鄭愛媛

(福建商學(xué)院信息工程學(xué)院,福建 福州 350012)

0 引言

隨著大數(shù)據(jù)等新技術(shù)持續(xù)推進(jìn),為確保5G網(wǎng)絡(luò)無縫支撐移動(dòng)臺(tái)接入突發(fā)業(yè)務(wù)并提升全網(wǎng)載荷度,運(yùn)營商部署了大規(guī)模弱功耗異構(gòu)宏站和微站作為應(yīng)對(duì)策略。該策略下的全網(wǎng)由于缺乏移動(dòng)支持能力,致使突發(fā)接入時(shí)出現(xiàn)局部網(wǎng)絡(luò)載荷沖突,并由此引發(fā)新一輪基站啟動(dòng)。這樣的情形勢(shì)必導(dǎo)致全網(wǎng)效能低下。通過關(guān)閉或睡眠部分異構(gòu)基站被視為有效解決該問題的方法。朱曉榮等[1]提出的循序睡眠機(jī)制提倡通過服務(wù)器監(jiān)測(cè)全網(wǎng)基站工作參數(shù)推算出每個(gè)基站效能,將效能度較低的基站納入研究集合,根據(jù)集合內(nèi)被關(guān)閉基站的規(guī)模來確定是否開展下一組的關(guān)閉評(píng)估。然而由于移動(dòng)臺(tái)頻繁地在鄰區(qū)子網(wǎng)之間切換接入點(diǎn),使得分區(qū)內(nèi)基站效能度頻繁更新。而循序睡眠機(jī)制卻忽略了將變化的基站效能度更新到研究集合內(nèi),導(dǎo)致研究集合內(nèi)的基站排序缺乏實(shí)時(shí)性,從而弱化了該機(jī)制的普適性。許焱平等[2]針對(duì)該問題提出了睡眠更新機(jī)制,基于貪婪算法在每一次關(guān)閉基站時(shí)都對(duì)分簇開展效能評(píng)估,對(duì)更新效能參數(shù)后的基站重新排序再確定關(guān)閉的基站對(duì)象。但實(shí)踐表明該算法下的移動(dòng)臺(tái)不僅無法為靠近基站的移動(dòng)臺(tái)提供平滑的接入點(diǎn)切換,宏站間距問題也將弱化接入信道的質(zhì)量而引發(fā)局部網(wǎng)絡(luò)阻塞現(xiàn)象。此外,算法將隨著接入移動(dòng)臺(tái)規(guī)模擴(kuò)大而逐漸增加計(jì)算復(fù)雜度。王雪等[3]提出了基于接入規(guī)模的基站管理機(jī)制,首先統(tǒng)計(jì)出各分區(qū)所能受理的接入載荷度,然后在確保鄰近分區(qū)存在足夠響應(yīng)資源的前提下通過分析每個(gè)基站正在受理的業(yè)務(wù)規(guī)模,篩選出業(yè)務(wù)量較少的基站,從而確定所要關(guān)閉的基站。但該管理機(jī)制同樣忽略了移動(dòng)臺(tái)空間方位和移動(dòng)臺(tái)在鄰區(qū)之間順利切換接入的關(guān)聯(lián)性,使得一些受理業(yè)務(wù)規(guī)模較小的基站未能被關(guān)閉,從而增加了系統(tǒng)的開銷,降低了效能度。

可見,全網(wǎng)分區(qū)內(nèi)基站的效能度[4]對(duì)于移動(dòng)臺(tái)在鄰區(qū)頻繁切換接入點(diǎn)的行為較為敏感。為了克服該問題,本文考慮對(duì)非鄰區(qū)內(nèi)的基站實(shí)施分簇以降低基站效能頻繁變化給算法計(jì)算精度帶來潛在的影響,并為每一個(gè)分簇制定個(gè)性化的基站啟停方案以避免遍歷全網(wǎng)基站帶來的算法時(shí)間復(fù)雜度問題,同時(shí)結(jié)合移動(dòng)臺(tái)方位和基站間距設(shè)計(jì)科學(xué)的移動(dòng)臺(tái)接入切換機(jī)制,避免移動(dòng)臺(tái)在低效能度的基站之間執(zhí)行無效的接入切換。本文構(gòu)思一種個(gè)性化的自適應(yīng)效能控制算法,該算法通過對(duì)分簇內(nèi)的基站開展個(gè)性化能效統(tǒng)計(jì)和排序,科學(xué)地引導(dǎo)移動(dòng)臺(tái)切換接入點(diǎn)來關(guān)停不必要的基站,以此提升全網(wǎng)基站效能度。

1 移動(dòng)接入效能模型

由宏站和微站組成的5G異構(gòu)蜂窩網(wǎng)絡(luò)內(nèi)含多個(gè)微蜂窩和宏蜂窩。單個(gè)宏站不僅可建立一個(gè)正六邊形的宏蜂窩,也可經(jīng)由定向天線將整個(gè)宏蜂窩劃分出三個(gè)扇區(qū),并在每個(gè)扇區(qū)內(nèi)配置大規(guī)模弱功耗微站形成微蜂窩。微蜂窩內(nèi)部署的全向天線可為移動(dòng)臺(tái)提供全時(shí)無縫接入。假設(shè)移動(dòng)業(yè)務(wù)接入到5G異構(gòu)全網(wǎng)期間,移動(dòng)業(yè)務(wù)強(qiáng)度符合Possion隨機(jī)分布[5]。令P(t)為移動(dòng)業(yè)務(wù)強(qiáng)度在時(shí)間t內(nèi)的Possion變量,k為移動(dòng)業(yè)務(wù)強(qiáng)度曲線變化的斜率,m和n分別為移動(dòng)業(yè)務(wù)強(qiáng)度所對(duì)應(yīng)的曲線變化幅度[6]和曲線峰值的角度[7]。

(1)

假設(shè)接入信道帶寬可劃分出X個(gè)資源塊,每個(gè)資源塊的帶寬為B,只能由一個(gè)移動(dòng)臺(tái)使用。第i個(gè)宏蜂窩扇區(qū)可為移動(dòng)臺(tái)u提供的資源塊的集合記作L1,移動(dòng)臺(tái)u經(jīng)第i個(gè)宏蜂窩扇區(qū)內(nèi)的第l個(gè)資源塊所獲信號(hào)的信噪比SNR為S1,則第i個(gè)宏蜂窩扇區(qū)為移動(dòng)臺(tái)u提供的接入速率[8]為:

(2)

假設(shè)第j個(gè)微蜂窩可為移動(dòng)臺(tái)c提供的資源塊的集合記作L2,移動(dòng)臺(tái)c從微蜂窩覆蓋下的第l個(gè)資源塊所獲信號(hào)的信噪比SNR為S2,則第j個(gè)微蜂窩為移動(dòng)臺(tái)c提供的接入速率為:

(3)

假設(shè)基站配置的天線規(guī)模為NA,天線維持正常覆蓋工作所需的最低能耗為PL,基站處于睡眠時(shí)的能耗為Pr,基站受理移動(dòng)臺(tái)接入時(shí)要求的輸出能耗為PG,能耗隨載荷變化發(fā)生的斜率變化為K。當(dāng)PG為0時(shí),基站的能耗表征為:

E=Pr·NA.

(4)

當(dāng)PG不為0時(shí),則基站的能耗表征為:

E=PG·NA+PL·NA.

(5)

假設(shè)第q個(gè)微蜂窩可為移動(dòng)臺(tái)i提供的接入速率為Ri,服務(wù)移動(dòng)臺(tái)接入期間產(chǎn)生的能耗為Eq,該微蜂窩所服務(wù)的移動(dòng)臺(tái)集合為I,可得該微蜂窩的效能度為:

(6)

2 效能控制算法設(shè)計(jì)

效能控制算法的思想是統(tǒng)計(jì)來自非鄰近小區(qū)的用戶基站的能耗并進(jìn)行排序,將效能度較低的基站歸類到一個(gè)分簇內(nèi)。再結(jié)合該分簇內(nèi)移動(dòng)臺(tái)方位和基站的間距以及該分簇內(nèi)基站響應(yīng)移動(dòng)接入產(chǎn)生的平均能耗等因素,為效能度較低的基站制定啟停決策。因此,完整的算法包括分簇和啟停決策兩個(gè)過程。

為方便辨識(shí)蜂窩的相鄰性,分簇前先進(jìn)行蜂窩標(biāo)識(shí)[9]。由于復(fù)雜的標(biāo)識(shí)方式將增加算法的時(shí)間復(fù)雜度,故效能控制算法考慮根據(jù)每一個(gè)微蜂窩周邊存在的相鄰小區(qū)數(shù)量來決定賦予相應(yīng)的蜂窩編號(hào),再使編號(hào)一樣的蜂窩小區(qū)組成一個(gè)分簇以實(shí)現(xiàn)非相鄰小區(qū)分簇。這樣的設(shè)計(jì)可避免算法運(yùn)行期間移動(dòng)臺(tái)在兩個(gè)相鄰小區(qū)之間頻繁切換接入點(diǎn)導(dǎo)致基站效能變化對(duì)算法精度的影響。具體標(biāo)識(shí)編號(hào)過程為:當(dāng)所研究的微蜂窩不存在相鄰小區(qū),直接為該微蜂窩分配編號(hào)C1;當(dāng)所研究的微蜂窩存在一個(gè)相鄰小區(qū),則分別為該微蜂窩小區(qū)和相鄰小區(qū)分別分配編號(hào)C1、C2。當(dāng)所研究的微蜂窩存在多個(gè)相鄰小區(qū),則為存在相鄰小區(qū)數(shù)量最多的那個(gè)微蜂窩分配編號(hào)C1。若該微蜂窩周邊存在奇數(shù)個(gè)相鄰小區(qū),則依次并循環(huán)地為這些相鄰小區(qū)逐個(gè)分配編號(hào)C2、C3、C4;若該微蜂窩周邊存在偶數(shù)個(gè)相鄰小區(qū),則依次并循環(huán)地為這些相鄰小區(qū)逐個(gè)分配編號(hào)C2、C3。

在分配完標(biāo)識(shí)編號(hào)后開始執(zhí)行分簇操作。具體操作過程為:將所有的微蜂窩形成一個(gè)集合J1。每一個(gè)微蜂窩輻射的半徑記作r,與第s個(gè)微蜂窩相鄰的基站規(guī)模記作JG,與第s個(gè)微蜂窩相鄰的基站形成的集合記作Js。為集合J1內(nèi)的每一個(gè)微蜂窩開展評(píng)估,算出當(dāng)前微蜂窩到其他微蜂窩的間距是否超過2r。若未超過2r,說明兩個(gè)微蜂窩屬于鄰近小區(qū),則需對(duì)集合Js中的元素進(jìn)行更新。然后為集合J1中的每一個(gè)微蜂窩分區(qū)元素統(tǒng)計(jì)出與自身相鄰的微蜂窩分區(qū)規(guī)模,將計(jì)算結(jié)果實(shí)時(shí)更新到變量JG中,進(jìn)行從大到小排序后放入集合J2。若集合J2中只存在一個(gè)微蜂窩,直接為該微蜂窩分配編號(hào)C1;若集合J2中存在多個(gè)微蜂窩分區(qū),則從中篩選出相鄰分區(qū)基站規(guī)模最大的那個(gè)微蜂窩,為其分配編號(hào)C1,再從集合J2中將該分區(qū)基站剔除。接著對(duì)微蜂窩C1的集合Js內(nèi)的基站進(jìn)行標(biāo)識(shí)區(qū)分,其鄰近的微蜂窩布局呈環(huán)形形狀。對(duì)相鄰基站每間隔一個(gè)微蜂窩均分配同樣的編號(hào)。比如,當(dāng)存在奇數(shù)個(gè)相鄰小區(qū)時(shí),依次循環(huán)地分配編號(hào)C2、C3、C4、C2、C3、C4;當(dāng)存在偶數(shù)個(gè)相鄰小區(qū)時(shí),依次循環(huán)地分配編號(hào)C2、C3、C2、C3。然后將已分配過編號(hào)的小蜂窩從集合J2中剔除。此時(shí),如果集合J2內(nèi)仍有元素存在,就重新從集合J2中篩選出相鄰分區(qū)基站規(guī)模最大的那個(gè)微蜂窩,為其分配編號(hào)C1。當(dāng)為集合J1內(nèi)基站全部分配完編號(hào)后便可組建出4個(gè)分簇,每個(gè)分簇均為相同編號(hào)的基站。

為降低算法的時(shí)間復(fù)雜度,對(duì)非鄰區(qū)蜂窩執(zhí)行完分簇操作后還需為分簇內(nèi)部的基站規(guī)劃一個(gè)科學(xué)的啟停決策,以避免算法運(yùn)行期間遍歷全網(wǎng)所有基站而導(dǎo)致開銷資源浪費(fèi)。制定啟停決策的依據(jù)是首先計(jì)算出分簇內(nèi)部所有基站的平均效能[10]。對(duì)于效能高于該平均值的微蜂窩而言,其效能并不會(huì)弱化全網(wǎng)性能,算法無須去遍歷基站。反之,若微蜂窩效能低于該平均值,則需篩選出其覆蓋范圍內(nèi)可能被納入睡眠對(duì)象的基站。假設(shè)小蜂窩的規(guī)模為w,分簇內(nèi)部所有基站的平均效能為ηA。當(dāng)滿足條件ηA>ηq時(shí),得到:

(7)

一個(gè)分區(qū)內(nèi)的移動(dòng)臺(tái)如果距離本分區(qū)內(nèi)基站較遠(yuǎn),距離相鄰分區(qū)內(nèi)的基站較近,則考慮將該移動(dòng)臺(tái)的接入切換到相鄰分區(qū)基站;如果該移動(dòng)臺(tái)距離本分區(qū)內(nèi)基站較近,則較難將接入切換到相鄰分區(qū)內(nèi)基站。針對(duì)該情形,睡眠更新機(jī)制中的貪婪算法使本分區(qū)內(nèi)基站始終處于正常運(yùn)作,導(dǎo)致全網(wǎng)效能度嚴(yán)重被弱化。基于接入規(guī)模的基站管理機(jī)制考慮將移動(dòng)臺(tái)的接入切換到戶外的宏站,然而宏站提供的無線接入信道受到建筑物等障礙物影響,導(dǎo)致信號(hào)穩(wěn)定性和信道質(zhì)量嚴(yán)重下降,無法確保接入點(diǎn)完成切換,甚至可能出現(xiàn)同一個(gè)移動(dòng)臺(tái)在兩個(gè)基站之間循環(huán)切換,由此引發(fā)移動(dòng)業(yè)務(wù)阻塞,從而弱化了基站能效。為克服上述兩種機(jī)制瓶頸,本文的效能控制算法通過分析微蜂窩內(nèi)的移動(dòng)臺(tái)方位[11]來確定對(duì)基站實(shí)施功耗調(diào)節(jié)或睡眠方案。具體過程描述如下:

步驟一 根據(jù)全網(wǎng)每個(gè)分簇內(nèi)基站工作參數(shù)求出每個(gè)分簇的平均效能值ηA。引入微蜂窩集合J3用于存放效能值低于ηA的微蜂窩,同時(shí)對(duì)J3內(nèi)的基站根據(jù)效能值大小進(jìn)行降序排列。具備最大效能值的基站標(biāo)識(shí)為BSH,然后為該BSH基站覆蓋范圍內(nèi)的每一個(gè)移動(dòng)臺(tái)計(jì)算出其到達(dá)基站的間距,從而求得平均間距DA。

步驟二 當(dāng)DA≥r/2時(shí),說明BSH基站覆蓋范圍內(nèi)的移動(dòng)臺(tái)分布距離本分區(qū)內(nèi)的基站較遠(yuǎn),應(yīng)使該基站進(jìn)入睡眠狀態(tài)[12],并讓距離該基站較遠(yuǎn)的移動(dòng)臺(tái)接入向相鄰微蜂窩切換,讓該基站周圍的移動(dòng)臺(tái)接入向宏蜂窩基站切換。若無法切換,BSH基站依然保持原來的工作參數(shù),并從J3中剔除該BSH基站;若順利切換,可將BSH基站置為睡眠狀態(tài)并更新J3,即從J3中剔除BSH基站。反之,當(dāng)DA

步驟三 若集合J3中仍有元素,則對(duì)J3內(nèi)的基站根據(jù)效能值大小進(jìn)行降序排列;當(dāng)集合J3中不存在元素時(shí),對(duì)下一個(gè)分簇執(zhí)行第一個(gè)步驟,計(jì)算每個(gè)分簇的ηA。

3 算法評(píng)估

根據(jù)算法設(shè)計(jì)思路,評(píng)估環(huán)節(jié)部署了19個(gè)宏蜂窩,同時(shí)部署100個(gè)微蜂窩隨機(jī)分布到每個(gè)扇區(qū)內(nèi),作為5G異構(gòu)蜂窩網(wǎng)絡(luò)的模擬環(huán)境。環(huán)境中參數(shù)設(shè)置如下:微蜂窩和宏站的無線接入均采用瑞利信道模型,帶寬均為15 MHz,資源塊規(guī)模均劃分為70個(gè),移動(dòng)臺(tái)接入比特率均在500 kb/s以上。微蜂窩之間的接入間距為7 m以上,與移動(dòng)臺(tái)接入間距為2 m以上,與宏站的接入間距在100 m以上。移動(dòng)臺(tái)接入到宏站的間距在50 m以上。微蜂窩內(nèi)基站和宏站覆蓋范圍的直徑分別為30 m、800 m。微蜂窩基站最大增益7 dB,發(fā)射能耗為25 dBm,采用全向模式;宏站最大增益20 dB,發(fā)射能耗為60 dBm,采用三維定向模式。

為驗(yàn)證自適應(yīng)效能控制算法的科學(xué)性,算法評(píng)估從全網(wǎng)基站能耗、計(jì)算時(shí)長、移動(dòng)業(yè)務(wù)阻塞率等方面開展考察[13],并與睡眠更新機(jī)制和基站管理機(jī)制進(jìn)行對(duì)比。

圖1所示曲線描述了12點(diǎn)至24點(diǎn)期間三種算法下微蜂窩基站的能耗情況。由于測(cè)試時(shí)間起點(diǎn)是白天,移動(dòng)用戶處于活躍狀態(tài),需要激活大量微蜂窩基站為移動(dòng)臺(tái)提供接入服務(wù)。因此三種算法曲線下基站激活規(guī)模都較大,能耗均較高。但相比之下,本文自適應(yīng)效能控制算法曲線走勢(shì)明顯比另外兩種機(jī)制曲線低,主要原因在于兩種機(jī)制都沒有考慮到當(dāng)前分區(qū)網(wǎng)絡(luò)的移動(dòng)臺(tái)在切換接入時(shí),分區(qū)內(nèi)基站效能的變化已同步引發(fā)相鄰分區(qū)網(wǎng)絡(luò)效能變化。這些被忽略的要點(diǎn)在自適應(yīng)效能控制算法設(shè)計(jì)中得到了改進(jìn)。自適應(yīng)效能控制算法通過對(duì)基站效能排序精確地為基站個(gè)性化制定睡眠和功耗調(diào)整等啟停決策,同時(shí)更加科學(xué)地評(píng)估移動(dòng)臺(tái)切換接入的可行性以確保移動(dòng)臺(tái)切換的成功率,在不影響移動(dòng)服務(wù)質(zhì)量的前提下盡可能縮小被激活基站的規(guī)模控制全網(wǎng)能耗。這些顯著優(yōu)勢(shì)使得自適應(yīng)效能控制算法下的效能曲線走勢(shì)表現(xiàn)出了明顯的相對(duì)優(yōu)勢(shì)。當(dāng)測(cè)試時(shí)間進(jìn)入夜間,移動(dòng)用戶陸續(xù)處于休整狀態(tài),接入規(guī)模銳減。相應(yīng)地,提供移動(dòng)接入服務(wù)的基站規(guī)模同步縮減,能耗相應(yīng)降低,故三種曲線走線都同步顯著下降。即便如此,由于自適應(yīng)效能控制算法機(jī)理的固有優(yōu)勢(shì),其能耗曲線走勢(shì)依然表現(xiàn)出相對(duì)優(yōu)勢(shì)。

圖1 全網(wǎng)基站能耗

圖2所示曲線描述了三種算法在響應(yīng)移動(dòng)接入時(shí)開展計(jì)算所需的時(shí)長。睡眠更新機(jī)制每一次為基站制定啟停決策時(shí)都需對(duì)分簇開展效能評(píng)估,因此遍歷全網(wǎng)基站需付出較大的時(shí)間代價(jià)?；竟芾頇C(jī)制通過分簇方式改善了算法性能,降低了時(shí)間復(fù)雜度,故時(shí)間成本相對(duì)于睡眠更新機(jī)制有所降低。但是當(dāng)算法運(yùn)行在簇內(nèi)時(shí)依舊逐個(gè)遍歷基站,這又導(dǎo)致算法時(shí)間代價(jià)有所回升。因此基站管理機(jī)制的計(jì)算時(shí)長僅表現(xiàn)出微弱的優(yōu)勢(shì)。有別于兩種機(jī)制的鄰區(qū)分簇方式,自適應(yīng)效能控制算法為避免相鄰分區(qū)效能互相影響造成基站排序精度下降,設(shè)計(jì)了采用非鄰區(qū)的分簇方式。這樣的設(shè)計(jì)思路縮短了算法監(jiān)測(cè)基站工作參數(shù)的時(shí)間,省去了算法統(tǒng)計(jì)基站效能的時(shí)間,降低了更新基站排序的時(shí)間成本。同時(shí),個(gè)性化制定啟停決策不僅可關(guān)閉大規(guī)?；窘档腿W(wǎng)功耗,縮小基站規(guī)模,也進(jìn)一步降低了算法遍歷基站的時(shí)間成本。正是這樣的設(shè)計(jì)優(yōu)勢(shì)使得自適應(yīng)效能控制算法在執(zhí)行計(jì)算時(shí)付出的時(shí)間成本最低。

圖2 計(jì)算時(shí)長

圖3所示曲線描述了不同算法方案下全網(wǎng)移動(dòng)業(yè)務(wù)的阻塞情況。在移動(dòng)接入較為活躍的白天,三種方案均通過激活一定規(guī)?；緫?yīng)對(duì)移動(dòng)接入服務(wù)以緩解移動(dòng)業(yè)務(wù)阻塞。其中,睡眠更新機(jī)制下因缺乏科學(xué)的基站效能評(píng)估機(jī)制,導(dǎo)致移動(dòng)臺(tái)可能頻繁地在兩個(gè)相鄰分區(qū)內(nèi)的基站之間來回切換,頻繁占據(jù)了有限的帶寬資源。隨著移動(dòng)業(yè)務(wù)的增加,網(wǎng)絡(luò)阻塞現(xiàn)象越來越凸顯。基站管理機(jī)制下的宏站因無法保障為移動(dòng)臺(tái)提供高質(zhì)量信道的接入服務(wù),導(dǎo)致移動(dòng)臺(tái)不得不搶占更大的帶寬資源來維持自身業(yè)務(wù)的穩(wěn)定性。對(duì)于待接入的移動(dòng)業(yè)務(wù)而言,有限的接入資源可能無法滿足其對(duì)帶寬的需求,進(jìn)而引發(fā)業(yè)務(wù)阻塞。自適應(yīng)效能控制算法通過調(diào)整非相鄰分簇內(nèi)基站發(fā)射功率或置其為睡眠模式來控制基站工作狀態(tài),并能在確保信道質(zhì)量的前提下安排移動(dòng)臺(tái)順利完成接入切換。平滑的接入切換設(shè)計(jì)有效地保障了全網(wǎng)移動(dòng)業(yè)務(wù)的流暢性。在移動(dòng)接入低谷的夜間時(shí)段,移動(dòng)業(yè)務(wù)規(guī)模相對(duì)較小且業(yè)務(wù)屬性較為穩(wěn)定,所激活的基站基本可覆蓋所有的移動(dòng)接入,接入帶寬資源基本可滿足移動(dòng)臺(tái)的需求。因此夜間時(shí)段業(yè)務(wù)較流暢,三條阻塞率曲線走勢(shì)總體較低,但自適應(yīng)效能控制算法依舊展現(xiàn)出相對(duì)優(yōu)勢(shì)。

圖3 移動(dòng)業(yè)務(wù)阻塞率

4 結(jié)語

本文圍繞5G異構(gòu)蜂窩網(wǎng)絡(luò)基站效能度問題提出一種自適應(yīng)效能優(yōu)化方案。該方案從移動(dòng)服務(wù)質(zhì)量出發(fā)建立移動(dòng)接入效能模型,通過科學(xué)篩選基站構(gòu)建分簇網(wǎng)絡(luò),并對(duì)分簇內(nèi)基站開展排序以縮小激活基站的規(guī)模,降低全網(wǎng)能耗。同時(shí)通過設(shè)計(jì)穩(wěn)定的移動(dòng)接入切換機(jī)制進(jìn)一步鞏固移動(dòng)服務(wù)質(zhì)量,提高全網(wǎng)效能度。研究結(jié)果表明,自適應(yīng)效能控制算法部署在5G異構(gòu)蜂窩網(wǎng)絡(luò)具有良好的優(yōu)化效果。