C－RAN 架构中下行组播与单播业务资源分配算法

马旗超，刘占军，朱志超，于中华

（重庆邮电大学 移动通信技术重庆市市级重点实验室，重庆400065）

0 引 言

在无线接入网中，为了降低运营成本，改善系统性能，中国移动等提出了一种新型无线接入网架构C－RAN［1］。该无线接入网架构采用集中式的管理体系结构，由虚拟基站集群统一管理基带处理单元 （baseband unit，BBU）和远端射频单元 （remote radio unit，RRU）等模块，其中基带处理单元和远端射频单元由高带宽、低时延光传输网络连接。这种新型C－RAN 架构无线接入网系统具有处理能力强、传输带宽高、传播时延低以及传输调度简单方便等优点。

无线网络资源是有限的，如何通过有效的资源分配策略，在保证各种业务QoS的基础上，解决用户QoS需求与有限的无线资源之间的矛盾是一个亟待解决的问题，其目的是提高无线频谱利用率和无线系统的吞吐量。

组播业务传输［2－4］的基本原则就是要合理地解决资源匮乏矛盾，达到上述目的要求，需要合理的资源分配［5］策略来予以实现。目前，根据现有的文献调查［6］可知，资源分配策略主要分为两类：一类是基于用户公平性均等，所有的用户获得相同的速率和共享无线资源；另一类是比例公平性，依据用户自身潜在容量增益分配应得的资源，最大化系统吞吐量。

根据上述资源分配策略，在基于OFDMA 系统的基础上，各种不同目标函数和限制条件的资源分配算法和优化方案相继被提出。比如文献［7］中提到的MMF算法授予信道状况差的用户一定公平性，保证可靠的组播传输速率；PTF算法通过对用户公平性和系统吞吐量分配比例权重进行折中性考虑；STM 算法不考虑用户公平性，只追求系统容量最大化。然而，在OFDM 系统内，对组播业务无线资源分配主要是研究单个组播业务［8，9］，多重组播业务研究相对较少，而且研究都仅仅局限在单个小区内，这就造成单个组播业务和单个小区内的研究不能充分地反映组播系统的本质优势。

在C－RAN 架构无线接入网下，集中式的基带资源池对无线资源进行集中管理。现有组播系统的资源分配算法对资源的分配前提是对单播和组播业务分开考虑，在频谱资源有限的情况下，这种分配方案降低了系统频谱资源利用率，因此，在C－RAN 架构无线网络中，建立多重组播协作传输系统模型［10，11］，利用集中式管理单播业务与组播业务共享网络资源的特点，提出了一种基于单播与组播业务的联合带宽与功率分配算法，利用遗传算法求解出最优的带宽和功率分配方案，在保证单播和组播业务服务质量的同时，提高了组播用户的传输质量与平均吞吐量。

1 系统模型

在基于OFDMA 的下行组播业务传输系统中，蜂窝协作传输系统如图1所示，系统通过多个协作基站在相同频率，相同时间内传输相同的组播业务内容给特定组播用户组。组播业务的发送需分配相应的无线资源来承载，以满足组播业务的传输需求。

图1 蜂窝协作传输系统

假设基站需承载单播与组播业务且其总数N ，第i个基站的单播用户数为N1i，组播用户数为N2i，接收组播业务的用户同时也能接收单播业务。针对于组播业务，系统中总的组播业务数为G。假设第i个基站承载的第g 个组播业务表示为Ki，g，接收该组播业务的组播用户数表示为，该基站i中组播业务总数为Gi≤G，则N2i＝，且第g个组播业务的总用户数表示为假定组播业务与单播业务共享系统带宽，由基带资源池统一分配。针对于单播业务，在基站i中分配给单播用户k的带宽表示为B1i，k，所对应的发射功率P1i，k；针对组播业务，在基站i 中组播业务g 所分配的带宽为B2i，g，所对应的发射功率为P2i，g。

基站中所承载组播业务传输速率表示为

式中：n0——高斯白噪声的单边功率谱密度，hi，j——信道增益，cj——第j类组播业务的协作集合中的RRU。

在功率和带宽资源受限情况下，为避免组播资源分配影响单播业务性能，及提高系统频谱资源利用率的目的，本文对组播与单播业务采用联合分配策略，以实现总体资源最优化利用，且保证单播与组播业务QoS需求。以承载组播业务与单播业务的OFDMA 通信系统的总吞吐量为目标函数表达式如下式所示

约束条件

其中：约束条件C1限定所有单播和组播业务所需带宽之和不得大于网络的系统带宽。C2限定单播与组播业务功率之和小于等于基站的总功率。C3限定单播用户的传输速率要大于或等于最小的单播速率要求。C4限定接收信噪比最差的组播用户的传输速率要大于或等于最小的组播速率要求。C5和C6表示系统为接收同一组播业务的组播用户分配相同的带宽及发送功率值。

上述最优化模型，我们所提出的组播与单播联合带宽与功率分配算法 （unicast and multicast resource allocation algorithm，UMRA），实现单播与组播业务共享系统资源，并提高系统频谱资源利用率，使整个系统吞吐量最大，保证组播了业务与单播业务的正常QoS要求。

2 基于遗传算法求解UMRA算法

2.1 遗传算法理论

遗传算法［13］是基于生物自然进化过程与遗传机理的计算模型，通过维护一个潜在解的群体并在多方向进行随机搜索，以及支持在这些方向上的信息交互，从而找出全局最优解。其主要特点是采用全概率化的寻优方法，能自适应地调整搜索方向，不需要确定的规则。

遗传算法的基本思想：算法模拟了自然选择和遗传中发生的复制、交叉和变异等现象，从潜在的解集合中任意初始一个种群出发，通过随机选择、交叉和变异操作，产生一群更适应环境的个体，使群体进化到搜索空间中越来越好的区域，这样一代一代的不断繁衍进化，得到一群最适应环境的个体，即求出问题的最优解。

分析下文数据，发现输血后不良反应组患者的各项指标均低于无不良反应组，差异有统计学意义（P＜0.05）；两组患者输血后的血常规指标比对，差异无统计学意义（P＞0.05）。

2.2 遗传算法求解

UMRA 算法数学模型为多变量非线性的优化问题，直接求解存在难度，我们采用遗传算法辅助求解出模型全局最优解，即最佳的单播与组播用户的功率和带宽分配值。根据遗传算法的求解原理，将分配给单播用户的带宽和功率、以及组播用户的带宽和功率依次组合形成一个种群个体，模型中目标函数用来构造适应度函数，通过种群评价，选择过程，交叉过程，变异过程产生新的子代种群，然后继续对子代种群进行评价，直到算法满足终止条件为主，经迭代多次后求解出最佳的带宽和功率分配值。基于遗传算法的具体求解流程如图2所示，详细步骤如下：

（1）初始化种群：涉及设定种群规模，种群个体值初始化范围，初始种群赋值，初始适应度值，通过上述参数按照一定策略形成第一代种群P1。其中种群个体由单播业务带宽和功率、组播业务带宽和功率依次组合形成。

（2）适应度函数评价：为了评价个体适应性能，将个体代入适应度函数中，得到相应的适应度值，作为遗传算法评价种群中个体优劣的依据。适应度函数依据目标函数而定。

（3）选择过程：根据上代种群个体适应度函数值以及制定的评估策略，将个体进行优胜劣汰的操作，将部分个体从旧种群中淘汰，从而产生新的种群P2。选择过程不产生新的个体，优质个体得到复制，使种群的平均适应度得到提高，实现种群的优胜劣汰。

（4）交叉过程：交叉是将选择后的种群P2的个体作为父代随机配对，按照设定的规则，将对染色体上的基因进行互换交叉，从而进化出新的成对子代个体。所有父代随机配对交叉完成后，交叉过程结束，形成新种群P3。

（5）变异过程：根据变异概率，对上代种群个体按照该概率进行一定策略的变异操作，产生新的个体，从而形成新种群P4。

（6）终止条件判断：判断条件：判断条件：评价相邻若干代的种群平均适应度函数值为变化或者是变化小于预设门限值，表明该算法已经收敛；此时遗传算法达到最大迭代次数；运行代数达到算法停止的代数，满足其中一项算法终止。

图2 UMRA 算法求解流程

当上述遗传算法求解结束时，得到的适应度函数值为目标函数最大值，其对应的个体为上述数学模型的最优解，即最佳的单播与组播业务的带宽与功率分配值。

3 性能分析

本次数值实验的仿真场景为C－RAN 架构下的7 个RRU，每个RRU 覆盖一个小区。单播和组播用户以均匀方式随机分布在各小区。假设在这7个小区内均匀分布的单播用户数为27；组播用户总有4类不同的业务，但QoS要求相同，接收这4类组播业务的组播用户数分别设定为10，12，14，16。具体仿真参数见表1。

如图3所示，随着组播用户与归属基站间距的增加，基于多小区协作传输的组播系统内的组播用户平均SINR高于基于单小区传输的组播系统，并且越接近小区边缘，两者差异性越大。这说明本文所提的基于多小区协作的多重组播业务资源分配算法有效地提高了组播用户的信干噪比，尤其能提高小区边缘组播用户的信干噪比。这是因为组播业务CoMP传输将小区间干扰信号变有用信号，有效的利用了小区间的干扰，提高了组播用户的传输质量。

表1 仿真参数设置

图3 组播用户平均SINR

如图4所示，组播用户平均吞吐量曲线呈起伏波动，这是由于组播用户随机分布所造成。采用CoMP 传输的组播系统的组播用户平均吞吐量，相比不采用CoMP 传输的单小区组播系统，组播用户的平均吞吐量得到了显著提高。这是由于CoMP协作利用小区间干扰信号，提高了组播用户的信干噪比，使整个系统的吞吐量得到提升的缘故。

图4 组播用户平均吞吐量

4 结束语

在C－RAN 架构无线接入网络中，随着通信应用的发展，单播与组播业务并存是一个发展方向。而组播业务与单播业务在资源利用上存在不同：对于单播业务，下行过程中如果实现协作通信，则需要其它的RRU 发送相同信号以产生协作分集，这就造成其它RRU 无线资源的开销；而对于组播业务，则由于另外的RRU 也有相同的业务需要传输，则会自然的产生相同信号来自不同的RRU 的分集增益，而不会造成额外的资源开销。

针对C－RAN 架构无线接入网下行单播与组播业务在资源分配上的上述特点，构建多重组播业务的系统模型的基础上，利用最优化理论，建立了一种基于单播和组播业务联合带宽和功率分配的数学模型，并利用遗传算法求解出最优的带宽和功率分配方案。仿真分析表明，根据求解出的最优资源分配方案，在满足最小QoS要求下，由于组播用户通过CoMP传输技术，将干扰信号变成有用信号，提高了组播用户的平均SINR 值和吞吐量。

［1］China Mobile Research Institute.C－RAN－The road towards green RAN white paper version 2.5 ［S］.2011.

［2］Richard O Afolabi，Aresh Dadlani，Kiseon Kim.Multicast scheduling and resource allocation algorithms for OFDMAbased systms： A survey ［J］.IEEE Communications Surveys＆Trtorials，2013，15 （1）：240－254.

［3］Liu J，Chen W，Cao Z，et al.Dynamic power and sub－carrier allocation for OFDMA－based wireless multicast systems［C］／／IEEE International Conference on Communications，2008：2607－2611.

［4］Biagioni A，Fantacci R，Marabissi D，et al.Adaptive subcarrier allocation schemes for wireless OFDMA systems in WiMAX networks［J］.IEEE Journal on Selected Areas in Communications，2009，27 （2）：217－225.

［5］Xu W，He Z，Niu K，et al.Multicast resource allocation with min－rate requirements in OFDMA systems ［J］.Journal of China Universities of Posts and Tel，2010，17 （5）：24－51.

［6］Richard O Afolabi，Aresh Dadlani，Kiseon Kim.Multicast scheduling and resource allocation algorithms for OFDMAbased systms： A survey ［J］.IEEE Communications Surveys＆Trtorials，2013，15 （1）：240－254.

［7］Da B，Ko C C.Resource allocation in downlink MIMO－OFDMA with proportional fairness ［J］.Journal of Communications，2009，4 （1）：8－13.

［8］Silva Y，Klein A.Power allocation in multi－carrier networks with unicast and multicast services ［C］／／IEEE International Conference Glasgow，Scotland，2007：5433－5438.

［9］Won H，Cai H，Yun Y D，et al.Multicast scheduling in cellular data networks ［J］.IEEE Trans Wireless Commun，2009，8 （9）：4540－4549.

［10］Sophia A.R1－051103.channel structure for E－UTRA MBMS evaluation ［S］.Sophia Antipolis：3GPP，2013.

［11］Lee Juho，Kim Younsun，Lee Hyojin，et al.Coordinated multipoint transmission and reception in LTE－advanced systems ［J］.IEEE Communications Magazine，2012，11 （50）：44－50.

［12］LIU Zhanjun，ZHU Zhichao，ZHOU Shiyan，et al.Cooperative RRU selection algorithm for multicast service in C－RAN wireless networks［J］.Journal of Xidian University（Social Scienc Edition），2013，40（6）：205－211（in Chinese）.［刘占军，朱志超，周诗研，等.C－RAN架构无线接入网组播中协作RRU选择算法［J］.西安电子科技大学学报，2013，40（6）：205－211.］

［13］John H Holland.Adaptation in natural and artificial systems［M］.USA，MIT Press，1992.