密集小蜂窝网络中基于负载均衡的能效方案-韦世红.pdf

《密集小蜂窝网络中基于负载均衡的能效方案-韦世红.pdf》由会员分享，可在线阅读，更多相关《密集小蜂窝网络中基于负载均衡的能效方案-韦世红.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Joumal of Computer Applications计算机应用，2017，37(12)：33683373，3385ISSN 1001908lCODEN JYIIDU20171210http：wwwjocacn文章编号：1001908l(2017)12336806 DOI：1011772jissn100190812017123368密集小蜂窝网络中基于负载均衡的能效方案韦世红，张丽，黄晓舸(移动通信技术重庆市重点实验室(重庆邮电大学)，重庆400065)(通信作者电子邮箱2441436183qqcom)摘要：针对密集小蜂窝网络中断概率高、负载不均衡的问题，提出了一种基于负载均衡的能效方

2、案。在保证用户中断概率、最小速率等约束条件下通过联合优化负载均衡和基站开关模式，最大化网络能效，优化问题是一个非凸的NPhard问题，求得最优解是相当复杂的，因此把原最优问题分解成两个次优化子问题：首先，负载均衡方案在给定的基站开关模式下给出最优负载均衡策略；其次，在满足用户最小速率约束条件下设计最优基站开关模式。实验结果表明，当用户数少于180时所提方案中断概率为零，而传统的最大信干噪比(Ma)【sINR)算法中断概率达到1l，在网络能效方面，所提方案均高于基站任意关闭(R肌一ofr)算法和基站不关闭(Noofr)算法。所提方案能够提高网络能效且保证负载均衡。关键词：密集小蜂窝；网络能效；负

3、载均衡；网络中断；开关控制中图分类号：TN9295 文献标志码：AEner斟-emciency scheme based on lOad balancing in de璐e small ceU net、)I，orbWEI Shihong，ZHANG Li，HUANG Xiaoge(Cb哪i增研k6Dn咖，y o厂胁6如co，rI，l砌幻邶加幻y(昭gi，lgi钟倦妙0厂如口，ld死kD，nmn赴ml!om)，嘲i，lg 400065，ci加)Abstr舵t：In order to solve tlle pmblems of high outage pmbability锄d unbalanced

4、 load in dense small ceUular network8，an energye伍cient scheme baLsed on load bal舳cing was pmposed rIle network energy-emciency was maximized thmugh jointopti“zation of load balancing and b鹊e station ono仃contml strategy under the constraints of guaranteed user outagepmbability粕d minimum rate 11he opt

5、imization problem is a nonconvex Non-dete邢inistic P0lynomialhard(NP-hard)pmblem， and it is quite complex to obtain the optimal solutionTherefore，the o而画naJ optimal problem w船decomposed intotwo suboptimal subpmblems Firstly，the op“mal load balancing stmtegy with the given base station ono仃contml stra

6、tegy w黯矛ven by the pmposed load bal肌cing schemeSecondly， the optimal b船e station onofr contml strategy was designed underthe constraint of sa“sfying the minimum user rateThe experimental resIllts show山at， when the number of users is less thanl 80，the outage probability of lhe pmposed scheme is zem w

7、hile the 0utage pmbability of the traditional M“imum Signal toInterference plus Noise Ratio(Ma)【一SINR)a190rithm reaches llThe network energyemciency of the proposed scheme ishi曲er than those of the baLse station Randomly-o仃(R卸一。田algorithm蚰d the base station Noto行(Noo毋algodthm111eproposed scheme can

8、improve network energy-emciency蚰d ensure load balanceKey words：dense small cell； network energyemciency；load balancing；network outage；onof contml0 引言随着互联网的广泛应用和移动智能终端的普及，人们对移动数据业务的需求量与日剧增，现在人们已经习惯并依赖无处不在、无时不通的无线网络J。现有的4G网络移动通信系统以及下一代移动通信系统所用频段均为2 GHz左右的高频段，这种高频的无线信号穿透能力非常强，但传输能量损耗也非常大，导致室内信号大幅度衰减，甚至

9、在某些封闭环境将出现覆盖偏弱，乃至覆盖“空洞”现象。在这样的情况下，仅依靠宏基站，已经无法满足室内用户的通信需求了。此外，据调查，有70移动数据业务发生在室内，欧洲20一40、美国4050、中国60的移动电话通话是在室内发生的1 2“。为了满足日益增长的高速率业务要求，部署小蜂窝网络被认为是一种有效的解决办法51，小蜂窝(small cell)具有低功率、覆盖范围小、组网灵活的特点，特别适合用于城市地区补盲及热点区域的分流，在繁忙地区，小蜂窝可分流80的流量【6。由此，小蜂窝成为了近年来5G的关键技术之一。目前，针对密集小蜂窝网络的特性已有大量的研究。文献78以最大化吞吐量为目标，提出基于用户

10、QOS的小区选择方法。此外，以实现整个网络的能量效率最大化为目标的资源管理方案在异构蜂窝通信系统中不断被提出。对于基站开关技术，当前的一些相关研究也已经提出了多种设计方案，文献9提出一种分布式基站开关策略：将系统中一定比例的小基站关闭，此方案根据系统内用户的分布情况来决定这一定比例的小基站该如何选取，该睡眠方案在一定程度上收稿日期：2017-05-3l；修回日期：20170720。基金项目：长江学者和创新团队发展计划项目(IRTl299)；重庆市科委重点实验室专项经费资助项目(cstc2013yykfA40010)。作者简介：韦世红(1970一)，女，重庆人，副教授，博士，主要研究方向：移动通

11、信、小蜂窝网络资源分配；张丽(1992一)，女，河南商丘人，硕士研究生，主要研究方向：小蜂窝网络资源分配；黄晓舸(1982一)，女，重庆人，副教授，博士主要研究方向：小蜂窝网络资源分配。万方数据第12期 韦世红等：密集小蜂窝网络中基于负载均衡的能效方案 3369可以达到节能的效果，但其能效指标不能保证实现最大收益。然而，大多数现有研究没有考虑负载均衡和小基站(SmaIl Base Station，SBS)开关的影响，针对以上问题的不足，本文提出了一种基于能效的密集小蜂窝网络资源分配的方法，在实现提升网络能效的同时，兼顾了负载均衡、用户传输的速率要求以及网络的中断概率，充分利用基站的能量，从而提

12、高了网络的能量效率。1 系统模型考虑三层异构网络模型，由于频谱资源有限，基站之间采用同频部署方式，第一层是传统的宏基站(Macrocen Basestation，MBS)，第二层和第三层分别是微微蜂窝基站(Picoceu Base station，PBs)和家庭基站(FemtoceU B聃estation，FBs)。MBs位于宏蜂窝中心，小基站(sBs)均匀分布在MBs覆盖范围内，用户随机分布在系统中如图l所示。分别用I厶l和ll代表基站和用户的数量。假设MBs和sBs都采用OFDM调制方式，MBs和sBs分别有，。和，J个资源块(Resource Blocks，RBs)，每个用户同时只能占一

13、个资源块。假设MBs总是处于工作模式，SBS可以处于工作模式或者在负载小的时候为了节约能量处于休眠模式。用日=口。，吼，仇，钆代表sBs的状态，即工作模式为日=l，睡眠模式为日。=0。因此，系统中处于工作模式的基站可以表示：o。=肘BS，SBS。h(1，2，)，一=l。图l 密集小蜂窝异构网络模型Fig l Dense small ceU hetemgeneous networIc model用户随机分布在系统中，一旦某个用户到达系统，它将发出请求接人MBs或者sBs，假设用户接入基站i，则用户接收的信干噪比(signal to Inte如rence plus Noise Ralio，sINR

14、)是： 呲2靠其中：。是基站i到用户，的信道增益；巴是基站i到用户J的发射功率；0是加性高斯白噪声。因此用户J的速率是：尺，=既lb(1+s，脚，) (2)其中既是基站i分配给用户J的资源块的带宽。11功率消耗模型sBs可以处于工作模式或者是睡眠模式。在睡眠模式，为了节约功率消耗，小基站将会关闭部分组件；在工作模式，所有的组件都被激活。sBs的功率消耗模型一1如下：E。昭。=fP-bc+P-n+Pbct， 日=1 (3)Es2 Ij JLJP舳。， p。=0其中：E册：是小基站i的总的功率消耗；P。k是处理器电路、冷却单元、主电源等器件的功率消耗；尸。是射频部分的功率消耗；Pbck是回程链路部

15、分的功率消耗；P舳。是sBs处于睡眠模式时的功率消耗。对于射频部分的功率消耗，采用文献9的模型：P岫=TRxP0+PP删 (4)st尸0P。其中：。是射频的个数；P0是射频部分的固定功率消耗(无服务用户时的消耗)；，是与基站负载有关的功率消耗斜率，P。是SBs的传输功率。MBs的功率消耗模型和sBs的类似，即：EMBs=P。bc+Pm+Pbck (5)其中：E。皓是MBs的总的功率消耗；P出是处理器电路、冷却单元、主电源等器件的功率消耗；Pi。和。分别是射频部分和回程链路部分的功率消耗。12问题规划在密集小蜂窝网络中，通过联合小基站开关控制(操作模式p)和负载均衡设计(接人控制A)，最大化网络

16、的能效，最优问题可以表述为：鼻max(苫风(p，A)。偶)E。 (6)c1：kL一。 (7)E，uc2：kl (8)“5憎c3：k尺p尺甲 (9)“6憎C4：p。时，不能确定该基站一定超载，因为可以采用某种合适的调度方法使得用户在下一个1TrI获得服务，本文采用轮询调度(Round Robin Scheduling，RRS)法。根据对未来网络提出的“零”时延要求o，设备到设备间的时延必须限制在1 ms范围内，所以在轮询调度法下，一个基站能够服务的最大用户数(最大负载)L，正好是其一个聊中可以服务的用户数的两倍，即L一=2厶一。负载均衡因子的计算分为两种情况：第一种情况是当基站的负载小于其一个T

17、TI中能服务的用户数时，如果一个新用户要求接入该小区，那么其在该小区中被调度的可能性为l，此时选择接入小区时就应该考虑哪个小区的负载更少，(L一一一。)儿。一一反映的是基站负载剩余度。负载剩余度是指基站还能为多少个用户提供服务。第二种情况是该小区的负载超过了该小区一个TTI中能同时服务的用户个数，即需要使用调度算法的情况。采用轮询调度算法后，该小区中的某个用户获得服务的可能性为。儿。通过这样的设置，负载越小的小区其负载均衡因子越大，负载越大的小区其负载均衡因子越小。这意味着用户在选择小区的过程中，负载较小的小区更容易被选中。当一个基站已经满载，而又有新用户请求接入时，选择因子减小到零，从而避免

18、了用户选择已经过载的小区，减小了网络中断的发生。23算法描述用户在选择小区的过程中以定义的效用函数为判定标准来选择合适的小区，把能够满足用户最小速率要求的小区称作该用户的备选小区，把所有符合此要求的小区组成的列表叫作该用户的备选小区列表，每个用户对应一个备选小区列表。这可以通过对用户接收到的来自其邻近基站的参考信号来实现，根据式(2)来计算其接入某个基站后能获得的速率尺，如果磁尺?”，那么用户七就把基站凡添加进自己的备选小区列lf。中。用户建立了备选小区列表后，将给备选小区列表中的所有小区发送自己的备选小区列表信息。为了决定哪个用户先选择小区和哪个用户后选择小区，给每个用户定义一个优先级。用户

19、的优先级r(|)被定义为备选小区的负载剩余度即该用户的备选小区可用资源块总数。基站接收到其邻近用户的备选小区列表后，根据用户的r(|)对用户进行排列，并让r(后)小的用户优先进行小区选择。该方法的目的在于最大限度地保证选择范围较小的用户能成功选到小区。当用户|搜集了所有的来自其备选基站的反馈信息后，便可计算每个备选基站的效用函数值咖：(Vn肘。)。效用函数值最大的基站n将会被用户选作其服务基站，一旦该用户作出了选择，便给基站n发送一个请求接人信号，然后该基站准许接入，这就完成了用户和基站的连接。上述的最优负载均衡方案(optimal kad Balancing Scheme，0LBS)详细描述

20、在算法l。算法l 0LBS。1) for all七L do2) 】If=n EI磁RP3) for all I E帆do4) 计算r()5) TRAN(n，帆)：函数TRAN把帆传输给Bsn6) end for7) end for8)for all，ldo9) =E L n，lO) for all k E，。11) 将用户按照用户的负载剩余度巩值非减序排列构建集合|sc，。12) for alI I E 5，。do13) 计算钟，Vn E帆14) ，l=argmax(咖：)15) AI。 =116) L。=。+l17) if。=L，一一18) 基站n通知用户wP”E U。在备选小区列表中删除基

21、站n。19) 更新用户的负载剩余度并重新排序20) end if211 endfor221 endfor23、endfor算法l描述了用户选择基站的整个过程，是一种低复杂度的分布式的实施方法，不需要搜集整个网络的信息，就能够完成该算法实现小区选择。3 小基站动态开关控制方案基于前面的0LBS，提出一个动态的小基站开关控制(0nO仃contml，Occ)方案。0cC是一个分布式的算法，处于工作模式的sBs自动进入睡眠模式，处于睡眠模式的sBS可以被MBs或者周围活跃的SBs激活。在算法中，每个Bs需要收集3张网络状态信息表，假设所有的Bs处于工作模式或是睡眠模式都会发送参考信号，处于工作模式的B

22、s会周期性地广播资源信息。下面介绍网络状态信息表。31网络状态信息表1)活跃状态基站信息表。一旦一个用户到达系统将会基于前面的0LBS接人MBs万方数据第12期 韦世红等：密集小蜂窝网络中基于负载均衡的能效方案 3371或者SBS，表l收集的是用户到周围活跃基站的能效。表l中，基站ID表示当前SBS下的用户ID，基站ID表示当前当前基站周围活跃基站ID，有： 。：掣(17)厶J4 2黜。饿髓蚵 (18)式中：i是当前sBs的ID；Ai是用户，到周围活跃Bs接收最大能效的Bs的ID。表l用来判断如果当前小基站关闭，当前的用户会连接到哪些基站。裹l活跃的基站信息Tab1 Info呻ation 0f

23、 ac“ve BSs用户ID 基站ID 最大能效1 Al髓o2 A2 EE“22； j i2 ：L !12)睡眠状态SBs信息表。表2收集用户到周围睡眠状态SBS的能效。表2睡眠状态基站信息Tab2 lnfonnadon of sleeping status BSs基站ID用户l 用户2 用户JBo EE叭 EE啦 EE口l EElI l灌12 EEIj； ： ； iBj EEn E注 Ed表2中，基站ID是当前sBs周围处于睡眠状态的sBs的ID，用户m(m=1，2，)是用户到周围处于睡眠状态的sBS的能效，髓i是用户J连接基站i的能效。表2用来判断如果网络中无资源可用时应该激活哪个sBs。

24、3)资源块表。表3收集当前基站周围活跃基站的可用资源块数。裹3可用资源块Tab3 Available RBs基站1D 可用资源块数AoAl：|4。RBo尺曰-：R口基站ID是当前基站周围活跃Bs的ID，可用资源块数是对应活跃基站的可用资源块数，船。是基站A；的可用资源块数，表3用来判断如果该sBS进入睡眠模式，网络中是否有足够的资源服务用户。下面用K、恐分别表示表1、表2、表3。32 SBS关闭过程假设所有的Bs开始处于开启模式，一个用户到达系统将会基于前面所提的0LBs请求接入MBs或sBs，每个处于工作模式的Bs都周期性地检测自己的负载，一旦该基站的负载低于阈值，该SBs会判断是否合适进入

25、睡眠模式，一个SBS关闭后必须保证该基站下的用户能得到服务保证。如果小基站i进入睡眠模式，该基站下的用户必须接入周围活跃的BS，用乙表示如果当前的SBS关闭用户J是否接入sBs鼠，即如果用户，接入小基站B，乙=1；否则毛=0。当前的sBs查看资源块表，判断是否有足够的资源容纳用户，即：R曰研zF； 曰玛，zio，l (19)如果式(19)不满足，小基站i仍处于工作模式；反之，该基站会判断如果进入睡眠模式，该基站覆盖下的用户是否会得到服务质量保障，即：，。观“岫(1+等氛归一加，其中：U是小基站i覆盖的用户集合；尺。是满足用户服务质量的最小速率要求。如果式(20)不满足，小基站i仍处于工作模式；

26、反之，该基站会计算功率消耗，即：P。+PP。E妁 E巧(21)其中：P。和R是小基站i进入睡眠模式之前小基站i和小基站|的功率消耗；P。是小基站i进入睡眠模式后小基站七的功率消耗。如果条件式(21)满足，小基站i就会进入睡眠模式。33 SBS开启过程一个处于睡眠模式的sBs可以被MBS或周围活跃的SBs激活。一个用户到达系统将会基于前面所提的0LBs请求接入MBS或sBS，如果当前的基站有可用的资源就会接纳用户；反之，当前基站会查看表l和表3判断周围是否有可用的资源来接纳用户并能保证用户的服务质量要求，即：R 2(1+1繁而) ，sti E墨，尺曰0其中：孵小基站i分配给用户J的带宽。接着小基

27、站i检测周围活跃的基站提供的最大速率能否满足用户最小速率要求，即：max尺f尺。in (23)其中尺是用户J的最小速率要求，如果式(23)不满足，表示周围没有Bs可以满足用户的服务质量要求，首先该基站查看表2，根据0LBs计算给网络带来的能效；然后激活周围的能够给网络带来最大能效的sBs。假设当前的基站是小基站i，激活的是小基站m，小基站m被激活后，小基站i覆盖的部分用户可能会接入小基站m，因为此时接入小基站m可能会得到更大的能效。用U和分别代表小基站m被激活前后的小基站i的用户集合，。代表小基站m被激活后的该基站下的用户集合，激活使网络能效最大的基站可通过下面的公式表示：sB5m=嘎翟ax(

28、EE+E可) (24)吁印t 哼em晔五尘靼汹，厶c-晖：盖鳟，厶正mst(E蟛+晖)叫 (27)u；eu u，E Um u；e“t万方数据3372 计算机应用 第37卷其中：q表示用户j属于小基站i；?表示用户，属于小基站m；E号代表用户J接入小基站i获得的能效；EF代表用户J接入小基站m获得的能效。式(27)保证小基站m激活后系统能效大于被激活之前，如果表2中的sBs不满式(27)则不被激活，反之当前基站获得要激活的sBs的ID后会发送广播信令通知将被激活的SBS。34动态小基站开关算法描述用户到达系统将会基于第2章所提的0LBS请求接人MBs或sBs，当用户和基站匹配后，执行小基站开关控

29、制算法，详细步骤描述在算法2。算法2动态小基站开关控制算法。1)初始化基站为全开模式2)for所有的用户do3) 基于0LBS接人基站4) for所有的SBs do5) 查看基站负载，计算归一化负载口6) if口尺。面鲫 伸一。善，P一。善，-E1 女E110) 关闭当前基站(sleep状态)11) 返回第3)步，当前基站下的用户重新选择服务小区121 end if131 end if141 end if15) end if16) end for17) when网络中用户增多时(查看表2、表3)18) if当前网络无资源可用do19) 开启给网络带来最大能效的小基站20) 部分用户基于OLBS

30、接人服务基站21) end if22)endf打4仿真结果与分析将所提算法与传统算法包括最大信干噪比(Ma)【imumsi印a1 to Inte如rence plus Noise R砒io，Ma)【-sINR)算法、Bias-sINR算法、基站不关闭(Not_0玎，Noo行)算法和基站任意关闭(Rando“yoff，R帅o行)算法等进行仿真对比分析，仿真参数如表4所示。表4仿真参数Tab4 simula“o“pl雌mete璃参数 值 参数 值MBS半径 200m FBs最大传输功率 20 dBmPBS半径 50m VTRx lFBS半径 25m MBS。 47MBS资源块数 80 PBS。 4

31、0PBs资源块数 16 FBS。 80邝S资源块数 8 P0 296 WMBs最大传输功率 46 dBm Bi-sINR偏置 3 dBPBS最大传输功率 35 dBm图2中定义某个基站归一化负载L一。一等于该基站的实际负载与其最大负载之比，即上L一。=L一，当用户数I。l=140、基站数I厶J=16时，三种算法得到的归一化负载如图2所示。由图2可以看到，基于Ma)【-sINR算法和基于Bi鹊sINR算法的小区选择方法下得到的各基站的负载明显不均匀，还会出现过载情况，基站8和14基于Ma)【sINR和基于Bi-sINR都出现了过载情况，而本文所提的0LBs能够实现很好的负载均衡(归一化值都小于I

32、)。引起用户通信中断的情况有两种：第一种是基站不能给用户提供符合其要求的sINR，第二种是用户接人到了过载的基站中。把网络的中断概率定义为网络中发生中断的用户数与总用户数的比值。从图3可以看出，Ma)【SINR和BiassINR的中断概率较高，在用户数为240时，两种算法的中断概率分别达到了22和24，而本文所提出的算法(0LBS)，在用户低于180时，中断概率一直为零，但当用户数超过了200时，因为网络可提供的资源的有限性不可避免地造成了中断。但即使是用户数为240时，中断概率也不到4。这是因为在0LBs中首先用备选基站方案选出了满足用户速率要求的基站，而且负载均衡因子的引入能够确保用户在选

33、择的过程中不会选择过载的基站，从而最大限度地杜绝了中断情况的发生。辐gS玺基站ID图2不同算法的负载均衡Fig2 Lmd bal蛐ce of di妇fe陀nt aI鲥tlIms用户数图3 中断概率与用户数的关系Fig 3 Relationship between out89e pmbability and number 0f u眈措定义基站的归一化负载为基站的关闭阈值，图4是不同关闭阈值下，用户数与能效的关系。从图4中可以看出，不同的关闭阈值下网络的能效是不同的，阈值为01网络的能效是最低的，当阈值增加为02时，能效增加，阈值为03时能效最大，当阈值为O4时能效反而下降，说明不同的阈值对网络能

34、效有很大的影响，最优的关闭阈值是O3。图5是在最优关闭阈值03下，三种算法的网络能效随用户数变化的关系。随着用户数的增加，三种算法的能效均增加。基于任意关闭的算法(Ran0ff)能效是最低的，因为该万方数据第12期 韦世红等：密集小蜂窝网络中基于负载均衡的能效方案 3373算法具有随机性，并不能保证网络的最优性；其次是不关闭(Nooff)算法，该算法能效居中，同样不能使网络能效达到最优；显然本文所提的0Cc算法使网络有最大的能效。因为该算法在保证用户服务质量的前提下，有选择性地关闭部分利用率较低的基站，当网络中用户增多时激活能给网络带来最大能效的sBs，该算法充分利用sBs的能量，提高了基站的

35、利用率，从而提高了整个网络的能效。用户数图4不同关闭阈值时本文算法能效与用户数的关系(Fig4 Relationship between energyemciency卸d number ofu唧s for 0CC algorithm with different off thresholdsf?上邑襄涩用户数图5最优关闭阈值时不同算法能效与用户数的关系Fig5 Relationship between energy枷ciency蚰d number ofusers for di珏毫rent a190ritIIms with optimal o盱tlreshold图6是当用户数为120、关闭阈值为

36、03的情况下，随着sBs增加能效均值的变化。f7o邑襄耀霸融403505001O 20 30 4O 5OFBs数图6能效均值与小基站数的关系Fig6 Relatio呻hiP between mean number“energy-emciency蚰d SBss从图6中可以看出随着sBs的增加三种算法的平均能效增加，这说明小功率基站能大大提升网络的能量利用效率。任意关闭(Ranofr)算法能效最低，当FBs个数小于3个时，不关闭(No-o仃)算法和本文所提0cc算法，能效均值相同但都高于任意关闭(Ran-ofr)算法，因为此时用户多，小基站数目少，所有的小基站都得到充分利用，此时未关闭sBs；随着

37、FBs的增加，本文所提0cc算法的能效均值明显高于任意关闭(R蚰-o仃)算法的能效，因为此时该算法关闭了利用率低的sBs，节省了能量，提高了sBs的利用率，进而提高了网络的能量效率。5 结语密集小蜂窝网络中，通过联合优化负载均衡方案和基站开关控制模式，最大化网络能效。首先，在固定的基站开关模式下，优化负载均衡方案以减小网络中断概率；然后优化动态小基站开关控制方案以提高网络能效。仿真结果表明所提出的算法与基站不关闭(Noo仃)算法和基站任意关闭(R蛐o)算法相比较在网络能效方面有大幅提高。本文未考虑用户的瞬时变化，后续可以考虑用户速度的动态变化，展开进一步研究。参考文献(References)【

38、l】 黄晨，陈前斌，唐伦，等异构蜂窝网络干扰管理研究与展望【J】重庆邮电大学学报(自然科学版)，2015，27(3)：285296(HUANG C，CHEN Q B，TANG L，et a1Present status and devel叩mentnds of inte如rence maJlagement in hetemgeneous networks【J】JoumaI of Chongqing unjversity of Pts and Telecommunications(Natuml Science Edilion)，2015，27(3)：285296)【2】 余莉，张治中，程方，等第

39、五代移动通信网络体系架构及其关键技术【J】重庆邮电大学学报(自然科学版)，2014，26(4)：427433(YU L，ZHANG Z Z，CHENG F，et a1Cellular architecture帅d key technologies for 5G mobile communication nemorks【JJoumal of Chongqing University of Posts aJld Telecommunications(Natuml science Edition)，2014，26(4)：427433)【3】 HU R Q，QIAN YAn energy幽cient蛐

40、d spectnlm幽cm wire1e鹋hetemgeneous network fr姗ework for 5G systems【J】 IEEECommunications Mag配ine，2014，52(5)：94一101【4】 uU H Y，xU S Y，KwAK K SCeometdc pm伊mmi“g based dis-试buted Deurce allocation in ultra den鸵HetNets【C】Pmceed-in铲of tIle 2016 IEEE 83rd Vehicul盯Tbchnology ConferencePisc8taway，NJ：IEEE，2016

41、：l一5【5】 HUANR x G，SHI L，CHEN L P，et a1Costefkctive interferencecoordination scheme in high dense small cell heterogeneous network【C】Proceedings of山e 2015 lOth Intemational Conference onCommunications蛐d Networki“g in China Pi$cataw8y， NJ： IEEE，2015：2731【6】 UU H，ZHANG H J，CHENG J L，et a1Ene。gy efhcien

42、t power al10cation肌d backhaul desi印in hetemgeneous small cell networks【C】Pmceedings o f the 2016 IEEE Intema“onal Conference onCommunicationsPiscataway，NJ：IEEE，2016：l一5【7】 B00sTANIMEHR H，BHARGAVA V KUn涵ed锄d distTibutedI了osdriVen ceUsociaion algorithms in hetemgeneous networks【J】 IEEE T砌sactions on w

43、ireless communications， 2015， 14(3)：16501662【8】 NIE G F，TIAN H，REN C SEnergy emcient ceU selection insIIlall ceU networks with constrained backhaul links【J】 1EEEComInunications ktters。2016，20(6)：1199一1202【9】 WANG Q，zHENG J A dis试buted b跚stati佣on0ff controlmech曲ism for energy eiciency of small cell n

44、etworks【C】Pmceedings o f tle 2015 IEEE Intemational Confe陀nce on Communicalio璐Piscataway，NJ：IEEE，2015：33173322(下转第3385页)万方数据第12期 胡强等：基于观测矩阵优化的自适应压缩感知算法 3385构MfsE，表明观测矩阵优化对恢复性能的增益；并且，0ASP的重构wSE比BCS低至少5 dB(当SR15 dB)，这是因为0ASP每次观测都将能量集中在x个位置，而BCS的能量分配位置一般多于K个，故而0AsP对观测信噪比的增益更高，使它们的抗噪性能优于BCs。4 结语本文结合自适应观

45、测和观测矩阵优化的思想，提出一种自适应观测机制，在实现自适应观测的同时，也使观测矩阵得到优化。0一AsP的良好性能建立在估计支撑集的正确度上，如果估计支撑集不够准确(如观测数过少、信噪比过低等)，则使0一AsP恢复性能不及Bcs；如果估计支撑集足够准确，则仅需要少量观测步骤就可恢复信号，并且恢复效果优于BCs。0一AsP综合利用了自适应观测和观测矩阵优化的优势，重构效果始终优于未采用自适应观测的SP和未采用观测矩阵优化的R-AsP。本文所提自适应观测机制因为每一步都需要传统cs恢复算法获得估计支撑集，需要更多的重构时间。此外，恢复信号要求预先设置观测总数，这不利于自适应观测。下一步工作将考虑如

46、何以更低的复杂度获取较为准确的估计支撑集，以及如何自适应确定恢复信号所需的观测总数或确定停止观测条件。参考文献(References)【l】 DONOH0 D Lcompressed sensi“g【J】IEEE Transactions on In-fomanon 111eory，2006，52(4)：1289一1306【2】 CAND盘S E J，ROMBERG J，TA0 T RobusI uncenainty principles：exact sigrIal reconstmction fmm hig|Ily incomplete f。equencyinfb咖嘶【J】 IEEE T啪s

47、actions 0n Infbmatior-111eory，2006，52(2)：489509【3】 CAND亡S E J，wAKIN M BAn introduction to compressive s枷pli“gJ】IEEE Si印al Processing Magazine，2008，25(2)：2130【4】 JI S H，xUE Y，cARIN L Bayesian compressive sensing【J】IEEE T豫nsactio【ls on Si印al Processing，2008，56(6)： 23462356【5】 CASTR0 R M，HAuPT J，NOwAK

48、R，et a1Finding needles innoisy haystacks【C】Proceedings of the 2008 IEEE IntemationalConference on Acoustics， Speech aIld Signal Proce鼹ing Piscat-away，NJ：IEEE，2008：51335136【6】 BRAuN G，POKUTTA s，xIE YIrLfo-l乒、eedy sequenal ad8ptivecomp他ssed sensing【J】IEEE Joumal of Selected Topics in Si印al【7】(8】【9】【lO】【121【13】【14】【15】P”0cessing，2015，9(4)：60l一61 1FU C J，JI X Y，DAI Q HAdaptive compres鸵d鸵nsing recoveryu“zif唔山e pmperty of si印8ls autocorr