動態(tài)超密集網(wǎng)絡(luò)中的Markov預(yù)測切換

孟慶民，趙媛媛，岳文靜，鄒玉龍，王小明

?

動態(tài)超密集網(wǎng)絡(luò)中的Markov預(yù)測切換

孟慶民，趙媛媛，岳文靜，鄒玉龍，王小明

（南京郵電大學(xué)通信與信息工程學(xué)院，江蘇 南京 210003）

針對超密集蜂窩網(wǎng)絡(luò)中大規(guī)模機(jī)器類通信所涉及的通信與計(jì)算問題，提出了一種基于Markov預(yù)測的切換方案。首先考慮半結(jié)構(gòu)化的中心控制的異構(gòu)網(wǎng)絡(luò)設(shè)計(jì)，該設(shè)計(jì)中含有密集部署的虛擬節(jié)點(diǎn)，以實(shí)現(xiàn)低成本和高效率的覆蓋。該網(wǎng)絡(luò)可以根據(jù)用戶的移動性及網(wǎng)絡(luò)通信量動態(tài)調(diào)整接入點(diǎn)。其次構(gòu)建Markov模型，引入負(fù)載感知思想，通過權(quán)衡信號質(zhì)量與小區(qū)負(fù)載，有效地預(yù)測用戶的下一個(gè)最優(yōu)接入點(diǎn)。仿真實(shí)驗(yàn)結(jié)果證明了該方案用于小區(qū)切換預(yù)測的可行性與有效性。

超密集蜂窩網(wǎng)絡(luò)；大規(guī)模機(jī)器類通信；Markov模型；負(fù)載感知；切換

1 引言

為滿足更高容量與更好覆蓋、極高通信可靠性與極低時(shí)延以及大規(guī)模機(jī)器類通信等技術(shù)需求，異構(gòu)網(wǎng)絡(luò)（HetNet, heterogeneous network）、超密集網(wǎng)絡(luò)和軟件定義網(wǎng)絡(luò)（SDN , software defined network）等新型架構(gòu)正在成為新一代無線網(wǎng)絡(luò)的候選架構(gòu)[1-3]。本文探討一種中心式控制的HetNet，它包含一個(gè)具有高傳輸容量的宏基站（MBS, macro base station）以及在其覆蓋范圍內(nèi)密集部署的低覆蓋范圍的微基站（PBS, pico base station）。研究的網(wǎng)絡(luò)架構(gòu)具有雙重特點(diǎn)，一方面該HetNet可以為用戶提供更大的帶寬和更高的數(shù)據(jù)速率；另一方面大量的接入點(diǎn)將帶來頻繁切換等移動管理挑戰(zhàn)。

密集異構(gòu)網(wǎng)絡(luò)切換方案通常涉及多種網(wǎng)絡(luò)參數(shù)，如接收信號強(qiáng)度、移動設(shè)備速度、帶寬、能效、信號與干擾加噪聲比、路徑損耗等[13-14]。文獻(xiàn)[15]提出一種考慮用戶上行能量消耗的切換方法，用戶設(shè)備與可以提供最高RSRP的基站（BS, base station）相關(guān)聯(lián)。文獻(xiàn)[16]研究了一種按照速度值來設(shè)定雙門限的切換設(shè)計(jì)。有不少工作研究考慮網(wǎng)絡(luò)負(fù)載度的切換設(shè)計(jì)，即把帶寬看作切換前的一種判別依據(jù)，以提高切換成功率。文獻(xiàn)[17]提出了一種綜合方案，即兼顧網(wǎng)絡(luò)負(fù)載、接收信號強(qiáng)度、業(yè)務(wù)類型和移動設(shè)備速度等來完成切換判決。通過考慮相鄰小區(qū)間負(fù)載不均衡，文獻(xiàn)[18]提出了一種基于自適應(yīng)小區(qū)選擇的優(yōu)先級信道預(yù)留切換算法，利用Markov排隊(duì)模型完成預(yù)留信道的優(yōu)先級切換。文獻(xiàn)[19]研究了以節(jié)能為中心的垂直切換方案算法，它也集成內(nèi)容感知功能。此外，相關(guān)的工作研究了基于信號與干擾加噪聲切換方案，即兼顧 RSRP 和 SINR的最優(yōu)小區(qū)切換[20]。

如上所述，盡管很多文獻(xiàn)討論了多種切換技術(shù)，但由于密集部署微基站的HetNet是一種新型的蜂窩網(wǎng)絡(luò)，其切換方案尚有待于進(jìn)一步的研究。因?yàn)镠etNet小區(qū)特征的多樣性，HetNet的切換設(shè)置不應(yīng)該照搬傳統(tǒng)切換方案中的設(shè)置參數(shù)，如觸發(fā)時(shí)間（TTT, time to trigger）和切換滯后差值。當(dāng)采用較大的TTT值和切換滯后差值，穿過一個(gè)微小區(qū)的用戶在TTT期間內(nèi)可能經(jīng)歷嚴(yán)重的RSRP惡化。另一方面，較小的TTT值和切換滯后差值可能導(dǎo)致切換乒乓效應(yīng)，因信令開銷和切換時(shí)間而產(chǎn)生性能損失。降低切換失敗率和遏制乒乓效應(yīng)顯然是兩個(gè)相互沖突的目標(biāo)，切換策略需要在這兩個(gè)方面進(jìn)行權(quán)衡。

針對一種含有多個(gè)虛擬節(jié)點(diǎn)的中心式的HetNet，本文提出一種基于Markov預(yù)測的聯(lián)合切換設(shè)計(jì)。通過Markov方案預(yù)測新的目標(biāo)接入小區(qū)，其中，用戶在小區(qū)間的轉(zhuǎn)移概率取決于SINR以及切換閾值。該設(shè)計(jì)一方面可以動態(tài)激活相應(yīng)的虛擬節(jié)點(diǎn)，平衡網(wǎng)絡(luò)負(fù)載，提高能量效率；另一方面用戶可以提前向預(yù)測小區(qū)發(fā)送認(rèn)證，請求并進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)準(zhǔn)備，以降低不必要的資源浪費(fèi)。其中，虛擬節(jié)點(diǎn)的狀態(tài)為休眠狀態(tài)與激活狀態(tài)。移動用戶的越區(qū)切換可以采用中心式的控制，即該網(wǎng)絡(luò)是一種部分集成SDN中心控制器實(shí)體的接入網(wǎng)[3]。

2 系統(tǒng)模型

2.1 系統(tǒng)模型和半結(jié)構(gòu)化的異構(gòu)網(wǎng)絡(luò)

所考慮的系統(tǒng)模型是一種聯(lián)合的通信與計(jì)算模型。下行接入采用類似LTE下行的OFDMA傳輸方案，通信模型為下行可達(dá)速率，主要指標(biāo)為傳輸速率、切換觸發(fā)時(shí)間等。這里的蜂窩網(wǎng)絡(luò)具體為一種含有若干虛擬節(jié)點(diǎn)、半結(jié)構(gòu)化的異構(gòu)網(wǎng)絡(luò)，因此它便于實(shí)現(xiàn)一種低成本和高效率的覆蓋。所部署的虛擬節(jié)點(diǎn)采用一種半結(jié)構(gòu)化的拓?fù)?，即采用環(huán)狀分布，環(huán)的半徑和虛擬節(jié)點(diǎn)的數(shù)量將根據(jù)小區(qū)的負(fù)載狀況、用戶位置動態(tài)定義[21]。此外，小區(qū)內(nèi)的虛擬節(jié)點(diǎn)一般處于休眠狀態(tài)。圖1中的計(jì)算模型基于Markov模型。對于所研究的異構(gòu)超密集網(wǎng)絡(luò)，本文將依據(jù)Markov預(yù)測結(jié)果，根據(jù)SDN的中心控制思想來動態(tài)地選擇、激活相應(yīng)的虛擬節(jié)點(diǎn)，這不僅可以減少干擾和功率消耗，也可以提高切換方案的效率。

所研究的場景包含N=1個(gè)MBS，并在其覆蓋域內(nèi)分布著=12個(gè)虛擬節(jié)點(diǎn)，這里虛擬節(jié)點(diǎn)是一種低功耗和低復(fù)雜度的虛擬基站（VBS, virtual base station），使用相同頻帶的虛擬節(jié)點(diǎn)需要中心式的網(wǎng)絡(luò)控制和網(wǎng)絡(luò)計(jì)算。將一簇用戶或機(jī)器類通信設(shè)備的移動過程建模為一個(gè)擁有+2種狀態(tài)的集合，即∈{,,}，其中，={1,2,…,VS}。按符號出現(xiàn)的次序，表示用戶與MBS連接的狀態(tài)，VS表示用戶與VBS連接的狀態(tài)，H表示用戶正處于從源小區(qū)向目標(biāo)小區(qū)切換的狀態(tài)。

圖1 半結(jié)構(gòu)化的異構(gòu)網(wǎng)絡(luò)網(wǎng)絡(luò)拓?fù)?/p>

2.2 切換管理策略

根據(jù)3GPP標(biāo)準(zhǔn)[22]，傳統(tǒng)的切換過程主要分為如圖2所示的3個(gè)狀態(tài)。

圖2 傳統(tǒng)切換過程

首先用戶監(jiān)測所有被測小區(qū)經(jīng)過濾波器后的RSRP，并給服務(wù)小區(qū)發(fā)送測量報(bào)告。當(dāng)式(1)中的條件在給定的TTT內(nèi)持續(xù)被滿足時(shí)，將對用戶進(jìn)行切換。

其中，R是目標(biāo)小區(qū)的RSRP，R是當(dāng)前服務(wù)小區(qū)的RSRP。hyst是切換滯后差值，其大小決定了切換延時(shí)長短。根據(jù)用戶的速度來設(shè)定TTT參數(shù)，可有效防止切換乒乓效應(yīng)。

傳統(tǒng)的切換過程是根據(jù)RSRP進(jìn)行的。但由于用戶通信量的急劇增加、小區(qū)的超密集部署、網(wǎng)絡(luò)場景的復(fù)雜化，傳統(tǒng)的切換策略已經(jīng)不能滿足當(dāng)前需求。因此，為提高密集網(wǎng)絡(luò)中大規(guī)模機(jī)器類通信的切換性能，本文把切換與移動路徑預(yù)測技術(shù)相結(jié)合，預(yù)測用戶將要移動到的下一個(gè)目標(biāo)小區(qū)。

3 基于預(yù)測的切換設(shè)計(jì)

3.1 Markov預(yù)測設(shè)計(jì)

離散時(shí)間Markov鏈?zhǔn)且环N計(jì)算模型，它通?？梢杂糜诟鞣N性能分析和網(wǎng)絡(luò)決策。本文試圖把Markov預(yù)測集成到一種聯(lián)合的切換設(shè)計(jì)中。通過計(jì)算該Markov鏈的轉(zhuǎn)移概率矩陣，來輔助決策最佳可用網(wǎng)絡(luò)和預(yù)測真實(shí)系統(tǒng)中的用戶未來接入點(diǎn)，在大量用戶接入多微基站的場景下，有助于降低切換時(shí)延和減少對信道資源與緩存的占用等。本文所提策略的目的是實(shí)現(xiàn)高效率的密集網(wǎng)絡(luò)移動性管理，避免不必要的切換。這里使用非齊次的離散時(shí)間Markov鏈來預(yù)測移動用戶路徑。假定移動用戶的位置是一個(gè)隨機(jī)變量，隨機(jī)變量序列X(1≤≤N)，構(gòu)成一個(gè)Markov過程，并且滿足

其中，b代表用戶當(dāng)前選擇的連接小區(qū)，12…b代表了用戶所經(jīng)歷的基站連接序列，N代表沿用戶軌跡總的采樣次數(shù)，即用戶下一個(gè)可能選擇的目標(biāo)小區(qū)由當(dāng)前的服務(wù)小區(qū)決定。

定義采樣時(shí)刻有小區(qū)間的(+1)×(+1)維轉(zhuǎn)移概率矩陣()，其行元素代表用戶當(dāng)前服務(wù)小區(qū)，列元素代表用戶的目標(biāo)小區(qū)。矩陣元素代表用戶在與服務(wù)小區(qū)連接狀態(tài)下，切換到目標(biāo)小區(qū)的概率。基于Markov預(yù)測的設(shè)計(jì)就是在()中找到當(dāng)前服務(wù)小區(qū)的對應(yīng)行，其中概率值最大的對應(yīng)列即為預(yù)測結(jié)果p，即

其中，代表第個(gè)基站的序號，1≤≤+1，=+1為MBS，其余為VBS。取相干時(shí)間c為采樣間隔，即

這里定義用戶簇中用戶數(shù)為，代表簇中第個(gè)用戶，1≤≤。取c，則時(shí)刻用戶到基站的歐氏距離為

其中，(x(),y())與(xBS,yBS)分別為時(shí)刻用戶所在坐標(biāo)和基站坐標(biāo)。在實(shí)際移動通信網(wǎng)絡(luò)中，利用SDN的全局化視圖，可以實(shí)時(shí)獲得網(wǎng)絡(luò)和終端信息。用戶位置也可根據(jù)當(dāng)前設(shè)備的GPS標(biāo)準(zhǔn)系統(tǒng)獲得。本文考慮的信道模型含有路徑損耗、陰影以及衰落。這里不考慮處于激活狀態(tài)的虛擬節(jié)點(diǎn)之間的相互干擾。在時(shí)刻測量基站的RSRP[23]為

其中，X,n()=Ptx ng,n()，是基站的發(fā)射功率，g,n()與β,n()分別為時(shí)刻的路徑增益和快衰落信道增益。假設(shè)該衰落服從瑞利分布，則定義β,n()是均值為1的指數(shù)型隨機(jī)變量。定義0與μ分別為參考距離（0=1 m）與路徑損耗因子，則通用的路徑損耗模型[24]表示為

定義gain為陰影，則路徑增益為

圖3 密集網(wǎng)絡(luò)含3個(gè)基站時(shí)的Markov狀態(tài)鏈

這里將根據(jù)切換閾值hyst和計(jì)算轉(zhuǎn)移概率，做出切換決策。根據(jù)文獻(xiàn)[25]可知，當(dāng)用戶向b移動，并處于b和b之間的某個(gè)位置時(shí)，若b和b的RSRP之差低于hyst，則TTT開始計(jì)時(shí)。如在整個(gè)TTT時(shí)期內(nèi)這一條件被持續(xù)滿足，則將對用戶執(zhí)行切換到b的切換過程。為簡化模型，這里假定b是b的鄰近小區(qū)。并且，對于下行用戶，b和b兩個(gè)基站選擇同頻信道，則定義

其中，

且隨機(jī)變量ξ,T()是兩個(gè)獨(dú)立同分布指數(shù)隨機(jī)變量的比值，即

可推出式(11)中的分布函數(shù)（CDF, cumulative distribution function），具體推導(dǎo)過程見附錄1。

則從服務(wù)小區(qū)b到目標(biāo)小區(qū)b的轉(zhuǎn)移概率為

在系統(tǒng)應(yīng)用時(shí)，根據(jù)式(13)即可得狀態(tài)轉(zhuǎn)移概率這一先驗(yàn)條件。將式(13)代入式(3)中，就可得到沿用戶軌跡的基于Markov模型的預(yù)測目標(biāo)小區(qū)，即

3.2 負(fù)載感知下的方案優(yōu)化

為了使用戶選擇最佳小區(qū)，本文將進(jìn)一步優(yōu)化方案，即權(quán)衡考慮信號質(zhì)量和各個(gè)小區(qū)的傳輸負(fù)載。假定每個(gè)虛擬節(jié)點(diǎn)處采用一個(gè)正交化的資源塊，考慮非理想編碼和調(diào)制方案。定義B為子信道的有效帶寬，可得用戶從b向b移動時(shí)基站b的可達(dá)速率為

假定網(wǎng)絡(luò)控制器實(shí)體已獲取用戶周圍每個(gè)小區(qū)的可用資源率ρ∈[0,1]，則基于負(fù)載感知條件下b的可達(dá)速率為

將式(19)代入式(13)可得到負(fù)載感知下小區(qū)間的轉(zhuǎn)移概率為

將式（20）代入式（14）中即可得到沿用戶軌跡的基于負(fù)載感知的預(yù)測目標(biāo)小區(qū)。

3.3 含預(yù)測的切換方案流程

綜合上述分析，本文提出了如下所示的含預(yù)測的切換方案流程。

1) 假定=c時(shí)刻用戶與b相連接，且已知各小區(qū)負(fù)載率為ρ。

2) 估計(jì)時(shí)刻用戶與其他小區(qū)b的歐氏距離為dis,S?()，路徑增益為g,S?()。

6) 若5)不成立，則返回1)，用戶仍與b相連接。

7) 若b為虛擬節(jié)點(diǎn)，由SDN的中心控制策略控制b激活，用戶可以提前向b發(fā)送認(rèn)證，請求并準(zhǔn)備轉(zhuǎn)發(fā)數(shù)據(jù)。

4 仿真分析

仿真場景如圖1所示，采用下行的OFDMA傳輸方案，這里考慮虛擬節(jié)點(diǎn)數(shù)目為=12，簇中用戶數(shù)目為=30。系統(tǒng)仿真參數(shù)如表1所示。

表1 系統(tǒng)仿真參數(shù)說明

文獻(xiàn)[21]研究了一種超密集部署的蜂窩網(wǎng)絡(luò)的負(fù)荷卸載設(shè)計(jì)，通過計(jì)算簇用戶到所有基站的鏈路和容量，采用最大容量切換方案（MCHS, maximum capacity handover scheme）來進(jìn)行基站選擇。這里，將對MCHS和本文所提出的MPHS兩種方案進(jìn)行分析。經(jīng)仿真觀察，這里取MBS和VBS的參考切換閾值為hysthyst1 dB。

圖4分別統(tǒng)計(jì)了簇中單個(gè)用戶在MCHS（標(biāo)注maxC）和MPHS（標(biāo)注pred）兩種方案下的切換次數(shù)隨用戶移動距離變化曲線。其中，圖4(a)不考慮基站負(fù)載，即ρ=1；圖4(b)中自定義負(fù)載，各小區(qū)負(fù)載情況ρ如表2所示。這里取用戶移動速度為2 m/s，抽樣時(shí)間為30 ms，共進(jìn)行了14 000次仿真，用戶共移動840 m。在低速率的移動場合，最優(yōu)的TTT是避免由快衰落而產(chǎn)生乒乓效應(yīng)的最小值，因此，它只與信道的相干時(shí)間c有關(guān)，也就是只取決于用戶速度，而與小區(qū)的大小無關(guān)[23]。TTT過低會使切換門檻降低，造成切換乒乓；TTT過高會使切換門檻提高，使用戶速率降低。這里相干時(shí)間即為30 ms，經(jīng)計(jì)算機(jī)仿真，驗(yàn)證T=180 ms時(shí)效果最佳，為對比顯示，圖4中給出了TTT分別為150 ms和180 ms的仿真曲線，即T=150 ms和T=180 ms 2種情況。

圖4 不同TTT下的切換次數(shù)隨用戶移動距離變化曲線

由圖4中可以看到，TTT能夠有效地避免切換乒乓，且TTT越大，用戶總切換次數(shù)越少。并結(jié)合圖1用戶移動方向可知，在用戶移動500 m左右，用戶周圍環(huán)繞密集部署的基站，使用戶的切換次數(shù)急劇增加。并且當(dāng)T=180 ms時(shí)，兩種方案在小區(qū)負(fù)載相同的情況下，切換總次數(shù)保持一致，因此在下面的分析中本文取T=180 ms。

與表2不同，表3為另外一種隨機(jī)生成的不同小區(qū)負(fù)載設(shè)置，表4統(tǒng)計(jì)了MPHS方案在不同負(fù)載條件下用戶所選擇基站序列。將表4分別與圖4(a)和圖4(b)相對應(yīng)，再結(jié)合圖1所示的網(wǎng)絡(luò)拓?fù)湟约氨?所示的分布進(jìn)行分析。參見表2，沿用戶的移動軌跡，當(dāng)設(shè)置虛擬基站8和10的負(fù)載為0.3 ，9和11的負(fù)載為1時(shí)，綜合信號質(zhì)量與小區(qū)負(fù)載后的預(yù)切換方案跳過了8和10，直接從9切換到11。表3配置下的預(yù)切換方案將直接從10切換到2，注意圖4(b)中沒有顯示出該小概率事件。因此不同的負(fù)載條件下用戶所進(jìn)行的基站選擇存在差異，在引入小區(qū)負(fù)載這一上下文信息后，預(yù)測切換方案會綜合信號質(zhì)量與小區(qū)負(fù)載為用戶選擇最佳切換小區(qū)。

表2 基站負(fù)載定義1

表3 基站負(fù)載定義2

表4 用戶在不同負(fù)載條件下所選擇基站（Th=180 ms）

由于信道的隨機(jī)性，定義在信道估計(jì)不完善時(shí)有

式(13)中變量包括切換閾值、發(fā)射功率和時(shí)刻的路徑增益估計(jì)等。尤其最后的路徑增益參數(shù)，實(shí)際移動管理的切換方案不可能獲取絕對精確的路徑增益估計(jì)。式(21)考慮用戶與目標(biāo)小區(qū)間鏈路存在路徑增益估計(jì)誤差的情況。計(jì)算機(jī)仿真實(shí)驗(yàn)結(jié)果顯示，在所研究的面向低速率移動的簡單模型下，該路徑增益估計(jì)誤差所引起轉(zhuǎn)移概率的偏差不顯著。另一方面，式（13）的分母還包含了用戶與當(dāng)前服務(wù)小區(qū)間鏈路的路徑增益。當(dāng)存在該路徑增益估計(jì)誤差時(shí)，轉(zhuǎn)移概率的偏差將不可忽略。此外，所研究的方案將根據(jù)切換閾值和計(jì)算轉(zhuǎn)移概率來做出切換決策。路徑增益估計(jì)誤差將對切換方案的值產(chǎn)生直接影響，從而降低方案的性能。

圖5顯示了在MCHS和MPHS兩種方案下的用戶切換概率隨用戶移動速度變化的關(guān)系曲線，其中，取ρ=1。觀察可得，MPHS的切換概率略高于MCHS。并且，隨著用戶移動速度的增加，用戶的切換概率也逐漸增加。

圖5 用戶切換概率隨用戶速度變化曲線

利用互補(bǔ)網(wǎng)絡(luò)也就是虛擬基站進(jìn)行數(shù)據(jù)傳送，能夠減輕蜂窩網(wǎng)絡(luò)負(fù)載，以平衡整個(gè)網(wǎng)絡(luò)負(fù)載。圖6描述了MPHS的容量增益隨時(shí)間變化曲線，其中，=2 m/s。計(jì)算機(jī)仿真結(jié)果表明，在用戶的移動過程中，其平均容量增益約為18.4%，即當(dāng)用戶選擇虛擬基站時(shí)，移動數(shù)據(jù)負(fù)荷被卸載，有效地平衡了網(wǎng)絡(luò)的負(fù)載。

圖6 用戶容量增益隨移動時(shí)間變化曲線

圖7是MCHS和MPHS兩種方案下的用戶平均速率隨用戶移動距離變化曲線，設(shè)置ρ=1，=2 m/s。圖7(a)為單用戶平均速率仿真結(jié)果，且同時(shí)考慮路徑損耗、獨(dú)立陰影和衰落。可以看到兩種切換設(shè)計(jì)的單用戶速率曲線大部分重疊。圖7(b)為簇中所有用戶和速率仿真結(jié)果，為了便于觀察，僅考慮路徑損耗和衰落?？梢杂^察到兩種方案的用戶簇和速率曲線大部分一致，但由于MPHS的預(yù)切換設(shè)計(jì)，整個(gè)簇用戶的和速率要高于MCHS。

圖7 用戶平均速率隨用戶移動距離變化曲線

MPHS是一種預(yù)切換的設(shè)計(jì)，它是在當(dāng)前時(shí)刻預(yù)測用戶下一時(shí)刻選擇的小區(qū)，相比較實(shí)時(shí)計(jì)算小區(qū)選擇的MCHS來說，MPHS下用戶可以提前向預(yù)測小區(qū)發(fā)送認(rèn)證，請求并進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)準(zhǔn)備，當(dāng)用戶在當(dāng)前小區(qū)下的接收信號強(qiáng)度減弱時(shí)，可以直接向預(yù)測小區(qū)發(fā)送連接請求，降低切換時(shí)延，減少了占用信道資源和緩存，便于保證QoE和網(wǎng)絡(luò)的性能。綜上所述，低速率（如2 m/s）的移動場合，本文所提出的MPHS性能更優(yōu)。

5 結(jié)束語

切換技術(shù)是保證用戶跨小區(qū)移動時(shí)正常通信的關(guān)鍵移動管理和資源分配技術(shù)。為了應(yīng)對超密集部署的異構(gòu)網(wǎng)絡(luò)下大規(guī)模機(jī)器類通信的切換性能提升問題，本文提出了一種基于Markov預(yù)測的半結(jié)構(gòu)化的切換設(shè)計(jì)，使用Markov模型預(yù)測用戶的下一個(gè)目標(biāo)小區(qū)以及每個(gè)虛擬節(jié)點(diǎn)的激活狀態(tài)與休眠狀態(tài)。此外，該設(shè)計(jì)還融入了負(fù)載感知思想。計(jì)算機(jī)仿真結(jié)果表明，在低速率（如2 m/s）的移動場合，基于Markov預(yù)測的切換設(shè)計(jì)在保證切換性能的基礎(chǔ)上能夠有效地預(yù)測用戶下一個(gè)接入網(wǎng)絡(luò)。大量用戶接入多宏基站/多微基站場景下的移動管理問題依然是存在的。因此，在下一步的工作中，將繼續(xù)研究多宏蜂窩配置下的切換以及通過SDN控制器來優(yōu)化調(diào)整虛擬節(jié)點(diǎn)的幾何分布等資源分配問題。

附錄1

[1] 尤肖虎, 潘志文, 高西奇, 等. 5G移動通信發(fā)展趨勢與若干關(guān)鍵技術(shù)[J]. 中國科學(xué): 信息科學(xué), 2014, 44(5): 551-563.

YOU X H, PAN Z W, GAO X Q, et al. The 5G mobile communication: the development trends and its emerging key techniques[J]. Scientia Sinica: Informationis, 2014, 44(5): 551-563.

[2] 尤肖虎, 趙新勝. 分布式無線電和蜂窩移動通信網(wǎng)絡(luò)結(jié)構(gòu)[J]. 電子學(xué)報(bào), 2004, 12A(32): 16-21.

YOU X H, ZHAO X S. Distributed radio and cellular mobile communications network architecture[J]. Acta Electronica Sinica, 2004, 12A(32): 16-21.

[3] KREUTZ D, RAMOS F M V, VERISSIMO P E, et al. Software-defined networking: A comprehensive survey[J]. Proceedings of the IEEE, 2015, 103(1): 14-76.

[4] PENG M, LI Y, ZHAO Z, et al. System architecture and key technologies for 5G heterogeneous cloud radio access networks[J]. IEEE Network, 2015, 29(2): 6-14.

[5] 任塨曄, 趙季紅, 曲樺. 基于模糊邏輯的多終端協(xié)同的垂直切換決策算法[J]. 通信學(xué)報(bào), 2014, 35(9): 67-78.

REN G Y, ZHAO J H, QU Y. Vertical handoff decision algorithm for cooperation of multi-terminal based on fuzzy logic terminal[J]. Journal on Communications, 2014, 35(9): 67-78.

[6] TENG Y L, LIU M T, SONG M. Effect of outdated CSI on handover decisions in dense networks[J]. IEEE Communications Letters, 2017, PP(99): 1-4.

[7] BECVAR Z, MACH P. Prediction of channel quality after handover for mobility management in 5G[C]//International Conference on 5G for Ubiquitous Connectivity (5GU 2014), 2014: 35-39.

[8] RABE A, HESHAM E, SAMEH S, et al. Velocity-aware handover management in two-tier cellular networks[J]. IEEE Transactions on Wireless Communications, 2017, 16(3): 1851-1867.

[9] MAALOUL S, AFIF M, TABBANE S. Handover decision in heterogeneous networks[C]// IEEE 30th International Conference on Advanced Information Networking and Applications (AINA 2016), 2016: 588-595.

[10] YAN X, MANI N, SEKERCIOGLU Y A. A traveling distance prediction based method to minimize unnecessary handovers from cellular networks to WLANs[J]. IEEE Communications Letters, 2008, 12(1): 14-16.

[11] KASSAR M, KERVELLA B, PUJOLLE G. An overview of vertical handover decision strategies in heterogeneous wireless networks[J]. Computer Communications, 2008, 31(10): 2607-2620.

[12] DING Z X, WANG X J, WANG X, et al. An effective handover scheme in heterogeneous networks[C]// International Conference on Computer Communication and Informatics (ICCCI), 2016: 1-6.

[13] 劉淑慧. LTE及Macrocell/Femtocell雙層網(wǎng)絡(luò)無線資源管理的研究[D]. 北京: 北京郵電大學(xué), 2012.

LIU S H. Research on wireless resource management of LTE and Macrocell/Femtocell dual-layer networks[D]. Beijing: Beijing University of Posts and Telecommunications, 2012.

[14] 萬晉京. Macrocell-Femtocell分層網(wǎng)絡(luò)中切換算法研究[D]. 重慶: 重慶郵電大學(xué), 2017.

WAN J J. Research on handover algorithm in Macrocell-Femtocell hierarchical network[D]. Chongqing: Chongqing University of Posts and Telecommunications, 2017.

[15] SHARMA A K, SUMAN P N, JAIN A. Improving energy efficiency of femtocell network by joint estimation of downlink throughput and uplink power[C]//2015 International Conference on Advanced Computing and Communication Systems, 2015: 1-5.

[16] ULVAN A, BESTAK R, ULVAN M. The study of handover procedure in LTE-based femtocell network[C]//WMNC2010, 2010:1-6.

[17] 王汝言, 周曉軍, 吳大鵬. 帶有負(fù)載均衡的LTE自適應(yīng)切換算法[J]. 系統(tǒng)工程與電子技術(shù), 2015, 37(9): 2156-2163.

WANG Y Y, ZHOU X J, WU D P. Adaptive LTE handover algorithm with load balancing[J]. Systems Engineering and Electronics, 2015, 37(9): 2156-2163.

[18] 馬秀榮, 張會龍, 白媛, 等. 基于自適應(yīng)小區(qū)選擇的切換控制算法研究[J]. 通信學(xué)報(bào), 2011, 32(9): 9-17.

MA X R, ZHANG H L, BAI Y, et al. Switching control algorithm based on adaptive cell selection[J]. Journal on Communications, 2011, 32(9): 9-17.

[19] XENAKIS D, PASSAS N, GREGORIO L D, et al. A context-aware vertical handover framework towards energy-efficiency[C]. 2011 IEEE 73rd Vehicular Technology Conference (VTC Spring), 2011: 1-5.

[20] ANTORO A D, MUSTIKA I W, WIBOWO S B. Downlink cross-tier interference mitigation for macrocell user in open access femtocell using handover scenario[C]// 2015 International Conference on Electrical Engineering and Informatics (ICEEI), 2015: 656-660.

[21] MENG Q M, ZHONG S, ZOU Y L. Offloading in dynamic ultra dense small cell networks[C]// 2016 7th IEEE International Conference on Software Engineering and Service Science (ICSESS), 2016: 148-152.

[22] 3GPP TR 36.814. Further advancements for E-UTRA physical layer aspects (Release 9)[S]. 2010.

[23] GUIDOLIN F, PAPPALARDO I, ZANELLA A, et al. Context-aware handover policies in HetNets[J]. IEEE Transactions on Wireless Communications, 2016, 15(3): 1895-1906.

[24] GHOSH A, THOMAS T A, CUDAK M C, et al. Millimeter wave enhanced local area systems: A high data rate approach for future wireless networks[J]. IEEE Journal on Selected Areas in Communications, 2014, 32(6): 1152-1163.

[25] 3GPP TR 36.839. Evolved universal terrestrial radio access (E-UTRA); Mobility enhancements in heterogeneous networks (Release 11)[S]. 2012.

Markov prediction based handover in dynamic ultra dense network

MENG Qingmin, ZHAO Yuanyuan, YUE Wenjing, ZOU Yulong, WANG Xiaoming

College of Telecommunications & Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China

In order to solve the problem of the communication and computational problems of large-scale machine communication in an ultra-dense cellular network, a Markov prediction based handover scheme (MPHS) was proposed. Firstly, a kind of heterogeneous network design with semi-structure and central control was considered which contains the densely deployed virtual nodes and thus realized a low cost and efficient coverage. The network can dynamically adjust the access point according to the user's mobility and network traffic. Secondly, a Markov model was constructed, and the idea of load-aware was introduced. By weighing the signal quality and the cell load, the user's next optimal access point was effectively predicted. The simulation results show the feasibility and effectiveness of the proposed scheme for cell handover predicting.

ultra-dense cellular network, large-scale machine communication, Markov model, load-aware, handover

TP393

A

10.11959/j.issn.1000?436x.2018225

孟慶民（1965?），男，江蘇濱海人，博士，南京郵電大學(xué)副教授，主要研究方向?yàn)樾盘柼幚怼⒕W(wǎng)絡(luò)智能、網(wǎng)絡(luò)自動化、綠色通信、安全通信、移動邊緣計(jì)算等。

趙媛媛（1992?），女，山東東營人，南京郵電大學(xué)碩士生，主要研究方向?yàn)闊o線資源管理。

岳文靜（1982?），女，山西應(yīng)縣人，博士，南京郵電大學(xué)副教授，主要研究方向?yàn)閰f(xié)作通信、認(rèn)知無線電等。

鄒玉龍（1984?），男，江西新干人，博士，南京郵電大學(xué)教授，主要研究方向?yàn)檎J(rèn)知無線電、信息安全等。

王小明（1986?），男，山東聊城人，博士，南京郵電大學(xué)講師，主要研究方向?yàn)榫G色通信、資源分配等。

2017?07?17；

2018?08?31

國家自然科學(xué)基金資助項(xiàng)目（No.61522109，No.61501253，No.61801240）；江蘇省自然科學(xué)基金資助項(xiàng)目（No.15KJA510003，No.BK20151506）

The National Natural Science Foundation of China (No.61522109, No.61501253, No.61801240), The Natural Science Foundation of Jiangsu Province(No.15KJA510003, No.BK20151506)