摘  要： 宏蜂窝和小蜂窝混合的异构网络必然将会成为一种满足日益增长的移动业务量需求的手段。然而，大规模部署小蜂窝接入点（SAPs）也会导致相当大的能量消耗的增长，随着环境意识的增强和能源价格的提高，为宏蜂窝和小蜂窝设计高能效的无线系统至关重要。本文研究了认知SAPs的一种分布式睡眠模式策略，利用随机几何工具，得出SAP的用户发现性能，并得到位于一个宏蜂窝基站Voronoi小区中的小蜂窝的上行链路容量以及系统总的网络能量消耗。

　　关键词： 小蜂窝；认知无线；绿色通信；能量效率

0 引言

　　过去几年里移动数据业务量呈指数增长，能量消耗也有了相当大的增长。在日益增强的环境意识和日渐增长的移动基站（Mobile Base Stations，MBSs）电力消耗的驱动下，绿色无线通信已经成为一个活跃的研究领域。

　　传统的蜂窝网络精心部署MBSs，但室内和小区边缘的用户总会遭受信号质量差的困扰。而且，移动数据业务量爆炸式涌现，更促进了对新的蜂窝结构的探索，以满足业务量的需求。LTE-A及以后的标准提出了异构网络（Heterogeneous Networks，HetNet′s），其结构是在一个宏蜂窝网络上覆盖若干小蜂窝。宏层保证覆盖范围；而上面覆盖的那层网络是一种宏蜂窝网络分流数据业务量的手段，用于满足本地容量需求。这个两层结构中的小蜂窝可以是微蜂窝、微微蜂窝、或者毫微微蜂窝，这些不同类型的小蜂窝之间的区别在于小区的尺寸以及自构造和自优化的能力。小蜂窝能够扩展网络的覆盖范围，而小区尺寸的减小能够带来更高的空间频率复用和更大的网络容量。

　　虽然前面关于异构网络的介绍能够解决容量需求问题[1]，但是安装这些增加的基站后，总的能量消耗却大大增加了。鉴于高业务量需求在空间、时间和频率上的波动，睡眠模式技术是克服能量消耗问题的非常有前景的策略[2]。参考文献[3]介绍了不同的SAPs睡眠模式策略，使得唤醒机制能够由SAP、核心网或用户设备（User Equipment，UE）驱动。对于WiFi接入点，参考文献[4]研究了UE驱动方式，但是反向波束成形增加了硬件复杂性且假设其已知信号结构。分布式睡眠模式策略不涉及UE复杂性的增加，也不需要知道用户定位信息或相关信令[5]。

1 系统模型

　　1.1 网络拓扑

　　考虑一个在宏蜂窝网络上覆盖若干小蜂窝的蜂窝网络模型，第一层MBSs的分布为密度为λm的齐次泊松点过程（Poisson Point Process，PPP）Θ，上层覆盖的网络中SAPs的分布是密度为λs的PPPΦ[6]。参考文献[7]指出，宏蜂窝集合的分布服从关于Φ的Poisson-Voronoi棋盘形铺嵌R2。移动用户分散在密度为λu的PPPΨ分布的R2上。Θ、Φ和Ψ是独立的点过程。ζ为检测门限。当一个SAP不向一个用户呼叫提供服务时，它进入睡眠模式并且周期性地感知宏蜂窝上行链路以检测用户活跃性。认为干扰节点在整个平面上的空间分布是密度为λ的齐次PPPΩ。对于一个齐次PPP，k个节点落在区域R内的概率表达式为：

　　其中，AR为区域R的面积。

　　一个宏蜂窝网络上叠加多个小蜂窝组成的空间模型如图1所示。

　　1.2 活动模型

　　用时隙模型描述UEs和SAPs的活动，如图2所示。假设一个固定时隙的时长为T，SAP感知信道的感知时间为τs，检测到一个活跃的移动用户时SAP的活跃模式持续时长为T-τs。在一个给定时隙内，SAP、UE和若干节点的活动可以被建模为相互独立的成功概率分别为ps、pu和pI的伯努利过程[8]。

2 SAPs能量消耗模型

　　影响认知SAPs能量消耗的三个主要方面为：链路同步相关的功率Vc、感知功率Vs、以及活动模式期间的处理功率Vt。链路同步在整个时隙内都在进行，UE信号检测是一个二进制假设检验问题。当出现一个UE信号时（假设为H1），在感知到上行链路信道并正确地检测到用户活动后，SAP开始导频传送。当没有UE信号时（假设为H0），在错误地检测到有一个用户出现之后，SAP开始导频传送。在典型SAP的覆盖范围内至少存在一个活跃UE的概率为pUE=1-exp（-puλuπR2）。一个小区的SAP能量消耗可以被建模为：

　　其中Pd和Pfa分别是用户活动检测概率和误告警的概率。

3 数值结果及分析

　　图3描述了在一个SAP覆盖范围内一个典型用户的成功概率。该图说明，干扰者按PPP分布时，随着干扰节点密度的增加，成功概率大幅度降低。图4展示了PdC（经检测概率修正后，该SAP覆盖范围内一个典型用户的上行链路容量）作为干扰者密度的函数。该图阐明了通过改变λ，检测性能提高和平均信道容量降低的联合作用。

　　图5描绘了固定目标Pd和固定门限这两种情况下分别对应的总的能量消耗。可见，在所有场景下能量消耗随干扰节点密度的增加而增加，这是因为能量消耗与Pd和Pfa成线性正比。在固定门限的场景下，随着干扰者密度的增加需要向ED提供更多的能量，从而Pd和Pfa也会提高，如果提高了门限，Pfa和能量消耗的增加会减缓。这说明对干扰环境的掌握有助于提高小蜂窝网络的能量效率。

　　图6展示了SAP覆盖范围和干扰节点密度对能量消耗的影响。当R从15 m变化到50 m时，能量消耗增加了将近50%。对于所有覆盖范围内的值，感知时间固定在N=15采样，且Pd=Pd*=0.9。为了满足对Pd的约束，覆盖范围较大时降低检测门限，因此Pfa也随之降低。这在总的能量消耗中有所体现。可以得出下列结论：由于用户检测性能与覆盖范围之间有很强的相关性，改变SAP的覆盖范围会显著影响能量消耗。

4 结论

　　本文提出了一种分析架构，可以分析出部署在一个MBS Voronoi小区内采用认知SAPs时系统的能量消耗。该模型考虑了信道衰落、总的网络干扰、群发性活动、网络拓扑结构以及负载量，允许量化关键系统参数的影响，例如干扰者密度以及SAP覆盖范围对检测性能以及对总的能量消耗的影响。数值结果证明，对干扰环境的了解可以使得SAP能量消耗大幅减小。本研究未来可能的扩展方向：多层级的联合能量消耗，对用户服务质量的约束，以及分布式睡眠模式方案与其他策略的比较等。

参考文献

　　[1] CHEUNG W C， QUEK T Q S， KOUNTOURIS M. Throughput optimization， spectrum allocation， and access control in two-tier femtocell networks[J]. IEEE J Sel Areas Commun， 2012，30（3）：561-574.

　　[2] WU S H， CHEN C M， CHEN M S. Collaborative wakeup in clustered ad hoc networks[J]. IEEE J Sel Areas Commun， 2011，29 （8）：1585-1594.

　　[3] ASHRAF I， BOCCARDI F， HO L. Sleep mode techniques for small cell deployments[J]. IEEE Communications Magazine， 2011，49（8）：72-79.

　　[4] HARATCHEREV I， FIORITO M， BALAGEAS C. Low-power sleep mode and out-of-bound wake-up for indoor access points [C]. Proc 2009 IEEE Global Telecommunications Conference， 2009：1-6.

　　[5] SAKER L， ELAYOUBI S E， COMBES R， et al. Optimal control of wake up mechanisms of femtocells in heterogeneous networks[J]. IEEE J Sel Areas Commun， 2012，30 （3）：664-672.

　　[6] ANDREWS J G， BACCELLI F， GANTI R K. A tractable approach to coverage and rate in cellular networks [J]. IEEE Trans Commun， 2011，59（11）：3122-3134.

　　[7] BLASZCZYSZYN B， KARRAY M K， KEELER H -P. Using Poisson processes to model lattice cellular networks [C]. Proc 2013 IEEE Joint Conf of the IEEE Computer and Commun Societies， 2013：797-805.

　　[8] YUCEK T， ARSLAN H. A survey of spectrum sensing algorithms for cognitive radio applications[J]. IEEE Commun Surveys Tuts， 2009，11（1）：116-130.