陳發(fā)堂，楊 玲，賈俊文，杜海濤，粟 栗

(1.重慶郵電大學(xué) 通信與信息工程學(xué)院，重慶 400065；2.中國(guó)移動(dòng)通信集團(tuán)公司研究院,北京 100053)

0 引 言

超密集網(wǎng)絡(luò)(Ultra-dense Network，UDN)是解決移動(dòng)數(shù)據(jù)流量爆炸式增長(zhǎng)的關(guān)鍵技術(shù)[1]。大量覆蓋范圍小的微小區(qū)(Small Cells，SC)部署在宏小區(qū)(Macro Cell，MC)的覆蓋范圍內(nèi)[2]，以減少與MC相關(guān)聯(lián)的用戶設(shè)備(User Equipment，UE)[3]，UDN縮短了UE與基站之間的距離，因此信號(hào)在傳輸過(guò)程中的衰減大大降低[4]，從而為UE提供更好的服務(wù)質(zhì)量(Quality of Service，QoS)。但SC的覆蓋范圍小，導(dǎo)致了更加頻繁的切換以及更高的切換失敗率，從而影響了UE切換的穩(wěn)定性，并且UE可能會(huì)包含在多個(gè)基站的覆蓋范圍內(nèi)，則該UE會(huì)受到多個(gè)基站信號(hào)之間的干擾[5]，使得UE的服務(wù)體驗(yàn)感變差。文獻(xiàn)[6]指出控制平面和用戶數(shù)據(jù)平面分離架構(gòu)(Control/Data Separation Architecture，CDSA)是克服這些問(wèn)題的有前景的解決方法。目前已有大量的工作研究切換的管理[7]：文獻(xiàn)[8]提出了在CDSA中基于雙連接的切換方案以提高切換魯棒性，但是該方案只適用于高鐵場(chǎng)景；文獻(xiàn)[9]提出使用基于層次分析法來(lái)解決用戶接入問(wèn)題，但是在選擇超密集網(wǎng)絡(luò)中的性能參數(shù)時(shí)忽略了基站間的干擾，并且利用層次分析法來(lái)確定不同屬性之間的權(quán)重時(shí)，依賴于人的主觀意識(shí)，說(shuō)服力不強(qiáng)；文獻(xiàn)[10]研究了宏小區(qū)、微小區(qū)和微微小區(qū)之間的切換過(guò)程管理，提出了一種理論模型來(lái)表征異構(gòu)場(chǎng)景中移動(dòng)用戶的性能，該理論模型是各種切換參數(shù)的函數(shù)，但是這些工作集中在低頻蜂窩系統(tǒng)，當(dāng)處理毫米波時(shí)，頻繁的切換也是一個(gè)急需解決的問(wèn)題；文獻(xiàn)[11]提出了在5G雙連接異構(gòu)網(wǎng)絡(luò)中基于全記憶上下文感知的預(yù)測(cè)切換方案，該方案采用灰色模型預(yù)測(cè)接下來(lái)的信號(hào)功率和信號(hào)質(zhì)量，并利用位置估計(jì)模塊來(lái)估算UE將來(lái)所處的位置，然而該方案中由服務(wù)基站(Serving Base Station,SBS)做出切換決策，這會(huì)給SBS帶來(lái)額外的開(kāi)銷(xiāo)。

為了解決以上問(wèn)題，本文提出了一種基于熵權(quán)優(yōu)劣解距離法(Technique for Order Preference by Similarity to an Ideal,TOPSIS)的小區(qū)預(yù)切換方法，通過(guò)考慮多個(gè)切換指標(biāo)來(lái)處理切換問(wèn)題；對(duì)比了UE在不同移動(dòng)速度下本文方案與已有的切換方案在小區(qū)切換次數(shù)和無(wú)線鏈路失敗率方面的性能，結(jié)果表明本文方案降低了小區(qū)切換次數(shù)和無(wú)線鏈路失敗率。

1 系統(tǒng)模型及提出的方案

1.1 系統(tǒng)模型

CDSA模型如圖1所示。在CDSA中，CBS保證了一個(gè)低速率覆蓋層，提供了與小區(qū)搜索和系統(tǒng)消息獲取相關(guān)的信令。CBS還提供廣播/多播服務(wù)、尋呼功能和服務(wù)DBS選擇功能，另外還負(fù)責(zé)處理移動(dòng)性管理。因?yàn)镃BS的覆蓋范圍大，則可以利用CBS的大覆蓋范圍以及它對(duì)網(wǎng)絡(luò)狀態(tài)和參數(shù)的更廣泛的視角來(lái)優(yōu)化資源選擇。在會(huì)話期間，DBS為信道估計(jì)、鏈路自適應(yīng)和波束形成提供必要的信令，同時(shí)提供數(shù)據(jù)傳輸。

圖1 CDSA架構(gòu)模型

1.2 提出的熵權(quán)TOPSIS預(yù)切換方案

本文提出一種在5G雙連接異構(gòu)網(wǎng)絡(luò)中的熵權(quán)TOPSIS法減少小區(qū)切換次數(shù)。小區(qū)切換過(guò)程分為切換準(zhǔn)備階段、切換執(zhí)行階段以及切換完成階段三個(gè)階段。在切換準(zhǔn)備階段,UE根據(jù)服務(wù)CBS下發(fā)的無(wú)線資源控制重配(RRC Reconfiguration)消息里的配置對(duì)服務(wù)DBS和鄰DBS進(jìn)行測(cè)量，隨后將測(cè)量結(jié)果發(fā)送到熵權(quán)TOPSIS預(yù)測(cè)模塊；熵權(quán)TOPSIS預(yù)測(cè)模塊根據(jù)測(cè)量參數(shù)和UE位置預(yù)測(cè)目標(biāo)切換DBS，UE將目標(biāo)DBS和熵權(quán)TOPSIS法得到的各候選小區(qū)的排序發(fā)送給服務(wù)CBS，由服務(wù)CBS做出切換判決。在切換執(zhí)行階段，服務(wù)CBS向目標(biāo)DBS發(fā)送切換請(qǐng)求，目標(biāo)DBS進(jìn)行接入控制并預(yù)留資源，服務(wù)DBS向UE發(fā)送切換命令，UE切換至目標(biāo)DBS。最后，UE與目標(biāo)DBS完成上行同步，并釋放與服務(wù)DBS的連接。圖2為本文提出的熵權(quán)TOPSIS預(yù)切換方案信令流程圖。

2 熵權(quán)TOPSIS預(yù)測(cè)模型

2.1 切換指標(biāo)選取

切換指標(biāo)選取的合適與否對(duì)目標(biāo)小區(qū)的選擇結(jié)果有重要的影響，本文選取下行信干噪比(Signal-to-Interference plus Noise Ratio,SINR)、預(yù)測(cè)駐留時(shí)間和移動(dòng)角度作為切換指標(biāo)。

(1)下行SINR

由于數(shù)據(jù)基站(Data Base Station,DBS)的數(shù)量和位置部署是變化的，并且通常DBS和控制基站(Control Base Station,CBS)共用同一個(gè)頻譜，這會(huì)產(chǎn)生DBS間干擾以及DBS和CBS之間的干擾，最終導(dǎo)致服務(wù)質(zhì)量變差。如果UE切換到一個(gè)沒(méi)有足夠大信干噪比的小區(qū)，則會(huì)造成無(wú)線資源的浪費(fèi)，甚至?xí)档途酆舷到y(tǒng)的吞吐量。由于接收信號(hào)強(qiáng)度的變化以及DBS的覆蓋范圍小，如果只將接收信號(hào)質(zhì)量作為切換標(biāo)準(zhǔn)不能實(shí)現(xiàn)最好的性能。

(2)預(yù)測(cè)駐留時(shí)間

UE在目標(biāo)小區(qū)的預(yù)測(cè)駐留時(shí)間短可以被認(rèn)為是一次不必要的切換，因此，預(yù)測(cè)UE駐留時(shí)間，即UE在候選小區(qū)覆蓋區(qū)域內(nèi)可能停留的時(shí)間，將有助于做出決策，減少切換到停留時(shí)間較短的小區(qū)的機(jī)會(huì)。這將最終改善終端用戶的服務(wù)體驗(yàn)，并減少信令開(kāi)銷(xiāo)。

(3)移動(dòng)角度

當(dāng)某些鄰小區(qū)可以給UE提供較高的下行SINR，但這些鄰小區(qū)位于UE移動(dòng)的反方向時(shí)UE則會(huì)切換失敗，因此考慮UE移動(dòng)方向和目標(biāo)小區(qū)之間的夾角以減少目標(biāo)候選小區(qū)的數(shù)量，提高切換成功率。

2.2 切換指標(biāo)建模

2.2.1 下行SINR

由于信號(hào)在傳輸過(guò)程中存在路徑損耗，UEk從基站DBSi接收到的功率值PDBSi→UEk=PDBSi-Ploss，其中，PDBSi為基站的發(fā)射功率，Ploss為基站DBSi與UEk之間的路徑損耗。又Ploss=38+30lg(dDBSi→UEk)，dDBSi→UEk為UEk與基站DBSi之間的距離，則UEk從DBSi接收到的SINR計(jì)算公式如下：

(1)

式中：Pj(j≠i)表示UEk收到鄰基站的功率值，δ2表示UEk接收到的噪聲功率值。

2.2.2 預(yù)測(cè)駐留時(shí)間T

如圖3所示，在本文的移動(dòng)模型中，假設(shè)UE在小區(qū)內(nèi)以一定的速度沿直線運(yùn)動(dòng),則T的計(jì)算公式如下：

圖3 小區(qū)內(nèi)的T測(cè)量

(2)

式中：R為小區(qū)半徑，v為UE移動(dòng)速度，Tin為UE進(jìn)入該小區(qū)的位置點(diǎn)，Tout為UE離開(kāi)該小區(qū)的位置點(diǎn)。

又有

(3)

式中：T0表示小區(qū)所在位置，T1為UE前一時(shí)刻所在位置，T2為UE當(dāng)前所在位置。則

(4)

將式(4)代入式(1)得到

(5)

2.2.3 移動(dòng)角度θ

由圖3可得到

(6)

2.3 熵權(quán)法確定指標(biāo)權(quán)重

熵權(quán)法確定各切換指標(biāo)權(quán)重的具體步驟如下：

Step1 初始數(shù)據(jù)標(biāo)準(zhǔn)化。假設(shè)有m個(gè)候選DBS，n個(gè)切換指標(biāo)，本文考慮了三個(gè)切換指標(biāo)，因此n=3。設(shè)第i個(gè)候選DBS對(duì)應(yīng)的第j個(gè)切換指標(biāo)的值為xij，則初始決策矩陣為I={xij,?i∈(1,m),?j∈(i,n)}，可知下行SINR和預(yù)測(cè)駐留時(shí)間為正向指標(biāo)，移動(dòng)角度為負(fù)向指標(biāo)，采用最大最小標(biāo)準(zhǔn)化方法對(duì)各指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化。設(shè)xij標(biāo)準(zhǔn)化后為yij，其計(jì)算公式如下：

(7)

(8)

式(7)和式(8)分別為正向指標(biāo)和負(fù)向指標(biāo)的標(biāo)準(zhǔn)化公式。

Step2 計(jì)算各指標(biāo)熵值。令第j個(gè)切換指標(biāo)的熵值為ej，j=1,2,…,n，計(jì)算公式如下：

(9)

Step3 計(jì)算各指標(biāo)權(quán)重。令切換指標(biāo)權(quán)重為wj，j=1,2,…,n，計(jì)算公式如下：

(10)

2.4 TOPSIS法確定目標(biāo)切換小區(qū)

TOPSIS法確定目標(biāo)切換小區(qū)的流程圖如圖4所示。首先UE根據(jù)測(cè)量到的服務(wù)DBS和鄰DBS的RSRP值選出候選小區(qū)列表；然后，計(jì)算出下行SINR、預(yù)測(cè)駐留時(shí)間和移動(dòng)角度這三個(gè)切換指標(biāo)值；最后將指標(biāo)值代入TOPSIS預(yù)測(cè)模型中，得到各候選小區(qū)的排序，選出最好的小區(qū)作為目標(biāo)切換小區(qū)。

圖4 TOPSIS法預(yù)測(cè)目標(biāo)切換小區(qū)流程圖

(11)

(12)

3 性能評(píng)估

本文采用Matlab平臺(tái)進(jìn)行仿真處理。在仿真中，假設(shè)每個(gè)DBS位于圓形網(wǎng)絡(luò)的中心，并且每個(gè)DBS隨機(jī)分布在CBS的覆蓋范圍內(nèi)，UE在DBS周?chē)鶆蚍植?。仿真參?shù)如表1所示。

表1 仿真參數(shù)設(shè)置

圖5給出了不同速度下熵權(quán)TOPSIS法與文獻(xiàn)[14]中的傳統(tǒng)切換算法和文獻(xiàn)[15]中提出的SAW算法在切換次數(shù)上的對(duì)比。從圖中可以看出，隨著速度的增加切換次數(shù)不斷增加;同時(shí)，熵權(quán)法相比其他兩種算法有最少的切換次數(shù)。這是因?yàn)閭鹘y(tǒng)的切換方法只考慮了RSRP值這一個(gè)因素，會(huì)造成頻繁切換；另外，SAW算法將切換指標(biāo)的權(quán)重值設(shè)為固定值，不會(huì)隨著UE移動(dòng)時(shí)切換指標(biāo)值的改變而改變，從而使得切換次數(shù)增加。熵權(quán)TOPSIS法在考慮多因素的情況下，各因素的權(quán)重也是根據(jù)指標(biāo)值進(jìn)行計(jì)算，而不是固定不變的。

圖5 切換次數(shù)對(duì)比圖

圖6比較了速度對(duì)本文所提出算法和其他算法在無(wú)線鏈路失敗率上的影響。當(dāng)確定了UE的目標(biāo)切換小區(qū)，UE會(huì)發(fā)起切換，此時(shí)會(huì)開(kāi)啟定時(shí)器T310，若在T310超時(shí)之前目標(biāo)小區(qū)的下行SINR值小于閾值γth，則會(huì)造成無(wú)線鏈路失敗。從圖中可看出，速度越大，無(wú)線鏈路失敗率越大。由于傳統(tǒng)切換算法只考慮了RSRP值，未考慮目標(biāo)切換小區(qū)的容量、資源，并且未進(jìn)行預(yù)測(cè)，產(chǎn)生了最高的無(wú)線鏈路失敗率;同時(shí)，文獻(xiàn)[15]中所提出的SAW算法也未提前預(yù)測(cè)目標(biāo)小區(qū)，則目標(biāo)小區(qū)不能提前預(yù)留資源，會(huì)造成較高的無(wú)線鏈路失敗率。熵權(quán)TOPSIS法在切換前對(duì)目標(biāo)切換小區(qū)進(jìn)行預(yù)測(cè)，從而可以切換到有足夠資源的小區(qū)，降低了無(wú)線鏈路失敗率。

圖6 無(wú)線鏈路失敗率對(duì)比圖

4 結(jié) 論

本文主要研究考慮切換次數(shù)、無(wú)線鏈路失敗和用戶體驗(yàn)的小區(qū)切換問(wèn)題，通過(guò)仿真驗(yàn)證了采用多指標(biāo)的熵權(quán)TOPSIS方法可減少切換次數(shù)，并且提高切換成功的概率。同時(shí)相對(duì)于傳統(tǒng)的切換方法，本文方法不只考慮目標(biāo)小區(qū)的RSRP值即執(zhí)行切換，而且還考慮了下行SINR、預(yù)測(cè)駐留時(shí)間以及移動(dòng)角度，所以可以減少乒乓切換，使UE切換到有足夠資源的目標(biāo)小區(qū)。在本文方法中切換指標(biāo)的值是根據(jù)UE的移動(dòng)性實(shí)時(shí)計(jì)算得到的，并且切換指標(biāo)的權(quán)重值也不是固定的，具有普遍適用性。該方案可有效解決5G異構(gòu)網(wǎng)絡(luò)中的切換問(wèn)題。