[论文解读] An Activity Management Algorithm for Improving Energy Efficiency of Small Cell Base Stations in 5G Heterogeneous Networks

Irmak Aykin, Ezhan Karaşan|arXiv (Cornell University)|Jan 28, 2019

Advanced MIMO Systems Optimization参考文献 23被引用 6

一句话总结

该论文提出了一种用于5G异构网络中皮质基站在用户数阈值下动态激活或去激活的智能活动管理算法，与仅使用宏站的网络相比，能将能效提高20%，并将平均用户比特率提高29%，尤其在热点用户分布场景下表现更优。

ABSTRACT

Heterogeneous networks (HetNets) are proposed in order to meet the increasing demand for next generation cellular wireless networks, but they also increase the energy consumption of the base stations. In this paper, an activity management algorithm for improving the energy efficiency of HetNets is proposed. A smart sleep strategy is employed for the operator deployed pico base stations to enter sleep and active modes. According to that strategy, when the number of users exceeds the turn on threshold, the pico node becomes active and when the number of users drop below the turn off threshold, it goes into sleep mode. Mobile users dynamically enter and leave the cells, triggering the activation and deactivation of pico base stations. The performance of the system is examined for three different cellular network architectures: cell on edge (COE), uniformly distributed cells (UDC) and macro cell only network (MoNet). Two different user distributions are considered: uniform and hotspot. The effects of number of hotspot users and sleep energies of pico nodes on the energy efficiency are also investigated. The proposed activity management algorithm increases the energy efficiency, measured in bits/J, by $20\%$. The average bit rates achieved by HetNet users increase by $29\%$ compared with the MoNet architecture. Thus, the proposed activity control algorithm increases the spectral efficiency of the network while consuming the energy more efficiently.

研究动机与目标

• 解决5G异构网络（HetNets）中小型基站能耗持续增长的问题，尤其在密集部署时更为显著。
• 减少小型基站中固定偏移功率造成的能量浪费，即使在用户负载较低时，该部分功率仍占比较大。
• 通过基于实时用户负载智能管理皮质基站活动状态，提升能效（比特/焦耳）和频谱效率。
• 评估不同网络拓扑结构（COE、UDC、MoNet）、用户分布（均匀分布、热点分布）以及睡眠功耗水平对系统性能的影响。
• 优化激活与去激活阈值，以在保证用户容量和系统稳定性的同时实现能量节约。

提出的方法

• 实施双阈值智能休眠策略：当用户数超过激活阈值（Ta）时，皮质基站激活；当用户数低于去激活阈值（Td）时，基站去激活。
• 采用两种用户移动性模型进行建模：均匀分布和热点分布，其中用户以群体形式进入或离开皮质小区。
• 模拟三种网络架构：边缘小区激活（COE）、均匀分布小区（UDC）和仅宏站（MoNet），用于性能对比。
• 将能效定义为比特/焦耳（bits/J），频谱效率定义为平均用户比特率，对比不同睡眠功耗水平（0W 和 8.6W）下的性能表现。
• 采用基于时隙的时分仿真方法，分析系统随时间的行为，重点关注活跃状态与休眠状态之间的切换过程。
• 分析阈值间距（Ta - Td）对振荡风险和性能的影响，确保足够间隔以避免频繁的开关循环。

实验结果

研究问题

• RQ1 与静态激活小型基站相比，所提出的活动管理算法在5G HetNets中如何提升能效？
• RQ2 为在最小化能量浪费的同时维持用户容量，激活与去激活阈值（Ta 和 Td）的最佳配置是什么？
• RQ3 不同的用户分布（均匀分布 vs. 热点分布）如何影响活动控制算法的性能？
• RQ4 睡眠功耗（P_sleep）对整体能效和系统稳定性有何影响？
• RQ5 在不同用户负载条件下，网络架构（COE、UDC、MoNet）如何影响所提算法的有效性？

主要发现

• 与仅使用宏站的网络（MoNet）相比，所提出的活动管理算法通过根据用户负载动态调节皮质基站的开关状态，使能效提高了20%。
• 在热点用户场景下，HetNet用户实现的平均比特率相比MoNet提高了29%，表明频谱效率得到显著提升。
• 当 P_sleep = 0W 时，激活阈值（Ta）的选择至关重要；但当 P_sleep > 0 时，能效随 Ta 增大而单调下降，表明只要至少有一个用户存在，保持所有皮质 eNB 持续激活更为高效。
• 当 P_sleep = 8.6W 时，去激活阈值（Td）变得更为关键；较低的 Td 有助于在高流量期后维持更多活跃的皮质小区，从而提升系统性能。
• 在热点场景中，应尽可能降低 Ta 和 Td，以最大化活跃皮质 eNB 的数量，从而实现最高的能效与频谱效率。
• 该算法在热点移动性模型下表现最佳，因为用户群体的进出使得小型基站的利用率更高，从而减轻了固定偏移功耗的相对影响。