LTE多用户下行资源调度自优化技术研究
- 格式:docx
- 大小:201.17 KB
- 文档页数:17
LANZHOU UNIVERSITY OF TECHNOLOGY毕业论文题目:LTE基站上下行速率优化方案学生姓名学号专业班级指导教师学院计算机与通信学院答辩日期2014年6月17日LTE基站上下行速率优化方案LTE Base Station Downlink Rate Optimization Programxxxxxxxxx摘要LTE(Long Term Evolution)是指3GPP组织推行的蜂窝技术在无线接入方面的最新演进,对应核心网的演进就是SAE(System Architecture Evolution).由于移动用户数目的惊人发展和用户的高要求,如何使网络达到最佳的运行状态,如何提高通信质量,提高网络的平均服务水平以及提高系统设备利用率,已经成为网络运营商的首要任务。
特别是我国LTE网络在扩容时普遍存在周期短,速度快的情况,导致工程中留下很多质量问题,需要在后期的网络优化中解决。
本文主要针对LTE基站优化进行说明,包括单站优化,分簇优化,分区优化,全网优化,全网的高质量是优化目的,而单站的高质量优化是基础,只有做好每一个站点的优化,才能保证全网的网络质量,所以单站优化很重要,单站验证能发现其问题所在,然后分析原因以及提出解决办法。
关键词:LTE;速率;网络优化AbstractLTE (Long Term Evolution)is the latest evolution of the 3GPP cellular organization implementing the wireless access technology,the core network is evolved corresponding to SAE (System Architecture Evolution). Due to the amazing growth and high demand for the number of users of mobile users,and how to make the network to achieve the best run state, how to improve communication quality, raising the average level of service networks and improve system utilization,network operators have become the primary task。
LTE系统中下行链路的分组调度算法研究开题报告一、选题背景随着移动通信技术的不断发展,4G LTE系统已经逐渐取代了3G系统,成为移动通信领域的主流技术。
而LTE系统中的调度算法对于提高系统的无线资源利用率和用户的服务质量至关重要。
因此,研究LTE系统中下行链路的分组调度算法,对于优化系统的性能具有重要意义。
二、研究意义1.优化系统性能——研究下行链路的分组调度算法,可以优化无线资源的利用效率和提高用户的服务质量,从而优化系统的性能。
2.提升用户体验——优化下行链路的分组调度算法,可以减少用户的等待时间,提升用户的体验。
3.推动技术发展——随着移动通信技术的不断发展,LTE系统仍存在一些问题和挑战。
研究下行链路的分组调度算法,可以为未来的技术发展提供有益的参考。
三、研究内容1.调度算法的选择和分析。
有多种调度算法,例如,最小平均传输时延算法(MAD)、最短剩余传输时间算法(STT)等。
在这里,需要选择合适的调度算法,并对其进行分析。
2.性能评价指标的选择。
性能评价指标是评价调度算法优劣的重要标准,包括系统吞吐率、平均时延、丢包率等。
在这里选择合适的性能评价指标,并对其进行分析。
3.系统模型的设计和建立。
在进行仿真时,需要搭建合适的系统模型,包括无线信道和协议栈等模块。
在这里,需要设计和建立合适的系统模型。
4.仿真和数据分析。
采用仿真方法进行评估,比较各种调度算法的性能。
在这里对仿真数据进行分析,并从中总结结果和结论。
四、预期成果通过本次研究,预计可以得到以下成果:1.选择最优的下行链路分组调度算法,优化系统的性能。
2.得出较为客观的性能评价指标,并对其进行分析和比较。
3.搭建合适的系统模型,并对各模块进行优化。
4.利用仿真方法进行性能评估,并得出结论和总结。
五、研究方法1.文献综述方法:对相关领域的调度算法和性能评价方法进行全面综述,收集相关数据和资料。
2.仿真方法:采用MATLAB或Simulink等仿真软件,搭建系统模型,并利用仿真方法进行性能评估。
5G移动通信系统无线资源调度探索【摘要】本文简单介绍了无线资源调度机制,并分析了4GLTE通信系统无线资源调度方法,与此同时对5G移动通信系统无线资源调度措施进行了讨论,希望以此为广大研究相同问题的人士提供参考。
【关键词】5G移动通信系统;无线资源;调度在移动通信系统之中无线资源并非是无限的,无线资源涵盖时间与空间等各种资源,而怎样合理使用这些有限的无线资源充分满足人们对无线业务的需要,此乃无线资源调度分配制度必须要做好的一项任务。
因而,以下就针对5G移动通信系统无线资源调度相关问题进行论述。
1无线资源调度简介无线资源调度分配机制界定有很多,可是大部分认可的定义就是:基站中的调度器要及时动态把控时频资源分配,把该资源在某时间内配置给某一用户。
调度算法规定在用户QoS与系统容量中获得平衡。
资源调度算法的几个关键指标就是频谱利用率、用户QoS需求与公平性,根据网络这一角度而言,频谱利用率是很关键的,可是根据用户角度而言,后两者更重要,而最佳的调度算法为实现三者折衷。
无线资源调度需将用户对资源的竞争化解。
从宏观角度看,调度需要展开各种资源的分配与共享,达到资源的合理运用,此时的资源调度实则为资源配置。
无线资源调度探究目标表现在:①提升频谱利用率,在移动通信系统之中,因为移动通信网络时隙与频率等受限,并且业务种类丰富,用户需求较多,所以对网络运营方而言,处理频谱资源和网络覆盖与系统容量的矛盾,在充分满足多种分组业务较为丰富的服务质量规定基础之上,提升移动通信系统容量与无线频谱利用率乃无线资源分配调度探究的关键目标。
②防止干扰。
因为无线环境多变,多种新的组网方法使用的同频复用技术造成共道干扰将无线系统网络性能减弱了,例如因为多小区组网出现小区干扰、跨层干扰等直接影响到了无线资源利用率,严重妨碍了业务质量性能。
因此尽量减少无线网络干扰,提高系统容量是无线网络资源调度探索的目标。
③降低能耗。
由于移动通信发展快,移动通信系统二氧化碳排放量高,造成气候变暖。
LTE网络优化方案上下行链路不均衡的优化分析
上下行链路不均衡会导致以下问题:
2.下行带宽浪费:由于下行链路带宽过剩,但上行链路带宽不足,导致下行带宽没有得到有效利用,浪费网络资源。
3.QoS差异:上下行链路不均衡可能导致不同服务质量等级的差异,进一步影响用户体验。
为了解决上下行链路不均衡问题,可以采取以下优化方案:
一、网络规划优化:
1.基站规划:合理规划基站的布局和密度,使得上行链路和下行链路能够平衡地覆盖用户,避免上行链路过于拥塞。
2.频谱分配:根据实际需求,合理分配上行和下行的频谱资源,确保上行链路和下行链路能够得到均衡的利用。
二、上行链路优化:
1.增加上行带宽:通过增加小区的上行带宽或者组播通道的带宽,提高上行链路的传输速度和容量。
3.优化调度算法:采用合适的调度算法,根据不同用户的业务需求和网络状况,合理分配上行传输资源,提高上行链路的利用率。
三、下行链路优化:
1.QoS保证:根据用户的优先级和业务需求,对下行链路上的数据进行合理的调度和优先级控制,确保重要数据的传输质量。
2.缓存技术:使用缓存技术对热门数据进行缓存,减少对下行链路的
请求,提高用户对数据的响应速度。
3.增加下行带宽:根据网络负载和用户需求,增加下行链路的带宽,
提高传输速度和容量。
四、终端优化:
1.充分利用终端设备的资源:通过优化终端设备的协议栈和传输机制,减少协议开销,提高上行链路的利用率。
2.功率控制:根据终端设备的信号质量和覆盖范围,合理控制终端设
备的功率,确保信号的质量和传输的稳定性。
LTE通信系统中下行链路调度算法研究开题报告一、选题背景及意义长期演进技术(LTE)是一种新一代无线通信标准。
它被用作4G移动通信技术,以提供更高的数据传输速度和更好的用户体验。
LTE系统的主要挑战之一是下行链路调度算法(DDS),它是一种基于数据包调度的算法,用于确定下行链路中哪些数据包应该被传输。
由于LTE系统中存在的高移动性、高数据速率和高网络负载等因素,DDS变得非常复杂。
因此,对下行链路调度算法的研究非常重要。
二、主要研究内容本文的主要研究内容包括以下几个方面:1. 分析现有下行链路调度算法的优缺点和局限性,探讨它们在实际应用中的局限性和挑战。
2. 设计和实现一个基于强化学习的下行链路调度算法。
在这个过程中,我们将考虑一些与网络特征相关的问题,如网络负载、移动速度、调度延迟等。
3. 使用网络模拟器,模拟真实LTE网络环境,验证和评估所提出的下行链路调度算法的性能和有效性。
4. 探讨在实际LTE网络中应用所提出的下行链路调度算法的可行性,并提供一些实践建议。
三、预期的研究成果通过对于现有的下行链路调度算法的分析和评估,本研究将提出一种全面考虑网络特征和性能的、更加高效和灵活的下行链路调度算法。
在使用网络模拟器验证所提出的算法的实用性和性能后,我们预计将得到以下几个方面的成果:1. 设计和实现一个与实际网络情况相匹配的下行链路调度算法,该算法不仅能够在高网络负载和高移动速度等条件下工作,而且能够保证各种QoS要求。
2. 验证和分析所提出的下行链路调度算法在各种实际网络环境下的性能,包括吞吐量、时延、丢包率等方面。
此外,我们还将对比所提出的算法与现有算法的性能,以证明本研究的算法的有效性。
3. 提供一些实践经验和建议,以帮助网络运营商优化他们的下行链路调度算法,提高网络性能和用户体验。
此外,我们还将分享一些实际网络环境中可能遇到的问题和解决方案,以帮助其他研究者更好地理解本研究的成果。
LTE下行无线资源调度机制的研究与分析【摘要】无线分组调度是无线资源管理的核心,有效的无线调度算法是实现LTE性能要求的关键之一。
本文在对LTE系统的调度机制进行介绍的基础上对其优缺点进行了分析,有一定的指导意义。
【关键词】LTE;无线资源;调度机制1.引言资源调度是根据一定的规则,完成时间、频率、功率、空间(MIMO情况下)资源的分配。
所谓的一定的规则指的是资源调度算法,分配对象是时间、频率、空间、功率等资源,接受资源的竞争者是接入用户。
2.LTE资源调度2.1 调度颗粒LTE物理资源在频域和时域上共同定义,RB(Resource Block,资源块)是调度的最小单元,在频域上由12个子载波组成,在时域上包括7个OFDM符号(常规CP下),时间长度为一个时隙的时间长度即0.5ms。
调度在1ms的时间间隔即一个TTI(Transmission Time Interval,传输时间间隔)内,时域上连续的14个OFDM符号上执行。
通过在不同调度周期内,对不同用户、不同业务动态分配RB和功率资源来实现最佳的LTE系统性能。
2.2 调度器在LTE系统中调度功能由调度器完成。
调度器位于MAC层,又可具体分为上行调度器和下行调度器,分别执行上下行的资源分配,分组调度是MAC层的核心作用[1]。
CQI(Channel Quality Indicator,信道质量指示)反映无线网络的信道质量,信道的CQI可由SINR、BER(bit error rate,误比特率)、PLR(packet loss rate,丢包率)等计算出。
LTE下行分组调度的一般模型如图1所示。
每个TTI内,调度器接收用户上报的信道状况,同时接收来自高层(应用层)的用户队列信息和QoS信息,将用户队列信息放入缓存区内等待分配资源。
每个TTI内,分组调度器根据分组调度算法决定哪些用户被调度。
在这个系统中,每TTI内每个用户被分到0个,1个或多个RB的情况均可能出现。
LTE上下行调度算法介绍LTE(Long Term Evolution)是一种无线通信技术,它采用了OFDMA (正交频分多址)调制技术,以提供高速数据传输和更低延迟的通信。
LTE上下行调度算法是用于优化网络资源利用和提高传输效率的关键技术之一、本文将介绍LTE上下行调度算法的原理和常用的调度算法。
LTE上下行调度算法的目标是将网络资源分配给不同的用户,以达到平衡用户的传输速率和传输质量。
在LTE系统中,上行调度是指基站选择和调度用户终端上传的数据;下行调度是指基站选择和调度用户终端接收的数据。
LTE上行调度算法的主要目标是提高系统容量和覆盖范围,同时减少用户终端的功耗。
常用的上行调度算法有最大信道容量(Max C/I)算法、最佳载干比(Best C/I)算法和最小延迟(Min Delay)算法。
最大信道容量(Max C/I)算法是基于信道质量的调度算法。
它根据用户终端的信道质量指标(如信噪比或信号随机误码率)来选择接入基站。
该算法会选择信道质量最好的用户终端进行资源分配,以提高系统的容量和覆盖范围。
最佳载干比(Best C/I)算法是基于载干比的调度算法。
它通过计算用户终端的载干比,选择信道质量较好且载干比适中的用户进行资源分配。
该算法可以有效地平衡系统的容量和覆盖范围,并提高用户终端的传输速率和传输质量。
最小延迟(Min Delay)算法是基于延迟的调度算法。
它根据用户终端传输数据的延迟要求,选择延迟较低的用户进行资源分配。
该算法可以提高用户终端的传输速率和传输质量,并降低网络延迟。
LTE下行调度算法的主要目标是提高用户终端的传输速率和传输质量,并平衡系统的容量和覆盖范围。
常用的下行调度算法有最大信道容量(Max C/I)算法、最低干扰干噪比(Min SINR)算法和最大比特率(Max Rate)算法。
最大信道容量(Max C/I)算法是基于信道质量的调度算法。
它根据用户终端的信道质量指标,选择信道质量最好的用户进行资源分配。
第1章LTE下行资源多用户调度自优化技术研究1.1引言LTE(长期演进)是3GPP(第三代合作项目)近4年中推出的最大的技术研究和标准制定项目。
作为一种很有前途的移动通信技术,LTE提高了空中接口的性能,并通过一些关键技术增强了频谱效率,例如,OFDM(正交频分复用),MIMO(多输入多输出)和资源共享[3]。
因此,与以前的技术相比,LTE具有一定的优势,例如更高的数据速率以及更小的时间延迟。
此外,OFDM技术既可在时域又可在频域将无线链路资源分开,使得资源分配和调度更灵活[6][7]。
一般情况下,调度算法有三种,最大载干比(MAX C/I,max carrier to interference ratio),轮询(RR,round robin)和正比公平(PF,proportional fairness),每种算法在吞吐量和用户公平性的侧重点不同。
MAX C/I算法总是将PRB分配给当前信道质量最好的用户。
相反,轮询算法将无线资源平均地分配给每个用户。
而PF是MAX C/I 和RR的折中,平衡吞吐量和用户公平性。
显然,LTE这样的资源共享系统,调度算法对用户体验和网络性能有很大的影响,因为它决定了在不同无线信道条件下的用户之间如何分配无线资源。
在参考文献[5]中,作者提出了在调度算法应该考虑的若干原则:1)系统吞吐量最大化; 2)可接受的时延;3)资源分配的用户公平性。
在本章节中,我们主要讨论调度算法如何平衡系统吞吐量和用户公平。
首先提出调度算法的两个关键因子,一个是用户的SINR分散度?,另一个是在一个传输时间间隔(TTI)内分配给每用户的最大的PRB数量(MaxPRB);其次,把这两个因素进行联合起来加以研究;然后,在基于对用户的SINR分散度和MaxPRB的联合研究基础上,我们提出了一种动态调度MaxPRB的策略以提高用户间的公平性,同时保证LTE 系统吞吐量。
本章节的结构安排如下:首先分析调度算法的两个关键因子——用户的SINR分散度和一个传输时间间隔(TTI)内分配给每用户的最大的PRB数量(MaxPRB);其次,对这两个因素进行联合研究,寻找这两个因素间的相互关系;然后,在联合研究基础上提出了一种动态调度MaxPRB的资源调度自优化算法,给出算法流程,通过通过蒙德卡洛仿真,对比我们提出的算法和常用的几种调度方案的性能;最后,总结本章的主要内容。
1.2系统模型和关键指标建模1.2.1OFDM资源调度模型在无线通信系统中,对于广大用户,无线资源是有限而且十分珍贵的。
随着用户数量的上升以及用户需求的提升,如何有效地管理资源成为摆在我们面前最重要的问题之一。
目前业界已经研究了一系列资源管理技术来解决这个问题,其中之一就是资源调度技术。
调度是资源管理的核心技术。
在LTE系统中,多个活跃用户需要共享带宽。
因此需要一种机制,来为这些用户进行有效的资源分配。
无线系统中的调度与有线系统中的不同,因为它面临着更复杂的的情况:时变信道环境,有限的带宽资源等。
通过OFDM技术的应用,LTE系统的无线资源被分为多个PRB,如图2-1所示。
物理资源块(PRB)是基本的调度单位,它由时域中的一个时隙(0.5毫秒)以及频域的180 kHz组成。
无线资源既可以在时域也可以在频域调度,使得调度粒度变得更为灵活。
由于LTE带宽是20MHz,相比以往的移动通信系统,我们更注重无线信道的频率选择性衰落特性。
通过频率选择性调度,我们可以每次给每个用户分配最佳的频段,使系统在频域获得多用户分集增益。
在LTE的下行方向,调度主要是基于CQI(信道质量指示)报告,它代表了下行的SINR(信号干扰噪声比)。
CQI是通过测量参考信号得到的,它可以得到不同频率的状态信息。
对于TD-LTE系统,由于上行下行同在一个频点,信道的互易性使得基站可以通过测量上行信道的质量,间接的获得下行信道的特征,从而综合对下行资源进行调度。
这一段原理不太对,CQI一定是用户反馈的,基站无法获得,基站可以通过互异性由上行信道估计获取下行信道,但是无法估计下行干扰,所以CQI一定是用户反馈的。
图 2-1 OFDM 资源分配的框架图1.2.2 资源调度衡量指标模型图 1-1决定OFDM 系统调度性能的指标有若干个,其中最重要也是最常用的是平均吞吐量和公平性。
用户平均吞吐量是指一个用户在一个确定的时间窗口接收到的吞吐量的平均值。
下面的公式表示用户平均吞吐量:R (t )̅̅̅̅̅̅=∫R(x)dxt t−∆t ∆t (2-1)其中ΔT 是指一段很短的时间,R(X)代表即时数据速率。
公平指数也是判断用户资源分配的一个不可或缺的指标。
由于公平指数是一个抽象概念,我们使用文献[9]中定义的下列公式进行评估:如果一个系统给n 个用户分配资源,第i 个用户接收分配的资源为 x i ,那么我们为系统提出以下指数:f (x )=[∑x i n i=1]2∑x 2n i=1x i ≥0 (2-2)这个指标衡量用户调度的公平性。
如果所有用户得到相同的资源数,即 x i都是相等的,那么公平指数是1,系统是100%的公平。
随着用户分配资源的差距加大,公平性下降,那么那些选择只分配给少数用户的调度策略会使得用户的公平指数接近0。
1.2.3常用的调度算法MAX C/I,轮询(RR)RR和正比公平(PF)PF是LTE系统进行资源分配使用的三个主要的调度策略。
MAX C/I算法考虑到即时的无线链路条件,并提供无线资源的最佳用法。
在每个时间间隔,MAX C/I选择信道条件最佳的用户。
这种方法有可能使得系统达到最大的吞吐量。
在数学上,MAX C/I调度算法可以如公式(3)表示:当基站在调度用户k的信道条件最好,瞬时速率最大的情况下选择该用户调度:k=arg maxiR i(2-3) 其中R i是用户i的瞬时传输速率[8]。
虽然MAX C/I可实现系统的最大吞吐量,但是这种方法并不是在所有情况下都是公平的并没有考虑用户之间的公平性,特别是对于无线链路条件非常差的边缘用户长期处于深衰落或者小区边缘的用户,将永远得不到很难获得服务。
如果所有用户具有相同的优先级,公平性自然能够保证。
这就是轮询(RR:Round Robin)算法的基本原则RR算法随机选择小区内用户进行服务,并不考虑不同用户之间信道条件的差异。
,所以RR算法的目的是确保用户体验的公平性。
它可以被看作是一个使每个用户得到相同概率服务数量的无线资源的公平调度算法。
然而,RR调度方法下系统容量比其峰值速率要低得多损失严重。
因此,我们需要寻求一个能够提高整个扇区吞吐量同时兼顾到公平性的调度方案。
PF 算法折中了MAX C/I和RR算法,提高系统吞吐量的同时考虑到用户公平性。
这就是说,它试图实现尽可能提高吞吐量,同时避免用户公平性变得太糟糕。
在任何分配期间,选择具有最高优先级的用户k:k=arg maxi R iR i̅̅̅(2-4)其中R i是用户i的瞬时数据传输速率,R i̅是用户i平均传输速率。
用户平均速率是通过计算一段平均周期T PF内的速率得到的[8]。
1.2.4理论分析1.2.4.1时延分析1.2.4.2吞吐量分析1.3基于扇区用户SNR分散度的LTE资源调度自优化算法1.3.1算法的提出在[1]中,作者通过几种资源调度算法的组合研究了3GPP LTE OFDMA下行系统中数据速率和功耗性能。
文献[15]提出了适用于频率选择性时变下行信道的一种新的自适应调度和资源分配算法。
这两篇文章虽然对LTE系统下行调度的侧重点不同,但是他们都没有考虑到用户SIN的分散程度和MaxPRB的作用。
当用户分布改变时,MaxPRB应设置为一个合适的值。
下面我们首先给出扇区用户SINR分散度和MaxPRB的定义,然后展示我们提出的调度算法(DDS)。
此处增加参考文献,通过分析已有文章工作,突出创新点1.3.2扇区用户SINR分散度在一般的无线系统,SINR(信号与干扰噪声比)是衡量无线链路质量的一个重要指标。
它通常被定义为接收到的有用信号功率与接收到的干扰信号加噪声功率的比值。
由于SINR值代表了当前的信道条件,它是决定分配到某个用户多少PRB 的一个关键因子。
当用户分布在扇区的不同位置,由于路径损耗,阴影衰落和穿透损耗他们会体验不同层次的SINR。
定义:扇区用户SINR分散度,简称扇区分散度,是基于某种特定准则对小区用户的SINR划分区间,该扇区用户根据SINR情况进行对应,得到的SINR区间数量。
我们定义α为扇区分散度的最大值,也即划分的区间总数。
从而分散度的范围是1到α。
根据以上的论述,我们引出分散度的具体计算方式。
由于从如图2-2所示的LTE SINR仿真CDF曲线可以得出,用户的SINR几乎以线性的方式分布。
因此,整个小区的SINR将被均等地划分成α部分,每个区间以C i表示。
其次,计算在给定的扇区的每一个用户的SINR 。
D(C i )是一个逻辑值(如下所示),这是用来指示是否有用户的SINR 落到本区间。
如果有用户的SINR 位于第C i 区间,则D(C i )将被标记为1。
否则,D(C i )设置为零。
第三,在给定的j 扇区,分散度D j 可以由D(C i )的和计算得到:D(C i )={x|x =0 or 1} (2-5)D j =∑D (C i )αi=1 (2-6)图 2-2 扇区 SINR 累计概率曲线(CDF )1.3.3 每TTI 中给每个用户分配的最大PRB 数(MaxPRB)LTE 系统中有不同类型的资源分配方法。
PRB 分配策略直接影响到资源分配和效率和公正性。
除了SINR ,调度算法还有另外一个重要因素,即MaxPRB 。
MaxPRB 代表一个调度期(TTI)内给每用户可分配的PRB 最大值。
MaxPRB 决定了每个用户在每个TTI 能够获得的最大无线资源,也决定了每个用户最大的瞬时速率。
下文对MaxPRB 对调度方法的影响进行更深入的分析。
1.3.4动态调度自优化算法(DDS)调度算法的主要挑战是获得最佳的频谱效率的同时保持合理的用户公平性。
根据不同的系统环境,在不同的系统环境下,正确地调整调度参数以适应变化是非常重要的。
为此,我们有必要寻求一种自优化方法,以选择最佳的MaxPRB 值来适应不同的扇区分散度。
一般来说,分散度低意味着用户的SINR相对集中。
在这种情况下,公平性是一个次要的考虑因素,因为每个用户都有较高的概率在这个时间间隔内发送数据包。
如果我们提高MaxPRB,拥有更好信道条件的用户将获得更多的资源。
因此在牺牲了少量公平性的代价下,整个系统的容量可以大幅度的提高。
当用户的SINR分散度值较大,它表明不同的用户的SINR差异比较大。
有些用户可能拥有良好的信道环境,而其他用户的无线链路条件较差。