CN103220688B - Lte自组织网络中基于效用函数的移动负载均衡方法 - Google Patents

Abstract

本发明提供一种LTE自组织网络中基于效用函数的移动负载均衡方法：对过载小区中的非满意用户计算其在所有相邻小区中的效用函数。若非满意用户的所有效用函数值均等于0，则该用户没有切换目标小区，处于拥塞或掉话状态；否则，选用具有最大效用函数值的相邻小区进行切换。本发明将基于A3不等式触发切换并选择目标小区中的准入控制条件转化为效用函数的一部分，结合邻区频谱效率及子网负载均衡指数简化非满意用户的切换选择过程。采用该效用函数还可以将边缘用户的邻区信道及负载情况明确表示，间接表明用户所处小区的大致方位，可以在复杂场景下使非满意用户直接选择当前最优的目标小区进行切换，从而大大提高切换成功率及效率。

Description

LTE自组织网络中基于效用函数的移动负载均衡方法

技术领域

本发明涉及无线通信系统的系统级网络仿真，具体涉及一种多用户在LTE自组织网络（SON）中的移动负载均衡算法。

背景技术

LTE SON网络中的移动负载均衡（MLB）问题是指无线蜂窝系统可以在没有人工干预的情况下检测到过载小区，自动执行负载均衡算法将过载小区中的一部分业务转移到负载相对较轻的相邻小区中去。负载转移主要通过切换这一具体手段实现。实际工程中一般采用A3事件来触发LTE同频切换的测量报告，通过自适应修改小区相对偏置CIO以及迟滞参数Hyst等间接改变小区覆盖范围，使处于热点小区边缘信道状况较差的用户可以自动切换到信道条件和负载状态均相对较好的邻区，从而降低热点小区的负载，使网络间的负载趋于平衡。还有一些文献通过将几个网络目标函数结合在一起形成数学联合优化问题，并采用相应的优化算法，例如，启发式算法、拉格朗日乘子法等一些经典优化算法解决切换用户在网络中的最佳分布问题，使得目标函数最大化从而解决负载均衡问题。

以上负载均衡算法大多对用户业务不做具体区分，采用小区虚拟负载作为判断小区负载状态的标准，由此发现过载小区并执行相应的均衡算法。但根据A3不等式触发切换并选择目标小区时，参数值的修改只是虚拟的扩大或缩小了小区覆盖范围，而非改变小区的实际覆盖面积，因此这种情况一般需要辅以相应的准入控制条件，其中包括目标小区的信号接入控制以及资源接入控制等多种限制条件。数学表示即为一个目标函数，多个约束条件组成的优化问题。有时，在约束条件复杂时，目标函数不一定能取得最优解，而且参数修改往往还伴随着参数回滚问题。在目标小区满足A3不等式的条件下逐一对这些准入控制条件进行判断会增加相应的信令开销，且结果不一定是最优的目标小区。通常情况下负载均衡是针对小区边缘的非满意用户进行切换，但在场景比较复杂时，例如网络中有多个毗邻的热点小区，并非所有热点小区的边缘用户都拥有性能良好的邻区以供切换，传统的A3不等式虽然可以判断用户是否位于小区边缘，但无法直接辨别用户所处小区的方向及其邻区的负载状况。

发明内容

本发明的目的在于提供一种LTE自组织网络中基于效用函数的移动负载均衡方法。

为达到上述目的，本发明采用了以下技术方案：

1）考虑蜂窝网络中的用户均为固定请求速率用户，计算用户k在当前服务小区i中的接收信干噪比，根据接收信干噪比计算用户k在一个物理资源块上的瞬时频谱效率；

2）经过步骤1）后，根据最大载干比原则，对小区中的用户进行资源分配；

3）经过步骤2）后，计算每个小区的资源利用率以及虚拟负载，若虚拟负载大于1，则判定对应的小区为过载小区；

4）对过载小区中的非满意用户，计算其在所有相邻小区的效用函数；非满意用户s在相邻小区j中的效用函数为：

$U({\mathrm{\ω}}_{j,s},L_j,{\mathrm{\ϵ}}_j)=\left\{\begin{array}{cc}\frac{{\mathrm{\ω}}_{j,s}}{\mathrm{\α}\·\frac{(L_j{B}_j+b_{j,s})}{B_j}+\mathrm{\β}\·(1-{\mathrm{\ϵ}}_j)}& \frac{(L_j{B}_j+b_{j,s})}{B_j}\≤1\\ 0& \frac{(L_j{B}_j+b_{j,s})}{B_j}>1\end{array}\right.$

其中，ω_j,s表示非满意用户s在相邻小区j中的瞬时频谱效率，α、β为权重系数，b_j,s表示非满意用户s切换至相邻小区j中所需物理资源块的估计值，估计方法如下：已知非满意用户s在当前服务小区中的接收信干噪比，若该用户切换至相邻小区j，则原接收信干噪比中的信号将成为该用户在相邻小区j中干扰的一部分，而原信干噪比中来自相邻小区j的干扰部分将作为新的参考信号接收质量，其余部分不变，即可得到非满意用户s在相邻小区j中的接收信干噪比，通过香农公式可以得到该非满意用户s在相邻小区j中的瞬时频谱效率，即每个物理资源块上的可达速率，联合用户请求速率即可估计出非满意用户s切换至相邻小区j中所需物理资源块b_j,s，L_j表示相邻小区j的资源利用率，B_j表示相邻小区j中物理资源块的总数，ε_j表示以相邻小区j为中心的子网负载均衡指数；

5）若非满意用户的所有效用函数值均等于0，则该非满意用户没有切换目标小区；否则，选用具有最大效用函数值的小区进行切换。

所述瞬时频谱效率的计算方法为：

ω=BW·log(1+SINR)

其中，BW表示每个物理资源块的带宽，SINR表示用户在小区中的接收信干噪比。

所述步骤2）的具体方法为：

其中，N表示用户所需的物理资源块数量，R表示用户的请求速率，r表示用户在小区中一个物理资源块上的瞬时平均可达速率，r=ω，ω为瞬时频谱效率。

所述资源利用率的计算方法为：

$L=\frac{{\mathrm{PRB}}_{\mathrm{used}}}{B}$

其中，PRB_used表示小区分配给用户物理资源块的总数量，B表示小区中物理资源块的总数。

所述虚拟负载的计算方法为：

$\mathrm{\ρ}=\frac{{\mathrm{\Σ}}_{k\∈K}{I}_k{N}_k}{B}$

其中，ρ表示虚拟负载，K表示用户集，I_k表示用户k的连接函数，每个用户最多只能连接到一个小区，N_k表示用户k所需的物理资源块数量，B表示小区中物理资源块的总数。

所述子网负载均衡指数的计算方法为：

${\mathrm{\ϵ}}_j=\frac{{(\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{L}_{\mathrm{jp}}+L_j)}^2}{|P+1|(\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{\left(L_{\mathrm{jp}}\right)}^2+{L_j}^2)}$

其中L_jp表示所述小区j的第p个邻小区的资源利用率，ε_j的取值范围为[1/|P+1|,1]，ε_j的值越大表示该子网中各小区的负载越均衡，反之，则该子网中各小区的负载差异越大。

将网络中的所有过载小区按照虚拟负载降序排列，由负载最重的过载小区开始依次统计所有过载小区中的非满意用户。

将过载小区内的非满意用户按照接收信干噪比升序排列，非满意用户的切换按照接收信干噪比的顺序依次进行。

本发明针对现有的LTE SON移动负载均衡算法中A3不等式触发切换及待切换的非满意用户选择问题，采用效用函数触发切换。在执行负载均衡算法时，对每一个非满意用户均计算其在所有相邻小区的效用函数，若效用函数值满足切换条件，则选择效用函数值最大的邻区进行切换；反之则说明该用户没有合适的切换目标小区，将处于拥塞或掉话状态。该效用函数不仅包括能够反映传统A3不等式中参考信号接收强度的物理量——频谱效率，还将准入控制条件及子网负载均衡指数作为效用函数的一部分用于切换目标小区选择，简化切换判决过程。当邻小区不符合准入控制条件时，非满意用户在该邻区的效用函数值为0，不符合切换条件；反之，非满意用户在该邻区的效用函数值大于0，该小区作为候选切换目标小区之一。上述子网负载均衡指数是指：基于LTE网络的扁平化结构，本发明将每相邻的七个小区划分为一个子网，由中心小区通过X2接口收集其六个相邻小区的负载信息，计算该子网的负载均衡指数，其值越大，表明该子网中小区的负载越均衡，反之说明小区间负载的差异越大。传统方案一般选择负载最轻的相邻小区作为切换目标小区，但是，如果该目标小区同时处于负载均衡指数较低的几个子网中，那么，它有可能同时被多个源小区同时选为目标小区而迅速变为重载小区甚至过载；同时邻区中还可能存在一些小区，虽然这些小区的负载不是最低的，但是它处于负载均衡指数较高的子网中，同时被多个子网选为目标小区的概率较低，可以很好的接纳源小区的切换用户并将自身负载控制在一个较为合理的水平。

仿真场景选择有多个热点小区相毗邻的网络，对所有的非满意用户均计算其在所有相邻小区的效用函数，该效用函数可以将边缘用户的邻区信道及负载情况明确表示，间接表明用户所处小区的大致方位，例如；如果某非满意用户在所有邻区的效用函数值均不符合切换条件，那说明该用户位于多个热点区域的中心，没有性能良好的目标小区，不能进行切换；反之，说明该用户处于热点小区的边缘，周围有性能良好的切换目标小区。因此，采用该效用函数可以在复杂场景下使非满意用户直接选择当前最优的目标小区进行切换，从而简化切换过程。

本发明通过对非满意用户计算其在邻区的效用函数，使之尽可能选择频谱效率较高，邻区负载较低、符合准入控制条件且子网负载均衡指数较高的邻区作为目标小区，从而大大提高切换成功率及效率。

附图说明

图1为网络实时非满意用户总数；

图2为网络非满意用户占总用户数百分比；

图3为网络实时负载均衡指数；

图4为网络平均负载均衡指数。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

以3GPP LTE下行链路多小区网络负载均衡为例，考虑蜂窝网络系统，每个小区由位于其中心的一个演进型基站eNB控制，小区内不再分扇区。因此，这里小区和基站的概念可以互换。小区复用因子为1，将12条相邻的子载波看作一个整体，作为资源分配的基本单位，称为物理资源块（Physical Resource Block，PRB）。K表示用户集，I为小区集。I_i,k是连接函数，它满足：

每个用户最多只能连接到一个小区，因此连接函数需满足等式：

$\underset{i\∈I}{\mathrm{\Σ}}{I}_{i,k}=1,\∀k\∈K---\left(2\right)$

用户k在当前服务小区i中的接收信干噪比SINR_i,k为：

${\mathrm{SINR}}_{i,k}=\frac{p_i\·g_{i,k}}{N_0+\underset{j\∈I,j\≠i}{\mathrm{\Σ}}{p}_j\·g_{j,k}}---\left(3\right)$

其中，p_i为小区i的发射功率，这里假设所有小区的基站发射功率均相同。g_i,k表示用户k在小区i中的平均信道增益。N₀表示加性高斯白噪声。已知用户k在小区i中的信干噪比SINR_i,k，可以有多种方法映射到用户频谱效率。首先可以通过链路级仿真接口映射为特定的调制编码方案（Modulation and Coding Scheme，MCS），通过查表的方法获得用户瞬时频谱效率ω_i,k；也可以通过一些已知的多项式近似计算；如果算法并不关心具体的链路级仿真结果，那么可以使用经典的香农公式求得用户k在一个PRB上的瞬时频谱效率。如下式：

ω_i,k=BW·log(1+SINR_i,k)    （4）

上式中BW为每个物理资源块（PRB）的带宽。这里的频谱效率指单位PRB上用户k的平均速率，与用户具体分配到的PRB无关，表征用户k在小区i中的链路质量，也可以表示小区i可以为用户k提供的业务QoS。

即用户k在小区i中一个PRB上的瞬时平均可达速率为：

r_i,k=ω_i,k    （5）

在仿真中，用户业务用请求速率来表示，每个用户的请求速率均为一个定值，采用full buffer模型。对于固定请求速率（CBR）用户来说，业务QoS体现为请求速率R_k，那么用户k所需的PRB数量为：

依据相应的资源调度方案，若用户所分得的物理资源块数量能够满足其需求，则该用户为满意用户；反之，为非满意用户。因为小区分给每个用户的PRB为一个整数，因此，（6）式向上取整。那么，由上式可知，小区i中的资源利用率L_i及业务虚拟负载ρ_i分别为：

$L_i=\frac{{\mathrm{PRB}}_{\mathrm{used}}}{B_i}---\left(7\right)$

${\mathrm{\ρ}}_i=\frac{{\mathrm{\Σ}}_{k\∈K}{I}_{i,k}{N}_k}{B_i}---\left(8\right)$

其中，PRB_used表示小区i分配给用户物理资源块的总数量，B_i表示小区i中物理资源块的总数量，小区资源利用率始终不超过1。（8）式为小区i的业务虚拟负载，其中分子表示小区内所有固定请求速率用户均为满意用户时所需的物理资源块总数，假设每个小区的物理资源块的总数均相等。若（8）式结果大于1，则说明该小区为过载小区。由于一个小区的真实负载是不超过1的，因此ρ_i也称之为小区虚拟负载。

当网络监测到小区i过载，则启动负载均衡算法。首先统计网络中所有的过载小区，并将之按其虚拟负载降序排列。由虚拟负载最重的小区开始执行负载均衡算法，统计该小区中的所有非满意用户s并对这些用户计算其在所有相邻小区的效用函数。将该小区中的所有非满意用户按照接收信干噪比升序排列。接收信干噪比最小说明该用户的信道条件最差，一般处于小区边缘。切换判定按照接收信干噪比的顺序（升序）依次进行。若该用户的效用函数符合切换要求，则切换至效用函数最大的相邻小区；否则该用户处于拥塞或掉话状态，继续对该小区中非满意用户队列中的下一个用户进行切换判断。直至遍历完所有过载小区中的非满意用户。

非满意用户s在相邻小区j的效用函数如下所示：

$U({\mathrm{\ω}}_{j,s},L_j,{\mathrm{\ϵ}}_j)=\left\{\begin{array}{cc}\frac{{\mathrm{\ω}}_{j,s}}{\mathrm{\α}\·\frac{(L_j{B}_j+b_{j,s})}{B_j}+\mathrm{\β}\·(1-{\mathrm{\ϵ}}_j)}& \frac{L_j{B}_j+b_{j,s}}{B_j}\≤1\\ 0& \frac{L_j{B}_j+b_{j,s}}{B_j}>1\end{array}\right.---\left(9\right)$

其中，ω_j,s表示非满意用户s在相邻小区j中的瞬时频谱效率，α、β为权重系数，b_j,s表示所述用户s如若切换至相邻小区j中所需物理资源块数的估计值，L_j表示相邻小区j的资源利用率，B_j表示相邻小区j中物理资源块的总数，ε_j表示以相邻小区j为中心的子网负载均衡指数。

若非满意用户的所有效用函数值均等于0，则该非满意用户没有切换目标小区；否则，选用具有最大效用函数值的小区进行切换。

式（9）中的频谱效率ω_j,s可以间接反映A3不等式中目标小区的参考信号接收质量（RSRP）。分段函数体现了目标小区的准入控制条件。而ε_j表示小区j的负载均衡指数。传统算法中，一般采取在源小区的相邻小区中选择一个负载最轻的小区作为目标小区，但是，如果该目标小区同时处于负载均衡指数较低的几个子网中，它有可能同时被多个源小区同时选为目标小区，那么，该轻载小区很快就会变为重负载小区甚至过载；同时还可能存在一些相邻小区，虽然这些小区的负载不是最低的，但是它处于负载均衡指数较高的子网中，同时被多个子网选为目标小区的概率较低，可以很好的接纳源小区的切换用户并将自身负载控制在一个较为合理的水平。一个候选目标小区会处于六个不同的子网中，除以目标小区为中心的子网外，还有其他五个。如果将五个子网的负载信息全部加以考虑，那么对目标小区的选取应该更加趋于合理，但是这样做信令开销较大，涉及小区数目较多，占用过多的资源。在算法性能和开销二者间折中，本发明在选择目标小区时，只考虑以候选目标小区为中心小区的子网的负载均衡指数。

由上式可以看出，非满意用户在切换时，将倾向于频谱效率高，相邻小区负载较低、符合准入控制条件且子网负载均衡指数较高的相邻小区为目标小区。

小区j所在子网的负载均衡指数为：

${\mathrm{\ϵ}}_j=\frac{{(\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{L}_{\mathrm{jp}}+L_j)}^2}{|P+1|(\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{\left(L_{\mathrm{jp}}\right)}^2+{L_j}^2)}---\left(10\right)$

其中P表示每个小区的邻区个数，由于这里采用规则的网络拓扑，每个小区的邻区数均为6，即P=6。L_jp表示小区j的第p个相邻小区的资源利用率。子网负载均衡指数ε_j的取值范围为[1/|P+1|,1]，ε_j值越大表示该子网中的负载越均衡，反之，则该子网中各小区的负载差异越大。

仿真实验参数设置

仿真场景为19小区，运用wrap around避免边界效应。其中0-7号即中心7小区设置为热点小区，其余为轻载小区。每小区中心有一个基站，小区中不再划分扇区。采用系统级网络仿真模拟多用户在多小区中的通信行为，其中包括对用户业务生成、移动模型、信道模型、资源管理、同频干扰、用户QoS体验及小区负载等无线通信基本环节的模拟和评估。中心0号小区用户数为30个，1-6号小区用户数为25个，其余各小区用户数为4个。用户业务请求速率为1Mbps。负载均衡需要根据小区负荷的情况设置仿真时长，一般为小时级，本仿真方案中的仿真时长为2小时。效用函数中的α、β均取值为1。

参见图1，对网络中非满意用户的实时监测，仿真总时长为2小时，统计频度为60s，共有121次统计结果。由于在整个仿真时长内，用户一直在网络中保持随机运动，因此统计结果有很大的波动性，无法直接表明算法之间的性能差异。但可以明确看出，两种算法均能够明显降低网络中的非满意用户总数。非满意用户总数在仿真开始时为43个，在10次统计之内会降低一半至20个左右，在经过一段时间（大约在40次统计前后）后网络中的非满意用户数会保持在5个左右，与仿真开始时的情况对比，大大提高网络性能。

参见图2，对图1中的实时监测作统计平均值，统计非满意用户占网络总用户的百分比，统计粒度为1200s。如图2所示，两种方案统计的总体趋势保持一致。开始时两种算法性能相差无几，但从第二个统计时长开始，本发明方案开始优于传统算法，这种情况会一直保持到统计终止。本发明方案中非满意用户占网络总用户的百分比始终低于现有方案。

参见图3，网络负载均衡指数的实时监测。仿真总时长为2小时，统计频度为60s，共有121次统计结果。与方案中提到的子网负载均衡指数类似，这里统计的是19个小区的负载均衡指数。这个值越大，表示小区间的负载越均衡；反之说明小区间的负载差异越大。与图1一样，由于是实时监测，用户的随机运动引起结果有极大的波动性。可以将该结果做统计平均查看算法性能。

参见图4，对图3的实时监测作统计平均值。统计网络平均负载均衡指数，统计粒度为1200s。如图4所示，两种方案统计的总体趋势保持一致，除了在第三次统计前后性能比传统方案略差，其余绝大部分统计结果均优于传统方案，并且愈到仿真后期，本仿真方案的优越性愈能得到体现。统计结果最后两种方案的性能均有所下降，这与图2中非满意用户所占百分比有所提高的趋势保持一致。

Claims (8)

1.一种LTE自组织网络中基于效用函数的移动负载均衡方法，其特征在于，包括以下步骤：

1)考虑蜂窝网络中的用户均为固定请求速率用户，计算用户k在当前服务小区中的接收信干噪比，根据接收信干噪比计算用户k在一个物理资源块上的瞬时频谱效率；

2)经过步骤1)后，根据最大载干比原则，对小区中的用户进行资源分配；

3)经过步骤2)后，计算每个小区的资源利用率以及虚拟负载，若虚拟负载大于1，则判定对应的小区为过载小区；

4)对过载小区中的非满意用户，计算其在所有相邻小区的效用函数；非满意用户s在相邻小区j中的效用函数为：

$U({\mathrm{\ω}}_{j,s},L_j,{\mathrm{\ϵ}}_j)=\left\{\begin{array}{cc}\frac{{\mathrm{\ω}}_{j,s}}{\mathrm{\α}\·\frac{(L_j{B}_j+b_{j,s})}{B_j}+\mathrm{\β}\·(1-{\mathrm{\ϵ}}_j)}& \frac{(L_j{B}_j+b_{j,s})}{B_j}\≤1\\ 0& \frac{(L_j{B}_j+b_{j,s})}{B_j}>1\end{array}\right.$

其中，ω_j,s表示非满意用户s在相邻小区j中的瞬时频谱效率，α、β为权重系数，b_j,s表示非满意用户s切换至相邻小区j中所需物理资源块的估计值，L_j表示相邻小区j的资源利用率，B_j表示相邻小区j中物理资源块的总数，ε_j表示以相邻小区j为中心的子网负载均衡指数；

5)若非满意用户的所有效用函数值均等于0，则该非满意用户没有切换目标小区；否则，选用具有最大效用函数值的小区进行切换。

2.根据权利要求1所述一种LTE自组织网络中基于效用函数的移动负载均衡方法，其特征在于，所述瞬时频谱效率的计算方法为：

ω＝BW·log(1+SINR)

其中，BW表示每个物理资源块的带宽，SINR表示用户在小区中的接收信干噪比。

3.根据权利要求1所述一种LTE自组织网络中基于效用函数的移动负载均衡方法，其特征在于，所述步骤2)的具体方法为：

其中，N表示用户所需的物理资源块数量，R表示用户的请求速率，r表示用户在小区中一个物理资源块上的瞬时平均可达速率，r＝ω，ω为瞬时频谱效率。

4.根据权利要求1所述一种LTE自组织网络中基于效用函数的移动负载均衡方法，其特征在于，所述资源利用率的计算方法为：

$L=\frac{{\mathrm{PRB}}_{\mathrm{used}}}{B}$

其中，PRB_used表示小区分配给用户物理资源块的总数量，B表示小区中物理资源块的总数。

5.根据权利要求1所述一种LTE自组织网络中基于效用函数的移动负载均衡方法，其特征在于，所述虚拟负载的计算方法为：

$\mathrm{\ρ}=\frac{{\mathrm{\Σ}}_{k\∈K}{I}_k{N}_k}{B}$

其中，ρ表示虚拟负载，K表示用户集，I_k表示用户k的连接函数，每个用户最多只能连接到一个小区，N_k表示用户k所需的物理资源块数量，B表示小区中物理资源块的总数。

6.根据权利要求1所述一种LTE自组织网络中基于效用函数的移动负载均衡方法，其特征在于，所述子网负载均衡指数的计算方法为：

${\mathrm{\ϵ}}_j=\frac{{(\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{L}_{\mathrm{jp}}+L_j)}^2}{|P+1|(\underset{p=1}{\overset{P}{\mathrm{\Σ}}}{\left(L_{\mathrm{jp}}\right)}^2+{L_j}^2)}$

其中L_jp表示所述小区j的第p个邻小区的资源利用率，ε_j的取值范围为[1/|P+1|,1]，P表示每个小区的邻区个数，ε_j的值越大表示该子网中各小区的负载越均衡，反之，则该子网中各小区的负载差异越大。

7.根据权利要求1所述一种LTE自组织网络中基于效用函数的移动负载均衡方法，其特征在于，将网络中的所有过载小区按照虚拟负载降序排列，由负载最重的过载小区开始依次统计所有过载小区中的非满意用户。

8.根据权利要求1所述一种LTE自组织网络中基于效用函数的移动负载均衡方法，其特征在于，将过载小区内的非满意用户按照接收信干噪比升序排列，非满意用户的切换按照接收信干噪比的升序顺序依次进行。