[论文解读] User Transmit Power Minimization through Uplink Resource Allocation and User Association in HetNets

Umar Farooq, Umair Sajid Hashmi+3 more|arXiv (Cornell University)|Oct 13, 2018

Advanced MIMO Systems Optimization参考文献 16被引用 11

一句话总结

本文提出了一种在异构网络（HetNets）中联合上行链路用户关联与资源分配的方案，通过利用基站的剩余带宽来最小化用户发射功率。通过将用户分配给剩余带宽更高的基站——从而实现更宽的带宽分配并保持相同服务质量（QoS）下的更低发射功率——该方案将平均上行链路发射功率降低至-2.8 dBm（半分布式）和8.2 dBm（分布式），相比Max RSRP和CIO-based方案分别提升了22.8 dBm和11.2 dBm。

ABSTRACT

The popularity of cellular internet of things (IoT) is increasing day by day and billions of IoT devices will be connected to the internet. Many of these devices have limited battery life with constraints on transmit power. High user power consumption in cellular networks restricts the deployment of many IoT devices in 5G. To enable the inclusion of these devices, 5G should be supplemented with strategies and schemes to reduce user power consumption. Therefore, we present a novel joint uplink user association and resource allocation scheme for minimizing user transmit power while meeting the quality of service. We analyze our scheme for two-tier heterogeneous network (HetNet) and show an average transmit power of -2.8 dBm and 8.2 dBm for our algorithms compared to 20 dBm in state-of-the-art Max reference signal received power (RSRP) and channel individual offset (CIO) based association schemes.

研究动机与目标

• 解决5G异构网络中上行链路发射功率过高的挑战，该问题限制了电池供电受限的物联网（IoT）设备的部署。
• 通过解耦上行链路与下行链路关联，克服HetNets中的上行-下行链路不对称性，以优化上行链路功耗。
• 通过最小化用户发射功率并在满足服务质量（QoS）要求的前提下，提升物联网设备的能效。
• 通过在用户关联决策过程中引入剩余带宽，实现负载均衡，防止宏基站过载。
• 通过高效的上行链路资源分配与关联机制，实现低功耗物联网设备在5G网络中的广泛部署。

提出的方法

• 利用香农容量公式，将用户发射功率建模为服务基站（BS）路径损耗和分配带宽的函数。
• 将基站的剩余带宽定义为未分配给现有用户的未使用频谱，作为用户关联中的关键度量指标。
• 提出一种新型关联评分，结合路径损耗与剩余带宽，以指导用户关联，优先选择信道质量好且频谱资源充足的基站。
• 实现两种算法——半分布式与分布式，前者使用集中式剩余带宽信息，后者使用本地知识，两者均以最小化发射功率为目标进行优化。
• 采用机会式资源分配，在存在剩余带宽时为用户分配更宽的带宽，从而降低实现相同数据速率所需的发射功率。
• 采用解耦的上行-下行链路架构，允许仅针对上行链路进行优化，将上行链路关联与下行链路关联解耦，以提升能效。

实验结果

研究问题

• RQ1 在保持用户容量和QoS要求的前提下，如何在HetNet中最小化上行链路发射功率？
• RQ2 与传统的RSRP或CIO-based方案相比，将剩余带宽纳入用户关联决策在多大程度上提升了能效？
• RQ3 所提方案对HetNets中宏基站与小基站之间负载均衡的影响如何？
• RQ4 在不同网络负载和基站密度下，发射功率降低与频谱效率之间的权衡如何体现？
• RQ5 所提联合关联与资源分配算法的性能对基站密度和网络负载条件的敏感性如何？

主要发现

• 所提出的半分布式算法将平均上行链路发射功率降低至-2.8 dBm，相比Max RSRP和CIO-based方案（20 dBm）提升了22.8 dBm。
• 分布式算法实现了8.2 dBm的平均发射功率，相比20 dBm的基线降低了11.2 dBm，表明其在本地化决策下仍具有优异性能。
• 该方案通过优先选择具有剩余带宽的小基站，有效平衡了宏基站与小基站之间的负载，即使每扇区仅有一个小基站，也能显著减轻宏基站拥塞。
• 尽管发射功率降低导致SINR下降，但用户容量要求仍能持续满足，因为根据香农公式，更大的带宽可补偿较差的信号质量。
• 性能增益在不同基站密度下均表现稳健——包括每小区3个和12个小基站——表明该方案在不同网络条件下具备良好的可扩展性与稳定性。
• 在低负载和中等负载场景下，由于带宽分配更宽，频谱效率仅略有下降；但在高负载场景下，由于无剩余带宽可用，频谱效率保持不变。