陳發(fā)堂，楊 玲，賈俊文，杜海濤，粟 栗

(1.重慶郵電大學 通信與信息工程學院，重慶 400065；2.中國移動通信集團公司研究院,北京 100053)

0 引 言

超密集網(wǎng)絡(Ultra-dense Network，UDN)是解決移動數(shù)據(jù)流量爆炸式增長的關鍵技術[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相關聯(lián)的用戶設備(User Equipment，UE)[3]，UDN縮短了UE與基站之間的距離，因此信號在傳輸過程中的衰減大大降低[4]，從而為UE提供更好的服務質量(Quality of Service，QoS)。但SC的覆蓋范圍小，導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可能會包含在多個基站的覆蓋范圍內(nèi)，則該UE會受到多個基站信號之間的干擾[5]，使得UE的服務體驗感變差。文獻[6]指出控制平面和用戶數(shù)據(jù)平面分離架構(Control/Data Separation Architecture，CDSA)是克服這些問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[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景；文獻[9]提出使用基于層次分析法來解決用戶接入問題，但是在選擇超密集網(wǎng)絡中的性能參數(shù)時忽略了基站間的干擾，并且利用層次分析法來確定不同屬性之間的權重時，依賴于人的主觀意識，說服力不強；文獻[10]研究了宏小區(qū)、微小區(qū)和微微小區(qū)之間的切換過程管理，提出了一種理論模型來表征異構場景中移動用戶的性能，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)，當處理毫米波時，頻繁的切換也是一個急需解決的問題；文獻[11]提出了在5G雙連接異構網(wǎng)絡中基于全記憶上下文感知的預測切換方案，該方案采用灰色模型預測接下來的信號功率和信號質量，并利用位置估計模塊來估算UE將來所處的位置，然而該方案中由服務基站(Serving Base Station,SBS)做出切換決策，這會給SBS帶來額外的開銷。

為了解決以上問題，本文提出了一種基于熵權優(yōu)劣解距離法(Technique for Order Preference by Similarity to an Ideal,TOPSIS)的小區(qū)預切換方法，通過考慮多個切換指標來處理切換問題；對比了UE在不同移動速度下本文方案與已有的切換方案在小區(qū)切換次數(shù)和無線鏈路失敗率方面的性能，結果表明本文方案降低了小區(qū)切換次數(shù)和無線鏈路失敗率。

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)消息獲取相關的信令。CBS還提供廣播/多播服務、尋呼功能和服務DBS選擇功能，另外還負責處理移動性管理。因為CBS的覆蓋范圍大，則可以利用CBS的大覆蓋范圍以及它對網(wǎng)絡狀態(tài)和參數(shù)的更廣泛的視角來優(yōu)化資源選擇。在會話期間，DBS為信道估計、鏈路自適應和波束形成提供必要的信令，同時提供數(shù)據(jù)傳輸。

圖1 CDSA架構模型

1.2 提出的熵權TOPSIS預切換方案

本文提出一種在5G雙連接異構網(wǎng)絡中的熵權TOPSIS法減少小區(qū)切換次數(shù)。小區(qū)切換過程分為切換準備階段、切換執(zhí)行階段以及切換完成階段三個階段。在切換準備階段,UE根據(jù)服務CBS下發(fā)的無線資源控制重配(RRC Reconfiguration)消息里的配置對服務DBS和鄰DBS進行測量，隨后將測量結果發(fā)送到熵權TOPSIS預測模塊；熵權TOPSIS預測模塊根據(jù)測量參數(shù)和UE位置預測目標切換DBS，UE將目標DBS和熵權TOPSIS法得到的各候選小區(qū)的排序發(fā)送給服務CBS，由服務CBS做出切換判決。在切換執(zhí)行階段，服務CBS向目標DBS發(fā)送切換請求，目標DBS進行接入控制并預留資源，服務DBS向UE發(fā)送切換命令，UE切換至目標DBS。最后，UE與目標DBS完成上行同步，并釋放與服務DBS的連接。圖2為本文提出的熵權TOPSIS預切換方案信令流程圖。

2 熵權TOPSIS預測模型

2.1 切換指標選取

切換指標選取的合適與否對目標小區(qū)的選擇結果有重要的影響，本文選取下行信干噪比(Signal-to-Interference plus Noise Ratio,SINR)、預測駐留時間和移動角度作為切換指標。

(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)共用同一個頻譜，這會產(chǎn)生DBS間干擾以及DBS和CBS之間的干擾，最終導致服務質量變差。如果UE切換到一個沒有足夠大信干噪比的小區(qū)，則會造成無線資源的浪費，甚至會降低聚合系統(tǒng)的吞吐量。由于接收信號強度的變化以及DBS的覆蓋范圍小，如果只將接收信號質量作為切換標準不能實現(xiàn)最好的性能。

(2)預測駐留時間

UE在目標小區(qū)的預測駐留時間短可以被認為是一次不必要的切換，因此，預測UE駐留時間，即UE在候選小區(qū)覆蓋區(qū)域內(nèi)可能停留的時間，將有助于做出決策，減少切換到停留時間較短的小區(qū)的機會。這將最終改善終端用戶的服務體驗，并減少信令開銷。

(3)移動角度

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

2.2 切換指標建模

2.2.1 下行SINR

由于信號在傳輸過程中存在路徑損耗，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 預測駐留時間T

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

圖3 小區(qū)內(nèi)的T測量

(2)

式中：R為小區(qū)半徑，v為UE移動速度，Tin為UE進入該小區(qū)的位置點，Tout為UE離開該小區(qū)的位置點。

又有

(3)

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

(4)

將式(4)代入式(1)得到

(5)

2.2.3 移動角度θ

由圖3可得到

(6)

2.3 熵權法確定指標權重

熵權法確定各切換指標權重的具體步驟如下：

Step1 初始數(shù)據(jù)標準化。假設有m個候選DBS，n個切換指標，本文考慮了三個切換指標，因此n=3。設第i個候選DBS對應的第j個切換指標的值為xij，則初始決策矩陣為I={xij,?i∈(1,m),?j∈(i,n)}，可知下行SINR和預測駐留時間為正向指標，移動角度為負向指標，采用最大最小標準化方法對各指標值進行標準化。設xij標準化后為yij，其計算公式如下：

(7)

(8)

式(7)和式(8)分別為正向指標和負向指標的標準化公式。

Step2 計算各指標熵值。令第j個切換指標的熵值為ej，j=1,2,…,n，計算公式如下：

(9)

Step3 計算各指標權重。令切換指標權重為wj，j=1,2,…,n，計算公式如下：

(10)

2.4 TOPSIS法確定目標切換小區(qū)

TOPSIS法確定目標切換小區(qū)的流程圖如圖4所示。首先UE根據(jù)測量到的服務DBS和鄰DBS的RSRP值選出候選小區(qū)列表；然后，計算出下行SINR、預測駐留時間和移動角度這三個切換指標值；最后將指標值代入TOPSIS預測模型中，得到各候選小區(qū)的排序，選出最好的小區(qū)作為目標切換小區(qū)。

圖4 TOPSIS法預測目標切換小區(qū)流程圖

(11)

(12)

3 性能評估

本文采用Matlab平臺進行仿真處理。在仿真中，假設每個DBS位于圓形網(wǎng)絡的中心，并且每個DBS隨機分布在CBS的覆蓋范圍內(nèi)，UE在DBS周圍均勻分布。仿真參數(shù)如表1所示。

表1 仿真參數(shù)設置

圖5給出了不同速度下熵權TOPSIS法與文獻[14]中的傳統(tǒng)切換算法和文獻[15]中提出的SAW算法在切換次數(shù)上的對比。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，熵權法相比其他兩種算法有最少的切換次數(shù)。這是因為傳統(tǒng)的切換方法只考慮了RSRP值這一個因素，會造成頻繁切換；另外，SAW算法將切換指標的權重值設為固定值，不會隨著UE移動時切換指標值的改變而改變，從而使得切換次數(shù)增加。熵權TOPSIS法在考慮多因素的情況下，各因素的權重也是根據(jù)指標值進行計算，而不是固定不變的。

圖5 切換次數(shù)對比圖

圖6比較了速度對本文所提出算法和其他算法在無線鏈路失敗率上的影響。當確定了UE的目標切換小區(qū)，UE會發(fā)起切換，此時會開啟定時器T310，若在T310超時之前目標小區(qū)的下行SINR值小于閾值γth，則會造成無線鏈路失敗。從圖中可看出，速度越大，無線鏈路失敗率越大。由于傳統(tǒng)切換算法只考慮了RSRP值，未考慮目標切換小區(qū)的容量、資源，并且未進行預測，產(chǎn)生了最高的無線鏈路失敗率;同時，文獻[15]中所提出的SAW算法也未提前預測目標小區(qū)，則目標小區(qū)不能提前預留資源，會造成較高的無線鏈路失敗率。熵權TOPSIS法在切換前對目標切換小區(qū)進行預測，從而可以切換到有足夠資源的小區(qū)，降低了無線鏈路失敗率。

圖6 無線鏈路失敗率對比圖

4 結 論

本文主要研究考慮切換次數(shù)、無線鏈路失敗和用戶體驗的小區(qū)切換問題，通過仿真驗證了采用多指標的熵權TOPSIS方法可減少切換次數(shù)，并且提高切換成功的概率。同時相對于傳統(tǒng)的切換方法，本文方法不只考慮目標小區(qū)的RSRP值即執(zhí)行切換，而且還考慮了下行SINR、預測駐留時間以及移動角度，所以可以減少乒乓切換，使UE切換到有足夠資源的目標小區(qū)。在本文方法中切換指標的值是根據(jù)UE的移動性實時計算得到的，并且切換指標的權重值也不是固定的，具有普遍適用性。該方案可有效解決5G異構網(wǎng)絡中的切換問題。