2. 清华信息科学与技术国家实验室, 北京 100084
2. Tsinghua National Laboratory for Information Science and Technology, Beijing 100084, China
欧盟研究显示,在现有能源使用模式下,信息通信行业能耗正以每10年翻一番的速度增长,其中蜂窝网络能耗增长最为迅速[1]。而在蜂窝网络能耗中,基站消耗了总能量的60 %-80 %[2]。因此,基站能耗控制是需要迫切解决的问题。
无线通信业务量的急剧增加是促使基站能耗快速增长的主要因素。Cisco预测,数据业务量从2011年至2016年将出现18倍增长[3]。文[4]的研究表明,可以通过小区分裂来实现频谱的空间重用,从而成倍提高系统容量。因而,当前蜂窝网络朝着小型化发展,运营商正在大量布置微蜂窝、皮蜂窝等小型蜂窝[5, 6, 7]。由于小基站在无负载情况下也会消耗一定的能量[8],小基站的密集部署导致能耗快速增长。
无线通信业务时间和空间不均匀性变得愈发显著[9],给节省网络能耗带来了机会。为了满足各个时刻的业务需求,小基站按照峰值业务需求部署。当业务量下降时,小基站的能量效率较低。文[10, 11]表明,如允许部分轻负载或者无负载的小基站处于关断状态,就可以极大地降低网络能耗。关断部分小基站后,如何用剩余的小基站以及宏基站保证服务质量,目前已经有了一些调度策略研究[12, 13, 14]。
文[10, 11, 12, 13, 14]假设,网络决策时,理想获知用户与小基站通信的信道信息,包括用户与关断小基站之间的信息。实际系统中,网络无法获取用户和关断小基站通信的信道信息。为了解决这一问题,本文提出了小基站周期性开启的信道信息获取机制。
在该机制中,系统周期性开启小基站,以获得用户与小基站通信的信道信息; 宏基站检测到用户发起高速业务(一般由小基站提供)接入请求时,系统可利用最近一次小基站开启时获得的信息进行网络调度决策,选取一个最适合的小基站为该用户服务。周期的设计是该机制的关键,须精心设计。
由于GPS定位在有遮挡情况下误差会达到几十m甚至100 m,在室内甚至失效,难以满足小基站选择的精度要求,本文暂时不考虑GPS定位的应用。GPS定位与本文所提周期性开启机制的混合应用,留作后续研究。
本文组织结构如下。在第1部分中,详细阐述所提小基站周期性开启信道信息获取机制的原理,分析该机制下的网络能耗组成,进而提出以网络能耗最小化为目标的周期设计问题; 在第2部分中,对问题进行建模; 在第3部分中,得到了能够实现网络总能耗最小化的周期设计方案。
1 系统模型及信道信息获取机制本章首先介绍双层异构蜂窝网络模型、基站能耗模型、信道模型、用户运动模型; 在此基础上阐述小基站周期性开启信道信息获取机制的原理,分析该机制下的网络能耗组成,以网络能耗最小化为目标,引出小基站周期性开启的周期设计问题。
1.1 系统模型1) 双层异构蜂窝网络模型。
本小节以图1所示单宏基站、 3小基站、 4用户网络为例介绍双层异构蜂窝网络模型。本文提出的机制和之后的研究内容都不局限于单宏基站场景。
无线通信业务速率需求差异越来越大。其中,一些低速业务包括语音通话、短消息等可由宏基站提供服务; 另一些高速业务包括文件下载、在线视频观看等由小基站服务。高速业务出现概率较低,但一旦出现,需要一个小基站专门为其服务。因此需要布置大量小基站来预备服务可能出现的高速业务。当小基站不提供服务时,可关闭节省能耗。宏基站应保持开启,以及时响应业务请求并同时服务全网低速业务用户。
2) 基站能耗模型。
宏基站的功率模型如下[8]:
Pa=Pac+αaPat,
0≤Pat≤Pat,max
.
(1)
小基站的功率模型如下[8]:
${P_S} = \left\{ {\begin{array}{*{20}{c}}
{P_s^c + {\alpha _s}P_s^t,o \le P_s^t \le P_s^{t,\max },如果开启;}\\
{P_s^m,如果处于开启或者关断过程中;}\\
{0,如果关断.}
\end{array}} \right.$
(2)
3) 信道模型。
采用WINNER II信道模型,同时考虑大尺度衰落和小尺度衰落,将其表示为
Li=li · wi.
(3)
${l_i} = 10\frac{{alg({s_i}) + b + clg(\frac{{{f_c}}}{{5.0}}) + {X_i}}}{{10}}$
(4)
4) 用户运动模型。
将用户的运动建模为布朗运动[16]。将用户的初始位置表示为(xi0,yi0),将ti之后用户的位置表示为(xi,yi),则(xi,yi)的条件概率分布为
p(xi,yi|xi0,yi0,ti)=$\frac{1}{{2\pi D{t_i}}}\exp \left\{ {\frac{{ - {{({x_i} - x_i^0)}^2}}}{{2D{t_i}}} + \frac{{ - {{({y_i} - y_i^0)}^2}}}{{2D{t_i}}}} \right\}$.
(5)
当宏基站接收到用户发起的高速接入请求时,系统会选择开启与该用户通信信道状态最佳的小基站为其服务。但是由于部分小基站处于关断状态,系统无法获得用户和这些小基站通信的信道信息。本文提出的小基站周期性开启信道信息获取机制可以解决这个问题,其基本原理如下。
1) 系统每隔一段时间打开所有小基站,以获取用户与小基站通信的信道信息。这相当于系统对信道信息进行了周期性采样,维护了一组有时延误差的信道信息,该时延误差与周期性采样的频率有关。
2) 当宏基站检测到用户发起高速业务接入请求时,系统利用最近一次小基站开启时获得的信道信息,选取一个信道状态最好的小基站为该用户提供服务。信道信息误差(这里主要来源于非及时的信道信息)的大小会直接影响网络决策的效果。
以图1说明周期性开启模式下信道信息获取机制的工作过程。图中虚线箭头表示用户移动。当网络开启所有小基站进行信道估计时,用户均处于图1中的阴影位置。经过一段时间,用户1移动到其他位置并通过宏基站发起高速接入请求,系统根据记忆的信道信息,开启小基站1为其服务。此时,小基站1恰好是最优选择。接下来观察用户2的情况。原本(即根据最近一次基站开启测量)与小基站2距离较近的用户2移动到距小基站3较近的位置,并发起高速接入请求。系统由于不知道用户2此时距小基站3较近,仍然开启小基站2为其服务。最后探讨用户3的情况。用户3发起低速接入请求,系统直接通过宏基站为其提供服务。
以图2所示网络能量消耗图例来说明网络能耗的组成。在图2中,横向表示时间,纵向表示功率,则面积表示能量。
宏基站和小基站一旦开启,即消耗基础能量(由功率Pac和Psc造成的能耗)。另外,图2还示出导频发送、业务服务、小基站开启和关断过程的能耗。
因为持续存在低速业务,宏基站须持续发送导频(尽管导频发送从小尺度时间看呈现周期性[17])。小基站周期性开启,将小基站可关断的时段定义为业务期,小基站开启发送导频的时段定义为导频期。在一个周期中,导频期持续的时间长度定义为T1,业务期持续的时间长度定义为T2(如图2所示)。在T1内,与小基站开启关断(时间s量级[18])相比,小基站导频发送(时间ms量级)时间较短,相应的能耗也较小。因此,可以用小基站开启和关闭期间的总能耗代替T1时间内的总能耗。
接下来分析网络的能耗组成。由于宏基站保持开启,且仅提供控制覆盖与低速业务服务,功率较为固定,因此在以下的研究中,不考虑宏基站能量消耗的影响,关注小基站的能耗最小化问题。在欧洲,宏基站的功率约为930 W,小基站的功率约为10 W[8]。在高业务量场景下,一个宏基站覆盖范围内会密集部署几百个小基站,因此小基站和宏基站能耗是可以比拟的,从而使本文的研究很有意义。
定义给定时间、给定服务区域内,小基站与服务业务关联的能量消耗为业务期能耗E2,与发送导频关联的能量消耗为导频期能耗E1(如图2所示)。图2仅示意了一个周期。需要说明的是,上面定义的导频期时间长度T1和业务期时间长度T2为一个周期内的时间,这里定义的导频期能耗E1和业务期能耗E2为多个周期内的总能耗。
小基站总能量消耗E为这两部分能耗之和,即
E=E1+E2.
(6)
因此,在设计T2时,要综合考虑这两部分能耗,使得小基站总能耗E达到最小化。在下一章中进行建模,以解决这一问题。
2 问题构造在本章,首先通过分析信道信息误差模型,得出业务期时间长度T2对业务期能耗E2的影响; 紧接着推导出T2对导频期能耗E1的影响。这样得出T2对小基站总能量消耗E的影响。
2.1 T2对E2的影响
鉴于高速业务突发性强,且小基站部署密集,小基站往往仅同时服务一个高速用户,因而各个高速业务服务过程可以解耦。接下来选取任意一个高速业务i,研究网络为服务该业务消耗的能量E2i,总能耗E2是服务所有高速业务的能耗E2i之和,即
E2=$\sum\limits_{i = 1}^N {E_2^i} $
(7)
信道信息误差的建模,是分析E2i的关键。信道信息误差来源于信道估计误差和非实时性误差。小基站开启后,只要其发送的导频序列足够长,信道信息的估计误差就可以足够小[19]。而即使如此,相比于小基站开启时间和关断时间之和Tm,导频发送的时间仍然是足够小的,即不影响导频期的能耗。
由于估计误差足够小,只考虑非实时性误差。下面选定请求高速业务i的用户,并分析其服务过程。在导频期,用户进行信道估计,反馈最好的几个基站的信道信息给网络。接下来的业务期,用户发起高速业务i请求,网络侧根据过去的测量汇报结果,选择最近一次测量中大尺度衰落最小的小基站为该用户服务。在导频期,网络获得的用户与被选取小基站通信的信道状态用式(3)和式(4)表示。
信道估计后,经过时间ti,被选取的小基站为用户提供服务。ti为随机变量 ${\bar t_i}$与小基站开启关断时间Tm之和,${\bar t_i}$符合[0,T2]之间的均匀分布。运动到新位置的用户与小基站通信的信道状态表示为
L′i =l′ i · w′ i
.
(8)
${l'_i} = 10\frac{{alg({{s'}_i}) + b + clg(\frac{{{f_c}}}{{5.0}}) + {{X'}_i}}}{{10}}$
(9)
ρi=exp -$\frac{{{d_i}}}{{{\Delta _m}}}$
(10)
X′ i =ρi · Xi+$\sqrt {1 - \rho _i^2} $· Yi.
(11)
对于小基站来说,为尽快完成这一次提供的服务i,尽早关断,发射功率为Pst,
E2i= $\frac{{{S_i}(P_s^c + {\alpha _s}P_s^{t,\max })}}{{Wlb(1 + \frac{{{{L'}_i}P_s^{t,\max }}}{{\sigma _0^2}})}}$ +PsmTm.
(12)
总时间T内,所有小基站为发送导频而消耗的能量为
E1=E$[{\bar T_1}]MP_s^m = \frac{{{T^m} \bullet T}}{{{T^m} + {T_2}}} \bullet MP_s^m$
(13)
把式(7)、 (12)、 (13)代入式(6),得到了小基站总能量消耗E的表达式。为了进行定量描述,本文进行了仿真。
3 仿真与分析
在高速服务下行场景下,900个小基站随机分布在半径2.4 km的圆内,提供高速数据服务,带宽为10 MHz。 900个高速用户2 h内每个用户传送1个30 Gb文件。小基站的能耗采用EARTH中的模型及参数,固定能耗Psc为14.9 W,能量转换系数αs为8.4,最大发射功率Pst,
通过仿真得到业务期能耗E2与业务期时间长度T2之间的关系,如图3所示。
业务期能耗E2的原单位为J,在图3中,参照所有小基站全时满功率发送信号消耗的能量(即MT(Psc+αsPst,
除了E2,小基站总能量消耗E还包括导频期能耗E1。与E2不同,E1随着T2的增加而降低。将这两部分能耗相加,就得到了小基站总能量消耗E与业务期时间长度T2之间的关系,如图4所示。
从图4可以看出,小基站总能耗E与业务期时间长度T2之间不是单调关系,图中最低点所对应的T2使E达到最小化。当D为21 000 m2/min时,T2的最优值为35 min,采取此参数,网络可以利用周期性开启节省约86 %的小基站总能耗。同时可以看到,最优的T2随着用户运动活跃性的降低而延长。
4 结束语为了解决双层异构蜂窝网络中系统无法获取用户与关断小基站之间信道信息的问题,本文提出了小基站周期性开启方案。在该方案中,小基站周期性开启,以获取用户与小基站通信的信道信息; 宏基站接收到用户发起的接入请求时,系统利用最近一次小基站开启时获得的信道信息进行网络调度决策。周期的设计是该方案实施的关键。如小基站频繁开启,消耗的能量较高; 但此时,所获信道信息的实时性提高,网络基于此信息做出的决策更加准确,用户服务消耗的能量降低。
该文通过仿真得到了能够实现网络总能耗最小化的周期设计方案。采取此参数,网络可以利用周期性开启节省约86 %的小基站总能耗。本文的研究验证了基站关断的节能能力,为基站关断的实际应用提供了技术支持。
[1] | Fettweis G P, Zimmermann E. ICT energy consumption: Trends and challenges [C]//Proc 11th Int Symp Wireless Personal Multimedia Commun. Lapland, Finland, 2008. |
[2] | Marsan M A, Chiaraviglio L, Ciullo D, et al. Optimal energy savings in cellular access networks [C]//IEEE International Conference on Communications Workshops. Dresden, 2009: 1-5. |
[3] | Cisco Systems Inc. Cisco visual networking index: Global mobile data traffic forecast update, 2011—2016 [R]. San Jose, CA, USA, 2012. |
[4] | ZHOU Shidong, ZHAO Ming, XU Xibin, et al. Distributed wireless communication system: A new architecture for future public wireless access [J]. IEEE Commun Mag, 2003, 41(3): 108-113. |
[5] | Otsuka H, Ichimura Y, Sakamoto Y, et al. Considerations of small cell strategy in mobile communication systems [C]//2013 European Microwave Conference (EuMC). Nuremberg, 2013: 1259-1262. |
[6] | Pak Y, Min K, Choi S. Performance evaluation of various small-cell deployment scenarios in small-cell networks [C]//The 18th IEEE International Symposium on Consumer Electronics (ISCE 2014). Jeju Island, 2014: 1-2. |
[7] | WANG He, ZHOU Xiangyun, Reed M C. Coverage and throughput analysis with a non-uniform small cell deployment [J]. IEEE Transactions on Wireless Communications, 2014, 13(4): 2047-2059. |
[8] | Auer G, Blume O, Giannini V, et al. Energy efficiency analysis of the reference systems, areas of improvements and target breakdown, D2.3 [R]. Earth Project, 2010. |
[9] | Willkomm D, Machiraju S, Bolot J, el al. Primary user behavior in cellular networks and implications for dynamic spectrum access [J]. IEEE Commun Mag, 2009, 47(3): 88-95. |
[10] | Ashraf I, Boccardi F, Ho L. SLEEP mode techniques for small cell deployments [J]. IEEE Communications Magazine, 2011, 49(8): 72-79. |
[11] | Vereecken W, Deruyck W, Colle D, et al. Evaluation of the potential for energy saving in macrocell and femtocell networks using a heuristic introducing sleep modes in base stations[J/OL]. EURASIP Journal on Wireless Communications and Networking, 2012: 170. http://jwcn.eurasipjournals.com/content/2012/1/170. |
[12] | De D A, Gupta R, Calvanese S E. Dynamic traffic management for green open access femtocell networks [C]//2012 IEEE 75th Vehicular Technology Conference (VTC Spring). Yokohama, 2012: 1-6. |
[13] | LIU Chengzhe, PAN Zhiwen, LIU Nan, et al. A novel energy saving strategy for LTE HetNet [C]//2011 International Conference on Wireless Communications and Signal Processing (WCSP). Nanjing, 2011: 1-4. |
[14] | Chiaraviglio L, Ciullo D, Meo M, et al. Energy-efficient management of UMTS access networks [C]//21st International Teletraffic Congress. Paris, 2009: 1-8. |
[15] | Pekka K, Juha M, Lassi H, et al. WINNER II Channel Models, D1.1.2 V1.1 [R]. WINNER II, 2007. |
[16] | Lei Z, Rose C. Probability criterion based location tracking approach for mobility management of personal communication systems [C]//Proc IEEE Globecom. Phoenix, USA, 1997: 977-981. |
[17] | 3GPP TS 36.211 V8.9.0. Physical Channels and Modulation (Release 8) [S]. The 3rd Generation Partnership Project (3GPP TM), 2009. |
[18] | HuaWei Technologies Co., Ltd. Introduciton of the macro-cell base station for TD-SCDMA [R]. Shanghai, 2012. |
[19] | Hassibi B, Hochwald B M. How much training is needed in multiple-antenna wireless links? [J]. IEEE Trans Information Theory, 2003, 49(4): 951-963. |
[20] | Jakes W C. Microwave Mobile Communications [M]. Wiley-IEEE Press, 1994. |