張思博
(上海理工大學 光電信息與計算機工程學院,上海 200093)
隨著信息時代的到來,各種無線新產品和新業務不斷涌現[1],網絡接入用戶數量呈指數增長。為了改善當前網絡性能,進一步滿足現有及未來用戶使用網絡的需求,由中國移動等多家國內外大型公司及組織機構結合云計算思想提出了一種新型無線接入網架構——云無線接入網(C-RAN)[2]。其本質是遠程射頻單元(Remote Radio Unit,RRU)經由光傳輸網絡將數據發送至虛擬基帶處理單元(Base Band Unit,BBU),進行集中式處理[3]。如圖(1)為C-RAN架構示意圖。該種新型網絡架構具有處理能力強、傳播時延低、能源消耗少的特點,同時可以有效提高基礎設施利用率[4]。
移動用戶不斷增多[5],而網絡資源有限,所以運用一種可行、高效的網絡資源分配方案對C-RAN極為關鍵。龍懇[6]等人提出一種資源預測模型。利用回歸 AR預測對負載進行預測,建立預測模型。之后使用雙閾值來限定網絡負載范圍,規避發生突發負載時虛擬基站的切換,從而減少基站遷移的次數。Hatoum A[7]等人提出一種可擴展式的資源分配策略,可轉化為Min-Max問題,為保證各小區間吞吐量滿意度,在分配時,按需給小區分配頻譜資源塊。劉占軍[8]等人考慮共享無線信道會引起信道干擾,為降低這種干擾,提出了基于背景噪聲放大因子的優化模型,設計了資源分配機制。
本文主要基于C-RAN網絡,對網絡中的頻譜資源進行優化研究。根據每個基站用戶的QoS需求,結合云無線接入網架構可以集中處理、按需分配資源的優勢,提出一種新型頻譜資源分配策略。
圖1 C-RAN 架構示意圖Fig.1 The C-RAN architecture sketch map
本文主要基于一個移動通信區域,該區域完全使用新型無線架構云無線接入網(C-RAN)進行構建,并對其下行網絡進行分析。在云無線接入網絡中,通常將遠程射頻部分作為發射基站,而傳統網絡中的處理部分與射頻部分分離,全部集中與一處,形成集中式的云處理中心,云處理中心負責處理所有下屬射頻基站的信號請求。
假設:一片區域內,采用C-RAN方式進行構建,統一由一個云處理中心進行管理。在該片區域內包含m個射頻基站,并均勻部署,用集合M = { 1,…,m}來表示。每個射頻基站發射功率相同,信號覆蓋范圍相同并呈圓形由基站向外輻射。每個射頻基站擁有一系列使用用戶,用戶用集合 Pm= { 1,… ,Rm}來表示,在射頻基站信號覆蓋區域內隨機分布。假設每個用戶同一時刻只能與一個射頻基站進行通訊,不存在一個用戶同時歸屬兩個基站的情況。
在一個云處理中心管轄的區域內,所有基站覆蓋區域內的用戶總數P為:
在現如今網絡不可或缺的時代,通信基站部署必須實現信號網絡全覆蓋,為此一個通信區域內會部署眾多基站保證信號全覆蓋,同時為保障通信質量,基站部署也較為密集。而基站數眾多但無線網絡資源有限,如頻譜等,因此移動通訊網絡采用頻譜復用技術來解決頻譜資源有限的問題。C-RAN中的云處理中心將頻譜劃分為一系列頻率子帶,提供給射頻基站使用,頻率子帶用集合 N = { 1,… ,N }來表示。又因頻譜復用易出現信道干擾,所以提出本文策略,來降低這種干擾,從而滿足用戶QoS需求。
在判斷信道干擾的參考數值量上采用信號與干擾加噪聲比(Signal to Interference and Noise Ratio,SINR)進行分析,簡稱信干噪比[9]。在目前的頻譜分配研究中,大多是以總的干擾功率為指標,實際上信干燥比作為評價指標更加的適合[4]。通過該參數可以更好的判斷用戶在網絡中接收到信號的干擾程度。射頻基站中單個用戶下行信干燥比(SINR)可以表達為:
式(2)中,nkβ表示射頻基站n中某一個用戶k的信干燥比 SINR;nkP 表示用戶k從基站接受到信息的接收功率;jkP 表示用戶k從鄰近干擾小區接收到的干擾功率;kI表示對用戶k存在可忽略干擾的基站集合;0P為假設存在的高斯白噪聲功率。在式(1.2)中,nkP 通??梢员磉_為以下公式:
式(3)中,nP表示用戶k所屬射頻基站n的發射功率;nkδ表示用戶k與基站n之間的鏈路損耗。
結合式(2)與式(3),得射頻基站中單個用戶下行網絡的信干燥比:
假設:設定一個信干燥比容忍下限β0,通過該容忍下限來識別是否需要移除 Ik集合中干擾最大的基站。當一個用戶k的信干燥比 βnk≥β0,則表示用戶k的可容忍基站集合 Ik滿足通信需求;但當βnk<β0時,則表示當前集合Ik中需要剔除其中對用戶干擾最大的基站,此時 Ik改變為:
式(5)中, Isk表示剔除的對用戶k造成干擾基站集合。不斷剔除最大干擾基站,從而使用戶k的信干噪比滿足 βnk≥β0。
通過以上模型的建立,可以得到用戶k符合需求的信干噪比βnk,由此可以計算射頻基站n中用戶k在頻率子帶上可以達到的通信速率 Cnk[10]:
式(6)中,βmin表示最小的信干噪比,βmin=-4.5dB;βmax表示當達到最大吞吐量時的信干噪比, βmax= 1 6.72dB。
至此,得到了用戶在頻率子帶上的通信速率。假設每個移動用戶k為滿足其數據服務需要,需要速率為 Bk??梢缘玫皆贑-RAN架構下, 一個射頻基站n所需的頻率子帶數目為:
式(7)中,nS表示為滿足用戶通信需求的射頻基站所需頻率子帶數目;表示向上取整函數。
當前網絡環境的復雜,移動網絡用戶的不同,網絡需求隨時都在變化[11],例如:現有城市規劃中,常常將住宅區與工作區分離,這也導致網絡需求也隨人員的移動發生變化;在白天時,區域人員移動到工作區進行工作,導致工作區網絡需求飆升,而生活區需求急劇下降;在夜晚時,則相反。這種有規律的網絡需求變換稱作“潮汐效應”[12]。
在C-RAN架構網絡中,為了應對這種“潮汐效應”,最大化利用好有限的頻譜資源,同時滿足用戶不同的服務需求,提出一種基于C-RAN架構的頻率分配策略。該策略主要分為兩個部分:第一,固定頻率分配;第二,動態需求頻率分配。
雖然網絡需求在不斷的改變,但每個基站要滿足所轄范圍內用戶的基本通信需求,為此對頻率進行分配時,要為每個基站分配固定的頻率子帶。
假設網絡頻率子帶集合Y中子帶數目可以滿足全部基站無干擾,當網絡中有新基站加入時,所有基站會將各自干擾小區集合 Isk發送給云處理中心,中心根據干擾小區集合來重新分配頻率子帶。該過程可以化為圖著色問題來解決,形成當前基站子帶分配無向圖G( V, E),其中V = { v1, v2,… ,vn}表示無向圖的頂點,也就是網絡中的射頻基站,相鄰的頂點連線則表示這兩個基站存在干擾。
由圖著色問題可以得到最小填涂顏色與填涂方案,從而使基站網絡中相鄰且存在干擾的基站采用不同的頻率子帶,達到減少干擾的目的。本節采用啟發式搜索螞蟻算法來解決圖著色問題[13]。在這種算法中,主要依據信息素來對螞蟻的決策產生影響,設定無向圖的最大頂點數為p,預設顏色集為C = { c1, c2,… ,cp},整個算法流程如圖(2)。
運用該啟發式搜索螞蟻算法,得到使用最少的使用顏色數以及最佳的填色序列,也就是最佳的基站頻率分配方案。云處理中心以此著色方案,為每一個射頻基站指定一個固定的頻率子帶,保證了基站之間沒有干擾沖突。使用這種啟發式搜索的螞蟻算法相比于其他算法可以得到更好的結果,同時具有相當強的尋優能力。
通過固定頻率分配可以簡單滿足用戶的服務需求,但隨著網絡業務種類的層出不窮,如:用戶大流量視頻瀏覽、大體積文件傳輸等,單個基站的用戶網絡服務需求量呈指數函數形式增長。若單個基站只分配一個頻率子帶,在很多情況下,都無法滿足這種需求。在C-RAN網絡架構中,憑借新型框架的優勢,基帶處理池(云處理中心)可以統一調度頻率的分配,在固定分配完頻率子帶后,基帶池再依據用戶不同需求來動態的調度分配子帶,從而滿足用戶服務的同時極大的提高了網絡頻率利用率。
圖2 啟發式搜索螞蟻算法流程圖Fig.2 Heuristic search ant algorithm flow chart
經過第一次分配,每個基站都只獲得了1個頻率子帶,需求子帶數變為 yn-1。又因基站n不能與鄰近基站使用相同的頻率子帶,否則會產生干擾,所以基站n可選頻率子帶集合 Yn可以表達為:
式(8)中,Y表示通信網絡中總頻率子帶集合;Wn表示第一次頻率分配中分配給基站n的子帶集合;Wm表示第一次頻率分配中分配給基站m的子帶集合, Isk表示會對射頻基站n產生干擾的鄰近基站集合,因此表示會對基站n產生干擾鄰近基站的子帶集合。
在動態分配過程中,采用優先級來確定云處理中心分配子帶的先后順序。將有較高網絡服務需求同時可選子帶集合nY數目較少的基站賦予較高的優先級,可以優先獲得需求頻率子帶。用式表達為:
式(9)中,αn表示基站n的優先級,表示基站n可選子帶集合中的個數。
由此為第一個基站分配子帶完成,滿足其服務需求,然后更新其他所有基站的可選頻率子帶集合Yn,為下一個需求基站分配子帶。云處理中心不斷重復分配更新操作,直至完成子帶的分配,滿足所有射頻基站的QoS需求。
本文利用網絡仿真軟件對上述模型、策略進行驗證。主要考慮基于用戶低速運動射頻基站覆蓋的C-RAN新型網絡。假設每個基站平均用戶數從3變化到15,單個用戶平均QoS需求大約為600kbps。設置信干燥比容忍下限為 6dB。在本仿真中不考慮用戶設備功率的差異,因此假設所有用戶移動設備的傳輸功率相等。具體參數如表1所示。
將本文使用的算法策略與輪詢(RR)算法和比例公平算法(PF)算法進行對比,驗證所提出策略的性能。
在圖3表示隨著C-RAN網絡中單個基站用戶數增多時,本文提出的策略、RR算法和PF算法中斷機率的比較。我們定義中斷機率為在整個 C-RN網絡中,QoS未被滿足的用戶數與總用戶數之比。當用戶未被基站滿足服務需求,則判斷其為中斷狀態。當用戶不斷加入網絡,單個基站管理用戶數變多,所需頻率子帶數也隨之上升。但總子帶數一定,便會使部分用戶服務不能滿足,因此中斷機率升高。
表1 仿真參數Tab.1 Simulation parameters
圖3 中斷機率比較Fig.3 Outage probability compar son
在圖4表示隨著C-RAN網絡中單個基站用戶數增多時,本文提出的策略、RR算法和PF算法頻譜利用率的比較。本文中定義頻譜利用率為已經分配的頻率子帶數與所有子帶總數之比。從圖 4.2中可以看出相較與其他兩種算法,本文提出的算法有較好的頻譜利用率。
本文提出了一種 C-RAN新型網絡架構中基于QoS的頻譜資源分配策略,同時運用C-RAN架構集中化處理、分配的優勢,最大限度的避免了基站間的信道干擾。通過仿真與RR算法、PF算法進行比較,本文所提出的策略在中斷機率、頻譜利用率上都比其他兩者優秀。
圖4 頻譜利用率Fig.4 S pectrum efficiency
[1] 楊麗雯, 張永繼. 基于Wi-Fi Mesh 網絡構建區域通信平臺問題研究[J]. 軟件, 2015, 36(8): 112-116.
[2] 王曉云, 黃宇紅, 崔春風, 等.C-RAN:面向綠色的未來無線接入網演進[J]. 中國通信, 2010, 7(3): 107-112.
[3] WU J, ZHANG Z F, HONG Y, et al. Cloud radio access network(C-RAN): a primer[J]. IEEE Communications Society,2015, 29(1): 35-41.
[4] SALLY R A, MAYSAM F A. "Reducing power consumption by dynamic BBUs-RRHs allocation in C-RAN," 2017 25th Telecommunication Forum (TELFOR), Belgrade, 2017, pp.1-4.
[5] 林楠. 蜂窩網絡下D2D通信重用多用戶資源研究[J]. 軟件,2012, 33(12): 242-245.
[6] 龍懇, 胡渝紡. 一種基于C-RAN架構下資源負載預測方法[J]. 科學技術與工程, 2014, 14(33): 62-66.
[7] HATOUM A, AITSAADI N, LANGAR R, et al. "FCRA:Femtocell Cluster-Based Resource Allocation Scheme for OFDMA Networks," 2011 IEEE International Conference on Communications (ICC), Kyoto, 2011, pp. 1-6.
[8] 劉占軍, 彭霞, 何宏智, 等. C-RAN架構中適用于干擾消除的資源分配機制[J]. 電訊技術, 2016, 56(02): 117-121.
[9] 孫杰, 郭偉, 唐偉. 認知無線多跳網中保證信干噪比的頻譜分配算法[J]. 通信學報, 2011, 32(11): 111-117.
[10] 3GPP TR 36.942 v11.0.0, “Evolved Universal Terrestrial Radio Access (E-UTRA): Radio Spectrum(RF) system scenarios,” September 2012.
[11] 陳品殿, 王競豪. 基于SDN 的無線局域網QoS 保障機制[J]. 軟件, 2015, 36(12): 93-97.
[12] YANG Q, CALVIN C K C. "A switching architecture for remote radio head protection in cloud radio access networks,"2017 International Topical Meeting on Microwave Photonics(MWP), Beijing, 2017, pp. 1-3.
[13] 廖飛雄, 馬良. 圖著色問題的啟發式搜索螞蟻算法[J]. 計算機工程, 2007(16): 191-192+195.