双层异构网络基站的节能控制方法及系统与流程

1.本技术涉及通讯控制技术领域，更具体地，涉及一种双层异构网络基站的节能控制方法及系统。


背景技术：

2.随着无线通信系统的快速发展，已有的单一网络结构已经无法满足高速率、大容量、高服务质量的用户通讯需求。特别在5g时代，移动通信网络正朝着多种无线网络异构融合的方向发展。异构网络是一种在现有移动蜂窝通信系统的宏基站的覆盖范围内，引入低功率节点，如毫微微(femto)基站、微微(pico)基站和中继节点(relay)，从而使网络的覆盖范围，系统容量得到改善的多层网络，具有频谱利用率高，网络建网灵活，维护成本低廉等优势。
3.由于5g时代对数据传输速率的要求较高，需要通过更高频率的无线信号提供足够的带宽。在3g时代，cdma的信道带宽是1.25mhz，wcdma的信道带宽是5mhz。4g时代，lte支持的信道带宽最大是20mhz。5g时代，在6ghz以下，信道带宽最大是100mhz，在毫米波信道带宽可达400mhz。随着无线频率提高，信号的穿透性能就越差，同等面积必须建设更多的基站来完成网络覆盖。可预计的是，5g宏基站数量将是4g基站的2倍以上，而5g微基站数量为5g宏基站的2-3倍，小基站将以灯杆站、室分站的形式深度覆盖。
4.在宏基站的蜂窝网络中引入数量众多的小蜂窝是目前使用较为广泛的双层异构网络，小蜂窝分布于宏蜂窝内，每个小蜂窝内存在一个独立的微基站（信号覆盖半径50-200米）。通过引入小蜂窝可以有效减轻宏蜂窝的负载量，提高用户通信质量。不仅如此，由于小蜂窝的覆盖范围有限，因此，这些小蜂窝在一定程度上可以复用频率资源，有助于提升频谱利用率。
5.但是，引入大量小蜂窝意味着安装数量众多的基站，也容易导致其他问题，如复杂的信道干扰问题以及严重的基站能耗问题。相关预测指出，到2025年，通信行业将消耗全球20%的电力。其中，基站是耗电大户，大约80%的能耗来自广泛分布的基站。数据显示，目前5g基站主设备空载功耗约2.2～2.3千瓦，满载功耗约3.7～3.9千瓦，是4g单站的三倍左右。如何降低5g基站的能耗成为目前无线通信技术研究的重点之一。


技术实现要素：

6.本技术的一个目的是提供一种双层异构网络基站的节能控制方法及系统的新技术方案，至少能够解决降低基站能耗的问题。
7.根据本技术的第一方面，提供了一种双层异构网络基站的节能控制方法，所述双层异构网络基站包括宏基站和微基站，所述节能控制方法包括以下步骤：s1、输入所述宏基站范围内所有用户设备的位置信息、数据传输速率需求以及当前每个所述用户设备通信连接的基站信息，并进行数据预处理；其中，用户的数据传输速率需求包括第一速率数据传输需求和第二速率数据传输需求，其中，第一速率小于第二速率，
所述第一速率数据传输需求的用户分配给所述宏基站，所述第二速率数据传输需求的用户优先分配给所述微基站；s2、定义自适应粒子群算法的参数，并初始化粒子种群的位置和速度；其中，所述参数包括：粒子群数量，最大迭代次数，学习因子c1和c2，惯性权重值w；s3、将初始化的每个粒子的位置信息代入目标函数内进行解码，确定所有所述用户设备连接的基站信息，每个所述微基站的功率模式以及功率模式过渡信息，并根据优化结果中每个基站的功率模式以及连接的用户数量，得到所述双层异构网络基站中所有基站的总能耗；其中，所述微基站包括关闭模式、休眠模式、第一功率模式、第二功率模式和额定功率模式，第一功率的数值范围小于第二功率的数值范围；s4、从所述目标函数内返回粒子的自适应值，进行粒子间最优值的比较，同时更新所述自适应粒子群算法的自适应参数，重复步骤s3和s4，直至迭代终止条件，得到最优解。
8.可选地，所述节能控制方法还包括：s5、每隔固定的时间运行一次所述自适应粒子群算法，得到每个时间段内每个基站最优的功率模式和所述用户设备连接的基站信息。
9.可选地，在所述步骤s3中，得到该区域所有基站的总能耗的公式为：其中，代表所有基站的总能耗，代表所述宏基站的能耗，代表所述微基站的能耗，代表所述微基站切换功率模式消耗的能耗。
10.可选地，所述宏基站的能耗公式为：其中，代表所述宏基站的固定能耗功率，代表所述宏基站维持1mbps数据传输速率所需消耗的功率，代表所述宏基站此时传输的总数据流量。
11.可选地，所述宏基站传输的总数据流量的公式为：其中，代表所述宏基站传输的总数据流量，代表第二速率数据传输，为1mbps，代表第一速率数据传输，为0.01mbps；代表用户设备是否需要数据传输服务，若需要则，否则；代表用户设备是否需要高速率数据传输服务，如果需要则，否则；代表用户设备与基站相连，否则，代表用户设备与基站不相连。
12.可选地，所述微基站的能耗公式为：
其中，代表所述微基站的能耗，代表所述微基站传输的总数据流量，代表所述微基站在功率模式下的固定能耗，代表所述微基站在功率模式下的固定能耗，代表所述微基站维持1mbps数据传输速率所需消耗的功率，表示基站处于功率模式。
13.可选地，所述微基站传输的总数据流量的公式为：其中，代表所述微基站传输的总数据流量，代表第二速率数据传输，为1mbps，代表第一速率数据传输，为0.01mbps，代表用户设备是否需要数据传输服务，若需要则，否则；代表用户设备是否需要高速率数据传输服务，如果需要则，否则；代表用户设备与基站相连，否则，代表用户设备与基站不相连。
14.可选地，所述微基站切换功率模式消耗的能耗的公式为：其中，代表所述微基站切换功率模式消耗的能耗，代表从关闭到开启状态所消耗的能耗，代表从休眠状态到开启状态所消耗的能耗，代表基站是否从关闭状态切换到开启状态，如果是则，否则，代表基站是否从休眠状态切换到开启状态，如果是则，否则。
15.根据本技术的第二方面，提供一种双层异构网络基站的节能控制系统，应用于权上述实施例中所述的双层异构网络基站的节能控制方法，所述双层异构网络基站包括宏基站和微基站，所述节能控制系统包括：输入模块，用于输入所述宏基站范围内所有用户设备的位置信息、数据传输速率需求以及当前每个所述用户设备通信连接的基站信息；预处理模块，用于对输入的数据信息进行数据预处理；初始化模块，用于根据定义的自适应粒子群算法的参数，初始化粒子总群的位置和速度；解码模块，用于将初始化的每个粒子的位置信息代入目标函数内进行解码，确定所有所述用户设备连接的基站信息，每个所述微基站的功率模式以及功率模式过渡信息，并根据优化结果中每个基站的功率模式以及连接的用户数量，得到所述双层异构网络基站中所有基站的总能耗；比较和更新模块，用于粒子间最优值的比较，同时更新自适应粒子群算法的自适应参数，并得到最优解。
16.根据本技术的第三方面，提供一种计算机可读存储介质，所述计算机可读存储介
质存储有计算机程序，所述计算机程序被处理器运行时，使得所述处理器执行上述实施例中所述的双层异构网络基站的节能控制方法。
17.根据本发明实施例的双层异构网络基站的节能控制方法，将微基站划分为五种运行模式：关闭，休眠，第一功率、第二功率，额定功率，能耗依次增大。通过改变功率模式，灵活调节微基站信号的覆盖范围，以达到节能运行目的。在数据传输层面，传统数据传输服务均由最近的微基站执行。而本发明将用户的数据传输需求按速率划分为低速率和高速率数据传输需求，将低速率数据传输需求的用户分配给较远的宏基站，而将高速率数据传输需求的用户优先分配给微基站。这种数据传输分类可以尽可能降低微基站的启动概率，避免由于低速率数据传输需求用户导致微基站运行工作的场景，间接达到节能的目的。在优化目标函数中，考虑由于功率模式的切换导致额外的能量损耗（如休眠模式切换至启动，关闭切换至启动需要消耗额外能量），因此可以避免基站的频繁启动造成信号延时过长问题。在算法设计层面，提出的自适应粒子群算法可以加快求解速度，同时避免陷入该优化问题的局部最小值，因此可以更快更准确地找到全局最优解。
18.通过以下参照附图对本技术的示例性实施例的详细描述，本技术的其它特征及其优点将会变得清楚。
附图说明
19.被结合在说明书中并构成说明书的一部分的附图示出了本技术的实施例，并且连同其说明一起用于解释本技术的原理。
20.图1是本发明的双层异构网络基站的节能控制方法的流程框图；图2是本发明用于判断进化状态的隶属函数示意图；图3是本发明基于自适应粒子群算法的双层异构网络基站的节能控制方法流程原理图；图4是本发明的仿真实验基站总能耗对比图；图5是本发明的自适应粒子群算法的收敛性能测试图；图6是本发明的双层异构网络基站的节能控制系统的结构原理图；图7是本发明的电子设备的结构原理图。
21.附图标记：节能控制系统100；输入模块10；预处理模块20；初始化模块30；解码模块40；比较和更新模块50；电子设备200；处理器201；存储器202；操作系统2021；应用程序2022；网络接口203；输入设备204；硬盘205；显示设备206。
具体实施方式
22.现在将参照附图来详细描述本技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本技术的范围。
23.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本技术及其应用或使用的任何限制。
24.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
25.在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
26.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
27.下面结合附图具体描述根据本发明实施例的双层异构网络基站的节能控制方法。
28.如图1至图5所示，根据本发明实施例的双层异构网络基站的节能控制方法包括以下步骤：s1、输入宏基站范围内所有用户设备的位置信息、数据传输速率需求以及当前每个用户设备通信连接的基站信息，并进行数据预处理；其中，用户的数据传输速率需求包括第一速率数据传输需求和第二速率数据传输需求，其中，第一速率小于第二速率，第一速率数据传输需求的用户分配给宏基站，第二速率数据传输需求的用户优先分配给微基站；s2、定义自适应粒子群算法的参数，并初始化粒子种群的位置和速度；其中，参数包括：粒子群数量，最大迭代次数，学习因子c1和c2，惯性权重值w；s3、将初始化的每个粒子的位置信息代入目标函数内进行解码，确定所有用户设备连接的基站信息，每个微基站的功率模式以及功率模式过渡信息，并根据优化结果中每个基站的功率模式以及连接的用户数量，得到双层异构网络基站中所有基站的总能耗；其中，微基站包括关闭模式、休眠模式、第一功率模式、第二功率模式和额定功率模式，第一功率的数值范围小于第二功率的数值范围。
29.s4、从目标函数内返回粒子的自适应值，进行粒子间最优值的比较，同时更新自适应粒子群算法的自适应参数，重复步骤s3和s4，直至迭代终止条件，得到最优解。
30.换言之，参见图1，在本技术的双层异构网络基站的节能控制方法中，双层异构网络基站包括宏基站和微基站，其中，宏基站（macro cell base station，mbs）指通信运营商的无线信号发射基站。这种基站体积和功率较大，承载的用户数量很大，覆盖面积很广，一般都能达到数公里。微基站（small cell base station，sbs）通常指在楼宇中或密集区安装的小型无线信号发射基站。这种基站的体积和功率较小、覆盖面积小，承载的用户量比较低。在本技术中，用户设备（user equipments，ues）指代移动终端设备，与基站（本技术的宏基站、微基站可以统称为基站）之间进行数据通讯。不同设备的数据通讯需求不同，一些用户设备要求高速率数据传输服务（high rate data traffic，hrdt），而一些用户只需要低速率数据传输服务（low rate data traffic，lrdt）。
31.本技术通过在一个宏基站和众多微基站组成的超密集异构网络中，基于数据传输业务负荷状态结合自适应粒子群优化算法，对基站资源进行优化调度，在运行基站时更好
地降低总体能耗。该节能控制方法需要根据数据传输业务在时间、空间等分布特征，以及网络负荷的变化。在保证预定指标的前提下，通过对基站硬件资源进行合理调配，从而达到节约基站能耗的目的。
32.在现有的一些基站节能方法中，例如，第一种，在一种异构网络中基于流量预测的基站休眠方法中，针对传统的基站休眠方法基于确定的流量模型设计，无法适应实际中基站负载流量动态变化的缺点，首先利用改进的小波神经网络(modified wavelet neural network，mwnn)模型对基站的负载流量进行动态预测，然后根据预测的结果选择在网络非高峰期时，利用微基站代替宏基站为用户提供服务。尽管微基站的覆盖范围小于宏基站，但是当用户数量处于非高峰期时，一定数量的微基站的覆盖范围依旧可以保证对用户的服务。而且由于微基站所需的发射功率要远小于宏基站的发射功率，因此该方法可以节省网络能耗,达到绿色通信的目的。
33.再比如，第二种，在基于双门限的异构网络中小基站的开启/睡眠状态控制方法中，公开了一种基于双门限的异构网络中小基站的开启/睡眠状态控制方法。传统单门限值控制的小基站，由于用户流动性导致小基站频繁开闭，使得信令开销大增，大大降低了用户体验。该方法针对小基站状态频繁切换的问题，提出了基于双门限的异构网络中小基站开启/睡眠状态的控制方法。可以自动关闭负载值小或无负载的小基站,降低异构网络的能耗.采用有一定间隔上,下双门限控制,能够降低小基站在开启和睡眠状态间的切换概率,减小信令开销,提高用户通信质量。
34.再比如，第三种，在一种大规模异构蜂窝网络中最大化系统效益的优化方法中，包括以下步骤:(1)异构蜂窝网络中通过基站分配和用户传输功率控制实现以最小总传输功率最大化系统效益，其中，优化问题描述为一个多目标优化；(2)将问题p1转化为基站分配和用户传输功率控制的联合优化问题；(3)采用基于联盟形成游戏和模拟退火的功率控制系统效益最大化算法，即posem算法，问题p2获得最优解(x(k-1)，p(k-1))。该方法提供一种在异构蜂窝网络中通过基站分配和用户传输功率控制实现以最小总传输功率最大化系统效益的优化方法。
35.目前，传统基站节能控制策略为，微基站为其覆盖范围内的用户提供数据传输服务，一旦不存在需要服务的用户时，微基站自动进入休眠模式。然而，该节能模式存在一系列的问题：一、由于一天大部分时间都存在需要数据传输服务的用户，因此微基站进入休眠模式的概率较低。二、由于未将数据传输按照速率高低进行分类，一些低速率传输服务由远处的宏基站执行即可，没有启动运行微基站的必要。三、由于微基站之间存在重叠的信号覆盖区域，有时候当所有用户处于该区域时，可以关闭或休眠某一微基站，通过邻近的微基站完成数据传输服务。以上三点决定了传统基站控制策略节能效果十分有限，需要一个同时考虑不同数据传输速率，不同基站功率模式，不同信号覆盖范围的异构网络基站节能控制方法。
36.因此，现有的上述三种方法均存在各种不同缺陷，第一种，在实际应用中，随着移动设备的广泛普及，很多用户常常处于微基站覆盖不到的范围，因此关闭宏基站只开启微基站的方式不可取，经常无法满足用户的业务需求。在现实中，往往是关闭或休眠微基站，将微基站的业务转移至宏基站进行处理。
37.第二种，只是简单提及了一种避免频繁开启微基站的双门限控制结构。但是无法
站在系统的角度，降低整体异构网络的基站能耗。而我们在考虑节约能耗时，需要综合考虑业务在时间、空间上的不均匀分布，在保证预定指标的前提下，通过对基站硬件资源进行合理调配，从而达到节约基站能耗的目的。
38.第三种，只是简单使用优化算法得到最佳的基站分配和传输功率，但是并未考虑改变基站的运行模式，例如将微基站进行休眠或者关闭，因此基站节能效果十分有限。
39.本技术的双层异构网络基站的节能控制方法中，如图1和图3所示，输入宏基站范围内所有用户设备的位置信息、数据传输速率需求以及当前每个用户设备通信连接的基站信息，并进行数据预处理。其中，用户的数据传输速率需求包括第一速率数据传输需求和第二速率数据传输需求，其中，第一速率小于第二速率，第一速率数据传输需求的用户分配给宏基站，第二速率数据传输需求的用户优先分配给微基站。第一速率为低速率，第二速率为高速率。
40.该步骤中，由于每个用户设备会先向宏基站发送数据传输（高速率/低速率）的请求。因此，通过宏基站可以得到当前所有用户设备的位置信息，再结合已知的微基站位置，可以控制用户设备与附近的微基站相连接并进行数据通信。
41.然后，定义自适应粒子群算法的参数，并初始化粒子种群的位置和速度；其中，参数包括：粒子群数量，最大迭代次数，学习因子c1和c2，惯性权重值w。其中，给定的数据参数与算法变量如下：其中，给定参数（parameters）为：：用户设备索引，，由于粒子的维数也是等于i，因此也代表单个粒子维度的索引。
42.：基站索引，，j代表宏基站，其余均代表微基站。
43.：微基站功率模式索引，，1代表关闭状态，2代表休眠状态，3-5依次代表低功率（第一功率），中功率（第二功率）和额度功率。
44.：粒子群迭代次数索引，。
45.：粒子群中的粒子索引，。
46.：为的一维二进制向量，代表用户设备是否需要数据传输服务，如果需要则，否则。
47.：为的一维二进制向量，代表用户设备是否需要高速率数据传输服务，如果需要则，否则。
48.：为
ꢀꢀ
的二维实数矩阵，代表用户设备与基站之间的距离。
49.：为的一维实数向量，代表微基站在功率模式下的信号覆盖半径距离，，。
50.：为的一维整数向量，代表微基站在额定功率下覆盖的用户设备数量。
51.: 微基站在额定功率下覆盖的用户设备数量的阈值，决定微基站是否关闭或者采用休眠模式。当没有用户设备与微基站相连时，如果相连时，如果，则采用休眠模式，否则关闭基站。
52.算法变量（variables）为：：为的二维整数型向量，代表粒子群的位置信息。代表粒子中的用户设备的连接信息。该用户设备与相距第n远的微基站相连（最远和第n远的微基站相连），如果，则代表用户设备与宏基站相连。每个粒子位置信息的下界为，上界为 。
53.：为的二维实数型向量，代表粒子群的速度信息。每个粒子的最大搜索速度为。
54.：为
ꢀꢀ
的二维二进制矩阵，代表用户设备与基站相连，否则，代表用户设备与基站不相连。
55.：为
ꢀꢀ
的二维实数矩阵，表示用户设备与基站相连，（）且相距的距离，否则。
56.：为
ꢀꢀ
的二维二进制矩阵， 表示基站处于功率模式。由于宏基站一直处于额定功率状态，因此保持不变。
57.：为的一维二进制向量，代表基站是否从关闭状态切换到开启状态，如果是则，否则。
58.：为的一维二进制向量，代表基站是否从休眠状态切换到开启状态，如果是则，否则。
59.c1，c2：自适应粒子群算法中的学习因子，初始化c1=2，c2=2。
60.w：自适应粒子群算法中的惯性权重，初始化w=0.9。
61.需要特别注意的是，如果用户设备无法连接到最近的微基站进行高速率数据传输通信,则默认该用户设备将连接到宏基站，即，此时由宏基站为该用户提供高速率数据传输服务。
62.粒子群算法通过逐步计算当前搜索到的最优值来寻找全局最优。类比于鸟类群飞行觅食，鸟之间通过集体的协作使群体达到最优目的，也就是最优解的位置。可以将每个粒子看作是多维搜索空间中的一个没有体积的微粒（点），开始条件下的各个粒子初始化获得初始随机位置以及速度后，代入目标函数计算每个粒子的适应值，并于历史最佳位置和全
局最佳位置的适应值进行比较，以此作为依据更新粒子的速度和位置。通常算法达到最大迭代次数或者最佳适应度值增量小于某个给定的阈值时算法停止，此时最佳的粒子位置即为最优解。针对传统粒子群算法收敛的速度不稳定和容易陷入局部最小值的缺点，自适应粒子群算法可以从进化状态评估（ese）、系统自适应参数（惯性权重、局部和全局加速度）和精英学习策略（els）三方面对其进行改进。
63.本算法中每个粒子的位置信息x在一个一维向量空间内，初始化的粒子位置信息可以是搜索向量空间内随机1至n 1之间的整数。在决定搜索向量空间x的上界和下界后，可以计算粒子的最大搜索速度为，每个粒子的初始化速度为，表示在[0，1]范围里变化的随机值。初始化惯性权重值w取为0.9，初始化的学习因子c1和c2取值均为2。将初始化的粒子位置信息输入目标函数进行适应值的计算。
[0064]
在本技术的将初始化的每个粒子的位置信息代入目标函数内进行解码，确定所有用户设备连接的基站信息，每个微基站的功率模式以及功率模式过渡信息，并根据优化结果中每个基站的功率模式以及连接的用户数量，得到该区域所有基站的总能耗的步骤中。微基站包括关闭模式、休眠模式、第一功率模式（低功率模式）、第二功率模式（中功率模式）和额定功率模式，第一功率的数值范围小于第二功率的数值范围。
[0065]
将每个粒子位置信息在目标函数内进行解码，代表粒子中的用户设备的连接信息。该用户设备将与相距第n远的微基站相连（最远和第n远的微基站相连），如果，则代表用户设备与宏基站相连。需要特别注意的是，如果用户设备无法连接到最近的微基站进行高速率数据传输通信（），则默认该用户设备将连接到宏基站，即，此时由宏基站为该用户提供高速率数据传输服务。通过粒子位置信息x解码可得到所有用户设备连接的基站信息（矩阵a）以及每个用户设备与基站相距的距离（矩阵e）。根据矩阵e，可知每个基站与所连接设备的最远距离，结合不同功率模式下微基站的覆盖范围（向量l），即可判断该基站的功率模式k。当没有用户设备与微基站j相连时，如果，则微基站j采用休眠模式，否则关闭基站。根据每个微基站的初始功率模式与优化后的功率模式，可以得到由于切换功率模式导致的时间延迟。综上，通过对每个粒子的位置信息进行解码，对应得到所有用户设备连接的基站信息，每个微基站优化后的功率模式以及功率模式过渡信息，本技术从目标函数内返回粒子的自适应值，进行粒子间最优值的比较，同时更新自适应粒子群算法的自适应参数，重复步骤s3和s4，直至迭代终止条件，得到最优解的步骤中，当粒子群的自适应值全部从目标函数返回后，选择其中这一代粒子群中最好的粒子标记为，对应的粒子位置信息为，所有粒子中最好的粒子标记为，对应的粒子位置信息为，然后更新第p个粒子的速度和位置信息。
[0066]
与此同时，由于自适应粒子群算法的特点，在更新粒子群的速度和位置信息前，需要对算法的收敛性进行评价，同时更新算法参数w,c1,c2。该算法通过三部分改进传统粒子群算法，分别是进化状态评估（ese）、系统自适应参数（惯性权重w，学习因子c1和c2）和精英学习策略（els）。
[0067]
由此，根据本发明实施例的双层异构网络基站的节能控制方法，将微基站划分为五种运行模式：关闭，休眠，第一功率、第二功率，额定功率，能耗依次增大。通过改变功率模式，灵活调节微基站信号的覆盖范围，以达到节能运行目的。在数据传输层面，传统数据传输服务均由最近的微基站执行。而本发明将用户的数据传输需求按速率划分为低速率和高速率数据传输需求，将低速率数据传输需求的用户分配给较远的宏基站，而将高速率数据传输需求的用户优先分配给微基站。这种数据传输分类可以尽可能降低微基站的启动概率，避免由于低速率数据传输需求用户导致微基站运行工作的场景，间接达到节能的目的。在优化目标函数中，考虑由于功率模式的切换导致额外的能量损耗（如休眠模式切换至启动，关闭切换至启动需要消耗额外能量），因此可以避免基站的频繁启动造成信号延时过长问题。在算法设计层面，提出的自适应粒子群算法可以加快求解速度，同时避免陷入该优化问题的局部最小值，因此可以更快更准确地找到全局最优解。
[0068]
根据本发明的一个实施例，节能控制方法还包括：s5、每隔固定的时间运行一次自适应粒子群算法，得到每个时间段内每个基站最优的功率模式和用户设备连接的基站信息。
[0069]
如图4所示，本技术通过24小时的仿真实验，将5g基站节能控制策略的总能耗与传统基站控制策略的总能耗进行比较。仿真实验可以在一个宏基站的覆盖范围内进行，已知微基站的分布和位置信息。假设随机生成一组需要数据传输服务的用户设备，这些设备的数据服务时间和数据传输速率的需求（低/高速率）是随机生成的，同时各个用户设备以随机速度往任意方向移动。通过对该过程进行24小时的仿真，利用5g基站节能控制策略和传统基站控制策略，分别对基站的工作状态进行调节控制，最终比较两者基站总能耗的大小。
[0070]
在本技术中，在步骤s3中，得到该区域所有基站的总能耗的公式为：其中，代表所有基站的总能耗，代表宏基站的能耗，代表微基站的能耗，代表微基站切换功率模式消耗的能耗。
[0071]
宏基站的能耗公式为：其中，代表宏基站的固定能耗功率，后半部分代表基于负荷的能耗，连接的用户设备越多，传输的数据流量越大，则能耗越大。
[0072]
代表宏基站维持1mbps数据传输速率所需消耗的功率，即w/mbps。代表宏基站此时传输的总数据流量。
[0073]
宏基站传输的总数据流量的公式为：
其中，代表宏基站传输的总数据流量，代表高速率（第二速率）数据传输，为1mbps，代表低速率（第一）数据传输，为0.01mbps；代表用户设备是否需要数据传输服务，若需要则，否则；代表用户设备是否需要高速率数据传输服务，如果需要则，否则；代表用户设备与基站相连，否则，代表用户设备与基站不相连。
[0074]
微基站的能耗公式为：其中，代表所述微基站的能耗，代表微基站传输的总数据流量，代表微基站在功率模式下的固定能耗，代表微基站在功率模式下的固定能耗，后半部分代表基于负荷的能耗，连接的用户设备越多，传输的数据流量越大，则能耗越大。代表微基站维持1mbps数据传输速率所需消耗的功率，表示基站处于 功率模式。
[0075]
微基站传输的总数据流量的公式为：其中，代表微基站传输的总数据流量，代表高速率数据传输，为1mbps，代表低速率数据传输，为0.01mbps，代表用户设备是否需要数据传输服务，若需要则，否则；代表用户设备是否需要高速率数据传输服务，如果需要则，否则；代表用户设备与基站相连，否则，代表用户设备与基站不相连。
[0076]
需要注意的是，微基站存在最大数据传输速率的限制，如果，即微基站传输的数据总速度超过自身的带宽限制时，将超出部分的用户设备转移连接至宏基站。
[0077]
微基站切换功率模式消耗的能耗的公式为：
其中，代表微基站切换功率模式消耗的能耗，代表从关闭到开启状态所消耗的能耗，代表从休眠状态到开启状态所消耗的能耗，代表基站是否从关闭状态切换到开启状态，如果是则，否则，代表基站是否从休眠状态切换到开启状态，如果是则，否则。
[0078]
在本技术中，参见图5，由于自适应粒子群算法需要进行收敛状态评估（ese），为后面的自适应参数（惯性权重w，学习因子c1和c2）提供基础。首先需要计算每个粒子p相对于其他粒子的平均距离（欧式距离）（欧式距离）代表粒子群的粒子数量，代表矩阵空间的维数。然后选出每一代粒子群中最佳适应值的粒子，最大距离和最小距离，以此计算进化因子f用于评价这一代粒子群的收敛程度。
[0079]
根据上面计算的f，使用隶属函数判断进化的状态，隶属函数判断方式如图2所示。其中四个状态分别是s1：探索（exploration）、s2:发现（exploitation）、s3:收敛（convergence）、s4:跳出（jumping out），隶属函数如图2所示。
[0080]
系统自适应参数（w,c1,c2）：根据进化状态f可以判断学习因子c1和c2的变化策略。如果处于搜索状态（s1），需要增加c1减小c2；处于发现状态（s2），需要轻微增加c1轻微减少c2；处于收敛状态（s3），需要轻微增加c1轻微增加c2；处于跳出状态（s4）需要减少c2增加c1。
[0081]
除了学习因子，权重惯性因子w也需要随着进化状态f发生自适应变化。
[0082]
本发明中w初始化设定是0.9，在跳出状态和探索状态下，较大的f和较大的w更有利于全局搜索，相反在开发状态和收敛状态下f较小，w会减小更有利于局部的搜索。
[0083]
精英学习策略（els）在实验中的有些情况下，单纯使用状态评估（ese）来动态更新w，c1和c2容易出现算法不收敛的情况。因此在收敛状态（s3）时，用精英学习策略（els）帮助全局最优粒子跳出局部最优区域，推进该粒子向着一个潜在最好区域前进。精英学习策略（els）选择了目标问题的其中一个维度进行变化，从统计学上意义来说，对于每一个维度选择的概率都是相同的，随机选择其中的第d个维度，加入高斯扰动，过程如下
正态分布时取0，是“精英学习率”，随着进化的代数而变化。和代表粒子在第d维度的最大最小界限。
[0084][0084]
取1，取0.1，g对应此时迭代的次数，g表示迭代的总次数。将pd的值替换最佳粒子中第d维的值，然后代入目标函数中计算对应适应值是否比最佳粒子更优，如果更优则替代最佳粒子，否则替代适应值最差的粒子。与标准的pso对比，apso算法只在初始化之后得第二步与pso不同，在第二步中算法加入了通过ese动态更新w，c1和c2的方法和els策略。
[0085]
将以上优化计算结果进行不断更新和迭代，当循环达到最大迭代次数，或者收敛稳定在某一阈值内时结束循环，得到所有基站的最优功率模式和用户设备连接信息。
[0086]
下面结合具体示例，描述本技术的双层异构网络基站的节能控制方法中的自适应粒子群算法。
[0087]
假设在某一宏基站范围内存在50个微基站，随机分布250个用户设备，实验的参数如下表一所示。自适应粒子群算法最大迭代次数200，种群数量为5。
[0088]
表一本技术的基于自适应粒子群算法的双层异构网基站的节能控制方法，将用户的数据传输需求按速率划分为低速率和高速率数据传输需求，将低速率数据传输需求的用户分配给较远的宏基站，而将高速率数据传输需求的用户优先分配给微基站。并将微基站划分为五种运行模式：关闭，休眠，低功率、中功率，额定功率，能耗依次增大。可以通过改变功率模式灵活调节微基站信号的覆盖范围，以达到节能运行目的。本技术的自适应粒子群算法中各参数的设定，加快收敛速度，避免陷入局部最优解。目标函数考虑由于功率模式的切换导致额外的能量损耗（如休眠模式切换至启动，关闭切换至启动），因此可以避免频繁的启动造成延时过长。在优化模型中考虑每个微基站的数据传输流量约束，可以将超出部分的
负载转移至其他基站。
[0089]
根据本技术的第二方面，提出一种双层异构网络基站的节能控制系统100，应用于上述实施例中的双层异构网络基站的节能控制方法，参见图6节能控制系统100包括：输入模块10，用于输入宏基站范围内所有用户设备的位置信息、数据传输速率需求以及当前每个用户设备通信连接的基站信息。预处理模块20，用于对输入的数据信息进行数据预处理。初始化模块30，用于根据定义的自适应粒子群算法的参数，初始化粒子总群的位置和速度。解码模块40，用于将初始化的每个粒子的位置信息代入目标函数内进行解码，确定所有用户设备连接的基站信息，每个微基站的功率模式以及功率模式过渡信息，并根据优化结果中每个基站的功率模式以及连接的用户数量，得到该区域所有基站的总能耗。比较和更新模块50，用于粒子间最优值的比较，同时更新自适应粒子群算法的自适应参数，并得到最优解。
[0090]
本技术的双层异构网络基站的节能控制系统100，将微基站划分为五种运行模式：关闭，休眠，第一功率、第二功率，额定功率，能耗依次增大。通过改变功率模式，灵活调节微基站信号的覆盖范围，以达到节能运行目的。在数据传输层面，传统数据传输服务均由最近的微基站执行。而本发明将用户的数据传输需求按速率划分为低速率和高速率数据传输需求，将低速率数据传输需求的用户分配给较远的宏基站，而将高速率数据传输需求的用户优先分配给微基站。这种数据传输分类可以尽可能降低微基站的启动概率，避免由于低速率数据传输需求用户导致微基站运行工作的场景，间接达到节能的目的。在优化目标函数中，考虑由于功率模式的切换导致额外的能量损耗（如休眠模式切换至启动，关闭切换至启动需要消耗额外能量），因此可以避免基站的频繁启动造成信号延时过长问题。在算法设计层面，提出的自适应粒子群算法可以加快求解速度，同时避免陷入该优化问题的局部最小值，因此可以更快更准确地找到全局最优解。
[0091]
本发明第三方面实施例，如图7所示，提供一种电子设备200，包括：处理器201和存储器202，在存储器202中存储有计算机程序指令，其中，在计算机程序指令被处理器201运行时，使得处理器201执行上述实施例中的双层异构网络基站的节能控制方法的步骤。
[0092]
进一步地，如图7所示，电子设备200还包括网络接口203、输入设备204、硬盘205、和显示设备206。
[0093]
上述各个接口和设备之间可以通过总线架构互连。总线架构可以包括任意数量的互联的总线和桥。具体由处理器201代表的一个或者多个中央处理器201（cpu），以及由存储器202代表的一个或者多个存储器202的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解，总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外，还包括电源总线、控制总线和状态信号总线，这些都是本领域所公知的，因此本文不再对其进行详细描述。
[0094]
网络接口203，可以连接至网络（如因特网、局域网等），从网络中获取相关数据，并可以保存在硬盘205中。
[0095]
输入设备204，可以接收操作人员输入的各种指令，并发送给处理器201以供执行。输入设备204可以包括键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。
[0096]
显示设备206，可以将处理器201执行指令获得的结果进行显示。
[0097]
存储器202，用于存储操作系统2021运行所必须的程序和数据，以及处理器201计算过程中的中间结果等数据。
[0098]
可以理解，本发明实施例中的存储器202可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(rom)、可编程只读存储器 (prom)、可擦除可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)或闪存。易失性存储器可以是随机存取存储器(ram)，其用作外部高速缓存。本文描述的装置和方法的存储器202旨在包括但不限于这些和任意其它适合类型的存储器202。
[0099]
在一些实施方式中，存储器202存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统2021和应用程序2022。
[0100]
其中，操作系统2021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序2022，包含各种应用程序2022，例如浏览器(browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序2022中。
[0101]
上述处理器201，当调用并执行存储器202中所存储的应用程序2022和数据，具体的，可以是应用程序2022中存储的程序或指令时，执行根据上述实施例的双层异构网络基站的节能控制方法的步骤。
[0102]
本发明上述实施例揭示的方法可以应用于处理器201中，或者由处理器201实现。处理器201可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器201中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器201可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器201也可以是任何常规的处理器201等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器202，处理器201读取存储器202中的信息，结合其硬件完成上述方法的步骤。
[0103]
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(asic)、数字信号处理器dsp)、数字信号处理设备(dspd)、可编程逻辑设备(pld)、现场可编程门阵列(fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本技术功能的其它电子单元或其组合中。
[0104]
对于软件实现，可通过执行本文功能的模块(例如过程、函数等)来实现本文的技术。软件代码可存储在存储器202中并通过处理器201执行。存储器202可以在处理器201中或在处理器201外部实现。
[0105]
具体地，处理器201还用于读取计算机程序，执行双层异构网络基站的节能控制方法的步骤。
[0106]
本发明第四方面实施例，还提供一种计算机可读存储介质，计算机可读存储介质
存储有计算机程序，计算机程序被处理器201运行时，使得处理器201执行上述实施例的双层异构网络基站的节能控制方法的步骤。
[0107]
在本技术所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0108]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0109]
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例收发方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器（read-only memory，简称rom）、随机存取存储器（random access memory，简称ram）、磁碟或者光盘等各种可以存储程序代码的介质。
[0110]
虽然已经通过例子对本技术的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本技术的范围。本领域的技术人员应该理解，可在不脱离本技术的范围和精神的情况下，对以上实施例进行修改。本技术的范围由所附权利要求来限定。