基于公平性的打孔调度算法*

夏 杰 ， 袁春经 ，王凤丽

（1.重庆邮电大学通信与信息工程学院，重庆 400065；2.移动计算与新型终端北京市重点实验室，北京 100190）

0 引 言

第三代合作伙伴项目（3GPP）正在全力推进第五代通信技术（5G）的标准化。5G NR的雄心壮志旨在增强对多种服务的多路复用支持，如增强型移动宽带（eMBB）、低延迟通信（LLC）以及超可靠性约束[1]。URLLC是指未来需要极其可靠和低延迟无线电传输的应用，即1 ms的单向无线电延迟与99.999%的成功概率[2-3]。也就是说，如果不能在1 ms延迟期限内成功解码URLLC数据包，那么它就没有用处。因此，支持这种严格的URLLC延迟规范能够实现许多新的场景[4]，包括智能电网、触觉互联网、无线工业控制和实时车辆间通信。文献[5-7]对未来5G移动通信做了分析和拓展。文 献[8]对采用不同的TTI长度对系统的性能影响进行了分析。近来，3GPP协议[9]提出了灵活框架，TTI的长度不再是固定的，而是灵活可变的。具体地，一个子帧可以根据不同的配比设置（可分为1、2、4、8、16、32个时隙个数），其包含的时隙个数也不同。5G框架结构的敏捷设计对于满足URLLC延迟具有重要意义，用户可以根据不同持续时间的传输间隔（TTIs）进行调度。例如，eMBB流量的TTI持续时间较长，以满足其极端的频谱效率（SE）需求，而URLLC流量的TTI持续时间较短，延迟 时间较短。

然而，尽管使用不同的TTI大小进行调度可以为用户带来好处，但存在一些不可忽视的问题需要进一步研究。例如，如何有效地多路复用eMBB和LLC下行共享信道，尤其是对eMBB流量主要以长TTI进行调度的场景，以及突发的零星LLC流量的到来必须立即采用短TTI进行调度以避免超过其规定的时延门限。在基站和小区内多个请求不同业务的用户通信过程中，在EMBB数据传输时可能出现一个急需被传输的URLLC数据。如果等待EMBB数据完全传输完成再调度URLLC数据传输，可能无法满足低时延、高可靠通信的需求。文献[10]提出了预留资源的策略，但大大降低了系统的频谱资源利用率。文献[11]提出了一种用于高效传输低延迟通信（LLC）流量的打孔调度（PS）方案，在具有增强型移动宽带流量（eMBB）的下行链路共享信道上复用，但提出的打孔策略对处于信道质量较差的eMBB用户缺乏一定的公平性。为了提高系统中用户之间的公平性和边缘小区的吞吐量，本文提出一种基于公平性的打孔调度算法FPS（Fairness Punctured Scheduling）。

1 系统模型

本文采用文献[9]中概述的5G NR框架，主要关注下行性能。用户使用正交频分多址（OFDMA）在一个共享信道上实现动态复用。本文设定子载波间隔为15 kHz。如图1所示，eMBB流量按14个OFDM符号的长TTI调度，以最大化感知频谱效率（SE）。同时，由于URLLC的延迟需求，因此按2个OFDM符号的短TTI调度。频域中，最小可调度单元是PRB，每个PRB是12个15 kHz间距的子载波。用户使用以用户为中心的下行控制通道传输调度授权[12]，以被基站动态调度。这些授权信息包括通知用户使用哪些无线资源被调度、何种调制和编码方式（MCS）以及异步混合自动重复请求（HARQ）信息。提出的系统尽力承载eMBB流量的下载和零星的、不定时到达的LLC流量。后者被建模为B比特的有效载荷大小的突发，下行链路上每个LLC用户服从到达速率为λ的均匀泊松过程。因此，每个小区提供的LLC业务负载等于NBλ，其中N是每个小区的LLC用户的平均数。

图1 灵活5G系统模型和帧结构

2 打孔原理

在eMBB传输信道上进行打孔的原理，如 图2所示。基站（gNB）在下行共享无线信道上使用长TTI（1 ms）为eMBB流量用户进行调度。对于eMBB用户传输块，传输期间用于传输的共享无线信道是独占的。然而，可能发生当一个LLC用户到达时，基站正在调度另外的eMBB用户。为了避免需要等到eMBB用户传输块的传输完成，采用正在对eMBB用户传输的一部分数据进行打孔来立即调度LLC用户的数据。该解决方案的优势在于LLC用户的数据延迟被最小化，代价是牺牲了eMBB用户的性能。由于eMBB传输的一些资源已损坏，它基本上导致了一个错误下限，其中块错误概率（BLEP）与UE的SINR的性能已经饱和[13]。打孔对于eMBB用户的性能影响取决于多个因素：已经被打孔了多少资源、eMBB用户是否知道被打孔以及如何将eMBB传输块（TB）的信息比特编码、交织并映射到物理层资源[13]。eMBB传输由代码块（CB）组成。对于LTE[14]，最大CB大小等于Z=6 144 bit，且CB的数量由C表示。为了简单，CB在TB的分配资源上具有相同的大小和完全时频交织。应注意，图2中的图示在某种意义上是简单的，即eMBB传输（在该示例中）仅通过一个LLC传输，经历一个时域打孔的实例。然而，在加载的多用户蜂窝系统中，eMBB传输实际上可能经历多个LLC传 输的穿孔。

图2 下行打孔的原理

3 打孔调度（PS）算法分析和改进

3.1 打孔调度（PS）算法分析

对于eMBB用户调度的TTI大小为1 ms，且等待的eMBB HARQ重传优先于新的eMBB传输。当LLC业务到达gNB时，调度器旨在立即调度具有0.143 ms的短TTI大小（对应于2个OFDM符号）的这种业务。文献[11]中提出的打孔调度（PS）算法如下：

其中rv,p(t)是用户V在第p块PRB上的瞬时支持速率的估计，Rv(t)是过去的平均传输吞吐量，Wp是当前用户V在第p块PRB上的传输块大小（对应于MCS值）。从式（1）可以看出，对于处于信道质量差或者边缘小区的eMBB用户，其Wp值小，则大；而对于处于信道质量差的用户其Rv(t)较低，即相对应值的升高，使得其被打孔的优先级提高。因此，会出现打孔不断发生在信道质量差的eMBB用户上，造成其不断重传，引起Rv(t)值的下降而造成其优先级不断增大而再次被打孔，从而造成用户间的不公平性。

3.2 公平性改进的打孔调度算法（FPS）

本文提出一种基于公平性的打孔调度算法FPS（Fairness Punctured Scheduling）。具体地，引入调度eMBB用户的平均打孔次数和每个用户的打孔次数的比值作为加权因子，以提升信道质量差的用户的吞吐量，提高用户之间的公平性。

为了计算每个用户的打孔次数，基站侧为每个用户设置相应的计数器。Cv(t)是t时第v个用户一定时间内被打孔的次数，是N个eMBB用户的平均被打孔次数，即：

基于公平性的打孔调度（FPS）算法为：

其中Wp是当前用户v在第p块PRB上的传输块大小，Cv(t)代表过去一段时间用户v共被打孔的个数，β为可调节因子，这里将β设为数值2。随着用户v被打孔个数Cv(t)的增加，值变小，其再次被选中进行数据打孔的优先级降低。对于随着信道质量差的eMBB用户打孔次数的减少，重传次数也就相应减少，提高了其吞吐量，在一定程度上保证了用户之间的公平性。

4 仿真及分结果析

4.1 仿真配置

假设宏蜂窝多小区场景，遵循3GPP[9]中的5G NR进行广泛的动态系统级仿真。对于eMBB用户使用full buffer模型，对于LLC用户在泊松到达过程后生成30 B大小的数据包。如表1所示，总结了仿真参数设置。

表1 仿真参数设置

4.2 性能分析

为了比较FPS算法与PS算法的性能，假设小区内的eMBB用户服从均匀分布，且都静止不移动，分别研究了FPS和PS算法的吞吐量和公平性。

4.2.1 公平性比较

本文采用Jain公平算法机制对PS和改进的FSP两种打孔算法的公平性进行比较，Jain公平算法机制被表示为：

式中，xn是第n个eMBB用户的平均吞吐量，J值代表着用户之间的公平性。J值越大，代表用户间公平性越好。

如图3所示，FPS算法下eMBB用户间公平性明显大于PS算法的公平性，且其差距伴随着小区LLC用户数量的增加而扩大。PS算法由于选择信道质量差的eMBB用户进行穿孔，随着质量差的用户数据不断被打孔而导致其数据包不断重传，从而导致其在一段时间内的吞吐量极低。吞吐量的下降对应式（2）中Rv(t)的减少，也就提高了其再次被选中打孔的优先级，导致其吞吐量更低，公平性显著下降。FPS算法中由于引入了加权因子，使得信道质量差的eMBB用户在过去一段时间内随着打孔次数的增加，降低了期再次被打孔的优先级，从而提高了用户间的公平性。

图3 不同LLC用户数时PS算法和FPS 算法公平性比较

4.2.2 吞吐量比较

从图4可以看出，FPS算法下的小区总吞吐量比PS算法低约4 Mb/s。这是因为本文提出的FPS算法中引入了加权因子，使信道条件略差的用户比在PS算法下减少了对其进行数据打孔的优先级，一定程度上减少了对信道质量差的用户进行打孔而造成一直重传的情况，提升了信道质量差的eMBB用户的吞吐量。而距离小区中心较近的用户，由于其被打孔的次数较少，因此被LLC用户选中打孔的优先级得到相应提升。处于小区中心信道质量很好的eMBB用户被选中打孔，导致本来传输速率很高的用户数据被迫重传，系统整体吞吐量下降，即牺牲系统的总体吞吐量换取eMBB用户间的公平性。相对于PS算法，小区边缘用户被打孔的优先级被降低，数据包重传的次数降低，所以FPS算法下边缘用户的整体吞吐量得到提升。

图4 PS算法和FPS算法的小区吞吐量对比

5 结 语

在未来5G移动网络中，如何对低延迟通信（LLC）业务和增强型移动宽带（eMBB）业务进行调度成为研究的重点。为了更好地保证eMBB业务用户之间的公平性，提出了公平性打孔调度算法（FPS）算法，即在原有的打孔调度算法（PS）基础上引入加权因子，提高用户间公平性和边缘小区吞吐量。系统仿真结果表明，FPS较PS算法有着良好的用户公平性和边缘小区吞吐量，验证了算法的有效性。