張佳健,李翠然,謝健驪
(蘭州交通大學電子與信息工程學院,蘭州 730070)
高鐵列車的通信需求有2 個方面,一為高鐵列車控制、列車調度業務,二為旅客的移動通信業務[1]。越區切換作為高速鐵路無線通信移動性管理的重要部分,在提高列車無線通信質量、為列車提供移動狀態下的無縫通信等方面具有重要意義[2]。
文獻[3]提出以貝葉斯回歸模型預測列車位置的切換方法,該方法借助基站數據用于機器學習判決切換條件。文獻[4]提出一種功率-距離切換優化算法,其在一個測量周期內即可完成切換,但高移動速度下無法滿足切換成功率的要求。文獻[5]提出一種固定切換觸發位置的算法,該算法忽略列車速度對切換判決的影響,簡化切換流程從而實現快速切換。文獻[6]提出一種H2 切換方案,其借鑒LTE-R 切換觸發標準中的A4 事件參數,提出OC 約束條件以防止過早切換,但RSRP-GAP(GAP of Reference Signal Receiving Power)非最小值,使得該方案存在一定的改進空間。文獻[7]提出動態函數為切換算法參數和列車速度建立對應關系,但其算法結構不適用于高鐵環境,優化遲滯參數不能降低多變信道環境下的乒乓切換率。文獻[8]提出一種基于速度的提前切換算法,其計算預承載點并提前執行信令交互。列車越區切換的研究重點在于快速、精準地觸發切換,本文提出一種綜合考慮位置信息與信號功率的切換算法,利用已切換節點的狀態對后續節點的切換位置進行糾正,使切換位置收斂于最佳切換點,從而在簡化切換流程的同時實現可靠、準確的越區切換。
高鐵無線通信的覆蓋方式與公網移動通信系統有很大不同,其無線覆蓋具有以下特點[9]:
1)高速鐵路小區部署呈線狀覆蓋或帶狀覆蓋。
2)列車高速移動導致多普勒頻移。
3)用戶數量多,存在群切換現象。
高鐵沿線采用射頻拉遠方式部署基站,如圖1所示,邏輯小區內UE(User Equipment)不進行切換仍可流暢地完成數據業務和通話業務。在高鐵無線通信中,為了降低列車車廂穿透損耗的影響,研究人員提出車頂外置通信中繼天線AP(Access Point)的方法[10],車廂所有UE通過AP 匯集組網后與 演進型基站eNB(evolved NodeB)進行通信。中繼通信相比直連通信方式避免了列車車廂的穿透損耗,分布式無線覆蓋方式降低了列車在小區間的切換頻率,這兩點均在一定程度上提高了列車的切換成功率。此外,覆蓋重疊區的大小也會影響列車的切換性能:重疊區域過大會造成不必要的能量損耗;重疊區域過小可能會因信號太弱而掉話,從而影響切換性能。

圖1 高鐵無線通信覆蓋方式Fig.1 Coverage mode of high-speed railway wireless communication
基于位置信息的越區切換能夠在不提高計算復雜度的前提下提升切換成功率。目前較新的定位研究成果為GNSS(Global Navigation Satellite System)與INS(Inertial Positioning System)互補定位的組合導航系統,其一維定位誤差在5 m 以內,慣性制導下誤差保持在10 m 以內,定位精度、可靠性和實時性均有較大改善[11]。
假設列車沿鐵路軌道直線行駛,如圖2 所示,則高鐵列車運行場景可簡化為一維坐標模型。假設相鄰小區eNB 的位置坐標分別為Ms、Mt,基于GNSS-INS 組合導航定位方法獲得的列車位置坐標為M0,當列車位置靠近切換點附近時(切換點定義為距重疊覆蓋區中心點500 m以內),則進入切換準備階段并測量相應數據。

圖2 基站與列車位置示例Fig.2 Example of base station and train location
文獻[6]對高鐵信道模型和列車切換性能進行研究,發現RSRP-GAP 和切換性能有直接聯系,減小RSRP-GAP 可以降低切換中斷率,RSRP-GAP 的定義如式(1)所示:

切換中斷率是越區切換的一項重要指標,發生中斷的主要原因包括切換過早、切換過晚和乒乓切換[12]。圖3 所示為切換過早和過晚2 種情況下的RSRP 變化,其中,橫坐標表示列車到源基站的距離,縱坐標為參考信號接收功率,HO 表示切換。切換過早表現為UE 執行越區切換時距離目的eNB 過遠,信噪比小于最低通信閾值;切換過晚表現為UE 穿過最佳切換區域時未觸發切換條件,此時正與UE 保持通信的服務eNB 的信號功率衰落至最低通信閾值以下,導致通信中斷。切換過早和切換過晚均為切換位置選擇不當所致,為了保證較好的切換結果,應使切換前后的信號功率盡可能相等,即通過RSRP-GAP 最小化來優化切換性能。

圖3 切換過早和切換過晚的RSRP 變化Fig.3 RSRP changes of handover too early and handover too late
本文以RSRP-GAP 最小化為目標,提出切換閾值函數作為限制條件確定切換帶,然后聯合多節點切換狀態,利用加權統計線性回歸(Weighted Statistics Linear Regression,WSLR)算法收斂切換誤差。WSLR 算法的性能通過由收斂速度和波動水平組成的價格函數綜合評定,以最小價格篩選出對應的最佳參數,使切換觸發位置快速收斂于最佳切換點附近。
切換執行操作具有固定時延,可以由切換執行點結合列車速度信息得到切換完成點的位置信息,如式(2)所示:

其中:He和Hb分別為切換完成點和執行點的坐標;v是列車當前時刻瞬時速度;T0是固定切換時延,其取決于切換準備階段的操作內容以及程序執行速度和延遲。路徑傳播與陰影衰落下的信道模型[13]如式(3)所示:

其中:LdB代表信道衰落;L(d0)代表位于d0點的參考損耗;路徑損耗指數n依據不同地形在2~6 范圍內取值;ζ0表示陰影衰落的對數損耗[14],因為信道中障礙物的形狀、大小、位置對信號的遮擋程度是隨機的,所以通常采用統計隨機特征表征,其服從均值為0、標準差為σdB 的正態分布。由式(3)結合式(1)可得到RSRP-GAP 關于切換執行點的函數式如下:

其中:LBS為基站間距,取值范圍為1.5~2.0 km;ζ1服從均值為0、標準差為dB 的正態分布[15]。高鐵環境下信道狀態快速變化,因此,本文設置切換閾值以限制RSRP-GAP 的取值范圍,得到最佳切換點可能取值的切換帶。切換閾值如式(5)所示:

其中:GapH(v,σ0)是限定RSRP-GAP 的切換閾值(單位為mW),其與當前時刻列車速度v和信道噪聲標準差σ0有關。結合式(4)與式(5)可得切換帶表達式如下:

其中:Q是邊界因子。當列車速度已知時Q是影響切換帶邊界的唯一因素,其計算如式(7)所示:

由式(6)和式(7)可知,當環境噪聲的功率和信道衰落的標準差不變時,列車速度越快,切換帶越靠近服務eNB,反之則向目的eNB 一側偏移;當列車速度已知時,環境噪聲和衰落標準差越大,切換帶的范圍越大,左右邊界分別向兩側擴展。為防止切換位置選擇不當,本文以切換帶中點Xm作為切換觸發位置,由式(6)可知切換帶中點坐標如下:

若第一次切換失敗,需要執行第二次切換,第二次切換執行點應小于切換帶右邊界,即滿足式(9):

其中:v代表列車當前速度;TZ表示列車執行2 次切換操作之間的準備時間間隔,通常取50 ms[16]。
本節基于RSRP-GAP 與閾值GapH(v,σ0)確定切換帶范圍,提出切換帶內的單節點切換判決條件,該算法執行時間包括定位時間(獲取列車位置、速度信息的時間)和計算時間(計算切換閾值、切換帶和切換觸發位置的時間),由不同的無線定位環境和程序執行速度決定。因為該算法無法求最佳切換點的精確解,所以本文提出多節點聯合的切換自優化算法以改善切換性能。
因為車載AP 切換點的判決誤差之間存在相關性,所以在車載AP 間建立線聯量并基于WSLR 方法[17]即可根據前置節點的切換結果預測當前節點的功率補償,通過節點信息分享為一致性預測算法提供輸入量,從而提高收斂速度[18]。利用功率補償值對應的位置補償糾正后續切換位置,使之逐步收斂于最佳切換點附近。
假設第i個節點已經完成切換并成功與目的eNB 建立鏈接,則節點i的功率偏差如式(10)所示:


其中:i代表當前待切換的節點編號,并假設前i-1 個節點已完成切換;m代表相關聯的節點數量,在1~9 之間取值;αk表示與當前節點相鄰的第k個節點的功率偏差權重系數。在計算出當前節點的功率補償后,利用切換閾值與切換帶邊界坐標構建分段函數,建立功率補償與位置補償Δxi之間的聯系,如式(12)所示:

合理地配置關聯數量m和權重系數A=[α1,α2,…,αm]T是影響系統性能的關鍵。本文給出功率偏差收斂的定義,并利用基于平均收斂價格和波動水平的標準來選定參數[19]。所謂功率偏差收斂(下文簡稱為收斂),是指功率偏差的絕對值小于收斂閾值(3 dB)。收斂價格是評價收斂速度的標準,原則上應使收斂價格盡可能小,即收斂速度盡可能快。收斂價格計算如式(13)所示:

其中:X是第一個節點的切換位置;φ(A;X)表示第一個收斂節點的編號。考慮到第一次收斂后功率誤差可能在收斂閾值內震蕩,不能僅以收斂價格作為性能評價標準,因此,本文加入波動水平標準,如式(14)所示:

其中:F(A)是波動水平;PL和PR是式(6)中的切換帶左右邊界;N為列車搭載的AP 節點總數。
收斂價格表示系統的收斂效率,波動水平反映系統收斂后的穩定性,本文聯合式(13)、式(14)提出代價函數,使波動水平歸一化后與收斂價格相加,通過代價函數最小化來篩選出滿足系統性能要求的權重系數向量,如式(15)所示:

相比單節點判決,多節點判決算法增加了功率測量和切換位置補償預測過程,以犧牲一定復雜度的方式換取切換性能的大幅提升。
本文所提高鐵通信越區切換算法步驟如下:
步驟1車載AP 控制臺根據列車運行方向對AP節點進行編號,并實時從列控系統中讀取位置信息、從服務eNB 中獲取后續小區列表,為越區切換做準備。
步驟2根據讀取的位置信息判斷是否進入切換準備階段,當列車距離重疊覆蓋區中心點小于500 m 時開始進入切換準備階段,否則繼續等待位置信息更新。
步驟3在進入切換準備階段后,針對某特定節點(編號為i),利用簡化后的坐標模型,以切換閾值結合位置信息和基站RSRP 測量報告確定切換帶范圍。
步驟4在計算出節點i的切換帶后,通過前置節點切換后的狀態預測功率補償RRDCi,并利用補償公式得到位置補償Δxi,對切換觸發位置進行糾正。
步驟5判斷觸發條件是否滿足,當節點到達觸發點時啟動越區切換流程,與源、目的eNB 進行信令交互并激活目的eNB 的無線接口,實現越區切換。
高鐵沿線環境復雜,有高架橋、平原、山地等場景,本文仿真主要針對高鐵的山地場景,系統仿真參數如表1 所示,其中,路徑損耗指數n的數值依據文獻[20]中的山地場景損耗參數選取。在仿真中,設置服務eNB 和目的eNB 各項參數,列車初始位置位于服務eNB 處,分別以不同速度移動到目的eNB。以乒乓切換率和切換成功率作為評價指標,將本文位置功率聯合判決算法(以下簡稱為聯合判決算法)與基于A3 事件判決算法(以下簡稱為A3 算法)、基于距離觸發的切換算法(以下簡稱為距離觸發算法)進行性能比較。

表1 仿真參數設置Table 1 Simulation parameters setting
利用Matlab 軟件通過區間遍歷的方式進行仿真分析,關聯節點數量m的遍歷區間取[1,6]且步進為1(m等于1 時即對應單節點切換,考慮到算法執行效率,限制m不超過6),對應數量下權重矩陣A中元素的遍歷區間為[0.01,0.99]并以0.01 為步進進行仿真。不同m值下的最小代價變化如圖4 所示,由圖4可知,m=3 是最小代價的極值點,此時在收斂速度與波動水平之間取得權衡。

圖4 不同m 值對應的最低代價Fig.4 The lowest cost corresponding to different m values
不同切換算法的乒乓切換率對比如圖5 所示。由圖5 可知,本文位置功率聯合判決算法具有較低的乒乓切換率,該算法結合列車運行單向性對切換流程進行優化并適配高鐵場景,依靠對目的小區RSRP 進行監測從而避免重復切換,因此減少了不必要的乒乓切換。

圖5 不同算法的乒乓切換率對比Fig.5 Comparison of ping-pong handover rates of different algorithms
圖6 比較3 種算法在不同高鐵移動速度下的信號功率差值RSRP-GAP。由圖6 可知,隨著列車速度的增加,3 種算法切換前后的RSRP-GAP 都在增大。聯合判決算法的功率差值得益于位置誤差矯正,使得其低于A3 算法和距離觸發算法。

圖6 不同算法的RSRP-GAP 對比Fig.6 RSRP-GAP comparison of different algorithms
不同切換算法的切換時延和通信中斷率分別如圖7、圖8 所示。我國鐵路無線技術標準要求切換時延應不超過45 ms,且切換成功率應大于99.5%,從而提供較好的無線通信體驗[21]。由圖7 可知,A3 算法的切換時延隨列車速度的提高而增大,在速度高于250 km/h 時切換時延大于45 ms,在速度為350 km/h 時通信中斷率過高,對應的切換成功率小于99.5%,無法符合鐵路無線技術標準[22]。而聯合判決算法和距離觸發算法均改善了切換性能,聯合判決算法相比距離觸發算法,在列車速度低于180 km/h 時其性能優勢并不顯著,隨著列車速度的不斷提高,聯合判決算法的切換時延和通信中斷率性能提升顯著。由此得出,在列車高速運行時,應采用切換性能更優的聯合判決算法。

圖7 不同算法的切換時延對比Fig.7 Comparison of handover delay of different algorithms

圖8 不同算法的通信中斷率對比Fig.8 Comparison of communication interruption rates of different algorithms
本文以提高切換成功率、提升無線通信服務質量、保證通信鏈路可靠性為目的,提出一種位置功率聯合判決的高鐵通信越區切換算法,旨在為旅客業務、列車安全控制和運營調度提供通信保障。根據高鐵列車移動方向固定的特點優化切換流程,避免乒乓切換。通過位置功率聯合判決確定切換帶,利用多節點聯合糾正切換位置,從而提高切換成功率。仿真結果表明,在高速條件(300~380 km/h)下該算法的越區切換成功率達到99.75%以上,滿足我國鐵路無線通信系統標準要求。下一步將基于人工智能技術,建立以回報函數最大化為目標的強化學習工具,并研究下一代鐵路無線通信系統5G-R 業務下的移動性管理算法。