多频lte网络中业务驾驶算法的研究

《多频lte网络中业务驾驶算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果．据我所知，除了文中特别加以标滂和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安徽大学或其他教育机构的学位或证书而使用过的材料．与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意．学位论文作者签名：孝燕弈签字日期：7,o形年岁月z占日学位论文版权使用授权书本学位论文作者完全了解安徽大学有关保留，使用学位论文的规定。有权保留并向冒家有关部门或机构送交论文的复印件和磁盘，允许论文被查阕和借阅．本人授权安徽大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印·缩印或扫描等复制手段保存、汇编学位论文·(保密的学位论文在解密后适用本授权书)学位论文作粼：查&彝删名：钡掰签字日期：?Ⅳ年歹月22日签字日期：刀节年歹月矽日 摘要摘要目前，在同一覆盖范围下，多制式和多频段共存的情况将长期存在，不同业务的用户在接入网络时很可能选择非最优网络，造成资源浪费。为了有效利用所有可获得的资源来承载所有用户的业务，本文研究了业务驾驶算法。本文首先简单介绍了网络优化的重要性和常见的一些优化方法，从而引出一种新的优化方法一业务驾驶，研究了其国内外现状。然后概述了LTE的系统架构和演进目标，并对LTE网络优化中的问题和部分解决方法进行了阐述。最后研究了当前业务驾驶算法的产生背景、实现方式、基本准则、四种原始业务驾驶算法，并介绍了原始算法中基于负载和覆盖的仿真研究。本文认为目前的TS算法考虑的因素十分有限、方法也并不灵活，因此提出将层次分析法与业务驾驶算法相结合。在概述了多目标决策的发展、研究方向后，按照目标个数是否有限，分类介绍了各种多目标决策方法。然后重点研究了层次分析法，了解了它的优势和劣势，并研究了层次分析法的经典实现步骤，在业务驾驶过程中，使用层次分析法计算各网络当前的综合性能情况，为用户选择最优接入网络。在研究了LTE系统、TS算法、层次分析法的基础上，通过Matlab搭建了多频LTE平台进行仿真验证。给出了仿真建模、吞吐量和切换统计模型、LTE平台和TS算法的仿真流程图。从总系统的最大容量、总平均用户速率、总BE业务的三率(接通率、掉话率、切换成功率)几个方面对仿真结果进行了分析。在牺牲少量KPI的情况下系统容量、用户速率均有所提升，新的TS算法是确实可行的。关键字：LTE；业务驾驶；多目标决策；层次分析法 AbstractAtpresentthesituationthatmulti-·RATsandmulti--bandscoexistenceinthesamecoveragewillexistforalongtime，andtheuserislikelytochoosethenon—optimalaccessnetwork，resultinginawasteofresources．Inordertomakeanefficientuseofallavailableresourcestocarrythecompleteofferedusertva_伍c，thisthesisstudiestheTrafficSteeringalgorithm．Thisthesisfirstbrieflyintroducestheimportanceofnetworkoptimization，whichleadstoanewoptimizationapproach—TrafficSteering，andintroduceditscurrentresearchathomeandabroad．ThenintroducethebackgroundoftheLTEsystem，andtostudyproblemsofthecurrentLTEnetworkoptimizationandsomesolutions．ThenstudythebackgroundofTrafficSteeringalgorithms，implementations，thebasiccriteria,fouroriginalTrafficSteeringalgorithms，andintroducesthesimulationandstudiesofoneTrafficSteeringalgorithmwhichisbasedonloadandcoverage．ThisthesisarguesthatthefactorsconsideredinthecurrentTSalgorithmisverylimitedandthemethodisalsonotflexible，thereforeproposetocombinetheAnalyticHierarchyProcessalgorithmwithTSalgorithm．Afterasimpleunderstandingofthedevelopmentandresearchofmulti—objectivedecision，wesortandintroducekindsofmethodsinaccordancewiththetargets’numberislimitedornotclassification．Then，wefocusonAnalyticHierarchyProcess(A唧)，learnitsstrengthsandweaknesses，andthenstudythespecificstepsofAHPindetail，intrafficsteeringusingA肿tocalculatethecurrentcomprehensiveperformanceofthenetworks，tochoosethebestaccessnetworkforpartuserswhohavepoorperformance．Inthisthesis，afterstudyingtheLTEsystem，basicTSalgorithmandAHP,webuildamulti—bandsLTEplatformwiththeMatlabsimulation．Wegivethesimulationmodeling，statisticalmodelsandsimulationprocesses,andthenanalyzefromthemaximumcapacityoftheoverallsystem，thetotalaverageofuserrateandthethreetotalsuccessrateofBEtraffic(accesssuccessrate，droprate，handoverSuccessrate) toverifythenewTSalgorithm．InthecaseofsacrificingasmallamountofKPI，thesystemcapacityanduser’dataratehavebeenenhanced，SOthenewTSalgorithmisindeedfeasible．KeyWords：LTE；TrafficSteering；Multi—objectiveDecision-making；AnalyticHierarchyProcess 目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．11．1研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．11．1．1网络优化简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．11．1．2业务驾驶国内外现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．21．2本文研究内容和章节安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．3第二章LTE系统中业务驾驶算法分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．52．1LTE系统⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯52．2网络优化技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72．3业务驾驶算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92．3．1业务驾驶简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．92．3．2业务驾驶基本准则⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯102．3．3原始业务驾驶算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯122．3．4基于负载和覆盖的业务驾驶算法仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯13第三章层次分析算法研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l63．1多目标决策⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯163．2层次分析法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯223．2．1层次分析法简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．223．2．2层次分析法具体步骤⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．24第四章多频LTE下业务驾驶算法的仿真⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯274．1仿真建模⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯274．1．1切换过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．274．1．2网络拓扑⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．284．2统计模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯294．2．1吞吐量统计模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．294．2．2切换统计模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．314．3仿真流程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯334．4仿真结果分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯36第五章结束语⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯39 Abstract5．1本文主要工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯395．2存在的不足与展望⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯39致{射⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一4l参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．．42附勇乏⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯45图目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯45 第一章绪论1．1研究背景及意义1．1．1网络优化简介我国4G网络采用的是TD-LTE技术，在2013年其建设进入了热潮，TD—LTE正式进入我们的生活。LTE具有更高的传输速率、更广的覆盖范围、更高的频谱效率等特点，它的一个重要目标就是在任何情况下都可提供优异的服务。在LTE标准化中，3GPP针对LTE网络提出了许多不同的应用场景，并根据这些场景提出了许多切实的优化技术。例如，针对室内场景提出了家庭基站技术(如图1．1)，针对偏远地区可使用中继技术等等。MME／S—GWMME／S．GWHeNBGWH图1．1LTE家庭基站架构HeNBB然而，由于蜂窝系统演进过于快速，目前三种通信系统同时运营，这使得技术和运营都出现了许多问题。在技术上，第一，多种制式共存，需解决他们的互通问题；第二，不同制式的网络架构不同，LTE为用户和基站的两层扁平结构，而2G、3G系统均为三层架构，架构差别大，增加了网络的互通难度【l】；第三，小区层次复杂，除了有宏基站还有Pico基站、家庭基站等，形成层次复杂的异，A广、厶B、～J卜小 多频LTE网络中业务驾驶算法的研究构网络【2J；第四，未来个人用户可以搭建小区，这使得网络更加不确定；第五，无线设备属于不同的厂商，这给设备的统一管理增加了难度【l】。在运营上，第一，需要维护的内容越来越多，除了基本的语音业务，现在有许多高速的多媒体业务，如视频电话：另外，用户也有了等级差别，这些都要求更先进的优化方法；第二，对于运营商，除了满足用户的需求还要使得利润最大化【l,21。在这种情况下，采用人工方式进行配置、维护是不太可行的。下一代移动网络NGMN和3GPP等国际标准化组织相继提出自组织网SON，并开展了一系列标准化制定工作【3l。自组织网络可以自主感知网络变化，自动地调整参数，主要由自配置、自优化和自愈合三方面组成。自配置就是新部署的节点通过自动安装程序获得进行系统操作所需要的基础配置。自优化是从用户和操作管理系统获取测量值，然后在外部优化工具帮助下自动统调网络。自愈合是自动预测、定位和解决大多数的故障。自组织网的常用用例有：自动邻区关系ANR、覆盖范围和容量优化、节能、移动鲁棒性优化、移动负载均衡优化等。关于这些问题已经提出了很多解决方案，一些方案则仍在讨论中。我们发现，目前的网络优化方法几乎都是从网络的角度出发，但是现在随着技术不断的提升，业务类型各式各样、不断扩展，而不同业务对网络的需求是不同的，例如，语音业务需要稳定的连接，而BE(Best．Effort)业务则倾向于获得更多资源【31。那么从业务类型出发，如何提高网络的性能。因此，有了一个新的研究方向——业务驾驶。1．1．2业务驾驶国内外现状业务驾驶(TrafficSteering，TS)是近年新兴的研究方向，关于它的研究还并不是很多。目前，国内关于TS的研究基本是空白。而国外关于TS的介绍多是关于TS系统(TSS)，并未详细介绍如何将算法应用到通信领域。文献【4】介绍了多种在互联网中接收建立网络连接的会话请求的算法，并给出了示例性的TSS框架。并在文中写到“TSS也许可以像提供其他服务一样，根据用户的个人信息资料提供自定义路由，而不管接入技术，例如wireless、LTE、WiFi，DOCSIS(有线电缆数据服务接口规范)，FiOS(光纤服务)等，也可不管服务类型，如电话、电视、网络等”。2 第一章绪论文献【5】介绍了一种用于动态业务驾驶的方法和系统，且在文中对部分协议进行了验证，如HTTP超文本传输协议。虽没有验证LTE情况，但文中写到“系统可以支持各种不同的RF通信协议，包括但不限于，全球移动通信系统(GSM)、通用移动电信系统(UMTS)、码分多址(CDMA)、全球微波互联接入(WiMAX)、LTE通信协议和IEEE802．16标准体系。尽管一些无线通信协议在本文中鉴定，但应当理解，本发明并不限于所引用的无线通信协议”。文献[6】介绍了TS在通信领域的应用。他们认为TS可以在不同RAT和频段间以最优方式分散负载、业务，以保证同时满足网络运营商和终端用户的需求。文中首先介绍了TS算法出现的背景、实现方法以及在理论和应用上的注意点，然后介绍了四种原始的TS算法：纯粹基于覆盖的TS算法、纯粹基于负载的TS算法、基于负载和覆盖的TS算法以及最优的一种方法——基于负载、覆盖和策略的TS算法，并对方法三进行了仿真，结果实时业务时延降低、非实时业务吞吐量有了大幅提升。目前，除上述内容我们很难找到TS在通信领域的相关研究，而当前最优的TS算法只是基于负载、覆盖和策略，考虑的因素非常有限，也不能很好地体现因素间的影响。因此，本文对多目标决策进行了深入研究，并将层次分析法应用到TS算法中。1．2本文研究内容和章节安排本文研究了业务驾驶的基本准则和算法，以及基于负载和覆盖的业务驾驶算法仿真，并采用了有限方案的多目标决策法一层次分析法与TS相结合，最后在多频LTE平台下进行了仿真。具体章节安排如下：第一章，绪论部分，介绍了本课题的研究背景。简单介绍了网络优化的重要性，然后引出一种新算法叫S算法，并介绍其国内外研究现状。第二章，先介绍了LTE系统架构，以及LTE网络存在的问题和部分优化方法。然后研究了TS算法：概述了其产生的背景，是在multi—RATs和multi．bands共存的情况下产生的新算法；其应用场景可分为静态驾驶和动态驾驶两种；讲述了在设计和实现TS算法时的注意事项；最后研究了TS的四种原始算法，并介 多频LTE网络中业务驾驶算法的研究绍了其中基于负载和覆盖的TS算法的仿真研究，发现其实时业务时延降低、非实时业务吞吐量有了大幅提升。第三章，在研究了TS算法后，我们认为目前的TS算法考虑的因素十分有限、方法也并不灵活，因此提出将层次分析法与TS算法相结合。首先概述了多目标决策的发展背景和主要研究方向。然后按照有限方案方法和无限方案方法的分类对各种方法进行了研究，如字典序法、线性分配法、和谐性分析法等。在了解了有限方案方法中的层次分析法的优势和劣势后，我们研究了层次分析法的实现步骤。第四章，通过Matlab搭建了多频LTE仿真平台，对融合层次分析法的TS算法进行仿真。给出了仿真建模、统计模型和仿真流程图，从总系统的最大容量、总平均用户速率、总BE业务的三率(接通率、掉话率、切换成功率)几个方面对仿真结果进行了详细分析，验证新的TS算法是确实可行的。第五章，对全文内容进行总结，分析了当前工作存在的不足，并对下一步工作进行展望。4 第二章LTE系统中业务驾驶算法分析为了研究多频LTE网络中的业务驾驶算法，在本章中，我们先研究了LTE系统的演进目标、系统结构；然后，针对容量、覆盖、负载三方面对当前一些网络优化技术进行了探讨；最后，研究了当前的业务驾驶算法。2．1LTE系统随着人们的需求，网络应用种类繁多，如语音、邮件、视频和游戏等，这些信息的交互对传输速率和传输稳定性的要求越来越高，传统的通信网络已经无法满足【7l。同时，人们也希望可以随时随地接入网络。因此，第三代合作伙伴(3GPP)开始了通用移动通信系统(UMTS)的长期演进(LTE)项目。正交频分复用(OFDM)技术和多输入多输出(MIMO)智能天线技术在应用到全球微波接入互操作技术(WiMax)后，引起广泛重视，3GPP也开始采用其作为LTE的核心技术标准【引。由于采用了这些原计划用于4G的通信技术，因此LTE被认为是“准4G"技术【81。现在，LTE已经正式投入使用。LTE的主要由演进型分组核心I网(EPC)和演进型UMTS陆地无线接入网饵．UTRAN)．组成t101。S1曰曰)图2．1LTE系统结构EPCE-UTRAN从图1．1中可以看出EPC主要由移动性管理实体(M／VIE)和服务网关(S-GW) 多频L1卫网络中业务驾驶算法的研究组成，E．UTRAN主要由各个演进型基站(eNB)组成【9】。每个eNB之间都是经X2接口相互连接，每个eNB与EPC之间则是通过Sl接口相互连接，S1接口的用户面在S．GW终止，而其控制面则在MME终止，S1接口另一侧的用户面和控制面则全部终止于eNBtl01。LTE与原有的3G技术相比，去除了无线网络控制器(RNC)节点，因此eNB除了完成原来基站的功能外，还必须具备原来RNC的大部分功能【101。这其中包括了物理层、媒质接入层、调度以及接入控制等，同时，还支持家庭基站(HomeeNB)和中继J10I。3GPPLTE是一个具有高数据率的、低时延的以及基于全分组的移动通信系统，具体的演进目标主要包括以下七个方面[11,121：(1)频谱带宽配置能够实现灵活的频谱带宽配置，支持1．25MHz、1．6MHz、2．5MHz、5MHZ、10MHz、15MHz和20MHz的带宽设置，因此，从从技术上而言3GPPLTE系统可以使用第三代移动通信系统的频谱【Ⅻ。(2)小区边缘传输速率主要是使用频分多址、小区间干扰抑制技术，来提高在小区边沿的用户的传输速率和用户体验，从而提高了系统的覆盖性能【1l】。(3)数据率和频谱利用率在数据率以及频谱利用率方面，下行峰值速率可以达到100Mb／s，上行峰值速率则可达50Mb／s；与HSPA相比，LTE的频谱利用率、用户平均吞吐量均可达到其2~4倍【10】。另外，主要通过多天线技术(MIMO)、自适应调制与编码(AMC)以及基于信道质量的频率选择性调度几种方法来保证3GPPLTE系统在频谱利用率方面的技术优势【121。(4)时延LTE可以提供很低的时延，例如，从用户角度而言其单向传输时延小于5ms，控制平面从睡眠状态(Dormant)进入激活状态(Active)所用时间小于50ms，从驻留状态(Camped．State)到激活状态(active)的迁移时间低于100ms，从而提高对实时业务(主要为语音业务)的支持【lo，121。(5)多媒体广播和多播业务6 第二章LTE系统中业务驾驶算法分析为了融合单播、多播和广播业务，必须进一步提升对多媒体广播和多播业务的支持能力，要实现这一目标主要通过管理物理层帧结构、层2的信道结构以及高层的无线资源[111。(6)全分组的包交换为了提高系统频谱利用率，我们可以通过取消电路交换，转而采取基于全分组的包交换。然而为了支持IP语音(VOIP)业务以及实现低时延，会使得调度以及层1、层2间的信令设计十分困难f13】。(7)共存共存即，实现与第三代移动通信系统和其他通信系统的相互合作、支持，那么如何实现这一目标呢【1o】?3GPP认为必须要研究新的无线传输技术和无线网络体系结构，目前在研究中己经提出了许多相关的可用于4G通信系统的技术。LTE计划除了会尽可能地发展和改进现有的3G技术，同时也会有一定程度的技术跨越，提出一些全新的方案。2．2网络优化技术随着我国的移动通信事业飞速发展，用户数量以极快的速度不断攀升，给通信网络造成了很大压力，为了在提供优异服务的同时使效益最大化，网络优化技术日益重要【15】。LTE网络优化主要关注网络的容量、覆盖和负载等情况，通过覆盖调整、干扰调整、参数调整、故障处理等各种网络优化手段达到提高网络质量，保证用户感知的目的‘15∞1。LTE主要网络优化问题有：(1)容量问题容量性能是进行系统评估的重要指标，可以使用户享受到稳定的业务。影响LTE系统容量的因素有很多，例如系统带宽、调度算法、基站功率、循环前缀(CP)长度、资源分配方式、子载波间隔、上下行时隙及特殊子帧配置、上下行链路开销、MIMO、干扰消除等【14,1"／1。系统带宽：LTE中设置了过渡保护，保护带宽越大，干扰就越小，但频谱效率也会越差。 多频LTE网络中业务驾驶算法的研究CP长度：为了避免符号间干扰和子载波问干，CP长度必须远大于最大时延扩展，但CP过长开销就大，会造成频谱效率损失。上下行链路开销：在上下行信道中都存在一定开销，在计算业务占用资源数时要扣除开销。由于LTE网络进行数据传输时是采用共享的方式，因此即使是语音信号也要通过VolP的方式来共享空口资源；因此，除了简单地通过用户数，还需要结合小区峰值吞吐量、小区平均吞吐量以及单用户的峰值吞吐量、单用户的平均吞吐量等指标来衡量对LTE网络容量尤其是无线网络容量的评估【14】。(2)覆盖优化在无线电波传播的过程中，由于有各种固定或移动的障碍物，其传播具有不确定性，这就会影响无线网络的覆盖。典型的覆盖问题有：上下行链路损耗不平衡、无主导小区、弱覆盖、越区覆盖等【161。上下行损耗不平衡是指，在覆盖区域内，上下行带宽对称的业务出现下行受限或下行良好但上行受限的情况，这时很容易会出现掉话。如果下行覆盖受限，可通过提高基站发射功率等手段来处理：若上行覆盖受限，则可以增加基站接收天线，提高上行对信号强度的接收范围【17】。无主导小区是指在某范围内当前小区与邻区的信号强度无明显差别，这时可能会发生乒乓切换、掉话等问题。一种方法是调整其中一个小区的天线方向角和下倾角等方法，以增强该小区信号[161。弱覆盖是指，在覆盖区域内，由于环境不同导致某些地区的接收信号质量小于要求的最小信号强度，如电梯、车库、隧道等地方。这种情况可以通过新建基站、调整天线下倾角和方向角等方法来解决‘18】。如果有需要也可以到现场去测量，最后根据分析结论和测量结果提出解决方案。(3)负载均衡LTE网络里，UE在所有小区中都是随机分布的，因此整个网络中负载可能出现分布不均衡的情况，出现一些小区负载过轻，终端数量很少，不能充分利用无线资源，造成浪费，而另一些小区却负载过重，以致影响到服务质量的情况[17,201o负载均衡的目的是，当小区负载超过一定门限时，通过切换操作将重负载小区8 第二章LTE系统中业务驾驶算法分析中的部分用户切换到轻负载的邻小区去，以转移负载的形式实现小区间负载均衡，从而提高热点小区或拥塞小区中用户的体验，增加系统吞吐量，优化网络性能[19，2llo传统负载均衡方法是通过长期观测网络，找到经常处于过载状态的基站，然后调整参数或增加资源以达到目的，但这种方法观测时间过长，并不能及时应对问题122]。自3GPP将SON技术纳入LTE标准，在不需要人工干预的情况下，系统就能及时发现问题并调节负载。如一种典型方法，移动负载均衡(MLB，如图2．2)该技术不改变基站功率，只通过调整移动性参数使用户发生切换，因此不会改变覆盖范围【23,241。除此更是有各种增强型负载均衡方法。图2．2移动负载均衡2．3业务驾驶算法同一覆盖范围下，multi．RAT和同RAT多频的同时发展，要求有效利用所有可获得的资源，来承载所有用户的业务，给用户提供更优的体验【8J。TrafficSteering(TS)旨在，根据用户业务需求，在不同RAT和频段间以最优方式分散负载，同时满足网络运营商和终端用户的需求。本节主要介绍了一般TS算法设计的基础概念和注意点，并简洁地描述了部分简单的TS算法。2．3．1业务驾驶简介2G、3G与4G都有着各自的技术特点，那么如何利用不同技术间的差异和优势，使网络情况可以满足不同层次的用户以及不同业务的需求。新蜂窝通信系9 多频LTE网络中业务驾驶算法的研究统格局的当务之急就是，在尽可能长时间地保留传统技术的基础上，提供更高的数据速率和更好的频谱效率[91。这不仅仅是为了满足还未使用新技术的老客户，还为了从已安装的基础设备中获得最大效益。这种当务之急指引我们进入在某区域多种技术并存的蜂窝通信的世界。由于每个运营商都得到指定RAT的频段的使用权，这最终导致图中所示的多RAT、多频段的蜂窝通信环境‘61。图2．3典型的multi．RATs／multi．bands部署现在为实现上述核心利益，出现的一个问题是，如何在多RAT和多频段间分配、分散业务。这个问题关乎移动运营商和供应商的基本利益【6】，因为：(1)它允许控制多RAT、多频段间的负载，以保证所有安装的基础设施可以被最佳利用；(2)它允许通过，将UE分配到比当前更好的RAT／频段，来提高用户感受。结合用户的移动性、随着时间变化的网络负载、以及不断变化的用户需求和体验质量的影响，我们需要不断适应这些分散在不同RAT和频段间的用户的需求，并设计出能够切实解决这些需求的算法。在下文中，我们讨论multi—RAT使用TS算法的动机，并重点介绍TS算法的基础原则，以及一些简单的TS算法。2．3．2业务驾驶基本准则TS在网络中可在以下两方面实现【61：10 第二章LTE系统中业务驾驶算法分析(1)静态驾驶：实质是控制UE个体的小区重选行为。小区重选是UE根据小区重选控制参数和自身测量结果作出的自主决策行为。UE获取自己的小区重选控制参数有2种方式：方式1：收听Cell的系统广播信息中关于小区重选的控制参数。这些参数是cell．specific的，即对该小区下所有的IdleUE都是一样的，一旦修改，生效范围是整个小区以及相关邻区，所以这些参数属于Cellplanningdata(规划数据)，因此从这个意义上说修改这些参数应该慎重；方式2：网络通过dedicatedsignalling的方式来通知单个LIE，当其状态从连接态转入空闲态后所推荐使用的小区重选控制参数。这种方式是UE．specific的控制方式，参数只对该UE有效，不影响其他UE，因此比较灵活，但局限性也比较明显：就是只能对在线UE进行操作。(2)动态驾驶(通过切换实现)：在整个连接过程检测网络负载、用户体验，如果需要，可呼叫制式间切换流程来驾驶UE到不同RAT。在设计TS算法时有一些需要综合考虑的基础问题：(1)理论注意事项当在多RAT间进行选择时，由于新的RAT能够提供更高的数据传输速率和更好的频谱效率，因此，当UE支持该RAT时，让UE切换到该RAT总是最好的选择。只要该RAT可以满足当前负载要求，UE就可接入该RAT。但存在例外情况，尤其是在有突发的业务流量时，如浏览和FTP／P2P这类贪婪型业务。对于突发业务，选择信道质量差但负载低的RAT比选择信道质量好但负载高的RAT，更有益于网络的整体效益。(2)实用注意事项若要在现网中使用TS，还需要额外考虑如下所述的几个方面：(1)现实生活中的网络可能和它看起来并不一样。最新的RAT有可能会分期安装，这意味着该RAT并不是在所有地方都可用的，而且路径损耗、天线增益的差异会使现网的网络部署过于复杂，以致不能支持纯粹基于理论考虑的TS算法。(2)网络可支持一系列不同的业务，包括一些连续的比特率业务(如语音)以及一些突发业务(如浏览，FTP伊2P)，它们都有着各自不同的特点和要求11引。 多频LTE网络中业务驾驶算法的研究只有当TS算法考虑了这些的情况时才会实用。例如，语音要考虑RAT支持情况、切换时延、剩余可用资源等；BE业务要考虑小区负载、信道质量CQI、切换成功率、接入成功率等因素【l31。(3)TS算法可能会受到业务类型和用户优先级的强制约束。例如，语音业务应选择一个最稳定和技术成熟的RAT，而不是选择一个很优秀但技术还不太成熟的RAT；对于BE业务而言，应选择轻负载的网络。在这种场景下，TS算法的执行需要符合这些约束和政策。2．3．3原始业务驾驶算法在本节中，我们按照TS算法的复杂程度介绍一些原始的TS算法，来突显一些可能满足multi—RAT性能要求的策略。(1)纯粹基于覆盖的TS算法对于所有UE，一个纯粹的基于覆盖的TS算法会周期性地按照预定义的时间间隔，来检测简单的非盲参考信号接收功率(RSRP)118]。在考虑一些滞后(5dB)和切换偏置的基础上，每个UE都可以驾驶到它的“最强”RAT上。我们可以根据对不同RAT的偏好来设置切换偏置，也可以根据每个RAT的RSRP累积分布函数来人为地保持RAT间的负载均衡I引。(2)纯粹基于负载的TS算法如上所述，尽管可以通过人为地设置切换偏置来调整负载，但纯粹基于覆盖的TS算法，不考虑各RAT的负载，只检测RSRP[1啦o】。而纯粹基于负载的TS算法，侧重于获得RAT间的负载均衡。这种算法会基于所有RAT的滑窗负载测量，来周期性地确定过载和轻载RAT对。随机选择在线并满足条件的UE，使它从过载网络切换到轻载网络，以达到最佳的负载均衡。(3)基于负载和覆盖的TS算法基于负载和覆盖的TS算法不仅要试图平衡不同RAT间的负载，还要在保证覆盖范围的同时维持负载均衡【21，22】。例如，当要卸载到一个更高频率的网络时，可以选择一个在当前网络有较高RSRP的UE，以确保该UE在目标网络可以得到比较广的覆盖范围；当要卸载到一个较低频率的网络时，可以选择一个在当前网络有较低RSRP的UE，以避免当前网络覆盖范围变差【23洲。12 第二章LTE系统中业务驾驶算法分析(4)基于负载、覆盖和策略的TS算法这种TS算法比其他算法都好，可以单独地调用驾驶策略。例如，基于负载和覆盖的TS算法可以和，将语音业务限制在更稳定的网络的策略相结合，避免切换到其他网络导致偏离网络间的最佳负载均衡。在这种情况下，TS算法会尽可能在给定的限制条件下来维持负载均衡。2．3．4基于负载和覆盖的业务驾驶算法仿真(1)仿真系统该multi．RAT的仿真是由多个单系统级仿真组成，并结合了中央控制单元(CCU)。每个单系统都能够实时地进行多小区和UE的部署，而且其结果是根据3GPP评价标准进行校准的。在仿真中CCU负责不同RAT(band)的仿真时间、UE业务激活行为、UE位置和移动的同步。因此，有了这个中央控制单元，我们就能够模拟一个多RAT(和多频带)的网络部署，并验证各种TS算法。(2)部署方案在我们初步的多RAT仿真中，我们考虑一个简单的部署场景，我们使用相同的基站部署3种RAT。考虑的三种RAT是：a．HSPA载频2．1GHz、带宽5MHz，标记为U21b．LTE载频800MHz，带宽10MHz，标记为L8c．LTE载频2．6GHz，带宽20MHz，标记为L26仿真参数基本均采用3GPP推荐的模拟场景。(3)业务模型采用混合业务，包括：浏览、P2P／FTP、流媒体和VoIP用户。每种业务类型有不同的激活时间模型。因此，在仿真运行过程中，一些用户会不停地在激活、空闲态间转换。仿真中不同业务用户数的比例和速率等数据如下：a．VoIP占19％，64kbps；b．流媒体占27％，1Mbps：c．P2P／FTP占6％，根据FTP业务模型，平均文件大小100Mbits，平均读取时间60s；d．浏览占48％，根据NGMNhttp业务模型，平均读取时间10s； 多频LTE网络中业务驾驶算法的研究我们在仿真中模拟了3种负载，即UE数目分别为50、100、150。在这3种设置下，所观察到的网络负载分别为40％，66％，88％。(4)性能分析多RAT仿真中维护了跟踪文件，记录网络动态除了实时运行关于网络动态不同性能变化情况以及兴趣参数。跟踪文件可在离线分析评估脚本中读出并解析，来产生各种关键性能指标(KPI)的CDF图。这些KPI的CDF图、最差情况下用户性能和平均用户性能值都可以用来比较不同的驾驶算法。例如，如图2．4、图2．5所示，在中等负载情况下，无TS与有TS的P2P／FTP用户的吞吐量CDF图。其中，蓝色曲线(和文本)代表U21RAT，红色代表L8，绿色代表L26，而黑色代表总性能。我们观察到，业务驾驶不仅改变了每个RAT分配的UE的比例，而且还基于各RAT自身的覆盖范围，驾驶UE到更好的RAT。虽然L8下用户性能降低，但总用户性能平均值提升了27．3％。％厂S嗡re·14．3％o0iP2产FTPOEs5hare-100％j．一～NetworkII酬·91，2％N硪螂饼甄{．礞嚼-589嚆，’N继w甜颡LO秘a·68-S％NetworkLoad-69。1％阳$tee：ringFreq(P2PFTPUEs)=0HOs加、in,'UE；i。⋯，一‘一．“秘培韵S5％·眦iJtl噜rTP-0，$釉b辨&0Mb膨I；l●一’⋯一。、““⋯’一{争蝴魏&黔眦u绷骨_7，42№泌&毛．12、Ub；,s■。二·1羚蝴&5％·粼u键rTP-102B№泌轰乏6Mbps≯“、“’”，～⋯’：驴蚋3秣-懈嘲rTP-6，15MbPs&O∞Mbps；S'O15约笛303S404S∞DLPDCPTPperu9啊IMbp61一。-图2．4无TS的用户吞吐量CDF图14涵．随隧85432，O0O0《．●k口U 第二章LTE系统中业务驾驶算法分析夺f亳Q阻PDCPTPp饼u涮舯删⋯>图2．5有TS的用户吞吐量CDF图总之，对4种原始TS算法的多RAT仿真，观察到的不同业务类型的收益在以下范围内，如表2．1。表2．1用户性能提升用户KP[性能提升浏览吞吐量高达15％P2P／FTP吞吐量．高达90％流媒体时延0．5x．0．9xVo口时延0．5x．5x另外，驾驶算法也可以用不同业务类型的KPI作为评价指标，也可以和CDF图一起使用。15 多频LTE网络中业务驾驶算法的研究第三章层次分析算法研究TS算法从本质上说是多目标决策的问题，因此我们提出将层次分析法应用到TS算法中。层次分析法是使用非常广泛的多目标决策方法，它将定性方法与定量方法有机地结合起来，使复杂的系统化为多层次单目标问题，而且它是系统性的分析方法，不割断各个因素对结果的影响，在每个层次中每个因素对结果的影响都是清晰、明确的。3．1多目标决策决策是人们日常工作学习中普遍存在的活动之一，所谓决策就是在对大量可行性方案进行分析、评价的基础上做出最终选择的问题【26】。多目标决策，即当有多个互相矛盾互相竞争的目标时做出决策。譬如，一般在购物时，人们既要东西好又要价格便宜，物美、价廉即为两个目标的决策问题。又如设计生产一项新产品时，往往要求质优、高效、成本低以及污染低，这是一个四目标的决策问题。考略到实际复杂的大系统，譬如电力系统负荷规划、水资源调度与管理、生态环境质量等，要考虑的目标因素就更多了。这些目标许多是相互矛盾的，有些仅有定性指标，致使决策者难以判断孰优孰劣。因而，多目标决策理论和决策方法就应运而生了。多目标决策是从单一目标决策问题衍生发展的，多目标决策的历史悠长，可以追溯到19世纪八九十年代，到现在为止大家知道的关于多目标决策的最早的有效解概念的雏形是“Pareto最优原则”。这一概念对多目标决策学科的形成具有非常深远的意义。Pareto就是国际公认的最早提出多目标决策问题的人126】。尽管多目标决策早已形成，但五六十年前它才从管理科学中独立出来成为新的分支。1957年ChurchmanAckoff和Amoff处理“选择企业投资方针”这一多属性决策问题时，第一次正式利用简单的加权法，就这样开始了多目标决策问题的第一次研究，但是之后很长时间内，人们都并没有开始重视多目标决策的问题例。在二十世纪七十年代以后，多目标决策逐渐成为了人们的重点研究对象，不管是在理论还是应用上都有了很多突破性的成就，提供了许多不错的方法来诠释、解决人事物之间的关系【26】。到了八十年代初期，Hwang和Yoon出版了介绍多目标决策的专著‘271。随后16 第三章层次分析算法研究对多目标决策的研究有了很多突破，相继出现了很多关于多目标决策的方法：用于方案筛选的优选法、连接法和分离法；用于确定属性权重的最小平方法以及本征向量法；方案排序中的简单加性加权法和层次加性加权法；按属性权重大小选择方案的字典序法；基于理想概念的TOPSIS法和LINMAP法；基于估计相对位置的方案排队法、线性分配法和ELECTRE法等等【26捌。到了八十年代后期，关于目标决策问题的求解有了不小进展，很多学者研究出了不同类型的交互式算法。九十年代，SinghYang和Sen开始研究如何解决目标不确定的决策I'口-J题【271。ChenHwang则针对模糊多目标决策做了一系列研究，在决策过程中使用了模糊数学的方法，然后写了相关专著，系统地介绍了模糊多目标决策。从二十世纪九十年代起，人们就开始研究如何将多目标决策应用到更加复杂的情况中去。近十几年主要有以下几个研究方向：(1)群体多目标决策问题。它是一种联合决策方式，是由多个决策者一起商议有何解决方法的一种决策方式。在这种多人多目标的决策情况下[291，每个决策者都要给出自己的方案或对目标的偏好情况，然后要综合考虑所有决策者的意见，广泛吸收有益意见，用长避短，交互对比以降低个人偏好的影响，从而给出最优的排序或结果。群体多目标决策作为新的研究方向，主要在利用群体决策的基础上结合多目标决策方法【251。它会根据决策群体提出相应的多个目标问题的方案，然后依据一定的偏爱结构，对这些方案进行排序、选出最优。群体多目标决策的理论和方法的应用前景十分广阔，因为对于现代社会的复杂决策问题来说，必须结合定量和定性两方面才能完整描述决策过程【261。(2)关于不确定性多目标决策问题的研究。其中比较普遍的研究方向是，如何使用模糊排序方法来进行方案选择，目前已经比较成熟的方法有：最大最小及合法、主观排序法、模糊数排序的快速排序方法以及乐观指标法等【26】；另外，针对区间数并不确定的情况的研究也比较热门，一些常用的方法有：线性规划法、误差分析法等【26l。由于人们对事物的认识总是不完全的、受限的，而现实生活中的很多问题很多时候具有模糊特性，因此不确定性多目标决策问题的研究有很 多频LTE网络中业务驾驶算法的研究高的现实、应用意义【27】。(3)关于具有不完全信息的多属性决策问题的研究。在研究多目标决策问题时，有时会由决策者给出自身偏好，其中一般包括对方案排序、属性权重大小以及属性优先级的偏好【3们。那么，就有一个问题摆在我们面前：怎样才能在符合决策者的偏好的前提下客观地对目标进行排序。在不完全信息方面，S．H．Kim等人提出了一种利用线性规划的求解方法，解决一种特殊情况，即在各种属性和权重之间存在一些不等式关系【30】。胡毓达等则对不完全偏爱的形式进行了扩展，他们发现不同的决策个体都有自己的偏爱，而这是一个随机的情况，因此提出了随机淡漠、随机偏爱以及随机严格偏爱等概念，在随机偏爱中应用了不可能性定理，从而建立了随机偏爱公理体系【291。(4)关于确定目标权重的研究。在多目标决策中，如何确定目标权重一直是非常重要的研究课题，至今，人们已经研究了许多不同的权重确定方法，考虑到出发点不同，这些赋权法大致可分为四类：一是客观赋权法。这类方法完全不包含主观因素，完全由决策者根据客观信息给不同权重赋值。主要有：线性规划法、目标规划法、熵值法、离差最大化法、基于方案满意度法、基于方案贴近度法、两阶段法等【31|。二是主观赋权法。即决策者在给不同目标赋值时不考虑客观因素，只根据自己对目标的偏爱情况来赋值【29】。主观赋权法的各类方法中一种比较常用的是判断矩阵法，它是由决策者给出自己认可的标度，然后一次对比每两个属性，并依此构造判断矩阵1301。目前，对混合判断矩阵的研究仍处于刚刚开始的阶段，而互反判断矩阵以及模糊互补判断矩阵的排序理论和方法相关研究已经比较完善。三是组合赋权法，即主、客观赋权法的组合赋权法，主要有：方差最大化赋权法、最佳协调赋权法、组合目标规划法，组合最小二乘法[301。四是交互式赋权法，就是由分析者与决策者相互协调最终定权的交互式过程【3l】o(5)关于有时序多目标决策问题的研究和多目标决策问题的智能决策分析方法的研究。在多目标决策的研究中不断引进数学、统计学中的新方法，例如，数学上的熵值法、极值法，统计学中的主成分分析法、因子法等【3甜。(6)模糊多目标决策。这是一个仍在不断发展的研究方向，虽然已经有了不18 第三章层次分析算法研究少进展，但还有大量的理论以及应用方面的问题有待解决。目前，有人提出将模糊理论应用到群决策中，这可以进一步拓宽模糊算法的应用领域，但群模糊也有着排序一致性的问题，即在考虑个体不一致性的同时还要考虑群体偏好的不一致性[26,32】。但是现在群决策也存在一个问题，就是在信息条件残缺的情况下如何才能合理集结群偏好。(7)用遗传算法(GA)求解多目标规划问题。当多目标问题中有多个并且冲突的目标时，最优方案的求解就会变得高度复杂，特别是没有偏好信息时，由于任何一个属性都没有明显的优势，因此很难找到合适的解决方法，这时要使用一些有效的优化策略。此类问题最适合用进化的机理来解决，遗传算法最突出的优点就是不需要将问题划分为单目标来处理，就可以最大程度地体现多目标这个思想。在求解多目标优化问题时，进化算法和遗传算法非常受重视，因为它们有着非常高的优越性，目前已经成为了热门研究【26’331。目前，处理各类多目标决策问题的方法已非常之多，目前较流行的分类法是按照方案的个数分为有限方案方法与无限方案方法，然后在此基础上再进一步细分【261。(1)有限方案的多目标决策方法在多目标决策问题中，这是一类很重要且十分常见的方法。这种方法首先要给出方案集，且该方案集必须是有限的，然后综合权衡各个目标，给出多个方案，最后从这些方案中选出最满意的方案【301。由于不同目标是互相矛盾的，且各个目标不能用同一个单位来衡量，那么如何从中选出最满意解呢，这时就必须要加入决策者的偏好信息。现在有很多不同的表示及处理的方法可以处理偏好信息，我们据此可以将有限方案的多目标决策分为传统决策方法、模糊决策方法【26】。比较经典的有限方案多目标决策方法中，决策者的偏好判断信息是以不确定的方式来表示的，特别是在处理权重和模糊信息时，使用确定、明晰的数值来表示属性，使其本身的模糊性大幅降低【301。现在我们就来看几种比较典型的方法。Luce于1956年提出字典序法，首先要求对各目标下的所有方案进行排序，并对所有列出的方案根据目标的重要程度依次进行比较，如果对于最重要目标，它的某个相关方案比其他所有目标的所有方案都好，则这就是最满意方案【26’301；如果最重要目标下的所有方案基本差不多，那么这些方案就只能作为一个子集，19 多频LTE网络中业务驾驶算法的研究然后从次重要目标的一系列方案中选出最优解，依此类推，直到给出所有方案的排序【301。这种方法优点是使用非常简单且并不需要给出具体的权重，缺点就是按照目标重要性的排序结果会严重影响最终评判。线性分配法(scalematrix)的基本思想是：将所有方案依据不同目标进行重要性排序，从整体情况考虑，假如在几个重要目标下某个方案的排序均十分靠前，这个方案排在最前面的可能性就比其他方案大得多【30I，因此，我们可以根据这一情况，先估计每个方案所排次序，这样就可以利用线性规划求最值，即求出最满意方案【3¨。这种方法使用非常简单方便，但是它只是按照方案的优越性来排序，这样给出的最优解可能并不足够准确。在有限目标决策方法中，简单线性加权法(Simplelinearweightingmethod)也属于非常常见的一种，首先要给出方案的目标值和各个目标的权重，然后分别求出各方案目标值的权重之和，值最大的就是最优解[26,29]。这种方法非常简单，计算也很方便，但结果就会变得平均化。逼近理想点排序法(TOPSIS)也被称为优劣解距离法，它与简单线性加权法非常相似，它要求各目标的效用函数为单调增或单调减，若对象离最优解最近又离最劣解最远，则为最好126’321。这种方法是可以非常有效地解决有限方案的决策问题，因为它的概念很清楚明了，计算也比较简单，其难点是，需要设想最优解，使各个属性值都是个方案中的最好值。ELECTRE法也被称为和谐性分析法，也是得到了广泛使用，它要求决策者承担部分责任，参与到决策过程，淘汰或选择符合的方案。它的基本思想是：设定某一指示值，然后比较各个方案与指示值的关系，给出方案所属级别，然后将其中级别比较低的方案都淘汰掉，就这样逐步淘汰方案，缩小方案集，直到得到最优方案。这种方法主要可以分为ELECTRE．I、ELECTII、ELECTREIII以及其它一些改进的方法，后面几种方法都是基于第一种方法的改进1291。这种方法有很强的逻辑性，充分使用了方案的相关信息，但由于指示值为人为设定，它的大小对选择结果有最直接的影响。多维偏好分析线性规划法(LINMAP法)，它与逼近理想点排序法有相似点，它们都是将方案与理想解进行比较从而得出最优解，但LINMAP法是由决策者成对地比较方案，以此估计目标之间权重和理想解的位置，然后借助方案权重与20 第三章层次分析算法研究理想解距离的优劣进行评价【291。但是这种方法对方案个数有一定要求，在方案个数比目标个数小或相差不大时效果较差。层次分析法(AHP)是现在使用非常广泛的方法，它综合考虑了应用的定性与定量方面，它首先将与决策相关的元素分解成若干个递进的层次，如划分成目标、准则、方案，然后将所有目标都进行交互对比，给出它们的相对重要性，因而从方法论意义上来说，决策者的方法进行了创新，但它的理论相对深奥，掌握起来多少有点困难[26,281。此外，还有PROMETHEE(PreferenceRankingOrganizationMethodsforEnrichmentEvaluations)法、部分信息法，以及其它一些交互式决策方法。(2)无限方案的多目标决策方法无限方案的多目标决策问题通常是通过建立多目标数学规划模型进行分析和求解，对已有的数十种多目标数学规划方法，可根据获得决策者偏好信息时间上的不同分为以下几种口6】：a．不涉及偏好信息的方法这类方法中，有一隐含的假设，即多目标决策问题有一个潜在的最优解，这个最优解能通过将初始问题转变为一个适当的标量化问题而找到，转变方法由方法的设计者给出，决策者的偏好并不介入其中。实际上，方法的使用者是提出的隐含的偏好结构。这类方法有：理想点距离最小法、最大效率原则法、极小极大法等【261。b．决策前给出偏好信息的方法这类方法要求决策者在一开始就介人，这些方法几乎都使用隐式或显表示的评价(效用)函数来表示决策者的偏好结构。这类方法有：目的规划方法、效用函数法、评价函数法、分层序列法、替代价值折衷法、多目标分解法等。c．决策中给出偏好信息的方法这类方法也被称为交互式方法，是近年来应用最广泛的一类方法。在这类方法中，计算过程随着决策者的偏好而改变，每次产生一些解，要求决策者作出反应，再根据这些反应计算新的解，新的解将比旧解对决策者更具吸引力，这个过程一直持续到得到一个可接受的解。这类方法有：Zionts．Wallenius方法、GDF法、代理价值替代法(SWT)、逐步法(STEM)、转移理想点法、序列多目标问题求解2l 多频LTE网络中业务驾驶算法的研究技术(SEMOPS)、交互式目标规划法、多目标问题的序列信息生产法(SIGMOP)、交互式多目标线性规划法、参考点法、层次分解法、多目标图形理论、约束法、参数空间调查法、随机搜索法、向量松驰法、局部改进法、Pareto边界图法等【29】。d．决策后给出偏好信息的方法这类方法是决策者在决策后介人，只是根据问题本身的性质和结构求出有效解，并不处理偏好信息。由于这类方法实际上并没有给出满意解，所以单独使用会存在一定的局限性，通常是把这类方法与前面所说的一些方法有机地结合起来，形成一个有效的算法。这类方法有：加权法、约束法、多目标线性规划的修正单纯形法、多目标线性规划的多准则单纯形法、动态多目标规划、可达集方法(ReachableSetMethod)、分段线性近似法(PiecewiseLinearApproximationMethod)笔【29】’no3．2层次分析法本文提出将层次分析法应用到TS算法中，因此在本节中介绍了层次分析法的优缺点，并深入研究了其实现步骤。3．2．1层次分析法简介层次分析法(AHP)是一种将与决策相关的一些元素分解成递进的层次，然后进行定性以及定量分析的决策方法‘261。层次分析法的是在深入分析决策问题的本质、影响因素以及其内在关系等因素的基础上，按照总目标、各层子目标、评价准则、直至具体的备投方案的顺序分解为不同的层次结构1311，将逻辑思维转化为数学方法，尤其适合在决策结果很难准确计算的情况下使用。层次分析法优势：(1)系统性的分析方法层次分析法把研究对象作为一个系统，这种系统化的思想使得各个因素都会影响结果，因此对每个层次中各个因素的权重设置都会对最后的结果有一定影响，而且其程度都是量化影响，不同因素的影响程度都可以直接看出。因此这种方法在用于评价结构特性不明确的系统以及目标属性、维度、时间等跨度大的系统时有很大的优势‘26’3¨。 第三章层次分析算法研究(2)简洁实用的决策方法这种方法虽然理论相对深奥，但它是综合考虑了应用的定性与定量方面，将复杂的系统分解成明确的层次，用数学、系统的方法诠释思维过程，使问题简洁明了，人们很容易便可以接受、理解，另外又将难以一次性处理的问题转化为多层次的单目标问题，通过交互比较所有目标，在确定不同层次元素间的数量关系后，进行简单的数学运算【311。所得结果简单明了，决策者理解和使用起来都很容易。(3)所需定量数据信息较少层次分析法除了使用定量方法，还要给出定性的分析和判断口71。层次分析法会模拟人们进行决策时的思维方式，在该方法中，由人脑来判断各要素的相对重要性，给出各要素的权重，算法只需记录权重进行简单的计算p1，321。许多用传统的优化技术不能解决的实际问题都可以用这种方法处理。层次分析法劣势：(1)不能为决策提供新方案层次分析法就是从现有备选方案中选择较优者，从这点可以看出，层次分析法是在原有方案中选取合适的方案，而不能提供新方案的川。(2)定量少，定性多现在，评价-f-j方法是否科学，就需要有严格的数学论证以及完善的定量方法来验证。但很多时候，数字并不能说明现实世界存在的问题，更不要提人脑考虑问题的过程了。层次分析法与人脑决策方式有着许多相似之处，因此必定有着很多定性的内容【32】。(3)指标过多时会存在问题当我们要解决的问题越复杂或涵盖范围越广时，选取的指标数量也就会越多。当指标数量越多时，我们就越难准确判断两个指标之间的重要程度，这可能会影响层次内排序与总排序的一致性，当不能通过一致性检验时，所构造的判断矩阵或者权重的设置就不一定合理【321。在层次分析法中，如果我们选择的属性不合理、属性并不相互独立、或者权重值相互矛盾，这些都会影响层次分析法的结果，甚至导致结果完全不合理。为了避免出现这种情况，必须满足以下原则：1)在分析简化问题时要准确把握重要 多频LTE网络中业务驾驶算法的研究因素；2)注意同一层次的元素强度相差不能太大i263¨。3．2．2层次分析法具体步骤层次分析法(A唧)是将决策问题按目标层、评价层以及候选方案的顺序分解为不同的层次结构，然后将评价属性两两对比，根据评估尺度表，建立每一对属性之间的相对重要性，得到判断矩阵，求出其特征值，则对应的特征向量就是各属性的相对权重，最后再用加权和的方法计算总目标的最终权重，其值最大的就是最优方案[361。层次分析法具体步骤如下：(1)建立层次结构图3．1层次分析结构图首先仔细分析实际问题列出要素，然后将所有要素按照属性不同自上而下地分解成若干层次，同一层的诸因素从属于上一层的因素或对上层因素有影响，同时又支配下一层的因素或受到下层因素的作j苇][26,31l。图3．1为一个通用的层次分析结构图，第一层为目标层：指明目标是什么：第二层为评价层：即通过哪些属性来评价所有的候选方案；第三层为候选方案层：列出所有可能的候选方案。24 第三章层次分析算法研究(2)生成判断矩阵将评价属性两两对比，根据评估尺度表，建立每一对属性之间的相对重要性，这样我们可以得到一个n*n的矩阵，其中n为评价属性的个数，该矩阵我们称为判断矩阵。表3．1为层次分析法标准的评估尺度表：表3．1评价尺度表评估尺度定义1同等重要2介于1和3之间3稍微重要4介于3和5之间5重要6介于5和7之间7很重要8介于7和9之间9绝对重要判断矩阵C=(勺)～应满足如下特性：a．％21b．勺>0c．c“=二(f，_，=1,2，⋯，”)cq(3)判断矩阵的一致性检验在建立判断矩阵时，有时会产生矛盾的现象，也就是说假设A大于B，B又大于C，则A也应该大于C，如果Ad、于C，则称为不具有一致性【301。因此，需要进行一致性检验。对判断矩阵的一致性检验的步骤如下：a．计算一致性指标a 多频LTE网络中业务驾驶算法的研究以一1其中k为判断矩阵c的最大特征值，n为判断矩阵阶数也即属性个数。b．对应于不同的刀值，查找相应的RI值(平均随机一致性指标)。典型的RI值如表3．2所示：表3．2典型砌值Dimension1234567891011RIO00．580．91．121．241．321．4l1．451．491．51C．计算一致性比例CRrp—C／I一』～一一砒(2)CR越小说明一致性越大，当CR<0．10时，认为判断矩阵的一致性在规定范围内，否则应作适当修正。(4)计算各个属性的权重值若判断矩阵c通过了一致性检查，则根据最大特征值k求出其特征列向量W=(H)删就表示各个属性之间的相对权重a(5)计算各个候选方案的fitness值：fitnessf=∑q』W，j=t(3)上式中f是候选方案的编号，J是评价属性的编号，％表示候选方案f的属性／的值，W，表示属性歹的权值大小。(6)确定最佳决策目标fitness值最大的候选方案就是最佳决策目标。 第四章多频LTE下业务驾驶算法的仿真在上文研究了LTE系统、业务驾驶算法和层次分析法的基础上，本章进行了针对BE业务的多频LTE系统下的业务驾驶的仿真研究。我们搭建了两层网络的LTE系统级仿真平台，采用动态仿真机制，按照固定时间间隔工作，更新用户位置、状态、参考信号接收功率等信息，并进行实时地调度【371。本节中我们会简单介绍一下仿真中LTE平台的重要模块和过程、网络拓扑等内容，以及统计模型和平台仿真流程、TS算法流程，并对结果做出详细分析。4．1仿真建模4．1．1切换过程切换是网络中的一个关键过程，会极大地影响用户满意度，因此我们需保证切换过程及时有效。UE信道条件的改变或是网络出于对负载均衡或者节能的目的都可能引发切换过程【371。典型的LTE切换过程如下：(1)服务小区对UE进行测量控制信息的配置【371；(2)UE向服务小区进行测量上报‘371；(3)服务小区判断UE是否可切换到目标小区，若有需求就发送切换请求p71：(4)目标小区向服务小区发送切换确认消息【37】；(5)源小区将切换信息转发给UE，UE接收后中断与源小区的无线连接，开始同目标小区建立新的连接p71；(6)UE成功接入目标小区后就发送RRC连接完成消息，UE接收到应答命令，切换结束[371。在切换的事件触发式上报中，我们参考的TS36．331中的A3事件，其触发不等式如下【39】：M。：>M。+A3_offset(5)其中：M。用户在源小区接收到的的信号强度值；Mn用户从当前小区的第n个邻居小区接收到的信号强度值； 多频LTE网络中业务驾驶算法的研究A3offset：A3事件偏置值；．当用户的测量值满足不等式(5)时，就认为是触发了A3事件，则用户进入触发时间(1]广r，TimeToTrigger)t3刀。4．1．2网络拓扑我们建立一个大区域的仿真模型，仿真区域中仅包含宏基站，参考文献36．839中建议的仿真拓扑图。--<,567-,图4．1仿真拓扑图具体网络拓扑场景描述如下：基站部署：部署19个宏基站，采用定向天线，每个基站服务6个小区，两层网络(2GHz／2．6GHz)，带宽均为5M，共114个宏小区(】Macro)【，71。仿真区域：仿真区域为上图虚线正六边形区域内，仿真区域半径为1．8ISDI了71。UE数量：每宏小区平均随机部署40个UE，平均每小区20个激活用户。UE运动方式：仿真开始后，UE任意选择一个方向，并沿着此方向作勾速直 第四章多频LTE下业务驾驶算法的仿真线运动，直到到达仿真区域边界【37J；到达仿真区域的边界后，UE又随机选择一个方向反弹，然后继续匀速直线运动，以此循环往复【371。其他仿真参数详见表4．1【37l。表4．1仿真参数类别宏小区基站间距离500m基站天线增益15dB基站发射功率46dBm站点数川、区数19／57载频／带宽2GHz／5M：2．6GHz／5M天线模型3D模型，表A．2．1．1-2天线倾角15大尺度衰落模型宏小区模型1阴影衰落标准差8dB阴影衰落相关距离25m阴影衰落相关性O．5(小区间)／1(扇区间)天线配置1x2UE噪声系数9dBUE总发射功率23dBmUE与宏基站问的最小距离35mUE移动速度0／3(br汕)不同速率UE所占比例0．410．64．2统计模型4．2．1吞吐量统计模型在LTE的帧结构中，有资源块RB的概念，1个RB在时频上实际上是1个0．5ms、带宽180kHz的载波138鲫，这是因为，一个资源块的带宽为180kHz，由 多频LTE网络中业务驾驶算法的研究12个带宽为15kHz的子载波组成【381(如图4．2所示)，在时域上为一个时隙(0．5ms)(如图4．3所示)。图4．2资源块蛊帕(甩)Oneradioframe．Tf=307200Ts=l0ms}Oneslot，瓦lol=15360Ts=0．5msOnesubframe-■——————————————————————一图4．3帧结构有两种循环前缀：(1)一般循环前缀(NormalCP)，一个时隙里可以传7个 第四章多频LTE下业务驾驶算法的仿真OFDM；(2)扩展循环前缀(ExtendedCP)，一个时隙里可以传6个OFDMtl91。扩展循环前缀与一般循环前缀相比有抑制多径延迟造成的符号间干扰、载频问干扰等优势，不过它在一个时隙上只能传6个OFDM，因此与一般循环前缀相比代价是更低的系统容量‘191。一个OFDM符号的数据承载能力与当前编码能力相关，而当前编码能力由当前CQI决定，分别为2／4／6个bit。我们采用扩展循环前缀(ExtendedCP)，一个时隙内传输7个OFDM符号，即在lms内传输14个OFDM符号，又由于一个RB有12个子载波，所以lms内(二个I也)的OFDM个数为=14幸12=168个【19】O则我们按以下公式计算各UE当前速率：V_perUE=168奉0．75宰rateOfOFDM}codeRate宰usenumOfRB／1000(6)其中：(1)V_perUE单位为kb／s，rateOfOFDM为一个OFDM符号的数据承载能力，codeRate为当前编码能力，usenumOfRB为UE占用的RB数。(2)由于部分字符为控制字符，不能承载信息，因此，在计算RB具体传输速率时要去掉这些字符，因此乘以O．75。则每小区的即时吞吐量为该小区下所有在线UE的当前速率之和，每频段的总吞吐量为该使用频段的所有小区的吞吐量之和。4．2．2切换统计模型为了更好地建模，文献【23]将切换过程分为三个阶段：阶段一：触发A3事件前：阶段二：触发A3事件后，UE成功接收切换命令之前；阶段三：UE接收到切换命令后，成功发送切换完成消息之前【381。在阶段二和阶段三中分别统计切换失败。统计方法如下：(1)在阶段二中，若满足以下两个条件之一，则统计为切换失败：准则1：当切换命令被UE成功接收时，若计时器T310已经被触发或正在运行中(如下图4．4)，统计为切换失败【381。 多频LTE网络中业务驾驶算法的研究图4．4切换失败准则一准则2：在阶段二检测到RLFRLFprocessHOprocessCQI