一种异构网络增强型小区间干扰协调的能效优化方法，3GPP提出了增强的小区间干扰协调(eICIC)，旨在通过宏蜂窝在几乎空白的子帧(ABS)中保持静默减少对低功率基站(如微蜂窝，微微蜂窝等)的干扰。能源效率(Energy‑Efficient，EE)对于低功率节点的密集化部署来说非常关键。本发明中，EE‑eICIC算法来解决几乎空白子帧(ABS)的能效分配和用户设备的能效接入，由于建模的优化问题是一个非平滑和混合整数问题，提出一种次优算法。该次优算法采用广义分数规划理论和凸优化理论，通过迭代和松弛取整算法来求解。仿真结果表明，EE‑eICIC算法在系统和用户的能效方面均具有较好的性能。本发明可用于实际异构蜂窝网络基于eICIC能效负载分配的实现。
1.一种异构网络增强型小区间干扰协调的能效优化方法，其特征在于，包括以下步骤：
1)构建一个由宏蜂窝和微蜂窝构成的双层异构蜂窝网络系统，其中用户仅可以选择接入一个基站：宏基站或者微基站；
2)对于每一个宏基站覆盖的区域内，在该区域内的微基站和用户测量信道状态和干扰状态，将其发送给宏基站，宏基站中计算后进行统一的资源调度；
3)用户根据整个带宽接收到的下行信号强度，选择一个宏蜂窝和一个微蜂窝作为候选集合，再通过能效优化的迭代、松弛转化为凸规划问题、取整为原问题的可行解即称为迭代-松弛-取整算法，确定用户接入哪个基站；
4)EE-eICIC迭代算法的初始化，选择误差ε＞0和最大迭代次数Kmax，设置初始能效和迭代次数k＝0；
5)EE-eICIC迭代算法，当k≤Kmax，对于一个给定的能效 求解通过广义分数规划将原始问题OP1简化的优化问题OP2，得到EE-eICIC中几乎空白子帧(ABS)的分配策略 如果则收敛到最优值，返回EE-eICIC最优的ABS子帧分配策略 和最大的 否则设置 和令k＝k+1；式中，Ru表示用户u的传输速率，pu表示用户u的功耗，ε收敛允许的最大误差；
6)配置所述能效的ABS子帧协议，根据所述的迭代-松弛-取整算法，计算得到宏基站可以提供给受其干扰的微基站使用能效的ABS子帧数目；
7)根据所述的松弛-取整算法，分配下行的传输时间资源，并且得到用户下行平均传输时间，确定用户的传输速率和能耗，计算出用户和系统能效；
8)计算结束后，将资源管理和调度的结果通知给各个微基站和用户，从而各个用户进行基于能效的接入和数据传输。
2.根据权利要求1所述的一种异构网络增强型小区间干扰协调的能效优化方法，其特征在于，所述的步骤3)中所使用的迭代-松弛-取整算法前期准备及其过程如下：A、建立信干噪比(SINR)模型，同一个基站使用时分复用，小区内只存在三类干扰：宏基站与宏基站、宏基站与微基站和微基站与微基站之间的干扰，根据干扰和ABS协议，得到SINR模型；
B、根据SINR模型，采用香农容量公式或者LTE中SINR与速率的对应表可以得到用户的平均传输速率ru；
求解变量的集合 其中Ru表示用户u的传输速率，pu表示
用户u的功耗，xu用户在non-ABS中的下行传输时间，yu,A用户在ABS的下行传输时间，yu,nA用户在non-ABS的下行传输时间，Ap表示微基站可用的ABS子帧而宏基站保持下行静默,Nm表示宏基站可以使用的non-ABS子帧数，进而建立原始问题(OP1，Optimization Problem1)，OP1是以式(1)速率和能耗之比的能效优化为目标和约束条件(2)-(10)构成的优化问题如下：xu(yu,A+yu,nA)＝0 (4)
约束(2)表示用户的传输速率不能超过从宏蜂窝或微蜂窝获得的时间比例，以及用户的最小速率要求 约束(3)表示，用户的能耗不能大于从宏蜂窝或微蜂窝的获得的时间比例，以及用户的最大功率限制；约束(4)表示用户仅能接入单个宏蜂窝或微蜂窝，而不能同时接入；约束(5)表示在干扰集合IBS中ABS子帧与non-ABS子帧总数限制，其中IBS，BS∈{macro，pico}表示所有干扰微蜂窝和所有干扰宏蜂窝的集合；约束(6)表示从宏蜂窝分配给用户子帧的时间比例小于总的non-ABS子帧数Nm；约束(7)表示从微蜂窝分配给用户的ABS子帧时间比例小于总的ABS子帧Ap；约束(8)表示从微蜂窝分配给用户的子帧时间比例小于总ABS周期Nsf，也表示从宏蜂窝或者微蜂窝分配给用户的子帧数小于总的可用子帧数；
式中，N+表示非负整数的集合；U为用户u的集合；m为宏基站macro的首字母缩写；M为宏基站的m的集合；p为微基站pico的首字母缩写；P为微基站p的集合；mu为接入宏基站的用户集合；pu为接入微基站的用户集合；Nsf为ABS的周期,一个ABS帧包含的子帧数；Nm为宏基站可以使用的non-ABS子帧,即宏基站可以进行下行传输的子帧数；AP为微基站可用的ABS子帧，宏基站保持下行静默； 宏基站的传输功率； 宏基站广播信号的传输功率；
微基站的传输功率； 用户允许的最大接收功率； 在non-ABS子帧从宏基站获得的下行传输速率； 在ABS子帧从微基站获得的下行传输速率； 在non-ABS子帧从微基站获得的下行传输速率；
D、由于约束式(4)和式(10)，OP1是一个混合整数规划问题，然而，即使消除约束式(4)并松弛式(10)到非负实数R+，但由于目标函数的非凸性，OP1仍然不是凸问题，首先利用分数规划，对OP1的优化问题重新转化为优化问题OP2；
其中(2)-(10)表示OP1优化问题中的约束条件(2)到(10)的所有式子， 表示用户的速率和功率之比，即用户的能效；
E、通过权利1所述的EE-eICIC的迭代算法求解的转化后的优化问题OP2，包括以下步骤：①选择误差ε＞0和最大的迭代次数Kmax；
③当k≤Kmax和convergence＝false表示不收敛；
对于一个给定的 求解问题OP2，得到EE-eICIC中几乎空白子帧(ABS)的分配策略如果 则convergence＝true表示收敛，返回EE-eICIC最优的ABS子帧分配策略 和最大的 否则设置 和令k＝k+1，继续运行步骤③；
首先，整数变量可以松弛为非负实数，从而得到凸规划问题，便于求解，然后，通过取整操作得到OP3的可行解，详细说明如下：
1)松弛：将OP2松弛为OP3进行求解；通过忽略约束式(4)和松弛约束式(10)中Nm和Ap上的可行空间，得到OP3，放松约束式(10)后，Nm和Ap可以取非负实数，去除约束式(6)对原始问题OP1的影响主要在于用户在下行链路传输中同时从宏蜂窝和微蜂窝接收无线资源，对于优化变量 OP3建模为：S.t.(2)-(3)和(5)-(9)
其中R+是非负实数的集合，(2)-(3)表示OP1优化问题中的约束条件(2)到(3),(5)-(9)表示OP1优化问题中的约束条件(5)到(9)；
2)取整：在第二步中，对第一步求解的结果，适当地舍入，进行取整操作，得到OP2的可行解。
3.根据权利要求2所述的一种异构网络增强型小区间干扰协调的能效优化方法，其特征在于，所述的步骤F中的取整操作详细步骤如下：①取整Nm和Ap：将Nm和Ap由正实数变为整数采用如下操作：其中N'm和A'p为求解凸规划OP3的输出；
④计算用户的能效 和 比较用户从宏基站和微基站的能效，
Xm表示宏基站的non-ABS利用率，Yp,A和Yp,nA表示微基站的ABS和non-ABS的利用率，是接入宏基站的用户集合， 表示接入微基站的集合，⑥计算每一个用户，下行可以传输的时间，
4.根据权利要求2所述的一种异构网络增强型小区间干扰协调的能效优化方法，其特征在于，所述步骤B中的SINR具体模型如下：对于接入微基站的用户，用户u的下行SINR建模为：
式中，PRx(u)为用户u下行接收到的功率；Ppico(u)为受到其他的微基站的下行干扰；
Pmacro(u)为受到其他的宏基站的下行干扰； 为在non-ABS子帧从宏基站获得的下行传输速率； 为在ABS子帧从微基站获得的下行传输速率； 为在non-ABS子帧从微基站获得的下行传输速率。
一种异构网络增强型小区间干扰协调的能效优化方法
技术领域
[0001] 本发明属于无线通信网络技术领域，主要涉及异构蜂窝网络中基于增强型小区间干扰协调(eICIC)的能效优化问题，具体涉及eICIC的几乎空白子帧(ABS)分配、用户接入和用户时域资源联合分配的实现方法。
背景技术
[0002] 为了满足无线数据快速增长的需求，4G长期高级演进(LTE-A)规定了在现有的高功率宏蜂窝网络下部署低功率节点(例如家庭基站或微基站)。由于异构蜂窝网络(HetNets)下行链路中的基站(BS)间发射功率存在较大的差异，尤其宏蜂窝具有比微蜂窝具有更大的覆盖区域。通过将用户分配到微蜂窝的负载均衡可以提高密集异构蜂窝网络(HetNet)的容量。此外，宏基站高功率和密集微蜂窝的干扰将严重限制了5G异构网络部署场景系统的应用。
[0003] 为了减小宏蜂窝的干扰，3GPP标准提出了增强小区间干扰协调(eICIC)的概念，宏蜂窝通过在部分子帧保持下行链路的静默减少对微蜂窝的干扰，被称为几乎空白子帧(almost blank subframes，ABS)。eICIC中有两个重要的特征：用户接入问题和几乎空白的子帧(ABS)的分配。首先，将用户分配给宏蜂窝或微蜂窝，可以保证微蜂窝欠利用或过度利用。其次，通过宏蜂窝和微蜂窝在时域的干扰协调，减少宏蜂窝的干扰以辅助微蜂窝传输。因此，对于微蜂窝，在ABS子帧上将受到更少的干扰，使得接入微蜂窝的用户获得更高的传输速率。
[0004] eICIC配置问题与用户接入相结合，即ABS和用户接入决定了基站可用的资源和负载分配。大多数现有研究主要着重于不同的动态ABS配置方案，主要考虑宏蜂窝和微蜂窝之间的负载分配与之对应的动态变化。但主要关注的是系统的容量及吞吐量，忽略了系统的能源效率(EE)。而且仅考虑ABS配置不能满足在微蜂窝数量较大时，微蜂窝之间的同层干扰。有研究指出不同层设置不同的偏置(bias)规则对于负载均衡及节能不是最佳的，基于能效优化的用户接入和基于干扰管理的负载均衡是不相同的。未来的异构蜂窝网络中应共同考虑干扰管理和能耗优化。因此，需要研究如何设置EE-eICIC(Energy Efficiency Optimization Enhanced Inter-cell Interference Coordination)的配置参数，联合用户接入和ABS分配的能量优化，这些规范在eICIC标准也尚未给出。
发明内容
[0005] 为了克服上述现有技术的不足，本发明的目的是提出了一种异构网络增强型小区间干扰协调的能效优化方法。在提升系统的容量和能源效率的同时，保持宏蜂窝和微微蜂窝之间的负载均衡，首先通过分数规划理论提出了迭代算法，然后通过简化用户接入和ABS分配问题，采用两步的松弛和取整算法来进一步降低计算成本。本发明的数值结果验证了该方案的收敛性能，在一定和速率代价下，系统和用户的能量效率可以得到显著的改善。
[0006] 为了实现上述目的，本发明采用的技术方案是：
[0007] 一种异构网络增强型小区间干扰协调的能效优化方法，其特征在于，包括以下步骤：
[0008] 1)构建一个由宏蜂窝和微蜂窝构成的双层TDD-LTE异构蜂窝网络系统，其中用户仅可以选择接入一个基站：宏基站或者微基站；
[0009] 2)对于每一个宏基站覆盖的区域内，在该区域内的微基站和用户测量信道状态和干扰状态，将其发送给宏基站，宏基站计算后进行统一的资源调度；
[0010] 3)用户根据整个带宽接收到的下行信号强度，选择一个宏蜂窝和一个微蜂窝作为候选集合，再通过能效优化的迭代、松弛转化为凸规划问题、取整为原问题的可行解即称为迭代-松弛-取整算法，进而选择接入哪个基站；
[0011] 4)首先进行能效优化迭代算法的初始化，选择误差ε＞0和最大的迭代次数Kmax，设置EE中 和迭代次数k＝0；
[0012] 5)执行能效优化迭代算法，当k≤Kmax和convergence＝false，对于一个给定的求解问题OP2，得到EE-eICIC中几乎空白子帧(ABS)的分配策略 如果则convergence＝true表示收敛，返回EE-eICIC最优的ABS子帧分配
策略 和最大的 否则设置 和令k＝k+1；
[0013] 6)配置所述的EE-ABS子帧协议，根据所述的迭代-松弛-取整算法，计算得到宏基站可以提供给受其干扰的微基站使用的EE-ABS子帧数目；
[0014] 7)根据所述的松弛-取整算法，分配下行的传输时间资源，并且得到用户下行平均传输时间，确定用户的传输速率和能耗，计算出用户和系统能效；
[0015] 8)计算结束后，将资源管理和调度的结果通知给各个微基站和用户，从而各个用户进行基于能效的接入和数据传输。
[0016] 所述的步骤4)、步骤5)、步骤6)、步骤7)中所使用的迭代-松弛-取整算法前期准备及其过程如下：
[0017] A、建立SINR模型，同一个基站使用时分复用，小区内只存在三类干扰：宏基站与宏基站、宏基站与微基站和微基站与微基站之间的干扰，根据干扰和ABS协议，得到SINR模型；
[0018] B、根据SINR模型，采用香农容量公式或者LTE中SINR与速率的对应表可以得到用户的平均传输速率ru；
[0019] C、建立基于eICIC的能效优化模型；
[0020]
[0021] 进而建立原始问题(OP1，Optimization Problem1)，OP1是以式(1)速率和能耗之比的能效优化为目标和约束条件(2)-(10)构成的优化问题如下
[0022]
[0023]
[0024]
[0025] xu(yu,A+yu,nA)＝0 (4)
[0026]
[0027]
[0028]
[0029]
[0030] xu≥0,yu,A≥0,yu,nA≥0 (9)
[0031]
[0032] 式中，N+表示非负整数的集合。
[0033] D、由于约束式(4)和式(10)，OP1是一个混合整数规划问题，然而，即使消除约束式(4)并松弛式(10)到非负实数R+，但由于目标函数的非凸性，OP1仍然不是凸问题，首先利用分数规划，对OP1的优化问题重新转化为优化问题OP2；
[0034]
[0035] s.t.(2)-(10)
[0036] E、通过权利1所述的EE-eICIC的迭代算法求解的转化后的优化问题OP2，包括以下步骤：
[0037] ①选择误差ε＞0和最大的迭代次数Kmax；
[0038] ②设置EE中 和迭代次数k＝0；
[0039] ③当k≤Kmax和convergence＝false；
[0040] 对于一个给定的 求解问题OP2，得到EE-eICIC中几乎空白子帧(ABS)的分配策略 如果 则收敛到最优值，返回EE-eICIC最优的ABS子帧分配策略和最大的 否则设置 和令k＝k+1，继续运行步骤③；
[0041] F、松弛-取整算法求解OP2；
[0042] 首先，整数变量可以松弛为非负实数，从而得到凸规划问题，便于求解，然后，通过取整操作得到OP3的可行解，详细说明如下；
[0043] 3)松弛：将OP2松弛为OP3进行求解；通过忽略约束式(4)和松弛约束式(10)中Nm和Ap上的可行空间，得到OP3，放松约束式(10)后，Nm和Ap可以取非负实数，去除约束式(6)对原始问题OP1的影响主要在于用户在下行链路传输中同时从宏蜂窝和微蜂窝接收无线资源，对于优化变量 OP3建模为：
[0044]
[0045] S.t.(2)-(3)和(5)-(9)
[0046]
[0047] 其中R+是非负实数的集合。
[0048] 4)取整：在第二步中，对第一步求解的结果，适当地舍入，进行取整操作，得到OP2的可行解。
[0049] 所述的步骤F中的取整操作详细步骤如下：
[0050] ①取整Nm和Ap：将Nm和Ap由正实数变为整数采用如下操作：
[0051]
[0052] 其中N'm和A'p为算法1的输出。
[0053] ②计算用户从宏基站可以得到的下行传输速率和能耗：
[0054] 和
[0055] ③计算用户从微基站可以得到的下行传输速率和能耗：
[0056] 和
[0057] 其中 和 为算法1的输出。
[0058] ④计算用户的能效 和 比较用户从宏基站和微基站的能效，若 则用户的接入宏基站，否则用户接入微基站。
[0059] ⑤计算每一个宏基站和微基站，计算其下行的利用率。
[0060]
[0061] Xm表示宏基站的non-ABS利用率，Yp,A和Yp,nA表示微基站的ABS和non-ABS的利用率，是接入宏基站的用户集合， 表示接入微基站的集合。
[0062] ⑥计算每一个用户，下行可以传输的时间。
[0063]
[0064] ⑦计算接入宏基站的用户能耗和可以得到传输速率：
[0065] 和
[0066] ⑧计算接入微基站的用户能耗和可以得到传输速率：
[0067] 和
[0068] ⑨计算用户能效：
[0069] 所述步骤B中的SINR具体模型如下：
[0070] 对于接入微基站的用户，用户u的下行SINR建模为：
[0071]
[0072] 对于接入宏基站的用户，用户u的下行SINR：
[0073]
[0074] 然后，根据SINR模型得到用户u的平均传输速率：
[0075] 式中，PRx(u)为用户u下行接收到的功率；Ppico(u)为受到其他的微基站的下行干扰；Pmacro(u)为受到其他的宏基站的下行干扰； 为在non-ABS子帧从宏基站获得的下行传输速率； 为在ABS子帧从微基站获得的下行传输速率； 为在non-ABS子帧从微基站获得的下行传输速率。
[0076] 所述步骤C中所建立的原始问题OP1中各个优化变量、主要参数和约束具体描述如下：
[0077] 约束(2)表示用户的传输速率不能超过从宏蜂窝或微蜂窝获得的时间比例，以及用户的最小速率要求；
[0078] 约束(3)表示，用户的能耗不能大于从宏蜂窝或微蜂窝的获得的时间比例，以及用户的最大功率限制；
[0079] 约束(4)表示用户仅能接入单个宏蜂窝或微蜂窝，而不能同时接入；
[0080] 约束(5)表示在干扰集合IBS中ABS子帧与non-ABS子帧总数限制，其中IBS，BS∈{macro，pico}表示所有干扰微蜂窝和所有干扰宏蜂窝的集合；
[0081] 约束(6)表示从宏蜂窝分配给用户子帧的时间比例小于总的non-ABS子帧数Nm；
[0082] 约束(7)表示从微蜂窝分配给用户的ABS子帧时间比例小于总的ABS子帧Ap；
[0083] 约束(8)表示从微蜂窝分配给用户的子帧时间比例小于总ABS周期Nsf，也表示从宏蜂窝或者微蜂窝分配给用户的子帧数小于总的可用子帧数；
[0084] 其中，U为用户u的集合；m为宏基站macro的首字母缩写；M为宏基站的m的集合；p为微基站pico的首字母缩写；P为微基站p的集合；mu为接入宏基站的用户集合；pu为接入微基站的用户集合；Nsf为ABS的周期,一个ABS帧包含的子帧数；Nm为宏基站可以使用的non-ABS子帧,即宏基站可以进行下行传输的子帧数；Ap为微基站可用的ABS子帧，宏基站保持下行静默；xu为mu中用户在non-ABS中的下行传输时间；yu,A为pu中用户在ABS的下行传输时间；yu,nA为pu中用户在ABS的下行传输时间；yu,nA为pu中用户在non-ABS的下行传输时间；
为宏基站的传输功率； 为宏基站广播信号的传输功率； 为微基站的传输功率；
为用户允许的最大接收功率。
[0085] 本发明的有益效果是：
[0086] 与现有的基于ABS的接入算法相比，本发明首先考虑用户最小的速率限制，以能效最大化为优化目标，建模为能效优化问题。其次，通过考虑基站到基站干扰图以及网络拓扑结构，提出一种联合ABS分配和用户接入的能效优化混合整数非线性规划问题。第三，采用广义分数规划理论和凸优化理论，发明了一种简化的迭代和松弛取整的发法。最后，本发明以一定和速率为代价，在系统和用户的能量效率方面可以得到显著的改善。
附图说明
[0087] 图1为本发明的异构蜂窝网络中eICIC的干扰模型；
[0088] 图2为本发明的异构蜂窝网络中eICIC的ABS帧结构；
[0089] 图3为本发明的异构蜂窝网络中EE-eICIC的迭代次数；
[0090] 图4为本发明的能量效率随用户数的变化情况；
[0091] 图5为本发明的能量效率随微蜂窝数的变化情况；
[0092] 图6为本发明的能量效率在网络，最好用户和最差用户的对比；
[0093] 图7为本发明的容量在网络，最好用户和最差用户的对比；
[0094] 图8为本发明的最优的几乎空白子帧比例随微蜂窝数目的变化情况。
具体实施方式
[0095] 以下结合附图对本发明进一步叙述：
[0096] 考虑TDD-LTE的两层异构蜂窝网络系统，其中eICIC的子帧和ABS可以动态配置。UE指的是用户设备(例如，移动设备)，并且演进型基站(eNodeB)执行基站的无线资源管理，接纳控制以及其他调度协调功能。
[0097] 用户模型：对于用户下行链路传输，由UE根据在整个带宽测量的接收信号强度来确定宏蜂窝和微蜂窝的最佳候选基站集。假设基站采用最大发射功率，并且用户根据包括整个带宽中的宏蜂窝和微蜂窝的所有基站的接收信号强度确定接入那个基站。因此，本发明从最坏的角度对eICIC的能量效率进行优化。
[0098] 干扰模型：为了得到SINR，将下行链路干扰区分为宏蜂窝与宏蜂窝干扰，宏蜂窝与微蜂窝的干扰，微蜂窝与微蜂窝的干扰三种类型，如图1所示。宏蜂窝与宏蜂窝的干扰是由于大多数LTE网络中的1：1频率复用引起。对于双层TDD-LTE，宏蜂窝和微蜂窝使用相同的带宽，存在宏蜂窝与微蜂窝的干扰。微蜂窝使用相同的信道也存在相互干扰，即微蜂窝与微蜂窝的干扰。
[0099] eICIC ABS：对于宏蜂窝和微蜂窝共存的场景，提出的eICIC主要用于宏蜂窝和微蜂窝之间的干扰协调。为了协助微蜂窝的下行链路的传输，宏蜂窝在几乎空白子帧保持下行链路静默，仅广播控制信号。在本项发明中，本发明设计EE-eICIC的ABS配置，提高ABS的能效利用率，并从能效的角度确定用户接入和分配给用户的子帧，如图2所示。
[0100] SINR模型：基于干扰模型，得到SINR模型。然后通过香农容量公式计算用户的平均传输速率。对于基站间干扰图，可以通过从基站间接收的信号强度大于给定的阈值或物理距离进行确定。
[0101] SINR模型所使用的符号如下表
[0102]
[0103]
[0104] 由于用户在下行链路中仅接入单个宏蜂窝或微蜂窝，而不能同时接入宏蜂窝和微蜂窝。因此，可以将用户分类为：接入宏蜂窝的用户和接入微蜂窝的用户两种类型。对于接入微蜂窝的用户，用户可以在ABS和non-ABS上传输。对于接入微蜂窝的用户，其干扰来自微蜂窝而不是来自宏蜂窝，因为宏蜂窝在ABS中下行链路保持静默。对于接入宏蜂窝的用户，用户仅在ABS上传输，其中干扰主要来自微蜂窝和宏蜂窝。因此，用户的SINR可以得到。
[0105] 对于接入微基站的用户，用户u的下行SINR：
[0106]
[0107] 对于接入宏基站的用户，用户u的下行SINR：
[0108]
[0109] 然后，根据SINR模型得到用户u的平均传输速率。
[0110] 优化变量和主要参数表示如下：
[0111]
[0112]
[0113] 建模的优化问题：本发明从三个方面进行建模
[0114] 1)用户下行链路的能效接入，即从能效的角度，用户接入最佳宏蜂窝或微蜂窝。
[0115] 2)最佳的EE-ABS分配，即在每个宏蜂窝中受到干扰的微蜂窝，通过干扰协调分配ABS，降低微蜂窝受到宏蜂窝的干扰，从而提高系统的能效。
[0116] 3)用户的平均传输时间，即每个ABS周期分配用户子帧的时间比例，确定每个ABS周期的用户传输速率和能耗。
[0117] 考虑用户的最小速率要求，本发明最大化网络的能效进而建立优化原始问题(OP1，Optimization Problem1)，其中优化变量 通过优化原始问题OP1获得EE-eICIC算法。
[0118]
[0119]
[0120]
[0121] xu(yu,A+yu,nA)＝0 (4)
[0122]
[0123]
[0124]
[0125]
[0126] xu≥0,yu,A≥0,yu,nA≥0 (9)
[0127]
[0128] 其中N+表示非负整数的集合。
[0129] 约束(2)表示用户的传输速率不能超过从宏蜂窝或微蜂窝获得的时间比例，以及用户的最小速率要求。约束(3)表示，用户的能耗不能大于从宏蜂窝或微蜂窝的获得的时间比例，以及用户的最大功率限制。约束(4)表示用户仅能接入单个宏蜂窝或微蜂窝，而不能同时接入。约束(5)表示在干扰集合IBS中ABS子帧与non-ABS子帧总数限制，其中IBS，BS∈{macro，pico}表示所有干扰微蜂窝和所有干扰宏蜂窝的集合。约束(6)表示从宏蜂窝分配给用户子帧的时间比例小于总的non-ABS子帧数Nm。约束(7)表示从微蜂窝分配给用户的ABS子帧时间比例小于总的ABS子帧Ap。约束(8)表示从微蜂窝分配给用户的子帧时间比例小于总ABS周期Nsf，也表示从宏蜂窝或者微蜂窝分配给用户的子帧数小于总的可用子帧数。
[0130] 备注1：约束(4)确保用户仅接入单个宏蜂窝或微蜂窝，则OP1是整数规划问题。此外，由于(9)中的连续变量Ru,Pu,xu,yu,A,yu,nA和(10)包含非负整数变量Ap,Nm，OP1是混合整数规划问题。对于OP1的求解通常是NP-hard问题。在本发明中，本发明设计低复杂度的次优方法。
[0131] 首先对进行问题转化，由于约束(4)和(9)，OP1是一个混合整数规划问题。然而，本发明消除约束(4)并松弛(9)到非负实数R+，但由于目标函数的非凸性，OP1仍然不是凸问题。本发明首先利用分数规划，对(11)结构重新进行变换。
[0132] 在不失一般性的情况下，本发明假设Ru＞0和Pu＞0。为了简单，本发明用ψ表示OP1中的可行区域。所以
[0133]
[0134] 其中 和 分别是OP1的最优解。
[0135] 为了解决OP1，本发明给出以下命题1,其证明过程采用广义分式规划理论。
[0136] 命题1：存在唯一的最优解 当且仅当
[0137]
[0138] 命题1表示本发明可以通过等价的问题(21)解决OP1，即OP2。然而， 通常是未知的。通过求解(11)用更新参数η代替 来获得OP1的最优解。注意，对于给定的η(例如，在迭代k次的ηk)，通过算法1中求解的转化后的优化问题OP2
[0139]
[0140] s.t.(2)-(10)
[0141] 算法1EE-eICIC的迭代算法
[0142] 步骤1：选择误差ε＞0和最大的迭代次数Kmax；
[0143] 步骤2：设置EE中 和迭代次数k＝0；
[0144] 步骤3：当k≤Kmax和convergence＝false
[0145] 对于一个给定的 求解问题OP2。得到EE-eICIC中几乎空白子帧(ABS)的分配策略 如果 则收敛到最优值，返回EE-eICIC最优的ABS子帧分配策略和最大的 否则设置 和令k＝k+1。
[0146] 其次采用松弛-取整的算法：在本发明中，本发明采用多项式时间的两步方法来求解OP2。首先，整数变量可以松弛为非负实数，从而得到凸规划问题，便于求解。然后，通过舍入松弛问题的取整操作得到OP3的可行解。详细说明如下。
[0147] 松弛：将OP2松弛为OP3进行求解。通过忽略约束(14)和放宽Nm和Ap上的可行空间，得到OP3。放松约束(9)后，Nm和Ap可以取非负实数。注意，去除约束(4)对该问题的影响主要在于用户在下行链路传输中同时从宏基站和微基站接收无线资源。对于优化变量OP3建模为：
[0148]
[0149] s.t.(2)-(3)和(5)-(9)
[0150]
[0151] 其中R+是非负实数的集合。
[0152] 取整：在第二步中，对第一步求解的结果，适当地舍入，进行取整操作，得到OP3的可行解。
[0153] 松弛算法
[0154] 松弛OP3是一个凸规划问题，存在多种有效的方法求解。在发明中，本发明采用CVX工具来解决OP3，定义为算法2。
[0155] 取整算法
[0156] 与松弛问题不同，用户的下行链路仅能接入单个宏蜂窝或者微蜂窝，而不能同时接入。为了获得OP2的Nm和Ap的可行解，本发明采用舍入取整的方法，具体如下[0157]
[0158] 其中floor表示向下取整，ceil表示向上取整。
[0159] 然后，可以通过取整算法2的输出来近似地确定可行解。取整和能效接入的详细过程如算法3。
[0160] 算法3包括三部分。首先，通过定义的取整函数获得Nm和Ap整数值。其次，通过用户速率和能量消耗之比获得用户的能效，比较来确定用户下行链路能效接入。第三，通过填充可用的子帧来计算下行链路的每个用户可用的平均时间比例，得到用户的速率和能量消耗。计算出系统的能效
[0161] 本发明的仿真结果
[0162] 本发明采用计算机模拟的方法验证所提出的方法。考虑宏蜂窝和微蜂窝的重叠覆盖在300m×300m的区域。宏基站的位于区域的中心位置，宏基站的密度为 微基站和用户的密度基于不同的场景设定，根据均匀分布产生，其中用户和基站之间的最小距离不小于10m。本发明的仿真结果通过100次平均产生。
[0163] 各个参数如下表所示：
[0164]参数 数值
宏基站的发射功率 36dBm(4W)
微基站的发射功率 30dBm(1W)
宏基站广播信号的发射功率 23dBm(200mW)
热噪声功率(Thermal noise power) -174dBm/Hz
路径损耗因子(Path-loss exponent) 3.25
Nsf帧 40
带宽 10MHz
用户的最小速率要求 10kbps
[0165] 算法的收敛性
[0166] 在图3显示了一个宏蜂窝，两个微蜂窝和三十个用户的场景下，EE-eICIC算法外循环的收敛次数，观察到通常迭代十步可以完成收敛。对于EE-eICIC算法的整体收敛速度，由于采用集中式方法实现，如CVX(即算法2)来求解给定 因此，图3显示的收敛性也就是EE-eICIC算法总体的收敛速度。
[0167] EE-eICIC的性能
[0168] 为了便于比较，对比如下两种方法。
[0169] 1)基于eICIC的最大和速率优化,表示为MaxSUMRate
[0170] 2)基于eICIC的最大效应优化，效应函数为ln(Ru),表示为MaxSUMlogRate[0171] 本发明提出的方法:基于eICIC最大能效优化，表示为MaxEE。
[0172] 图4显示了在宏基站数量为1，微蜂窝数量为2的场景下，用户数量对系统能量效率的影响。从图4可以看出，基于eICIC最大能效优化(MaxEE)相比MaxSUMlogRate和MaxSUMRate有着显著的能量效率增益。与MaxSUMRate和MaxSUMlogRate相比，MaxEE可以将网络能效平均提升9.52％和11.29％。特别地，随着用户数量的增加，提出的MaxEE可以获得比MaxSUMlogRate和MaxSUMRate更多的增益。因此，可以发现eICIC需要从能源效率的角度进行重新设计。
[0173] 图5显示了在1个宏基站，30个用户的系统中，微蜂窝数量对系统能量效率的影响。从图5可以看出，提出的方案MaxEE相比MaxSUMRate和MaxSUMlogRate的能效增长了23.44％和64.71％。此外，能效增益随着微蜂窝的增加而增加，这意味着对于未来的超密集异构蜂窝网络，通过进一步的资源分配可以获得更大的能效增益，其中主要原因在于基站和用户之间的距离变短，负载的动态调整。
[0174] 在图6中，本发明从网络的能源效率，最佳用户和最差用户三个方面对比三种方案的系统能效性能。从图6可以看出，可以看到MaxEE对于系统中的最佳和最差用户仍然具有较大的能量效率增益。
[0175] 在图7中，本发明从网络的能源效率，最佳用户和最差用户三个方面对比三种方案的系统吞吐量。与其他两种算法相比，MaxEE获得较低的网络速率。这是由于MaxSUMRate最大化系统的速率，MaxSUMlogRate在系统吞吐量和用户吞吐量公平性之间取得了很好的折中。从图6和图7可以看出，与MaxSUMRate和MaxSUMlogRate方案相比，MaxEE需要一定系统容量代价，从而获得系统能效提高。
[0176] 图8给出了在30个用户系统中，不同密度的微蜂窝对MaxSUMlogRate和MaxEE的最优几乎空白子帧(ABS)比例的影响。从图8中可以看出，当微蜂窝变得更密集时，MaxSUMLogRate和MaxEE的ABS比例增加，但是本发明所提出的算法MaxEE的ABS比例大于MaxSUMLogRate。这是因为微蜂窝具有更高的能量效率。MaxEE增加了微蜂窝的传输时间，ABS将变大。当微蜂窝密集度增加时，对于MaxEE更多的用户接入微蜂窝中。因此，EE-eICIC更能充分利用微蜂窝的优点。
