一种基于移动量的PCU规划算法研究

宋燕辉

（湖南邮电职业技术学院，湖南长沙410015）

一种基于移动量的PCU规划算法研究

宋燕辉

（湖南邮电职业技术学院，湖南长沙410015）

PCU是控制EGPRS无线资源分配、数据块分割和合并的单元。基于在平衡各PCU之间的容量负荷的同时，尽可能的把相邻的小区都划归在同一个PCU下面的原则，通过对EGPRS网络中的PCU规划手段的分析，提出了基于地理位置的PCU规划手段和基于移动量的PCU规划手段，并设计了基于移动量的PCU规划算法的数学模型，分析了基于移动量的PCU规划算法现网测试效果，论证了基于移动量的PCU规划算法的实用性。

EGPRS；移动量；PCU；算法

PCU（Paket Control Unit分组控制单元）是控制EGPRS无线资源分配、数据块分割和合并的单元。它的负荷情况和所控制的小区分布将直接影响到终端用户的时隙资源占用、EGPRS编码方式、数据业务的移动性性能。

当数据业务用户在进行业务的时候，SGSN将把数据先下发至PCU下，PCU保存着用户的缓存数据，然后PCU再把数据分段后通过空口下发至用户的手机里。此时如果用户在进行业务的过程中从一个小区重选至另一个小区时，而这两个涉及的小区分别归属于不同PCU的话，则SGSN必须把之前已经下发过给旧PCU的缓存数据再重新的下发去新的PCU里，然后才开始接着传输数据给用户，如果频繁的发生这种跨PCU的小区重选，用户对速率的感知将大受影响。而如果两个涉及小区重选的小区都是属于同一个PCU的话，则SGSN无须重新下发原有的缓存数据，小区重选完毕后数据传输能够立刻接着进行。这种重选将最大程度的减少对用户速率的影响。

目前中国移动网络除了个别BSC之外，基本上已经全部是大PCU（PCU2_E），这类PCU的特点就是容量大，也就是单个PCU可以容纳更多的小区，因此，有必要通过系统的算法高效的进行合理的规划和优化调整。

1　EGPRS网络中的PCU规划手段

规划PCU的时候，我们需要遵循以下这个最根本的原则：在平衡各PCU之间的容量负荷的同时，尽可能的把相邻的小区都划归在同一个PCU下面，这样就能最大限度的减少用户的跨PCU小区重选的次数，减少对用户感知速率的影响。

1.1基于地理位置的PCU规划手段

基于地理位置的PCU规划手段是传统PCU规划方法。PCU单元都有容量上的限制，其中最主要的受限部分是PCU底下所带小区的总空口时隙与EDAP时隙大小，我们称为配置负荷。通常情况下，我们需要把PCU底下所带小区的总空口与EDAP时隙控制在最大配置负荷的70%以下，以保留剩余的30%用于空口上的PS域升级。如果PCU上的配置负荷过高将导致小区在空口容量足够的情况下也无法进行PS域升级，并且PCU内部的dsp负荷也会过高导致编码比例的下降。

传统的PCU规划方法是通过Mapinfo地图信息手动的进行分配，通过人工把相邻的小区尽量的划在一起，然后再进行负荷容量计算。另外如果有路测数据的话也可以通过路测工具对小区重选链进行导出后，再结合Mapinfo地图信息对小区进行PCU的划分。

1.2基于移动量的PCU规划手段

另外一种新型的PCU规划方法是基于移动量的PCU规划手段。目前的统计数据是无法直接统计得出数据业务用户是往哪个小区进行重选的，但是语音的切换统计却能让我们获知用户都是怎么移动的。语音用户有很大部分同时也会是数据用户，那么两个小区间如果出现高次数的语音切换，就可以判断这两个小区间也会有大量的数据用户在传输数据时进行了小区重选。通过语音的切换统计，把BSC内彼此有着高切换关系的小区都划归在一起，就能最大程度的减少跨PCU的小区重选。

在这个算法里面，实际上我们无需关心各小区间的具体地理位置，我们只需关心小区间的相邻移动量系数，也就是小区间的语音切换请求次数，只要这个系数越高，就表示这些小区之间的重选将会越频繁。由于需要把BSC划为一个个集中的小区域，我们可以通过设立矩阵来计算移动量，以保证在一个矩阵里的每一个小区都相互有着最大的关联。通过计算移动量，也能对方案的好坏进行量化。

1.3基于移动量的PCU规划算法的数学模型

如果一个BSC底下共有z个PCU以及k个小区，这k个小区的忙时PS域大小总数为A，EDAP总时隙数（64kbit/s）为B；单个小区的PS域大小为a，EDAP时隙（64kbit/s）为b。因此，

各PCU的目标负荷值S=（A+（B*4））/z。

假设一个PCU下被划分了n个小区，在这n个小区之间，我们可以得出一个n xn的移动量系数矩阵，这n个小区需满足这个约束条件：PCU下所有小区的总负荷不能超过上面计算出的S目标负荷。

设单个PCU的移动量系数矩阵如下（PCU下带了n个小区），矩阵里横小区排列与竖小区排列是一致的，把矩阵里的所有数值求和后除以（n2-n）可以求得矩阵的均值，此值设为P，这个的值越大，表示该PCU下的小区间之相邻关系越紧密。H为小区间的切换统计次数（移动量），例：H12为Cell 1至Cell 2的切换请求次数。如图1所示。

图1　单个PCU移动量系数P矩阵图

寻找单个PCU下的P最大值只是局部最优解，因为一个BSC下的小区在各个PCU里面的排列将会有相互的影响，因此，如果我们的目标是要求得全局最优解，那就需求得一个BSC底下每一个PCU的这个值之和的最大，即：

最大移动量算法如下：

1）根据整个BSC的整体小区空口与EDAP配置计算各PCU的目标负荷值（后续演进算法可以把空口的配置算法以PS域大小统计来替代）。

2）BSC里随机选择一个初始A小区放入矩阵。

3）从A小区寻找最大移动量的邻小区B，此时矩阵变为2x2。

4）搜寻C小区，此时矩阵变为3x3，A-B，B-A，A-C，C-A，B-C，C-B之间的移动量求和后平均需要是最大的（我们可以从当前小区B小区的邻区来搜寻C小区，以减少计算的时间，C小区也可以不为B小区的邻区，而是BSC里所有的小区，这样的搜寻将会产生更好的结果，尤其是在矩阵越来越大时就会更明显，但计算时间却会长很多）。

5）以此类推搜寻，矩阵将不断的变大，直到矩阵里小区所消耗的总PCU配置负荷达到目标PCU负荷为止。

6）清空矩阵并对下一个PCU下的小区开始搜寻，重新回到步骤2。

7）直到所有的PCU都分配完毕，对整个方案里每个PCU对应的P均值求和。

8）当前方案与前一个方案的P均值进行对比，取P均值最大的为当前最优方案，开始新一轮的循环。

9）当循环的次数达到事先定义好的最大迭代次数N时或者P均值已多次循环后不再有变化，整个程序终止。

这个算法最主要的部分就是设立了矩阵来计算移动量，如果只对小区的邻区进行排序，比如从A小区选最大移动量的B小区，从B小区选最大移动量的C小区，这样的话就就会导致算出的方案变成长蛇阵，最开头的小区与最后面的小区将毫无关系，因此我们需要以矩阵的形式进行计算，以保证在每个矩阵里，所有的小区都是相互有着最大的关联。

设立矩阵并计算矩阵P均值的目的是对各方案的好坏进行量化，因为每次随机的选择初始小区都将会获得不同的方案（取决于切换数据与各小区的配置大小），通过比较不同方案间的矩阵P均值，我们能够从中选取最优的方案。

每一轮计算得出的方案都只是局部的最优方案，但是，随着循环计算的次数越多，方案将变得越来越好，最终达到一个全局最优的方案。

1.4两种PCU规划方法对比分析

两种PCU规划方法对比分析如表1所示。基于此分析，因此适合采用基于移动量的PCU规划手段。

表1　两种PCU规划方法对比分析表

2　基于移动量的PCU规划算法现网测试效果

利用基于移动量的PCU规划算法，在现网BSC中进行了实验应用，分别进行了CQT和DT的测试。

2.1CQT测试

CQT测试结果见表2。

表2　CQT测试结果

在现网两个跨PCU的小区进行了重选时的FTP下载测试，然后通过PCU规划新算法将其划入同一个PCU，再次进行小区间重选时的FTP下载测试，FTP下载速率由16.32KBps提升至17.59KBps，提升了8%。

2.2DT测试

在现网选择了一个BSC R0921的范围进行了PCU重新规划，规划方案见下图，其中相同灰度的小区归属同一PCU。规划前后PCU归属测试结果如图2所示，规划前后DT速率测试结果如图3所示。

图2　规划前后PCU归属图

图3　规划前后DT速率图

在BSC R0921的范围进行了DT对比测试，在PCU规划前测试DT速率为10.68KBps，应用新算法重新规划PCU后，DT速率为11.12KBps，提升了4%。

3　结论

基于移动量的PCU规划算法比较成熟，已在某省移动公司现网投入实验实践，通过重新规划小区的PCU归属，CQT测试速率提升8%，DT测试数据提升了4%，提升了数据业务用户感知，下一步将进一步优化算法并逐步在全网BSC推广应用，基于移动量的PCU规划算法适用于所有厂家设备系统。

［1］M.Necker.Interference coordination in cellular OFDMA networks［J］.IEEE Network，2008，22（6）：12-19.

［2］黑永强，李晓辉，肖竹.上行多用户MIMO系统用户干扰抵消检测方案［J］.华中科技大学学报（自然科学版），2009（9）：12-15.

［3］Yue，W.，Xiaodai，D.Comparison ofFrequencyOffset and TimingOffset Effects on the Performance ofSC-FDE and OFDMOver UWBChannels［J］.Vehicular Technology，IEEE Transactions on，2009，58（1）：242-250.

［4］Yoshida，S.，Ohtsuki，T.Effect ofImperfect Channel Estimation on the Performance ofUWB-IR with Frequency-Domain Equalization（FDE）and Cyclic Prefix（CP）Reconstruction.in：Communications，Computers and Signal Processing，2007.PacRim2007［C］.IEEE Pacific Rim Conference on，2007.342-345.

［5］王海莺.朔州CDMA网络优化方案设计及工程实践［D］.北京：北京邮电大学，2010.

［6］林勇.GSM网Abis接口IP化改造分析［J］.电信快报，2011（11）.

［7］关摇捷，等.基于GRNN的GSM鄄R场强覆盖预测算法［J］.铁道标准设计，2014（2）.

Research on a PCU programming algorithm based on mobile amount

SONGYan-hui
（Hunan Post and Telecommunication College，Changsha，Hunan，China 410015）

PCU is a unit ofcontrollingthe allocation ofEGPRS wireless resources and dividing and merging ofdata blocks.With the balance of the capacity load of the PCUs，the adjacent areas are classified under the same PCU as possible as it can.By analyzing the PCU planning measures in EGPRS network，the location-based and mobile-amount-based PCU planning measures are put forward. And the mathematical model of PCU planning algorithm based on mobile amount is designed.The paper also analyzes the test effectiveness ofthe existingnetwork and proves its practicality.

EGPRS；mobile amount；PCU；algorithm

10.3969/j.issn.2095-7661.2015.02.001】

TN929.5

A

2095-7661（2015）02-0001-04

2015-05-20

宋燕辉（1978-），女，湖南浏阳人，湖南邮电职业技术学院科研与信息化处长，副教授，硕士，研究方向：移动通信与高职教育。