CN103841647A - 基于基站资源池的多粒度可伸缩封装装置和方法 - Google Patents

Abstract

一种基于基站资源池的物理层基带信号处理算法封装装置和方法，装置设有：资源消耗预估、算法封装和资源占用统计三个模块；先将基站物理层信号处理过程基于功能级别划分为多层次操作步骤，尤其对计算密集型操作算法拆分为多个子算法，以便实现并行处理和减少时延；再根据划分后的处理操作，确定多粒度封装方案集合和进行仿真试验，统计各方案的资源消耗状况，为后续实时封装算法提供参考；当待处理数据到达时，根据数据量及实时性要求，预估处理数据的最大与最小的资源消耗量及其占用时间；再根据资源消耗预估及系统资源实时占用情况，选择适宜的算法封装方案在集中的硬件资源上进行处理。本发明适应数据处理的潮汐效应，均衡硬件资源负载。

Description

基于基站资源池的多粒度可伸缩封装装置和方法

技术领域

本发明涉及一种基于基站资源池的多粒度可伸缩封装装置和方法，属于无线通信的技术领域。

背景技术

目前，尚未检索到有关基站资源池或云基站中对基带信号处理算法进行封装的技术方案。

现有技术提供了针对云基站的下述基带信号处理方法：《一种云基站中基带信号处理方法》（中国专利申请号：201310011078.9，公告号：CN103095411），该基带信号处理系统包括有主链路信号处理计算模块、各基带信号处理计算模块和数据库服务器。主链路信号处理计算模块将基带信号处理过程进行分段与编号；分散在网络中的各基带信号处理计算模块各自分别负责一段基带信号的处理；数据库服务器用于存储网络中所有基带信号处理计算模块的网络地址、所负责分段处理的编号和负荷信息。

该系统的处理方法实现过程如下：主链路信号处理计算模块将所有需要后续分段处理的数据、分段处理的编号以及参数、目的计算模块打包，并将数据包发送给本地通信管理器；通信管理器提取下一段数据包的分段编号，在数据库服务器中查找分段处理编号对应的计算模块，选择负荷小的计算模块进行处理；然后将当前已处理的数据、未处理的分段编号、参数等重新打包发送至通信管理器。然后，重复上述数据转发处理的步骤。

该技术方案的优势是：能够实现在网络中大量计算模块间的数据有序传输，使各个基带信号处理计算模块和主链路信号处理计算模块在网络资源动态变化情况下，实现数据有序流动，降低网络中的数据流量。但是，该技术方案将需要处理的数据分散至网络中，每段处理时均需重新打包，并发送到通信管理器、执行数据库寻址等操作，因此在基带处理时，会引入较大处理时延，尤其是部署3G、LTE/LTE-Advanced系统时，难以获得较好的实时性。

传统的通信设备往往是由某一家厂商独立提供整套解决方案，系统维护或者升级的依赖性高。然而，随着近几年能源资源紧张，全球移动通信网络运营商面临日渐严重的成本压力；全球大多数主流运营商通常都是同时拥有2至3个不同通信制式的网络。为了保证网络的服务质量，必须部署大量基站，用于解决网络覆盖问题。因此，站址和机房资源的相对稀缺，与不断增长的基站数量的矛盾在一定时期内无法协调。目前，已经成为运营商无法回避的难题。尽管在运营成本方面面临巨大压力，由于移动通信市场的激烈竞争，单用户平均收入增长缓慢、甚至下降，运营商的“盈利”能力并不随之提高，而运营商收入的下降必将导致建网和设备采购投资成本的压缩。面对这种局面，出于行业持续盈利和长期发展考虑，移动通信产业界提出通过改变接入网络架构来解决这个问题。

参见图1，介绍新型的基于基站资源池的基站系统架构组成：主要包括三大组成部分：由远端无线射频单元RRU（Radio Remote Unit）与天线组成的分布式无线网络，连接远端无线射频单元、并具备高带宽、低延迟的光传输网络，以及由采用实时虚拟技术的多个通用处理器组成的集中式基带处理池。集中式基带处理池中的所有基带处理单元BBU（Baseband Unit）和远端无线射频单元RRU通过光传输网络连接构成一体。基带处理单元集中设置在一个物理站点构成基带池。基带池中的多个基带处理单元之间通过高带宽、低延迟的光传输网络实现灵活拓扑和低成本交叉连接。基带资源池需要应用基站虚拟化技术，支持基带池物理资源和计算能力的虚拟分配和组合。在基带资源池中，多个基站共享计算资源，而计算资源的分配是由系统根据业务量执行统一的动态调度。因此，无线信号处理算法就成为无线通信系统物理层的核心处理任务：需要执行和完成前向纠错编解码、信道编译码、调制解调和信道估计等多项功能，不仅计算密集，并且具有严苛的实时性要求。尤其像信道译码（比如，维特比译码和Turbo译码）和信号检测算法更是计算操作工作量高度密集，往往是物理层实现的瓶颈。

为了保证基站集中处理的实时性、减少系统能耗，使虚拟化技术能够最大限度地发挥硬件系统性能，以支撑高速运行的通信系统的基带数据处理，需要解决基带信号处理应该如何划分算法的计算任务、进行算法封装的问题，以便能够适应多核通用处理器的动态任务分配，并满足系统实时要求。因此，如何研制一种基于基站资源池的多粒度可伸缩的算法封装的实现方法，在满足基带处理实时性要求的前提下，完成计算资源的动态调度的科研任务就成为业内许多科技人员关注的焦点。

发明内容

有鉴于此，本发明的目的是提供一种于基站资源池的物理层基带信号处理算法封装装置和方法，使得该装置对被封装的基带信号处理算法能够根据各种资源的实时占用情况进行封装，以使在集中的硬件资源上进行处理，既使封装方案满足实时性要求，又能随资源池资源的不同占用情况，执行伸缩处理，从而适应数据处理的潮汐效应，均衡硬件资源负载。同时，还对资源使用情况进行实时监控。

为了达到上述目的，本发明提供了一种基于基站资源池的物理层基带信号处理算法封装装置，其特征在于：所述装置负责根据进入基站资源池的数据量和系统资源的实时占用情况对相应算法进行封装，以使被封装的算法在集中的硬件资源上进行处理；该装置包括：顺序连接的资源消耗预估模块、算法封装模块和资源占用统计模块三个组成部件；其中：

资源消耗预估模块，负责根据进入基站资源池的数据量以及实时性要求，对处理基带信号所需要的各种资源做出预先估计；

资源占用统计模块，用于对基站中的各种虚拟化资源使用情况进行统计，并周期地或以事件触发方式上报给算法封装模块；

算法封装模块，负责收集资源占用统计模块提供的资源使用状态信息和资源消耗预估模块预估的所需消耗的各种资源的信息，以供基站根据可用资源完成对算法的多粒度可伸缩封装。

为了达到上述目的，本发明还提供了一种基于基站资源池的物理层基带信号处理算法封装装置的多粒度可伸缩封装方法，其特征在于：首先将基站物理层信号处理过程基于功能级别划分为多层次的操作步骤，尤其对其中计算密集型的操作算法要拆分为多个子算法，以便实现并行处理和减少处理时延；再根据划分后的处理操作，确定多粒度封装方案的集合，并进行仿真试验，统计各个不同方案的资源消耗状况，为后续实时在线算法的封装提供参考；然后，当待处理数据到达时，根据需要处理的数据量及其实时性要求，预估待处理数据的最大与最小的资源消耗量及其占用时间；最后，根据资源消耗预估及实时资源占用统计情况，从多粒度封装方案集合中，选择适宜的算法封装方案进行数据处理：所述方法包括下列操作步骤：

（1）基于功能级别将物理层基带信号的处理算法划分为多层次的操作步骤；

（2）确定多粒度封装方案及其资源消耗状况；

（3）根据需要处理的数据量及其实时性要求，封装装置中的资源消耗预估模块对处理这些数据所需要的最大与最小的资源消耗量及其占用时间进行在线实时预估，以供选择封装方案粒度时的参考；

（4）根据资源消耗预估及实时资源占用统计情况在线实时选择合适的封装方案。

本发明基于基站资源池的物理层基带信号处理算法封装装置和方法的主要创新技术是：首先建立基站资源池算法封装装置，并由该封装装置将基站物理层信号处理过程基于功能级别划分为多层次操作步骤，尤其将其中计算密集型的算法拆分为多个子算法，以便实现并行处理和减少时延；再根据划分后的处理操作，确定多粒度的封装方案集合并进行仿真试验，统计不同封装方案的资源消耗状况，为后续实时在线算法的封装提供参考。这样，当待处理数据到达时，根据需要处理的数据量及其实时性要求，预估待处理数据的最大与最小的资源消耗量及其占用时间；再根据资源消耗的预估及实时资源占用统计情况，从多粒度封装方案集合中，选择可伸缩的适宜算法封装方案进行数据处理。

本发明的优点是：封装方案既能够使得基站资源池的数据处理满足实时性要求，又能够随资源池资源的不同占用情况，执行伸缩处理的原则，实现系统资源的动态匹配。即使是等量的数据在不同时间到达，由于到达时刻的资源池资源占用情况不同，也会采用不同的封装方案，其并行程度亦不相同。该封装方案随处理环境改变，是可伸缩的：即在空闲资源较多且集中时，采用较大粒度方案；而在空闲资源较稀疏时，采用较小粒度实现分布式处理；从而适应数据处理的潮汐效应，均衡硬件资源负载。而且，还能够对资源使用情况很方便地进行实时监控。因此，本发明的推广应用前景看好。

附图说明

图1是基于基站资源池的基站系统架构示意图。

图2是本发明基于基站资源池的物理层基带信号处理算法封装装置的结构组成示意图。

图3是本发明基于基站资源池的物理层基带信号处理算法封装装置封装方法流程图。

图4是本发明封装方法中的无线通信系统物理层功能级别划分图。

图5（A）、（B）、（C）分别是本发明封装方法中的三个不同封装方案的示例图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步的详细描述。

本发明基于基站资源池的物理层基带信号处理算法封装装置负责根据进入基站资源池的数据量和系统资源的实时占用情况对相应算法进行封装，以使被封装的算法在集中的硬件资源上进行处理。以使封装方案既能满足实时性要求，又能随资源池资源的不同占用情况，执行伸缩处理的原则：在空闲资源较多且集中时，采用较大粒度方案；而在空闲资源较稀疏时，采用较小粒度实现分布式处理；以便适应数据处理的潮汐效应，均衡硬件资源负载。同时，还对资源使用情况进行实时监控。

参见图2，介绍该封装装置的结构组成，设有：顺序连接的资源消耗预估模块、算法封装模块和资源占用统计模块三个组成部件；其中：

资源消耗预估模块：负责根据进入基站资源池的数据量以及实时性要求，对处理基带信号所需要的各种资源做出预先估计。该基站资源池是本发明物理层基带信号处理算法封装装置将分布在各个基站、用于信号处理的包括处理资源或计算资源、接口资源和存储资源的多种资源进行集中管理和控制的抽象逻辑装置。

资源占用统计模块：用于对基站中的各种虚拟化资源使用情况进行统计，并周期地或以事件触发方式上报给算法封装模块。该资源占用统计模块统计的各种虚拟化资源使用情况信息包括：空闲或占用的处理资源或计算资源、接口资源、存储资源、以及其他资源的物理位置、空闲或占用状态的持续时长。

算法封装模块：负责收集资源占用统计模块提供的资源使用状态信息和资源消耗预估模块预估的所需消耗的各种资源的信息，以供基站根据可用资源完成对算法的多粒度可伸缩封装。

本发明基于基站资源池的物理层基带信号处理算法封装装置还提供了一种多粒度可伸缩封装方法：首先将基站物理层信号处理过程基于功能级别划分为多层次的操作步骤，尤其对其中计算密集型的操作算法要拆分为多个子算法，以便实现并行处理和减少处理时延。再根据划分后的处理操作，确定多粒度封装方案的集合，并进行仿真试验，统计各个不同方案的资源消耗状况，为后续实时在线算法的封装提供参考。然后，当待处理数据到达时，根据需要处理的数据量及其实时性要求，预估待处理数据的最大与最小的资源消耗量及其占用时间。最后，根据资源消耗预估及实时资源占用统计情况，从多粒度封装方案集合中，选择适宜的算法封装方案进行数据处理。

参见图3，介绍本发明方法的下述操作步骤：

步骤1，基于功能级别将物理层基带信号的处理算法划分为多层次的操作步骤，以实现并行处理、提高处理时延。

该步骤在线下预先完成，包括下列操作内容：

（11）将基带信号的处理功能划分为由低到高升序排列的五个级别：子算法级、算法级、信道级、用户级和小区级（参见图3所示），以便将其中低级别的处理功能集中整合后，就能支持与完成高级别的处理功能。例如，将各个算法进行级联就可以支持信道处理功能，多个信道处理功能互相结合就能实现用户功能处理，再将多个用户功能处理集中整合，就可以支持小区功能处理。

此外，无线通信系统的物理层需要执行一些计算密集型算法，如信号检测、信道译码等。由于其计算量大、复杂度高，成为基带处理的瓶颈。为满足系统实时性要求，需要将算法进一步拆分，以实现并行化处理，拆分出的子算法即为子算法功能级别。此时，子算法相对独立地完成该算法中的一项子功能，多个子算法结合完成算法功能。子算法功能级别为最低层次的划分。

（12）在基带资源池中，利用适应多通信制式系统的物理层基带信号处理算法对基带信号进行通用化处理：因在基带资源池中要对来自多种通信制式的无线通信系统数据进行集中处理，而不同的通信系统（如3G、LTE/LTE-A等）完成物理层基带信号处理时所用的算法相同或相似，为避免重复设计与使用算法代码，需将基站资源池中的通用算法进行规整统一，以适应多通信制式系统的统一处理。

该步骤（12）中，适应多通信制式系统的规整统一处理方法是：首先列出所有支持的通信制式物理层算法，并将实现同一功能、仅参数配置不同的算法视为通用算法；然后，在设计基站资源池算法时，使得该通用算法的功能尽可能地支持多种通信制式系统，此时只需配置相应参数就使其适应多通信制式；最后，将某种通信制式系统所特有的算法作为专用算法。

例如，在3G、LTE/LTE-A移动通信系统中，均使用的Turbo译码，其核心算法是一致的，仅参数配置不同，因此该算法即为通用算法。而在3G系统中，采用了码分多址接入，在物理层算法中包含扩频解扩操作，而LTE/LTE-A系统中没有，扩频相关算法就被视为3G系统的专用算法。

（13）针对计算密集型算法进行子算法划分：

因无线通信系统物理层执行的包括信号检测、信道估计和信道译码的算法操作属于计算量大、复杂度高的计算密集型算法，导致基带信号处理的时延长，容易成为基带信号处理的瓶颈；为保证系统处理的实时性，并保证系统能按照资源使用情况将算法封装为不同层次，需要将这些计算密集型的复杂算法进行功能拆分：分解为各自分别独立完成其中一项子算法功能的多个子算法，以便实现并行处理后，利用多个子算法的结合来完成该复杂算法的处理，提高处理时延性能。

该步骤中的子算法划分原则是：以满足最严格的实时要求为目标，将计算密集型的复杂算法分解为功能相对独立、但耦合程度较低的多个子算法，且划分子算法时并非越细越好，应综合兼顾基站资源池的负载均衡原则和执行各个子算法所产生的开销，再进行仿真试验来确定划分程度。

步骤2，确定多粒度封装方案及其资源消耗状况。该步骤也是在线下预先完成的，包括下述操作内容：

（21）按照链路处理顺序，列出各个算法或子算法的级联关系，以及可行的并行化处理架构：

针对不同物理信道，先罗列出包含的上行/下行前后级联的各个链路算法的操作耦合关系和执行逻辑，采用流水线和任务并行执行的思路将各个算法操作组织成并行化处理架构。由于物理层信道均为串行化处理，并行处理程度难以达到系统实时要求，加之在基站资源池上进行基带处理可能涉及资源的动态迁移，从而增大处理时延开销，因此需要进一步获得可行的信道级别并行化处理结构。需要注意的是，因有多种分别适应不同的数据量和实时要求的并行化处理架构，故要对可行的并行处理方案预先执行仿真试验，再分别记录每种方案相应的资源消耗情况及其运行时间。

（22）列出多粒度的封装方案及其相应的资源消耗量及占用时间：

首先根据步骤（21）对链路算法的分析，将并行化处理的算法操作步骤进行封装，并标明已封装算法的输入输出接口。该输入输出接口应包括下述参数：算法的控制参数、输入输出数据、数据源端及目的端的地址标识（即指示数据处理或存储的硬件资源地址）。

其次，罗列各种不同粒度的封装方案，组成多粒度封装方案的集合。再根据封装的计算任务功能和数量，将封装方案定为多种粒度：封装功能的级别越高，则封装的计算任务数量越多，封装粒度也越大，且所有封装方案均需满足数据处理的实时性要求。其中，最大粒度的封装方案是将用户功能级别包含的所有信道的全部算法都封装在一起，用于集中处理某个用户的数据。这类封装方案消耗的接口资源较少，适用于资源池资源的空闲度较高、且空闲资源集中的情况。最小粒度的封装方案是将算法级别、甚至是子算法进行封装，用于实现某个算法或某个子算法的功能。这类封装方案消耗的接口资源多，适用于资源池资源的空闲度稀疏、即要将不同算法操作分散于不同硬件资源上进行处理的情况，因此时涉及大量的信令数据交互、故消耗的接口资源较多。

参见图4所示，给出了3种封装方案示例。封装方案1为最大粒度封装，将用户功能级别的所有算法封装在一起，封装方案2将信道功能级别封装在一起，而封装方案3的粒度较小，只将算法级别进行封装。图4中，位于输入接口和输出接口之间的部分即为一个封装。

为方便记录，可以用自然数l＝1,2,…,L（L为最大粒度标记）标记不同封装方案的粒度。不同粒度的封装方案也对应了不同程度的并行处理方案。

最后，列出集合中不同粒度封装方案相应的资源消耗量和占用时间。例如，采用下表1的不同粒度的封装方案中的相应资源消耗量和运行时间记录方式：

	方案1	方案2	方案3
				封装粒度	1	2	3
处理资源数量	C1	C2	C3
				处理资源时长	T1	T2	T3
存储资源数量	S1	S2	S3
				存储时长	Q1	Q2	Q3
接口资源数量	P1	P2	P3
				接口资源时长	W1	W2	W3

步骤3，根据需要处理的数据量及其实时性要求，封装装置中的资源消耗预估模块对处理这些数据所需要的最大与最小的资源消耗量及其占用时间进行在线实时预估，以供选择封装方案粒度时的参考。

当基站资源池中资源空闲度高时，可以较容易地实现并行处理。但当资源空闲度较稀疏，且在实时要求高的情况下，需要跨越多个硬件资源的并行度较高的方案，此时资源消耗的情况也较为复杂。由第三步获得的封装方案可以包含多种，通常并行程度高的封装方案，运行时间短，但消耗资源多，尤其在多处理器架构的基站资源池中，如果封装方案粒度较小，数据处理基于多个硬件资源（如多个处理器），则除处理资源外，还会消耗更多的存储资源、接口资源（即信令交互开销）等。此外，不同方案其占用各类资源的时间亦不相同。

因此，根据到达的数据量和实时性要求，本发明算法封装装置中的资源消耗预估模块需要确定在基站资源池中处理这部分数据需要的最大/最小资源消耗情况及占用时间，以便后续选择封装方案的粒度。这一步骤是在线上实时操作进行的，包括下述操作内容：

（31）资源消耗预估模块采用能够循环使用的有限自然数为每个到达的数据块做出标识。

（32）资源消耗预估模块获知需要处理的数据量和实时性要求后，预估处理该数据所需的最大与最小的资源消耗量及其相应的占用时间。

预计消耗的资源包括：处理资源或计算资源、存储资源、接口资源的类型、数量及其占用的持续时长；例如需要处理器的个数及时长、需要存储资源的类型、字节数及时长等。其中，最大资源消耗量是采用最小粒度封装方案、即最大并行度方案处理时，所消耗的资源池资源量。最小资源消耗量是在满足数据实时性需求基础上，采用最大粒度封装方案、即最低并行度方案处理时消耗资源池的资源量。例如，可以采用下表的方式记录预计的资源消耗情况：

（33）当需要处理的数据到达资源池时，资源消耗预估模块在线实时选用不同方式将预计的资源消耗情况传递给算法封装模块。

可以采用不同方式进行传递，包括：1）传递资源的具体信息，2）为方便存储传输，将资源消耗分为不同等级，资源消耗预估模块仅需传递资源消耗等级即可。该信息的传递为事件触发式，即当需要处理的数据到达资源池时进行。

步骤4，根据资源消耗预估及实时资源占用统计情况在线实时选择合适的封装方案。该步骤包括下述操作内容：

（41）资源占用统计模块实时监控资源的占用情况，当需要处理的数据进入资源池准备处理时，就将资源占用的实时信息传递给算法封装模块；

资源占用统计模块在为当前需要处理的数据选择封装方案时，先要统计前一块数据开始处理前的资源占用情况。统计的数据包括：前一块数据开始处理前的资源池中各种资源的占用状态及其占用时长，例如，对于处理资源，应统计占用处理器的个数及其占整个资源池处理资源的百分比，各处理器中运行的进程/线程信息以及占用时长等。对于存储资源，应统计已占用存储资源类型、各类存储资源占用百分比、占用大小（字节数）及占用时长等。对于接口资源，应统计已占用接口资源类型、各类接口资源占用百分比及其占用时长等。

资源占用的实时信息由资源占用统计模块进行实时监控，并将上述信息传递给算法封装模块。该信息传递为事件触发式，在需要处理的数据即将进入资源池时进行。

（42）算法封装模块根据接收到的资源消耗要求和资源占用情况，从多粒度封装方案集合中为即将处理的数据选择封装方案。具体操作内容如下：

算法封装模块首先收集和分析资源占用统计模块提供的前一块数据开始处理前的资源占用信息，并将处理前一块数据时预估的资源消耗增加至该前一块数据开始处理前的实时资源占用信息中，由此推算得到预计的当前可用的各类资源及其相应时长。例如，当前待处理数据为k，第k-1块数据开始处理前，处理资源的占用量为Cc，预计处理第k-1块数据需要处理资源Ck-1，则预计的当前空闲的处理资源为C－Cc－Ck-1。其中，C为基站资源池中的处理资源总数量，更进一步地，也可分析出各处理资源可用的时长。

算法封装模块判断预计的当前可用资源情况（包括可用的各类资源及其相应时长）是否能够满足当前数据处理的最大资源消耗。若能够满足，则查看此时资源消耗量对应的封装粒度，据此选择封装方案；若不能满足，则查看不同封装粒度对应的资源消耗量是否能够满足其最小资源消耗量，若是，则从中选择一种封装粒度较小的可行方案。否则，结束该流程操作；

最后根据封装的算法及规定的接口进行数据处理。

本发明已经进行了多次仿真实施例的试验，试验的结果是成功的，实现了发明目的。

Claims (10)

1.一种基于基站资源池的物理层基带信号处理算法封装装置，其特征在于：所述装置负责根据进入基站资源池的数据量和系统资源的实时占用情况对相应算法进行封装，以使被封装的算法在集中的硬件资源上进行处理；该装置包括：顺序连接的资源消耗预估模块、算法封装模块和资源占用统计模块三个组成部件；其中：

资源消耗预估模块，负责根据进入基站资源池的数据量以及实时性要求，对处理基带信号所需要的各种资源做出预先估计；

资源占用统计模块，用于对基站中的各种虚拟化资源使用情况进行统计，并周期地或以事件触发方式上报给算法封装模块；

算法封装模块，负责收集资源占用统计模块提供的资源使用状态信息和资源消耗预估模块预估的所需消耗的各种资源的信息，以供基站根据可用资源完成对算法的多粒度可伸缩封装。

2.根据权利要求1所述的装置，其特征在于：所述资源占用统计模块统计的各种虚拟化资源使用情况信息包括：空闲或占用的处理资源或计算资源、接口资源、存储资源以及其他资源的物理位置、空闲或占用状态的持续时长。

3.根据权利要求1所述的装置，其特征在于：所述基站资源池是将分布在各个基站、用于信号处理的包括处理资源或计算资源、接口资源和存储资源的多种资源进行集中管理和控制的抽象逻辑装置。

4.一种基于基站资源池的物理层基带信号处理算法封装装置的多粒度可伸缩封装方法，其特征在于：首先将基站物理层信号处理过程基于功能级别划分为多层次的操作步骤，尤其对其中计算密集型的操作算法要拆分为多个子算法，以便实现并行处理和减少处理时延；再根据划分后的处理操作，确定多粒度封装方案的集合，并进行仿真试验，统计各个不同方案的资源消耗状况，为后续实时在线算法的封装提供参考；然后，当待处理数据到达时，根据需要处理的数据量及其实时性要求，预估待处理数据的最大与最小的资源消耗量及其占用时间；最后，根据资源消耗预估及实时资源占用统计情况，从多粒度封装方案集合中，选择适宜的算法封装方案进行数据处理：所述方法包括下列操作步骤：

（1）基于功能级别将物理层基带信号的处理算法划分为多层次的操作步骤；

（2）确定多粒度封装方案及其资源消耗状况；

（3）根据需要处理的数据量及其实时性要求，封装装置中的资源消耗预估模块对处理这些数据所需要的最大与最小的资源消耗量及其占用时间进行在线实时预估，以供选择封装方案粒度时的参考；

（4）根据资源消耗预估及实时资源占用统计情况在线实时选择合适的封装方案。

5.根据权利要求4所述的方法，其特征在于；所述步骤（1）包括下列操作内容：

（11）将基带信号的处理功能划分为由低到高升序排列的五个级别：子算法级、算法级、信道级、用户级和小区级，以便将其中低级别的处理功能集中整合后，就能支持与完成高级别的处理功能；

（12）在基带资源池中，利用适应多通信制式系统的物理层基带信号处理算法对基带信号进行通用化处理：因不同的通信系统完成物理层基带信号处理时所用的算法相同或相似，为避免重复设计与使用算法代码，需要将基站资源池中的通用算法进行规整统一，以适应多通信制式系统的统一处理；

（13）针对计算密集型算法进行子算法划分：因无线通信系统物理层执行的包括信号检测、信道估计和信道译码的算法操作属于计算量大、复杂度高的计算密集型算法，导致基带信号处理的时延长，容易成为基带信号处理的瓶颈；为保证系统处理的实时性，并保证系统能按照资源使用情况将算法封装为不同层次，需要将这些计算密集型的复杂算法进行功能拆分：分解为各自分别独立完成其中一项子算法功能的多个子算法，以便实现并行处理后，利用多个子算法的结合来完成该复杂算法的处理，提高处理时延性能。

6.根据权利要求5所述的方法，其特征在于：

所述步骤（12）中，适应多通信制式系统的规整统一处理方法是：先列出所有支持的通信制式物理层算法，并将实现同一功能、仅参数配置不同的算法视为通用算法；再在设计基站资源池基站资源池算法时，使得该通用算法的功能尽可能地支持多种通信制式系统，此时只需配置相应参数就使其适应多通信制式；最后，将某种通信制式系统所特有的算法作为专用算法；

所述步骤（13）中，子算法的划分原则是：以满足最严格的实时要求为目标，将计算密集型的复杂算法分解为功能相对独立、但耦合程度较低的多个子算法，且划分子算法时应综合兼顾基站资源池的负载均衡原则和执行各个子算法所产生的开销，再进行仿真试验来确定划分程度。

7.根据权利要求4所述的方法，其特征在于：所述步骤（2）包括下列操作内容：

（21）按照链路处理顺序，列出各个算法或子算法的级联关系，以及可行的并行化处理架构：

先分析前后级联的各个算法的操作耦合关系和执行逻辑，采用流水线和任务并行执行的思路将各个算法操作组织成并行化处理架构；且因有多种分别适应不同的数据量和实时要求的并行化处理架构，故要对可行的并行处理方案预先执行仿真试验，再分别记录每种方案相应的资源消耗情况及其运行时间；

（22）列出多粒度的封装方案及其相应的资源消耗量及占用时间：

先根据步骤（21）对链路算法的分析，将并行化处理的算法操作步骤进行封装，并标明已封装算法的输入输出接口，该输入输出接口应包括下述参数：算法的控制参数、输入输出数据、数据源端及目的端的地址标识、即指示数据处理或存储的硬件资源地址；

罗列各种不同粒度的封装方案，组成多粒度封装方案的集合；再根据封装的计算任务功能和数量，将封装方案定为多种粒度：封装功能的级别越高，则封装的计算任务数量越多，封装粒度也越大，且所有封装方案均需满足数据处理的实时性要求。

8.根据权利要求7所述的方法，其特征在于：所述不同粒度的封装方案中，最大粒度的封装方案是将用户功能级别包含的所有信道的全部算法都封装在一起，用于集中处理某个用户的数据；这类封装方案消耗的接口资源少，适用于资源池资源的空闲度较高、且空闲资源集中的情况；最小粒度的封装方案是将算法级别、甚至是子算法进行封装，用于实现某个算法或某个子算法的功能；这类封装方案消耗的接口资源多，适用于资源池资源的空闲度稀疏、即要将不同算法操作分散于不同硬件资源上进行处理的情况，因此时涉及大量的信令数据交互、故消耗的接口资源较多。

9.根据权利要求4所述的方法，其特征在于：所述步骤（3）包括下列操作内容：

（31）资源消耗预估模块采用能够循环使用的有限自然数为每个到达的数据块做出标识；

（32）资源消耗预估模块获知需要处理的数据量和实时性要求后，预估处理该数据所需的最大与最小的资源消耗量及其相应的占用时间；

所述消耗的资源包括：处理资源或计算资源、存储资源、接口资源的类型、数量及其占用的持续时长；其中，最大资源消耗量是采用最小粒度封装方案、即最大并行度方案处理时，所消耗的资源池资源量；最小资源消耗量是在满足数据实时性需求基础上，采用最大粒度封装方案、即最低并行度方案处理时消耗资源池的资源量；

（33）当需要处理的数据到达资源池时，资源消耗预估模块在线实时选用不同方式将预计的资源消耗情况传递给算法封装模块；传递方式包括：传递资源的具体信息，或者为方便存储传输，将资源消耗分为不同等级，资源消耗预估模块仅需传递资源消耗等级即可。

10.根据权利要求4所述的方法，其特征在于：所述步骤（4）包括下列操作内容：

（41）资源占用统计模块实时监控资源的占用情况，当需要处理的数据进入资源池准备处理时，就将资源占用的实时信息传递给算法封装模块；

资源占用统计模块在为当前需要处理的数据选择封装方案时，先要统计前一块数据开始处理前的资源占用情况；统计的数据包括：前一块数据开始处理前的资源池中各种资源的占用状态及其占用时长，包括：占用的处理资源个数、占整个资源池处理资源的百分比、各处理器中运行的进程/线程信息、以及占用时长；占用的存储资源类型、各类存储资源的占用百分比、占用字节数及其占用时长；占用的接口资源类型、各类接口资源占用百分比及其占用时长；

（42）算法封装模块根据接收到的资源消耗要求和资源占用情况，从多粒度封装方案集合中为即将处理的数据选择封装方案；具体操作内容如下：

算法封装模块先收集和分析资源占用统计模块提供的前一块数据开始处理前的资源占用信息，并将处理前一块数据时预估的资源消耗增加至该前一块数据开始处理前的实时资源占用信息中，由此推算得到预计的当前可用的各类资源及其相应时长；

算法封装模块判断预计的当前可用资源情况、即包括可用的各类资源及其相应时长是否能够满足当前数据处理的最大资源消耗；若能够满足，则查看此时资源消耗量对应的封装粒度，据此选择封装方案；若不能满足，则查看不同封装粒度对应的资源消耗量是否能够满足其最小资源消耗量，若是，则从中选择一种封装粒度较小的可行方案；否则，结束该流程操作；

最后，算法封装模块根据封装的算法及规定的接口进行数据处理。

Images