论文部分内容阅读
C-RAN(Centralized,Cooperative,Cloud RAN)是第五代(5G)无线网络中实现软件定义和绿色通信技术的标准之一,是一种具有实时云计算和协作无线电功能的高效处理架构。但其面临一些挑战:基带单元池中基带单元(Base Band Unit,BBU)间的互联互通问题以及各BBU虚机资源的共享和高效管理问题。随着基于控制与转发相分离的软件定义网络(Software Defined Network,SDN)技术的发展,关于C-RAN网络的研究也出现了新的方向。在此背景下,本文研究了SDN下C-RAN网络的负载均衡问题。首先,本文研究了基于SDN技术的C-RAN负载均衡结构,在BBU池中加入了SDN控制器,实现了各BBU虚机的互联互通以及网络资源的共享和高效管理。阐述了架构的运行机制,分析了结构内基于OpenFlow协议的信息交互,并重点论述了SDN负载均衡控制器的设计方法,最后对该结构的可扩展性进行了分析。其次,在上述结构的基础上,本文提出了一种综合考虑用户服务质量(Quality of Service,QoS)和各BBU虚机剩余容量的联合负载均衡算法,用于解决BBU间的负载均衡问题。该算法主要包含QoS优化算法和BBU间负载均衡算法。首先将各候选BBU负载差异进行分级,然后根据差异等级选择不同的算法。若差异较小,设计了基于TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)的多属性QoS评价方法;若差异较大,设计了基于效用的BBU间负载均衡算法。仿真结果表明,该算法降低了呼叫阻塞率,提高了系统吞吐量。最后,本文提出了一种基于离散粒子群算法的BBU-RRH(Remote Radio Head)动态映射负载均衡算法,用于解决传统C-RAN网络中BBU-RRH静态配置导致的资源浪费问题。本文将BBU-RRH动态映射制定为线性整数优化问题,基于负载公平指数、平均负载指数和切换指数构建负载均衡优化目标函数,并使用改进的离散粒子群算法作为寻优算法。由于BBU-RRH配置为离散优化问题,解空间中存在不合理解,因此,本文在离散粒子群算法中加入了贪婪算子;同时,为了避免算法陷入局部最优解状态,调整了粒子的学习因子。仿真结果表明,该算法减少了所需BBU的数量,降低了阻塞用户数。