[论文解读] Toward Energy-Efficient 5G Wireless Communications Technologies

Renato L. G. Cavalcante, Sławomir Stańczak+3 more|arXiv (Cornell University)|Jul 1, 2014

Advanced MIMO Systems Optimization参考文献 30被引用 18

一句话总结

本文提出通过根据流量需求动态关闭基站来实现节能的5G无线网络，采用凸优化和主要化-最小化（MM）算法以最小化总能耗。研究表明，仅关注每比特辐射能量是不够的——硬件和电路功耗占主导地位，而动态基站激活可在不牺牲覆盖范围或容量的前提下降低能耗。

ABSTRACT

The densification and expansion of wireless networks pose new challenges on energy efficiency. With a drastic increase of infrastructure nodes (e.g. ultra-dense deployment of small cells), the total energy consumption may easily exceed an acceptable level. While most studies focus on the energy radiated by the antennas, the bigger part of the total energy budget is actually consumed by the hardware (e.g., coolers and circuit energy consumption). The ability to shutdown infrastructure nodes (or parts of it) or to adapt the transmission strategy according to the traffic will therefore become an important design aspect of future wireless architectures. Network infrastructure should be regarded as a resource that can be occupied or released on demand. However, the modeling and optimization of such systems are complicated by the potential interference coupling between active nodes. In this article, we give an overview on different aspects of this problem. We show how prior knowledge of traffic patterns can be exploited for optimization. Then, we discuss the framework of interference functions, which has proved a useful tool for various types of coupled systems in the literature. Finally, we introduce different classes of algorithms that have the objective of improving the energy efficiency by adapting the network configuration to the traffic load.

研究动机与目标

• 解决超密集5G网络中日益增长的能耗成本问题，其中硬件和电路功耗超过辐射功耗。
• 指出传统能量效率度量忽略硬件功耗会导致设计产生反效果。
• 开发优化框架，根据流量预测和网络负载动态关闭基站。
• 通过凸优化和启发式算法实现实时、可扩展的能耗节省，适用于密集网络。
• 将真实的流量模式和干扰约束整合到未来5G系统能耗优化决策中。

提出的方法

• 建立离散优化问题，在服务质量与干扰约束下选择激活的基站。
• 应用主要化-最小化（MM）算法，将非凸离散问题近似为一系列凸子问题。
• 使用启发式方法将MM算法得到的连续解转换为基站的二进制开启/关闭决策。
• 使用CPLEX求解凸子问题，并与最优解进行比较。
• 在包含100个基站、每个用户数据速率为128 kbps的LTE类似网络中进行仿真，设置100个测试点以评估性能。
• 在仿真中忽略辐射功耗，以隔离硬件和电路功耗对总能耗的影响。

实验结果

研究问题

• RQ1 当仅最小化辐射功耗而忽略硬件和电路功耗时，5G网络的总能耗如何随网络规模变化？
• RQ2 基于流量预测的动态基站切换是否能在超密集部署中显著降低网络总能耗？
• RQ3 与最优解相比，基于MM的启发式方法在能耗节省和计算时间方面的表现如何？
• RQ4 在存在干扰耦合的大规模密集5G网络中，扩展能耗优化算法面临哪些关键挑战？
• RQ5 如何在不牺牲可解性的前提下，将真实的流量轮廓和干扰模型整合到能耗优化中？

主要发现

• 在密集5G网络中，硬件和电路功耗主导总能耗，因此必须超越辐射功耗进行考虑。
• 基于MM的启发式方法在显著降低计算时间的同时，实现了接近最优的能耗节省。
• MM启发式方法的计算时间随用户数增长缓慢，具备向大规模网络扩展的潜力。
• 对于大规模问题，最优解计算成本过高，而MM启发式方法提供了实用的替代方案。
• 基于流量预测关闭空闲基站可大幅降低总能耗，且不影响覆盖范围或容量。
• 未来的能耗优化必须整合时间维度的流量模式、移动性及干扰模型，以保持有效性与可扩展性。