IEEE802.16e休眠模式的省电方法

摘要

一种IEEE802.16e休眠模式的省电方法属于无线信息传输领域。基站与终端两侧同时设置一个计数器，每当终端在休眠周期的监听窗口接收或发送一次数据则计数器数值加一。计数器的数值大小可以用来表征当前终端的业务繁忙程度。因此可以依照计数器的记录值来控制终端状态是否由休眠状态变为普通状态。本发明的软件设计过程简单易于实施，通过增加一组计数器减少不必要的状态转移，增长了终端处于休眠模式的时间。进一步减小了终端的能量消耗，增长了终端待机时间。

主权项

1.一种IEEE802.16e休眠模式的省电方法，其特征在于：在基站与终端两侧各设置一个计数器，当终端在休眠周期的监听窗口接收或发送一次数据则计数器数值加一；计数过程必须为连续的，如果连续多个休眠周期有数据到达，但计数器的计数值未超过设定的门限值m，并且下一个周期无数据到达，则两计数器同时置0，重新开始计数，此过程称为计数中断；当计数器的统计值超过所设门限值m时，终端从休眠模式进入普通模式；对于不同的最小休眠窗口与最大休眠窗口，m的值通过建立马尔科夫分析模型计算得到；实施步骤如下，第一步：两计数器设置门限值；第二步：终端通过与基站之间交换信令进入休眠模式；第三步：进入休眠状态，终端与基站启动计数器统计连续有数据传输的休眠周期数目；如果计数被中断则两计数器同时置0，重新开始计数；第四步：检测计数器记录值是否超过门限值；第五步：计数器未超过门限值终端继续保持休眠模式，重复第四步；第六步：计数器超过门限值，终端退出休眠模式进入普通模式;其中门限值的确定步骤如下：设定m值为计数器的门限值；α_n(1≤n≤max)表示从休眠周期n进入下一个休眠周期n+1的概率；α_N表示从普通模式进入休眠模式的概率，β_n(m≤n≤max)表示从休眠周期n进入普通模式的概率；每个休眠周期由一个监听窗口和一个休眠窗口组成；监听窗口长度为定值L，初始休眠窗口大小为t₁，根据协议IEEE802.16E有关休眠窗口计算的规定第n个休眠周期的休眠窗口的大小为：$t_n=\left\{\begin{array}{cc}{2}^{n-1}{t}_1,& 2^{n-1}{t}_1<t_{\max }\\ t_{\max },& 2^{n-1}{t}_1\ge t_{\max }\end{array}\right.---\left(1\right)$终端数据帧传输服从接入速率为λ(帧/秒)的泊松过程；那么，根据泊松公式的定义在时间t内没有数据传输的概率为e^-λt，对应的有数据传输的概率为1-e^-λt；休眠周期n(1≤n≤max)的总时间为休眠窗口时长tn与监听窗口时长L的和；那么在休眠周期n有数据传输的概率为若设定计数器门限值为m，则当m≤n≤max-1时βn物理意义为：休眠周期n,之前，从休眠周期n-m+1开始的m-1个休眠周期均有数据传输，并且休眠周期n也有数据传输，即连续m个休眠周期有数据传输则第n个休眠周期过后进入到普通模式；连续m个休眠周期有数据传输的概率为当n<m时，无论休眠周期有无数据传输，均不能满足连续m个休眠周期均由数据传输而进入普通模式的要求，因此概率为0；当n=max时，由于没有下一个休眠周期，只能从休眠模式进入普通模式，因此β_max表示由最大休眠窗口进入普通模式的概率，其值等于1；${\beta }_n=\left\{\begin{array}{cc}0,& (n<m)\\ \underset{i=n-m+1}{\overset{n}{\Pi }}(1-e^{-\lambda (t_i+L)})& (m\le n\le \max -1)\\ 1,& (n=\max )\end{array}\right.---\left(2\right)$若在休眠周期n不满足进入普通模式的条件，那么将从休眠周期n进入休眠周期n+1；用α_n(1≤n≤max)表示从休眠周期n进入下一个休眠周期的的概率；当1≤n<m时，无论有无数据传输均会进入下一个休眠周期，因此α_n的值为1；当m≤n≤max-1时，此时终端有可能进入下一个休眠周期，也有可能满足进入普通模式的条件，因此进入下一个休眠周期的的概率等于总的概率值1减去进入普通模式的概率，即1-β_n；用α_N表示普通模式进入初始休眠周期1的概率，由于处普通模式的终端通过交换信令进入休眠周期，因此其值为1；${\alpha }_n=\left\{\begin{array}{cc}1,& (1\le n<m)\\ 1-{\beta }_n,& (m\le n\le \max -1)\end{array}\right.---\left(3\right)$β_n、α_n、α_N即为终端各个休眠周期以及普通模式之间的状态转移概率，那么得到t→∞时处于各个休眠周期的概率π_n(1≤n≤max)以及处于普通模式的概率π_N的计算公式为：$\left\{\begin{array}{cc}& \\ {\pi }_{n+1}={\alpha }_n{\pi }_n,(1\le n<\max )& \left(a\right)\\ {\pi }_1={\alpha }_N{\pi }_N& \left(b\right)\\ {\pi }_N=\underset{i=m}{\overset{\max }{\Sigma }}{\beta }_i{\pi }_i& \left(c\right)\end{array}\right.---\left(4\right)$（a）式的物理意义，当(1≤n<max)时，休眠周期n进入休眠周期n+1的概率等于取得休眠周期n的概率π_n乘以由休眠周期n进入休眠周期n+1的概率α_n；（b）的物理意义为取得休眠周期1的概率为处于普通模式的概率π_N与普通模式进入休眠模式概率α_N的乘积；（c）表示取得普通模式的概率等于各个休眠周期进入普通模式的概率之和各休眠周期进入普通模式的概率等于处于各休眠周期的概率π_i与该休眠周期进入普通模式概率β_i的乘积；将α_n、α_N、β_n代入式子（4）的到简化后的公式为$\left\{\begin{array}{c}{\pi }_N={\pi }_1=···={\pi }_m\\ {\pi }_{n+1}={\pi }_n{\alpha }_n,(m\le n<\max )\\ {\pi }_N=\underset{i=m}{\overset{\max }{\Sigma }}{\beta }_i{\pi }_i\end{array}\right.---\left(5\right)$结合公式${\pi }_N=\underset{i=1}{\overset{\max }{\Sigma }}{\pi }_i=1---\left(6\right)$即求得休眠周期的概率π_n(1≤n≤max)以及处于普通模式的概率π_N；休眠窗口终端的能量消耗功率为E_S,监听窗口能量消耗功率为E_rx；一个休眠周期的能量消耗分为两部分，监听窗口的能量消耗与休眠窗口的能量消耗(L*E_rx+tk*E_S)；若取得休眠周i,终端总的能量消耗应为前i个休眠周期能量消耗的总和即那么平均能量消耗值应为取得各个休眠周期的概率与该休眠周期总的能量消耗乘积的和：$E=\underset{i=1}{\overset{\max }{\Sigma }}\left(\underset{k=1}{\overset{i}{\Sigma }}(L*E_{\mathrm{rx}}+t_k*E_S)\right)*{\pi }_i---\left(7\right)$考虑到泊松分布的随机性，假定数据帧在同一休眠阶段内的到达时刻服从均匀分布，得到平均延时为：$E\left(t\right)=\underset{i=1}{\overset{\max }{\Sigma }}\left(\frac{L+t_i}{2}\right)*{\pi }_i---\left(8\right)$根据大量的实验结果显示，随着m值的增大，平均能量消耗值越小，但由于终端对于数据处理延时的限制，m值越大时延越长；所以不能将m值无限制的最大；实验结果显示当m在max/3之前逐渐增大时能量节省呈线性增长；大于max/3后，能量节省较m值为max/3增长不大，而时延呈仍为线性增长；因此，m值的取值应为(,max/3-2,max/3+2)区间内的整数值，按照公式（7）、（8）计算出的平均能量消耗与平均时延；且恰当的m值必须能够使$\eta =\frac{(E_{m_{i-1}}-E_{m_i})/E_{m_{i-1}}}{(E_{m_i}\left(t\right)-E_{m_{i-1}}\left(t\right))/E_{m_{i-1}}\left(t\right)}---\left(9\right)$的值达到最大，式子（9）的物理意义为：能量节省达到最大，时延增长最小；此时的m值为所需m值。