ANALYSIS OF LOAD DISTRIBUTION INDEX IN LTE NETWORKS

Abstract

This paper is about estimation the real parameters of LTE network functionality such as load distribution index. Also we presents calculations of index values using fuzzy logic.

Full Text

Введение В сетях LTE такие сервисы реального времени, как VoIP, IPTV, требуют определенного уровня QoS (Quality of Service - качество обслуживания), который может быть достиг нут при определенной выделенной скорости передачи данных. Зачастую функциональные параметры сети определяются исходя из соображений постоянного максимального использования канала. Однако в концепции SON (Self-optimizing Networks) для LTE предполагается установка значений функциональных параметров в зависимости от текущих измерений. В [1] в качестве параметров, отражающих качественное функционирование сети, используются индекс распределения нагрузки и количество неудовлетворенных пользователей, рассматриваемые относительно текущей загрузки одного конкретно взятого eNB (eNodeB) и общей загрузки в сети. «Инфокоммуникационные технологии» Том 11, № 4, 2013 40 Карташевская Е.С. Индекс распределения нагрузки Рассмотрим подробнее индекс распределения нагрузки. Виртуальная загрузка конкретного узла k может быть определена как отношение ресурсов, требуемых для обслуживания пользователей, подключенных к k, ко всем доступным ресурсам У ; 2Х Рк = (1) где Nu - число ресурсных блоков (единица распределения ресурсов в LTE), необходимых для обслуживания одного пользователя. Перегрузка наступает, когда рс<\, то есть когда общее ко -личество ресурсных блоков превышает ресурсы eNB. Степень перегрузки как раз можно описывать этим параметром, то есть при pk=R только UR-часть пользователей будет удовлетворена обслуживанием. Для предотвращения постоянного перекидывания пользователя между двумя узлами из-за перегрузок вводится параметр общего состояния. Общее состояние представляет собой взвешенное соотношение загрузки узла и средней загрузки соседних узлов. Средняя нагрузка на соседние узлы определяется как: - _Р\к+ Рік + Рък + - + Рпк Рк П а общее состояние есть нк =™Рк + 0 - ™)Рк ■ (2) (3) Параметр w устанавливает весовые значения загрузки текущего узла рк и его соседей Нк. Оптимальное значение w было установлено как 0,2 [2]. Таким образом, для общего состояния можно записать Н к — 0.2рк +0.8 7=1 (4) Для оценки производительности сети с учетом балансировки нагрузки можно использовать такой параметр, как индекс распределения нагрузки в сети, который может быть применен для «честного» распределения нагрузки между eNB. Он может быть определен как Таблица 1. Обучение сети нейро-нечеткой логикие кп eNodeB B3 ОС ИРН 5 eNB 1 0,0147 0,0238 0,9283 eNB 2 0,0264 0,0171 0,6170 eNB 3 0,0158 0,0243 0,9399 100 eNB 1 0,2904 0,4694 0,9282 eNB 2 0,5205 0,3364 0,6169 eNB 3 0,3075 0,4779 0,9379 120 eNB 1 0,3330 0,5667 0,9149 eNB 2 0,6254 0,3915 0,6099 eNB 3 0,3759 0,5755 0,9415 200 eNB 1 0,5618 0,9522 0,9160 eNB 2 1,0480 0,6590 0,6109 eNB 3 0,6386 0,9661 0,9443 300 eNB 1 0,8587 1,4251 0,9214 eNB 2 1,5639 0,9997 0,6145 eNB 3 0,9486 1,4409 0,9434 400 eNB 1 1,3294 2,1272 0,9307 eNB 2 2,3334 1,5302 0,6200 eNB 3 1,4227 2,1513 0,9444 «Инфокоммуникационные технологии» Том 11, № 4, 2013 Карташевская Е.С. 41 М(*) = ( ^ Z pdf) V с_У №(/v(0)2 (5) где N - общее число в сети; принимает значения в интервале [і/N; і]. Таким образом, индекс распределения нагрузки равен 1, когда нагрузка в сети полностью сбалансирована. Целью балансировки нагрузки является максимизация любой момент времени t. Проведем моделирование, показывающее изменение индекса распределения нагрузки в сети в зависимости от общего состояния и загрузки нескольких используемых eNB, при помощи методов нейро-нечеткой логики [2]. Для обучения сети воспользуемся симулятором параметров LTE/LTE-advanced (open source system level simulator) [3]. Данная система позволяет определить значение интересуемых параметров в зависимости от числа узлов eNB и количества пользователей. Результаты обучения иллюстрирует таблица 1, где КП - число пользователей; ВЗ - виртуальная загрузка; ОС - общее состояние; ИРН - индекс распределения нагрузки. В качестве входных данных используем лингвистические переменные, каждая из которых имеет треугольную функцию принадлежности. Для реализации возьмем две нечеткие переменные, описывающие верхнее и нижнее значение. Имея три входа, по паре переменных на каждом, получим восемь правил. Общая структура модели индекса распределения нагрузки показана на рис. 1. Данная модель состоит из 34 узлов, 8 лингвистических правил, 8 линейных параметров и 18 нелинейных параметров. Таким образом, имея 26 параметров, для достижения приемлемой точности моделирования количество рассматриваемых пар (input - output) должно быть в несколько раз больше. Для тренировки использовалось 84 пары данных. Проверка точности осуществлялась при помощи готовых наборов, случайным образом полученных при помощи все того же симулятора open source system level simulator, для количества пользователей от 4 до 400. Среднее значение ошибки при этом составило 0,005. Результаты проверки приведены на рис. 2. Тeating dala : FE! üutpul ' ‘ £50 PÛÛ 150 ы о ЮТ ьо 0 AtflS tifo —, Я of inpH.fi f ] # Plflpult' 1 Я of inpri mf? 2 2 2 л « . - * Load dala Туре From Training Пін Testing Ü Checking О лог kip. □friTri Laad Data | Clea Oala — Generale FIS - О LOâd ІЇОгїі Mè I oad Fron vicrk&p Grrd parlilidn Sub сіи-меппд Laad I Tram FIS Oplirri Mtlhod hybrid ▼ Errçt Tnletance EpOdt«: Tram New - Tesl FIS —I Plo1 agams-i Traning data О Testing data Checks и üaia Тем Now 1 AveracH. tesUr-a еігтог 0 DC5?3D2 1 Holp С ja st Рис. 2. Проверка результатов моделирования Заключение В общем случае оценка оптимального расположения базовых станций стандартов LTE, WiMAX может потребовать значительных вычислительных затрат, связанных с расчетом большого количества