CN105611571A - 一种面向超密集网络非理想Backhaul部署的负载均衡方法 - Google Patents

Abstract

本发明实施例提供一种面向超密集网络非理想backhaul部署的负载均衡装置及方法。本发明所提供的负载均衡装置设置于小小区的BS(Base？Station)中，宏基站的覆盖范围内包括多个小小区BS。该装置通过计算得到小小区用户总的吞吐量，并将该吞吐量与小小区的非理想backhaul容量对比。若吞吐量超过了backhaul的容量，则小小区不再调整功率对宏基站中的用户分流；若吞吐量小于backhaul的容量，并且小小区的功率小于最大发射功率，则小小区按照确定的功率因子调整歩长进行调整，分流宏基站中的用户。该负载均衡处理的结果使得小小区根据自身backhaul的能力进行用户分流。本发明实施例解决了现有非理想backhaul部署场景中，小小区根据自身backhaul容量能力和功率限制进行动态用户分流的问题。

Description

一种面向超密集网络非理想Backhaul部署的负载均衡方法

技术领域

本发明涉及无线通信技术领域，特别涉及第五代移动通信系统(the5thgeneration，简称为5G)中超密集网络场景下考虑非理想回程部署的负载均衡。

背景技术

移动互联网和智能终端的快速发展带来了移动数据业务的爆发式增长，数据流量呈现指数式增长。这些变化引发了业界对第五代(5G)移动通信的讨论。未来的网络将面对巨大的挑战，这些挑战包括更大的容量，更优的性能，更低的能耗，更高的频谱效率，更低的开销等。而超密集网络(ultra-densenetwork，简称为UDN)是第五代(5G)移动通信的关键技术之一。小型化基站(smallcell)的密集部署可以提高覆盖，同时增加数据业务的传输速率，从而适应未来5G移动通信1000倍的数据业务量需求。

在超密集网络中，由于站点和用户的分布都是不均匀的，每个站点服务的用户数可能存在较大差异。另一方面，距离smallcell较近的用户由于站点功率的差异可能仍然接入宏基站，这不仅导致smallcell对用户产生较大干扰，而且宏基站中用户较多会导致宏基站负载过重。以上因素将导致整个网络的负载不均衡，小基站的无线资源不能充分的得到利用。而过多的用户接入宏基站，将导致用户平均分配的资源减少，用户的业务需求无法得到保证，特别是高速流媒体业务将受到严重的影响。因此，通过有效的功率控制进行业务分流，扩大小基站的服务范围是十分必要的。整个网络的负载均衡也将改善网络的性能，提高用户的服务体验。但小基站的密集化，小基站部署位置的随机化，受限于部署场景，非理想回程将被广泛应用。随着干扰控制等空口技术的日趋成熟，空口的传输速率有很大提升，非理想backhaul(回程)已逐渐成为超密集网络的瓶颈，它将直接限制小基站的吞吐量。换言之，如果过多的用户被分流至小基站中，若小基站的backhaul链路无法承载，则会带来较大的时延，小基站无法满足用户的QoS(QualityofService)；而如果分流的用户过少，小基站的空口资源和回程资源都无法得到有效的利用。

因此，在考虑小基站backhaul能力的基础上，将宏蜂窝中的用户分流至小基站，提高小基站空口和backhaul链路的资源利用率，同时实现整个网络的负载均衡是超密集网络中需要解决的关键问题。

发明内容

本发明的负载均衡算法主要考虑两个因素。第一，小基站在通过功率调整，扩大覆盖范围的时候，需要考虑发射功率的限制。即小基站的最大发射功率是受限的。第二，小基站在进行用户分流时，需要考虑自身backhaul的能力，需要保证小基站的吞吐量不超过backhaul容量，否则将会带来较大的时延，而且无法保证用户的QoS需求。

进一步，本发明在符合超密集网络部署的场景中参考3GPPTR36.932(3rdGenerationPartnershipProjecttechnicalrequest36.942)中对wirelessbackhaul(无线回程)容量的界定，确定小基站非理想backhaul的容量。为了区别不同小基站的backhaul能力，小基站的backhaul容量在界定的范围内随机取值，从而模拟实际的部署情况。在此基础之上，各个小基站进行独立的功率控制，根据backhaul容量情况，调整功率因子的取值，实现有效合理的用户分流。

本发明的负载均衡算法包括以下步骤：

步骤200，计算小基站的吞吐量。

网络由M个UE与S个smallcell组成，所有smallcell与宏基站频率复用。在信道模型中，我们考虑路径损耗和瑞利衰落。所有的smallcell与宏基站构成集合Q。用户与平均SINR(SignaltoInterferenceplusNoiseRatio，信干噪比)最大的基站建立连接。

因此，用户j的接收速率R_i,j计算如式(1)所示：

$R_{i,j}=W_{ij}{\log }_2(1+\frac{P_i{B}_i{g}_{ij}{\left|h_{ij}\right|}^2}{\underset{k=0,k\≠i}{\overset{Q}{\Σ}}{P}_k{B}_k{g}_{kj}{\left|h_{kj}\right|}^2+N})---\left(1\right)$

其中，上述式(1)中，h_ij代表用户j与小基站i之间的信道衰落，g_ij代表用户j与小基站i之间的路径损耗。P_i代表小基站i的发射功率，N代表噪声功率，B_i代表小基站i的功率控制因子。W_ij代表分配给用户的带宽。Q为smallcell与宏基站构成的基站集合。h_kj代表用户j与基站k(除小基站i外的其余基站)之间的信道衰落，g_kj代表用户j与基站k之间的路径损耗，P_k代表基站k的发射功率，B_k代表基站k的功率控制因子。

从而，小基站i的吞吐量R_i计算如式(2)所示：

其中，上述式(2)中为小基站i服务的用户集合

步骤210，比较backhaul容量和功率是否超过限制。

由于小基站的最大发射功率是受限的，因此根据最大发射功率可以得到小基站能够采用的最大功率控制因子为B_max，即控制门限。将步骤200计算的小基站的吞吐量与小基站backhaul容量进行比较，并将小基站的功率控制因子B_i与最大功率控制因子进行比较，若满足以下两个条件，则可以增大功率控制因子，分流用户；任何一个条件不满足，则小基站不再对功率控制因子进行调整。

条件1：R_i<C_i

条件2：B_i<B_max

其中，条件1中C_i小基站i的backhaul容量。

步骤220，功率控制因子调整

根据步骤210的比较结果，进行功率控制因子的调整。功率控制因子按照一定的歩长进行调整。调整的歩长B₀可以由各个小基站自行确定。则功率控制因子按照以下公式进行调整：

B_i＝B_i+(1-R_i/C_i)*B₀(3)

若小基站i没有分流到用户，则小基站i按照公式(3)继续进行功率因子的调整，并进行条件2的判断。一旦小基站分流到用户或功率控制因子达到限制，则不再进行功率因子的调整。每次成功分流后，小基站对用户进行调度，之后返回步骤200，从步骤200开始进行再一次的功率因子的调整。

本发明中负载均衡算法核心思想在于考虑小基站非理想backhaul的能力，即backhaul容量，并考虑小基站功率的限制，之后进行功率因子的调整。功率因子的调整的歩长可以由各个小基站自行确定。一般来说，歩长越大，分流的用户越多。因此，backhaul容量较大的小基站，可以采用较大的功率因子歩长进行调整。

有益效果

本发明的负载均衡算法，可以进行分布式的功率因子调整，各个小基站根据自身的backhaul容量进行独立的用户分流，做到将backhaul能力与分流能力匹配。对同一小基站不同分流区域的用户而言，其功率控制因子是不相同的，从而保证了较小的功率开销。

附图说明

图1是本发明的超密集组网系统模型示意图；

图2是本发明的算法实施流程图；

图3是本发明的小基站平均用户频谱效率的仿真示意图；

图4是本发明的小基站平均吞吐量的仿真示意图；

具体实施方式

本发明实施案例结合附图做详细说明。

实例1是本发明的超密集网络下的负载均衡的算法，附图1是实际应用的系统架构和场景。在超密集网络中，小基站密集部署。小基站的backhaul链路是非理想的，常采用wirelessbackhaul。在不采用功率因子的情况下，小基站由于发射功率小，相应地覆盖范围也会很小，例如图1中的第一个小椭圆区域。通过调整功率控制因子，小基站的覆盖范围会逐步增大，不同的功率控制因子对应不同的覆盖区域，例如图1中逐渐增大的椭圆区域。虽然采用网格表示的椭圆区域的功率控制因子可以覆盖单线条表示的区域，但由于该功率因子取值较大，会造成功率开销增大，同时也会导致较大的干扰。因此，在保证能够覆盖的前提下，单线条表示的椭圆区域采用较小的功率控制因子。

由于wirelessbackhaul是非理想的，其容量是受限的。若分流过多的用户，backhaul链路无法承载，则会带来拥塞，导致时延增大，降低用户的QoS。因此，小基站在分流用户时，必须匹配自身的backhaul能力。

本方案的算法实现由小基站执行，简要流程如附图2所示。在长期演进(LongTermEvolution，LTE)系统中，系统在每个TTI(Transmissiontimeinterval)进行调度。这里同样按照每个TTI独立调度用户。

在每个TTI调度用户之前，用户需要将上一个TTI中的相关信息上报小基站。这些信息包括数据速率，信道质量等。小基站可以根据这些信息进行用户调度。

超密集网络负载均衡算法步骤：

步骤300，小基站确定自身backhaul容量，最大功率控制因子B_max，功率控制因子调整歩长B₀。

步骤310，用户将前一个TTI中的信道质量，传输速率等信息上报小基站。

步骤320，小基站根据用户上报信息，对用户传输速率求和，计算吞吐量，并将该吞吐量与backhaul容量进行比较。

步骤330，若吞吐量小于backhaul容量，再将功率控制因子与最大功率控制因子B_max进行比较，若小于，则按照歩长进行调整，若大于，则不进行调整。若吞吐量大于backhaul容量，则不再进行调整。

步骤340，若功率控制因子调整之后仍没有分流用户，并且此时功率控制因子小于最大功率控制因子B_max，则按照调整歩长继续进行调整。直至分流用户或功率控制因子达到最大。

步骤350，分流完成后进行用户的调度。完成本次TTI的传输。进行下次TTI的传输时，返回步骤310。

仿真结果如附图3和附图4所示。附图3是小基站平均用户频谱效率的仿真示意图。根据3GPP标准，wirelessbackhaul容量一般为10Mbps-100Mbps，因此仿真中小小区的backhaul容量在该范围内随机分布。仿真图中bias代表功率因子调整的歩长。从仿真结果可看出，随着非理想backhaul容量的增长，通过功率因子分流用户，平均每个小小区接入的用户增多，因此每个用户分到的资源越少，小小区中用户的平均频谱效率有降低。当非理想backhaul的容量较大时，小小区中接入的用户数会受到功率的限制，因此频谱效率不会有太大的改变。附图4说明了小基站平均吞吐量与非理想backhaul容量的关系。从图中可以看出，当不进行用户分流时，随着backhaul容量的提升，小小区的吞吐量基本呈线性增长。当backhaul容量受限时，通过功率因子提升小小区的覆盖范围，更多的用户将被分流到小小区中，因此小小区的平均吞吐量会提升。但是随着backhaul容量的提升，小小区分流用户的能力会受到功率的限制，因此吞吐量在backhaul容量较大时，不会有太大变化。

Claims (7)

1.一种负载均衡的方法，其特征在于，包括：小站接收用户设备UE发送的反馈确认消息；所述小站确定服务的所有UE的吞吐量；若吞吐量小于小站自身回传链路的容量，并且小站的发射功率还未达到最大的发射功率，所述小站将按照确定歩长增大功率因子，从而增大发射功率。若吞吐量大于小站自身回传链路的容量或小站的发射功率已达到最大发射功率，则所述不改变发射功率。

宏基站中的用户根据接收的信号强度确定接入小站接受服务。

2.根据权利要求1所述的方法，其特征在于，所述小站确定当前服务用户的总吞吐量是否小于回传链路的容量之前，还包括：接收用户反馈确认消息，在本次调度前，计算用户总的吞吐量。

3.根据权利要求1或2所述的方法，其特征在于，所述小站根据用户反馈确认消息，计算得到的服务用户总吞吐量，判断服务用户总的吞吐量是否小于回传链路容量，包括：

所述小站根据用户反馈的确认消息，确定成功传输的数据量，从而计算服务用户总的吞吐量；

所述小站根据计算得到的总吞吐量，判断是否小于回传链路容量。

4.根据权利要求1和3所述的方法，其特征在于，所述小站根据吞吐量与回传链路容量对比结果，确定功率因子调整的结果，包括：

所述小站对比吞吐量与回传链路容量之后，若吞吐量小于回传链路容量，根据是否达到最大功率，确定功率因子调整结果。

若吞吐量大于回传链路容量，则不调整功率因子。

5.根据权利要求4所述的方法，其特征在于，所述小站根据所述总吞吐量与回传链路容量对比结果，和功率限制条件，确定功率因子调整结果，包括：

若吞吐量小于回传链路容量，并且小站还未达到最大功率的限制，小站按照确定的歩长增大功率因子，以增大功率。

若吞吐量小于回传链路容量，并且小站已经达到最大功率，小站不再调整功率因子，因而发射功率不变。

若吞吐量大于回传链路容量，则不调整功率因子。

6.一种负载均衡的方法，其特征在于，包括：

根据用户总吞吐量和回传链路容量，所述小站调整发射功率后，宏基站用户进行测量。宏基站用户根据接收的信号强度确定服务的基站。

7.根据权利要求6所述的方法，其特征在于，所述小站在确定功率调整结果后，宏基站用户根据接收信号强度确定服务的基站，还包括：

所述小站在确定功率调整结果后，宏基站用户要进行信号强度测量。当所述小站功率调整结果是增大发射功率，宏基站用户测量的结果是小站接收信号强度大于宏基站，所述宏基站用户将选择所述小站为服务基站，所述宏基站用户被分流至所述小站。