5G 通信中基于二分圖匹配的鏈路均衡負(fù)載方法分析

龐小勇

（浙江逸暢通信技術(shù)有限公司，浙江 杭州 310013）

1 5G 通信鏈路均衡負(fù)載預(yù)測(cè)與模型建立

1.1 通信鏈路均衡負(fù)載預(yù)測(cè)

5G 技術(shù)作為無線通信技術(shù)的代表，將小區(qū)網(wǎng)絡(luò)、區(qū)域網(wǎng)絡(luò)以及蜂窩網(wǎng)絡(luò)等整合在一起，具有通信線路眾多的特征，給毫米波大規(guī)模多輸入多輸出（Multiple Input Multiple Output，MIMO）通信帶來挑戰(zhàn)。從技術(shù)發(fā)展思路來看，實(shí)現(xiàn)通信鏈路擴(kuò)容的主要方法就是在軟硬件設(shè)備采購上投入大量的資金，因此越來越多的學(xué)者提出應(yīng)通過網(wǎng)絡(luò)均衡負(fù)載與調(diào)度的方法提升網(wǎng)絡(luò)資源利用率[1,2]。同時(shí)，文章結(jié)合5G 通信中密集蜂窩異構(gòu)無線網(wǎng)絡(luò)的通信場(chǎng)景，考慮基站負(fù)責(zé)載波資源發(fā)送與調(diào)配的全部過程，為實(shí)現(xiàn)通信鏈路均衡負(fù)載，需要確保網(wǎng)絡(luò)鏈路信道增益zk,j大于等于通信負(fù)載值。期間假設(shè)某基站中的網(wǎng)絡(luò)覆蓋范圍中存在m個(gè)通信用戶與n個(gè)終端直通用戶，在載波鏈路通信模式下，zk,j的具體數(shù)值為

式中：η為5G 通信模擬下所產(chǎn)生的路徑損耗；α為通信鏈路的信道衰落系數(shù)；d為基站與5G 通信用戶之間的最短間距；j為用戶；k為小區(qū)內(nèi)接收的干擾信道增益符號(hào)。

1.2 模型建立

文章所考慮的通信場(chǎng)景為超密集網(wǎng)絡(luò)，為更深入地了解鏈路均衡負(fù)載值，需要盡量提升用戶數(shù)量。假設(shè)系統(tǒng)中存在M個(gè)靈活帶寬共享（Flexible Bandwidth Sharing，F(xiàn)BS）與n個(gè)用戶，為實(shí)現(xiàn)在超密集無線網(wǎng)絡(luò)環(huán)境下用戶正常的通信交流，應(yīng)確保在同一個(gè)簇內(nèi)的不同F(xiàn)BS 可共同使用頻譜資源。同時(shí)，分簇的目的是確保相同簇內(nèi)的用戶之間可保持通信資源數(shù)量相同，進(jìn)而解決因?yàn)橛脩纛l繁切換網(wǎng)絡(luò)等問題而造成的鏈路負(fù)載[3]。為滿足簇內(nèi)用戶正常通信的要求，提出了基于二分圖匹配的系統(tǒng)模型，該模型表示為

式中；bk 為基站；ui為終端用戶；為基站的終端用戶在子信道上的干燥比；l為信道；為信道增益值；為發(fā)送功率；σ2為信號(hào)干噪比。

2 分簇的實(shí)現(xiàn)

2.1 分簇計(jì)算要求

根據(jù)現(xiàn)有的經(jīng)驗(yàn)可知，分簇是減少小區(qū)之間信號(hào)干擾問題的重要手段，并且有助于提升資源利用率，是實(shí)現(xiàn)鏈路均衡負(fù)載的合理手段[4]。為實(shí)現(xiàn)上述目標(biāo)，文章提出一種改進(jìn)的分簇算法，該算法的實(shí)施步驟如下。

步驟（1），利用干擾信息構(gòu)建網(wǎng)絡(luò)干擾拓?fù)浜螅鶕?jù)拓?fù)鋱D顯示用戶（或者基站）之間存在的信息干擾關(guān)系；

步驟（2），通過步驟（1）假設(shè)的拓?fù)潢P(guān)系完成初步分簇；

步驟（3），對(duì)初步分簇結(jié)果進(jìn)行優(yōu)化后，限定分簇的數(shù)量，提升利用率。

2.2 通信階段優(yōu)化

假設(shè)在傳統(tǒng)的5G 通信系統(tǒng)中，小區(qū)基站布設(shè)方案如圖1 所示。

圖1 小區(qū)基站部署結(jié)構(gòu)

則此時(shí)網(wǎng)絡(luò)系統(tǒng)的干擾矩陣K可以表示為

在式（3）中設(shè)定干擾閾值，當(dāng)I小于干擾閾值時(shí)則需做解耦處理，解耦后小區(qū)5G 通信的干擾情況可用圖2 表示。

圖2 解耦后的拓?fù)浣Y(jié)構(gòu)

2.3 分簇算法的實(shí)現(xiàn)

在實(shí)現(xiàn)分簇算法時(shí)，設(shè)定初始化條件是簇k的幾何，K為干擾矩陣，則基于最小增量分簇的基本實(shí)施路徑如下。

步驟（1），計(jì)算簇k集合的權(quán)重值；

步驟（2），選擇權(quán)重值最小的集合系數(shù)，將其分配到簇k中，確保每個(gè)簇k均獲得一個(gè)權(quán)重值；

步驟（3），將剩余的簇k集合系數(shù)加入各個(gè)簇中，并計(jì)算簇的權(quán)重值增量變化；

步驟（4），其余節(jié)點(diǎn)參照步驟（3）的計(jì)算方法，逐一將其分配給簇；

步驟（5），在經(jīng)過上述處理后，即可將數(shù)據(jù)劃分為k個(gè)簇，通過計(jì)算2 個(gè)簇之間的權(quán)重值，即可降低分簇的數(shù)量，使數(shù)據(jù)更容易計(jì)算；

步驟（6），按照要求設(shè)定2 個(gè)簇之間的合并閾值，當(dāng)合并閾值低于干擾值時(shí)即可將2 個(gè)簇合并。

3 基于二分圖的分簇處理

3.1 確定分簇處理目標(biāo)

假設(shè)G表示無向圖，若定點(diǎn)集G可分割成為相互不相交的子集（M，N），且圖中任意邊線（i，j）的關(guān)聯(lián)定點(diǎn)表示為i∈M，j∈N，則圖G屬于二分圖。按照上述定義可以更好地引入二分圖，期間為盡可能實(shí)現(xiàn)最大限度的匹配，需要通過增加邊的匹配邊數(shù)實(shí)現(xiàn)上述數(shù)據(jù)處理目標(biāo)，若在數(shù)據(jù)匹配中發(fā)現(xiàn)每個(gè)頂點(diǎn)均與任意一條邊線之間存在關(guān)聯(lián)性，即可認(rèn)為此時(shí)二分圖的匹配為完全匹配[5]。在經(jīng)過上述虛擬轉(zhuǎn)換后，二分圖可使頂點(diǎn)集合數(shù)量與集合D之間的數(shù)量保持相同。

為充分發(fā)揮極大匹配算法的優(yōu)勢(shì)，文章通過鏈路均衡負(fù)載獲得二分圖模型和二分圖匹配比例。此時(shí)通過增設(shè)結(jié)構(gòu)與虛擬頂點(diǎn)的擴(kuò)展數(shù)據(jù)后，即可重新界定用戶與小區(qū)之間的權(quán)重關(guān)系。為最大限度上實(shí)現(xiàn)5G 網(wǎng)絡(luò)資源的匹配處理要求，在二分圖算法中應(yīng)確保集合中頂點(diǎn)數(shù)量與用戶數(shù)量相同，確保小區(qū)通信資源與用戶之間的一對(duì)一匹配。因此，需通過優(yōu)化二分圖結(jié)構(gòu)，將子信道與簇分為2個(gè)集合，進(jìn)而達(dá)到二分圖優(yōu)化的目的。優(yōu)化后的二分圖中一方指向另一方的連線，并且每個(gè)連線都有詳細(xì)的權(quán)重值。該權(quán)重值則決定了簇與子信道之間的交互性，而提升交互性則成為解決現(xiàn)有5G 通信鏈路負(fù)載問題的重要內(nèi)容。

3.2 基于二分圖的匹配與仿真處理

按照提出的目標(biāo)，文章提出的二分圖匹配仿真處理的基本流程、基本處理步驟為：（1）做系統(tǒng)初始化，在系統(tǒng)初始化中應(yīng)確定本小區(qū)的用戶數(shù)量與基站數(shù)量，判斷5G 通信鏈路均衡負(fù)載的現(xiàn)狀；（2）根據(jù)現(xiàn)有網(wǎng)絡(luò)節(jié)點(diǎn)形成拓?fù)浣Y(jié)構(gòu)后，即可進(jìn)入主循環(huán)程序，該程序處理的主要目標(biāo)就是確定本小區(qū)用戶位置與基站位置賦值，根據(jù)二者的空間分布情況確定最理想的拓?fù)渚W(wǎng)絡(luò)鏈路關(guān)系；（3）預(yù)估小區(qū)鏈路資源占用情況，根據(jù)預(yù)估結(jié)果計(jì)算出用戶數(shù)據(jù)傳輸中的信噪比值和判決效用函數(shù)值，判定數(shù)據(jù)處理最大值，并按照hod 值的更新結(jié)果輸出數(shù)據(jù)；（4）形成最優(yōu)的網(wǎng)絡(luò)鏈路負(fù)載匹配結(jié)果。

4 仿真分析與結(jié)果

4.1 仿真設(shè)計(jì)

為驗(yàn)證所介紹方法的合理性，文章通過仿真平臺(tái)對(duì)上文方法進(jìn)行驗(yàn)證，根據(jù)驗(yàn)證結(jié)果做出綜合評(píng)價(jià)，仿真參數(shù)設(shè)置信息如表1 所示。

表1 仿真參數(shù)設(shè)置方案

在表1 介紹的仿真條件下，對(duì)分簇算法做仿真處理，檢測(cè)在600 m×600 m 的平面功能中每個(gè)FBS的干擾情況，并將小區(qū)用戶做分簇后，使簇內(nèi)用戶連續(xù)使用頻譜，最后根據(jù)仿真結(jié)果做分簇優(yōu)化，實(shí)現(xiàn)分簇處理。同時(shí)，為驗(yàn)證該方法的合理性，以通用信元速率算法（Generic Cell Rate Algorithm，GCRA）為參照進(jìn)行對(duì)比。

4.2 仿真結(jié)果研究

4.2.1 系統(tǒng)吞吐量比較

根據(jù)仿真結(jié)果可知，隨著一定數(shù)量FBS 的增加，系統(tǒng)吞吐量明顯提升，而實(shí)際上，F(xiàn)BS 數(shù)量的增加雖然會(huì)改善系統(tǒng)的吞吐量，但是該處理方法會(huì)導(dǎo)致小區(qū)之間的干擾度增加，使得每條子信道的運(yùn)行速率降低，這種情況明顯不符合本次技術(shù)處理要求。而根據(jù)本次仿真對(duì)比結(jié)果發(fā)現(xiàn)，5G 通信系統(tǒng)中的FBS 數(shù)量小于等于300 時(shí)，本文所提出的算法明顯優(yōu)于GCRA 算法。其中，當(dāng)FBS 為150 個(gè)時(shí)，本文算法的系統(tǒng)吞吐量約為80 Mb/s，而GCRA 算法則為36 Mb/s；當(dāng)FBS 的數(shù)量達(dá)到300 個(gè)時(shí)，本文算法的系統(tǒng)吞吐量為118 Mb/s，明顯高于常規(guī)算法的62 Mb/s。

4.2.2 系統(tǒng)頻譜效率比較

根據(jù)2 種方法的對(duì)比結(jié)果可知，隨著FBS 密度增加，系統(tǒng)頻譜效率整體呈下降趨勢(shì)，而在5G 通信網(wǎng)絡(luò)中為充分滿足用戶通信要求，則需要分布式FBS處于低速率運(yùn)行。在分別比較2 種方法對(duì)系統(tǒng)頻譜效率的影響后發(fā)現(xiàn)，當(dāng)FBS 數(shù)量為150 個(gè)時(shí)，本文算法的系統(tǒng)頻譜效率基本維持在0.384 ～0.386，明顯高于GCRA 方法的0.251 ～0.290；而當(dāng)FBS 數(shù)量增長至300 時(shí)，本文算法的系統(tǒng)頻譜效率約為0.312 ～0.318，CGRA 算法則下降至0.121 ～0.127，可見本文方法在提升系統(tǒng)頻譜效率中具有明顯優(yōu)勢(shì)。出現(xiàn)該結(jié)果的原因可能為：通過本文方法實(shí)現(xiàn)了FBS的適當(dāng)分組，并且該方法可通過二分圖對(duì)簇做子信道分配，因此頻譜效率更高。

4.2.3 丟包率比較

在分別比較2 種方法對(duì)丟包率的影響后，相關(guān)數(shù)據(jù)顯示，隨著FBS 用戶數(shù)量的增多，2 種方法的丟包率均呈現(xiàn)出明顯上升趨勢(shì)，出現(xiàn)這一現(xiàn)象的原因可能為：隨著用戶數(shù)量的增多可能會(huì)導(dǎo)致部分用戶因?yàn)闊o法第一時(shí)間分配到資源而出現(xiàn)丟包問題。根據(jù)本次的測(cè)試結(jié)果可知，當(dāng)FBS 內(nèi)用戶數(shù)量為2 時(shí)，本文算法的丟包率為1.52%，而GCRA 方法則為3.76%；當(dāng)FBS內(nèi)用戶數(shù)量為5時(shí)，本文算法的丟包率為6.03%，GCRA 方法的丟包率為11.06%。通過上述數(shù)據(jù)對(duì)比結(jié)果可知，本文算法的丟包率明顯優(yōu)于GCRA 方法。

4.2.4 系統(tǒng)阻塞率比較

2 種方法的數(shù)據(jù)對(duì)比結(jié)果顯示，隨著用戶數(shù)量的增多，5G 網(wǎng)絡(luò)系統(tǒng)的阻塞率呈現(xiàn)上升趨勢(shì)，但是本文方法下的阻塞率增幅明顯低于GCRA 方法。當(dāng)用戶數(shù)量為80 時(shí)，本文算法下的系統(tǒng)阻塞率為0.04%，明顯低于GCRA 方法的0.87%；當(dāng)用戶數(shù)量提升至140 時(shí)，本文算法下的阻塞率為0.06%，低于GCRA方法的0.24%。由此可見，本文算法在降低系統(tǒng)阻塞率中的效果顯著。

5 結(jié) 論

為滿足未來5G 通信技術(shù)的要求，探索基于二分圖匹配的技術(shù)優(yōu)化方案具有可行性。根據(jù)本文的模擬仿真結(jié)果可知，在通過二分圖匹配后，5G 通信的鏈路均衡負(fù)載問題得到了有效解決。與傳統(tǒng)方案相比，該方法在提升系統(tǒng)吞吐量、系統(tǒng)頻譜效率以及降低系統(tǒng)阻塞率、丟包率中的效果顯著，具有常規(guī)技術(shù)無法比擬的優(yōu)勢(shì)，值得進(jìn)一步推廣。