基于SDN架構的5G通信網絡中的切換算法①

李 立,但 峰,彭罕之,陶茂峰

1(中鐵第四勘察設計研究院集團有限公司,武漢 430063)

2(武漢科技大學 智能信息處理與實時工業系統湖北省重點實驗室,武漢 430065)

3(武漢科技大學 信息科學與工程學院,武漢 430000)

第五代移動通信網絡將為用戶提供更豐富的業務種類以及更好的服務質量.下一代移動通信網絡5G 采用了密集部署小蜂窩的方法,通過在宏蜂窩小區內部署大量的低功率的小基站,以提高網絡容量、頻譜效率、數據率.但是演進型基站(evolved NodeB,eNB)的大量部署也將增加網絡的干擾和能耗,建設下一代密集部署的異構移動通信網絡將是一個復雜的挑戰[1].

在下一代基站密集部署的異構移動通信網絡環境中,傳統的切換管理方法不再適用.首先,eNBs 的密集部署以及數量龐大的移動節點將導致切換次數的增加,而頻繁的切換可能導致通信性能的惡化;其次,eNBs 的密集部署會增加預切換的時間.對于切換管理方面的研究有很多,例如文獻[2,3]中,提出了減少切換次數的切換跳過技術.文獻[4]提出了一種基于自組織映射的切換管理技術,以減少兩層蜂窩網絡中室內用戶不必要的切換.在文獻[5-7]中,提出了幾種切換管理方法,針對兩層下行蜂窩網絡中如何減少不必要切換的問題.在文獻[8]中,還需要移動設備的速度和小小區的位置來作出切換決定.文獻[9]提出了一種包括車載無線通信在內的異構網絡垂直切換技術,切換所需的信息包括軌跡、吞吐量、丟包率、每包延遲等.

然而,移動通信中不同業務/應用對于網絡性能有著完全不同的需求.為了給移動通信用戶找到最合適的目標基站,現有的切換管理策略越來越復雜.然而越復雜的算法往往需要更多的網絡狀態信息,移動節點必須在做出切換決策前(即預切換期間)收集這些網絡狀態信息[8-10].

在基于SDN 架構的5G 通信網絡中,SDN 控制器(Software Defined Network Controller,SDNC)是網絡中的應用程序,持續監視整個網絡,負責諸如流量控制、路由計算、無線接入等網絡網絡功能,以實現智能網絡的正常運行[11].區別與傳統分布式的切換決策方法,在SDN 架構下的通信網絡,利用SDN 控制器中的全局化的網絡狀態信息能夠更好的計算最優的切換決策結果,也可以減少移動節點收集網絡狀態信息所帶來的時延以及網絡開銷.本文提出一種基于SDN 架構的5G 通信網絡下的切換管理策略.不同于傳統分布式切換管理策略,本文提出切換算法是基于SDN 架構下的設計的集中控制方法,切換決策中盡量利用SDN 控制層中的網絡狀態信息,減少移動節點預切換的時間以及通信開銷.

1 基于SDN 架構的5G 通信網絡下的切換管理策略

1.1 基于SDN 架構的5G 通信網絡

5G 通信網絡體系結構融合了多種移動通信網絡,是一個復雜的異構網絡[12].5G 可以實現廣泛的覆蓋、移動支持和高數據速率.如圖1 所示,基于SDN 架構的5G 通信網絡,將網絡設備上的控制邏輯分離出來,由位于控制層的SDNC(SDN Controller)管理,而SDN 的控制權是完全開放的.因此,某些可以自定義添加一些網絡控制功能,某些操作和功能可以在控制層中執行.然后,數據層中的交換機和路由器可以遵循SDNC 的指示.網絡設備的行為可以由網絡編程語言指定的應用程序定義.這些規范作為網絡策略,在管理層中定義,在控制層中強制執行,并最終在數據層中相應地執行.因此,在基于SDN 架構的5G 通信網絡中,位于控制層的SDNC 具有抽象和集中的視角,可以預測用戶的移動性,可以提前進行切換準備,獲得切換延遲較低的無縫體驗.

圖1 基于SDN 架構的5G 通信網絡[12]

1.2 切換控制模塊

我們在位于控制層的SDNC 添加了一個切換控制模塊對節點切換進行管理.該模塊由兩個部分組成:切換決策屬性量化模型以及切換決策模型組成.切換控制模塊從SDNC 中獲得網絡狀態信息以量化決策相關屬性,然后通過本文提出的決策算法計算每個相鄰基站的優先級并選擇最合適的切換目標基站,位于控制層的SDNC 控制移動節點的切換過程.

1.2.1 切換決策屬性量化模型

該模型收集網絡狀態信息并量化基站eNB 的屬性,這些信息用來作出切換決策為移動節點選擇最合適的eNB.假設有m個候選基站{eNB1,eNB2,···,eNBm}.

(1)eNB 負載.eNB 負載表示該基站的空閑情況.該參數越低則表示連接到該基站的用戶終端越少,切換時延以及切換失敗的概率越低.否則該基站負載較高,切換延遲較高,發生切換失敗的可能性更大.

為了便于研究,我們假設每個基站最大擁有N個可用資源,即每個基站最多允許N個用戶終端同時連接.如果一個新的用戶終端連接到某基站,則該基站的可用資源數減1,而連接結束則該基站可用資源數加1,若第i個基站當前有n個終端用戶連接,則其負載為:

(2)平均切換時延.切換時延t是指從觸發切換操作開始,移動節點從源基站切換到目標基站并開始正常通信所耗費的時間.平均切換時延是指以所有該基站為目標基站的切換操作時延的歷史加權平均值.若有新的移動節點切換到對于第i個基站eNBi,此次切換時延t將會用來更新該進站的平均切換時延,平均切換時延計算公式如下:

其中,α +β=1,通常情況下0 ＜α ＜β ＜1,表示切換決策更注重于當前網絡環境.特殊的,初始狀態下,當Ti值為空,令Ti=t.

(3)預計持續停留時間.其值越大代表移動節點進入基站的覆蓋范圍并在該基站覆蓋范圍內持續停留時間越長.為了減少通信量并減少SDNC 和終端的負載,本文提出的持續停留時間的預測僅依靠基站位置、移動節點當前位置信息,利用基站位置來估計移動節點的速度大小以及方向,見圖2.

圖2 預計持續停留時間

如圖2 所示,移動節點在第i個基站eNBi預計持續停留時間的計算方法如下:

其中,v為移動節點速度大小,其值利用當前接入基站和上一個接入基站的位置近似計算得到,即v=d/timc,其中d為當前接入基站和上一個接入基站之間的距離,timc為移動節點在當前接入基站的實際停留時間.

1.2.2 切換決策模型

切換決策模型計算所有鄰居基站eNB 的優先級,然后選擇最優的eNB 作為目標基站.

目標基站的選擇是一個多目標決策的過程,需要綜合考慮多個因素,本文采用基于TOPSIS 的多目標決策方法,若一個移動節點附近存在m個候選接入點,則有{X1,X2,X3,···,Xm},可以依據下面的公式建立決策矩陣:

對于第i個候選接入點Xi={xi1,xi2,xi3,xi4},第1 個屬性xi1是基站負載,計算方法如式(1)所示;第2 個屬性xi2是基站的平均切換時延,計算方法如式(2)所示;第3 個屬性xi3是預計持續停留時間,計算方法如式(3)所示;第4 個屬性xi4是RSSI,由移動節點實測得到.

由于每個屬性單位不同,量綱不同,因此需要進行歸一化處理.

利用Saaty 教授提出的1～9 標度法建立比較判決矩陣[13],根據人類區別物的好壞、優劣、輕重等經驗方法將不同情況的比較結果可以數量標度.

用特征根法計算權重,特征根法也被稱為特征向量法或冪法,用來求解判決矩陣的AHPmatrix特征根.

其中,λmax和w分別是AHPmatrix的最大特征根和特征向量,w歸一化后就就是所求的權重向量.

求解得滿足精度 ε ＞0 權重向量w=(w1,w2,w3,w4)[13],加權后的決策矩陣如下所示:

與理想解的相對貼近度為,則對于m個候選接入方案{X1,X2,X3,···,Xm},最優接入點目標函數如下:

TOPSIS 算法偽代碼如下:

?

1.3 切換決策流程

兩種條件下均可以觸發切換操作:(1)當前eNB的RSSI 低于預先設定的閾值;(2)當前eNB 的性能不能滿足用戶對QoS 的要求.

在傳統的移動通信技術如3GPP 中,移動節點必須在切換準備階段進行測量控制,其測量參數通過eNB 的周期性廣播得到,移動節點向當前eNB 發送測量報告,然后由源eNB 作出切換決策,選擇最優目標基站,并想該基站發送切換請求.傳統的切換流程主要存在以下幾個問題:(1)移動節點沒有網絡的狀態信息,必須搜索信道以獲得網絡狀態信息,該過程增加了切換延遲;(2)傳統的切換策略中,為了選擇更加合適的目標基站切換接入,切換決策算法變得越來越復雜,決策屬性的增多移動節點也需要更多的時間搜集網絡狀態信息,導致預切換時間的增加.LTE 切換流程中切換決策是基于移動節點的測量報告,決策屬性少,節點競爭接入,但這種方法未考慮業務或應用對于網絡性能的需求,也沒有考慮移動節點的移動性.

當前基于多目標決策的切換管理策略大多在現有的LTE 切換策略的基礎上改進,通常需要更多的候選接入點的性能參數如帶寬、延遲、抖動、用戶歷史移動軌跡等等,這些參數的獲取通常需要移動節點以及接入基站系統完成,不僅需要占用更多的網絡資源,也將帶來一定時延,如圖3 所示.

圖3 傳統的基于多目標決策的切換流程

而在基于SDN 架構的移動通信網絡中,SDNC 繼續監控整個網絡并控制網絡的正常運行,如執行虛擬無線接入控制或切換控制.位于控制層的切換控制器可以從控制平面中的數據平面或SDNC 的其他控制器獲取切換所需的信息.如ENB 的狀態信息、移動節點注冊信息、移動標識、區域跟蹤更新等.如圖4 所示,當切換操作被觸發后,移動節點向控制器發送請求,切換控制器搜集并計算候選eNB 的優先級來進行切換判決,切換控制器管理整個切換過程,并且移動節點從源eNB 切換到目標eNB,然后通過OpenFlow 協議更新控制信息進行新連接.

2 實驗與仿真

本文采用Matlab 對本文提出的算法進行仿真,仿真區域采用基于正六邊形的坐標劃分,正六邊形邊長為1000 m,基站隨機分布,但每個正六邊形內宏蜂窩基站的數量不超過2 個.宏蜂窩基站數量為10 個,覆蓋范圍為半徑1000 m 的圓形區域,微蜂窩基站數量50-300 個,覆蓋范圍為半徑200 m 的圓形區域.每個基站資源數量N=50,低速移動節點速度范圍為0-10 m/s,高速移動節點速度范圍為10-20 m/s.

如前文所述,密集部署eNB 可以顯著提高網絡容量、頻譜效率和數據速率.但是eNBS 的密集部署也會增加網絡的干擾和能量消耗,SDN 是下一代移動通信網絡中密集部署eNBS 的解決方案.基于SDN 架構的5G 通信網絡的數據平面由大量的虛擬小區和用戶組成.為了顯示數據平面的致密化程度,研究致密化程度與切換性能之間的關系,我們定義了一個網絡致密度,其值為小蜂窩用戶數量與宏蜂窩用戶數量之比.

圖4 基于SDN 架構移動通信網絡切換流程

在傳統的分布式切換管理策略中,移動節點必須在切換準備階段搜索信道并獲取網絡狀態信息,將增加能量消耗,降低吞吐量.此外,當移動節點的數量很大時,隊列中的等待時間就會變得相當長[13].

與傳統的切換方法不同,本文提出的切換方法是在基于SDN 的移動通信網絡中設計的,由于SDNC 一直在監控整個網絡并控制網絡正常運行,因此能夠預先收集大量的網絡狀態信息,而縮短切換準備階段,移動節點只需要根據SDNC 作出的切換決策結果切換到目標eNB.為了觀察網絡致密度對切換延遲的影響,網絡致密度反映的是網絡用戶密度.從圖5 可以發現,隨著用戶密度的提升,延遲也在增加,但仍優于傳統的切換管理策略.

由于一段時間內節點切換次數與速度和切換算法的優劣有關,因此在圖6 的仿真中限制了節點的移動速度為0-10 km/s,在圖7 的仿真中限制節點速度為10-30 km/s.從兩張圖中可以發現隨著網絡致密度的增加,平均切換次數增加明顯.另外兩張圖對比也可以發現,移動節點速度的增加也會增加平均切換次數.整體來看本節提出方法的平均切換次數的要優于傳統的LTE 網絡的切換方法.原因是LTE 網絡中的移動節點根據參考候選基站信號質量進行切換決策,沒有考慮移動節點在候選基站覆蓋范圍內的持續停留時間,可能導致切換次數的增加.

圖5 切換時延分析

圖6 平均切換次數(低速移動節點)

3 小結

針對下一代基于SDN 架構的5G 通信網絡,提出了一種基于新的網絡架構下的切換控制方法.區別與傳統的分布式控制方法,該方法的主要思想是充分利用控制層中的網絡狀態信息,終端的移動性事件由位于控制層的SDNC 集中控制管理,能夠減少預切換時移動終端獲取網絡狀態信息的時間,提高切換性能.

圖7 平均切換次數(高速移動節點)