LTE—Advanced系统中的移动负载均衡算法研究

【摘要】为了解决lte-advanced系统中热点区域基站负载过高导致的拥塞问题，在网络中引入移动负载均衡技术，通过平衡相邻小区之间的负载，提升网络的性能。提出了一种基于用户RSRP的移动负载均衡算法，该算法根据本小区和邻小区的负载水平，平衡网络负载。系统级仿真结果表明，该算法能够提升小区的平均吞吐量和小区边缘用户吞吐量。

【关键词】LTE-Advanced移动负载均衡系统级仿真

中图分类号：TN929.5 文献标识码：A文章编号：1006-1010（2013）-14-

1 引言

LTE-Advanced（Long Term Evolution，长期演进）作为LTE的后续演进，对系统容量、频谱效率、小区边缘用户吞吐量等指标提出了更高的要求。随着数据业务以及业务类型数量的增多，网络中的拥塞现象变得更加严重[1，2]。MLB（Mobility Load Balancing，移动负载均衡）是改善网络运行质量的一个重要手段，通过均衡基站间的非均衡业务量，缓解或解决网络中热点区域基站负载过高的问题，从而提升无线资源利用率、系统容量以及小区边缘用户吞吐量[3]。

传统的负载均衡方法主要依靠长期观测来发现长期处于过载状态的基站，调整基站的参数或者相关资源，以此达到负载均衡的目的[4]。但这种方法存在很大的缺陷：首先，观测时间较长，造成过载基站服务区域内的用户服务质量下降；其次，对于负载量波动较大的区域（例如某些旅游景点），人为增加或减少该区域的资源都不能满足该区域的用户通信需求。

鉴于上述原因，3GPP工作组将SON（Self-Organizing Network，网络自组织）技术纳入LTE标准化范畴，其中就包含了负载均衡技术[5，6]。基于基站自主的MLB，在不需要人工干预的前提下，系统能够及时发现负载不均衡的问题，并启动MLB机制，对各个基站下的负载进行调节，以解决过载小区负载过重的问题，提高网络的运行质量以及用户的服务质量[7，8]。

按照基站所属的网络类型，MLB技术可以分为同构无线网络下的MLB和异构无线网络下的MLB。相对于同构网络，异构网络的热点区域中部署了一个或者多个低功率节点，以此增强对该区域的覆盖。因此，在异构网络中进行MLB过程时，需要考虑到更多的相邻基站或者节点。

本文提出的算法基于用户的RSRP（Reference Signal Received Power，参考信号接收功率），并结合本小区和其邻小区的负载情况，生成MLB方案。系统级仿真结果表明，本算法能够提升小区的平均吞吐量和小区边缘用户吞吐量。

2 系统模型

对于同构场景，如图1所示，某个宏基站下用户过多，处于过载状态，称之为源基站。对于源基站找出其边缘用户，对其进行切换，该用户称为目标用户。通过MLB算法，找到对于目标用户的最佳宏基站进行切换，该最佳宏基站称为目标基站。

图1同构无线网络中的MLB

异构场景相比同构场景，宏基站覆盖区域内增加了pico基站，如图2所示。因此，在目标用户寻找目标基站的时候，要考虑到本宏基站覆盖区域中的pico基站和相邻宏基站覆盖区域中的pico基站。为了体现出异构场景的优势，在对目标用户进行切换的时候，需要优先考虑源基站覆盖区域内的pico基站。

图2 异构无线网络中的MLB

基于用户RSRP的MLB算法通过在基站中增加以下模块来实现：本地基站信息同步模块、邻基站信息同步模块、负载监测模块、负载分析模块、负载均衡规划模块、负载均衡执行模块。MLB的具体步骤如下：

（1）基站的负载监测模块周期性获取本基站的负载信息。由于基站的PRB数量是一个定值，因此利用PRB的利用率作为基站的负载信息。

（2）负载分析模块根据监测模块获取的负载状态，判断本基站是否需要发起负载均衡请求或者接收其它基站的负载均衡请求。基站的负载状态包括以下三种：轻载、过载、负载均衡，若基站处于过载状态，则发起负载均衡请求，转到负载规划阶段；否则转回负载监测阶段。

（3）负载均衡规划模块收到负载均衡请求后，搜索其邻基站负载信息，查找是否存在可以进行负载均衡的邻基站，生成MLB方案。

（4）负载均衡执行模块根据上一步生成的方案，将相应用户进行切换，完成本次MLB操作，转回负载监测阶段。

关于负载的定义，在标准化初期只考虑了无线负载，通常认为无线负载是整个网络的瓶颈。然而之后在Release 8标准化快结束的时候，为了提供更全面的负载信息，将基站硬件负载和回传网络负载也加入到了负载均衡的范畴。本文研究内容所提到的负载，只考虑无线负载，不包括基站硬件负载和回传网络负载，

其定义可用式1表示：

（1）

其中，Nused表示本基站中已经使用的PRB数量，Nall表示本基站中所有的PRB数量。若Lcell的值大于门限η，则认为该基站处于过载状态，否则该基站处于轻载状态。门限η为人为设定的0到1的某个值，可根据对业务质量的要求进行修改。

在仿真中，假设所有服务小区下的每个用户仅使用一个PRB，因此式1的负载表达式可以转化为：

（2）

其中，Nuser表示服务区域内已经被分配了PRB的用户数量。

3基于用户RSRP的MLB算法

在MLB过程中，最重要的就是对于源基站如何找出进行切换的目标用户，以及如何选择目标用户的目标基站进行切换。本文提出的基于用户RSRP的MLB算法，根据网络类型的不同，分为同构场景下的MLB和异构场景下的MLB。

对于同构场景，确定目标用户及目标基站的具体算法流程如图3所示：

图3同构场景下的MLB算法流程图

（1）对于发起MLB请求的宏基站，找出其服务用户中接收本基站RSRP值最小的用户，确定其为进行切换的目标用户。

（2）对于所有未过载且没有处于负载均衡中的相邻宏基站，找出目标用户接收这些宏基站RSRP值最大的基站，将其作为目标基站。

（3）将目标用户切换到目标基站，并更新源基站和目标基站各自本身的负载信息，以及它们各自的相邻基站的负载信息。

对于异构场景，确定目标用户及目标基站的具体算法流程如图4所示：

图4异构场景下的MLB算法流程图

（1）遍历源基站服务的所有用户，找出其接收到源基站RSRP值最小的用户，将其作为切换的目标用户。

（2）对于源基站，若其是宏基站，则搜索其覆盖范围内是否存在未过载的pico基站。若源基站是pico基站，则搜索其所属小区内是否存在未过载的宏基站或者其他pico基站。

1）若存在，则遍历这些未过载的宏基站或者pico基站，找出目标用户接收到它们的RSRP值最大的宏基站或者pico基站，作为其目标基站；

2）若不存在，则遍历目标用户所在小区的未过载相邻宏基站以及其区域内的pico基站，找出目标用户接收它们的RSRP值最大的宏基站或者pico基站，作为其目标基站。

（3）将目标用户切换至目标基站。

（4）更新源基站和目标基站各自的本地负载信息，并更新它们各自所有相邻基站的负载信息。

以上的算法有以下几个优点：首先，该MLB算法逐次将负载均衡到相邻小区，保证了整个MLB过程的平稳性，以防小区的负载水平由于用户的急剧增多或者减少发生较大跨度的变化。其次，在进行负载均衡的过程中，考虑到了邻小区的负载承受能力，降低了邻小区在未来发生过载的概率。

4 仿真结果分析

利用OPNET仿真工具对LTE-A网络的MLB进行系统级仿真，分析对于同构场景和异构场景下，采用MLB机制和不采用MLB机制对系统系能及用户性能的影响。其中，仿真平台符合3GPP规范[9]。

通过仿真可见，在基站中加入MLB算法，相对于不加入MLB算法，小区平均吞吐量和小区边缘用户吞吐量都得到了提升。

对于同构场景和异构场景，是否采用MLB的小区平均吞吐量对比情况如图5所示：

图5是否采用MLB算法的小区平均吞吐量对比

图5表明，不论是在同构场景下，还是在异构场景下，加入MLB机制使得小区的平均吞吐量都得到了一定的提升。在同构场景中，加入MLB机制相对于不加入MLB机制的小区平均吞吐量提高了2%左右。在异构场景中，小区平均吞吐量提高了约2%。两种场景下平均吞吐量都得到了提升，这是因为MLB使得轻载基站的RB得到了有效的利用。

小区边缘用户吞吐量对比情况如图6所示：

图6是否采用MLB算法的小区边缘用户吞吐量对比

通过图6可以看出，在同构和异构场景下，小区边缘用户的吞吐量都得到了大幅的提升。其中，同构场景下小区边缘用户吞吐量提高了16.37%，异构场景下小区边缘用户吞吐量提高了25.04%。小区边缘用户吞吐量提高的比例相对于小区平均吞吐量提高的比例要大很多，这是因为在没有进行MLB之前，由于小区的RB数量有限，PF调度算法优先把资源分给中心用户，因此过载小区的某些边缘用户可能没有得到服务。在进行MLB之后，过载小区的边缘用户切换到了pico基站或者相邻宏基站，得到了资源分配，因此小区边缘用户吞吐量也随之得到了很大的提升。

5 结束语

本文提出了一种基于用户RSRP的移动负载均衡算法，并针对同构无线网络和异构无线网络两种场景，描述了算法的具体流程。最后通过系统级仿真，验证了算法在两种场景下对小区平均吞吐量以及小区边缘用户吞吐量的影响。结果表明，本算法能够提升整体网络性能以及小区边缘用户性能。

参考文献：

[1] NGMN（Next Generation Mobile Networks）.NGMN Recommendation on SON and O&M Requirements[R].2008.

[2]李莉，彭木根，王文博.下一代宽带移动通信系统中的网络自组织技术[J].电信技术， 2010（5）： 71-73.

[3]3GPP TS 32.500.Self-Organizing Networks （SON）.Concepts and requirements[S]. 2010.

[4]张恒，邱雪松，孟洛明，等. TD-SCDMA无线接入网自主负载均衡管理方法[J].通信学报， 2011（1）： 9-19.

[5] NGMN（Next Generation Mobile Networks）. NGMN use cases related to self organizing network： Overall description[R]. 2007.

[6]3GPP TR36.902. Self-configuring and self-optimizing network（SON）use cases and solutions[S]. 2011.

[7]Son K， Chong S， Veciana G. Dynamic association for load balancing and interference avoidance in multi-cell networks [J]. IEEE Transactions on Wireless Communications， 2009，8（7）：3566-3576.

[8]Sang Aimin， Wang Xiaodong， Mohammad Madihian， et al. Coordinated load balancing， handoff/cell-site selection， and scheduling in multi-cell packet data systems[J]. Wireless Networks，2008，14（1）：103-120.

[9]3GPP TR 36.814. Evolved Universal Terrestrial Radio Access （E-UTRA）. Further advancements for E-UTRA physical layer aspects[S]. 2010

作者简介

覃武凌：硕士就读于北京邮电大学，主要研究方向为无线信号处理与网络。

彭木根：教授，北京邮电大学博士生导师，长期从事网络规划优化、无线网络协同信息理论、无线协作通信、网络编码、无线网络自组织技术等的研发工作，近年来主持和完成了国家自然科学基金、科技部“863”项目、国家科技支撑计划、国际科技重大专项等多项国家和部级科研项目，先后荣获原信息产业部、中国通信学会和北京市多项科技成果奖励，在国内外著名学术期刊和国际权威学术会议上100余篇，SCI检索20余篇，EI检索60余篇。

张洪岩：硕士就读于北京邮电大学，主要研究方向为无线信号处理与网络。