一種基于用戶終端協(xié)助的承載分離機制*

李貴勇,夏苗苗,楊 玲,張杰棠

(重慶郵電大學(xué) 通信與信息工程學(xué)院,重慶 400065)

0 引 言

隨著移動用戶數(shù)量大規(guī)模增加,移動通信網(wǎng)絡(luò)勢必要承擔(dān)海量數(shù)據(jù)傳輸?shù)闹厝?。為了?yīng)對流量的爆炸式增長,第五代移動通信網(wǎng)絡(luò)(5G)引入了LTE-NR雙連接技術(shù)。LTE-NR雙連接技術(shù)是指用戶終端(User Equipment,UE)可以同時連接兩個基站進(jìn)行數(shù)據(jù)傳輸,這兩個基站通過X2接口連接進(jìn)行交互[1]。雙連接中的兩個基站分為主基站(master eNB,MN)和輔基站(secondary gNB ,SN)。目前雙連接架構(gòu)中的主基站多為4G基站,輔基站多為5G基站。

在雙連接的架構(gòu)中,來自核心網(wǎng)的數(shù)據(jù)將在主基站MN中進(jìn)行分離,由分組數(shù)據(jù)匯聚協(xié)議(Packet Data Convergence Protocol,PDCP)層中的承載分離模塊控制數(shù)據(jù)分別流向MN基站和SN基站,經(jīng)過空口傳輸后,來自MN和SN的數(shù)據(jù)將在終端協(xié)議棧的PDCP層進(jìn)行聚合[2]。在雙連接架構(gòu)下的數(shù)據(jù)傳輸中,承載分離算法扮演著至關(guān)重要的角色,它控制著分配給MN和SN數(shù)據(jù)多少的任務(wù)。關(guān)于承載分離算法的研究也是5G中的熱點問題之一。文獻(xiàn)[3]將數(shù)據(jù)固定的分配給MNx%的數(shù)據(jù),分配給SN(1-x)%的數(shù)據(jù),這樣做的好處是算法簡單易實現(xiàn),但是沒有考慮到無線鏈路之間差異性,兩條鏈路的情況是在不斷變化的,該算法難以適應(yīng)不同場景下的數(shù)據(jù)傳輸。在文獻(xiàn)[4]中,作者以網(wǎng)絡(luò)吞吐量最大化為目標(biāo),將承載分離算法轉(zhuǎn)換為混合整數(shù)線性規(guī)劃問題并進(jìn)行求解。但是,作者只考慮了優(yōu)化問題的最優(yōu)解,并沒有給出低復(fù)雜度的解決方案。文獻(xiàn)[5]提出了一種請求轉(zhuǎn)發(fā)算法,該算法旨在最小化基站的緩沖時間。在該算法中,SN將根據(jù)用戶吞吐量、目標(biāo)緩沖時間和傳輸容量定期向MN發(fā)送數(shù)據(jù)請求,但是該算法在回程鏈路延遲較大的情況下的性能表現(xiàn)較差。文獻(xiàn)[6]中,作者通過估算出每條鏈路上數(shù)據(jù)傳輸時間,將數(shù)據(jù)優(yōu)先發(fā)往傳輸時間較短的鏈路。在[7]中,作者基于接收信號強度度量RSSI來計算分流比,以優(yōu)化WIFI鏈路的吞吐量。文獻(xiàn)[8]提出了一種基于效用函數(shù)自適應(yīng)承載分離算法,通過動態(tài)調(diào)整承載分流比來最大化用戶滿意度。文獻(xiàn)[9]提出了一種基于噴泉碼的承載分離機制,采用噴泉碼對宏基站的數(shù)據(jù)包進(jìn)行編碼,再分別通過MN和SN向用戶傳輸編碼后的數(shù)據(jù)包,最后在終端進(jìn)行解碼。在文獻(xiàn)[10]中,作者將雙連接承載分離問題建模為有限水平下的馬爾科夫決策過程,并使用動態(tài)規(guī)劃算法得到最優(yōu)解。但在兩條鏈路阻塞概率差異較大的情況下,該算法下的效果變得不理想。文獻(xiàn)[11]以最大化用戶吞吐量為目標(biāo),將接收端數(shù)據(jù)包失序問題建模為層次模型,并通過遞歸的方式不斷減小無序深度。該算法偏重于處理吞吐量要求較高的業(yè)務(wù),不使用延遲敏感業(yè)務(wù)。文獻(xiàn)[12]提出了一種視頻質(zhì)量感知流量卸載系統(tǒng),通過對視頻業(yè)務(wù)數(shù)據(jù)進(jìn)行編碼的方式來減少承載分離帶來的數(shù)據(jù)包在接收端失序的問題,但是該算法的執(zhí)行時間間隔較長,算法魯棒性較差。

目前關(guān)于承載分離算法主要存在兩個方面的問題:一是在承載分離算法的兩次執(zhí)行之間的時間較長(可能高達(dá)100 ms[13]),此期間沒有進(jìn)行承載分離比率的調(diào)整。然而,信道質(zhì)量的變化、業(yè)務(wù)負(fù)載的增加以及該時間間隔內(nèi)的資源分配過程中出現(xiàn)問題會將會降低用戶的滿意度。二是沒有考慮基站的負(fù)載比較大的時候,承載分離算法下的性能。如在負(fù)載較大的時候,算法可能無法提升用戶的體驗,此時應(yīng)及時調(diào)整連接模式以防止降低通信系統(tǒng)中其他用戶的體驗。

為了克服已有承載分離算法的不足,本文提出了一種基于用戶終端協(xié)助的承載分離機制,通過與現(xiàn)有的承載分離算法相結(jié)合,利用用戶終端的反饋信息幫助現(xiàn)有承載分離算法獲得更好的用戶體驗。通過建立用戶滿意度模型實時計算用戶的滿意度,當(dāng)用戶滿意度低于設(shè)定閾值時或判斷連接出現(xiàn)異常時,向基站發(fā)送反饋信息幫助其及時調(diào)整承載分離比和切換為單連接模式。系統(tǒng)仿真測試顯示,該機制能夠有效提高用戶滿意度、用戶終端吞吐量和系統(tǒng)的總吞吐量。

1 基于用戶終端的承載分離機制

用戶終端協(xié)助主要是由終端通過控制平面向MN發(fā)送其接收承載分離比例來實現(xiàn)的。γUE表示UE從MN接收到的數(shù)據(jù)比例,顯然0≤γUE≤1。1-γUE表示UE從SN接收的數(shù)據(jù)比例。γMN表示承載分離算法計算后得到的MN發(fā)送給終端的數(shù)據(jù)比例,則1-γMN表示SN發(fā)送給UE的數(shù)據(jù)比例。這里因為數(shù)據(jù)在信道傳輸過程中存在損耗,γUE和γMN不一定相等。

關(guān)于γUE,當(dāng)它接近1時,意味著UE接收的數(shù)據(jù)基本都來自于MN,此時可能是由于用戶性能較差或用戶終端處于微小區(qū)邊緣導(dǎo)致的,如果繼續(xù)保持雙連接狀態(tài),雖然對該用戶的性能有一定的提升,但是其所連接的基站會因為其連接質(zhì)量較差為其分配較大的帶寬資源,在基站負(fù)載較大的時候,這將會極大地降低連接該NR基站其他用戶的性能[14]。因此需要及時將該用戶切換為單連接狀態(tài)。

鑒于LTE-NR雙連接的SN主要承擔(dān)大規(guī)模數(shù)據(jù)傳輸任務(wù),當(dāng)γUE處于這特殊的情況下,表明此時MN的承載分離方案出現(xiàn)了異常,需要將終端切換為單連接模式。為了便于敘述,將承載分離方案異常時γUE對應(yīng)的值稱之為切換域,正常情況下稱為適應(yīng)域。

Step1MN通過承載分離算法計算出承載分離比γMN,并按此方案執(zhí)行承載分離,最后發(fā)送通知給UE。

Step2在接收到MN發(fā)送的通知消息后,UE根據(jù)從MN和SN實際接收到的數(shù)據(jù)計算出分流比γUE,并檢查γUE是否在切換域中。

(1)如果γUE位于切換域中,UE將其發(fā)送給MN端;

(2)如果γUE位于適應(yīng)域中,UE計算此時的用戶對網(wǎng)絡(luò)的綜合滿意度sat。如果綜合滿意度大于設(shè)定的閾值,表明此時的承載分離方案能夠滿足用戶的需求,因此不需要做任何事;如果sat小于閾值,說明此時的承載分離方案不能滿足用戶的需求,則將此時的γUE值發(fā)送給MN端。

Step3MN在接收到UE端發(fā)送過來的γUE值后,如果γUE在適應(yīng)域中,則立即通過分離承載算法調(diào)整分離承載比例;如果γUE在切換域中,MN將會開啟異常計數(shù)器c_abnormity記錄γUE出現(xiàn)在切換域中的次數(shù),如c_abnormity的值大于設(shè)定的閾值K,即將終端切換為單連接模式。

因為反饋信息是通過MN與終端的無線鏈路進(jìn)行傳遞的,不會收到MN和SN間的X2鏈路時延影響,同時滿意度模型的時間復(fù)雜度為O(1),因此本文提出的承載分離機制的時間復(fù)雜度取決于選用的承載分離算法的復(fù)雜度。

2 用戶滿意度模型

2.1 用戶滿意度模型構(gòu)建

用戶滿意度是用戶對產(chǎn)品滿意程度的度量,它是一個可變的動態(tài)目標(biāo)。目前的文獻(xiàn)對用戶滿意的刻畫方法主要包括用戶滿意度滿足度法、滿意度函數(shù)法等方法。為了更好地度量用戶對網(wǎng)絡(luò)的滿意程度,本文引入心理曲線函數(shù)。心理曲線函數(shù)是基于用戶的期望收益和當(dāng)前收益,采用函數(shù)的方式對用戶滿意度進(jìn)行刻畫的一種定量方法,可表示為

式中:sat為用戶滿意度;Oexp為用戶期望收益;Ocur為用戶收益。

2.2 用戶收益計算方法

本文涉及到的收益包括兩個:用戶當(dāng)前收益是根據(jù)終端的實時數(shù)據(jù)計算得到的;用戶期望收益是根據(jù)用戶終端的歷史數(shù)據(jù)得到的。本文的參數(shù)主要包括PDCP 數(shù)據(jù)PDU傳輸時延delay、吞吐量thru和PDCP重排序丟包率reorder。

2.3 數(shù)據(jù)的歸一化

在不同的無線網(wǎng)絡(luò)中,不同參數(shù)的取值范圍和單位存在差異性。為了解決這個問題,本文對上面敘述的參數(shù)進(jìn)行歸一化處理。無線網(wǎng)絡(luò)的參數(shù)可以分為效益型參數(shù)和成本型參數(shù),兩者的區(qū)別在于效益型參數(shù)值與用戶滿意度呈正相關(guān)的關(guān)系,成本型參數(shù)與用戶的滿意度呈負(fù)相關(guān)的關(guān)系。如系統(tǒng)的吞吐量為效益型參數(shù),PDCP數(shù)據(jù)PDU的傳輸延遲為成本參數(shù)。

成本型參數(shù)歸一化公式為

效益性參數(shù)歸一化公式為

式中:costp為用戶無線參數(shù)p的歸一化值;Vp為所選網(wǎng)絡(luò)的參數(shù)p的數(shù)值集合;vp為參數(shù)p的數(shù)值。

2.4 計算當(dāng)前收益

為了計算當(dāng)前收益,需要采用不同的權(quán)重來體現(xiàn)各參數(shù)對于用戶終端的重要程度。目前大量的研究采用了多屬性決策算法求權(quán)重值,其缺點是因為無法描述參數(shù)的模糊不確定性[15],所以得到的結(jié)果不夠準(zhǔn)確。本文采用的模糊層次分析法通過簡單的計算即可得到準(zhǔn)確的結(jié)果。具體權(quán)重求取過程如下:

(1)構(gòu)建層次結(jié)構(gòu)圖

如圖1所示,首先將問題層次化,大體上可以分為目標(biāo)層、準(zhǔn)則層和方案層,目標(biāo)層為用戶的收益,準(zhǔn)則層為影響收益的各個因素,方案層為參數(shù)的歸一化值。

圖1 層次結(jié)構(gòu)圖

(2)模糊互補判斷矩陣

根據(jù)模糊矩陣的計算方法,構(gòu)建模糊互補判斷矩陣來表達(dá)各個參數(shù)的重要性。結(jié)合標(biāo)度法[16],通過各個參數(shù)兩兩比較,分析得到定量的標(biāo)度值ri,j(ri,j表示第i行第j列的數(shù)值),從而得到模糊互補判斷矩陣R=(ri,j)n×n。

LTE-NR雙連接架構(gòu)結(jié)合了LTE信號覆蓋范圍廣和5G頻譜大的優(yōu)點,被廣泛地應(yīng)用于增強移動寬帶( Enhanced Mobile Broadband,eMBB)場景,為用戶提供高吞吐量的體驗[17],因此用戶吞吐量的大小成為衡量用戶終端的主要性能指標(biāo)。模糊互補判斷矩陣可以設(shè)置為

(3)權(quán)重向量計算

將矩陣分別帶入式(5)中,得到性能的權(quán)重向量

即吞吐量、時延和PDCP重排序丟包率的權(quán)重分別為0.434、0.358和0.208。由上述計算可知用戶的當(dāng)前收益為

(4)模糊互補判斷矩陣的一致性檢驗

為了判斷權(quán)重向量計算公式是否合理,應(yīng)進(jìn)行比較判斷的一致性檢驗。首先構(gòu)建矩陣R的特征矩陣W*=(wij)n×n,W*為wij的n×n矩陣,其中

其次,利用模糊判斷矩陣的相容性來檢驗一致性。如果偏移一致性值過大時,表示該權(quán)值向量計算結(jié)果不能作為決策依據(jù)。模糊互補判斷矩陣R的相容性計算公式為

如果I(R,W*)≤T,表明一致性符合標(biāo)準(zhǔn),該權(quán)值向量計算結(jié)果能夠作為決策依據(jù)。一般情況下T=0.1。

最后,結(jié)合上述公式,得到模糊互補判斷矩陣R的相容性為

由式(10)可知該模糊判決矩陣具有一致性,權(quán)值結(jié)果可以作為判決依據(jù)。

2.5 計算用戶期望收益

設(shè)用戶終端中前m次的當(dāng)前收益為Oprev={o1,o2,o3,…,om},考慮到歷史數(shù)據(jù)中的數(shù)值可能有少部分存在數(shù)據(jù)失真,所以本文把m次得到的收益求其平均值,即為用戶的期望收益:

3 實驗結(jié)果與分析

3.1 仿真環(huán)境與參數(shù)設(shè)置

本文采用的仿真環(huán)境基于3GPP協(xié)議[18]實驗的網(wǎng)絡(luò)拓?fù)涫且粋€三扇形六邊形,中間為主基站MN,每個扇形內(nèi)有一個輔基站SN隨機分布在其中,分布圖如圖2所示。UE的切換流程遵循3GPP協(xié)議[19]所描述,75%的UE被部署NR SN覆蓋區(qū)域,25%的UE被部署在LTE SN扇區(qū)內(nèi)。之所以按這樣的比例部署,是因為NR SN相比LTE SN有更高的傳輸能力。大多數(shù)UE被部署在NR覆蓋區(qū)域以便于UE能夠處于雙連接的狀態(tài)下[20]如果大多數(shù)UE不在NR覆蓋區(qū)域內(nèi),它們將處于單連接狀態(tài),UE的吞吐量以及系統(tǒng)吞吐量將受到LTE MN傳輸能力的束縛。參考協(xié)議[19]常閾值K設(shè)定為5,用戶終端滿意度閾值SATthre設(shè)定為80%。表1和表2給出了基站和UE仿真參數(shù)。

表1 基站仿真參數(shù)

表2 UE仿真參數(shù)

圖2 仿真拓?fù)鋱D

實驗中,結(jié)合基于效用函數(shù)的自適應(yīng)承載分離算法(Bearer Separation Algorithm based on utility function,utility-BSA)和基于馬爾科夫鏈的承載分離算法(Bearer Separation Algorithm based on MDP,MDP-BSA),將提出的用戶終端協(xié)助機制(User terminal assistance mechanism,UTA)與之結(jié)合,進(jìn)行仿真實驗。本文分別從UE的平均滿意度、UE的平均吞吐量、UE處于雙連接狀態(tài)的比例、系統(tǒng)總吞吐量以及用戶平均時延五個方面分析基于用戶終端協(xié)助的承載分離機制的性能。

3.2 實驗結(jié)果與分析

如圖3所示,通過添加本文提出用戶終端協(xié)助機制,在平均用戶滿意度方面,utility-BSA和MDP-BSA均能獲得較大提升。對于utility-BSA算法,無論是否使用終端協(xié)助機制,它的用戶滿意度始終維持在較高的水平上,這是因為utility-BSA算法的優(yōu)化目標(biāo)就是用戶滿意度。在用戶數(shù)量較多時,如每個扇區(qū)UE數(shù)為20個時,通過本文提出的用戶終端協(xié)助機制,MDP-BSA算法仍然可以獲得約10%的增益。

圖3 平均用戶滿意度對比

如圖4所示,通過添加用戶終端協(xié)助機制,在用戶平均吞吐量上,兩種算法均能獲得較大的增益。原因主要有下面兩點:第一,在使用基于用戶終端協(xié)助的承載分離機制后,MN可以很快地對承載分離方案做出調(diào)整。因為用戶終端對MN的反饋主要受用戶實時滿意度影響,這也說明了本文提出的滿意度模型能夠反映出用戶實際滿意度變化。第二,UE與基站的連接出現(xiàn)異常時,基于用戶終端協(xié)助的承載分離機制能夠讓UE及時調(diào)整為單連接模式,這樣降低了通信系統(tǒng)中因資源競爭而出現(xiàn)的干擾。換句話說,當(dāng)用戶設(shè)備處于單連接時,從多個基站競爭相同資源的用戶設(shè)備較少,因此減少了每個基站對資源的競爭,從而也減少了在其他基站中引起的干擾。

圖4 終端平均吞吐量

圖5統(tǒng)計了系統(tǒng)中不同負(fù)載下用戶平面數(shù)據(jù)包的平均時延。首先可以看出,對比兩種承載分離算法,在使用用戶終端卸載機制后,兩種承載分離的算法的用戶平面平均時延都有所降低。其次,隨著通信系統(tǒng)負(fù)載的不斷增加,使用用戶終端協(xié)助機制的UE在延遲增加速度上明顯好于沒有使用用戶終端協(xié)助機制的UE。這是因為系統(tǒng)負(fù)載增加后,終端協(xié)助機制將會將更多UE調(diào)整為單連接模式,這在一定程度上降低了用戶平面數(shù)據(jù)的時延。最后,這說明了終端協(xié)助機制在結(jié)合現(xiàn)有的承載分離算法后不會增加其復(fù)雜度,本文提出的機制具有實用價值。

圖5 用戶平面的平均時延

圖6展示了通信過程中UE處于雙連接的比例,可以看出,當(dāng)系統(tǒng)的負(fù)載不斷增加,沒有使用用戶終端機制的UE將長時間處于雙連接模式,因為控制終端與基站連接的主要參數(shù)是RSRP。在添加用戶終端協(xié)助機制后,當(dāng)系統(tǒng)的負(fù)載不斷增加,終端處于雙連接模式的數(shù)量越來越少。這是因為系統(tǒng)中資源競爭的加劇導(dǎo)致UE處于雙連接模式時獲得收益越來越低,從而迫使更多的終端切換為單連接模式。

圖6 系統(tǒng)中UE處于雙連接模式下的比例

如圖7所示,可以看出系統(tǒng)中使用雙連接模式UE數(shù)量的減少并不會降低系統(tǒng)的總吞吐量。即當(dāng)系統(tǒng)負(fù)載增加時,應(yīng)保持較少的雙連接終端,以減少系統(tǒng)中的總干擾來提高系統(tǒng)性能。

圖7 系統(tǒng)的總吞吐量

4 結(jié)束語

本文提出了一種基于用戶終端協(xié)助的承載分離機制,它通過現(xiàn)有的承載分離算法相結(jié)合,幫助承載分離算法更快的調(diào)整承載分離比例。通過系統(tǒng)仿真測試,用戶終端協(xié)助機制能夠提升用戶的滿意度和平均吞吐量。同時,在基站處于負(fù)載較大的情況下,用戶終端協(xié)助機制能夠避免因少數(shù)性能較差用戶的接入而導(dǎo)致整體通信質(zhì)量大幅下降的情況。下一步,將研究異構(gòu)網(wǎng)絡(luò)下多連接的承載分離問題,以及考慮借助深度強化學(xué)習(xí)知識來幫助用戶獲得更好通信體驗。