上行链路的动态呼叫接纳控制3G / 4G基于CDMA的系统外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

上行链路的动态呼叫接纳控制3G / 4G基于CDMA的系统

Saacute;ndor Imre, Member, IEEE

摘要 - 呼叫接纳控制（CAC）强烈影响3G / 4G扩频系统的性能，因为它决定了进入网络的活跃用户的数量，即影响光谱效率。 本文介绍了一个新颖的空中接口CAC的算法。 它优化了无线电资源的利用率，并向无线电提供带有广义乘法衰落的实时适应通道。 用户被作为无内存的流量来源处理。 建议的CAC方法是评估对数正常衰落和开/关流量。

索引术语 —— 码分多址（CDMA），衰落频道，陆地移动无线电蜂窝系统，伪噪声编码通讯。

1、引言

有线和无线通信系统和网络正在融合世界形成全球化infocom网络。 不过，他们不同的服务质素（QoS）配置功能可能会导致严重的问题界面。

通过有线系统保证QoS合同这样的网络管理控制机制，如呼叫入场控制（CAC），用户流量控制或拥塞控制。使用移动接入无线电资源扩展有线网络执行管理[1]来执行这些任务。我们正在网络管理中关注CAC功能，因此，本文中就移动环境的CAC解决方案进行了调查。

CAC可以在移动环境中定义如下方式：只有在信噪比/信号干扰比（SNR/SIR）值受到新的呼叫启用信号检测与声明的QoS级别的影响才能接受新的呼叫，[例如，所有接收机的误比特率（BER）]。几种高效的干扰抑制技术[15] 如分频倍数访问或时分多址方案从开始就被应用。 一方面，他们提供了一个简单的工具来减少干扰，而在另一方面，它们导致CAC决策非常简单。

然而，基于码分多址（CDMA）的传播频谱系统（WLAN，IS95，3G）需要不同的方法[2]，[3]。 基于CDMA的空中接口主要受到由其他用户的干扰造成的网络而不是高斯噪声的影响，即更多用户造成更多的干扰，以致于每个用户的QoS（BER）降低。

这导致计算上更复杂的CAC决策[3]，因为检查可用的未使用的插槽（通道）是由SIR值的估计代替。 这是人们必须支付增加的频谱效率和允许用户总数的灵活限制的价格。 但是，CAC必须实时执行，这需要较不复杂和精确度的次优CAC方法。 因此，主要的挑战是创建复杂和高效的能够动态适应不断变化的（移动性和褪色）环境，同时提供合适的决策效率与复杂性之间的权衡的CAC方法。

CAC算法之间的差异在于应该接受新呼叫的标准。

1）基于号码的CAC根据系统每个服务允许的当前和最大用户数接受新的呼叫， 即，假设每个服务的固定成本[25]，[27]，[34]。 基于数量的CAC导致简单的决策，但其效率受到极大限制;因此，出现了另一个成功的方法。

2）基于多址干扰/基于SIR的CAC预测将由与新的连接到其他小区的新连接引起的同信道干扰。在文献中可以找到各种方法。刘先生和El Zarki首先提出了基于SIR的两个简单解决方案 [26]。之后，通过高斯分布逼近细胞外干扰[30]。基于SIR的CAC算法也出现在[9]中，预测新增的小区间干扰电话会产生。 Ying 等使用不同的门槛[35]中的两层分层细胞结构的价值。Geijer-Lundin等提出了所谓的噪声上升估计方法[28]，[29]。实时SIR测量提供了另一种确保QoS的方法[31]。基于移动性任意呼叫到达率的CAC算法为在[36]中提出。两轮动态CAC和优化算法在[37]中讨论过。[38]对基于无线电网络规划的基于SIR的CAC进行了调查。在[34]中，比较了基于干扰级别的CAC和基于用户数量的CAC。

本文组织如下：第二部分解释了宽带CDMA（WCDMA）空中接口上行链路的CAC问题；第三节提供了抽象制定CAC问题和基于静态有效带宽的CAC是解释和评估；第四节总结了小说CAC算法；第五节中说明了将新的CAC方法适应于CDMA空中界面，为了在实践中研究新方法，考虑对数正常衰落和ON / OFF源；第六节提出了模拟结果；本文在第七节中得出结论。 详细的推导可以是在附录中找到。

2、CDMA系统中的CAC

CAC需要基于CDMA的上行链路空中接口的适当模型。根据[4]和[5]的研究，我们将个别移动终端（服务）组合成交通类。属于第j类的每个用户i的特征在于其传输速率，以每秒位数测量并用概率密度函数（pdf）描述。如果考虑了类j的相同变量，索引ij将被索引j替换。

在每个呼叫到达时都需要CAC决定，中断概率是否仍然小于期望的QoS，即

SIR / SNR通常用作CAC的输入参数[6] - [9]利用BER = g（SIR）近似。在[39]中，在实现更准确的描述时考虑SIR的较高阶矩。然而，由于意识到应用模型的准确性有限，我们决定使用它，因为其简单性适合于应用。

干扰端子对SIR值的影响取决于它们的位置。 图1中的适当的单元结构中示出。我们假定新的呼叫到达位于中间的单元格。这些细胞形成端子，其中，所述终端的干扰的效果不能被忽略的所谓的干涉区域。 我们使用传统的双环模型[4]，[12]，其中考虑了第一和第二相邻小区环（见图1）。干扰区域中的基站由序列号标识。

图1 平均距离的双环系统模型

此外，让我们定义位于给定基站k＃周围的那些基站的集合，其终端的干扰区域包含小区，即来自这些小区的发射信号在所讨论的基站造成干扰。该集合被称为基站的CAC区域，并且其小区通过小区ID来参考。此外，它还包含单元格。

无线电信道对终端i，类j和小区k的发射信号功率的影响通过路径增益表示在基站的接收机处。其pdf表示不同的传播模式[13]（Rayleigh,Nakagami,等）

其中代表在位于小区k中的类j的终端i的基站处的接收（目标）功率电平。

在拥有发射功率电平和增益值的情况下，可以在页面底部显示如（3）中具有带宽B [赫兹]的系统中的的更详细描述，其中和代表热噪声的单侧频谱密度和来自其他系统的干扰。

在j型用户i的基站接收机的每秒钟期间，用于正确检测（以比特每秒）为单位的所需的最小信号与干扰密度比（SIDR）被定义为

其中（以每焦耳为单位）是指位能量，（以瓦特/赫兹为单位）是所有干扰效应的功率密度。

此外，我们利用以下近似[4]，[12]：

也就是说，基站处的某个用户的接收功率电平与所需的最小SIDR成正比。

其他终端根据其目标基站调整其功率;因此，其他小区干扰项的值可以表示为

现在，我们可以重新设计（1），获得更详细的CAC不等式

其中B代表由于热噪声和其他系统干扰而减小的系统容量。 在右侧，总结了个人用户随机变化的能力要求。 显然，如果所需资源的总量超过系统的容量，就会发生停电。

路径增益通常由众所周知的双向组成通过乘法衰落Y扩展的传播模型。确定性双向模型的获得可以被定义为[15]

其中是发射机天线的高度，代表接收基站天线的高度，而表示它们之间的距离。实际上，由于移动终端总是在不断变化的位置，对于位于同一单元k中的所有终端，可以考虑平均距离与相同的值;因此，被替换为。在[16]中可以找到适当的值，如图1所示。

乘法衰落的应用，其特征在于其幅度增益的pdf，导致更逼真的模型

3、CAC问题的几何表示

本节介绍CAC问题的抽象（几何）表示，以便能够比较不同的CAC解决方案。 为了给出呼叫准入程序的抽象描述，使用以下情况, 虚拟源分为几类,某一类j中的每个源i根据其资源需求（例如，带宽）由随机变量表征。随机变量用其给出，即来自同一类的来源具有相同的统计行为。 第j类的活动源数由表示。因此，可以通过在J维状态空间中的状态向量N =（，，...，）来描述系统的状态，其中J表示虚拟类的数量。

图2 基于CAC的有效带宽和动态分离面的几何解释

考虑到状态向量CAC问题可以作为一个集合分离问题来处理。令表示代表源的总容量需求的随机变量。

所有状态向量形成两个子空间。可以在不违反QoS约定被接受的矢量，属于必须被拒绝到第二个为“可接受的”设置和状态。

其中表示系统的容量，表示QoS参数。

因此，CAC必须解决如何确定分离两个区域的表面的问题（见图2）。不幸的是，最佳决策需要理论表面的准确知识（直接或间接），在实际情况下不可用。因此，以CAC算法的形式需要次优解。不同的CAC方法可以在尽可能接近理论分离面的情况下竞争。为了找到不太复杂但接近最优的解决方案，引入了几种方法。其中最有前途的算法之一是基于有效的带宽概念，最初是为有线网络CAC引入的[17] - [22]。

不等式（9）代表了众所周知的尾部分布估计问题。由于执行卷积是相当耗时的，因此，在有效带宽方法的情况下，将确定性的所谓有效带宽值分配给每种类型的源。是指第j类的有效带宽值，它在平均值和峰值需求之间。总体资源需求的实际值超过系统能力的概率是通过估算的

文献中引入了不同的想法来找到合适的有效带宽值[18] - [20]。后来，有效带宽技术适应于无线环境[4]，[12]，[16]。

基于有效带宽的CAC方法的主要无可争议的优点在于，一旦有效带宽值已知，在CAC决策中，由于在（10）中应用的线性组合，它们非常快。不幸的是，为了这个好处，人们必须付出很高的代价。

有效带宽值的计算是计算上非常复杂的任务，以至于不可能动态地适应系统参数的变化。不同的是，例如有线ATM，可以通过表示用户业务的随机变量来表征个人需求，在无线的情况下，该随机变量包含目标最小SIDR要求，信道模型，平均距离和用户业务量。因此，在不断变化的无线环境中，基于静态有效带宽的CAC将因其理念而失败。

在某些情况下，有效的基于带宽的CAC是相当不准确的，因为任何有效的基于带宽的解决方案通过远离最优解的（线性）超平面近似于理论分离超曲面（见图2）。因此，可以使用实现非线性分离表面的CAC算法来提高CAC精度。

4、动态CAC方法

（9）中描述的尾部估计问题可以通过利用所谓的Chernoff约束来解决[23]。我们在这里介绍，它表示随机变量的对数矩生成函数（LMGF），是指其参数的平均值。如果可以使用期望值来保证随机变量，并假设且的实数,那么CAC不等式（9）也得到满足。

Chernoff绑定的主要优点在于优化参数，可以找到尾部最紧密的上限。

为了在实践中应用（11），必须解决以下重大问题。

整体需求的对数矩产生函数应追溯到个别来源的，因为我们只有关于个别来源的信息。以下简单的方式可以解决这个问题的独立来源：

不幸的是，（11）并没有提供如何确定由表示的s的最优值的提示。因此，应该找到一个合适的方法来寻求： 。

4.1 切尔诺夫参数的优化

在[4]中已经引入了一种用于在WCDMA场景中找到的强力方法，但该解决方案主要基于有线等效[17] - [19]。这种算法背后的共同点可以概括如下：回顾CAC的几何解释，尝试找出具有最大接受状态子空间的超平面。

这种方法的最严重的缺陷是，一方面，所需要的大计算复杂性，因此，它的静态性质。另一方面，单独的最佳线性分离表面属于每个系统状态，并且所选择的一个仅表示它们的权衡，而不是对于所有状态是最优的。

为了提高CAC的准确性和引入灵活性，我们介绍了如何在每个CAC决策中实时计算。[23]研究的下一个适应定理强调了的重要属性。

定理1：令为随机变量值。 如果和，则存在一个并且只有一个，其中和。

不幸的是，不能直接从优化过程中表达出来。为了找到能够找到的合适算法，我们利用的一阶导数的形状。因为是严格单调的，因此可以使用适当选择的间隔上的对数搜索找到：。

1）对数

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[142001]，资料为PDF文档或Word文档，PDF文档可免费转换为Word