论文部分内容阅读
随着信息技术的高速发展,无线通信系统中的数据业务需求呈指数型增长。为了满足业务需求,宏基站和小基站等网络基础设施数量大幅增加,网络结构也发展成层叠式的异构网络,通过在宏基站周围大量部署低功耗接入节点,有效提升了网络容量。与此同时,无线通信系统也面临着更严峻的能源消耗问题。无线网络业务量随时间变化,具有明显的“潮汐效应”,在网络流量负载较低的时段,仍保持全部基站开启,会造成不必要的能源消耗。打造节能高效的无线通信系统,实现绿色通信成为当今通信行业的重点研究方向。本文在此背景下展开,以提升网络能效为目标,依据网络流量特性,对网络流量预测技术和基站休眠技术进行研究。首先,针对网络流量的特性和网络流量预测模型进行分类介绍,对网络能效的度量标准依照器件级、设备级和网络级进行归纳总结,对基站休眠技术进行研究分析。其次,针对网络流量预测技术进行深入研究,提出一种将基于时变滤波的经验模态分解(Time Varying Filtering Based Empirical Mode Decomposition,TVF-EMD)与长短期记忆网络(Long Short-Term Memory,LSTM)相结合的网络流量预测模型。利用TVF-EMD算法,可以将复杂的网络流量数据简化分解为多个本征模函数(Intrinsic Mode Function,IMF)。利用LSTM网络的“记忆特性”和对长距离依赖问题的良好预测能力,对每个IMF分量进行LSTM建模预测,之后对各IMF分量的预测结果叠加重构,形成网络流量预测结果。仿真结果表明,TVF-EMD-LSTM预测模型与传统的LSTM预测模型相比,预测误差更小,性能评价指标表现更优。最后,将网络流量预测技术与基站休眠技术相结合,针对网络流量负载的时间波动性,以提升网络能效为目标,提出一种基于网络流量负载预测的基站休眠方案。通过网络负载预测数据与实时网络负载情况联合分析,对网络中的小基站进行休眠与唤醒操作。方案主要包括休眠阈值预设置、基于预测的基站休眠算法和基站动态唤醒算法三个部分。在宏基站与小基站协同部署的异构蜂窝网络场景下,预先对网络的负载水平进行等级划分,并对每个负载等级设定对应的基站休眠比例;在设定好的休眠操作时间点,根据下一时间段的网络负载预测情况、实时负载情况以及用户切换情况综合判断,依照预设的阈值进行休眠操作,直到下一个休眠操作时间点重新进行休眠设定;对于突发的网络负载快速升高的情况,为了保障用户服务质量,可以实时将休眠的基站进行动态唤醒。仿真结果显示,所提出的休眠方案,在保障用户服务质量,将中断概率保持在较低水平的同时,能够降低网络能源消耗、使网络能效具有明显提升。