HSPA+异构网中信道分离技术的时延补偿研究

李红豆　王柯　常永宇

摘要：认为异构网的引入有效提高了高速分组接入+（HSPA+）网络的整体性能，但由于构成异构网的宏基站（MNB）和低功率节点（LPN）发射功率不同，造成上下行数据传输的不均衡，这将不可避免地影响到异构网络的整体性能；增强专用信道（E-DCH）分离技术能够有效消除上下行不均衡问题带来的影响，但信道分离技术在实际应用中会有严重的时延问题。基于上述观点，讨论了HSPA+异构网共信道传输中的控制信道时延问题，并针对这个问题提出自适应灰色预测算法（AGP）实现时延补偿。系统仿真验证了算法的正确性和有效性。

关键词： 适应性灰色预测算法；E-DCH分离；控制信道时延；HSPA+异构网

随着智能手机的迅速普及，基于数据交换的各种业务需求的持续增长，这对大容量的移动通信系统提出迫切需求。异构网的提出对于提高通信系统容量和扩大通信网络覆盖范围有着重要意义。在LTE中，异构网已经成为一项成熟的技术，但对于高速分组接入+（HSPA+）网络的标准化工作还在进行中。在共信道的HSPA+异构网的部署过程中，一些问题仍需加以讨论和解决[1]。

HSPA+异构网络中共享信道的上下行不均衡问题是最主要的问题，由于低功率节点（LPN）的功率要低于宏基站（MNB），导致上下行传输边界不一致，这就在二者服务域内产生了上下行不均衡区域[2]。而在这个区域里总是会存在一些潜在的问题，对上下行数据传输性能造成一些不良的影响[3]。

为了解决异构网中的上下行不均衡问题，相关技术相继提出，其中增强专用信道（E-DCH）信道分离技术（E-DCH decoupling）[4]是最有望得到广泛应用的有效解决方案。E-DCH信道分离技术本质上就是对处于不均衡区内的用户实行上下行分别服务的策略，即MNB服务下行，LPN服务上行。这个方法能够很直接地解决上下行不均衡问题，但在这项技术应用于实践之前还有许多潜在问题需要加以解决。其中时延问题是最主要的问题，特别是对于遗留用户设备（Legacy UE）[5]。这是由于Legacy UE在上行传输时，需要在MNB和UE之间建立E-DCH绝对授权信道（E-AGCH）和E-DCH相对授权信道（E-RGCH），而E-AGCH信道的建立需要经由无线网络控制器（RRNC），这个过程往往会造成不可忽略的时延[6]。

在本文中，笔者将首先对共信道HSPA+异构网中的上行传输、E-DCH信道分离技术以及时延问题进行分析。接着将提出基于GM（1，1）灰色模型[7-8]的自适应灰色预测算法（AGP）时延补偿方案，基于历史数据利用AGP预测和估算当前授权值，对实际当中授权信道建立产生的时延进行有效补偿。最后将对所提出的AGP算法进行仿真评估，并同时证明了AGP时延补偿算法的可行性和有效性。

1 系统模型

本文相关研究及讨论基于一个上行共信道的HSPA+异构网模型，该网络中包含有M个常规六边形宏单元（Macro Cell），每一个MNB都是位于六边形宏单元的中心，每一个宏单元被均分成3个120°角的近似扇形子域。K个LPN随机均匀分布于每一个宏单元中，同时在每个宏单元子域中随机均匀撒入N个用户。模型设定每个基站（包括MNB和LPN）以及用户都有两个天线。每一个用户在MNB和LPN中只能选择一个作为自己的服务节点。

1.1 小区配置

将范围扩展（RE）[9]考虑在内，[UEi]在选择基站（NodeB）[bi]作为服务节点的时候遵循以下公式：

[bi=argmaxb∈M?K（μi，b+Δb）] （1）

将其中M和K分别表示MNB和LPN的集合，[μi，b]是[UEi]下行的接收信号功率（RSCP）[10]，[Δb]是NodeB b的附加偏移值并且符合下式：

[Δb=δ（δ>0），b∈K0，b∈M] （2）

1.2 信号与干扰加噪声比模型

这里我们考虑每个NodeB可以在每个调度周期内调度一个UE的场景，当NodeB [bi]调度[UEi]的时候，下行信干噪比（SINR）是：

[γi，bi=pi?Gi，biN0+j=1，j≠iNpj?Gi，bi] （3）

其中[pi]是[UEi]的传输功率，[N0]是[UEi]的白噪声，而[Gi，bi]则表示上行信道的增益。

1.3 服务授权

大的授权（Grants）不仅意味着UE要用更大发送功率和更高的数据传输速率，而且意味着系统将会遭受更严重的干扰。基于对实时干扰水平的测量，调度节点会对各个终端的授权进行控制从而将小区内干扰保持在一个可以接受的范围内。授权通过HSPA+异构网中的E-AGCH和E-RGCH从NodeB传到UE[11]。但是在UE由于时延过长等问题不能及时接收授权的情况下，UE就可能会用上一次数据传输中使用过的过期授权，这将导致授权与当前传输环境不符从而影响到整个小区的性能。

2 HSPA+异构网信道分离

技术中的时延补偿

我们将首先分析上下行不均衡造成的影响以及E-DCH信道分离技术中上行时延问题，然后提出AGP时延补偿算法。

2.1 上下行不均衡问题

HSPA+异构网中不均衡区的如图1所示。在HSPA+异构网络共信道场景中，由于MNB的功率要比LPN功率大，导致上下行边界位置不同，造成二者之间存在上下行不均衡区域。上行UL边界在MNB和LPN接收到UE功率相同的位置，即为MNB和LPN两个节点中间位置。下行DL边界在UE接收到MNB和LPN发射信号功率相同的位置，而由于MNB的功率要高于LPN，所以DL边界在偏向LPN的位置。这里的系统分析不考虑范围扩展，即小区个体偏移（CIO）等于0。图1中C、D两点是软切换（SHO）边界，对于在SHO区的UE来说，可以调度它的节点NodeB同时包括MNB和LPN，也就是说，这个情况下的UE是被MNB和LPN两者同时控制的。

因此，不均衡区可以进一步被划分为两部分，在没有和SHO重叠的区域AC内，UE只受到MNB的服务和控制，但这种情况下UE实际上是距离LPN更近。因此，上行传输时，作为服务节点的MNB会要求UE有比较大的发射功率，从而造成对LPN的严重干扰。在不均衡区和SHO区重叠的部分CB内，MNB和LPN都可能对UE进行控制和影响。当UE用合适的发射功率对MNB进行上行传输时，会对距离它最近的LPN产生严重的上行干扰，为了减小这种干扰，LPN会要求UE降低它的上行发射功率，但减小了发射功率的UE将会无法和MNB进行可靠的上行数据传输。同时，上行传输的数据中也会包括一些下行传输控制信息，所以，这将影响到下行传输的可靠性。总之，上下行不均衡问题会对上行和下行的数据传输性能均造成不良影响。

2.2 E-DCH信道分离技术

E-DCH信道分离技术其实就是在不均衡区施行这样的一个传输策略：UE进行上行数据传输时选距离它最近的LPN作为服务节点，在下行传输时仍旧选用原始服务节点MNB。像这样对上下行数据传输分别调用不同服务节点的方法不仅能够保证数据传输质量，也能有效地消除干扰。

E-DCH信道分离过程如图2所示。在不均衡区的UE传输上行数据时，为了不影响附近的LPN会减小它的发射功率，从而影响UE与MNB的上行传输质量。当应用E-DCH信道分离技术时，LPN会代替MNB作为上行服务节点并且给UE提供上行传输授权，接收UE的上行传输数据。这个授权可以经过适当调整从而实现LPN对上行数据的成功接收并且不会干扰到MNB。

在不均衡区内将UE的上行传输服务节点更换为LPN，可以使上行传输功率调整到能够仅被LPN接收且不会干扰到MNB程度，很好地解决了上下行不均衡问题。同时，由于MNB不需要对不均衡区的UE进行上行传输服务控制，这就释放了很多MNB上行资源，从而提升了宏单元的整体性能。

2.3 遗留用户的时延问题

由上文可知E-DCH信道分离技术能够很好地解决上下行不均衡问，但是要改变上行传输服务节点需要额外增加相关控制、授权信号的传输。对于Rel-12用户而言，LPN可以直接和用户（UE）之间建立E-AGCH等控制信道，但对于遗留用户来说，LPN需要经由MNB同UE之间建立控制信道，而MNB同用户之间控制信道的建立还要通过RNC。

遗留用户的整个E-DCH信道分离技术实现过程如图3所示。不难看出授权信道的建立是相当耗时，将会造成10～20 ms的时延[12]。在授权接收时，若时延过长将会导致UE接收到的授权很可能是前一次数据传输中应当接收并用于传输控制的授权，对于当前数据传输没有指导意义，也就是与当前传输环境不匹配。授权过大会导致发射功率过大，会给E-DCH信道分离系统带来不可预测的干扰，而授权过小意味着系统资源得不到充分利用。这两种情况都会削弱E-DCH信道分离系统的性能，因此，时延补偿技术的研究对遗留用户有重要意义。

2.4 AGP算法

AGP是基于对不完整、不确定数据的分析，发现并利用数据间的相关性建立系统模型，从而预测未知数据的算法。这是一种基于数列关联度的算法，它假设所观测的系统中的内参、系统特性和结构都是未知的，这个系统状态可以根据一个由最近历史数据得到的微分方程进行预测[13]。

根据AGP算法，时延补偿详细过程如下：

（1）根据最近测量数据构造原始数列

[g（0）=g（0）（1），g（0）（2），…，g（0）（n）=g（0）（k）；k=1，2，…，n] （4）

其中[g（0）（k）]是k时刻测得的授权值，n代表的是整个数列的长度，n符合如下公式：

[n=μ?TDelay] （5）

其中[TDelay]表示E-AGCH的时延，[μ]是恒参，[μ]越大则测量长度越大，意味着复杂性越大。

（2）构造一个基于中间变量[g（1）]的累加生成（AGO）

[g（1）=g（1）（1），g（1）（2），…，g（1）（n）=g（1）（k）；k=1，2，…，n=i=1kg（0）（i），k=1，2，…，n] （6）

其中上标（0）表示原始数据，（1）表示累加生成数据。累加生成数据能够将一个非负不规则数列变换成一个递增数列。因此，生成数[g（1）]使原始数列[g（0）]固有性质得到加强。

（3）构造灰色微分方程

[dg（1）dk+ag（1）=b] （7）

由于[g（1）（1）=g（0）（1）]，由最小二乘法可以得到a，b的值：

[a=ab=BTB-1BTYN] （8）

其中

[B=-J（1）（2）1-J（1）（3）1……-J（1）（n）1]，[YN=g（0）（2）g（0）（3）…g（0）（n）] （9）

[J（1）（k）=αg（1）（k）+（1-α）g（1）（k-1），k=2，3，…，n] （10）

[J（1）]是由数列[g（1）]的邻值在生成系数[α]下的邻值生成数，这里由于每个授权有相同权重，故[α]取0.5。

（4）计算预测值

利用（8）计算得到a和b的值以后，就可以利用灰色微分方程预测[g（0）]在下时刻的值，首先利用下式得到中间变量：

[g（1）（k+1）=g（0）（1）-bae-ak+ba，k=0，1，2，…] （11）

接下来，通过累加生成逆变换（IAGO）计算预测值：

[g（0）（k+1）=g（1）（k+1）-g（1）（k）=（1-e-a）g（0）（1）-bae-ak] （12）

（5）残差检验

预测结果的均方误差、残差均方误差以及方差比计算如下：

[S1=（i=1ng（0）（i）-g（0）2n-1）12] （13）

[S2=（i=1nΔ（0）（i）-Δ（0）2n-1）12] （14）

[C=S1S2] （15）

其中[g（0）]和[Δ（0）]分别代表授权数列的均值和残差均值，[C]是均方误差比。如果：

[C<ξ] （16）

则预测结果具有可用性，否则预测结果不可用。这里[ξ]是默认阈值。

（6）算法实现

本文提出的AGP时延补偿方法是利用MNB一侧授权的历史数据预测当前授权的。具体实现步骤如下：

·算法实现流程如图4所示。图4中UEij 表示MNB在步骤i中调度的第j个用户，在E-DCH信道分离过程中简称为遗留用户（LDUE），LDUEi表示第i个遗留用户。首先，LDUEi在上行传输信道中加入作为LUDE的标识符，一旦服务节点MNB检测到标识符，它就会为LUDE准备缓存区来存储历史授权。

·LDUE申请上行传输时，原始服务节点LPN通过RNC向MNB发送授权值，然后MNB通过E-AGCH将此授权发送给LDUE并存入缓存区。此时，LDUE接收到的授权仍为延迟后的授权。

·当缓存区已满且LDUEi要进入下一个服务周期时，MNB就对缓存区内的历史授权值进行基于AGP算法的计算得到预测授权值。如果得到的结果满足（16）式，MNB就立即将其作为当下授权发送，否则就等收到下一个延迟的授权再向LDUE发送。

·将缓存区中最早存入的授权值弹出，并将最新数据压入，如此不断更新缓存区内数据，从而能够连续预测下一个授权。

3 系统级仿真

文章将通过系统仿真来验证AGP算法在HSPA+异构网上行传输信道分离的过程中所起到的时延补偿作用。

3.1 仿真环境配置

本文中的仿真环境搭建和参数配置都是基于文献[14]。这里研究的的是一个由19个六边形蜂窝小区组成的HSPA+网络，每个宏基站周围有3个扇区，在每个扇区中均匀随机撒入4个LPN节点。节点的接收器和发射器都配有两个天线。在这个场景中，我们假设每个扇区中有8个用户，都是均匀随机分布。其中在热点区（LPN覆盖区）的用户数量与扇区内用户总数量之比为Photspot，本次仿真中Photspot等于0.5。LPN传输功率取30 dBm，覆盖半径为35 m。MNB传输功率取43 dBm，用户最大传输功率取24 dBm。遗留用户的E-AGCH时延为10 ms和20 ms，（16）式中[ξ]取值0.65。

采用PA3信道模型[15]，信道衰落符合对数正态阴影衰落。节点NodeB b和用户[UEi]之间的路径衰落计算如下：

其中[Di，b]表示NodeB b和[UEi]之间的距离。

其他信道衰落参数如表1所示，详细仿真参数如表2所示。

3.2 仿真结果分析

AGP算法在HSPA+异构网上行传输中的时延补偿效果的仿真结果如图5、图6、图7所示。

图5显示了在不同时延下的用户吞吐量和小区个体偏移量之间的关系曲线。其中绿色曲线表示理想无时延情况下的用户吞吐量曲线，是其他两条曲线的对比曲线；红色曲线表示实际有时延情况下的用户吞吐量曲线，由于E-AGCH建立中10～20 ms的时延，这种情况下的遗留用户在E-DCH信道分离状态中用到的授权很有可能是不匹配的，可以看出红色曲线和理想无时延情况下的绿色曲线有明显差距，这就意味着实际应用中时延问题会对用户吞吐量造成严重影响；蓝色曲线表示遗留用户在E-DCH信道分离状态中应用AGP算法进行时延补偿后的用户吞吐量情况，可以看出这条曲线有效地缩小了实际情况与理想情况之间的差距，虽然达不到但却更加接近理想无时延的绿色曲线，这就意味着AGP算法在E-DCH信道分离中有效地起到了时延补偿的作用。

图6显示了在不同时延下所有用户吞吐量和RE偏置值CIO之间的关系曲线，和图5分析类似，可以看出在不同实际时延情况下应用AGP时延补偿算法时，都会明显提升用户吞吐量，改善系统性能，并且缩小和理想无时延状态下系统性能的差距。正如前文所述，AGP算法的应用将会减小系统干扰，提高整体无线通信系统的性能，进而使每一个用户的性能都较实际有时延情况下有所提高。

图7显示了在不同CIO下遗留用户吞吐量的累积分布（CDF）函数曲线，可以看出AGP算法有效地实现了时延补偿，并提高了系统的整体性能。

4 结束语

本文主要讨论解决的是HSPA+异构网上行链路中应用E-DCH信道分离技术时产生的时延问题。文中首先简要介绍了系统模型，分析了HSPA+异构网中存在的上下行传输不均衡问题，接下来提出了解决此问题的E-DCH信道分离技术，并经分析提出此项技术在实际应用中造成的时延问题。接下来，为了实现时延补偿有效提高网络性能，文中提出了AGP算法，该算法通过准确预测E-AGCH授权值，可以对时延造成的问题进行有效补偿。最后，文中通过对该算法进行系统级仿真评估，验证了该算法不仅能够有效地实现时延补偿，同时还降低了干扰水平，提高了系统性能。

参考文献

[1] 3GPP. 3GPP RP-131306. New WI proposal： UMTS Heterogeneous Networks Enhancements [S]. 3GPP TSG RAN， 2013

[2] 3GPP. 3GPP TR 25.800. Study on UMTS heterogeneous networks （Release 12） [S]. 3GPP TSG RAN， 2013

[3] 3GPP. 3GPP R1-135621. E-DCH Decoupling for Legacy UE [S]. 3GPP TSG RAN WG1， 2013

[4] 3GPP. 3GPP R1-134747. Detailed analysis of E-DCH decoupling [S]. 3GPP TSG RAN WG1， 2013

[5] 3GPP. 3GPP R1-133539. Considerations for E-DCH Decoupling in UMTS HetNets [S]. 3GPP TSG RAN WG1， 2013

[6] 3GPP. 3GPP R1-132529. Introducing E-DCH decoupling in Hetnet deployments [S]. 3GPP TSG RAN， 2012

[7] CHEN J F， SHI Z G， HONG S H， CHEN K S. Grey prediction based particle filter for maneuvering target tracking [J]. Progress in Electromagnetic Research （PIER）， 2009，93（1）： 237-254

[8] 肖新平， 毛树华. 灰预测与决策方法 [M]. 北京：科学出版社， 2013

[9] 3GPP. 3GPP R1-125135. Considerations on Range Expansion [S]. 3GPP TSG RAN WG1， 2012

[10] 3GPP. 3GPP TS 25.215. Physical layer measurements （FDD） （Release 11） [S]. 3GPP， 2011

[11] DAHLMAN J S E， PARKVALL S， BEMING P. 3G evolution： HSPA and LTE for mobile broadband [M]. Academic Press， 2008

[12] 3GPP. 3GPP R1-134676.Considerations on E-DCH decoupling [S]. 3GPP TSG RAN WG1， 2013

[13] WONG T C， LIN B C， CHENG C T. Fuzzy tracking method with a switching grey prediction for mobile robot [J]. IEEE International Conference on Fuzzy Systems， 2001，22（1）： 103-106. doi：10.1109/FUZZ.2001.1007257

[14] 3GPP. 3GPP R1-135622. Simulation Result for E-DCH Decoupling combined with CIO in UMTS HetNet [S]. 3GPP TSG RAN WG1， 2013

[15] 3GPP. 3GPP TS 25.101. User Equipment （UE） radio transmission and reception （FDD） （Release 11） [S]. 3GPP， 2012