董春利 王莉



摘 要:利用Wireless Insite(WI)軟件的功能開發了為典型的毫米波UDN場景建模。考慮精確的用戶(UE)位置到沿用戶軌跡的SNR值,同時考慮了定位儀器無法捕獲的障礙物的影響。文章通過考慮在切換過程中關聯的切換成本,提出了毫米波網絡中的離線智能切換學習框架。最后,提出了最佳的基站(BS)選擇策略,該策略可以通過離線DDRL算法最大化UE-BS的連接時間。該策略還考慮了瞬時接收的SNR和切換成本之間的折中,以減少由于頻繁的短期LOS受障礙物阻塞而導致不必要的切換。
關鍵詞:毫米波;超密集網絡;切換
0 引言
移動通信網絡中異構性水平的提高,要求在確定最佳服務BS時還應考慮其他度量,例如用戶吞吐量,服務延遲和負載均衡[1]。此外,由于用戶在移動過程中將總是必須切換BS連接,因此切換的頻率隨著小蜂窩(SC)數量的增加而增加。通常將切換成本與上述指標一起考慮。切換的過程通常涉及UE,服務BS,網絡控制器和目標BS之間的信令交換。這將進而導致數據傳輸中斷,從而導致UE吞吐量的降低。數據傳輸中這些中斷發生的速率與用戶速度以及BS密度成正比,尤其是對于毫米波SC。
最新研究表明,在實際的毫米波網絡部署情況下,成功切換之間的間隔可以低至0.75秒[2]。此外,超過60%的切換是不必要的。因此在具有高移動性用戶的UDN中,需要減少切換中斷的次數,以最小化切換成本,維持優異的用戶吞吐量水平以及減少與切換處理相關聯的服務延遲。最受歡迎的技術包括馬爾可夫決策過程(MDP)和隨機幾何。Chaieb等提出了基于MDP的毫米波網絡切換優化模型[3]。但是,當網絡復雜性增加且尺寸變得非常大時,使用MDP和隨機幾何技術來推導分析模型將變得非常困難,這也常常涉及某些假設,而這些假設在實際的無線網絡中可能無法獲得。因此對于UDN,這些技術可能不切實際且效率低下。本文介紹了切換觸發標準以及選擇目標BS的策略。
1 ? 切換觸發標準
根據3GPP定義了6個事件用于啟動常規切換其中事件A2和A3用于系統內部無線電接入技術(RAT)切換。相反,在事件B2中描述了RAT系統間切換。這些是啟動和終止切換的標準。
進入事件A2的條件是服務BS的RSRP或SNR值變得比規定的閾值小,而離開狀態則相反。通過使用SINR值作為閾值,并分析其對毫米波網絡中切換的影響。不同的用例(服務感知)在相同的軌跡上可能有不同的切換率。在這項研究中,采用SNR作為觸發標準,并將事件A2定義為:
其中γs是來自服務BS的SNR,γth是UE根據服務類型維持連接所需的最小SNR。由于參數本身需要優化,因此刪除了滯后余量。但是刪除滯后余量,可能會導致乒乓效應和其他不必要的切換數量增加。提出的模型可確保減少切換,而沒有滯后余量。因此,如果滿足切換條件,則切換過程開始,并且UE需要選擇潛在的目標BS。
當鄰居BS變得比服務BS更好時,定義進入事件A3的條件。無論UE從服務BS接收多少功率,事件都會在服務BS和鄰居BS之間尋找偏移值,如果滿足條件,則啟動切換處理。在提出的解決方案中,忽略了此事件,因為它有時會導致不必要的切換。最后,事件B2的條件與事件A2的條件相同,除了它涉及RAT間切換,而A2涉及RAT內切換。
2?切換成本
在LTE中,只有硬切換在使用,假設5G同樣適用。在本研究中,除非另有說明,否則硬切換是重點。因為在此研究中考慮了硬切換,所以在切換中的最佳BS選擇變得更加關鍵,因為在建立新連接之前先斷開連接。切換過程初始化之后,將連接從服務BS切換到目標BS,完成UE的切換過程需要花費時間。在切換處理期間,在UE與服務BS或目標BS之間沒有任何傳輸。在沒有數據傳輸的情況下,將UE從服務BS切換到目標BS,完成一個成功事件所花費的時間稱為切換延遲時間td,td的累積對UE的平均吞吐量有重大影響。給定軌跡的累計td和切換總數稱為切換成本(βc)。切換成本是切換數量和切換延遲時間的函數,表示為:
其中Hl是每單位長度的切換總數,v是速度(ms-1),td是切換時間延遲(sec)。
將因子βc評估為由于切換操作(例如,服務BS與目標BS之間的信令和無線鏈路切換)而沒有有用數據傳輸而浪費的總時間。如果(H1×v×td)≥1,則網絡性能將變為零,因為UE會花費整個時間來傳輸切換信令。在從Shannon容量公式得出的平均吞吐量公式中,可以看到βc的重要性。
其中B是總帶寬,γ是平均經歷的SNR,T是系統吞吐量。因此,為了在給定的軌跡上獲得較高的總體系統吞吐量,如果B保持恒定,則因子βc和γ至關重要。最終目標是通過智能選擇,得到沒遮擋的視距鏈路中有較長持續時間的BS,來最大化系統吞吐量,并避免不必要的切換。同時,為了減少冗余的切換,有時會犧牲SNR最高的BS連接,這可能會在幾秒鐘后導致切換。但是,平均SNR應該高于閾值以保持用戶的QoS。
3?軌跡和服務感知切換
公式3有兩個參數,可以權衡取舍以實現最大平均吞吐量。引入服務感知概念,如果經歷的γs高于或等于閾值γth,則UE保持與服務BS的連接。將其稱為服務感知策略,這是為了確保UE的QoS。該策略也與事件A2一致。這意味著,在切換事件中,UE不需要選擇具有最高γs的BS,而是UE可以選擇任何具有γs大于γth的BS。
另外引入了軌跡感知策略,這意味著UE知道完整的路徑。通過了解UE的軌跡和服務類型,UE可以謹慎而智能地選擇能夠保證γs大于γth的,連接持續時間長的BS,這種遠見卓識的觀點有助于通過選擇最佳BS來最小化發生多個切換的可能性。然而這種組合策略,有時會犧牲在切換期間提供最大SNR(忽略當前瞬時SNR)的BS的連接,以及可以保持沿UE軌跡的擴展連接性的BS連接的代價。
4 結語
所研究的問題主要集中在切換事件期間連接到哪個BS,以保持沿著用戶軌跡的更長連接性。選擇目標BS的問題被建模為RL域中的多武裝匪徒問題。每當啟動切換事件時,UE可以潛在地選擇一個以上的,可能的最佳BS來選擇建立連接,并減少UE再次進入切換事件的機會。
[參考文獻]
[1]MICHAEL S M,ATTAI I A,METIN O. Intelligent handover decision scheme using double deep reinforcement learning[J].Physical Communication,2020(42):101133.
[2]TALUKDAR A,CUDAK M,GHOSH A.Handoff rates for Millimeterwave 5G systems[C].Seoul:2014 IEEE 79th Vehicular Technology Conference(VTC Spring),2014.
[3]CHAIEB C,MLIKA Z,ABDELKEFI F,et al.Mobility-aware user association in hetnets with millimeter wave base stations[C].Beijing:14th International Wireless Communications&Mobile Computing Conference(IWCMC).IEEE,2018.
(編輯 傅金睿)