[论文解读] Energy Efficient Medium Access with Interference Mitigation in LTE Femtocell Networks

Ying Wang, Xiangming Dai+2 more|arXiv (Cornell University)|Aug 6, 2015

Advanced MIMO Systems Optimization被引用 3

一句话总结

本文提出两种分布式、干扰感知的算法——基于贪婪的干扰（IG）和快速干扰（FIG）——用于在LTE小细胞网络中实现节能的介质访问控制，通过联合优化用户设备（UE）关联与OFDMA调度。与基准方法相比，这些算法在保持低X-2接口信令和满足GBR与非GBR业务服务质量要求的前提下，将效用提升最高达150%，能量效率提升超过2倍。

ABSTRACT

With the rapidly increasing number of deployed LTE femtocell base stations (FBS), energy consumption of femtocell networks has become a serious environmental issue. Therefore, energy-efficient protocols are needed to balance the trade-off between energy saving and bandwidth utilization. The key component of the desired protocol to prevent both energy and bandwidth waste is interference mitigation, which, nevertheless, most previous work has failed to properly consider. To this end, in this paper, we manipulate user equipment (UE) association and OFDMA scheduling with a combination of interference mitigation. Recognizing the NP-hardness of the problem, we propose two distributed algorithms with guaranteed convergence. Extensive simulations show that our algorithms outperform the alternative algorithms in multiple metrics such as utility, power consumption, and convergence speed.

研究动机与目标

• 解决大规模LTE小细胞网络日益增长的能耗问题，该问题带来环境与运营挑战。
• 克服先前研究在节能设计中忽略干扰、QoS区分或X-2接口延迟的局限性。
• 开发一种实用的分布式MAC协议，最小化协调开销，同时平衡能量效率与频谱利用率。
• 联合优化UE关联与OFDMA调度，以管理干扰并满足GBR与非GBR业务的QoS要求。
• 引入可调的功率权重参数，以在异构业务环境中平衡效用最大化与能耗最小化。

提出的方法

• 将问题建模为UE关联与OFDMA调度的联合优化，以在QoS约束下最小化能耗并最大化效用。
• 提出两种贪婪、分布式的算法——IG与FIG——通过使用基于概率的OFDMA时隙分配，实现可靠收敛并减少X-2接口信令。
• 通过在OFDMA资源分配过程中建模多小区多链路干扰，实现干扰抑制。
• 采用结合频谱效率与能耗的加权效用函数，并引入可调的功率权重参数以平衡权衡。
• 实现一种实用的MAC协议，支持最小协调下的分布式决策，避免集中式或高延迟协调机制。
• 通过广泛仿真验证方法，对比IG、FIG与基准算法（LA、SA）在效用、能耗、QoS与能量效率等指标上的表现。

实验结果

研究问题

• RQ1 在管理小区间干扰的同时，如何在LTE小细胞网络中联合优化能量效率与频谱效率？
• RQ2 在强制满足GBR与非GBR业务QoS要求的前提下，干扰抑制对效用与能量效率有何影响？
• RQ3 所提出的分布式MAC协议相较于集中式或高协调开销的替代方案，如何减少X-2接口信令？
• RQ4 在效用与能量效率方面，分布式算法在多大程度上可逼近集中式最优解的性能？
• RQ5 调节功率权重参数如何影响异构业务场景下效用与能耗之间的权衡？

主要发现

• 由于有效的干扰抑制与高效的资源分配，IG与FIG相比基准算法LA，效用提升了150%。
• IG与FIG的能量效率较LA高出超过200%，并接近集中式上界算法SA的性能。
• IG与FIG的GBR拒绝率低于9%，仅为LA的1/6，表明对实时业务具有强大的QoS支持能力。
• IG与FIG的非GBR效用约为LA的三倍，且仅比SA低14%，表明在弹性业务中表现优异。
• 当功率权重ω设置为2.0时，IG与FIG分别获得21.30 ± 0.96与21.27 ± 0.95的能量效率单位，超过SA的16.27 ± 0.83，表明在高能效优先场景下表现更优。
• 由于贪婪搜索的变异性，IG与FIG的标准差高于SA，但仍在多个指标上保持一致且优越的性能。