潘甦，肖榜，陳宇青，劉勝美

（南京郵電大學(xué)寬帶無線通信與傳感網(wǎng)技術(shù)教育部重點實驗室，江蘇 南京 210003）

基于軟件定義無線網(wǎng)絡(luò)的云業(yè)務(wù)上行調(diào)度方案

潘甦，肖榜，陳宇青，劉勝美

（南京郵電大學(xué)寬帶無線通信與傳感網(wǎng)技術(shù)教育部重點實驗室，江蘇 南京 210003）

針對無線云計算的業(yè)務(wù)特點，基于軟件定義無線網(wǎng)絡(luò)(SDWN,software-defined wireless network)，提出了一種新的能適配云業(yè)務(wù)特點的LTE上行調(diào)度方案，該方案首先將資源分配問題歸納成二進(jìn)制整數(shù)規(guī)劃問題進(jìn)行求解，然后利用動態(tài)規(guī)劃計算出每個調(diào)度時隙內(nèi)云業(yè)務(wù)的最佳發(fā)送速率，最后通過SDWN框架下的QoS控制方法動態(tài)調(diào)節(jié)云業(yè)務(wù)的發(fā)送速率，使云業(yè)務(wù)的發(fā)送速率與當(dāng)前信道條件成正比，從而在保障多業(yè)務(wù)速率需求的同時，滿足云業(yè)務(wù)能量消耗最小的需求，通過仿真驗證算法的性能。

SDWN；無線云；LTE調(diào)度；最優(yōu)化

1 引言

近年來，無線應(yīng)用呈現(xiàn)爆炸式增長趨勢，然而，目前的網(wǎng)絡(luò)并不能非常有效地適配每一種應(yīng)用，如LTE（long term evolution）系統(tǒng)根據(jù)QoS(quality of service）把業(yè)務(wù)歸為9種服務(wù)類別(QCI,QoS class identifier)[1]，每類QCI中的所有業(yè)務(wù)都采用同樣的調(diào)度轉(zhuǎn)發(fā)策略。由于3GPP并未指定標(biāo)準(zhǔn)的LTE上行調(diào)度方案，針對這9類QCI，業(yè)界廣泛采用了3種典型的上行調(diào)度方案[2]，即最大化系統(tǒng)吞吐量的調(diào)度方案、優(yōu)先保障QoS的調(diào)度方案和保障QoS并優(yōu)化功率的調(diào)度方案。然而，這3種調(diào)度方案都不能很好地適配層出不窮的新業(yè)務(wù)。特別地，云計算作為一種新業(yè)務(wù)大量出現(xiàn)在無線通信網(wǎng)絡(luò)中，如虛擬云辦公、云圖像處理等，通過將本地需要復(fù)雜運算的大量數(shù)據(jù)上傳到云端處理，用戶可以擺脫移動終端硬件資源的限制，獲得云端強(qiáng)大的運算和存儲性能，完成所需要的服務(wù)。例如，在移動云圖像處理中，由于終端性能的限制，移動用戶往往需要在數(shù)秒時間內(nèi)將本地數(shù)十兆比特的圖像數(shù)據(jù)上傳到云端，由云端的復(fù)雜算法進(jìn)行快速處理，然后獲取運算結(jié)果。值得注意的是，在獲取云端便捷服務(wù)的同時，云業(yè)務(wù)高吞吐量的數(shù)據(jù)上傳導(dǎo)致的能量消耗，對于電池容量十分有限的無線終端來說是個不可忽略的影響，因此，云業(yè)務(wù)數(shù)據(jù)上傳與一般業(yè)務(wù)有不同的要求，即對實時的速率并沒有嚴(yán)格要求，而是需要在限定時間內(nèi)將本地待處理的數(shù)據(jù)上傳到云端，同時，要求傳輸花費的總能量消耗最小，以延長手機(jī)電池的使用時間。因此，無線云業(yè)務(wù)的QoS需求被定義為在一定的截止時間T內(nèi)以最小的能量消耗完成數(shù)據(jù)量為L的數(shù)據(jù)傳送[3,4]。根據(jù)文獻(xiàn)[3,4]對這類問題的研究，要使能量消耗最小（即功率在時間上的和最?。铦M足傳送的速率與當(dāng)前的信道狀態(tài)的好壞成正比，以獲得功率在時間上的累積最小，這與每個調(diào)度時隙內(nèi)功率最小是不同的優(yōu)化目標(biāo)。因此，在現(xiàn)有的LTE系統(tǒng)中，無論將云業(yè)務(wù)歸入哪一類的QCI，采用上述哪一種調(diào)度方案，都只能將其和同類QCI的其他業(yè)務(wù)做同樣處理，采用同樣的、預(yù)定義的資源分配方案，因而不能滿足其能量消耗最小的需求。由此可見，LTE中將多種業(yè)務(wù)歸為一類QoS 的調(diào)度方法（CBQC,class-based QoS control）不能靈活地針對某一種具體的業(yè)務(wù)進(jìn)行QoS保障，究其原因，現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)中相互隔離的節(jié)點各有自己的控制系統(tǒng)，它們需要相同的預(yù)先定義的配置來保障整個網(wǎng)絡(luò)的QoS性能，所以把所有數(shù)據(jù)流分成固定的幾類業(yè)務(wù)進(jìn)行處理。

軟件定義無線網(wǎng)絡(luò)(SDWN,software-defined wireless network)為這個問題的解決提供了新的思路，它是SDN(software-defined network)在無線領(lǐng)域的拓展，可以改變整個網(wǎng)絡(luò)不能靈活地進(jìn)行動態(tài)配置的現(xiàn)狀，在這種新的網(wǎng)絡(luò)結(jié)構(gòu)中，網(wǎng)絡(luò)控制層和轉(zhuǎn)發(fā)層相互分離，允許通過軟件定義網(wǎng)絡(luò)節(jié)點的轉(zhuǎn)發(fā)行為[5]，本文采用SDWN下的基于應(yīng)用程序的QoS控制方法，將調(diào)度方案從業(yè)務(wù)分類的束縛中解放出來，本文以云業(yè)務(wù)為例，提出了一種能根據(jù)云業(yè)務(wù)的特點進(jìn)行靈活適配的上行調(diào)度方案，能更好地滿足云業(yè)務(wù)能量消耗最小的需求，據(jù)了解，目前還沒有文獻(xiàn)進(jìn)行這方面的研究。

2 文獻(xiàn)回顧

目前，國內(nèi)外關(guān)于SDWN的研究主要集中在網(wǎng)絡(luò)架構(gòu)的探討與南/北向接口的實現(xiàn)上，文獻(xiàn)[6]提出了一種關(guān)于SDWN的網(wǎng)絡(luò)架構(gòu)，包括無線覆蓋、網(wǎng)關(guān)位置等細(xì)節(jié)，并展現(xiàn)了其按需配置網(wǎng)絡(luò)節(jié)點的靈活性。文獻(xiàn)[7]介紹了一種基于SDWN的5G網(wǎng)絡(luò)架構(gòu)，其中，主要從控制和數(shù)據(jù)2個平面討論了具體邏輯結(jié)構(gòu)、功能和接口的實現(xiàn)。文獻(xiàn)[8]提出了一種在SDWN中分布式控制器的設(shè)計方案，并展示了該方案在控制平面的管理、性能維護(hù)上的優(yōu)越性。文獻(xiàn)[9]提出在北向接口中將網(wǎng)絡(luò)的控制和管理功能剝離開來，并通過實驗結(jié)果證實了方案的可行性。然而，正如文獻(xiàn)[7]指出：“上述文獻(xiàn)都是在業(yè)界標(biāo)準(zhǔn)尚未統(tǒng)一的基礎(chǔ)上對SDWN做出的架構(gòu)性嘗試，研究內(nèi)容比較寬泛，并未涉及針對SDWN網(wǎng)絡(luò)特點的具體算法”。文獻(xiàn)[10]首先嘗試將SDWN的思想用在無線業(yè)務(wù)調(diào)度中,提出了基于不同業(yè)務(wù)的QoS控制（ABQC,application-based QoS control）框架，但沒有給出針對LTE業(yè)務(wù)的具體調(diào)度方法。而目前對于LTE上行調(diào)度方案的研究主要集中在現(xiàn)有的網(wǎng)絡(luò)結(jié)構(gòu)下。文獻(xiàn)[11～14]研究了最大化系統(tǒng)吞吐量和優(yōu)先保障QoS這2種調(diào)度方案，它們都以最大化系統(tǒng)吞吐量為主要目的，在這2種調(diào)度方案下用戶總是以最大的速率進(jìn)行數(shù)據(jù)傳送，顯然，不滿足云業(yè)務(wù)能量最小的條件。文獻(xiàn)[15]介紹了一種保障QoS并優(yōu)化功率的調(diào)度方案，即在滿足子信道連續(xù)和多業(yè)務(wù)速率限制的前提下，優(yōu)先選擇功率最小的資源分配方案。該方案能在保障多業(yè)務(wù)速率需求的同時，最小化所有用戶的功率消耗總和，能在一定程度上減小云業(yè)務(wù)在上行調(diào)度中的能量消耗，但仍不能根據(jù)信道的變化調(diào)整對云業(yè)務(wù)的資源分配策略；本文將新的網(wǎng)絡(luò)結(jié)構(gòu)SDWN和ABQC框架應(yīng)用到實際的LTE系統(tǒng)中，并提出了一種SDWN下的上行調(diào)度方案，能在滿足多業(yè)務(wù)速率需求的同時，動態(tài)地進(jìn)行子信道的分配并根據(jù)當(dāng)前信道質(zhì)量狀況為云業(yè)務(wù)進(jìn)行速率調(diào)整，達(dá)到最優(yōu)化其能量消耗的目的。

3 系統(tǒng)模型

考慮一個有M個用戶、單一基站的蜂窩網(wǎng)絡(luò)，假設(shè)每個用戶只有一種業(yè)務(wù)，不失一般性，第i個用戶使用無線云業(yè)務(wù)，該業(yè)務(wù)要求在時間T內(nèi)以最小的能量消耗完成數(shù)據(jù)量為L的數(shù)據(jù)傳送，以優(yōu)化手機(jī)端的能量消耗。系統(tǒng)采用SC-FDMA（single carrier FDMA）為上行多址接入技術(shù)，為降低峰值平均功率比，該接入技術(shù)要求分配給每個用戶的子載波都是連續(xù)的[16]，本文將一組連續(xù)的子載波稱為一個子信道，因此，系統(tǒng)帶寬W被分成了K個帶寬為Ws的正交子信道，用戶m(m=1,…,M)在子信道k(k=1,…,K)上的信道增益表示為hm,k(t)，接收端的子信道噪聲功率密度為N0W/Hz，用戶最大發(fā)射功率為Pu，Km為分配給用戶m的子信道集，為這個集合的勢，Pm為用戶m的發(fā)射功率，用戶m在Km上的速率為

假設(shè)調(diào)度器的調(diào)度周期TTI為Δt，調(diào)度器已知當(dāng)前周期內(nèi)的信道增益hm,k(t)， 且信道增益在每個周期內(nèi)為恒定值，不同時隙內(nèi)的信道狀況是獨立同分布的。將云業(yè)務(wù)的時間限制t等分為T個時隙，每個時隙對應(yīng)一個調(diào)度周期，時隙以逆序的形式表示，即t=T表示云業(yè)務(wù)參與調(diào)度的第1個時隙，t=T?1表示第2個時隙，以此類推，t=1表示時間限制內(nèi)的最后1個時隙，b(t)表示t時隙內(nèi)傳送的速率，為方便表示，本文令Δt為單位時間，則b(t)等于t時隙內(nèi)傳送的數(shù)據(jù)量，β(t)為在每時隙傳輸之前剩余的數(shù)據(jù)量，有β(T)=L，β(t?1)=β(t)?b(t)。Ert表示t時隙內(nèi)的能量消耗，將式(2)中提出到等式右端，在時，有

相應(yīng)的能量消耗為

由式(3)和式(4)可知，每時隙內(nèi)的能量消耗與時隙內(nèi)的數(shù)據(jù)發(fā)送速率成正比，與當(dāng)前時隙內(nèi)的信道增益成反比，因此，要滿足云業(yè)務(wù)的能量消耗最小的特點，需要根據(jù)當(dāng)前時隙內(nèi)云業(yè)務(wù)的信道增益，相應(yīng)地調(diào)節(jié)該時隙內(nèi)的數(shù)據(jù)發(fā)送速率b(t)，在滿足T時隙內(nèi)完成數(shù)據(jù)量為L的數(shù)據(jù)傳送和每時隙內(nèi)發(fā)送的數(shù)據(jù)量不大于剩余數(shù)據(jù)量2個限制條件下，最小化云用戶總的能量消耗，因此，該業(yè)務(wù)的能量優(yōu)化問題可表示為

4 SDWN下的LTE上行調(diào)度方案

首先，對本節(jié)涉及的主要符號進(jìn)行統(tǒng)一定義和描述，如表1所示。

表1 算法中主要符號定義與描述

4.1 云業(yè)務(wù)在現(xiàn)有網(wǎng)絡(luò)框架下的調(diào)度方案

在現(xiàn)有網(wǎng)絡(luò)中，LTE系統(tǒng)調(diào)度是根據(jù)業(yè)務(wù)類型，采取預(yù)設(shè)的調(diào)度方案，常用的是基于QoS保障的最大化系統(tǒng)吞吐量調(diào)度方案或者以優(yōu)化用戶發(fā)送功率為主要目的的調(diào)度方案，本文將通過分析說明將云業(yè)務(wù)歸入這2種現(xiàn)有的LTE調(diào)度方案中的任一類，都不能滿足式(5)所列的云業(yè)務(wù)能量消耗的優(yōu)化需求。

在現(xiàn)有網(wǎng)絡(luò)基于QoS保障的最大化系統(tǒng)吞吐量調(diào)度方案中，每個時隙內(nèi)的子信道分配準(zhǔn)則為在滿足用戶獲得的速率不小于其速率需求的同時，最大化當(dāng)前時隙內(nèi)所有用戶獲得的速率之和，由于云業(yè)務(wù)要求在時間T內(nèi)完成數(shù)據(jù)量為L的數(shù)據(jù)傳送，因此，在現(xiàn)有網(wǎng)絡(luò)下云業(yè)務(wù)每時隙內(nèi)的速率需求都至少為，其中，表示用戶m的業(yè)務(wù)對速率的要求。因此，一個調(diào)度時隙內(nèi)的資源分配優(yōu)化問題可表示為

其中，pu為UE最大的發(fā)射功率。這種調(diào)度方案能在滿足用戶QoS需求的同時最大程度地提升系統(tǒng)吞吐量，然而其優(yōu)化目標(biāo)要求用戶總是以最大的速率進(jìn)行數(shù)據(jù)傳送，在這種情況下，每時隙內(nèi)都將使用最大允許的發(fā)送功率，顯然不能使式(5)優(yōu)化問題的目標(biāo)函數(shù)最小，即不能滿足無線云業(yè)務(wù)能量消耗最小的要求。

而在以優(yōu)化用戶發(fā)送功率為主要目的的調(diào)度方案里，每個時隙內(nèi)資源分配的目標(biāo)函數(shù)為使當(dāng)前時隙內(nèi)所有的用戶發(fā)射總功率最小，限制條件為每個業(yè)務(wù)獲得的速率不小于其速率需求，因此，一個調(diào)度時隙內(nèi)的資源分配優(yōu)化問題可表示為

這種調(diào)度方案通過調(diào)節(jié)每個用戶的發(fā)送功率pm,Km來滿足速率限制和優(yōu)化目標(biāo)，能在很大程度上減小用戶的發(fā)送功率，但同時也犧牲了大量的系統(tǒng)吞吐量，業(yè)務(wù)幾乎總是以滿足要求的最低速率傳送數(shù)據(jù)，此時仍然沒有將用戶的發(fā)送速率與信道增益聯(lián)系起來，所以云業(yè)務(wù)用戶的能量消耗也不是最小的，仍然有優(yōu)化的空間。上述結(jié)論將在仿真結(jié)果中得到證明。

4.2 SDWN下的調(diào)度方案

由此可見，在現(xiàn)有網(wǎng)絡(luò)中無論采用哪種調(diào)度方案，都不能滿足云業(yè)務(wù)的QoS需求，基于這種現(xiàn)狀，本文基于新的網(wǎng)絡(luò)架構(gòu)SDWN提出了一種能滿足云業(yè)務(wù)QoS需求的最大化系統(tǒng)吞吐量的調(diào)度方案。在SDWN下，系統(tǒng)把現(xiàn)有無線網(wǎng)絡(luò)中分散在基站、網(wǎng)關(guān)等單個網(wǎng)絡(luò)設(shè)備的控制功能轉(zhuǎn)移到了集中的控制器上，讓物理設(shè)備僅負(fù)責(zé)簡單的數(shù)據(jù)轉(zhuǎn)發(fā)和交換，并通過控制器來進(jìn)行全局的、動態(tài)的數(shù)據(jù)流量管理，其邏輯視圖如圖1所示。

圖1 SDWN的邏輯視圖

因此，在現(xiàn)有網(wǎng)絡(luò)中分散在各基站的調(diào)度功能，在SDWN下由集中的控制器來實現(xiàn)。圖2對比了SDWN與現(xiàn)有網(wǎng)絡(luò)對數(shù)據(jù)流的處理方式，在圖2(a)所示的現(xiàn)有網(wǎng)絡(luò)中，由于業(yè)務(wù)被分成固定的幾類，從而限制了對單個業(yè)務(wù)處理進(jìn)行調(diào)配的空間；而SDWN下，可編程的集中控制的方式能夠給流量處理提供足夠的靈活性，從而可以利用圖2(b)所示的基于應(yīng)用程序的QoS控制（ABQC）方法將云業(yè)務(wù)從現(xiàn)有的業(yè)務(wù)分類中抽離出來，根據(jù)每時隙內(nèi)的信道條件動態(tài)地為云業(yè)務(wù)配置當(dāng)前最佳的發(fā)送速率，來保證云業(yè)務(wù)用戶的能量消耗最小，這個最佳的發(fā)送速率即為式(5)優(yōu)化問題的解。

圖2 SDWN與現(xiàn)有網(wǎng)絡(luò)對數(shù)據(jù)流的處理

因此，在SDWN下的調(diào)度方案中，每個調(diào)度時隙內(nèi)的資源分配問題可歸納為以最大化云業(yè)務(wù)以外的所有用戶獲得的速率之和為目標(biāo)函數(shù)，限制條件為云業(yè)務(wù)外的每個用戶獲得的速率都不小于其速率需求，以及云業(yè)務(wù)的速率等于當(dāng)前時隙內(nèi)的最佳發(fā)送速率，即式(5)優(yōu)化問題的解，具體表示如下

其中，b(t)是式(5)問題的解。

顯然，該調(diào)度方案的確定依賴式(8)中2個優(yōu)化問題的求解，下面介紹求解方法。

式(8)是一個二維優(yōu)化問題，它要求資源分配方案不僅能最大化系統(tǒng)吞吐量，而且能確保云業(yè)務(wù)以最佳速率b( t)進(jìn)行數(shù)據(jù)傳送。本文采用的方法是先在所有用戶的速率限制下以最大化系統(tǒng)容量為目標(biāo)來進(jìn)行子信道分配，得到云業(yè)務(wù)的子信道個數(shù)和相應(yīng)的信道增益，此時t時隙內(nèi)的資源分配問題變?yōu)?/p>

1) 資源分配方案的確定

式(9)可以歸納成0-1整數(shù)規(guī)劃問題來進(jìn)行求解[18]，確定最大化系統(tǒng)吞吐量時每個用戶的信道分配方案，步驟如下。

① 列出每個用戶的子信道分配矩陣，代表所有可能的分配方案。由于分配連續(xù)性條件的限制，對任一用戶都有種可能的分配方案，如共有K=3個子信道時，每個用戶都有C=7種可能的分配方案，用戶m的子信道分配矩陣為

每個用戶的子信道分配矩陣都是一個相同大小為K×C的矩陣，其中，K行對應(yīng)K個正交的子信道，C列對應(yīng)C種可能的分配方案，矩陣中的元素“1”代表子信道分配給該用戶，“0”表示不分配。

② 分別求出每個用戶在每種可能的分配方案下的速率，構(gòu)成一個大小為MC×1的速率矩陣r=[r1,…,rM]T，其中，，其元素rm,j表示用戶m在采用Am中第j列對應(yīng)的分配方案時獲得的速率，其值可根據(jù)式(11)求出，表示第j列對應(yīng)的分配方案中分配給用戶m的子信道的個數(shù)。

③ 為了保證用戶的速率需求得到滿足，利用式(9)中的速率限制條件對r進(jìn)行篩選，構(gòu)造目標(biāo)指數(shù)矩陣e來保障用戶的QoS，其元素em,j表示用速率限制條件對方案進(jìn)行篩選后，用戶m在A中第j種方案下的目標(biāo)指數(shù)。篩選原則如(12)所示，如果方案滿足速率限制條件，則其目標(biāo)指數(shù)等于其速率；否則將其目標(biāo)指數(shù)置為負(fù)無窮，以表示對方案的否定，即

因此，式(9)優(yōu)化問題的優(yōu)化目標(biāo)可表示為在所有可能的方案中找到使所有用戶目標(biāo)指數(shù)之和最大的方案，即

由于一個子信道最多只能分配給一個用戶，限制條件為

每個用戶用且只能用一種分配方案，限制條件為

至此，已將式(9)優(yōu)化問題歸納成了一個0-1整數(shù)規(guī)劃問題，通過窮舉法容易求得式(13)目標(biāo)函數(shù)在式(14)和式(15)限制條件下的最優(yōu)解，即可確定當(dāng)前調(diào)度時隙內(nèi)的資源分配方案，從而可得每個用戶在當(dāng)前時隙內(nèi)獲得的子信道數(shù)和相應(yīng)的平均信道增益。

2) 最優(yōu)速率b(t)的求解

通過上文的分析，在給定業(yè)務(wù)的子載波個數(shù)和相應(yīng)的信道增益后，通過在不同時隙中按信道增益調(diào)節(jié)速率，則相應(yīng)的發(fā)送功率能使在整個業(yè)務(wù)持續(xù)期間能量消耗最小。這里，可通過動態(tài)規(guī)劃來依次確定時隙t(1,…,T)內(nèi)應(yīng)傳送的數(shù)據(jù)量，其目標(biāo)函數(shù)可以分為兩部分之和，第一部分為當(dāng)前時刻的能量消耗，第二部分為剩余時刻預(yù)計的總能量消耗，因此，t時刻的決策問題為選擇一個滿足限制條件的最優(yōu)速率b(t)，使兩部分之和最小，表示為

這是一個多階段決策問題，這里采用逆序迭代的方法進(jìn)行遞推，即先確定最后一個時隙t=1時的最優(yōu)決策，然后將結(jié)果代入t=2時隙進(jìn)行決策確定，依次類推。為方便迭代過程的表示，本文令表示t時刻獲得的最小能量消耗和，表示在最優(yōu)決策時，t?1～1的所有時隙內(nèi)傳送β( t?1)bit的數(shù)據(jù)預(yù)計需要耗費的能量代價，即，考慮到式(4)能量消耗，得

由于0≤b(t)≤β(t)對b( t)取值的限制，該問題在t≥3時無法求最優(yōu)解b( t)和的解析式。因此，本文在先不考慮限制條件0≤b(t)≤β(t)的情況下，采取數(shù)學(xué)歸納法對式(17)問題進(jìn)行求解。

命題1令表示在取最優(yōu)解時t～1的所有時隙內(nèi)傳送β(t) bit的數(shù)據(jù)預(yù)計需要耗費的能量，則式(17)問題在不考慮限制條件0≤b(t)≤β(t)時可求最優(yōu)解，且可由式(18)表示。

證明本文采用數(shù)學(xué)歸納法，顯然在t=1時，式(18)變?yōu)?，根?jù)能量消耗的表達(dá)式，這表示對在最后一個時隙內(nèi)傳送β(1)所需的能量，符合的定義。

假設(shè)式(18)在t?1時刻成立，即

去掉0≤b(t)≤β(t)的限制，根據(jù)式(17)，在t時隙內(nèi)的優(yōu)化問題變?yōu)?/p>

將式(19)代入后，式(20)是一個關(guān)于b( t)的凸函數(shù)，求導(dǎo)并令其導(dǎo)數(shù)為0，得

此時式(21)即為式(17)問題在無限制條件時最優(yōu)解的表達(dá)式，現(xiàn)加入限制條件0≤b( t)≤β( t)，作為原優(yōu)化問題的次優(yōu)解，即

在式(22)中，G( vt?1,…,v1)是根據(jù)長時間內(nèi)信道狀態(tài)的統(tǒng)計信息求得的與t相關(guān)的常數(shù)，因此，只要確定信道分配方案，就可以根據(jù)子信道數(shù)和相應(yīng)的平均信道增益，得到當(dāng)前最佳的發(fā)送速率b( t)。

綜上可得，在云業(yè)務(wù)存在的T個時隙里，滿足式(8)優(yōu)化問題的SDWN下的LTE上行調(diào)度方案如下。

步驟1初始化調(diào)度時隙t=T，云業(yè)務(wù)剩余數(shù)據(jù)量β( t)=L。

步驟2利用SDWN可在每時隙動態(tài)配置業(yè)務(wù)速率需求的特點，將作為t時隙內(nèi)預(yù)估的云業(yè)務(wù)速率需求代入式(12)來參與信道分配，利用4.2節(jié)資源分配方案的方法求出每個用戶的子信道分配方案jm,?m∈M。

步驟3根據(jù)云業(yè)務(wù)用戶的子信道分配方案ji和式(21)求得當(dāng)前時隙的最佳發(fā)送速率b( t)，并代入式(3)求得云業(yè)務(wù)的最佳發(fā)射功率。

步驟4在SDWN的控制器中單獨為云業(yè)務(wù)用戶調(diào)節(jié)當(dāng)前時刻的發(fā)射功率，保證云業(yè)務(wù)的實際發(fā)送速率Ri( t)盡可能等于b( t)。

步驟5更新狀態(tài)方程β(t?1)=β(t)?Ri(t)，t=t?1，從步驟2開始進(jìn)行下一時隙的資源分配。

5 仿真結(jié)果與分析

根據(jù)表1所示的調(diào)度方案，本文使用Matlab對所提出的算法進(jìn)行了驗證。在仿真參數(shù)的設(shè)置中，考慮了包括多個無線云業(yè)務(wù)用戶和多個一般用戶的單一基站的蜂窩網(wǎng)絡(luò)系統(tǒng)，基站的覆蓋半徑為800 m，用戶在基站范圍內(nèi)均勻分布，用戶與基站之間的最小距離為90 m。假設(shè)每個用戶只有一種業(yè)務(wù)，一般用戶按業(yè)務(wù)類型分為2種不同的速率需求，云業(yè)務(wù)用戶需要在截止時間內(nèi)以最小的能量消耗完成一定數(shù)據(jù)量的傳送。用戶和基站之間不僅有因距離帶來的大小為128.1+37.6log D dB的路徑損耗，其中，D為用戶到基站的距離，還有在傳播路徑上阻礙物造成的服從方差為8 dB的對數(shù)正態(tài)分布的陰影衰落，另外還有方差為1 dB的多徑衰落，不同時隙之間的信道增益呈獨立同分布狀態(tài)。噪聲功率譜密度為161 dBm/Hz，用戶終端的最大發(fā)射功率為200 mW，系統(tǒng)中共包括20個連續(xù)的子信道和15個用戶。在現(xiàn)有網(wǎng)絡(luò)下，基站作為調(diào)度器；在SDWN框架下，控制器作為調(diào)度器，調(diào)度周期為1 ms，具體仿真參數(shù)設(shè)置如表2所示。

表2 仿真參數(shù)

根據(jù)上述設(shè)置，本文針對所提算法與現(xiàn)有網(wǎng)絡(luò)下2種典型的LTE上行調(diào)度算法進(jìn)行了仿真對比，即基于QoS保障的最大化系統(tǒng)吞吐量調(diào)度方案（式(6)對應(yīng)的算法）和以優(yōu)化用戶發(fā)送功率為主要目的的調(diào)度方案（式(7)對應(yīng)的算法）（下簡稱對比算法1和對比算法2）。

首先考慮一個云業(yè)務(wù)的情況，圖3給出了云業(yè)務(wù)L=4 000 bit，T=20 ms時本文的調(diào)度方案和現(xiàn)有網(wǎng)絡(luò)下2種典型的調(diào)度方案下速率的變化曲線，并展示了3種方案在相同的信道條件下速率與當(dāng)前信道增益的關(guān)系，在式(6)對應(yīng)的以最大化系統(tǒng)吞吐量的方案（即對比算法1）中，完全沒有考慮信道好壞對能量消耗的影響，用戶始終以能達(dá)到的最大速率進(jìn)行數(shù)據(jù)傳送，這導(dǎo)致在時隙之前云業(yè)務(wù)的數(shù)據(jù)就已經(jīng)傳完，此時，雖然達(dá)到了系統(tǒng)吞吐量最大的目的，但云業(yè)務(wù)用戶的能量消耗小的需求卻沒有得到保障；在式(7)對應(yīng)的以優(yōu)化所有用戶總功率為目標(biāo)的調(diào)度方案（即對比算法2）中，系統(tǒng)為了減小所有用戶的發(fā)射功率和，要求用戶在達(dá)到速率限制的條件下以最小的發(fā)射功率進(jìn)行數(shù)據(jù)傳送，因而不管信道狀況如何變化，用戶通過調(diào)節(jié)發(fā)射功率始終以非常接近于的速率進(jìn)行數(shù)據(jù)傳送，仍然沒有將用戶在每個時隙內(nèi)的速率與信道增益聯(lián)系起來，不能保障云業(yè)務(wù)用戶的能量消耗最??；而在本文的方案下，用戶的傳送速率曲線幾乎完全隨著信道增益的變化圍繞平均發(fā)送速率而變化，在信道狀況好（壞）的情況下多（少）發(fā)送數(shù)據(jù)，能滿足云業(yè)務(wù)的能量消耗最小。圖4為L=4 000 bit，T=20 ms時3種方案下的能量消耗直方圖，證實了上述結(jié)論。

圖3 L=4 000 bit，T=20 ms時發(fā)送速率和信道增益的變化

圖4 L=4 000 bit，T=20 ms時3種方案的能量消耗對比

圖5 =200 kbit/s時能量消耗隨截止時間的變化

圖6所示為截止時間T=100 ms時能量消耗隨平均要求速率的變化情況。顯然，在T一定的情況下，平均要求速率越大，則相應(yīng)地要求傳輸數(shù)據(jù)量L越大，能量消耗也越高。由圖6可知，在平均要求速率較小時，由于用戶能獲得的最大速率和平均要求速率相差較大，因此，能充分地進(jìn)行速率調(diào)節(jié)來優(yōu)化發(fā)送能量，此時，本文的算法相比現(xiàn)有的2種對比算法能獲得較優(yōu)的結(jié)果；當(dāng)平均要求速率越來越接近能獲得的最大速率時，系統(tǒng)不得不以接近最大的速率來進(jìn)行數(shù)據(jù)傳送，因而優(yōu)化的空間越來越小，3種算法的能量消耗逐漸接近，此時，本文的算法相比現(xiàn)有的2種算法仍能獲得更優(yōu)的結(jié)果。

圖6 T=100 ms時能量消耗隨平均要求速率的變化

本文對多個云用戶的算法性能也做了仿真。圖7給出了本文算法所節(jié)省的能量隨截止時間的變化情況，為方便表示，這里用值的大小來區(qū)別不同參數(shù)的云用戶，并考慮了一個云用戶（即I=1，其，距基站400 m）和3個云用戶（即I=3，其分別為100 kbit/s、200 kbit/s和300 kbit/s，距基站的距離分別為500 m、400 m和300 m）時的不同情況。由圖7可知，本文算法相對于對比算法1和對比算法2所節(jié)省的能量正比于業(yè)務(wù)截止時間，即所需傳輸?shù)臉I(yè)務(wù)數(shù)據(jù)越多，本文算法在優(yōu)化能量方面的優(yōu)勢越大，且云用戶越多本文算法所節(jié)省的能量越大。

圖7 本文算法節(jié)省的能量隨截止時間的變化

圖8給出了本文算法較對比算法所節(jié)省的能量隨云用戶個數(shù)的變化情況，其中，假設(shè)系統(tǒng)中存在平均速率需求分別為100 kbit/s、200 kbit/s和300 kbit/s，距基站的半徑距離分別為500 m、400 m和300 m的3種云用戶，每次系統(tǒng)增加的用戶都是3種用戶中的一種。由圖8可見，由于對比算法1以最大化系統(tǒng)容量為目的，本文算法較之節(jié)省的能量較大；對比算法2以優(yōu)化所有用戶的功率和為目標(biāo)，但是發(fā)送速率沒有隨著信道狀況的變化調(diào)整，因而本文算法較之也能有一定的能量節(jié)省。隨著云用戶個數(shù)的增加，本文方案相比對比算法1和對比算法2節(jié)省能量的效果不斷增加。

以上分析表明隨著系統(tǒng)規(guī)模的增大，本文的調(diào)度方案的優(yōu)勢愈發(fā)明顯，因此，在大規(guī)模實際應(yīng)用場景中，本文的調(diào)度方案將節(jié)省很可觀的能量。當(dāng)然，當(dāng)本文的調(diào)度方案應(yīng)用于大規(guī)模實際應(yīng)用場景中時，系統(tǒng)用戶數(shù)的增加不可避免地將增加該方案的計算復(fù)雜度，使算法的運行時間增加。由調(diào)度方案可知，該算法的計算復(fù)雜度隨用戶數(shù)的增加呈冪增長的趨勢。然而正如本文在系統(tǒng)模型中討論的，SDN虛擬切片技術(shù)把計算資源和頻譜資源分給不同的業(yè)務(wù)類，因此，通過資源切片可以保證在每個資源切片內(nèi)的用戶數(shù)小于一定規(guī)模，從而降低計算復(fù)雜度，使每個資源切片內(nèi)的計算復(fù)雜度近似呈線性增長的趨勢，以保證算法能夠?qū)嵤?，這也是SDN在未來網(wǎng)絡(luò)體系中的巨大優(yōu)勢之一。

圖8 本文算法節(jié)省的能量隨云用戶個數(shù)的變化

通過與現(xiàn)有網(wǎng)絡(luò)下2種典型的LTE上行調(diào)度算法的對比分析，總體而言，現(xiàn)有相關(guān)工作與本文工作的對比如表3所示。

表3 現(xiàn)有相關(guān)工作與本文工作的對比

6 結(jié)束語

本文針對現(xiàn)有網(wǎng)絡(luò)中的分類調(diào)度方案無法適配每一種新業(yè)務(wù)來滿足其QoS這一問題進(jìn)行了研究，并利用SDWN研究了基于業(yè)務(wù)的QoS的控制方法，以云業(yè)務(wù)為例，將其從現(xiàn)有的分類調(diào)度中抽離出來，提出了一種在最大化系統(tǒng)吞吐量的基礎(chǔ)上，使云業(yè)務(wù)用戶的能量消耗最小的LTE上行調(diào)度方案。仿真結(jié)果表明，本文的方案能有效減小云業(yè)務(wù)用戶的能量消耗，達(dá)到滿足其特殊QoS的目的。

[1]3GPP TS 23.203.Policy and charging control architecture[S].2013.

[2]ABU-ALI N,TAHA A E M,SALAH M.Uplink scheduling in LTE and LTE-advanced:tutorial,survey and evaluation framework[J].IEEE Communications Surveys &Tutorials,2014,16(3):1239-1265.

[3]LEE J,JINDAL N.Energy-efficient scheduling of delay constrained traffic over fading channels [J].IEEE Transactions on Wireless Communications,2009,8(4):1866-1875.

[4]ZHANG W,WEN Y,GUAN K.Energy-optimal mobile cloud computing under stochastic wireless channel[J].IEEE Transactions on Wireless Communications,2013,12(9):4569-4581.

[5]NUNES B A A,MARC M.A survey of software-defined networking:past,present and future of programmable networks[J].IEEE Communications Surveys &Tutorials,2014,16(3):1617-1634.

[6]PENTIKOUSIS K,WANG Y,HU W.Mobileflow:toward software-defined mobile networks[J].IEEE Communications Magazine,2013,51(7):44-53.

[7]GUERZONI R,TRIVISONNO R,SOLDANI D.SDN-based architecture and procedures for 5G networks[C]//IEEE 5GU’14.2014:209-214.

[8]AISSIOUI A,KSENTINI A,GUEROUI A M.Toward elastic distributed SDN/NFV controller for 5G mobile cloud management systems[J].IEEE Access,2015,3:2055-2064.

[9]RIGGIO R,MARINA M K,RASHEED T.Interference management in software-defined mobile networks[C]//IEEE IM’15.2015:626-632.

[10]ZHONG L,NAKAUCHIK,SHOJI Y.Performance analysis of application-based QoS control in software-defined wireless networks[C]//IEEE IWCMC’14.2014:464-469.

[11]KIM J,KIM D,HAN Y.Proportional fair scheduling algorithm for SC-FDMA in LTE uplink[C]//IEEE GLOBECOM’12.2012:4816-4820.

[12]YANG H,REN F,LIN C.Frequency-domain packet scheduling for 3GPP LTE uplink[C]//IEEE INFOCOM’10.2010:1-9.

[13]DELGADO O,JAUMARD B.Scheduling and resource allocation for multiclass services in LTE uplink systems[C]//IEEE WiMob’10.2010:355-360.

[14]WEN P,YOU M,WU S.Scheduling for streaming application over wideband cellular network in mixed service scenarios[C]//IEEE MILCOM’07.2007:1-7.

[15]SOKMEN F I,GIRICI T.Uplink resource allocation algorithms for single-carrier FDMA systems[C]//IEEE EW’ 10.2010:339-345.

[16]MYUNG H G,LIM J,GOODMAN D J.Single carrier FDMA for uplink wireless transmission[J].IEEE Vehicular Technology Magazine,2006,1(3):30-38.

[17]LEE K D,LEUNG V.Capacity planning for group-mobility users in OFDMA wireless networks[J].EURASIP Journal on Wireless Communications and Networking,2006(2):59-59.

[18]WONG I C,OTERI O,MCCOY W.Optimal resource allocation in uplink SC-FDMA systems[J].IEEE Transactions on Wireless Communications,2009,8(5):2161-2165.

潘甦（1969-），男，江蘇揚(yáng)州人，博士，南京郵電大學(xué)教授、博士生導(dǎo)師，主要研究方向為寬帶無線通信中的資源分配技術(shù)、路由技術(shù)和QoS保證技術(shù)、移動互聯(lián)網(wǎng)技術(shù)等。

肖榜（1992-），男，湖北天門人，南京郵電大學(xué)碩士生，主要研究方向為寬帶無線通信和軟件定義無線網(wǎng)絡(luò)等。

陳宇青（1993-），女，江蘇南京人，南京郵電大學(xué)碩士生，主要研究方向為寬帶無線通信和信道資源分配等。

劉勝美（1977-），女，江蘇泰興人，博士，南京郵電大學(xué)副教授、碩士生導(dǎo)師，主要研究方向為異構(gòu)無線網(wǎng)絡(luò)移動性管理、資源管理和無線云等。

Uplink scheduling scheme for cloud service based on software-defined wireless network

PAN Su,XIAO Bang,CHEN Yu-qing,LIU Sheng-mei
(Key Lab of Broadband Wireless Communication and Sensor Network Technology of Ministry of Education,Nanjing University of Posts and Telecommunications,Nanjing 210003,China)

A LTE uplink scheduling scheme matching the features of wireless cloud services was proposed for the SDWN (software-defined wireless network).The scheme first solved the resource allocation problem by using the binary integer programming method,and then calculated the optimal transmission rate of cloud services in each time slot using the method of dynamic programming,finally adjusted the transmission rate of cloud services proportional to the current channel status using QoS control method in the framework of SDWN.The proposed scheme minimizes the energy consumption of cloud services while ensuring the transmission rate demand of multiple services.The performance of the algorithm is verified by simulation.

SDWN,wireless cloud,LTE scheduling,optimization

s:The National Natural Science Foundation of China (No.61271235),Priority Academic Program Development of Jiangsu Higher Education Institution

TN915.04

A

10.11959/j.issn.1000-436x.2016232

2015-10-24；

2016-10-28

資助項目（No.61271235）；江蘇高校優(yōu)勢學(xué)科建設(shè)工程基金資助項目