[论文解读] QoS-Aware User Association for Load Balancing in Heterogeneous Cellular Networks

Tianqing Zhou, Yongming Huang+1 more|arXiv (Cornell University)|Dec 25, 2013

Advanced MIMO Systems Optimization被引用 4

一句话总结

本文提出了一种QoS感知的用户关联方案，用于异构蜂窝网络（HetNets）中的负载均衡，通过联合优化基于可实现速率和资源负载的用户关联。基于全网加权效用最大化框架，提出了一种具有理论收敛保证的低复杂度分布式算法，以及一种集中式最大概率算法，在负载均衡、更低的呼叫阻塞率和更快的收敛速度方面优于现有方法（如Ye的基于用户的方法）。

ABSTRACT

To solve the problem that the low capacity in hot-spots and coverage holes of conventional cellular networks, the base stations (BSs) having lower transmit power are deployed to form heterogeneous cellular networks (HetNets). However, because of these introduced disparate power BSs, the user distributions among them looked fairly unbalanced if an appropriate user association scheme hasn't been provided. For effectively tackling this problem, we jointly consider the load of each BS and user's achievable rate instead of only utilizing the latter when designing an association algorithm, and formulate it as a network-wide weighted utility maximization problem. Note that, the load mentioned above relates to the amount of required subbands decided by actual rate requirements, i.e., QoS, but the number of associated users, thus it can reflect user's actual load level. As for the proposed problem, we give a maximum probability (max-probability) algorithm by relaxing variables as well as a low-complexity distributed algorithm with a near-optimal solution that provides a theoretical performance guarantee. Experimental results show that, compared with the association strategy advocated by Ye, our strategy has a speeder convergence rate, a lower call blocking probability and a higher load balancing level.

研究动机与目标

• 解决由于基站（BSs）发射功率水平差异导致的异构蜂窝网络中的负载不均衡问题。
• 通过同时考虑用户QoS需求和BS负载，而非仅依赖信号强度或用户数量，提升网络效率。
• 设计一种具有理论收敛性和性能保证的低复杂度分布式算法，适用于实时部署。
• 评估并比较所提方案与现有基于用户和基于速率的关联策略在负载均衡、阻塞概率和收敛速度方面的表现。

提出的方法

• 将用户关联问题建模为在资源约束下的全网加权效用最大化问题，其中负载由基于QoS所需的子带数量定义。
• 通过松弛变量求解优化问题，引入一种集中式最大概率（max-probability）算法。
• 利用对偶分解方法开发一种分布式算法，实现接近最优的性能，同时保持低复杂度和快速收敛。
• 采用两种调度策略——MARF（按资源需求升序）和MPRF（随机选择），在不同用户密度下评估性能。
• 基于实际消耗的资源定义负载均衡指数，反映真实的负载水平，而不仅依赖用户数量。
• 采用对偶分解方法，将全局问题分解为用户和BS可迭代求解的局部子问题。

实验结果

研究问题

• RQ1 如何在尊重QoS要求的前提下，优化HetNets中的用户关联以实现负载均衡？
• RQ2 使用基于资源的负载度量（所需子带数量）与基于用户数的负载度量对系统性能有何影响？
• RQ3 分布式算法能否实现接近最优的性能，同时具备快速收敛和低信令开销？
• RQ4 所提出的QoS感知方案与现有基于用户的关联策略相比，在负载均衡和阻塞概率方面表现如何？

主要发现

• 所提出的QoS感知分布式算法仅需三轮迭代即可收敛，显著快于Ye的分布式算法。
• 集中式最大概率算法的负载均衡性能优于分布式算法，负载均衡指数略高。
• MARF调度策略（优先处理资源需求较低的用户）在整体负载均衡方面优于MPRF，因其资源利用更高效。
• 所提方案相比Ye的基于用户算法，降低了呼叫阻塞概率，并实现了更高的负载均衡指数。
• 在宏站层级，MARF与MPRF的负载均衡指数几乎相同，因为宏站受小型站干扰和资源稀缺的影响较小。
• 基于资源的负载度量比基于用户数的度量更准确，尤其在密集或干扰严重的小型站部署中。