YEN NESL YEL HÜCRESEL HABERLEME
SSTEMLERNDE BAZ STASYONU ANAHTARLAMASI LE ENERJ VERML KULLANICI ATAMASI
AL YILDIZ
YÜKSEK LSANS TEZ
ELEKTRK-ELEKTRONK MÜHENDSL ANABLM DALI
TOBB EKONOM VE TEKNOLOJ ÜNVERSTES FEN BLMLER ENSTTÜSÜ
OCAK 2014 ANKARA
Fen Bilimleri Enstitü onay
Prof. Dr. Necip CAMUCU Müdür
Bu tezin Yüksek Lisans derecesinin tüm gereksinimlerini sa§lad§n onaylarm.
Prof. Dr. MURAT ALANYALI Anabilim Dal Ba³kan
AL YILDIZ tarafndan hazrlanan YEN NESL YEL HÜCRESEL HABERLEME SSTEMLERNDE BAZ STASYONU ANAHTARLAMASI LE ENERJ VERML KULLANICI ATAMASI adl bu tezin Yüksek Lisans tezi olarak uygun oldu§unu onaylarm.
Doç. Dr. Tolga GRC Tez Dan³man
Tez Jüri Üyeleri
Ba³kan : Yrd. Doç. Dr. Ay³e Melda YÜKSEL TURGUT
Üye : Doç. Dr. Tolga GRC
TEZ BLDRM
Tez içindeki bütün bilgilerin etik davran³ ve akademik kurallar çerçevesinde elde edilerek sunuldu§unu, ayrca tez yazm kurallarna uygun olarak hazrlanan bu çal³mada orijinal olmayan her türlü kayna§a eksiksiz atf yapld§n bildiririm.
Üniversitesi : TOBB Ekonomi ve Teknoloji Üniversitesi Enstitüsü : Fen Bilimleri Enstitüsü
Anabilim Dal : Elektrik-Elektronik Mühendisli§i Tez Dan³man : Doç. Dr. Tolga GRC
Tez Türü ve Tarihi : Yüksek Lisans Ocak 2014
Ali YILDIZ
YEN NESL YEL HÜCRESEL HABERLEME
SSTEMLERNDE BAZ STASYONU ANAHTARLAMASI LE ENERJ VERML KULLANICI ATAMASI
ÖZET
Hücresel haberle³me a§larnda yer alan kullanc araçlar says(cep telefonlar, tabletler v.b.) son on ylda büyük bir art³ göstermi³tir. Kullanc araçlarnn artmas ve bu araçlarn da yüksek veri hzna ihtiyaç duymalar hücresel haberle³me a§larnda büyük bir enerji ihtiyacna sebep olmu³tur. Ortaya çkan bu büyük enerji ihtiyac, enerji verimli hücresel haberle³me a§larna, hem akademi hem de endüstri tarafndan ilgiyi arttrm³tr. Baz istasyonlarnn harcad§ güç seviyesi, hücresel haberle³me a§larnn toplam güç harcama seviyesine bakld§nda çok yüksek bir paya sahiptir. Baz istasyonu anahtarlanmasyla elde edilecek olan güç tasarruf seviyesi ile hücresel haberle³me a§lar enerji verimli hale getirilebilmektedir. Bu çal³mada, kullanclarn baz istasyonlarna atan-mas, önerilen baz istasyonu anahtarlama algoritmalaryla gerçekle³tirilmi³tir. Çal³mann ilk bölümünde kullanc atamalar ve baz istasyonu anahtarlamas için yat tabanl bir algoritma önerilmi³tir, bu algoritma ile iletim yapmad§ halde sabit bir güç harcamas yapan baz istasyonlar kapatlm³ ve güç tasarrufu sa§lanm³tr. Çal³mann ikinci bölümünde ise kullanc atamalar ve baz istasyonu anahtarlamas heterojen a§da yaplrken, kullanclar arasnda veri hz kapsamnda oransal adalet sa§lanm³ ve baz istasyonlarnn güç harcamas için toplam güç harcama kst belirlenmi³tir. Yaplan simülasyonlarla önerilen algoritmalarn yüksek performansa sahip olduklar görülmü³tür.
Anahtar Kelimeler: Ye³il Hücresel A§lar, Baz stasyonu Anahtarlamas, Fiyat Tabanl Algoritma, Enerji Verimlili§i, Enerji Verimli Kullanc Atamas.
University : TOBB University of Economics and Technology
Institute : Institute of Natural and Applied Sciences
Science Programme : Electrical-Electronics Engineering
Supervisor : Assoc. Prof. Tolga GRC
Degree Awarded and Date : M.Sc. January 2014
Ali YILDIZ
ENERGY EFFICIENT USER ASSOCIATION IN NEXT GENERATION GREEN CELLULAR NETWORKS BY BASE
STATION SWITCHING
ABSTRACT
The number of user devices in cellular communication networks (mobile phones , tablets, etc.) showed a large increase in the last ten years. These tools require high data rate which has led to a huge energy need in cellular communication networks. This emerging large energy requirement has increased interest in energy-ecient cellular communication networks. The power consumed by the base station level has a very large portion in the total power consumption of cellular communication networks. Cellular communication networks can be made energy ecient, with the power gained from base station switching. In this study , the user assignments to the base stations has been done by proposed base station switching algorithms. In the rst section of the study, we proposed a pricing-based algorithm for user assignments and base station switching. In this algorithm we switched o the base stations, which consume power even though they do not transmit and power saving has been achieved. In the second part of the study, we consider a heterogeneous network. We did user assignments and base station switching while maximizing the proportional fairness between the users. In addition, we introduce a total power consumption constraint for base stations. Moreover we have showed with simulation studies that proposed algorithms have high performance results.
Keywords: Green Cellular Network, Base Stations Switching, Pricing-Based Algorithm, Energy Eciency, Energy Ecient User Association.
TEEKKÜR
Bu çal³ma kymetli hocam Doç. Dr. Tolga GRC'nin de§erli yardmlar ve yol göstericili§i olmakszn tamamlanamazd. Çal³mamn her a³amasnda samimi ilgi ve çabalar ile sa§lad§ katklarn yan sra manevi deste§i için hocama minnet ve ³ükran borçluyum. Tezimi okuyup de§erlendiren kymetli hocalarma; çal³mama destek veren, yardmlarn esirgemeyen muhterem hocam Prof. Dr. Halim YANIKÖMEROLU'na da bu vesile ile te³ekkür ederim. Tez çal³mam srasnda yardm ve deste§iyle yanmda olan e³im Ece Arzu YILDIZ'a, destekleri ile beni yüreklendiren ve skntl anlarmda gösterdikleri sabr, ilgi ve sevgi için aileme, yanmda olan tüm arkada³larma müte³ekkirim. Ayrca TOBB Ekonomi ve Teknoloji Üniversitesi'nin sa§lad§ maddi destek için te³ekkürü bir borç bilirim.
ÇNDEKLER
1 GR 1
2 LTERATÜR ARATIRMASI 3
3 YEL HÜCRESEL HABERLEMEDE FYAT TABANLI BAZ
STASYONU ANAHTARLAMA ALGORTMASI 9
3.1 Sistem Modeli . . . 9
3.2 Fiyat Tabanl Baz stasyonu Anahtarlama Algoritmas . . . 11
3.3 Kar³la³trma Algoritmalar . . . 13
3.3.1 En Yakn Baz stasyonuna Atama Algoritmas . . . 13
3.3.2 Dal-Snr Tabanl Optimal Çözüm Algoritmas . . . 14
3.4 Simülasyon Sonuçlar . . . 15
4 HETEROJEN HÜCRESEL HABERLEME SSTEMLERNDE ENERJ VERML KULLANICI ATAMASI 25 4.1 Sistem Modeli . . . 25
4.1.1 Güç Harcama Modeli . . . 26
4.3 Optimal Çözüm . . . 29 4.3.1 Optimal Anahtarlama ndikatörü Bulunmasnda Ayrntl
Arama: Dal-Snr Tabanl Optimal Çözüm . . . 31 4.3.2 Anahtarlama ndikatörüyle Yaplan Kullanc Atamas: Çift
Yönlü Ayr³ma Metodu . . . 32 4.4 Önerilen Kullanc Atama Algoritmas . . . 34
4.4.1 Kar³la³trma Algoritmas: Maksimum Sinyal-Gürültü+Giri³im Oran(SGGO) . . . 35 4.5 Simülasyon Sonuçlar . . . 36
5 SONUÇLAR 44
5.1 Ye³il Hücresel Haberle³mede Fiyat Tabanl Baz stasyonu Anahtar-lama Algoritmas . . . 44 5.2 Heterojen Hücresel Haberle³me Sistemlerinde Enerji Verimli
Kul-lanc Atamas . . . 45 5.3 Gelecek Çal³malar . . . 45
KAYNAKLAR 47
EKLLERN LSTES
3.1 10. Baz istasyonu, kullanc yerle³imi senaryosu ve kullanclarn en yakn baz istasyonuna atanmas: M=4 Baz istasyonu, N=10 Kullanc, 2000×2000 m2 Toplam servis alan. . . 16
3.2 10. Baz istasyonu, kullanc yerle³imi senaryosu ve kullanclarn yat tabanl algoritmaya göre atanmas: M=4 Baz istasyonu, N=10 Kullanc, 2000×2000 m2 Toplam servis alan. . . 17
3.3 10. Baz istasyonu, kullanc yerle³imi senaryosu ve kullanclarn optimum sonuçlara göre atanmas: M=4 Baz istasyonu, N=10 Kullanc, 2000×2000 m2 Toplam servis alan. . . 18
3.4 20 rastgele senaryo için güç saryat: M=4 Baz istasyonu, N=10 Kullanc, 2000×2000 m2 Toplam servis alan. . . 20
3.5 20 rastgele senaryo için güç saryat: M=4 Baz istasyonu, N=20 Kullanc, 2000×2000 m2 Toplam servis alan. . . 21
3.6 20 rastgele senaryo için güç saryat: M=4 Baz istasyonu, N=20 Kullanc, 8000×8000 m2 Toplam servis alan. . . 22
3.7 20 rastgele senaryo için güç saryat: M=9 Baz istasyonu, N=20 Kullanc, 1000×1000 m2 Toplam servis alan. . . 23
3.8 20 rastgele senaryo için güç saryat: M=9 Baz istasyonu, N=20 Kullanc, 4000×4000 m2 Toplam servis alan. . . 24
4.1 1 makro baz istasyonu, 10 mikro baz istasyonu, 100 kullanc ve Pmax = 500 Watt için tipik kullanc atamas . . . 29
4.2 1 makro baz istasyonu, 10 mikro baz istasyonu, 100 kullanc ve Pmax = 200 Watt için tipik kullanc atamas . . . 30
4.3 Kullanc veri hzlarnn logaritmik toplam, Dmax = 5000metre ve
Pmax = 400 Watt. . . 38
4.4 Kullanc veri hzlarnn logaritmik toplam, Dmax = 5000metre ve
Pmax = 300 Watt. . . 39
4.5 Kullanc veri hzlarnn logaritmik toplam, Dmax = 5000metre ve
Pmax = 200 Watt . . . 40
4.6 Kullanc veri hzlarnn logaritmik toplam, Dmax = 2000metre ve
Pmax = 400 Watt. . . 41
4.7 Kullanc veri hzlarnn logaritmik toplam, Dmax = 2000metre ve
Pmax = 300 Watt. . . 42
4.8 Kullanc veri hzlarnn logaritmik toplam, Dmax = 2000metre ve
TABLOLARIN LSTES
3.1 Notasyon Listesi . . . 10 3.2 Simülasyon Parametreleri . . . 19
4.1 Makro ve Mikro baz istasyonlar için güç harcama modeli parame-treleri [21] . . . 28 4.2 Notasyon Listesi . . . 37
1. GR
Son yllarda teknolojide ya³anan hzl geli³melerle, hücresel haberle³me a§larna dahil olabilecek cihazlarn (akll telefonlar, tabletler v.b.) saysnda büyük bir art³ ya³anm³tr. Hem cihazlarn art³, hem de bu cihazlar üzerinde yürütülebilen uygulamalarn fazlal§ ile birlikte, bu uygulamalarn (yüksek çözünülürlü§e sahip video izleme, internet üzerinden radyo yayn, sosyal a§larn kullanm v.b.) yüksek veri al³veri³ine ihtiyaç duymalar, toplam hücresel haberle³me a§larnda yüksek veri hz tra§ine sebep olmu³tur. Veri tra§inde talebinde meydana gelen bu art³, istenilen talebi kar³lamak üzere büyük bir enerji ihtiyacn ve tüketimini de beraberinde getirmi³tir.
Hücresel haberle³me sistemlerindeki öngörülemeyen yüksek güç tüketimi, bu sistemlerde enerji verimli çözümlerin geli³tirilmesi ihtiyacn do§urmu³tur. Bu çözümler (yenilenebilir enerji kaynaklarnn kullanm, güç yükselteçlerindeki iyile³tirmeler, hücre kapsama alannn optimizasyonu v.b.) arasnda baz istasyon-larnn anahtarlanmas, toplam hücresel haberle³me sistemlerinin güç tüketiminde baz istasyonlarnn güç tüketimi çok yüksek bir paya sahip oldu§undan bir adm öne çkmaktadr. Baz istasyonu anahtarlamas hücresel a§larda, toplam güç tüketiminin azaltlmasna imkan sa§lamaktadr.
Bu çal³mada önerilen baz istasyonu anahtarlama algoritmalaryla, toplam hücresel haberle³me sistemlerinde güç saryat elde etmek amaçlanm³tr. Tez çal³mas, "Ye³il Hücresel Haberle³mede Fiyat Tabanl Baz stasyonu Anahtar-lama Algoritmas" ve "Heterojen Hücresel Haberle³me Sistemlerinde Enerji Verimli Kullanc Atamas" olmak üzere iki bölümden olu³maktadr. Her iki bölümde de sistem modelleri anlatlm³tr. Sonrasnda önerilen algoritmalar
açklanm³, önerilen algoritmalarn sonuçlar optimal çözümlerin ve kar³la³trma algoritmalarnn sonuçlaryla kar³la³trlm³tr.
Tez çal³masnn hede, hücresel haberle³me a§nda güç harcamasn önerilen algoritmalar ile minimuma dü³ürmektir. Tezin literatüre katks a³a§da belir-tilmi³tir:
• Önerilen algoritma sonuçlarnn dal-snr yöntemi ile elde edilen sonuçlara oldukça yakn olmas.
• Önerilen algoritmalarn optimal çözüm bulma yöntemi olan dal-snr yön-temine göre oldukça hzl çal³mas.
2. LTERATÜR ARATIRMASI
Hücresel haberle³me sistemlerinde bulunan kullanclarn kullandklar uygula-malarn (yüksek çözünürlüklü video izleme, çevrimiçi oyunlar, bulut sistemi vb.) veri ihtiyaç kapasitelerinin artmasyla birlikte, bu sistemleri istenilen kstlarda çal³trabilmek, yüksek enerji ihtiyacn do§urmu³tur. Bu ihtiyac giderebilmek adna yaplan çal³malarn yan sra, elde bulunan toplam enerjiyi verimli bir ³ekilde kullanmak da önemli bir hal alm³tr.
[1] numaral çal³ma, hücresel haberle³me a§ sistemlerinde baz istasyonlarnn harcad§ enerjinin, sistemde harcanan toplam enerjiye orannn %57 oldu§unu göstermektedir. Bu sebeple ye³il hücresel haberle³me konseptinde yer alan, harcanan toplam enerjiyi dü³ürmek amacyla yaplan çal³malarda, en çok ilgiyi baz istasyonlarnn harcad§ enerjiyi dü³üren çal³malar çekmektedir.
[2]'de yenilenebilir enerji kaynaklarnn kullanm ve güç yükselteçlerinde yaplan geli³tirme çal³malarndan bahsedilmi³tir. Ayn çal³ma baz istasyonlarnn harcadklar toplam enerjiyi dü³üren teknikler arasnda, en çok öne çkan tekni§in, baz istasyonlarnn anahtarlanmas oldu§unu göstermektedir.
Genel görü³ün aksine, hücresel haberle³mede a§larnda iletim gücü harcamas enerji tüketiminde tek faktör de§ildir. Baz istasyonlar hiçbir ³ekilde iletim yapmasalar bile, içerdikleri tümle³ik devreleri, sinyal i³leme kabinlerini ve so§utma ekipmanlarn sadece çal³trmak için sabit bir güce ihtiyaç duyarlar. Bu sebeple verimli bir enerji yönetimi, kullanclarn konumlarna ve genel sistem yüküne göre baz baz istasyonlarnn tamamen kapatlmasn da içermelidir[3].
Baz istasyonu anahtarlamas (hücre anahtarlamas), 4G teknolojisinin stan-dartlarn içeren LTE'de (Long Term Evolution) önemli bir teknik olarak yer almaktadr. Baz istasyonu anahtarlama algoritmalar üç ba³lk altnda toplanmaktadr [4]:
1. Tamamen merkezi ve anahtarlamann merkez yönetici tarafndan yaplmas. 2. Yar merkezi (veya yar otonom) ve anahtarlamann daha önceden
belirlen-mi³ durumlara göre yaplmas.
3. Baz istasyonlarnn bilgi payla³mna ba§l olarak tamamen otonom.
Baz istasyonu anahtarlamasnn LTE'de yer almasyla birlikte, enerji-verimli baz istasyonu anahtarlama algoritmalar literatürde çal³lmaya ba³lanm³tr. Üstte de belirtildi§i üzere önceden belirlenmi³ durumlara göre yaplan baz istasyonu anahtarlamas, [5], [6], ve [7] numaral çal³malarda i³lenmi³tir. Bu çal³malarda, günlük olarak elde edilen veri tra§i modellerine göre baz isyasyonlar günün be-lirli zamanlarnda açlp kapatlmaktadr. Yazarlar, çal³malarnda, kullanclarn birbirlerine yaptklar giri³imleri simülasyon hesaplarna katmam³lardr, yalnz bu eksikli§e ra§men çal³malarnda, baz istasyonlarnn gün içerisinde 1, 2 hatta 3 kere açlp kapatlmasyla, enerji harcamasnn seviyesini dü³ürebildi§i göstermi³lerdir. Bir di§er çal³mada [8] giri³im durumu da incelenmi³ ve önerilen algoritmada veri hz ve bant geni³li§i gereksinimi altnda kullanclar baz istasyonlarna payla³trlm³tr. Algoritmann i³lem zamanlar arasnda a§a katlmak isteyen kullanclar için de belirli miktarda bant geni³li§i önceden koruma altna alnm³tr. Bunun yan sra, algoritmann do§as gere§i, birçok baz istasyonu uyumaya e§ilimlidir ve böylece veri tra§i uyank olan baz istasyonu üzerinden sa§lanarak hizmet kalitesinin sa§lamak zorla³m³tr. Bir di§er çal³mada [9], veri tra§i sinüsodial olarak ele alnm³ ve basit bir baz istasyonu anahtarlama algoritmas önerilmi³tir. Daha az veri trak ak³na sahip olan gece saatlerinde, belirli baz istasyonlar uyku moduna geçirilmi³, çal³ma saatlerinde ise uyku modundaki baz istasyonlar aktif hale getirilmi³tir.
[10] numaral çal³mada yazarlar, gerçekçi olmayan, baz istasyonlarnn harcad§ gücü, baz istasyonlarnn kendilerine ba§lanan kullanc saylarna göre oransal
olarak modelleyen bir çal³ma yapm³lardr. Gerçekte, baz istasyonundan daha uzakta olan kullancya gereken hizmet ³artlarn sa§layabilmek için, baz istasyonunun bu kullanc için daha fazla güç harcamas yapmas gerekmektedir ve bu sebeple harcanan güç aslnda artan kullanc saysyla birlikte üssel olarak artmaktadr. Bu çal³mada yazarlar ayrca problemlerini iki parçaya bölmü³lerdir: i)kullanc açsndan atama problemi, ii)baz istasyonu tarafndan atama problemi. kinci parçann çözülmesi zordur, çünkü artan baz istasyonu saysyla birlikte, olas atamalarn says da üssel ³ekilde artmaktadr. Bu zorlu§un üstesinden gelmek adna, baz durumlarda açgözlü algoritmalar önermi³lerdir. [11]'de ise yazarlar, geleneksel baz istasyonu anahtarlamas ile Koordineli Çok Noktadan letim (KÇN) teknolojisini birle³tirmi³lerdir. Kapatlan baz istasyonlarndan hizmet alan kullanclar sisteme dahil etmek amacyla, açk olan baz ista-syonlarnn kapsama alann geni³letmek yerine, KÇ'i uygulayacak aktif baz istasyonlar seti belirlemi³lerdir.
Tezin 1.bölümünde anlatlan Ye³il Hücresel Haberle³mede Fiyat Tabanl Baz stasyonu Anahtarlama Algoritmas önerilen problem temel olarak, kullanclarn baz istasyonlarna atanmas ve güç kontrolü problemidir. Literatürde bu atama ve güç kontrolüne dair benzer problemler incelenmi³tir [12]. Yalnz bu çal³malar, toplam sistem yükünü dengelemek ve hizmet kalitesini ³artlarn sa§lamak üzerine yo§unla³m³tr. Literatürün aksine, tezin 1. Bölümünde önerilen problemin amac, sistemdeki baz baz istasyonlarn anahtarlayarak toplam enerji harcamasn minimize etmektir. Fiyat tabanl algoritmalar da literatürde daha önce derinlemesine incelenmi³tir fakat üstte de belirtildi§i üzere, enerji tasarrufu yapmak amacyla olu³turulan algoritmalarda iletim gücünün dü³ürülmesi (baz istasyonlarnn anahtarlanmas d³nda), çal³malarn çekirde§ini olu³turmaktadr [13]. Güç kontrolü algoritmalarnda odak noktas baz istasyonu ile kullanc arasndaki iletim gücünün dü³ürülmesidir. Baz istasyonu anahtarlanmas algo-ritmalarnda ise, baz istasyonunun anahtarlanmasyla olu³an enerji tasarrufu, kullanclarn daha uzaktaki bir baz istasyonuna ba§lanrken harcayacaklar iletim gücünden çok daha yüksek oldu§undan, kullanclarn daha uzaktaki bir baz istasyonuna ba§lanmas gözard edilebilir.
ba³ka tipte algoritmalar da mevcuttur. [14]'te genetik algoritmas ile yaplan baz istasyonu anahtarlamasnda yo§un hücrelerde enerji harcamasnn dü³ürülebildi§i görülmü³tür. Tezin 1.bölümünde yer alan sistem modelinde her kullancnn sahip veri hz gereksinime kar³lk, [15]'te yazarlar kullanclarn Sinyal-Giri³im Oran (SGO) gereksinimine sahip oldu§unu belirtmi³lerdir. Ayn çal³mada, net fayda fonksiyonu sadece SGO oranna göre hesaplanrken, tezin 1.bölümündeki net fayda fonksiyonu atanan kullanc saysndan güç harcamasnn çkarlmas ile hesaplanm³tr.
Yukarda da bahsedildi§i üzere, teknolojinin geli³mesiyle birlikte veri hz tale-plerinde meydana gelen çok büyük art³, hem akademinin hem de endüstrinin, veri hz talebini kar³layabilmek adna, farkl teknikler üzerinde çal³masna sebep olmu³tur. Bu teknikler arasnda, KÇ (Koordineli Çoklu letim), radyo kaynak yönetimi, hücre kapsama alanyla oynama, röle ve heterojen hücresel a§lar saylabilir. Bu teknikler arasnda, heterojen hücresel a§lar, a³a§daki özellikleri sebebiyle öne çkmaktadr:
1. Kolay bir ³ekilde yerle³tirme[2]. 2. Dü³ük güç tüketimi[16].
3. Frekans bandnn daha verimli ³ekilde kullanlmas [2].
Heterojen hücresel a§larn farkl güç seviyelerinde iletim yapan baz istasyonlar (makro, mikro baz istasyonlar, pico ve femto hücreleri) içermektedir. Bu farkl güç seviyelerinde iletim yapan baz istasyonlarnn aktif halde çal³trlmas gereken güç seviyeleri de do§al olarak farkllk göstermektedir. Farkl i³letme maliyetlerine sahip bu baz istasyonlarnn konu³landrlmasyla birlikte, heterojen hücresel a§lar, ye³il haberle³me sistemlerinde önemli bir yer tutmaya ba³lam³lardr. [12] numaral çal³mada, çevrimd³ optimal ve çevrimiçi pratik algoritmalaryla hücre kenarnda kalan kullanclarn veri hzlarn arttrmay ba³arm³lardr. Yalnz problem formülasyonlarnda herhangi bir güç kst bulunmamaktadr. Formülasyona güç kst eklenerek, kullanclarn yüksek seviyede giri³imden etkilenmelerinin önüne geçilebilmektedir. [17]'de, istatistikte önemli bir yer tutan
Gibbs örnekleme yöntemiyle, güç optimizasyonu, kullanc atamas ve kanal seçimi i³lemleri yaplm³tr.
[18]'de kullanc yo§un bölgede tele-trak problemi üzerinde çal³malar yapm³tr. Kullanc yo§un bölgede tele-trak problemi kanal talebi belirli bir e³ik de§erini a³t§nda biti³ik hücrelerin alannda olu³maktadr. Öncelikle kullanc yo§un bölge için bir dengeleme algoritmas olu³turmu³lardr. Sonrasnda ise kullanc yo§un bölgede bulunan bir hücre için Markov Zinciri modeli olu³turmu³lar ve bu yakla³m a§n tamamna geni³letmi³lerdir. Bu ara³trma kullanc yo§un bölge problemi için farkl bir bak³ açs sunmu³tur. Ara³trmaclar frekans kanallarnn hücresel a§larda kstl oldu§unu vurgulam³lar ve literatürde frekans tekrar kullanmn enbüyüklemek için frekans hücre atamas için öneride bulunan çal³malar yapld§na de§inmi³lerdir. Yazarlar, simülasyon çal³malar ile geli³tirmi³ olduklar algoritmalarn performanslarn de§erlendirmi³lerdir. Çok yüksek tele-trak talebi olu³tu§unda sistemde önemli derecede iyile³me oldu§unu göstermi³lerdir. Arama üretim orann artrdklarnda algoritma performansnn olumsuz etkilendi§ini belirtmi³ler ancak yine de yük dengeleme olmadan sistemde iyile³me oldu§unu belirtmi³lerdir. Ayrca algoritmalarnn performansn CBWL algoritmas ile kar³la³trm³lardr. Arama geli³ skl§ arttkça geli³tirmi³ olduk-lar algoritmann CBWL'ye göre üstün performans sergiledi§ini belirtmi³lerdir. [19] numaral çal³mada yazarlar, oransal adalet yakla³mn ba§msz olarak baz istasyonlarna uygulam³lardr. Sonuç olarak pareto-optimal olmayan bant geni³li§i atamalar ile kar³la³m³lardr. Oransal adalet yakla³mnn baz istasyon-larna ba§msz olarak de§il de bütün haberle³me a§na uygulanmas gerekti§ini belirtmi³lerdir. Buradan yola çkarak makro seviyede adaletli atamay sa§lamak için genelle³tirilmi³ oransal adalet problemini modellemi³lerdir. Ayrca bu prob-lemin NP-Zor oldu§unu da ispatlam³lardr. ki farkl algoritma geli³tirmi³lerdir: çevrimd³ optimal ve çevrimiçi açgözlü. Algoritmalarn performanslarn de§er-lendirmek için simülasyon çal³malar yapm³lardr. Bu çal³ma en iyi sinyal kuvvetine göre kullanc atama yerine heterojen kullanc da§lmlar ile çkt miktar ve adaletin ayn anda iyile³tirilebilece§ini göstermi³lerdir.
[20]'de ise yazarlar, çal³malarnda a§ genelinde optimal ili³ki probleminin NP-Zor oldu§unu belirtmi³lerdir. Yalnz bu problemle benzerlik gösteren bir fayda
maksimizasyon probleminin ili³ki metri§inin gev³etmesiyle, problemin konveks olaca§n ve bu yakla³mn optimale yakn bir sonuç sa§layaca§n söylemi³lerdir. Öncelikle a§ genelinde yük dengeleme ve fayda enbüyükleme problemini yük de§erlerini içeren bir amaç fonksiyonu tanmlayarak modellemi³lerdir. Sonra çift yönlü ayr³ma yönteminden faydalanarak dü³ük kompleksiteye sahip bir da§tlm³ algoritma geli³tirmi³lerdir. Da§tlm³ algoritmann optimale yakn sonuçlar sa§lad§ belirtilmi³tir. Geli³tirdikleri yakla³m kaynak kullanm oran-larn artrm³ ve makro baz istasyonlar ve az yüklü küçük baz istasyonlar arasndaki yük e³itsizli§ini dengelemi³tir.
3. YEL HÜCRESEL
HABERLEMEDE FYAT
TABANLI BAZ STASYONU
ANAHTARLAMA
ALGORTMASI
3.1 Sistem Modeli
Sistem modelinde, kullanc ile baz istasyonu arasndaki çift yönlü ileti³imde, baz istasyonundan kullancya olan ileti³im ele alnm³tr. Servis alan de§i³ik büyüklüklerde kare olarak seçilmi³tir ve servis alannda M adet baz istasyonu ile N adet kullanc bulunmaktadr. Baz istasyonlar ile kullaclar arasndaki kanal modelinde uzakl§a ba§ml yol kayb ve gölgeleme kullanlm³tr. Bir di§er deyi³le, kullanc atamalar yava³ de§i³imli kanal ko³ullarna göre yaplm³tr. Her bir kullanc e³it ³ekilde R0bps (bit per second) veri hz kstna sahiptir ve W
Hz (Hertz) olan toplam sistem bant geni³li§i baz istasyonlar tarafndan tekrarl kullanma sahiptir. Birden fazla kullancnn ayn baz istasyonuna ba§lanmas durumunda, baz istasyonunun sahip oldu§u bant geni³li§i zaman payla³ml olarak kullanclar arasnda payla³trlmaktadr. Bir baz istasyonuna ba§lanan kullanc says (Nm) arttkça, kstlar sa§lamak için baz istasyonunun ihtiyaç
duydu§u güç seviyesi de artmaktadr. Kolaylk sa§lamas açsndan problem formülasyonunda kullanlan notasyonlar, a³a§da Tablo 3.1'de açklanm³tr:
Tablo 3.1: Notasyon Listesi M Baz istasyonlar says
M Baz istasyonlar seti N Kullanc says N Kullanc seti
R0 Kullanclarn veri hz gereksinimi
W Bant geni³li§i
Nm m. baz istasyonuna ba§lanan kullanc says
Nm m. baz istasyonuna ba§lanan kullanc seti
Pmn m. baz istasyonu ile n. kullanc arasndaki güç seviyesi
Pm m. baz istasyonunun ortalama gücü
P0 Baz istasyonunun harcad§ temel güç harcamas
hmn m. baz istasyonu ile n. kullanc arasndaki kanal katsays
N0 Gürültü seviyesi
In(P ) n. kullancnn maruz kald§ giri³im
N Um m. baz istasyonunun net fayda fonksiyonu
Γmn In+NhmnoW m. baz istasyonu ile n. kullanc arasndaki kanal kazanc
SNm
m Γmi de§erine göre ba§l olmayan kullanclar arasndaki en iyi Nm seti
α yat
IPm m. baz istasyonunun iletim indikatör fonksiyonu
m. baz istasyonuna ba§lanan kullanc says Nm olsun. Kullanclarn baz
istasyonlarna atamalar yapld§ndan, optimum güç iterasyonla bulunabilir[24]. Her bir kullancnn, n, maruz kald§ giri³im, In(P ), a³a§daki gibi hesaplanr:
In(P ) = M
X
m=1
Pmhmn, ∀n ∈ N . (3.1)
m. baz istasyonundan kendisine ba§lanan kullanclarn iletim güçlerinin bulun-mas denklem (3.2)'de açklanm³tr:
W Nm log2 1 + Pmnhmn W N0+ In(P ) = R0, ∀n ∈ Nm. (3.2)
Denklem (3.3), m. baz istasyonundan n. kullancya olan iletim gücünü bulur: Pmn= (2Nm Ro W − 1)W N0+ In(P ) hmn , ∀m ∈ M, n ∈ Nm. (3.3)
Yukarda da belirtildi§i üzere, ayn baz istasyonuna ba§l kullanclar, baz istasyonuna atanan bant geni³li§i zaman payla³ml oalrak kullanrlar. m. baz istasyonunun ortalama gücü a³a§da açklanm³tr:
Pm = ( 0 Nm = 0 1 Nm P n∈NmPnm Nm > 0 , ∀m ∈ M. (3.4)
Sonuç olarak toplam harcanan güç a³a§da gibidir:
PT =
X
m∈M
Pm+ IPm>0P0, (3.5) Yukarda P0 notasyonu, baz istasyonlarnn harcad§ temel güç seviyesidir ki tek
bir kullanc dahi baz istasyonuna ba§l olsa, P0 gücü baz istasyonu tarafndan
kullanlr. IPm>0 notasyonu ise m. baz istasyonunun iletimde oldu§u gösteren indikatör fonksiyondur.
3.2 Fiyat Tabanl Baz stasyonu Anahtarlama
Algoritmas
Bu algoritmada net fayda konseptinden yararlanlm³tr. Net fayda, gelirden giderin çkarlmas ile bulunur. Baz istasyonlarnn destekleyebilece§i kullanc says gelir olarak ifade edilirken, bu kullanclar için harcayaca§ güç ise gider olarak ifade edilir. Baz istasyonu hiçbir kullancy desteklemiyorsa net fayda sfr olur (örnek olarak kapatld§nda). Net fayda denklem (3.6)'da açklanm³tr:
N Um(Nm) = Nm− α × 1 Nm X n∈SmNm 2NmR0W − 1 Γmn + INm>0P0 , ∀m ∈ M. (3.6)
(3.6)'da SNm
m seti, herhangi bir baz istasyonuna ba§lanmayan kullanclar arasnda
Γmn de§eri olarak en yüksek olanlar içerir. Γmn kanal kazancdr ve m. baz
istasyonu ile n. kullanc arasndaki kanal katsaysnn, n. kullancnn maruz kald§ giri³im ve gürültü toplamna bölünmesiyle bulunur.
Algoritma 1 Önerilen yat tabanl algoritma
1: Fiyat ilk de§erle ba³lat α = α0, and In = 0, Pm = 0, Pmn = 0, Nm = ∅,
∀n ∈ N , m ∈ M.
2: Ayarla S = M, yaknsama = ba³arsz
3: while SMm=1Nm 6= N do
4: while yaknsama = ba³arsz do 5: Ayarla P0
m = Pm, ∀m ∈ M
6: for m ∈ S do
7: N − ∪m06=mNm kullanclarn arasndan, (3.6)'y kullanarak, optimal kullanc setini bul N∗
m = arg max{N Um(Nm)}. Unutulmamaldr ki,
Nm ≤ N −
P
m06=mNm0.
8: end for
9: Bul m∗ = arg max
m∈S{N Um∗(N ∗
m)}, ve Ayarla Nm = Nm∗∗
10: (3.1), (3.3) ve (3.4)'ü kullanarak iteratif olarak güncelle Pmn, Pm ve
In(P ), ∀m ∈ M, n ∈ N 11: if Pm∈M|1 − Pm/P 0 m| < then 12: yaknsama = ba³arl 13: else 14: S = S − m∗ 15: if S = ∅ then 16: S = M 17: end if 18: end if 19: end while 20: α = β × α, öyle ki, β < 1 21: end while
Algoritma 1'de yer alan yat tabanl algoritmada, en ba³ta yat de§eri yüksek bir de§ere e³itlenir. Satr 4 ile 19 arasnda yer alan iç algoritmada, her bir baz istasyonu, ba³ka baz istasyonuna ba§lanmayan kullanclarn bilgilerine bakar. Daha sonra denklem 3.6'ya göre her bir baz istasyonu, kendi net faydalarn maksimum yapacak optimal kullanc kümesini en iyi Γmnde§erine göre belirlerler.
E§er net faydalar pozitif bir de§er alyorsa, m∗ile gösterilen baz istasyonu bo³taki
kullanclarn ba§lanmasna izin verir (Satr 9). Bu noktada baz istasyonlar, kendi net faydalarn di§er baz istasyonlar ile payla³mak durumundadrlar. letim
güçleri ve kullanclarn maruz kald§ giri³im de§erleri güncellenir (Satr 10). Kullanclar, maruz kaldklar giri³im de§erlerini ve ba§lanma statüslerini di§er baz istasyonlar ile payla³rlar.
m∗ ile gösterilen baz istasyonu S setinden çkarlr, geriye kalan baz istasyonlar da güç de§erleri yaknsayana kadar kullanclar kendilerine ba§lamaya çal³rlar. Bu esnada d³taki iterasyonla ba§lanmayan kullanclarn varl§ kontrol edilir. E§er hala herhangi bir baz istasyonuna ba§lanmayan bir kullanc mevcutsa, yeni yat de§eri, de§eri 1'den küçük olan bir β ile çarplarak bulunur. Bütün kullanclar bo³ta kalmayana dek algoritma devam eder.
Toplam servis alan küçük oldu§unda, bütün kullanclar genellikle tek bir baz istasyonuna ba§lanmaktadrlar (simülasyon sonuçlarnda görülebilmektedir) ve bu ba§lanma i³lemi ilk iterasyonda sa§lanmaktadr. Önerilen yat algoritmas, sisteme yeni bir kullanc katld§nda da çal³abilmektedir.
3.3 Kar³la³trma Algoritmalar
3.3.1 En Yakn Baz stasyonuna Atama Algoritmas
En yakn baz istasyonuna atama algoritmasnda, hmn de§eri en yüksek olan n.
kullanc m∗ile gösterilen baz istasyonuna atanr. Daha sonra, iletim güçleri (3.2),
(3.3), (3.4) ve (3.1) numaral denklemler kullanlarak iteratif olarak optimize edilir. Algoritmann yalanc kodu Algoritma 2'de özetlenmi³tir.
En yakn baz istasyonuna atama algoritmas da§tk bir biçimde gerçeklenebilir. Öncelikle bütün baz istasyonlar pilot sinyallerini yayarlar, sonrasnda her bir kullanc elde etti§i en yüksek güç seviyesine göre baz istasyonuna ba§lanrlar. Daha sonra her bir baz istasyonu, ba§lanan kullanclarn kanal durumlarna göre gereken iletim gücünü hesaplarlar. Kullanclar da baz istasyonlarna, ba§landklar durumda maruz kalacaklar giri³im de§erini baz istasyonlarna bildirirler ve güç hesaplamas algoritma yaknsayana kadar da§tk bir biçimde gerçekle³tirilir.
Algoritma 2 : En yakn baz istasyonuna atama algoritmas
1: Ba³lat In = 0, ∀n, Pn,m = 0, ∀n, m
2: for her kullanc için do
3: Baz istasyonunu bul m∗ = arg max
M{hmn} ve Nm∗ = Nm∗ ∪ {n}
4: end for
5: while yaknsamazsa do
6: (3.3)'ü kullanarak hesapla Pmn bütün m ∈ M, n ∈ Nm
7: Bütün m ∈ M için (3.4)'ü kullanarak hesapla Pm
8: (3.1)'i kullanarak yeni giri³im de§erlerini hesapla In(P ), ∀n ∈ N
9: end while
3.3.2 Dal-Snr Tabanl Optimal Çözüm Algoritmas
Dal-Snr algoritmas [25], optimal çözümde, kullanclarn atanmasnda ve iletim güçlerinin bulunmasnda kullanlm³tr. Bu algoritma detayl bir arama algoritmasdr. Olas bütün kullanc atamalar, bir a§acn dallar ve altdallar ³eklinde olu³turulur. Bir altdaln standartalt (suboptimal) bir çözüm oldu§u garanti edilirse, bu altdal devam ettirilmez ve ana daldan kesilir.
A§acn kökü olarak, hiçbir kullanc atamasnn yaplmad§ durum seçilir. Daha sonra ise bu kök, 1 numaral kullancdan ba³layarak, sistemde bulunan baz istasyonu says kadar, 1, 2, ..., M, altdala ayrlr. Bu i³lem 2 numaral kullanc için de tekrar sistemde bulunan baz istasyonu says kadar bir daha altdallara ayrlr.
A§açta bulunan D derinli§indeki bir dü§üm, D saydaki kullanc saysnn baz istasyonlarna atama yapld§n ifade eder. Dü§ümün devamndaki atamalar da bu dü§ümün altdallar ³ekinde ifade edilir. A§açtaki herbir dü§ümün, güç harcamasnn alt ve üst limitleri (lower ve upper bound) a³a§da belirtilmi³tir:
1. Üst Limit: D + 1, D + 2, ..., N dü§ümlerinin atamalar en yakn baz istasyonu atama algoritmasna göre yaplm³tr. Sonrasnda ise iteratif güç optimizasyonu, Denklem (3.1) ile Denklem (3.4) arasndaki basamaklarla yaplm³tr. En son olarak da toplam güç harcamas, Denklem (3.5) ile hesaplanm³tr.
güç optimizasyonu yaplm³ ve toplam güç harcamas, (3.5) numaral den-klem ile hesaplanm³tr. Daha sonras ise herbir dü§üm, D +1, D +2, ..., N, en yakn baz istasyonuna atanm³tr. Yalnz daha sonra yaplan atamalarda, gereken iletim gücü hesaplamasnda kullanclarn hiçbir giri³ime maruz kalmad§ ve bütün bant geni³li§ini, W , kullanabildikleri varsaymlar yaplm³tr.
Herbir a³amada, en dü³ük alt limite sahip olan dal bulunur. E§er herhangi bir daln alt limiti, di§er dallarn üst limitinden büyükse, ilk dal a§açtan kesilir. Böylece kesilen daln altdallar da algoritmada yer almaz ve bu detayl dal-snr tabanl algoritmann verimli bir ³ekilde çal³masn sa§lar.
3.4 Simülasyon Sonuçlar
Tablo 3.2'de simülasyonda kullanlan parametreler ve de§erleri verilmi³tir. Simülasyon parametrelerinin belirlenmesinde ITU (International Telecommunication Union)
kurumunun yaymlam³ oldu§u ITU-R M.2135 numaral dokümandan yararlanlm³tr[26]. Simülasyonda, hücresel haberle³me servis alannda, baz istasyonlar belirli yerlere
yerle³tirilmi³lerdir. Hizmet alacak kullanclar ise, hizmet alanna tekdüze da§lma göre rastgele da§tlm³lardr. Baz istasyonlarnn ve kullanclarn ayn konumda oldu§u 20 farkl senaryoda sonuçlar elde edilmi³tir. ekil 3.1, ekil 3.2 ve ekil 3.3'de 10 numaral senaryoda yer alan baz istasyonu ve kullanclarn konumlar, en yakn baz istasyonuna atama algoritmas, yat tabanl baz istasyonu anahtarlama algoritmas ve optimal çözüm algoritmas için srasyla gösterilmi³tir.
Hücresel haberle³me sisteminde yer alan bütün kullanclarn 500 Kbps (Kilobit per second) veri hz gereksinimleri mevcuttur. Bütün baz istasyonlar, sahip olduklar 5 MHz (MegaHertz) bant geni³li§ini, kullanclar arasnda zaman-payla³ml olarak payla³trrlar. Fiyat tabanl baz istasyonu algoritmasnda , ba³langç yat N/P0 ve yat çarpan olarak da β = 0.95 ³eklinde belirlenmi³tir.
0 200 400 600 800 1000 1200 1400 1600 1800 2000 200 400 600 800 1000 1200 1400 1600 1800 2000
M=4, N=10, 2000x2000 m2 Toplam Servis Alani
X Ekseni (m) Y Ekseni (m) 1 2 3 4 5 6 7 8 9 10 1 2 3 4 Baz Istasyonu Kullanici
ekil 3.1: 10. Baz istasyonu, kullanc yerle³imi senaryosu ve kullanclarn en yakn baz istasyonuna atanmas: M=4 Baz istasyonu, N=10 Kullanc, 2000×2000 m2 Toplam servis alan.
Baz istasyonlar ile kullanclarn konumlanmasnda ve yol kayb modelinde, ITU dokümannda yer alan, Urban-Macro (UMa) hücre modeli kullan³tr. Yol kayb modeli Denklem (3.7)'de yer almaktadr.
P L [dB] = 161.04 − 7.1 log10(S) + 7.5 log10(h) −(24.37 − 3.7(h/hBS)2) × log10(hBS)
+(43.42 − 3.1 log10(hBS)) × (log10(d) − 3)
+20 log10(fc[GHz]) − (3.2(log10(11.75hU T))2− 4.97).
0 200 400 600 800 1000 1200 1400 1600 1800 2000 200 400 600 800 1000 1200 1400 1600 1800 2000 X Ekseni (m) Y Ekseni (m) 1 2 3 4 5 6 7 8 9 10 1 2 3 4
M=4, N=10, 2000x2000 m2 Toplam Servis Alani
Baz Istasyonu Kullanici
ekil 3.2: 10. Baz istasyonu, kullanc yerle³imi senaryosu ve kullanclarn yat tabanl algoritmaya göre atanmas: M=4 Baz istasyonu, N=10 Kullanc, 2000×2000 m2 Toplam servis alan.
Denklem (3.7)'yi sadele³tirmek için, Tablo 3.2'de yer alan simülasyon parame-treleri denklemde yerine yazlm³ ve (3.7)'nin sadele³mi³ hali Denklem (3.8)'de verilmi³tir.
P L [dB] = 8.19 + 39.08 log10(d). (3.8) Sonuçlarda, yat tabanl baz istasyonu anahtarlama algoritmas (Algoritma 1), en yakn baz istasyonuna atama algoritmas (Algoritma 2) ve dal-snr tabanl optimal çözüm algoritmas (Algoritma 3), toplam hücresel haberle³mede
0 200 400 600 800 1000 1200 1400 1600 1800 2000 200 400 600 800 1000 1200 1400 1600 1800 2000 X Ekseni (m) Y Ekseni (m) 1 2 3 4 5 6 7 8 9 10 1 2 3 4
M=4, N=10, 2000x2000 m2 Toplam Servis Alani
Baz Istasyonu Kullanici
ekil 3.3: 10. Baz istasyonu, kullanc yerle³imi senaryosu ve kullanclarn optimum sonuçlara göre atanmas: M=4 Baz istasyonu, N=10 Kullanc, 2000×2000 m2 Toplam servis alan.
harcanan güç bakmndan kar³la³trlm³tr. ekil 3.4'te M=4 baz istasyonu, N=10 kullanc ve 2000×2000 m2'lik hücresel haberle³me servis alan içinde,
algoritmalardaki güç harcamalar 20 farkl senaryoda kar³la³trlm³tr. Sonuçlar-dan da görülebilece§i üzere, yat tabanl baz istasyonu anahtarlama algoritmas, en yakn baz istasyonuna atama algoritmasndan yakla³k olarak üç kat daha az güç harcamas yapm³tr. En yakn baz istasyonuna atama algoritmasnda, kullanclara ba§lanmak için harcanan iletim gücü harcamas oldukça dü³ük seviyededir, yalnz toplam sistemin güç harcamas, hücresel haberle³me servis alannda bulunan bütün baz istasyonlar açk konumda oldu§u için, oldukça
Tablo 3.2: Simülasyon Parametreleri
Parametre De§eri
Hücresel Haberle³me Servis Alan Kare (1000, 2000, 4000, 8000 metre kenarl)
Kullanc Says 10, 20
Baz stasyonu Says 4, 9
Gürültü Seviyesi -174 dBm/Hz
Log-normal Gölgeleme 6 dB
Cadde Geni³li§i (S) 20 m
Ortalama Bina Yüksekli§i (h) 15 m Baz stasyonu Yüksekli§i (hBS) 25 m
Ta³yc Frekans (fc) 2.5 GHz
Kullanc Yükseklik Konumu (hU T) 1.5 m
Sabit Güç Saryat (P0) 50 W
Veri Hz Gereksinimi (R0) 500 kbps
yüksektir (200 Watt). Fiyat tabanl baz istasyonu anahtarlama algoritmas, 20 farkl senaryodan 19'unda dal-snr tabanl optimal çözüm algoritmasyla ayn sonuçlar bulmu³, sadece 1 adet senaryoda farkl sonuç vermi³tir. ki algoritmada da toplam servis alannda sadece bir adet baz istasyonunu kullanm³lardr. ekil 3.5 M=4 baz istasyonu, N=20 kullanc ve 2000×2000 m2 toplam servis
alan için algoritmalarn güç harcamalarn göstermektedir. ekil 3.4'yer alan simülasyon parametrelerine göre kullanc says bakmndan daha yo§un bir sistemdir. Bahsedilen parametrelere göre yaplan simülasyon sonuçlarna göre, en yakn baz istasyonuna atama algoritmas, servis alannda bulunan bütün baz istasyonlarn, bütün senaryolarda kullanmaktadr. Sonuçlara göre yat tabanl baz istasyonu anahtarlama algoritmas, servis alannda ço§unlukla iki baz istasy-onunu aktif hale getirmektedir ve yakla³k olarak en yakn baz istasyonuna atama algoritmasnn yars kadar güç harcamas yapmaktadr. Baz senaryolarda yat tabanl algoritma, optimal çözüme oldukça yakn sonuç vermi³tir. Ortalamada, önerilen yat tabanl algoritma, optimal çözüm algoritmasndan yakla³k 15% daha fazla güç harcamas yapm³tr.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 40 60 80 100 120 140 160 180 200 220 SENARYOLAR GÜÇ HARCAMASI (W)
M=4, N=10, 2000x2000 m2 Toplam Servis Alani
En Yakin Baz Istasyonu Fiyat Tabanli Algoritma Optimal Çözüm
ekil 3.4: 20 rastgele senaryo için güç saryat: M=4 Baz istasyonu, N=10 Kullanc, 2000×2000 m2 Toplam servis alan.
alan için algoritmalarn güç harcamalarn göstermektedir. Simülasyon parame-trelerinden toplam servis alan, ekil 3.4'te yer alan servis alanna göre art-trlm³tr. ekil 3.6'da yer alan senaryolarn hepsinde, toplam servis alannn artmasyla birlikte, iletim gücü harcamas, sistemin toplam güç harcamasnda baskn hale gelmi³tir, ve daha fazla baz istasyonu aktif halde kullanlmaya ba³lan-m³tr. Servis alannn artmasna ra§men, önerilen yat tabanl baz istasyonu anahtarlama algoritmas, 5 adet senaryoda optimal çözümü yakalam³tr. Bunun yan sra, birçok senaryoda da (6, 7, 8, 9, 10, 12, 14, 20), önerilen algoritma, en yakn baz istasyonuna atama algoritmasna göre, önemli ölçüde iyile³tirme sa§lam³tr. Ortalamada önerilen algoritma yakla³k olarak, optimal çözüm algoritmasnn 5-6% yaknl§ndadr.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 60 80 100 120 140 160 180 200 220 SENARYOLAR GÜÇ HARCAMASI (W)
M=4, N=20, 2000x2000 m2 Toplam Servis Alani
En Yakin Baz Istasyonu Fiyat Tabanli Algoritma Optimal Çözüm
ekil 3.5: 20 rastgele senaryo için güç saryat: M=4 Baz istasyonu, N=20 Kullanc, 2000×2000 m2 Toplam servis alan.
ekil 3.7'de yer alan simülasyon parametreleri, baz istasyonlar, kullanclar ve toplam servisi alan açsndan en yo§un parametrelerdir.M=9 baz istasy-onu, N=20 kullanc ve 1000×1000 m2 toplam servis alan simülasyonlar için
seçilmi³tir. Sonuçlar göstermektedir ki, önerilen yat tabanl baz istasyonu anahtarlama algoritmas, servis alannda sadece bir tane baz istasyonunu aktif halde tutmaktadr ve bütün senaryolarda optimal çözümü vermektedir. En yakn baz istasyonuna atama algoritmasnda ise baz istasyonlarnn birço§u açk halde tutulmakta ve bu algoritma kötü bir performans göstermektedir.
ekil 3.8'de yer alan sonuçlar, M=9 baz istasyonu, N=20 kullanc ve 4000×4000 m2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 200 400 600 800 1000 1200 1400 1600 SENARYOLAR GÜÇ HARCAMASI (W)
M=4, N=20, 8000x8000 m2 Toplam Servis Alani
En Yakin Baz Istasyonu Fiyat Tabanli Algoritma Optimal Çözüm
ekil 3.6: 20 rastgele senaryo için güç saryat: M=4 Baz istasyonu, N=20 Kullanc, 8000×8000 m2 Toplam servis alan.
simülasyon parametrelerine göre toplam servis alan büyütülmü³ durumdadr. Simülasyon sonuçlar ekil 3.5'teki simülasyon sonuçlarna göre benzerlik göster-mektedir. Ortalamada, önerilen yat tabanl algoritma, optimal çözümün 23% uzakl§ndadr.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 50 100 150 200 250 300 350 400 450 500 SENARYOLAR GÜÇ HARCAMASI (W)
M=9, N=20, 1000x1000 m2 Toplam Servis Alani
En Yakin Baz Istasyonu Fiyat Tabanli Algoritma Optimal Çözüm
ekil 3.7: 20 rastgele senaryo için güç saryat: M=9 Baz istasyonu, N=20 Kullanc, 1000×1000 m2 Toplam servis alan.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 100 150 200 250 300 350 400 450 500 SENARYOLAR GÜÇ HARCAMASI (W)
M=9, N=20, 4000x4000 m2 Toplam Servis Alani
En Yakin Baz Istasyonu Fiyat Tabanli Algoritma Optimal Çözüm
ekil 3.8: 20 rastgele senaryo için güç saryat: M=9 Baz istasyonu, N=20 Kullanc, 4000×4000 m2 Toplam servis alan.
4. HETEROJEN HÜCRESEL
HABERLEME SSTEMLERNDE
ENERJ VERML KULLANICI
ATAMASI
4.1 Sistem Modeli
Sistem, heterojen hücresel haberle³me sistemi olarak modellenmi³tir. Kul-lanclar, sistemde tekdüze da§lma göre rastgele konumlandrlm³lardr. Het-erojen a§da, bir adet makro baz istasyonu ve on adet de mikro baz istasyonu bulunmaktadr. Makro baz istasyonu (baz istasyonu 1), tipik olarak, mikro baz istasyonlarndan (baz istasyonu j, öyle ki j 6= 1) daha yüksek iletim gücüne sahiptir.
j numaral baz istasyonunun maksimum iletim gücü Pj ve j numaral baz
istasyonu ile i numaral kullanc arasndaki yol kayb da gij olsun. Modelde
herhangi bir ³ekilde güç kontrol yöntemi uygulanmam³tr, bir di§er deyi³le, baz istasyonlarnn hepsi kendilerine atanan maksimum güç seviyesinde iletim yapmaktadrlar. Bu durumda baz istasyonlar ya maksimum seviyede iletim yapmaktadrlar ya da tamamiyle kapatlm³ durumdadrlar.
yj ∈ {0, 1} baz istasyonlarnn anahtarlama indikatörüdür, burada yj = 1 ise baz
kullancnn j numaral baz istasyonundan ald§ Sinyal-Gürültü+Giri³im Oran (SGGO) a³a§da Denklem 4.1'de gösterilmi³tir.
SIN Rij(y) =
yjPjgij
P
k∈B,k6=jykPkgik+ No
, ∀i ∈ U , j ∈ B (4.1)
Denklem 4.1'de yer alan No gürültü gücünü göstermektedir. Anahtarlama
indikatörüne ba§l olarak, j numaral baz istasyonundan i numaral kullanc için ula³labilecek en yüksek veri hz Shannon kapasite formülü ( cij(y) =
W log2(1 + SIN Rij(y)) ) ile hesaplanm³tr. Burada W iletim yaplan bant
geni³li§ini ifade etmektedir.
[20]'de de ifade edildi§i gibi, xij ∈ 0, 1 sistem modelinde ortaklk indikatörüdür,
yani xij = 1 olmas durumunda, i numaral kullanc j numaral baz istasyonuna
ba§lanm³ durumdadr. Kj, j numaral baz istasyonunun efektik yüküdür ve
Kj = Pk∈Uxkj ³eklinde hesaplanr. Herhangi bir baz istasyonuna birden
fazla kullanc ba§lanrsa, baz istasyonun kendisine atanan bant geni³li§ini, bu kullanclar arasnda zaman payla³ml olarak kullandrttrr.
Verilen baz istasyonu anahtarlama indikatörleriyle, y = {yj, j ∈ B}, i numaral
kullancnn ortalama veri hz Denklem 4.2 ile hesaplanr.
Ri(y) = X j∈B xij cij(y) Kj , ∀i ∈ U (4.2)
Ayrca makro baz istasyonlar ile mikro baz istasyonlarnn arasndaki haberle³me de kablo üzerinden yaplmaktadr. Yalnz sistem modeline bu haberle³me için harcanan zaman ve güç dahil edilmemi³tir.
4.1.1 Güç Harcama Modeli
Baz istasyonunun güç harcamas iki ksmdan olu³maktadr:
2. Baz istasyonunun kullanclar için harcad§ iletim gücü
PT
j , j numaral baz istasyonunun harcad§ toplam güç olsun. [21]'de makro ve
mikro baz istasyonlar için güç harcama modeli önerilmi³tir. Bu modele göre, baz istasyonunun bir sektöre yayn yapt§ ve bu sektör için de bir adet güç yükselteci kullanld§ varsaylm³tr. A³a§da Denklem 4.3'te 1 numaral (makro baz istasyonu) baz istasyonu için güç harcama modeli verilmi³tir.
P1T = P1 µP A + PSP (1 + CC) (1 + CP SBB) (4.3)
Denklem 4.3'te yer alan µP A, PSP, CC ve CP SBB ifadeleri srasyla, güç yükselteci
verimi, sinyal i³leme güç harcamas, so§utma kayb katsays ve güç kayna§ kaybn göstermektedir.
Mikro baz istasyonu için güç harcama modeli statik ve dinamik olmak üzere iki ksmdan olu³maktadr. Dinamik ksm baz istasyonunun sahip oldu§u aktif linklere ba§ldr (ba³ka bir ifadeyle atanan kullanc says). Sistem modelinde güç harcama modeli olarak sadece statik ksm kullanlm³tr. Denklem 4.4'te mikro baz istasyonu için güç harcama modeli verilmi³tir.
PjT = Pj µmicro P A + PSPmicro (1 + CP S) , j ∈ B, j 6= 1 (4.4)
Denklem 4.4'te yer alan µmicro
P A , PSPmicro ve CP S ifadeleri srasyla, güç yükselteci
verimi, sinyal i³leme güç harcamas ve güç kayna§ kaybn göstermektedir. Tablo 4.1'de güç harcama modelinde kullanlan paremetreler ve bu parametrelerin de§eri açklanm³tr.
4.2 Problem Formülasyonu
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