5G异构网络中基于熵权TOPSIS的小区预切换方法*

陈发堂，杨 玲，贾俊文，杜海涛，粟 栗

(1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.中国移动通信集团公司研究院,北京 100053)

0 引 言

超密集网络(Ultra-dense Network，UDN)是解决移动数据流量爆炸式增长的关键技术[1]。大量覆盖范围小的微小区(Small Cells，SC)部署在宏小区(Macro Cell，MC)的覆盖范围内[2]，以减少与MC相关联的用户设备(User Equipment，UE)[3]，UDN缩短了UE与基站之间的距离，因此信号在传输过程中的衰减大大降低[4]，从而为UE提供更好的服务质量(Quality of Service，QoS)。但SC的覆盖范围小，导致了更加频繁的切换以及更高的切换失败率，从而影响了UE切换的稳定性，并且UE可能会包含在多个基站的覆盖范围内，则该UE会受到多个基站信号之间的干扰[5]，使得UE的服务体验感变差。文献[6]指出控制平面和用户数据平面分离架构(Control/Data Separation Architecture，CDSA)是克服这些问题的有前景的解决方法。目前已有大量的工作研究切换的管理[7]：文献[8]提出了在CDSA中基于双连接的切换方案以提高切换鲁棒性，但是该方案只适用于高铁场景；文献[9]提出使用基于层次分析法来解决用户接入问题，但是在选择超密集网络中的性能参数时忽略了基站间的干扰，并且利用层次分析法来确定不同属性之间的权重时，依赖于人的主观意识，说服力不强；文献[10]研究了宏小区、微小区和微微小区之间的切换过程管理，提出了一种理论模型来表征异构场景中移动用户的性能，该理论模型是各种切换参数的函数，但是这些工作集中在低频蜂窝系统，当处理毫米波时，频繁的切换也是一个急需解决的问题；文献[11]提出了在5G双连接异构网络中基于全记忆上下文感知的预测切换方案，该方案采用灰色模型预测接下来的信号功率和信号质量，并利用位置估计模块来估算UE将来所处的位置，然而该方案中由服务基站(Serving Base Station,SBS)做出切换决策，这会给SBS带来额外的开销。

为了解决以上问题，本文提出了一种基于熵权优劣解距离法(Technique for Order Preference by Similarity to an Ideal,TOPSIS)的小区预切换方法，通过考虑多个切换指标来处理切换问题；对比了UE在不同移动速度下本文方案与已有的切换方案在小区切换次数和无线链路失败率方面的性能，结果表明本文方案降低了小区切换次数和无线链路失败率。

1 系统模型及提出的方案

1.1 系统模型

CDSA模型如图1所示。在CDSA中，CBS保证了一个低速率覆盖层，提供了与小区搜索和系统消息获取相关的信令。CBS还提供广播/多播服务、寻呼功能和服务DBS选择功能，另外还负责处理移动性管理。因为CBS的覆盖范围大，则可以利用CBS的大覆盖范围以及它对网络状态和参数的更广泛的视角来优化资源选择。在会话期间，DBS为信道估计、链路自适应和波束形成提供必要的信令，同时提供数据传输。

图1 CDSA架构模型

1.2 提出的熵权TOPSIS预切换方案

本文提出一种在5G双连接异构网络中的熵权TOPSIS法减少小区切换次数。小区切换过程分为切换准备阶段、切换执行阶段以及切换完成阶段三个阶段。在切换准备阶段,UE根据服务CBS下发的无线资源控制重配(RRC Reconfiguration)消息里的配置对服务DBS和邻DBS进行测量，随后将测量结果发送到熵权TOPSIS预测模块；熵权TOPSIS预测模块根据测量参数和UE位置预测目标切换DBS，UE将目标DBS和熵权TOPSIS法得到的各候选小区的排序发送给服务CBS，由服务CBS做出切换判决。在切换执行阶段，服务CBS向目标DBS发送切换请求，目标DBS进行接入控制并预留资源，服务DBS向UE发送切换命令，UE切换至目标DBS。最后，UE与目标DBS完成上行同步，并释放与服务DBS的连接。图2为本文提出的熵权TOPSIS预切换方案信令流程图。

2 熵权TOPSIS预测模型

2.1 切换指标选取

切换指标选取的合适与否对目标小区的选择结果有重要的影响，本文选取下行信干噪比(Signal-to-Interference plus Noise Ratio,SINR)、预测驻留时间和移动角度作为切换指标。

(1)下行SINR

由于数据基站(Data Base Station,DBS)的数量和位置部署是变化的，并且通常DBS和控制基站(Control Base Station,CBS)共用同一个频谱，这会产生DBS间干扰以及DBS和CBS之间的干扰，最终导致服务质量变差。如果UE切换到一个没有足够大信干噪比的小区，则会造成无线资源的浪费，甚至会降低聚合系统的吞吐量。由于接收信号强度的变化以及DBS的覆盖范围小，如果只将接收信号质量作为切换标准不能实现最好的性能。

(2)预测驻留时间

UE在目标小区的预测驻留时间短可以被认为是一次不必要的切换，因此，预测UE驻留时间，即UE在候选小区覆盖区域内可能停留的时间，将有助于做出决策，减少切换到停留时间较短的小区的机会。这将最终改善终端用户的服务体验，并减少信令开销。

(3)移动角度

当某些邻小区可以给UE提供较高的下行SINR，但这些邻小区位于UE移动的反方向时UE则会切换失败，因此考虑UE移动方向和目标小区之间的夹角以减少目标候选小区的数量，提高切换成功率。

2.2 切换指标建模

2.2.1 下行SINR

由于信号在传输过程中存在路径损耗，UEk从基站DBSi接收到的功率值PDBSi→UEk=PDBSi-Ploss，其中，PDBSi为基站的发射功率，Ploss为基站DBSi与UEk之间的路径损耗。又Ploss=38+30lg(dDBSi→UEk)，dDBSi→UEk为UEk与基站DBSi之间的距离，则UEk从DBSi接收到的SINR计算公式如下：

(1)

式中：Pj(j≠i)表示UEk收到邻基站的功率值，δ2表示UEk接收到的噪声功率值。

2.2.2 预测驻留时间T

如图3所示，在本文的移动模型中，假设UE在小区内以一定的速度沿直线运动,则T的计算公式如下：

图3 小区内的T测量

(2)

式中：R为小区半径，v为UE移动速度，Tin为UE进入该小区的位置点，Tout为UE离开该小区的位置点。

又有

(3)

式中：T0表示小区所在位置，T1为UE前一时刻所在位置，T2为UE当前所在位置。则

(4)

将式(4)代入式(1)得到

(5)

2.2.3 移动角度θ

由图3可得到

(6)

2.3 熵权法确定指标权重

熵权法确定各切换指标权重的具体步骤如下：

Step1 初始数据标准化。假设有m个候选DBS，n个切换指标，本文考虑了三个切换指标，因此n=3。设第i个候选DBS对应的第j个切换指标的值为xij，则初始决策矩阵为I={xij,∀i∈(1,m),∀j∈(i,n)}，可知下行SINR和预测驻留时间为正向指标，移动角度为负向指标，采用最大最小标准化方法对各指标值进行标准化。设xij标准化后为yij，其计算公式如下：

(7)

(8)

式(7)和式(8)分别为正向指标和负向指标的标准化公式。

Step2 计算各指标熵值。令第j个切换指标的熵值为ej，j=1,2,…,n，计算公式如下：

(9)

Step3 计算各指标权重。令切换指标权重为wj，j=1,2,…,n，计算公式如下：

(10)

2.4 TOPSIS法确定目标切换小区

TOPSIS法确定目标切换小区的流程图如图4所示。首先UE根据测量到的服务DBS和邻DBS的RSRP值选出候选小区列表；然后，计算出下行SINR、预测驻留时间和移动角度这三个切换指标值；最后将指标值代入TOPSIS预测模型中，得到各候选小区的排序，选出最好的小区作为目标切换小区。

图4 TOPSIS法预测目标切换小区流程图

(11)

(12)

3 性能评估

本文采用Matlab平台进行仿真处理。在仿真中，假设每个DBS位于圆形网络的中心，并且每个DBS随机分布在CBS的覆盖范围内，UE在DBS周围均匀分布。仿真参数如表1所示。

表1 仿真参数设置

图5给出了不同速度下熵权TOPSIS法与文献[14]中的传统切换算法和文献[15]中提出的SAW算法在切换次数上的对比。从图中可以看出，随着速度的增加切换次数不断增加;同时，熵权法相比其他两种算法有最少的切换次数。这是因为传统的切换方法只考虑了RSRP值这一个因素，会造成频繁切换；另外，SAW算法将切换指标的权重值设为固定值，不会随着UE移动时切换指标值的改变而改变，从而使得切换次数增加。熵权TOPSIS法在考虑多因素的情况下，各因素的权重也是根据指标值进行计算，而不是固定不变的。

图5 切换次数对比图

图6比较了速度对本文所提出算法和其他算法在无线链路失败率上的影响。当确定了UE的目标切换小区，UE会发起切换，此时会开启定时器T310，若在T310超时之前目标小区的下行SINR值小于阈值γth，则会造成无线链路失败。从图中可看出，速度越大，无线链路失败率越大。由于传统切换算法只考虑了RSRP值，未考虑目标切换小区的容量、资源，并且未进行预测，产生了最高的无线链路失败率;同时，文献[15]中所提出的SAW算法也未提前预测目标小区，则目标小区不能提前预留资源，会造成较高的无线链路失败率。熵权TOPSIS法在切换前对目标切换小区进行预测，从而可以切换到有足够资源的小区，降低了无线链路失败率。

图6 无线链路失败率对比图

4 结 论

本文主要研究考虑切换次数、无线链路失败和用户体验的小区切换问题，通过仿真验证了采用多指标的熵权TOPSIS方法可减少切换次数，并且提高切换成功的概率。同时相对于传统的切换方法，本文方法不只考虑目标小区的RSRP值即执行切换，而且还考虑了下行SINR、预测驻留时间以及移动角度，所以可以减少乒乓切换，使UE切换到有足够资源的目标小区。在本文方法中切换指标的值是根据UE的移动性实时计算得到的，并且切换指标的权重值也不是固定的，具有普遍适用性。该方案可有效解决5G异构网络中的切换问题。