异构云无线接入网络：原理、架构、技术和挑战

彭木根，艾 元

（北京邮电大学 北京100876）

1 引言

在过去20年，高质量的无线视频流、社交网络和机器对机器（M2M）等业务和智能应用呈爆炸式增长，可以预见，未来移动互联网和物联网应用还将进一步增加，如何在这些按指数递增的无线多媒体业务中为用户提供与ADSL类似的体验，是5G移动通信系统亟需解决的难题。相比较于当前的4G移动通信系统，5G单条链路的数据业务传输速率将达到10 Gbit/s，频谱及功率效率提升10倍，网络覆盖的单位面积吞吐率提升25倍，单节点接入用户数提升10～100倍，端到端业务时延缩短至1 ms，终端电池使用寿命延长10倍等。自1G移动通信系统使用以来，传统蜂窝移动通信系统接入网架构的寿命已超过40年，最初设计的目的是实现基站服务区域重叠尽可能少的无缝覆盖，因此提出了简单高效的六边形蜂窝组网架构，但规则蜂窝组网在简化网络设计的同时，也阻碍了网络性能的进一步提升。为了实现5G的性能目标要求，需要从组网架构上进行改进，打破传统规则蜂窝组网架构，提出新型5G和后5G的无线接入网络架构和先进的信号处理技术。

密集分层异构网络（heterogeneous network，HetNet）在后4G时代已经被提出，通过增加异构的小功率节点（low power node，LPN）实现热点地区的海量业务吸收，理论上网络谱效率和单位面积的LPN节点密度成正比。由于LPN随机布置，且和HPN（high power node，高功率节点）重叠覆盖同一服务区域，因此HetNet打破了传统规则蜂窝组网架构，但其性能严重受限于相邻LPN间以及LPN-HPN间的干扰，相关的跨层干扰和同层干扰控制一直是学术界和产业 界 的 热 点 和 难 点[1]。多 点 协 作（coordinated multi-point，CoMP）传输和接收技术是抑制干扰的先进技术之一，但其性能紧密依赖于回程链路的传输容量，在非理想回程场景下，实际HetNet的CoMP性能增益只有约20%。为了大幅度提升实际网络的组网谱效率、降低能量消耗，一种有效方法是结合大规模云计算平台进行集中实时信号处理，初步实现云计算和无线接入网络的融合，中国移动于2009年在业界提出了云无线接入网络（cloud radio access network，C-RAN）的解决方案。C-RAN把传统的基站分离为离用户更近的无线远端射频单元 （remote radio head，RRH）和集中在一起的基带处理单元(base band processing unit，BBU)。多个BBU集中在一起，由云计算平台进行实时大规模信号处理，从而实现了BBU池。C-RAN的主要技术挑战在于BBU池和RRH需要单独建立，重新组建一个小接入网，和目前已有的HPN无法兼容；更加困难的是，无法高效提供实时语音业务以及在密集RRH布置下管理控制信令下放，且消耗大量的用于业务承载的有限无线资源等。

借鉴HetNet中通过HPN实现控制和业务平面分离以及C-RAN中RRH高效支撑局部业务的特征，联合HetNet和C-RAN各自优点，充分利用大规模实时云计算处理能力，本文提出了异构云无线接入网 （heterogeneous cloud radio access network,H-CRAN）作为5G无线接入网络的解决方案[2]。

2 H-CRAN系统架构和组成

如图1所示，H-CRAN中数量众多的低能耗RRH相互合作，并在集中式BBU池中实现大规模协作信号处理。RRH作为前端射频单元，具有天线模块，主要的基带信号处理和上层空中接口协议功能都在BBU池中实现。传统C-RAN的BBU池集合了集中式存储、集中式信号处理和资源管理调度以及集中式控制等功能，使得C-RAN的控制管理功能复杂，大规模无缝C-RAN组网难度大且不现实，无法和已有的3G和4G等蜂窝网络兼容，且支撑突发小数据业务的能力并不突出，对实时语音业务也不能很好地支持。与C-RAN不同，H-CRAN中的BBU池和已有的HPN相连，可以充分利用3G和4G等蜂窝网络的宏基站实现无缝覆盖以及控制和业务平面功能分离。HPN用于全网的控制信息分发，把集中控制云功能模块从BBU池剥离出来。此外，BBU池和HPN之间的数据和控制接口分别为S1和X2，其继承于现有的3GPP标准协议。在H-CRAN中，RRH间的干扰由BBU池进行大规模协作信号处理来抑制，而RRH和HPN间的干扰可以通过HetNet中的CoMP进行分布式协调来减少[3]。

需要说明的是，传统C-RAN的主要性能瓶颈之一在于去程（fronthaul）链路的容量受限，而所提的H-CRAN由于HPN的参与，避免了控制信令的传输开销，让部分用户接入HPN也减少了业务传输速率的开销，从而有效缓解了去程链路的容量需求，实现了RRH对用户的透明性，这里不需要为RRH分配小区识别号，简化了网络设计和规划等。所有的控制信令和系统广播信息都由HPN发送给用户设备（user equipment，UE），可以使RRH根据用户业务需求自适应地进行休眠，从而有效地节约了能量消耗，实现了以用户为中心的绿色节能通信。需要说明的是，一些突发流量或即时消息业务可以由HPN来支撑，以确保业务能够无缝覆盖，RRH只用于满足热点区域海量数据业务的高速传输需求。对于RRH和UE之间的无线传输来说，可以采用不同的空中接口技术，例如IEEE 802.11 ac/ad、毫米波甚至可见光等。

图1 H-CRAN系统架构和组成

为了提高H-CRAN的网络能量效率性能，RRH的开关与业务量自适应匹配。当业务负载较低时，一些RRH在BBU池的集中自优化处理下进入睡眠模式；当业务负载较高时，可以自适应激活睡眠的RRH。此外，根据UE承载业务和传输性能等要求，一个或者多个RRH自适应为其服务，如果UE业务量较少，同一个RRH的单一资源可以为多个UE共享使用。

利用所提的H-CRAN，除了能显著提高网络的谱效率和能量效率性能外，还能大幅度改善移动性能。由于在不同RRH间移动只涉及资源调度的变化，不离开HPN覆盖范围就不需要进行切换，所以显著地减少了C-RAN系统中常用的不必要切换，降低了切换失败率、乒乓切换率和掉话率等。

3 H-CRAN关键技术

为了发挥H-CRAN性能优势，需要充分挖掘基于大规模云计算处理的优势，对传统的物理层、媒体接入控制层和网络层进行增强。对物理层而言，基于云计算的CoMP（CC-CoMP）技术作为4G系统中CoMP技术的增强，主要用来实现同层RRH间以及跨层RRH和HPN间的干扰抑制。大 规 模 协 作 多 天 线 （large scale collaboration more antennas，LS-CMA）技术通过在HPN中布置大规模的集中式天线阵列来获得天线分级和复用增益。通过基于云计算的协作无线资源管理（CC-CRRM）技术，实现资源的虚拟化和用户的高效资源调度，同时实现HPN和RRH间的干扰协调和移动性管理增强等。另外，通过基于云计算的网络自组织（CC-SON）技术，实现自配置、自优化和自治愈，提高H-CRAN的智能组网能力，同时降低网络规划和维护方面的成本等。

3.1 基于云计算的大规模多点协作

和C-RAN一 样，H-CRAN充 分 利 用BBU池，对 来 自RRH的无线信号进行大规模协作处理，抑制RRH间的干扰，称为同层CC-CoMP。另外，为了抑制RRH和HPN间的干扰，将使用跨层CC-CoMP技术。由于RRH和BBU池间的去程链路容量受限，所以需要使用信号压缩处理技术，这使得在BBU池中的无线信号是压缩有损信号，相应的同层CC-CoMP性能将有一定的损失。此外，对于每个用户而言，对同层CC-CoMP性能的影响主要来自有限个相邻的RRH，所以在BBU池可以采用稀疏预编码处理，在性能降低几乎可以忽略的前提下能够显著降低同层CC-CoMP计算复杂度，从而便于进行实时云计算处理。跨层CC-CoMP受限于BBU池和HPN间的回程链路容量和信息交互实时性，由于实时理想的信道状态信息(channel state information，CSI)难以获得，跨层CC-CoMP性能和HetNet中的CoMP性能类似。

3.2 大规模集中式多天线协作处理

LS-CMA也称为大规模多输入多输出（massive MIMO）天线，在HPN处集中式地配备数百甚至上千根天线，用于改善HPN的传输容量和覆盖范围。根据大数定律，当天线数量足够多时，无线信道传播可以硬化，使得传输容量随着天线数量增加呈线性增加。已有实际网络测试结果表明，在HPN处部署100根天线，与传统的单天线配置相比，容量将获得至少10倍的提升，同时能量效率性能也将得到100倍数量级的提高。

需要说明的是，如果H-CRAN侧重挖掘LS-CMA的性能增益，让更多用户接入HPN获得业务传输，会牺牲掉CC-CoMP的性能增益，极端情况下所有用户都由HPN提供服务，则H-CRAN就退化为传统的蜂窝无线网络；但如果让较少的用户接入HPN，又会降低LS-CMA的性能；如果让所有业务都由RRH提供，则会使H-CRAN退化为C-RAN。因此，权衡LS-CMA和CC-CoMP间的性能增益，才能使H-CRAN的网络性能增益最大。

3.3 基于云计算的协作无线资源管理

相比较于C-RAN系统，H-CRAN系统增加了HPN实体，也使得用户接入、资源分配、功率分配、负载均衡等更加灵活，也更加复杂[4]。可以使用HetNet使用的小区范围收缩技术平衡RRH和HPN间的负载，同时让用户尽量接入RRH。此外，为了减少RRH和HPN间的干扰，在负载轻的时候，可以为这两个实体配置正交的频谱资源。当负载变重时，只分配部分的频谱资源用于RRH和HPN的共享，以提供基本的无缝覆盖业务，而其他不共享的频谱资源专门用于RRH间的高速业务传输。频谱资源的配置分配是一个优化问题，需要联合功率分配和用户接入以及优化目标进行联合设计[5]。

为了在H-CRAN系统支撑不同时延的多媒体分组数据业务，H-CRAN需要实现时延感知的CC-CRRM。传统无线资源管理主要是侧重各用户的CSI，进行无线资源和用户CSI的自适应匹配，同时兼顾优化用户的公平性和小区资源配置等。CC-CRRM将自适应每个用户的分组业务排队状态信息（queue status information，QSI）和CSI，进行资源分配和无线信号处理，实现跨层资源协同优化。

3.4 基于云计算的网络自组织

和HetNet及C-RAN类似，由于在局部区域聚集了大量随机布置的接入节点，使得H-CRAN的网络规划优化非常复杂，依靠传统的人工网络规划优化变得不太现实，亟需采用网络自组织（SON）技术提高H-CRAN智能组网性能。SON技术能够在组网过程中最小化人工干预，减少运维成本。鉴于H-CRAN中各RRH的无线资源管理、移动性管理及射频等相关参数都需要配置和优化，且拓扑结构会随着RRH的自适应开/关而动态变化，所以SON是确保H-CRAN智能组网的关键。充分利用H-CRAN的BBU池集中大规模管理架构，基于云计算的SON（CC-SON）将基于集中式架构，联合云计算服务器中的海量网络运维数据，进行大数据挖掘，智能化完成H-CRAN各RRH的自配置、自优化和自治愈功能。需要说明的是，由于BBU池和HPN间有接口，可以通过集中式架构完成HPN的自组织功能，而不需要使用混合式的SON架 构[6]。

4 H-CRAN未来技术挑战

H-CRAN作为对HetNet和C-RAN的增强演进，虽然已经提出了清晰的系统架构和关键技术，但仍有技术挑战亟需解决，才能推进其成熟和未来应用。

4.1 理论组网性能限

和HetNet及C-RAN的理论组网性能研究类似，H-CRAN的理论组网性能限需要刻画RRH的随机分布，挖掘去程链路容量受限对大规模集中信号处理性能的影响。RRH的随机分布将通过泊松点(PPP)分布进行表征，利用随机几何，推导单用户的覆盖成功率、小区的平均频谱效率和能量效率等。利用推导的性能限闭式解，描述影响性能限的关键因素，以指导无线资源分配和网络配置等。此外，从用户角度出发，研究以用户为中心的动态RRH选择和集合设置，在减少去程链路开销和实时计算复杂度的同时，减少性能损失[7]。

4.2 去程链路受限的性能优化

在RRH和BBU之间非理想的去程链路受限会使H-CRAN的整体频谱效率和能量效率恶化。为了减少去程链路的业务传输带宽要求，一般都需要对来自RRH的无线符号进行压缩处理。如何减少压缩处理后的影响，是未来仍亟需突破的关键问题。一种可行方法是打破传统的完全集中式架构，充分利用分布式存储和分布式信号处理功能，让部分业务传输发生在本地，而不需要上传到BBU池，从而有利地降低去程链路的开销[8]。另外一种方法是通过HPN的分流，但这是以牺牲BBU池的大规模协作增益为代价的。

4.3 H-CRAN未来标准化工作

H-CRAN的标准化工作应该在未来5G标准框架下，实现C-RAN和HetNet的平滑演进。在3GPP的R12中已经对高阶调制、几乎空白帧、小区自动开/关、SON、节能、非理想回程的CoMP等技术进行标准化工作。作为这些技术的增强演进，有望在未来的R13和R14中对H-CRAN的网络架构、系统组成、RRH智能开/关策略、CC-CoMP、LS-CMA、CC-CRRM和CC-SON等进行标准化定义。

5 结束语

异构云无线接入网络（H-CRAN）通过结合云计算和HetNet技术优势，能够实现高谱效率和高能效率的组网，可以视为未来5G无线接入网的一个重要可选方案。本文系统介绍了H-CRAN的系统架构和关键技术，同时指明了未来技术挑战和相应的可能解决方法。

1 Peng M G,Liu Y,Wei D Y,et al.Hierarchical cooperative relay based heterogeneous networks.IEEE Wireless Communications,2011,18(3):48～56

2 Peng M G,Li Y,Jiang J M,et al.Heterogeneous cloud radio access networks:a new perspective for enhancing spectral and energy efficiencies.IEEE Wireless Communications,2014,21(6):126～135

3 Peng M G,Li Y,Zhao Z Y,et al.System architecture and key technologies for 5G heterogeneous cloud radio access networks.IEEE Network,2015,29(2):6～14

4 Peng M G,Zhang K C,Jiang J M,et al.Energy-efficient resource assignment and power allocation in cloud heterogeneous radio access networks.IEEE Transactions on Vehicular Technology,2014(99):1～13

5 Li J,Peng M G,Cheng A L,et al.Delay-aware cooperative multipoint t ransmission with backhaul limitation in cloud-RAN.Proceedings of 2014 IEEE International Conference on Communications(ICC)Workshops,Sydney,Australia,2014:665～670

6 Peng M G,Liang D,Wei Y,et al.Self-configuration and self-optimization in LTE-Advanced heterogeneous networks.IEEE Communications Magazine,2013,51(5):36～45

7 Peng M G,Yan S,Poor H V,et al.Ergodic capacity analysis of remote radio head associations in cloud radio access networks.IEEE Wireless Communications Letters,2014,3(4):365～368

8 Peng M G,Li Y,Quek T Q S,et al.Device-to-device underlaid cellular networks under rician fading channels.IEEE Transactions on Wireless Communications,2014,13(8):4247～4259