详析LTE调度算法

简介: 一 调度概述调度的基本概念 调度的基本流程 调度周期介绍 动态调度即快速调度机制。 调度执行 通过下行PDCCH的DCI信息来执行,每个调度周期,UE都要监听PDCCH以获取上下行调度信息。

一 调度概述

  • 调度的基本概念

image

  • 调度的基本流程

image
image

  • 调度周期介绍

image

动态调度即快速调度机制。

  • 调度执行

image

通过下行PDCCH的DCI信息来执行,每个调度周期,UE都要监听PDCCH以获取上下行调度信息。

二 下行调度算法介绍

  • 下行调度器

image

下行调度主要负责为UE分配物理下行共享信道PDSCH上的资源,并选择合适的MCS用于系统消息和用户数据的传输。

  • 下行调度的输入

image

1)R10规定了8种UE能力级别,每个级别规定了每个TTI能够传输的最大bit数及层数。

2)CSI是基于瞬时的下行信道质量估计的。

3)RI用来指示PDSCH的有效的数据层数。用来告诉eNB,UE现在可以支持的CW数。也就是说RI=1,1CW,RI>1,2 CW.

4)PMI用来指示码本集合的index。由于LTE应用了多天线的MIMO技术。在PDSCH物理层的基带处理中,有一个预编码技术。它为ENB提供建议使用的预编码矩阵。

5)CQI用来反映下行PDSCH的信道质量。用0~15来表示PDSCH的信道质量。0表示信号质量最差,15表示信道质量最好。说明: 搜索UE在PUCCH/PUSCH上发送CQI给eNB。eNB得到了这个CQI值,就质量当前PDSCH无线信道条件好不好。 这样就可以有根据的来调度PDSCH。

6)下行发射功率是小区所有用户共享的。

  • 下行调度的基本功能和输出

image

  • 下行每TTI调度流程

image

优先级:半静态调度、控制面消息和IMS信令>重传数据>初传数据

  • 控制消息调度

image

  • 下行调度资源的获取

image

  • HARQ重传调度

image
image

  • 下行初传调度

image
image

  • 下行初传调度流程

image

  • 调度用户选择算法

image

MAX C/I 、RR、PF是基本特性, EPF是可选特性。

MAX C/I算法可以最大化系统吞吐量,但不能保证小区各用户之间的公平性。

RR算法能保证各用户之间的公平性,但不能最大化系统的吞吐量。

PF是MAX C/I和RR算法的折中,但无法保证用户的业务感受。

EPF是增强PF算法,包括业务调度优先级的计算和业务速率的保证。

  • EPF算法

image

PELR: Packet Error Loss Rate

PDB: Packet Delay Budget

  • GBR业务优先级的计算

考虑用户的信道质量和时延,优先级计算如下:

image

  • 2.12 Non-GBR业务优先级的计算

考虑用户的信道质量、历史传输速率、业务的QCI级别和服务流的权重,计算如下:

image

  • 下行MCS选择流程

image
image

  • CQI上报的类型

image

  • 下行RB的计算和分配

image

  • PDSCH资源分配方式-类型0

image
image

  • PDSCH资源分配方式-类型1

image

  • PDSCH资源分配方式-类型2

image

三 上行调度算法介绍

  • 上行调度流程


image

上行调度用于UE分配PUSCH资源,流程复杂于下行,主要区别为以下几个方面:

1)上行调度由UE触发和维持,消息包括:“Scheduling request”,“Buffer status reports”,“power headroom report”

2)上行调度包括两个调度器,一个位于ENB侧,针对每个UE的逻辑信道组进行调度;一个位于UE侧,针对逻辑信道组内的逻辑信道进行调度。

3)上行调度的MCS算法和RB计算协议里没有规定,由各厂家定义。

  • 上行调度器

image

SR:调度请求Scheduling request

BSR:缓存状态报告 Buffer status reports

PHR:功率空间报告 power headroom report

  • 上行调度的输入输出和基本功能

image

  • 上行ENB调度流程

image

  • 上行调度资源的获取

image

  • 上行HARQ重传调度

image

  • 控制面数据调度

image

  • 上行调度初传

image

  • ENB侧的Qos控制

image

ENB侧上行业务速率控制主要通过Token Bucket 策略,Token size 是业务需要保障的速率,根据Bucket水量判断业务速率是否满足。

  • 用户优先级确定

image

  • UE侧的Qos控制

image

  • 上行调度的MCS选择

上行调度MCS选择分为:SINR调整、MCS初选、MCS调整三个部分,流程如下:

image

SINR调整:由于信道衰落对信号的影响,上报时刻的SINR和调度时刻SINR相比会有变化,通过SINR调整,纠正测量误差,并且使IBLER测量值收敛于目标值。

MCS初选:根据用户带宽上测量的SINR和ENB的解调性能进行比较,选择合适的调制编码阶数进行传输。

MCS调整:完成初选后,根据UE调度上行RB是否遇到小区级SRS子帧、随路信令及根据UE能力进行MCS调整。

  • 上行调度用户RB数的确定

image

  • PUSCH PRB分配的限制

image

四 半静态调度介绍

  • 概述

image

  • VOIP业务特点

image

  • VIOP业务状态转换图

image

来源: 数据挖掘机器学习与人工智能算法

目录
相关文章
|
5月前
|
机器学习/深度学习 算法 调度
基于NSGA-III算法求解微电网多目标优化调度研究(Matlab代码实现)
基于NSGA-III算法求解微电网多目标优化调度研究(Matlab代码实现)
222 3
|
5月前
|
机器学习/深度学习 运维 算法
基于非支配排序遗传算法NSGAII的综合能源优化调度(Matlab代码实现)
基于非支配排序遗传算法NSGAII的综合能源优化调度(Matlab代码实现)
337 0
基于非支配排序遗传算法NSGAII的综合能源优化调度(Matlab代码实现)
|
5月前
|
机器学习/深度学习 边缘计算 监控
【创新】【微电网多目标优化调度】五种多目标优化算法(MOJS、NSGA3、MOGWO、NSWOA、MOPSO)求解微电网多目标优化调度(Matlab代码实现)
【创新】【微电网多目标优化调度】五种多目标优化算法(MOJS、NSGA3、MOGWO、NSWOA、MOPSO)求解微电网多目标优化调度(Matlab代码实现)
459 0
|
5月前
|
机器学习/深度学习 算法 安全
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)
193 0
|
5月前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
292 1
|
5月前
|
运维 算法 搜索推荐
基于天牛须(BAS)与NSGA-Ⅱ混合算法的交直流混合微电网多场景多目标优化调度(Matlab代码实现)
基于天牛须(BAS)与NSGA-Ⅱ混合算法的交直流混合微电网多场景多目标优化调度(Matlab代码实现)
287 1
|
5月前
|
机器学习/深度学习 边缘计算 分布式计算
基于差分进化算法的微电网调度研究(Matlab代码实现)
基于差分进化算法的微电网调度研究(Matlab代码实现)
211 1
|
5月前
|
机器学习/深度学习 存储 算法
【微电网优化调度】五种多目标优化算法(MOPSO、MOAHA、NSGA2、NSGA3、MOGWO)求解微电网多目标优化调度比较研究【创新未发表】(Matlab代码实现)
【微电网优化调度】五种多目标优化算法(MOPSO、MOAHA、NSGA2、NSGA3、MOGWO)求解微电网多目标优化调度比较研究【创新未发表】(Matlab代码实现)
261 8
|
5月前
|
存储 机器学习/深度学习 运维
基于改进灰狼算法的并网交流微电网经济优化调度研究(Matlab代码实现)
基于改进灰狼算法的并网交流微电网经济优化调度研究(Matlab代码实现)
101 1
|
5月前
|
机器学习/深度学习 存储 算法
【微电网调度】考虑需求响应的基于改进多目标灰狼算法的微电网优化调度研究(Matlab代码实现)
【微电网调度】考虑需求响应的基于改进多目标灰狼算法的微电网优化调度研究(Matlab代码实现)
254 0

热门文章

最新文章