[论文解读] Energy Efficient User Association and Power Allocation in Millimeter Wave Based Ultra Dense Networks with Energy Harvesting Base Stations

H. Zhang, Sai Huang+4 more|arXiv (Cornell University)|Apr 24, 2017

Advanced MIMO Systems Optimization参考文献 17被引用 14

一句话总结

该论文提出了一种基于能量采集基站的毫米波超密集网络中的联合用户关联与功率分配算法，采用拉格朗日对偶分解方法以优化能量效率和负载均衡。在遮挡条件下，该方法的能效最高可达MAX-SINR的9倍，具有快速收敛性并保证最低用户速率。

ABSTRACT

Millimeter wave (mmWave) communication technologies have recently emerged as an attractive solution to meet the exponentially increasing demand on mobile data traffic. Moreover, ultra dense networks (UDNs) combined with mmWave technology are expected to increase both energy efficiency and spectral efficiency. In this paper, user association and power allocation in mmWave based UDNs is considered with attention to load balance constraints, energy harvesting by base stations, user quality of service requirements, energy efficiency, and cross-tier interference limits. The joint user association and power optimization problem is modeled as a mixed-integer programming problem, which is then transformed into a convex optimization problem by relaxing the user association indicator and solved by Lagrangian dual decomposition. An iterative gradient user association and power allocation algorithm is proposed and shown to converge rapidly to an optimal point. The complexity of the proposed algorithm is analyzed and the effectiveness of the proposed scheme compared with existing methods is verified by simulations.

研究动机与目标

• 解决基于毫米波的超密集网络中能量采集基站的能量效率与负载均衡挑战。
• 在QoS、干扰和能量约束下，优化用户关联与功率分配。
• 开发一种低复杂度、可收敛的算法，以实现负载均衡并最大化网络效用。
• 在最小化干扰与能量消耗的同时，确保满足最低用户速率要求。

提出的方法

• 将联合用户关联与功率分配建模为混合整数规划问题。
• 将二值用户关联指示变量松弛化，将问题转化为凸优化问题。
• 应用拉格朗日对偶分解方法，将对偶问题分解为两个子问题：用户关联与功率分配。
• 设计一种基于梯度的迭代算法，交替更新用户关联与功率分配变量。
• 引入负载均衡约束及基站的能量采集能力。
• 采用考虑视 Line-of-Sight（LOS）与非视 Line-of-Sight（NLOS）路径损耗及阴影衰落参数的遮挡感知毫米波信道模型。

实验结果

研究问题

• RQ1 如何联合优化用户关联与功率分配，以在具备能量采集基站的毫米波超密集网络中最大化能量效率？
• RQ2 与基于SINR的关联方式相比，负载均衡在该类网络中能多大程度上提升网络性能？
• RQ3 在包含遮挡与路径损耗等实际毫米波传播条件下的表现如何？
• RQ4 所提出的迭代算法的收敛特性与计算复杂度如何？
• RQ5 所提出的方案能否在实现高能效的同时维持最低用户速率要求？

主要发现

• 当基站数量达到1500时，所提算法在遮挡效应下能效最高可达MAX-SINR算法的9倍。
• 随着毫米波小基站波束赋形增益的提高，能效随之提升，且所提方法在所有增益水平下均优于MAX-SINR。
• 该算法在约20次迭代内快速收敛，而MAX-SINR算法因缺乏负载均衡而无法收敛。
• 所提方案在所有基站间实现了恒定且公平的定价规则，从而实现稳定且可预测的用户关联。
• 用户速率被维持在最低要求水平，表明实现了有效的公平性与QoS保障。
• 通过协调宏站与小站间的干扰并实现负载均衡，该算法显著提升了网络效用。