李 麗

（重慶郵電大學通信與信息工程學院，重慶 400065）

基于負載預分配的移動負載均衡算法

李 麗

（重慶郵電大學通信與信息工程學院，重慶 400065）

通信技術的快速發(fā)展及用戶需求的日益增長，導致小區(qū)業(yè)務負載分布出現(xiàn)越來越不均衡的現(xiàn)象，針對此問題，提出一種適用于LTE（長期演進）系統(tǒng)的基于負載預分配的移動負載均衡算法。當小區(qū)過載時，利用層次分析法選擇最優(yōu)目標小區(qū)，然后根據(jù)目標小區(qū)負載情況預分配過載小區(qū)負載量，再通過可變步長調整小區(qū)獨立偏置，轉移過載小區(qū)用戶，實現(xiàn)小區(qū)間負載均衡。研究結果表明，該算法提升了小區(qū)間負載均衡度，減少了系統(tǒng)切換次數(shù)，增強了用戶體驗。

長期演進；移動負載均衡；層次分析；小區(qū)獨立偏置

0 引 言

MLB（移動負載均衡）通過將過載小區(qū)中的部分用戶強制切換到相鄰輕載小區(qū)，實現(xiàn)小區(qū)間業(yè)務分布均衡，以提高資源利用率［1］。目前已有大量文獻對負載均衡算法進行了研究。文獻［2］提出一種基于小區(qū)負載的MLBA（MLB算法），當基站檢測到小區(qū)負載超過預設門限時，判定小區(qū)過載，調整CIO（小區(qū)獨立偏置）轉移用戶，實現(xiàn)負載均衡。該算法思路簡單，但實現(xiàn)的均衡度不高。文獻［3］提出了基于相鄰小區(qū)負載差的MLBA，當基站檢測到相鄰小區(qū)負載差超過預設門限時，將高負載小區(qū)中的用戶轉移到低負載小區(qū)，實現(xiàn)小區(qū)間業(yè)務分布均衡。該算法實現(xiàn)的均衡度較高，但切換次數(shù)較多。文獻［4］提出一種區(qū)域負載均衡算法，當某小區(qū)出現(xiàn)過載時，其周圍相鄰小區(qū)均可參與均衡過程，且鄰小區(qū)不僅可以作為目標小區(qū)吸收負載，也可以作為源小區(qū)向外轉移負載。該算法可達到理論上的絕對均衡，但復雜度過高，不實用。

鑒于此，本文提出一種基于負載預分配的MLBA，首先利用AHP（層次分析）綜合考慮多個因素選擇最優(yōu)目標小區(qū)，生成用戶-小區(qū)配比對；然后根據(jù)目標小區(qū)負載接收能力預分配過載小區(qū)負載量；最后通過可變步長step調整參數(shù)CIO，轉移用戶，實現(xiàn)負載均衡。

1 移動負載均衡

3GPP（第三代合作伙伴計劃）定義“EVENT A3”（A3事件）為切換觸發(fā)事件，如式（1）所示，該條件滿足時，UE（用戶設備）上報測量結果，e NodeB（基站）根據(jù)上報的內容判決是否進行切換。

式中，Mn、Ms分別為鄰小區(qū)、源小區(qū)RSRP（參考信號接收功率）測量結果；Hyst為小區(qū)遲滯參數(shù)；CIOs，n為源小區(qū)s為鄰小區(qū)n保持的小區(qū)獨立偏置。增大CIOs，n可以降低用戶切換門限，使過載小區(qū)中的用戶更容易切換到相鄰輕載小區(qū)；減小CIOs，n可以提高用戶切換門限，使輕載小區(qū)中的用戶難以切換到過載小區(qū)。由此可見，調整參數(shù)CIOs，n可使切換條件發(fā)生改變，從而影響各小區(qū)中的用戶數(shù)，實現(xiàn)小區(qū)間負載均衡。

2 系統(tǒng)模型

2.1 網絡模型

本文采用圖1所示的7小區(qū)網絡模型。假設小區(qū)1為過載小區(qū)，其鄰小區(qū)2～7為輕載小區(qū)，小區(qū)1需將一部分用戶轉移到相鄰小區(qū)。由式（1）可知，滿足A3事件的鄰小區(qū)往往不止一個，涉及最優(yōu)目標小區(qū)的選擇。如圖中邊緣用戶a轉移時，需確定選擇小區(qū)3或者小區(qū)4作為最優(yōu)目標小區(qū)。此外，如果目標小區(qū)盲目接納用戶，則容易出現(xiàn)過載現(xiàn)象，因此涉及CIO的調整。

圖1 網絡模型

2.2 鏈路模型

t時刻，小區(qū)i中用戶k在第l個PRB（物理資源塊）上的SINR（信干噪比）表示如下：

式中，gi，k，l（t）為信號增益；Pt為信號發(fā)射功率；N0為熱噪聲；C為系統(tǒng)中所有小區(qū)的集合。

t時刻，小區(qū)i中用戶k占用的PRB數(shù)量表示為

式中，Du為GBR（保證比特率）用戶的數(shù)據(jù)速率要求；BW為PRB的帶寬，其大小為180 k Hz。

小區(qū)負載定義為小區(qū)內被占用的資源與小區(qū)總資源的比值，表示如下：

式中，Si（t）為小區(qū)總資源；Ii，k（t）為用戶k與小區(qū)i的連接關系，取值為1表示有連接，取值為0表示無連接，且每個用戶只與1個小區(qū)有連接。

為評估系統(tǒng)均衡程度，引入Jain’s公平指數(shù)［5］，定義如下：

式中，N為系統(tǒng)內總小區(qū)個數(shù)。

3 基于負載預分配的MLBA

3.1 目標小區(qū)選擇

文獻［2］在選擇最優(yōu)目標小區(qū)時，僅考慮RSRP一種因素，容易導致切換失敗。本文利用AHP綜合考慮RSRP、目標小區(qū)可用資源和SINR等多個因素來選擇最優(yōu)目標小區(qū)，建立的遞階層次模型如圖2所示。過載小區(qū)中每個待轉移用戶均利用AHP選擇最優(yōu)目標小區(qū)，生成用戶-小區(qū)配比對列表，用戶轉移時與該列表中的小區(qū)一一對應。

圖2 AHP層次模型

3.2 過載小區(qū)負載預分配

現(xiàn)有算法中，若當前目標小區(qū)未過載，則將一直接納過載小區(qū)轉移來的用戶，忽略了目標小區(qū)的負載接收能力，容易增大目標小區(qū)阻塞率。因此本文新定義了負載預分配公式（2），在轉移用戶前預分配過載小區(qū)負載量到各目標小區(qū)。

式中，m（m=1，2，…，n）為滿足條件的目標小區(qū)；Zm為目標小區(qū)m分配到的負載量；Rm為目標小區(qū)m最大可接納的負載量；Rc為過載小區(qū)需轉移的負載量；Rj（j=1，2，…，n）為目標小區(qū)j最大可接納的負載量。目標小區(qū)負載越小，能接納的負載就越多，分配到的負載量將越大。因此，負載預分配考慮了各目標小區(qū)接收負載的公平性。

3.3 CIO設定

為實現(xiàn)用戶轉移，文獻［3］以固定值0.5 dB調整CIO，即使過載小區(qū)負載較大，一次迭代算法也只能轉移少量用戶，導致切換次數(shù)較高。本文通過可變步長step迭代調整CIO，即CIO=CIO+step，步長step如下式所示：式中，ρi為小區(qū)負載；ρTL為均衡門限；Δ、ρTL和CIOmax為預定義。step隨|ρi-ρTL|呈線性變化，|ρi-ρTL|較大時，CIO增大/減小的幅度也較大，一次迭代算法能轉移更多用戶，從而減少了切換次數(shù)；|ρi-ρTL|較小時，CIO增大/減小的幅度也較小，一次迭代算法僅轉移少量用戶，但此時ρi接近ρTL，不需轉移太多用戶；|ρi-ρTL|=0時，得到最終的CIO值。步長step可變，使算法調整CIO時更加靈活，能更快實現(xiàn)小區(qū)間負載均衡。

由式（1）可知，A3事件滿足，用戶將可能發(fā)生切換。假設在3個相互相鄰的小區(qū)i、j和k中，用戶u滿足式（3），則會發(fā)生循環(huán)切換i→j→k→i，造成系統(tǒng)信令負荷急劇增加。為避免循環(huán)切換，系統(tǒng)中任意3個相互相鄰的小區(qū)CIO必須滿足式（4）：

3.4 改進算法流程圖

基于負載預分配的MLBA流程如圖3所示。若小區(qū)負載超過門限ρTH，則判斷為過載小區(qū)，啟動MLBA。根據(jù)用戶檢測到的RSRP大小及鄰小區(qū)負載大小，篩選待轉移用戶和目標小區(qū)，判斷目標小區(qū)能否接納過載小區(qū)需轉移的負載量。利用AHP算法生成用戶-小區(qū)配比對。依次選擇待轉移用戶列表中的用戶，通過可變步長step調整CIO的值，將用戶轉移到目標小區(qū)。更新各小區(qū)負載，當過載小區(qū)負載低于門限ρTL時，算法結束。圖中，RHO表示用戶轉移后目標小區(qū)增加的負載，ρHO為過載小區(qū)轉移的負載。

圖3 MLBA流程圖

4 仿真分析

本文利用MATLAB軟件搭建了LTE（長期演進）仿真平臺，仿真場景為圖1所示的7小區(qū)蜂窩網絡模型。設置小區(qū)1為過載小區(qū)，用戶到達率服從泊松分布，離開率服從指數(shù)分布；根據(jù)3GPP標準，設置小區(qū)半徑為1 km，其他參數(shù)設置如表1所示。本文將與文獻［2］所提出的算法進行對比。為表述方便，用PMLB表示文獻［2］提出的算法，NMLB表示未使用均衡算法。

表1 仿真參數(shù)設置

由圖4可見，兩種算法選擇的最優(yōu)目標小區(qū)不同。PMLB算法中大部分用戶均選擇小區(qū)5為目標小區(qū)，這是因為PMLB算法僅考慮RSRP單一因素，極易造成小區(qū)5過載。而本文的MLBA采用AHP綜合考慮了多個因素，各用戶選擇的目標小區(qū)更加分散。

圖4 最優(yōu)目標小區(qū)選擇

圖5所示為系統(tǒng)切換次數(shù)隨用戶到達率變化的曲線圖。當用戶到達率較小時，系統(tǒng)內幾乎沒有切換。隨著用戶到達率的增加，小區(qū)過載，需要轉移用戶，切換次數(shù)逐漸增大。從圖中可以看出，不使用負載均衡算法時，系統(tǒng)切換次數(shù)為0，因為沒有強制過載小區(qū)轉移用戶。而MLBA比PMLB算法的切換次數(shù)少，這是因為本文以可變步長調整CIO，過載小區(qū)負載越大，CIO變化得越快，一次迭代算法轉移的用戶越多，從而減少了系統(tǒng)切換次數(shù)。

圖5 系統(tǒng)切換次數(shù)隨用戶到達率變化曲線

圖6所示為系統(tǒng)均衡度變化曲線圖。用戶到達率較低時，小區(qū)1并沒有過載，不啟動均衡算法，所以3條線重合。隨著用戶到達率的逐漸增大，系統(tǒng)均衡度逐漸下降。當用戶到達率增大到3用戶/s時，小區(qū)1過載，啟動負載均衡算法，系統(tǒng)均衡度逐漸升高，而不使用均衡算法時，系統(tǒng)均衡度繼續(xù)下降。從圖中可以看出，相對于PMLB算法，MLBA的系統(tǒng)均衡度大約提高了6%，這是因為MLBA在轉移過載小區(qū)用戶前，根據(jù)目標小區(qū)的負載接收能力預分配過載小區(qū)用戶量，從而能夠達到更高的系統(tǒng)均衡度。

圖6 系統(tǒng)均衡度變化曲線

圖7所示為系統(tǒng)阻塞率隨用戶到達率變化的曲線。從圖中可以看出，隨著用戶到達率的增大，系統(tǒng)阻塞率也逐漸增大。NMLB算法的阻塞率是最高的，這是因為小區(qū)出現(xiàn)過載時，若不使用均衡算法將導致用戶無法接入小區(qū)，從而使得整個系統(tǒng)的阻塞率提高。MLBA具有最高的系統(tǒng)均衡度，使系統(tǒng)資源得到充分利用，故阻塞率最低。

圖7 系統(tǒng)阻塞率隨用戶到達率變化的曲線

5 結束語

本文所提算法在選擇目標小區(qū)時利用AHP綜合考慮了多個因素，使選擇的目標小區(qū)更加合理；以可變步長調整參數(shù)CIO，使系統(tǒng)切換次數(shù)減少；轉移用戶前根據(jù)目標小區(qū)接收負載的能力預分配過載小區(qū)負載量，更有利于提升系統(tǒng)均衡度。仿真結果表明，本文提出的MLBA能有效提升系統(tǒng)均衡度，減少切換次數(shù)，降低阻塞率。

［1］ Hu Honglin，Zhang Jian，Zheng Xiaoying，et al.Selfconfiguration and Self-optimization for LTE Networks ［J］.IEEE Communications Magazine，2010，48（2）：94-100.

［2］ Lobinger A，Stefanski S，Jansen T，et al.Load Balancing in Downlink LTE Self-optimizing Networks ［C］//Vehicular Technology Conference.Taipei：IEEE Press，2010：1-5.

［3］ Ying Yang，Li Pengfei，Wang Weidong.Algorithm A-bout Mobility Load Balance Considering System Overhead On LTE System［C］//Wireless and Optical Communication Conference.Chongqing：IEEE Press，2013：231-235.

［4］ Yang Chungang.Concurrent Mobility Load Balancing in LTE Self-Organized Networks［C］//ICT 2014. Lisbon，Portugal：IEEE Press，2014：288-292.

［5］ Chiu D，Jain R.Analysis of The Increase and Decrease Algorithms for Congestion Avoidance in Computer-Networks［J］.Computer Networks and ISDN Systems，1989，32（17）：1-14.

Mobility Load Balancing Algorithm Based on Load Pre-allocation

LI Li
（School of Communication and Information Engineering，CUPT，Chongqing 400065，China）

The fast development of communication technology and the increasing demand of the users result in the phenomenon that the load in the cell becomes more and more unbalanced.In this paper，we propose an algorithm based on load pre-allocation for Long Term Evolution（LTE）network to solve the problem.When a cell becomes overload，we select the optimal target cell through analytic hierarchy process method，which can reduce the ping-pong handover rate.Then we allocate the load in the overload cell according to the measurement of the load in the target cell.Finally，we adjust the cell individual offset to transfer the users to realize the inter cell load balancing.The simulation results show that the proposed algorithm can effectively improve the inter cell load balancing degree and the users’experiences with smaller handover numbers.

LTE；mobility load balancing；analytic hierarchy process；cell individual offset

TN929.5

A

1005-8788（2016）03-0069-04

10.13756/j.gtxyj.2016.03.022

2015-12-13

長江學者和創(chuàng)新團隊發(fā)展計劃資助項目（IRT1299）；重慶市科委資助項目（CSTC2012jj A40044，CSTC2013yykf A40010）

李麗（1991-），女，重慶人。碩士研究生，主要研究方向為移動通信。