本站小編為你精心準備了無線網絡資源調度優化研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《移動通信雜志》2014年第z1期

1系統模型

1.1QoE無線網絡模型用戶的QoE表現了用戶的主觀感受，為了能夠向基站分配資源提供依據，需要設計一種方法來盡可能準確地測量和表現用戶的QoE。大部分的QoE相關研究只利用QoS指標來量化用戶的QoE，而無線網絡QoE系統模型可全面地采集用戶所處情景的環境狀況、設備狀況和網絡狀況，更加準確地量化分析用戶的需求，并優化資源分配。不同用戶根據采集到的情景信息分為不同的需求等級，當無線資源不能滿足所有用戶需求時，會把用戶需求作為資源調度的參考因素，需求高的用戶將優先得到滿足，以此提高用戶的QoE。QoE系統模型的無線資源分配機制如圖1所示：UE的傳感器采集用戶所處場景的環境狀況、設備狀況和網絡狀況信息，并利用終端QoE測量模塊，根據用戶信息量化用戶需求，將用戶需求信息告知基站端。在基站端增設QoE信息儲存器，實時更新用戶的資源需求，并將需求提供給基站優化資源調度算法。QoE無線網絡系統模型結構如圖2所示。主干網提供遠距離、高帶寬、大容量的數據業務，是鏈接各個城域網的信息高速公路，遠程管理服務器（RMS，RemoteManagementServer）通過配置網絡使服務成功交付。接入網解決從市區到每個家庭用戶的終端接入問題，基站通過無線網絡將服務傳輸到UE端，也稱為“最后一英里”。而UE采集到用戶所處情景的信息，分析用戶需求并將之上報給基站，使基站能夠根據用戶QoE需求分配合適的資源，即本文所稱的“最后一英尺”優化。

1.2QoE指標影響用戶QoE的因素不僅包括無線網絡的服務能力即QoS指標，還包含了用戶對服務的可用性、完整性、穩定性、性價比等方面的滿意程度[2]。常用的QoE量化有定性和定量這2種方法，為了優化無線網絡的資源分配，有必要對用戶QoE進行定量研究。將用戶的QoE指標分割成不同的組成部分，通過這些組成部分的信息采集可以獲得對用戶的QoE整體認識。QoE量化指標和指標之間產生的相互關系決定了QoE測量模塊對用戶資源需求的判斷，所以指標的劃分在QoE系統模型中扮演著舉足輕重的作用。QoE量化指標以QoE用戶需求為基礎劃分為不同的層次結構，如圖3所示。用戶的QoE無線資源需求量化指標主要由用戶所處情景的3個基本指標組成，每個基本指標都包含不同的特征參數，所以它們又由不同精度的子指標所構成。3個QoE基本指標分別為網絡狀況指標、設備狀況指標、環境狀況指標。而在進一步劃分中，網絡狀況指標又包含了Wi-Fi信號強度、丟包率、誤碼率、抖動等子指標；用戶設備狀況指標包含了UE的軟硬件狀況，如屏幕分辨率、屏幕大小、屏幕亮度等子指標；環境狀況指標包含了噪音強度、溫度、光照強度、UE移動速度等子指標。

2資源分配算法

2.1典型場景資源需求根據之前的討論和分析，在不同場景下，利用不同的UE終端采集大量的情景參數進行了基礎實驗，來分析用戶在不同的真實生活場景中對無線資源的需求程度。物理心理學中的韋伯-費希納定理（Weber-Fechnerlaw）[3]表明了人類心理感受程度隨物理量變化的關系，研究表明，人類對光線強度和噪音強度等參數的感受程度與物理量log函數成線性關系。通過韋伯-費希納定理可以幫助分析用戶在不同場景下選擇業務的優先級以及對不同業務的資源需求程度。用戶對業務QoE的感受也與終端設備屏幕分辨率等參數相關，根據文獻[4]中的結論，在不同情況下，能夠使用戶滿意的在線視頻服務的需求速率從50kbps到1600kbps不等，在線音樂服務的需求速率從6kbps到256kbps不等。通過不同典型場景下采集到的用戶所處情景的參數，可以分析用戶對業務選擇情況和速率需求。根據本文實驗的結果，不同場景有各自不同的情景參數屬性和對無線資源的需求，通過對實驗結果的分析可以提出對用戶需求的有效量化方案。

2.2用戶需求在混合業務的無線資源分配中，本文將業務分為3類：實時業務（RT，例如語音業務）、非實時業務（NRT，例如流媒體視頻服務）、盡力交付業務（BE，例如E-mail、SMS）[5]。用戶可能同時會申請多種服務，但在不同情景中，用戶對不同服務的資源需求不盡相同；同時，在混合業務的情形下，用戶也會根據情景選擇一種業務而將其余業務置于后臺運行。擁有高分辨率的UE時用戶會優先選擇高清視頻業務，而在昏暗的光線下用戶可能傾向于選擇標清的視頻；在噪音大的環境中，用戶更可能選擇瀏覽網頁而不是聽在線音樂。因此，無論是分配過多的無線資源給需求低的用戶或是在UE后臺運行的業務都將會造成資源的嚴重浪費，可以利用采集到的情景參數量化不同業務的需求和優先級，QoE系統可以根據量化結果分配適量的資源給用戶以滿足其吞吐量需求，并將額外的資源分配給其他用戶，使資源調度更加有效合理，以此提高用戶整體的QoE。

2.3QoE無線資源調度算法傳統的資源調度算法主要考慮用戶的信道條件情況，卻并未考慮到用戶的QoE需求。處于信道條件好卻資源需求低場景下的用戶稱為條件受限（CC，Condition-Constrained）用戶，資源需求高卻信道條件差的用戶稱為資源受限（RC，Resource-Constrained）用戶。值得注意的是，傳統的調度算法可能將過多的無線資源分配給了條件受限用戶，而并沒有照顧到資源受限用戶。因此，本文將用戶的QoE需求因子引入正比公平調度算法（PF，ProportionalFair）[6]中，以保證用戶整體的QoE。

3系統級仿真及分析

下面利用系統級仿真，通過與正比公平調度算法（PF）[7]和輪詢算法（RR）[8]的比較，對QoE資源分配調度算法進行了評估和分析。本文采用LTE下行系統進行仿真，仿真場景假設為19小區57扇區，系統帶寬為10MHz，基站之間的距離為500m，假設用戶都采用上文提出的QoE系統模型，均勻隨機分布在宏小區中，并且隨機地將用戶資源需求等級從低到高均勻分為1到10。其中，有高資源需求但信道條件差的用戶為資源受限（RC）用戶。無線資源調度算法的性能可以用終端用戶對移動網絡所提供的業務性能的QoE滿意度來評估，本文選擇吞吐量作為QoE的函數，利用MOS量化終端用戶對業務網絡的QoE滿意度，吞吐量與QoE滿意度其映射函數呈對數形式[9]，當網絡傳輸速率只支持相對用戶需求較低的發送比特速率的視頻時，視頻的清晰度和流暢性不能滿足用戶的需求，此時用戶滿意度較低。用戶QoE滿意度隨著網絡傳輸速率的提高而增長，當用戶QoE相對較高時，網絡速率再提高也無法較大地提升用戶QoE滿意度。在3種調度算法的比較中，其整體滿意度越高，意味著該算法下越多的用戶資源需求得到了滿足或是越接近滿足。圖4表示隨扇區用戶增加用戶QoE滿意度的變化仿真結果曲線。其中，實線表示用戶整體滿意度，虛線表示資源受限用戶的滿意度情況。

通過圖4可以看出，3種調度算法下的用戶滿意度都隨著扇區內用戶數量的增加而降低，這是由于當用戶數增加時，資源競爭更加激烈造成的。同PF算法和RR算法相比，QA算法提高了用戶的QoE滿意度。與RR算法相比，QA算法提高了用戶QoE滿意度8.8%；與PF算法相比，提高了2.7%。在資源受限用戶中，QA算法對QoE滿意度提高效果更為突出，相比PF算法提高了21.9%，相比RR算法提高了20.3%。3種算法下采用RR算法時用戶QoE滿意度最低，這是因為RR算法充分保證各個UE接收資源的公平性，故信道條件差的用戶被調度到的幾率更高，這樣會導致重傳或者采用更低的傳輸速率。PF算法充分考慮到UE的信道條件，更多資源被分配給有高信噪比的用戶，使資源分配更為有效。然而這也導致了低信噪比用戶接收到資源分配的機會降低，所以當小區用戶數量低時，RR算法下RC用戶的QoE滿意度高于PF算法。QA算法能夠將信道條件和公平性進行很好的權衡折中，同時利用QoE權重因子根據用戶的需求來調度資源，分配給低需求、信道好的CC用戶的資源減少，而分配給高需求、信道差的RC用戶的資源增加，提高了資源分配的有效性，避免了資源的浪費，使得用戶整體的QoE滿意度有所提高。

圖5中仿真了每扇區分布10個用戶時，不同需求等級和無線信道情況的用戶的歸一化吞吐量的分配情況，進一步解釋了QA調度算法提高用戶QoE滿意度的原因。其中，x軸表示用戶的信噪比（SINR）；y軸表示用戶的資源需求等級；z軸表示歸一化吞吐量，其代表了無線資源的分配情況。當使用PF調度算法時，更多的無線資源被分配給了信道條件較好的用戶，而與其用戶需求等級無關。其中條件受限用戶被分配到的冗余的無線資源并不能有效提高其QoE，反而造成了資源的浪費。通過對比可以看出，這2種算法的總吞吐量相當，而QA調度算法同時考慮到用戶的信道條件和資源需求，更多的資源被分配給了資源受限用戶，這意味著利用QoE模型優化無線資源調度，分配給條件受限用戶的冗余資源被分配給了有更高需求卻信道不理想的資源受限用戶，提高了用戶整體的QoE滿意度。

4結論

本文通過研究基于QoE的無線網絡資源調度優化方案，展現了QoE研究緩解無線資源短缺的前景和潛力。首先建立了無線網絡QoE系統模型，然后通過典型場景的數據采集和分析，提出了用戶無線資源需求的量化方法，并優化資源調度算法。由系統級仿真驗證可知，QoE資源調度算法有效地提高了用戶的QoE滿意度。

作者：趙希鵬張欣楊大成桑林單位：北京郵電大學無線理論與技術研究室