異構(gòu)網(wǎng)絡(luò)中的基站休眠

孫曉爽

針對(duì)傳統(tǒng)的基站休眠方法基于確定的流量模型設(shè)計(jì)，無法適應(yīng)實(shí)際中基站負(fù)載流量動(dòng)態(tài)變化的缺點(diǎn)，本文首先利用改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)（Modified Wavelet neural network，MWNN）模型對(duì)基站的負(fù)載流量進(jìn)行動(dòng)態(tài)預(yù)測(cè)，然后根據(jù)預(yù)測(cè)的結(jié)果選擇在網(wǎng)絡(luò)非高峰期時(shí)，利用微基站（Pico Base Stations，PBSs）代替宏基站（Macro Base Station，MBS）為用戶提供服務(wù)。盡管微基站的覆蓋范圍小于宏基站，但是當(dāng)用戶數(shù)量處于非高峰期時(shí)，微基站的覆蓋范圍可以保證對(duì)用戶較高的服務(wù)質(zhì)量。由于微基站的發(fā)射功率要遠(yuǎn)小于宏基站的發(fā)射功率，因此該方法可以節(jié)省網(wǎng)絡(luò)能耗，達(dá)到綠色通信的目的。

【關(guān)鍵詞】異構(gòu)網(wǎng)絡(luò) 基站休眠 流量預(yù)測(cè)

1 基站休眠

信息和通信設(shè)備是電能消耗的一個(gè)主要來源，占全球能源消耗的比例已經(jīng)達(dá)到2%左右，并且其規(guī)模還在增長，預(yù)計(jì)到2020年將會(huì)達(dá)到2016年的3倍以上。另據(jù)統(tǒng)計(jì)，在移動(dòng)通信系統(tǒng)中，網(wǎng)絡(luò)設(shè)備的能源消耗約占全部能耗的90%左右，手機(jī)等終端部分的能耗僅占約10%；而基站部分的能耗就占到了網(wǎng)絡(luò)設(shè)備能耗總量的80%以上，核心網(wǎng)僅占不到20%。由此可見，減少基站能源消耗可以大幅度降低網(wǎng)絡(luò)能耗，而在網(wǎng)絡(luò)處于非高峰期時(shí)，動(dòng)態(tài)休眠一些基站是一種最直接、最有效的手段。

但在實(shí)際中，使一些基站進(jìn)入休眠或關(guān)閉狀態(tài)可能會(huì)導(dǎo)致一些區(qū)域的用戶無法被服務(wù)，這是不允許的。另外，一些傳統(tǒng)的基站休眠方法基于確定的流量模型提出，無法適應(yīng)實(shí)際中基站負(fù)載流量是動(dòng)態(tài)變化的情況。

2 基于流量預(yù)測(cè)的基站休眠方法

本文利用改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)模型根據(jù)基站流量歷史信息，對(duì)基站流量進(jìn)行動(dòng)態(tài)預(yù)測(cè)，然后根據(jù)流量預(yù)測(cè)結(jié)果選擇是否休眠宏基站，從而利用微基站對(duì)用戶進(jìn)行服務(wù)，達(dá)到節(jié)省網(wǎng)絡(luò)能耗的目的。首先初始化搭建改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)模型，利用采集到的基站流量信息對(duì)MWNN模型進(jìn)行訓(xùn)練，以達(dá)到設(shè)定的目標(biāo)預(yù)測(cè)誤差精度，然后利用訓(xùn)練完成的MWNN模型和所需要的歷史基站流量信息對(duì)未來的基站流量進(jìn)行預(yù)測(cè)，選擇在非用戶高峰期時(shí)，休眠宏基站利用微基站提供用戶服務(wù)。

為實(shí)現(xiàn)上述目的，具體包括以下步驟：

（1）收集一個(gè)宏小區(qū)（宏基站提供用戶服務(wù)）內(nèi)一周的基站負(fù)載流量數(shù)據(jù)，并且以小時(shí)為間隔，每小時(shí)記錄一次數(shù)據(jù)。并且將前六天的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)用來訓(xùn)練構(gòu)造MWNN模型，后一天的數(shù)據(jù)作為測(cè)試數(shù)據(jù)，用來測(cè)試構(gòu)建的MWNN模型是否達(dá)到目標(biāo)預(yù)測(cè)誤差精度。

（2）搭建MWNN模型，并且初始化參數(shù)設(shè)置。所述的參數(shù)包括，MWNN模型的輸入層神經(jīng)元數(shù)目m，隱含層神經(jīng)元數(shù)目h以及輸出層神經(jīng)元的數(shù)目n。其中，MWNN隱含層神經(jīng)元的小波基函數(shù)為Morlet母小波基函數(shù)：

其中，wij表示MWNN第i個(gè)輸入神經(jīng)元與第j個(gè)隱含層神經(jīng)元之間的連接權(quán)值，ai和bj分別為第j個(gè)Morlet小波基函數(shù)的伸縮因子和平移因子。MWNN的第k個(gè)輸出層神經(jīng)元預(yù)測(cè)輸出為

其中，vjk表示第j個(gè)隱含層神經(jīng)元與第k個(gè)輸出神經(jīng)元之間的連接權(quán)值。

（3）利用訓(xùn)練數(shù)據(jù)來訓(xùn)練MWNN模型，設(shè)定目標(biāo)預(yù)測(cè)誤差精度為0.01。MWNN模型的預(yù)測(cè)誤差公式表示為

其中y（k）表示實(shí)際數(shù)據(jù)。在訓(xùn)練過程中，MWNN通過不斷調(diào)整小波基函數(shù)的伸縮因子和平移因子aj，bj，以及輸入神經(jīng)元與隱含層神經(jīng)元之間的連接權(quán)值wij，隱含層神經(jīng)元與輸出層神經(jīng)元之間的連接權(quán)值vjk的值，以使error達(dá)到設(shè)定目標(biāo)預(yù)測(cè)誤差精度，完成MWNN模型的訓(xùn)練和搭建。

（4）利用測(cè)試數(shù)據(jù)驗(yàn)證訓(xùn)練構(gòu)造的MWNN模型已達(dá)到目標(biāo)預(yù)測(cè)精度。

（5）利用MWNN模型以及相應(yīng)的歷史數(shù)據(jù)采用滾動(dòng)式預(yù)測(cè)的方式，然后用同樣的方法預(yù)測(cè)x（t+2）的方式對(duì)宏小區(qū)的基站負(fù)載流量進(jìn)行預(yù)測(cè)，判斷宏基站是否處于用戶高峰期。

（6）如果此時(shí)宏小區(qū)處于非高峰期，則將宏基站休眠，利用微基站進(jìn)行用戶服務(wù)，以節(jié)省能量消耗，達(dá)到綠色通信的目的。

在步驟（3）中，MWNN模型改進(jìn)了伸縮因子和平移因子aj和bj，以及各層神經(jīng)元之間連接權(quán)值wij以及vjk時(shí)所采用的梯度下降法，在梯度下降法的基礎(chǔ)上增加動(dòng)量調(diào)整因子，使得神經(jīng)網(wǎng)絡(luò)在調(diào)整過程中不僅顧及預(yù)測(cè)誤差在梯度上的影響，而且考慮到了預(yù)測(cè)誤差在誤差表面變化趨勢(shì)的影響。具體方法為：

其中u和η分別表示wij，vjk以及aj，bj的學(xué)習(xí)速率，表示動(dòng)量調(diào)整因子。

在步驟（6）中，根據(jù)改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果，當(dāng)宏小區(qū)處于非高峰期時(shí)，宏基站將處于休眠狀態(tài)，宏小區(qū)內(nèi)用戶將選擇離自己最近的一個(gè)微基站接入，同時(shí)設(shè)定參數(shù)△以判斷該用戶是否可以接入此微基站

其中，Pmax（j）和Pout（j）分別表示微基站j最大可發(fā)射功率和實(shí)際發(fā)射功率，Pol（j）表示由于該用戶的接入微基站j需要額外增加的發(fā)射功率。若△≥0，則該用戶可以接入此微基站，如果△<0，則該用戶選擇離自己第二近的微基站接入，按此方法，直到找到可以接入的微基站為自己提供服務(wù)。

3 仿真結(jié)果

圖1表示改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)在訓(xùn)練過程中預(yù)測(cè)達(dá)到目標(biāo)預(yù)測(cè)誤差精度的收斂過程仿真圖，以及利用改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)對(duì)基站流量進(jìn)行預(yù)測(cè)的結(jié)果與實(shí)際流量數(shù)據(jù)的對(duì)比仿真圖。

如圖1所示分別為MWNN模型在訓(xùn)練過程中，預(yù)測(cè)誤差達(dá)到目標(biāo)預(yù)測(cè)精度所用的迭代次數(shù)與傳統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)（Wavelet neural network，WNN）的對(duì)比，以及訓(xùn)練完成后MWNN的預(yù)測(cè)數(shù)據(jù)與真實(shí)數(shù)據(jù)的對(duì)比示意圖。從圖中可以看出，改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)收斂速度較之改進(jìn)前更快，而且訓(xùn)練完成的MWNN預(yù)測(cè)準(zhǔn)確性很高。

參考文獻(xiàn)

[1]王路洋.異構(gòu)蜂窩網(wǎng)絡(luò)基站休眠技術(shù)研究[D].上海交通大學(xué)，2015.

[2]滕穎蕾，袁得崳，馬躍，等.應(yīng)用于蜂窩異構(gòu)網(wǎng)絡(luò)的基站協(xié)作休眠方法及系統(tǒng)， CN104602329A[P].2015.

[3]陳登昭.異構(gòu)蜂窩網(wǎng)絡(luò)下基站節(jié)能技術(shù)研究[D].吉林大學(xué)，2016.

作者單位

空軍工程大學(xué)信息與導(dǎo)航學(xué)院 陜西省西安市 710077