CN103517279A - Lte系统中联合动态无线资源分配与移动负载均衡的方法 - Google Patents

Abstract

本发明提供一种LTE系统中联合动态无线资源分配与移动负载均衡的方法，该方法的优化目标为在小区间干扰及小区内有限资源的限制条件下最大化网络资源效率，本发明提出一种可行的次优化方案，分别在资源分配和负载均衡两个阶段进行优化，首先，在资源分配阶段，利用基于拉格朗日乘子法的启发式资源分配算法为网络中的所有用户分配物理资源块及功率，基于资源分配结果得到网络中所有物理资源块的资源效率，其次，在负载均衡阶段，选择能够最大化网络资源效率的用户切换到相应的目标小区，本发明可以最大化网络资源效率，并提高系统性能及用户体验。

Description

LTE系统中联合动态无线资源分配与移动负载均衡的方法

技术领域

本发明涉及LTE自组织网络（SON）中联合动态无线资源分配和移动负载均衡的算法领域。

背景技术

下一代无线通信网络的部署面临两个严峻的挑战：日益增长的无线接入需求和多种异构网络共存条件下大量网元及相关参数的人工配置。为了解决这个问题，第三代合作伙伴项目（the3rd Generation Partnership Project，3GPP）在长期演进（Long Term Evolution，LTE）网络中引入正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)技术和自组织网络（Self-Organizing Networks，SON）技术，以实现在保证移动服务质量的同时尽可能的减少网络中的人工干预。OFDMA的基本思想是将高速数据流分散到多个正交的子载波上传输，从而大幅度降低子载波上的符号速率，增大符号的持续时间以抵抗时延扩展和符号间干扰。因此，在无线通信系统中，一方面，OFDMA通过为用户分配一组正交的子载波，消除了小区内各用户之间的干扰；另一方面，在时变信道条件下，OFDMA可以利用多用户特性实时更新用户的子载波分配，利用多用户分集大幅度提高网络频谱效率。在3GPPLTE的标准化进程中，OFDMA以其优越的性能已经成为下行链路的主流多址方案。此外，在当前无线通信网络中，2G、3G、4G等多种异构网络共存，大量设备及其相关参数的规划、调试、维护等工作都需要人工来完成。这种现状不但产生了巨额的运营费用（Operational Expenditures，OPEX），并且，大量参数的人工调整也影响着网络的稳定性和可靠性。因此，3GPP在LTE的Release8中提出了SON的概念，并在其后续各个版本中（如Release9）进行了详细阐述和完善。SON的主要功能包括：自配置、自优化和自治愈，旨在实现网络自动管理以减少人工干预、降低营运费用并提高用户体验。

然而，负载在网络中各小区间的不均衡分布依然是网络性能下降的重要原因之一。过载小区不仅无法保证其接入用户的服务质量（Quality of Service，QoS），而且会给相邻小区中的边缘用户带来严重的干扰。移动负载均衡（Mobility Load Balance，MLB）是SON自优化中的关键技术，主要是指LTE系统可以在没有人工干预的情况下检测到过载小区，通过自适应调节网络内或网络间的参数将重负载小区中的一部分负载切换到相邻的轻载小区中，从而达到负载在整个网络的均匀分布。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。现有负载均衡问题的研究中很少考虑到资源分配方案的影响。事实上，仅仅通过负载均衡，即选择过载小区中合适的边缘用户切换到相邻小区以期提高网络中的用户体验是远远不够的。因为不合理的无线资源管理机制（RadioResource Mechanism，RRM）会导致系统资源效率的下降，使通信系统中本就匮乏的无线资源得不到有效利用，从而增加热点小区的负载及其中的非满意用户数量。事实上，在基于OFDMA的LTE网络中，负载均衡本身就被视为保证系统性能的一项至关重要的RRM。

发明内容

本发明的目的在于提供一种LTE系统中联合动态无线资源分配与移动负载均衡的方法。

为达到上述目的，本发明采用了以下技术方案。

以在小区间干扰及小区内有限资源的限制下最大化网络资源效率作为优化目标，具体的优化步骤分两步执行：

第一步，在资源分配阶段，利用基于拉格朗日乘子法的启发式资源分配算法为网络中的所有用户分配物理资源块及功率，基于资源分配结果得到网络中所有物理资源块的资源效率；

第二步，在负载均衡阶段，选择能够最大化网络资源效率的用户切换到相应的目标小区。

所述优化目标的数学模型为：

$\max \underset{i\∈I}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{u}_{i,m,k}=\underset{i\∈I}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{i,m,k}\·I_{i,m,k}}{p_{i,m,k}\·I_{i,m,k}}$

$\begin{array}{cc}s.t.\underset{m\∈M}{\mathrm{\Σ}}B\·\log (1+\frac{p_{i,m,k}\·g_{i,m,k}}{N_0+I_k^i\left(p\right)})\·I_{i,m,k}\≥R_k& \∀k\∈K\∀i\∈I---\left(5\right)\end{array}$

$\begin{array}{cc}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{p}_{i,m,k}{I}_{i,m,k}\≤P_{\mathrm{BS}}& \∀i\∈I---\left(6\right)\end{array}$

$\begin{array}{cc}\underset{k\∈K}{\mathrm{\Σ}}{p}_{i,m,k}{I}_{i,m,k}\≤P_{\mathrm{sub}}& \∀i\∈I\∀m\∈M---\left(7\right)\end{array}$

$\begin{array}{cc}\underset{m\∈M}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}{I}_{i,m,k}\≤M& \∀i\∈I---\left(8\right)\end{array}$

其中，u_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的资源效率，p_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的传输功率，I_i,m,k表示二进制分配指示函数，ω_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的可达速率，M表示物理资源块的集合，M={1,……，M}，K表示系统中的用户集，I表示系统中的小区集，B表示每个物理资源块的带宽，g_i,m,k表示第k个用户与第i个小区在第m块物理资源块上的信道增益，N₀表示加性高斯白噪声，

表示第k个用户在第i个小区中接收到的小区间干扰的闭式表达，R_k表示第k个用户的请求速率，P_BS表示基站的最大发射功率，P_sub表示每个物理资源块上的功率限制。

所述第一步的具体步骤包括：

1）利用拉格朗日数乘法将所述优化目标转化为无约束条件的优化问题：

$\begin{array}{cc}\max \left(\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{I}_{i,m,k}(u_{i,m,k}-{\mathrm{\λ}}_m{p}_{i,m,k})\right)& \∀i\∈I---\left(9\right)\end{array}$

其中，u_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的资源效率，p_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的传输功率，I_i,m,k表示二进制分配指示函数，λ_m表示非负的拉格朗日乘子，I表示系统中的小区集，M表示物理资源块的集合，K表示系统中的用户集；

2）初始化阶段，将每个小区的分配指数函数及拉格朗日乘子均初始化为零，为资源预分配做准备；

3）经过初始化后进行物理资源块和功率预分配，在预分配时，将子载波分配给当前小区中信道条件最优的非满意用户，所述非满意用户所分配的功率需满足物理资源块功率限制条件；

4）经过步骤3）后，求出当前小区的功率分配总和，将所述功率分配总和与基站最大发射功率相比较，如果所述功率分配总和大于基站最大发射功率，则进行物理资源块和功率的重分配，反之，当前小区资源分配结束，进行下一个小区的资源分配，直至遍历所有小区。

所述重分配的具体步骤为：首先在所有物理资源块中找出分配到功率最大的物理资源块，将所述分配到功率最大的物理资源块重新分配用户和功率，重新分配的原则是使（9）式的减少量最小，若当前小区有多个物理资源块分配到的功率相等且最大，那么从所述多个物理资源块中挑选对应用户可达速率最小的一个物理资源块进行重新分配，更新相应的分配指示函数I_i,m,k和拉格朗日乘子λ_m，再与基站最大发射功率相比较，直到重新分配后的功率分配总和小于等于基站最大发射功率。

所述物理资源块功率限制条件为：

$\begin{array}{cc}\underset{k\∈K}{\mathrm{\Σ}}{p}_{i,m,k}{I}_{i,m,k}\≤P_{\mathrm{sub}}& \∀i\∈I\∀m\∈M\end{array}$

其中，P_sub表示每个物理资源块上的功率限制。

所述第二步的具体步骤包括：

选择平均切换增益最大的用户进行相应的切换，并且，切换用户还需满足目标小区的准入控制条件，如果切换用户不满足目标小区的准入控制条件，则选择平均切换增益次优的用户，直至平均切换增益次优的用户满足目标小区的准入控制条件，所述平均切换增益按下式计算：

$\stackrel{\‾}{G_{i,j}^k}=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}(\underset{m\∈m_k}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{j,m,k}\left(t\right)}{p_{j,m,k}\left(t\right)}-\underset{m\∈m_k}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{i,m,k}\left(t\right)}{p_{i,m,k}\left(t\right)})---\left(11\right)$

所述准入控制条件为：

$\stackrel{\‾}{G_{i,j}^k}>0---\left(12\right)$

ρ_j+ρ_j,k≤1   （13）

SINR_j,k≥SINR_Th   （14）

其中，p_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的传输功率，ω_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的可达速率，p_j,m,k表示第k个用户在第j个小区中第m块物理资源块上的传输功率，ω_j,m,k表示第k个用户在第j个小区中第m块物理资源块上的可达速率，i,j∈I,i≠j，I表示系统中的小区集，ρ_j表示第j个小区的负载，ρ_j,k表示第k个用户在第j个小区中的负载，SINR_j,k表示第k个用户在第j个小区中的信干噪比，SINR_Th表示接入用户的信干噪比阈值，T表示平均切换增益的统计周期，m_k表示在一个传输时间间隔内第k个用户分配到的物理资源块的集合。

本发明的有益效果体现在：

本发明所述LTE系统中联合动态无线资源分配与移动负载均衡的方法，其资源分配算法一方面采用改进的最大载干比（MAX C/I）方案进行用户调度，充分利用多用户分集提高频谱效率及网络吞吐量；另一方面，根据信道条件和QoS请求对用户进行灵活的频谱及功率分配，降低小区间干扰，避免为信道条件良好的用户分配过多的资源，而边缘用户一直处于“饥饿”状态，从而使重负载小区服务尽可能多的用户，降低网络负载，提高全网用户间的公平性，在负载均衡阶段，对过载小区进行负载均衡处理可以进一步改善边缘用户的吞吐量，提高用户QoS体验及网络的负载均衡指数，能够大大提高用户吞吐量，使负载在小区间的分布更加均衡并明显减少网络中非满意用户的数量。

附图说明

图1为用户吞吐量CDF曲线；

图2为用户公平性指数；

图3为用户吞吐量CDF曲线；

图4为网络负载均衡指数；

图5为非满意用户数。

具体实施方式

下面结合附图对本发明作进一步说明。

在基于OFDMA的LTE系统中，影响系统性能的两个重要因素为：负载均衡，主要决定于用户与基站的匹配；用户调度，即指小区内的资源分配问题，主要取决于用户与无线资源之间的匹配。其中，这两个问题之间也是相互联系、相互影响的。一方面，在LTE系统中，负载均衡技术被视作一种重要的无线资源管理（RRM）机制，通过将热点小区的负载转移至周围的轻载小区，可以提高全网的资源利用率和频谱效率；另一方面，小区资源分配直接决定了资源效率，通过合理的资源分配技术提高资源效率、降低网络负载一直是LTE无线资源管理的热点研究问题，因此，本发明在LTE无线网络中联合考虑动态无线资源分配和移动负载均衡问题。

本发明整个过程分为三步，用户接入、资源分配及负载均衡。本发明采用LTE协议规定的接入方式，即用户基于参考信号接收功率（Reference SignalReceiving Power，RSRP）选择相应的接入小区。这种方法简单高效，但是往往伴随着网络间业务分布严重不均的问题；在基于OFDM技术的LTE无线网络中所涉及到的通信资源有很多，例如：时隙、带宽、功率、天线、编码等。在每个传输时间间隔（Transmission Time Interval，TTI）中，演进型基站（evolvedNode B，eNB）均要为接入本小区的用户进行资源分配。本发明中需考虑的两种无线资源分别为：物理资源块（Physical Resource Block，PRB）和功率。其中，PRB为LTE系统中规定的无线资源分配的最小单位，包括时域中的一个时隙（0.5msec）以及频域上12条连续的子载波；研究结论表明，子信道上的等功率分配方案在许多案例中（尤其在高信干噪比情况下）接近于最优方案。但是，在存在热点小区的网络中，重负载小区中存在大量用户缺乏相应的资源或处于大干扰、低信干噪比（Signal to Interference plus Noise Ratio，SINR）的环境中，此时，资源分配的粒度越精细，系统的性能越好。LTE已经规定了PRB的时频资源粒度，因此，精细的功率分配是提高系统性能的关键。合理的无线资源分配方案可以在一定程度上减少小区间干扰，降低网络负载，提高网络频谱效率。在之后的负载均衡阶段，对过载小区进行负载均衡处理则可以进一步改善边缘用户的吞吐量及QoS体验，提高网络的负载均衡指数。

以3GPP LTE下行链路多小区网络为例。其中，用户采用固定比特速率（Constant Bit Rate，CBR）业务。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，系统中的小区集和用户集分别表示为I={1，……，I},K={1,……，K}。由于LTE扁平化的网络结构，所有小区在每个TTI都必须决定其自身的资源分配方案。网络中的所有小区共享同一段频谱，并将其中十二条连续的子载波划分为一个PRB，PRB的集合表示为M={1,……，M}。二进制分配指示函数I_i,m,k∈{0,1}，其中，I_i,m,k=1表示小区i中第m块物理资源块分配给了第k个用户，否则I_i,m,k=0。为了消除小区内干扰，协议规定，在一个TTI中，任意小区中的一个PRB最多只能分配给一个用户。将之表示为：

$\begin{array}{cc}\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{I}_{i,m,k}\≤1& \∀i\∈I,\∀m\∈M---\left(1\right)\end{array}$

假设

1）基站端已知信道状态信息（channel state information，CSI）；

2）每个用户均通过导频测量得到本小区及相邻小区的瞬时信号强度；

3）信道状态在一个TTI内保持不变。那么，小区i中第k个用户在第m块PRB上的瞬时SINR（信干噪比）可以表示为：

${\mathrm{SINR}}_{i,m,k}=\frac{p_{i,m,k}\·g_{i,m,k}}{N_0+{\mathrm{\ρ}}_j\·\underset{j\∈I,j\≠i}{\mathrm{\Σ}}{p}_{j,m,k}\·g_{j,m,k}}---\left(2\right)$

其中，p_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的传输功率，g_i,m,k表示表示第k个用户与第i个小区在第m块物理资源块上的信道增益。如果分配指示函数I_i,m,k=0，那么传输功率p_i,m,k=0。小区负载ρ_j定义为该小区中已使用的PRB与小区中PRB总数的比值。相邻小区之间使用相同的PRB会导致小区间干扰（Inter-cell Interference，ICI）。小区i中第k个用户接收到的ICI的闭式表达为

将之简写为

显然，用户接收到的同频干扰是相邻小区负载的严格增函数。N₀表示加性高斯白噪声。由（2）式可得表示第k个用户在第i个小区中第m块物理资源块上的可达速率为：

ω_i,m,k=B·log(1+SINR_i,m,k)   （3）

其中B为每个PRB的带宽。对于CBR用户，资源分配方案应使用户的可达速率尽量满足其请求速率，即：

$\begin{array}{cc}{r}_k=\underset{m}{\mathrm{\Σ}}{\mathrm{\ω}}_{i,m,k}{I}_{i,m,k}\≥P_k& \∀i\∈I,\∀k\∈K---\left(4\right)\end{array}$

其中r_k和R_k分别表示用户k的可达速率和请求速率。（4）式表明小区i可以为其中的用户k提供足够大的数据速率以满足其业务QoS需求。由此可将非满意用户k_u定义为可达速率小于请求速率的用户。

由于网络中负载的不均衡分布和不恰当的无线资源分配方案均会导致系统资源效率降低、过载小区数量增加及用户体验下降。鉴于OFDMA可以消除小区内干扰，因此传统基于OFDMA的下行链路资源分配方案通常采取等功率分配方案。这种方案操作简单，易于分析。但是，在热点小区中，对于信道条件良好的中心用户来说，也许只需要较小的功率即可满足其QoS需求；相反，对于处于受到严重干扰的边缘用户来说，需提供较高功率才能保证其QoS。等功率分配方案可能会为中心用户提供过多的资源以实现高吞吐量，但无法满足边缘用户的业务需求，这些处于热点小区的边缘用户只能转而请求频谱资源，这将导致小区负载的升高甚至过载。本发明的优化目标为在小区间干扰及小区内有限资源的限制下最大化网络资源效率：

$\max \underset{i\∈I}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{u}_{i,m,k}=\underset{i\∈I}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{i,m,k}\·I_{i,m,k}}{p_{i,m,k}\·I_{i,m,k}}$

$\begin{array}{cc}s.t.\underset{m\∈M}{\mathrm{\Σ}}B\·\log (1+\frac{p_{i,m,k}\·g_{i,m,k}}{N_0+I_k^i\left(p\right)})\·I_{i,m,k}\≥R_k& \∀k\∈K\∀i\∈I---\left(5\right)\end{array}$

$\begin{array}{cc}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{p}_{i,m,k}{I}_{i,m,k}\≤P_{\mathrm{BS}}& \∀i\∈I---\left(6\right)\end{array}$

$\begin{array}{cc}\underset{k\∈K}{\mathrm{\Σ}}{p}_{i,m,k}{I}_{i,m,k}\≤P_{\mathrm{sub}}& \∀i\∈I\∀m\∈M---\left(7\right)\end{array}$

$\begin{array}{cc}\underset{m\∈M}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}{I}_{i,m,k}\≤M& \∀i\∈I---\left(8\right)\end{array}$

（5）式由（2）、（3）及（4）式推导而来，表示接入到当前服务小区中的任意用户其可达速率都能满足其请求速率。（6）和（7）分别表示小区基站端及每个PRB上的功率限制。假设每个基站的最大发射功率均相等。（8）式表示每个小区分配的频谱资源不能超过其所拥有的频谱资源总数。解决这个问题的重点是在有限的系统资源和用户业务请求之间寻求一种较好均衡，尽量为所有用户提供足够的数据速率以保证其QoS。该优化目标是一个非确定性多项式困难（NP-hard）问题。它的计算复杂度是呈指数规模增加的。因此，需要寻找一种可行的次优化算法。

本发明的次优化算法分两步执行。第一步，在资源分配阶段，提出一种基于拉格朗日乘子法的启发式资源分配算法，为网络中的所有用户分配PRB及功率。基于资源分配结果，可以得到网络中所有PRB的资源效率。第二步，在负载均衡阶段，选择能够最大化网络资源效率的用户切换到相应的目标小区。

资源分配的一个重点问题是如何均衡网络吞吐量与用户公平性。为了充分利用多用户分集，本发明采用改进的最大载干比（MAX C/I）方案进行用户调度以提高网络吞吐量。为了保证用户间的公平性，该方案对所有用户根据其信道条件及业务请求进行灵活的功率分配，避免为信道条件良好的用户分配过多的功率，而边缘用户一直处于“饥饿”状态。具体方法如下：

拉格朗日数乘法可以将有约束条件的优化问题转化为无约束条件的优化问题，即：

$\begin{array}{cc}\max \left(\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{I}_{i,m,k}(u_{i,m,k}-{\mathrm{\λ}}_m{p}_{i,m,k})\right)& \∀i\∈I---\left(9\right)\end{array}$

其中，λ_m,m=1,2……M是M个非负的拉格朗日乘子。u_i,m,k是小区i的第m块PRB分配给第k个用户后该PRB的资源效率。

资源分配主要分为三步：

1、初始化阶段。将每个小区的分配指数函数及拉格朗日乘子均初始化为零，为资源预分配做准备。

2、PRB和功率预分配。在预分配时，将子载波分配给该小区中信道条件最优的非满意用户

以提高网络吞吐量和资源效率，保证用户QoS。该用户所分配的功率需满足PRB功率限制条件。

3、PRB和功率重新分配。在小区资源分配完毕后，求出该小区的功率分配总和，与基站最大发射功率相比较。如果超出基站最大发射功率则需要进行PRB和功率的重新分配；反之，该小区资源分配结束，进行下一个小区的资源分配直至遍历所有小区。当超过基站最大发射功率时，首先在所有PRB中找出分配到功率最大的PRB，将其重新分配用户和功率，原则是使（9）式的减少量最小。若当前小区有多个PRB分配到的功率相等且最大，那么从中挑选对应用户可达速率最小的一个重新分配。更新分配指示函数I_i,m,k和相应的拉格朗日乘子λ_m,m=1,2……M，再与基站最大发射功率相比较，直到满足基站功率限制为止。

资源分配算法伪代码

在较长一段时间的用户测量和数据收集后，一个包括切换决策和准入控制的算法将会在负载均衡阶段执行。由于本发明的目标是最大化网络资源效率，那么切换后的优化目标函数应该大于切换前。假设将用户k从小区i切换至小区j，那么应该满足下式：

$\underset{m\∈m_k}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{j,m,k}}{p_{j,m,k}}-\underset{m\∈m_k}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{i,m,k}}{p_{i,m,k}}>0---\left(10\right)$

m_k表示在一个TTI中用户k分配到的PRB的集合。将上式左侧定义为切换增益

由于负载均衡周期远远大于资源分配周期，因此，本发明采用平均切换增益消除瞬时信道衰落的影响以使算法更加稳定。因此，将上式改写为：

$\stackrel{\‾}{G_{i,j}^k}=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}(\underset{m\∈m_k}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{j,m,k}\left(t\right)}{p_{j,m,k}\left(t\right)}-\underset{m\∈m_k}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{i,m,k}\left(t\right)}{p_{i,m,k}\left(t\right)})---\left(11\right)$

其中，T为平均切换增益的统计周期。为了保证启发式算法的稳定性，在每个负载均衡阶段，我们只选择平均切换增益最大的用户进行相应的切换。并且，该用户还需满足目标小区的准入控制条件，否则，本发明将选择次优的用户，直至选择的次优用户满足所有准入控制条件：

$\stackrel{\‾}{G_{i,j}^k}>0---\left(12\right)$

ρ_j+ρ_j,k≤1   （13）

SINR_j,k≥SINR_Th   （14）

（12）式表示所执行的切换应该增大优化目标函数。ρ_j,k表示用户k在小区j中的负载。（13）式表示小区j有足够的剩余资源来接纳该切换用户。（14）表示用户k在小区j中的信干噪比SINR_j,k需大于等于接入用户的信干噪比阈值SINR_Th。

仿真以及发明的效果

仿真场景为7小区，使用wrap around技术避免边界效应。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。假设用户保证QoS的最低速率为720Kbps。对于语言、视频流等典型的CBR业务来说，只要平均速率（在很短时间内的平均）保持恒定，那么瞬时数据波动将不会成为问题。因此，本发明将用户请求速率提高至1000Kbps以消除时变信道的瞬时衰落影响。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。将中心小区设定为过载小区，其中随机均匀分布45个用户，其余小区均为5个用户。所有用户以5Km/h的速率随机运动。其中相关距离为20m，最大更新方向角为45度。为了保证中心小区的高负载，假设其中的40个用户在该小区内随机运动，网络中的其余所有用户均在整个网络内随机运动。主要仿真参数如下：

表1 仿真参数

分别对本发明所提的资源分配方案和负载均衡算法进行仿真评估。首先评估资源分配方案，对比场景为传统等功率分配方案，二者均采用相同的负载均衡算法。

参见图1，从网络中所有用户在每个TTI中吞吐量的CDF（累积分布曲线）曲线可以看出，在本发明中，绝大多数的用户吞吐量接近于1000Kbps；而在传统等功率分配方案中，用户之间的直接吞吐量差距很大。这是因为信道条件较好的用户占用了系统过多的资源，从而导致实际数据速率大于QoS需求。而对于信道条件较差的用户来说，可用资源变少，吞吐量较小，长期处于非满意状态。对于大部分业务模型来说，用户吞吐量当然越大越好。但是，在负载均衡场景中，如何为网络中所有用户提供保证QoS的服务最为重要。从图1中可以看出，在本发明所提的资源分配方案中，只有小于2%的用户无法达到QoS最低保证速率720Kbps；而在传统方案中，系统中的非满意用户大于3%。如果网络中每个TTI的用户可视为独立不相关，那么本发明可以明显减少非满意用户的数量。

参见图2，用户公平性指数被定义为

它的取值范围是[1/M,1]。F的值越大，代表用户之间越公平。可以看出，在整个仿真时间段内，本发明中的用户公平性均大于传统方案。这是因为本发明避免了对信道条件良好的用户进行过多的功率分配，从而节省出更多的功率给边缘用户，从而增大了边缘用户的吞吐量，从而提高全网用户间的公平性。

从以上结果可以看出，本发明中的资源分配方案在负载均衡场景中要优于传统等功率资源分配方案。因此在以下仿真中，采用本发明资源分配方案，评估本发明所述负载均衡算法的性能，对比场景为不使用任何负载均衡算法的方案。

参见图3，从网络中所有用户在每个TTI中吞吐量的CDF曲线可以看出，两种场景的用户吞吐量均收敛于1000Kbps。然而负载均衡算法可以保证网络中所有用户的性能。例如，如果网络中每个TTI的用户可视为独立不相关，那么网络中大于95%的用户可以成为满意用户，达到最低QoS保证速率720Kbps，并且，绝大多数非满意用户集中于仿真初期。此时，负载均衡算法还没有完全发挥作用；而在不使用负载均衡算法的场景中，只有不到80%的用户是满意用户。

参见图4，网络负载均衡指数被定义为

如同公平性指数一样，该值越大，表示网络中负载的分布越均衡。可以看出，在本发明中，负载均衡指数的初始值为0.67，随着负载均衡次数的增加，这个值逐渐增大，最后接近于1；而在无负载均衡场景中，该值一直无明显变化趋势，远远低于所提出方案。

参见图5，可以看出，在负载均衡场景中，经过25次左右的负载均衡，非满意用户数量将会急剧减少到1个左右，并在之后整个仿真时长内无明显增加。而在无负载均衡场景中，非满意用户数量一致徘徊在16左右，远远大于本发明所提方案。

Claims (6)

1.一种LTE系统中联合动态无线资源分配与移动负载均衡的方法，其特征在于，包括以下步骤：

以在小区间干扰及小区内有限资源的限制下最大化网络资源效率作为优化目标，具体的优化步骤分两步执行：

第一步，在资源分配阶段，利用基于拉格朗日乘子法的启发式资源分配算法为网络中的所有用户分配物理资源块及功率，基于资源分配结果得到网络中所有物理资源块的资源效率；

第二步，在负载均衡阶段，选择能够最大化网络资源效率的用户切换到相应的目标小区。

2.根据权利要求1所述一种LTE系统中联合动态无线资源分配与移动负载均衡的方法，其特征在于，所述优化目标的数学模型为：

$\max \underset{i\∈I}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{u}_{i,m,k}=\underset{i\∈I}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{i,m,k}\·I_{i,m,k}}{p_{i,m,k}\·I_{i,m,k}}$

$\begin{array}{cc}s.t.\underset{m\∈M}{\mathrm{\Σ}}B\·\log (1+\frac{p_{i,m,k}\·g_{i,m,k}}{N_0+I_k^i\left(p\right)})\·I_{i,m,k}\≥R_k& \∀k\∈K\∀i\∈I---\left(5\right)\end{array}$

$\begin{array}{cc}\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{p}_{i,m,k}{I}_{i,m,k}\≤P_{\mathrm{BS}}& \∀i\∈I---\left(6\right)\end{array}$

$\begin{array}{cc}\underset{k\∈K}{\mathrm{\Σ}}{p}_{i,m,k}{I}_{i,m,k}\≤P_{\mathrm{sub}}& \∀i\∈I\∀m\∈M---\left(7\right)\end{array}$

$\begin{array}{cc}\underset{m\∈M}{\mathrm{\Σ}}\underset{k\∈K}{\mathrm{\Σ}}{I}_{i,m,k}\≤M& \∀i\∈I---\left(8\right)\end{array}$

其中，u_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的资源效率，p_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的传输功率，I_i,m,k表示二进制分配指示函数，ω_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的可达速率，M表示物理资源块的集合，M={1,……，M}，K表示系统中的用户集，I表示系统中的小区集，B表示每个物理资源块的带宽，g_i,m,k表示第k个用户与第i个小区在第m块物理资源块上的信道增益，N₀表示加性高斯白噪声，

表示第k个用户在第i个小区中接收到的小区间干扰的闭式表达，R_k表示第k个用户的请求速率，P_BS表示基站的最大发射功率，P_sub表示每个物理资源块上的功率限制。

3.根据权利要求1所述一种LTE系统中联合动态无线资源分配与移动负载均衡的方法，其特征在于，所述第一步的具体步骤包括：

1）利用拉格朗日数乘法将所述优化目标转化为无约束条件的优化问题：

$\begin{array}{cc}\max \left(\underset{k\∈K}{\mathrm{\Σ}}\underset{m\∈M}{\mathrm{\Σ}}{I}_{i,m,k}(u_{i,m,k}-{\mathrm{\λ}}_m{p}_{i,m,k})\right)& \∀i\∈I---\left(9\right)\end{array}$

其中，u_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的资源效率，p_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的传输功率，I_i,m,k表示二进制分配指示函数，λ_m表示非负的拉格朗日乘子，I表示系统中的小区集，M表示物理资源块的集合，K表示系统中的用户集；

2）初始化阶段，将每个小区的分配指数函数及拉格朗日乘子均初始化为零，为资源预分配做准备；

3）经过初始化后进行物理资源块和功率预分配，在预分配时，将子载波分配给当前小区中信道条件最优的非满意用户，所述非满意用户所分配的功率需满足物理资源块功率限制条件；

4）经过步骤3）后，求出当前小区的功率分配总和，将所述功率分配总和与基站最大发射功率相比较，如果所述功率分配总和大于基站最大发射功率，则进行物理资源块和功率的重分配，反之，当前小区资源分配结束，进行下一个小区的资源分配，直至遍历所有小区。

4.根据权利要求3所述一种LTE系统中联合动态无线资源分配与移动负载均衡的方法，其特征在于，所述重分配的具体步骤为：首先在所有物理资源块中找出分配到功率最大的物理资源块，将所述分配到功率最大的物理资源块重新分配用户和功率，重新分配的原则是使（9）式的减少量最小，若当前小区有多个物理资源块分配到的功率相等且最大，那么从所述多个物理资源块中挑选对应用户可达速率最小的一个物理资源块进行重新分配，更新相应的分配指示函数I_i,m,k和拉格朗日乘子λ_m，再与基站最大发射功率相比较，直到重新分配后的功率分配总和小于等于基站最大发射功率。

5.根据权利要求3所述一种LTE系统中联合动态无线资源分配与移动负载均衡的方法，其特征在于，所述物理资源块功率限制条件为：

$\begin{array}{cc}\underset{k\∈K}{\mathrm{\Σ}}{p}_{i,m,k}{I}_{i,m,k}\≤P_{\mathrm{sub}}& \∀i\∈I\∀m\∈M\end{array}$

其中，P_sub表示每个物理资源块上的功率限制。

6.根据权利要求1所述一种LTE系统中联合动态无线资源分配与移动负载均衡的方法，其特征在于，所述第二步的具体步骤包括：

选择平均切换增益最大的用户进行相应的切换，并且，切换用户还需满足目标小区的准入控制条件，如果切换用户不满足目标小区的准入控制条件，则选择平均切换增益次优的用户，直至平均切换增益次优的用户满足目标小区的准入控制条件，所述平均切换增益按下式计算：

$\stackrel{\‾}{G_{i,j}^k}=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}(\underset{m\∈m_k}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{j,m,k}\left(t\right)}{p_{j,m,k}\left(t\right)}-\underset{m\∈m_k}{\mathrm{\Σ}}\frac{{\mathrm{\ω}}_{i,m,k}\left(t\right)}{p_{i,m,k}\left(t\right)})---\left(11\right)$

所述准入控制条件为：

$\stackrel{\‾}{G_{i,j}^k}>0---\left(12\right)$

ρ_j+ρ_j,k≤1   （13）

SINR_j,k≥SINR_Th   （14）

其中，p_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的传输功率，ω_i,m,k表示第k个用户在第i个小区中第m块物理资源块上的可达速率，p_j,m,k表示第k个用户在第j个小区中第m块物理资源块上的传输功率，ω_j,m,k表示第k个用户在第j个小区中第m块物理资源块上的可达速率，i,j∈I,i≠j，I表示系统中的小区集，ρ_j表示第j个小区的负载，ρ_j,k表示第k个用户在第j个小区中的负载，SINR_j,k表示第k个用户在第j个小区中的信干噪比，SINR_Th表示接入用户的信干噪比阈值，T表示平均切换增益的统计周期，m_k表示在一个传输时间间隔内第k个用户分配到的物理资源块的集合。

Images