SMDP-based sleep policy for base stations in heterogeneous cellular networks

A dense heterogeneous cellular network can effectively increase the system capacity and enhance the network coverage.It is a key technology for the new generation of the mobile communication system.The dense deployment of small base stations not only improves the quality of network service,but also brings about a significant increase in network energy consumption.This paper mainly studies the energy efficiency optimization of the Macro-Femto heterogeneous cellular network.Considering the dynamic random changes of the access users in the network,the sleep process of the Femto Base Stations(FBSs)is modeled as a Semi-Markov Decision Process(SMDP)model in order to save the network energy consumption.And further,this paper gives the dynamic sleep algorithm of the FBS based on the value iteration.The simulation results show that the proposed SMDP-based adaptive sleep strategy of the FBS can effectively reduce the network energy consumption.

考虑通信与配套设备协调优化的大规模5G宏基站网络能量管理模型

5G宏基站(base station,BS)节能优化是移动通信行业践行绿色低碳发展、实现碳中和目标的重要技术手段,然而现有5G宏基站网络能量管理模型主要关注网络通信设备的节能问题,未考虑网络中大量配套设备与通信设备的协调优化。为此,建立5G宏基站网络通信与配套设备协调优化的能量管理模型,所建模型为一混合整数线性优化问题(mixed integer linear programming,MILP)。为处理模型中由于网络用户数和设备数较多所导致的大量0/1变量问题,提出基于地理位置的用户聚类和适应模型的改进Benders算法,以求解大规模5G网络通信与配套设备协调优化模型,并通过算例仿真验证了所提模型和算法的有效性,该模型能适用于多住宅区和大规模商业区的5G宏基站网络能量管理。

基于深度强化学习的基站休眠控制算法

本文提出了一种基站休眠控制框架,首先使用一种基于时空图神经网络的移动流量预测技术,利用历史数据对基站未来一段时间的负载情况进行预测。然后设计一种基于深度强化学习的基站休眠控制算法,该算法综合考虑多种实际约束,基于预测结果优化资源分配,在提高网络能效的同时保证稳定的用户体验。真实数据集上的广泛实验证实了该框架的优越性。

基于强化学习的高能效基站动态调度方法

随着移动通信技术的升级与移动通信产业的兴起,移动互联网正蓬勃发展。然而,由于移动设备爆发式增长,网络规模不断扩大和用户对服务质量的要求的不断提高,移动互联网络正面临着下一场技术革命。虽然5G技术可以通过密集的网络部署来实现千百倍的网络性能提升,但同信道干扰和高突发性的用户请求等问题使得该方案下需要消耗巨大的能量。为了在5G网络中提供高性能服务,升级改进现有网络管理方案势在必行。针对这些问题,使用带缓存队列的短周期管理框架实现对请求突发场景的敏捷平滑管理,避免由突发性请求导致的服务质量剧烈波动。此外,采用深度强化学习方法对用户分布、通信需求等进行自我学习,从而推测出基站的负载变化规律,进而实现对能量的预调度和预分配,在保证服务质量的同时提高能量的利用率。文中提出的双缓冲DQN算法在收敛速度上比传统DQN算法提高了近20%,且与当前广泛使用的基站常开策略相比,该算法能够节约4.8%的能量消耗。

密集小蜂窝网络中基于用户接入的能效优化研究

为解决小蜂窝网络中基站密集部署导致能耗过高的问题,提出一种基于用户接入的能效优化算法。根据基站邻接关系对小蜂窝网络中的基站进行分簇,并引入合并因子均衡分簇规模。在此基础上,结合用户接入速率与基站负载情况,利用改进的混沌量子粒子群算法求解最佳用户连接矩阵,同时依据网络流量变化实现基站开关的动态切换管理。仿真结果表明,该优化算法在保障用户QoS的前提下,能提升系统能效,适用于5G无线网络。

基于基站休眠的蜂窝网络节能技术研究

指数增长的数据业务与高速移动的接入需求使得蜂窝网络基础设施需求急剧扩大,由此也增加了蜂窝网络的能量消耗与运营成本。移动互联网应用特点决定了移动业务的动态变化,用户移动性与作息规律使得业务负载具有明显的空时变化特性。根据业务负载空时变化,可将低业务负载小区的基站调整为休眠(关闭)状态减小能耗,以此为基础的节能技术具有实际应用前景。本文首先对蜂窝网络能量消耗现状进行分析,说明蜂窝网络节能技术与能效优化的重要性;然后,针对蜂窝网络基站休眠技术的能效优化相关研究现状进行了综述;最后,对基站休眠技术及其能效优化研究进行了总结与分析。

一种LTE-Advanced网络中的能效协作基站睡眠机制

在通信非高峰期,关闭未充分利用的基站是一种减小能耗的有效方法,睡眠基站内用户由邻近基站协作服务,避免了因小区范围拓展导致的基站发射功率消耗。考虑将基站睡眠技术与CoMP(coordinated multi—point,协作多点)传输技术相结合来提升系统性能,全面考虑协作过程中的功耗情况,提出一种基于功耗最小化的动态分簇和基站睡眠方案。该方案能够在为每个用户选择最佳分簇,满足QoS需求的同时,最小化系统功耗。仿真结果表明,本方案在提升能效方面优于传统基站睡眠方案。

一种超密集网络基站分簇管理算法

为了降低超密集网络中基站管理算法的计算复杂度并提升基站的能源使用效率,根据用户密度、网络负载量等信息,提出了一种基于分簇的动态管理基站算法。该算法首先根据用户测量报告计算出理论最小需求基站数,然后对基站进行合理的网络分簇,最终通过粒子群优化算法确定基站休眠组合。仿真结果表明,与未进行分簇的基站管理算法相比,该算法可以降低约60%的计算复杂度,并能有效降低基站能源消耗。

5G网络中基于覆盖区域优先级的微基站休眠算法

随着5G移动通信技术日渐成熟,移动终端数量快速增长,5G无线通信系统基站密集能耗问题突出,提出一种微基站区域分级休眠算法。考虑微基站负载、站间距离、层间配合对微基站休眠的影响,宏基站与宏基站之间重叠覆盖区域中微基站状态转换次数少,优先休眠操作节能效果好。仿真结果表明,节能率为23%,能适应不同的网络规模,在大规模网络中节能效果更优越。

基于小区域块划分的非对称覆盖补偿算法

为减少无线蜂窝网络的能量消耗,提出一种非对称覆盖补偿方法。将休眠小区覆盖区域划分成若干小区域;利用基于小区域块划分的覆盖补偿算法,给周围的基站合理分配小区域块,达到该补偿的目的。该算法能够有效减少蜂窝网络的能耗,使周围基站的覆盖增量能耗最小。仿真结果表明,该算法不仅可以减少基站覆盖增量能耗,相比其它覆盖策略具有更好的阻塞率表现。

移动边缘计算任务卸载和基站关联协同决策问题研究

为了缩小IoT应用的服务质量要求与IoT设备有限的计算资源之间的差距,提高设备与基站能源利用率,设计了基于超密集网络的移动边缘计算框架COMED,提出了一个结合任务卸载、设备-基站关联以及基站睡眠调度的在线优化问题,旨在最小化设备和基站的整体能量消耗,同时满足IoT应用的服务质量要求.针对这一在线优化问题,提出了一个基于李雅普诺夫优化理论的任务调度算法JOSA,该算法只使用当前时间片的系统信息进行调度.仿真实验证明了COMED框架具有良好的性能:1)与设备本地处理相比,系统整体节能30%以上,与DualControl算法相比平均节能10%~50%;2)算法的执行时间与IoT设备数量呈近似线性的关系.

一种异构网的高能效基站休眠方法

为适应移动业务需求改变,充分实现异构蜂窝网节能,提出长周期和短周期方式相结合的基站休眠方法。长周期方式定义作用图表示基站间的相邻关系,基于业务负载通过相邻基站协作进行激活与去激活策略的选择,同时将每个基站抽象为有负载约束的博弈玩家,从而形成有约束的图博弈,分布式求解基站状态以降低信令开销和基站能耗。短周期方式引入传输和非传输模式增强对快速改变业务的适应性,通过对基站分簇和设置基站簇的模式矩阵形成基站间的潜在协作,从而降低基站间干扰实现节能。给出求解广义纳什均衡的分布式迭代算法和基站簇模式矩阵的选择过程。仿真结果表明,该方法 24小时内较参考的长周期方法和短周期方法分别节能12.6%和15.1%。

基于基站休眠技术的无线通信网络能源协作策略

有效提高无线通信网络能源效率,降低能源成本,提升通信服务质量,一直是通信领域重要的研究课题.本文利用基站休眠技术关闭低负载状态或处于空闲状态的基站,联合能源采集技术采集清洁能源供基站和其他系统使用,通过系统能源协作降低能源的浪费,该协作模型是一个约束优化问题,使用一种动态权重约束优化处理算法对模型进行求解分析.实验表明,本文提出的系统模型能有效降低网络能耗,提高通信速率.

基于Sarsa学习的基站休眠策略研究

在异构Macro-femto蜂窝网络中,随着日益增长的用户数量使得基站能耗问题变得更加严峻,提升整个移动系统能效的有效方式就是进行基站休眠。根据无模型理论提出一种基于Sarsa学习的动态基站休眠算法,算法通过基站学习环境中的用户流量,制定合理的休眠机制。仿真结果表明,提出的基于Sarsa学习的基站休眠算法能够有效提升系统能效。

密集异构网络中基于非邻区关系分簇的集中式基站休眠算法

密集异构网络中,大量部署的低功率基站将会带来巨大的网络能耗,基站休眠算法可以有效降低网络能耗,但在算法实施过程中存在复杂度较高、准确性易受影响以及网络信令负担大等问题。为此,提出了一种适用于密集异构网络的基于非邻区关系分簇的集中式基站休眠算法。该算法首先基于非邻区关系准则,将不存在用户直接相互切换关系的低功率基站分为一簇,然后根据每簇内基站能效均值以及用户和基站的位置关系,分别设置潜在休眠基站判决机制和基站运行模式判决机制,最后所有簇依次执行簇内判决机制。仿真结果表明,该休眠算法具有良好的网络性能。

超密集网络基站管理算法研究

针对密集网络环境中基站的能耗问题,提出一种基于稳定选择的基站休眠算法,该算法通过遍历小区内所有基站,在保证网络稳定性的前提下关闭某些负载量较低的基站以节省网络能源消耗。当基站进入休眠模式时,会把其原有用户切换到相邻基站提供服务。仿真结果表明,该算法在保证网络稳定性的同时可以有效降低基站能源消耗。

基站设备断电节能凝露现象的研究

5G基站多收发通道数、宽带宽、高流量、高发射功率等特性,导致其满载功耗较4G基站大幅增加。5G发展初期,现网基站可能存在长时间无用户的场景,对无用户基站设备进行间隔断电起到节能的效果。间隔断电节能也会带来设备凝露,引起器件、PCB等腐蚀、烧毁,造成基站设备失效。介绍了凝露的基本原理,设计了凝露实验并对基站设备进行对比验证,分析了基站设备产生凝露的原因,最后给出了基站设备避免凝露的使用方案建议。

基于异构蜂窝业务量预测的基站休眠策略

为了提高第5代(the fifth generation,5G)移动通信中异构蜂窝网络基站的频谱效率,提升用户的服务质量。提出了一种基于小波神经网络的基站休眠策略(neural network based stations sleep strategy in macro-femto heterogeneous networks,NNSS),在神经网络预测模型中,把隐含层的传递函数用小波函数替换,并采用梯度下降算法,建立一个小波神经网络的预测模型。预测出家庭基站在一个周期内的业务量,根据预测值制定合理的基站休眠策略;同时考虑用户与基站间的中断概率,设计用户重关联算法,实现家庭基站对用户服务质量的优化。实验结果表明,基于小波神经网络的基站休眠策略在提高系统频谱效率的同时,降低了用户的中断概率。

面向密集毫米波蜂窝网络的休眠策略设计与分析

随着移动通信的发展和数据流量指数级的增长,预计将密集化部署毫米波基站于蜂窝网络中,以满足通信高峰时期用户的通信需求。然而,由于流量需求的动态变化,在通信非高峰时期,存在部分空闲基站仍然在不必要地消耗大量能量,而提高能量效率已成为未来网络的关键指标之一。因此,首先依托随机几何理论构建一个融入毫米波传输特性的大规模蜂窝网络模型,随后提出一种基于小区负载量的基站休眠策略,并在此基础上推导出覆盖率和能量效率的理论表达式。数值结果验证了理论结果的准确性,并分析了不同参数对覆盖率和能量效率性能造成的影响。

基站开关电源智能休眠节能技术应用分析

文中首先分析了基站开关电源智能休眠节能技术工作原理,同时介绍了东莞联通分公司整个技术应用的验证测试过程;然后对该技术的应用情况和前景进行了阐述。