论文部分内容阅读
摘 要：LTE系统中存在单用户同时申请多种并发业务，多用户申请不同业务的混合业务场景，为此，3GPP在现有UMTS的基础之上对QOS机制进行了更细的业务划分和优化，但现有调度算法沿用UMTS的QoS机制，没有区分不同业务类型的特点，难以体现用户的差异化调度。为此，本文在M-LWDF算法的基础上提出了结合新QoS机制的混合业务分组调度算法，并对改进算法进行仿真验证。结果表明，所提出的改进算法能在牺牲少量公平性的代价下，较大程度的减少系统的分组时延与丢包率，满足不同业务的差异化调度需求。
关键词：LTE调度算法;M-LWDF;QOS;差异化调度
引言
由于无线通信系统资源十分受限，如何利用有限的系统资源满足用户日益增长的带宽和速度需求，已经成为LTE系统建设急需解决的问题。如果没有有效的无线资源管理策略，再先进的传输技术，再宽的带宽也会因调度处理的不合适而不能充分发挥其优势。分组调度就是针对不同分组的数据业务特性，对分组数据用户的业务进行管理和调度，以提高系统频谱效率。
目前，无线分组调度算法主要分为实时调度算法和非实时调度算法两类。其中，经典的非实时调度算法包括最大载干比调度算法（Max C/I）和公平吞吐量算法（Max-Min）。最大载干比调度算法是极端的系统吞吐量最大化的调度算法，在选择被调度用户时，只选择载干比最大的用户，让信道条件最好的用户占用资源传输数据。这种算法的优点是能够保障系统的最大吞吐率，缺点是容易导致服务机会被信道条件较好的用户持续占据，信道条件较差的边缘用户被“饿死”。公平吞吐量算法又叫最大最小算法，这种算法不考虑用户的位置，对所有用户提供相同的吞吐量。这种算法虽然能够保障用户获得吞吐量上的公平性，但没有考虑用户信道质量与到达速率的差异，当用户到达速率有非常大的差异时，会因小数据流与大数据流获得同样的资源而限制大数据流需求，导致资源浪费。目前应用最为广泛的实时调度算法是M-LWDF，M-LWDF算法最早由朗讯贝尔实验室提出，是目前HDR、HSDPA、CDMA 等系统当中广泛应用的调度算法。M-LWDF的优点是在综合服务速率和信道质量的情况下加入了对时延因素的考虑，提高了公平性。然而，当信道条件情况较差时，极易造成因分组数据堆积而导致的丢包。
LTE系统中往往存在单用户同时申请多种并发业务，多用户申请不同业务的混合业务场景，为此，3GPP 23.203在给出的LTE系统当中最新的QoS机制中规定，在默认承载建立之后，根据需要可以申请专有承载获得多类并发业务。同时，为了支持多类并发业务，3GPP在现有UMTS的基础上对业务分类结构进行了进一步的优化和细分。依照QoS等级标识（QCI）将业务划分为两大类（如表1所示），其中GBR业务主要有会话、实时视频会话等对时延敏感的业务，Non-GBR主要承载对时延要求宽松的业务，这使得在LTE新的QoS机制下需要对不同类型业务实施差异化分组调度。然而，传统的调度算法在适用新的QOS机制方面存在以下问题：一个分组调度公式难以同时满足实时业务与非实时业务不同特性的QoS需求;现有算法没有充分体现不同用户对业务的差异化需求，造成用户满意度不高;现有算法在用户信道条件突然变坏时，设计的延时因子不能迅速提高用户的优先级，易导致分组数据由于时延超过阈值而被丢弃。
表1 标准QCI属性表
QCI值 资源类型 优先级 数据包时延/ms 数据包丢失率 典型应用
1 GBR 2 100 10-2 语音会话
2 GBR 4 150 10-3 视频会话（实时流）
3 GBR 3 50 10-3 实时游戏
4 GBR 5 300 10-6 非会话视频（缓冲流）
5 Non-GBR 1 100 10-6 IMS信令
6 Non-GBR 7 100 10-3 语音、视频（直播流），交互游戏
7 Non-GBR 6 300 10-6
8 Non-GBR 8 300 10-6
9 Non-GBR 9 300 10-6
视频（缓冲流）、TCP业务
1.基于多业务优先级的GN-M-LWDF调度算法设计
1.1 算法设计思路
本节在经典实时调度算法M-LWDF的基础上，针对前文所提传统调度算法在LTE多业务混合场景下存在的诸多不足，对多业务混合场景下的LTE调度算法进行改进。改进算法的总体思路是结合LTE中新的QoS机制，分别为GBR业务和Non-GBR业务设计不同的调度优先级公式，最后再对总的调度优先级进行排序，优先级高的业务优先被调度，但是根据协议要求，GBR业务需要保证最小比特速率，所以在设计算法时，应尽量使GBR优先级值大于Non-GBR业务。
M-LWDF调度算法不仅考虑用户的信道状态信息，也考虑了缓冲区队列时延和时延丢包门限，能够较好的满足业务的服务质量，优先级表达式如（1.1）。因此本文决定基于M-LWDF进行优先级设计。
kj=-lgδ×rjtRjt×DjtTj（t）
（1.1）
其中，kj表示用户j的调度优先级;δ代表用户的QoS参数;rjt表示当前TTI内用户最大的传输速率;Rjt的定义同PF算法，当用户由于信道条件较好得到持续性的调度时，通过Rjt的不断增大使中心用户被调度的概率降低，调度机会向信道条件较差的用户倾斜;Djt为缓冲区队头时延，分组在队列中等待的时间越长，被调度的机会也越大;Tj（t）为用户所允许的最大时延门限，当分组所在队列时延超过此值时，该分组就会被丢弃。
1.2 GBR业务的优先级公式设计
对于调度GBR业务，LTE系统更为关注的是分组时延，由于M-LWDF算法所设计的时延因子并不能使快要超过时延阈值的分组数据的调度优先级迅速提高，用户信道条件较差时，易造成由数据堆积而引发的数据丢弃，针对此不足，将式（1.1）中时延因子改进后，得出式（1.2）： pGBR=-lgδj·rjtRjt·f（delayGBR）
=-lgδj·rjtRjt·exp（DjtTj（t））
（1.2）
在（1.2）式中，将f（delayGBR）因子以指数形式表达，从图1可知，当用户等待时延过大时，指数形式表达的时延因子的值会迅速增大，从而增加等待时延过大的分组数据的优先级，在一定程度上控制分组数据的丢包率。
图1 改进因子的权重影响
如前所述，为保证新QOS机制下不同类型业务流的差异化性能需求。结合新的QoS机制，将表1的QCI属性表的中业务优先级参数引入（1.2）式，代替原有QoS参数因子δj，改进后的GBR业务的优先级表达式为（1.3）式：
pGBR=rjtRjt·f（delayGBR）·f（QCIGBR）
=rjtRjt·exp（DjtTj（t））·[αexp（1λGBR）+β]
（1.3）
其中，λGBR为标准QCI属性表中GBR业务的QCI值对应的优先级大小，取值为2、3、4、5，λGBR取值越小，业务优先级越大。指数形式定义改进因子可以保证该因子是单调非负函数，据参考文献[1]可知，这样的特性可以保证改进算法的优先级表达式使系统吞吐量有较好的表现。
从图1中可以看到，采用指数形式定义f（QCIGBR）因子对调度判决式的影响明显大于线性形式和对数形式的影响，使之能增大f（QCIGBR）在调度判决中对调度优先级的影响，让系统能在保证GRB业务的分组时延同时，还能兼顾不同业务流的差异化需求。但是考虑到在业务等待时延过大时，需要让f（delayGBR）因子对调度判决的影响大于f（QCIGBR）因子，以控制 GBR业务的丢包率，故规定当分组业务等待时延Dj（t）超过其对应的时延阈值Tj（t）的一半时，为紧急调度业务，此时应以f（delayGBR）因子的影响为主，反之则以f（delayGBR）因子的影响为主。故将图1中，f（delayGBR）和f（QCIGBR）因子的函数图像通过曲线拟合得到f（QCIGBR）中α=0.4，β=1，将其带入（1.3）式得到GN-M-LWDF调度算法的对GBR业务的最终表达式（1.4），
pGBR=rjtRjt·exp（DjtTj（t））·[0.4exp（1λGBR）+1]
（1.4）
1.3 Non-GBR业务的优先级公式设计
Non-GBR关注的是分组数据的传输成功率，在吞吐量上应尽可能作出贡献，在时延要求上较宽松。通过前人大量研究表明，因为综合考虑了信道状态信息和用户之间的服务公平性， PF算法在非实时业务环境中，其业务丢包率、系统吞吐量表现较好，恰好满足Non-GBR业务中丢包率敏感的特性，因此考虑将PF算法的优先级公式（1.5）作为设计Non-GBR业务优先级表达式的雏形。
PNon-GBR=rj（t）Rj（t）
（1.5）
同样，对Non-GBR业务的优先级表达式的设计需结合LTE中新的QoS机制，将表1中业务优先级参数引入改进算法中，得到Non-GBR的优先级表达式如（1.6）：
PNon-GBR=rj（t）Rj（t）·f（QCINon-GBR）
（1.6）
前文提到，GBR业务相对Non-GBR业务对时延要求更高，所以在设计调度算法时，应使GBR业务与Non-GBR业务的优先级表达式能进行比较，且在通常情况下，GBR业务的优先级应大于Non-GBR业务的调度优先级，介于此，设计f（QCINon-GBR）因子的表达形式同f（QCIGBR），得到调度算法对Non-GBR业务的最终表达式（1.7）
PNon-GBR=rj（t）Rj（t）·f（QCINon-GBR）
=rj（t）Rj（t）·[0.4exp（1λNon-GBR）+1]
（1.7）
其中，λNon GBR为标准QCI属性表中Non-GBR业务的QCI值对应优先级大小，取值为6、7、8、9 。
从改进算法GN-M-LWDF中Non-GBR调度优先级公式（1.7）的设计可以看出，该公式针对Non-GBR业务的特点，考虑了信道条件的同时又考虑了业务调度的公平性，令即使信道条件较差的用户也能尽量得到调度机会，同时又结合了LTE中新的QoS机制，引入f（QCINon-GBR）因子，将待调度用户与其申请的多项不同优先级的并发业务的分组数据建立关联，从而适应LTE系统中新的QoS机制调整，满足不同业务流的差异化QoS需求。
综上所述，GN-M-LWDF算法的优先级判决式（1.8）如下：
pj=rjtRjt·exp（DjtTj（t））·[0.4exp（1λGBR）+1]若QCI=1，2，3，4
rjtRjt·[0.4exp（1λNon-GBR）+1]若QCI=6，7，8，9
（1.8）
其中，QCI=5的IMS信令业务在任何情况下优先调度，不代入式中进行优先级计算。
2.GN-M-LWDF算法性能仿真与分析
为验证改进算法GN-M-LWDF在分组时延、丢包率、公平性等方面的性能表现，本文采用LTE-SIM平台对所提的调度算法性能进行了系统级仿真模拟，LTE-SIM系统软件仿真平台是奥地利维也纳大学开发的一种支持面向对象方法的系统级仿真平台也是目前最新、最完整的关于LTE系统的系统级仿真平台。仿真中设置调度周期为TTI=1ms，时隙为0.5ms;GBR与Non-GBR业务配比为3：2;多径衰落：Jakes model;渗透损失：10 dB;阴影衰落：符合对数分布。其他参数设置如表2所示： 表2 LTE下行仿真参数设置
参数 取值
帧结构 FDD
半径 1Km
带宽 10MHz
时隙时间 0.5ms
调度周期 1ms
资源块数 50
业务配比 3：2
图2为GN-M-LWDF算法与其他调度算法的平均分组时延性能比较，从图中可以看出，GN-M-LWDF算法的平均时延小于其他三种调度算法。最多时，相较于M-LWDF算法降低了41%左右，相较于AMLWDF算法降低了25%左右，这是因为在QCI标准属性表中，不同业务的优先级关联了不同的分组时延要求，算法对时延因子作出改进，所以在一定程度上增强了分组时延在调度判决中的影响，故GN-M-LWDF算法在保证时延方面有所提升。
图2 GN-M-LWDF与其他算法的分组时延对比
图3 GN-M-LWDF与其他算法的丢包率对比
不同分组调度算法在丢包率方面的比较如图3所示。从仿真结果可知，随着负载的不断增加，系统业务的丢包率也不断增加，而GN-M-LWDF算法的丢包率相较于M-LWDF算法降低了30%左右，相较于AMLWDF算法降低了17%左右。因为GN-M-LWDF算法引入的时延因子是以指数形式表达的，随着业务的分组时延离时延阈值越来越近，时延因子会迅速提高权重，在一定程度上控制分组数据丢包的发生。分组数据时延过大时，以时延因子为主，在一定程度上控制丢包率。分组数据的时延离其时延阈值还很远时，则以f（QCI）因子为主，体现业务的差异化调度需求。
从图4可知，当业务负载较大时，GN-M-LWDF的丢包率高于其他两种算法。这是因为此时GBR业务占用资源较多，导致Non-GBR业务丢包率升高较快，高于其他两种算法。
图4 用户数为50时各业务丢包率
图5 GN-M-LWDF与其他算法公平性比较
GN-M-LWDF调度算法在调度公平性方面的表现如图5所示。从仿真结果可以看出，相较于AMLWDF算法，GN-M-LWDF算法在公平性方面降低了5%左右。因为GN-M-LWDF算法对GBR业务和Non-GBR业务分别计算优先级大小，使GBR业务的优先级在通常情况下大于Non-GBR业务的优先级，在负载不多时，RB资源有剩余，Non-GBR业务能够获得相应的调度机会，但当负载较大时，Non-GBR业务的调度机会相应的减少。但是这并不代表GN-M-LWDF调度算法较劣，因为不同业务QoS要求不同，算法着重体现业务的差异化调度。
3.结束语
本文给出的基于GBR/Non-GBR业务的优先级调度算法GN-M-LWDF为了更好的适应3GPP对LTE系统框架下新的QoS机制的调整，在具有吞吐量最优特性的M-LWDF基础上，引入了f（QCI）因子关联QCI属性表中的优先级参数，并根据GBR业务和Non-GBR业务的特点分公式计算不同业务的优先级，同时改进时延因子设计的不足。降低了分组数据的平均时延和丢包率，但是在负载较大时，GBR业务占用过多资源时，算法并不能很好保证Non-GBR业务的QoS，牺牲了一定的公平性，导致丢包率的较快上升。不过GN-M-LWDF算法主要考虑满足不同类型用户业务的差异化需求，提升了系统的整体性能。（作者单位：中国电信股份有限公司昌吉分公司政企客户部）
参考文献：
[1] Eryilmaz A，Srikant R，Perkins J R.Stable scheduling policies for fading wireless channels[J].IEEE/ACM Transactions on Networking.2005，13（2）： 411-424.
[2] Sun S，Yu Q，Meng W，et al.A configurable dual-mode algorithm on delay-aware low-computation scheduling and resource allocation in LTE downlink[C]//Wireless Communications and Networking Conference （WCNC）.IEEE，2012： 1444-1449.
[3] 李海旭.LTE系统中MAC层调度算法研究[D].北京：北京交通大学，2011.
[4] 冯卿.LTE中多业务优先级调度算法的研究与改进[J].电子制作，2014，（1）：136-137.
关键词：LTE调度算法;M-LWDF;QOS;差异化调度
引言
由于无线通信系统资源十分受限，如何利用有限的系统资源满足用户日益增长的带宽和速度需求，已经成为LTE系统建设急需解决的问题。如果没有有效的无线资源管理策略，再先进的传输技术，再宽的带宽也会因调度处理的不合适而不能充分发挥其优势。分组调度就是针对不同分组的数据业务特性，对分组数据用户的业务进行管理和调度，以提高系统频谱效率。
目前，无线分组调度算法主要分为实时调度算法和非实时调度算法两类。其中，经典的非实时调度算法包括最大载干比调度算法（Max C/I）和公平吞吐量算法（Max-Min）。最大载干比调度算法是极端的系统吞吐量最大化的调度算法，在选择被调度用户时，只选择载干比最大的用户，让信道条件最好的用户占用资源传输数据。这种算法的优点是能够保障系统的最大吞吐率，缺点是容易导致服务机会被信道条件较好的用户持续占据，信道条件较差的边缘用户被“饿死”。公平吞吐量算法又叫最大最小算法，这种算法不考虑用户的位置，对所有用户提供相同的吞吐量。这种算法虽然能够保障用户获得吞吐量上的公平性，但没有考虑用户信道质量与到达速率的差异，当用户到达速率有非常大的差异时，会因小数据流与大数据流获得同样的资源而限制大数据流需求，导致资源浪费。目前应用最为广泛的实时调度算法是M-LWDF，M-LWDF算法最早由朗讯贝尔实验室提出，是目前HDR、HSDPA、CDMA 等系统当中广泛应用的调度算法。M-LWDF的优点是在综合服务速率和信道质量的情况下加入了对时延因素的考虑，提高了公平性。然而，当信道条件情况较差时，极易造成因分组数据堆积而导致的丢包。
LTE系统中往往存在单用户同时申请多种并发业务，多用户申请不同业务的混合业务场景，为此，3GPP 23.203在给出的LTE系统当中最新的QoS机制中规定，在默认承载建立之后，根据需要可以申请专有承载获得多类并发业务。同时，为了支持多类并发业务，3GPP在现有UMTS的基础上对业务分类结构进行了进一步的优化和细分。依照QoS等级标识（QCI）将业务划分为两大类（如表1所示），其中GBR业务主要有会话、实时视频会话等对时延敏感的业务，Non-GBR主要承载对时延要求宽松的业务，这使得在LTE新的QoS机制下需要对不同类型业务实施差异化分组调度。然而，传统的调度算法在适用新的QOS机制方面存在以下问题：一个分组调度公式难以同时满足实时业务与非实时业务不同特性的QoS需求;现有算法没有充分体现不同用户对业务的差异化需求，造成用户满意度不高;现有算法在用户信道条件突然变坏时，设计的延时因子不能迅速提高用户的优先级，易导致分组数据由于时延超过阈值而被丢弃。
表1 标准QCI属性表
QCI值 资源类型 优先级 数据包时延/ms 数据包丢失率 典型应用
1 GBR 2 100 10-2 语音会话
2 GBR 4 150 10-3 视频会话（实时流）
3 GBR 3 50 10-3 实时游戏
4 GBR 5 300 10-6 非会话视频（缓冲流）
5 Non-GBR 1 100 10-6 IMS信令
6 Non-GBR 7 100 10-3 语音、视频（直播流），交互游戏
7 Non-GBR 6 300 10-6
8 Non-GBR 8 300 10-6
9 Non-GBR 9 300 10-6
视频（缓冲流）、TCP业务
1.基于多业务优先级的GN-M-LWDF调度算法设计
1.1 算法设计思路
本节在经典实时调度算法M-LWDF的基础上，针对前文所提传统调度算法在LTE多业务混合场景下存在的诸多不足，对多业务混合场景下的LTE调度算法进行改进。改进算法的总体思路是结合LTE中新的QoS机制，分别为GBR业务和Non-GBR业务设计不同的调度优先级公式，最后再对总的调度优先级进行排序，优先级高的业务优先被调度，但是根据协议要求，GBR业务需要保证最小比特速率，所以在设计算法时，应尽量使GBR优先级值大于Non-GBR业务。
M-LWDF调度算法不仅考虑用户的信道状态信息，也考虑了缓冲区队列时延和时延丢包门限，能够较好的满足业务的服务质量，优先级表达式如（1.1）。因此本文决定基于M-LWDF进行优先级设计。
kj=-lgδ×rjtRjt×DjtTj（t）
（1.1）
其中，kj表示用户j的调度优先级;δ代表用户的QoS参数;rjt表示当前TTI内用户最大的传输速率;Rjt的定义同PF算法，当用户由于信道条件较好得到持续性的调度时，通过Rjt的不断增大使中心用户被调度的概率降低，调度机会向信道条件较差的用户倾斜;Djt为缓冲区队头时延，分组在队列中等待的时间越长，被调度的机会也越大;Tj（t）为用户所允许的最大时延门限，当分组所在队列时延超过此值时，该分组就会被丢弃。
1.2 GBR业务的优先级公式设计
对于调度GBR业务，LTE系统更为关注的是分组时延，由于M-LWDF算法所设计的时延因子并不能使快要超过时延阈值的分组数据的调度优先级迅速提高，用户信道条件较差时，易造成由数据堆积而引发的数据丢弃，针对此不足，将式（1.1）中时延因子改进后，得出式（1.2）： pGBR=-lgδj·rjtRjt·f（delayGBR）
=-lgδj·rjtRjt·exp（DjtTj（t））
（1.2）
在（1.2）式中，将f（delayGBR）因子以指数形式表达，从图1可知，当用户等待时延过大时，指数形式表达的时延因子的值会迅速增大，从而增加等待时延过大的分组数据的优先级，在一定程度上控制分组数据的丢包率。
图1 改进因子的权重影响
如前所述，为保证新QOS机制下不同类型业务流的差异化性能需求。结合新的QoS机制，将表1的QCI属性表的中业务优先级参数引入（1.2）式，代替原有QoS参数因子δj，改进后的GBR业务的优先级表达式为（1.3）式：
pGBR=rjtRjt·f（delayGBR）·f（QCIGBR）
=rjtRjt·exp（DjtTj（t））·[αexp（1λGBR）+β]
（1.3）
其中，λGBR为标准QCI属性表中GBR业务的QCI值对应的优先级大小，取值为2、3、4、5，λGBR取值越小，业务优先级越大。指数形式定义改进因子可以保证该因子是单调非负函数，据参考文献[1]可知，这样的特性可以保证改进算法的优先级表达式使系统吞吐量有较好的表现。
从图1中可以看到，采用指数形式定义f（QCIGBR）因子对调度判决式的影响明显大于线性形式和对数形式的影响，使之能增大f（QCIGBR）在调度判决中对调度优先级的影响，让系统能在保证GRB业务的分组时延同时，还能兼顾不同业务流的差异化需求。但是考虑到在业务等待时延过大时，需要让f（delayGBR）因子对调度判决的影响大于f（QCIGBR）因子，以控制 GBR业务的丢包率，故规定当分组业务等待时延Dj（t）超过其对应的时延阈值Tj（t）的一半时，为紧急调度业务，此时应以f（delayGBR）因子的影响为主，反之则以f（delayGBR）因子的影响为主。故将图1中，f（delayGBR）和f（QCIGBR）因子的函数图像通过曲线拟合得到f（QCIGBR）中α=0.4，β=1，将其带入（1.3）式得到GN-M-LWDF调度算法的对GBR业务的最终表达式（1.4），
pGBR=rjtRjt·exp（DjtTj（t））·[0.4exp（1λGBR）+1]
（1.4）
1.3 Non-GBR业务的优先级公式设计
Non-GBR关注的是分组数据的传输成功率，在吞吐量上应尽可能作出贡献，在时延要求上较宽松。通过前人大量研究表明，因为综合考虑了信道状态信息和用户之间的服务公平性， PF算法在非实时业务环境中，其业务丢包率、系统吞吐量表现较好，恰好满足Non-GBR业务中丢包率敏感的特性，因此考虑将PF算法的优先级公式（1.5）作为设计Non-GBR业务优先级表达式的雏形。
PNon-GBR=rj（t）Rj（t）
（1.5）
同样，对Non-GBR业务的优先级表达式的设计需结合LTE中新的QoS机制，将表1中业务优先级参数引入改进算法中，得到Non-GBR的优先级表达式如（1.6）：
PNon-GBR=rj（t）Rj（t）·f（QCINon-GBR）
（1.6）
前文提到，GBR业务相对Non-GBR业务对时延要求更高，所以在设计调度算法时，应使GBR业务与Non-GBR业务的优先级表达式能进行比较，且在通常情况下，GBR业务的优先级应大于Non-GBR业务的调度优先级，介于此，设计f（QCINon-GBR）因子的表达形式同f（QCIGBR），得到调度算法对Non-GBR业务的最终表达式（1.7）
PNon-GBR=rj（t）Rj（t）·f（QCINon-GBR）
=rj（t）Rj（t）·[0.4exp（1λNon-GBR）+1]
（1.7）
其中，λNon GBR为标准QCI属性表中Non-GBR业务的QCI值对应优先级大小，取值为6、7、8、9 。
从改进算法GN-M-LWDF中Non-GBR调度优先级公式（1.7）的设计可以看出，该公式针对Non-GBR业务的特点，考虑了信道条件的同时又考虑了业务调度的公平性，令即使信道条件较差的用户也能尽量得到调度机会，同时又结合了LTE中新的QoS机制，引入f（QCINon-GBR）因子，将待调度用户与其申请的多项不同优先级的并发业务的分组数据建立关联，从而适应LTE系统中新的QoS机制调整，满足不同业务流的差异化QoS需求。
综上所述，GN-M-LWDF算法的优先级判决式（1.8）如下：
pj=rjtRjt·exp（DjtTj（t））·[0.4exp（1λGBR）+1]若QCI=1，2，3，4
rjtRjt·[0.4exp（1λNon-GBR）+1]若QCI=6，7，8，9
（1.8）
其中，QCI=5的IMS信令业务在任何情况下优先调度，不代入式中进行优先级计算。
2.GN-M-LWDF算法性能仿真与分析
为验证改进算法GN-M-LWDF在分组时延、丢包率、公平性等方面的性能表现，本文采用LTE-SIM平台对所提的调度算法性能进行了系统级仿真模拟，LTE-SIM系统软件仿真平台是奥地利维也纳大学开发的一种支持面向对象方法的系统级仿真平台也是目前最新、最完整的关于LTE系统的系统级仿真平台。仿真中设置调度周期为TTI=1ms，时隙为0.5ms;GBR与Non-GBR业务配比为3：2;多径衰落：Jakes model;渗透损失：10 dB;阴影衰落：符合对数分布。其他参数设置如表2所示： 表2 LTE下行仿真参数设置
参数 取值
帧结构 FDD
半径 1Km
带宽 10MHz
时隙时间 0.5ms
调度周期 1ms
资源块数 50
业务配比 3：2
图2为GN-M-LWDF算法与其他调度算法的平均分组时延性能比较，从图中可以看出，GN-M-LWDF算法的平均时延小于其他三种调度算法。最多时，相较于M-LWDF算法降低了41%左右，相较于AMLWDF算法降低了25%左右，这是因为在QCI标准属性表中，不同业务的优先级关联了不同的分组时延要求，算法对时延因子作出改进，所以在一定程度上增强了分组时延在调度判决中的影响，故GN-M-LWDF算法在保证时延方面有所提升。
图2 GN-M-LWDF与其他算法的分组时延对比
图3 GN-M-LWDF与其他算法的丢包率对比
不同分组调度算法在丢包率方面的比较如图3所示。从仿真结果可知，随着负载的不断增加，系统业务的丢包率也不断增加，而GN-M-LWDF算法的丢包率相较于M-LWDF算法降低了30%左右，相较于AMLWDF算法降低了17%左右。因为GN-M-LWDF算法引入的时延因子是以指数形式表达的，随着业务的分组时延离时延阈值越来越近，时延因子会迅速提高权重，在一定程度上控制分组数据丢包的发生。分组数据时延过大时，以时延因子为主，在一定程度上控制丢包率。分组数据的时延离其时延阈值还很远时，则以f（QCI）因子为主，体现业务的差异化调度需求。
从图4可知，当业务负载较大时，GN-M-LWDF的丢包率高于其他两种算法。这是因为此时GBR业务占用资源较多，导致Non-GBR业务丢包率升高较快，高于其他两种算法。
图4 用户数为50时各业务丢包率
图5 GN-M-LWDF与其他算法公平性比较
GN-M-LWDF调度算法在调度公平性方面的表现如图5所示。从仿真结果可以看出，相较于AMLWDF算法，GN-M-LWDF算法在公平性方面降低了5%左右。因为GN-M-LWDF算法对GBR业务和Non-GBR业务分别计算优先级大小，使GBR业务的优先级在通常情况下大于Non-GBR业务的优先级，在负载不多时，RB资源有剩余，Non-GBR业务能够获得相应的调度机会，但当负载较大时，Non-GBR业务的调度机会相应的减少。但是这并不代表GN-M-LWDF调度算法较劣，因为不同业务QoS要求不同，算法着重体现业务的差异化调度。
3.结束语
本文给出的基于GBR/Non-GBR业务的优先级调度算法GN-M-LWDF为了更好的适应3GPP对LTE系统框架下新的QoS机制的调整，在具有吞吐量最优特性的M-LWDF基础上，引入了f（QCI）因子关联QCI属性表中的优先级参数，并根据GBR业务和Non-GBR业务的特点分公式计算不同业务的优先级，同时改进时延因子设计的不足。降低了分组数据的平均时延和丢包率，但是在负载较大时，GBR业务占用过多资源时，算法并不能很好保证Non-GBR业务的QoS，牺牲了一定的公平性，导致丢包率的较快上升。不过GN-M-LWDF算法主要考虑满足不同类型用户业务的差异化需求，提升了系统的整体性能。（作者单位：中国电信股份有限公司昌吉分公司政企客户部）
参考文献：
[1] Eryilmaz A，Srikant R，Perkins J R.Stable scheduling policies for fading wireless channels[J].IEEE/ACM Transactions on Networking.2005，13（2）： 411-424.
[2] Sun S，Yu Q，Meng W，et al.A configurable dual-mode algorithm on delay-aware low-computation scheduling and resource allocation in LTE downlink[C]//Wireless Communications and Networking Conference （WCNC）.IEEE，2012： 1444-1449.
[3] 李海旭.LTE系统中MAC层调度算法研究[D].北京：北京交通大学，2011.
[4] 冯卿.LTE中多业务优先级调度算法的研究与改进[J].电子制作，2014，（1）：136-137.