2018 Elektronik Teknoloji Uygulaması Sayı 10
0 Önsöz
Çok sayıda Düşük Güç Düğümünün (LPN'ler) ortak frekansı dağıtımının yoğunlaştırılması ve rastgele dağıtılması, LPN'ler arasında aynı katman parazitini ve LPN'ler ile Makro Baz İstasyonları (MBS) arasındaki katmanlararası paraziti sorun haline getirdi. daha karmaşık. Dahası, şebeke enerji tüketimi de artıyor. Bu nedenle, ağ enerji tüketimini azaltırken heterojen ağlarda parazitlenmenin nasıl azaltılacağı güncel bir araştırma noktası haline geldi.
LPN'lerin mevcut uyku stratejisi, servis QoS sorunlarını sağlarken sistem enerji verimliliğini artırmaya odaklanır. Literatür, baz istasyonu uyku stratejisinin ortak bir değerlendirmesini ve alt kanal ve güç tahsisi şemalarının optimizasyonunu inceler Literatür ve literatür, yeni bir girişim yönetimi fikri önerir ve heterojen ağlarda paraziti etkili bir şekilde azaltmak için uyku mekanizmalarının kullanımını inceler. Literatür, girişim yönetimi ve kaynak yönetimi için baz istasyonu uyku stratejisini kullanır. Özetle, baz istasyonu uyku hali ve optimize edilmiş kaynak tahsisi, heterojen ağların enerji verimliliğini artırmak ve paraziti azaltmak için etkili yöntemlerdir.
Bu temelde, bu makale, heterojen ağ LPN'lerinin yoğun dağıtım senaryosunda Uyku Stratejisine (SS + MOO-RA) Dayalı Kaynak Tahsisi için Çok Amaçlı Optimizasyon önermektedir. LPN'ler ve MBS arasındaki çapraz katman parazitini azaltmada ve bitişik LPN'ler arasındaki aynı katman parazitini dikkate alarak, LPNs sisteminin enerji verimliliği iyileştirilir. Aynı zamanda, LPN'lerin uyku stratejisini dikkate almayan Kaynak Tahsisi İçin Çok Amaçlı Optimizasyon (MOO-RA) şemasına kıyasla simülasyon sonuçları, bu makaledeki SS + MOO-RA şemasının LPN'lerin enerji tüketimini azalttığını göstermektedir. Hız ve çapraz katman girişim performansı iyileştirildi.
1 Sistem modeli
Şekil 1'de gösterildiği gibi, bu makale LPN'lerin makro hücrelerde yoğun bir şekilde konuşlandırıldığı iki katmanlı bir heterojen ağ senaryosunu ele almaktadır. Bu ağ senaryosu bir MBS ve K LPN içerir, aynı spektrum kaynağını paylaşırlar, bant genişliği B'dir ve alt kanalların sayısı N'dir. LPN'lerin kapalı erişim modunu benimsediğini, makro kullanıcı sayısının (Makro Kullanıcılar, MUE'ler) W olduğunu ve rastgele dağıtıldığını ve her LPN'deki kullanıcı sayısının (Küçük Kullanıcılar, SUE'ler) Fk, k {1, 2, ..., K} ve rastgele dağıtılır.
2 Uyku stratejisine dayalı çok amaçlı optimizasyon kaynak ortak tahsis şeması
2.1 Optimizasyon hedefleri
2.1.1 LPN'lerin MUE'lere çapraz katman müdahalesini en aza indirin
2.1.2 LPN'lerin enerji tüketim oranını en aza indirin
2.3 Çok amaçlı optimizasyon modeli çözümü
Bu yazıda, Pareto optimal çözüm setini çözmek için gelişmiş bir baskın olmayan sıralama genetik algoritması (Hakim Olmayan Sıralama Genetik Algoritması sürüm II, NSGA-II) kullanılmıştır. Karışık genleri oluşturmak için herhangi bir LPN'nin (k) uyku değişkeni qk'yi, SUE'lerin (f) alt kanal tahsis değişkenlerini ak, f, n ve güç tahsis değişkenleri pk, f, n'yi kullanın ve bireyler olarak tüm karışık genlerden oluşan H = matrisini alın, Bir dizi farklı birey bir nüfus olarak hizmet eder. Spesifik çözüm adımları aşağıdaki gibidir:
(1) Rastgele I ölçeğine sahip bir H (g) ilk popülasyonu oluşturun, g = 0 ayarlayın ve aşağıdakilere sahip olun:
2.4 En uygun çözümün seçimi
Bu yazıda TOPSIS yöntemi, MUE'lerin aldığı çapraz katman paraziti ile LPN'lerin enerji tüketim oranı arasında etkili bir uzlaşma sağlamak için kullanılmış olup, Pareto çözüm setindeki her bir baz istasyonunun uyku stratejisinin ve kaynak tahsis şemasının optimal çözümü hesaplama formülü (14) ile belirlenmiştir.
onların arasında:
Formülde fij, Pareto çözüm kümesindeki j'inci çözümün i'inci amaç fonksiyonunun değerini temsil eder. TOPSIS'e göre, Fj çözülmüştür Fj ne kadar küçükse, karşılık gelen ortak baz istasyon uykusu ve kaynak tahsisi şeması optimal şemaya ne kadar yakınsa ve tam tersi, optimal şemadan o kadar uzaktır. Bu nedenle, denklem (14) f1 ve f2 amaç fonksiyonlarının etkili bir uzlaşma çözümünü elde edebilir.
3 Simülasyon deneyi ve sonuç analizi
3.1 Simülasyon parametre ayarı
Simülasyon deney ortamı, 500 m yarıçaplı dairesel bir alandadır, MBS dairenin merkezinde yer alır ve 50 m yarıçaplı K (K = 10, 20, 30) LPN'ler daireye rastgele dağıtılır. W (W = 10) MUE'ler daire içinde rastgele dağıtılır ve SUE'ler ilgili LPN'lerinin kapsamı içinde rastgele dağıtılır. Bu makaledeki kanal solma özellikleri, büyük ölçekli solma (yol kaybı) ve küçük ölçekli solma (frekans seçim özellikleri) içerir. Bunlar arasında, büyük ölçekli solma, d, baz istasyonu ile kullanıcı arasındaki mesafe ve , solma faktörü ve küçük ölçekli solma, Rayleigh dağılımına uyan boş alan yayılım modeli d-'yı benimser. Spesifik simülasyon parametreleri Tablo 1'de gösterilmektedir.
3.2 Simülasyon sonuçları ve analizi
Akıllı optimizasyon algoritmasının parametreleri şu şekilde ayarlanır: popülasyon boyutu I = 150, maksimum yineleme sayısı gen = 100, geçiş olasılığı pc = 0.9, mutasyon olasılığı pm = 0.03, geçiş operatörü muc = 20, mutasyon operatörü mum = 20.
Şekil 2, girişim eşiği ve SUE'lerin minimum hız gereksinimi Rf = 0.1 Mb / s olduğunda NSGA-II'nin yakınsamasını doğrular. Şekil 1'den, MUE'ler tarafından alınan çapraz katman parazitini ve LPN'lerin enerji tüketim oranını çözmek için NSGA-II kullanıldığında, yaklaşık 50 iterasyonun optimal çözüme yakınlaşabileceği görülebilir.
Şekil 3 ve 4, SUE'lerin hız gereksinimi Rf = 0.1 Mb / s olduğunda, girişim eşiğindeki değişikliğin MUE'ler tarafından alınan çapraz katman paraziti üzerindeki etkisini ve LPN'lerin enerji tüketim oranını doğrulamaktadır. Şekil 3'ten, girişim eşiği arttıkça, MUE'lerin dayanabileceği çapraz katman girişiminin arttığı görülebilir. Bu nedenle, LPN'ler ve MUE'ler arasındaki çapraz katman etkileşimi artmaktadır. Ek olarak, LPN'lerin yoğun konuşlandırılmasıyla, çok kullanıcılı çeşitliliğin etkisiyle MUE'lerin aldığı çapraz katman paraziti de artmaktadır. Bununla birlikte, önerilen SS + MOO-RA şemasında MUE'lerin maruz kaldığı çapraz katman paraziti, mevcut MOO-RA şemasından önemli ölçüde daha azdır. Ek olarak, Şekil 4'ten, girişim eşiği arttıkça, LPN'lerin enerji tüketim oranının kademeli olarak düştüğü görülebilir. Bunun nedeni, girişim eşiği ne kadar büyükse, MUE'lerin dayanabileceği çapraz katman girişiminin o kadar büyük olmasıdır, bu nedenle, LPNs sisteminin spektrum faydası daha fazladır.Denklem (10) 'a göre, LPNs sisteminin enerji tüketim oranı azalır. Bununla birlikte, LPN'lerin yoğun konuşlandırılmasıyla, LPN'lerin sisteminin enerji tüketim oranı artmaktadır.Bunun nedeni, LPN'lerin konuşlandırılması ne kadar yoğunsa, LPN'ler arasındaki aynı katman paraziti ve MBS'nin ürettiği çapraz katman paraziti o kadar şiddetli olmaktadır. ), LPNs sisteminin spektrum faydası azalır ve böylece LPNs sisteminin enerji tüketim oranı artar. Mevcut MOO-RA şeması ile karşılaştırıldığında, önerilen SS + MOO-RA şemasındaki LPNs sisteminin toplam enerji tüketim oranı daha düşüktür, bu nedenle önerilen planın üstünlüğünü doğrular.
Şekil 5 ve 6, SUE'lerin hız gereksinimi Rf'deki değişikliklerin, MUE'ler tarafından alınan çapraz katman paraziti üzerindeki etkisini ve parazit eşiği altındaki LPN'lerin enerji tüketim oranını doğrulamaktadır. Şekil 5'ten SUE'lerin hız gereksinimleri arttıkça spektrum kaynaklarının paylaşılma olasılığının arttığı görülmektedir. Bu nedenle, iki şemada MUE'ler tarafından alınan çapraz katman paraziti artmaktadır, ancak önerilen SS + MOO-RA şemasında MUE'ler tarafından alınan çapraz katman paraziti, mevcut MOO-RA şemasından önemli ölçüde daha azdır. Şekil 6'dan görülebileceği gibi, SUE'lerin hız gereksinimleri arttıkça, LPN'lerin enerji tüketim oranı da kademeli olarak artmaktadır Bunun nedeni, SUE'lerin hız gereksinimleri arttıkça, spektrum kaynakları sınırlı olduğunda iletim gücü de artmaktadır. Mevcut MOO-RA şeması ile karşılaştırıldığında, önerilen SS + MOO-RA şemasıyla elde edilen LPN'lerin enerji tüketim oranı daha düşüktür ve bu da önerilen planın etkinliğini göstermektedir.
4. Sonuç
Bu makale, LPN'ler heterojen ağlarda yoğun olarak konuşlandırıldığında, spektrum paylaşım modu altında baz istasyonu uyku stratejisine dayalı ortak kaynak tahsisi sorununu çözmek için NSGA-II algoritmasını kullanır.LPN'ler ve MUE'ler arasındaki çapraz katman paraziti ve LPN'lerin enerji tüketim oranı dikkate alınır. Hedefler ve performansı mevcut programlarla karşılaştırın. Simülasyon sonuçları, NSGA-II'nin ortak kaynak tahsisi sorununu çözmek için uygun olduğunu ve hem katmanlar arası girişimin azaltılmasında hem de LPN'lerin enerji tüketim oranının düşürülmesinde iyi sonuçlar elde edebileceğini göstermektedir.
Referanslar
Li Jun, Wang Hao, Wang Xiumin ve diğerleri. Ultra yoğun heterojen ağlarda kümelenmeye dayalı uyku optimizasyon stratejisi. Journal of Southeast University (Natural Science Edition), 2017, 47 (5): 845-849.
Shen Haiqiang, Yin Shenghua, Wu Yingji, vb. Yoğun sahnelerde baz istasyonu kooperatif uykusu için enerji verimliliği optimizasyon stratejisi Elektronik Teknoloji Uygulaması, 2017, 43 (10): 111-115.
ALSHAROA A, GHAZZAI H, YAACOUB E, vd. Heterojen ağlar için uyku stratejisi ile ikili ayrışmaya dayalı kaynak ve güç tahsisi hakkında.Vehicular Technology Conference.IEEE, 2015: 1-5.
ALI S, ISMAIL M, NORDIN R. İki katmanlı ağlarda Femtocell uyku modu aktivasyonuna dayalı parazit azaltma. Procedia Technology, 2013, 11 (1): 1088-1095.
EBRAHIM A, ALSUSA E. Gelecekteki femtocell ağları için uyku moduna dayalı kaynak tahsisi yoluyla parazit minimizasyonu IEEE Uluslararası İletişim Konferansı IEEE, 2015: 1679-1684.
EBRAHIM A, ALSUSA E. Heterojen ağlarda uyku modu seçimi yoluyla girişim ve kaynak yönetimi.IEEE İşlemleri İletişim, 2017, 65 (1): 257-269.
RUNZE W U, ZHU J, TANG L, vd. Çok amaçlı optimizasyona dayalı heterojen ağlarda spektrum paylaşım yaklaşımı. IEICE İşlemleri İletişim, 2017 (7): 1145-1151.
SHARMA N, BADHEKA D, ANPALAGAN A. Çok amaçlı alt kanal ve parazit sınırlı iki katmanlı OFDMA femtocell ağlarında güç tahsisi IEEE Systems Journal, 2016, 10 (2): 544-555.
yazar bilgileri:
Zhu Jiajia, Wu Runze, Tang Liangrui
(Elektrik ve Elektronik Mühendisliği Okulu, Kuzey Çin Elektrik Enerjisi Üniversitesi, Pekin 102206)
