李淼

摘 要 本文主要圍繞著密集型小蜂窩的網(wǎng)絡(luò)當(dāng)中以用戶接入為基礎(chǔ)能效優(yōu)化開(kāi)展深入研究及探討，便于能夠?yàn)榻窈笙嚓P(guān)課題實(shí)踐探索和研究提供有價(jià)值的參考或者指導(dǎo)。

關(guān)鍵詞 小蜂窩;密集;網(wǎng)絡(luò);用戶接入;能效優(yōu)化

前言

為能夠妥善處理好小蜂窩的網(wǎng)絡(luò)內(nèi)部基站密集性部署所致高能耗問(wèn)題，本文提出以用戶接入為基礎(chǔ)能效優(yōu)化的算法，結(jié)合基站的臨接關(guān)系，分簇小蜂窩的網(wǎng)絡(luò)內(nèi)部基站，將合并因子的均衡性分簇規(guī)模引入，與用戶接入的速率和基站負(fù)載實(shí)際情況相結(jié)合，借助改進(jìn)后混沌量子的粒子群計(jì)算法，將用戶最佳連接矩陣求解出來(lái)，結(jié)合網(wǎng)絡(luò)流量的變化，實(shí)現(xiàn)動(dòng)態(tài)化切換管理基站開(kāi)關(guān)。

1以用戶接入為基礎(chǔ)能效優(yōu)化的具體算法

1.1 在分簇管理方面

（1）劃分時(shí)間段。已知某區(qū)域一天內(nèi)網(wǎng)絡(luò)流量峰值時(shí)間段為19：00-20：00，結(jié)合每時(shí)刻點(diǎn)負(fù)載值及曲線斜率實(shí)際變化情況，劃分時(shí)間段。以某個(gè)時(shí)間段作為分簇的一個(gè)周期，一個(gè)周期之內(nèi)起始時(shí)刻是網(wǎng)絡(luò)分簇，剩余時(shí)間則分簇方式維持不變[1]。

（2）分簇算法。一是，選定初始的分簇中心，設(shè)基站的分簇?cái)?shù)是S，隨機(jī)選定一個(gè)基站為首個(gè)分簇的中小，結(jié)合所選定概率逐步確定其余S-1個(gè)初始的分簇中心。選定概率列式是=pro （ek），pro （ek）為待選基站和臨近分簇中心距離歐距離;二是，初始分簇。對(duì)所有樣本ek依據(jù)=Dj，k計(jì)算至S個(gè)的分簇中心距離，分值臨近分簇中心的簇，反復(fù)計(jì)算到完成分簇即可;三是，均衡調(diào)整分簇規(guī)模，列式為*=asq;四是，實(shí)施新分簇中小計(jì)算。對(duì)于所有新簇ZS，按照=Cnews該列式，重新實(shí)施分簇中心的計(jì)算，結(jié)合=SSE該列式，將簇內(nèi)偏差平方及SSE計(jì)算出來(lái)，并判斷是否收斂，如果收斂，表示分簇完成;反之，需重復(fù)操作以上步驟，一直到收斂為止。網(wǎng)絡(luò)狀態(tài)在有變化出現(xiàn)后，需結(jié)合新增的小基站和現(xiàn)有分簇的中小距離，選定加入最適宜簇，故此方案可適應(yīng)于網(wǎng)絡(luò)動(dòng)態(tài)的變化[2]。

1.2 在開(kāi)關(guān)管理方面

一是，粒子種群初始化。定義其第 h個(gè)的量子粒子空間位置列式：=Yh，θhn=2πrand為量子旋轉(zhuǎn)的角度;二是，設(shè)粒子的適應(yīng)度基本函數(shù)：=f（h），a為用戶最低的傳輸速率約束懲罰的因子;三是，更新粒子位置，實(shí)施混沌搜索。良好遍歷性Tent混沌的映射方程列式是Zn+1=[2Zn，0≤Zn≤0.5;2（1-Zn），0.5

2結(jié)果研究

2.1 對(duì)比分簇算法和DKC算法之下輪廓系數(shù)

通過(guò)對(duì)比分簇算法和DKC算法之下輪廓系數(shù)后可了解到，這兩種計(jì)算方法之下總體的輪廊系數(shù)會(huì)伴隨著分簇量改變而發(fā)生改變，與DKC算法相比，文中算法有著較高聚類程度，主要是因DKC算法之下簇中心是所選密度超過(guò)平均分度的密度點(diǎn)，給定分簇量條件下，簇內(nèi)部分散分布現(xiàn)象會(huì)出現(xiàn)。但文中算法以給定的分簇量為基礎(chǔ)，均衡處理分簇規(guī)模差異，對(duì)初始的分簇結(jié)果加以調(diào)整，故文中算法聚類效果最佳。

2.2 對(duì)比CQPSO算法和QPSO及PSO算法系統(tǒng)能效

通過(guò)對(duì)比CQPSO算法和QPSO及PSO算法系統(tǒng)能效后可了解到，三種不同算法應(yīng)用后，系統(tǒng)能效伴隨迭代次數(shù)不斷增加都已有增加現(xiàn)象出現(xiàn)，經(jīng)細(xì)致觀察過(guò)后可了解到，對(duì)QPSO及PSO這兩種算法相比較，CQPSO算法明顯提升了能效的收斂值，主要是因文中引入混沌序列是以局部的最優(yōu)解為基礎(chǔ)，實(shí)施領(lǐng)域空間深入探索，種群位置更具多樣化。經(jīng)文中的優(yōu)化算法迭代求解過(guò)后，可有效提升系統(tǒng)能效，達(dá)到預(yù)期優(yōu)化目的。

2.3 對(duì)比能效優(yōu)化的算法和CDM及UAS算法下用戶SINR的累計(jì)分布實(shí)際函數(shù)值

相比較CDM及UAS這兩種算法，文中算法具備良好SINR性能優(yōu)勢(shì)，主要是因UAS算法以吞吐量為基礎(chǔ)所設(shè)計(jì)用戶的關(guān)聯(lián)性效用函數(shù)，后期休眠部分的輕載和空間基站，用戶轉(zhuǎn)移期間極易有干擾現(xiàn)象出現(xiàn)，對(duì)用戶質(zhì)量必然產(chǎn)生不利影響。但文中所提出能效優(yōu)化的算法，卻可確保所有用戶均已QoS為基本的約束條件，對(duì)CDM及UAS這兩種算法的優(yōu)化能效方面問(wèn)題予以改進(jìn)優(yōu)化處理，優(yōu)化效果良好。故文中算法具備良好用戶QoS優(yōu)勢(shì)。

2.4 對(duì)比能效優(yōu)化的算法和CDM及UAS算法之下系統(tǒng)能效變化

這三種不同算法下網(wǎng)絡(luò)能效均伴隨網(wǎng)絡(luò)用戶實(shí)際數(shù)量增長(zhǎng)而持續(xù)增加，這種UAS算法并未考慮到網(wǎng)絡(luò)的分簇，處于密集網(wǎng)絡(luò)環(huán)境之下，迭代求解有著較高的復(fù)雜程度，對(duì)求解優(yōu)化問(wèn)題會(huì)產(chǎn)生不利影響。以分簇為基礎(chǔ)CDM算法極易陷入優(yōu)化問(wèn)題次優(yōu)解中。但文中算法對(duì)于密集部署網(wǎng)絡(luò)環(huán)境，通過(guò)分簇管理網(wǎng)絡(luò)和混沌序列的引入，局部最優(yōu)可得以避免。故文中算法節(jié)能效果良好，適合在5G的無(wú)線網(wǎng)中應(yīng)用。

3結(jié)束語(yǔ)

綜上所述，文中所提出密集型小蜂窩的網(wǎng)絡(luò)當(dāng)中以用戶接入為基礎(chǔ)能效優(yōu)化的算法經(jīng)實(shí)驗(yàn)研究后表明了，與節(jié)能算法相對(duì)比，此種算法有用戶QoS和系統(tǒng)能效方面突出優(yōu)勢(shì)，適合5G的無(wú)線網(wǎng)中應(yīng)用。但因此能效優(yōu)化的算法在切換基站開(kāi)關(guān)器件，有較高切換成本缺陷，故后期還需積極引入更多節(jié)能技術(shù)，將基站開(kāi)關(guān)在切換成本逐步降低，確?？蓪?shí)現(xiàn)在5G的無(wú)線網(wǎng)中高效化利用。

參考文獻(xiàn)

[1] 韋世紅，張麗. 密集小蜂窩網(wǎng)絡(luò)中基于能效的資源分配方案[J]. 計(jì)算機(jī)工程與設(shè)計(jì)，2019，40（3）：812-813.

[2] 尼俊紅，郭浩然，郭浩晗，等. 超密集異構(gòu)網(wǎng)中基于小區(qū)休眠的用戶關(guān)聯(lián)算法[J]. 光通信研究，2018，20（4）：592-593.