智能型移動通信5G網絡主動緩存技術分析

王 剛，杜傳業

（中國移動通信集團河北有限公司，河北 石家莊 050051）

為了滿足系統中通信數據量的飛速增長的需求，提高移動通信的整體服務質量，更好的滿足用戶體驗感受，國際電信聯盟（ITU）在4G標準中給予了一系列的要求與挑戰。在這種基礎下，應用內容的豐富和業務類型的增量促使網絡數據量進一步的增加，LTE-A網絡中的一項關鍵技術載波聚合（CA）將會在未來5G技術4G化的發展道路上起到十分重要的作用。由于其聚合多個成員載波再傳輸寬帶方面獲得了廣泛的應用以及支持，其最高速度可達100MHz，這樣的速度滿足了IMT-A提出的上、下峰值范圍再1Gb/s～500Mb/s的要求，因此可以作為改善體驗的一項指標技術。

查閱發現緩存技術對于系統無線資源管理以及網絡性能優化方面起著十分重要的作用。這一技術主要是對頻域資源和時域資源進行分配使用，不同的緩存算法，會對用戶的吞吐量計算取得不同的結果。在多媒體業務為主流的今天，系統資源得到合理化應用顯得尤為重要。因此，在未來的技術研究中，我們應著重考量信道質量、載波特性和服務質量，通過對這些數據的分析提升，來滿足無線資源緩存技術在實際中的合理化利用。

隨著通信網絡信息的進步與發展，4G網絡逐漸開始向5G網絡演進，這使得服務質量中的客觀參數已經不能夠準確的描述用戶的滿意程度，基于這樣的一個前提，國際電信聯盟提出了一個新的參考標準即用戶體驗質量（QoE），通過對用戶使用過程中這一參數的總結對比分析，對用戶質量業務進行合理化評估，借此更好的了解用戶對業務的主觀接受程度，并以此為基礎進行改良升級，進而使得5G網絡可以更好的滿足人們對網絡高質量的需求。

1 MOS在主動緩存算法中的應用

1.1 用戶體驗質量（QoE）與平均意見得分（MOS）

當今社會的發展，使得人們對事物的發展越來越關注，這就要求信息必須以最快的速度進行有效的傳播，這便導致互聯網的飛速發展，基于這種前提，人們對服務質量的要求逐步提升，這就導致服務質量與供應商之間的競爭關系日益激烈。用戶對服務質量的要求日益增高，導致行業之間必須建立一個服務評價標準，而這一標準必須是以用戶需求為中心。

在實際的用戶體驗質量測評中，需要將用戶質量考核標準進行量化，通過對多方因素的分析對比，建立關系映射模型，這樣的測評方式，可以更加直觀的對用戶質量進行測評，對此國際電信聯盟提出了“平均意見得分”這一測評系數，英文單詞簡寫為MOS，這一參考系數在實際主管評價模型中得到了認可并取得了廣泛的應用，在測評中，將用戶體驗質量的用戶主觀感受進行劃分，共分為5個等級，MOS量化方法將客觀技術指標與主觀的用戶感知質量進行映射，進而反映了用戶的主觀感受，MOS值如表1中數據所示：

表1 MOS值

通過對以上表格中的數據進行分析我們可以發現，國際電信聯盟對平均意見得分進行了劃分，共分為五個層級，并與5種用戶體驗質量相對應，表現出五種不同的用戶體驗。當平均意見得分為5分時，與之對應的用戶體驗質量和用戶體驗為優秀和很順暢，當服務質量供應商所提供的服務達到這一參考數值時，是可以可以充分滿足用戶需求的。當平均意見得分為1分時，與之相對應的用戶體驗質量和用戶體驗為極差和幾乎不能接受體驗，這樣的分數意味著服務質量供應商是無法滿足用戶需求的，借此供應商必須通過對自身技能的改善來提升平均意見得分，從而滿足客戶的需求。

1.2 基于MOS增量效用前提下的主動緩存算法

在實際的用戶數據體驗中，具有載波功能（CA）的用戶設備（UE）往往需要被分配不同的載波下的多個資源塊，英文簡稱RB。然而，這方面的工作目前尚存在一定的問題，這一問題的主要表現為在滿足用戶服務質量速率的要求下，合理分配系統資源，使用戶設備最大化滿足整體用戶體驗質量。基于此種問題，本文查閱了大量的參考文獻，對過往的計算進行了總結分析，提出了關于MOS增量效用的主動緩存算法，下面是對兩輪計算的具體步驟：

（1）針對UE提出的業務需求類型給予明確的判斷，對支持成員載波當中的各個RB對應速率與MOS值進行計算。

（2）對可以滿足最低QoS需求的RB進行選取。

（3）對該RB是否被其他UEj分配進行判斷。

（4）針對MOS與MOS進行有效判斷，提取最大者，之后將RB分配。

（5）針對沒有被分配RB的UE，在其列表當中，將該RB剔除，并重復3的操作。

（6）所有的UE，都對QoS需求滿足為止。

MOS增量效用的主動緩存算法在實際執行過程中共分為兩個步驟，在第一輪的循環算法中，直至沒有用戶設備全部被分配使用，第一輪計算結束，這一過程的結束意味著所有的用戶設備（UE）得到充分的使用，進而滿足后續步驟的有效計算。

當算法執行流程的第一輪計算結束，系統進入第二輪的有效計算，第二輪的計算始于刷新系統RB列表并生成空閑RB列表，當這一步驟開始后，系統開始分配RB到用戶設備上，通過循環計算，最終使得所有的資源快得到應用，此時系統計算進程結束。

2 仿真結果以及數據分析

本文還對三種不同計算方式下的用戶體驗質量（QoE）進行了比較分析，查閱大量的文獻后，對以獲取的參數我們進行了記錄以及條形數據表分析，由數據表中的條形圖我們可以看出，在相同條件下，QoE-V所獲取的云吞兩數據最高，QoE-PF算法次之，Legacy算法最差。因此，QoE-V算法的有效使用，可以進一步提升系統當中的總體效用值，進而獲取更高的用戶體驗質量，進而保障用戶滿意度的有效提升。

基于以上兩種數據的對比發現，我們還查閱找到了第三種數據的對比方式，即對三種計算方式所取得的公平性進行了數據分析，通過計量公式的結果，我們得出公平性數據分析對比，由仿真結果計算分析我們可以看出，QoE-PF算法的公平性最高，QoE-V算法次之，Legacy算法的公平性最差。

通過對吞吐量、QoE比較以及公平性曲線的結果數據分析，我們可以得出這樣的結論，在經過對各個數據綜合比較之后，QoE-V算法在總體的優勢上相對較大，這一數據可以有效的滿足用戶對移動通信網絡數據的需求。所以，我們目前認為QoE-V算法可以充分應用于MOS增量計算應用方面，這一數據具有較強的說服力以及代表性，可以為推進5G網絡技術的發展帶來一定的參考性，也將會對未來5G市場的大力發展提供一定的數據參考。

3 結束語

本文在改善主動緩存問題上，主要從用戶體驗質量方面加以著手研究，以此為優化對象，這一優化對象，可以充分滿足MOS增量效用的要求。通過這一主動緩存的計算方式，可以有效的滿足用戶的服務質量，同時保障用戶設備得到充分有效的利用。通過對用戶MOS增量效用函數的計算，并以此為依據，對用戶優先級進行有效排序，提升系統中整體的用戶體驗質量。文章中采用了QoE-V算法、QoE-PF算法以及Legacy算法三者之間的計算方式，通過單一變量法的計算方式，分別對吞吐量、用戶體驗質量以及公平性之間對比，我們可以看出，QoE-V算法只有在公平性比較中相對而言落后于QoE-PF算法，但綜合考量三種數據的結果，我們可以得出這樣的結論：QoE-V算法更利于衡量用戶體驗質量。因此，在日后的工作中，我們仍然需要對此進行改良提升，進而，更好的滿足人們日益增長的網絡質量需求。