C-RAN網(wǎng)絡中一種基于QEE優(yōu)化的無線資源分配算法

肖培劍，王 波，黃冬艷

(桂林電子科技大學 認知無線電與信息處理教育重點實驗室，廣西 桂林 541004)

0 引言

隨著全球第四代移動通信系統(tǒng)(4G)的大規(guī)模商用化，業(yè)界已經(jīng)開始進行第五代移動通信系統(tǒng)(5G)的研究，5G將會提供0.1～1 Gbps的用戶體驗速率、小于1 ms的端到端空中延遲、更高的能量效率(Energy Efficiency，EE)和頻譜效率(Spectral Efficiency，SE)[1-2]。預計5G將在2020年投入商用。

為了有效降低移動通信系統(tǒng)資本支出和運營支出，中國移動提出了C-RAN的移動網(wǎng)絡架構[3]。C-RAN網(wǎng)絡架構可以有效提高移動通信系統(tǒng)的頻譜效率和能量效率。目前業(yè)界己將C-RAN作為5G無線接入網(wǎng)架構之一。C-RAN網(wǎng)絡架構中，傳統(tǒng)基站的功能被拆分為基帶單元(Baseband Unit，BBU)和遠端射頻頭(Remote Radio Head，RRH)兩部分。C-RAN網(wǎng)絡可以利用BBU池的相關信息實現(xiàn)動態(tài)的資源分配，從而高效地服務于網(wǎng)絡用戶。此外RRH之間的協(xié)作通信方式可以有效降低小區(qū)間干擾，提高系統(tǒng)容量。

為了滿足用戶對業(yè)務多樣性的需求，5G將支持三維視頻流/會議(Three-dimensional Video Streaming/Meeting)、AR(Augmented Reality)、在線大數(shù)據(jù)挖掘(Online Big Data Mining)和實時物聯(lián)網(wǎng)(Real-time Internet of Things)等新興業(yè)務[4-5]。這些新興業(yè)務更加注重用戶的主觀感受，因此需要從用戶的角度來優(yōu)化網(wǎng)絡性能。事實上，網(wǎng)絡運營商和服務提供商已經(jīng)將對用戶服務質量(Quality of Service，QoS)的關注轉向了用戶體驗質量(Quality of Experience，QoE)。QoE是由用戶背景(如年齡、性別、地區(qū)和性格等)決定，其量化評價標準采用國際電信聯(lián)盟電信標準分局(International TPunication Union-TPunication Sector，ITU-T)建議的平均意見得分(Mean Opinion Score，MOS)[6]。MOS把主觀評估轉化成客觀的數(shù)值評估，從而更加準確地反映用戶的滿意程度[7]。

隨著節(jié)能環(huán)保的概念深入發(fā)展，通信行業(yè)也展開了綠色通信的研究[8-9]。作為下一代的移動通信技術，5G的研究也必須考慮能量效率的優(yōu)化。結合QoE的研究，業(yè)界提出了QEE[10]的概念，即單位能量QoE。因此，基于C-RAN網(wǎng)絡QEE的研究對提高用戶QoE，減小系統(tǒng)能量消耗具有重要意義。

文獻[11-12]基于C-RAN網(wǎng)絡研究QoE，其中文獻[11]通過RRH之間協(xié)作方式達到提升用戶QoE的目的，文獻[12]采用光纖供電方式優(yōu)化用戶的QoE。文獻[13-14]基于無線異構網(wǎng)絡提出移動關聯(lián)和資源分配方案，優(yōu)化視頻業(yè)務的QEE。文獻[10]基于C-RAN網(wǎng)絡架構，采用一種基于迭代型Max-Min算法來優(yōu)化多業(yè)務的QEE。文獻[11-12]在C-RAN網(wǎng)絡中并未研究視頻業(yè)務的QEE特性；文獻[13-14]雖然分析了視頻業(yè)務的QEE特性，但沒有基于C-RAN網(wǎng)絡進行研究。文獻[10]雖然基于C-RAN中分析研究了QEE特性，但只從功率資源調度的角度來優(yōu)化QEE，并沒有考慮載波與功率聯(lián)合調度的動態(tài)資源分配方式來優(yōu)化QEE。本文基于C-RAN架構，提出一種基于載波與功率聯(lián)合調度的NFP分配算法，優(yōu)化視頻業(yè)務的QEE。

1 系統(tǒng)模型

C-RAN網(wǎng)絡架構如圖1所示。典型的C-RAN網(wǎng)絡由一個BBU池和多個分布在不同地理區(qū)域內的RRHs組成。RRHs與BBU池之間通過高帶寬低延遲的前傳鏈路(例如光纖)連接[15-16]。

圖1 C-RAN網(wǎng)絡架構

系統(tǒng)總用戶數(shù)Nu表示為：

(1)

系統(tǒng)載波資源數(shù)Nc表示為：

(2)

(3)

RRHs功率集合表示為{P1，…，Pl，…，PNr}，其中Pl表示第l個RRH的總功率。RRHl總功率Pl包括射頻放大器功率與電路功率[17]，

(4)

2 問題定義與描述

2.1 QEE定義

隨著5G網(wǎng)絡的發(fā)展，將會誕生諸如AR、4K視頻(4K Video)等新型業(yè)務，但是業(yè)界并沒有給出這些新型業(yè)務的QoE定義；另外一方面，未來的5G網(wǎng)絡中視頻業(yè)務仍占有相當大的比重，為了提高視頻業(yè)務的QoE性能，滿足綠色節(jié)能通信的需求，將對下行鏈路視頻業(yè)務QEE性能進行優(yōu)化。

對于視頻業(yè)務[18]，用戶的MOS表示為：

(5)

式中，a1=4.5為最大的MOS值上限；a2=0.04為與函數(shù)陡降度相關的系數(shù)；a3=1 650 kbits為可以滿足50%用戶的最大下行速率；Pe為丟包率；r為用戶下行速率。

(6)

根據(jù)香農(nóng)定理，RRHl第k個用戶在載波m上的下行速率(kbits)可以表示為：

(7)

式中，Bm為子載波m的帶寬(kHz)。C-RAN架構中一個BBU池對多個RRHs進行服務，系統(tǒng)RRHs總功率為：

(8)

系統(tǒng)總的MOS表示為：

(9)

QEE的定義表示為：

(10)

2.2 問題描述

本文采用基于無線資源分配的方式來優(yōu)化QEE，QEE優(yōu)化目標表示為：

(11)

3 算法設計

問題(11)是一個混合整數(shù)分式非線性優(yōu)化問題，這是一個NP-hard問題，直接求解比較困難。為了減小復雜度，首先應用非線性分數(shù)規(guī)劃方法將問題(11)轉化成混合整數(shù)非分式非線性優(yōu)化問題，然后用迭代方法解決該轉化問題。在解決轉化問題的每次迭代過程中，采用拉格朗日對偶分解方法決策出最優(yōu)的功率和載波分配方式。

(12)

如果λ取得最優(yōu)值λ*，那么問題(12)滿足：

由于F(λ*)=0需要非常苛刻的條件，為了達到估算和簡化計算的目的，從而設置一個大于0任意小的常量δ1，使得F(λ*)≤δ1收斂。問題(12)是一個混合整數(shù)非分式非線性優(yōu)化問題[18]，根據(jù)Dinkelbach方法[19]，提出利用NFP算法來優(yōu)化該問題。NFP算法如下：

① Initialize:λ，δ1，i，j；

③ 解決式(12)功率和載波分配的問題；

⑥ End

⑦ Output：λ*；

NFP算法可以有效地解決問題(12)。NFP算法基本思想是對于給定的λ值，決策出最優(yōu)的功率和載波分配方式。鑒于在給定的λ值條件下，問題(12)是一個混合整數(shù)非分式非線性優(yōu)化問題，因此引入拉格朗日對偶分解的方法來決策出最優(yōu)的功率和載波分配方式。

(13)

考慮到式(13)具有很強的對偶性，可以通過關于拉格朗日函數(shù)對偶問題的方法來求解[20-21]。因此，式(13)的對偶問題表示為：

(14)

(15)

(16)

獲得子問題最優(yōu)功率后，下一步是求解子問題最優(yōu)的載波資源分配。最優(yōu)的載波分配可以表示如式(17)所示：

(17)

子問題求解目標是在特定的μ值下，獲得最優(yōu)的資源分配；并且通過更新μ值，可以求取不同的最優(yōu)值。因此，下一步要解決的問題是更新μ。通過更新拉格朗日乘子的方式，可以獲得不同μ值?？紤]到D(μ)可微，故主問題可以采用梯度下降法來更新μ值。對L關于拉格朗日乘子求導如式(18)所示：

(18)

故更新的拉格朗日乘子表示如式(19)所示：

(19)

式中，ηl為正的步進大小；i為迭代指數(shù)。為了達到估算和簡化計算的目的，從而設置一個大于0且任意小的常量δ2，使得主問題變化量ΔD(μ)<δ2收斂。

根據(jù)以上討論，得到NFP算法的詳細步驟表示如下：

步驟1

初始化參數(shù)λ，μ，δ1，δ2，i，j。

步驟2

μ(i，j))；

③ 更新拉格朗日因子μ(i，j)；

步驟3

步驟4

① 繼續(xù)執(zhí)行步驟2和步驟3；

② 直到F(λ(i，j))≤δ1，算法結束。

4 仿真結果與分析

5G三大應用場景包括增強型移動寬帶、大規(guī)模機器通信以及高可靠低時延通信。本文基于增強型移動寬帶的室外熱點場景進行仿真分析。相鄰RRH之間的距離分別設置為40 m，160 m，280 m，400 m[22-23]。載波頻率和系統(tǒng)帶寬分別為2.3 GHz，100 MHz[24-26]。為了更好地分析無線資源分配對QEE性能的影響，令Pe=0。系統(tǒng)參數(shù)設置如表1所示。

表1 系統(tǒng)參數(shù)表

圖2(a)～圖2(d)分析了NFP算法中迭代次數(shù)與QEE性能之間的關系，可以得出以下結論：

① 在有限的迭代次數(shù)下，NFP算法趨向于收斂，可以獲得系統(tǒng)最優(yōu)的QEE；

② 隨著用戶數(shù)的增多，QEE的性能將會變差。這是因為隨著用戶的增加，在有限的帶寬資源條件下要滿足用戶同等QoE的需求，就必須通過增大發(fā)射功率來提升QoE，故導致QEE的性能隨用戶數(shù)的增加而變差；

③ 隨著相鄰RRHs距離D的增加，QEE的性能也將會減小。這是因為隨著D的增大，由于要滿足用戶同等QoE的需求，發(fā)射功率則需相應的增大，故導致QEE的性能隨D的增加而變差。

圖2 不同D的QEE性能曲線

在距離D=160 m時，對比了NFP算法、基于塊坐標下降法的比例公平(Block Coodinate Descent-based Proportional Fairness，BCD-based PF)算法和基于塊坐標下降法的最大最小(Block Coodinate Descent-based Max-Min，BCD-based Max-Min)算法3種算法的QEE性能，圖3(a)～圖3 (d)分別分析了在不同用戶數(shù)Nu的QEE性能曲線、MOS性能曲線、MOS標準差和邊緣用戶與中心用戶的MOS公平指數(shù)。從圖3可以得出以下結論：

① 圖3(a)和圖3(b)反映出隨著用戶數(shù)增加，不同算法的QEE性能和MOS性能都減??；并且3種算法中，NFP算法性能最好，BCD-based PF算法次之，BCD-based Max-Min算法性能最差。

② 圖3(c)反映出隨著用戶數(shù)增加，不同算法的MOS標準差都增大；并且3種算法中，BCD-based PF算法性能最好，NFP算法次之，BCD-based Max-Min算法性能最差。

③ 圖3(d)反映出隨著用戶數(shù)增加，不同算法的邊緣用戶與中心用戶MOS公平指數(shù)都下降；并且3種算法中，BCD-based PF算法性能最好，NFP算法次之，BCD-based Max-Min算法性能最差。

綜合分析圖3(a)～圖3(d)可以看出，雖然在公平性方面本文所提NFP算法性能比BCD-based PF算法性能要差，但是NFP算法在可以接受的公平性約束下，可以獲得最優(yōu)的QEE性能。

圖3 不同算法的性能曲線

5 結束語

本文基于C-RAN網(wǎng)絡架構采用NFP算法對視頻業(yè)務的QEE性能進行了優(yōu)化研究。NFP算法基于載波與發(fā)射功率聯(lián)合調度方式來優(yōu)化系統(tǒng)的QEE性能。針對QEE優(yōu)化目標，NFP算法在一定的收斂條件下，經(jīng)過有限次迭代，可以獲得最優(yōu)的QEE性能。通過仿真比較，本文所提的NFP算法在可以接受的公平性約束下，QEE性能優(yōu)于BCD-based PF算法和BCD-based Max-Min算法。