表7所示。初始功率分配方式下，網(wǎng)絡(luò)總能效僅為0.2027Mbit/(s?J)，顯示出較低的能效水平。而采用FTPA方式后，網(wǎng)絡(luò)總能效提升至0.3737Mbit/(s?J)，相較于初始功率分配方式下的能效提升了84.36%。FPA方式下網(wǎng)絡(luò)總能效略高于FTPA方式下的網(wǎng)絡(luò)總能效，為0.4068Mbit/(s?J)，相較于初始功率分配方式下的能效提升了1倍左右。而基于拉格朗日對(duì)偶的功率分配方式雖然其網(wǎng)絡(luò)用戶數(shù)據(jù)速率總和略低于FPA以及FTPA方式，但是其數(shù)據(jù)速率的小幅度犧牲換來(lái)了大幅度的能耗減小，因此在基于拉格朗日對(duì)偶的功率分配方式下網(wǎng)絡(luò)總能效達(dá)到了最高的0.4683Mbit/(s?J)，相較于初始功率分配方式下的能效提升了1.3倍左右。綜上，在初始功率分配方式下，網(wǎng)絡(luò)中存在許多不必要的能耗，并且這種能量分配方式使得網(wǎng)絡(luò)當(dāng)中存在嚴(yán)重的干擾，特別是當(dāng)用戶選擇接入到AP時(shí)，其會(huì)遭受到來(lái)自網(wǎng)絡(luò)中其它AP的強(qiáng)烈干擾，因而在這種功率分配下網(wǎng)絡(luò)總能效處于最低水平。而對(duì)于FPA以及FTPA功率分配方式，由于其在進(jìn)行功率分配時(shí)忽視了信道的時(shí)變特性，并且受功率遞歸因子以及衰減因子取值的影響較大，因此其為一種次優(yōu)的功率分配方案，而對(duì)于基于拉格朗日對(duì)偶的功率分配方式，其在分配功率時(shí)考慮了信道條件以及干擾等多方面因素，因此在這幾種功率分配方式中脫穎而出，網(wǎng)絡(luò)能效的提升水平最為顯著。這些數(shù)據(jù)表明，通過(guò)優(yōu)化功率分配方式，可以顯著提升網(wǎng)絡(luò)的能效水平，實(shí)現(xiàn)資源的高效利用。本章小結(jié)本章對(duì)5GUUDN場(chǎng)景下的網(wǎng)絡(luò)節(jié)能問(wèn)題進(jìn)行了仿真實(shí)驗(yàn)，包括仿真環(huán)境與參數(shù)設(shè)置、用戶關(guān)聯(lián)仿真結(jié)果及其分析、以及功率分配仿真結(jié)果及其分析。在用戶關(guān)聯(lián)仿真結(jié)果及其分析中，本文求解了基于最大吞吐量的用戶關(guān)聯(lián)算法，并結(jié)合匹配博弈算法和初始用戶最近關(guān)聯(lián)方式對(duì)比了它們的性能表現(xiàn)，發(fā)現(xiàn)優(yōu)化用戶關(guān)聯(lián)方式后，網(wǎng)絡(luò)中總吞吐量均有所增加，其中基于最大吞吐量的用戶關(guān)聯(lián)算法對(duì)吞吐量的提升效果最為顯著，因?yàn)閷?duì)能效的優(yōu)化效果最佳。在功率分配仿真結(jié)果及其分析中，本文采用了基于拉格朗日對(duì)偶的功率分配優(yōu)化、FPA和FTPA三種功率分配方法，并基于初始功率分配方式對(duì)比了它們的性能。結(jié)果表明，合理的功率分配方式能夠顯著提高網(wǎng)絡(luò)的數(shù)據(jù)傳輸效率和能效水平，基于拉格朗日對(duì)偶的功率分配方式在這方面表現(xiàn)出了最優(yōu)的性能。綜上所述，本章的仿真實(shí)驗(yàn)結(jié)果充分展示了在5GUUDN中采用不同的用戶關(guān)聯(lián)和功率分配算法對(duì)網(wǎng)絡(luò)性能的影響。通過(guò)合理的算法選擇和參數(shù)優(yōu)化，可以實(shí)現(xiàn)網(wǎng)絡(luò)總吞吐量的提升、能耗的降低以及網(wǎng)絡(luò)總能效的顯著改善，為網(wǎng)絡(luò)的設(shè)計(jì)和優(yōu)化提供了重要的參考和指導(dǎo)?？偨Y(jié)與展望網(wǎng)絡(luò)節(jié)能問(wèn)題是當(dāng)前數(shù)字化社會(huì)中亟待攻克的重要挑戰(zhàn)之一。隨著互聯(lián)網(wǎng)的普及和網(wǎng)絡(luò)應(yīng)用的不斷增長(zhǎng)，網(wǎng)絡(luò)設(shè)備的數(shù)量和規(guī)模呈指數(shù)級(jí)增長(zhǎng)，導(dǎo)致網(wǎng)絡(luò)能耗持續(xù)攀升。在環(huán)保、可持續(xù)發(fā)展的背景下，網(wǎng)絡(luò)節(jié)能問(wèn)題日益受到關(guān)注，迫切需要通過(guò)科技創(chuàng)新和技術(shù)優(yōu)化來(lái)降低網(wǎng)絡(luò)能耗，提高網(wǎng)絡(luò)能效，實(shí)現(xiàn)綠色、低碳的網(wǎng)絡(luò)發(fā)展目標(biāo)。為此，本文對(duì)UUDN場(chǎng)景下的網(wǎng)絡(luò)節(jié)能問(wèn)題進(jìn)行了研究。首先，本文建立了具體的網(wǎng)絡(luò)模型以及能耗模型，確定了所研究的UUDN場(chǎng)景，并為后續(xù)節(jié)能方法的設(shè)計(jì)奠定了基礎(chǔ)。在此基礎(chǔ)上，本文進(jìn)一步構(gòu)建了系統(tǒng)的能效優(yōu)化模型，以最大化網(wǎng)絡(luò)總能效為優(yōu)化目標(biāo)，以MBS和AP的最大發(fā)射功率以及用戶的最小數(shù)據(jù)速率要求限制等為約束條件，優(yōu)化變量為分配變量A以及功率變量P，進(jìn)而提出了系統(tǒng)的能效優(yōu)化問(wèn)題。由于分配變量A是離散變量，功率變量P為連續(xù)變量，因此所提的能效優(yōu)化問(wèn)題是一個(gè)非凸混合整數(shù)NP難的優(yōu)化問(wèn)題。針對(duì)這個(gè)問(wèn)題，本文采取了“兩步走”戰(zhàn)略，首先讓MBS和AP均以其最大發(fā)射功率平均分配到每個(gè)子載波上，固定功率變量，求解優(yōu)化后的分配變量A。對(duì)于MBS和AP與用戶之間的關(guān)聯(lián)問(wèn)題，本文首先初始化每個(gè)用戶關(guān)聯(lián)到最近的MBS或AP，通過(guò)求解基于最大吞吐量的用戶關(guān)聯(lián)方式對(duì)用戶與MBS和AP之間的關(guān)聯(lián)進(jìn)行優(yōu)化，并與初始用戶最近關(guān)聯(lián)以及匹配博弈算法的用戶關(guān)聯(lián)方式下網(wǎng)絡(luò)的總吞吐量進(jìn)行對(duì)比，仿真結(jié)果顯示，通過(guò)采用基于最大吞吐量的用戶關(guān)聯(lián)方式以及匹配博弈算法用戶關(guān)聯(lián)方式進(jìn)行用戶關(guān)聯(lián)優(yōu)化，網(wǎng)絡(luò)中的總吞吐量均相較于初始狀態(tài)下有了一定程度的提升，其中基于最大吞吐量的用戶關(guān)聯(lián)方式下所得到的網(wǎng)絡(luò)總吞吐量略高于匹配博弈算法。通過(guò)進(jìn)一步計(jì)算，可以得到本文所求解的基于最大吞吐量的用戶關(guān)聯(lián)方式下的網(wǎng)絡(luò)總能效最大，證明了本文所求解的用戶關(guān)聯(lián)方式的優(yōu)越性?；谏鲜鼋Y(jié)果，本文采用基于最大吞吐量的用戶關(guān)聯(lián)方式，對(duì)網(wǎng)絡(luò)中的功率分配進(jìn)行優(yōu)化，本文提出基于拉格朗日對(duì)偶的功率分配方法，并將其與FPA、FTPA以及初始狀態(tài)下的功率分配方式進(jìn)行對(duì)比，實(shí)驗(yàn)結(jié)果顯示，本文所提出的基于拉格朗日對(duì)偶的功率分配方式對(duì)網(wǎng)絡(luò)能量消耗的優(yōu)化程度最為顯著。通過(guò)進(jìn)一步計(jì)算，可以得到本文所提出的基于拉格朗日的功率分配算法對(duì)網(wǎng)絡(luò)總能效的優(yōu)化程度最佳，進(jìn)而本文所提出的功率分配方式的有效性得到了驗(yàn)證。針對(duì)網(wǎng)絡(luò)節(jié)能問(wèn)題，本文開(kāi)展了相關(guān)研究，設(shè)計(jì)了相應(yīng)的用戶關(guān)聯(lián)方法以及功率分配方法，并取得了一定的效果。未來(lái)研究可圍繞以下方向深入探索：本文尚未對(duì)用戶的流量需求進(jìn)行差異化處理，而實(shí)際情況中，在某一確定時(shí)刻，一些用戶可能由于處于高負(fù)載情況下而具有高流量需求，而其他用戶則可能處于低負(fù)載情況下，具有較低的流量需求；除此之外，未來(lái)的研究可以聚焦于開(kāi)發(fā)更加智能化的節(jié)能算法。這些技術(shù)能夠通過(guò)融合機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等手段，達(dá)到對(duì)網(wǎng)絡(luò)資源的實(shí)時(shí)調(diào)控和優(yōu)化。它們能夠根據(jù)網(wǎng)絡(luò)的負(fù)載狀況和環(huán)境的變化進(jìn)行自主調(diào)整，旨在最大限度地降低能源消耗，同時(shí)提升網(wǎng)絡(luò)的運(yùn)行效率。主要參考文獻(xiàn)TheMobileEconomy2024[R].GSMA,2024.TheMobileEconomyChina2023[R].GSMA,2023.FonsecaA,KazmanR,LagoP.Amanifestoforenergy-awaresoftware[J].IEEEsoftware,2019,36(6):79-82.AlamuO,Gbenga-IloriA,AdelabuM,etal.Energyefficiencytechniquesinultra-densewirelessheterogeneousnetworks:Anoverviewandoutlook[J].EngineeringScienceandTechnology,anInternationalJournal,2020,23(6):1308-1326.MengF,ChenP,WuL,etal.Powerallocationinmulti-usercellularnetworks:Deepreinforcementlearningapproaches[J].IEEETransactionsonWirelessCommunications,2020,19(10):6255-6267.López-PérezD,DeDomenicoA,PiovesanN,etal.Asurveyon5Gradioaccessnetworkenergyefficiency:MassiveMIMO,leancarrierdesign,sleepmodes,andmachinelearning[J].IEEECommunicationsSurveys&Tutorials,2022,24(1):653-697.AnandharajanTRV,MurugalakshmiC,AdhityaB,etal.DeeplearningbasedenergyefficientschemeformassiveMIMO[J].InternationalJournalofEngineeringandAdvancedTechnology(IJEAT),2019,8.PoirotV,EricsonM,NordbergM,etal.Energyefficientmulti-connectivityalgorithmsforultra-dense5Gnetworks[J].WirelessNetworks,2020,26(3):2207-2222.VenturinoL,ZapponeA,RisiC,etal.Energy-efficientschedulingandpowerallocationindownlinkOFDMAnetworkswithbasestationcoordination[J].IEEEtransactionsonwirelesscommunications,2014,14(1):1-14.JainA,Lopez-AguileraE,DemirkolI.Userassociationandresourceallocationin5G(AURA-5G):Ajointoptimizationframework[J].ComputerNetworks,2021,192:108063.DiB,BayatS,SongL,etal.Jointuserpairing,subchannel,andpowerallocationinfull-duplexmulti-userOFDMAnetworks[J].IEEETransactionsonWirelessCommunications,2016,15(12):8260-8272.賈亞男,岳殿武.認(rèn)知小蜂窩網(wǎng)絡(luò)中基于能效的下行資源分配算法[J].通信學(xué)報(bào),2016,37(04):116-127.江超,張治中,馮姣等.蜂窩網(wǎng)絡(luò)D2D通信資源分配研究[J].電子測(cè)量技術(shù),2023,46(24):47-53.靳冬慧,陳碩,王占剛.密集異構(gòu)網(wǎng)絡(luò)中基于多目標(biāo)優(yōu)化的資源分配策略[J].電訊技術(shù),2023,63(04):466-474.秦維娜,張達(dá)敏,張琳娜等.異構(gòu)網(wǎng)絡(luò)中基于被囊群算法的D2D通信資源分配[J].小型微型計(jì)算機(jī)系統(tǒng),2023,44(10):2144-2150.陳竦.基于鴿群算法的移動(dòng)異構(gòu)網(wǎng)絡(luò)通信資源分配方法[J].長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版),2022,23(03):105-109.MugheesA,TahirM,SheikhMA,etal.Energy-efficientjointresourceallocationin5GHetNetusingmulti-agentparameterizeddeepreinforcementlearning[J].PhysicalCommunication,2023,61:102206.KimY,JangJ,YangHJ.DistributedResourceAllocationandUserAssociationforMax-MinFairnessinHetNets[J].IEEETransactionsonVehicularTechnology,2023.ITU-R.FutureTechnologyTrendsofTerrestrialIMTSystems[R].M.2320,2014.尚思翰.超密集網(wǎng)絡(luò)中的干擾管理技術(shù)研究[D].電子科技大學(xué),2018.張珊.面向5G網(wǎng)絡(luò)的邊緣緩存技術(shù)研究[D].東南大學(xué),2019.ChenS,QinF,HuB,etal.User-centricultra-densenetworksfor5G:challenges,methodologies,anddirections[J].IEEEWirelessCommunications,2018,23(2):78-85.王婧舒.OFDM信號(hào)的帶寬及小數(shù)倍頻偏盲估計(jì)[D].西安電子科技大學(xué),2012.胡玉佩,陳慧敏.6G信道估計(jì)研究[J].湖南郵電職業(yè)技術(shù)學(xué)院學(xué)報(bào),2023,22(1):14-19.丁凌琦,穆道生,蔣太杰.OFDM技術(shù)應(yīng)用現(xiàn)狀分析[J].軟件,2016,37(10):130-134.張浩,郭經(jīng)紅.基于OFDM的高壓電力線通信系統(tǒng)[C]//中國(guó)國(guó)際供電會(huì)議.2006.張凱,梁釗.基于OFDM的碼分多址技術(shù)及其性能仿真[J].現(xiàn)代電子技術(shù),2006,(21):8-10.李增紅,聶旻,李綱.OFDM:4G中的關(guān)鍵技術(shù)及其在移動(dòng)通信中的應(yīng)用[J].電子元器件資訊,2009(10):41-43.饒琪.OFDMA無(wú)線接入技術(shù)及時(shí)頻同步估計(jì)[D].電子科技大學(xué),2006.周凱.基于低密度校驗(yàn)碼的OFDM系統(tǒng)及其關(guān)鍵技術(shù)的研究[D].哈爾濱工程大學(xué),2006.李騁.無(wú)線通信系統(tǒng)中保證QoS的跨層資源優(yōu)化方法[D].南京郵電大學(xué),2016.賈紅娜.基于OFDMA的無(wú)線資源分配算法研究[D].燕山大學(xué),2016.胡心怡,方睿,李日欣,等.OFDM技術(shù)發(fā)展綜述[J].通信技術(shù),2010,43(08):132-134.張萬(wàn)喆,聶何婷.基于高能效無(wú)線接入網(wǎng)的綠色無(wú)線通信關(guān)鍵技術(shù)分析[J].通訊世界,2017,(11):54-55.WuJ,ZhangY,ZukermanM,etal.Energy-efficientbase-stationssleep-modetechniquesingreencellularnetworks:Asurvey[J].IEEEcommunicationssurveys&tutorials,2015,17(2):803-826.GanameH,YingzhuangL,GhazzaiH,etal.5Gbasestationdeploymentperspectivesinmillimeterwavefrequenciesusingmeta-heuristicalgorithms[J].Electronics,2019,8(11):1318.ShengY,YuX,XingB,etal.Analysisofgreedyalgorithmbasedbasestationsitingsearchoptimization[J].AcademicJournalofComputing&InformationScience,2022,5(8.0).張俊杰,仇潤(rùn)鶴.基于用戶分簇的認(rèn)知超密集網(wǎng)絡(luò)資源分配[J].電訊技術(shù),2022,62(9).王雪,劉京,孫佳妮,等.基于譜聚類的異構(gòu)蜂窩超密集網(wǎng)絡(luò)高能效資源分配算法[J].通信學(xué)報(bào),2021,42(7):162-175.張瑞清,李暉,宋選安,等.大規(guī)模MIMO系統(tǒng)中能效優(yōu)化設(shè)計(jì)[J].現(xiàn)代電子技術(shù),2020,43(7):1-5.劉湛,馮穗力.多小區(qū)全雙工分布式天線系統(tǒng)的能效資源分配[J].華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）,2022,50(4).LinJ,ChenY,ZhengH,etal.Adata-drivenbasestationsleepingstrategybasedontrafficprediction[J].IEEETransactionsonNetworkScienceandEngineering,2021.ZhangQ,XuX,TaoX,etal.BaseStationSleepingStrategyBasedonD2DClusterHeadDensityOptimizationandSelection[C]//2021IEEEWirelessCommunicationsandNetworkingConference(WCNC).IEEE,2021:1-7.ByungL,YoungokK.Interference-AwarePAP1RReductionSchemetoIncreasetheEnergyEfficiencyofLarge-ScaleMIMO-OFDMSystems[J].Energies,2017,10(8):1184-.N.N.Moghadam,G.Fodor,M.Bengtsson,etal.OntheEnergyEfficiencyofMIMOHybridBeamformingforMillimeter-WaveSystemsWithNonlinearPowerAmplifiers[J].IEEETransactionsonWirelessCommunications,2018,17(11):7208-7221.龔霞,魏翼飛,宋梅,等.基于綠色基站的節(jié)能方案探討[J].移動(dòng)通信,2014,38(14):91-95.PiovesanN,MiozzoM,DiniP.Modelingtheenvironmentindeepreinforcementlearning:thecaseofenergyharvestingbasestations[C]//ICASSP2020-2020IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing(ICASSP).IEEE,2020:8996-9000.XuJ,DuanL,ZhangR.Cost-AwareGre