16.4 无线资源管理RRM在线视频

下面我们来讲

第4个重要的内容

就移动通信网络

它要对无线资源进行管理

也就所谓的RRM前面我们在

第12章

给大家介绍过

什么是无线资源

那么无线资源

包括能量资源

公立资源

时间

资源

频率

资源等等

那么所有这些资源都是有限的

还有其他一些资源

比如说地理资源

空间资源

存储资源码资源

所有这些内容

我们都需要对它

进行有效的调度和管理

这样才能够把有限的资源

进行充分的利用

所有的用户提供服务

所以无线资源管理的目的

就是对物理资源进行调度和管理

我们以这张图为示例

来说明

无线网络当中的基站

他在资源管理方面的

主要的功能

无限

网络的基站

它的基本功能

我们可以把它划分为

主要的功能

以及辅助的功能两类

主要工作就是主线

大家看这个线

它包含了4大类功能

从左到右来算

第一个

我们称为是呼叫接纳控制

也就是所谓的CAC

呼叫接纳控制是移动通信的基站

首要要完成的一个功能

你可以理解

这就相当于是

所谓呼叫接纳控制

相当于是个基站

收到了好多的移动台的接入请求

说到结束请求之后

那么这个基站

他就得来分析

到底哪一个用户的接入业务请求

我是可以服务的

那就允许你进入

有一些用户他的接受请求

我满足不了

比如说资源不够了

或者你优先级不够了

或者你欠费了等等

那么我就拒绝你服务

那么对基站而言

到底挑选哪些用户接收服务

拒绝哪些用户这个过程

呼叫

接纳控制

我们打个生活当中的比方

呼叫接纳

控制

就相当于是酒店里面的前台

对吧

它就是前台功能

好

那么允许接入的用户

下一步就进入排队

做队列管理

就进入排队机制

这个也容易理解

你进了这个酒店了

那么到了前台了

前台这儿如果说

有客房

你就能够服务

但如果说是没客房

咱们就得根据一个前来

先来后到的顺序

你先排着队

先

先来的人

他它的优先级高一些

它就可以优先分客房

后到的人你优先级低一点

你就等一段时间

所以这些第二个功能就是排队

排队机制

那么在对手的这些用户

就现在可以被服务了

所谓服务

我得去给这些

根据用户的业务请求

要给这些用户

分配资源

要进行的业务调度

那么第三个功能

业务调度

业务调度

就是所谓的

它是有一整套算法

那么通过业务调度

来产生的

给用户的分配的

速率的大小

功率

等等这些调度的结果

那么第4个功能

就产生这些调度信令

为了能够支持接纳

控制

排队调度

执行这样的一些功能

基站端还有两个辅助功能

第一个要对有限的无线资源

进行估计

对吧

他要去监测干扰性的状态

负载状态

还有资源的限制

来对可以使用的资源

进行估计

第二个辅助功能

就是ELQOS需求的分析

那么一样道理

要根据上层业务应用的一些要求

来给出来QOS的需求估计

所以在这两个辅助功能的配合下

那么基站完成主功能的执行

接纳控制它的基本算法

我们就不介绍了

书上有一些详细的说明

请大家自己看

那么负载控制是相应的一个派生

我们也不介绍了

我们重点给大家讲一讲

调度的算法

我们重点给大家介绍一下

分组调度算法

它的一些机制

一般来讲分组调度算法

我们可以按照

他算法的结构

划分为三种算法

也就是所谓的

最大占比

RR算法

比例公平算法

PR算法

这三类算法

是我们最常用的

就最常见的

调度算法

其中像最大载概率算法

这一类算法它可以让吞吐率

达到最大化

因为他的基本思想就是说

我把移动台

所有的用户的信干燥比比我都收集

起来

然后排个序

每一次调度的时候

都选择信道条件

最好的新干燥

比最大的用户服务

这样做理论上讲

可以证明

能够让系统的吞吐率

达到最大化

不过这样的方法

它的公平性是最差的

因为有些用户

他有可能信到质量比较差

就永远不会被服务到

所以它的吞吐率最高了

但是吞公平性变得比较差

那么另外一个极端

就是轮询算法

然后这种算法

所谓的轮询算法

他就是吃大锅饭

就是说我这一共就这么多个时期

人人有份

每个人都会被轮询到

不管你信道条件好

还是信道条件不好

信道条件不好的

你被服务的话

他的数据速率很低

甚至业务仍然是会中断的

信道条件好呢

它也只有一样

同等的概率

能被服务到

所以它的这个机会均等

但是它的数据速率你就上不去

因为它只有一样的同等机会

那么我们在实际

基站工程实现的时候

就不考虑这两个极端

因为前者吞吐率高

公平性上

后者像；轮询算法

他的公平性最佳

但是吞吐率太低

所以我们实际的工程当中

经常用到的是不走极端

调和这两个矛盾

我们选择的是一种

所谓的比例公平算法

这个比例公平算法

我们要设一个优先级

既要考虑到的新的条件

又要考虑到你业务需求

那么信道条件比较好的

它可以优先被调用

但是又不是说

每一次调用

都是只选信道条件好的

他还要考虑到业务的需求

考虑到一定的坚固

一定的公平性

所以在实际的工程实现当中

最常用的调度算法就是

比例公平调度算法

那么下面我们可以大家看一看

调度算法

它对应的一些典型的

模型和结构

我们主要以OFDM系统为例

来给大家做分析

OFDM系统当中

像LTE它的最主要的信号

架构

实际上是MIMO FDMA在这样的

架构下面

我们进行调度

要充分考虑多种资源的综合利用

一方面我有多天线

只有空域资源

第二方面我还有频率资源

因为多载波有频率资源

第三方面

因为它是时频二维结构

所以还要有时间资源

第四方面

因为还有总功率

各个子上面有分配的功率

可以有差别

功率与资源

第五个方面

因为我要服务的是多用户

还有多用户

所以我们把所有各个处理域的

资源综合起来

来进行优化

可以在MIMO FDMA框架下面

兼顾公平性和容量

能够达到系统的最优

通过调度能够获得的增益

我们把增益做一些归纳

一般来讲呢可以归纳为

几类增益

第一类增益是功率增益

功率增益

他实际上可以类比于

我们在前面第12章

讲链路自适应的时候

提到的注水方法

那么通过合理的分配功率

可以让功率有效的集中到

时频分离的多个载波

或者是时隙上

从而获得功率增益

那么一般来讲

功率增益

10倍的logN

N是资源块

大概是这个量级的增益

所以功率增益一般都比较显著

第二类增益

我们称为是多用户分级增益

所谓多用户分级增益

它指的是说

我就大家回忆一下

12章我们讲过的

基本工作

也就是说

用户数多了以后

我们总能够从大量的用户当中

选择出来一些信道质量比较好的

或者说优先级比较高的用户

这样的话

能够让系统

它的吞吐率维持在一个高位

因此相对于随机选择而言

就有显著的性能增益

所以这种增益是靠增加用户数所

获得的

我们就称它为是多用户分集增益

第三类增益是和信号处理有关的

因为我们加了多天线

那么在多个天线上

我们可以传送的多个数据流

这样的话

我们可以获得空间的复用增益

或者我们用多个天线的进行编码

进行了空时编码

这样的话可以提高可靠性

获得空间分集增益

所以空间复用和分集增益

也是在MIMO OFDMA框架下面

可以获得的

好

我们给出来的胶片上给出来的

这就是一个MIMO OFDMA的系统

分组调度的原理结构

大家看上这是以下行为例的

这个基站端

有多个用户的数据流

每个用户分别进行编码

交织

只调至与映射空时

编码子载波映射与分配

然后通过多个天线呢发出去

移动台测呢

每个用户各自来进行

这个FIT变换子载波

子载波提取和信道估计

频域均衡 补偿 解调 译码等等操作

同时每个用户

还能够进行导频提取和信噪估计

那么把这些信道测量的信息

就OMI

还有CQI这样的一个反馈

信息

都测量反馈了以后

反馈到基站段

基站端根据这些测量反馈的信息

来进行的功率的分配

MCS的选择

RMB的分配等等

这就是MIMO OFDMA的

基本框架

在这个框架下面

我们可以归纳为

把资源的分配问题

归纳为满足各种约束条件的

优化模型

那么优化模型

我们简单的给大家做一个说明

最基本的一种优化模型

我们可以认为是一种

分配问题

大家看这就是一个分配问题

它的代价函数

实际上是信道增益的模方

然后求和

这其中涉及到CKN CKN

实际上是一个分配函数

CKN指的是说第N个

符号

第K个子载波上面

那么我分配用户

适性函数

如果你要是分的话

有分配

那么这个函数取值是一

如果不分配

那么这个函数取值是0

这样的话

每一个字在我上只分配一个用户

那么按照业务的需求

给每个用户

可能分配特定数目的子载波或者

带宽

这种方法

我们就称为

是可以把它归结为

数学上的一种分配问题

我们在满足约束条件下

能求出来最佳分配

理论上讲

这种方法可以采用匈牙利算法

来求出最优解的

但一般来讲

你就用最优算法法度比较高

所以我们在实际实现的时候

往往是一些低复杂度的算法

虽然它牺牲了一部分性能

但性能损失不是很大

但复杂度可以得到显著的降低

那么另外一类

我们主要给大家介绍一下

功率怎么进行分配

或者功率与子载波联合分配

那么它的优化模型

这些模型大多数情况下

都可以转化为凸优化

凸优化模型

或者是近似或者松弛为凸模型

那么采用凸优化的工具

来求解这些模型

可以得到

最优解

那么第一类

就是属于功率自适应的模型

他有这样的一些约束

比如说有分配的

你要约束

有速率的约束

那么它的代价函数

是希望让基站的发射功率可以

最小化

这就是它的一些基本代价函数

那么上面这种功率分配的方法

还可以再进一步扩展

就变成了速率自适应的这种优化

模型

要是速率自适应的话

一般来讲

我们这个代价函数是核速率

或者是核容量

那么前端也有分配函数

或者分配因子

后面我们用的是

先用信道容量公式

顺时信道容量公式

然后求和来表示核容量

那么它满足的约束条件

有多个首要的一个是发射功率

不能够超过最大功率

其次包括这些分配适性函数的

规划

另外还包括一个

请大家注意

大家很熟

这个实际上是引入来了

用户之间的公平性约束

有K个用户

每个用户的

业务的比例

业务速率的比例

应当满足它的一个优先级

或者是事先给定的约束比例

也就是大的R1 R2 R3 R4的比值

应当等于我们事先给定的一个

公平性的比例较小

R1/R2

一直比 比到RK

这样的模型

一般来讲

我们都可以把它间隔为凸模型

可以采用的凸优化工具

来求解

求出它的最优解

那么再进一步推广

我们除了速率自适应模型之外

还能够再考虑业务的QOS特性

和用户的一些主观感知

把它变成了

一般意义上的效用

最大化的模型

那就我们把这个业务处理

映射为一些效用函数

比如说像胶片给的事例

就变成一个效用函数了

变成效应函数之后的话

也可以进行

多元化建模和求解

再进一步推广的话

我们前面给的这些效用函数模型

只是考虑到了业务特性

假如说我们在考虑到排队

排队列是有限长的队列的一些

需求

还可以变成一个这种优化

调度和队列优化的联合模型

比如说胶片给的事例

这就是一个

考虑队列与特性之后的

吞吐率的优化模型

还有一些学者的研究

就把前三步操作做联合优化

也就是接纳控制

调度

队列

还有调度和三者联合

我问了越复杂的模型

求解越困难

那么一般情况下

在实际过程当中的指导意义

也就越弱

所以还得要针对工程需求

进行进一步的简化和实用化研究

那么以上呢就是我们对

无线资源管理的

一些概念性的介绍

同学们有兴趣的话

要阅读相关的专业论文

无线资源管理

现在已经变成一个

非常重要的

庞大的研究方向

其中广泛的应用到了

各种各样的凸优化的理论

或者我们进行转换

为凸优化来进行求解

所有这些理论目前来讲

大多数还是停留在理论层面

这些工作

他的理论意义比较重要

我们可以求出来全局最优解

保证可解和算法收敛

但是很多工作

太偏重于

理论上的一些探索

对工程具体问题的指导呢

现在的有点偏弱

希望将来大家有兴趣的话

可以结合工程背景

再进一步

开展实用化的研究