带有负载均衡的LTE自适应切换算法

王汝言，周晓军，吴大鹏

（重庆邮电大学宽带泛在接入技术研究所，重庆400065）

带有负载均衡的LTE自适应切换算法

王汝言，周晓军，吴大鹏

（重庆邮电大学宽带泛在接入技术研究所，重庆400065）

用户在宏蜂窝和毫微微蜂窝之间频繁执行不必要的切换将导致系统掉话率增加，用户服务质量和网络吞吐量降低。提出一种带有负载均衡的自适应切换算法，根据网络综合负载水平自适应调节切换滞后余量，结合网络容量、终端所需容量、接收信号强度、业务类型、移动速度等多目标参数进行综合切换判决。结果表明所提切换算法可有效避免不必要切换的发生，降低切换次数并提高网络吞吐量。

宏蜂窝；毫微微蜂窝；负载均衡；切换

0 引 言

随着蜂窝无线通信系统的快速发展，移动终端（user equipment，UE）的数量呈现出快速增长的趋势。然而，统计表明当前蜂窝网络中有50%的语音业务和90%的数据业务发生在室内；同时，30%商业区域和45%住宅区域的UE信号覆盖较差［1］。因此，为语音、视频以及高速数据业务提供良好的室内覆盖变得异常重要。长期演进系统（long term evolution，LTE）以其宽带宽、高速率、低时延等优点，得到世界各主流通信设备商和运营商的广泛关注［2］。但是，LTE可供室内用户使用的系统容量相对有限，并且，基站需要提高下行发送功率以克服穿透损耗，此种方式将会导致小区吞吐量降低。因此，为了有效解决上述问题，第3代合作伙伴计划（the 3rd generation partner project，3GPP）于2008年提出了家庭基站的体系架构，家庭基站也称为毫微微蜂窝（Femto Cell）期望通过大规模地部署Femto Cell解决室内用户的信号覆盖问题，以达到为用户提供更好的服务质量的目的。

Femto Cell［3］属于短距离、低功耗、低成本的蜂窝无线通信系统接入点，其允许标准移动设备通过现有的宽带网络连接至蜂窝无线通信系统，其具有自动网络规划、自动软件升级和自动数据配置等功能。由于Femto Cell属于用户自行安装的家用电子设备，因此，在宏蜂窝（Macro Cell）的覆盖范围内将会出现大量的Femto Cell，使得蜂窝无线通信系统网络架构分成两层，即Macro Cell和Femto Cell双层蜂窝网络架构［4］。在Femto Cell大量部署的情况下，蜂窝无线通信系统的移动性管理至关重要，其中小区切换技术更是重中之重，切换的成功与否和切换效率直接影响着UE的服务质量（quality of service，QoS）体验［5］。

在蜂窝无线通信系统中，当UE从一个小区移动到另一个小区或者当前服务小区信号太差、干扰太强时，为了保证UE通信的持续性，需要将UE与基站之间的通信链路从当前基站切换至其他基站［6］。然而，与原有蜂窝无线通信系统的架构不同，LTE系统具有双层蜂窝网络架构，降低频繁和不必要的切换是双层蜂窝网络架构的关键问题。在双层蜂窝网络中，各个小区的网络容量和UE数量不同使得各个小区的负载也不同，这样就导致了网络中出现所谓的“热点”小区，这些小区的业务请求远高于可接受的水平，以至于出现较高的呼叫阻塞率，而其他小区还存在可用资源来服务更多的UE，使得各个小区的负载呈现出一定的非均衡特性，进而导致系统资源利用率及吞吐量降低。可见，小区之间负载的均衡性也将会影响UE的QoS体验。对于实时业务用户的切换过程来说，负载不均衡会导致系统具有较高的呼叫阻塞率；对于非实时业务用户的切换来说，负载不均衡会导致“热点”小区中边缘用户吞吐量出现恶化。因此，系统需要根据各个小区的用户数量及剩余资源状态，均衡地使用各小区资源，并通过负载均衡机制来降低UE的切换次数和不必要切换次数，提高系统的资源利用率，从而提高系统吞吐量。由于Femto Cell的覆盖范围小，高速运行的UE不可能在Femto Cell的覆盖区域内停留很长时间，若在其进入和离开Femto Cell时均执行切换操作，则将引起UE在各小区之间产生频繁和不必要的切换［7］。同时，LTE中Macro Cell和Femto Cell的切换属于硬切换，这些频繁和不必要的切换将会产生“乒乓效应”，降低端到端的QoS体验性能，降低小区间的负载均衡性能及系统容量，浪费网络资源。因此，在双层蜂窝网络架构中减少频繁和不必要的切换对保证用户的QoS和系统性能是极其必要的。在宽带宽、低时延、高速率的LTE系统中，切换参数设置不合适会严重影响系统性能，恶化用户的QoS体验性能，甚至导致用户掉话。因此，双层蜂窝网络架构下的切换决策需要综合考虑网络、业务和终端等各个层面的特性和需求，以合理的方式选择切换判决参数进行自适应切换判决，以避免不必要的切换操作，减少对系统资源的浪费，提高系统吞吐量。

目前，国内外研究人员针对LTE中Macro Cell和Femto Cell双层蜂窝网络架构中的切换机制进行了相关研究。文献［8］提出一种基于多目标参数的切换算法，采用接收信号强度（received signal strength，RSS）和可用带宽资源作为参数，通过帕累托最优方法对这两个参数进行多目标优化，结果表明其能提高切换成功率，降低切换延迟，但是它没有考虑UE处于高速移动的情况，不能有效抑制高速UE的频繁和不必要的切换次数。文献［9］提出一种基于网络负载均衡的切换算法，采用RSS和负载状态作为参数，通过负载阈值来调节切换滞后余量（handover hysteresis margin，HHM），结果表明其能有效降低切换阻塞率和掉话率，但是其采用了固定的负载阈值，降低了在不同场景的适用性，也未能有效降低不必要的切换次数和提高系统吞吐量。文献［10］提出一种基于多个信号强度阈值的切换算法，通过多个阈值进行多重切换判决，结果表明其能有效降低切换次数并减少乒乓效应，但未能有效兼顾网络的负载均衡性，其阈值的设定并未考虑用户动态到达和离开的时变特性，使得系统吞吐量并未得到显著提高。文献［11］提出一种基于临时区域合作的快速切换算法，通过UE之间的协作以确定目标基站信息，结果表明其能够有效降低切换时延，但UE随机移动性使得其协作的时变特性增强，UE在不同协作区域内交互搜集到目标基站信息混乱以致产生过多无效切换，无法有效降低切换次数并提高系统吞吐量。

如上所述，针对现有的LTE家庭基站切换策略未能综合考虑网络容量和负载均衡的问题，提出一种带有负载均衡的LTE家庭基站自适应切换算法（load balancing adaptive handover algorithm in LTE，LB-HA）。根据网络中的动态的综合负载水平自适应调节HHM，并且充分考虑网络容量、终端业务所需容量、接收信号强度、速度、业务类型等5个方面因素，以分布式的方式进行综合切换判决，使得网络达到更好的负载均衡效果。进而，以更加合理的决策条件执行切换操作，降低切换次数，提高系统吞吐量。

1 网络综合负载估计方法

在双层蜂窝网络架构中，给定Macro Cell小区的覆盖范围内包含多个Femto Cell小区。然而，Femto Cell小区中所接入的UE数量不同，使得各个小区的网络负载并不均衡，导致部分小区处于过载状态，同时，部分小区处于轻载状态。另外，UE具有随机移动性，其在各个小区间的移动将使得各个小区的负载程度具有明显的动态特征。因此，本部分提出了一种基于三角模融合算子的网络综合负载估计方法来进行实时衡量小区的网络状态。

1.1 网络容量的估计

LTE系统中，邻近的正交频分复用（orthogonal frequency division multiple，OFDM）载波被分成多个物理资源块（physical resource block，PRB），且PRB为可分配给用户的最小资源单元。当UE连接基站后，基站通过媒体访问控制层的调度器为UE合理地分配相应的PRB。然而，PRB的数量与系统带宽之间存在对应关系，小区带宽越宽，PRB的数量越多，网络容量就越大。因此，以PRB数量作为基本单元对网络容量进行估计。

根据双层网络架构可知，给定的Macro Cell小区内包含M个Femto Cell小区，同时，N个UE随机分布在Macro Cell覆盖区域内，如果第k个UE连接在Macro Cell小区，则它所得到的来自演进型基站（evolved node B，eNB）分配的网络容量（即第k个UE所占用的PRB数量）CkeNB的计算方法如式（1）所示，eNB表示Macro Cell的部署设备。

式中，P0表示家庭eNB（home eNB，HeNB）的发射功率，HeNB表示Femto Cell的部署设备；Pi（i≥1）表示第i个HeNB的发射功率；g0，k表示eNB与第k个UE之间的信道增益；gi，k表示第i个HeNB与第k个UE之间的信道增益；Dk表示第k个UE申请的业务速率；BW表示网络的传输带宽。

可见，通过式（1）可获知服务小区为Macro Cell时，UE可分配到的网络容量。此外，当UE处于第i个Femto Cell服务小区时，第j个UE可分配到的网络容量为Cji－HeNB，其计算方法为

由于Macro Cell和Femto Cell双层蜂窝网络环境中包含1个eNB和M个HeNB，且UE随机分布在给定场景下，为了能够获知处于任意状态下的UE（UE连接Macro Cell或者Femto Cell）可分配到的网络容量，结合式（1）与式（2），可以得到第i个基站（包括eNB和HeNB）分配给第j个UE的网络容量Cji，表示为

式中，∪i表示连接到基站i的UE集合。

1.2 网络综合负载衡量方法

根据LTE中所制定的切换判决可知，当UE需要切换到目标小区时，若目标小区的负载过高或者网络容量受限，将会导致UE由于无法获得充分的资源而产生掉话，使得UE在执行切换操作后仍得不到QoS保证。因此，为了自适应地均衡各小区之间的负载，避免用户由于小区负载过高导致掉话，所提出的切换机制充分考虑了小区的网络容量和负载，并且通过负载均衡机制从拥塞小区中切换一部分UE至其他小区，使得小区之间的负载更加均衡，网络能够容纳更多的用户，提高系统的资源利用率。

双层蜂窝网络中各个小区的负载可由当前小区中总的网络容量和UE已使用的网络容量所决定，该参数随着小区中UE的网络容量使用率变化而变化。本文采用各小区的网络容量使用率（即各小区中所有UE的PRB占用率）作为双层蜂窝网络中各小区的负载度量。小区i的负载li表示为

如前所述，UE随机分布在各个小区中，且移动方向随机，使得小区之间的负载无法均衡。为了充分利用有限的网络资源，需要采用相应的负载转移方法将负载较重小区中的用户切换至负载较轻的邻居小区。使用公平性指数ε（t）来估计网络中各个小区之间负载均衡性［12］，该参数表示各个小区之间负载的均衡程度，称之为网络负载公平性因子，表示为

式中，ε（t）∈［1／2，1］.ε（t）越大，表示整个网络的负载均衡性越好；ε（t）越小，表示整个网络的负载均衡性越差。

从全局来看，通过网络负载均衡公平性因子可以得到全网络中所有小区之间的负载均衡程度。在局部，本文使用各个小区的可用负载来衡量各个小区的负载均衡能力。即小区的可用负载越大，则可进行负载均衡的能力越大。换言之，小区的可用负载越大，则可以切换到该小区的UE数量越多，小区之间更可能达到负载均衡。本文使用η（t）来表示小区i的可用负载水平，称之为小区的i的负载均衡能力因子，表示为

式中，η（t）∈［0，1］.η（t）越大，表示小区i在t时刻可用负载水平越大，该小区能够接收更多的切换UE；η（t）越小，表示小区i在t时刻可用负载水平越小，该小区能够接收更少的切换UE。

综上所述，ε（t）参数描述了全网络的负载均衡公平性，切换过程中单一地考虑这个参数会导致部分Femto Cell小区过载。同时，η（t）参数描述了小区i的剩余负载水平，单一地考虑这个参数将会降低整个网络负载均衡性。因此，综合考虑这两个参数，将当前t时刻网络负载公平性因子ε（t）和小区i的负载均衡能力因子η（t）进行融合，得到能够准确衡量网络当前的综合负载水平的参数f（t）。两个因子的有效融合直接决定了综合负载水平在衡量过程中的合理性。利用模糊数学中的三角模融合算子对网络负载公平性因子ε（t）和小区i的负载均衡能力因子η（t）进行融合，得到小区i对于全网络的综合负载水平指数f（t），表示为

式中，ε（t）和η（t）是两个进行融合的隶属度函数；ε（t）∈［1／2，1］和η（t）∈［0，1］也能满足三角模融合算子的条件。三角模融合算子是在模糊推理思想下引入人工智能的理论方法，将网络负载公平性因子ε（t）和小区i的负载均衡能力因子η（t）这两个单一的决策映射到另一空间，通过比较来完成融合判决，其具有同类信息的加强性和矛盾信息的调和性。可见，三角模融合算子能够比较好地满足本文中对网络负载公平性因子和各个小区负载均衡能力因子所进行的模糊融合衡量要求，从而能够比较真实客观地反应网络的综合负载水平。

2 自适应切换策略

在双层蜂窝网络架构下，Macro Cell小区覆盖范围大，而Femto Cell小区覆盖范围小，UE频繁地进出Femto Cell小区产生频繁和不必要的切换。运营商推出Femto Cell的初衷是为了改善室内覆盖和提高网络系统容量，从而提高UE的QoS。然而，在蜂窝无线通信系统中，频繁和不必要的切换将会降低端到端的QoS，减少系统的容量。因此，在双层蜂窝网络架构中减少频繁和不必要的切换对保证UE的QoS的系统性能是极其必要的。在蜂窝无线通信系统中，信号强度是描述通信质量的重要指标，在切换判决算法中被普遍使用。当在给定区域内的两个基站信号强度剧烈波动时，会引起UE在两个基站之间来回重复切换产生“乒乓效应”。为了解决这个问题，切换算法引入了HHM，HHM表示一个相对信号强度，该参数通常与信号强度联合使用，即目标小区的信号强度比服务小区的信号强度强很多（即大于滞后余量）的情况下进行小区切换。传统的应用HHM的切换算法基本都是使用固定HHM值，其切换判决条件为

式中，HHMdefault采用预先设定的方式，它不能随着网络容量和负载的变化自适应调节，从而达不到理想的效果。因此，本文对传统的HHM切换算法进行了改进，改进的切换判决式为

即结合网络综合负载水平指数f（t）来动态调节HHM值。可以分析得到，随着网络综合负载水平指数f（t）变大，ΔH H M也相应变大，此时网络负载均衡良好，切换判决则需要目标小区比服务小区具有更大的信号强度差才能触发切换，从而减少UE的切换次数，网络系统负载均衡稳定。反之，随着网络综合负载水平指数f（t）变小，网络负载均衡较差，切换判决则降低ΔHHM来减小切换的难度，UE则通过执行切换操作来进行负载转移达到网络负载均衡。然而，若目标小区不能满足新UE的业务所需网络容量，则会导致UE切换失败。为了能够提高切换成功率，考虑了目标小区的剩余网络容量与UE业务所需网络容量两者之间的关系

此外，如前所述，Femto Cell的覆盖范围较小，高速移动的UE在Femto Cell覆盖区域内停留时间较短，若在其进入和离开Femto Cell时均执行切换操作，则将引起UE在各小区之间产生频繁和不必要的切换，所以在满足条件式（11）的情况下，规定了两个速度阈值vth1和vth2来限制高速移动UE切换到Femto Cell中，其中两个速度阈值之间满足条件vth1＞vth2。根据UE的速度与阈值之间的关系不同，切换策略可分为以下3种情况：

①当UE的速度v满足v＞vth1时，UE不能切换进Femto Cell，而是保持接入Macro Cell。

②当UE的速度v满足vth2＜v≤vth1时，若UE是实时业务，并且满足式（12）所示条件，则UE可以切换进Femto Cell，否则UE保持接入Macro Cell。其主要原因在于实时业务的延迟容忍度低于非实时业务，若服务小区的信道条件太差时，实时业务更容易产生掉话与丢包，严重影响UE的QoS性能体验。

③当UE的速度v满足v≤vth2时，若满足式（12）所示条件，则UE可以切换进Femto Cell，否则UE保持接入Macro Cell。

综上所述，本文综合考虑接收信号强度、网络综合负载、UE速度、UE业务类型、小区剩余网络容量和UE业务所需网络容量等条件提出了自适应HHM切换算法，该算法可以适用于以下3种切换场景：①UE当前的服务小区为Macro Cell，下一时刻UE移动进入目标Femto Cell，此时产生从Macro Cell到Femto Cell的切换；②UE当前的服务小区为Femto Cell，下一时刻UE移动进入Macro Cell，此时产生从Femto Cell到Macro Cell的切换；③UE当前的服务小区为Femto Cell，下一时刻UE移动进入邻居Femto Cell，此时产生从Femto Cell到Femto Cell的切换。提出的自适应切换算法伪代码如表1所示。

表1 切换算法的伪代码

3 数值结果与分析

3.1 仿真场景

本部分采用LTE-Sim仿真平台［13］对所提出的切换算法进行了验证，并与基于RSS的切换算法［14］、基于信号质量（reference signal quality，RSQ）调节HHM的切换算法（RSQ-HHM）［15］进行了对比，性能指标分别为总切换次数、不必要切换次数、系统吞吐量。其中基于RSS的切换算法中UE通过接收到的来自目标小区和当前服务小区的信号强度与相应的信号强度阈值比较来进行切换判决，该算法没有考虑HHM的影响；而基于RSQ-HHM切换算法中UE通过结合HHM比较来自目标小区和当前服务小区的信号质量以进行切换判决，该算法通过信号质量自适应调节HHM值，但其仅考虑了信号质量参数。提出的LB-HA切换算法在充分考虑信号强度的同时，通过动态变化的综合负载水平指数f（t）自适应调节HHM值，并且充分考虑网络容量、终端业务所需容量、接收信号强度、速度、业务类型等5个方面因素，以分布式的方式进行综合切换判决。此外，为了验证LB-HA机制中综合负载水平指数f（t）对该切换算法的影响，比较了未带有负载均衡指数的切换机制（no load balancing adaptive handover algorithm in LTE，NLB-HA）机制与LB-HA机制的网络性能，其中NLB-HA机制与LB-HA机制的区别在于前者的HHM值未考虑综合负载水平指数f（t）的影响，其采用固定值，切换判决如式（10）所示，但是也充分考虑网络容量、终端业务所需容量、接收信号强度、速度、业务类型等5个方面因素。

本文的切换算法旨在针对Macro Cell与Femto Cell之间的切换做出仿真。仿真场景设置为单小区内含有家庭基站。UE随机分布在各个小区中，并且采用的移动模型为随机方向移动模型。仿真参数设置如表2所示。

表2 仿真参数设置

3.2 数值结果

3.2.1 不同Femto Cell数量下网络的性能

本节首先对不同Femto Cell数量场景下的性能进行了计算机仿真，其中UE数量为80个。

图1给出了各机制的总切换次数的性能。随着Femto Cell数量增加，各种机制中的总切换次数明显地增加。原因是随着Femto Cell数量增加，UE在随机移动过程中，会有更多的机会穿梭在Macro Cell小区和Femto Cell小区之间，所以切换次数会有明显的增加。可以看出，LB-HA机制与NLB-HA机制明显优于其他两种机制，与RRS和RSQ-HHM机制相比，提出的LB-HA机制的性能增益分别为78.2%和59.9%。更进一步地，考虑了f（t）的LB-HA机制更优于未考虑f（t）的NLB-HA机制。其主要原因在于RRS机制单一考虑接收信号强度的影响，移动中的UE会频繁地比较服务小区和目标小区的信号强度，导致频繁地切换，切换次数最多；RSQ-HHM机制在考虑信号强度的基础上通过信号质量自适应调节HHM值，可以明显降低切换次数，切换次数居中；提出的LB-HA切换机制通过网络负载均衡条件f（t）自适应调节HHM值，通过动态调节目标小区与服务小区之间的信号强度差阈值来触发切换，从而动态调节切换难易程度，控制切换操作次数，使得网络系统负载均衡稳定。并且LB-HA算法综合考虑了目标小区的剩余网络容量与UE所需容量要求以及UE的速度，可以减少由于目标小区过载或者容量不足产生的失败切换次数以及由于UE速度过高产生的不必要切换次数，从而有效地降低了总切换次数。由于NLB-HA机制的HHM值忽略了网络负载动态变化的影响，不能有效抑制一些由于负载不均衡使得目标小区超载时产生的失败切换，所以其性能略低于LB-HA机制。

图1 总切换次数

图2给出了各机制的不必要切换次数的性能。本文在仿真中，将不必要切换定义如下：若UE从Macro Cell（Femto Cell）小区切换至Femto Cell（Macro Cell）小区中后在60 s内又重新切换回原小区，或者UE在切换程序完成之后15 s内中断服务。仿真结果表明并非所有在Macro Cell小区和Femto Cell小区间运动的UE都需要进行切换。随着Femto Cell数量的增加，各种机制中的不必要切换次数明显地增加。原因是随着Femto Cell数量的增加，UE穿梭Femto Cell的概率增加了，总切换次数增加，从而不必要的切换次数也随之增加。可以看出，本文提出的LB-HA机制与NLB-HA机制明显优于其他两种机制，与RRS和RSQ-HHM机制相比，LB-HA机制的性能增益分别为85.3%和74.8%。与前者类似，LB-HA机制性能优于NLB-HA机制。主要原因在于LB-HA综合考虑了接收信号强度、网络负载、UE速度、业务类型等条件，使得切换发生难度增加，从而抑制了一些不必要的切换，降低了不必要切换次数。

图2 不必要切换次数

图3给出了各机制的系统吞吐量的性能。随着Femto Cell数量的增加，各种机制中的系统吞吐量明显增加。原因是随着Femto Cell数量增加，整个网络中的网络系统容量随之增加，UE拥有足够的物理资源可用，换言之，每个UE可以分配到足够的带宽资源，所以系统的吞吐量随着Femto Cell小区数量增加而增加。可以看出，提出的LBHA机制与NLB-HA机制明显优于其他两种机制，与RRS和RSQ-HHM机制相比，LB-HA机制分别提升了41.5%和19.4%。此外，LB-HA机制在系统吞吐量方面也优于NLB-HA机制。其主要原因在于其他两个算法在随着Femto Cell小区数量增加的同时不必要的切换发生得太多，不必要的切换会占用一定量的物理资源，这些物理资源得不到及时释放就导致整个网络系统容量存在一定的下降，从而导致整个网络系统的吞吐量有所降低。而提出的LB-HA机制可以有效抑制部分不必要的切换，从而可以有效避免或者减轻这种危害，使得系统吞吐量有一定的提升。

图3 系统吞吐量

3.2.2 不同UE数量下网络的性能

另外，对不同UE数量对性能的影响进行了计算机仿真，其中Femto Cell小区的数量为25个。

图4给出了各机制的总切换次数的性能。随着UE数量增加，各种机制中的总切换次数明显增加。原因是随着UE数量增加，在Macro Cell小区与Femto Cell小区中穿梭的UE数量增加，从而导致切换次数增加。可以看出，提出的LB-HA机制和NLB-HA机制明显优于其他两种机制，与RRS和RSQ-HHM机制相比，LB-HA机制的性能增益分别为74.1%和62.0%。同时，LB-HA机制性能优于NLB-HA机制。其主要原因在于随着UE数量增多，RRS机制单一的考虑接收信号强度的影响，UE会频繁地比较服务小区和目标小区的信号强度，导致频繁地切换，切换次数最多；RSQ-HHM机制在考虑信号强度的基础上通过信号质量自适应调节HHM值，可以明显降低切换次数，切换次数居中；提出的LB-HA切换机制通过网络负载均衡条件f（t）自适应调节HHM值，动态调节目标小区与服务小区之间的信号强度差阈值来触发切换，从而自适应地调整切换难易程度，控制了切换操作次数，使得网络系统负载均衡稳定。并且LB-HA算法综合考虑了目标小区的剩余网络容量与UE所需容量要求以及UE的速度，可以减少由于目标小区过载或者容量不足产生的失败切换次数以及由于UE速度过高产生的不必要切换次数，从而有效降低了总切换次数。由于NLB-HA机制的HHM采用固定值，忽略了网络负载动态变化的影响，降低了UE切换的自适应性，不能有效抑制部分本不需切换的UE产生的不必要切换。所以其性能略低于LB-HA机制。

图4 总切换次数

图5给出了各机制的不必要切换次数的性能。随着UE数量增加，各种机制中的不必要切换次数也在明显地增加。原因是随着UE数量的增加，在Macro Cell小区与Femto Cell小区中来回运动的UE数量增加，UE的总切换次数增加，从而不必要的切换次数也随之而增加。可以看出，本文提出的LB-HA机制与NLB-HA机制明显优于其他两种机制，含f（t）的LB-HA机制更优于不含f（t）的NLB-HA机制。与RRS和RSQ-HHM机制相比，LB-HA机制的性能增益分别为69.4%和50.5%。其主要原因在于，虽然随着UE数量的增加切换次数会增加，但是LB-HA机制实时监控各小区的负载情况，通过负载均衡条件抑制了部分从轻载小区转到过载小区产生的切换，通过目标小区的剩余网络容量条件抑制了部分由于小区剩余容量不满足UE所需容量产生的切换，通过UE的速度阈值限制了部分高速用户产生的切换，以上这3种都属于产生的不必要切换，LB-HA机制有效抑制了这些不必要切换，相对降低了不必要切换次数。

图5 不必要切换次数

图6给出了各机制的系统吞吐量的性能。随着UE数量增加，各种机制中的系统吞吐量明显地增加。原因是在网络容量充足的同时，随着UE数量增加，整个网络中的通信业务量随之增加，网络容量得到充分利用，所以系统的吞吐量随着UE数量增加而增加。可以看出，提出的LB-HA机制与NLB-HA机制明显优于其他两种机制。与RRS和RSQ-HHM机制相比，LB-HA机制分别提升了38.6%和17.4%。其主要原因在于其他两个算法在随着UE数量增加的同时不必要的切换次数也增加，不必要的切换会使得切换失败并占用了切换资源，导致部分由于信道质量恶化本应该得到切换的UE得不到及时切换，使得这些UE的服务质量下降，甚至会由于信道质量恶化而处于“饿死”状态，这就将导致整个网络系统吞吐量存在一定的下降。而提出的LB-HA算法可以有效抑制了部分不必要的切换，从而可以有效避免或者减轻这种危害，使得系统吞吐量有一定的提升。

图6 系统吞吐量

4 总 结

为了降低用户在Macro Cell／Femto Cell双层蜂窝网络间运动产生的频繁切换和不必要切换次数，提高网络系统吞吐量，提出了一种带有负载均衡机制的LTE自适应切换算法。该算法根据网络综合负载水平自适应调节HHM，并结合网络系统的剩余资源容量、用户所需资源容量、接收信号强度、速度、业务类型等条件进行综合切换判决。仿真结果表明所提出切换算法能够有效地降低切换次数和不必要切换次数，以及提高网络系统吞吐量。

［1］Le L B，Niyato D，Hossain E，et al.QoS-aware and energy-efficient resource management in OFDMA femtocells［J］.IEEE Trans.on Wireless Communications，2013，12（1）：180-194.

［2］Xenakis D，Passas N，Merakos L，et al.Mobility management for femtocells in LTE-advanced：key aspects and survey of handover decision algorithms［J］.IEEE Communications Surveys&Tutorials，2014，16（1）：64-91.

［3］Andrews J G，Claussen H，Dohler M，et al.Femtocells：past，present，and future［J］.IEEE Journal on Selected Areas in Communications，2012，30（3）：497-508.

［4］Zahir T，Arshad K，Nakata A，et al.Interference management in femtocells［J］.IEEE Communications Surveys&Tutorials，2013，15（1）：293-311.

［5］Claussen H，Ho L T W，Samuel L G.An overview of the femtocell concept［J］.Bell Labs Technical Journal，2008，13（1）：221-245.

［6］Jeong B，Shin S，Jang I，et al.A smart handover decision algorithm using location prediction for hierarchical macro／femto-cell networks［C］∥Proc.of the Vehicular Technology Conference，2011：1-5.

［7］Zhang H，Wen X，Wang B，et al.A novel handover mechanism between femtocell and macrocell for LTE based networks［C］∥Proc.of the International Conference on Communication Software and Networks，2010：228-231.

［8］Roy A，Shin J，Saxena N.Multi-objective handover in LTE macro／femto-cell networks［J］.Journal of Communications and Networks，2012，14（5）：578-587.

［9］Yang Q P，Kim J W，Kim T H.Mobility prediction and load balancing based adaptive handovers for LTE systems［J］.International Journal on Computer Science and Engineering，2012，4（4）：665-674.

［10］Huang M.A handover scheme for TD-SCDMA femtocell networks［C］∥Proc.of the International Conference on Computer and Information Technology，2012：948-952.

［11］Dampage U，Wavegedara C B.A low-latency and energy efficient forward handover scheme for LTE-femtocell networks［C］∥Proc.of the International Conference on Industrial and Information Systems，2013：53-58.

［12］Chiu D M，Jain R.Analysis of the increase and decrease algorithms for congestion avoidance in computer networks［J］.Computer Networks and ISDN systems，1989，17（1）：1-14.

［13］Piro G，Grieco L A，Boggia G，et al.Simulating LTE cellular systems：an open-source framework［J］.IEEE Trans.on Vehicular Technology，2011，60（2）：498-513.

［14］Moon J M，Cho D H.Novel handoff decision algorithm in hierarchical macro／femto-cell networks［C］∥Proc.of the Wireless Communications and Networking Conference，2010：1-6.

［15］Becvar Z，Mach P.Adaptive hysteresis margin for handover in femtocell networks［C］∥Proc.of the International Conference on Wireless and Mobile Communications，2010：256-261.

Load balancing adaptive handover algorithm in LTE

WANG Ru-yan，ZHOU Xiao-jun，WU Da-peng
（Broadband Ubiquitous Network Research Laboratory，Chongqing Univercity of Posts and Telecommunications，Chongqing 400065，China）

The frequent and unnecessary handovers caused by the movement of user equipment（UE）between Macro Cell and Femto Cell will reduce the quality of service（QoS）of UE and network throughput.A load balancing aware handover algorithm in long term evolution（LTE）is proposed，which adaptively updates handover hysteresis margin according to the comprehensive load level of network.Furthermore，multiple parameters are comprehensively exploited to make the handover decision，such as the residual resource capacity of network，required resource capacity of UE，receiving signal strength，service type.Eventually，simulation results show that the proposed algorithm can effectively reduce the handovers and unnecessary handovers，thus the network throughput can be improved.

Macro Cell；Femto Cell；load balancing；handover

文献标志码：A DOI：10.3969／j.issn.1001-506X.2015.09.30

王汝言（1969-），男，教授，博士，主要研究方向为泛在网络、全光网络理论与技术、多媒体信息处理。

E-mail：wangry＠cqupt.edu.cn

周晓军（1988-），男，硕士研究生，主要研究方向为LTE异构网络切换策略。

E-mail：hengheart＠163.com

吴大鹏（1979-），男，教授，博士，主要研究方向为泛在无线网络、无线网络服务质量管理。

E-mail：wudapengphd＠gmail.com

1001-506X（2015）09-2156-08

2014-09-24；

2014-12-11；网络优先出版日期：2014-12-11。

网络优先出版地址：http：／／www.cnki.net／kcms／detail／11.2422.TN.20141211.1524.002.html

国家自然科学基金（61371097）；重庆市自然科学重点基金（CSTC2013JJB40001，CSTC2013JJB40006）；重邮青年自然科学基金（A2012-93）资助课题