搜索
第1章LTE下行资源多用户调度自优化技术研究1.1引言LTE(长期演进)是3GPP(第三代合作项目)近4年中推出的最大的技术研究和标准制定项目。作为一种很有前途的移动通信技术，LTE提高了空中接口的性能，并通过一些关键技术增强了频谱效率，例如，OFDM(正交频分复用)，MIMO(多输入多输出)和资源共享[3]。因此，与以前的技术相比，LTE具有一定的优势，例如更高的数据速率以及更小的时间延迟。此外，OFDM技术既可在时域又可在频域将无线链路资源分开，使得资源分配和调度更灵活[6][7]。一般情况下，调度算法有三种，最大载干比（MAXC/I，maxcarriertointerferenceratio），轮询(RR，roundrobin)和正比公平(PF，proportionalfairness)，每种算法在吞吐量和用户公平性的侧重点不同。MAXC/I算法总是将PRB分配给当前信道质量最好的用户。相反，轮询算法将无线资源平均地分配给每个用户。而PF是MAXC/I和RR的折中，平衡吞吐量和用户公平性。显然，LTE这样的资源共享系统，调度算法对用户体验和网络性能有很大的影响，因为它决定了在不同无线信道条件下的用户之间如何分配无线资源。在参考文献[5]中，作者提出了在调度算法应该考虑的若干原则：1）系统吞吐量最大化;2）可接受的时延；3）资源分配的用户公平性。在本章节中，我们主要讨论调度算法如何平衡系统吞吐量和用户公平。首先提出调度算法的两个关键因子，一个是用户的SINR分散度？，另一个是在一个传输时间间隔（TTI）内分配给每用户的最大的PRB数量（MaxPRB）；其次，把这两个因素进行联合起来加以研究；然后，在基于对用户的SINR分散度和MaxPRB的联合研究基础上，我们提出了一种动态调度MaxPRB的策略以提高用户间的公平性，同时保证LTE系统吞吐量。本章节的结构安排如下：首先分析调度算法的两个关键因子——用户的SINR分散度和一个传输时间间隔(TTI)内分配给每用户的最大的PRB数量(MaxPRB)；其次，对这两个因素进行联合研究，寻找这两个因素间的相互关系；然后，在联合研究基础上提出了一种动态调度MaxPRB的资源调度自优化算法，给出算法流程，通过通过蒙德卡洛仿真，对比我们提出的算法和常用的几种调度方案的性能；最后，总结本章的主要内容。1.2系统模型和关键指标建模1.2.1OFDM资源调度模型在无线通信系统中，对于广大用户，无线资源是有限而且十分珍贵的。随着用户数量的上升以及用户需求的提升，如何有效地管理资源成为摆在我们面前最重要的问题之一。目前业界已经研究了一系列资源管理技术来解决这个问题，其中之一就是资源调度技术。调度是资源管理的核心技术。在LTE系统中，多个活跃用户需要共享带宽。因此需要一种机制，来为这些用户进行有效的资源分配。无线系统中的调度与有线系统中的不同，因为它面临着更复杂的的情况：时变信道环境，有限的带宽资源等。通过OFDM技术的应用，LTE系统的无线资源被分为多个PRB，如图2-1所示。物理资源块(PRB)是基本的调度单位，它由时域中的一个时隙(0.5毫秒)以及频域的180kHz组成。无线资源既可以在时域也可以在频域调度，使得调度粒度变得更为灵活。由于LTE带宽是20MHz，相比以往的移动通信系统，我们更注重无线信道的频率选择性衰落特性。通过频率选择性调度，我们可以每次给每个用户分配最佳的频段，使系统在频域获得多用户分集增益。在LTE的下行方向，调度主要是基于CQI(信道质量指示)报告，它代表了下行的SINR(信号干扰噪声比)。CQI是通过测量参考信号得到的，它可以得到不同频率的状态信息。对于TD-LTE系统，由于上行下行同在一个频点，信道的互易性使得基站可以通过测量上行信道的质量，间接的获得下行信道的特征，从而综合对下行资源进行调度。这一段原理不太对，CQI一定是用户反馈的，基站无法获得，基站可以通过互异性由上行信道估计获取下行信道，但是无法估计下行干扰，所以CQI一定是用户反馈的。图2-1OFDM资源分配的框架图1.2.2资源调度衡量指标模型图1-1决定OFDM系统调度性能的指标有若干个，其中最重要也是最常用的是平均吞吐量和公平性。用户平均吞吐量是指一个用户在一个确定的时间窗口接收到的吞吐量的平均值。下面的公式表示用户平均吞吐量：()̅̅̅̅̅̅∫()(2-1)其中ΔT是指一段很短的时间，R(X)代表即时数据速率。公平指数也是判断用户资源分配的一个不可或缺的指标。由于公平指数是一个抽象概念，我们使用文献[9]中定义的下列公式进行评估：如果一个系统给n个用户分配资源，第i个用户接收分配的资源为xi，那么我们为系统提出以下指数：()[∑]∑(2-2)这个指标衡量用户调度的公平性。如果所有用户得到相同的资源数，即xi都是相等的，那么公平指数是1，系统是100％的公平。随着用户分配资源的差距ContinuousPRBallocatedtouser1ContinuousPRBallocatedtouser2DiscretePRBallocatedtouser3ControlchannelareaSlotSystembandwidthSubframe图1-1OFDM资源分配加大，公平性下降，那么那些选择只分配给少数用户的调度策略会使得用户的公平指数接近0。1.2.3常用的调度算法MAXC/I，轮询(RR)RR和正比公平(PF)PF是LTE系统进行资源分配使用的三个主要的调度策略。MAXC/I算法考虑到即时的无线链路条件，并提供无线资源的最佳用法。在每个时间间隔，MAXC/I选择信道条件最佳的用户。这种方法有可能使得系统达到最大的吞吐量。在数学上，MAXC/I调度算法可以如公式（3）表示：当基站在调度用户k的信道条件最好，瞬时速率最大的情况下选择该用户调度：x(2-3)其中是用户i的瞬时传输速率[8]。虽然MAXC/I可实现系统的最大吞吐量，但是这种方法并不是在所有情况下都是公平的并没有考虑用户之间的公平性，特别是对于无线链路条件非常差的边缘用户长期处于深衰落或者小区边缘的用户，将永远得不到很难获得服务。如果所有用户具有相同的优先级，公平性自然能够保证。这就是轮询(RR：RoundRobin)算法的基本原则RR算法随机选择小区内用户进行服务，并不考虑不同用户之间信道条件的差异。，所以RR算法的目的是确保用户体验的公平性。它可以被看作是一个使每个用户得到相同概率服务数量的无线资源的公平调度算法。然而，RR调度方法下系统容量比其峰值速率要低得多损失严重。因此，我们需要寻求一个能够提高整个扇区吞吐量同时兼顾到公平性的调度方案。PF算法折中了MAXC/I和RR算法，提高系统吞吐量的同时考虑到用户公平性。这就是说，它试图实现尽可能提高吞吐量，同时避免用户公平性变得太糟糕。在任何分配期间，选择具有最高优先级的用户k：xi̅̅̅(2-4)其中是用户i的瞬时数据传输速率，̅是用户i平均传输速率。用户平均速率是通过计算一段平均周期TPF内的速率得到的[8]。1.2.4理论分析1.2.4.1时延分析1.2.4.2吞吐量分析1.3基于扇区用户SNR分散度的LTE资源调度自优化算法1.3.1算法的提出在[1]中，作者通过几种资源调度算法的组合研究了3GPPLTEOFDMA下行系统中数据速率和功耗性能。文献[15]提出了适用于频率选择性时变下行信道的一种新的自适应调度和资源分配算法。这两篇文章虽然对LTE系统下行调度的侧重点不同，但是他们都没有考虑到用户SIN的分散程度和MaxPRB的作用。当用户分布改变时，MaxPRB应设置为一个合适的值。下面我们首先给出扇区用户SINR分散度和MaxPRB的定义，然后展示我们提出的调度算法(DDS)。此处增加参考文献，通过分析已有文章工作，突出创新点1.3.2扇区用户SINR分散度在一般的无线系统，SINR(信号与干扰噪声比)是衡量无线链路质量的一个重要指标。它通常被定义为接收到的有用信号功率与接收到的干扰信号加噪声功率的比值。由于SINR值代表了当前的信道条件，它是决定分配到某个用户多少PRB的一个关键因子。当用户分布在扇区的不同位置，由于路径损耗，阴影衰落和穿透损耗他们会体验不同层次的SINR。定义：扇区用户SINR分散度，简称扇区分散度，是基于某种特定准则对小区用户的SINR划分区间，该扇区用户根据SINR情况进行对应，得到的SINR区间数量。我们定义α为扇区分散度的最大值，也即划分的区间总数。从而分散度的范围是1到α。根据以上的论述，我们引出分散度的具体计算方式。由于从如图2-2所示的LTESINR仿真CDF曲线可以得出，用户的SINR几乎以线性的方式分布。因此，整个小区的SINR将被均等地划分成α部分，每个区间以Ci表示。其次，计算在给定的扇区的每一个用户的SINR。D(Ci)是一个逻辑值(如下所示)，这是用来指示是否有用户的SINR落到本区间。如果有用户的SINR位于第Ci区间，则D(Ci)将被标记为1。否则，D(Ci)设置为零。第三，在给定的j扇区，分散度Dj可以由D(Ci)的和计算得到：(){}(2-5)∑()α(2-6)图2-2扇区SINR累计概率曲线（CDF）1.3.3每TTI中给每个用户分配的最大PRB数(MaxPRB)LTE系统中有不同类型的资源分配方法。PRB分配策略直接影响到资源分配和效率和公正性。除了SINR，调度算法还有另外一个重要因素，即MaxPRB。MaxPRB代表一个调度期(TTI)内给每用户可分配的PRB最大值。MaxPRB决定了每个用户在每个TTI能够获得的最大无线资源，也决定了每个用户最大的瞬时速率。下文对MaxPRB对调度方法的影响进行更深入的分析。1.3.4动态调度自优化算法（DDS）调度算法的主要挑战是获得最佳的频谱效率的同时保持合理的用户公平性。根据不同的系统环境，在不同的系统环境下，正确地调整调度参数以适应变化是非常重要的。为此，我们有必要寻求一种自优化方法，以选择最佳的MaxPRB值来适应不同的扇区分散度。一般来说，分散度低意味着用户的SINR相对集中。在这种情况下，公平性是一个次要的考虑因素，因为每个用户都有较高的概率在这个时间间隔内发送数据包。如果我们提高MaxPRB，拥有更好信道条件的用户将获得更多的资源。因此在牺牲了少量公平性的代价下，整个系统的容量可以大幅度的提高。当用户的SINR分散度值较大，它表明不同的用户的SINR差异比较大。有些用户可能拥有良好的信道环境，而其他用户的无线链路条件较差。在这种情况下，我们需要减小MaxPRB以保证用户的公平性。它限制分配给一个用户的最大PRB数，这样可以避免大量的资源只被分配给少数用户。图2-3显示了文中提出的调度策略的步骤。Getthechannelqualityandcomputeusers'SINRCalculatethepriorityofeveryuserinthesectorandputtheminorderAllocatetheresourcestoauserwiththehighestpriorityfactorStartEndComputethedispersiondegreeofthespecificsectorSelecttheoptimumMAXPRBaccordingtothedispersiondegree图2-3MaxPRB调整流程综上所述，扇区分散度和MaxPRB可以共同影响系统的吞吐量和公平性。这是其他调度算法所忽视的，但这正是本文提出的调度策略的核心理念。基于上述分析，我们提出了一个包含MaxPRB和分散度的新机制：(2-7)这里D代表分散度，M代表MaxPRB，μ和λ是两个灵活的标量参数，可根据不同的场景进行设置。在这里，通常设置为负数。这意味着分散度越大，MaxPRB越小，从而一定程度上保证用户间的公平性。由于每扇区拥有不同分散度，扇区可以自适应的选择最合适自己的MaxPRB以获得高整个系统的容量。同时，它可以防止用户之间的公平性大幅下降。因此，本