原少纯

摘要：在多业务传输的场景中，基于不同业务的不同QoS需求的调度策略研究不多。针对此问题，通过将不同QoS等级和要求加入到调度策略的影响因素中，提出了一种应用于LTE的多目标协同分组调度算法，综合利用信道质量、队列状态以及每种业务的QoS参应用于数要求等信息，在有限的频率资源下尽力使每种业务的QoS要求都得到满足。为了实现这一目标，本文将业务的QoS参数要求有目的性地加入到算法的优先级公式中，且设计了用户满意度函数来衡量算法的综合性能。仿真结果表明，该算法能根据不同QoS要求来动态分配资源，使每种业务的QoS要求都尽量得到满足，且提高了整体用户满意度。

关键词：调度；QoS；用户满意度；LTE

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）17-0258-02

分组调度是实现资源分配的重要环节，而调度算法是调度要遵守的资源分配规则，一个好的调度算法对网络性能的提升发挥着巨大的作用。在QoS感知调度算法中，无论是针对一个具体业务还是一种类型的业务，首先需要分析研究业务的QoS要求，根据具体要求设计调度算法。保证所关注的业务QoS的基础上，尽可能的兼顾到其他业务的调度性能，提高系统公平性。

大多数研究和相关文献存在一个共同的问题，即只关注一种业务或者一类业务的QoS要求，而忽略了其他业务的质量要求，容易导致整体用户满意度的下降。因此对多业务调度算法的研究是有其必要性和研究意义的。文献[33-34]中只是关注多业务中的一个具体的业务，算法设计的思想是优先保证研究业务的QoS实现，其他业务不再具体细分，他们的QoS是否得到保证没有得到仿真验证；文献[1]中明确指出四种业务的不同QoS要求，算法设计过程中使用了KKT条件，寻求不等式约束下的最优解，但算法复杂度较高。

调度器根据不同业务流的QoS要求，在尽量保证用户公平以及吞吐量要求的前提下，动态地为用户分配相应的无线资源并通过调度信令发送给UE。调度算法的研究自开展以来，由于其重要性，专注于各方面的研究层出不穷，例如吞吐量最大化，最大化公平性，业务QoS要求保证等等。为了取得吞吐量和公平性之间的平衡，Jalali等人提出了比例公平（PF）算法[10]，其优先级公式如下：

其中，[rk（t）]是用户k的瞬时数据速率，[Rk（t）]是用户k在时间窗口（[tc]）内的平均数据速率。PF算法实现了系统吞吐量和用户公平性之间的良好的折中。面向具体业务、场景或业务QoS要求，以提高用户感知。常用方法是在PF算法上改进，改进方式是将业务QoS参数放入PF算法的优先级公式。

1 系统模型

下行分组调度的一般模型如图1所示。

一般要预先设置小区、小区用户、RB、以及用户得到的RB集合等系统模型，具体定义如下：

·小区，[M={1，2，3，…，M}]，M是小区总数；小区用[I={1，2，3，…，K}] [I={1，2，3，…，K}]，K是用户总数；可用RB集合，[H={1，2，3，…，C}]，C是RB总数；用户k分得的RB集合，[Ik，k=1，2，3，…，K]. 每个子载波可达到的传输速率使用香农公式得到[37]：

[ck，n（t）=Blog2（1+1.5-ln（5BER）υk，n），k∈I，n∈N] （3）

其中N是子载波集合，B是子载波带宽为15KHz，BER是目标误比特率，[υk，n]是瞬时SNIR值，公式如下：

[υk，n=βk，nPkhk，n2NkB] （4）

其中[Pk]是用户k的发射功率，[βk，n]是分配给子载波n的功率比，[hk，n]代表信道质量，[Nk]则是高斯白噪声。所以用户k在RB c上的传输速率由最小的[ck，n（t）]决定，表示为：

[ηk，c（t）=12minυk，n（t），c∈H] （5）

子载波n属于RB c，每个RB包含12个子载波，C是可用RB总数。在每个TTI，用户 k的传输速率为：

[rk（t）=c=1Cηk，c（t）χk，c（t）] （6）

其中[χk，c（t）=1]表示RB c分配给用户k，否则其值为0，且满足限制条件：[k=1Kχk，c（t）=1]，表示每个RB只分配给一个用户。

2 调度算法

2.1 基于最小速率目标的调度算法

对于GBR业务而言，其QoS特征是对传输速率的要求，每TTI内的平均传输速率需要满足下式：

[E{rk（t）}≥Tk，?k∈I] （7）

其中，[E{rk（t）}]在这里可以是PF算法中的平均传输速率[Rk（t）]，[Tk]是用户k的最小传输速率要求。令non-GBR业务的[Tk=0]。[Rk（t）]更新公式为：

[Rk（t+1）=（1-1tc）Rk（t）+1tcrk（t+1）] （8）

欲使得每种GBR业务在每TTI都能满足（5），调度优先级函数[f1（Rk（t），Tk）]应满足以下条件：

a、非负性，[f1（Rk（t），Tk）≥0]；

b、[Rk（t）≤Tk]时该函数的取值应该大于[Rk（t）≥Tk]时的取值，简单的表示为[f1（Rk（t）≤Tk）>f1（Rk（t）≥Tk）]；

c、速率要求得到满足后，应将[Rk（t）]的取值控制在[Tk]和与[Tk]差值不大的数值间浮动，使（6）式成立，且不会让[Rk（t）]大[Tk]太多，以节省资源为其他业务服务。基于以上分析，此调度优先级函数可设计为：

[g1=argmaxk∈Irk（t）Rk（t）?f1（Rk（t），Tk）=argmaxk∈Irk（t）Rk（t）?exp（（Tk-Rk（t））/Tk）] （9）

2.2 基于多业务QoS要求的调度算法

在多业务传输中，不同类型业务的QoS要求不同，这就要求调度算法能同时满足多个QoS目标需求，才能实现系统的良好性能。本文中的QoS目标是同时保证最小传输速率和时延，将提出的算法命名为MCPS（Multi-target Cooperative Packet Scheduling，多目标协同分组调度）算法，其优先级函数设计为：

其中，优先级公式分为两部分，后半部分的[φ（Rk（t），Tk；Dk（t），delkmax）]为边缘效用函数，[αk]和[βk]分别是最小传输速率和时延参数的权重，[K']是发起同一个业务的用户总数。因为不同的业务对两个参数的要求是不同的，要求某一个参数时相应的权重值为1，否则权重值为0，这样有利于平衡不同业务间的公平性。

优先级的前半部分借用了比例公平思想，最主要的目的是有利于发起相同业务的用户间的公平性的实现，前半部分提高了QoS要求没有满足的用户的优先级，同时又能有效地控制QoS要求已满足的用户的优先级。边缘效用函数有两个相反的作用，在一种业务QoS要求未得到满足时，边缘效用函数对该业务优先级的增加有推动作用，而若其QoS要求已得到满足则起到相反的作用，阻止剩余资源继续分配给该业务，转而分给其他业务。就本文设置的三种业务而言，MCPS算法的目标是按照业务QoS要求的高低来决定其调度优先级，在优先满足高QoS要求用户的需求后，尽量将剩资源分配给其他业务。

3 仿真分析

如上图所示，表示的似乎业务类型2 用户满意度的比较，对比了PF算法和本文提出MCPS算法满满意度。可见，对于业务类型1，两种算的用户度基本基本一致，而对于2和3业务来说，MCPS 下的用户满意度比PF下的用户满意高出很多。可见本文提出的算法取得了明显效果。

上图分析了在不同算法下，业务类型2的最小速率需求，可见本文提出的算法很好地满足了需求。而PF算法大部分的情况下，并不能满足最小的吞吐量需求。这也说明了业务2在PF调度算法下的用户满意度不足的原因。

4 总结

本文首先介绍了单业务的 QoS感知调度算法，然后并分析了目前多业务的调度算法的不足。之后基于现在的调度算法模型提出了多目标协同分组调度算法，且设计了用户满意度函数来衡量算法的整体性能。基于业务的吞吐量和用户满意度的仿真结果表明，在混合业务传输模式下， 本文的该算法可以满足各种业务的QoS需求，有效地提高了资源利用率用户整体满意度。

参考文献：

[1] Necker M C. A comparison of scheduling mechanisms for service class differentiation in LTE networks[J]. AEU-International Journal of Electronics and Communications，2009， 60（2）： 136-141.

[2] 郑培超， 贾韶军， 宋瀚涛. OFDMA 系统保证服务质量的分组调度算法[J]. 电子与信息学报， 2008， 30（8）： 1779-1782.