无线蜂窝通信系统呼叫接纳控制相关模型及其QoS研究

论文摘要

随着通信技术、传输技术的迅猛发展,客观上使下一代通信网络同时承载语音、数据、多媒体等业务成为必然。已经有越来越多的用户利用网络进行工作、学习、娱乐,网络的服务质量(QoS)也越来越成为用户和运营商共同关心的问题。一方面,用户不希望自己购买的网络服务质量受到侵害,另一方面,网络运营商也希望自己的投入能达到最大的产出。对网络QoS的研究一直与网络的发展相随相伴,QoS的实现与资源管理密切相关。流量模型是资源管理赖以研究的基础。传统的流量模型都是假设随到接入的,这与实际系统的接入方式并不相符,实际系统的时间几乎都是被时隙化的。模型与实际的差异会对模型精度造成多大影响常常是流量模型研究中被忽视的问题,相关的文献就作者所知目前还没有见到。本文就传统的间断泊松模型(IPP)对这种误差做了研究,从数学根源上阐明了误差产生的原理。对IPP模型经过时隙化接入后的动态流量均值以及传统IPP模型经时隙接入后的误差近似公式做了推导,仿真表明考虑了时隙接入影响的IPP模型的动态流量均值与仿真值非常一致,相比传统IPP模型具有更高的精度,误差近似公式与仿真结果也高度一致,表明这两者的理论结果是可信的。本文的IPP流量均值误差公式还表明,只要接入的延时足够短,或者时隙足够小,时隙对传统流量模型精度的影响也很小,基本可以忽略。这个结论为我们放心使用传统流量模型提供了理论依据,也使得后面对流量模型的研究可以不再考虑时隙化接入带来的影响。实施呼叫接纳控制必须先已知网络流量。流量信息通常有两种获取方式,一是借助流量模型,二是对流量进行实地测量。CAC常用的流量模型有五种,但是这五种模型在流量描述和计算复杂度上互有利弊,缺少一种计算上相对简单同时又能描述动态流量分布的瞬时流量模型。本文提出了一种增强型ON/OFF流量模型。它是在传统ON/OFF流量模型基础上,通过修改传统模型假定的恒定流量为随机流量、ON和OFF状态以固定概率相互转换为ON状态持续时间分布,以及增加一个突发到达时间的概率分布作为已知条件得到的。该模型克服了传统ON/OFF模型不能描述流量随时间动态分布的缺点。本文通过推导给出了该模型在任意时刻的流量分布式,以及任意时刻的流量均值表达式。本文还给出了突发到达过程服从泊松过程、突发持续时间服从指数分布时,系统在任意时刻的流量分布和均值计算公式。并且为了计算可行性,还推导出了公式中概率的简化计算式。之后对系统动态流量均值做了仿真,结果与理论值一致。在蜂窝无线通信中,用户的移动行为对小区性能有重大影响。由于人们的移动行为受太多因素的影响,现有的模型往往不但复杂,结果离应用也有很大距离。本文提出了一个蜂窝无线通信系统的一般用户移动模型,它将小区中的呼叫分为本地呼叫、本地切换到外地的呼叫、外地切换到本地的呼叫三类,当每类呼叫的小区信道占用时间、带宽分布、到达过程都已知时,对小区带宽占用均值的预测就可以利用第三章的结果。这个一般移动模型用带宽作为模型的资源参数,克服了许多模型以信道数作为资源占用单位这种不适合分析分组通信的缺点。在该模型下,本文接着提出了一种以概率方式进行CAC的策略,并给出了该策略下优化问题的约束条件和目标方程,最后做了仿真并分析了该CAC的利弊。为了解决多业务共享传输带宽时的QoS保障问题,IETF组织提出了区分业务的DiffServ QoS模型,其基本思想就是将系统带宽按业务类别分割,每类业务获得一份带宽配额。以往带宽分割的不足在于以带宽分配以信道为单位,无法实现“无级”方式的分割,这对分组交换网络是没有太大意义的。本文提出了一种近似“无级”的带宽动态分割策略。它利用了基于有效带宽的CAC策略得到的结果,即在带宽溢出概率小于给定值的QoS要求下,系统允许的最大用户数与容量之间满足的关系式。本文动态分割算法先保证业务带宽最小配额与当前用户数相匹配,然后用搜索的方式获得使所有业务的有效带宽和最大时的各带宽配额。业务带宽分割粒度取决于搜索步长,因而可以实现近似的“无级”。本文还给出了业务带宽服从指数分布时的具体优化方程,并对双业务下的带宽分割做了仿真。对点过程流量模型的带宽动态消耗做了研究。掌握带宽动态消耗过程可以更准确地进行接纳控制和资源管理,并能在异常情况下对资源告罄预警。在流量模型研究中,点过程是另一种流量模型,与此相关的数学工具是排队论和马尔科夫链,用它们的结果计算带宽动态消耗过程涉及大量的矩阵运算,难以满足CAC的实时性要求。本文从另一个角度对带宽消耗的均值与方差过程做了推导,并在高斯过程的假设下,给出了能以一定的概率预测在当前的消耗速度下带宽用尽的时间范围。仿真表明结果是比较准确的。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景和意义
• 1.2 QoS 的相关概念以及研究现状
• 1.2.1 服务质量、网络性能、服务类型和服务等级
• 1.2.2 IP 网络的QoS 模型及其特点
• 1.2.3 IP QoS 的研究现状和发展趋势
• 1.3 呼叫接纳控制相关概述
• 1.3.1 呼叫接纳控制研究涵盖内容
• 1.3.2 呼叫接纳控制的分类
• 1.3.3 无线蜂窝环境下的呼叫接纳控制研究现状
• 1.4 基于流量模型的呼叫接纳控制研究
• 1.4.1 CAC 流量模型研究现状
• 1.4.2 不同流量模型下的 CAC 接纳准则
• 1.5 无线蜂窝通信系统下的用户移动模型
• 1.5.1 移动模型在无线蜂窝通信系统中的重要作用
• 1.5.2 移动模型的类型
• 1.5.3 蜂窝系统的移动模型的研究现状
• 1.6 论文的体系结构和技术路线
• 1.6.1 研究内容和技术路线
• 1.6.2 论文内容安排
• 2 随到接入式流量模型在时分接入系统的误差分析
• 2.1 引言
• 2.2 随到接入模型在时分接入系统的误差根源
• 2.3 IPP 模型的时隙化误差分析
• 2.4 仿真结果与分析
• 2.5 本章小结
• 3 增强的ON/OFF 流量模型
• 3.1 引言
• 3.2 增强的ON/OFF 复合流瞬时流量模型描述
• 3.3 增强ON/OFF 模型的瞬时流量分布与均值
• 3.4 突发泊松到达以及持续时间指数分布时iP, q i1 , q i2 的简化计算公式
• 3.5 仿真结果与分析
• 3.6 本章小结
• 4 蜂窝系统的一般移动模型及其基于概率的CAC 策略
• 4.1 引言
• 4.2 GMM 模型提出的缘由
• 4.3 GMM 模型的定义和假设
• 4.4 GMM 模型下小区的动态均值带宽
• 4.5 GMM 模型下基于均值带宽的CAC 机制
• 4.6 仿真结果与分析
• 4.7 本章小结
• 5 基于大偏差有效带宽的多业务带宽动态分割策略
• 5.1 引言
• 5.2 带宽配额与CAC 的关系
• 5.3 大偏差近似定理
• 5.4 基于有效带宽的动态分割策略
• 5.5 仿真与分析
• 5.6 本章小结
• 6 基于排队模型的带宽使用预测
• 6.1 引言
• 6.2 排队模型与带宽耗尽时间的常规解法
• 6.3 带宽使用与耗尽时间的另一种解法
• 6.4 模型仿真与结果分析
• 6.5 业务带宽使用预测算法
• 6.6 本章小结
• 7 总结与展望
• 7.1 全文总结
• 7.2 未来展望
• 致谢
• 参考文献
• 附录1 攻读博士学位期间发表学术论文目录
• 附录2 英文缩写对照表
• 附录3 攻读博士学位期间参加的科研工作