異構(gòu)蜂窩網(wǎng)絡(luò)中QoS感知的負(fù)載平衡方案設(shè)計(jì)

錢葉旺 周天清 楊綠溪

(1.池州學(xué)院機(jī)電工程學(xué)院，池州，247000; 2.華東交通大學(xué)信息工程學(xué)院，南昌，330013; 3.東南大學(xué)信息科學(xué)與工程學(xué)院，南京，211189)

引 言

為消除傳統(tǒng)蜂窩網(wǎng)絡(luò)中的覆蓋漏洞、提升熱點(diǎn)區(qū)域網(wǎng)絡(luò)吞吐量[1]，傳統(tǒng)宏蜂窩網(wǎng)絡(luò)中引入了諸多異構(gòu)元素(如微基站、皮蜂窩、飛蜂窩和中繼等)，形成了異構(gòu)蜂窩網(wǎng)絡(luò)(Heterogeneous cellular network，HCN)[2]。盡管HCN可帶來(lái)極大頻譜效益，但其用戶接入(小區(qū)選擇)問(wèn)題富于挑戰(zhàn)性且往往影響系統(tǒng)性能。由于HCN中各類基站具有明顯不同的發(fā)射功率，一些僅聚焦于用戶接收信號(hào)強(qiáng)度的接入方案(如最大信干噪比接入，最大可達(dá)速率接入、最近基站接入與最佳信道質(zhì)量接入等)已然不適用。當(dāng)這些方案被應(yīng)用于HCN時(shí)，即使負(fù)載均勻分布于網(wǎng)絡(luò)覆蓋區(qū)域，各類基站間的負(fù)載水平仍表現(xiàn)為極度不平衡。具體地，絕大部分用戶選擇高功率基站，少數(shù)用戶選擇低功率基站[3]。顯然，為充分開(kāi)發(fā)新型網(wǎng)絡(luò)架構(gòu)的潛力，具有轉(zhuǎn)載能力小區(qū)選擇方案的設(shè)計(jì)有必要且意義重大。注意到，轉(zhuǎn)載能力是指將傳統(tǒng)最強(qiáng)信號(hào)接入中超載基站的用戶轉(zhuǎn)入輕負(fù)荷基站的能力，而這些轉(zhuǎn)入其他基站的用戶則被稱為轉(zhuǎn)載用戶。

目前，就網(wǎng)絡(luò)負(fù)載定義而言，已有的負(fù)載平衡方案可分為如下3類。

第1類，定義接入用戶數(shù)為基站負(fù)載。在HCN中，絕大多數(shù)負(fù)載平衡方案基于此定義。偏離因子法(區(qū)域拓展)接入[4]作為通用負(fù)載平衡方案，它為低功率基站添加一個(gè)偏離/補(bǔ)償進(jìn)而理論上提升其發(fā)射功率。在此理論功率基礎(chǔ)上，該方案再依據(jù)最強(qiáng)信號(hào)接入準(zhǔn)則執(zhí)行小區(qū)選擇，從而達(dá)到拓展小基站(低功率基站)覆蓋面積的目的。雖然該法實(shí)行簡(jiǎn)單，但由于閉式最優(yōu)偏離因子/補(bǔ)償往往難以捕捉，因此無(wú)法保證最佳系統(tǒng)性能。為避免搜索最佳參數(shù)，其他負(fù)載平衡方案漸已融入HCN中[5-7]，如最小路徑損耗接入[7]等。

第2類，定義小區(qū)數(shù)據(jù)流為基站負(fù)載。根據(jù)業(yè)務(wù)數(shù)據(jù)流的分布情況，Son等[8]聯(lián)合用戶接入與基站開(kāi)關(guān)操作設(shè)計(jì)了一個(gè)折衷能耗與時(shí)延的接入方案，并為其設(shè)計(jì)了兩類貪婪算法。Siomina 等[9]認(rèn)為小區(qū)間負(fù)載具有耦合性，并于此基礎(chǔ)上嘗試最大化網(wǎng)絡(luò)負(fù)載平衡指數(shù)，從而達(dá)到平衡小區(qū)間數(shù)據(jù)流的目的。

第3類，定義用戶消耗資源量(物理資源塊數(shù))為基站負(fù)載。根據(jù)用戶資源消耗情況，Wang等[10]設(shè)計(jì)了一個(gè)小區(qū)選擇方案以聯(lián)合優(yōu)化負(fù)載平衡水平與系統(tǒng)容量。此外，Wang等[11]對(duì)其優(yōu)化問(wèn)題中衡量負(fù)載平衡水平的標(biāo)準(zhǔn)加以簡(jiǎn)化，使其原問(wèn)題更易處理?；赪ang等的工作，Li等[12]進(jìn)一步聯(lián)合考慮小區(qū)內(nèi)負(fù)載平衡與小區(qū)間負(fù)載平衡。不難發(fā)現(xiàn)，盡管這些方案具有較好的思路，但在實(shí)際應(yīng)用中卻難以確定模型中的最佳網(wǎng)絡(luò)參數(shù)，如優(yōu)化問(wèn)題中所涉及的權(quán)重等。

在上述3類定義中，第1類定義有利于小區(qū)選擇方案的設(shè)計(jì)，但有時(shí)可能因無(wú)法反映小區(qū)數(shù)據(jù)流量(或資源消耗量)的變化而導(dǎo)致接入方案的性能偏差；第2類定義能反映網(wǎng)絡(luò)數(shù)據(jù)流量的變化，但因系統(tǒng)模型過(guò)于復(fù)雜而使得接入算法的設(shè)計(jì)富于挑戰(zhàn)性；第3類定義能很好地捕捉用戶服務(wù)質(zhì)量(Quality of service,QoS)需求，但要在嚴(yán)格保證用戶QoS需求下設(shè)計(jì)有效的接入算法同樣富于挑戰(zhàn)性。目前，基于第2，3類定義的小區(qū)選擇方案多數(shù)采用集中算法，而這類算法復(fù)雜度往往偏高。此外，在第2，3類定義下，針對(duì)HCN系統(tǒng)的負(fù)載平衡方案更是鳳毛麟角。因此，在HCN中，如何設(shè)計(jì)針對(duì)第2，3類定義的負(fù)載平衡方案，并為其開(kāi)發(fā)簡(jiǎn)單、有效的接入算法仍是一個(gè)富有意義的話題[13]。

鑒于此，本文基于第3類負(fù)載定義，提出了一類新型QoS感知的負(fù)載平衡方案。該方案能折衷系統(tǒng)容量與負(fù)載，即適當(dāng)?shù)亟档陀脩艨蛇_(dá)速率以盡量平衡基站負(fù)載。此處，“降低用戶可達(dá)速率”是指由于用戶選擇信道質(zhì)量略差的輕負(fù)荷基站而導(dǎo)致可達(dá)速率下降。不同于Zhou等的工作[14]，本文采用動(dòng)態(tài)步長(zhǎng)，在此基礎(chǔ)上給出了相應(yīng)的收斂性與復(fù)雜度分析，并給出了更為充分的仿真分析(仿真參數(shù)及指標(biāo)有所變動(dòng))。

1 系統(tǒng)模型與問(wèn)題描述

圖1 兩層異構(gòu)蜂窩網(wǎng)絡(luò)Fig.1 Two-tier HCNs

異構(gòu)蜂窩網(wǎng)絡(luò)包含規(guī)則與不規(guī)則的兩種布置。在規(guī)則布置中，宏基站(Macro base station，MBS)按傳統(tǒng)蜂窩結(jié)構(gòu)布置；在不規(guī)則布置中，宏基站則被隨機(jī)撒點(diǎn)。鑒于接入規(guī)則本身特性，無(wú)論采用何種結(jié)構(gòu)，所設(shè)計(jì)接入方案較其他方案的優(yōu)越性不變。不失一般性，僅考慮由MBS與皮蜂窩(Pico base station，PBS)組成的兩層異構(gòu)蜂窩網(wǎng)絡(luò)[1]，其中MBS依傳統(tǒng)蜂窩結(jié)構(gòu)布置，而用戶與PBS則被隨機(jī)撒入宏小區(qū)，其拓?fù)浣Y(jié)構(gòu)如圖1所示。

定義包含MBS與PBS的基站集為N，用戶集為K，其基分別為N=|N|和K=|K|。根據(jù)長(zhǎng)期演進(jìn)(Long term evolution,LTE)技術(shù)關(guān)于物理層的描述[15]，相鄰12個(gè)子載波組成一個(gè)物理資源塊(Physical resource block，PRB)，該資源塊具有180 kHz的帶寬，且為可分配給用戶的最小單元。那么，用戶k∈K接收來(lái)自基站n∈N的信干噪比(Signal-to-interference-plus-noise-ratio，SINR)為

(1)

式中:pn為基站n在單個(gè)PRB上的發(fā)射功率；gnk代表基站n與用戶k之間的信道增益；Wprb為PRB的帶寬；N0為噪聲功率譜密度。注意到，本文假設(shè)每個(gè)基站對(duì)所用頻帶進(jìn)行等功率分配。

當(dāng)給定功率pn時(shí)，用戶k接收來(lái)自基站n的可達(dá)速率(單位為Kbps)為rnk=Wprblog2(1+SINRnk)，且r={rnk,?n∈N,?k∈K}。

為突顯用戶資源消耗水平與實(shí)現(xiàn)負(fù)載平衡，嘗試設(shè)計(jì)了一類QoS感知的小區(qū)選擇方案。代替最強(qiáng)信號(hào)接入方案中的準(zhǔn)則，該方案以資源消耗量作為接入指標(biāo)?；诖耍O(shè)計(jì)了一個(gè)最大化網(wǎng)絡(luò)加權(quán)效益的負(fù)載平衡方案，該方案可規(guī)劃為

(2)

式中:x={xnk,?n∈N,?k∈K}；Unk(·)為用戶k接入基站n時(shí)所獲得的效益；Sn為基站n的資源總量；約束C1表明服務(wù)用戶消耗資源量不能超過(guò)基站資源總量；約束C2表明用戶僅能選擇單一基站。在該式中，效用函數(shù)Unk(·)為連續(xù)可微、單調(diào)遞增且嚴(yán)格凹的函數(shù)。

為保證用戶公平性，引入對(duì)數(shù)效用函數(shù)，問(wèn)題(2)則可轉(zhuǎn)化為

s.t.C1,C2,C3

(3)

(4)

其中y={yn,?n∈N}。 容易發(fā)現(xiàn)，當(dāng)接入指示變量x從整數(shù)域{0,1}松馳到分?jǐn)?shù)域[0,1]時(shí)，問(wèn)題(4)則為凸優(yōu)化問(wèn)題。

2 算法設(shè)計(jì)與分析

為解決凸形式的問(wèn)題(4)，梯度下降法不失為有效手段。為搜索其最優(yōu)解，需收集全局網(wǎng)絡(luò)信息，那么需涉及集中式算法。鑒于集中式算法復(fù)雜度偏高，這里采用有效分布式算法設(shè)計(jì)。不同于集中式算法，分布式算法往往無(wú)需基站間的協(xié)作處理。

2.1 分布式算法設(shè)計(jì)

觀察問(wèn)題(4)不難發(fā)現(xiàn)，約束C4具有耦合性。為便于問(wèn)題的求解，去耦(Decoupling)操作不可或缺。為此，引入了一個(gè)對(duì)偶變量μ={μn,n∈N}對(duì)該約束進(jìn)行松弛。于是，關(guān)于此約束的拉格朗日函數(shù)為

(5)

不難得出，問(wèn)題(4)的對(duì)偶函數(shù)為

(6)

且其對(duì)偶問(wèn)題為

(7)

鑒于問(wèn)題(7)為非耦合問(wèn)題，主變量x和y可以分開(kāi)求解。根據(jù)對(duì)偶分解法的思想[16]，問(wèn)題(7)可分解為

(8)

(9)

為獲取對(duì)偶問(wèn)題(7)的最優(yōu)解，梯度下降法[17]不失為一種有效手段。 具體地，拉格朗日乘子μ沿著對(duì)偶函數(shù)(6)的負(fù)梯度方向(-G(μ))進(jìn)行迭代更新。為獲此梯度，主問(wèn)題的最優(yōu)解應(yīng)事先獲知，即求解問(wèn)題(8,9)。鑒于問(wèn)題(8,9)的形式，可對(duì)其采用并行處理方式。

至于問(wèn)題(8)，它可簡(jiǎn)化成

?k∈K

(10)

算法1用戶k端算法

(1) Ift=0

(2) 根據(jù)來(lái)自所有基站的導(dǎo)頻信號(hào)估計(jì)r。

(3) Else

(4) 用戶k接收來(lái)自所有基站的廣播信息μ，并根據(jù)規(guī)則(10)選擇基站n*。

(5) 反饋接入信息xn*k=1給基站n*。

(6) End If

至于問(wèn)題(9)，可根據(jù)其Karush-Kuhn-Tucker (KKT)[17]條件獲得基站最優(yōu)負(fù)載，即

?n∈N

(11)

式中exp(z)為關(guān)于z的指數(shù)函數(shù)。

當(dāng)最優(yōu)x和y給定時(shí)，拉格朗日乘子則可以梯度下降法進(jìn)行更新，即

?n∈N

(12)

式中ξt為第t次迭代時(shí)用于更新乘子μn的步長(zhǎng)，該步長(zhǎng)遵循Bertsekas規(guī)則[17]。具體地

(13)

(14)

通過(guò)式(13,14)更新乘子μ后，ε執(zhí)行如下更新

(15)

算法2基站n端算法

(1) Ift=0

(2) 初始化步長(zhǎng)ξt和μt。

(3) Else

(7) End If

從y與μ的更新規(guī)則來(lái)看，不難發(fā)現(xiàn)，它們發(fā)生于基站端，即組成了基站端算法，其詳細(xì)描述可參考算法2。

2.2 算法收斂性與復(fù)雜度分析

完整的小區(qū)選擇算法應(yīng)交替執(zhí)行用戶與基站端算法，其收斂性可通過(guò)下面的理論加以證明。

定理1如果存在ε>0且G*>-∞，則

(16)

式中G*定義為對(duì)偶問(wèn)題(7)的最優(yōu)值。

證明：函數(shù)G(μ)的一階導(dǎo)為

(17)

為突出所設(shè)計(jì)算法的優(yōu)越性，仍調(diào)查了算法實(shí)現(xiàn)時(shí)的信息交互情況。在分布式算法中，任意基站n廣播其自身的服務(wù)費(fèi)用μn給所有用戶，而任意用戶k僅反饋其自身接入信息xnk=1給期望接入的基站n*。顯然，在每次迭代中，分布式算法的交互信息量為N+K。不同于分布式算法，集中式算法的交互信息量與NK成比例關(guān)系。

3 仿真結(jié)果與分析

假定MBS間的距離為1 000 m，每個(gè)宏小區(qū)布置5個(gè)PBS，MBS和PBS發(fā)射功率分別為46與30 dBm，系統(tǒng)帶寬為10 MHz，且噪聲功率譜密度為-174 dBm/Hz。此外，MBS與PBS的路徑損耗分別為128.1+37.6logdnk和140.7+36.7logdnk[19-21]，其中dnk為用戶k與基站n間的距離,單位為km。陰影衰弱則取為標(biāo)準(zhǔn)差為8 dB的對(duì)數(shù)正態(tài)陰影。

為突出所設(shè)計(jì)方案(QoS-aware association，QAA)的優(yōu)越性，仿真中引入了其他通用方案作比較。這些方案包括最強(qiáng)功率接入(Best power association，BPA)[5]和有偏信號(hào)強(qiáng)度接入(Biasing channel gain association，BCGA)[18]。前者屬于傳統(tǒng)最強(qiáng)信號(hào)接入，后者則屬于負(fù)載平衡接入方案。因此，方案QAA和BCGA具有轉(zhuǎn)載能力，而BPA卻不具備。此外，方案QAA具有QoS感知能力，而方案BPA和BCGA卻不具備。

為探索QoS需求對(duì)接入性能的影響，仿真中引入了兩類調(diào)度方案：(1) 最大實(shí)際速率優(yōu)先(Maximal practical rate first， MPRF)方案，即每個(gè)基站從接入用戶隊(duì)列中按實(shí)際速率從大到小的順序調(diào)度用戶；(2) 最大可達(dá)速率優(yōu)先(Maximal achievable rate first， MARF)方案，即每個(gè)基站從接入用戶隊(duì)列中按可達(dá)速率從大到小的順序調(diào)度用戶。通過(guò)引入調(diào)度算法，能更進(jìn)一步、更為明顯地展示方案QAA所帶來(lái)的負(fù)載平衡增益。

為測(cè)量網(wǎng)絡(luò)負(fù)載平衡水平，引入了Jain公平性指數(shù)，即

(18)

針對(duì)不同調(diào)度方案，圖2展示了各類接入方案的網(wǎng)絡(luò)負(fù)載平衡水平隨用戶數(shù)(Number of users, NU)的變化情況，其中NU是指宏小區(qū)內(nèi)的用戶數(shù)。隨著NU的增加，各基站有更多的機(jī)會(huì)選擇用戶，從而有更多的機(jī)會(huì)實(shí)現(xiàn)基站間負(fù)載平衡。因此，LBI隨NU的增加而提高。在方案BPA中，絕大多數(shù)用戶接入至高功率基站MBS而使得該類基站資源消耗極大，且少部分用戶選擇低功率基站PBS而使得該類基站資源消耗偏少。因此，相比于其他負(fù)載平衡方案，方案BPA具有最低LBI。不同于方案BPA，方案BCGA通過(guò)為低功功率基站添加一個(gè)偏離來(lái)拓展其覆蓋范圍，因此迫使方案BPA中超載基站MBS的用戶轉(zhuǎn)入鄰近的輕負(fù)荷基站PBS。通過(guò)進(jìn)一步平衡方案BPA中的負(fù)載，方案BCGA達(dá)到了較之更高的LBI。從方案QAA的接入規(guī)則來(lái)看，用戶并非接入至擁有最佳信道質(zhì)量的基站(高功率基站)，而是選擇折衷資源消耗和可達(dá)速率的基站，即表現(xiàn)為轉(zhuǎn)載能力。通過(guò)平衡基站間的負(fù)載，方案QAA達(dá)到了最高的LBI。盡管方案BCGA可通過(guò)調(diào)整偏離因子改善基站負(fù)載水平，但調(diào)整過(guò)程很難保證最優(yōu)。換言之，若偏離因子過(guò)小，則超載基站減壓不明顯；若偏離因子過(guò)大，則原信道質(zhì)量較差的基站反成超載基站。鑒于用戶調(diào)度嚴(yán)格受限于基站資源，無(wú)論何種調(diào)度方案，調(diào)度資源均不能超過(guò)基站本身所有。因此，兩類調(diào)度方案下LBI可能幾乎相同。

針對(duì)不同調(diào)度方案，圖3展示了各類接入方案的網(wǎng)絡(luò)負(fù)載平衡水平隨用戶實(shí)際速率需求(Practical rate, PR)變化的情況。如圖3所示，隨著用戶PR的增加， 方案BPA和BCGA的負(fù)載平衡水平開(kāi)始增加而后下降。在低速率域，隨著PR的增加，調(diào)度資源越發(fā)接近各類基站資源供應(yīng)量，因此負(fù)載平衡水平上升。當(dāng)PR增加到一定量時(shí)，再度增加速率需求將導(dǎo)致更多資源片斷(資源塊)無(wú)法滿足用戶需求。由于高功率基站用戶往往具有高可達(dá)速率，因此高功率基站調(diào)度資源塊數(shù)通常多于低功率基站，且這一差距隨PR的增加而增大。因此，方案BPA和BCGA的LBI會(huì)出現(xiàn)下降趨勢(shì)。不同于方案BPA和BCGA，方案QAA起始時(shí)LBI就很高，即各類基站資源消耗趨近平衡。因此，方案QAA的LBI不存在上長(zhǎng)趨勢(shì)。但同其他方案一樣，當(dāng)增加PR時(shí)，方案QAA的LBI應(yīng)呈現(xiàn)出下降趨勢(shì)。同時(shí)注意到，起始LBI越高，LBI增長(zhǎng)過(guò)程越短。其原因在于，原本高的LBI縮短了調(diào)度資源趨近飽和的過(guò)程。

圖2 用戶數(shù)對(duì)網(wǎng)絡(luò)負(fù)載平衡水平的影響Fig.2 Impact of NU on LBI

圖3 用戶實(shí)際速率需求對(duì)網(wǎng)絡(luò)負(fù)載平衡水平的影響Fig.3 Impact of user′s PR on LBI

針對(duì)不同調(diào)度方案，圖4展示了各類接入方案的用戶CBP隨NU的變化情況。正如之前所述，在方案BPA 中，絕大多數(shù)用戶接入至MBS，僅有少許用戶選擇PBS。顯然，在方案BPA中，很多接入至MBS的用戶由于基站沒(méi)有足夠資源而無(wú)法被調(diào)度，而PBS由于接入用戶過(guò)少而使得其資源無(wú)法被充分利用，從而造成了資源的極大浪費(fèi)。因此，相比于其他具有轉(zhuǎn)載能力的方案，方案BPA應(yīng)具有更高的CBP。盡管方案QAA以損耗資源(提升資源消耗)來(lái)迫使基站間實(shí)現(xiàn)負(fù)載平衡，但它通過(guò)平衡負(fù)載實(shí)現(xiàn)網(wǎng)絡(luò)資源的充分利用、提升用戶滿意度。因此，同方案BPA相比，方案QAA具有更低的CBP。此外，根據(jù)接入規(guī)則，不難發(fā)現(xiàn)，方案BPA未考慮用戶QoS需求和資源限制，但方案QAA卻有所涉及。因此，方案QAA獲得了較方案BPA 更低的CBP。盡管方案BCGA可通過(guò)調(diào)整偏離因子而使得CBP下降，但調(diào)整過(guò)程很難保證最優(yōu)，且轉(zhuǎn)載過(guò)程無(wú)法保證轉(zhuǎn)載用戶滿足基站資源限制。換言之，若偏離因子過(guò)小，則因超載基站減壓不明顯而使得許多用戶未能被調(diào)度；若偏離因子過(guò)大，則因原信道質(zhì)量較差的基站反成超載基站而使得更多用戶不能被調(diào)度。此外，在有限資源條件下，相比于調(diào)度方案MPRF，方案MARF可能調(diào)度更多用戶，從而使得調(diào)度方案MARF可能擁有較方案MPRF更低的CBP。

針對(duì)不同調(diào)度方案， 圖5展示了各類接入方案的用戶CBP隨用戶PR的變化情況。隨著用戶PR的增加，為支持用戶正常通信，基站不得不分配更多的資源給用戶。然而，每個(gè)基站的資源畢竟有限，因此用戶CBP隨用戶實(shí)際需求的增加而提高。此外，隨著用戶PR的提升，資源需求量逐漸增加，可接入用戶數(shù)越來(lái)越少。當(dāng)用戶PR足夠大后，各類方案接入用戶數(shù)可能就非常接近，即少數(shù)幾個(gè)高可達(dá)速率用戶被調(diào)度。因此，各方案的CBP越發(fā)接近。

圖4 用戶數(shù)對(duì)呼叫阻塞概率的影響Fig.4 Impact of NU on CBP

圖5 用戶實(shí)際速率需求對(duì)呼叫阻塞概率的影響Fig.5 Impact of user′s PR on CBP

圖6 QAA算法的收斂性Fig.6 Convergence of algorithm QQA

針對(duì)方案QAA的接入算法，圖6描繪了其收斂情況。根據(jù)仿真結(jié)果，不難發(fā)現(xiàn)，所設(shè)計(jì)的接入算法具有較高的收斂速率，非常適用于實(shí)際應(yīng)用。

4 結(jié)束語(yǔ)

針對(duì)HCN系統(tǒng)，設(shè)計(jì)了一類QoS感知的小區(qū)選擇方案以實(shí)現(xiàn)網(wǎng)絡(luò)負(fù)載平衡。在該方案中，基站資源消耗量被視為其負(fù)載。同時(shí)，該方案還融入了用戶服務(wù)質(zhì)量需求，可反映用戶資源消耗水平。最終，該方案被規(guī)劃為網(wǎng)絡(luò)范圍的加權(quán)效益最大化問(wèn)題。鑒于所規(guī)劃問(wèn)題為非線性、混合整數(shù)優(yōu)化問(wèn)題，其最優(yōu)解的獲取富于挑戰(zhàn)性，嘗試?yán)脤?duì)偶分解法開(kāi)發(fā)了一個(gè)有效的分布式算法。仿真結(jié)果表明，同其他接入方案相比，所設(shè)計(jì)的接入方案具有較高的負(fù)載平衡水平和更低的用戶呼叫阻塞概率。此外，數(shù)值仿真仍顯示：所設(shè)計(jì)的分布式算法具有較快的收斂速率，非常適合實(shí)際應(yīng)用場(chǎng)景。未來(lái)研究工作可包括動(dòng)態(tài)接入算法的開(kāi)發(fā)、聯(lián)合功控方案的設(shè)計(jì)和推廣至上行系統(tǒng)。