基于RE的LTE-A异构多层网络移动负载均衡算法研究

李丽

（湖南邮电职业技术学院，湖南长沙410015）

基于RE的LTE-A异构多层网络移动负载均衡算法研究

李丽

（湖南邮电职业技术学院，湖南长沙410015）

以Long Term Evolution-Advanced（LTE-A）系统中宏蜂窝-微蜂窝（Macro-Pico）异构多层网络为例，以范围扩展（Range Extension，RE）技术为基础，提出了一种移动负载均衡算法。建立了网络负载模型，计算并选取合适的小区切换偏移量，从而动态精确的调整超载小区和轻负载小区的覆盖范围，最终将超载小区的多余用户切换到其轻负载的邻小区，并结合数据流量业务对算法进行了仿真，分析了在该算法的协作下，小区的负载均衡因子、负载转移率及用户满意率，验证了该算法的可行性。

LTE-A；异构多层网络；移动负载均衡；范围扩展

在移动宽带业务爆发性增长、频率和站址资源有限的背景下，采用异构方式搭建移动网络是疏导热点数据流量的有效方式。LTE-Advanced（以下简称LTE-A）异构网络（Heterogeneous Networks，HetNet）是指在宏蜂窝（Macro cell）中引入同一制式的低功率节点（（LowPower Node，LPN）），组成多层蜂窝网络。这些LPN包括射频拉远头（Remote RadioHead，RRH）、微小区（Microcell）、微微小区（Picocell）、毫微微小区（Femtocell，也称家庭基站）和中继节点（Relaynode）［1］。异构多层网络在提升室内以及热点区域的容量与覆盖的同时，也带来同频干扰、移动性管理以及QoS等问题。考虑到异构网络复杂的网络参数，3GPP提出了自组织网络（Self-organizing Networks，SON）的概念，通过提高网络的自组织能力，来降低网络的基础设施建设费用（CAPEx）和运营费用（OPEX）［2］。作为3GPP LTE系统SON自优化技术框架下的一个热点用例，移动性负载均衡（MobilityLoad Balancing，MLB）通过动态调整小区切换参数将超载小区的多余用户转移到其轻负载的邻小区，提高了系统整体资源利用率［3］［4］。

关于LTE系统的移动负载均衡问题，已有相关研究的参考文献。参考文献［5］提出了自组织无线网络中一种保证QoS要求的移动负载均衡算法，参考文献［6］根据自组织的LTE网络提出了一种类似正态分布的负载均衡方法，参考文献［7］提出了一种基于邻区集的LTE负载均衡算法。本文以Macro-Pico异构网络为例，以RE技术为基础，提出了一种LTE-A异构分层网络移动负载均衡算法，通过计算选取合适的小区切换偏移量，从而动态调整小区的覆盖范围，最终将超载小区的多余用户切换到其轻负载的邻小区，实现小区间的负载均衡。

1　系统模型构建

1.1小区负载

LTE系统中异构分层网络的负载均衡切换属于eNodeB（以下简称eNB）之间的切换。eNB周期性的监测小区的负载状态信息，当检测到小区超载时，将通过X2接口向邻小区请求进行负载状态信息交互，需通过X2接口来交换负载信息。根据3GPP TS 36.423对于X2接口协议的描述，LTE系统负载信息的表现形式有多种，本文选取复合可用容量（Composite Available Capacity，CAC）和复合缺失容量（Composite MissingCapacity，CMC）2个参数。如小区所需的资源目标确定，CAC代表了轻负载小区资源剩余情况，CMC代表了超载小区资源缺失情况［8］。

假定ni（tk）代表测量时间间隔为tk时被占用的物理资源块数量（Physical Resource Block，PRB），Ni，PRB代表了小区i可用的PRB。则在小区i的瞬时负载率Li（tk）可表示为式（1），结合无限脉冲响应数字滤波器（Infinite Impulse Response，IIR），相应的小区i的实际负载率估算公式可表示为式（2）。

式（1）中，a表示IIR滤波器的系数。令Ltarget表示小区预期负载率目标，则CAC和CMC可分别表示如下：

1.2小区切换偏移

根据3GPP TS36.3319中对于A3事件的描述，当邻区质量高于服务小区质量时（表达式见式（5）），满足此条件的事件被上报时，源eNodeB启动切换请求［9］。

式中，i与j分别代表源服务小区与邻小区。Mi与Mj分表代表小区i与j的信号测量结果，本论文使用RSRQ测量值，单位为dB。与分别表示小区i的工作频率fi与小区j的工作频率fj的特定频率偏移量。Oi，j表示表示当前服务小区i相对于邻区j的特定偏移量，ξ和η是固定的迟滞偏移量，Qi表示小区i的特定偏移量。由于频率资源的稀缺，LTE-A系统异构多层网络中的小区通常采用同频组网，因此式（5）可表达为：

由式（6）可以看出，通过增大偏移量Oi，j可以触发小区i到小区j的切换，将小区i的部分UE转移到小区j，从而降低小区i的负载。但是值得注意的是，Oi，j不应设置太大。如果小区i为Macro cell，小区j为Picocell，由于Pico等低功率节点的发射功率比宏基站的发射功率远小得多，当Oi，j值较大时，那么Pico cell的覆盖范围变大，此时位于Picocell边界的用户接收到的SINR值将偏低，会导致切换失败。本文依据小区的负载状态动态的调整切换参数Oi，j，具体方式如下：

式中，OInitial为Oi，j的初始值，Omax表示Oi，j预先设定的可调整的最大范围，ΔO表示Oi，j调整的步长值，HOTrigger表示为预先设定的切换触发阈值。和分别表示小区i和小区j的负载。因此，根据小区测量信号动态调整Oi，j的关键在于确定ΔO的值。

1.3负载平衡因子

负载因子定义如下：

2　MLB算法设计

表1　小区负载分类

步骤二：对于表1中的超负载小区和轻负载小区，分别计算其CMC和CAC值，则超负载小区和轻负载小区的理论负载转移率LSR如式（8）所示。

步骤三：根据3GPP TS 36.423中“Mobility Setting Change Procedure”，LSR与Δmax之间的关系为：

式中，β为运营商确定的参数。结合式（9）和（10），可知由于超载小区和轻负载小区的LSR取值有差异，导致ΔO取值不一致，为了避免超载小区和轻负载小区覆盖范围的收缩和扩展不一致，ΔO的取值应为：

步骤四：依据小区测量信号，动态调整切换参数Oi，j（具体见式（7）），调整步长为ΔO，从而调整超载小区和轻负载小区的覆盖范围，进而将超载小区多余的用户转移到轻负载小区。为了减少Oi，j调整过程中的尝试次数，同时降低系统不稳定的风险，Oi，j调整尝试次数之间需经历一段等待时间（Wait Period，WP）

步骤五：更新小区负载，根据式（8）计算ε（t），若ε（t）→0，停止MLB算法，否则重复步骤四直至ε（t）→0。

3　仿真分析

3.1仿真环境

共设7个eNB，工作频率为每个基站3扇区（Macrocell），基站间距离500m。每一个扇区中包含2个热点区域，Pico cell位于热点区域的中心，Pico cell的半径为80m，热点区域的用户占总用户的66%，假设所有用户的数据业务请求速率为1Mbps。其余仿真参数设置见表2。

表2　仿真参数设置

3.2仿真结果与分析

1）负载均衡情况

在本MLB算法的协作下，通过计算确定切换偏移步长值及切换偏移量，动态精确调整异构多层网络中超载小区和轻负载小区的覆盖范围，进而将超载小区多余的用户转移到轻负载小区，从而实现异构多层网络中小区负载平衡，算法的负载均衡结果如图1所示。从图1可以看出，随着数据流量的增大，没有采用负载均衡算法（W/O MLB）的负载平衡因子ε（tk）呈上升趋势，意味着小区之间负载失衡情况越来越严重，而采用了MLB算法的负载平衡因子ε（tk）呈下降趋势，意味着小区负载均衡情况有所改善，并且采用了本MLB算法的ε（tk）min低于W/OMLB的ε（tk）的1/8。

图1　负载均衡情况

图2　超载小区分布情况

2）超载小区比例

超载小区在Macro和Pico中的比例如图2所示。从图2可以看出，在本MLB算法的协作下，随着数据流量的增大，Macro中超载小区的比例呈下降趋势，由78%降至50%以下。Pico中超载小区的比例则呈上升趋势，这是因为Macro中多余用户转移至Pico中，但是Pico中超载小区的比例仍低于20%。

3）用户满意率

用户的满意率见图3。从图3可知，随着传输速率的增大，w/o由于小区负载失衡，用户满意率急剧下降，即数据业务速率低于1Mbps的用户迅速增加。采用了MLB算法后，用户满意率虽然也有所下降，但是仍然在95%以上，能够满足通信需求。

图3　用户满意率

4　结论

LTE-A系统采用异构分层网络的组网方式，能够解决室内以及热点区域的容量与覆盖问题，提高了系统整体的资源利用率。本文基于RE技术提出了一种移动负载均衡算法，通过计算选取合适的小区切换偏移量，从而动态精确的调整小区的覆盖范围，最终将超载小区的多余用户切换到其轻负载的邻小区。由于篇幅所限，本文仅研究了RE技术中的切换偏移参数，关于RE技术中的切换时延、切换成功率等问题有待进一步补充。

［1］4GAmericas.Developingand Integratinga High Performance HetNet［J］.white paper，2012（10）：6-10.

［2］S.Hamalainen，H.Sanneck，and C.Sartori.LTE Self-OrganizingNetworks（SON）：Network Management Automation for Operational Efficiency［Z］.Wiley，2012.

［3］I.Guvenc，Capacityand fairness analysis ofheterogeneous networks with range expansion and interference coordination，IEEE Commun.Lett.，2011，15（10）：1084-1087.

［4］Andrews J，Singh S，Ye QY，et al.An overviewofload balancingin HetNets：old myths and open problems［J］.IEEE Wireless Communications，2014，21（2）.

［5］潘志文，尤肖虎.自组织无线网络中的移动负载均衡技术［J］.中兴通讯技术，2013（2）.

［6］张晶晶，陈建亚，李莉.LTE自组织网络中一种负载均衡方法［EB/OL］.http：//www.docin.com/p-486157045.html，2014-01-01.

［7］肖清华，韩蕾，汤建东，汪丁鼎.基于邻区集的LTE负载均衡算法［J］.邮电设计技术，2014（7）：58-61.

［8］3GPP TS36.423，X2 Application Protocol（XIAP）［Z］.2011.

［9］TS36.331 3rd Generation Partnership Project；Technical Specification Group RadioAccess Network；Evolved Universal Terrestrial RadioAccess（E-UTRA）；Radio Resource Control（RRC）；Protocol specification（Release 8）［Z］.

A mobility load balancing algorithm research in heterogeneous multi-layer LTE-A network based on RE

LI Li
（Hunan Post and Telecommunication College，Changsha，Hunan，China 410015）

Taking the Macro-Pico heterogeneous multi-layer network in LTE-A as an example and based on RE technology，this paper proposes a newmobility load balancing algorithm which establishes the network load model，calculates and selects the appropriate residential districts for offset handover so as to dynamically and accurately adjust the coverage of overloaded districts and underloaded districts.In this way，the extra users ofthe overloaded districts can be switched tothe neighboring underloaded districts.The algorithm is simulated with the data streaming service.The load balancing Index，load shift ratio and user satisfaction ratio are also analyzed and the feasibilityofthe algorithmis verified.

LongTermEvolution-Advanced；heterogeneous multi-layer network；mobilityload balancing；range extension

10.3969/j.issn.2095-7661.2015.02.003】

TN929.5

A

2095-7661（2015）02-0008-04

2015-05-05

李丽（1982-），女，湖南古丈人，湖南邮电职业技术学院讲师，通信工程师，中北大学硕士，研究方向：下一代网络关键技术及工程应用。