B3G LTE网络的认知无线资源管理

疆　研究与探讨；；　

Ｂ３Ｇ　ＬＴＥ网络的　认知无线资源管理　李圣　南华大学电气学院通信工程系　唐旭辉　湖南移动衡阳分公司　【摘要】文章介绍了ＬＴＥ体系结构及小区内的ＲＲＭ，一提出具有认知特性的Ｂ３Ｇ　ＬＴＥ统的增强型ＲＲＭ的框架，阐述了　其管理功能模块和上下文获取机制ｏ。仿真表明，ＬＴＥ网络环境下认知ＲＲＭ方案能大大提高系统性能和网络的自适应性。　【关键词】Ｂ３Ｇ　ＬＴＥ　认知ＲＲＭ　增强型上下文获取　自适应　０　ＤＭＡ　１引言　ＬＴＥ是３ＧＰＰ标准化组织制定的一个演进计划，它与　ＷｉＭＡＸ、移动２Ｇ／３Ｇ网络、无线局域网ＷＬＡＮ等无线接　入技术（ＲＡＴ）共存。各种异构网络需要高效的管理平　台和功能模块来解决日趋复杂的网络接入问题。　提高效率的首选方向是管理系统平台和功能模块的　自适应。一般地，认知网络”　根据外部环境、系统目标、　原则、经验和知识等主动或被动地决定无线资源管理　ｆ　ＲＲＭ）的行为，提高有效性。认知网络，可以定义为　自管理功能模块根据运营上下文（环境要求和特性）、　目标和策略（对应于原则）、情景模式（能力）及机器　学习（知识和经验的表示与管理）动态选择网络的配　置。这种自管理功能模块可以引入到终端、接入点或网　络端。本文将其引入到ＬＴＥ系统的ＲＲＭ机制中，称为认　知ＲＲＭ。它根据当前上下文进行识别，并判断是否为以　收稿日期：２Ｏ１０－０５—０７　责任编辑：左永菪ｚｕｏｙｏｔ￣ｇｊｕｌ　＠ｍｂ∞ｍ　ｅｎ　前已解决的上下文的方法，再利用以前的经验和知识做　出更聪明的ＲＲＭ－￣Ｕ断和行为。　正交频分复用多址（ＯＦＤＭＡ）适合作为ＬＴＥ的接入　技术。ＯＦＤＭＡ在网络端进行频谱分配，在小区内的ＲＲＭ　中动态自适应分配子载波、功率，通过自适应调制算法　解决服务区域的接入问题。　２　ＬＴＥ体系结构一基本的ＲＲＭ　图１给出了ＬＴＥ的网络结构。Ｅ—ＵＴＲＡＮ包括ｅＮＢ，　其间用Ｘ２互联，每个ｅＮＢ通过ｓ１接口连接到ＥＰＣ。ｅＮＢ　负责宿主ＲＲＭ功能，比如无线承载控制、无线允许控　制、连接移动性控制及动态资源分配。图２给出了ＬＴＥ　系统结构，包括基本的组成及互联所需的接口。ＲＲＭ　中，动态子载波分配（ＤＳＡ）的目标是为每个用户分配　优化的子载波以最大程度保证服务质量（ＯｏＳ）。自适　应功率分配（ＡＰＡ）负责为用户的子载波找到最优的功　

率分配以提高频率再用的效率并使干扰最小。采用自适　疆　研究与探讨；　应调制（ＡＭ），发射机能在较好的信道上有更高的数　据速率并同时保证所有子载波上有可接受的比特错误率　（ＢＥＲ）。　

图１　ＬＴＥ网络结构　

图２　ＬＴＥ系统结构　、　、　ＬＴＥ在上下行链路均有不同大小的频谱，包括　１．２５ＭＨＺ、１．６ＭＨＺ、２．５ＭＨＺ、５ＭＨＺ、１　０ＭＨＺ、　１　５ＭＨｚ及２０ＭＨｚ等。每个载波分裂成若干组子载波，每　一组包含的子载波数相同。在这些频谱中确定满足合理　流量要求的分配组组数。　ｉ　●　小区内配置包括子载波的分配、功率分配和自适应　调制。一个用户可分配多个子载波，但相同子载波不允　许分配给多个用户　“　。用户的子载波分配数决定于用户　位置、业务、配置模式及网络运营策略等。为了提高数　据速率，上下行链路根据比特／符号最大数及ＢＥＲ统计环　境条件的变化，需要最佳配置的自适应调制过程。　一，ｌ　。ｌＪ　：ｌｈｈ・　ｌ＿ｌＩ－　服务区域有／＼，个用户　：　＝０．…，／＼，｝，可用子载波组　５　＝ｆ　ｊ：／＝Ｏ，…，　），每个用户／在子载波／上分配到的比特　速率记为６ｒ（／，Ｊ），则用户／的总数据速率为　＝乏，Ｉｘ，．，６，（／，／）］　（１）　其中　，．，　｛０，１）表示子载波／分配给用户／的索引，即　如果子载波／分配给用户／，贝　，＝１，否则为０。由于每个　Ｚ，Ｉ　子载波只允许分配给～个用户，ｒａｉｌ∑∑　＝ｌ。　，ｅ　仁１　用户选择的效用函数为所分配的配置用户的满意　度［３】＿　（　）：Ｏ．１６＋０．８Ｉｎ（Ｂ，．一０．３）　（２）　小区内ＲＲＭ的目标就是最大化函数：　，　（　），并有　Ｂｉ＞１ｂａｓｉｃＯｏＳ的限制，其中ｈａｓ￣ｃＯｏＳ表示允许的比特率　的最小数。　３认知ＲＲＭ　图３为ＬＴＥ网络端增强型ＲＲＭ的管理功能，包括以下　几个方面：　（１】上下文：反映网络端组成部分及其环境的状　态。每个组成的监控程序给出业务流量要求、移动性条　件、所使用的配置及提供的ＱｏＳ等级。　（２）配置模式：提供组成部分及终端能力、用户和　应用的行为、偏好、要求及限制等信息。　（３）策略：上下文处理后应遵从的规则和功能。规　则指定每个应用的ＱｏＳ等级、ＲＡＴ应用的分配及收发器　的配置。　（４）判决：输出主要包括４个方面的配置判决——　每个小区的载波带宽分配，每个用户子载波分配数的分　配，所用子载波的功率分配及每个子载波上应采用的调　整方案。　（５）优化：根据ＤＳＡ、ＡＰＡ和ＡＭ算法　及机器学　习技术，将效用函数最大化。使上下文环境参数的网络　具有高效的配置。　（６）基础设施的抽象：管理基础设施与网络端的　一：＝＝责任编辑：左永君ｚｕｏｙｏｎｇｊｕｎ＠ｍｂｃｏｍ，Ｏｎ

　接口通过基础设施的抽象提供与网络参数独立的技术信　息，该信息用来感知网络端包含的上下文。　（７）学习：管理基础设施中嵌入的学习功能增强了　处理复杂情况的手段，管理实体能学习系统与环境过去　的交互，识别过去处理过的情形。这样由于略去了复杂　的优化程序使问题解决更快，特别是管理组成部分能找　到并逐渐学习解决某些情况下的最佳频谱载波。　：管理体系结构　ｉ　粤（Ｃｏｎｔｅｘｔ，ｐ　ｒｏｆｉｌｅｓ，｛－　￣…一（ｓｏｌｕｔｉｏｎ）１ 配置能力　判决　用性　判决效　用户偏好　“学习”　环境感知　ｉ　；研究与探讨　“参考上下文”指的是存储在库中的信息。　（２）上下文匹配：其目的是找到与新上下文最近的　模式，采用ｋ近邻（ｋ－ＮＮ）算法　】。　图４也给出了模型问的可能的互动：　（１）互动１，上下文获取模型检索网络端的相关信　息；　（２）互动２，触发上下文匹配和优化模型，上下文　ＬＴＥ网络组成　（ｅＮＢ。ｓｅｇｍｅｎｔ，ｃｅｌ　体系结构抽象　图３　管理过程认知特－眭的引入　４认知小区内ＲＲＭ的增强型上下文获取　图４为增强型上下文获取机制的体系结构，其中：　ｌ崮一圈一　ｉ．Ｉ　一　一。。Ｊｆ。一　万露　一一　ｌ决　／　嘲上下文ｌ　田广＿一配置的增强　④　Ｉ蜜男案ｒ＿１竺竺！　广一　＿　－●－＿－＇－＿’～．－Ｉ－．－　¨　－＿－－＿－　Ｉ　ＬＴＥ网络端　图４　小区内认知ＲＲＭ上下文获取机制　（１）参考上下文库：包括过去处理的每个上下文　信息。使用登记表记录优化后的上下文解。为了区别网　络端推导处理的任意上下文和库中存储的上下文，术语　匹配模型使用库中数据寻找是否存在一参　考上下文与目前的上下文相近，同时优化　模型将其作为新上下文开始处理；　（３）通过互动３，上下文匹配将控制　权交给强制重置或者优化模型，若发现匹　配则选择前者，若没有匹配则选择后者；　（４）通过互动４，在上下文匹配模型　建议的解决方案不可用的情况下，强制Ｉ重　置也可能将控制权交给优化模型；　（５）在互动５中，优化配置要求在网络端驱动配置　强制重置模型；　（６）在互动６中，该上下文及解决方案被送到库中　以再用。　通过这种方式，管理基础设施能学习和应用已知的　解决方案以减少处理上下文所需的时问。　上下文匹配算法，即基于ｋ近邻算法在模式库中并　行地检查与当前上下文（ｃ）中最近的一个有效模式　（Ｐ）。步骤如下：　◆第１步：检查Ｐ与Ｃ的距离Ｄ１是否在某阈值之上，　若没有就继续第２步，否则停止检查当前模式；　◆第２步：检查Ｐ与Ｃ的距离Ｄ２是否超过某阈值，若　没有就继续第３步，否则停止检查当前模式；　◆第３步：寻找Ｐ与Ｃ的１一近邻，用ｋ—ＮＮ近邻算法找　Ｃ中每一个用户与Ｐ中最近的近邻距离　３；　◆第４步：检查Ｃ中每一个用户与Ｐ中第一个最好的　之问的距离０４，如果不明显大于某阈值，继续第５步，　否则停止检查当前模式；　◆第５步：根据模式Ｐ计算上下文距离（　）：　（Ｐ）＝　１＋　２＋　３＋　４，选择并执行具有最／Ｊ＼ＯＤ的那　个模式的解。　詈　５５２０　０　４　１年第１髯｛

　；；　研究与探讨ｉ　５认知ＲＲＭ上下文获取的模拟及结果分析　把一个小区级的服务区域分成５部分，服务区加载　模式是静止的，每个部分的用户信噪比（ＳＮＲ）主要取　决于该部分到小区中心的距离。假设这５部分的平均ＳＮＲ　值均大于最小阈值以保证这些用户满足最基本的ＱｏＳ等　级，根据这种情况，５０％的用户随机分布于服务区域，　剩下的位于该小区特定区域。每部分一个上下文，每个　用户的上下文信息包括用户位置、平均ＳＮＲ值及须达到　的目标数据速率。　在仿真中，五个上下文中的每一个在多个时期内由　管理体系结构捕获，上下文匹配模型负责识别是否为系　统已知解方案，并适当提供，当不能提供时，须由优化　模型来提供。　优化算法的目标是为每个用户提供子载波和功率的　分配。为提高该算法的有效性、减少优化时延。可假设　子载波之间的功率均匀分布。假设所有子载波采用１　６一　ＱＡＭ调制类型（４比特每符号）．ＬＴＥ系统的符号长度为　６６．７ｐｓ，每个子载波的数据速率为６０ｋｂｐｓ。　仿真开始时，由于系统没有任何关于过去互动的信　息而没有成功的匹配。但通过优化程序，系统存储上下　文和解决方案。过一段时间后。上下文可成功匹配并可　直接采用相应的解决方案，避免了优化程序。随着时间　的推移，成功匹配的概率就越来越高，见图５：　

ＴＩｍｅ　图５　匹配成功概率随时间的变化　６结论　本文给出了ＯＦＤＭＡ接入技术的ＬＴＥ系统的认知ＲＲＭ　功能模块。增强了上下文匹配技术的认知ＲＲＭ不仅能学　习管理体系结构过去的优化也能识别相同或相似的上下　文，并运用已知的解决方案跳过优化过程。　５６　ｌ　蠡痞　下一步工作是提高认知ＲＲＭ在各个通信系统中的认　知能力。在Ｂ３Ｇ环境下，上下文参数及其解决方案来自　于对多个通信系统的推导。每个独立系统的多个优化程　序使认知ＲＲＭ系统有更好的性能。最后，认知ＲＲＭ还可　利用时间戳预测服务区的业务情况，即在问题实际发生　之前预测可能的问题并应用相关解决方案。　【１】Ｈａｙｋｉｎ　Ｓ．Ｃｏｇｎｉｔｉｖｅ　Ｒａｄｉｏ：ｂｒａｉｎ—ｅｍｐｏｗｅｒｅｄ　ｗｉｒｅｌｅｓｓ　ｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｊ】．１ＥＥＥ　ＪｏｕｒｎａＩ　ｏｎ　Ｓｅｌｅｃｔｅｄ　Ａｒｅａｓ　ｌｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２００５．２３（２）：２０１－２２０．　【２】Ｗｏｎｇ　１　Ｃ，Ｓｈｅｎ　Ｚ　ｋ　Ｅｖａｎｓ　Ｂ　Ｌ，ｅｔ　ａ１．Ａ　ｌＯＷ　ｃｏｍｐｌｅｘｉｔｙ　ａｌｇｏ　ｒｉｔｈｍ　ｆｏ　ｒ　ｐ　ｒｏｐｏ　ｒｔｉｏｎａｌ　ｒｅｓｏｕ　ｒｃｅ　ａｌｌｏｃａｔｉｏｎ　ｉｎ　０ＦＤＭＡ　ＳｙｓｔｅｍｓｆＪ　Ｊ．ＪＥＥＥ　Ｊｎｔｅｒｎａｔｉｏｎａｆ　Ｓ　ｇｎａ｝　Ｐｒｏｃｅｓｓｉｎｇ　Ｓｙｓｔｅｍｓ　Ｗｏｒｋｓｈｏｐ，２００４（１　Ｏ）：１—６．　Ｉ３］Ｇ．Ｓｏｎｇ　Ｙ．（Ｇ．）Ｌｉ．Ｃｒｏｓｓ—ｌａｙｅｒ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｆｏｒ　０ＦＤＭ　ｗｉｒｅｌｅｓｓ　ｎｅｔｗ０ｒｋｓ一一Ｐａｒｔ　Ｉ：Ｔｈｅｏｒｅｔｉｃａｌ　Ｆｒａｍｅｗｏｒｋ［Ｊ１．　ＩＥＥＥ　Ｔｒａｎｓ．Ｗｉｒｅｌｅｓｓ　Ｃｏｍｍｕｎ．２００５，４（２）：６１４－６２４．　【４］Ｇ．Ｓｏｎｇ，Ｙ．（Ｇ．）Ｌｉ．Ｃｒｏｓｓ—ｌａｙｅｒ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｆｏｒ　ＯＦＤＭ　ｗｉｒｅｌｅｓｓ　ｎｅｔ、＾，ｏｒｋｓ一一Ｐａｒｔ¨：Ａｌｇｏｒｉｔｈｍ　ｄｅｖｅｌｏｐｍｅｎｔ［Ｊ］．　ＩＥＥＥ　Ｔｒａｎｓ．Ｗｉｒｅｌｅｓｓ　Ｃｏｍｍｕｎ，２００５。４（２）：６２５－６３４．　【５】Ｓａｍｅｔ　Ｈ．Ｋ—Ｎｅａ　ｒｅｓｔ　Ｎｅｉｇｈｂｏ　ｒ　Ｆｉｎｄｉｎｇ　ＵＳｉｎｇ　ＭａｘＮｅａ　ｒｅｓｔＤｉｓｔ［Ｊ１．ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　Ｏｎ　Ｐａｔｔｅｒｎ　ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈｉｎｅ　Ｉｎｔｅｌｌｉｇｅｎｃｅ．２ＯＯ８：２４３—２５２．★　李圣：博士，南华大学通信工程系　讲师，主要研究领域为移动通信技　术、认知无线网络等。