面向异构蜂窝网络的微小基站绿色部署方法研究

发布时间：2020-04-28 17:23

【摘要】：超密集异构蜂窝网络是5G的关键技术之一,因其可以提升系统容量、提升边缘用户的服务质量的特性受到了学者广泛的关注。研究表明,在网络中部署一定数量的微小基站可以提升网络能效,但电磁辐射强度也随之增强,给环境造成了巨大的影响。因此在保证用户服务质量的条件下,通过合理地部署微小基站来实现绿色通信,具有一定的实际意义。鉴于异构蜂窝网络中微小基站的部署问题属于约束多目标优化问题,本文采用约束多目标算法来解决,而现有约束多目标算法的收敛性和分布性都有待提高。大量实验证明,约束多目标算法框架和算法的进化策略直接影响约束多目标算法的性能。为更好的解决异构蜂窝网络下微小基站绿色部署问题,本文将从以下三个方面进行研究。第一,为提升约束多目标算法的收敛速度、避免种群陷入局部最优,提出跳跃海豚群算法(Jumping Dolphin Swarm Algorithm,JDSA)。增加跳跃步骤,保留更多优秀解,加快收敛;提出声波长度随迭代自适应变化的策略以及含有变异因子的动态位置更新策略,满足算法不同时期对进化的需求;并加入早熟收敛机制,降低陷入局部最优的机率。最后,分析了参数对算法性能的影响,并与四种算法进行对比,实验表明其在收敛速度、收敛精度以及鲁棒性上优势明显。第二,为提升约束多目标算法收敛性和分布性,提出一种约束多目标海豚群算法(Constrained Multi-objective Dolphin Swarm Algorithm,CMO-DSA)。首先,提出一种基于Harmonic距离的循环删除的策略,既能更加准确地反映种群的分布性又可以使对处于同一等级的个体的筛选更为合理;其次,提出一种新的不可行解支配关系,使得更优秀的可行解参与进化;最后,对搜寻捕猎阶段的位置更新方式做出调整,并且将选择概率(常数)改为随迭代进行逐渐减小的函数,加快了算法后期的收敛速度。通过与三种算法在CTP1-7系列测试函数上对比,结果表明,约束多目标海豚群算法的具有良好的收敛性和分布性。第三,提出基于CMO-DSA的异构蜂窝网络微小基站绿色部署策略。首先,构建两层异构蜂窝网络拓扑结构,并给出用户速率、网络能效和电磁辐射强度的计算模型。针对用户分布动态变化的特征,利用概率加权的方式对问题模型进行了简化;其次,提出基于CMO-DSA的异构蜂窝网络微小基站绿色部署算法。最后,在MATLAB环境下进行仿真实验。通过分析基站数量与网络能效和电磁辐射强度以及平均用户速率的关系确定微小基站的最佳数目;在该数目下与HEEDA算法和双群体差分进化算法在MATALB上进行仿真实验,结果表明,与双群体差分进化算法相比,在保证平均用户速率的条件下,本文提出的CMO-DSA算法的网络能效最高可提升18.19%,且电磁辐射强度均在安全范围之内。
【学位授予单位】：东北电力大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN929.5

【相似文献】