(n,i)的有用信號功率,表示RRH-用戶對(n,i)對其他所有用戶的干擾之和,表示了第n個RRH的情況。顯然,有用信號越強,干擾越弱,RRH的fronthaul容量越大,射頻功率放大器效率越高,自身電路能耗越低的RRH-用戶對應該具有更高的優(yōu)先級;接著,對V中所有RRH-用戶對按優(yōu)先級進行升序排列。
松弛的波束成形向量要滿足使網絡能耗F(Φ)最小,且符合以下約束條件:
SINRi≥γi,i∈I (S2)
約束條件(S1)表示:第n個RRH中所有用戶的發(fā)射功率小于等于第n個RRH的發(fā)射功率最大值,其中表示第n個RRH中所有用戶的波束成形向量的歐幾里得范數平方之和;
約束條件(S2)表示第i個用戶的信干噪比大于等于BBU Pool為該用戶設定的最低門限值γi;將第n個RRH的能耗公式帶入用戶i的服務質量約束表達式中,得到用戶i的服務質量約束結果如下:
約束條件(S3)表示第n個RRH所服務的用戶數量小于等于第n個fronthaul鏈路的容量;
約束條件(S4)表示第n個RRH向第i個用戶的發(fā)射功率要小于第n個RRH的發(fā)射功率最大值;
約束條件(S3)和(S4)保證了二元變量an,bn,i,wn,i存在以下邏輯關系:如果第n個RRH處于休眠狀態(tài),則第n個RRH不能為任何用戶傳輸數據;如果第n個RRH不向用戶i發(fā)送數據,則對應的波束成形向量為0。
約束條件(S5)表示變量an,bn,i取值為0到1之間的實數;
將考慮實際約束的CRAN網絡能耗最小化問題建模,整體為一個混合整數二階錐規(guī)劃(MI-SOCP:Mixed-Integer Second-Order Cone Programming),該問題是一個NP-Hard(non-deterministic polynomial hard)問題,即無法在多項式時間內求得問題的最優(yōu)解,求解復雜度會隨著問題變量數目的提升而急劇增加。
通過二元變量an,bn,i的取值范圍松弛為0到1間的實數,由凸優(yōu)化的理論可知該問題為一個凸問題,使用內點法求解SOCP二階錐規(guī)劃,屬于凸優(yōu)化問題,在多項式時間內求得問題的次優(yōu)解;
步驟503、BBU pool對升序排列后的RRH-用戶對V進行緊縮的迭代求解,得到波束成形向量;
首先,假設每個RRH處于激活狀態(tài),并且為所有的用戶提供服務。接著,根據一定的準則對RRH-用戶對(即該RRH為該用戶服務)進行升序排列。然后,迭代的從前向后去掉RRH-用戶對,即令該RRH不再為該用戶服務,并記錄每次迭代的結果。直至最后去掉所有的RRH-用戶對,即所有RRH均不再為任何用戶服務。
如圖4所示,具體步驟如下:
步驟5031、判斷RRH-用戶對V是否為空集,如果是,迭代結束,否則進入步驟5032;
步驟5032、選取集合V中的第一個RRH-用戶對(p,q),令bp,q=0,同時令集合V的其余元素的b保持不變;
根據RRH的激活狀態(tài)和為用戶提供的用戶,計算集合V中優(yōu)先等級最小的用戶對,也就是第一個RRH-用戶對(p,q);
令其中k為當前迭代次數,選取集合V中的第一個RRH-用戶對(p,q),令
步驟5033、根據集合V中的RRH-用戶對的bp,q設置對應的ap值,并在RRH-用戶對V中刪除元素(p,q);
步驟5034、判斷每個RRH是否都滿足約束條件:如果不滿足,令k=k+1,返回步驟5031進行下一次迭代;否則,進入步驟5035;
步驟5035、根據當前所有RRH-用戶對的所有b值以及對應的a值,計算第k次迭代的網絡能耗網絡能耗F(k)以及對應的波束成形向量
滿足的約束條件為:SINRi≥γi,i∈I (S2)
步驟5036、判斷網絡能耗F(k)是否小于F(min),如果是,則F(k)為當前最低能耗,計算對應的波束成形向量為F(min)=F(k),進入步驟5037;否則,設置并返回步驟5031;
F(min)為從第1次至第k次迭代已知的最小的網絡能耗;為從第1次至第k次迭代已知的最小網絡能耗對應的網絡波束成形向量。
步驟5037、直至將集合V中的RRH-用戶對全部迭代完畢,得到最終的F(Φ)以及對應的波束成形向量wn,i;
最終F(Φ)的取值為F(min),且對應的波束成形向量wn,i的取值為
步驟504、針對第n個RRH,C-RAN根據迭代結果wn,i計算該RRH的發(fā)送數據xn;
si表示用戶i請求的數據,均值為0,方差為1。;
步驟505、fronthaul鏈路將數據xn傳輸給RRH對應的用戶,用戶得到請求數據si;
由于BBU pool已知全部信道信息用戶i的接收信號表示為
其中為有用信號,為干擾,zi為加性高斯白噪聲。
步驟506、用戶小區(qū)根據RRH進行附著,結合波束成形向量保證系統(tǒng)模型能耗最低。
迭代算法實例:
假設網絡中存在3個RRH,3個用戶,每個RRH可服務2個用戶,即Cn=2,n=1,2,3。RRH-用戶對的優(yōu)先級由小到大計算結果如下:(1,2),(3,2),(2,3),(1,3),(1,1),(3,1),(2,1),(2,2),(3,3),因此V={(1,2),(3,2),(2,3),(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)}。
對于第1次迭代:
1)、RRH-用戶對V不為空集,進行下一步;
2)、選出優(yōu)先等級最小的用戶對(1,2),更新同時令集合V的其余元素的b設置為1;即同時設置刪除元素(1,2),得到V={(3,2),(2,3),(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)};
3)、判斷第2,3個RRH,均不滿足因為限制每個RRH可服務2個用戶,返回步驟1)進行第2次迭代;
4)、選出優(yōu)先等級最小的用戶對(3,2),更新同時令集合V的其余元素的b設置為1;即同時設置刪除元素(3,2),得到V={(2,3),(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)};
5)、判斷第2個RRH,不滿足因為限制每個RRH可服務2個用戶,返回步驟1)進行第3次迭代;
6)、選出優(yōu)先等級最小的用戶對(2,3),更新同時令集合V的其余元素的b設置為1;即同時設置刪除元素(2,3),得到V={(1,3),(1,1),(3,1),(2,1),(2,2),(3,3)};
7)、判斷每個RRH,均滿足因為限制每個RRH可服務2個用戶,在已知的條件下,求解問題,假設解為若F(3)≤F(min),則F(min)=F(3)為當前最低能耗,對應的波束成形向量為若問題無解,或者有解,但是F(3)>F(min),則令返回步驟1),進行下一次迭代。
8)、對于第4次迭代:V不為空集,進行下一步;更新同時設置刪除元素(1,3),得到V={(1,1),(3,1),(2,1),(2,2),(3,3)};所有RRH均滿足在已知的條件下,求解問題,假設解為若F(4)≤F(min),則F(min)=F(4)為當前最低能耗,對應的波束成形向量為若問題無解,或者有解,但是F(4)>F(min),則令返回步驟1),進行下一次迭代。
9)、對于第5次迭代:V不為空集,進行下一步;更新同時設置刪除元素(1,1),得到V={(3,1),(2,1),(2,2),(3,3)};所有RRH均滿足在已知的條件下,求解問題假設解設為若F(5)≤F(min),則F(min)=F(5)為當前最低能耗,對應的波束成形向量為若問題無解,或者有解,但是F(5)>F(min),則令返回步驟1),進行下一次迭代。
直至進行到第9次迭代,得到的最終結果為F(min),對應的波束成形向量為
將本發(fā)明所提方案與LTE-A中所提方案進行性能仿真比較,后者各RRH的地理位置將其劃分為不相交的簇,簇內的RRH協(xié)作的向其范圍內用戶發(fā)送數據。仿真采用瑞利衰落信道模型,系統(tǒng)帶寬為10MHz,在[-1500m,1500m]×[-1500m,1500m]范圍內部署10個2天線RRH,RRH的最大發(fā)射功率為10W,ηn=0.25。
如圖5所示,本發(fā)明所提算法網絡能耗低于LTE-A所采用算法,這是因為可重疊的RRH協(xié)作方式可以更好的降低干擾,從而在使用較低能耗的情況下保證用戶的服務質量。此外,還可觀察到用戶數越多能耗越大,原因是需要更高的發(fā)射功率以及更多的激活RRH。
如圖6所示,在LTE-A所采用算法中,所有RRH均被激活,而本發(fā)明所提算法可以在保證同樣用戶服務質量的前提下,休眠部分RRH,從而大幅降低網路能耗。
本發(fā)明的創(chuàng)新性在于不僅考慮了波束成形還考慮了小區(qū)附著,可以大幅降低網絡能量消耗。