帶有負載均衡的LTE自適應切換算法

王汝言，周曉軍，吳大鵬

（重慶郵電大學寬帶泛在接入技術研究所，重慶400065）

帶有負載均衡的LTE自適應切換算法

王汝言，周曉軍，吳大鵬

（重慶郵電大學寬帶泛在接入技術研究所，重慶400065）

用戶在宏蜂窩和毫微微蜂窩之間頻繁執行不必要的切換將導致系統掉話率增加，用戶服務質量和網絡吞吐量降低。提出一種帶有負載均衡的自適應切換算法，根據網絡綜合負載水平自適應調節切換滯后余量，結合網絡容量、終端所需容量、接收信號強度、業務類型、移動速度等多目標參數進行綜合切換判決。結果表明所提切換算法可有效避免不必要切換的發生，降低切換次數并提高網絡吞吐量。

宏蜂窩；毫微微蜂窩；負載均衡；切換

0 引 言

隨著蜂窩無線通信系統的快速發展，移動終端（user equipment，UE）的數量呈現出快速增長的趨勢。然而，統計表明當前蜂窩網絡中有50%的語音業務和90%的數據業務發生在室內；同時，30%商業區域和45%住宅區域的UE信號覆蓋較差［1］。因此，為語音、視頻以及高速數據業務提供良好的室內覆蓋變得異常重要。長期演進系統（long term evolution，LTE）以其寬帶寬、高速率、低時延等優點，得到世界各主流通信設備商和運營商的廣泛關注［2］。但是，LTE可供室內用戶使用的系統容量相對有限，并且，基站需要提高下行發送功率以克服穿透損耗，此種方式將會導致小區吞吐量降低。因此，為了有效解決上述問題，第3代合作伙伴計劃（the 3rd generation partner project，3GPP）于2008年提出了家庭基站的體系架構，家庭基站也稱為毫微微蜂窩（Femto Cell）期望通過大規模地部署Femto Cell解決室內用戶的信號覆蓋問題，以達到為用戶提供更好的服務質量的目的。

Femto Cell［3］屬于短距離、低功耗、低成本的蜂窩無線通信系統接入點，其允許標準移動設備通過現有的寬帶網絡連接至蜂窩無線通信系統，其具有自動網絡規劃、自動軟件升級和自動數據配置等功能。由于Femto Cell屬于用戶自行安裝的家用電子設備，因此，在宏蜂窩（Macro Cell）的覆蓋范圍內將會出現大量的Femto Cell，使得蜂窩無線通信系統網絡架構分成兩層，即Macro Cell和Femto Cell雙層蜂窩網絡架構［4］。在Femto Cell大量部署的情況下，蜂窩無線通信系統的移動性管理至關重要，其中小區切換技術更是重中之重，切換的成功與否和切換效率直接影響著UE的服務質量（quality of service，QoS）體驗［5］。

在蜂窩無線通信系統中，當UE從一個小區移動到另一個小區或者當前服務小區信號太差、干擾太強時，為了保證UE通信的持續性，需要將UE與基站之間的通信鏈路從當前基站切換至其他基站［6］。然而，與原有蜂窩無線通信系統的架構不同，LTE系統具有雙層蜂窩網絡架構，降低頻繁和不必要的切換是雙層蜂窩網絡架構的關鍵問題。在雙層蜂窩網絡中，各個小區的網絡容量和UE數量不同使得各個小區的負載也不同，這樣就導致了網絡中出現所謂的“熱點”小區，這些小區的業務請求遠高于可接受的水平，以至于出現較高的呼叫阻塞率，而其他小區還存在可用資源來服務更多的UE，使得各個小區的負載呈現出一定的非均衡特性，進而導致系統資源利用率及吞吐量降低。可見，小區之間負載的均衡性也將會影響UE的QoS體驗。對于實時業務用戶的切換過程來說，負載不均衡會導致系統具有較高的呼叫阻塞率；對于非實時業務用戶的切換來說，負載不均衡會導致“熱點”小區中邊緣用戶吞吐量出現惡化。因此，系統需要根據各個小區的用戶數量及剩余資源狀態，均衡地使用各小區資源，并通過負載均衡機制來降低UE的切換次數和不必要切換次數，提高系統的資源利用率，從而提高系統吞吐量。由于Femto Cell的覆蓋范圍小，高速運行的UE不可能在Femto Cell的覆蓋區域內停留很長時間，若在其進入和離開Femto Cell時均執行切換操作，則將引起UE在各小區之間產生頻繁和不必要的切換［7］。同時，LTE中Macro Cell和Femto Cell的切換屬于硬切換，這些頻繁和不必要的切換將會產生“乒乓效應”，降低端到端的QoS體驗性能，降低小區間的負載均衡性能及系統容量，浪費網絡資源。因此，在雙層蜂窩網絡架構中減少頻繁和不必要的切換對保證用戶的QoS和系統性能是極其必要的。在寬帶寬、低時延、高速率的LTE系統中，切換參數設置不合適會嚴重影響系統性能，惡化用戶的QoS體驗性能，甚至導致用戶掉話。因此，雙層蜂窩網絡架構下的切換決策需要綜合考慮網絡、業務和終端等各個層面的特性和需求，以合理的方式選擇切換判決參數進行自適應切換判決，以避免不必要的切換操作，減少對系統資源的浪費，提高系統吞吐量。

目前，國內外研究人員針對LTE中Macro Cell和Femto Cell雙層蜂窩網絡架構中的切換機制進行了相關研究。文獻［8］提出一種基于多目標參數的切換算法，采用接收信號強度（received signal strength，RSS）和可用帶寬資源作為參數，通過帕累托最優方法對這兩個參數進行多目標優化，結果表明其能提高切換成功率，降低切換延遲，但是它沒有考慮UE處于高速移動的情況，不能有效抑制高速UE的頻繁和不必要的切換次數。文獻［9］提出一種基于網絡負載均衡的切換算法，采用RSS和負載狀態作為參數，通過負載閾值來調節切換滯后余量（handover hysteresis margin，HHM），結果表明其能有效降低切換阻塞率和掉話率，但是其采用了固定的負載閾值，降低了在不同場景的適用性，也未能有效降低不必要的切換次數和提高系統吞吐量。文獻［10］提出一種基于多個信號強度閾值的切換算法，通過多個閾值進行多重切換判決，結果表明其能有效降低切換次數并減少乒乓效應，但未能有效兼顧網絡的負載均衡性，其閾值的設定并未考慮用戶動態到達和離開的時變特性，使得系統吞吐量并未得到顯著提高。文獻［11］提出一種基于臨時區域合作的快速切換算法，通過UE之間的協作以確定目標基站信息，結果表明其能夠有效降低切換時延，但UE隨機移動性使得其協作的時變特性增強，UE在不同協作區域內交互搜集到目標基站信息混亂以致產生過多無效切換，無法有效降低切換次數并提高系統吞吐量。

如上所述，針對現有的LTE家庭基站切換策略未能綜合考慮網絡容量和負載均衡的問題，提出一種帶有負載均衡的LTE家庭基站自適應切換算法（load balancing adaptive handover algorithm in LTE，LB-HA）。根據網絡中的動態的綜合負載水平自適應調節HHM，并且充分考慮網絡容量、終端業務所需容量、接收信號強度、速度、業務類型等5個方面因素，以分布式的方式進行綜合切換判決，使得網絡達到更好的負載均衡效果。進而，以更加合理的決策條件執行切換操作，降低切換次數，提高系統吞吐量。

1 網絡綜合負載估計方法

在雙層蜂窩網絡架構中，給定Macro Cell小區的覆蓋范圍內包含多個Femto Cell小區。然而，Femto Cell小區中所接入的UE數量不同，使得各個小區的網絡負載并不均衡，導致部分小區處于過載狀態，同時，部分小區處于輕載狀態。另外，UE具有隨機移動性，其在各個小區間的移動將使得各個小區的負載程度具有明顯的動態特征。因此，本部分提出了一種基于三角模融合算子的網絡綜合負載估計方法來進行實時衡量小區的網絡狀態。

1.1 網絡容量的估計

LTE系統中，鄰近的正交頻分復用（orthogonal frequency division multiple，OFDM）載波被分成多個物理資源塊（physical resource block，PRB），且PRB為可分配給用戶的最小資源單元。當UE連接基站后，基站通過媒體訪問控制層的調度器為UE合理地分配相應的PRB。然而，PRB的數量與系統帶寬之間存在對應關系，小區帶寬越寬，PRB的數量越多，網絡容量就越大。因此，以PRB數量作為基本單元對網絡容量進行估計。

根據雙層網絡架構可知，給定的Macro Cell小區內包含M個Femto Cell小區，同時，N個UE隨機分布在Macro Cell覆蓋區域內，如果第k個UE連接在Macro Cell小區，則它所得到的來自演進型基站（evolved node B，eNB）分配的網絡容量（即第k個UE所占用的PRB數量）CkeNB的計算方法如式（1）所示，eNB表示Macro Cell的部署設備。

式中，P0表示家庭eNB（home eNB，HeNB）的發射功率，HeNB表示Femto Cell的部署設備；Pi（i≥1）表示第i個HeNB的發射功率；g0，k表示eNB與第k個UE之間的信道增益；gi，k表示第i個HeNB與第k個UE之間的信道增益；Dk表示第k個UE申請的業務速率；BW表示網絡的傳輸帶寬。

可見，通過式（1）可獲知服務小區為Macro Cell時，UE可分配到的網絡容量。此外，當UE處于第i個Femto Cell服務小區時，第j個UE可分配到的網絡容量為Cji－HeNB，其計算方法為

由于Macro Cell和Femto Cell雙層蜂窩網絡環境中包含1個eNB和M個HeNB，且UE隨機分布在給定場景下，為了能夠獲知處于任意狀態下的UE（UE連接Macro Cell或者Femto Cell）可分配到的網絡容量，結合式（1）與式（2），可以得到第i個基站（包括eNB和HeNB）分配給第j個UE的網絡容量Cji，表示為

式中，∪i表示連接到基站i的UE集合。

1.2 網絡綜合負載衡量方法

根據LTE中所制定的切換判決可知，當UE需要切換到目標小區時，若目標小區的負載過高或者網絡容量受限，將會導致UE由于無法獲得充分的資源而產生掉話，使得UE在執行切換操作后仍得不到QoS保證。因此，為了自適應地均衡各小區之間的負載，避免用戶由于小區負載過高導致掉話，所提出的切換機制充分考慮了小區的網絡容量和負載，并且通過負載均衡機制從擁塞小區中切換一部分UE至其他小區，使得小區之間的負載更加均衡，網絡能夠容納更多的用戶，提高系統的資源利用率。

雙層蜂窩網絡中各個小區的負載可由當前小區中總的網絡容量和UE已使用的網絡容量所決定，該參數隨著小區中UE的網絡容量使用率變化而變化。本文采用各小區的網絡容量使用率（即各小區中所有UE的PRB占用率）作為雙層蜂窩網絡中各小區的負載度量。小區i的負載li表示為

如前所述，UE隨機分布在各個小區中，且移動方向隨機，使得小區之間的負載無法均衡。為了充分利用有限的網絡資源，需要采用相應的負載轉移方法將負載較重小區中的用戶切換至負載較輕的鄰居小區。使用公平性指數ε（t）來估計網絡中各個小區之間負載均衡性［12］，該參數表示各個小區之間負載的均衡程度，稱之為網絡負載公平性因子，表示為

式中，ε（t）∈［1／2，1］.ε（t）越大，表示整個網絡的負載均衡性越好；ε（t）越小，表示整個網絡的負載均衡性越差。

從全局來看，通過網絡負載均衡公平性因子可以得到全網絡中所有小區之間的負載均衡程度。在局部，本文使用各個小區的可用負載來衡量各個小區的負載均衡能力。即小區的可用負載越大，則可進行負載均衡的能力越大。換言之，小區的可用負載越大，則可以切換到該小區的UE數量越多，小區之間更可能達到負載均衡。本文使用η（t）來表示小區i的可用負載水平，稱之為小區的i的負載均衡能力因子，表示為

式中，η（t）∈［0，1］.η（t）越大，表示小區i在t時刻可用負載水平越大，該小區能夠接收更多的切換UE；η（t）越小，表示小區i在t時刻可用負載水平越小，該小區能夠接收更少的切換UE。

綜上所述，ε（t）參數描述了全網絡的負載均衡公平性，切換過程中單一地考慮這個參數會導致部分Femto Cell小區過載。同時，η（t）參數描述了小區i的剩余負載水平，單一地考慮這個參數將會降低整個網絡負載均衡性。因此，綜合考慮這兩個參數，將當前t時刻網絡負載公平性因子ε（t）和小區i的負載均衡能力因子η（t）進行融合，得到能夠準確衡量網絡當前的綜合負載水平的參數f（t）。兩個因子的有效融合直接決定了綜合負載水平在衡量過程中的合理性。利用模糊數學中的三角模融合算子對網絡負載公平性因子ε（t）和小區i的負載均衡能力因子η（t）進行融合，得到小區i對于全網絡的綜合負載水平指數f（t），表示為

式中，ε（t）和η（t）是兩個進行融合的隸屬度函數；ε（t）∈［1／2，1］和η（t）∈［0，1］也能滿足三角模融合算子的條件。三角模融合算子是在模糊推理思想下引入人工智能的理論方法，將網絡負載公平性因子ε（t）和小區i的負載均衡能力因子η（t）這兩個單一的決策映射到另一空間，通過比較來完成融合判決，其具有同類信息的加強性和矛盾信息的調和性。可見，三角模融合算子能夠比較好地滿足本文中對網絡負載公平性因子和各個小區負載均衡能力因子所進行的模糊融合衡量要求，從而能夠比較真實客觀地反應網絡的綜合負載水平。

2 自適應切換策略

在雙層蜂窩網絡架構下，Macro Cell小區覆蓋范圍大，而Femto Cell小區覆蓋范圍小，UE頻繁地進出Femto Cell小區產生頻繁和不必要的切換。運營商推出Femto Cell的初衷是為了改善室內覆蓋和提高網絡系統容量，從而提高UE的QoS。然而，在蜂窩無線通信系統中，頻繁和不必要的切換將會降低端到端的QoS，減少系統的容量。因此，在雙層蜂窩網絡架構中減少頻繁和不必要的切換對保證UE的QoS的系統性能是極其必要的。在蜂窩無線通信系統中，信號強度是描述通信質量的重要指標，在切換判決算法中被普遍使用。當在給定區域內的兩個基站信號強度劇烈波動時，會引起UE在兩個基站之間來回重復切換產生“乒乓效應”。為了解決這個問題，切換算法引入了HHM，HHM表示一個相對信號強度，該參數通常與信號強度聯合使用，即目標小區的信號強度比服務小區的信號強度強很多（即大于滯后余量）的情況下進行小區切換。傳統的應用HHM的切換算法基本都是使用固定HHM值，其切換判決條件為

式中，HHMdefault采用預先設定的方式，它不能隨著網絡容量和負載的變化自適應調節，從而達不到理想的效果。因此，本文對傳統的HHM切換算法進行了改進，改進的切換判決式為

即結合網絡綜合負載水平指數f（t）來動態調節HHM值。可以分析得到，隨著網絡綜合負載水平指數f（t）變大，ΔH H M也相應變大，此時網絡負載均衡良好，切換判決則需要目標小區比服務小區具有更大的信號強度差才能觸發切換，從而減少UE的切換次數，網絡系統負載均衡穩定。反之，隨著網絡綜合負載水平指數f（t）變小，網絡負載均衡較差，切換判決則降低ΔHHM來減小切換的難度，UE則通過執行切換操作來進行負載轉移達到網絡負載均衡。然而，若目標小區不能滿足新UE的業務所需網絡容量，則會導致UE切換失敗。為了能夠提高切換成功率，考慮了目標小區的剩余網絡容量與UE業務所需網絡容量兩者之間的關系

此外，如前所述，Femto Cell的覆蓋范圍較小，高速移動的UE在Femto Cell覆蓋區域內停留時間較短，若在其進入和離開Femto Cell時均執行切換操作，則將引起UE在各小區之間產生頻繁和不必要的切換，所以在滿足條件式（11）的情況下，規定了兩個速度閾值vth1和vth2來限制高速移動UE切換到Femto Cell中，其中兩個速度閾值之間滿足條件vth1＞vth2。根據UE的速度與閾值之間的關系不同，切換策略可分為以下3種情況：

①當UE的速度v滿足v＞vth1時，UE不能切換進Femto Cell，而是保持接入Macro Cell。

②當UE的速度v滿足vth2＜v≤vth1時，若UE是實時業務，并且滿足式（12）所示條件，則UE可以切換進Femto Cell，否則UE保持接入Macro Cell。其主要原因在于實時業務的延遲容忍度低于非實時業務，若服務小區的信道條件太差時，實時業務更容易產生掉話與丟包，嚴重影響UE的QoS性能體驗。

③當UE的速度v滿足v≤vth2時，若滿足式（12）所示條件，則UE可以切換進Femto Cell，否則UE保持接入Macro Cell。

綜上所述，本文綜合考慮接收信號強度、網絡綜合負載、UE速度、UE業務類型、小區剩余網絡容量和UE業務所需網絡容量等條件提出了自適應HHM切換算法，該算法可以適用于以下3種切換場景：①UE當前的服務小區為Macro Cell，下一時刻UE移動進入目標Femto Cell，此時產生從Macro Cell到Femto Cell的切換；②UE當前的服務小區為Femto Cell，下一時刻UE移動進入Macro Cell，此時產生從Femto Cell到Macro Cell的切換；③UE當前的服務小區為Femto Cell，下一時刻UE移動進入鄰居Femto Cell，此時產生從Femto Cell到Femto Cell的切換。提出的自適應切換算法偽代碼如表1所示。

表1 切換算法的偽代碼

3 數值結果與分析

3.1 仿真場景

本部分采用LTE-Sim仿真平臺［13］對所提出的切換算法進行了驗證，并與基于RSS的切換算法［14］、基于信號質量（reference signal quality，RSQ）調節HHM的切換算法（RSQ-HHM）［15］進行了對比，性能指標分別為總切換次數、不必要切換次數、系統吞吐量。其中基于RSS的切換算法中UE通過接收到的來自目標小區和當前服務小區的信號強度與相應的信號強度閾值比較來進行切換判決，該算法沒有考慮HHM的影響；而基于RSQ-HHM切換算法中UE通過結合HHM比較來自目標小區和當前服務小區的信號質量以進行切換判決，該算法通過信號質量自適應調節HHM值，但其僅考慮了信號質量參數。提出的LB-HA切換算法在充分考慮信號強度的同時，通過動態變化的綜合負載水平指數f（t）自適應調節HHM值，并且充分考慮網絡容量、終端業務所需容量、接收信號強度、速度、業務類型等5個方面因素，以分布式的方式進行綜合切換判決。此外，為了驗證LB-HA機制中綜合負載水平指數f（t）對該切換算法的影響，比較了未帶有負載均衡指數的切換機制（no load balancing adaptive handover algorithm in LTE，NLB-HA）機制與LB-HA機制的網絡性能，其中NLB-HA機制與LB-HA機制的區別在于前者的HHM值未考慮綜合負載水平指數f（t）的影響，其采用固定值，切換判決如式（10）所示，但是也充分考慮網絡容量、終端業務所需容量、接收信號強度、速度、業務類型等5個方面因素。

本文的切換算法旨在針對Macro Cell與Femto Cell之間的切換做出仿真。仿真場景設置為單小區內含有家庭基站。UE隨機分布在各個小區中，并且采用的移動模型為隨機方向移動模型。仿真參數設置如表2所示。

表2 仿真參數設置

3.2 數值結果

3.2.1 不同Femto Cell數量下網絡的性能

本節首先對不同Femto Cell數量場景下的性能進行了計算機仿真，其中UE數量為80個。

圖1給出了各機制的總切換次數的性能。隨著Femto Cell數量增加，各種機制中的總切換次數明顯地增加。原因是隨著Femto Cell數量增加，UE在隨機移動過程中，會有更多的機會穿梭在Macro Cell小區和Femto Cell小區之間，所以切換次數會有明顯的增加。可以看出，LB-HA機制與NLB-HA機制明顯優于其他兩種機制，與RRS和RSQ-HHM機制相比，提出的LB-HA機制的性能增益分別為78.2%和59.9%。更進一步地，考慮了f（t）的LB-HA機制更優于未考慮f（t）的NLB-HA機制。其主要原因在于RRS機制單一考慮接收信號強度的影響，移動中的UE會頻繁地比較服務小區和目標小區的信號強度，導致頻繁地切換，切換次數最多；RSQ-HHM機制在考慮信號強度的基礎上通過信號質量自適應調節HHM值，可以明顯降低切換次數，切換次數居中；提出的LB-HA切換機制通過網絡負載均衡條件f（t）自適應調節HHM值，通過動態調節目標小區與服務小區之間的信號強度差閾值來觸發切換，從而動態調節切換難易程度，控制切換操作次數，使得網絡系統負載均衡穩定。并且LB-HA算法綜合考慮了目標小區的剩余網絡容量與UE所需容量要求以及UE的速度，可以減少由于目標小區過載或者容量不足產生的失敗切換次數以及由于UE速度過高產生的不必要切換次數，從而有效地降低了總切換次數。由于NLB-HA機制的HHM值忽略了網絡負載動態變化的影響，不能有效抑制一些由于負載不均衡使得目標小區超載時產生的失敗切換，所以其性能略低于LB-HA機制。

圖1 總切換次數

圖2給出了各機制的不必要切換次數的性能。本文在仿真中，將不必要切換定義如下：若UE從Macro Cell（Femto Cell）小區切換至Femto Cell（Macro Cell）小區中后在60 s內又重新切換回原小區，或者UE在切換程序完成之后15 s內中斷服務。仿真結果表明并非所有在Macro Cell小區和Femto Cell小區間運動的UE都需要進行切換。隨著Femto Cell數量的增加，各種機制中的不必要切換次數明顯地增加。原因是隨著Femto Cell數量的增加，UE穿梭Femto Cell的概率增加了，總切換次數增加，從而不必要的切換次數也隨之增加。可以看出，本文提出的LB-HA機制與NLB-HA機制明顯優于其他兩種機制，與RRS和RSQ-HHM機制相比，LB-HA機制的性能增益分別為85.3%和74.8%。與前者類似，LB-HA機制性能優于NLB-HA機制。主要原因在于LB-HA綜合考慮了接收信號強度、網絡負載、UE速度、業務類型等條件，使得切換發生難度增加，從而抑制了一些不必要的切換，降低了不必要切換次數。

圖2 不必要切換次數

圖3給出了各機制的系統吞吐量的性能。隨著Femto Cell數量的增加，各種機制中的系統吞吐量明顯增加。原因是隨著Femto Cell數量增加，整個網絡中的網絡系統容量隨之增加，UE擁有足夠的物理資源可用，換言之，每個UE可以分配到足夠的帶寬資源，所以系統的吞吐量隨著Femto Cell小區數量增加而增加。可以看出，提出的LBHA機制與NLB-HA機制明顯優于其他兩種機制，與RRS和RSQ-HHM機制相比，LB-HA機制分別提升了41.5%和19.4%。此外，LB-HA機制在系統吞吐量方面也優于NLB-HA機制。其主要原因在于其他兩個算法在隨著Femto Cell小區數量增加的同時不必要的切換發生得太多，不必要的切換會占用一定量的物理資源，這些物理資源得不到及時釋放就導致整個網絡系統容量存在一定的下降，從而導致整個網絡系統的吞吐量有所降低。而提出的LB-HA機制可以有效抑制部分不必要的切換，從而可以有效避免或者減輕這種危害，使得系統吞吐量有一定的提升。

圖3 系統吞吐量

3.2.2 不同UE數量下網絡的性能

另外，對不同UE數量對性能的影響進行了計算機仿真，其中Femto Cell小區的數量為25個。

圖4給出了各機制的總切換次數的性能。隨著UE數量增加，各種機制中的總切換次數明顯增加。原因是隨著UE數量增加，在Macro Cell小區與Femto Cell小區中穿梭的UE數量增加，從而導致切換次數增加。可以看出，提出的LB-HA機制和NLB-HA機制明顯優于其他兩種機制，與RRS和RSQ-HHM機制相比，LB-HA機制的性能增益分別為74.1%和62.0%。同時，LB-HA機制性能優于NLB-HA機制。其主要原因在于隨著UE數量增多，RRS機制單一的考慮接收信號強度的影響，UE會頻繁地比較服務小區和目標小區的信號強度，導致頻繁地切換，切換次數最多；RSQ-HHM機制在考慮信號強度的基礎上通過信號質量自適應調節HHM值，可以明顯降低切換次數，切換次數居中；提出的LB-HA切換機制通過網絡負載均衡條件f（t）自適應調節HHM值，動態調節目標小區與服務小區之間的信號強度差閾值來觸發切換，從而自適應地調整切換難易程度，控制了切換操作次數，使得網絡系統負載均衡穩定。并且LB-HA算法綜合考慮了目標小區的剩余網絡容量與UE所需容量要求以及UE的速度，可以減少由于目標小區過載或者容量不足產生的失敗切換次數以及由于UE速度過高產生的不必要切換次數，從而有效降低了總切換次數。由于NLB-HA機制的HHM采用固定值，忽略了網絡負載動態變化的影響，降低了UE切換的自適應性，不能有效抑制部分本不需切換的UE產生的不必要切換。所以其性能略低于LB-HA機制。

圖4 總切換次數

圖5給出了各機制的不必要切換次數的性能。隨著UE數量增加，各種機制中的不必要切換次數也在明顯地增加。原因是隨著UE數量的增加，在Macro Cell小區與Femto Cell小區中來回運動的UE數量增加，UE的總切換次數增加，從而不必要的切換次數也隨之而增加。可以看出，本文提出的LB-HA機制與NLB-HA機制明顯優于其他兩種機制，含f（t）的LB-HA機制更優于不含f（t）的NLB-HA機制。與RRS和RSQ-HHM機制相比，LB-HA機制的性能增益分別為69.4%和50.5%。其主要原因在于，雖然隨著UE數量的增加切換次數會增加，但是LB-HA機制實時監控各小區的負載情況，通過負載均衡條件抑制了部分從輕載小區轉到過載小區產生的切換，通過目標小區的剩余網絡容量條件抑制了部分由于小區剩余容量不滿足UE所需容量產生的切換，通過UE的速度閾值限制了部分高速用戶產生的切換，以上這3種都屬于產生的不必要切換，LB-HA機制有效抑制了這些不必要切換，相對降低了不必要切換次數。

圖5 不必要切換次數

圖6給出了各機制的系統吞吐量的性能。隨著UE數量增加，各種機制中的系統吞吐量明顯地增加。原因是在網絡容量充足的同時，隨著UE數量增加，整個網絡中的通信業務量隨之增加，網絡容量得到充分利用，所以系統的吞吐量隨著UE數量增加而增加。可以看出，提出的LB-HA機制與NLB-HA機制明顯優于其他兩種機制。與RRS和RSQ-HHM機制相比，LB-HA機制分別提升了38.6%和17.4%。其主要原因在于其他兩個算法在隨著UE數量增加的同時不必要的切換次數也增加，不必要的切換會使得切換失敗并占用了切換資源，導致部分由于信道質量惡化本應該得到切換的UE得不到及時切換，使得這些UE的服務質量下降，甚至會由于信道質量惡化而處于“餓死”狀態，這就將導致整個網絡系統吞吐量存在一定的下降。而提出的LB-HA算法可以有效抑制了部分不必要的切換，從而可以有效避免或者減輕這種危害，使得系統吞吐量有一定的提升。

圖6 系統吞吐量

4 總 結

為了降低用戶在Macro Cell／Femto Cell雙層蜂窩網絡間運動產生的頻繁切換和不必要切換次數，提高網絡系統吞吐量，提出了一種帶有負載均衡機制的LTE自適應切換算法。該算法根據網絡綜合負載水平自適應調節HHM，并結合網絡系統的剩余資源容量、用戶所需資源容量、接收信號強度、速度、業務類型等條件進行綜合切換判決。仿真結果表明所提出切換算法能夠有效地降低切換次數和不必要切換次數，以及提高網絡系統吞吐量。

［1］Le L B，Niyato D，Hossain E，et al.QoS-aware and energy-efficient resource management in OFDMA femtocells［J］.IEEE Trans.on Wireless Communications，2013，12（1）：180-194.

［2］Xenakis D，Passas N，Merakos L，et al.Mobility management for femtocells in LTE-advanced：key aspects and survey of handover decision algorithms［J］.IEEE Communications Surveys&Tutorials，2014，16（1）：64-91.

［3］Andrews J G，Claussen H，Dohler M，et al.Femtocells：past，present，and future［J］.IEEE Journal on Selected Areas in Communications，2012，30（3）：497-508.

［4］Zahir T，Arshad K，Nakata A，et al.Interference management in femtocells［J］.IEEE Communications Surveys&Tutorials，2013，15（1）：293-311.

［5］Claussen H，Ho L T W，Samuel L G.An overview of the femtocell concept［J］.Bell Labs Technical Journal，2008，13（1）：221-245.

［6］Jeong B，Shin S，Jang I，et al.A smart handover decision algorithm using location prediction for hierarchical macro／femto-cell networks［C］∥Proc.of the Vehicular Technology Conference，2011：1-5.

［7］Zhang H，Wen X，Wang B，et al.A novel handover mechanism between femtocell and macrocell for LTE based networks［C］∥Proc.of the International Conference on Communication Software and Networks，2010：228-231.

［8］Roy A，Shin J，Saxena N.Multi-objective handover in LTE macro／femto-cell networks［J］.Journal of Communications and Networks，2012，14（5）：578-587.

［9］Yang Q P，Kim J W，Kim T H.Mobility prediction and load balancing based adaptive handovers for LTE systems［J］.International Journal on Computer Science and Engineering，2012，4（4）：665-674.

［10］Huang M.A handover scheme for TD-SCDMA femtocell networks［C］∥Proc.of the International Conference on Computer and Information Technology，2012：948-952.

［11］Dampage U，Wavegedara C B.A low-latency and energy efficient forward handover scheme for LTE-femtocell networks［C］∥Proc.of the International Conference on Industrial and Information Systems，2013：53-58.

［12］Chiu D M，Jain R.Analysis of the increase and decrease algorithms for congestion avoidance in computer networks［J］.Computer Networks and ISDN systems，1989，17（1）：1-14.

［13］Piro G，Grieco L A，Boggia G，et al.Simulating LTE cellular systems：an open-source framework［J］.IEEE Trans.on Vehicular Technology，2011，60（2）：498-513.

［14］Moon J M，Cho D H.Novel handoff decision algorithm in hierarchical macro／femto-cell networks［C］∥Proc.of the Wireless Communications and Networking Conference，2010：1-6.

［15］Becvar Z，Mach P.Adaptive hysteresis margin for handover in femtocell networks［C］∥Proc.of the International Conference on Wireless and Mobile Communications，2010：256-261.

Load balancing adaptive handover algorithm in LTE

WANG Ru-yan，ZHOU Xiao-jun，WU Da-peng
（Broadband Ubiquitous Network Research Laboratory，Chongqing Univercity of Posts and Telecommunications，Chongqing 400065，China）

The frequent and unnecessary handovers caused by the movement of user equipment（UE）between Macro Cell and Femto Cell will reduce the quality of service（QoS）of UE and network throughput.A load balancing aware handover algorithm in long term evolution（LTE）is proposed，which adaptively updates handover hysteresis margin according to the comprehensive load level of network.Furthermore，multiple parameters are comprehensively exploited to make the handover decision，such as the residual resource capacity of network，required resource capacity of UE，receiving signal strength，service type.Eventually，simulation results show that the proposed algorithm can effectively reduce the handovers and unnecessary handovers，thus the network throughput can be improved.

Macro Cell；Femto Cell；load balancing；handover

文獻標志碼：A DOI：10.3969／j.issn.1001-506X.2015.09.30

王汝言（1969-），男，教授，博士，主要研究方向為泛在網絡、全光網絡理論與技術、多媒體信息處理。

E-mail：wangry＠cqupt.edu.cn

周曉軍（1988-），男，碩士研究生，主要研究方向為LTE異構網絡切換策略。

E-mail：hengheart＠163.com

吳大鵬（1979-），男，教授，博士，主要研究方向為泛在無線網絡、無線網絡服務質量管理。

E-mail：wudapengphd＠gmail.com

1001-506X（2015）09-2156-08

2014-09-24；

2014-12-11；網絡優先出版日期：2014-12-11。

網絡優先出版地址：http：／／www.cnki.net／kcms／detail／11.2422.TN.20141211.1524.002.html

國家自然科學基金（61371097）；重慶市自然科學重點基金（CSTC2013JJB40001，CSTC2013JJB40006）；重郵青年自然科學基金（A2012-93）資助課題