計算協(xié)同移動接入網(wǎng)絡(luò)架構(gòu)及演進

王曉云，鄧 偉，孟令同，曠婧華，金 婧（.中國移動通信有限公司，北京 0003；.中國移動通信有限公司研究院，北京 00053）

1 概述

隨著移動通信的迅猛發(fā)展，無線通信網(wǎng)絡(luò)中的數(shù)據(jù)流量激增，須在最小化成本和資源消耗下部署更大規(guī)模和容量的移動接入網(wǎng)絡(luò)，這為移動通信接入網(wǎng)的系統(tǒng)架構(gòu)設(shè)計帶來了巨大挑戰(zhàn)?；臼且苿咏尤刖W(wǎng)的核心組成部分，它由3 個部分組成：天線、射頻單元（RRU）和基帶處理單元（BBU）。1G 和2G 時代，BBU、RRU 和供電單元等設(shè)備放置于機房的機柜中，機房必須與天線共站點以減少RRU 和天線間的饋線損耗。3G初期，基站的BBU 和RRU 開始正式分離，RRU 不必與BBU 集成在機房機柜中，RRU 通常部署于天線下方，有利于降低RRU 到天線間射頻傳輸損耗，是無線接入網(wǎng)設(shè)備形態(tài)的第一次重大變化，雖RRU 與天線物理距離拉近，但受限于傳輸、計算與處理能力，BBU 仍與RRU位置較近，通常在100 m以內(nèi)，仍屬于傳統(tǒng)分布式接 入架 構(gòu)（Distributed Radio Access Network，DRAN）。

隨著移動互聯(lián)網(wǎng)時代的到來，移動網(wǎng)流量呈爆炸式增長，若繼續(xù)采用傳統(tǒng)D-RAN 架構(gòu)，每一代移動通信的站址預估需增加5 倍以上，面臨尋址難、干擾大、功耗激增、站間協(xié)同困難等挑戰(zhàn)。為克服以上問題，筆者及團隊創(chuàng)新提出計算協(xié)同移動接入網(wǎng)架構(gòu)（Centralized Radio Access Network，C-RAN）［1］。C-RAN 架構(gòu)圍繞“集中化（Centralize）、池化（Cloud）、協(xié)作化（Coordination）、綠色（Clean）”設(shè)計理念，將多個無線站點的BBU 集中于中心機房，形成BBU 基帶池，中心機房與RRU 通過前傳（光纖直驅(qū)）連接，距離可提升至10 km。對于Massive MIMO 站點，為降低前傳傳輸帶寬，將BBU 內(nèi)物理層部分信息處理前移至RRU，成為有源天線單元（Active Antenna Unit，AAU），BBU 和AAU 間的前傳接口也從CPRI（Common Public Radio Interface）演進為eCPRI（Enhanced-CPRI）。

C-RAN 架構(gòu)突破了“一基站一機房”全分布式架構(gòu)下的站間協(xié)同處理限制，實現(xiàn)了多站一機房，為站間協(xié)同計算奠定了基礎(chǔ)。同時C-RAN架構(gòu)開啟“計算協(xié)同提效能”的技術(shù)方向，破解“資源堆砌式”的發(fā)展難題，有利于提升系統(tǒng)頻譜效率，同時節(jié)省了物理機房，減低了能耗及維護代價，已逐漸成為移動通信接入網(wǎng)部署新模式（見圖1）［2-4］。

圖1 移動接入網(wǎng)集中部署架構(gòu)（C-RAN）

2 計算協(xié)同移動接入網(wǎng)絡(luò)架構(gòu)

多站BBU 集中和計算協(xié)同雖能帶來明顯增益，但隨站點數(shù)的增加，前傳帶寬需求、協(xié)同處理量呈指數(shù)級激增，不可避免在集中節(jié)點增加信息流流量和計算處理的巨大負荷。要解決該問題，需要從理論上建立架構(gòu)模型，通過重構(gòu)接入網(wǎng)的計算處理找出集中和協(xié)同的最優(yōu)化部署方案。

2.1 網(wǎng)絡(luò)架構(gòu)重構(gòu)模型

架構(gòu)重構(gòu)本質(zhì)是通過改變節(jié)點間的功能與定位，實現(xiàn)更優(yōu)的目標。針對C-RAN架構(gòu)，本文建立多條件約束下、多目標博弈的聯(lián)合優(yōu)化函數(shù)，體現(xiàn)了在集中、協(xié)同和泛在的多目標下，架構(gòu)受計算能力、協(xié)同能力、光傳輸能力、供電能力等多因素制約的關(guān)系?？紤]切分點、傳輸成本、AAU 處理能力、BBU 集中度等參數(shù)進行函數(shù)表達。通過求解該優(yōu)化函數(shù)即能實現(xiàn)計算協(xié)同移動接入網(wǎng)絡(luò)架構(gòu)的設(shè)計，即得到多約束條件下的最優(yōu)切分點、集中度和AAU的簇集合。

式中：

S——前傳功能切分點

B——分簇策略，B={Bi}

bi——基站

bij——bi周圍的基站

N——基站總數(shù)

D——最大站間距

MAAU——AAU的總數(shù)

Mroom——機房總數(shù)量

PAAU——AAU的處理能力

Threshold1——投資代價

Threshold2——AAU的最大處理能力

將工程數(shù)據(jù)代入式（1）進行計算，發(fā)現(xiàn)優(yōu)化前傳帶寬可顯著降低傳輸和機房的代價，進而減少投資，因此提出“均衡帶寬與性能最優(yōu)”的無線網(wǎng)基帶功能重構(gòu)方法。

2.2 網(wǎng)絡(luò)架構(gòu)重構(gòu)方案

基于無線通信物理層數(shù)據(jù)流處理能力模型，提出“計算前移”的模式，如圖2 所示，通過對多目標、多約束的模型優(yōu)化得到當前系統(tǒng)架構(gòu)的最優(yōu)切分，即在AAU 物理層原有的射頻、中射頻及模數(shù)轉(zhuǎn)換等模塊的基礎(chǔ)上，將BBU基帶處理物理層中的FFT、資源映射和信道估計等模塊遷移至AAU，同時在BBU 中新增“協(xié)同處理”能力，獲得協(xié)同增益的同時降低前傳帶寬要求，實現(xiàn)前傳帶寬和后端處理負荷的顯著降低。

圖2 物理層功能重構(gòu)示意圖

協(xié)同處理通過新增邏輯層實現(xiàn)，如圖3 所示的多站歸簇架構(gòu)中的協(xié)同處理層（Multi-Node Cooperative layer，MNC），通過計算集中、靈活協(xié)同、處理單元云化實現(xiàn)計算資源柔性可配，持續(xù)提升頻譜效率。

圖3 傳統(tǒng)全分布式向計算協(xié)同網(wǎng)絡(luò)架構(gòu)演進的協(xié)議棧示意

2.3 網(wǎng)絡(luò)架構(gòu)應用效果

在4G和5G時代，全球已有20余個運營商采用CRAN 移動接入網(wǎng)絡(luò)架構(gòu)大規(guī)模集中部署站點，一方面減少了機房的需求，降低了機房能耗，減少了建設(shè)與維護成本。另一方面，由于多站的基帶處理硬件集中，可對單個用戶的多站收發(fā)數(shù)據(jù)進行協(xié)同計算，即將含有相同信息的多個數(shù)據(jù)進行聯(lián)合處理，以提升無線接收性能［5-6］。當前已經(jīng)在現(xiàn)網(wǎng)大量部署應用計算協(xié)同架構(gòu)，協(xié)同性能已得到大規(guī)模驗證。

圖4為多站協(xié)同接收在交疊區(qū)電平差6 dB以內(nèi)的多個點位相比單站接收單個用戶吞吐量的增益圖。從圖4 中可以看出，多站協(xié)同特性相比于單站接收的增益為11.72%～31.5%，用戶平均增益約為20%。測試結(jié)果表明，C-RAN 架構(gòu)下的多站協(xié)同接收可以顯著提高交疊區(qū)用戶的性能，提升系統(tǒng)頻譜效率。

圖4 多站協(xié)同發(fā)送相比于單站接收的增益圖

計算協(xié)同的移動接入網(wǎng)絡(luò)架構(gòu)在3G 時代初步研究引入，是3G（TD-SCDMA）核心創(chuàng)新技術(shù)之一，并已在4G/5G廣泛應用。

3 面向聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)

C-RAN 移動接入網(wǎng)絡(luò)架構(gòu)，雖然可以利用無線遠端模塊和天線提高系統(tǒng)頻譜效率，但協(xié)同計算架構(gòu)存在協(xié)同范圍受限的問題。如圖5 所示，當前N個RRU/AAU 對應1個集中BBU 的架構(gòu)，導致僅能進行單個CBBU（Centralized-RAN）所直連的多個RRU/AAU 之間的聚合計算，無法支持跨C-BBU 間的聚合計算（也即無法進行更多AAU 的聯(lián)合收發(fā)以及跨C-BBU 的計算資源共享），從而使得計算協(xié)同移動接入網(wǎng)絡(luò)的性能無法充分發(fā)揮。

圖5 C-RAN架構(gòu)限制聚合計算的性能示意圖

為了打破計算協(xié)同網(wǎng)絡(luò)架構(gòu)中的RRU/AAU 集中度約束以及BBU 計算約束，實現(xiàn)更多RRU/AAU 聚合計算以及跨C-BBU 間的資源共享，充分發(fā)揮多站協(xié)同能力，提升無線網(wǎng)絡(luò)的頻譜效率及BBU 計算效能，本文提出一種新穎的面向聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)，該架構(gòu)是計算協(xié)同移動接入網(wǎng)絡(luò)架構(gòu)（C-RAN）的演進部署。后續(xù)章節(jié)將從移動接入網(wǎng)絡(luò)架構(gòu)網(wǎng)元協(xié)議層的接口切分、網(wǎng)元之間的關(guān)系以及相關(guān)的交互流程等方面來闡述該架構(gòu)。

3.1 聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)基本概念

面向聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)如圖6 所示，該架構(gòu)由C-BBU、聚合層以及多個RRU/AAU 組成。C-BBU 之間通過聚合層進行信息交互實現(xiàn)跨C-BBU的聚合計算和資源管控，聚合層主要對多個RRU/AAU數(shù)據(jù)進行聚合以及信息的交互，多個RRU/AAU 進行數(shù)據(jù)的聯(lián)合收發(fā)。其中的聚合計算包括上行和下行聚合計算，上行聚合計算是指將多個RRU/AAU 接收到的數(shù)據(jù)進行聚合處理；下行聚合計算是指簇節(jié)點將下行數(shù)據(jù)分發(fā)到多個協(xié)作小區(qū)進行聯(lián)合發(fā)送。

圖6 面向聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)

這種新的面向聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)具有以下特點。

a）3 層架構(gòu)。分裂為RRU+Low PHY 的無線節(jié)點RN（Radio Node）和High PHY 及以上層組成的簇節(jié)點、以及兩者中間的聚合層。

b）聚合層互通。單個RRU+Low PHY 節(jié)點通過中間的聚合層可與多個High PHY 節(jié)點互通，聚合層的時延性能是其關(guān)鍵的性能指標，將影響聚合計算的性能增益。

c）邏輯小區(qū)分解為2層。傳統(tǒng)小區(qū)Cell定義將僅存在于RRU+Low PHY 組成的無線節(jié)點上。High PHY及MAC/RLC/PDCP 層組成一個簇（Cluster）節(jié)點，簇節(jié)點上僅進行用戶數(shù)據(jù)的處理，無小區(qū)級專屬處理。

該架構(gòu)Low PHY 節(jié)點和High PHY 節(jié)點可以獨立部署，通過聚合層實現(xiàn)多個C-BBU 和多個AAU 的互通，打破固化的C-BBU 和AAU 的對應關(guān)系和協(xié)同邊界范圍，解決計算協(xié)同移動接入網(wǎng)絡(luò)架構(gòu)無法實現(xiàn)跨C-BBU 協(xié)同計算的難題，可實現(xiàn)更多節(jié)點更大范圍的聚合計算以及計算資源共享。隨著傳輸技術(shù)和計算能力的快速提升，該架構(gòu)可充分發(fā)揮多站聚合計算的能力，提升頻譜效率，同時可通過算力云化共享實現(xiàn)以用戶為中心的移動通信目標。

3.2 聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)功能特性

面向聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)的協(xié)議棧如圖7 所示，Low-PHY 的協(xié)議棧延續(xù)原有3GPP 的協(xié)議棧，保持以小區(qū)為單位；而High-PHY 及以上的協(xié)議棧雖然保持原有架構(gòu)，但將以Cluster為單位。

圖7 面向聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)協(xié)議棧

Cluster節(jié)點的功能定義為：

a）用戶的Cluster 歸屬管理，即單個用戶上下文信息等信息屬于Cluster。

b）Cluster 間的移動性、資源協(xié)調(diào)等過程管理。對于一個UE，其無線資源管理（包括隨機接入、切換、重選以及尋呼等）以及調(diào)度資源由Cluster 進行管理控制。比如，簇節(jié)點進行載波動態(tài)無損遷移，簇節(jié)點收到遷移請求，提前發(fā)起遷移目標的創(chuàng)建過程，保證服務(wù)質(zhì)量，遷移過程用戶無感知。

c）Cluster 間算力均衡管理。該架構(gòu)通過邏輯聚合多個基站算力的方式構(gòu)建分布式協(xié)作簇算力池，實現(xiàn)跨簇的算力共享、按需編排和資源的柔性可配，持續(xù)提升頻譜效率。在傳輸和算力達到一定要求后，可以實現(xiàn)基帶處理云化提升系統(tǒng)性能。另外，Cluster 間算力均衡可在滿足無線通信系統(tǒng)的基本功能、網(wǎng)絡(luò)實時性和穩(wěn)定性要求的設(shè)計目標前提下，尤其在負載不平衡的場景，為基站上部署的數(shù)據(jù)分析和AI計算等網(wǎng)元智能化功能提供穩(wěn)定、持續(xù)的計算和存儲資源。

d）以用戶為單位，多個Cell 節(jié)點的數(shù)據(jù)聚合計算。聚合計算包括下行聯(lián)合收發(fā)。一方面，簇節(jié)點控制多個Cell節(jié)點同時接收交疊區(qū)UE的上行業(yè)務(wù)數(shù)據(jù)，并將聯(lián)合接收到的數(shù)據(jù)進行聯(lián)合接收，獲取合并增益，提高用戶的體驗。另一方面，簇節(jié)點以用戶為單位進行聯(lián)合數(shù)據(jù)發(fā)送，其中多個Cell節(jié)點可進行RRU/AAU 間通道校正流程，保證各RRU/AAU 各通道校正后有相同的時延，使聯(lián)合發(fā)送信道同向疊加。

e）Cluster內(nèi)High-PHY/MAC/RLC/PDCP 功能以用戶為單位進行處理，RRC 以Cluster 為單位進行處理，也即業(yè)務(wù)面無專用小區(qū)概念，以用戶為單位進行處理；控制面以簇節(jié)點為處理單元進行更高效的負載均衡、頻譜資源共享和協(xié)同計算等。

3.3 基于聚合計算移動接入網(wǎng)絡(luò)架構(gòu)的性能增強

聚合計算可以實現(xiàn)有效的資源共享和算力聚合，因此可以通過大數(shù)據(jù)采集和分析進行性能增強。比如，引入AI機器學習中的集成學習（ensemble learning）方法來實現(xiàn)多節(jié)點數(shù)據(jù)采集下更為準確的特征提取，從而得到更優(yōu)的解調(diào)性能。

以上行信號接收為例，對同一上行信號不同無線節(jié)點RN 的接收強度差異很大，距離信號發(fā)射終端較近的RN 接收信號較強，可以認為其包含的無線特征信息的信息密度較高（基于這些接收信號的解調(diào)準確性高）；距離信號發(fā)射終端較遠的RN 接收信號強度較弱，在C-RAN 接入網(wǎng)架構(gòu)下，僅利用信息密度較強的接收信號。然而信息密度較弱的信號也存在利用價值，在算力資源不斷提升的背景下，將有利于進一步增大解調(diào)準確性，進而提升頻率效率。

在聚合計算的接入網(wǎng)架構(gòu)下，低信息密度的弱信號可同樣作為集成學習的數(shù)據(jù)集，隨計算聚合過程中，多個RN 接收信號形成的數(shù)據(jù)集的增大，信號解調(diào)的錯誤率將指數(shù)級下降，最終趨于零。強接收信號和弱接收信號是包含同一實際發(fā)送信號的無線特征信息的不同數(shù)據(jù)樣本，如果僅采用強接收信號作為無線特征提取的數(shù)據(jù)集、丟棄弱接收信號，則等同于對高信息密度的信號的權(quán)值設(shè)置為1，低信息密度的信號的權(quán)值設(shè)置為0。而通過將弱信號補充納入數(shù)據(jù)集，首先通過給每一個接收信號賦予相同的權(quán)重，迭代形成模型，對容易出現(xiàn)解調(diào)錯誤的弱信號樣本提高權(quán)重，對強信號的樣本降低權(quán)重，然后用調(diào)整后的帶權(quán)訓練集訓練形成模型，重復這個過程直到最后得到性能最優(yōu)的模型，在集成計算過程中等效于在迭代加強了接收信號的信息密度，從而提高多RN 信號的解調(diào)準確率。

4 未來展望

聚合計算移動接入網(wǎng)絡(luò)對傳輸能力、計算能力以及資源的管控提出了更高的要求，需要進一步研究光纖傳輸、算力以及云化技術(shù)。面向5G-A 和6G 的演進，移動接入網(wǎng)絡(luò)架構(gòu)需要進一步拓展聚合計算的應用場景，比如，除軟比特合并外，研究多cell協(xié)同MIMO的處理性能提升；同時也需要進一步完善具有聚合計算能力的移動接入網(wǎng)絡(luò)架構(gòu)的設(shè)計、資源智能管控以及相關(guān)的流程設(shè)計；進而考慮將基于聚合計算的移動接入網(wǎng)絡(luò)架構(gòu)融入到下一代移動通信設(shè)計中。