龐小勇
(浙江逸暢通信技術(shù)有限公司,浙江 杭州 310013)
5G 技術(shù)作為無線通信技術(shù)的代表,將小區(qū)網(wǎng)絡(luò)、區(qū)域網(wǎng)絡(luò)以及蜂窩網(wǎng)絡(luò)等整合在一起,具有通信線路眾多的特征,給毫米波大規(guī)模多輸入多輸出(Multiple Input Multiple Output,MIMO)通信帶來挑戰(zhàn)。從技術(shù)發(fā)展思路來看,實(shí)現(xiàn)通信鏈路擴(kuò)容的主要方法就是在軟硬件設(shè)備采購上投入大量的資金,因此越來越多的學(xué)者提出應(yīng)通過網(wǎng)絡(luò)均衡負(fù)載與調(diào)度的方法提升網(wǎng)絡(luò)資源利用率[1,2]。同時(shí),文章結(jié)合5G 通信中密集蜂窩異構(gòu)無線網(wǎng)絡(luò)的通信場景,考慮基站負(fù)責(zé)載波資源發(fā)送與調(diào)配的全部過程,為實(shí)現(xiàn)通信鏈路均衡負(fù)載,需要確保網(wǎng)絡(luò)鏈路信道增益zk,j大于等于通信負(fù)載值。期間假設(shè)某基站中的網(wǎng)絡(luò)覆蓋范圍中存在m個(gè)通信用戶與n個(gè)終端直通用戶,在載波鏈路通信模式下,zk,j的具體數(shù)值為
式中:η為5G 通信模擬下所產(chǎn)生的路徑損耗;α為通信鏈路的信道衰落系數(shù);d為基站與5G 通信用戶之間的最短間距;j為用戶;k為小區(qū)內(nèi)接收的干擾信道增益符號。
文章所考慮的通信場景為超密集網(wǎng)絡(luò),為更深入地了解鏈路均衡負(fù)載值,需要盡量提升用戶數(shù)量。假設(shè)系統(tǒng)中存在M個(gè)靈活帶寬共享(Flexible Bandwidth Sharing,F(xiàn)BS)與n個(gè)用戶,為實(shí)現(xiàn)在超密集無線網(wǎng)絡(luò)環(huán)境下用戶正常的通信交流,應(yīng)確保在同一個(gè)簇內(nèi)的不同F(xiàn)BS 可共同使用頻譜資源。同時(shí),分簇的目的是確保相同簇內(nèi)的用戶之間可保持通信資源數(shù)量相同,進(jìn)而解決因?yàn)橛脩纛l繁切換網(wǎng)絡(luò)等問題而造成的鏈路負(fù)載[3]。為滿足簇內(nèi)用戶正常通信的要求,提出了基于二分圖匹配的系統(tǒng)模型,該模型表示為
式中;bk 為基站;ui為終端用戶;為基站的終端用戶在子信道上的干燥比;l為信道;為信道增益值;為發(fā)送功率;σ2為信號干噪比。
根據(jù)現(xiàn)有的經(jīng)驗(yàn)可知,分簇是減少小區(qū)之間信號干擾問題的重要手段,并且有助于提升資源利用率,是實(shí)現(xiàn)鏈路均衡負(fù)載的合理手段[4]。為實(shí)現(xiàn)上述目標(biāo),文章提出一種改進(jìn)的分簇算法,該算法的實(shí)施步驟如下。
步驟(1),利用干擾信息構(gòu)建網(wǎng)絡(luò)干擾拓?fù)浜?,根?jù)拓?fù)鋱D顯示用戶(或者基站)之間存在的信息干擾關(guān)系;
步驟(2),通過步驟(1)假設(shè)的拓?fù)潢P(guān)系完成初步分簇;
步驟(3),對初步分簇結(jié)果進(jìn)行優(yōu)化后,限定分簇的數(shù)量,提升利用率。
假設(shè)在傳統(tǒng)的5G 通信系統(tǒng)中,小區(qū)基站布設(shè)方案如圖1 所示。
圖1 小區(qū)基站部署結(jié)構(gòu)
則此時(shí)網(wǎng)絡(luò)系統(tǒng)的干擾矩陣K可以表示為
在式(3)中設(shè)定干擾閾值,當(dāng)I小于干擾閾值時(shí)則需做解耦處理,解耦后小區(qū)5G 通信的干擾情況可用圖2 表示。
圖2 解耦后的拓?fù)浣Y(jié)構(gòu)
在實(shí)現(xiàn)分簇算法時(shí),設(shè)定初始化條件是簇k的幾何,K為干擾矩陣,則基于最小增量分簇的基本實(shí)施路徑如下。
步驟(1),計(jì)算簇k集合的權(quán)重值;
步驟(2),選擇權(quán)重值最小的集合系數(shù),將其分配到簇k中,確保每個(gè)簇k均獲得一個(gè)權(quán)重值;
步驟(3),將剩余的簇k集合系數(shù)加入各個(gè)簇中,并計(jì)算簇的權(quán)重值增量變化;
步驟(4),其余節(jié)點(diǎn)參照步驟(3)的計(jì)算方法,逐一將其分配給簇;
步驟(5),在經(jīng)過上述處理后,即可將數(shù)據(jù)劃分為k個(gè)簇,通過計(jì)算2 個(gè)簇之間的權(quán)重值,即可降低分簇的數(shù)量,使數(shù)據(jù)更容易計(jì)算;
步驟(6),按照要求設(shè)定2 個(gè)簇之間的合并閾值,當(dāng)合并閾值低于干擾值時(shí)即可將2 個(gè)簇合并。
假設(shè)G表示無向圖,若定點(diǎn)集G可分割成為相互不相交的子集(M,N),且圖中任意邊線(i,j)的關(guān)聯(lián)定點(diǎn)表示為i∈M,j∈N,則圖G屬于二分圖。按照上述定義可以更好地引入二分圖,期間為盡可能實(shí)現(xiàn)最大限度的匹配,需要通過增加邊的匹配邊數(shù)實(shí)現(xiàn)上述數(shù)據(jù)處理目標(biāo),若在數(shù)據(jù)匹配中發(fā)現(xiàn)每個(gè)頂點(diǎn)均與任意一條邊線之間存在關(guān)聯(lián)性,即可認(rèn)為此時(shí)二分圖的匹配為完全匹配[5]。在經(jīng)過上述虛擬轉(zhuǎn)換后,二分圖可使頂點(diǎn)集合數(shù)量與集合D之間的數(shù)量保持相同。
為充分發(fā)揮極大匹配算法的優(yōu)勢,文章通過鏈路均衡負(fù)載獲得二分圖模型和二分圖匹配比例。此時(shí)通過增設(shè)結(jié)構(gòu)與虛擬頂點(diǎn)的擴(kuò)展數(shù)據(jù)后,即可重新界定用戶與小區(qū)之間的權(quán)重關(guān)系。為最大限度上實(shí)現(xiàn)5G 網(wǎng)絡(luò)資源的匹配處理要求,在二分圖算法中應(yīng)確保集合中頂點(diǎn)數(shù)量與用戶數(shù)量相同,確保小區(qū)通信資源與用戶之間的一對一匹配。因此,需通過優(yōu)化二分圖結(jié)構(gòu),將子信道與簇分為2個(gè)集合,進(jìn)而達(dá)到二分圖優(yōu)化的目的。優(yōu)化后的二分圖中一方指向另一方的連線,并且每個(gè)連線都有詳細(xì)的權(quán)重值。該權(quán)重值則決定了簇與子信道之間的交互性,而提升交互性則成為解決現(xiàn)有5G 通信鏈路負(fù)載問題的重要內(nèi)容。
按照提出的目標(biāo),文章提出的二分圖匹配仿真處理的基本流程、基本處理步驟為:(1)做系統(tǒng)初始化,在系統(tǒng)初始化中應(yīng)確定本小區(qū)的用戶數(shù)量與基站數(shù)量,判斷5G 通信鏈路均衡負(fù)載的現(xiàn)狀;(2)根據(jù)現(xiàn)有網(wǎng)絡(luò)節(jié)點(diǎn)形成拓?fù)浣Y(jié)構(gòu)后,即可進(jìn)入主循環(huán)程序,該程序處理的主要目標(biāo)就是確定本小區(qū)用戶位置與基站位置賦值,根據(jù)二者的空間分布情況確定最理想的拓?fù)渚W(wǎng)絡(luò)鏈路關(guān)系;(3)預(yù)估小區(qū)鏈路資源占用情況,根據(jù)預(yù)估結(jié)果計(jì)算出用戶數(shù)據(jù)傳輸中的信噪比值和判決效用函數(shù)值,判定數(shù)據(jù)處理最大值,并按照hod 值的更新結(jié)果輸出數(shù)據(jù);(4)形成最優(yōu)的網(wǎng)絡(luò)鏈路負(fù)載匹配結(jié)果。
為驗(yàn)證所介紹方法的合理性,文章通過仿真平臺(tái)對上文方法進(jìn)行驗(yàn)證,根據(jù)驗(yàn)證結(jié)果做出綜合評價(jià),仿真參數(shù)設(shè)置信息如表1 所示。
表1 仿真參數(shù)設(shè)置方案
在表1 介紹的仿真條件下,對分簇算法做仿真處理,檢測在600 m×600 m 的平面功能中每個(gè)FBS的干擾情況,并將小區(qū)用戶做分簇后,使簇內(nèi)用戶連續(xù)使用頻譜,最后根據(jù)仿真結(jié)果做分簇優(yōu)化,實(shí)現(xiàn)分簇處理。同時(shí),為驗(yàn)證該方法的合理性,以通用信元速率算法(Generic Cell Rate Algorithm,GCRA)為參照進(jìn)行對比。
4.2.1 系統(tǒng)吞吐量比較
根據(jù)仿真結(jié)果可知,隨著一定數(shù)量FBS 的增加,系統(tǒng)吞吐量明顯提升,而實(shí)際上,F(xiàn)BS 數(shù)量的增加雖然會(huì)改善系統(tǒng)的吞吐量,但是該處理方法會(huì)導(dǎo)致小區(qū)之間的干擾度增加,使得每條子信道的運(yùn)行速率降低,這種情況明顯不符合本次技術(shù)處理要求。而根據(jù)本次仿真對比結(jié)果發(fā)現(xiàn),5G 通信系統(tǒng)中的FBS 數(shù)量小于等于300 時(shí),本文所提出的算法明顯優(yōu)于GCRA 算法。其中,當(dāng)FBS 為150 個(gè)時(shí),本文算法的系統(tǒng)吞吐量約為80 Mb/s,而GCRA 算法則為36 Mb/s;當(dāng)FBS 的數(shù)量達(dá)到300 個(gè)時(shí),本文算法的系統(tǒng)吞吐量為118 Mb/s,明顯高于常規(guī)算法的62 Mb/s。
4.2.2 系統(tǒng)頻譜效率比較
根據(jù)2 種方法的對比結(jié)果可知,隨著FBS 密度增加,系統(tǒng)頻譜效率整體呈下降趨勢,而在5G 通信網(wǎng)絡(luò)中為充分滿足用戶通信要求,則需要分布式FBS處于低速率運(yùn)行。在分別比較2 種方法對系統(tǒng)頻譜效率的影響后發(fā)現(xiàn),當(dāng)FBS 數(shù)量為150 個(gè)時(shí),本文算法的系統(tǒng)頻譜效率基本維持在0.384 ~0.386,明顯高于GCRA 方法的0.251 ~0.290;而當(dāng)FBS 數(shù)量增長至300 時(shí),本文算法的系統(tǒng)頻譜效率約為0.312 ~0.318,CGRA 算法則下降至0.121 ~0.127,可見本文方法在提升系統(tǒng)頻譜效率中具有明顯優(yōu)勢。出現(xiàn)該結(jié)果的原因可能為:通過本文方法實(shí)現(xiàn)了FBS的適當(dāng)分組,并且該方法可通過二分圖對簇做子信道分配,因此頻譜效率更高。
4.2.3 丟包率比較
在分別比較2 種方法對丟包率的影響后,相關(guān)數(shù)據(jù)顯示,隨著FBS 用戶數(shù)量的增多,2 種方法的丟包率均呈現(xiàn)出明顯上升趨勢,出現(xiàn)這一現(xiàn)象的原因可能為:隨著用戶數(shù)量的增多可能會(huì)導(dǎo)致部分用戶因?yàn)闊o法第一時(shí)間分配到資源而出現(xiàn)丟包問題。根據(jù)本次的測試結(jié)果可知,當(dāng)FBS 內(nèi)用戶數(shù)量為2 時(shí),本文算法的丟包率為1.52%,而GCRA 方法則為3.76%;當(dāng)FBS內(nèi)用戶數(shù)量為5時(shí),本文算法的丟包率為6.03%,GCRA 方法的丟包率為11.06%。通過上述數(shù)據(jù)對比結(jié)果可知,本文算法的丟包率明顯優(yōu)于GCRA 方法。
4.2.4 系統(tǒng)阻塞率比較
2 種方法的數(shù)據(jù)對比結(jié)果顯示,隨著用戶數(shù)量的增多,5G 網(wǎng)絡(luò)系統(tǒng)的阻塞率呈現(xiàn)上升趨勢,但是本文方法下的阻塞率增幅明顯低于GCRA 方法。當(dāng)用戶數(shù)量為80 時(shí),本文算法下的系統(tǒng)阻塞率為0.04%,明顯低于GCRA 方法的0.87%;當(dāng)用戶數(shù)量提升至140 時(shí),本文算法下的阻塞率為0.06%,低于GCRA方法的0.24%。由此可見,本文算法在降低系統(tǒng)阻塞率中的效果顯著。
為滿足未來5G 通信技術(shù)的要求,探索基于二分圖匹配的技術(shù)優(yōu)化方案具有可行性。根據(jù)本文的模擬仿真結(jié)果可知,在通過二分圖匹配后,5G 通信的鏈路均衡負(fù)載問題得到了有效解決。與傳統(tǒng)方案相比,該方法在提升系統(tǒng)吞吐量、系統(tǒng)頻譜效率以及降低系統(tǒng)阻塞率、丟包率中的效果顯著,具有常規(guī)技術(shù)無法比擬的優(yōu)勢,值得進(jìn)一步推廣。