異構云無線接入網絡：原理、架構、技術和挑戰

彭木根，艾 元

（北京郵電大學 北京100876）

1 引言

在過去20年，高質量的無線視頻流、社交網絡和機器對機器（M2M）等業務和智能應用呈爆炸式增長，可以預見，未來移動互聯網和物聯網應用還將進一步增加，如何在這些按指數遞增的無線多媒體業務中為用戶提供與ADSL類似的體驗，是5G移動通信系統亟需解決的難題。相比較于當前的4G移動通信系統，5G單條鏈路的數據業務傳輸速率將達到10 Gbit/s，頻譜及功率效率提升10倍，網絡覆蓋的單位面積吞吐率提升25倍，單節點接入用戶數提升10～100倍，端到端業務時延縮短至1 ms，終端電池使用壽命延長10倍等。自1G移動通信系統使用以來，傳統蜂窩移動通信系統接入網架構的壽命已超過40年，最初設計的目的是實現基站服務區域重疊盡可能少的無縫覆蓋，因此提出了簡單高效的六邊形蜂窩組網架構，但規則蜂窩組網在簡化網絡設計的同時，也阻礙了網絡性能的進一步提升。為了實現5G的性能目標要求，需要從組網架構上進行改進，打破傳統規則蜂窩組網架構，提出新型5G和后5G的無線接入網絡架構和先進的信號處理技術。

密集分層異構網絡（heterogeneous network，HetNet）在后4G時代已經被提出，通過增加異構的小功率節點（low power node，LPN）實現熱點地區的海量業務吸收，理論上網絡譜效率和單位面積的LPN節點密度成正比。由于LPN隨機布置，且和HPN（high power node，高功率節點）重疊覆蓋同一服務區域，因此HetNet打破了傳統規則蜂窩組網架構，但其性能嚴重受限于相鄰LPN間以及LPN-HPN間的干擾，相關的跨層干擾和同層干擾控制一直是學術界和產業 界 的 熱 點 和 難 點[1]。多 點 協 作（coordinated multi-point，CoMP）傳輸和接收技術是抑制干擾的先進技術之一，但其性能緊密依賴于回程鏈路的傳輸容量，在非理想回程場景下，實際HetNet的CoMP性能增益只有約20%。為了大幅度提升實際網絡的組網譜效率、降低能量消耗，一種有效方法是結合大規模云計算平臺進行集中實時信號處理，初步實現云計算和無線接入網絡的融合，中國移動于2009年在業界提出了云無線接入網絡（cloud radio access network，C-RAN）的解決方案。C-RAN把傳統的基站分離為離用戶更近的無線遠端射頻單元 （remote radio head，RRH）和集中在一起的基帶處理單元(base band processing unit，BBU)。多個BBU集中在一起，由云計算平臺進行實時大規模信號處理，從而實現了BBU池。C-RAN的主要技術挑戰在于BBU池和RRH需要單獨建立，重新組建一個小接入網，和目前已有的HPN無法兼容；更加困難的是，無法高效提供實時語音業務以及在密集RRH布置下管理控制信令下放，且消耗大量的用于業務承載的有限無線資源等。

借鑒HetNet中通過HPN實現控制和業務平面分離以及C-RAN中RRH高效支撐局部業務的特征，聯合HetNet和C-RAN各自優點，充分利用大規模實時云計算處理能力，本文提出了異構云無線接入網 （heterogeneous cloud radio access network,H-CRAN）作為5G無線接入網絡的解決方案[2]。

2 H-CRAN系統架構和組成

如圖1所示，H-CRAN中數量眾多的低能耗RRH相互合作，并在集中式BBU池中實現大規模協作信號處理。RRH作為前端射頻單元，具有天線模塊，主要的基帶信號處理和上層空中接口協議功能都在BBU池中實現。傳統C-RAN的BBU池集合了集中式存儲、集中式信號處理和資源管理調度以及集中式控制等功能，使得C-RAN的控制管理功能復雜，大規模無縫C-RAN組網難度大且不現實，無法和已有的3G和4G等蜂窩網絡兼容，且支撐突發小數據業務的能力并不突出，對實時語音業務也不能很好地支持。與C-RAN不同，H-CRAN中的BBU池和已有的HPN相連，可以充分利用3G和4G等蜂窩網絡的宏基站實現無縫覆蓋以及控制和業務平面功能分離。HPN用于全網的控制信息分發，把集中控制云功能模塊從BBU池剝離出來。此外，BBU池和HPN之間的數據和控制接口分別為S1和X2，其繼承于現有的3GPP標準協議。在H-CRAN中，RRH間的干擾由BBU池進行大規模協作信號處理來抑制，而RRH和HPN間的干擾可以通過HetNet中的CoMP進行分布式協調來減少[3]。

需要說明的是，傳統C-RAN的主要性能瓶頸之一在于去程（fronthaul）鏈路的容量受限，而所提的H-CRAN由于HPN的參與，避免了控制信令的傳輸開銷，讓部分用戶接入HPN也減少了業務傳輸速率的開銷，從而有效緩解了去程鏈路的容量需求，實現了RRH對用戶的透明性，這里不需要為RRH分配小區識別號，簡化了網絡設計和規劃等。所有的控制信令和系統廣播信息都由HPN發送給用戶設備（user equipment，UE），可以使RRH根據用戶業務需求自適應地進行休眠，從而有效地節約了能量消耗，實現了以用戶為中心的綠色節能通信。需要說明的是，一些突發流量或即時消息業務可以由HPN來支撐，以確保業務能夠無縫覆蓋，RRH只用于滿足熱點區域海量數據業務的高速傳輸需求。對于RRH和UE之間的無線傳輸來說，可以采用不同的空中接口技術，例如IEEE 802.11 ac/ad、毫米波甚至可見光等。

圖1 H-CRAN系統架構和組成

為了提高H-CRAN的網絡能量效率性能，RRH的開關與業務量自適應匹配。當業務負載較低時，一些RRH在BBU池的集中自優化處理下進入睡眠模式；當業務負載較高時，可以自適應激活睡眠的RRH。此外，根據UE承載業務和傳輸性能等要求，一個或者多個RRH自適應為其服務，如果UE業務量較少，同一個RRH的單一資源可以為多個UE共享使用。

利用所提的H-CRAN，除了能顯著提高網絡的譜效率和能量效率性能外，還能大幅度改善移動性能。由于在不同RRH間移動只涉及資源調度的變化，不離開HPN覆蓋范圍就不需要進行切換，所以顯著地減少了C-RAN系統中常用的不必要切換，降低了切換失敗率、乒乓切換率和掉話率等。

3 H-CRAN關鍵技術

為了發揮H-CRAN性能優勢，需要充分挖掘基于大規模云計算處理的優勢，對傳統的物理層、媒體接入控制層和網絡層進行增強。對物理層而言，基于云計算的CoMP（CC-CoMP）技術作為4G系統中CoMP技術的增強，主要用來實現同層RRH間以及跨層RRH和HPN間的干擾抑制。大 規 模 協 作 多 天 線 （large scale collaboration more antennas，LS-CMA）技術通過在HPN中布置大規模的集中式天線陣列來獲得天線分級和復用增益。通過基于云計算的協作無線資源管理（CC-CRRM）技術，實現資源的虛擬化和用戶的高效資源調度，同時實現HPN和RRH間的干擾協調和移動性管理增強等。另外，通過基于云計算的網絡自組織（CC-SON）技術，實現自配置、自優化和自治愈，提高H-CRAN的智能組網能力，同時降低網絡規劃和維護方面的成本等。

3.1 基于云計算的大規模多點協作

和C-RAN一 樣，H-CRAN充 分 利 用BBU池，對 來 自RRH的無線信號進行大規模協作處理，抑制RRH間的干擾，稱為同層CC-CoMP。另外，為了抑制RRH和HPN間的干擾，將使用跨層CC-CoMP技術。由于RRH和BBU池間的去程鏈路容量受限，所以需要使用信號壓縮處理技術，這使得在BBU池中的無線信號是壓縮有損信號，相應的同層CC-CoMP性能將有一定的損失。此外，對于每個用戶而言，對同層CC-CoMP性能的影響主要來自有限個相鄰的RRH，所以在BBU池可以采用稀疏預編碼處理，在性能降低幾乎可以忽略的前提下能夠顯著降低同層CC-CoMP計算復雜度，從而便于進行實時云計算處理。跨層CC-CoMP受限于BBU池和HPN間的回程鏈路容量和信息交互實時性，由于實時理想的信道狀態信息(channel state information，CSI)難以獲得，跨層CC-CoMP性能和HetNet中的CoMP性能類似。

3.2 大規模集中式多天線協作處理

LS-CMA也稱為大規模多輸入多輸出（massive MIMO）天線，在HPN處集中式地配備數百甚至上千根天線，用于改善HPN的傳輸容量和覆蓋范圍。根據大數定律，當天線數量足夠多時，無線信道傳播可以硬化，使得傳輸容量隨著天線數量增加呈線性增加。已有實際網絡測試結果表明，在HPN處部署100根天線，與傳統的單天線配置相比，容量將獲得至少10倍的提升，同時能量效率性能也將得到100倍數量級的提高。

需要說明的是，如果H-CRAN側重挖掘LS-CMA的性能增益，讓更多用戶接入HPN獲得業務傳輸，會犧牲掉CC-CoMP的性能增益，極端情況下所有用戶都由HPN提供服務，則H-CRAN就退化為傳統的蜂窩無線網絡；但如果讓較少的用戶接入HPN，又會降低LS-CMA的性能；如果讓所有業務都由RRH提供，則會使H-CRAN退化為C-RAN。因此，權衡LS-CMA和CC-CoMP間的性能增益，才能使H-CRAN的網絡性能增益最大。

3.3 基于云計算的協作無線資源管理

相比較于C-RAN系統，H-CRAN系統增加了HPN實體，也使得用戶接入、資源分配、功率分配、負載均衡等更加靈活，也更加復雜[4]?？梢允褂肏etNet使用的小區范圍收縮技術平衡RRH和HPN間的負載，同時讓用戶盡量接入RRH。此外，為了減少RRH和HPN間的干擾，在負載輕的時候，可以為這兩個實體配置正交的頻譜資源。當負載變重時，只分配部分的頻譜資源用于RRH和HPN的共享，以提供基本的無縫覆蓋業務，而其他不共享的頻譜資源專門用于RRH間的高速業務傳輸。頻譜資源的配置分配是一個優化問題，需要聯合功率分配和用戶接入以及優化目標進行聯合設計[5]。

為了在H-CRAN系統支撐不同時延的多媒體分組數據業務，H-CRAN需要實現時延感知的CC-CRRM。傳統無線資源管理主要是側重各用戶的CSI，進行無線資源和用戶CSI的自適應匹配，同時兼顧優化用戶的公平性和小區資源配置等。CC-CRRM將自適應每個用戶的分組業務排隊狀態信息（queue status information，QSI）和CSI，進行資源分配和無線信號處理，實現跨層資源協同優化。

3.4 基于云計算的網絡自組織

和HetNet及C-RAN類似，由于在局部區域聚集了大量隨機布置的接入節點，使得H-CRAN的網絡規劃優化非常復雜，依靠傳統的人工網絡規劃優化變得不太現實，亟需采用網絡自組織（SON）技術提高H-CRAN智能組網性能。SON技術能夠在組網過程中最小化人工干預，減少運維成本。鑒于H-CRAN中各RRH的無線資源管理、移動性管理及射頻等相關參數都需要配置和優化，且拓撲結構會隨著RRH的自適應開/關而動態變化，所以SON是確保H-CRAN智能組網的關鍵。充分利用H-CRAN的BBU池集中大規模管理架構，基于云計算的SON（CC-SON）將基于集中式架構，聯合云計算服務器中的海量網絡運維數據，進行大數據挖掘，智能化完成H-CRAN各RRH的自配置、自優化和自治愈功能。需要說明的是，由于BBU池和HPN間有接口，可以通過集中式架構完成HPN的自組織功能，而不需要使用混合式的SON架 構[6]。

4 H-CRAN未來技術挑戰

H-CRAN作為對HetNet和C-RAN的增強演進，雖然已經提出了清晰的系統架構和關鍵技術，但仍有技術挑戰亟需解決，才能推進其成熟和未來應用。

4.1 理論組網性能限

和HetNet及C-RAN的理論組網性能研究類似，H-CRAN的理論組網性能限需要刻畫RRH的隨機分布，挖掘去程鏈路容量受限對大規模集中信號處理性能的影響。RRH的隨機分布將通過泊松點(PPP)分布進行表征，利用隨機幾何，推導單用戶的覆蓋成功率、小區的平均頻譜效率和能量效率等。利用推導的性能限閉式解，描述影響性能限的關鍵因素，以指導無線資源分配和網絡配置等。此外，從用戶角度出發，研究以用戶為中心的動態RRH選擇和集合設置，在減少去程鏈路開銷和實時計算復雜度的同時，減少性能損失[7]。

4.2 去程鏈路受限的性能優化

在RRH和BBU之間非理想的去程鏈路受限會使H-CRAN的整體頻譜效率和能量效率惡化。為了減少去程鏈路的業務傳輸帶寬要求，一般都需要對來自RRH的無線符號進行壓縮處理。如何減少壓縮處理后的影響，是未來仍亟需突破的關鍵問題。一種可行方法是打破傳統的完全集中式架構，充分利用分布式存儲和分布式信號處理功能，讓部分業務傳輸發生在本地，而不需要上傳到BBU池，從而有利地降低去程鏈路的開銷[8]。另外一種方法是通過HPN的分流，但這是以犧牲BBU池的大規模協作增益為代價的。

4.3 H-CRAN未來標準化工作

H-CRAN的標準化工作應該在未來5G標準框架下，實現C-RAN和HetNet的平滑演進。在3GPP的R12中已經對高階調制、幾乎空白幀、小區自動開/關、SON、節能、非理想回程的CoMP等技術進行標準化工作。作為這些技術的增強演進，有望在未來的R13和R14中對H-CRAN的網絡架構、系統組成、RRH智能開/關策略、CC-CoMP、LS-CMA、CC-CRRM和CC-SON等進行標準化定義。

5 結束語

異構云無線接入網絡（H-CRAN）通過結合云計算和HetNet技術優勢，能夠實現高譜效率和高能效率的組網，可以視為未來5G無線接入網的一個重要可選方案。本文系統介紹了H-CRAN的系統架構和關鍵技術，同時指明了未來技術挑戰和相應的可能解決方法。

1 Peng M G,Liu Y,Wei D Y,et al.Hierarchical cooperative relay based heterogeneous networks.IEEE Wireless Communications,2011,18(3):48～56

2 Peng M G,Li Y,Jiang J M,et al.Heterogeneous cloud radio access networks:a new perspective for enhancing spectral and energy efficiencies.IEEE Wireless Communications,2014,21(6):126～135

3 Peng M G,Li Y,Zhao Z Y,et al.System architecture and key technologies for 5G heterogeneous cloud radio access networks.IEEE Network,2015,29(2):6～14

4 Peng M G,Zhang K C,Jiang J M,et al.Energy-efficient resource assignment and power allocation in cloud heterogeneous radio access networks.IEEE Transactions on Vehicular Technology,2014(99):1～13

5 Li J,Peng M G,Cheng A L,et al.Delay-aware cooperative multipoint t ransmission with backhaul limitation in cloud-RAN.Proceedings of 2014 IEEE International Conference on Communications(ICC)Workshops,Sydney,Australia,2014:665～670

6 Peng M G,Liang D,Wei Y,et al.Self-configuration and self-optimization in LTE-Advanced heterogeneous networks.IEEE Communications Magazine,2013,51(5):36～45

7 Peng M G,Yan S,Poor H V,et al.Ergodic capacity analysis of remote radio head associations in cloud radio access networks.IEEE Wireless Communications Letters,2014,3(4):365～368

8 Peng M G,Li Y,Quek T Q S,et al.Device-to-device underlaid cellular networks under rician fading channels.IEEE Transactions on Wireless Communications,2014,13(8):4247～4259