CN109195176B - 一种家庭基站中多业务融合的自适应调度方法及系统 - Google Patents

Abstract

本发明公开了一种家庭基站中多业务融合的自适应调度方法及系统，针对室内通信网络特点，采用全新架构的家庭基站系统，根据未来5G环境下家庭网络中业务QoS(Quality of Service，服务质量)特点对业务进行分类，采用多业务融合的分级资源调度策略为用户提供差异化服务。当资源负荷状态变化时，自适应调整资源的分配策略，平衡数据吞吐率与业务QoS之间的矛盾，能够有效提升系统的资源利用性能，适应了终端的业务多样化和QoS差异化的趋势。仿真结果表明，与传统的RR算法和改进的A_ARS算法相比，本发明方法获得了更高的吞吐量，在过载时大大降低了丢包率，保证了业务的公平性。

Description

一种家庭基站中多业务融合的自适应调度方法及系统

技术领域

本发明涉及电子通信技术领域，特别涉及一种家庭基站中多业务融合的自适应调度方法及系统。

背景技术

据统计80％以上的通信业务数据发生在室内环境，室内通信已成为通信网络中最重要的接入环节，随着物联网技术的发展和通信数据的爆发式增长，现有家庭基站资源分配机制将难以满足未来通信容量的需求，稳定且高效的资源调度算法将是未来5G需要解决的首要问题。当前的室内网络环境中，多种无线信号共存，信号间干扰严重，频谱资源浪费较大，增加了室内无线通信网络的复杂性，是目前通信设备制造商及运营商关注的重点，急需设计一种新型的家庭基站系统，融合多制式信号的接入，优化无线资源的分配，满足多用户多业务数据高速增长下的QoS(Quality of Service，服务质量)需求，提高用户体验。无线通信MAC层经典的调度算法有轮循(Round Robin，RR)调度算法、比例公平(ProportionalFairness，PF)调度算法和最大载干比(Max Carrier to Interference Ratio，Max C/I)调度算法，这些算法实现简单，但没有考虑到时延等QoS特点，已经不适合当前通信业务的多QoS需求。为此，有多篇文献研究了基于QoS参数的资源分配算法，在一定程度上提高了业务的服务质量。文献：A fair QoS-aware dynamic LTE scheduler for machine-to-machinecommunication(Maia A M，Vieira D，Castro M F D，et al.A fair QoS-aware dynamicLTE scheduler for machine-to-machine communication[J].ComputerCommunications，2016，89：75-86.)针对OFDMA系统提出了一种基于QoS的资源机会调度算法，在一定程度上保证了不同用户业务的公平性，但是仅考量了业务数据速率指标，不能满足业务的多QoS要求。文献：LTE系统下行基于调度度量值的资源分配方案(李园园，金杰，苏寒松等.LTE系统下行基于调度度量值的资源分配方案[J].计算机工程与设计，2014，35(12)：4100-4104.)提出了一种基于RB的metric值的调度算法，优先将信道质量好的RB分配给优先级高的业务，可以保证系统的吞吐量，但易造成优先级低的业务丢包率恶化。文献：正交频分多址系统中一种面向多业务应用的自适应资源分配算法研究了一种基于QoS的多业务资源调度A_ARS算法(朱晓荣，罗小琴，朱洪波.正交频分多址系统中一种面向多业务应用的自适应资源分配算法[J].电子与信息学报，2015，37(06):1298-1303.)，根据业务的实时性采用不同的调度策略，但是没有考虑到业务块的特点及资源的有限性，易造成资源的浪费，同时在负荷过载时业务的QoS难以保证。文献：一种可变周期反馈的动态负载均衡算法(李鸿健，豆育升，唐红等.一种可变周期反馈的动态负载均衡算法[J].电子测量与仪器学报，2011，25(11)：952-958.)，针对负载的变化提出了一种可变调度周期的负载均衡算法，但没有优化资源分配机制，资源利用效率提升有限。文献：A Primer on 3GPPNarrowband Internet of Things(Wang Y P E，Lin X，Adhikary A，et al.A Primer on3GPP Narrowband Internet of Things[J].IEEE Communications Magazine，2017，55(3)：117-123.)，针对5G小数据提出了一种云化资源共享的模型，提升了时频资源利用效率，但是没有考虑到大数据业务的QoS需求。文献：密集家庭基站网络中基于分簇的资源分配方案(金勇，龚胜丽.密集家庭基站网络中基于分簇的资源分配方案[J].计算机应用，2018，38(01)：217-221.)，针对家庭基站的干扰问题提出了一种基于分族的资源分配方案，在频谱效率和消除干扰之间取得较好的折中，但是不能从根本上满足业务的QoS需求。

发明内容

本发明的目的是克服上述现有技术中存在的问题，提供一种家庭基站中多业务融合的自适应调度方法及系统，针对室内通信网络特点，采用全新架构的家庭基站系统，满足了未来网络中多业务融合发展的需求，根据未来5G环境下家庭网络中业务QoS(Quality ofService，服务质量)特点对业务进行了分类，采用了多业务融合的资源调度策略为用户提供差异化服务，当资源负荷状态变化时，自适应调整资源的分配策略，平衡了数据吞吐率与业务QoS之间的矛盾，有效提升了系统的资源利用性能，适应了终端的业务多样化和QoS差异化的趋势。

本发明的技术方案是：一种家庭基站中多业务融合的自适应调度方法，包括如下步骤：

第一步：在一个新的调度周期，区分缓冲区的任务是固实时任务还是非实时任务，如果存在固实时任务，进行第二步，如果没有固实时任务，全是非实时任务，进行第五步；

第二步：对于固实时任务，区分是否是SPS(Semi-Persistent Scheduling，半静态调度)任务，如果是SPS任务，直接分配与上个SPS周期相同位置的时频资源，分配完成后进行第三步，如果不是SPS任务，直接进行第三步；

第三步：计算系统负载，根据系统过载门限范围判断系统是否过载，如果是轻载，根据公式(1)的当i∈FRT时的计算公式计算固实时任务的优先级，公式(1)中的参数分别根据公式(2)、(3)、(4)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，如果系统轻载，继续进行分配，直至固实时任务分配完成，然后进行第五步；如果系统过载，进行第四步；

公式(1)中：P_Lij为在系统轻载时用户i的业务j的优先级计算值，cq_i为系统轻载时用户i下行信道质量指示因子；f_ij(t)为用户i业务j的时间因子；α_nij为用户i的业务j的自动重传系数；g_ij(t)为系统轻载时用户i的业务j的速率因子；FRT为固实时业务集；SRT为非实时业务集；

公式(2)中：CQI_i表示业务i的信道质量信息值；

公式(3)中：D_ij为用户i的业务j的绝对截止期；ΔD_ijt为t时刻该业务已等待时间；N为基站中当前时刻共计用户数；J为用户i中当前时刻共计任务数；

公式(4)中：α_nij为用户i的业务j的自动重传系数，n_ij为用户i的业务j重传次数；N为预设的重传次数阈值；

第四步：根据公式(6)中的i∈FRT时的计算公式计算剩余未分配时频资源的固实时任务的优先级，公式(6)中的参数分别根据公式(2)、(3)进行计算，然后根据优先级进行排队，分配剩余的时频资源，分配完一个任务计算系统负载，判断是否满足公式(7)，如果满足继续进行分配，直至固实时任务分配完成，进行第五步；如果不满足，停止分配任务，资源分配结束，等待下一个分配周期，重新进行第一步；

公式(5)中：r_ijt表示该用户i的业务j预估的t时刻调度周期的传输速率，R_i(t-1)表示该用户i前一个调度周期(t-1)内的速率；

公式(6)中：P_Hij为在系统轻载时用户i的业务j的优先级计算值；cq’_i为过载状态下用户i下行信道质量指示因子，由公式(8)计算得到；g’_ij(t)为系统过载时用户i的业务j的速率因子，由公式(9)计算得到；

公式(7)中：Load_thresh为系统整体负荷系数范围最小值；Load_upper为系统整体负荷系数范围最大值；R_ij用户i的业务j分配的速率带宽；B为系统总的带宽资源；

第五步：计算系统负载，根据系统过载门限范围判断系统是否过载，如果是轻载，根据公式(1)的当i∈SRT时的计算公式计算非实时任务的优先级，公式(1)中的参数分别根据公式(2)、(3)、(4)、(5)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，如果系统轻载，继续进行分配，直至非实时任务分配完成，资源分配结束，等待下一个分配周期，重新进行第一步；如果系统过载，进行第六步；

第六步：根据公式(6)中的i∈SRT时的计算公式计算剩余未分配资源的非实时任务的优先级，公式(6)中的参数分别根据公式(8)、(9)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，判断是否满足公式(7)，如果满足继续进行分配，直至固实时任务分配完成，如果不满足，停止分配任务，资源分配结束，等待下一个分配周期，重新进行第一步；

公式(9)中

表示上个调度周期(t-1)所有用户的平均速率，

表示当前调度周期t时所有业务平均申请速率。

一种家庭基站中多业务融合的自适应调度系统，包括多业务融合中心设备、多业务综合接入设备和终端，该系统通过两级标签实现多制式下多用户的接入；

所述终端在MAC层通过两级标签T1T2区分业务类型和运营商，保障不同业务的QoS需求；

所述多业务综合接入设备布置在室内，对用户业务标签T1进行管理，根据业务标签T1分配不同的传输资源及传输优先级，通过资源调度算法为不同制式下的用户统一调配时频资源，达到无线资源利用的最优化；

所述多业务融合中心设备负责汇聚多个多业务综合接入设备的数据，管理数据标签T2，根据标签T2转发到对应的运营商城域网中，实现接入网和城域网的无缝连接。

本发明的有益效果：本发明针对5G家庭基站环境中用户业务的数量剧增和QoS需求多样化的特点，提供了一种家庭基站中多业务融合的自适应调度方法，通过一种新型架构的家庭基站系统，满足了多业务融合通信的发展需求，根据不同分集内业务的QoS特点，提供了多业务融合的资源分配策略，为用户提供差异化的服务，同时在系统负荷状态改变时，通过自适应调整业务优先级计算，提高了系统的性能。仿真结果表明，与传统的RR算法和改进的A_ARS算法相比，该方法获得了更高的吞吐量，在过载时大大降低了丢包率，保证了业务的公平性。本发明针对室内通信网络特点，采用全新架构的家庭基站系统，满足了未来网络中多业务融合发展的需求，根据未来5G环境下家庭网络中业务QoS特点对业务进行了分类，采用了多业务融合的资源调度策略为用户提供差异化服务。当资源负荷状态变化时，自适应调整资源的分配策略，平衡了数据吞吐率与业务QoS之间的矛盾，可以有效提升系统的资源利用性能，适应了终端的业务多样化和QoS差异化的趋势。

附图说明

图1是本发明的家庭基站中多业务融合的自适应调度系统图；

图2是本发明方法的系统吞吐量；

图3是本发明方法的用户公平性；

图4是本发明方法的丢包率。

具体实施方式

下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。

本发明提供了一种家庭基站中多业务融合的自适应调度方法及系统，针对室内通信网络特点，提出了一种基于多业务融合的动态调度机制，采用全新架构的家庭基站系统，满足了未来网络中多业务融合发展的需求。在此基础上提出了一种面向多业务融合的自适应分集调度算法(Adaptive Diversity Scheduling Algorithm for Multi-serviceFusion，AD-MF算法)，根据未来5G环境下家庭网络中业务QoS特点对业务进行了分类，采用了多业务融合的资源调度策略为用户提供差异化服务。当资源负荷状态变化时，自适应调整资源的分配策略，平衡了数据吞吐率与业务QoS之间的矛盾，可以有效提升系统的资源利用性能，适应了终端的业务多样化和QoS差异化的趋势。

1家庭基站系统

目前室内无线接入网主要有传统的宽带wifi网络、宏站移动网络和室分移动网络，接入用户有传统的电信终端、智能移动终端和各种物联网终端，随着服务需求的多样化及物联网技术的高速发展，无线接入用户的种类和数量增长迅速，相应的业务也呈爆发式增长，M2M(Machine-to-Machine)服务、高清视频、实时游戏、数字电话等业务日趋普及，而现有家庭无线网络重叠干扰严重、频带占用混乱、带宽瓶颈突出、可扩展性差，无法满足多用户、多业务的高QoS需求。为此，提出了一种基于多业务融合的综合接入家庭基站系统，如图1所示，系统主要包括多业务综合接入设备、多业务融合中心设备，通过两级标签实现多制式下多用户的接入。终端在MAC层通过两级标签T1T2区分业务类型和运营商，保障不同业务的QoS需求，多业务综合接入设备布置在室内，对用户业务标签T1进行管理，根据业务标签T1分配不同的传输资源及传输优先级，通过资源调度算法为不同制式下的用户统一调配时频资源，达到无线资源利用的最优化。多业务融合中心设备负责汇聚多个综合接入设备的数据，管理数据标签T2，根据标签T2转发到对应的运营商城域网中，实现接入网和城域网的无缝连接。多业务融合家庭基站系统深度融合了无线接入方式，支持多样化的应用场景，提高了频谱利用率，大大降低了网络建设的复杂度，向下融合了业务实体，向上兼容了网络运营商，使得下一代家庭基站接入网络能更好地满足业务多样性的QoS需求。

2多业务融合的资源调度算法

2.1家庭基站多业务模型

家庭基站网络中包含了传统的电信业务和移动业务，同时接入了日益增长的物联网业务，业务呈现类型多样化、个性化、宽带化等特点，业务相应的时延、丢包率、吞吐率等QoS要求也相差较大，基于基本的业务类型，结合未来家庭基站网络中的特点，将用户业务分为四类：固实时业务、流媒体业务、软实时业务和后台业务，如表1所示。固实时业务主要是速率恒定的实时通信业务，例如VOLTE、IP电话等，该类业务需要足够稳定的保证带宽，对丢包和时延的变化很敏感，双向数据流传输。流媒体业务主要是具有突发性和相关性的大数据块业务，例如点播业务、IPTV等，该类业务需要较大的保证带宽，可以允许一定的时延抖动和丢包率，单向数据流传输。软实时业务主要是物联网类控制业务，例如M2M业务、开关控制业务、报警业务等，该类业务需要带宽较少，实时交互性较高，用户体验要求高，需要一定的时延要求。后台业务是实时性要求不高的数据业务，例如FTP下载、internet数据业务等，该类业务对时延、抖动及丢包相对不敏感，有一定的容忍度。接入系统需要根据业务的QoS特点设计资源调度算法，充分利用系统资源，在满足系统中业务的服务质量要求的基础上，提升系统的吞吐量。

表1 业务特点及类型

Table 1 Service characteristics and types

根据业务的不同类型和特点，以及算法实现复杂性问题，将业务分为两个集合：固实时业务集和非实时业务集，其中非实时业务集包括流媒体业务、软实时任务和后台业务。

定义数据业务集：

S＝(T_f11,T_f12…T_fNJ；T_s11,T_s12…T_skJ) (10)

式中：T_fij(0≤i≤N，0≤j≤J)为固实时业务，T_sij(0≤i≤K，0≤j≤J)为非实时业务。

对于数据业务T，属性参数用四元组表示为：

T＝＜CQI,A,r,D> (11)

式中：CQI表示业务的信道质量信息，用户周期性上报信道质量信息(ChannelQuality Indicator，CQI)；A表示业务的到达时间，对于非实时任务是不可预测的；r表示该用户业务预估的传输速率；D表示业务的绝对截止期，即数据业务在这个时间点应该被分配资源完成传输，否则数据失效。

2.2多业务融合的自适应分集调度算法

针对传统调度算法在开放家庭基站环境下存在的不足，根据家庭基站环境中业务的特点，提出了本发明方法，本发明方法的总体思路是基于不同分集内业务的特点，设计了基于多业务融合的优先级计算公式和资源分配策略，为用户提供差异化的QoS服务。在负荷发生变化时，动态调整业务优先级，在轻载时提升系统的整体吞吐量，在过载时满足重要业务的QoS要求，同时尽力保证公平性。

具体地，在系统轻载时，本发明方法的动态调度算法主要包括：

(1)不同分集的业务采用不同的资源分配策略。融合集合内的业务数据QoS特点来设计优先级计算公式，并进行独立排队，固实时任务队列优先进行调度，保证实时任务的服务质量，当固实时业务调度完成后，再进行非实时业务的调度。固实时业务按照固定速率进行数据传输，因此在调度时采用SPS(Semi Persistent Schedule，半静态调度)策略，减少控制信息的资源消耗，增加了系统容量；非实时任务基于每个调度周期采用动态的资源调度策略，根据优先级顺序重新分配资源。

(2)基于分集内业务的特点设计多业务融合的优先级计算公式。固实时业务对时延和抖动有严格的要求，因此在优先级的设计中主要考虑时间因素，另外在信号质量较差的情况下，信道误码率会升高，因此优先级的设计倾向于信道质量较差和重传的数据，保证较差环境下数据的可靠传输。t时刻固实时业务的优先级计算公式如式(1)所示(当i∈FRT时)。

式中：cqi为用户i下行信道质量指示因子；fij(t)为用户i业务j的时间函数；αnij为自动重传系数；gij(t)为用户业务速率函数。

cqi用来表征用户下行信道质量，由于在室内环境中墙的阻隔可能导致信道质量恶化，为了保证信道质量差的业务的服务质量，调度器优先调度CQI值低的用户业务分组，用CQI值归一化的数值来计算cq参数，如公式(2)所示。

业务都有时间生命，需要保证在截止期之前传输。f(t)是用户业务的时间函数，表征业务数据的紧迫性，具体计算公式如式(3)所示，业务分组数据排队等候的时间越长，数据分组距离截止期越近，时间越紧迫，对应的优先级权值f(t)越高，越容易被调度。当业务分组超过等待截止时间，即Dij-ΔDij≤0时，丢弃该用户业务分组，避免资源的浪费。

式中：Dij为用户i的业务j绝对截止期；ΔDijt为t时刻该业务已等待时间。

信息在无线信道的传输过程中，由于干扰等因素，会造成部分分组数据的丢失或者非恢复性破坏，为了保持信息的完整性，这部分分组数据将执行重传机制，此时这类分组数据的时间尤其重要，因此在优先级中设计了自动重传系数α_nij来提升该类分组数据的优先级，α_nij的计算公式如式(4)所示，其中N为预设的重传次数门限，随着自动重传次数n的增加，α_nij逐渐增加，大大地提高了业务数据包优先级，当自动重传次数n大于大于预设值N时，自动丢弃该数据包。

非实时业务优先级的计算公式如式(1)所示(当i∈SRT时)，相对于固实时业务优先级，增加了g(t)参数。g(t)主要用于调节系统的吞吐量与公平性的关系，在系统轻载环境下，g(t)函数表达式如式(5)所示，其中，rt表示该用户业务预估的t时刻的传输速率，R(t-1)表示该用户前一个调度周期内的速率，当该用户第一次接入时，R(t-1)的计算是前一个调度周期所有用户业务的平均速率，当用户申请速率高于上一个调度周期的速率时，提高了该业务的优先级，旨在提升整个系统的吞吐量。

理论研究表明，负荷对系统的资源的调度性能将产生很大的影响。算法在每个调度周期进行负荷跟踪，在系统负荷轻载时，基本都能满足业务的截止期，算法设计的重点是提高系统的吞吐量；当过载发生时，系统不可能保证所有的业务都能够满足截止期，如果优先级的计算仍然倾向于速率高的业务，容易造成低速率业务时延增大、分组丢失甚至服务中断，导致系统性能恶化，此时算法设计的重点是保证重要业务的QoS要求，同时提高公平性，避免业务的饿死，保持系统稳定，提升用户体验。当系统资源过载时，优先级计算公式如式(6)所示，简化了优先级的计算，同时系统的负荷满足式(7)，保证系统整体负荷系数在[Load_thresh，Load_upper]区间，避免了因负荷过高导致的性能恶化。对于固实时业务，为了资源利用最优化，减少因信道质量差而导致的误码和重传占用过多的资源，精简了自动重传系数αn，对于重传数据业务不进行优先调度，无线信道资源的分配偏向于信道质量好的用户和等待时间长的业务，分别通过cq和f(t)来实现。对于非固实时业务，此时调度的策略将偏向公平性，尽力满足大部分业务，无线信道资源的分配偏向于信道质量好的用户和速率小的用户，cq’的计算公式如式(8)所示，与信道质量成正比关系。g’(t)函数表达式如式(9)所示，其中，Ri(t-1)表示用户i在上个调度周期的速率，

表示上个调度周期所有用户的平均速率，

表示所有业务平均申请速率，速率权值偏向于申请资源少的业务和上个调度周期速率低的业务。

2.3本发明的家庭基站中多业务融合的自适应调度方法流程：

本发明方法的总体思路是基于不同分集内业务的特点，设计了基于多业务融合的优先级计算公式和资源分配策略，为用户提供差异化的QoS服务。对于不同的业务采用两级队列调度机制，将固实时任务和非实时任务独立排队，在每个调度周期，优先为固实时业务队列分配资源，保证固实时业务的服务质量。当固实时业务调度完成后，再进行非实时业务的调度，非实时任务基于每个调度周期采用动态的资源调度策略，根据系统负荷的变化，动态调整业务优先级，根据优先级顺序分配资源，在轻载时提升系统的整体吞吐量，在过载时满足重要业务的QoS要求，同时尽力保证公平性。具体调度过程如下：

第一步：在一个新的调度周期，区分缓冲区的任务是固实时任务还是非实时任务，如果存在固实时任务，进行第二步，如果没有固实时任务，全是非实时任务，进行第五步；

第二步：对于固实时任务，区分是否是SPS任务，如果是SPS任务，直接分配与上个SPS周期相同位置的时频资源，分配完成后进行第三步，如果不是SPS任务，直接进行第三步；

第三步：计算系统负载，根据系统过载门限范围判断系统是否过载，如果是轻载，根据公式(1)的当i∈FRT时的计算公式计算固实时任务的优先级，公式(1)中的参数分别根据公式(2)、(3)、(4)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，如果系统轻载，继续进行分配，直至固实时任务分配完成，然后进行第五步；如果系统过载，进行第四步；

第四步：根据公式(6)中的i∈FRT时的计算公式计算剩余未分配时频资源的固实时任务的优先级，公式(6)中的参数分别根据公式(2)、(3)进行计算，然后根据优先级进行排队，分配剩余的时频资源，分配完一个任务计算系统负载，判断是否满足公式(7)，如果满足继续进行分配，直至固实时任务分配完成，进行第五步；如果不满足，停止分配任务，资源分配结束，等待下一个分配周期，重新进行第一步；

第五步：计算系统负载，根据系统过载门限范围判断系统是否过载，如果是轻载，根据公式(1)的当i∈SRT时的计算公式计算非实时任务的优先级，公式(1)中的参数分别根据公式(2)、(3)、(4)、(5)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，如果系统轻载，继续进行分配，直至非实时任务分配完成，资源分配结束，等待下一个分配周期，重新进行第一步；如果系统过载，进行第六步；

第六步：根据公式(6)中的i∈SRT时的计算公式计算剩余未分配资源的非实时任务的优先级，公式(6)中的参数分别根据公式(8)、(9)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，判断是否满足公式(7)，如果满足继续进行分配，直至固实时任务分配完成，如果不满足，停止分配任务，资源分配结束，等待下一个分配周期，重新进行第一步；

3仿真与分析

3.1测试条件

为了评估本发明算法的性能，基于Visual Studio 2013和IT++4.3.1搭建系统级仿真平台，模拟5G的家庭基站环境，采用华为提出的5G空口技术F-OFDM(Filtered OFDM)和SCMA(Sparse Code Multiple Access，稀疏码多址接入)技术实现时频资源的配置与复用，检测算法选用MPA，通过星座操作设计了多维码本，为多元化的业务需求提供灵活的支撑，其它仿真参数如表2所示。

表2 仿真参数

Table 2 Parameters of Simulation

3.2仿真结果分析

以RR算法、A_ARS算法为比较基线，选取系统吞吐量、公平性指数、丢包率作为评价指标，验证本发明算法的性能。针对家庭多业务场景，设置单用户多业务任务，用户位置随机分布，选择四种典型业务：VOLTE业务、IPTV业务、M2M控制业务、FTP下载业务，对应的速率分别为34kb/s、242kb/s、47kb/s、512kb/s，时延截止期分别为100ms、300ms、150ms、500ms，重传次数门限N为5，每个用户在线5个业务，比例为1:1:2:1，用户数目在5～65之间，实验时以5个用户为单位递增，按照现网KPI指标，系统过载门限范围为[0.85,0.95]。

图2为三种算法的吞吐量随着用户数增加的对比结果，在负荷较轻时，三种算法的吞吐量随着用户数的增加而增加，由于在轻载时本发明算法倾向于调用网络状态好和速率高的业务，性能较A_ARS算法略好。在过载时，本发明算法性能明显优于其他两种算法，本发明算法在过载时调度的策略将偏向公平性，且根据负荷门限设置了排队业务的数量，避免了过多业务排队导致的资源分配死锁，吞吐量基本保持稳定。

算法的公平性仿真结果如图3所示，在系统负荷轻载时，三种算法的公平性指数相差不大，三种算法在设计时都考虑到了业务的公平性，随着负荷的增加，三种算法的公平性指数呈下降的趋势，其中RR算法的公平性较好。当系统过载时，RR算法和A_ARS算法性能下降较快，而由于本发明算法在过载时优化了优先级设置，偏重于每个用户的小速率业务，因此用户公平性性能最好。

图4给出了三种算法的系统丢包率统计结果，在用户数不大于25时，此时负荷小于65％，三种算法的性能很好，丢包率都小于5％，随着用户数的增加，算法的丢包率增加明显，其中RR算法丢包率最高，A_ARS算法和本发明算法在设计时基于业务的QoS特性进行调度，在负荷较轻时性能相对较好，但当系统过载后，A_ARS算法性能恶化，丢包率大幅提升，MF-AD算法由于设置了过载负荷门限，系统能保持稳定性运行，丢包率保持了一定的稳定性。

4结论

家庭基站是未来5G网络的一个重要组成部分，其系统结构和资源调度算法都是需要解决的关键技术。针对5G家庭网络的应用环境，设计了一种基于多业务综合接入的家庭基站系统结构，可以满足多业务、多运营商的融合通信。根据家庭环境下业务的特点，提出了一种基于系统负荷的自适应分集资源调度策略，融合了多业务的QoS特点，为用户提供差异化的服务。基于5G的空口技术对该算法进行了仿真分析，实验结果表明该算法具有良好的性能，在过载情况下仍然能保持较高的稳定性，对5G网络中的资源分配算法的研究有着重要的意义。

以上实施例仅用以说明本发明的技术方案而非限制，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (1)

1.一种家庭基站中多业务融合的自适应调度方法，其特征在于，包括如下步骤：

第一步：在一个新的调度周期，区分缓冲区的任务是固实时任务还是非实时任务，如果存在固实时任务，进行第二步，如果没有固实时任务，全是非实时任务，进行第五步；

第二步：对于固实时任务，区分是否是半静态调度SPS任务，如果是SPS任务，直接分配与上个SPS周期相同位置的时频资源，分配完成后进行第三步，如果不是SPS任务，直接进行第三步；

第三步：计算系统负载，根据系统过载门限范围判断系统是否过载，如果是轻载，根据公式(1)的当i∈FRT时的计算公式计算固实时任务的优先级，公式(1)中的参数分别根据公式(2)、(3)、(4)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，如果系统轻载，继续进行分配，直至固实时任务分配完成，然后进行第五步；如果系统过载，进行第四步；

公式(1)中：P_Lij为在系统轻载时用户i的业务j的优先级计算值，cq_i为系统轻载时用户i下行信道质量指示因子；f_ij(t)为用户i业务j的时间因子；α_nij为用户i的业务j的自动重传系数；g_ij(t)为系统轻载时用户i的业务j的速率因子；FRT为固实时业务集；SRT为非实时业务集；

公式(2)中：CQI_i表示业务i的信道质量信息值；

公式(3)中：D_ij为用户i的业务j的绝对截止期；ΔD_ijt为t时刻该业务已等待时间；N为基站中当前时刻共计用户数；J为用户i中当前时刻共计任务数；

公式(4)中：α_nij为用户i的业务j的自动重传系数，n_ij为用户i的业务j重传次数；N为预设的重传次数阈值；

第四步：根据公式(6)中的i∈FRT时的计算公式计算剩余未分配时频资源的固实时任务的优先级，公式(6)中的参数分别根据公式(2)、(3)进行计算，然后根据优先级进行排队，分配剩余的时频资源，分配完一个任务计算系统负载，判断是否满足公式(7)，如果满足继续进行分配，直至固实时任务分配完成，进行第五步；如果不满足，停止分配任务，资源分配结束，等待下一个分配周期，重新进行第一步；

公式(5)中：r_ijt表示该用户i的业务j预估的t时刻调度周期的传输速率，R_i(t-1)表示该用户i前一个调度周期(t-1)内的速率；

公式(6)中：P_Hij为在系统轻载时用户i的业务j的优先级计算值；cq’_i为过载状态下用户i下行信道质量指示因子，由公式(8)计算得到；g’_ij(t)为系统过载时用户i的业务j的速率因子，由公式(9)计算得到；

公式(7)中：Load_thresh为系统整体负荷系数范围最小值；Load_upper为系统整体负荷系数范围最大值；R_ij用户i的业务j分配的速率带宽；B为系统总的带宽资源；

第五步：计算系统负载，根据系统过载门限范围判断系统是否过载，如果是轻载，根据公式(1)的当i∈SRT时的计算公式计算非实时任务的优先级，公式(1)中的参数分别根据公式(2)、(3)、(4)、(5)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，如果系统轻载，继续进行分配，直至非实时任务分配完成，资源分配结束，等待下一个分配周期，重新进行第一步；如果系统过载，进行第六步；

第六步：根据公式(6)中的i∈SRT时的计算公式计算剩余未分配资源的非实时任务的优先级，公式(6)中的参数分别根据公式(8)、(9)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，判断是否满足公式(7)，如果满足继续进行分配，直至固实时任务分配完成，如果不满足，停止分配任务，资源分配结束，等待下一个分配周期，重新进行第一步；

公式(9)中

表示上个调度周期(t-1)所有用户的平均速率，

表示当前调度周期t时所有业务平均申请速率。

Images