基于用戶(hù)體驗(yàn)質(zhì)量和系統(tǒng)能耗的異構(gòu)網(wǎng)絡(luò)聯(lián)合接入選擇和功率分配策略

季石宇，唐良瑞，李淑賢，杜施默

（1. 華北電力大學(xué)電氣與電子工程學(xué)院，北京 102206；

2. 中國(guó)移動(dòng)通信集團(tuán)浙江有限公司杭州分公司，浙江 杭州 310006）

基于用戶(hù)體驗(yàn)質(zhì)量和系統(tǒng)能耗的異構(gòu)網(wǎng)絡(luò)聯(lián)合接入選擇和功率分配策略

季石宇1，唐良瑞1，李淑賢1，杜施默2

（1. 華北電力大學(xué)電氣與電子工程學(xué)院，北京 102206；

2. 中國(guó)移動(dòng)通信集團(tuán)浙江有限公司杭州分公司，浙江 杭州 310006）

為了解決無(wú)線網(wǎng)絡(luò)能耗和用戶(hù)體驗(yàn)質(zhì)量的問(wèn)題，提出了一種應(yīng)用于異構(gòu)無(wú)線網(wǎng)絡(luò)環(huán)境的基于多目標(biāo)優(yōu)化的聯(lián)合接入選擇和功率分配策略。該策略以最小化系統(tǒng)整體能耗和最大化用戶(hù)平均體驗(yàn)質(zhì)量為目標(biāo)，建立了多目標(biāo)優(yōu)化聯(lián)合分配模型，通過(guò)差分進(jìn)化算法得到聯(lián)合分配模型的最優(yōu)解集，并結(jié)合 TOPSIS的方法從最優(yōu)解集中得到折中的聯(lián)合分配方案。仿真結(jié)果表明，本文所提的策略能夠有效地降低系統(tǒng)能耗，并提升用戶(hù)整體的服務(wù)體驗(yàn)。

異構(gòu)網(wǎng)絡(luò)；用戶(hù)體驗(yàn)質(zhì)量；能耗；接入選擇；功率分配

1 引言

未來(lái)無(wú)線網(wǎng)絡(luò)呈現(xiàn)出泛在化、扁平化的特性，將不再是由單一的接入網(wǎng)絡(luò)構(gòu)成，而是包含宏蜂窩網(wǎng)絡(luò)、微蜂窩網(wǎng)絡(luò)等多種形式、多種技術(shù)和能耗開(kāi)銷(xiāo)的異構(gòu)蜂窩網(wǎng)絡(luò)[1,2]。異構(gòu)蜂窩網(wǎng)絡(luò)的出現(xiàn)能為用戶(hù)提供更為充裕的資源，從而有效地保證用戶(hù)的服務(wù)質(zhì)量[3,4]。但是由于無(wú)線終端設(shè)備的增多、終端類(lèi)型的日益豐富，用戶(hù)已經(jīng)不滿(mǎn)足于保證自身的服務(wù)質(zhì)量，而更加追求提升自身的體驗(yàn)質(zhì)量（quality of experience，QoE）[5]。另一方面，由于溫室氣體的排放、煤炭等不可再生資源使用的加劇，系統(tǒng)能耗也是人們關(guān)注的另一個(gè)重點(diǎn)[6]。異構(gòu)網(wǎng)絡(luò)的資源管理能夠很好地解決用戶(hù)體驗(yàn)提升和系統(tǒng)能耗降低的問(wèn)題。

目前，對(duì)于異構(gòu)無(wú)線網(wǎng)絡(luò)中的資源管理已有廣泛研究，參考文獻(xiàn)[7]提出了信干噪比最大化（signal to interference plus noise ratio maximization，SINRmax）的接入方案，即用戶(hù)接入信干噪比最強(qiáng)的網(wǎng)絡(luò)中。參考文獻(xiàn)[8]提出了基于負(fù)載均衡的接入選擇（radio access selection，RAS），用戶(hù)根據(jù)網(wǎng)絡(luò)的負(fù)載狀況和自身的服務(wù)質(zhì)量（quality of service，QoS）需求，從而決定接入最優(yōu)的網(wǎng)絡(luò)之中。參考文獻(xiàn)[9]為了降低用戶(hù)干擾，提出了集中式的功率控制策略。但是上述所提的這些策略都是對(duì)單一的無(wú)線資源（如功率）進(jìn)行優(yōu)化和管理，并且由于現(xiàn)有網(wǎng)絡(luò)資源維度的多樣性，單一資源的優(yōu)化難以實(shí)現(xiàn)網(wǎng)絡(luò)能耗和用戶(hù)體驗(yàn)質(zhì)量的最優(yōu)化。因此，越來(lái)越多的學(xué)者進(jìn)一步地研究異構(gòu)網(wǎng)絡(luò)聯(lián)合資源優(yōu)化[10-13]。參考文獻(xiàn)[10]提出了在保證用戶(hù)QoS的條件下對(duì)網(wǎng)絡(luò)能耗的降低，但是所提的策略是基于頻譜分段的情況下，即用戶(hù)傳輸過(guò)程中不會(huì)受到同頻信號(hào)的干擾，但會(huì)大大降低無(wú)線網(wǎng)絡(luò)頻譜的利用率。參考文獻(xiàn)[11]提出了在頻譜共享下聯(lián)合功率和接入的方法最小化上行傳輸功率總和，但是系統(tǒng)能耗并不僅僅包括上行傳輸能耗，還包括基站處理等能耗。參考文獻(xiàn)[12]提出了基于能效最大化的聯(lián)合用戶(hù)接入和功率控制（EEUA）的策略，通過(guò)將功率分配和接入選擇問(wèn)題轉(zhuǎn)變?yōu)榉蔷€性混合整數(shù)優(yōu)化問(wèn)題，并通過(guò)迭代算法得到問(wèn)題的最優(yōu)解。但是并未考慮到由于未來(lái)無(wú)線用戶(hù)將會(huì)使用各類(lèi)應(yīng)用和業(yè)務(wù)，用戶(hù)的體驗(yàn)質(zhì)量也是十分重要的[14-17]。參考文獻(xiàn)[14]提出了一種用戶(hù)服務(wù)體驗(yàn)質(zhì)量模型，但是并未考慮到在實(shí)時(shí)無(wú)線系統(tǒng)中，模型參數(shù)難以實(shí)時(shí)獲取。為此，參考文獻(xiàn)[15]提出了在實(shí)時(shí)無(wú)線系統(tǒng)中的用戶(hù)體驗(yàn)質(zhì)量模型，并設(shè)計(jì)了以提升用戶(hù)體驗(yàn)質(zhì)量為目標(biāo)的資源管理方案。但是這些文獻(xiàn)單一地從能耗或者用戶(hù)體驗(yàn)質(zhì)量方面進(jìn)行優(yōu)化，并未綜合考慮用戶(hù)體驗(yàn)質(zhì)量、系統(tǒng)能耗以及用戶(hù)接入和功率分配等問(wèn)題，這樣往往會(huì)造成另一個(gè)目標(biāo)的劣化，從而難以得到一個(gè)較為滿(mǎn)意的折中解。

基于以上分析，本文提出了基于多目標(biāo)的接入選擇和功率分配聯(lián)合優(yōu)化策略（multi-objective based joint user association and power control scheme，MUPS）。通過(guò)分析無(wú)線網(wǎng)絡(luò)系統(tǒng)能耗成因，從用戶(hù)側(cè)和網(wǎng)絡(luò)側(cè)共同建立了系統(tǒng)能耗模型，并結(jié)合用戶(hù)體驗(yàn)質(zhì)量提升的需求，提出了系統(tǒng)能耗最小、用戶(hù)體驗(yàn)質(zhì)量最大化的多目標(biāo)優(yōu)化模型，通過(guò)多目標(biāo)差分算法進(jìn)行求解，并結(jié)合逼近理想解的排序方法（technique for order preference by similarity to ideal solution，TOPSIS）得到最優(yōu)的接入選擇和功率分配方案。仿真結(jié)果表明，該策略能夠有效地降低系統(tǒng)能耗，并提升用戶(hù)整體的體驗(yàn)質(zhì)量。

2 系統(tǒng)模型

在異構(gòu)網(wǎng)絡(luò)環(huán)境下，當(dāng)用戶(hù)發(fā)出接入請(qǐng)求時(shí)，將會(huì)觸發(fā)網(wǎng)絡(luò)接入選擇機(jī)制，網(wǎng)絡(luò)控制中心將給各個(gè)用戶(hù)分配相應(yīng)的網(wǎng)絡(luò)保證用戶(hù)的接入，假設(shè)無(wú)線用戶(hù)在異構(gòu)無(wú)線網(wǎng)絡(luò)重疊覆蓋范圍內(nèi)隨機(jī)分布。系統(tǒng)模型如圖1所示，重疊覆蓋范圍內(nèi)共有M個(gè)網(wǎng)絡(luò)，每個(gè)網(wǎng)絡(luò)的總帶寬為B。當(dāng)用戶(hù)n接入網(wǎng)絡(luò)m中，則

圖1 系統(tǒng)模型

當(dāng)無(wú)線用戶(hù)接入網(wǎng)絡(luò)后，網(wǎng)絡(luò)將會(huì)給用戶(hù)分配業(yè)務(wù)傳輸時(shí)隙，從而保證無(wú)線用戶(hù)傳輸業(yè)務(wù)，而當(dāng)用戶(hù)傳輸業(yè)務(wù)時(shí)，無(wú)線用戶(hù)對(duì)于網(wǎng)絡(luò)所提供的業(yè)務(wù)傳輸?shù)确?wù)存在著主觀上的體驗(yàn)差異性，即具有不同的服務(wù)滿(mǎn)意程度。相較于傳統(tǒng)的服務(wù)質(zhì)量，用戶(hù)的體驗(yàn)質(zhì)量進(jìn)一步地引入了用戶(hù)的主觀感受所帶來(lái)的影響。對(duì)于用戶(hù)的體驗(yàn)質(zhì)量，國(guó)際標(biāo)準(zhǔn)組織采用了平均評(píng)價(jià)分?jǐn)?shù)（mean opinion score，MOS）模型作為評(píng)價(jià)模型。MOS模型是一種主觀評(píng)價(jià)模型，能夠最直觀地體現(xiàn)用戶(hù)感受。它將用戶(hù)感受分為4段，各段的統(tǒng)計(jì)意義見(jiàn)表1[18]。

表1 MOS數(shù)值與用戶(hù)感受對(duì)應(yīng)關(guān)系

通常對(duì)于無(wú)線用戶(hù)，用戶(hù)的體驗(yàn)質(zhì)量是與用戶(hù)的主觀感受相一致的，而無(wú)線網(wǎng)絡(luò)的傳輸速率與用戶(hù)的主觀感受息息相關(guān)，當(dāng)用戶(hù)的傳輸速率較高時(shí)，其體驗(yàn)質(zhì)量也會(huì)提升，但是用戶(hù)速率達(dá)到一定值后，用戶(hù)的體驗(yàn)質(zhì)量并不會(huì)增加；同樣地，當(dāng)用戶(hù)的傳輸速率低于門(mén)限值時(shí)，由于用戶(hù)難以達(dá)到自身服務(wù)的需求，其體驗(yàn)質(zhì)量將會(huì)是最低的，即十分不滿(mǎn)意網(wǎng)絡(luò)所提供的服務(wù)。本文通過(guò)參考文獻(xiàn)[18]所提的效用函數(shù)來(lái)表示用戶(hù)的體驗(yàn)質(zhì)量，即對(duì)于無(wú)線用戶(hù)n，其體驗(yàn)質(zhì)量為：

其中，Rn為用戶(hù)n的傳輸速率，Rmin和Rmax分別是最小傳輸速率和最大傳輸速率。a和b為固定變量，保證所提的用戶(hù)體驗(yàn)函數(shù)為連續(xù)函數(shù)。

3 多目標(biāo)接入選擇及功率分配聯(lián)合優(yōu)化策略

在無(wú)線網(wǎng)絡(luò)中，用戶(hù)十分關(guān)心自身的體驗(yàn)質(zhì)量，但是整個(gè)無(wú)線系統(tǒng)更關(guān)心整個(gè)網(wǎng)絡(luò)的能耗和終端能耗，從而能夠達(dá)到節(jié)能和降低成本的目的。因此本文從網(wǎng)絡(luò)側(cè)和用戶(hù)側(cè)分別建立了能耗目標(biāo)，同時(shí)考慮了用戶(hù)體驗(yàn)質(zhì)量的最優(yōu)化，從而將用戶(hù)的接入選擇和功率分配問(wèn)題轉(zhuǎn)變?yōu)槎嗄繕?biāo)優(yōu)化問(wèn)題，并采用多目標(biāo)優(yōu)化的算法對(duì)優(yōu)化問(wèn)題進(jìn)行求解得到最優(yōu)的接入選擇和功率分配方案，并通過(guò)采用 TOPSIS的方法對(duì)系統(tǒng)能耗和用戶(hù)體驗(yàn)質(zhì)量做出很好的折中。

3.1 多維聯(lián)合優(yōu)化模型

3.1.1 最小化能耗

整個(gè)無(wú)線通信系統(tǒng)中，不僅基站會(huì)消耗大量的能量，并且隨著終端數(shù)目的增多，終端能耗也日益成為系統(tǒng)能耗的重要組成部分。無(wú)線網(wǎng)絡(luò)基站能耗主要包括無(wú)線傳輸能耗、信號(hào)處理能耗和固定的電路能耗，計(jì)算式為：

其中，εm為網(wǎng)絡(luò)m的天線增益，pm(τ)為網(wǎng)絡(luò)m在第τ時(shí)刻無(wú)線網(wǎng)絡(luò)的傳輸功率，和分別為網(wǎng)絡(luò)m的導(dǎo)頻功耗和固定功耗。

用戶(hù)側(cè)的能耗主要包括兩個(gè)部分，一部分是由用戶(hù)終端信號(hào)處理所帶來(lái)的能耗，另一部分是終端固定能耗。終端處理能耗不僅和處理時(shí)間有關(guān)，還與信號(hào)處理功率有關(guān)[19]，而由于終端始終保持開(kāi)啟狀態(tài)，其固定能耗則是在整個(gè)時(shí)隙中所消耗的能量，計(jì)算式為：

整個(gè)系統(tǒng)的能量消耗應(yīng)當(dāng)包括網(wǎng)絡(luò)側(cè)的能量消耗和終端的能量消耗：

考慮到在所建立的網(wǎng)絡(luò)場(chǎng)景下，用戶(hù)并不存在高速移動(dòng)，這就使得在整個(gè)時(shí)隙內(nèi)無(wú)線網(wǎng)絡(luò)和無(wú)線終端的信號(hào)處理功率、發(fā)射功率等幾乎不發(fā)生變化，因此整個(gè)系統(tǒng)的能耗最小化的目標(biāo)可以轉(zhuǎn)變?yōu)檎麄€(gè)系統(tǒng)功耗的最?。?/p>

其中，PB為網(wǎng)絡(luò)功耗，包括固定功耗和傳輸功耗。PU為用戶(hù)功耗，包括接收信息的處理功耗和固定功耗。具體的計(jì)算方式分別為：

無(wú)線網(wǎng)絡(luò)聯(lián)合優(yōu)化策略的另一個(gè)目標(biāo)是實(shí)現(xiàn)無(wú)線用戶(hù)的平均體驗(yàn)質(zhì)量最大化：

其中，nMOS為用戶(hù)n的體驗(yàn)質(zhì)量，可以通過(guò)式（1）進(jìn)行計(jì)算，通過(guò)式（1）可以看出，用戶(hù)n

的體驗(yàn)質(zhì)量?jī)H僅與用戶(hù)n的傳輸速率有關(guān)，對(duì)于用戶(hù)n而言，其傳輸速率為：其中，γmn為用戶(hù)n接入網(wǎng)絡(luò)m后的信噪比，

計(jì)算式為：

其中，gmn為網(wǎng)絡(luò)m與用戶(hù)n之間的信道增益，N0為高斯白噪聲密度。

3.1.3 約束條件

無(wú)線系統(tǒng)中由于用戶(hù)需求和基站性能等會(huì)對(duì)聯(lián)合優(yōu)化造成影響，主要包括系統(tǒng)發(fā)射功率的約束，用戶(hù)接入和QoS約束。

（1）發(fā)射功率約束

在實(shí)際無(wú)線網(wǎng)絡(luò)中，第m個(gè)無(wú)線網(wǎng)絡(luò)可用的傳輸功率是有限的，記為pmmax，最大傳輸功率的限制是為了保證基站設(shè)備能夠處于線性工作區(qū)間，從而保證基站設(shè)備的良好運(yùn)行，因此發(fā)射功率的約束為：

（2）用戶(hù)接入約束

在無(wú)線網(wǎng)絡(luò)中，每個(gè)用戶(hù)在同一時(shí)刻最多只能接入一個(gè)無(wú)線接入網(wǎng)絡(luò)中，即：

（3）QoS約束

用戶(hù)接收到的信噪比應(yīng)該滿(mǎn)足自身約束的需求，從而滿(mǎn)足自身最低的服務(wù)質(zhì)量需求，即：

3.2 多目標(biāo)差分進(jìn)化算法

綜上所述，本文從網(wǎng)絡(luò)能耗和用戶(hù)體驗(yàn)兩個(gè)方面對(duì)異構(gòu)網(wǎng)絡(luò)下的接入選擇進(jìn)行研究，其目的是能夠降低網(wǎng)絡(luò)能耗和提升用戶(hù)體驗(yàn)質(zhì)量，因此對(duì)于異構(gòu)網(wǎng)絡(luò)接入選擇問(wèn)題可以轉(zhuǎn)變?yōu)槎嗄繕?biāo)優(yōu)化的問(wèn)題：

（1）種群初始化

（2）變異

變異操作是通過(guò)對(duì)種群個(gè)體的接入方式和功率分配方式的變異，從而擴(kuò)大搜索空間，避免陷入局部陷阱的方式，具體可表示為：

其中，R為變異常量，通常表示的是前次迭代個(gè)體對(duì)下次迭代個(gè)體的影響程度。分別為變異前和變異后的種群個(gè)體，為當(dāng)代個(gè)體的差分向量，其中對(duì)于整個(gè)變異操作，如果超出上下限范圍則取邊界值。由于本文的編碼方式為混合編碼方式，當(dāng)種群個(gè)體的優(yōu)化變量為整數(shù)時(shí)，需要對(duì)變異產(chǎn)生的值進(jìn)行取整：

其中，符號(hào)[]·表示取整函數(shù)。

（3）交叉

為了能夠保證種群的多樣性，采用二項(xiàng)式交叉算子對(duì)前后兩代的種群個(gè)體進(jìn)行交叉，從而保證前代個(gè)體的分量能夠被繼承。具體方式為：

（4）選擇

本文采用參考文獻(xiàn)[20]所提出的選擇策略來(lái)求解含有約束條件的多目標(biāo)優(yōu)化問(wèn)題。通過(guò)計(jì)算所有種群個(gè)體的目標(biāo)函數(shù)值，比較變異交叉后產(chǎn)生的（t+1）代個(gè)體與t代個(gè)體的目標(biāo)值大小，若（t+1）代個(gè)體支配t代個(gè)體則進(jìn)入種群，否則進(jìn)入種群。個(gè)體支配個(gè)體指的是滿(mǎn)足式（21）：

國(guó)內(nèi)景觀新奇度美學(xué)研究相對(duì)較晚。劉頌等［4］在對(duì)上海市夢(mèng)清園的研究中，證實(shí)了熟悉度對(duì)景觀審美認(rèn)知存在影響，影響可能表現(xiàn)為積極或消極兩個(gè)極端?？偟膩?lái)說(shuō)，一個(gè)非常熟悉的環(huán)境更容易引起用戶(hù)的共鳴［1］。在對(duì)朱雀公園審美價(jià)值評(píng)估的研究基礎(chǔ)上，王金照提出“景觀的新穎度越高，一致性和易讀性越低；復(fù)雜性和神秘性越高，對(duì)人的刺激越強(qiáng)，審美價(jià)值越高”［1］?？傊?，景觀熟悉度對(duì)美學(xué)偏好存在影響確鑿無(wú)疑，但具體表現(xiàn)是積極的還是消極的尚未明確。

（5）最優(yōu)折中解的選取

通過(guò)上述步驟可以得到多目標(biāo)問(wèn)題下的最優(yōu)解集，即Pareto解集。在實(shí)際的網(wǎng)絡(luò)中，用戶(hù)最終的接入方案和功率分配方案需要能從 Pareto解集中選擇出最優(yōu)的折中解，即需要均衡系統(tǒng)能耗和用戶(hù)體驗(yàn)質(zhì)量的最優(yōu)聯(lián)合分配方案[21]。本文采用TOPSIS的方法實(shí)現(xiàn)對(duì)系統(tǒng)能耗和用戶(hù)體驗(yàn)質(zhì)量的有效折中，即通過(guò)計(jì)算式（22）得到Pareto解集中各個(gè)聯(lián)合用戶(hù)接入和功率分配方案的最優(yōu)解：

其中，Yki為 Pareto解集中第k個(gè)解的第i個(gè)目標(biāo)函數(shù)歸一化值，Yi+和iY?分別為Pareto前沿中所有個(gè)體的第i個(gè)目標(biāo)函數(shù)歸一化值的最大值和最小值。目標(biāo)函數(shù)的歸一化值通過(guò)式（23）計(jì)算：

其中，Hki為Pareto解集中第k個(gè)解的第i個(gè)目標(biāo)函數(shù)值，K為Pareto前沿中的個(gè)體總數(shù)。根據(jù)TOPSIS方式所得到的Dk值在0～1范圍內(nèi)，根據(jù)Dk值大小對(duì)所得的Pareto前沿解集進(jìn)行排序，Dk值越大，說(shuō)明所得的聯(lián)合分配方案越接近于最優(yōu)方案，反之，則遠(yuǎn)離最優(yōu)方案。最終，根據(jù)排序結(jié)果得到最終的聯(lián)合分配方案。

4 仿真分析

為了驗(yàn)證MUPS算法的性能，本文對(duì)MUPS算法與EEUA和SINRmax進(jìn)行仿真對(duì)比分析。采用異構(gòu)多接入網(wǎng)絡(luò)組網(wǎng)的方式，仿真模型如圖 1所示，其中，宏蜂窩的信道衰落為微蜂窩網(wǎng)絡(luò)的信道衰落具體的相關(guān)參數(shù)見(jiàn)表2[12,19]。

表2 具體的相關(guān)參數(shù)

4.1 收斂性分析

算法收斂性分析如圖2所示。由圖2可知，隨著迭代次數(shù)的增多，系統(tǒng)能耗不斷降低，而用戶(hù)平均體驗(yàn)質(zhì)量將不斷提升，這是由于算法將交叉變異后的個(gè)體與原來(lái)的個(gè)體進(jìn)行比較，選擇出優(yōu)秀個(gè)體進(jìn)入下次迭代，從而保證了后代個(gè)體的優(yōu)質(zhì)性。而當(dāng)?shù)螖?shù)為45次左右時(shí)，算法達(dá)到收斂，系統(tǒng)能耗和用戶(hù)平均體驗(yàn)質(zhì)量不再變換。

圖2 算法收斂性分析

4.2 系統(tǒng)能耗分析

3類(lèi)不同算法的系統(tǒng)整體功耗如圖3所示。由圖 3可知，隨著用戶(hù)數(shù)的增加，3類(lèi)算法的功耗幾乎并沒(méi)有產(chǎn)生變化，尤其是SINRmax。這是由于 SINRmax算法中并沒(méi)有對(duì)各個(gè)網(wǎng)絡(luò)的發(fā)射功率進(jìn)行優(yōu)化，即都采用最大功率進(jìn)行傳輸，因此在網(wǎng)絡(luò)側(cè)的功耗并不會(huì)隨著用戶(hù)的增多而發(fā)生變化。此外，對(duì)于用戶(hù)側(cè)的功耗而言，從式（8）可以看出，由于可接入網(wǎng)絡(luò)數(shù)目的限制，盡管用戶(hù)數(shù)目有明顯增多，但是仍然難以造成用戶(hù)側(cè)功耗的提升。而其他兩類(lèi)算法都可以對(duì)發(fā)射功率進(jìn)行分配，但是由于用戶(hù)位置的隨機(jī)性和不確定性，網(wǎng)絡(luò)的發(fā)射功率仍然難以隨著用戶(hù)的變化而變化。本文所提出的MUPS算法的功耗在所有算法中是最低的，這是由于MUPS算法直接以能耗為目標(biāo)，相較于EEUA算法是以能效為目標(biāo)，能夠有效實(shí)現(xiàn)能耗的降低。

圖3 3類(lèi)不同算法的系統(tǒng)整體功耗

4.3 用戶(hù)體驗(yàn)質(zhì)量分析

3種算法的用戶(hù)平均體驗(yàn)質(zhì)量情況如圖 4所示。由于無(wú)線網(wǎng)絡(luò)資源有限，隨著用戶(hù)數(shù)目的增多，用戶(hù)難以獲得充足的網(wǎng)絡(luò)資源，因此用戶(hù)平均體驗(yàn)質(zhì)量將會(huì)降低。由圖4可以看出，當(dāng)用戶(hù)數(shù)為40時(shí)，SINRmax的平均用戶(hù)體驗(yàn)要高于其他兩類(lèi)算法，但是隨著用戶(hù)數(shù)的增多，SINRmax算法中的用戶(hù)體驗(yàn)將快速下降，當(dāng)用戶(hù)數(shù)分別為50和60時(shí)將開(kāi)始低于MUPS算法和EEUA算法。這是由于在網(wǎng)絡(luò)中用戶(hù)數(shù)較少時(shí)，網(wǎng)絡(luò)中干擾信道數(shù)較少，網(wǎng)絡(luò)傳輸功率的最大化能夠提升用戶(hù)體驗(yàn)，但是隨著用戶(hù)數(shù)增多，網(wǎng)絡(luò)之間的相互干擾將會(huì)更加嚴(yán)重，傳輸功率的最大化將會(huì)嚴(yán)重地劣化用戶(hù)體驗(yàn)，從而造成用戶(hù)體驗(yàn)質(zhì)量的急速下降。相比于SINRmax算法，MUPS算法和 EEUA算法的下降速率相對(duì)緩慢，但是由于 EEUA算法是考慮網(wǎng)絡(luò)傳輸容量，并未直接考慮用戶(hù)體驗(yàn)質(zhì)量，因此其用戶(hù)平均體驗(yàn)質(zhì)量始終低于MUPS算法。

圖4 用戶(hù)平均體驗(yàn)質(zhì)量情況

4.4 負(fù)載情況分析

MUPS算法的各個(gè)網(wǎng)絡(luò)負(fù)載情況與 EEUA算法和SINRmax算法的對(duì)比情況如圖5所示。由圖5可以看出，隨著用戶(hù)數(shù)增多，MUPS算法的宏蜂窩和兩個(gè)微蜂窩的負(fù)載水平十分接近，呈現(xiàn)出了更好的均衡性，這是由于 MUPS算法能夠有效地折中平均用戶(hù)體驗(yàn)和系統(tǒng)能耗，從而能夠使得用戶(hù)均衡地接入各個(gè)網(wǎng)絡(luò)之中。在SINRmax算法中，由于微蜂窩覆蓋范圍較小，用戶(hù)大多能夠從微蜂窩處接收到更強(qiáng)的信號(hào)，因此，微蜂窩中的接入用戶(hù)數(shù)明顯高于宏蜂窩的用戶(hù)數(shù)。而在 EEUA算法中由于傳輸功率和信道狀態(tài)的影響，接入宏蜂窩網(wǎng)絡(luò)的用戶(hù)數(shù)將會(huì)大于微蜂窩網(wǎng)絡(luò)的用戶(hù)數(shù)。

圖5 網(wǎng)絡(luò)負(fù)載情況對(duì)比

5 結(jié)束語(yǔ)

本文針對(duì)無(wú)線網(wǎng)絡(luò)能耗和用戶(hù)體驗(yàn)問(wèn)題提出了一種基于多目標(biāo)優(yōu)化的聯(lián)合接入選擇和功率分配算法。從用戶(hù)側(cè)和網(wǎng)絡(luò)側(cè)建立系統(tǒng)能耗模型，同時(shí)也建立以用戶(hù)傳輸速率為變量的實(shí)時(shí)傳輸系統(tǒng)的用戶(hù)體驗(yàn)質(zhì)量模型。并在此基礎(chǔ)上，設(shè)計(jì)了以系統(tǒng)能耗最大和平均用戶(hù)體驗(yàn)最小的多目標(biāo)優(yōu)化問(wèn)題，通過(guò)采用差分進(jìn)化方法對(duì)多目標(biāo)優(yōu)化問(wèn)題進(jìn)行求解，得到最優(yōu)的接入選擇和功率分配Pareto解集，通過(guò)TOPSIS方法，從解集中得到最優(yōu)的折中解。仿真結(jié)果表明，本文所提的算法能夠有效地降低系統(tǒng)能耗，并提升平均用戶(hù)體驗(yàn)質(zhì)量，同時(shí)也能夠保證網(wǎng)絡(luò)的負(fù)載均衡性，具有較好的應(yīng)用價(jià)值。

[1] XU C, JIN W, ZHAO G, et al. A Novel multipath-transmission supported software defined wireless network architecture[J].IEEE Access, 2017, 5(99): 2111-2125.

[2] NIU C, LI Y, HU R Q, et al. Fast and efficient radio resource allocation in dynamic ultra-dense heterogeneous networks[J].IEEE Access, 2017, 5(99): 1911-1924.

[3] 田峰, 劉翰燾, 周亮. 分層異構(gòu)網(wǎng)絡(luò)無(wú)線資源管理技術(shù)探討[J].電信科學(xué), 2013, 29(6): 32-38.TIAN F, LIU H T, ZHOU L. Research on radio resource management for hierarchical heterogeneous wireless network[J].Telecommunications Science, 2013, 29(6): 32-38.

[4] 梁瀟, 錢(qián)志鴻, 田洪亮, 等. 基于馬爾可夫決策模型的異構(gòu)無(wú)線網(wǎng)絡(luò)切換選擇算法[J]. 物理學(xué)報(bào), 2016, 65(23): 206-214.LIANG X, QIAN Z H, TIAN H L, et al. Markov decision model based handoff selection algorithm for heterogeneous wireless networks[J]. Acta Mathematica Scientia, 2016, 65(23): 206-214.

[5] CASAS P, SEUFERT M, WAMSER F, et al. Next to you: monitoring quality of experience in cellular networks from the end-devices[J]. IEEE Transactions on Network & Service Management, 2016, 13(2): 181-196.

[6] 張英杰, 章兢, 劉文強(qiáng), 等. 通信行業(yè)能耗現(xiàn)狀分析與節(jié)能戰(zhàn)略思考[J]. 電信科學(xué), 2011, 27(10): 103-109.ZHANG Y J, ZHANG J, LIU W Q. et al. Overview of current state of energy consumption and energy-saving strategies exploration in communication industry[J]. Telecommunications Science, 2011, 27(10): 103-109.

[7] SEKULOVIC N, STEFANOVIC M, DENIC D, et al. Performance analysis of signal-to-interferenceplus- noise ratio-based selection diversity over correlated rayleigh fading channels[J].IET Communications, 2011, 5(2): 127-134.

[8] 孫卓, 劉鐵軍, 張倩倩, 等. 異構(gòu)無(wú)線分組網(wǎng)絡(luò)中的接入選擇機(jī)制[J]. 系統(tǒng)仿真學(xué)報(bào), 2008, 20(10): 2762-2765.SUN Z, LIU T J, ZHANG Q Q, et al. Radio access selection algorithm in heterogeneous wireless packet networks[J]. Journal of System Simulation, 2008, 20(10): 2762-2761.

[9] TAI M H, TRAN N H, DO C T, et al. Power control for interference management and QoS guarantee in heterogeneous networks[J]. IEEE Communications Letters, 2015, 19(8):1402-1405.

[10] HUANG G, LIN Z, TANG D, et al. QoS-driven jointly optimal power and bandwidth allocation for heterogeneous wireless networks[J]. Electronics Letters, 2014, 51(1): 122-124.

[11] CHITTI K, QUAN K, SPEIDEL J. Joint base station association and power allocation for uplink sum-rate maximization[C]//Signal Processing Advances in Wireless Communications, June 16-19,2013, Darmstadt, Germany. New Jersey: IEEE Press, 2013:6-10.

[12] ZHOU T, HUANG Y, YANG L. Energy-efficient user association in downlink heterogeneous cellular networks[J]. IET Communications, 2016, 10(13): 1553-1561.

[13] 于佳, 王野, 吳紹華, 等. 基于 CoMP傳輸?shù)姆植际疆悩?gòu)網(wǎng)絡(luò)資源分配[J]. 電信科學(xué), 2015, 31(9): 11-19.YU J, WANG Y, WU S H, et al. Resource allocation of distributed heterogeneous network based on CoMP transmission[J]. Telecommunications Science, 2015, 31(9): 11-19.

[14] YUAN D, SONG M, TENG Y, et al. QoE-oriented resource allocation for multiuser-multiservice femtocell networks[J].China Communications, 2015, 12(10): 27-41.

[15] CHEN F, QIN X, WEI G. QoE optimized resource allocation in multiuser OFDM systems[J]. Przeglad Elektrotechniczny, 2012,88(7): 328-331.

[16] WANG N, GONG S, FEI Z, et al. A QoE-based jointly subcarrier and power allocation for multiuser multiservice networks[J].Science China, 2016, 59(12): 1-13.

[17] 楊燕. 淺析移動(dòng)通信網(wǎng)絡(luò)中的QoE[J]. 電信科學(xué), 2007, 23(8):34-38.YANG Y. Simple analysis of QoE in mobile communication network[J]. Telecommunications Science, 2007, 23(8): 34-38.

[18] 王大鳴, 陳松, 崔維嘉, 等. 多用戶(hù) MIMO-OFDM 系統(tǒng)基于QoE效用函數(shù)的跨層資源分配[J]. 通信學(xué)報(bào), 2014, 35(9):175-183.WANG D M, CHEN S, CUI W J, et al. QoE utility function-based cross-layer resource allocation in multi-user MIMO-OFDM systems[J]. Journal on Communications, 2014,35(9): 175-183.

[19] WU Q, CHEN W, TAO M, et al. Resource allocation for joint transmitter and receiver energy efficiency maximization in downlink OFDMA systems[J]. IEEE Transactions on Communications, 2015, 63(2): 416-430.

[20] 劉文穎, 文晶, 謝昶, 等. 考慮風(fēng)電消納的電力系統(tǒng)源荷協(xié)調(diào)多目標(biāo)優(yōu)化方法[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2015, 35(5):1079-1088.LIU W Y, WEN J, XIE C, et al. Multi-objective optimal method considering wind power accommodation based on source-load coordination[J]. Proceedings of the CSEE, 2015, 35(5):1079-1088.

[21] 盛四清, 范林濤, 李興, 等. 基于帕累托最優(yōu)的配電網(wǎng)多目標(biāo)規(guī)劃[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(15): 51-57 SHENG S Q, FAN L T, LI X, et al. Multi-objective planning of distribution network based on pareto optimality[J]. Automation of Electric Power Systems, 2014, 38(15): 51-57

[22] LIU Y, LU L, LI G Y, et al. Joint user association and spectrum allocation for small cell networks with wireless backhauls[J].IEEE Wireless Communications Letters, 2016, 5(5): 496-499.

Joint user association and power control scheme based on energy consumption and QoE in heterogeneous network

JI Shiyu1, TANG Liangrui1, LI Shuxian1, DU Shimo2
1. School of Electrical and Electronic Engineering, North China Electric Power University, Beijing 102206, China 2. Hangzhou Branch of China Mobile Group Zhejing Co., Ltd., Hangzhou 310006, China

Based on multi-objective optimization, a joint user association and power control scheme was proposed in heterogeneous network environment, aiming to reduce the system energy consumption and improve user quality of experience. The scheme took the system energy consumption minimum and the average user quality of experience maximum as objective functions and translated the joint user association and power control to multi-objective problem. Then, the differential evolution optimization algorithm and TOPSIS algorithm was used to solve the multi-objective problem. Simulation results show that the scheme can efficiently reduce the system energy consumption and improve the user quality of experience.

heterogeneous network, user quality of experience, energy consumption, user association, power control

s: Beijing Natural Science Foundation of China (No.4142049), The National High Technology Research and Development Program of China (863 Program) (No.2014AA01A701), The Central University Basic Business Expenses Special Funding for Scientific Research Projects (No.2015XS07)

TN929.5

A

10.11959/j.issn.1000?0801.2017251

2017?07?05；

2017?08?21

北京市自然科學(xué)基金資助項(xiàng)目（No.4142049）；國(guó)家高技術(shù)研究發(fā)展計(jì)劃（“863”計(jì)劃）基金資助項(xiàng)目（No.2014AA01A701）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目（No.2015XS07）

季石宇（1992?），男，華北電力大學(xué)電氣與電子工程學(xué)院博士生，主要研究方向?yàn)闊o(wú)線資源管理技術(shù)。

唐良瑞（1966?），男，華北電力大學(xué)電氣與電子工程學(xué)院教授、博士生導(dǎo)師，主要研究方向?yàn)闊o(wú)線通信、電力系統(tǒng)通信與信息處理。

李淑賢（1992?），女，華北電力大學(xué)電氣與電子工程學(xué)院碩士生，主要研究方向?yàn)橐苿?dòng)通信技術(shù)。

杜施默（1992?），女，中國(guó)移動(dòng)通信集團(tuán)浙江有限公司杭州分公司網(wǎng)絡(luò)工程師，主要研究方向?yàn)橥ㄐ啪W(wǎng)絡(luò)流量建模。