[发明专利]一种异构网络中基于流量预测的基站休眠方法

说明书

本发明涉及一种异构网络中基于流量预测的基站休眠方法，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，本发明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（Pico Base Stations，PBSs）代替宏基站（Macro Base Station，MBS）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。

技术领域

本发明属于无线通信技术领域，涉及一种能够降低无线通信系统能耗的基站休眠方法，更具体的说提出了一种异构网络中基于流量预测的基站休眠方法。

背景技术

随着无线通信技术的快速发展以及用户需求的快速增长，未来的无线通信与网络技术面临着资源和能耗的双重约束。如何设计未来的移动通信网络，有效的利用无线资源成为政府以及学术界普遍关注的热点。

信息和通信技术(Information and Communication Technology，ICT)产业是能源消耗的大户，占全球能源消耗的2％左右，并且正在迅速增长，预计到2020年将会达到现在的3倍，占到全球碳排放量总数的30％以上。另据统计，在移动通信系统中，网络部分的能耗约占到实际能源消耗的90％，终端部分的能耗仅占10％左右；而在全部的网络能耗中，基站部分的能耗可以占80％左右，核心网部分仅约占20％。由此可见，减少基站能源消耗可以大幅度降低网络能耗，而在网络处于非高峰期时，动态休眠一些基站是一种最直接、最有效的手段。

但在实际中，使一些基站进入休眠或关闭状态可能会导致一些区域的用户无法被服务，这是不允许的。另外，一些传统的基站休眠方法基于确定的流量模型提出，无法适应实际中基站负载流量是动态变化的情况。

发明内容

为了解决上述问题，本发明提供了一种在异构网络中基于流量预测的基站休眠方法。该方法利用改进的小波神经网络模型根据基站流量历史信息，对基站流量进行动态预测，然后根据流量预测结果选择是否休眠宏基站，从而利用微基站对用户进行服务，达到节省网络能耗的目的。

本发明的技术方案为：首先初始化搭建改进的小波神经网络模型，利用采集到的基站流量信息对MWNN模型进行训练，以达到设定的目标预测误差精度，然后利用训练完成的MWNN模型和所需要的历史基站流量信息对未来的基站流量进行预测，选择在非用户高峰期时，休眠宏基站利用微基站提供用户服务。

为实现上述目的，本发明具体包括以下步骤：

(1)收集一个宏小区(宏基站提供用户服务)内一周的基站负载流量数据，并且以小时为间隔，每小时记录一次数据。并且将前六天的数据作为训练数据用来训练构造MWNN模型，后一天的数据作为测试数据，用来测试构建的 MWNN模型是否达到目标预测误差精度。

(2)搭建MWNN模型，并且初始化参数设置。所述的参数包括，MWNN模型的输入层神经元数目m，隐含层神经元数目h以及输出层神经元的数目n。其中，MWNN隐含层神经元的小波基函数为Morlet母小波基函数：

式中，x为输入数据X＝[x₁,x₂,…,x_m]^T。MWNN的第j个隐含层神经元输出为

其中，w_ij表示MWNN第i个输入神经元与第j个隐含层神经元之间的连接权值，a_j和b_j分别为第j个Morlet小波基函数的伸缩因子和平移因子。MWNN的第k个输出层神经元预测输出为