Problemin amac, toplam güç harcamas kst altnda, kullanclarn veri hzlar toplamnn logaritmik olarak maksimize edilmesidir. Veri hzlarnn logaritmik
Tablo 4.1: Makro ve Mikro baz istasyonlar için güç harcama modeli parametreleri [21]
Parametre De§eri
Makro baz istasyonu güç yükseteç verimi (µP A) 0.38
Makro baz istasyonu sinyal i³leme güç harcamas (PSP) 58 Watt
Makro baz istasyonu so§utma kabini katsays (CC) 0.29
Makro baz istasyonu güç kayna§ kayb (CP SBB) 0.11
Mikro baz istasyonu güç yükselteç verimi (µmicro
P A ) 0.2
Mikro baz istasyonu sinyal i³leme güç harcamas (Pmicro
SP ) 15 Watt
Mikro baz istasyonu güç kayna§ kayb (Cmicro
P S ) 0.11
olarak maksimize edilmesiyle birlikte, kullanclar arasnda oransal adalet sa§lan- m³ olur. Baz istasyonu anahtarlanmas ve kullanclarn atanmas problemi a³a§da 4.5, 4.6, 4.7, 4.8, 4.9 ile formüle edilmi³tir.
max x,y X i∈U X j∈B xijlog cij(y) P k∈U xkj (4.5) s.t.X j∈B xij = 1, ∀i ∈ U (4.6) X i∈U xij ≤ N yj, ∀j ∈ B (4.7) X j∈B yjPjT ≤ Pmax (4.8) xij, yj ∈ {0, 1}, ∀i ∈ U , j ∈ B (4.9)
(4.5) denklemi problemin amaç fonksiyonudur. Problemde amaç kullanclarn veri hz toplamnn logaritmik olarak maksimize edilmesidir. (4.6) numaral kst, her bir kullancnn sadece tek baz istasyonuna ba§lanabilece§ini göstermektedir. Herhangi bir baz istasyonuna ba§lanan kullanc saysnn, toplam kullanc saysndan fazla olamayaca§, (4.7) numaral kst ile ifade edilmi³tir. Ayrca, e§er baz istasyonu anahtarlanarak kapatlm³sa (öyle ki, yj = 0), kapatlan
baz istasyonuna ba§lanan kullanc da olmayacaktr. (4.8) numaral kst da sistemdeki toplam güç kstdr.
ekil 4.1 ve 4.2, tipik bir kullanc atama e³le³tirmesini göstermektedir. Hücresel haberle³me a§nda, bir adet makro baz istasyonu, on adet mikro baz istasyonu ve yüz adet de kullanc mevcuttur. ekil 4.1'de güç harcama kst 500 Watt iken, ekil 4.2'de güç harcama kst 200 Watt'tr. ekillerden de görülebilece§i üzere, güç harcama kst skla³tkça, makro baz istasyonu kendini kapatmakta ve sistem yükü mikro baz istasyonlarna da§lmaktadr.
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000
Kullanici Atamalari (1 Makro, 10 Mikro Baz Istasyonu, 100 Kullanici, P
maks=500 W) macro 1 2 3 4 5 6 7 8 9 10 X Ekseni (m) Y Ekseni (m) Kullanici
Makro Baz Istasyonu Mikro Baz Istasyonu
ekil 4.1: 1 makro baz istasyonu, 10 mikro baz istasyonu, 100 kullanc ve Pmax =
500 Watt için tipik kullanc atamas
4.3 Optimal Çözüm
[20]'de benzer bir oransal adalet problemi, herhangi bir güç kst olmadan incelen- mi³tir. Güç kst olmadan incelenen bu problemde bütün baz istasyonlar iletim
0 200 400 600 800 1000 1200 1400 1600 1800 2000 0 200 400 600 800 1000 1200 1400 1600 1800 2000
Kullanici Atamalari (1 Makro, 10 Mikro Baz Istasyonu, 100 Kullanici, P
maks=200 W) Makro 1 2 3 4 5 6 7 8 9 10 X Ekseni (m) Y Ekseni (m) Kullanici
Makro Baz Istasyonu Mikro Baz Istasyonu
ekil 4.2: 1 makro baz istasyonu, 10 mikro baz istasyonu, 100 kullanc ve Pmax =
200 Watt için tipik kullanc atamas
yapar halde tutularak, problem Lagrange Çift Yönlü Ayr³ma Metodu (Lagrange Dual Decomposition) ile çözülebilmektedir. Yalnz, bu tezde bahsedilen güç kstna sahip problemde, öncelikle giri³im seviyesi, sonrasnda da kullanc veri hzlar anahtarlama indikatörüne yj ba§ldr. Güç kstnn eklenmesiyle birlikte
problem, artk konveks olmayan (non-convex) ve kombinasyonal (combinato- rial) bir problem haline gelmi³tir. E§er (4.8) numaral güç kstn sa§layan, herhangi bir anahtarlama indikatörü kümesi bilinirse, problem [20]'deki haline indirgenebilir. Optimal sonucu veren anahtarlama indikatörleri, detayl bir arama algoritmas ile bulunabilir. Daha sonrasnda ise, kullanclar, çift yönlü ayr³ma metodu tabanl bir da§tk algoritma [20] ile baz istasyonlarna atanabilirler (Algoritma 3).
4.3.1 Optimal Anahtarlama ndikatörü Bulunmasnda Ayrn-
tl Arama: Dal-Snr Tabanl Optimal Çözüm
Dal-snr algoritmas [25], optimal çözümü verecek olan anahtarlama indikatörü setinin bulunmasnda kullanlm³tr. Bu algoritma detayl bir arama algorit- masdr. Olas bütün anahtarlama indikatör setleri, bir a§acn dallar ve altdallar ³eklinde olu³turulur. Bir altdaln standartalt bir çözüm oldu§u garanti edilirse, bu altdal devam ettirilmez ve ana daldan kesilir.
A§acn kökü olarak, bütün baz istasyonlarnn kapal oldu§u durum seçilir. Daha sonra ise bu kök, 1 numaral baz istasyonundan ba³layarak 2 dü§üme ayrlr. Bu dü§ümlerden bir tanesi baz istasyonunun açk oldu§u (y1 = 1)
durumu gösterirken, di§eri de baz istasyonunun kapal oldu§u (y1 = 0) durumu
göstermektedir. Bu i³lem 2 numaral baz istasyonunun da açk ve kapal durumda oldu§unu gösteren 2 altdala daha ayrlr ve sistemdeki bütün baz istasyonlarn kapsayacak ³ekilde altdallar olu³turulur.
A§açta bulunan D derinli§indeki bir dü§üm, D sayda baz istasyonunun anahtar- land§n ifade eder. Dü§ümün devamndaki anahtarlamalar da bu dü§ümün altdallar ³eklinde ifade edilir. A§açtaki herbir dü§ümün, veri hz logaritmalar toplamnn alt ve üst limitleri a³a§da belirtilmi³tir:
1. Üst Limit: D + 1, D + 2, ..., N dü§ümlerindeki baz istasyonlarnn hepsi güç kst olmadan açk durumdadr. Ayrca bu baz istasyonlarnn kullanclara herhangi bir giri³im yapmad§ kabul edilmektedir. Bu varsaymlara göre, kullanc veri hzlar ve optimal kullanc atamalar [20]'de yer alan da§tk algoritmaya göre bulunmu³tur.
2. Alt Limit: D + 1 numaral baz istasyonundan ba³lanarak, güç kst ihlal edilene kadar, baz istasyonlar açk konumuna getirilir.Ayrca bu açk olan baz istasyonlar kullanclara da giri³im yapmaktadr. Bu varsaymlara göre, kullanc veri hzlar ve optimal kullanc atamalar [20]'de yer alan da§tk algoritmaya göre bulunmu³tur.
daln alt limiti, di§er dallarn üst limitinden büyükse, ikinci dal a§açtan kesilir. Böylece standartalt olan daln kesilen daln altdallar da algoritmada yer almaz ve ve bu durum detayl dal-snr tabanl algoritmann verimli bir ³ekilde çal³masn sa§lar.
4.3.2 Anahtarlama ndikatörüyle Yaplan Kullanc Ata-
mas: Çift Yönlü Ayr³ma Metodu
[20]'de Lagrange çift yönlü ayr³ma metodu tabanl da§tk, uygulanabilir bir algoritma verilmi³tir. Ayn algoritma, açk olan baz istasyonlar seti bilindi§i taktirde, optimal kullanc atamasn bulabilmek için burada da uygulanabilir. A³a§da yer alan denklem sisteminde, bütünlük olmas açsndan, baz istasyonu yükü olan Pk∈Uxkjparametresi, Kj parametresi ile yer de§i³tirilmi³tir.
max x,y X i∈U X j∈B xijlog (cij(y)) − X j∈B Kjlog(Kj) (4.10) s.t.X i∈U xij ≤ Kj, ∀j ∈ B (4.11) Kj ≤ N yj, ∀j ∈ B (4.12) X j∈B xij = 1, ∀i ∈ U (4.13) xij, yj ∈ {0, 1}, ∀i ∈ U , j ∈ B (4.14)
(4.14) numaral denklem göstermektedir ki, yj ve xij 0 veya 1 de§erlerini alan
tamsaylardr. i numaral dü§üm için xij sadece bir j (öyle ki j ∈ B) için
bir de§erini alabilir, di§er j'ler için bu de§er sfrdr (Denklem (4.13)). Amaç fonksiyonu olan (4.10), (4.11) ve (4.12) numaral kstlarla de§erlendirildi§inde yeni durum, Denklem (4.15)'te görülebilir.
L(x, K, µ) =X i X j xijlog(cij(y) − X j Kjlog(Kj) + X j µj(Kj− X i xij) (4.15)
Denklem (4.15)'te yer alan ifadede, xij ile ilgili olan ksm ayr³trlabilir. A³a§da,
Denklem (4.16)'da xij, Kj ve yj ile ilgili olan ksmlar ayr³trlm³tr.
L(x, K, µ) = X i X j xij(log(cij(1) − µj)) + X j Kj(µj− log(Kj)) (4.16)
Denklem (4.16)'da yaplan i³lem ile problem, ikili xij ve yj tamsayl kstlar
altnda, maksimize problemine dönü³mü³tür. Ayr³trma özelli§ine göre, opti- mizasyon xij ve Kj de§i³kenleriyle da§tk bir biçimde yaplabilir hale gelmi³tir.
Denklem (4.16)'da yer alan maksimizasyon süreci, Algoritma 3'te açklanm³tr. Anahtarlama indikatörlü tabanl bu algoritmada, SGGO ve kullanc veri hzlar her bir ba§lant için hesaplanr. Daha sonra ise optimizasyon, iteratif bir ³ekilde, kullanclar (satr 5-8) ve baz istasyonlar (satr 9-12) arasnda yaknsayana kadar devam eder.
Algoritma 3 : Da§tk Algoritma [20]
1: Verilen yj, ∀j ∈ B de§erlerine göre, Hesapla SINRij(y)ve cij(y), ∀i ∈ B, j ∈
U 2: Ayarla t = 1 ve ba³lat µj(1), ∀j ∈ B, 3: while δ(t) > do 4: Ayarla δ(t) = 1 t2 Kullanc taraf: 5: for Bütün i ∈ U do 6: Bul j∗ = arg max
j∈B(log(cij(y)) − µj(t))
7: Ayarla xij∗(t + 1) = 1, ve xij(t + 1) = 0, ∀j 6= j∗
8: end for
Baz istasyonu taraf:
9: for Herbir j ∈ B do 10: Ayarla Kj(t + 1) = min(N, eµj(t)−1) 11: Ayarla µj(t + 1) = µj(t) − δ(t) Kj(t) − P i∈Uxij(t) 12: end for 13: t = t + 1 14: end while
4.4 Önerilen Kullanc Atama Algoritmas
Açk olacak baz istasyon setini belirleyen optimalalt açgözlü bir algoritma önerilmi³tir. Algoritma iki a³amadan olu³maktadr. lk a³amada bütün baz istasyonlar açk durumdadr ve bütün kullanclar bütün baz istasyonlarna ba§lanm³lardr(yj = 1, xij = 1, ∀i, j). Bütün kullanclarn tüm baz ista-
syonlarna ba§lanmas, baz istasyonlarnn zaman-payla³ml tabanl çal³mas sayesindedir.
Kullanclar baz istasyonlarna ba§landktan sonra, her bir baz istasyonun sa§lad§ veri hz (Rj) hesaplanr (Satr 3). Bütün baz istasyonlarnn sa§ladklar
veri hzlar kar³la³trldktan sonra, en dü³ük veri hzn sa§layan baz istasyonu seçilir ve kapatlr. Bu i³lem problemdeki güç kst sa§lanan kadar devam eder (Satr 4-8).
Algoritmann ikinci a³amas ise birinci a³ama ile benzerlik göstermektedir. kinci a³amada, birinciden farkl olarak, algoritmann ba³nda makro baz istasyonu kapal olarak ayarlanmaktadr.Daha sonrasnda ise birinci a³ama ile ayn ak³ ³emas takip edilmektedir (Satr 10-16). Son olarak iki a³amann sa§lad§ veri hzlarnn logaritmik toplamlar kar³la³trlmakta ve yüksek veri hz sa§layan açk baz istasyonu seti seçilmektedir.
Makro baz istasyonunun, algoritmann ba³nda kapatlmasnn sebebi, daha yüksek veri hz sa§lamasna ra§men, daha fazla güç tüketimine sahip olmasdr. ki a³ama arasndaki bu farkllk sayesinde en fazla güç harcamas yapan baz istasyonunun açk ve kapal durumdaki veri hz kar³la³trlmas rahatlkla yaplabilmektedir. Sk bir güç harcamas kst altnda, makro baz istasyonu açlmamaktadr ve bu durum daha fazla mikro baz istasyonunun açlmasna olanak sa§lamaktadr. Daha fazla mikro baz istasyonunun açld§ durumlarda da veri hz iyile³mesi görülebilmektedir.
Algoritma 4 : Önerilen Algoritma
1: lk A³ama: Ayarla yj = 1, ∀j ∈ B, xij = 1, ∀i ∈ B, j ∈ U,
2: Hesapla SINRij(y) ve cij(y), ∀i ∈ B, j ∈ U
3: Tanmla RB j =
P
i∈Ucij
4: while Pj∈ByjPjT > Pmax do
5: Bul j∗ = arg min
js.t.yj=1R
B j
6: Ayarla yj∗ = 0
7: Hesapla SINRij(y)ve cij(y), ∀i ∈ B, j ∈ U
8: end while
9: kinci A³ama: Ayarla y0
j = 1, ∀j 6= 1 ∈ B, xij = 1, ∀i ∈ B, j 6= 1 ∈ U, 10: Hesapla SINR0 ij(y0) ve c0ij(y0), ∀i ∈ B, j ∈ U 11: Tanmla RB0 j = P i∈Uc 0 ij 12: while Pj∈Byj0PjT > Pmax do
13: Bul j∗ = arg min js.t.y0 j=1R B0 j 14: Ayarla y0 j∗ = 0 15: Ayarla SINR0 ij(y 0) ve c0 ij(y 0), ∀i ∈ B, j ∈ U 16: end while
17: if Pilog(Ri(y0)) > Pilog(Ri(y0)) then
18: y = y0
19: else
20: y = y
21: end if
22: Kullanc atamalar xij bulmak için Algoritma 3'ü kullan
4.4.1 Kar³la³trma Algoritmas: Maksimum Sinyal-Gürültü+Giri³im
Oran(SGGO)
Önerilen da§tk algoritmann kar³la³trlmas amacyla, optimal çözümün yan sra, bir tane de kar³la³trma algoritmas geli³tirilmi³tir (Algoritma 5). Algo- ritma, bütün baz istasyonlarnn açlmasyla ba³lar. Sonrasnda her kullanc, en yüksek SGGO gördü§ü baz istasyonuna ba§lanr (Satr 2-7). Toplam güç kst ihlal edilmeden önceki son a³amaya kadar, en dü³ük yüke sahip olan baz istasyonu kapatlr.
Algoritma 5 Maks-SGGO Algoritmas
1: Ba³lat yj = 1, ∀j ∈ B
2: while yaknsamazsa do
3: Hesapla SINRij(y)ve cij(y), ∀i ∈ B, j ∈ U
4: for Bütün i ∈ U do 5: Bul j∗ = arg max
j∈B(cij(y)) 6: Ayarla xij∗ = 1, ve xij = 0, ∀j 6= j∗ 7: end for 8: Hesapla Kj = P i∈B(xij), ∀j ∈ B
9: Ayarla yj = 1 e§er Kj > 0, de§ilse yj = 0, ∀j ∈ B
10: if Pj∈ByjPjT < Pmax then
11: yaknsarsa
12: else
13: Bul j∗ = arg min
js.t.Kj>0(Kj)
14: yj∗ = 0
15: end if 16: end while
4.5 Simülasyon Sonuçlar
Performans analizinde, toplam hücresel haberle³me alan 2 farkl büyüklük (5000 × 5000m2 ve 2000 × 2000m2) ve maksimum güç harcamas kst 3 farkl
güç seviyesinde (400, 300 ve 200 Watt) alnarak, alt farkl durum incelen- mi³tir.Böylelikle hem ayn hizmet alanna sahip farkl güç kstlar altndaki durumlar incelenebilecek, hem de ayn güç kst altnda farkl hizmet alanna sahip a§lar kar³la³trlabilecektir. Her durumda, 20 rastgele ve farkl konum yer- le³tirmeleri yaplm³tr. Performance kriteri olarak oransal adalet kullanlm³tr (kullanclarn elde ettikleri veri hzlarnn logaritmik toplam). Simülasyon parametreleri Tablo 4.2'de listelenmi³tir[22], [23]. Performans analizi için 3 farkl algoritma kar³la³trlm³tr:
1. Optimal Çözüm
2. Önerilen Kullanc Atama Algoritmas
3. Kar³la³trma Algoritmas: Maksimum Sinyal-Gürültü+Giri³im Algorit- mas
Tablo 4.2: Notasyon Listesi
Parametre De§eri
Kullanc Says N = 100
Makro Baz stasyonu Says N1 = 1
Mikro Baz stasyonu Says N2 = 10
Hücresel Haberle³eme Servis Alan Kare D = 2000, 5000 m
Gürültü Güç Seviyesi −104dBm
Bant Geni³li§i W = 10MHz
Ta³yc Frekans fc= 1.9 GHz
Makro Baz stasyonu letim Gücü P1 = 40 W
Mikro Baz stasyonu letim Gücü Pj = 5 W
Makro Baz stasyonu Toplam Gücü PT
1 = 158.4W
Mikro Baz stasyonu Toplam Gücü PT
j = 44.4 W
Makro Baz stasyonu Yol Kayb 31.5 + 35 × log10(d) Mikro Baz stasyonu Görü³ Hatt Harici Yol Kayb 34.53 + 38 × log10(d)
Mikro Baz stasyonu Görü³ Hatt Yol Kayb 30.18 + 26 × log10(d) Mikro Baz stasyonu Görü³ Hatt Olasl§ min(18d, 1)[1 − e−36d] + e−
d 36
ekil 4.3, 4.4 ve 4.5'te ayn hücresel haberle³me servis alanna (5000 × 5000m2)
ve farkl toplam güç harcama kstlarna sahip topolojiler kar³la³trlm³tr. lk bak³ta çok farkl sonuçlar gibi gözükmese de, oransal adalet kullanclarn veri hzlarnn logaritmasn içerdi§inden dolay, simülasyon sonuçlar arasndaki küçük bir fark bile önem kazanmaktadr. Beklenildi§i üzere, toplam güç harcamas kst artt§nda kullanclarn veri hzlarnn logaritmik toplam da artmaktadr.
Pmax = 400W attdurumunda, önerilen algoritma 20 farkl senaryonun 7 tanesinde
tam olarak optimal çözümü bulmu³tur. Ayn ³ekilde 20 farkl senaryonun 19 tanesinde ise, önerilen algoritma kar³la³trma algoritmasndan daha iyi sonuç vermi³tir. Toplam güç harcama kst Pmax = 300W att haline getirildi§inde,
önerilen algoritma bu sefer 20 farkl senaryonun 3 tanesinde optimal çözümü yakalam³tr ve 16 tanesinde ise kar³la³trma algoritmasndan daha iyi sonuç vermi³tir. Güç harcama kst en dü³ük durum olan Pmax = 200W att'a
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 1200 1220 1240 1260 1280 1300 1320 Senaryolar
Veri Hizlarinin Logaritmik Toplami
Veri Hizlarinin Logaritmik Toplami: Dmaks=5000 m, Pmaks=400 W
Önerilen Algoritma Optimal Çözüm Maks−SGGO
ekil 4.3: Kullanc veri hzlarnn logaritmik toplam, Dmax = 5000 metre ve
Pmax = 400 Watt.
sergilemi³ (14/20), ayn zamandan kar³la³trma algoritmasyla ayn sonuçlar payla³maktadr.
Ayn güç kstlar altnda bu sefer hücresel haberle³me servis alan 2000 × 2000m2
yaplarak daha yo§un bir a§ denenmi³tir. Güç harcama kst en yüksek durumdayken (Pmax = 400), önerilen algoritma verimi yüksek bir sonuç vermi³,
20 farkl senaryonun 17 tanesinde optimal çözümü yakalam³tr. Bunun yan sra, senaryolarn 19 tanesinde de kar³la³trma algoritmasndan daha iyi sonuç vermi³tir. Pmax = 300W att'ta ise önerilen algoritma senaryolarn hepsinde
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 1180 1190 1200 1210 1220 1230 1240 1250 1260 Senaryolar
Veri Hizlarinin Logaritmik Toplami
Veri Hizlarinin Logaritmik Toplami: Dmaks=5000 m, Pmaks=300 W
Önerilen Algoritma Optimal Çözüm Maks−SGGO
ekil 4.4: Kullanc veri hzlarnn logaritmik toplam, Dmax = 5000 metre ve
Pmax = 300 Watt.
çözüm performasyla ayn sonuçlara sahiptir. Güç harcama kst en dü³ük de§er olan Pmax = 200W att de§erindeyken, önerilen algoritma sonuçlar yine
senaryolarn 8 tanesinde optimal çözümün sonuçlar ile ayndr. 19 tane senaryoda ise kar³la³trma algoritmasndan daha iyi sonuç vermi³tir.
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 1110 1120 1130 1140 1150 1160 1170 1180 Senaryolar
Veri Hizlarinin Logaritmik Toplami
Veri Hizlarinin Logaritmik Toplami: D
maks=5000 m, Pmaks=200 W
Önerilen Algoritma Optimal Çözüm Maks−SGGO
ekil 4.5: Kullanc veri hzlarnn logaritmik toplam, Dmax = 5000 metre ve
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 1320 1340 1360 1380 1400 1420 1440 Senaryolar
Veri Hizlarinin Logaritmik Toplami
Veri Hizlarinin Logaritmik Toplami: D
maks=2000 m, Pmaks=400 W
Önerilen Algoritma Optimal Çözüm Maks−SGGO
ekil 4.6: Kullanc veri hzlarnn logaritmik toplam, Dmax = 2000 metre ve
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 1300 1320 1340 1360 1380 1400 1420 Senaryolar
Veri Hizlarinin Logaritmik Toplami
Veri Hizlarinin Logaritmik Toplami: D
maks=2000 m, Pmaks=300 W
Önerilen Algoritma Optimal Çözüm Maks−SGGO
ekil 4.7: Kullanc veri hzlarnn logaritmik toplam, Dmax = 2000 metre ve
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 1270 1280 1290 1300 1310 1320 1330 1340 1350 Senaryolar
Veri Hizlarinin Logaritmik Toplami
Veri Hizlarinin Logaritmik Toplami: D
maks=2000 m, Pmaks=200 W
Önerilen Algoritma Optimal Çözüm Maks−SGGO
ekil 4.8: Kullanc veri hzlarnn logaritmik toplam, Dmax = 2000 metre ve
5. SONUÇLAR
Bu tezde, hücresel haberle³me a§larnda güç harcamas bakmndan çok yüksek orana sahip olan baz istasyonlarnn, önerilen anahtarlanma algoritmalaryla optimale yakn sonuçlar verdi§i gösterilmi³tir. Bunun yan sra, önerilen algoritmalarn, olu³turulan kar³la³trma algoritmalarndan daha iyi sonuçlar gösterdi§i simülasyon sonuçlarnda bahsedilmi³tir. Tez çal³masnn birinci bölümü uluslararas hakemli bir konferansa kabul edilmi³tir[27]. kinci bölümü ise uluslararas hakemli bir konferansa gönderilmek üzere hazrlanm³tr. Tezde yer alan iki ayr çal³mann sonuçlar a³a§da ayr bölümlerde açklanm³tr.
5.1 Ye³il Hücresel Haberle³mede Fiyat Tabanl
Baz stasyonu Anahtarlama Algoritmas
Bu çal³mada enerji verimli bir ³ekilde kullanc atamas hücresel haberle³me a§larnda çal³lm³tr. A§da bulunan baz baz istasyonlar, baz istasyonlarnn sahip oldu§u sabit güç harcamasndan kaçnmak ve toplam güç harcamasn azaltabilmek için kapatlm³tr. Fiyat tabanl iteratif bir algoritma önerilmi³ ve burada yat bütün kullanclar baz istasyonlarna ba§lanana dek adm adm azaltlm³tr.
Simülasyon sonuçlarna bakld§nda yo§un a§larda (kullanc says ile baz ista- syonu saysnn fazlal§ ve servis alannn küçüklü§ü), önerilen algoritma optimal çözüme (dal-snr tabanl) çok yakn veya tam sonuçlar vermi³ ve ortalamada optimale yakla³k olarak 5% yaknl§nda çkm³tr. Ters durumlarda ise (yo§un
olmayan a§larda), önerilen algoritma, optimal çözümü, ortalamada 20-25% yaknl§nda çözüm üretebilmi³tir. Sonuç olarak, bütün senaryolarda, önerilen algoritma, kar³la³trma algoritmalarndan olan en yakn baz istasyonuna atama algoritmasna göre çok daha yüksek seviyede güç tasarrufu sa§layabilmi³tir.
5.2 Heterojen Hücresel Haberle³me Sistemlerinde
Enerji Verimli Kullanc Atamas
Bu çal³mada, makro ve mikro baz istasyonlar içeren bir hücresel haber- le³me a§nda, optimal baz istasyonu anahtarlamas ve kullanc atama problemi i³lenmi³tir. Problemin amac, kullanclar arasnda oransal adaleti, toplam baz istasyonu güç harcama kst altnda sa§lamaktr. Optimal çözüm, iletim yapan baz istasyonu setini Lagrange çift yönlü ayr³ma metoduyla birlikte kullanc atamalarn içermektedir. Kar³la³trma algoritmas ise maksimum sinyal-gürültü+giri³im oranna göre kullanclar baz istasyonlarna atamaktadr. Önerilen algoritma açgözlü bir algoritmadr. Simülasyon sonuçlar göstermektedir ki, yo§un a§larda (dü³ük Dmax de§erine sahip olanlar), önerilen algoritma birçok
senaryoda optimal çözümü yakalamaktadr. Ayrca i³lem süresi, optimal çözümün i³lem süresine göre çok daha dü³üktür ki bu durum algoritmay gerçek hayata uyarlanabilir klmaktadr. Daha geni³ a§larda ise (yüksek Dmax de§erine sahip
olanlar), önerilen algoritma optimale yakn sonuçlar verirken, maksimum sinyal- gürültü+giri³im oranna göre kullanc atamas yapan kar³la³trma algoritmas da iyi sonuçlar vermektedir. Özetle, önerilen algoritma ortalamada, birçok senaryoda ve çok daha ksa sürelerde optimal çözüme oldukça yakn sonuçlar barndrmaktadr.
5.3 Gelecek Çal³malar
Gelecek çal³malar için daha gerçekçi modeller dü³ünülmektedir. Baz istasyonlar konumlar, sönümlemeli kanal modelleri ve tra k modelleri geli³tirilmeye açk
noktalardr. Simülasyonlarda, kullanclarn hücresel haberle³me a§na belirli bir da§lma göre girip çktklar veya aldklar hizmet sürelerinin belirli bir da§lma göre gerçekle³ti§i daha dinamik a§lar gerçekle³tirilebilir. Sabit ve bütün kullanclarn ayn veri hz talebine kar³lk, baz kullanclarn daha yüksek veri hz taleplerinin oldu§u durumlar olu³turulabilir.
KAYNAKLAR
[1] C. Han et al., Green radio: Radio techniques to enable energy-e cient wireless networks, IEEE Commun. Mag., vol. 49, no. 6, pp. 46-54, May 2011.
[2] Z. Hasan, H. Boostanimehr, and V.K. Bhargava, Green cellular network: A survey, some research issues and challenges, IEEE Commun. Surveys Tuts., vol. 13, no. 4, pp. 524-540, Fourth Quarter 2011.
[3] E. Oh, B. Krishnamachari, X. Liu, and Z. Niu, Toward dynamic energy- e cient operation of cellular network infrastructure, IEEE Commun. Mag., vol. 49, no. 6, pp. 56-61, June 2011.
[4] 4G Americas, Self-optimizing networks: The bene ts of SON in LTE, White Paper, Jul. 2011.
[5] M. Marsan, L. Chiaraviglio, D. Ciullo, and M. Meo, Optimal energy savings in cellular access network, in IEEE Int. Conf. on Commun. Workshops, Jun. 2009, pp. 1-5.
[6] M. Marsan, L. Chiaraviglio, D. Ciullo, and M. Meo, Multiple daily base station switch-os in cellular network, in 4th Int. Conf. on Commun. and Electron., Aug. 2012.
[7] K. Dufkova, M. Bjelica, B. Moon, L. Kencl, and J.Y. Le Boudec, Energy savings for cellular network with evaluation of impact on data tra c performance, in European Wireless Conf., 2010, pp. 916-923, Apr. 2010.
[8] S. Zhou, J. Gong, Z. Yang, Z. Niu, and P. Yang, Green mobile access network with dynamic base station energy saving, in ACM MobiCom, vol. 9, no. 262, pp. 10-12, 2009.
[9] E. Oh and B. Krishnamachari, Energy savings through dynamic base station switching in cellular wireless access networks, in IEEE GLOBECOM, pp. 1-5, Dec. 2010.
[10] K. Son, H. Kim, Y. Yi, and B. Krishnamachari, Base station operation and user association mechanisms for energy-delay tradeos in green cellular networks, IEEE J. Sel. Areas Commun., vol. 29, no. 8, pp. 1525-1536, Sep. 2011.
[11] G. Cili, H. Yanikomeroglu, and F. R. Yu, Cell switch o technique combined with coordinated multi-point (CoMP) transmission for energy e ciency in beyond-LTE cellular networks, in IEEE ICC'12 Workshop on Green Communications and Networking (ICC'12 WS-GCN), Jun. 2012.
[12] K. Son, S. Chong, and G.Veciana, Dynamic association for load balancing and interference avoidance in multi-cell networks, IEEE Trans. Wireless Commun., vol. 8, no. 7, pp. 3566-3576, Jul. 2009.
[13] Z. Niu, Y. Wu, J.Gong, and Z.Yang, Cell zooming for cost-e cient green cellular networks, IEEE Commun. Mag., vol. 48, no. 11, pp. 74-79, Nov. 2010.
[14] F. Alaca, A. B. Sediq, and H. Yanikomeroglu, A genetic algorithm based cell switch-o scheme for energy saving in dense cell deployments, in IEEE GLOBECOM'12 The 8th Broadband Wireless Access Workshop, Dec. 2012. [15] M. Xiao, N. B. Shro, and E. K. P. Chong, A utility-based power-control
scheme in wireless cellular systems, IEEE/ACM Trans. Netw., vol. 11, no. 2, pp. 210- 221, Apr. 2003.
[16] H. Claussen, L. T. W Ho, and F. Pivit, Eects of joint macrocell and residential picocell deployment on the network energy e ciency, IEEE 19th International Symposium on Personal, Indoor and Mobile Radio Communications (PIMRC), 2008, pp.1-6, 15-18 Sept. 2008.
[17] C. Chen, F. Baccelli, and L. Roullet, Joint optimization of radio resources in small and macro cell networks, in Proc. 2011 IEEE Veh. Technol. Conf., pp. 1-5.
[18] S. K. Das, S. K. Sen, and R. Jayaram, A novel load balancing scheme for the tele-tra c hot spot problem in cellular networks, Wireless Netw., vol.