基于临界触发的LTE负载均衡算法

1 引言

LTE[1]通过采用OFDM、SC-FDMA、MIMO等多种关键技术[2]可以显著降低用户平面和控制平面的时延，实现比目前2G/3G系统更快的数据速率、提供更高的小区吞吐量。因此，作为立体网络的重要组成部分，LTE势必将承担大量的数据业务。但是在蜂窝移动通信中，用户的到达率、传输业务类型都是随机变化的，即不均衡的，这就导致了在热点小区的业务请求远远高于一个可接受的水平，而另一些小区则仍然具备可用资源来服务更多的用户。这种采取负载转移的方式把热点小区中过多的业务转移到业务量较轻的小区中被称为LB（Load Balancing，负载均衡）。

负载均衡能够解决热点小区的拥塞问题，提高系统的资源利用率，为更多的用户提供保证QoS（Quality of Sevice，服务质量）的服务。因此，在数据为王的今天，关于LTE的负载均衡研究已经掀起一股高潮。文献[3]通过分析热点小区的过载用户，通过定位接收功率大的邻区并加以转移，来达到降低小区负载的目标。这种方法比较简单，但欠缺对优化后的小区在接收新的用户后仍然存在负载升高的可能性分析。文献[4]提出了一种负载分级的思想，采用3个离散值将小区负载状态分为了4个等级，进而提出一种分布式负载均衡算法。该算法通过监测本小区超载，从而触发小区间的负载信息交互，这样势必会增加网络时延。文献[5]也给出了一种比较常见的LTE负载均衡算法，但侧重于分析与负载均衡相关的数据模型及相关参数。

为此，本文提出一种新的基于临界触发（Critical Trigger）的LTE负载均衡算法CTLB（Critical Trigger Load Balancing for LTE），通过设定临界触发点，将目标小区的负载进行针对性分析，与周边的邻区进行负载转移，进而达到调整负载的目标。

2 算法模型

触发临界点的思想源于：当小区的负载不小于1时，直接触发转移；而当小区的负载小于1时，由于小区覆盖范围内用户的分布不均匀而导致边缘用户的QoS得不到保证，边缘速率低下而触发负载转移。

首先提出CTLB算法的相关模型。

2.1 触发点

对于因小区过载导致的负载转移，设定触发点K1，满足：

K1=1 （1）

对于小区i因用户分布不均匀而导致的负载转移，设定触发点K2，i，满足：

（2）

其中，Φi为小区i的负载；σi为小区i的边缘用户与中心用户数量比。

式（2）的意义表示转移触发的容易程度与小区负载及用户分布成反比，即小区负载越大、用户分布在边缘，就越容易触发负载均衡。

2.2 用户信噪比

对于LTE小区c内每个用户ui的信噪比SINR，定义如下：

（3）

其中，Px为小区x的发射功率；为用户ui到小区x的路径损耗；N为热噪声。

2.3 资源块能力

根据香农定理：

C=B*log2（1+SINR） （4）

由文献[6]可知，每个用户ui申请的业务速率可由下式计算：

（5）

其中，表示用户ui占用的物理资源块数量；BW表示每个物理资源块的占用带宽，即180kHz。

假设服务用户ui的每个物理资源块能力是一样的，则资源块能力计算如下：

（6）

2.4 LTE小区负载Φc

对于小区c，其负载Φc定义如下：

（7）

其中，PRBTot，c为小区c内总的物理资源块；为用户ui申请的业务速率；为服务于用户ui的每个资源块可以提供的速率。

因此，根据式（6）可进一步演算：

（8）

由此可计算出，当小区c发生负载转移时（包括移入和移出），其负载变化量如下：

（9）

此式表明只要核算出转移的用户占有物理资源块数量，即可推算出小区的负载变化量。当不同小区的物理资源块数量相同时，此式也适用于不同小区之间的负载变化量计算。

2.5 均衡因子β

定义小区负载均衡因子β如下：

β （10）

其中，N为待核算的LTE基站数量。当β接近于1时，各基站的负载均衡；当β接近1/N时，各基站的小区负载严重不均衡。

3 CTLB算法

为了简述方便，假设均衡区域共有N个LTE基站。

步骤1：首先选择具备最大负载的基站eNBi，假设eNBi共有k个邻区，即{eNBm，eNBm+1，…，eNBm+k-1}，找到其中具备最小负载的基站eNBj（j≠i）。

步骤2：触发点核算。

若Φi>K1，则在eNBi和eNBj间进行负载转移，计算转移量如下：

（11）

其中，abs（·）表示绝对值函数。

否则，计算{eNBm，eNBm+1，…，eNBm+k-1}的平均负载为：

（12）

根据式（2）计算，可得：

（13）

（14）

如果K2，i≤K2，k，不进行任何负载转移，否则计算转移量：

（15）

步骤3：假设eNBi和eNBj重叠覆盖区域内的所有用户为Uij={uij，1，uij，2，…，uij，h}，根据式（9）计算将其全部转往eNBj所产生的负载变化量：

（16）

计算实际真正产生的转移负载变化量：

（17）

根据式（9）计算：

（18）endprint

其中，ceil为天花板函数。

步骤4：从eNBi中转移满足式（18）指定物理资源块数量的用户至目标基站eNBj中，并根据式（7）更新所有小区的负载。

步骤5：根据式（10）计算均衡因子β，并计算以下条件是否满足：

ε （19）

其中，β0表示可接受的均衡状态；ε表示收敛目标值。

如是，则CTLB算法结束；否则，重复步骤1直到条件满足为止。

4 仿真

4.1 仿真环境

本文采用MATLAB进行仿真，共设有19个eNB，每个基站3扇区，基站间距500m，传播环境采用COST231-Hata模型，阴影衰落方差为9dB，热噪声密度为-174dBm/Hz，带宽为20MHz。

在基站覆盖区域内随机地撒下用户，使得eNB小区负载存在不均衡，假设所有用户的请求速率为512kbps。

4.2 仿真结果与分析

（1）均衡收敛

在CTLB算法的协作下，各小区负载向一致性收敛。设定β0=0.999，ε=0.01%，给出算法的收敛仿真结果如图1所示。

算法经历15次迭代，很快达到预期的收敛结果，各小区负载达到均衡。

（2）过载用户

过载用户的计算方法参考文献[3]，即：

（20）

其中，Mc表示小区c中的所有用户数。

过载用户的仿真结果如图2所示：

图2 过载用户仿真

在本次仿真中，存在负载大于1的过载小区，并且最大负载与最小负载存在很大差异，因此经过步骤2后直接进行大量负载的转移，导致过载用户迅速削减为0。最大负载与最小负载小区的转移过程分别如图3和图4所示：

图3 最大负载小区均衡过程

图4 最小负载小区均衡过程

（3）小区吞吐量

由于小区吞吐量与上下行时隙比例相关，本仿真中以贴合实际组网的2：2为例[7]进行说明，挑选负载最大与最小的2个极端小区吞吐量，给出CTLB在收敛均衡过程中对小区上/下行吞吐量的影响，分别如图5和图6所示。

随着迭代过程的进行，负载大的小区吞吐量逐渐减小，负载小的小区吞吐量则逐渐增加。在小区负载稳定过程中，由于仿真假设每用户申请的速率是一致的，其SINR也保持不变，小区吞吐量出现临时性的持平。

5 结束语

LTE的小区负载均衡能够解决热点小区的拥塞问题，提高系统的资源利用率，尽可能地保持业务的服务质量。本文通过提出基于临界触发的小区间负载转移的方法，来达到负载均衡的目的。LTE需要考虑多种移动通信系统之间的用户切换和互操作，但限于篇幅及复杂性，本文仅限于讨论LTE系统内部的小区均衡，系统间的负载均衡有待进一步补充。

参考文献：

[1] 3GPP TS 26.211. 3rd Generation Partnership Project； Technical Specification Group Radio Access Network； Evolved Universal Terrestrial Radio Access （E-UTRA）； Physical Channels and Modulation[S]. 2008.

[2] 肖清华. TD-LTE系统能力分析[J]. 移动通信， 2011（22）： 58-64.

[3] 王志国. 基于Matlab的LTE下行链路负载均衡仿真[EB/OL]. （2011-05-10）. http：//www.docin.com/p-200467289.html.

[4] Weihao Lv， Wenjing Li. Distributed Mobility Load Balancing with RRM in LTE[J]. IEEE， 2010： 457-461.

[5] Raymond Kwan， Rob Amott， et al. On Mobility Load Balancing for LTE Systems[J]. IEEE， 2010： 1-5.

[6] E Telatar. Capacity of Multi-Antenna Gaussian Channels[J]. European Transactions on Telecommunications， 1999： 585-595.

[7] 肖清华，朱东照，等. 基于AHP和业务需求的TD-LTE时隙配比法TCAS分析[A]. 第九届中国通信学会学术年会论文集[C]. 2012： 22-25.endprint