5G 通信中基于二分圖匹配的鏈路均衡負載方法分析

龐小勇

（浙江逸暢通信技術有限公司，浙江 杭州 310013）

1 5G 通信鏈路均衡負載預測與模型建立

1.1 通信鏈路均衡負載預測

5G 技術作為無線通信技術的代表，將小區網絡、區域網絡以及蜂窩網絡等整合在一起，具有通信線路眾多的特征，給毫米波大規模多輸入多輸出（Multiple Input Multiple Output，MIMO）通信帶來挑戰。從技術發展思路來看，實現通信鏈路擴容的主要方法就是在軟硬件設備采購上投入大量的資金，因此越來越多的學者提出應通過網絡均衡負載與調度的方法提升網絡資源利用率[1,2]。同時，文章結合5G 通信中密集蜂窩異構無線網絡的通信場景，考慮基站負責載波資源發送與調配的全部過程，為實現通信鏈路均衡負載，需要確保網絡鏈路信道增益zk,j大于等于通信負載值。期間假設某基站中的網絡覆蓋范圍中存在m個通信用戶與n個終端直通用戶，在載波鏈路通信模式下，zk,j的具體數值為

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

1.2 模型建立

文章所考慮的通信場景為超密集網絡，為更深入地了解鏈路均衡負載值，需要盡量提升用戶數量。假設系統中存在M個靈活帶寬共享（Flexible Bandwidth Sharing，FBS）與n個用戶，為實現在超密集無線網絡環境下用戶正常的通信交流，應確保在同一個簇內的不同FBS 可共同使用頻譜資源。同時，分簇的目的是確保相同簇內的用戶之間可保持通信資源數量相同，進而解決因為用戶頻繁切換網絡等問題而造成的鏈路負載[3]。為滿足簇內用戶正常通信的要求，提出了基于二分圖匹配的系統模型，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；為發送功率；σ2為信號干噪比。

2 分簇的實現

2.1 分簇計算要求

根據現有的經驗可知，分簇是減少小區之間信號干擾問題的重要手段，并且有助于提升資源利用率，是實現鏈路均衡負載的合理手段[4]。為實現上述目標，文章提出一種改進的分簇算法，該算法的實施步驟如下。

步驟（1），利用干擾信息構建網絡干擾拓撲后，根據拓撲圖顯示用戶（或者基站）之間存在的信息干擾關系；

步驟（2），通過步驟（1）假設的拓撲關系完成初步分簇；

步驟（3），對初步分簇結果進行優化后，限定分簇的數量，提升利用率。

2.2 通信階段優化

假設在傳統的5G 通信系統中，小區基站布設方案如圖1 所示。

圖1 小區基站部署結構

則此時網絡系統的干擾矩陣K可以表示為

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

圖2 解耦后的拓撲結構

2.3 分簇算法的實現

在實現分簇算法時，設定初始化條件是簇k的幾何，K為干擾矩陣，則基于最小增量分簇的基本實施路徑如下。

步驟（1），計算簇k集合的權重值；

步驟（2），選擇權重值最小的集合系數，將其分配到簇k中，確保每個簇k均獲得一個權重值；

步驟（3），將剩余的簇k集合系數加入各個簇中，并計算簇的權重值增量變化；

步驟（4），其余節點參照步驟（3）的計算方法，逐一將其分配給簇；

步驟（5），在經過上述處理后，即可將數據劃分為k個簇，通過計算2 個簇之間的權重值，即可降低分簇的數量，使數據更容易計算；

步驟（6），按照要求設定2 個簇之間的合并閾值，當合并閾值低于干擾值時即可將2 個簇合并。

3 基于二分圖的分簇處理

3.1 確定分簇處理目標

假設G表示無向圖，若定點集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）的關聯定點表示為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，期間為盡可能實現最大限度的匹配，需要通過增加邊的匹配邊數實現上述數據處理目標，若在數據匹配中發現每個頂點均與任意一條邊線之間存在關聯性，即可認為此時二分圖的匹配為完全匹配[5]。在經過上述虛擬轉換后，二分圖可使頂點集合數量與集合D之間的數量保持相同。

為充分發揮極大匹配算法的優勢，文章通過鏈路均衡負載獲得二分圖模型和二分圖匹配比例。此時通過增設結構與虛擬頂點的擴展數據后，即可重新界定用戶與小區之間的權重關系。為最大限度上實現5G 網絡資源的匹配處理要求，在二分圖算法中應確保集合中頂點數量與用戶數量相同，確保小區通信資源與用戶之間的一對一匹配。因此，需通過優化二分圖結構，將子信道與簇分為2個集合，進而達到二分圖優化的目的。優化后的二分圖中一方指向另一方的連線，并且每個連線都有詳細的權重值。該權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有5G 通信鏈路負載問題的重要內容。

3.2 基于二分圖的匹配與仿真處理

按照提出的目標，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）做系統初始化，在系統初始化中應確定本小區的用戶數量與基站數量，判斷5G 通信鏈路均衡負載的現狀；（2）根據現有網絡節點形成拓撲結構后，即可進入主循環程序，該程序處理的主要目標就是確定本小區用戶位置與基站位置賦值，根據二者的空間分布情況確定最理想的拓撲網絡鏈路關系；（3）預估小區鏈路資源占用情況，根據預估結果計算出用戶數據傳輸中的信噪比值和判決效用函數值，判定數據處理最大值，并按照hod 值的更新結果輸出數據；（4）形成最優的網絡鏈路負載匹配結果。

4 仿真分析與結果

4.1 仿真設計

為驗證所介紹方法的合理性，文章通過仿真平臺對上文方法進行驗證，根據驗證結果做出綜合評價，仿真參數設置信息如表1 所示。

表1 仿真參數設置方案

在表1 介紹的仿真條件下，對分簇算法做仿真處理，檢測在600 m×600 m 的平面功能中每個FBS的干擾情況，并將小區用戶做分簇后，使簇內用戶連續使用頻譜，最后根據仿真結果做分簇優化，實現分簇處理。同時，為驗證該方法的合理性，以通用信元速率算法（Generic Cell Rate Algorithm，GCRA）為參照進行對比。

4.2 仿真結果研究

4.2.1 系統吞吐量比較

根據仿真結果可知，隨著一定數量FBS 的增加，系統吞吐量明顯提升，而實際上，FBS 數量的增加雖然會改善系統的吞吐量，但是該處理方法會導致小區之間的干擾度增加，使得每條子信道的運行速率降低，這種情況明顯不符合本次技術處理要求。而根據本次仿真對比結果發現，5G 通信系統中的FBS 數量小于等于300 時，本文所提出的算法明顯優于GCRA 算法。其中，當FBS 為150 個時，本文算法的系統吞吐量約為80 Mb/s，而GCRA 算法則為36 Mb/s；當FBS 的數量達到300 個時，本文算法的系統吞吐量為118 Mb/s，明顯高于常規算法的62 Mb/s。

4.2.2 系統頻譜效率比較

根據2 種方法的對比結果可知，隨著FBS 密度增加，系統頻譜效率整體呈下降趨勢，而在5G 通信網絡中為充分滿足用戶通信要求，則需要分布式FBS處于低速率運行。在分別比較2 種方法對系統頻譜效率的影響后發現，當FBS 數量為150 個時，本文算法的系統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FBS 數量增長至300 時，本文算法的系統頻譜效率約為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頻譜效率中具有明顯優勢。出現該結果的原因可能為：通過本文方法實現了FBS的適當分組，并且該方法可通過二分圖對簇做子信道分配，因此頻譜效率更高。

4.2.3 丟包率比較

在分別比較2 種方法對丟包率的影響后，相關數據顯示，隨著FBS 用戶數量的增多，2 種方法的丟包率均呈現出明顯上升趨勢，出現這一現象的原因可能為：隨著用戶數量的增多可能會導致部分用戶因為無法第一時間分配到資源而出現丟包問題。根據本次的測試結果可知，當FBS 內用戶數量為2 時，本文算法的丟包率為1.52%，而GCRA 方法則為3.76%；當FBS內用戶數量為5時，本文算法的丟包率為6.03%，GCRA 方法的丟包率為11.06%。通過上述數據對比結果可知，本文算法的丟包率明顯優于GCRA 方法。

4.2.4 系統阻塞率比較

2 種方法的數據對比結果顯示，隨著用戶數量的增多，5G 網絡系統的阻塞率呈現上升趨勢，但是本文方法下的阻塞率增幅明顯低于GCRA 方法。當用戶數量為80 時，本文算法下的系統阻塞率為0.04%，明顯低于GCRA 方法的0.87%；當用戶數量提升至140 時，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阻塞率中的效果顯著。

5 結 論

為滿足未來5G 通信技術的要求，探索基于二分圖匹配的技術優化方案具有可行性。根據本文的模擬仿真結果可知，在通過二分圖匹配后，5G 通信的鏈路均衡負載問題得到了有效解決。與傳統方案相比，該方法在提升系統吞吐量、系統頻譜效率以及降低系統阻塞率、丟包率中的效果顯著，具有常規技術無法比擬的優勢，值得進一步推廣。