CN104540234A - 一种C-RAN架构下基于CoMP同步约束的关联任务调度机制 - Google Patents

Abstract

本发明公开了一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，具体包括：(1)小区边缘用户根据现网条件选择合适的协作RRU集合；(2)负载预测模块根据系统当前时刻和前一时刻的负载变化情况，对下一时刻的系统负载作出预测；(3)任务管理模块根据QoS属性对用户任务进行分类；(4)VM管理模块根据任务量和任务分类信息对虚拟基带池的虚拟资源进行集群划分和差异化配置；(5)任务调度模块根据任务分类信息和虚拟资源配置信息，对用户并行信号的关联任务进行合理调度。本发明适用于解决C-RAN架构下基于协同多点传输(CoMP)中并行信号同步约束，并具有不同服务质量(QoS)需求的关联任务调度问题。

Description

一种C-RAN架构下基于CoMP同步约束的关联任务调度机制

技术领域

本发明涉及无线通信技术领域，具体涉及新型无线接入网络C-RAN(Centralized-Radio Access Network)基带池内关联任务调度机制。本发明适用于解决C-RAN架构下基于协同多点传输(Coordinated Multiple Points，CoMP)中并行信号同步约束，并具有不同服务质量(Quality of Service，QoS)需求的关联任务调度问题。

背景技术

近年来网络业务量的上升，移动业务数据流量的迅猛增长，给运营商带来了日趋激烈的竞争压力，运营商必须投入更多的成本来进行无线接入网的建设和升级。在传统的无线接入网(ResidentialAccess Network，RAN)中，大量的基站会产生昂贵的建设和维护费用以及高额的站址配套和租赁费用，另外，不同基站的工作能力不能共享，致使基站资源的实际利用效率很低。因此，寻找一种既满足用户服务需求又能高效利用基带资源的任务调度机制非常重要。

基于上述背景，一种新型的集中式无线接入网架构C-RAN应运而生。C-RAN是基于集中化处理(Centralized Processing)，协作式无线电(Collaborative Radio)和实时云计算构架(Real-time CloudInfrastructure)的绿色无线接入网构架(Clean System)。C-RAN架构实质上是采用减少分布机房的方式实现功耗的降低，其采用了虚拟化和协作技术，实现共享基带资源和任务的灵活调度，进而提升频谱资源的利用效率，节约处理成本，改善系统性能。

C-RAN架构主要包含三个部分：由射频拉远单元(Radio RemoteUnit，RRU)和天线组成的分布式无线协作网络、高带宽低延迟的光纤传输网和基于实时云架构的基带资源处理池(Building Base bandUnit，BBU)。虚拟基带池采用虚拟化技术将物理设备抽象化，将高性能的处理器连接起来，具有很强的处理和计算功能，可以满足每个虚拟机(Virtual Machine，VM)的性能需求。

虚拟基带池内的计算任务由调制、编码等多个相互关联的协议功能模块组成，有些模块需要接收到其它模块的输出结果后才能启动，否则只能处于等待状态而白白占用系统资源，另外，每个模块对时延、资源量的约束各不相同，可以将这些功能模块视为QoS需求不同的关联任务。在CoMP技术中，小区边缘用户工作在若干相邻基站的同频率上，位于不同地理位置的多个小区基站共同参与一个用户数据的接收和传输，这种协同的小区基站称为该用户的协作RRU。由于距离差异和多径时延等原因，协作RRU产生的多路并行信号到达基带池后存在时延差异、频率偏移等问题，在数据合并之前需要对这些并行信号进行处理，造成时延等待开销。

发明内容

针对现有技术的不足，本发明旨在提供一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，解决C-RAN架构下基于CoMP中并行信号同步约束，并具有不同服务质量(Quality of Service，QoS)需求的关联任务调度问题。

为了实现上述目的，本发明采用如下技术方案：

一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，包括如下步骤：

步骤1，协作射频拉远单元将其服务的小区边缘用户的数据传输到虚拟基带池，形成多路并行信号；

步骤2，负载预测模块根据系统当前时刻和前一时刻的负载变化情况，对下一时刻的系统负载作出预测，将预测信息提交给任务管理模块和VM管理模块；

步骤3，并行信号到达虚拟基带池后，任务管理模块根据接收到的任务信息统计每个任务的QoS属性，并据此对每个任务进行分类，然后将任务分类信息提交给VM管理模块和任务调度模块；

步骤4，VM管理模块根据任务量和任务分类信息对虚拟基带池的虚拟资源进行配置，并将虚拟资源配置信息传送到任务调度模块；

步骤5，任务调度模块根据任务分类信息和虚拟资源配置信息，对任务进行调度，保证并行信号的同步处理和虚拟资源的合理利用。

需要说明的是，每个小区边缘用户的协作射频拉远单元是该用户根据现网条件选择的射频拉远单元集合。

进一步需要说明的是，每个小区边缘用户以吞吐量为标准确定自身的协作射频拉远单元，具体过程如下：

1)小区边缘用户首先选取周围所有能够为其提供服务的射频拉远单元，从而确定一个初始射频拉远单元集合；

2)依次选择初始射频拉远单元集合中的每个射频拉远单元加入协作射频拉远单元集合中，计算并比较该射频拉远单元加入前后的用户吞吐量，如果该射频拉远单元加入后用户吞吐量上升，则确定其作为协作射频拉远单元，否则将该射频拉远单元从协作射频拉远单元集合中剔除。

需要说明的是，所述步骤4的具体实施步骤如下：

步骤4.1，VM管理模块根据接收到的任务分类信息，按照任务分类数目将虚拟基带池内的虚拟资源划分为对应数目的虚拟机集群；

步骤4.2，根据对应的任务类型，确定每个虚拟机集群内的虚拟机配置标准，对不同的虚拟机集群进行差异化配置；

步骤4.3，根据每个任务类型的任务数目，确定对应虚拟机集群内配置虚拟机的规模，并对同一虚拟机集群内的虚拟机进行均匀配置；

步骤4.4，将虚拟资源配置信息传送至所述任务调度模块。

需要说明的是，所述步骤5具体包括：

步骤5.1，定义试验次数n及其最大门限N、所有用户并行信号处理完成时间的均方根时延目标值r_min及其门限r₀；

步骤5.2，根据每个任务的QoS属性及分类，确定与之对应的虚拟机集群；

步骤5.3，根据步骤5.2确定的对应关系，按照随机原则确定一个调度方案，所述调度方案的内容包括指定每个任务具体分配到哪个虚拟机上；

步骤5.4，计算虚拟基带池内虚拟机的资源利用率并验证该调度方案是否满足用户的资源量以及时延约束，若满足则执行步骤5.5，若不满足，则更新试验次数n＝n+1，并执行步骤5.6；

步骤5.5，计算第n次试验的调度方案中所有用户并行信号处理完成时间的均方根时延平均值r_n，并执行步骤5.7；

步骤5.6，更新各虚拟机剩余资源量和资源利用率，以及各虚拟机上的任务队列和任务完成时间，并返回步骤5.3；

步骤5.7，更新均方根时延目标值r_min＝min{r_min,r_n}并与其门限进行比较，若r_min＞r₀，执行步骤5.8，若r_min≤r₀，执行步骤5.9；

步骤5.8，将已运行的试验次数与试验次数最大门限进行对比，若n＜N，则更新试验次数n＝n+1，并执行步骤5.6，若n≥N，执行步骤5.9；

步骤5.9，记录使均方根时延最小的最优调度方案，并将对应的调度结果发送给任务管理模块和VM管理模块。

需要进一步说明的是，步骤5.4中，虚拟基带池内的的虚拟机资源利用率计算方法如下：

(1)计算虚拟机集群i内虚拟机j的资源利用率：

$u^{\mathrm{ij}}=\mathrm{\α}{u}_{\mathrm{cpu}}^{\mathrm{ij}}+\mathrm{\β}{u}_{\mathrm{mem}}^{\mathrm{ij}};$

其中，和分别表示虚拟机j的CPU和内存的利用率，α和β分别表示虚拟机j中CPU和内存资源的重要程度，且有α+β＝1；

(2)记虚拟基带池中划分的虚拟机集群数目为P，每个虚拟机集群内包含虚拟机数目为Q，对于整体虚拟基带池的资源利用率U则取所有虚拟机资源利用率的平均值，按照下式计算：

$U=\frac{1}{\mathrm{PQ}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{Q}{\mathrm{\Σ}}}{u}^{\mathrm{ij}}.$

进一步需要说明的是，步骤5.4中，用户的时延约束用下式表示：

$\max \left\{T_{\mathrm{kh}}^{\mathrm{finish}}\right\}-\min \left\{T_{\mathrm{kh}}^{\mathrm{arrive}}\right\}\≤{\mathrm{\τ}}_k;$

其中，和分别表示小区边缘用户k第h路并行信号到达虚拟基带池的时间和处理完成时间，τ_k表示小区边缘用户k的时延约束。

进一步需要说明的是，步骤5.5中，所述均方根时延均方根时延平均值r_n计算如下：

记小区边缘用户k包含H路并行信号，则小区边缘用户k的均方根时延扩展按下式计算得出：

${\mathrm{rms}}^k=\sqrt{\underset{h=1}{\overset{H}{\mathrm{\Σ}}}{(T_{\mathrm{kh}}^{\mathrm{finish}}-E\left(T_k^{\mathrm{finish}}\right))}^2};$

其中，表示小区边缘用户k第h路并行信号在虚拟基带池内的处理完成时间，和分别表示小区边缘用户k所有并行信号在虚拟基带池内处理完成时间的集合及其期望值。记第n次实验中用户数目为L，第n次试验中所有用户并行信号处理完成时间的均方根时延平均值计算如下：

$r_n=\frac{1}{L}\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{rms}}^k.$

本发明的有益效果在于：

1、从任务角度，考虑了用户任务的顺序关联性和QoS属性差异化的特点，对任务进行分类处理，满足任务的不同QoS需求和用户的时延约束；

2、从虚拟资源角度，针对任务分类对基带池资源进行集群划分并差异化配置，缩小了调度过程中虚拟机搜素范围，提高虚拟资源的利用效率；

3、结合CoMP技术，考虑了用户信号在C-RAN基带池内的并行特点，用过衡量用户并行信号处理完成时间的均方根时延，降低用户任务的时延等待开销，提高虚拟资源利用率。

附图说明

图1为本发明的系统模型示意图；

图2为本发明的任务调度流程图。

具体实施方式

以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为基础，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。

如图1所示，本发明为C-RAN架构下基于CoMP同步约束的关联任务调度机制，系统包括：

协作RRU：由每个小区边缘用户根据当前的网络条件选择得到，即地理位置分离的多个RRU协同参与一个用户的数据传输和接收。

CoMP并行关联任务：结合CoMP技术特点，用户在虚拟基带池内存在多路并行信号，在对信号的处理操作中，每一步都需要前一步的执行结果才能启动，将这些操作视为顺序关联的任务。

负载预测模块：监控网络运行状态，对系统负载进行预测，并把结果提交给任务管理模块和VM管理模块。

任务管理模块：统计每个任务的QoS需求，并按照QoS差异对任务进行分类，将任务分类信息发送给VM管理模块和任务调度模块。

VM管理模块：根据任务分类信息将基带池的虚拟资源划分为对应的虚拟机集群，按照每类任务的QoS属性对虚拟资源进行差异化配置。

虚拟基带池：采用虚拟化技术将物理设备抽象化，具有很强的处理和计算功能，实现基础资源的集中管理。

任务调度模块：根据任务信息和资源信息完成对用户关联任务的调度工作，实现并行信号任务的同步处理和资源的高效利用。

本发明的基本技术思路是：小区边缘用户首先根据当前网络环境选择其对应的协作RRU；协作RRU通过光纤链路将同一用户的数据传输到虚拟基带池；用户的任务由若干个模块顺序关联而成，任务管理模块根据用户并行信号串行模块的不同资源量和时延需求对这些任务模块进行分类，同时将分类信息发送给VM管理模块；VM管理模块根据任务分类信息对虚拟基带池的虚拟资源划分为不同的虚拟机集群，并按照对应种类任务的QOS需求对不同虚拟机集群内的虚拟机进行差异化配置；任务调度模块根据虚拟基带池的资源配置情况个任务模块的分类信息，对用户顺序关联的任务模块进行优化调度。具体实施步骤如下：

步骤1，协作射频拉远单元将其服务小区边缘用户的数据传输到虚拟基带池，形成多路并行信号；

每个小区边缘用户的协作RRU是该用户根据现网条件、以吞吐量为标准选择的RRU集合，具体过程如下：

1)小区边缘用户首先选取周围所有能够为其提供服务的RRU，从而确定一个初始RRU集合；

2)依次选择初始RRU集合中的每个RRU加入协作RRU集合中，计算并比较该RRU加入前后的用户吞吐量，如果该RRU加入后用户吞吐量上升，则确定其作为协作RRU，否则将该RRU从协作RRU集合中剔除。

在步骤1中，小区边缘用户工作在若干相邻基站的同频率上，位于不同地理位置的多个小区基站共同参与一个用户数据的接收和传输，这种协同的小区基站称为该用户的协作RRU，这种方法可以改善边缘用户的覆盖性能，同时提高频谱资源的使用效率。

步骤2，负载预测模块根据系统当前时刻和前一时刻的负载变化情况，对下一时刻的系统负载作出预测，将预测信息提交给任务管理模块和VM管理模块；

步骤3，任务管理模块根据QoS属性对任务进行分类，将任务分类信息提交给VM管理模块和任务调度模块；

任务的QoS属性及其分类要根据实际系统而定，例如仅考虑CPU和内存资源的限制，用户任务可以分为对计算资源需求较高的CPU型任务，对存储资源需求较高的内存型任务和对两种资源需求相当的均衡型任务。

步骤4，VM管理模块根据任务量和任务分类信息对基带池的虚拟资源进行配置，并将虚拟资源配置信息发送至任务调度模块。具体步骤包括：

步骤4.1，根据接收到的任务分类数目将虚拟基带池内的虚拟资源划分为对应数目的虚拟机集群；

步骤4.2，根据对应的任务类型，确定每个虚拟机集群内的虚拟机配置标准，即不同的虚拟机集群进行差异化配置，例如对CPU型任务则需要配置比较充足的计算资源；

步骤4.3，根据每个任务类型的任务数目，确定对应虚拟机集群内配置虚拟机的规模，并对同一虚拟机集群内的虚拟机进行均匀配置；

步骤4.4，将虚拟资源配置信息发送至任务调度模块。

步骤5，任务调度模块根据任务分类信息和虚拟资源配置信息，对用户的关联任务进行合理调度，保证并行信号的同步处理和虚拟资源的合理利用，具体调度流程如图2所示，包括如下步骤：

步骤5.1，对试验数据进行初始化：定义试验次数n及其最大门限N，定义用户并行信号处理完成时间的均方根时延目标值r_min及其门限r₀；

步骤5.2，根据各关联任务的属性及其分类，确定与之对应的VM集群；

步骤5.3，根据步骤5.2确定的对应关系，按照随机原则确定一个调度方案，所述调度方案的内容包括指定每个任务具体分配到哪个虚拟机上；

步骤5.4，计算虚拟基带池内虚拟机的资源利用率并验证该调度方案是否满足用户的资源量以及时延约束，若满足则执行步骤5.5，若不满足，则完成试验次数的更新n＝n+1，并执行步骤5.6；

记基带池集群划分的数目为P，每个虚拟机集群内包含虚拟机数目为Q，对于整体虚拟基带池的资源利用率U则取所有虚拟机资源利用率的平均值，按照下式计算：

$U=\frac{1}{\mathrm{PQ}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{Q}{\mathrm{\Σ}}}{u}^{\mathrm{ij}};$

u^ij为虚拟机集群i内虚拟机j的资源利用率，按照下式计算得到：

$u^{\mathrm{ij}}=\mathrm{\α}{u}_{\mathrm{cpu}}^{\mathrm{ij}}+\mathrm{\β}{u}_{\mathrm{mem}}^{\mathrm{ij}};$

其中，和分别表示该虚拟机CPU和内存的利用率，α和β分别表示虚拟机中CPU和内存资源的重要程度，且有α+β＝1。

用户的时延约束用下式来表示：

$\max \left\{T_{\mathrm{kh}}^{\mathrm{finish}}\right\}-\min \left\{T_{\mathrm{kh}}^{\mathrm{arrive}}\right\}\≤{\mathrm{\τ}}_k;$

其中，和分别表示用户k第h路并行信号到达基带池的时间和处理完成时间，τ_k表示用户k的时延约束。

步骤5.5，计算第n次试验的调度方案中所有用户并行信号处理完成时间的均方根时延平均值r_n，并执行步骤5.7；

用户并行信号中，最后一个可分辨的时延信号与第一个时延信号到达时间的差值定义为时延扩展。均方根时延扩展(Root-meansquared Delay Spread，RDS)是多径信号的功率延迟分布的二阶中心矩(方差)的平方根。假设用户k包含H路并行信号，其均方根时延扩展按照下式计算得到：

${\mathrm{rms}}^k=\sqrt{\underset{h=1}{\overset{H}{\mathrm{\Σ}}}{(T_{\mathrm{kh}}^{\mathrm{finish}}-E\left(T_k^{\mathrm{finish}}\right))}^2};$

其中，表示小区边缘用户k第h路并行信号在虚拟基带池内的处理完成时间，和分别表示小区边缘用户k所有并行信号在虚拟基带池内处理完成时间的集合及其期望值；

在存在多个用户的系统中，记用户数目为L，第n次试验中所有用户并行信号处理完成时间的均方根时延采用其平均值来衡量：

$r_n=\frac{1}{L}\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{rms}}^k;$

步骤5.6，更新各虚拟机剩余资源量和资源利用率，以及各虚拟机上的任务队列和任务完成时间，并返回步骤5.3；

步骤5.7，更新均方根时延的目标值r_min＝min{r_min,r_n}，若r_min＞r₀，执行步骤5.8，若r_min≤r₀，执行步骤5.9；

步骤5.8，将已运行的试验次数与试验次数最大门限进行对比，若n＜N，则更新试验次数n＝n+1，并执行步骤5.6，若n≥N，执行步骤5.9；

步骤5.9，记录使均方根时延最小的最优调度方案，并将对应的调度结果发送给任务管理模块和VM管理模块。

对于本领域的技术人员来说，可以根据以上技术方案和构思，作出其它各种相应的改变和变形，而所有的这些改变和变形都应该包括在本发明权利要求的保护范围之内。

Claims (8)

1.一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，其特征在于，包括如下步骤：

步骤1，协作射频拉远单元将其服务的小区边缘用户的数据传输到虚拟基带池，形成多路并行信号；

步骤2，负载预测模块根据系统当前时刻和前一时刻的负载变化情况，对下一时刻的系统负载作出预测，将预测信息提交给任务管理模块和VM管理模块；

步骤3，并行信号到达虚拟基带池后，任务管理模块根据接收到的任务信息统计每个任务的QoS属性，并据此对每个任务进行分类，然后将任务分类信息提交给VM管理模块和任务调度模块；

步骤4，VM管理模块根据任务量和任务分类信息对虚拟基带池的虚拟资源进行配置，并将虚拟资源配置信息传送到任务调度模块；

步骤5，任务调度模块根据任务分类信息和虚拟资源配置信息，对任务进行调度，保证并行信号的同步处理和虚拟资源的合理利用。

2.根据权利要求1所述的一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，其特征在于，每个小区边缘用户的协作射频拉远单元是该用户根据现网条件选择的射频拉远单元集合。

3.根据权利要求2所述的一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，其特征在于，每个小区边缘用户以吞吐量为标准确定自身的协作射频拉远单元，具体过程如下：

1)小区边缘用户首先选取周围所有能够为其提供服务的射频拉远单元，从而确定一个初始射频拉远单元集合；

2)依次选择初始射频拉远单元集合中的每个射频拉远单元加入协作射频拉远单元集合中，计算并比较该射频拉远单元加入前后的用户吞吐量，如果该射频拉远单元加入后用户吞吐量上升，则确定其作为协作射频拉远单元，否则将该射频拉远单元从协作射频拉远单元集合中剔除。

4.根据权利要求1所述的一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，其特征在于，所述步骤4的具体实施步骤如下：

步骤4.1，VM管理模块根据接收到的任务分类信息，按照任务分类数目将虚拟基带池内的虚拟资源划分为对应数目的虚拟机集群；

步骤4.2，根据对应的任务类型，确定每个虚拟机集群内的虚拟机配置标准，对不同的虚拟机集群进行差异化配置；

步骤4.3，根据每个任务类型的任务数目，确定对应虚拟机集群内配置虚拟机的规模，并对同一虚拟机集群内的虚拟机进行均匀配置；

步骤4.4，将虚拟资源配置信息传送至所述任务调度模块。

5.根据权利要求1所述的一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，其特征在于，所述步骤5具体包括：

步骤5.1，定义试验次数n及其最大门限N、所有用户并行信号处理完成时间的均方根时延目标值r_min及其门限r₀；

步骤5.2，根据每个任务的QoS属性及分类，确定与之对应的虚拟机集群；

步骤5.3，根据步骤5.2确定的对应关系，按照随机原则确定一个调度方案，所述调度方案的内容包括指定每个任务具体分配到哪个虚拟机上；

步骤5.4，计算虚拟基带池内虚拟机的资源利用率并验证该调度方案是否满足用户的资源量以及时延约束，若满足则执行步骤5.5，若不满足，则更新试验次数n＝n+1，并执行步骤5.6；

步骤5.5，计算第n次试验的调度方案中所有用户并行信号处理完成时间的均方根时延平均值r_n，并执行步骤5.7；

步骤5.6，更新各虚拟机剩余资源量和资源利用率，以及各虚拟机上的任务队列和任务完成时间，并返回步骤5.3；

步骤5.7，更新均方根时延目标值r_min＝min{r_min,r_n}并与其门限进行比较，若r_min＞r₀，执行步骤5.8，若r_min≤r₀，执行步骤5.9；

步骤5.8，将已运行的试验次数与试验次数最大门限进行比较，若n＜N，则更新试验次数n＝n+1，并执行步骤5.6，若n≥N，执行步骤5.9；

步骤5.9，记录使均方根时延最小的最优调度方案，并将对应的调度结果发送给任务管理模块和VM管理模块。

6.根据权利要求5所述的一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，其特征在于，步骤5.4中，虚拟基带池内的的虚拟机资源利用率计算方法如下：

(1)计算虚拟机集群i内虚拟机j的资源利用率：

$u^{\mathrm{ij}}=\mathrm{\α}{u}_{\mathrm{cpu}}^{\mathrm{ij}}+\mathrm{\β}{u}_{\mathrm{mem}}^{\mathrm{ij}};$

其中，和分别表示虚拟机j的CPU和内存的利用率，α和β分别表示虚拟机j中CPU和内存资源的重要程度，且有α+β＝1；

(2)记虚拟基带池中划分的虚拟机集群数目为P，每个虚拟机集群内包含虚拟机数目为Q，对于整体虚拟基带池的资源利用率U则取所有虚拟机资源利用率的平均值，按照下式计算：

$U=\frac{1}{\mathrm{PQ}}\underset{i=1}{\overset{P}{\mathrm{\Σ}}}\underset{j=1}{\overset{Q}{\mathrm{\Σ}}}{u}^{\mathrm{ij}}.$

7.根据权利要求5所述的一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，其特征在于，步骤5.4中，用户的时延约束用下式表示：

$\max \left\{T_{\mathrm{kh}}^{\mathrm{finish}}\right\}-\min \left\{T_{\mathrm{kh}}^{\mathrm{arrive}}\right\}\≤{\mathrm{\τ}}_k;$

其中，和分别表示小区边缘用户k第h路并行信号到达虚拟基带池的时间和处理完成时间，τ_k表示小区边缘用户k的时延约束。

8.根据权利要求5所述的一种C-RAN架构下基于CoMP同步约束的关联任务调度机制，其特征在于，步骤5.5中，所述均方根时延均方根时延平均值r_n计算如下：

记小区边缘用户k包含H路并行信号，则小区边缘用户k的均方根时延扩展按下式计算得出：

${\mathrm{rms}}^k=\sqrt{\underset{h=1}{\overset{H}{\mathrm{\Σ}}}{(T_{\mathrm{kh}}^{\mathrm{finish}}-E\left(T_k^{\mathrm{finish}}\right))}^2};$

其中，表示小区边缘用户k第h路并行信号在虚拟基带池内的处理完成时间，和分别表示小区边缘用户k所有并行信号在虚拟基带池内处理完成时间的集合及其期望值；记第n次试验中用户数目为L，第n次试验中所有用户并行信号处理完成时间的均方根时延平均值计算如下：

$r_n=\frac{1}{L}\underset{k=1}{\overset{L}{\mathrm{\Σ}}}{\mathrm{rms}}^k.$