تخصیص توأمان منابع رادیویی و محاسباتی در شبکه دسترسی رادیویی ابری

1- مقدمه 
با افزایش فرکانس کار نسلهای جدید موبایل، میزان پوششدهی ایستگاههای پایه کاهش می‌یابد که به دنبال آن تعداد سلولها و ایستگاههای پایه مورد نیاز افزایش مییابد. بدین صورت شبکههای فراچگال ( UDN) معرفی شدند. تراکم نقاط دسترسی در شبکه‌های فراچگال بسیار بالاست. در UDN میانگین فاصله بین کاربران و BSهای سلولی کوچک بهطور چشمگیری کاهش می‌یابد؛ ازاینرو، کیفیت پیوند و درنتیجه ظرفیت شبکه بهطور چشمگیری بهبود می‌یابد ‎[1]. همچنین، سلولهای بیشتر با ابعاد کوچکتر باعث افزایش تداخل ناشی از سلولهای کوچک همسایه و افزایش هزینه عملیات و مدیریت زیرساخت میشود؛ تا حدی که ممکن است نرخ قابل دستیابی شبکه به‌دلیل تداخل کاهش یابد ‎[1]. برای کاهش تداخل، الگوریتمهای همکاری متفاوتی مانند  CoMP وجود دارند ‎[3] که بهعلت تأخیر بالای شبکههای دسترسی رادیویی سنتی و پهنای باند کم به بیشینه بهرة خود نمیرسد ‎[4]. چالش اصلی CoMP وابستگی عملکرد آن به کیفیت اطلاعات حالت کانال ( CSI) و همزمان‌سازی دقیق است. امروزه می‌توان از پردازندههای چندهستهای بسیار قدرتمند و رایانش ابری بهره جست. در راهحل شبکه دسترسی رادیویی ابری 
( C-RAN)، واحد عملیات رادیویی در رأسهای رادیویی راه دور ( RRH) و واحد عملیات دیجیتال در استخر واحدهای باند پایه ( BBU) بهطور جدا انجام می‌شوند. در این معماری، سیگنالهای رادیویی توسط RRHها از آنتن‌های توزیعشده در منطقه، جمعآوری و ازطریق خطوط پرسرعت روبنا  به محل ابر برای انجام محاسبات و پردازش منتقل میشوند. این جداسازی، افزایش بهرهوری طیف و اشتراک زیرساخت در C-RAN را تسهیل میکند و موجب کاهش هزینههای سرمایهگذاری و عملیاتی می‌شود. وجود تمام اطلاعات شبکه به شکل متمرکز در استخرBBU ، تخصیص پویای منابع رادیویی و محاسباتی را با اطلاع از وضعیت کلی شبکه و تقاضای ترافیک موجود ممکن میکند و میتواند عملکرد شبکه را بهبود بخشد ‎[3].
در روش CoMP، CSI کامل باید در استخر BBU موجود باشد که برای C-RAN فراچگال، سربار بالایی برای تخمین کامل کانال دارد ‎[5]. برای کاهش سربار، از CSI جزئی با بهره‌گیری از روشهای خوشهبندی و همکاری رادیویی استفاده می‌شود که در آن فقطCSI  خطوط RRHهای سرویسدهنده به هر کاربر محاسبه میشود (به‌عنوان CSI درون خوشهای) و برای RRHهای بیرون از خوشه آن کاربر،CSI  برابر صفر در نظر گرفته میشود یا فقط تلفات مسیر و اثر سایه منظور میشود (به نام CSI برون خوشهای) و به استخر BBU فرستاده میشود؛ بنابراین، نرخ تخصیص دادهشده به کاربران باید با در نظر گرفتن خطای تخمین کانال در حالت CSI جزئی محاسبه شود ‎[6]‎[7]‎[8].
یک راه مدیریت RRHها خوشه‌بندی کاربرمحور است که هر کاربر بنا بر بهره کانال کاربر و بارگیری RRHها مشخص می‌کند کدام RRHها برایش داده ارسال کنند ‎[6]‎[9].
 
شکل (۱): یک C RAN با خوشه‌بندی کاربر محور ‎[6]

در TDD-CRAN  برای تخمین کانال، دنبالههای پایلوت آموزشی متعامد به کاربران متفاوت یک RRH تخصیص داده می‌شود تا RRH بتواند بردار کانال هر کاربر را تشخیص دهد؛ بنابراین، تعداد پایلوتهای مورد نیاز به‌طور خطی با تعداد کاربران متناسب است؛ این تعداد برای C RANهای فراچگال غیرمطلوب خواهد بود. یک راهحل استفاده مجدد از پایلوت‌هاست؛ بهطوریکه هیچیک از کاربران از پایلوت و RRH یکسانی استفاده نکنند ‎[10]. همچنین، طرح استفاده مجدد از پایلوت باعث آلودگی پایلوت و درنتیجه خطای تخمین کانال قابل ملاحظه‌ای می‌شود .‎[8]
بهدلیل ارتباطات گسترده کاربران و تأخیر ناشی از آن و الزامات تأخیر مورد نیاز، چالشهای جدیدی در تأمین نیازهای محاسباتی به وجود میآید. در ‎[11] از حداکثر تعداد کاربران پشتیبانیشده توسط هر واحد BBU برای تعیین ظرفیت پردازش محدود استخرBBU  استفاده می‌شود. بیشتر روش‌های تخصیص منابعC-RAN ، منابع را در هر زمان تخصیص میدهد و مزایای BBU مرکزی، مانند مدیریت مرکزیِ اشغال منابع توسط RRHها و بار ترافیکی کل شبکه را بهطور کامل در نظر نمیگیرند ‎[6]‎[8].
با توجه به منظورنکردن ظرفیت منابع محاسباتی و ظرفیت خطوط روبنا در تخصیص نرخ ارسالی به کاربران در کارهای پیشین، در این مقاله مسئله طراحی توأم بردارهای شکلدهی پرتو با هدف حداکثرسازی نرخ مجموع وزن‌دهی‌شده ( WSR) تحت محدودیتهای حداکثر توان RRHها و ظرفیت خطوط روبنا و ظرفیت محاسباتی منابع استخر BBU نوشته شده است. در ادامه، الگوریتمی ابتکاری برای حل مسئله تخصیص هم‌زمان منابع رادیویی و محاسباتی با هدف کاهش پیچیدگی محاسباتی و کاهش تعداد پایلوت مورد نیاز برای آموزش کانال، کاهش تعداد BBU مورد نیاز در C RAN فراچگال با استفاده از CSI جزئی و خوشه‌بندی کاربرمحور RRHها در سه قدم پیشنهاد شده است: در قدم اول، مسئله حداکثرکردن مجموع نرخ وزن‌دهی‌شده تحت محدودیت حداکثر توان ارسالی رادیویی توسط روش حداقل مربع میانگین خطای وزن‌دهی‌شده حل می‌شود. در قدم دوم، با استفاده از یک الگوریتم حریصانه پیشنهادی برای مسئله کوله‌پشتی، تخصیص منابع محاسباتی به کاربران صورت می‌گیرد و در قدم سوم، محدودیت حداکثر ظرفیت روبنا توسط یک الگوریتم پیشنهادی اعمال می‌شود.
در ادامه این مقاله،‌ در بخش دوم، مدل سیستم ارتباطی در C-RAN بیان شده است. در بخش سوم، مسئله تخصیص منابع حل میشود. در بخش چهارم، نتایج شبیه‌سازی ارائه میشوند و درنهایت، در بخش پنجم نتیجه‌گیری انجام گرفته است.

۲- مدلسازی سیستم
در این مقاله ارتباط فروسو در یک شبکه 
TDD C RAN فراچگال بررسی می‌شود. طبق شکل (۱)، این شبکه    RRH و   کاربر دارد که طبق تعریف 
C-RANهای فراچگال،   است. فرض می‌شود هر RRH،   آنتن فرستنده دارد و هر کاربر فقط یک آنتن گیرنده دارد.   مجموعه RRHها و   مجموعه کاربران است. هر RRH توسط خطوط روبنا به استخر BBU متصل است.
با فرض ثابتبودن کاربران، برای کاهش پیچیدگی محاسباتی، خوشه‌های کاربرمحور تشکیل می‌شوند. معیار تعیین خوشه RRHهای سرویس‌دهنده به هر کاربر، اطلاعات حالت کانال مانند محوشدگی بزرگ‌مقیاس یا همان افت مسیر ناشی از مسافت است که سرعت تغییرات کمی دارد؛ بنابراین، آرایش خوشه‌ها ثابت فرض می‌شود. مجموعه RRHهای سرویس‌دهنده به کاربر   با   و کاربران سرویس‌گیرنده از RRH -iام با   نشان داده می‌شود. خوشه‌‌های RRH مربوط به کاربران می‌توانند با یکدیگر همپوشانی داشته باشند؛ به بیان دیگر، هر RRH هم‌زمان می‌تواند به چندین کاربر سرویس دهد. بردار کانال و بردار شکل‌دهی پرتو از RRH i به کاربر   بهترتیب با   و   نشان داده شده است.
RRHهای درون خوشه هر کاربر بهطور هماهنگ سیگنال یکسانی را به آن کاربر ارسال می‌کنند.   سمبل اطلاعات کاربر   است و سیگنال باند پایه دریافتی توسط کاربر   برابر است با
(1)     
که   نویز سفید گوسی مختلط جمعشونده (AWGN) با توزیع   است. فرض می‌شود برای هر کاربر   و   است و جریان‌های داده کاربران متفاوت مستقل از یکدیگر هستند.

1-۲- تخمین CSI درون خوشه‌ای
در شبکه‌های C-RAN فراچگال باوجود تعداد زیاد RRHها و کاربران و تعداد منابع آموزشی محدود، دسترسی به CSI کل شبکه در استخر BBU غیرممکن است؛ بنابراین، استخر BBU برای هر کاربر فقط CSI مربوط به RRHهای درون خوشه‌ای آن کاربر را تخمین می‌زند و برای RRHهای بیرون از خوشه هر کاربر فقط از بهره کانال بزرگ‌مقیاس   آگاه است. به‌علت سرعت تغییرات پایین بهره کانال بزرگ‌مقیاس و امکان ردیابی دقیق آن، پیاده‌سازی این روش برای 
C-RANهای فراچگال امکان‌پذیر است.
در این مقاله کانال با محوشدگی تخت با فاصله همدوسی T شیار زمانی در نظر گرفته شده‌اند.   شیار زمانی برای تخمین کانال و   شیار زمانی باقی‌مانده برای انتقال داده استفاده می‌شود.

1-1-۲- تخصیص پایلوت به کاربران
در سیستم‌های مخابراتی TDD برای جلوگیری از تداخل و شناسایی دقیق کاربران، به کاربران سرویس‌گیرنده از یک RRH دنباله‌های پایلوت متعامد متفاوتی تخصیص داده می‌شوند و از شیارهای زمانی متفاوتی برای آموزش و تخمین کانال استفاده می‌شود؛ بنابراین، تعداد دنباله پایلوت متعامد در دسترس حداکثر برابر   است ‎[12]. در طرح تخصیص پایلوت متعامد حداکثر تعداد کاربران که بهطور هم‌زمان می‌توان به آنها سرویس داد برابر این تعداد است؛ اما در C RANهای فراچگال تعداد کاربران بسیار بیشتر از این تعداد است؛ بنابراین، برای افزایش تعداد مجاز کاربران از پایلوت‌ها استفاده مجدد می‌شود. برای این کار از تئوری رنگ‌آمیزی گراف کمک گرفته می‌شود.
برای قابل تشخیص بودن کانال‌های کاربران متفاوت از پایلوت‌های متعامد استفاده می‌کنیم. اگر تعداد پایلوت‌ها   باشد و پایلوت mام،   باشد، دنبالههای پایلوت متعامد   شرط تعامد   را دارند.
•    اگر دنباله پایلوت اختصاص داده شده به کاربر  -ام  باشد، باید به کاربران سرویس‌گیرنده از یک RRH دنباله‌های پایلوت‌ متفاوتی تخصیص داده شود:
 

برای جلوگیری از استفاده یک پایلوت به دفعات زیاد و استفاده‌نکردن از پایلوت‌های دیگر و همچنین تخصیص متوازن پایلوت‌ها و کنترل میزان خطای تخمین، تعداد دفعات استفاده مجدد پایلوت  ، ( ) باید کمتر از یک مقدار از قبل تعیین شده   باشد:
 

هدف ما یافتن کمترین تعداد پایلوت مورد نیاز با در نظر گرفتن محدودیت‌های گفتهشده است. برای حل این مسئله شرط   را میتوان با یک ماتریس باینری همسایگیB  برای تمام کاربران نشان داد. اگر دو کاربر   و   حداقل یکRRH  مشترک داشته باشند، این دو کاربر همسایه هستند. براساس این، یک گراف بدون جهت از کاربران تشکیل می‌شود که در آن کاربران همسایه با یک یال به یکدیگر متصل هستند؛ بنابراین، یک مسئله رنگ‌آمیزی گراف با کمترین رنگ داریم که هر رنگ معادل یک پایلوت است. شرط   نیز می‌خواهد مقدار استفاده از هر رنگ محدود باشد. بدین منظور می‌توان از الگوریتم Dsature تئوری رنگ‌آمیزی گراف استفاده کرد ‎[8]:
بدین منظور، ابتدا کاربران براساس تعداد همسایههایشان بهترتیب نزولی صف می‌شوند. به اولین کاربر، یک پایلوت اختصاص داده و از صف کاربران خارج می‌شود. در هر قدم: 1) پایلوت‌های استفادهشده براساس دفعات استفاده به‌ترتیب صعودی مرتب می‌شوند. 2) به اولین کاربر صف کاربران، اولین پایلوت موجود در صف پایلوت‌ها اختصاص داده می‌شود. 3) اگر پایلوت مدنظر با پایلوت اختصاص داده شده به هریک از همسایه‌ها‌ی کاربر برابر بود، پایلوت بعدی، بررسی و این مرحله تکرار می‌شود تا شرط   برقرار شود. 4) اگر پایلوت‌های صف به اتمام رسید از یک پایلوت جدید استفاده می‌شود. 5) اگر تعداد استفاده از پایلوت به حد مجاز رسید از صف پایلوت‌ها خارج می‌شود.

2-1-۲- تخمین کانال
برای تخمین کانال در طول فاز آموزش کانال، هر کاربر یک پایلوت به RRHهای درون خوشه‌ای می‌فرستد. سیگنال پایلوت دریافتی در RRH iام برابر است با
(2)     

که   توان ارسالی پایلوت هر کاربر است و 
  ماتریس نویز گوسی با اعضای مستقل و توزیع  است. اگر مجموعه کاربرانی که از پایلوت    (پایلوت مربوط به کاربر kام) استفاده می‌کنند را با   نشان دهیم، استخر BBU با استفاده از تخمین کمترین میانگین مربع خطا (MMSE) کانال تخمینی بین کاربر k و RRH iام را به‌صورت زیر به دست می‌آورد ‎[6]:
(3)     

که   است. براساس ویژگی تخمین MMSE،   خطای تخمین کانال مستقل از تخمین کانال   و دارای توزیع   با 
  است.

2-۲- فرمول‌بندی مسئله
هدف ما بیشینه‌سازی مجموع نرخ وزن‌دهی‌شده کاربران ازطریق طراحی بردارهای شکل‌دهی پرتو است.

1-2-۲- نرخ داده‌ هر کاربر
برای هر کاربر  ،   بردار شکل‌دهی پرتوی RRHهای درون خوشه‌ای آن است. همچنین،  ، CSI کامل تمام RRHهای درون خوشه کاربر ام به سمت کاربر  ام و  و   نیز بهترتیب خطای تخمین CSI و CSI تخمینی از تمام RRHهای درون خوشه‌ای کاربر ام به سمت کاربر ام است.  . با توجه به اینکه   است، رابطه (1) برابر است با:
(4)     
 

سپس SINR مؤثر و نرخ داده قابل دستیابی برای هر کاربر   با در نظرگرفتن CSI جزئی و خطای تخمین محاسبه می‌شود که در آن خطای تخمین همچون نویز سفید در نظر گرفته می‌شود:
(۵)     

که در آن، میانگین روی تمام عوامل غیرقطعی همچون خطاهای تخمین کانال و CSI کوچک‌مقیاس برون خوشه‌ای است و
(۶)     

بهعلت عوامل غیرقطعی زیاد ذکرشده، به دست آوردن عبارت فرم دقیق و بسته نرخ داده هر کاربر بسیار مشکل است؛ به همین علت با استفاده از معادله جنسن از یک کران پایین برای SINR مؤثر استفاده می‌شود. یک کران پایین چسبیده برای نرخ داده کاربر  ام به‌صورت زیر است ‎[8]:
(7)     
 

که در آن،   و   هستند.

2-2-۲- محدودیت منابع رادیویی روبنا
مجموع نرخ ارسال برای کاربرانی که از RRH iام سرویس می‌گیرند از حداکثر ظرفیت روبنا از استخر BBU به RRH iام،  ، کمتر است:
(8)     

که   تابع اندازه و   تابع مشخصه است. اگر   باشد،   است؛ اگرنه   است.

3-2-۲- محدودیت منابع محاسباتی
در بسیاری از کارها برای سادگی ظرفیت منابع محاسباتی براساس تعداد کاربران سرویس داده شده با استخر BBU سنجیده می‌شود ‎[11]. براساس نتایج کارهای ‎[13]‎[14]‎[15] مصرف منابع محاسباتی متناسب با ترافیک است و تابعی از نرخ کاربران سرویس داده شده است. در این مقاله منابع محاسباتی مورد نیاز در استخر BBU برای پشتیبانی از انتقال همکارانه برای همه کاربران شامل دو بخش اصلی است ‎[16]:
1- میزان منابع محاسباتی مورد نیاز برای پردازش باند پایه سیگنال مربوط به کاربر  نسبت خطی با نرخ داده ارسالی دارد.
2- برای محاسبه بردارهای شکل‌دهی پرتو، میزان منبع محاسباتی مورد نیاز متناسب با تعداد بردارهای شکل‌دهی پرتو است.
بنابراین، مجموع میزان مصرف منابع محاسباتی برای هر کاربر به‌صورت زیر محاسبه می‌شود:
(9)     

که   یک مقدار ثابت مربوط به محاسبات FFT است.  ،   و   پارامترهای تجربی مثبت هستند.
بنابراین، اگر   مجموعه BBUها در استخر و کاربران سرویس‌گیرنده از  امین BBU با   نشان داده شوند، محدودیت ظرفیت  امین BBU به‌صورت زیر است:
(10)     

که   حداکثر ظرفیت محاسباتی  امین BBU است.

۲-3- مسئله اصلی تخصیص منابع رادیویی و محاسباتی
مسئله بیشینه‌سازی مجموع نرخ وزن‌دهی‌شده با جایگزینی نرخ دقیق داده کاربران با کران پایین آن،   و ترجیحاً استفاده از حداقل تعداد BBUها است. W ماتریس متناظر با مجموعه بردارهای شکل‌دهی پرتو و   وزن اولویت کاربر  ام است. ماتریس باینری T ارتباط بین کاربر و استخر BBU است؛ اگر منابع محاسباتی کاربر   توسط  امین BBU تأمین شود،   است. اگر BBU  ام فعال باشد، درایه  ام بردار باینری b برابر یک است. مسئله طراحی بردار شکل‌دهی پرتو به‌صورت زیر تعریف می‌شود:
(11)    (a     
    (b         s.t.
    (c         
    (d         
    (e         
    (f         
    (g    𝑡𝑚,𝑘 , 𝑏𝑚 ∈ {0,1} ,   ∀𝑘 ∈ 𝒰, ∀𝑚 ∈ ℳ,    

شرط b محدودیت توان ارسالی هر RRH است و   حداکثر توان RRH iام است. شرط c بیان میکند مجموع نرخ عبوری از RRH iام در روبنا نباید از حداکثر ظرفیت روبنا بیشتر باشد. در شرط d مصرف منابع محاسباتی اختصاص داده شده به BBU  ام نباید از حداکثر ظرفیت آن بیشتر باشد. در این شرط   از جایگذاری   بهجای   در (9) به دست می‌آید. شرط e بیان می‌کند کاربر   حتماً توسط یک BBU سرویس داده می‌شود.

۳- حل مسئله تخصیص منابع رادیویی و محاسباتی در  C-RAN
طراحی همکارانه شکلدهی پرتو و همچنین تخصیص پویای منابع محاسباتی یک مسئله ILP، NP-hard و غیرمحدب است. در ادامه، یک الگوریتم ساده سه مرحلهای برای حل این مسئله پیشنهاد میشود. در قدم اول مسئله طراحی بردار شکلدهی پرتو فقط با محدودیت توان RRHها حل میشود. در ادامه، مسئله تخصیص پویای منابع محاسباتی تحت محدودیت حداکثر ظرفیت محاسباتی سرورها حل میشود. سپس محدودیت منابع روبنا اعمال می‌شود. مسئله تخصیص منابع محاسباتی به شکلی است که تعداد BBUهای اختصاص داده شده حداقل شود. 

1-۳- مسئله همکاری رادیویی
در مرحله نخست، تنها محدودیت مربوط به توان ارسالی RRHها در مسئله طراحی همکارانه بردار شکل‌دهی پرتوی فروسو برای هر RRH با هدف بیشینه‌سازی WSR اعمال می‌شود و محدودیت ظرفیت خطوط روبنا و منابع محاسباتی از مسئله حذف می‌شود:
(1۲)    (a     
    (b         s.t.:

مسئله (۱۲)، مسئله طراحی همکارانه بردار شکل‌دهی پرتو ( CBD) ازطریق دو الگوریتم  OPA و WMMSE حل میشود که در میزان عملکرد و پیچیدگی متفاوت‌اند. برای حل مسئله CBD، از یک الگوریتم تکرارشونده براساس الگوریتم WMMSE تغییریافته ‎[6] استفاده می‌کنیم. این الگوریتم با پیچیدگی بسیار کمتر نتایج نزدیک به الگوریتم بهینه سراسری OPA دارد.
الگوریتم WMMSE تغییریافته، CSI جزئی را در نظر می‌گیرد که هر کاربر اثرات خطای تخمین و تداخل ناشی از خوشه‌بندی و نداشتن تمام CSIها را متحمل می‌شود. این مسئله با استفاده از CVX ‎[17] حل می‌شود. استفاده از CVX برای برنامه‌نویسی‌های عملی در DSP یا FPGA مناسب نیست؛ بنابراین، از روش تجزیه دوگان لاگرانژ برای پیاده‌سازی می‌توان استفاده کرد ‎[6].
در ادامه، محدودیت منابع محاسباتی و محدودیت ظرفیت روبنا بر مسئله CBD اعمال می‌شود تا حل مسئله نهایی به دست آید. کاهش نرخ کاربران در این مرحله موجب کاهش مصرف پهنای باند خطوط روبنا می‌شود؛ بنابراین، ابتدا مسئله تخصیص منابع محاسباتی، بررسی و سپس محدودیت منابع روبنا اعمال می‌شود.

2-3- خصیص منابع محاسباتی
هدف اصلی مسئله تخصیص همکارانه منابع محاسباتی ( CCRA) کمینه‌سازی تعداد BBUهای فعال براساس بیشترین میزان نرخ کاربران در پاسخ مسئله CBD قسمت قبل است. با ثابت در نظر گرفتن خوشه‌بندی RRHها برای کاربران در مسئله (۱۱) و همچنین، با مقداردهی اولیه بردار   و   براساس حل مسئله CBD در قسمت قبل، مسئله CCRA به‌صورت زیر خواهد بود:
(13)    (a     
    (b         s.t.:
    (c         
    (d         

که معادل یک مسئله کوله‌پشتی چندگانه است و پیچیدگی NP complete دارد ‎[18]؛ بنابراین، جواب مسئله در یک زمان چندجمله‌ای به دست نمی‌آید و بهعلت زمان محاسبه و الزامات حافظه غیرعملی است. برای حل این مسئله یک الگوریتم حریصانه پیشنهاد می‌شود. هرگاه مسئله CCRA با نرخ بهدست‌آمده از حل مسئله CBD نشدنی باشد، نرخ کاربران توسط الگوریتم کاهش نرخ هوشمند پیشنهادی ( SRR) بهطور مطلوبی کاهش می‌یابد تا مسئله امکان‌پذیر شود.

۱-۲-۳- حل مسئله CCRA به‌صورت حریصانه
ابتدا BBUها براساس ظرفیت محاسباتی بهترتیب نزولی صف می‌شوند. با فرض  و   بهدست‌آمده از مرحله قبل میزان منابع محاسباتی مورد نیاز کاربران،   از رابطه (۹)، محاسبه می‌شود. کاربران براساس   بهترتیب نزولی مرتب می‌شوند. در هر قدم نیازهای محاسباتی از بزرگ به کوچک سرویس داده می‌شوند. در قدم اول BBU با بیشترین ظرفیت فعال می‌شود و بزرگترین نیاز محاسباتی توسط آن سرویس داده و از صف BBUهای غیرفعال خارج می‌شود. در هر قدم BBU فعال با بزرگترین میزان منبع محاسباتی استفادهنشده مشخص می‌شود و آن را با   و میزان ظرفیت محاسباتی استفادهنشدة آن را با   نشان می‌دهیم:
(14)     

اگر میزان نیاز محاسباتی کاربر بیش از   بود، توسط BBU فعالنشده بعدی در صف BBU سرویس داده می‌شود و آن BBU نیز از صف خارج می‌شود. در غیر این صورت، کاربر توسط   سرویس داده می‌شود؛ اما اگر میزان نیاز محاسباتی کاربر هم بیش از   و هم بیش از ظرفیت محاسباتی BBU فعالنشده بعدی در صف BBU بود، باید کاهش نرخ به قدری صورت گیرد تا کاربر بتواند توسط یکی از این دو BBU سرویس داده شود که ظرفیت باقیمانده بیشتری ( ) دارند.

۲-۲-۳- الگوریتم کاهش نرخ هوشمند (SRR)
اگر الگوریتم CCRA با بن‌بست مواجه شود،‌ کاهش نرخ کاربران به‌صورت هوشمندانه‌ای صورت می‌گیرد؛ به‌طوری‌که نخست، کمترین تأثیر را بر تابع هدف WSR در پی داشته باشد. دوم، تا حد امکان نرخ ارسال در خطوط روبنایی با ترافیک بیشتر از ظرفیتشان کاهش یابد.
در هر قدم چند پیوند دسترسی نامزد کاهش وزن هستند. ابتدا کاهش وزن روی پیوند دسترسی اعمال می‌شود که نسبت به بقیه پیوند‌های دسترسی اثر کمتری بر تابع هدف WSR دارد. برای تعیین ارزش خطوط دسترسی معیار زیر پیشنهاد میشود؛ این معیار ترکیب SINR حاصل از پیوند دسترسیRRH  iام نسبت به کل SINR کاربر   ‎[19] و با در نظر گرفتن اولویت کاربران ‎[9] است. به بیان دیگر، این معیار نشان‌دهندة کیفیت مشارکت پیوند دسترسی از RRH iام به کاربر  ام در تابع هدف WSR است:
(15)
 

حال فرض می‌کنیم نرخ کاربر  ام باید کاهش یابد. هر کاربر با چند RRH مرتبط است. در قدم نخست، کاهش نرخ کاربر   با کاهش   مربوط به RRHهایی اعمال می‌شود که ترافیکی بیش از محدودیت ظرفیت خط روبنای خود دارند. این RRHها براساس   بهترتیب صعودی مرتب می‌شوند و کاهش   بهترتیب بر آنها به شکل زیر اعمال می‌شود:
فرض کنیم RRH iام کاربر   برای کاهش وزن انتخاب شود.
• با فرض صفرشدن  ، نرخ گذرنده از RRH iام و بار محاسباتی کاربر   را بهترتیب   و   می‌نامیم.
• اگر  بیشتر از   و   بیشتر از   بود،   برابر صفر می‌شود.
• اگر   کمتر از   و  بیشتر از   بود،   با روش دوبخشی  آنقدر کاهش می‌یابد که بار محاسباتی کاربر   برابر   شود و الگوریتم SRR برای کاربر بررسی‌شده خاتمه می‌یابد.
• اگر   بیشتر از   و  کمتر از   بود،   آنقدر کاهش می‌یابد که میزان ترافیک RRH iام برابر   شود.
• اگر  کمتر از   و   کمتر از   بود، نرخ کاربر بهازای بار محاسباتی   برابر   و نرخ کاربر بهازای برقراری   برابر   محاسبه می‌شود.
o اگر   کمتر از  بود،   آنقدر کاهش می‌یابد که ترافیک RRH iام برابر   شود.
o -اگر   بیش از   بود،   آنقدر کاهش می‌یابد که بار محاسباتی کاربر   برابر   شود و الگوریتم SRR برای کاربر بررسی‌شده خاتمه می‌یابد.
اگر همچنان بار محاسباتی کاربر   قابل سرویس‌دهی نبود، در قدم دوم کاهش   روی تمام پیوندهای دسترسی اعمال می‌شود. همة خطوط دسترسی کاربر   براساس معیار   بهترتیب صعودی مرتب می‌شوند و کاهش وزن مانند قدم اول بهترتیب بر آنها اعمال می‌شود؛ با این تفاوت که شرط محدودیت ظرفیت روبنا برای آنها در این قدم بررسی نمی‌شود.
با کاهش   نرخ کاربر متصل به آن کاهش می‌یابد؛ اما بهعلت کاهش تداخل ناشی از این پیوند، نرخ کاربران دیگر و درنتیجه نرخ عبوری از دیگر RRH‌ها افزایش می‌یابد. معمولاً این افزایش نرخ ناچیز است؛ اما زمان‌هایی نیز اثر کاهش تداخل غیرقابل چشم‌پوشی است. پس در انتهای هر تکرار نرخ کاربران و همچنین، ترافیک هر RRH و بار محاسباتی کاربران بهروزرسانی می‌شود.

۳-۳- اعمال محدودیت ظرفیت خطوط روبنا
در این مرحله محدودیت ظرفیت خطوط روبنا بر بردارهای شکل‌دهی پرتوی بهدستآمده از مراحل قبل،  ، اعمال میشود. این امر می‌تواند توسط یک الگوریتم حریصانه کاهش نرخ کاربران صورت گیرد که در هر تکرار به شکل حریصانه‌ای   خطوط دسترسی کاربران با هدف کمترین تأثیر بر تابع هدف WSR کاهش می‌یابد.
برای تعیین پیوند دسترسی کاربری که چنین ویژگی را داشته باشد، مانند مرحله قبل، از معیار   استفاده می‌شود. ابتدا براساس نرخ ارسال کاربران بهدست‌آمده از مرحله قبل،  ، نرخ گذرنده از هر روبنا   به دست می‌آید. سپس خطوط روبنا براساس   بهترتیب نزولی مرتب می‌شود. از بزرگترین   شروع می‌کنیم. برای هر خط روبنای iام، اگر   باشد، نرخ ارسال کاربران این RRH باید کاهش یابد. براساس معیار   برای RRH iام، کاربران متصل به RRH iام بهترتیب صعودی مرتب می‌شوند و عملیات زیر بهترتیب برای کاربران انجام می‌شود:
۱- نرخ گذرنده از RRH iام را با فرض صفرشدن   کاربر مدنظر به دست می‌آوریم و آن را  می‌نامیم.
۲- اگر  بیش از   بود،‌   صفر می‌شود.
۳- اگرنه   به اندازه‌ای کاهش می‌یابد که ترافیک خط روبنای iام برابر   شود.
در این الگوریتم نیز مانند الگوریتم SRR، در انتهای هر تکرار، نرخ ارسال کاربران و میزان ترافیک هریک از خطوط روبنا به‌روزرسانی می‌شوند؛ درنهایت، بهعلت کاهش نرخ کاربران هم در مرحله SRR و هم در مرحله اعمال محدودیت ظرفیت خطوط روبنا، یک بازنگری در تخصیص منابع محاسباتی انجام خواهد شد تا کمترین تعداد BBU مورد نیاز نهایی به دست آید.

۴- نتایج شبیهسازی
در این بخش، نتایج شبیهسازی برای ارزیابی عملکرد الگوریتمهای پیشنهادی ارائه میشوند. کانال‌های دسترسی بین کاربران وRRHها رایلی و بهره کانال شامل سه قسمت زیر است:

1- افت مسیر کانال
 
که   فاصله کاربر   از RRH  iام به متر است .‎[20]
2- محوشدگی سایه لگاریتمی نرمال   با میانگین صفر و واریانس استاندارد 8 dB. پس بهره کانال مقیاس بزرگ   شامل افت مسیر و اثر سایه برابر است با:
 

3- محوشدگضی مقیاس کوچک رایلی   با توزیع  ؛ بنابراین، بردار کانال را میتوان اینگونه نوشت ‎[6]:
 

برای سادهسازی فاکتورهای وزندهی هر کاربر یکسان در نظر گرفته میشود؛ یعنی  . همچنین، فرض میشود هر کاربر N تا از نزدیکترین RRHها به خود را برای سرویسدهی انتخاب میکند؛ یعنی  .

جدول (1): پارامترهای شبیه‌سازی
تعداد آنتن‌های فرستنده هر RRH    M=2
پهنای باند سیستم    B=20 MHz
چگالی طیف توان نویز     -174 dBm/Hz
توان پایلوت     =50 mW
بیشینه دفعات استفاده هر پایلوت     =3
فاکتورهای وزن‌دهی هر کاربر     =1 ,    
تعداد کل شیار‌های زمانی    T=80
اندازه هر خوشه کاربرمحور     =2
تعداد کاربران    K=8
تعداد RRHها    L=12
میانگین مقدار ظرفیت BBUها     
حداکثر مقدار ظرفیت روبنا‌ها     
حداکثر مقدار توان ارسالی RRHها     

در شبکه C-RAN فراچگال 12 عدد RRH و 8 کاربر بهطور تصادفی در یک محوطه مربعی به ابعاد 400 متر قرار دارند. چگالی کاربر و چگالیRRH ها بهترتیب برابر است با   و   که این مقادیر برای برآوردهکردن الزامات شبکههای فراچگال5G  مناسب هستند ‎[21]. ظرفیت روبناها دارای یک توزیع یکنواخت صحیح با بیشینه میزان   و ظرفیت BBUها دارای یک توزیع نرمال صحیح با میانگین   است. پارامترهای دیگر شبیهسازی در جدول 1 موجود هستند.
شکل (۲-الف) WSR برای مقدار متفاوت حداکثر ظرفیت روبنا‌ها برحسب تعداد کاربران را نشان می‌دهد. با افزایش حداکثر ظرفیت روبنا‌ها عملکرد سیستم بهبود می‌یابد و درنتیجه فاصله بین نمودارها کاهش می‌یابد و به حالت ظرفیت نامحدود روبنا نزدیک می‌شود. اگر کاربران کمتر از RRHها باشند، با افزایش تعداد کاربران WSR روند افزایشی دارد. برای کاربران بیشتر از RRHها با افزایش تعداد کاربران WSR ثابت می‌ماند که بهعلت محدودیت ظرفیت منابع روبنا است. شکل (۲-ب) WSR برحسب مقدار میانگین ظرفیت BBUها را نشان می‌دهد. با افزایش ظرفیت BBUها نرخ قابل دسترسی نیز افزایش می‌یابد و برای مقادیر نسبتاً بالای ظرفیت BBUها WSR ثابت میماند؛ زیرا عملکرد سیستم با پارامترهای دیگر مانند توان RRH محدود می‌شود. به همین دلیل، برای سایر شبیه‌سازیها   در نظر گرفته می‌شود. در قسمت (۲-ج) تعداد BBUها برحسب ظرفیت میانگین BBUهای مورد نیاز رسم شده است. با افزایش ظرفیت BBUها تعداد BBUهای مورد نیاز کاهش مییابد؛ زیرا با افزایش ظرفیت BBUها هرBBU  میتواند نیاز محاسباتی کاربران بیشتری را برآورده کند. همچنین، بیشترین تعداد BBU برابر ۸ است تا هر کاربر توسط یک BBU سرویس داده شود.
 

 
      
 
(الف)     
(ب)    (ج)
شکل (۲): الف) WSR برحسب تعداد کاربران با تغییر حداکثر ظرفیت روبنا‌ها، ب) WSR برحسب ظرفیت متوسط BBUها با تغییر توان ارسالی RRHها، ج) تعداد BBUهای مورد نیاز برحسب ظرفیت متوسط BBUها با تغییر توان ارسالی RRHها

           
 
(الف)     
(ب)     
(ج)
شکل (۳): WSR با تغییر ظرفیت متوسط BBUها برحسب الف) تعداد کاربران، ب) تعداد RRHها، ج) حداکثر ظرفیت روبنا
 
در شکل (۳) WSR بهترتیب برحسب تعداد کاربران، تعداد RRHها و مقادیر متفاوت حداکثر ظرفیت روبناها به‌ازای مقادیر متفاوت میانگین ظرفیت BBUها رسم شده است. برای تمامی مقادیر کاربران و RRHها و  ، با افزایش ظرفیت BBUها نرخ قابل دسترسی نیز افزایش می‌یابد. برای مقادیر نسبتاً بالای ظرفیت BBUها، WSR ثابت میماند؛ زیرا عملکرد سیستم با پارامترهای دیگر از قبیل توان RRH محدود می‌شود.
در شکل (۳-الف) با افزایش تعداد کاربران WSR روندی افزایشی دارد و در تعداد بالای کاربران WSR ثابت و حتی رو به کاهش است. هنگامی که تعداد کاربران کمتر از تعداد RRHها است، با افزایش تعداد کاربران بهعلت افزایش چندگانگی چندکاربره،WSR  روندی افزایشی دارد؛ اما با افزایش تعداد کاربران، اندازه و تعداد دنبالههای پایلوت، افزایش و بخشهای زمانی باقیمانده برای ارسال داده کاهش مییابد. زمانی که تعداد کاربران بیش از تعداد RRHهاست، بهعلت افزایش میزان تداخل کاربران و کاهش اندازه دنباله داده،WSR  روند افزایشی بسیار کمی دارد و حتی کاهش مییابد. پس گفتنی است با افزایش تعداد کاربران بیشتر از تعداد RRHها، عملکرد سیستم کاهش می‌یابد.
در شکل (۳-ب) نیز با افزایش تعداد RRHها مجموع نرخ وزندهیشده افزایش مییابد؛ زیرا نخست، با افزایش تعداد RRHها بهره چندگانگی فضایی افزایش مییابد. دوم، با افزایش تعداد RRHها کاربران کمتری از یک RRH مشترک استفاده میکنند؛ بنابراین، تعداد و اندازه دنباله آموزشی کانال کمتر و اندازه دنباله داده بیشتر میشود.
در شکل (۳-ج) با افزایش   مجموع نرخ وزن‌دهیشده قابل دسترسی ابتدا افزایش مییابد و برای مقادیر بالای حداکثر ظرفیت روبناها WSR تقریباً ثابت است. بنابراین، برای خطوط بی‌سیم روبنا که ظرفیت بسیار کمتری نسبت به خطوط سیمی دارند، این محدودیت حتماً باید در نظر گرفته شود؛ درحالیکه برای مقادیر بالای ظرفیت روبناها WSR تقریبا ثابت است؛ زیرا درنهایت از خطوط روبنا به اندازه حداکثر ظرفیتشان نرخ عبور خواهد کرد. پس برای خطوط روبنا با ظرفیت بالا می‌توان این محدودیت را منظور نکرد.
در شکل (۴) مجموع نرخ وزندهیشده برحسب اندازه خوشهبندی RRHها بهترتیب بهازای مقادیر متفاوت حداکثر توان ارسالی RRHها، حداکثر ظرفیت روبناها و میانگین ظرفیت BBUها نمایش داده میشود. در تمامی قسمت‌ها، با افزایش اندازه خوشهبندی WSR ابتدا روند افزایشی و سپس روند کاهشی دارد. با افزایش N، درجه آزادی فضایی در دسترس بیشتر میشود، پس WSR افزایش مییابد؛ اما با افزایش N بیشتر از 3، برای تخصیص پایلوت، تعداد و طول دنباله پایلوت، بیشتر و طول دنباله داده کمتر میشود و WSR روند کاهشی پیدا میکند.
 

           
 
(الف)     
(ب)     
(ج)
شکل (۴): WSR برحسب اندازه خوشه‌بندی با تغییر الف) حداکثرتوان RRHها، ب) حداکثر ظرفیت روبنا، ج) ظرفیت متوسط BBUها

 
سناریو با اندازه خوشهبندی برابر یک، همان سناریو انتقال غیرهمکارانه تک فرستنده است که هرRRH  به کاربران نزدیک خود سرویسدهی میکند. سناریو با اندازه خوشهبندی برابر با تعداد کل RRHها   سناریو انتقال همکارانه همگانی است که در آن تمام RRHها با استفاده از روش انتقال CoMP با همکاری یکدیگر به تمام کاربران سرویسدهی میکنند. مزایای استفاده از خوشهبندی کاربرمحور نسبت به دو سناریوی انتقال غیرهمکارانه و انتقال همگانی واضح است. همپوشانی خوشهها به دو عامل تعداد RRHها و تعداد کاربران بستگی دارد و به چگالی آنها بستگی ندارد. در ساختار تصادفی شبکه ما، بیشینه میزان WSR برای  N=3 است؛ اما میزان افزایش WSR از N=2 تا  N=3بسیار کم است؛ در صورتی که پیچیدگی محاسباتی با افزایش اندازه خوشهبندی افزایش مییابد؛ بنابراین، در این دادوستد برای دستیابی به یک عملکرد خوب در مقابل پیچیدگی محاسباتی در تمامی شبیه‌سازیهاN=2  است. در شکل (۴-الف) با افزایش  ، WSR افزایش مییابد. در شکل (۴-ب) نیز با افزایش  ، WSR ابتدا افزایش مییابد و برای مقادیر بالای حداکثر ظرفیت روبناWSR  تقریباً ثابت است. در شکل (۴-ج) نیز با افزایش ظرفیت BBUها نرخ قابل دسترسی افزایش مییابد و برای مقادیر نسبتاً بالا WSR ثابت میماند.
در هیچ‌یک از مقالات بررسیشده مسئله توأمان حل نشده بود. در بیشتر کارهای موجود، ظرفیت پیوند‌های روبنا نامحدود در نظر گرفته شده بودند؛ اما در C RAN فراچگال به علت سربار آموزشی بالا و حجم دادة ارسالی بالا نمی‌توان چنین محدودیتی را نادیده گرفت. شکل‌های (۲) و (۳) نشان می‌دهند با اعمال محدودیت برای ظرفیت روبنا و ظرفیت پردازش، عملکرد شبکه کاهش می‌یابد؛ زیرا ممکن است با اعمال این محدودیت‌ها برخی از کاربران با RRHها ارتباط نداشته باشند یا شاهد کاهش نرخ قابل ارسال برای کاربران باشیم. به همین علت امکان مقایسه با کار دیگری نبود.

5- نتیجه گیری
در این مقاله در معماریC-RAN  کاربرمحور برای شبکههای فراچگال به حل مسئله تخصیص همزمان منابع محاسباتی و منابع رادیویی، مانند منابع آموزشی کانال، توان ارسالی RRHها، منابع روبنا و طراحی وزن بردارهای شکل‌دهی پرتو پرداخته شد. مسئله توأم طراحیشده از نوع NP hard است. برای کاهش پیچیدگی، خوشه‌بندی کاربرمحور و تخصیص منابع آموزش متناسب با آن استفاده شد. همچنین، برای کاهش سربار بالای آموزش کانال با اطلاعات حالت کانال کامل، از مدل اطلاعات جزئی حالت کانال استفاده شد که در آن تنها از اطلاعات حالت کانال درون خوشه‌ای استفاده می‌شود. همچنین، برای حل مسئله اصلی، سه زیرمسئله طراحی شدند. در مسئله اول، تنها محدودیت توان ارسالی RRHها برای طراحی همکارانه بردارهای شکل‌دهی پرتو در هر RRH با هدف بیشینه‌سازی WSR حل شد. هدف مسئله دوم، تخصیص همکارانه منابع محاسباتی و کمینه‌سازی تعداد BBUهای فعال براساس نرخ ارسال کاربران بهدستآمده در قسمت اول بود. در آخر، نرخ ارسال کاربران به‌صورت هوشمندانه‌ای برای عدم تجاوز از ظرفیت خطوط روبنا و منابع محاسباتی کاهش می‌یابد؛ به‌طوریکه WSR کمترین کاهش را داشته باشد. نتایج شبیه‌سازی بسیار نزدیک به حالت بهینه و با پیچیدگی کم است.