基于马尔科夫链的自适应DRX优化机制

高 岭 陈 艳 王 海 魏泽玉

(1西北大学信息科学与技术学院, 西安 710127)(2西安工程大学计算机科学学院, 西安 710600)

基于马尔科夫链的自适应DRX优化机制

高 岭1,2陈 艳1王 海1魏泽玉1

(1西北大学信息科学与技术学院, 西安 710127)(2西安工程大学计算机科学学院, 西安 710600)

针对目前非连续接收(DRX)机制单一的周期配置难以适应4G网络环境下多业务并发的问题,提出了一种基于马尔科夫链的自适应DRX优化机制.首先,基于数据业务间的时间相关性建立马尔科夫链模型,预测后续时刻的数据业务类型;然后,根据预测结果和物理下行控制信道(PDCCH)的监听状态来综合调整DRX周期时长.仿真结果表明,相比于固定周期的DRX机制,自适应DRX优化机制能够在不增加过多时延的条件下有效降低终端能耗,同时实现了4G网络环境下不同数据业务类型的自适应DRX参数配置.

非连续接收机制;能耗优化;马尔科夫链;自适应

Abstract: Aiming at the problem that the single cycle configuration of the current discontinuous reception (DRX) mechanism is difficult to adapt to the multi-service concurrent in 4G network environment, an adaptive DRX optimization mechanism based on the Markov chain is proposed. First, the Markov chain model is established based on the time correlation between data services, and the data service types at the subsequent time are predicted. Then, the DRX cycle length is adjusted according to the prediction results and the monitoring state of the physical downlink control channel (PDCCH). The simulation results show that, compared with the fixed cycle DRX mechanism, the adaptive DRX optimization mechanism can effectively reduce the energy consumption of the terminal without increasing too much delay time, and realize the adaptive DRX parameter configuration of different data services in 4G network environment.Keywords: discontinuous reception mechanism; energy consumption optimization; Markov chain; adaptive

随着4G网络中的应用程序和业务内容越来越丰富,终端对其所搭载的电池容量需求已远远超过了目前的电池发展技术.如何降低终端在4G网络中的能耗,已经成为绿色通讯领域各位专家学者广泛关注的问题[1-2].

4G网络通过引入DRX机制来降低终端在运行过程中的能耗.当终端未监听到有数据传输请求时,DRX允许其进入休眠模式,同时间断性地监听PDCCH,而不是连续性地监听,从而避免了一些不必要的能耗开销.DRX机制充分利用了分组业务之间的时间间隔,对PDCCH进行间断性地监听,实现了在不引起较大时延的条件下降低终端能耗的目标[3-4].DRX机制已经成为4G网络中降低终端能耗、延长续航时间的关键技术,研究DRX机制对于降低终端在4G网络中的能耗具有重大意义[5].

目前,很多学者通过调整DRX机制的计时器参数来提升DRX的节能效果.文献[6]结合数据业务特性对DRX参数进行优化设置,仿真实验结果表明,对DRX参数进行合理的调节可使终端能耗节省60%左右.文献[7]引入增长因子来控制DRX机制的休眠周期时长,使其能够以可变倍数进行增长. 文献[8]通过减少DRX非活动计时器的开启次数来延长终端的睡眠时间,从而在不影响用户体验的前提下降低终端能耗.这些方法虽然对DRX的周期长度进行了调节,但参数一旦确定便不再改变,而4G网络下的应用程序和数据业务类型越来越丰富,用户需求也越来越多样化,若此时用户需要终端对多种不同的数据业务进行处理,则一套单一的DRX参数无法满足不同的数据业务要求[9-10].文献[11]对DRX工作机理进行具体剖析,提出了一种改进的DRX机制,使得DRX长周期时长成等比数列增加的趋势,实现了长周期的动态调节;文献[12]根据信道的监听状态来对DRX机制的周期长度进行调节,即提出了一种自适应的DRX机制,通过2个计时器来触发DRX机制不同状态之间的转换,并通过仿真实验验证了自适应DRX机制对于降低终端能耗的有效性.然而,这2种方法只根据信道监听状态来调节DRX时长,并未考虑不同数据业务的时延要求,因此无法满足不同数据业务的Qos需求.针对以上不足,本文充分考虑4G网络环境下不同数据业务的时延需求,提出了一种基于马尔科夫链的自适应DRX优化机制,在降低终端能耗的同时,实现不同数据业务的自适应DRX参数配置.

1 非连续接收机制

DRX机制分为2种:① 终端处于连接态下的DRX(Connected-DRX),该模式在终端与基站之间建立连接时生效;② 终端处于空闲态下的DRX(IDLE-DRX),该模式在终端与基站之间断开连接时生效.IDLE-DRX模式下基本无能量消耗,故本文对其进行了重点研究.Connected-DRX模式的工作机理见图1.由图可知,Connected-DRX模式主要包含如下3种状态:

图1 Connective-DRX模式运行机制

1) 激活态(活跃期).由激活计时器T1控制,所记录的时长为TP.在激活态,终端开启计时器T1,同时对PDCCH进行监听.若在T1溢出之前监听到PDCCH有数据传输请求,则立即进行数据传输,并重新启动T1;否则进入短DRX周期状态.

2) 短DRX周期状态(浅睡眠期).一个短DRX周期时长(TDS)包含持续开启时段(TON)和休眠时段(TOFF).DRX短循环计数器T2用于记录浅睡眠期短DRX周期的个数TN,即浅睡眠期由TN个TDS组成.当TON时段检测到有数据需要传输时,终端从浅睡眠期转入活跃期;反之,仍处于浅睡眠期,直到计数器T2溢出转入深睡眠期.

3) 长DRX周期状态(深睡眠期).长DRX 周期状态的工作原理与短DRX周期状态相似,只是深睡眠期TOFF的持续时间更长.如果在TON时段内监听到有数据需要传输,终端立即从长DRX周期状态转入激活态,同时开启计时器T1;否则,终端仍处于长DRX周期,直到DRX长循环计时器T3溢出转入IDLE状态,其中T3所记录的时长用TDL表示.

DRX机制涉及到4种定时器,各个定时器参数的有效取值如表1所示.从表中可以看出,TDS和TDL共有16种不同的取值,不同厂商对其均有不同设置.如何选取合适的TDS和TDL,成为目前4G网络环境下智能终端能耗优化的关键.

表1 DRX机制各个参数的有效取值 s

2 自适应DRX优化机制

2.1 数据业务类型分类

根据数据传输请求所具有的延时容忍度,将4G系统中的数据业务类型分为以下3类:

1) 即时型,时延时间为1 min以内.该类数据的延时容忍度最低,需要立即进行发送,例如QQ、微信等应用程序所产生的即时消息发送请求.

2) 延时型,时延时间为1～10 min.该类数据延时容忍度最高,允许延时发送,例如软件系统更新、电子邮件等.

3) 心跳型,时延时间为10 min以上.该类数据也允许延时发送,但延时容忍度介于即时型和延时型之间,一般可以在几分钟到几十分钟内推迟发送,例如微博、移动广告等.

2.2 数据业务类型预测

令E1,E2和E3分别表示即时型、心跳型和延时型数据,则马尔科夫链的状态空间为T={E1,E2,E3}.数据业务类型之间的状态转换图见图2.图中,Pij为数据业务状态由Ei转移到Ej的概率.

图2 不同数据业务类型的马尔科夫状态转换图

观察终端一段时间内的使用状态,对期间的数据业务类型进行标记,得到如表2所示的观察结果.

表2 一段时间内的数据业务类型

如表2所示,计算某一时间段内Ei(i=1,2,3)转移到E1,E2,E3的次数Mi1,Mi2,Mi3,可得Ei转移到E1,E2,E3的频率分别为

(1)

(2)

(3)

采用频率近似概率的思想,Ei转移到E1,E2,E3的概率分别为Pi1=Fi1,Pi2=Fi2,Pi3=Fi3.为了排除实验过程中的偶然性,并获得较为准确的状态转移概率,持续观察并记录状态转换情况1 h,获取不同业务类型的数据.3种数据业务类型对应的马尔科夫链状态转移矩阵为

(4)

令Pi0为3种数据类型的初始概率,则一步预测概率矩阵为

P1=Pi0A

(5)

选择P1中的最大者作为一步预测结果,以此类推可得k步预测结果.

2.3 改进的自适应DRX优化机制

自适应DRX机制[12]拥有n种周期长度,若当前DRX参数取值为其中的第k种,则称4G系统处于第k种状态,记作Sk(k=1,2,…,n),所对应的周期长度记作Ck.自适应DRX机制通过INCTimer和DECTimer两个计数器来触发Sk之间的状态转换.其中,INCTimer用于统计终端从DRX休眠期醒来连续未监听到信道有数据需要传输的次数NI,DECTimer用于统计终端从休眠期醒来连续监听到信道有数据需要传输的次数ND.设置NI和ND的阈值分别为Inc和Dec,自适应DRX机制通过判断NI和ND的阈值到达情况来决定DRX状态是否进行转换.

本文充分考虑了4G网络环境下不同的数据业务需求,将其应用于自适应DRX机制中,提出了一种基于马尔科夫链的自适应DRX优化机制.该机制首先基于马尔科夫链模型对未来的数据业务类型进行预测,然后根据预测结果和PDCCH信道监听状态来共同决定是否对DRX周期状态进行转换.具体步骤如下:

1) 若预测结果为即时型,观察Ck是否已达到最小.若未达到,则Sk转换到Sk-1,即Ck变小;否则不进行转换.

2) 若预测结果为延时型,观察Ck是否已达到最大.若未达到,则Sk转换到Sk+1,即Ck增大;否则不进行转换.

3) 若预测结果为心跳型,监听PDCCH的传输请求情况.

① 若监听到有数据传输请求,次数ND加1,同时观察ND是否达到阈值,若已达到,Sk转换到Sk-1,即Ck变小;否则,不进行转换.

② 若无数据传输请求,次数NI加1,同时观察NI是否达到阈值,若已达到,Sk转换到Sk+1,即Ck增大;否则,不进行转换.

3 实验验证及分析

3.1 性能指标

在4G系统中,使用功耗节省因子和平均等待时延2个指标来评价DRX的性能[13].

3.1.1 功耗节省因子

功耗节省因子为一次会话或业务传输中睡眠阶段的时间占整个会话或业务总时间的百分数.功耗节省因子表征了DRX降低终端能耗、延长续航时间的能力.在4G网络中,终端的功耗节省因子P=PS+PL,其中PS为浅睡眠期的TOFF时段占一次会话总时间的百分数,PL为深睡眠期的TOFF时段占一次会话总时间的百分数.P值越大,表明睡眠时间越多,功耗越小,终端的续航能力越强.

(6)

对于每一个短DRX周期,其有效睡眠时间为TDS-TON.由此对式(6)进行修正,得到浅睡眠期有效的睡眠时间为

(7)

在深睡眠期,若新的数据包在计时器T3溢出之后到达,则终端在深睡眠状态经历了一个完整的长DRX周期,此时有效睡眠期为E1(t3)=TDL-TON;若新的数据包在计时器T3溢出之前到达,则说明终端在清醒时段监听到有数据需要传输后立即转入激活态,并未进入睡眠期,因此有效睡眠时间为0.假设数据包在计时器T3溢出之后到达的概率为Q3,则深睡眠期的有效睡眠时间为

E(t3)=Q3E1(t3)=Q3(TDL-TON)

(8)

由此可知

(9)

(10)

综上可得

(11)

3.1.2 平均等待时延

平均等待时延(D)用于表征数据包被推迟发送的状态.若数据包在活跃期到达,则不会被推迟发送,即等待时延为0;若数据包在浅睡眠期到达,则时延为DRX短周期的一半;若数据包在深睡眠期到达,则时延为DRX长周期的一半.由此可知,平均等待时延为

(12)

3.2 性能分析

在Matlab环境下进行仿真实验,以验证所提算法的有效性.实验中使用Galaxy S5作为智能终端,利用Fiddler抓包工具抓取该智能终端在1 h内的数据包传输情况.根据抓取到的数据包传输请求时间和发送时间,得到数据包的时延长度;然后,根据时延长度对抓取到的数据包类型进行标记,并采用马尔科夫链模型来预测未来的数据业务类型.

对于本文提出的自适应DRX优化机制,长、短DRX周期会根据马尔科夫链预测的数据包类型和PDCCH监听状态进行相应调整.为评估该自适应DRX优化机制的性能,将其与固定长度的DRX机制进行对比.设计仿真实验如下:

1) 为了观察不同的TDL长度对2种机制性能的影响,设置阈值Dec=8,Inc=4,同时设置TP=300 ms,TN=12,TDL=64 ms,TDS=16,32 ms,实验结果见图3(a)和(b).

2) 为了观察不同的TDS长度对2种机制性能的影响,设置阈值Dec=8,Inc=4,同时设置TP=300 ms,TN=12,TDS=16 ms,TDL=64,128 ms.实验结果见图3(c)和(d).

3) 为了考察不同Inc的值对性能的影响,设置TP=300 ms,TN=12,TDS=256 ms,TDL=640 ms,得到P与D随Inc值的变化趋势,结果见图4.

4) 为了考察不同Dec值对性能的影响,设置TP=300 ms,TN=12,自适应的DRX机制TDS=256 ms,TDL=640 ms,得到P与D随Dec值的变化趋势,结果见图5.

从图3(a)和(b)可以看出,TDS=16,32 ms时,自适应DRX机制的功耗节省因子均高于固定周期的DRX机制.同样,从图3(c)和(d)可以看出,TDL=64,128 ms时,自适应DRX机制的功耗节省因子高于固定周期的DRX机制,而代价仅仅是增加了不到100 ms的时延.因此,本文提出的自适应DRX机制能够在一定程度上提升智能终端的能源效率.

由图4可知,在Dec值不变的条件下,Inc值越大,P值越小,D值也越小;这是因为Inc为使DRX周期增大的阈值,Inc值的增大意味着DRX周期由小变大的难度增大,相应功耗也增大,时延减少.由图5可知,在Inc不变的条件下,Dec值越大,P值越大,D值越大;这是因为Dec为使DRX周期减小的阈值,Dec值的增大意味着自适应DRX周期由大变小的概率增加,相应功耗减小,时延增大.由此可知,Inc与Dec的不同取值影响着自适应DRX优化机制的性能,Inc值越大,功耗越大,时延越小;Dec值越大,功耗越小,时延越大.

为了考察自适应DRX优化机制能否根据不同的数据业务类型对周期值进行调整,本文统计了30次实验中16个DRX周期出现的次数,得到各DRX周期的出现概率如图6所示.从图中可以看出,自适应DRX优化机制能够使周期值呈现出不同的分布,即不再是固定的单一配置,而是能够根据不同的数据业务类型做出不同程度的调整,具有良好的自适应性.处于中间长度的DRX周期出现概率较大,因此选取中间长度的DRX周期能够在不增加过多用户等待时延的前提下降低系统功耗.

(a) P随长DRX周期的变化趋势

(b) D随长DRX周期的变化趋势

(c) P随短DRX周期的变化趋势

(d) D随短DRX周期的变化趋势

(a) P随Inc值的变化趋势

(b) D随Inc值的变化趋势

(a) P随Dec值的变化趋势

(b) D随Dec值的变化趋势

图6 不同DRX周期的出现概率统计图

4 结论

1) 本文针对4G网络环境下DRX机制单一固定的周期配置无法满足多业务并发的现状,提出了一种基于马尔科夫链的自适应DRX优化机制.该机制首先根据数据业务间的时间相关性建立马尔科夫链模型,以此预测未来时刻的数据业务状态.然后,根据预测值和PDCCH监听状态来动态调整DRX周期,在降低系统功耗的同时实现了对不同数据业务的自适应DRX参数配置.

2) 对比实验结果表明,与自适应DRX机制相比,该机制能够在不增加过多时延的条件下有效降低终端能耗,同时能够为不同的数据业务类型配置个性化的DRX参数.

3) 在不同的DRX周期分布中,处于中间长度的DRX周期出现概率较大.因此,选取中间长度的DRX周期能够使得智能终端的能耗优化效果更好.

References)

[1] Jha S C, Koç A T, Vannithamby R. Optimization of discontinuous reception (DRX) for mobile internet applications over LTE[C]//IEEEVehicularTechnologyConference. Yokohama, Japan, 2012:1-5.

[2] 王志衡, 霍占强, 金顺福. LTE中DRX节能策略的系统建模及性能优化[J]. 吉林大学学报(工学版), 2015, 45(5):1615-1623. Wang Zhiheng, Huo Zhanqiang, Jin Shunfu. System modeling and performance optimization of DRX energy saving strategy in LTE [J].JournalofJilinUniversity(EngineeringandTechnologyEdition), 2015,45(5): 1615-1623.(in Chinese)

[3] Bontu C, Illidge E. DRX mechanism for power saving in LTE[J].IEEECommunicationsMagazine, 2009,47(6): 48-55. DOI:10.1109/mcom.2009.5116800.

[4] Yu X, Song Y. Analysis and optimization design of DRX mechanism for power saving in LTE[J].AppliedMechanicsandMaterials, 2014,556: 2076-2080. DOI:10.4028/www.scientific.net/amm.556-562.2076.

[5] Mihov Y Y, Kassev K M, Tsankov B P. Analysis and performance evaluation of the DRX mechanism for power saving in LTE[C]//2010IEEE26thConventionofElectricalandElectronicsEngineersinIsrael. Eliat, Israel, 2010: 520-524. DOI:10.1109/eeei.2010.5662164.

[6] Zhang Y, Jin S F, Yue W Y. An enhanced energy saving strategy for an active DRX in LTE wireless networks[J].InternationalJournalofInnovativeComputingInformation&Control, 2013,9(11):4373-4387.

[7] 刘涛, 李方伟. 基于自适应控制休眠周期的LTE DRX机制研究[J]. 数字通信, 2012, 39(6): 33-37. DOI:10.3969/j.issn.1001-3824.2012.06.009. Liu Tao, Li Fangwei. LTE DRX mechanism based on adaptive control of dormancy period[J].DigitalCommunication, 2012,39(6): 33-37. DOI:10.3969/j.issn.1001-3824.2012.06.009.(in Chinese)

[8] 田建军, 邱玲. LTE系统中一种利用DRX降低UE功耗的视频流调度方法[J]. 中国科学院研究生院学报, 2012, 29(4): 518-523. Tian Jianjun, Qiu Ling. UE power saving scheduling method using DRX for video streaming in LTE[J].JournaloftheGraduateSchooloftheChineseAcademyofSciences, 2012,29(4): 518-523.(in Chinese)

[9] Ergul O, Yilmaz O, Koc A T, et al. DRX and QoS-aware energy-efficient uplink scheduling for long term evolution[C]//2013IEEEGlobalCommunicationsConference(GLOBECOM). Atlanta, GA, USA, 2013:4644-4649. DOI:10.1109/glocomw.2013.6855684.

[10] Fowler S, Bhamber R S, Mellouk A. Analysis of adjustable and fixed DRX mechanism for power saving in LTE/LTE-Advanced[C]//2012IEEEInternationalConferenceonCommunications. Ottawa, ON, Canada, 2012:1964-1969. DOI:10.1109/icc.2012.6363708.

[11] 余翔, 宋瑶. LTE系统中DRX机制的分析与优化设计[J]. 重庆邮电大学学报(自然科学版), 2014, 26(3): 299-304. DOI:10.3979/j.issn.1673-825X.2014.03.003. Yu Xiang, Song Yao. Analysis and optimization design of DRX mechanism in LTE systems[J].JournalofChongqingUniversityofPostsandTelecommunications(NaturalScienceEdition), 2014,26(3): 299-304. DOI:10.3979/j.issn.1673-825X.2014.03.003.(in Chinese)[12] 吴炯. LTE-A系统自适应非连续接收技术研究[D]. 北京:北京邮电大学信息与通信工程学院, 2014.

[13] Lee T H, Tsai C J, Wu T H. Quality of service support under DRX mechanism in LTE advanced wireless networks[C]//2013IEEE77thVehicularTechnologyConference. Dresden, Germany, 2013:1-5. DOI:10.1109/vtcspring.2013.6692726.

AdaptiveDRXoptimizationmechanismbasedonMarkovchain

Gao Ling1,2Chen Yan1Wang Hai1Wei Zeyu1

(1School of Information and Technology, Northwest University, Xi’an 710127, China) (2College of Computer Science, Xi’an Polytechnic University, Xi’an 710600, China)

TP302.7

A

1001-0505(2017)05-0873-06

2016-12-13.

高岭(1964—)，男，博士，教授，博士生导师，gl@nwu.edu.cn.

国家自然科学基金资助项目(61373176，61572401,61672426)、陕西省工业科技攻关资助项目(2014K05-42).

高岭，陈艳，王海，等.基于马尔科夫链的自适应DRX优化机制[J].东南大学学报(自然科学版),2017,47(5):873-878.

10.3969/j.issn.1001-0505.2017.05.006.

10.3969/j.issn.1001-0505.2017.05.006