基于效用的5G移動無線資源管理

李明

（蘇州思萃工業(yè)互聯(lián)網(wǎng)技術(shù)研究所有限公司 江蘇省蘇州市 215000）

1 概述

通過不斷的技術(shù)創(chuàng)新，移動通信以閃電般的速度發(fā)展，在過去的幾十年中，移動通信已經(jīng)發(fā)展了幾代，每一代都帶來了顯著優(yōu)異的系統(tǒng)性能提升、更豐富的用戶體驗和成本的大幅度降低。為了滿足日益增長的移動用戶需求和網(wǎng)絡(luò)負載，新的通訊技術(shù)革命發(fā)展迅速。

為確保長期的市場競爭力，LTE和NR引入了新的空中接口和新的無線接入網(wǎng)絡(luò)，以提供更高的吞吐量和更低的延遲，與傳統(tǒng)網(wǎng)絡(luò)系統(tǒng)相比，提高了系統(tǒng)容量和覆蓋范圍，這些改進提高了用戶對所接收服務(wù)的滿意度[1]，稱為體驗質(zhì)量 (QoE)。然而，頻譜稀缺的問題在移動網(wǎng)絡(luò)中仍將存在。此外，用戶數(shù)量及其產(chǎn)生的流量增長極為迅速與帶寬資源仍然非常有限的矛盾也愈發(fā)突出[2,3]。因此，為了保證一定的服務(wù)質(zhì)量(QoS)[4]，更重要的是為了提高用戶感知的滿意度QoE，有必要建立一個無線資源管理[5]機制。

無線資源[6]分配機制的關(guān)鍵目標是在時變通信條件下，最大限度地利用有限的資源，提高用戶體驗[1]?；诠叫浴oS保障和頻譜效率等的不同調(diào)度學(xué)科已經(jīng)得到了廣泛的研究。而無線調(diào)度的目的不僅在于提高網(wǎng)絡(luò)性能，最終目標還是在于提高用戶的滿意度QoE。QoE 通常通過平均意見得分 (MOS)來衡量，并且可以用效用函數(shù)在數(shù)學(xué)上表示。QoE 被定義為最終用戶主觀感知的應(yīng)用程序或服務(wù)的總體可接受性，它不是服務(wù)質(zhì)量(QoS)參數(shù)的線性函數(shù)[4]，并且很大程度上取決于應(yīng)用程序。例如，對于流式傳輸高質(zhì)量音頻的用戶，當(dāng)以2 Mbit/s和1 Mbit/s服務(wù)時，用戶滿意度的差異很小，而當(dāng)以100 Kbit/s和50 Kbit/s服務(wù)時，用戶的滿意度有著明顯的差距。

2 研究現(xiàn)狀

無線資源分配問題已經(jīng)得到了廣泛的研究，除了關(guān)注蜂窩小區(qū)吞吐量、公平性和延遲以外，最近的許多研究旨在最大化用戶的滿意度QoE，QoE通常用效用函數(shù)（utility function）來表示。在有線網(wǎng)絡(luò)領(lǐng)域，Anurag Kumar等研究學(xué)者[7]提出了一種基于效用的彈性流量自適應(yīng)帶寬共享方案，這是一個具有線性約束的凸優(yōu)化問題，作者通過Karush-Kuhn-Tucker (KKT)條件證明可以實現(xiàn)最優(yōu)帶寬分配。有較多學(xué)者研究了無線網(wǎng)絡(luò)中基于效用的資源最優(yōu)分配問題。Kuo等[8]進一步證明了他們所提出的機制和最優(yōu)解的性能差異是有界的。Chen等[9]中提出了QoS流量和盡力而為流量（best-effort traきc）的統(tǒng)一效用函數(shù)。Li等[10]使用基于指數(shù)移動平均(exponential moving average)速率的效用函數(shù)來實現(xiàn)更好的公平性。Zinner 等[11]采用MOS作為體驗質(zhì)量的常用效用指標，研究了在LTE網(wǎng)絡(luò)中的性能和可行性。

綜上所述，上述所有方法都是針對宏基站開發(fā)的，其中傳輸網(wǎng)絡(luò)不是瓶頸。根據(jù)作者的了解，目前只有Hariyanto[12]在調(diào)度機制考慮到了傳輸網(wǎng)絡(luò)的速率瓶頸，然而該學(xué)者僅假設(shè)只有一個蜂窩小區(qū)連接到傳輸網(wǎng)（S1-U/NG接口），而在現(xiàn)實中，多個蜂窩小區(qū)共享同一個傳輸網(wǎng)絡(luò)。因此，在考慮傳輸網(wǎng)絡(luò)限制的情況下，研究5G飛蜂窩集群的資源協(xié)調(diào)分配問題是非常必要的。如圖1所示。

圖1：基于 QoE 的無線資源分配的好處示例圖

3 解決方案

本文在考慮傳輸網(wǎng)絡(luò)（S1-U/NG接口）限制的情況下，研究了基于QoE的5G飛蜂窩集群下行鏈路協(xié)同資源分配問題。在此基礎(chǔ)上，提出了一種基于效用的無線資源調(diào)度框架。首先文章將資源分配問題表述為一個凸優(yōu)化問題，使所有用戶的QoE之和最大化，并使用拉格朗日松弛法求解。雖然該方法提供了一種理想的資源分配解決方案，但這只是理論最優(yōu)解，因為在模型中分配的帶寬被假定為任意正實數(shù)解，而在實際中，系統(tǒng)只能為一個用戶分配整數(shù)數(shù)量的物理資源塊(PRB)。隨后，我們將拉格朗日松弛法的解作為新開發(fā)的算法的基準，并提出了高效的啟發(fā)式算法。由于其復(fù)雜度低，可以應(yīng)用于實際的5G系統(tǒng)中，通過仿真驗證，文章提出的啟發(fā)式算法非常接近理論最優(yōu)解。

這項工作的主要采取的解決方法如下：

3.1 分析模型

一種基于凸優(yōu)化的分析模型：用于估計可實現(xiàn)的聚合 QoE 的上限。

其中資源分配問題公式（1）如下：

目標是使由帶寬 b的嚴格凹 QoE 函數(shù) U 表示的聚合 QoE 最大化。分配給用戶的總帶寬受蜂窩小區(qū)帶寬 BC的限制，并且可實現(xiàn)的總數(shù)據(jù)速率受傳輸網(wǎng)絡(luò)(S1-U/NG)BS1的限制。資源分配問題問題是凸優(yōu)化問題，并具有強對偶性，因此我們將應(yīng)用拉格朗日松弛法來解決這個問題。

其中拉格朗日松弛公式（2）如下：

考慮對偶問題公式（3）如下：

論點1：當(dāng)?bi,c≥0，Li,c是一個凹函數(shù)，且有一個只有一個最大值。那么對偶問題就變成了公式（4）：

證明：函數(shù)Li是二次可微的，它的二階導(dǎo)數(shù)是負的，詳見公式（5）。

公式（4）可以通過次梯度投影法得到 f 的最小值來解決。由于強對偶性，f 有一個且只有一個最小值，這也是原始問題的解。

在實踐中，我們只能為用戶分配整數(shù)數(shù)量的資源塊(PRB)，因此所分配的帶寬bi與通過求解優(yōu)化問題得到的帶寬bi并不完全相同。如果將分配的PRB(整數(shù)變量)建模，優(yōu)化問題將變得NP-hard。因此，該問題不存在多項式時間求解算法。然而，該解決方案給出了可達到的聚合QoE的上限值，這是評估我們所提出的啟發(fā)式資源分配算法性能的基準。

3.2 啟發(fā)式算法

相比于最優(yōu)解算法，啟發(fā)式算法（heuristic algorithm）高效并且計算簡單，可以應(yīng)用于實際的系統(tǒng)。本文提出的兩種不同方法的啟發(fā)式算法，如圖2所示，這兩種方法都使用邊際（marginal）QoE作為資源分配的度量。由于凹函數(shù)的性質(zhì)，邊際 QoE 隨著用戶獲得PRB增加而隨之單調(diào)減少。因此，可用的 PRB 以簡單的迭代方式分配給用戶。在啟發(fā)式算法1中，將一個可用的 PRB 分配給具有最大邊際 QoE 的用戶。在傳輸網(wǎng)絡(luò)不是瓶頸的情況下，這種啟發(fā)式方法被證明是解決無線資源調(diào)度問題的最優(yōu)解。啟發(fā)式算法2分配一個PRB給邊際QoE與估計吞吐量增加的最大比率的用戶。通過這種方法，能夠?qū)崿F(xiàn)較高QoE，同時對網(wǎng)絡(luò)帶寬要求較低的用戶更受青睞。在分配完一個PRB之后，該用戶的效用度量被更新進入下一個迭代。

圖2：啟發(fā)式算法流程圖

在每次迭代結(jié)束時，檢查是否有任何蜂窩小區(qū)有可用的PRB。如果一個蜂窩小區(qū)的可用PRB為零，該小區(qū)的所有用戶將從下一次迭代中移除。如果所有單元都沒有可用的PRB，則該傳輸時間間隔(Transmission Time Interval，TTI)的資源分配將停止。同時，在傳輸網(wǎng)絡(luò)帶寬受限制的情況下，如果預(yù)估可實現(xiàn)的吞吐量超過傳輸網(wǎng)絡(luò)帶寬，停止向用戶分配PRB很重要，否則傳輸鏈路將過載，因為TCP有擁塞控制機制來保障公平性原則，多個TCP流傾向于達到相同的速率。符號說明如表1所示。

表1：符號說明

3.3 仿真模型、場景及結(jié)果

我們的LTE和5G模擬器[13,14]是使用Riverbed建模軟件實現(xiàn)的。它包括所有基本的E-UTRAN和EPC網(wǎng)絡(luò)實體。圖3展示了一個有7個eNBs(1層蜂窩網(wǎng)絡(luò))的場景，在E-UTRAN網(wǎng)絡(luò)中，多個IP路由器將enb和aGW連接起來。用戶面協(xié)議按照3GPP規(guī)范實現(xiàn)。EPC網(wǎng)絡(luò)實體由aGW網(wǎng)絡(luò)實體表示。

圖3：5G仿真模型

對飛蜂窩基站通信系統(tǒng)中的信道模型采用不同的宏基站模型進行建模。由于采用室內(nèi)通信模型，因此具有比較小得的傳輸功率。假設(shè)飛蜂窩基站位于一棟建筑內(nèi)，并且宏基站和飛蜂窩基站使用相同的頻帶。在考慮宏觀基站穿墻損失的情況下，宏基站對飛蜂窩基站的干擾進行仿真模擬，并對飛蜂窩基站之間的干擾關(guān)系進行了仿真建模，此外，選擇性快衰落也進行了相應(yīng)的仿真建模。本文利用指數(shù)有效SINR映射(Exponential Effective SINR Mapping，EESM)來計算平均通信條件，從而確定調(diào)制與編碼策略（Modulation and Coding Scheme）和傳輸塊大小（Transport Block Size）。此外，通過統(tǒng)計方法對8 stop-and-wait HARQ進行了建模。為了評估我們提出的算法，并實現(xiàn)相應(yīng)的無線電資源分配算法。表2中給出的仿真設(shè)置。

表2：模型參數(shù)設(shè)置

如表3所示，仿真結(jié)果比較了傳統(tǒng)的PF算法、啟發(fā)式算法1、2以及理論最優(yōu)解，相比于PF算法，文章提出的啟發(fā)式算法的性能得到了明顯的提升，所有用戶的平均MOS值從3.89提升到4.04和4.05，接近理論最優(yōu)解。對于FTP用戶，啟發(fā)式算法的提升尤為明顯，F(xiàn)TP用戶的平均MOS值從3.03提升到3.82和3.73，與理論最優(yōu)解的差距小于5%。相對于啟發(fā)式算法1，算法2的5th分位MOS值有明顯提升，說明用戶QoE的下限提升明顯。

表3：用戶仿真結(jié)果

4 工作總結(jié)

在網(wǎng)絡(luò)環(huán)境日益復(fù)雜和迅速發(fā)展的背景下，對于移動通信網(wǎng)絡(luò)資源管理和應(yīng)用，充分發(fā)揮無線資源調(diào)度的優(yōu)勢，借助現(xiàn)代化管理手段，實現(xiàn)資源全生命周期管理，提高資源應(yīng)用效率。

本文旨在加強LTE和5G的資源管理，重點提高終端用戶的QoE。首先，本文重點研究了移動通信最重要的研究課題之一無線資源管理問題。針對此問題提出了一種基于效用優(yōu)化無線資源調(diào)度框架,使蜂窩小區(qū)內(nèi)的聚合QoE最大化。其次，進一步考慮了無線空口和傳輸網(wǎng)的限制，這對于傳輸網(wǎng)受限的場景特別有用，例如：飛蜂窩場景。此外，還提出了一種無線空口與傳輸網(wǎng)聯(lián)合優(yōu)化的資源管理方案，在共享傳輸網(wǎng)的蜂窩集群中可實現(xiàn)最大聚合QoE的最大化。文章還提出并評估了具有較低復(fù)雜度的高效啟發(fā)式算法。

在不考慮用戶優(yōu)先級和公平性的情況下，蜂窩小區(qū)內(nèi)或蜂窩集群內(nèi)的聚合QoE最大化成為現(xiàn)實。然而，由于單元中的物理通信數(shù)量有限(例如，在LTE和5G NR中，5MHz帶寬的25個物理資源塊（PRB）)，并且只能為每個用戶分配整數(shù)數(shù)量的通信，特別是當(dāng)用戶數(shù)量高于PRB數(shù)量時，信號差的用戶可能不會得到服務(wù)。一些用戶在惡劣的通信條件下可能會沒有信號或長時間得不到服務(wù)，會造成嚴重的公平性問題。該問題可以通過建立基于指數(shù)移動平均(EMA)率的效用函數(shù)來解決，而不是瞬時數(shù)據(jù)率。這種方法的優(yōu)點是，它保證了在通信條件非常差的情況下，仍然可以對用戶進行調(diào)度。

5 未來展望

現(xiàn)有算法沒有考慮用戶數(shù)據(jù)速率的歷史，可能會導(dǎo)致部分用戶長期得不到服務(wù)，造成嚴重的公平性問題。在未來的工作中計劃提出一種新的基于效用的方法，使用指數(shù)移動平均(EMA)數(shù)據(jù)率來解決資源分配問題。該方法的優(yōu)點是，即使物理資源塊(PRBs)的數(shù)量小于用戶數(shù)量時，也能保證通信條件非常惡劣的用戶仍能被調(diào)度和服務(wù)。

因此，下一步工作包含通過構(gòu)建一個平均等待時間的效用函數(shù)等方式對實時延遲敏感流量展開深入研究。此外，本文提出的資源管理方案主要是針對LTE和5G下行鏈路設(shè)計的，下一步的工作將開展上行鏈路資源調(diào)度的研究。