郭 琪 陈铭洁 李 展
中国移动通信集团江苏有限公司盐城分公司
“十三五”以来，工业和信息化部认真落实网络强国战略和生态文明建设相关规定，加快实施《“十三五”工业绿色发展规划》、《绿色制造工程实施指南（2016-2020 年）》，通信行业在绿色节能发展上取得了巨大成效。
通信产业结构持续优化，节能减排、降本增效“双轮驱动”，各类绿色节能技术不断发展创新，5G 高能耗、大流量时代，通信行业将继续致力于绿色节能体系完善与转型。
1.1 基于NSGA-Ⅱ的5G 基站多目标优化算法
NSGA-Ⅱ（Non-dominated Sorting Genetic Algorithm）算法，即非支配多目标优化算法[1]，将仿真的移动用户、功率配置及损耗参数、能效参数、信令参数作为输入，根据NSGA 算法求取功耗模型最小值、容量模型最大值、信令模型最小值、感知模型最大值四个目标的最优解，输出解为基站最佳配置功率矩阵S。
基站最优化功率自适应算法原理如图1 所示，将网络优化过程看作一个黑盒，四个目标模型具体实现如下：
图1 基站最优化功率自适应算法原理
功耗模型：用EE 表示能量效率，单位为比特每焦耳，物理意义为每个能量单位可以稳定通过通信信道传输的信息的比特量：
其中P 表示每个基站的发射功率，S 表示数据速率，系数α 表示射频放大器和电源损耗系数，β 表示由于信号处理而消耗的功率，常数δ 是表示每个数据单元动态功的常数，ρ表示固定消耗系数。
容量模型：由于仿真用户是不断移动的，容量模型根据信道估计、辐射模式、MIMO 信道效率计算时刻t 的网络容量：
信令模型：信令开销取决于信令消息的字节大小、MN 和移动锚点每次切换的跳数，因此，将会话注册更新的总信令成本表征为CS：
其中Nh是触发层三切换的切换次数。
感知模型：该模型用可用性AvailabilityTotal表征，物理意义定义为给定时间内网络满足用户需求的概率。
其中Ck为基站提供给用户K 的容量，Dk表示用户k 的网络需求。
1.2 仿真模型建立与参数配置
为验证本文提出的基站功率最优化自适应算法即公式（1），搭建了一个500*500m2的虚拟工作区，基站均匀随机分布，如图2 红色五角星所示，黄色六边形区域为覆盖区域，基站工作频率、覆盖半径等可在建模过程中自定义。UE 也随机分布在虚拟工作区，且根据RWP（Random Waypoint Model）移动，它们的位置、速度、加速度虽时间而变化。将用户与基站之间的会话业务模型，设定符合为的泊松过程，同时将会话业务持续时间设定为符合μ=10s 的指数分布。
图2 仿真基站覆盖与移动用户运动分布
在该模型中，基站连接到接入网，接入网为移动用户和其余网络提供IPv6 连接，仿真基站的规格参数如表1 所示。
表1 仿真基站的规格参数
2.1 仿真实验模型
实验进行了2 类数据量级的仿真，分别是小规模数量级：20 个移动用户共享5 个5G 基站，中规模数量级：50 个移动用户共享20个5G基站的仿真设置，各区域传播模型随机分布，用户在移动过程中可能切换为其他传播模型。
根据优化算法，首先定义问题的决策变量是基站的传输功率，它影响上容量、功耗、信令、感知四大优化目标。根据公式（2）可知，基站的传输功率直接影响网络功耗，由于基站的传输功率影响SINR，因而网络提供的数据速率也受其影响。数据速率和小区限制又导致不同次数的切换，从而影响了信令开销。由此可以看出，仅更新一个基站的传输速率，可能会引起所有目标函数的变化。
考虑到判别决策变量之间优先级存在的难度，以及现网5G 基站大规模密集部署的现状，判别模型主要依赖于演进多目标优化算法（MOEA），一方面可以适当解决逼近问题存在的瓶颈，另一方面可以满足模型中随机黑盒优化器的需求。这样，就可以将复杂的网络优化问题转变为数学公式，设B为已部署基站（BTS）的集合，最终求解实值向量s ∈（0，1]|B |，其中si 表示BTS i 的发射功率，四个目标函数是：
2.2 仿真及现场验证
为了最优化目标函数，需要联合执行功率分配与链路调度，主要通过执行链路调度，为每组业务链路找到最佳功率，其中链路调度和功率分配是交替进行的，核心过程如图3所示。仿真结果按pow 矩阵输出，矩阵大小根据输入基站数与用户数改变，如图4 所示。
图3 链路调度和功率分配交替进行
图4 仿真功率分配结果
导入试点区域实际工参，根据仿真结果对试点区域5G 基站功率进行修改配置，不仅用户的信干噪比明显得到改善，系统的吞吐量也有显著提高[2]。根据修改前后对比测速结果可知，降低优化功率的同时不同机型的测试速率提升了约30～40Mbps，用户感知与节电效果明显。
2.3 多目标优化效果评估
为保证实验数据的可信度，已独立运行30 次MOEA，同时采用了置信水平为95%（p 值<0.05）的统计程序，测试获得的p 值为1.5229e-06，改值表明统计的所有差异都具有显著性，非支配解决算法具有最佳聚合解，基于NSGA-Ⅱ的5G基站多目标优化算法能够最快给出最优的基站功率分配集合。如表2 所示，展示了三类算法给出最佳聚合解及S 矩阵的概率，NSGA-Ⅱ（Non-dominated Sorting Genetic Algorithm）算法能够根据功率、容量、信令、用户四项条件解出S 矩阵的概率更高，效果更好。其中SMPSO 为目标函数迭代求解算法，MATLAB 表示MTALAB 工具中求多元函数最优解的内置公式算法。
表2 三类算法给出最佳聚合解及S 矩阵的概率
本地推广前全区700M 平均单站流量达到39.1GB/天，共站分流比达到13.47%，该算法经本地推广后，全区700M 平均单站流量达到41.9GB/天，较推广前提升约2.8GB/天，共站分流比达到13.95%，省排名第一，较推广前提升约0.48%。功率智能适配降低网络功率，节能比例9.51%，整体速率提升7.46%。项目实施节省了三方勘测人员、规划方案输出人员、车辆、测试设备的投入，每月节省：高级3 名、中级4 名、初级4 名、车辆4 辆左右。
经过软件仿真与现场验证，本文算法可以降低人工优化人力、现场测试物力成本并发挥节电功效，同时在一定程度上促进5G 流量吸收，有效实现降本、增效、提质。本文算法在实现5G 基站节电的同时可以保障甚至改善用户感知，不同机型5G终端在实验位置同环境测试，5G速率均有不同程度提升，但在多层网的功率协同自适应优化方面仍有待研究。
猜你喜欢信令链路基站天空地一体化网络多中继链路自适应调度技术移动通信(2021年5期)2021-10-25基于星间链路的导航卫星时间自主恢复策略空间科学学报(2020年3期)2020-07-24SLS字段在七号信令中的运用铁路通信信号工程技术(2019年10期)2019-11-06移动信令在交通大数据分析中的应用探索中国交通信息化(2019年2期)2019-03-25基于信令分析的TD-LTE无线网络应用研究消费导刊(2017年24期)2018-01-31基于移动通信基站建设自动化探讨电子制作(2017年8期)2017-06-05可恶的“伪基站”探索科学(2017年4期)2017-05-04基于GSM基站ID的高速公路路径识别系统中国交通信息化(2016年8期)2016-06-06LTE网络信令采集数据的分析及探讨互联网天地(2016年2期)2016-05-04小基站助力“提速降费”移动通信(2015年17期)2015-08-24
