Energy Efficient Mobile Edge Computing in Dense Cellular Networks
移动边缘计算（MEC）是满足移动设备日益增长的计算需求的新兴范例，它与密集部署的基站（BS）相结合，被认为是迈向下一代移动网络的关键一步。然而，由于BS的无线电接入资源和计算资源必须被联合管理，并且它们在空间域和时间域两者中与业务复杂地耦合，因此对于设计能量高效的网络出现了新的挑战。在本文中，我们解决的挑战，将MEC到密集的蜂窝网络，并提出了一个有效的在线算法，称为引擎（能量约束卸载和睡眠），使联合计算卸载和BS睡眠的决定，以最大限度地提高服务质量，同时保持低能耗。我们的算法利用李雅普诺夫优化技术，在线工作，并实现了接近最优的性能，而不使用未来的信息。仿真结果表明，该算法在不牺牲用户服务质量的前提下，可以有效地降低能耗。
2017-01-25 cs.IT cs.NI math.IT
Intelligent Throughput-based Sleep Control Algorithm for the 5G Dense Heterogeneous Cellular Networks
在最近的过去，许多移动/电信运营商已经看到了对无处不在的高速无线接入的持续增长的需求以及连接的无线设备的前所未有的增长。因此，我们看到了流量的爆炸性增长和广泛的QoS要求。不同的移动运营商已经开发了第五代（5G）异构蜂窝网络（HetNet），以实现不断增长的海量数据容量，并在吞吐量QoS要求和延迟性能之间进行能量效率保证的权衡。然而，现有的能量效率算法不满足吞吐量QoS要求，诸如关于主导整个移动通信网络的5G无线电接入网络（RAN）的能量消耗的三个组成部分的减少的延迟和分组丢失、更长的电池寿命、可靠性和高数据率。此外，诸如语音和视频的实时业务类型在终端侧需要高计算负载，这对能量/电池寿命具有不期望的影响，这进一步影响吞吐量QoS性能，诸如减少的分组丢失、更长的电池寿命、可靠性和高数据率。因此，本文提出了一种基于智能调度的睡眠控制（ITSC）算法，用于提高5G密集HetNet的吞吐量QoS和能量效率。在所提出的ITSC算法中，使用深度神经网络（DNN）来确定小基站（SBS）的小区容量比。
2023-02-27 cs.NI
An Activity Management Algorithm for Improving Energy Efficiency of Small Cell Base Stations in 5G Heterogeneous Networks
异构网络（HetNet）是为了满足下一代蜂窝无线网络日益增长的需求而提出的，但它们也增加了基站的能耗。本文提出了一种提高HetNets能量效率的活动管理算法。智能睡眠策略被用于运营商部署的微微基站以进入睡眠和活动模式。根据该策略，当用户数量超过开启阈值时，微微节点变为活动的，并且当用户数量下降到关闭阈值以下时，微微节点进入睡眠方式。移动用户动态地进入和离开小区，触发微微基站的激活和去激活。该系统的性能进行了检查，为三种不同的蜂窝网络架构：边缘上的细胞（COE），均匀分布的细胞（UDC）和宏细胞唯一的网络（MoNet）。两种不同的用户分布被认为是：均匀和热点。研究了热点用户数和微微节点休眠能量对能量效率的影响。所提出的活动管理算法将以比特/J为单位测量的能量效率提高了$20\%$。与MoNet架构相比，HetNet用户实现的平均比特率增加了$29\%$。因此，所提出的活动控制算法增加了网络的频谱效率，同时更有效地消耗能量。
2019-01-28 cs.NI
Energy efficient cell-free massive MIMO on 5G deployments: sleep modes strategies and user stream management
本文提出在现有5G微/宏蜂窝部署基础上，通过前传链路连接基站至CPU实现CF-M-MIMO联合处理，结合基站休眠策略提升能效，并针对UE多天线场景管理用户流以平衡复用增益与导频污染。
2023-06-10 cs.NI eess.SP
Energy Efficient Sleep Awake Aware (EESAA) Intelligent Sensor Network Routing Protocol
无线传感器网络（WSNs），在环境中的日益增长的应用，而不是在人类到达已在最近的过去得到了极大的解决。为了优化网络的工作，人们提出了许多路由算法，主要集中在能量效率，网络生命周期，分簇过程。考虑到网络的同质性，提出了一种能量有效的无线传感器网络智能路由协议EESAA。在我们提出的技术中，我们评估和增强某些问题，如网络稳定性，网络寿命和簇头选择过程。利用传感器节点间特征配对的概念，优化了能量利用。仿真结果表明，我们提出的协议显着改善了
2012-12-17 cs.NI
Novel Methods for Load Estimation in Cell Switching in HAPS-Assisted Sustainable 6G Networks
针对垂直异构网络中休眠小基站流量负载数据缺失问题，提出三种基于空间插值的估计方案，实证验证其准确性对功耗优化方法可行性的关键作用。
2024-02-06 cs.NI cs.SY eess.SY
How Many Small Cells Can Be Turned off via Vertical Offloading under a Separation Architecture?
为了进一步提高异构网络的能量效率，提出了一种将控制信令和数据传输功能分离的超蜂窝网络（hyper-cellular network，HCN）结构。具体地，控制覆盖由宏基站（MBS）保证，而小小区（SC）仅用于数据传输。在HCN下，SC可以在业务负载降低时动态关闭以节省能量。一个基本的问题是：随着流量的变化，有多少SC可以被关闭？在本文中，我们以理论的方式解决这个问题，其中两个睡眠方案（即，随机和排斥格式）。分析结果表明：（1）在SC以一定概率关闭的随机方案下，SC的期望休眠率与SC层的业务负载成反比，并随MBS层的业务负载线性下降;（2）排斥方案只关闭靠近MBS的SC，对业务变化不敏感;（3）部署更密集的MBS使得能够关闭更多的SC，这可以有助于提高网络能量效率。数值结果表明，约50%的SC可以被关闭，平均在预定义的日常业务配置文件下，和10%以上的SC可以进一步关闭与层间信道借用。
2015-08-20 cs.IT cs.NI math.IT
Load-Based On/Off Scheduling for Energy-Efficient Delay-Tolerant 5G Networks
小型小区的密集部署被视为解决下一代5G无线网络中的流量需求的主要方法之一。然而，能源效率与大量的小型电池一起成为一个关键问题。因此，在这项研究中，我们考虑使用智能开/关调度（OOS）策略的节能小小区网络（SCN），其中一定比例的小基站（SBS）被置于能耗较低的睡眠状态，以节省能源。为此，我们首先表示整体SCN流量的一个新的负载变量，并严格使用伽马近似分析其统计数据。然后，我们提出了两个新的OOS算法，利用这个负载变量集中和分布式的方式。我们表明，建议的基于负载的OOS算法可以导致高达50%的节能，而不牺牲平均SCN吞吐量。此外，基于负载的策略工作良好，在高SCN流量和延迟不容忍的情况下，可以有效地使用负载统计。我们还表明，基于负载的算法的性能得到最大化的一定长度的睡眠期，其中假设短的睡眠期是保持SBS在睡眠状态很长一段时间的能源效率低。
2018-12-21 cs.NI
Energy and Spectral Efficiency Gains From Multi-User MIMO-based Small Cell Reassignments
在这项工作中，我们研究了相邻的小小区之间的用户设备（UE）的重新分配，同时使空间复用增益通过多用户MIMO（MU-MIMO）和减少能源消耗，通过切换空的小小区到睡眠状态。我们考虑UE可以在相邻的小小区之间被重新分配的情况，只要目标相邻小区包含被重新分配的UE可以在不经历过度多用户干扰的情况下与之执行MU-MIMO的UE，并且同时作为结果在先前的原始小区传输上实现频谱效率的最小预期增益。我们制定的选择决定，其中UE重新分配为一组覆盖问题的目标是最大限度地增加切换到睡眠状态的小小区基站的数量。我们的研究结果表明，对于室内和室外LTE小小区场景，所提出的基于MU-MIMO的重新部署实现了所需的活动小小区基站数量的显着减少，同时实现了频谱效率的提高。
2016-02-08 cs.NI
Backhaul-Constrained Multi-Cell Cooperation Leveraging Sparsity and Spectral Clustering
研究了蜂窝上行链路中回程业务受限的多小区协作处理问题。针对减少回程开销，稀疏正则化的多小区接收滤波器的设计问题。无论是非结构化的分布式合作，以及集群合作，其中基站组形成紧密合作，被认为是。动态分簇协作，稀疏均衡器和协作簇是共同确定的，通过交替最小化的谱聚类和组稀疏回归的基础上解决。此外，分散实现的非结构化和集群合作计划的可扩展性，鲁棒性和计算效率。大量的数值试验验证了所提出的方法的有效性。
2015-10-14 cs.IT cs.NI math.IT
Energy-Delay Tradeoff and Dynamic Sleep Switching for Bluetooth-Like Body-Area Sensor Networks
无线技术使医疗保健的新方法成为可能，特别是远程监测生命体征和指示人们健康的其他参数。本文考虑了与此类应用相关的系统场景，其中智能手机充当数据收集中心，从多个具有无线功能的身体传感器收集数据，并通过标准现有蜂窝网络将其中继到医疗保健提供商主机。关键数据的延迟和传感器的能量效率是相关且冲突的问题。因此，重要的是在接近最佳能量延迟折衷曲线的某个期望点处操作无线体域传感器网络。该折衷曲线是所采用的物理层协议的函数：特别地，它取决于多址方案以及可用的编码和调制方案。在这项工作中，我们考虑一个协议密切的启发广泛使用的蓝牙标准。首先，我们考虑最小能量函数的计算，即，保证网络中所有传输队列稳定性的每符号最小能量总和。然后，我们应用尼利开发的一般理论，开发一个动态调度策略，接近最佳的能量延迟权衡网络在手。最后，我们研究了队列动态，并提出了一种新的政策，自适应连接和断开（睡眠）模式之间的切换。我们表明，所提出的政策可以实现显着的收益，在现实的情况下，控制“空”数据包必要的保持连接活着，有一个非零的能量成本，和数据到达统计对应的感测物理过程是突发性的。
2012-04-21 cs.IT cs.NI math.IT
Dynamic Sleep Control in Green Relay-Assisted Networks for Energy Saving and QoS Improving
研究了在绿色中继辅助蜂窝网络中，基站（BS）由电网供电，中继站（RS）由可再生能源供电的中继站（RS）睡眠控制机制，旨在降低能耗的同时提高用户的服务质量（QoS）.通过采用绿色RS，大大降低了BS的电网功耗。但由于可再生能源的不确定性和随机性，可再生能源的电力供应并不总是充足的。因此，需要适当地调度所收集的能量以迎合动态交通，从而最小化长期的能量节省。一个优化问题，制定找到最佳的睡眠比RS匹配的能量收集和流量到达的时间变化。为了充分利用可再生能源，在用户关联过程中采用绿色RS优先原则。采用动态规划（DP）方法，将原优化问题分解为各个阶段的子问题，得到最优的RS休眠策略。进一步提出了一种简化DP算法和一种贪心算法，大大降低了计算复杂度。仿真结果表明，简化DP算法在节能和QoS性能方面优于贪心算法。
2015-07-14 cs.NI
Exploring Evolutionary Spectral Clustering for Temporal-Smoothed Clustered Cell-Free Networking
针对移动用户场景下簇状无蜂窝组网切换过多的问题，本文将多目标优化转化为时变图划分，并利用进化谱聚类提出时间平滑组网算法，在保持相近和速率的同时减少切换。
2024-12-03 cs.IT cs.NI eess.SP
Cell Switching in HAPS-Aided Networking: How the Obscurity of Traffic Loads Affects the Decision
Ankara Yıldırım Beyazıt University（安卡拉耶尔德勒姆贝亚兹特大学）；Carleton University（卡尔顿大学）
本文研究HAPS辅助网络中休眠基站流量负载估计误差对小区切换决策及能效的影响，并提出全尺度和轻量级两种Q-learning算法，实验表明其性能与最优算法仅差0.3%。
2024-05-01 cs.LG cs.NI cs.SY
Deep Reinforcement Learning with Spatio-temporal Traffic Forecasting for Data-Driven Base Station Sleep Control
Sun Yat-sen University（中山大学）；Tencent（腾讯）；Arizona State University（亚利桑那州立大学）
为了满足5G时代不断增长的移动业务需求，基站（BS）已经密集地部署在无线电接入网络（RAN）中以增加网络覆盖和容量。然而，由于BS的高密度被设计为适应峰值业务，如果BS在非峰值时间期间开启，则将消耗不必要的大量能量。为了节省蜂窝网络的能量消耗，一种有效的方法是去激活一些不服务于任何业务需求的空闲基站。在本文中，我们开发了一个流量感知的动态BS睡眠控制框架，命名为DeepBSC，它提出了一种新的数据驱动的学习方法来确定BS活动/睡眠方式，同时满足较低的能耗和满意的服务质量（QoS）的要求。具体而言，交通需求预测所提出的GS-STIM模型，它利用了地理和语义的时空相关性的移动流量。通过准确的移动业务预测，BS睡眠控制问题被转换为一个马尔可夫决策过程，通过演员-评论强化学习方法来解决。为了减少动态环境下成本估计的方差，我们提出了一种基准转换方法，为策略更新提供了鲁棒的性能指标。为了加快训练过程，我们采用了深度确定性策略梯度（DDPG）方法，以及探索者网络，这可以进一步加强探索。大量的实验与真实世界的数据集证实，我们提出的框架显着优于现有的方法。
2021-01-21 cs.AI cs.DC cs.NI
CCABC: Cyclic Cellular Automata Based Clustering For Energy Conservation in Sensor Networks
传感器网络被认为是下个世纪最重要的技术。尽管无线传感器网络有着巨大的应用潜力，但它也面临着低功耗、低带宽和有限电源等资源限制。提出了一种有效的技术，通过形成一个有效的集群的网络节点分布在广泛的地理区域的无线传感器网络（WSN）中的能源节约。聚类方案是围绕一个指定的类的元胞自动机（CA）被称为修改的循环元胞自动机（mCCA）。它在一个时刻将多个节点设置为待机模式，而不影响网络覆盖区域，从而节省电池电量。该方案还确定了一个有效的簇的大小，簇间和簇内的通信成本是最小的。仿真结果表明，基于循环元胞自动机的传感器网络节能分簇算法（CCABC）比现有的分簇算法和基于CA的节能技术更可靠。
2011-09-12 cs.NI
Dynamic Clustering Protocol for Data Forwarding in Wireless Sensor Networks
能量是传感器网络中非常关键的问题，因此主要的焦点在于开发一种通过能量平衡来增加传感器网络生命周期的机制。为了达到能量平衡和最大化网络寿命，我们使用了聚类的思想，并将整个网络划分为不同的簇。在本文中，我们提出了一个动态的集群形成方法，集群定期更新的基础上剩余能量，距离和成本。刷新集群最大限度地减少了任何单个节点的工作负载，从而提高了节能。睡眠和等待的方法被应用到所提出的协议，以提高网络的生命周期，根据他们的职责打开和关闭的节点。有数据要传输的节点处于开状态，在将其数据转发给簇头之后，它将其状态改变为关，从而节省了整个网络的能量。使用MAT实验室进行了模拟。仿真结果证明了我们提出的方法优于现有的Leach协议。
2013-06-05 cs.NI
Energy-Efficient Cell Partition of 3D Space for Sensor Networks with Location Information
在由电池供电的传感器节点组成的无线传感器网络中，如何节省每个节点的功耗是一个主要问题。解决这个问题的通常方法是只激活必要的节点（例如，组成骨干网的那些节点），并使其它节点休眠。使用位置信息的一种这样的算法是GAF（地理自适应保真度），并且GAF被增强为HGAF（分层地理自适应保真度）。在本文中，我们研究了能量有效的三维传感器场划分成细胞。此外，我们给出了这个问题的细胞大小的理论上限。
2013-12-10 cs.DC cs.NI
Spectral Efficient and Energy Aware Clustering in Cellular Networks
当前和预期的蜂窝业务增长对移动网络运营商（MNO）提出了新的挑战，移动网络运营商（MNO）必须在保持低资本支出和运营支出以确保长期可持续性的同时使其无线电接入网络（RAN）密集化。在此背景下，本文分析了基于设备到设备（D2D）通信的最佳集群解决方案，以部分或完全缓解移动网络运营商进行密集RAN部署的需求。具体地，提出了一种低复杂度的算法，该算法使得能够在来自不同小区的用户之间创建频谱有效簇，表示为增强的资源效率聚类优化（eCORE）。由于上行链路和下行链路流量之间的不平衡，一个互补的算法，称为集群算法的负载均衡（CaLB），也被提出来创建非频谱有效的集群时，他们导致的容量增加。最后，为了减轻簇头节点的能量消耗，提出了一种簇能量有效算法（CEEa），该算法能够在提高簇头节点的容量和降低部分用户的电池消耗之间进行权衡。实验结果表明，该算法提高了网络容量，性能优于现有的解决方案，同时，CEEa能够处理簇头节点的能量过度消耗问题。
2017-06-07 cs.NI
Scalable Distortion-Aware Clustering for Fronthaul-Limited Cell-Free MIMO Networks
University of Toronto（多伦多大学）；Ericsson Canada（爱立信加拿大）
针对前传受限无蜂窝MIMO网络，提出一种仅依赖大尺度衰落的可扩展失真感知聚类方法，通过多项式时间算法达到全局最优，性能优于现有方案。
2026-10-06 cs.IT cs.NI cs.SY
Content-Aware User Clustering and Caching in Wireless Small Cell Networks
本文研究了无线小小区网络中的内容感知用户分簇和内容缓存问题。特别是，制定了服务延迟最小化问题，旨在最佳缓存内容在小小区基站（SCBS）。为了解决优化问题，我们将其解耦为两个相互关联的子问题。首先，提出了一种聚类算法，将具有相似内容流行度的用户分组，以便在可能的情况下将相似用户关联到相同的SCBS。其次，提出了一种强化学习算法，使每个SCBS学习其用户组所请求的内容的流行度分布，并相应地优化其缓存策略。仿真结果表明，通过关联不同用户的不同流行模式，所提出的计划是能够最小化服务延迟的42%和27%，同时实现更高的卸载增益高达280%和90%，分别相比，随机缓存和非聚类学习计划。
2014-09-11 cs.NI
Interference Analysis in Dynamic TDD System Combined or not With Cell Clustering Scheme
动态时分双工（TDD）已经被引入作为处理上行链路和下行链路业务不对称的解决方案，主要针对密集异构网络部署观察到。然而，该特征的使用需要能够处理相反传输周期中的小区之间的两种附加类型的干扰的新的干扰减轻方案：下行链路到上行链路和上行链路到下行链路干扰。其中，小区聚类已被提出作为一种有效的解决方案，以最大限度地减少在相反的传输方向上的小区间干扰，并在某种程度上响应于增强的干扰缓解和业务自适应（eIMTA）问题的要求。本文的工作致力于提供一种新的分析方法来建模小区间干扰和量化的SINR（信号干扰加噪声比）分布的动态TDD系统的性能。分析系统性能调查涉及两种场景：i）没有任何其他特征的基本动态TDD和ii）具有干扰减轻方案的动态TDD。
2018-05-17 cs.NI cs.PF
Addressing the Load Estimation Problem: Cell Switching in HAPS-Assisted Sustainable 6G Networks
针对vHetNets中休眠小基站流量负载未知导致小区切换难以实用的问题，本文提出三种基于空间插值的负载估计方案，并验证多级聚类算法估计误差仅0.8%，可显著提升网络能效。
2024-05-02 cs.NI cs.SY eess.SY
Joint Clustering and Prediction of the Quality of Service in Vehicular Cellular Networks
KTH Royal Institute of Technology（瑞典皇家理工学院）；Ericsson Research（爱立信研究）
本文提出一种分布式优化框架，通过联合聚类和训练集群级预测模型，使节点在通信限制下合作预测服务质量分布，有效缓解概念漂移问题。
2026-04-14 cs.NI eess.SP
User Mobility Evaluation for 5G Small Cell Networks Based on Individual Mobility Model
随着小小区网络成为第五代（5G）蜂窝网络的核心部分，评估用户移动性对5G小小区网络的影响是一个重要问题。然而，传统的用户移动模型没有考虑人类活动的趋势和聚集习惯。本文基于个体移动模型（IMM），首先考虑人的倾向性和分簇行为，对5G小小区网络的用户移动性能进行评估。作为关键贡献，本文推导了热点类型5G小小区网络中用户暂停概率、用户到达和离开概率，用于评估用户移动性能。此外，分别针对5G小小区网络中的所有用户导出小小区和宏小区BS的覆盖概率。与传统的随机路点（RWP）模型相比，IMM模型为研究人的行为倾向和分簇行为对5G小蜂窝网络性能的影响提供了不同的视角。
2015-12-10 cs.NI
Increasing Cellular Network Energy Efficiency for Railway Corridors
现代火车充当法拉第笼，使得向乘客提供高蜂窝数据容量具有挑战性。一个解决方案是沿着铁路轨道部署线性单元，形成一个蜂窝走廊。为了提供足够高的数据容量，许多小区站点需要以规则的距离安装。然而，由于基础设施功耗，这种在短距离间隔中具有高功率站点的蜂窝走廊是不可持续的。为了使铁路连接更可持续，我们建议部署更少的高功率无线电单元，中间低功率支持中继器节点。我们表明，这些中继器消耗的能量只有普通基站的5%，并有助于在列车中保持相同的数据容量。在进一步的步骤中，我们为中继器节点引入了睡眠方式，该模式实现了自主太阳能供电，甚至简化了安装，因为不需要连接到中继器的电缆。
2022-05-24 cs.NI eess.SP
A Survey on 5G Radio Access Network Energy Efficiency: Massive MIMO, Lean Carrier Design, Sleep Modes, and Machine Learning
蜂窝网络已经改变了我们生活的世界，第五代（5G）无线电技术预计将进一步彻底改变我们的日常生活，通过其更大的容量，大规模的连接和超可靠的低延迟通信实现高度自动化。此外，第三代合作伙伴计划（3GPP）新无线电（NR）规范还提供了显著降低下一代网络的能耗和温室气体排放的工具，从而有助于实现信息和通信技术（ICT）可持续性目标。在这篇综述论文中，我们全面回顾了当前能源效率研究的最新进展。我们首先分类并仔细分析不同的电力消耗模型和能源效率指标，这有助于在理解绿色网络方面取得进展。然后，作为主要贡献，我们从理论和实践的角度详细调查了3GPP NR提供的主要能源效率使能技术，以及它们的主要好处和挑战。特别注意四个关键的使能技术，即，大规模多输入多输出（MIMO）、精益载波设计和高级空闲模式，以及人工智能功能的作用。我们深入探讨了它们的实施和操作细节，并从能源消耗的角度深入讨论了它们的最佳操作点和理论权衡。这将有助于读者掌握绿色网络的基本原理和现状。最后，研究领域，需要更多的努力，使未来的网络更环保的讨论。
2021-10-07 cs.NI
