[0037] 下面结合附图，对本发明的一个具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
[0038] 本发明提供了一种家庭基站中多业务融合的自适应调度方法及系统，针对室内通信网络特点，提出了一种基于多业务融合的动态调度机制，采用全新架构的家庭基站系统，满足了未来网络中多业务融合发展的需求。在此基础上提出了一种面向多业务融合的自适应分集调度算法(Adaptive Diversity Scheduling Algorithm for Multi‑service Fusion，AD‑MF算法)，根据未来5G环境下家庭网络中业务QoS特点对业务进行了分类，采用了多业务融合的资源调度策略为用户提供差异化服务。当资源负荷状态变化时，自适应调整资源的分配策略，平衡了数据吞吐率与业务QoS之间的矛盾，可以有效提升系统的资源利用性能，适应了终端的业务多样化和QoS差异化的趋势。
[0039] 1家庭基站系统
[0040] 目前室内无线接入网主要有传统的宽带wifi网络、宏站移动网络和室分移动网络，接入用户有传统的电信终端、智能移动终端和各种物联网终端，随着服务需求的多样化及物联网技术的高速发展，无线接入用户的种类和数量增长迅速，相应的业务也呈爆发式增长，M2M(Machine‑to‑Machine)服务、高清视频、实时游戏、数字电话等业务日趋普及，而现有家庭无线网络重叠干扰严重、频带占用混乱、带宽瓶颈突出、可扩展性差，无法满足多用户、多业务的高QoS需求。为此，提出了一种基于多业务融合的综合接入家庭基站系统，如图1所示，系统主要包括多业务综合接入设备、多业务融合中心设备，通过两级标签实现多制式下多用户的接入。终端在MAC层通过两级标签T1T2区分业务类型和运营商，保障不同业务的QoS需求，多业务综合接入设备布置在室内，对用户业务标签T1进行管理，根据业务标签T1分配不同的传输资源及传输优先级，通过资源调度算法为不同制式下的用户统一调配时频资源，达到无线资源利用的最优化。多业务融合中心设备负责汇聚多个综合接入设备的数据，管理数据标签T2，根据标签T2转发到对应的运营商城域网中，实现接入网和城域网的无缝连接。多业务融合家庭基站系统深度融合了无线接入方式，支持多样化的应用场景，提高了频谱利用率，大大降低了网络建设的复杂度，向下融合了业务实体，向上兼容了网络运营商，使得下一代家庭基站接入网络能更好地满足业务多样性的QoS需求。
[0041] 2多业务融合的资源调度算法
[0042] 2.1家庭基站多业务模型
[0043] 家庭基站网络中包含了传统的电信业务和移动业务，同时接入了日益增长的物联网业务，业务呈现类型多样化、个性化、宽带化等特点，业务相应的时延、丢包率、吞吐率等QoS要求也相差较大，基于基本的业务类型，结合未来家庭基站网络中的特点，将用户业务分为四类：固实时业务、流媒体业务、软实时业务和后台业务，如表1所示。固实时业务主要是速率恒定的实时通信业务，例如VOLTE、IP电话等，该类业务需要足够稳定的保证带宽，对丢包和时延的变化很敏感，双向数据流传输。流媒体业务主要是具有突发性和相关性的大数据块业务，例如点播业务、IPTV等，该类业务需要较大的保证带宽，可以允许一定的时延抖动和丢包率，单向数据流传输。软实时业务主要是物联网类控制业务，例如M2M业务、开关控制业务、报警业务等，该类业务需要带宽较少，实时交互性较高，用户体验要求高，需要一定的时延要求。后台业务是实时性要求不高的数据业务，例如FTP下载、internet数据业务等，该类业务对时延、抖动及丢包相对不敏感，有一定的容忍度。接入系统需要根据业务的QoS特点设计资源调度算法，充分利用系统资源，在满足系统中业务的服务质量要求的基础上，提升系统的吞吐量。
[0044] 表1 业务特点及类型
[0045] Table 1 Service characteristics and types
[0046]
[0047] 根据业务的不同类型和特点，以及算法实现复杂性问题，将业务分为两个集合：固实时业务集和非实时业务集，其中非实时业务集包括流媒体业务、软实时任务和后台业务。
[0048] 定义数据业务集：
[0049] S＝(Tf11,Tf12…TfNJ；Ts11,Ts12…TskJ) (10)
[0050] 式中：Tfij(0≤i≤N，0≤j≤J)为固实时业务，Tsij(0≤i≤K，0≤j≤J)为非实时业务。
[0051] 对于数据业务T，属性参数用四元组表示为：
[0052] T＝＜CQI,A,r,D> (11)
[0053] 式中：CQI表示业务的信道质量信息，用户周期性上报信道质量信息(Channel Quality Indicator，CQI)；A表示业务的到达时间，对于非实时任务是不可预测的；r表示该用户业务预估的传输速率；D表示业务的绝对截止期，即数据业务在这个时间点应该被分配资源完成传输，否则数据失效。
[0054] 2.2多业务融合的自适应分集调度算法
[0055] 针对传统调度算法在开放家庭基站环境下存在的不足，根据家庭基站环境中业务的特点，提出了本发明方法，本发明方法的总体思路是基于不同分集内业务的特点，设计了基于多业务融合的优先级计算公式和资源分配策略，为用户提供差异化的QoS服务。在负荷发生变化时，动态调整业务优先级，在轻载时提升系统的整体吞吐量，在过载时满足重要业务的QoS要求，同时尽力保证公平性。
[0056] 具体地，在系统轻载时，本发明方法的动态调度算法主要包括：
[0057] (1)不同分集的业务采用不同的资源分配策略。融合集合内的业务数据QoS特点来设计优先级计算公式，并进行独立排队，固实时任务队列优先进行调度，保证实时任务的服务质量，当固实时业务调度完成后，再进行非实时业务的调度。固实时业务按照固定速率进行数据传输，因此在调度时采用SPS(Semi Persistent Schedule，半静态调度)策略，减少控制信息的资源消耗，增加了系统容量；非实时任务基于每个调度周期采用动态的资源调度策略，根据优先级顺序重新分配资源。
[0058] (2)基于分集内业务的特点设计多业务融合的优先级计算公式。固实时业务对时延和抖动有严格的要求，因此在优先级的设计中主要考虑时间因素，另外在信号质量较差的情况下，信道误码率会升高，因此优先级的设计倾向于信道质量较差和重传的数据，保证较差环境下数据的可靠传输。t时刻固实时业务的优先级计算公式如式(1)所示(当i∈FRT时)。
[0059]
[0060] 式中：cqi为用户i下行信道质量指示因子；fij(t)为用户i业务j的时间函数；αnij为自动重传系数；gij(t)为用户业务速率函数。
[0061] cqi用来表征用户下行信道质量，由于在室内环境中墙的阻隔可能导致信道质量恶化，为了保证信道质量差的业务的服务质量，调度器优先调度CQI值低的用户业务分组，用CQI值归一化的数值来计算cq参数，如公式(2)所示。
[0062]
[0063] 业务都有时间生命，需要保证在截止期之前传输。f(t)是用户业务的时间函数，表征业务数据的紧迫性，具体计算公式如式(3)所示，业务分组数据排队等候的时间越长，数据分组距离截止期越近，时间越紧迫，对应的优先级权值f(t)越高，越容易被调度。当业务分组超过等待截止时间，即Dij‑ΔDij≤0时，丢弃该用户业务分组，避免资源的浪费。
[0064]
[0065] 式中：Dij为用户i的业务j绝对截止期；ΔDijt为t时刻该业务已等待时间。
[0066] 信息在无线信道的传输过程中，由于干扰等因素，会造成部分分组数据的丢失或者非恢复性破坏，为了保持信息的完整性，这部分分组数据将执行重传机制，此时这类分组数据的时间尤其重要，因此在优先级中设计了自动重传系数αnij来提升该类分组数据的优先级，αnij的计算公式如式(4)所示，其中N为预设的重传次数门限，随着自动重传次数n的增加，αnij逐渐增加，大大地提高了业务数据包优先级，当自动重传次数n大于大于预设值N时，自动丢弃该数据包。
[0067]
[0068] 非实时业务优先级的计算公式如式(1)所示(当i∈SRT时)，相对于固实时业务优先级，增加了g(t)参数。g(t)主要用于调节系统的吞吐量与公平性的关系，在系统轻载环境下，g(t)函数表达式如式(5)所示，其中，rt表示该用户业务预估的t时刻的传输速率，R(t‑1)表示该用户前一个调度周期内的速率，当该用户第一次接入时，R(t‑1)的计算是前一个调度周期所有用户业务的平均速率，当用户申请速率高于上一个调度周期的速率时，提高了该业务的优先级，旨在提升整个系统的吞吐量。
[0069]
[0070] 理论研究表明，负荷对系统的资源的调度性能将产生很大的影响。算法在每个调度周期进行负荷跟踪，在系统负荷轻载时，基本都能满足业务的截止期，算法设计的重点是提高系统的吞吐量；当过载发生时，系统不可能保证所有的业务都能够满足截止期，如果优先级的计算仍然倾向于速率高的业务，容易造成低速率业务时延增大、分组丢失甚至服务中断，导致系统性能恶化，此时算法设计的重点是保证重要业务的QoS要求，同时提高公平性，避免业务的饿死，保持系统稳定，提升用户体验。当系统资源过载时，优先级计算公式如式(6)所示，简化了优先级的计算，同时系统的负荷满足式(7)，保证系统整体负荷系数在[Loadthresh，Loadupper]区间，避免了因负荷过高导致的性能恶化。对于固实时业务，为了资源利用最优化，减少因信道质量差而导致的误码和重传占用过多的资源，精简了自动重传系数αn，对于重传数据业务不进行优先调度，无线信道资源的分配偏向于信道质量好的用户和等待时间长的业务，分别通过cq和f(t)来实现。对于非固实时业务，此时调度的策略将偏向公平性，尽力满足大部分业务，无线信道资源的分配偏向于信道质量好的用户和速率小的用户，cq’的计算公式如式(8)所示，与信道质量成正比关系。g’(t)函数表达式如式(9)所示，其中，Ri(t‑1)表示用户i在上个调度周期的速率， 表示上个调度周期所有用户的平均速率， 表示所有业务平均申请速率，速率权值偏向于申请资源少的业务和上个调度周期速率低的业务。
[0071]
[0072]
[0073]
[0074]
[0075] 2.3本发明的家庭基站中多业务融合的自适应调度方法流程：
[0076] 本发明方法的总体思路是基于不同分集内业务的特点，设计了基于多业务融合的优先级计算公式和资源分配策略，为用户提供差异化的QoS服务。对于不同的业务采用两级队列调度机制，将固实时任务和非实时任务独立排队，在每个调度周期，优先为固实时业务队列分配资源，保证固实时业务的服务质量。当固实时业务调度完成后，再进行非实时业务的调度，非实时任务基于每个调度周期采用动态的资源调度策略，根据系统负荷的变化，动态调整业务优先级，根据优先级顺序分配资源，在轻载时提升系统的整体吞吐量，在过载时满足重要业务的QoS要求，同时尽力保证公平性。具体调度过程如下：
[0077] 第一步：在一个新的调度周期，区分缓冲区的任务是固实时任务还是非实时任务，如果存在固实时任务，进行第二步，如果没有固实时任务，全是非实时任务，进行第五步；
[0078] 第二步：对于固实时任务，区分是否是SPS任务，如果是SPS任务，直接分配与上个SPS周期相同位置的时频资源，分配完成后进行第三步，如果不是SPS任务，直接进行第三步；
[0079] 第三步：计算系统负载，根据系统过载门限范围判断系统是否过载，如果是轻载，根据公式(1)的当i∈FRT时的计算公式计算固实时任务的优先级，公式(1)中的参数分别根据公式(2)、(3)、(4)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，如果系统轻载，继续进行分配，直至固实时任务分配完成，然后进行第五步；如果系统过载，进行第四步；
[0080] 第四步：根据公式(6)中的i∈FRT时的计算公式计算剩余未分配时频资源的固实时任务的优先级，公式(6)中的参数分别根据公式(2)、(3)进行计算，然后根据优先级进行排队，分配剩余的时频资源，分配完一个任务计算系统负载，判断是否满足公式(7)，如果满足继续进行分配，直至固实时任务分配完成，进行第五步；如果不满足，停止分配任务，资源分配结束，等待下一个分配周期，重新进行第一步；
[0081] 第五步：计算系统负载，根据系统过载门限范围判断系统是否过载，如果是轻载，根据公式(1)的当i∈SRT时的计算公式计算非实时任务的优先级，公式(1)中的参数分别根据公式(2)、(3)、(4)、(5)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，如果系统轻载，继续进行分配，直至非实时任务分配完成，资源分配结束，等待下一个分配周期，重新进行第一步；如果系统过载，进行第六步；
[0082] 第六步：根据公式(6)中的i∈SRT时的计算公式计算剩余未分配资源的非实时任务的优先级，公式(6)中的参数分别根据公式(8)、(9)进行计算，然后根据优先级进行排队，分配剩余的时频资源，每分配完一个任务计算系统负载，判断是否满足公式(7)，如果满足继续进行分配，直至固实时任务分配完成，如果不满足，停止分配任务，资源分配结束，等待下一个分配周期，重新进行第一步；
[0083] 3仿真与分析
[0084] 3.1测试条件
[0085] 为了评估本发明算法的性能，基于Visual Studio 2013和IT++4.3.1搭建系统级仿真平台，模拟5G的家庭基站环境，采用华为提出的5G空口技术F‑OFDM(Filtered OFDM)和SCMA(Sparse Code Multiple Access，稀疏码多址接入)技术实现时频资源的配置与复用，检测算法选用MPA，通过星座操作设计了多维码本，为多元化的业务需求提供灵活的支撑，其它仿真参数如表2所示。
[0086] 表2 仿真参数
[0087] Table 2 Parameters of Simulation
[0088]
[0089] 3.2仿真结果分析
[0090] 以RR算法、A_ARS算法为比较基线，选取系统吞吐量、公平性指数、丢包率作为评价指标，验证本发明算法的性能。针对家庭多业务场景，设置单用户多业务任务，用户位置随机分布，选择四种典型业务：VOLTE业务、IPTV业务、M2M控制业务、FTP下载业务，对应的速率分别为34kb/s、242kb/s、47kb/s、512kb/s，时延截止期分别为100ms、300ms、150ms、500ms，重传次数门限N为5，每个用户在线5个业务，比例为1:1:2:1，用户数目在5～65之间，实验时以5个用户为单位递增，按照现网KPI指标，系统过载门限范围为[0.85,0.95]。
[0091] 图2为三种算法的吞吐量随着用户数增加的对比结果，在负荷较轻时，三种算法的吞吐量随着用户数的增加而增加，由于在轻载时本发明算法倾向于调用网络状态好和速率高的业务，性能较A_ARS算法略好。在过载时，本发明算法性能明显优于其他两种算法，本发明算法在过载时调度的策略将偏向公平性，且根据负荷门限设置了排队业务的数量，避免了过多业务排队导致的资源分配死锁，吞吐量基本保持稳定。
[0092] 算法的公平性仿真结果如图3所示，在系统负荷轻载时，三种算法的公平性指数相差不大，三种算法在设计时都考虑到了业务的公平性，随着负荷的增加，三种算法的公平性指数呈下降的趋势，其中RR算法的公平性较好。当系统过载时，RR算法和A_ARS算法性能下降较快，而由于本发明算法在过载时优化了优先级设置，偏重于每个用户的小速率业务，因此用户公平性性能最好。
[0093] 图4给出了三种算法的系统丢包率统计结果，在用户数不大于25时，此时负荷小于65％，三种算法的性能很好，丢包率都小于5％，随着用户数的增加，算法的丢包率增加明显，其中RR算法丢包率最高，A_ARS算法和本发明算法在设计时基于业务的QoS特性进行调度，在负荷较轻时性能相对较好，但当系统过载后，A_ARS算法性能恶化，丢包率大幅提升，MF‑AD算法由于设置了过载负荷门限，系统能保持稳定性运行，丢包率保持了一定的稳定性。
[0094] 4结论
[0095] 家庭基站是未来5G网络的一个重要组成部分，其系统结构和资源调度算法都是需要解决的关键技术。针对5G家庭网络的应用环境，设计了一种基于多业务综合接入的家庭基站系统结构，可以满足多业务、多运营商的融合通信。根据家庭环境下业务的特点，提出了一种基于系统负荷的自适应分集资源调度策略，融合了多业务的QoS特点，为用户提供差异化的服务。基于5G的空口技术对该算法进行了仿真分析，实验结果表明该算法具有良好的性能，在过载情况下仍然能保持较高的稳定性，对5G网络中的资源分配算法的研究有着重要的意义。
[0096] 以上实施例仅用以说明本发明的技术方案而非限制，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
