本發(fā)明涉及異構(gòu)網(wǎng)絡(luò)功率控制技術(shù)領(lǐng)域，具體涉及一種能量采集異構(gòu)蜂窩網(wǎng)絡(luò)中smallcell的在線功率控制方法。

背景技術(shù)：

隨著移動網(wǎng)絡(luò)應(yīng)用和智能終端的日益普及，smallcell在原來宏蜂窩架構(gòu)下被大量部署，這有助于提高系統(tǒng)容量。然而，不同smallcell間存在同頻干擾，單純地增加發(fā)射功率會對能量造成浪費(fèi)。為響應(yīng)節(jié)能減排的號召，能量采集技術(shù)在綠色蜂窩網(wǎng)絡(luò)中受到廣泛關(guān)注。

目前，通過研究基于能量采集異構(gòu)網(wǎng)絡(luò)中現(xiàn)有的功率分配方法發(fā)現(xiàn)，已有方法主要存在三個問題，導(dǎo)致方法實(shí)用性不強(qiáng)。首先，研究考慮的場景過于簡單，如derrickwingkwanng等人在《ieeetransactionsonwirelesscommunications,2013,12(7):3412-3427.》上發(fā)表了題為“energy-efficientresourceallocationinofdmasystemswithhybridenergyharvestingbasestation”的文章，雖以異構(gòu)網(wǎng)為基礎(chǔ)，但只考慮了單個宏蜂窩的能量采集，這類簡單場景設(shè)計的方法無法適用于實(shí)際網(wǎng)絡(luò)中。其次，方法復(fù)雜度過高，導(dǎo)致網(wǎng)絡(luò)擴(kuò)展性差，如yuyimao等人在《ieeejournalonselectedareasincommunications,2015,33(12):2463-2477.》上發(fā)表的“alyapunovoptimizationapproachforgreencellularnetworkswithhybridenergysupplies”文章中，提出的基于李雅普洛夫的能效優(yōu)化方法。再次，現(xiàn)有的研究在設(shè)計方法時大多假定各時隙能量到達(dá)提前已知，基于該假設(shè)設(shè)計的優(yōu)化方法并未考慮能量到達(dá)的因果關(guān)系，如peterhe等人在《ieee17thinternationalconferenceoncomputationalscienceandengineering[c].chengdu,china:ieee,2014.1455-1460.》上的“optimalpowerallocationforenergyharvestingandgridpowerhybridsystems”文章中提出的幾何注水方法屬于此類。

因此，針對環(huán)境中能量到達(dá)隨機(jī)性和因果性的能量采集異構(gòu)smallcell網(wǎng)絡(luò)，考慮在保證小蜂窩基站電池容量的約束下，研究基于最大化能效的在線功率分配方法具有重要的實(shí)際應(yīng)用價值和意義。由于能量采集異構(gòu)smallcell網(wǎng)絡(luò)的能效優(yōu)化問題是非凸優(yōu)化問題，同時需要滿足基站的最低開啟條件和用戶自身的服務(wù)質(zhì)量需求，針對該問題如何設(shè)計在線的低復(fù)雜度的功率分配方法是一個技術(shù)難點(diǎn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種最大化smallcell能效、實(shí)用性和可行性強(qiáng)的能量采集異構(gòu)蜂窩網(wǎng)絡(luò)中smallcell的在線功率控制方法。本發(fā)明的技術(shù)方案如下：

一種能量采集異構(gòu)蜂窩網(wǎng)絡(luò)中smallcell的在線功率控制方法，其包括如下具體步驟：

步驟1)、初始化異構(gòu)蜂窩網(wǎng)絡(luò)中smallcell的個數(shù)、功率判決門限、能效判決門限及電池的最小容量；

步驟2)、基站控制器計算各個smallcell的剩余能量值，如果smallcell的剩余能量值不小于電池的最小容量，則保持smallcell開啟，并初始化發(fā)射功率和計算初始化系統(tǒng)能效，反之，smallcell關(guān)閉；

步驟3)、更新開啟狀態(tài)下smallcell的拉格朗日乘子，并更新smallcell所分配的功率；

步驟4)、功率更新收斂的判斷：如果步驟3)更新后與更新前兩次功率差值的絕對值不大于于功率判決門限，則判斷功率收斂；如果更新后與更新前功率差值的絕對值大于功率判決門限，將新求出的功率值保存為現(xiàn)在功率值，并轉(zhuǎn)到步驟3)中更新分配的功率，將更新后兩次功率分配差值的絕對值與功率判決門限比較，直到功率滿足收斂條件；

步驟5)、能效更新收斂的判斷，計算更新的能效值，如果更新的能效與上一次的能效之差的絕對值不大于能效判決門限，則判斷能效收斂，給出最大的能效值，方法結(jié)束；如果更新的能效與上一次的能效之差的絕對值大于能效判決門限，則將新計算出的能效值保存為此時的能效值，并轉(zhuǎn)到步驟3)中更新分配的功率，直到能效滿足收斂條件，給出最大的能效。

進(jìn)一步的，在步驟1)中所述初始化smallcell個數(shù)為n，功率判決門限k1，能效判決門限k2，電池的最小容量emin,n的取值為：

其中，是第n個smallcell的最大功耗，是第n個smallcell的固定功耗。

進(jìn)一步的，所述步驟2)中，計算各個smallcell的剩余能量值esurplus,n具體公式為：esurplus,n＝enh,n+en，其中，en是第n個smallcell到達(dá)的能量，enh,n是第n個smallcell能量采集前電池剩余的能量；如果第n個smallcell中的剩余能量值小于電池的最小容量，smallcell關(guān)閉，反之，則保持第n個smallcell開啟，初始化迭代次數(shù)t＝1，第n個smallcell最大發(fā)送功率對應(yīng)乘子γn(t)＝0，第n個smallcell最小發(fā)送功率乘子μn(t)＝0，第n個smallcell的發(fā)送功率初始化系統(tǒng)能效為：

其中，wn為第n個smallcell的帶寬，gnn是第n個smallcell到目標(biāo)用戶n的信道增益，gjn是第j個smallcell到目標(biāo)用戶n的信道增益，σ²為系統(tǒng)噪聲。

進(jìn)一步的，所述步驟3)中對于開啟的smallcell中更新的拉格朗日乘子γ、μ為：

其中，▽γ,▽μ為迭代更新的步長，更新第n個smallcell的功率

其中，為迭代t次后第j個smallcell所分配的功率；

其中迭代t次的能效表示為：

進(jìn)一步的，所述步驟4)具體為：比較與功率判決門限k1的大小，其中，為迭代t+1次后第n個smallcell所分配的功率；如果不大于k1，功率收斂；如果大于k1，將新求出的功率值保存為現(xiàn)在功率值，并轉(zhuǎn)到步驟3)中更新分配的功率，將更新后兩次功率分配值之差的絕對值與k1比較，直到功率滿足條件。

進(jìn)一步的，所述步驟5)中，計算更新的系統(tǒng)能效q的值為：

其中，為迭代t+1次后第n個smallcell所分配的功率，為迭代t+1次后第j個smallcell所分配的功率；比較|q(t+1)-q(t)|與能效判決門限k2的大小，其中，q(t+1)為迭代t+1次后第n個smallcell的能效；如果|q(t+1)-q(t)|不大于k2，能效收斂，給出最大的能效，結(jié)束；如果|q(t+1)-q(t)|大于k2，將新計算出的能效保存為此時的能效，并轉(zhuǎn)到步驟3)中更新分配的功率，直到能效滿足條件，給出最大的能效。

本發(fā)明的優(yōu)點(diǎn)及有益效果如下：

本發(fā)明在考慮到環(huán)境中能量到達(dá)隨機(jī)性和因果性的情況下，基于能量離散化剩余能量檢測并判別的思想，在滿足小蜂窩電池容量約束的情況下，基站控制器通過能量判別選出滿足開啟條件的smallcell，然后采用所選擇的smallcell更新發(fā)射功率，最大化系統(tǒng)在每個時隙的能效。本發(fā)明所提供的方法在環(huán)境中能量到達(dá)隨機(jī)性和因果性的情況下，相比其他離線的功率分配方案提高了smallcell的能量效率，同時smallcell的功率更新不需要知道整個時隙全局信道狀態(tài)和能量狀態(tài)信息，相對于離線功率分配方案需要全局的信道狀態(tài)和能量狀態(tài)信息，減少了對系統(tǒng)信息量的獲取要求，具有更好的實(shí)用性和可行性。

附圖說明

圖1是本發(fā)明提供優(yōu)選實(shí)施例能量采集異構(gòu)smallcell網(wǎng)絡(luò)中的系統(tǒng)模型；

圖2是本發(fā)明對比三種算法的到達(dá)率(λ)對系統(tǒng)能效的影響。

圖3是本發(fā)明對比三種算法的小蜂窩數(shù)量對系統(tǒng)能效的影響。

圖4是本發(fā)明的流程示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、詳細(xì)地描述。所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案是，

本發(fā)明圖4公開一種開能量采集異構(gòu)蜂窩網(wǎng)絡(luò)中smallcell的在線功率控制方法，包括：一種能量采集異構(gòu)蜂窩網(wǎng)絡(luò)中smallcell的在線功率控制方法，其包括以下步驟：

第一步：初始化smallcell的個數(shù)，功率判決門限和能效判決門限，電池的最小容量；

第二步：計算各個smallcell的剩余能量值，如果smallcell的剩余能量值不小于電池的最小容量，則保持smallcell開啟，并初始化發(fā)射功率和計算初始化系統(tǒng)能效，反之，smallcell關(guān)閉；

第三步：更新開啟的smallcell拉格朗日乘子和smallcell所分配的功率；

第四步：功率更新收斂的判斷，如果兩次功率差值的絕對值不大于于功率判決門限，功率收斂；如果差值的絕對值大于功率判決門限，將新求出的功率值保存為現(xiàn)在功率值，并轉(zhuǎn)到第三步中更新分配的功率，將更新后兩次功率分配差值的絕對值與功率判決門限比較，直到功率滿足條件；

第五步：能效更新收斂的判斷，計算更新的能效值，如果更新的能效與上一次的能效之差的絕對值不大于能效判決門限，能效收斂，給出最大的能效值，方法結(jié)束；如果更新的能效與上一次的能效之差的絕對值大于能效判決門限，則將新計算出的能效值保存為此時的能效值，并轉(zhuǎn)到第三步中更新分配的功率，直到能效滿足條件，給出最大的能效。

進(jìn)一步的，第一步所述初始化smallcell個數(shù)n，功率判決門限k1，能效判決門限k2，電池的最小容量emin,n的取值為：

其中，是第n個smallcell的最大功耗，是第n個smallcell的固定功耗。

進(jìn)一步的，所述第二步中計算第n個smallcell的剩余能量值esurplus,n的取值為：esurplus,n＝esurplus,n+en，其中，en是第n個smallcell到達(dá)的能量；如果第n個smallcell中的剩余能量值小于電池的最小容量，第n個smallcell關(guān)閉，反之，則保持第n個smallcell開啟，初始化迭代次數(shù)t＝1，第n個smallcell最大發(fā)送功率對應(yīng)乘子γn(t)＝0，第n個smallcell最小發(fā)送功率乘子μn(t)＝0，第n個smallcell的發(fā)送功率初始化系統(tǒng)能效為：

其中，wn為第n個smallcell的帶寬，gnn是第n個smallcell到目標(biāo)用戶n的信道增益，gjn是第j個smallcell到目標(biāo)用戶n的信道增益，σ²為系統(tǒng)噪聲。

進(jìn)一步的，所述第三步中對于開啟的smallcell中更新的拉格朗日乘子γ、μ為：

其中，▽γ,▽μ為迭代更新的步長。

更新第n個smallcell的功率

其中，為迭代t次后第j個smallcell所分配的功率。

其中迭代t次的能效表示為：

進(jìn)一步的，所述第四步具體為：比較與功率判決門限k1的大小，其中，為迭代t+1次后第n個smallcell所分配的功率；如果不大于k1，功率收斂；如果大于k1，將新求出的功率值保存為現(xiàn)在功率值，并轉(zhuǎn)到第三步中更新分配的功率，將更新后兩次功率分配值之差的絕對值與k1比較，直到功率滿足條件。

進(jìn)一步的，所述第五步中，計算更新的系統(tǒng)能效q的值為：

其中，為迭代t+1次后第n個smallcell所分配的功率，為迭代t+1次后第j個smallcell所分配的功率；

比較|q(t+1)-q(t)|與能效判決門限k2的大小，其中，q(t+1)為迭代t+1次后第n個smallcell的能效；如果|q(t+1)-q(t)|不大于k2，能效收斂，給出最大的能效，方法結(jié)束；如果|q(t+1)-q(t)|大于k2，將新計算出的能效保存為此時的能效，并轉(zhuǎn)到第三步中更新分配的功率，直到能效滿足條件，給出最大的能效。

本發(fā)明在考慮到環(huán)境中能量到達(dá)隨機(jī)性和因果性的情況下，基于能量離散化剩余能量檢測并判別的思想，在滿足小蜂窩電池容量約束的情況下，基站控制器通過能量判別選出滿足開啟條件的smallcell，采用所選擇的smallcell更新發(fā)射功率，最大化系統(tǒng)在每個時隙的能效。本發(fā)明提高了smallcell的能量效率，而smallcell的功率更新不需要知道整個時隙全局信道狀態(tài)和能量狀態(tài)信息，實(shí)用性和可行性強(qiáng)。

本實(shí)施例為能量采集異構(gòu)蜂窩網(wǎng)絡(luò)中smallcell的在線功率控制方法，在一個異構(gòu)smallcell網(wǎng)絡(luò)中，頻率復(fù)用因子為1，系統(tǒng)噪聲σ²＝2*10e-9w，固定功耗宏基站的最大發(fā)射功率pmax＝0.1w，系統(tǒng)帶寬w＝5mhz，電池最大容量emax＝15j，各基站到用戶間的路徑衰落(pathloss)考慮為winner模型：其中，s是隨機(jī)正態(tài)對數(shù)衰落,d是基站到用戶之間的距離，載波頻率fc＝1.9ghz。

在本實(shí)施例中，圖1為本發(fā)明提供優(yōu)選實(shí)施例能量采集異構(gòu)smallcell網(wǎng)絡(luò)中的系統(tǒng)模型，圖中一個宏基站覆蓋n個小蜂窩，每個小蜂窩只覆蓋一個用戶，系統(tǒng)采用集中式功率控制。圖2在幾何注水方法(geometricwaterfillingalgorithm，gwfa)和貪婪方法(greedalgorithm，ga)，以及沒有能量存儲的方法(noenergytosavealgorithm，nesa)中隨到達(dá)率(λ)變化得到的系統(tǒng)能效與本實(shí)施例方法得到的系統(tǒng)能效的對比圖；圖3在gwfa和ga以及nesa三種方法中隨小蜂窩數(shù)量變化得到的系統(tǒng)能效與本實(shí)施例方法得到的系統(tǒng)能效的對比圖；從圖2中可以看出pa方法和gwfa方法在λ＝2之后系統(tǒng)能效開始迅速上升，隨著能量到達(dá)超過小蜂窩的開啟門限，有更多的小蜂窩被開啟。而ga方法的系統(tǒng)平均能效在增加到一定程度后，隨著發(fā)射功率的增加，小蜂窩之間的相互干擾增大，使得系統(tǒng)平均能效下降。從圖3中可以看出，ga方法與nesa方法變化趨勢一致。所有方法的系統(tǒng)能效均隨小蜂窩數(shù)量的增加而下降，相比其他方法，使用pa方法可以在一個宏蜂窩系統(tǒng)能效取得最大值時能容納更多小蜂窩，這是由于當(dāng)小蜂窩個數(shù)進(jìn)一步增加，靜態(tài)功耗快速增加導(dǎo)致系統(tǒng)能效降低。由于所提方法可以獲得smallcell層基站的最優(yōu)能效的閉式解，所提方法能夠有效地解決能量采集異構(gòu)蜂窩網(wǎng)絡(luò)中smallcell中基于能效最大化的在線功率控制等相關(guān)問題。

以上這些實(shí)施例應(yīng)理解為僅用于說明本發(fā)明而不用于限制本發(fā)明的保護(hù)范圍。在閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對本發(fā)明作各種改動或修改，這些等效變化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。