论文部分内容阅读
第五代移动通信技术(the 5th Generation mobile communication technology,5G),是继前四代通信技术后又发展的全新移动通信技术。密集异构蜂窝网络(Dense Heterogeneous Cellular Network,DHCN)则成为解决5G网络环境下移动用户数和移动终端数激增的重要技术。大规模低功率节点的部署以及用户的随机分布,导致移动通信系统的能耗增加以及资源浪费,基站休眠作为如今倡导的绿色通信中的关键技术得到许多关注和研究。在密集异构蜂窝网络基站休眠技术的相关研究中,分析用户的动态变化以及制定用户关联机制等仍然存在着问题。本文针对双层异构蜂窝网络的场景,为有效地降低系统能耗和提升系统能效,提出了两种基站休眠算法:首先,为了降低系统能耗,本文采用基于半马尔科夫决策过程(Semi-Markov Decision Process,SMDP)的家庭基站(Femto Base Stations,FBSs)动态休眠算法。FBS休眠过程建模成SMDP模型,将基站服务的用户数和某个用户到达或离开的事件表示为系统状态,将对FBS状态的控制表示为系统动作,得出每个状态转移到其他状态的转移概率,将每个状态采取动作之后系统的功耗与驻留时间的乘积表示为系统收益函数。本文进一步推导了SMDP的长期收益值函数,通过值迭代算法得到最优休眠决策。仿真结果表明,本文提出的基于SMDP的基站休眠算法可以有效减少系统能耗。其次,为了提升系统能效,本文采用基于Sarsa学习的基站休眠算法。该算法综合考虑了上行信道能效以及下行信道能效,将基站服务的用户数表示为系统状态,将对FBS开关的控制表示为系统动作,将每个状态采取动作之后的系统能效表示为系统收益函数。通过Sarsa学习算法,系统中的用户与基站之间不断地进行信息交互,累积收益最大化从而做出最优的基站休眠决策。此外,本文提出了用户重关联机制来保证休眠基站其关联用户的服务连续性,减小系统用户的中断概率。仿真结果表明,本文提出的基于Sarsa学习的基站休眠算法能够有效提升系统能效。