论文部分内容阅读
摘 要：利用Wireless Insite（WI）软件的功能开发了为典型的毫米波UDN场景建模。考虑精确的用户（UE）位置到沿用户轨迹的SNR值，同时考虑了定位仪器无法捕获的障碍物的影响。文章通过考虑在切换过程中关联的切换成本，提出了毫米波网络中的离线智能切换学习框架。最后，提出了最佳的基站（BS）选择策略，该策略可以通过离线DDRL算法最大化UE-BS的连接时间。该策略还考虑了瞬时接收的SNR和切换成本之间的折中，以减少由于频繁的短期LOS受障碍物阻塞而导致不必要的切换。
关键词：毫米波;超密集网络;切换
0 引言
移动通信网络中异构性水平的提高，要求在确定最佳服务BS时还应考虑其他度量，例如用户吞吐量，服务延迟和负载均衡[1]。此外，由于用户在移动过程中将总是必须切换BS连接，因此切换的频率随着小蜂窝（SC）数量的增加而增加。通常将切换成本与上述指标一起考虑。切换的过程通常涉及UE，服务BS，网络控制器和目标BS之间的信令交换。这将进而导致数据传输中断，从而导致UE吞吐量的降低。数据传输中这些中断发生的速率与用户速度以及BS密度成正比，尤其是对于毫米波SC。
最新研究表明，在实际的毫米波网络部署情况下，成功切换之间的间隔可以低至0.75秒[2]。此外，超过60%的切换是不必要的。因此在具有高移动性用户的UDN中，需要减少切换中断的次数，以最小化切换成本，维持优异的用户吞吐量水平以及减少与切换处理相关联的服务延迟。最受欢迎的技术包括马尔可夫决策过程（MDP）和随机几何。Chaieb等提出了基于MDP的毫米波网络切换优化模型[3]。但是，当网络复杂性增加且尺寸变得非常大时，使用MDP和随机几何技术来推导分析模型将变得非常困难，这也常常涉及某些假设，而这些假设在实际的无线网络中可能无法获得。因此对于UDN，这些技术可能不切实际且效率低下。本文介绍了切换触发标准以及选择目标BS的策略。
1 切换触发标准
根据3GPP定义了6个事件用于启动常规切换其中事件A2和A3用于系统内部无线电接入技术（RAT）切换。相反，在事件B2中描述了RAT系统间切换。这些是启动和终止切换的标准。
进入事件A2的条件是服务BS的RSRP或SNR值变得比规定的阈值小，而离开状态则相反。通过使用SINR值作为阈值，并分析其对毫米波网络中切换的影响。不同的用例（服务感知）在相同的轨迹上可能有不同的切换率。在这项研究中，采用SNR作为触发标准，并将事件A2定义为：
其中γs是来自服务BS的SNR，γth是UE根据服务类型维持连接所需的最小SNR。由于参数本身需要优化，因此删除了滞后余量。但是删除滞后余量，可能会导致乒乓效应和其他不必要的切换数量增加。提出的模型可确保减少切换，而没有滞后余量。因此，如果满足切换条件，则切换过程开始，并且UE需要选择潜在的目标BS。
当邻居BS变得比服务BS更好时，定义进入事件A3的条件。无论UE从服务BS接收多少功率，事件都会在服务BS和邻居BS之间寻找偏移值，如果满足条件，则启动切换处理。在提出的解决方案中，忽略了此事件，因为它有时会导致不必要的切换。最后，事件B2的条件与事件A2的条件相同，除了它涉及RAT间切换，而A2涉及RAT内切换。
2 切换成本
在LTE中，只有硬切换在使用，假设5G同样适用。在本研究中，除非另有说明，否则硬切换是重点。因为在此研究中考虑了硬切换，所以在切换中的最佳BS选择变得更加关键，因为在建立新连接之前先断开连接。切换过程初始化之后，将连接从服务BS切换到目标BS，完成UE的切换过程需要花费时间。在切换处理期间，在UE与服务BS或目标BS之间没有任何传输。在没有数据传输的情况下，将UE从服务BS切换到目标BS，完成一个成功事件所花费的时间称为切换延迟时间td，td的累积对UE的平均吞吐量有重大影响。给定轨迹的累计td和切换总数称为切换成本（βc）。切换成本是切换数量和切换延迟时间的函数，表示为：
其中Hl是每单位长度的切换总数，v是速度（ms-1），td是切换时间延迟（sec）。
将因子βc评估为由于切换操作（例如，服务BS与目标BS之间的信令和无线链路切换）而没有有用数据传输而浪费的总时间。如果（H1×v×td）≥1，则网络性能将变为零，因为UE会花费整个时间来传输切换信令。在从Shannon容量公式得出的平均吞吐量公式中，可以看到βc的重要性。
其中B是总带宽，γ是平均经历的SNR，T是系统吞吐量。因此，为了在给定的轨迹上获得较高的总体系统吞吐量，如果B保持恒定，则因子βc和γ至关重要。最终目标是通过智能选择，得到没遮挡的视距链路中有较长持续时间的BS，來最大化系统吞吐量，并避免不必要的切换。同时，为了减少冗余的切换，有时会牺牲SNR最高的BS连接，这可能会在几秒钟后导致切换。但是，平均SNR应该高于阈值以保持用户的QoS。
3 轨迹和服务感知切换
公式3有两个参数，可以权衡取舍以实现最大平均吞吐量。引入服务感知概念，如果经历的γs高于或等于阈值γth，则UE保持与服务BS的连接。将其称为服务感知策略，这是为了确保UE的QoS。该策略也与事件A2一致。这意味着，在切换事件中，UE不需要选择具有最高γs的BS，而是UE可以选择任何具有γs大于γth的BS。
另外引入了轨迹感知策略，这意味着UE知道完整的路径。通过了解UE的轨迹和服务类型，UE可以谨慎而智能地选择能够保证γs大于γth的，连接持续时间长的BS，这种远见卓识的观点有助于通过选择最佳BS来最小化发生多个切换的可能性。然而这种组合策略，有时会牺牲在切换期间提供最大SNR（忽略当前瞬时SNR）的BS的连接，以及可以保持沿UE轨迹的扩展连接性的BS连接的代价。
4 结语
所研究的问题主要集中在切换事件期间连接到哪个BS，以保持沿着用户轨迹的更长连接性。选择目标BS的问题被建模为RL域中的多武装匪徒问题。每当启动切换事件时，UE可以潜在地选择一个以上的，可能的最佳BS来选择建立连接，并减少UE再次进入切换事件的机会。
[参考文献]
[1]MICHAEL S M，ATTAI I A，METIN O. Intelligent handover decision scheme using double deep reinforcement learning[J].Physical Communication，2020（42）：101133.
[2]TALUKDAR A，CUDAK M，GHOSH A.Handoff rates for Millimeterwave 5G systems[C].Seoul：2014 IEEE 79th Vehicular Technology Conference（VTC Spring），2014.
[3]CHAIEB C，MLIKA Z，ABDELKEFI F，et al.Mobility-aware user association in hetnets with millimeter wave base stations[C].Beijing：14th International Wireless Communications&Mobile Computing Conference（IWCMC）.IEEE，2018.
（编辑 傅金睿）
关键词：毫米波;超密集网络;切换
0 引言
移动通信网络中异构性水平的提高，要求在确定最佳服务BS时还应考虑其他度量，例如用户吞吐量，服务延迟和负载均衡[1]。此外，由于用户在移动过程中将总是必须切换BS连接，因此切换的频率随着小蜂窝（SC）数量的增加而增加。通常将切换成本与上述指标一起考虑。切换的过程通常涉及UE，服务BS，网络控制器和目标BS之间的信令交换。这将进而导致数据传输中断，从而导致UE吞吐量的降低。数据传输中这些中断发生的速率与用户速度以及BS密度成正比，尤其是对于毫米波SC。
最新研究表明，在实际的毫米波网络部署情况下，成功切换之间的间隔可以低至0.75秒[2]。此外，超过60%的切换是不必要的。因此在具有高移动性用户的UDN中，需要减少切换中断的次数，以最小化切换成本，维持优异的用户吞吐量水平以及减少与切换处理相关联的服务延迟。最受欢迎的技术包括马尔可夫决策过程（MDP）和随机几何。Chaieb等提出了基于MDP的毫米波网络切换优化模型[3]。但是，当网络复杂性增加且尺寸变得非常大时，使用MDP和随机几何技术来推导分析模型将变得非常困难，这也常常涉及某些假设，而这些假设在实际的无线网络中可能无法获得。因此对于UDN，这些技术可能不切实际且效率低下。本文介绍了切换触发标准以及选择目标BS的策略。
1 切换触发标准
根据3GPP定义了6个事件用于启动常规切换其中事件A2和A3用于系统内部无线电接入技术（RAT）切换。相反，在事件B2中描述了RAT系统间切换。这些是启动和终止切换的标准。
进入事件A2的条件是服务BS的RSRP或SNR值变得比规定的阈值小，而离开状态则相反。通过使用SINR值作为阈值，并分析其对毫米波网络中切换的影响。不同的用例（服务感知）在相同的轨迹上可能有不同的切换率。在这项研究中，采用SNR作为触发标准，并将事件A2定义为：
其中γs是来自服务BS的SNR，γth是UE根据服务类型维持连接所需的最小SNR。由于参数本身需要优化，因此删除了滞后余量。但是删除滞后余量，可能会导致乒乓效应和其他不必要的切换数量增加。提出的模型可确保减少切换，而没有滞后余量。因此，如果满足切换条件，则切换过程开始，并且UE需要选择潜在的目标BS。
当邻居BS变得比服务BS更好时，定义进入事件A3的条件。无论UE从服务BS接收多少功率，事件都会在服务BS和邻居BS之间寻找偏移值，如果满足条件，则启动切换处理。在提出的解决方案中，忽略了此事件，因为它有时会导致不必要的切换。最后，事件B2的条件与事件A2的条件相同，除了它涉及RAT间切换，而A2涉及RAT内切换。
2 切换成本
在LTE中，只有硬切换在使用，假设5G同样适用。在本研究中，除非另有说明，否则硬切换是重点。因为在此研究中考虑了硬切换，所以在切换中的最佳BS选择变得更加关键，因为在建立新连接之前先断开连接。切换过程初始化之后，将连接从服务BS切换到目标BS，完成UE的切换过程需要花费时间。在切换处理期间，在UE与服务BS或目标BS之间没有任何传输。在没有数据传输的情况下，将UE从服务BS切换到目标BS，完成一个成功事件所花费的时间称为切换延迟时间td，td的累积对UE的平均吞吐量有重大影响。给定轨迹的累计td和切换总数称为切换成本（βc）。切换成本是切换数量和切换延迟时间的函数，表示为：
其中Hl是每单位长度的切换总数，v是速度（ms-1），td是切换时间延迟（sec）。
将因子βc评估为由于切换操作（例如，服务BS与目标BS之间的信令和无线链路切换）而没有有用数据传输而浪费的总时间。如果（H1×v×td）≥1，则网络性能将变为零，因为UE会花费整个时间来传输切换信令。在从Shannon容量公式得出的平均吞吐量公式中，可以看到βc的重要性。
其中B是总带宽，γ是平均经历的SNR，T是系统吞吐量。因此，为了在给定的轨迹上获得较高的总体系统吞吐量，如果B保持恒定，则因子βc和γ至关重要。最终目标是通过智能选择，得到没遮挡的视距链路中有较长持续时间的BS，來最大化系统吞吐量，并避免不必要的切换。同时，为了减少冗余的切换，有时会牺牲SNR最高的BS连接，这可能会在几秒钟后导致切换。但是，平均SNR应该高于阈值以保持用户的QoS。
3 轨迹和服务感知切换
公式3有两个参数，可以权衡取舍以实现最大平均吞吐量。引入服务感知概念，如果经历的γs高于或等于阈值γth，则UE保持与服务BS的连接。将其称为服务感知策略，这是为了确保UE的QoS。该策略也与事件A2一致。这意味着，在切换事件中，UE不需要选择具有最高γs的BS，而是UE可以选择任何具有γs大于γth的BS。
另外引入了轨迹感知策略，这意味着UE知道完整的路径。通过了解UE的轨迹和服务类型，UE可以谨慎而智能地选择能够保证γs大于γth的，连接持续时间长的BS，这种远见卓识的观点有助于通过选择最佳BS来最小化发生多个切换的可能性。然而这种组合策略，有时会牺牲在切换期间提供最大SNR（忽略当前瞬时SNR）的BS的连接，以及可以保持沿UE轨迹的扩展连接性的BS连接的代价。
4 结语
所研究的问题主要集中在切换事件期间连接到哪个BS，以保持沿着用户轨迹的更长连接性。选择目标BS的问题被建模为RL域中的多武装匪徒问题。每当启动切换事件时，UE可以潜在地选择一个以上的，可能的最佳BS来选择建立连接，并减少UE再次进入切换事件的机会。
[参考文献]
[1]MICHAEL S M，ATTAI I A，METIN O. Intelligent handover decision scheme using double deep reinforcement learning[J].Physical Communication，2020（42）：101133.
[2]TALUKDAR A，CUDAK M，GHOSH A.Handoff rates for Millimeterwave 5G systems[C].Seoul：2014 IEEE 79th Vehicular Technology Conference（VTC Spring），2014.
[3]CHAIEB C，MLIKA Z，ABDELKEFI F，et al.Mobility-aware user association in hetnets with millimeter wave base stations[C].Beijing：14th International Wireless Communications&Mobile Computing Conference（IWCMC）.IEEE，2018.
（编辑 傅金睿）