CN104640227A - Lte***中混合业务的下行资源调度方法 - Google Patents

Abstract

本发明公开了一种LTE***中混合业务的下行资源调度方法，即混合服务指数因子(HSEF,Hybrid Service Exponential Factor)算法。本调度方法包括以下步骤：在基站侧根据基站底层上报的信息，计算用户在每个资源块的有效信噪比SINR_i,j，然后根据香农公式计算出用户在该时刻上的瞬时传输速率r_i,j，并求得瞬时频谱因子根据当前获得的瞬时传输速率r_i,j，计算用户平均吞吐量并求得平均吞吐量因子根据每个服务的业务类型及相应保证比特速率(GBR,Guranteed Bit Rate)要求计算业务权重因子W_i,j；最后根据前述所求得的各因子计算用户调度权重ω_i,j，***则根据用户的调度权重进行资源调度。本发明改善了用户间公平性和保证比特率业务的性能，从而提高LTE***整体性能。

Description

LTE***中混合业务的下行资源调度方法

技术领域

本发明涉及移动通信技术领域，具体涉及LTE(Long Term Evolution)***中下行资源调度技术领域。

背景技术

近年来，随着互联网中混合多媒体业务广泛的接入需求和无线通信技术的快速发展，无线蜂窝网络技术和市场出现了爆发式增长。下一代移动通信***LTE在多服务场景中的混合业务下行资源调度算法可以有效提升实时业务性能，满足用户对高带宽、高移动场景下的混合业务需求，特别是实时业务中保证比特率业务的需求。

满足数据、视频等实时业务和非实时业务的服务质量QoS需求的关键是无线通信***具有灵活有效的资源分配及业务优先级调度算法。调度算法在无线通信***的资源管理中具有核心支配的地位，调度方法要考虑两个方面的内容：方法实现的复杂度和对***性能指标的影响，如公平性、时延、吞吐量等业务服务质量。目前，主要的无线分组调度算法可以分为两类，一类是考虑物理层(PHY-layer)信道质量的分组调度算法，如最大载干比(MaxC/I)调度算法、轮询(RR,Round Robin)调度算法和比例公平(PF,Proportional Fairness)调度算法；另一类是结合了物理层信道质量以及媒体接入控制层(MAC-layer)缓存队列的跨层分组调度算法，如M-LWDF(Modified Largest Weighted Delay First)调度算法和EXP调度算法。前一类算法没有考虑用户业务的QoS需求，使得其不能很好的满足实时业务的性能需求；而后一类算法虽然满足了实时业务的QoS需求，但未考虑不同业务间的公平性和不同业务应用于混合场景中的***性能。

发明内容

本发明要克服现有技术存在的的上述问题，提出一种LTE***中混合业务的下行资源调度方法，使其能对不同等级业务进行区分，并使得其调度优先级权重随其业务类型改变而变化，在混合业务场景中提升保证比特率业务的性能，满足现阶段用户对于实时业务中保证比特率业务的需求。

为实现上述目的，本发明采取如下技术方案：

LTE***中混合业务的下行资源调度方法，即混合服务指数因子(HSEF，Hybrid Service Exponential Factor)算法，实现步骤如下：

步骤1，根据用户接受到的信号计算用户在每个资源块(RB，Resource Block)上的有效信噪比SINR_i,j，并根据香农公式计算出用户在该时刻上的瞬时传输速率r_i,j，计算瞬时频谱因子

步骤2，根据当前获得的瞬时传输速率r_i,j，并计算用户平均吞吐量计算用户的平均吞吐量因子

步骤3，根据每个业务的业务类型及相应GBR要求计算业务权重因子W_i,j；

步骤4，根据上述步骤一、步骤二和步骤三所求得的计算结果计算用户的调度优先级因子ω_i,j；

步骤5，根据步骤四所求得的用户调度优先级因子ω_i,j进行资源调度。

其中，步骤1中，根据香农公式计算用户瞬时频谱因子

$E_{i,j}^S=\min (r_{i,j},Q)$

其中，r_i,j＝log₂(1+SINR_i,j)表示用户在该时刻上的瞬时传输速率，SINR_i,j表示用户i在资源块j上的有效信噪比，Q表示瞬时速率比照参数；

而且，步骤2中，计算用户的平均吞吐量因子

$E_{i,j}^A=e^{{\stackrel{\‾}{R}}_{i,j}\left(n\right)}$

其中用户平均吞吐量r_i,j表示用户在该时刻上的瞬时传输速率，T_c为更新时间窗，R_i,j(n-1)表示先前n-1个传输时间间隔(TTI,TransmissionTime Interval)内的平均传输速率。

而且，步骤3中，所述业务类型为保证比特率GBR要求业务和非保证比特率要求业务。

对于保证比特率要求业务的用户，计算用户的业务权重因子如下，

$W=e^{\mathrm{\α}({\∂}_i\·D_{\mathrm{HOL},i}\·\max (1,\mathrm{GBR}/{\stackrel{\‾}{R}}_{i,j}\left(n\right)))}$

其中e表示数学常量，α表示可调优先级因子，D_HOL,i为用户i在缓冲队列中的HOL分组时延；代表QoS级别，即其中τ_i代表用户i的时延阈值，δ_i是队头数据包的时延D_HOL,i超过时延阈值的最大概率，GBR表示保证比特率参数，表示用户平均吞吐量。

对于非保证比特率业务的用户，计算用户的业务权重因子如下，

$W=e^{\mathrm{\β}\·\frac{T_D}{T_i}}$

其中β表示自调整因子，T_D表示业务调度时延，T_i表示时延归一化参数。

而且，步骤4中，根据业务类型计算用户的调度优先级因子ω_i,j。

对于保证比特率业务的用户，计算其调度优先级因子如下：

$\begin{array}{c}{\mathrm{\ω}}_{i,j}=\frac{E_{i,j}^S}{E_{i,j}^A}\·W\\ =\frac{\min ({\log }_2(1+{\mathrm{SINR}}_{i,j}),Q)}{e^{(1-\frac{1}{T_c})\·{\stackrel{\‾}{R}}_{i,j}(n-1)+\frac{1}{T_c}\·r_{i,j}}}\×e^{\mathrm{\α}({\∂}_i\·D_{\mathrm{HOL},i}\·\max (1-\frac{\mathrm{GBR}}{{\stackrel{\‾}{R}}_{i,j}\left(n\right)}))}\end{array}$

对于非保证比特率业务的用户，计算其调度优先级因子如下：

$\begin{array}{c}{\mathrm{\ω}}_{i,j}=\frac{E_{i,j}^S}{E_{i,j}^A}\·W\\ =\frac{\min ({\log }_2(1+{\mathrm{SINR}}_{i,j}),Q)}{e^{(1-\frac{1}{T_c})\·{\stackrel{\‾}{R}}_{i,j}(n-1)+\frac{1}{T_c}\·r_{i,j}}}\×e^{\mathrm{\β}\·\frac{T_D}{T_i}}\end{array}$

本发明与现有的调度算法比，具有以下优点：

本方法综合考虑了服务业务类型(保证比特率业务和非保证比特率业务)、业务调度时延、速度保障因子对调度优先级的影响，以及针对不同业务类型和不同保证比特率用户采取不同的计算方法，区分不同等级的服务。

本发明首先根据业务类型是否保证比特率业务员，选择相应的公式计算优先级因子。若业务类型为保证比特率业务时，考虑业务的GBR要求，为没有满足GBR要求的业务给以优先级参数补偿。项是保证满足保证比特率业务的权重因子，当一个用户业务平均速率满足其速率保证要求的GBR时，该项取值为1；当一个用户业务平均速率小于其速率保证要求的GBR时，该项的取值因此没有满足最低速率要求的用户业务将优先分配资源块，并获得的补偿。和GBR的差距越大，权重因子就越大，用户获得资源块的优先级就越高，从而解决不同业务的保证比特率要求。

本方法对用户平均吞吐量和业务权重分别取e的指数，使得这两种计算因子在量级上得到统一，克服可能由于不同量级所造成的权重不均衡。

本发明的优点是：适合混合业务且对不同业务GBR有不同要求的场景，在提高公平性的前提下，牺牲少量非保证比特率业务性能来换取极大提高保证比特率业务的服务质量，从而提高LTE***整体性能。

附图说明

图1本发明的调度流程图

图2本发明的优先级计算流程图

图3本发明在混合业务场景下的仿真结果图，其中，

图3a是非保证比特率业务的公平性曲线

图3b是保证比特率业务的公平性曲线

图3c是非保证比特率业务的丢包率曲线

图3d是保证比特率业务的丢包率曲线

图3e是非保证比特率业务的吞吐量曲线

图3f是保证比特率业务的吞吐量曲线

具体实施方式

以下结合附图对本发明的实施进一步说明，此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例以及其说明用于解释本发明，并不构成对本发明的不当限定。

步骤1、根据用户接受到的信号计算用户在每个资源块上的有效信噪比SINR_i,j，并根据香农公式计算出用户在该时刻上的瞬时传输速率r_i,j，计算瞬时频谱因子

$E_{i,j}^S=\min (r_{i,j},Q)$

其中，r_i,j＝log₂(1+SINR_i,j)表示用户在该时刻上的瞬时传输速率，SINR_i,j表示用户i在资源块j上的有效信噪比，Q表示瞬时速率比照参数，可根据LTE***调制阶数以及实际情况取值。

步骤2，根据当前获得的瞬时传输速率r_i,j，并计算用户平均吞吐量计算用户的平均吞吐量因子

$E_{i,j}^A=e^{{\stackrel{\‾}{R}}_{i,j}\left(n\right)}$

其中用户平均吞吐量r_i,j表示用户在该时刻上的瞬时传输速率，T_c为更新时间窗，表示先前n-1个TTI内的平均传输速率。

步骤3，根据每个业务的业务类型及相应GBR要求计算业务权重因子W_i,j；

对于保证比特率要求业务的用户，计算用户的业务权重因子如下，

$W=e^{\mathrm{\α}({\∂}_i\·D_{\mathrm{HOL},i}\·\max (1,\mathrm{GBR}/{\stackrel{\‾}{R}}_{i,j}\left(n\right)))}$

其中e表示数学常量，α表示可调优先级因子，其值在具体实施时可根据实际应用场景调整，D_HOL,i为用户i在缓冲队列中的HOL分组时延；代表QoS级别，即其中τ_i代表用户i的时延阈值，δ_i是队头数据包的时延D_HOL,i超过时延阈值的最大概率，GBR表示保证比特率参数，表示用户平均吞吐量。

对于非保证比特率业务的用户，计算用户的业务权重因子如下，

$W=e^{\mathrm{\β}\·\frac{T_D}{T_i}}$

其中β表示自调整因子，其值在具体实施时可根据实际应用场景调整，T_D表示业务调度时延，T_i表示时延归一化参数。

步骤4，根据上述步骤一、步骤二和步骤三所求得的计算结果计算用户的调度优先级因子ω_i,j。

对于保证比特率业务的用户，计算其调度优先级因子如下：

$\begin{array}{c}{\mathrm{\ω}}_{i,j}=\frac{E_{i,j}^S}{E_{i,j}^A}\·W\\ =\frac{\min ({\log }_2(1+{\mathrm{SINR}}_{i,j}),Q)}{e^{(1-\frac{1}{T_c})\·{\stackrel{\‾}{R}}_{i,j}(n-1)+\frac{1}{T_c}\·r_{i,j}}}\×e^{\mathrm{\α}({\∂}_i\·D_{\mathrm{HOL},i}\·\max (1-\frac{\mathrm{GBR}}{{\stackrel{\‾}{R}}_{i,j}\left(n\right)}))}\end{array}$

对于非保证比特率业务的用户，计算其调度优先级因子如下：

$\begin{array}{c}{\mathrm{\ω}}_{i,j}=\frac{E_{i,j}^S}{E_{i,j}^A}\·W\\ =\frac{\min ({\log }_2(1+{\mathrm{SINR}}_{i,j}),Q)}{e^{(1-\frac{1}{T_c})\·{\stackrel{\‾}{R}}_{i,j}(n-1)+\frac{1}{T_c}\·r_{i,j}}}\×e^{\mathrm{\β}\·\frac{T_D}{T_i}}\end{array}$

步骤5，根据步骤四所求得的用户调度优先级因子ω_i,j进行资源调度。

本实施方法效果：

本实施方法提出的LTE***中混合业务的下行资源调度方法，即混合服务指数因子(HSEF，Hybrid Service Exponential Factor)算法，降低了混合业务场景中保证比特率业务的丢包率和时延，并提高了保证比特率业务的吞吐率以及公平性。把PF算法和MLWDF算法作为对比算法，对此三种算法进行仿真分析。如图3a-f所示，在半径为1km的小区支持混合业务并注重保证比特率服务的LTE***中，随着负载的增加(用户数目大于30)，此时PF算法和MLWDF算法已经不能保证用户性能，如当用户大于30，此两种算法丢包率和用户公平性方面急剧变坏。而HSEF算法则在提高非保证比特率业务公平性的前提下，牺牲少量非保证比特率业务吞吐量和丢包率来满足改善和提升保证比特率业务的性能。

采用如下***明本发明的有益效果：

仿真场景为一个多小区的LTE***，参与调度的用户随机分布在中心小区中。每个小区的中心位置设置一个eNodeB控制所有可用的资源块RB，所有用户共享50RB，即***带宽为10MHz。本发明采用的LTE***仿真参数设置如表1所示：

表1LTE下行***参数

本发明针对混合业务场景，仿真采用的业务类型如表2所示：

表2仿真业务参数

其中Type1业务表示非保证比特率业务，Type2表示保证比特率业务。

表3三种算法的保证比特率业务时延比较

表3给出了本发明所提的HSEF算法与经典PF算法和MLWDF算法的保证比特率业务时延比较，可以看出当用户数大于30以后经典PF算法的时延急剧变差，而MLWDF算法的时延也达到0.04秒以上，相对的本发明的HSEF的时延只有MLWDF算法的三分之一左右而且比较稳定。与这两种算法比较发现，本发明提出的HSEF算法在保证比特率业务时延方面远远优于其余两种算法，在相同的场景情况下，HSEF算法的时延性能更满足需求。

图3a和图3b分别给出了本发明所提出的HSEF算法和经典PF算法、MLWDF算法在非保证比特率业务和保证比特率业务的用户间公平性指数对比图。从这两张图中可以发现对于非保证比特率业务用户来说HSEF算法的用户公平性指数远远优于其它两种算法。而对于保证比特率业务用户而言，在用户数较少时(用户数小于30)三种算法公平性指数相差不大，随着用户的增多，经典PF算法的公平性指数急剧下降，MLWDF算法和HSEF算法变化相对缓慢，而且HSEF算法的公平性指数略优于MLWDF算法。HSEF算法改善了用户的公平性指数。

图3c和图3d分别给出了本发明所提出的HSEF算法和经典PF算法、MLWDF算法的非保证比特率业务和保证比特率业务的丢包率对比图。在非保证比特率业务中HSEF算法虽然丢包率都高于经典PF算法和MLWDF算法，但差距并不大，而且随着用户数的增加，丢包率下降并接近与经典算法和MLWDF算法。在保证比特率业务的用户中，当用户数较少时(用户数小于30)三种算法的丢包率接近，随着用户数的增加，经典PF算法和MLWDF算法的丢包率急剧增加，使得LTE***性能急剧变坏，从而可能无法满足用户需求，而HSEF算法的丢包率虽然在用户数大于60以后也明显增加，但是其幅度远小于经典PF算法和MLWDF算法。因此可以看出本发明所提出的HSEF算法可以在牺牲少量非保证比特率业务用户丢包率的前提下大大提升了保证比特率业务用户的性能，而且随着用户增加和保证比特率业务的需求增大，非保证比特率业务丢包率下降幅度基本上接近经典PF算法和MLWDF算法。

图3e和图3f给出了本发明所提的HSEF算法和经典PF算法、MLWDF算法在非保证比特率业务和保证比特率业务的***吞吐量。从图中可以看出随着用户数的增加，非保证比特率业务***吞吐量下降，而保证比特率业务***吞吐量上升，并且HSEF算法的保证比特率业务***吞吐量远高于经典PF算法和MLWDF算法。虽然在非保证比特率业务中HSEF算法的吞吐量性能略低于经典PF算法和MLWDF算法，但相差幅度不大，而且这三种算法当用户数增加时，***吞吐量都下降，这是因为LTE***场景中保证比特率业务需求的增加占据了LTE***的主要资源。与经典PF算法和MLWDF算法相比，本发明提出的HSEF算法牺牲少量的非保证比特率业务的***吞吐量性能换取了保证比特率业务的吞吐量性能的大大提高，使得保证比特率业务的能占据LTE***的大多数资源从而满足用户的需求。

由以上的仿真方案可以看出，本发明提出的一种基于MLWDF的LTE***下行资源调度方法可以在提升用户间公平性的前提下，牺牲少量非保证比特率业务性能换取保证比特率业务***吞吐量的较大提升，以及显著降低保证比特率业务的时延和丢包率，从而提升和改善保证比特率业务的服务质量。

Claims (5)

1.一种LTE***中混合业务的下行资源调度方法，包括以下步骤：

步骤1，根据用户接受到的信号计算用户在每个资源块上的有效信噪比SINR_i,j，根据香农公式计算出用户在该时刻上的瞬时传输速率r_i,j，计算瞬时频谱因子

步骤2，根据当前获得的瞬时传输速率r_i,j，并计算用户平均吞吐量计算用户的平均吞吐量因子

步骤3，根据每个业务的业务类型及相应保证比特速率(GBR,Guranteed Bit Rate)要求计算业务权重因子W_i,j；

步骤4，根据上述步骤1、步骤2和步骤3所求得结果计算用户的调度优先级因子ω_i,j；

步骤5，根据步骤4所求得的用户调度优先级因子ω_i,j进行资源调度。

2.根据权利要求1所述的LTE***中混合业务的下行资源调度方法,其特征在于：所述步骤1中根据香农公式计算用户瞬时频谱因子

$E_{i,j}^S=\min (r_{i,j},Q)$

其中，r_i,j＝log₂(1+SINR_i,j)表示用户在该时刻上的瞬时传输速率，SINR_i,j表示用户i在资源块j上的有效信噪比，Q表示瞬时速率比照参数。

3.根据权利要求1所述的LTE***中混合业务的下行资源调度方法，其特征在于：步骤2中计算用户的平均吞吐量因子

$E_{i,j}^A=e^{{\stackrel{\‾}{R}}_{i,j}\left(n\right)}$

其中用户平均吞吐量r_i,j表示用户在该时刻的瞬时传输速率，T_c为更新时间窗，R_i,j(n-1)表示先前n-1个传输时间间隔(TTI,Transmission TimeInterval)内的平均传输速率。

4.根据权利要求1所述的LTE***中混合业务的下行资源调度方法，其特征在于：步骤3中，所述业务类型为保证比特率GBR要求业务和非保证比特率要求业务；

对于保证比特率要求业务的用户，计算用户的业务权重因子如下：

$W=e^{\mathrm{\α}({\∂}_i\·D_{\mathrm{HOL},i}\·\max (1,\mathrm{GBR}/{\stackrel{\‾}{R}}_{i,j}\left(n\right)))}$

其中e表示数学常量，α表示可调优先级因子，D_HOL,i为用户i在缓冲队列中的队列头部(HOL,Head of Line)数据包的时延；代表服务质量(QoS,Quality of Service)级别，即其中τ_i代表用户i的时延阈值，δ_i是队列头数据包的时延D_HOL,i超过时延阈值的最大概率，GBR表示保证比特率参数，表示用户平均吞吐量；

对于非保证比特率业务的用户，计算用户的业务权重因子如下：

$W=e^{\mathrm{\β}\·\frac{T_D}{T_i}}$

其中β表示自调整因子，T_D表示业务调度时延，T_i表示时延归一化参数。

5.根据权利要求1所述的LTE***中混合业务的下行资源调度方法，其特征在于：步骤4中，根据业务类型计算用户的调度优先级因子ω_i,j；

对于保证比特率业务的用户，计算其调度优先级因子如下：

$\begin{array}{c}{\mathrm{\ω}}_{i,j}=\frac{E_{i,j}^S}{E_{i,j}^A}\·W\\ =\frac{\min ({\log }_2(1+{\mathrm{SINR}}_{i,j}),Q)}{e^{(1-\frac{1}{T_c})\·{\stackrel{\‾}{R}}_{i,j}(n-1)+\frac{1}{T_c}\·r_{i,j}}}\×e^{\mathrm{\α}({\∂}_i\·D_{\mathrm{HOL},i}\·\max (1,\frac{\mathrm{GBR}}{{\stackrel{\‾}{R}}_{i,j}\left(n\right)}))}\end{array}$

对于非保证比特率业务的用户，计算其调度优先级因子如下：

$\begin{array}{c}{\mathrm{\ω}}_{i,j}=\frac{E_{i,j}^S}{E_{i,j}^A}\·W\\ =\frac{\min ({\log }_2(1+{\mathrm{SINR}}_{i,j}),Q)}{e^{(1-\frac{1}{T_c})\·{\stackrel{\‾}{R}}_{i,j}(n-1)+\frac{1}{T_c}\·r_{i,j}}}\×e^{\mathrm{\β}\·\frac{T_D}{T_i}}\end{array}$