0 引言

    為了滿足未來(lái)數(shù)據(jù)流量的高速增長(zhǎng),、海量的設(shè)備連接以及新應(yīng)用的需求,，網(wǎng)絡(luò)中的小基站數(shù)量不斷增加，密集異構(gòu)網(wǎng)絡(luò)應(yīng)運(yùn)而生^[1],。密集異構(gòu)網(wǎng)絡(luò)就是在宏基站保證基本覆蓋的情況下,，針對(duì)網(wǎng)絡(luò)熱點(diǎn)地區(qū)進(jìn)行網(wǎng)絡(luò)擴(kuò)容或者網(wǎng)絡(luò)覆蓋盲區(qū)進(jìn)行網(wǎng)絡(luò)補(bǔ)盲而進(jìn)行大規(guī)模部署小基站(如micro、pico,、femto)的一種密集網(wǎng)絡(luò)架構(gòu)^[2-3],。femto是密集網(wǎng)絡(luò)中一種非常重要的小基站，一般用來(lái)提高室內(nèi)環(huán)境的信號(hào)覆蓋范圍^[4],。這種密集組網(wǎng)技術(shù)拉近了femto與用戶的距離,，使接入點(diǎn)之間的距離達(dá)到10 m甚至更小^[5]，因此femto能給室內(nèi)用戶提供更好的信號(hào)質(zhì)量,。據(jù)估計(jì),，大約60%的語(yǔ)音業(yè)務(wù)和90%的數(shù)據(jù)業(yè)務(wù)發(fā)生在室內(nèi)^[6]，這些數(shù)據(jù)表明未來(lái)將會(huì)在一個(gè)macro下部署大量的femto,。另外,，用戶接收到的RSRP在切換過(guò)程中會(huì)發(fā)生變化，因此不能保證切換決策時(shí)的RSRP就是用戶上報(bào)的RSRP,，從而會(huì)引起頻繁切換,。而傳統(tǒng)的切換算法會(huì)導(dǎo)致用戶總切換至RSRP最大的基站，獲得的切換性能并不理想也不真實(shí),。因此,，密集femto異構(gòu)網(wǎng)絡(luò)需要更有效的切換算法。

    XU P等^[7]提出了一種基于接收信號(hào)強(qiáng)度(Reference Signal Strength,，RSS)和傳輸損耗(RSS and Wireless Transmission Loss,，RWTL)的算法,。但是在該算法中，如果用戶接收到femto基站的RSS大于預(yù)定的門限值而小于macro基站的RSS時(shí),，用戶就會(huì)切換到RSS更差的femto基站,。而考慮到基站負(fù)載的差異性，ALEXANDRIS K等^[8]提出了一種基于用戶服務(wù)時(shí)延的負(fù)載感知切換算法,。但是,，該算法并沒(méi)有考慮切換過(guò)程中RSRP的變化，導(dǎo)致切換性能也并不太理想,。

    為此,，本文提出了一種基于RSRP預(yù)測(cè)和負(fù)載的自適應(yīng)切換算法，它不僅從網(wǎng)絡(luò)的角度考慮了負(fù)載,，而且從用戶的角度考慮了RSRP,。

1 網(wǎng)絡(luò)模型

    本文主要研究在marco基站的覆蓋范圍內(nèi)密集部署femto的密集異構(gòu)網(wǎng)絡(luò)系統(tǒng)，系統(tǒng)場(chǎng)景如圖1所示,。

    如圖1所示,，系統(tǒng)有7個(gè)macro基站，并且femto按照密度為λ_f的均勻泊松點(diǎn)過(guò)程分布在每個(gè)宏基站內(nèi),。

    信道主要考慮路損,、陰影衰落和快衰落3種損耗，用戶的接收功率P_RSRP0為：

2 自適應(yīng)最小二乘法

    本文采用自適應(yīng)最小二乘法對(duì)RSRP進(jìn)行預(yù)測(cè),，以便用戶切換到合適的目標(biāo)基站,。為了減少信號(hào)抖動(dòng)等影響，在接收端一般先讓用戶接收到的初始RSRP(表示為P_RSRP0)經(jīng)過(guò)一個(gè)指數(shù)平滑窗口,，再使平滑濾波后的RSRP(表示為P_RSRP)作為自適應(yīng)最小二乘法的輸入信號(hào),。預(yù)測(cè)系統(tǒng)的輸入信號(hào)P_RSRP(t)為：

    自適應(yīng)預(yù)測(cè)系統(tǒng)的框圖如圖2所示。

    由圖2可知,，自適應(yīng)預(yù)測(cè)系統(tǒng)由延遲器,、加法器、自適應(yīng)濾波器和系統(tǒng)更新算法所組成,。其中,，自適應(yīng)濾波器是一個(gè)長(zhǎng)度為N+1的濾波器。

    自適應(yīng)預(yù)測(cè)過(guò)程包括自適應(yīng)濾波器系數(shù)的估計(jì)和使用所估計(jì)到的系數(shù)對(duì)信號(hào)進(jìn)行預(yù)測(cè)兩部分,。假設(shè)每次預(yù)測(cè)所需要的RSRP觀察數(shù)為N+1,，則在n時(shí)刻信號(hào)向量P(n)為：

3 基于RSRP預(yù)測(cè)和負(fù)載的自適應(yīng)切換算法

    本文同時(shí)從用戶和網(wǎng)絡(luò)的角度考慮，第一次采用自適應(yīng)最小二乘法對(duì)用戶接收到的RSRP進(jìn)行預(yù)測(cè),，同時(shí)考慮了基站端的負(fù)載,，提出了基于RSRP預(yù)測(cè)和負(fù)載的自適應(yīng)切換算法，其流程如圖3,。

    該算法主要分為兩步：創(chuàng)建切換候選基站列表和從候選基站列表中選擇合適的基站進(jìn)行切換,。接下來(lái)對(duì)圖3進(jìn)行詳細(xì)的介紹,。

    基站總數(shù)為N_f+1，其中N_f為femto基站數(shù),。根據(jù)圖3中的方框①,，將所測(cè)RSRP值滿足以下條件的基站組成候選基站集合S₁。

其中,，N₃是S₃的基站數(shù),。因此，用戶選擇的切換目標(biāo)基站k*為：

4 性能仿真與結(jié)果分析

    參照3GPP的協(xié)議標(biāo)準(zhǔn)及實(shí)際femto密集的網(wǎng)絡(luò)部署場(chǎng)景,，仿真參數(shù)設(shè)置如表3所示,。

    如圖4所示，從均方誤差方面評(píng)估了自適應(yīng)最小二乘法對(duì)RSRP的預(yù)測(cè)性能,。從圖中可以看出,，隨著RSRP觀察樣本數(shù)的增加，自適應(yīng)最小二乘法對(duì)RSRP的預(yù)測(cè)性能越來(lái)越差,。這主要是因?yàn)榉亲罱臉颖緮?shù)不能充分的代表信道的狀態(tài)，其越多就會(huì)越增加RSRP的預(yù)測(cè)誤差,。

    同時(shí),，當(dāng)RSRP觀察樣本數(shù)不變時(shí)，隨著速度的增加,，預(yù)測(cè)性能越差,。原因是當(dāng)速度增加時(shí)，RSRP的變化就會(huì)更大,，使得預(yù)測(cè)準(zhǔn)確度下降,。

    從圖5可以看到，隨著femto數(shù)的增加,，乒乓切換率增加,；并且對(duì)于相同的RSRP觀察數(shù)，乒乓切換率隨著速度的增加而增加,，其原因是用戶駐留在femto內(nèi)的時(shí)間越來(lái)越短,。

    從圖6可以看到，隨著用戶速度的增大,，用戶發(fā)生更多的中斷現(xiàn)象,；在femto數(shù)相同的情況下，當(dāng)RSRP的觀察數(shù)為10時(shí),，本文算法可以獲得最低的中斷概率,，原因是RSRP的觀察數(shù)等于10時(shí)，自適應(yīng)最小二乘法對(duì)RSRP的預(yù)測(cè)更準(zhǔn)確,；隨著femto數(shù)的增加,，中斷現(xiàn)象更嚴(yán)重,，這主要是因?yàn)殡S著femto數(shù)的增加，干擾越來(lái)越大,。

    圖7,、圖8分別為本文算法和RWTL算法以及傳統(tǒng)算法在吞吐量和乒乓切換率方面的性能對(duì)比。在RWTL算法中,，用戶根據(jù)接收到的信號(hào)強(qiáng)度和傳輸損耗來(lái)進(jìn)行切換決策,。在傳統(tǒng)算法中，用戶總是切換到RSRP最大的基站,。如圖7,、圖8所示，本文算法所獲得的吞吐量和乒乓切換率性能明顯要好于RWTL算法和傳統(tǒng)算法,，并且隨著femto數(shù)的增加,，3種算法的切換性能都在下降，符合本文的預(yù)期,。

5 總結(jié)

    本文首先闡述了當(dāng)前密集femto異構(gòu)網(wǎng)絡(luò)中存在的頻繁切換問(wèn)題,，特別是乒乓切換，然后提出了基于RSRP預(yù)測(cè)和負(fù)載的自適應(yīng)切換算法,。相比于當(dāng)前的切換算法,，本文所提出的算法能夠獲得更低的乒乓切換率和中斷概率以及更高的吞吐量。

參考文獻(xiàn)

[1] 劉宜明,，李曦,，紀(jì)紅.面向5G超密集場(chǎng)景下的網(wǎng)絡(luò)自組織關(guān)鍵技術(shù)[J].電信科學(xué)，2016,，32(6)：44-51.

[2] HAO P,，YAN X，RUYUE Y N,，et al.Ultra dense network：challenges,，enabling technologies and new trends[J].China Communications，2016,，13(2)：30-40.

[3] YUNAS S F,，VALKAMA M，NIEMEL J.Spectral and energy efficiency of ultra-dense networks under different deployment strategies[J].IEEE Communications Magazine,，2015,，53(1)：90-100.

[4] SHAFIEI-KORDSHOULI M，ZEINALPOUR-YAZDI Z,，RAMEZANIAN R.Coverage improvement in femtocell networks via efficient utility pricing[J].IET Communications,，2016，10(16)：2215-2221.

[5] CHEN S,，QIN F,，HU B,，et al.User-centric ultra-dense networks for 5G：challenges，methodologies,，and directions[J].IEEE Wireless Communications,，2016，23(2)：78-85.

[6] ANDREWS J G,，CLAUSSEN H,，DOHLER M，et al.Femtocells：past,，present,，and future[J].Selected Areas in Communications IEEE Journal on，2012,，30(3)：497-508.

[7] XU P,，F(xiàn)ANG X，HE R,，et al.An efficient handoff algorithm based on received signal strength and wireless transmission loss in hierarchical cell networks[J].Telecommunication Systems,，2013，52(1)：317-325.

[8] ALEXANDRIS K,，SAPOUNTZIS N,，NIKAEIN N，et al.Load-aware handover decision algorithm in next-generation HetNets[C].WCNC 2016,，IEEE Wireless Communications and Networking Conference，Doha,，Qatar,，2016.

[9] 3GPP TS 36.839.V11.1.0.Mobility enhancements in heterogeneous networks[R].2012.

作者信息：

尹生華，唐  倫,，沈海強(qiáng),，陳前斌

（重慶郵電大學(xué) 移動(dòng)通信技術(shù)重點(diǎn)實(shí)驗(yàn)室，重慶400065）