非理想感知下次用户随机接入性能分析

摘 要用户随机接入是指通过蜂窝网络进行数 据传输的机器与机器（Machine to Machine，M2M)通信，作为未来泛在网络的重要组成部分，具有广阔的应用前景和市场潜力。3GPP 非理想感知下次是未来移动通信的长期 演进技术，其传输速率高、时延低、覆盖范围广，将成为随机接入业务理想的承载网 络。然而，随机接入业务特性与人和人（Human to Human，H2H)通信差异较大，现 有泊松分布流量模型已经不再适合。海量随机接入终端接入将导致网络拥塞，系统接 入时延增大，这将给3GPP 非理想感知下次网络设计和管理带来巨大挑战，如何优化3GPP 非理想感知下次 网络以适用于快速推广随机接入的应用，具有重要的理论意义和实用价值。针对上述问题，本文基于排队理论建立了 随机接入单一业务队列模型及随机接入和 H2H混合业务队列模型，在深入分析优先和比例两种接入优化机制的基础上，提 出了基于优先级的PID控制器选择性准入方案，主要研宄内容与创新点如下：针对现有泊松分布不适合随机接入建模，基于3GPP提出的随机接入业务到达速 率服从Beta分布的假设，建立了两种队列模型以评估随机接入的入网性能：Beta/M/1 队列模型，用于模拟随机接入单一业务场景；Hybrid/M/1队列模型，用于模拟H2H 与随机接入混合业务场景。数值仿真表明：随机接入终端接入网络时，H2H通信业务接 入时延大大增加，系统性能显著下降。关键词：机器类通信，业务建模，性能分析，接入控制ABSTRACTMachine type communication defined as machine to machine communication over cellular mobile network, is an integral part of future ubiquitous network and has broad application prospects and great market potentials. 3GPP as long-term evolution technology of the future mobile communication, has advantages of higher data transmission rate, lower transmission delay and larger system coverage. is bound to be the ideal bearing network o services in the future. However, the characteristics ofservices are quite different from H2H (human to human) services, existing poisson traffic model is no longer suitable for modeling. Due to a huge amount of terminals accessing network, it will cause system congestion and long access delay which will bring great challenges to networks on their design and management. Therefore, it has important theoretical significance and practical value how to optimize 3GPP networks to promote the rapid application of.In response to these issues, this paper sets up two queueing models, and presents a selective admission control solution based on priority and proportional integrative derivative (PID) controller after the in-depth analysis of priority and proportion access mechanisms. The main research contents and innovations are as follows:Because existing poisson distribution is inappropriate for traffic modeling, this paper sets up two queueing models with the assumption that services arrival interval obeys Beta distribution proposed by 3GPP. One is Beta/M/1 queueing model, which is used for terminals; another is Hybrid/M/1 queueing model, which is used for H2H and terminals. The numerical experiments show that the introduction of M2M services can lead to long delay of H2H communication and system performance degradation.Keyword： Machine type communication, traffic modeling, performance analysis,access controlI目 录中文摘要I英文摘要II1绪论11.1课题研究背景及意义11.2国内外研究现状21.2.1 随机接入 研究臟21.2.2 随机接入队列模型的研究现状31.2.3 随机接入随机接入过程的研究现状51.3论文的主要内容和组织结构62相关基础理论82.1 非理想感知下次随机接入过程简介82.1.1基于竞争的随机接入过程82.1.2基于非竞争的随机接入过程102.2排队论简介112.2.1排队论基本组成112.2.2排队系统模型分类132.2.4排队系统的性能指标142.3蒙特卡洛方法与SimEvents152.3.1蒙特卡洛方法的基本原理152.3.2蒙特卡洛仿真的SimEvents实现162.4本章小结173 非理想感知下次-随机接入随机接入性能分析193.1 H2H单一业务接入模型193.1.1 H2H业#模型建立193.1.2 H2H业务接入模型仿真203.1.3 H2H业务接入模型性能评估213.2 随机接入单一业务接入模型223.2.1 随机接入业务应用场景223.2.2 随机接入业务特性分析223.2.3 随机接入业务模型建立233.2.4 随机接入业务接入模型仿真253.2.5 随机接入业务接入模型性能评估263.3混合业务接入模型273.3.1混合业务接入模型仿真273.3.2混合业务接入模型性能评估283.4本章小结294基于混合业务模型的随机接入控制优化314.1混合业务接入模型优化方案314.1.1优先级接入314.2.2比例接入324.2混合业务模型的接入控制优化334.2.1优先级接入344.2.2随机接入控制方案设计354.2.3仿真结果及分析36参考文献36III1绪论 1.1课题研究背景及意义随着信息与通信技术的迅猛发展，人类对于信息交流的需求不仅仅局限于人 与人之间（Human To Human,即传统的H2H通信），将各种设备接入网络实现机 器与机器（Machine To Machine, M2M)、机器与人（Machine To Human, M2H)之 间的通信逐渐成为通信网络发展的趋势。物联网正是在这种环境下应运而生的。 物联网（Internet of things, IoT)就是使所有的机器都具备联网、通信能力，将所有 机器都连接到一张通信网中，实现机器间相互通信的智能化，以方便识别与管理1， 其核心理念为网络一切（Network Everything)。物联网市场前景非常广阔，因此受到了各国政府、工业组织以及学术界的一 致重视。国际电信联盟（International Telecommunication Union, ITU)于 2005 年发 布的年度互联网报告主要针对物联网的相关研宄展开，该讯号预示着物联网将会 是下一个时代的科技主旋律2。根据欧盟委员预测，物联网在未来的5-15年中将 在解决现代社会问题方面显示出巨大优势3。世界上很多发达国家（如美国、欧盟、 日本及韩国等）纷纷投入巨资用于物联网的研发应用，一些主流运营商已经开始 提供M2M业务。我国的物联网也处于迅速发展阶段。我国政府对于物联网产业给 予高度关注，积极推动物联网的发展。近几年，物联网相关的研宄在国家自然科 学基金、“863”和“973”等国家重点支持的科研课题中得到了很大支持。作为物联网 主要应用形式的M2M相关产业，已被正式纳入国家的重点扶持项目4。M2M通信是指在没有人为干涉的情况下，机器或者设备间通过网络进行自主 信息交换。M2M通信作为现阶段物联网最普遍的应用形式，逐步深入到人们的生 活，并给人们的日常生活带来了极大便利。其涉及领域很多，应用广泛，包括智 能电网、智能交通、智能家居、城市信息化和安全监测等。支撑M2M的网络不仅 仅有蜂窝网络如GSM、CDMA、TD-SCDMA等，还包括专用无线网络如WLAN、 WPAN等，以及Internet网络等。其中，利用蜂窝网承载M2M业务以进行数据传 输的M2M通信被3GPP定义为机器类通信（Machine type communication，随机接入)。 基于移动蜂窝的M2M机制相比于短程或专用链路的M2M机制在系统部署方面更 为便捷，且该机制为M2M通信提供了各种网络技术基础5。因此，通过蜂窝网络 进行M2M通信的数据传输是一种极具吸引力的方案。当前以3G为主的移动蜂窝 网络具有接入方便、覆盖范围广等优势，是随机接入业务最常用、最便捷的承载网络 6。3GPP 非理想感知下次作为3G长期演进技术，在传输速率、传输时延、系统容量、覆盖 范围以及运营成本方面有着明显的优势，将是未来承载随机接入业务最重要的网络之 71.2国内外研究现状1.2.1 随机接入研究现状机器类通信被3GPP定义为通过蜂窝网络进行数据传输的M2M通信。虽然 随机接入业务存在已久，由于部分随机接入业务与公共通信网络无关，尤其在某些特定 行业里的数据采集与监控系统，早已被用作远距离数据采集和设备控制的通信手 段；而且业务总体规模还未形成一定气候，导致其关注度相对较低。随着物联网 概念的推广，随机接入业务从2009年下半年开始似乎突然间成为了社会的重点关注对 象，形成了产业界的一股新浪潮。不知不觉中，随机接入通信已经广泛应用于多个领 域，典型的有智能电网、无线金融支付、环境感知及资产监控等。在未来的发展 中，随机接入通信将会得到更加广泛的应用，使得既有应用的内涵更加深刻、规模更 加庞大9。随着移动运营商的传统核心业务（包括语音和数据业务）逐渐趋向饱和，以 智能电网等为代表的随机接入业务的强劲增长势头，使电信运营商从中看到了更广阔 的市场前景，促使其将随机接入业务作为未来扩展空间的重要发展方向。世界上著名 的电信运营商均积极推动着随机接入产业的发展。英国的Vodafone与Nokia等开发商 合作，于2002年展开了解决实时财务方面的M2M业务。法国的Orange于2004 年推出了 M2M Connect产品，为欧洲公司提供了无线连接的、安全的中央控制网 关的随机接入业务服务。日本的DoCoMo公司也于2004年底启动了“M2M-X”的商业 服务，设计开发了约300万个终端，用于提供数据传输、应用信息和终端管理等 服务。国内的三大运营商（移动、联通和电信）都在随机接入领域进行了大量的探索和 实践工作，开始进入随机接入市场，推动着随机接入业务发展布局。中国移动为此成立 专门团队，肩负着研制、开发、推广的责任；同时通过与政府、企业以及行业的 深度合作，构建了通道、智能通道、应用和集成服务这三类产品。它的随机接入业务 应用实例有动物溯源、车务通、手机支付、电梯卫士等。其中，车务通业务功能 包括位置查询、车辆监控调度管理及地图操作等基本定位功能，还包括基于特定 行业应用的增值功能1中国联通也在深入研宄随机接入应用的各个环节，积极提升 自身价值，通过开放的管理平台，在一定程度上解决了标准化问题。它已经推出 了两个基于随机接入的行业解决方案：公共交通车管理平台和无线环保检测平台，且 均已投入日常使用中。其研宄范围不再局限于传统业务，还扩展到了引入传感技 术的全新物联网，可检测诸如温度大气污染等各种环境信息，实现机器到机器的 智能对话和事件处理11。中国电信也一直致力于随机接入平台的开发和推广，一些方 案已经在中国电信部分省级公司商用，例如面向环保、烟草行业的随机接入解决方案 等。目前，中国电信提出了将随机接入业务拓展到首批关注的“3+2”领域，即在公用 事业、交通、无线商圈三大成熟应用领域的基础上，同时重点拓展第二梯队行业 应用方案。当前对随机接入技术的研宄工作不断展开，而现有随机接入技术成果相对有限。除 了 3GPP标准对于随机接入服务要求和功能结构进行定义外，更多文献的研宄在于应 用技术、系统结构和通信方案的实现方面。针对具体蜂窝网络中M2M业务的建模 及分析还稍显欠缺，研宄H2H与随机接入同时接入网络时的性能也较为少见。传统 的移动蜂窝网起源于H2H通信，是根据用户的需求不断演进和完善的。相比于H2H 通信，随机接入通信具有传输数据同步性高、终端移动性低、终端密度分布大等特性， 使得现有技术难以完全适应随机接入业务的应用环境。当海量的随机接入业务接入网络 时，将会冲击现有移动蜂窝技术，造成H2H通信质量下降以及系统容量不足等问 题，本文的研宄主要着重于这两点上。1.2.2 随机接入队列模型的研究现状排队论（Queueing theory)作为通信建模以及系统性能评估的传统方法，已广 泛应用于计算机和通信领域中。通信和计算机的快速发展给排队论带来了新的挑 战并促使其不断完善。排队论在统计研宄服务对象到达时间和服务时间的基础上， 得到一系列性能指标的统计规律。为了使服务系统既能满足服务对象的需求，又 能将系统费用或某些指标控制到最优状态，可根据得到的统计规律改进服务系统 的结构或重新组织被服务对象。通过对排队系统的研宄分析，可进行网络设计、 容量规划和性能预测等12。排队论起源于二十世纪初的电话通话。丹麦数学家、电气工程师Erlang于 1909-1920年期间，利用概率论知识对电话通话的话务量进行了大量分析和研宄 后，提出了将呼叫之间的时间间隔设为指数分布（即呼叫到达为泊松过程）的假 设。该假设很好地模拟了电话呼叫特性，在合理规划电话网络方面起到了极大的 作用。W Feller于30年代中期引入生灭过程，至此数学界才承认排队论是一门重 要的学科。其后，Mareel Neuts将标准泊松过程扩展成了通用马尔科夫点过程 (versatile Markovian point process-VMPP) 13-14，是一个更一般化的泊松过程，也 是批量马尔科夫到达过程（BMAP)的起源。在此基础上进一步发展，Blondia于 1989年和1993年提出了离散时间马尔科夫到达过程(D-MAP)15和批量马尔科夫到 达过程（D-BMAP) 16。其描述了到达过程的离散时间，一经提出便广泛用于建 模计算机和通信网络。随后，Ferng等人建立了一个BMAP (D-BMAP)模型以研 宄现代和未来通信网络中的多媒体业务及其概率路由策略，并在此策略下分离业 务模型，从而实现负载均衡以保证网络的整体性能17。Lei Liu等将具有突发性的 业务源建模成MMPP模型，在该分析模型的基础上研宄了突发业务的P-Q机制(优 先级调度-处理器共享）18。随着物联网的不断发展，部分学者开始将排队论应用于M2M通信场景的建模 分析中。通过搜集广泛的材料以及阅读大量的文献后，发现对于随机接入业务的建模 及分析稍显欠缺。国内的主要研宄成果几乎都来源于吉林大学迟学芬所在研宄团 队。迟学芬等选取二态Markov调制的贝努利过程（MMBP-2)作为业务源模型的 2个状态，分别代表H2H业务和M2M业务。用三维离散时间Markov链描述无线 部分队列模型，提出无线链路上的重试排队分析模型，研宄了重试队列不同的参 数设置对无线链路性能的影响19。王雅辉等针对M2M小数据业务的特点，以IPP (Interrupted Poisson Process)过程模拟M2M小数据业务的到达分布，建立了二维 Markov模型以研宄无线局域网中DCF (distributed coordination function)的平均介 质访问延迟，提出大时间尺度退避算法，推导了 MAC层服务时间的概率分布8。 张嘉盛采用IBP (Interrupt Bernoulli Process)建模M2M业务以批量形式到达的过 程，建立并求解了离散时间系统的IBP/Geom/l/K队列模型。该模型与传统的IBP 模型不同，业务每次到达量为一批，而不是一个。通过对数学模型设置不同突发 度，得到了 M2M业务每批到达的数量。根据概率空间的分布求解队列长度的稳态 值，进一步得到系统的吞吐量和丢包率等性能指标，并比较分析了同等队列长度 下单个M2M业务到达时的性能20。上述模型均是对经典Markov队列模型的优化与应用改进，希望以最大程度模 拟M2M终端接入网络的实际情况。其思路是针对M2M业务，结合一定的网络场 景应用排队论建模，得到相应的网络性能指标。这些研宄的前提均是终端到达速 率服从泊松分布，不再适用于随机接入业务的建模与估计21，22。1.3 论文的主要内容和组织结构本文主要研宄了海量随机接入终端接入网络时，其对非理想感知下次网络性能的影响和相关 优化控制策略。在深入研宄随机接入业务特性的基础上，采用3GPP建议的Beta分布 流量模型对随机接入业务建模，仿真分析了仅有随机接入终端接入时的网络性能。然后， 根据H2H以及随机接入业务各自的特性，采用泊松分布和Beta分布建立了混合接入 队列模型。并通过实验分析得到了 H2H和随机接入终端同时接入网络时，两类业务 之间的相互影响。针对随机接入终端的接入可能引起H2H业务接入时延增加的问题， 评估了优先级以及比例接入机制下的系统性能。实验结果表明，优先级和较低比 例的随机接入终端接入可保证H2H业务的通信质量。最后，考虑到网络性能不佳时 节点处可能出现的拥塞问题，引入控制领域的PID控制器选择性允许终端接入网 络以稳定系统中的排队队长，并综合考虑到保障H2H通信质量而对随机接入过程 引入优先级机制。本论文的章节安排如下：第一章：绪论，主要阐述了本文的研宄背景和意义，以及相关的国内外研宄 现状，并介绍了本文主要工作和各章组织结构。第二章：对非理想感知下次随机接入过程和排队论进行了综述，并对本文将要用到的仿 真原理及工具进行了阐述。首先，对非理想感知下次随机接入过程的分类和流程进行了详细 分析。然后，介绍了排队理论，讨论了常用的队列模型，给出了排队系统的性能 评价指标，便于后续模型的建立和分析。最后，详细介绍了本文的仿真理论基础 以及相关仿真工具。第三章：针对不同业务建立了基于排队论的非理想感知下次接入网模型。首先，将H2H 终端入网的场景建模为M/M/1队列模型，利用Markov性进行求解，并通过 MATLAB进行仿真验证了模型的准确性；然后，通过对随机接入的应用场景及业务 特性的深入分析，采用Beta/M/1队列模型对随机接入业务随机接入网建模，通过实 验分析得到了 随机接入接入时的网络性能；最后，建立了 H2H终端和随机接入终端同时 接入网络时的混合队列模型，并分析得到了两类业务之间的相互影响。第四章：针对随机接入终端和H2H终端同时接入网络时，将增加H2H的接入时 延问题，分别采用了优先级以及比例接入机制对随机接入过程进行优化。然后进 一步研宄了混合网络出现拥塞时的情形，提出了利用控制领域的PID控制器根据5系统中的排队队长得到终端拒绝概率以控制终端的接入，结合保证H2H通信的优 先级机制，给出了优化的随机接入控制方案，并通过仿真实验给予验证。第五章：对全文工作进行总结和展望。2相关基础理论为了研宄随机接入终端接入对网络性能的影响，需要对随机接入业务接入网络的场 景建模并对其进行仿真分析。由于排队论忽略了次要因素并对研宄对象抽象化， 一定程度上简化了研宄对象，使其便于用数学语言进行准确描述。这些都为系统 的建模分析提供了便利的条件。本文采用排队论对随机接入终端接入网络进行建模和 分析。当排队过程中考虑一些特殊情况，或排队系统非常复杂时，排队理论的推 导将十分困难。本文引用蒙特卡洛方法解决复杂排队论性能指标的计算问题。本 章就相应的基础理论知识展开详细介绍。2.1 非理想感知下次随机接入过程简介随机接入过程是用户终端和网络终端进行通信的初始接入过程，是保证通信 建立的决定性环节，其直接影响到系统的性能3)。随机接入过程的目的是实现终 端与网络的同步，解决冲突，分配RNTI (Radio Network Temporary Identity)和上 行通信资源。依据各方案实现过程中的差别，随机接入过程可分为基于竞争模式 的随机接入及基于非竞争模式的随机接入。两者的本质区别在于网络在终端随机 接入前，是否给它们分配了专用随机接入资源31。2.1.1 基于竞争的随机接入过程基于竞争模式的随机接入是所有的终端可随机选择接入前导码，即每个前导 被选中的可能性相同，并在任何时间都可接入。因此，可能导致多个终端同时传 输同一个前导序列，这样就会发生冲突，使得此次随机接入失败。基于竞争的随 机接入过程有解决冲突的能力. 基于竞争的随机接入过程分为四个步骤：随机接入资源的选择和前导码的发送：前导的范围是以广播方式告诉终端的，终端根据上行链路发送的消息尺寸或 被请求的资源块，从RRC (Radio Resource control)配置的两组随机接入前导中选择一组，再随机从选中的组中选择一个随机接入前导。终端通过上行随机接入信 道传输随机接入传导码。前导码中携带6bits的信息，其中包括5bits的随机ID以 及1bit资源块请求信息。随机接入响应：当基站检测到随机接入信道中的前导码之后，即可执行本步骤。基站在 DL-SCH (Downlink Shared Channel)信道上传输由MAC层发起的随机接入响应， 不能使用HARQ方式传输。其传输的内容包含随机接入前导标示、定时调整信息、 上行链路授权、临时 C-RNTI (Cell-Radio Network Temporary Identity)以及退避标识（可选）。若终端成功接收到随机接入前导标识与发送的随机接入响应的前导相匹配， 则停止对随机接入响应的监视。该响应信息的接收是通过窗口方式进行的，与第1 步是准同步的。在物理下行控制信道上通过随机接入ID寻址，即RA-RNTI(Random Access-Radio Network Temporary Identity)。调度传输：终端在确认接收到的前一步骤中的前导码识别结果与自己的相吻合后，则可13执行本步骤。终端在UL-SCH (Uplink Shared Channel)上开始第一次调度传输，可使用HARQ方式传输。传输块的大小由步骤2接收到的上行准许信息决定，至 少为80bits。在初始接入的情况下，调度信息还应包括：通过公共控制信道传输的 RRC连接请求信息，非接入层的终端识别信息；在无线链路断开的情况下，调度 信息还应包括：通过公共控制信道传输的RRC重新建立连接请求信息，但不包含 任何非接入层的信息；在切换成功后，调度信息还应包括：通过专用控制信道传 输的RRC切换配置信息，由切换命令分配的C-RNTI信息；其他情况下，至少要 包含传输终端的C-RNTI信息。冲突解决：基站通过本步骤检测终端是否发生碰撞，在DL-SCH信道上传输竞争解决信 息，可用HARQ方式传输。传输的信息中包含竞争成功的终端ID，与前一步骤非 同步。在初始接入和无线链路失败时，使用在物理下行控制信道上的临时C-RNTI 作为地址以进行寻址；在RRC连接状态下，使用物理下行控制信道上的C-RNTI 作为地址以进行寻址。2.1.2 基于非竞争的随机接入过程非竞争模式随机接入是将专用前导序列分配给终端，并在特定时间内接入， 避免竞争的发生。该随机接入机制可增加恢复业务的平均速度，使恢复业务快速 接入网络。基于非竞争随机接入过程分为以下三个步骤：随机接入前导码分配。基站通过下行链路的特定信令给终端分配一个非竞争随机接入的前导码。该 前导码为专用前导码，与在广播信道中广播的前导码集合不同。随机接入前导分 配信令可能包含在基站发送的用于切换的切换命令中，或收到下行数据的物理层 信令中。随机接入前导码发送：终端在上行的随机接入信道中传输基站分配给它的非竞争随机接入前导码。随机接入响应：当基站检测到随机接入信道的前导码后，则可执行本步骤。基站在DL-SCH 信道上传输随机接入响应，不能使用HARQ传输。其传输的内容包含：用于切换 的定时调整信息和初始上行准许、用于下行数据到达的定时调整信息和随机接入 前导码的识别结果。该响应信息的接收是通过窗口方式接收的，与步骤2是半同 步的。通过对随机接入过程的详细分析，综合考虑海量随机接入终端的特性，可以得到 其只能采用基于竞争的随机接入方式。本文主要研宄的是基于竞争的随机接入随机接 入过程。为了对随机接入过程进行性能评估以及对其进行相应的优化，可以对随 机接入网络建模，拟合H2H和随机接入终端同时接入移动蜂窝网络的场景。根据H2H 和随机接入业务的特性选择合适的流量模型，构建排队系统，有助于研宄非理想感知下次网络性 能以及相应的优化控制措施。2.2 排队论简介排队论也称为随机服务系统理论，起源于20世纪初，是运筹学的一个重要的 分支。其主要研宄由于一些随机因素的影响（如顾客的到达和离开及服务器的工 作和休假等）而引起队伍的积累和消散问题。随着对国内外学者对其不断深入研 宄，排队论逐渐被数学界承认为一门重要学科并得到了广泛的应用，在迅猛发展 的通信和计算机技术的不断推动下逐步完善和进步。人们发现其不仅可应用于通 信网络、电子计算机，还可用于生产服务、交通运输和管理运筹等各项资源共享 的随机服系统中。将排队理论的相应研宄成果应用到实际场景中，可以指导各种 策略的设计。2.2.1 排队论基本组成排队是我们日常生活和工作中常见的现象，例如景区售票窗口外经常有排队 买票的人群，人们在地铁站有序排队候车，排队现象产生的根本原因是顾客需求 的随机性与服务设施的有限性。排队系统将现实世界中众多具有不确定因素的服 务系统抽象为一般模型，主要由要求得到服务的顾客以及设法提供服务的服务员 (或者服务台）构成。一个典型的排队系统主要包括输入过程、排队规则和服务 过程三个部分. 从顾客源出发的每个顾客，随机来到服务机构并按照一定 的排队规则等候服务，直至该顾客接受基于一定规则的服务后离开排队系统。下 面从这三个组成部分别进行说明：输入过程：描述顾客来源及顾客是按什么规律抵达排队系统。顾客的来源可能是有限的，也可能是无限的；顾客的到达可能是批量发生的， 也可能是单个发生的；顾客相继到达的间隔时间可能像定期运行的班车是确定型 的，也可能像进入超市购物的顾客是随机型的。对于随机型的情况，必须了解顾 客相继到达的间隔时间的概率分布及相关参数，或单位时间内的顾客到达数量。 排队论研宄的输入过程主要是基于随机型的。排队规则：说明顾客是否愿意排队，服务台是否允许排队以及允许排队时 的服务规则与次序。根据排队过程的不同可分为等待制、损失制和混合制三种：1)等待制：当顾 客到达系统时，如果所有服务机构都被占用，顾客选择在系统中排队等待接受服 务。在该系统中，服务规则可分为：先到先服务，后到先服务，随机服务，有优 先权的服务。2)损失制：当顾客到达系统时，如果所有服务机构都被占用，顾客 选择立即离开系统。3)混合制：当顾客到达系统时，如果系统存在空余资源，顾 客就排队等待，否则顾客就离去。混合制结合了两种排队系统的特点，针对系统 优化的特殊问题设计。服务机构：主要是描述服务台数目（多个服务台是串联或并联形式），服 务时间分布，服务方式（单个服务还是成批服务）。2.2.2 排队系统模型分类如果根据排队系统上述三个组成部分的特征的各种可能情形来分类，则排队 系统可分成无穷多种类型。为了方便对众多模型的描述，D. G. Kendall在1953年 提出了一种依据输入过程顾客相继到达时间间隔的概率分布、服务台对单个顾客 的服务时间分布和服务台个数等特征，对队列模型分类表示的方法。该表示方法 称为Kendall记号，它普遍适用于连续时间排队系统和离散时间排队系统，用字母 符号表示为：X/Y/Z/A其中：X表示顾客到达时间间隔分布；Y表示服务时间间隔分布；Z表示服务 台数目；A表示截止队长或系统容量（即可容纳的最多顾客数)，省略表示为非拒 绝系统。由此可见，这种分类方法是以排队系统中的主要特征为依据进行分类的。在排队系统中，事件流包括顾客到达流和服务时间流。由于顾客到达的时间 间隔和服务时间不可能为负，因此其是非负随机变量的分布。排队系统常用的分 布表示符号有M，D，Ek，G，GI。其中，M表示负指数分布，其所描述的随机现 象对于过去的事件具有无记忆性（或马尔科夫性Markov); D为定长分布，表征事 件以不变的方式发生；Ek为k阶爱尔朗（Erlang)分布；G为一般随机分布；GI 为一般独立分布。如M/M/2表示顾客到达时间间隔服从负指数分布，服务时间也 服从负指数分布的双服务台排队系统模型。其中，经典Markov队列模型，由于其简单性和无后效性，被长期用于随机业 务建模，其顾客到达过程（Arrival Process)称为泊松过程。满足一下三个条件的随机过程Z = x(t),t 0，叫做泊松过程：小(0)= 0 = 1;不相交区间上的增量相互独立，即对任意oq 0是常数，表示顾客平均到达速率。此种Z服从参数为A的泊松分 布，其均值和方差都为A。若顾客到达过程为泊松过程，则顾客的到达时间间隔服从负指数分布，也就 是说顾客到达过程是参数为A的泊松过程，则顾客的到达时间间隔分布是参数为A 的指数分布（均值为1/2)。同样，当服务过程为泊松过程时，若平均服务速率为#， 则平均服务时间为1/#。由于与泊松过程的内在联系，负指数分布也是队列模型中 的常用分布之一32。负指数分布的概率密度为：f (t) = f 1 - 0(2.2)w 0 t 0其中，A是常数，表示顾客平均到达速率，相应的概率分布函数为：F(t) = !-eMt t (2.3)W 0 t 0负指数分布概率密度是在0,+叫区间内的连续概率分布，其形状由参数A决 定。当A的值减少时，曲线呈现向左移的趋势，与负指数分布概率密度的物理意 义相符合。如图2.4所示，参数A为1，随着时间的不断增大，其概率密度基本趋 近于0。负指数分布的重要特性是无记忆性（或Markov性)，它是连续分布函数中 具有该特性的唯一分布。t图2.4 A=1时负指数分布的概率密度 Fig 2.4 Probability density of negative exponential distribution with A =1若t表示排队系统中某顾客的到达时间间隔，则不管该顾客成功接受服务与 否，其余顾客的到达时间间隔仍然服从原参数的负指数分布，且与已到达的顾客 时间间隔无关。若服务台的服务速率为负指数分布，无记忆性说明：不论该服务 台的服务了多少实体，后继服务速率的概率分布与原分布相同。2.2.4 排队系统的性能指标研宄排队系统问题的主要目的是得到其运行效率，考核服务质量便于以此为 依据提出改进措施。例如对于排队系统来说，顾客总希望等待时间或逗留时间越 短越好，从而希望服务台个数尽可能多些。但是，就服务机构而言，增加服务台 数，提高服务速率，这就意味着增加投资，增加多了会造成浪费，增加少了要引 起顾客的抱怨甚至失去顾客。由此可见，对于服务双方来说，为了照顾自己的利 益，他们对于排队系统中的4个指标：队长、等待时间、服务台的忙期（简称忙 期）、输出过程都很关心。因此，这4个指标也就成了排队论的主要研宄内容：队长和等待队长队长和排队队长是描述一个排队系统性能的主要指标。队长指的是一个排队 系统中总的顾客数（包括等待接受服务的顾客以及正在接受服务的顾客)，而等待 队长仅指顾客在系统中排队等候服务的数量。它们都是随机变量，也是服务双方 都非常关注的性能指标。顾客在系统中的等待时间和逗留时间顾客等待时间是从顾客进入排队系统中开始直到顾客开始接受服务为止的这 段时间，即表明了顾客需要在排队系统等多久才能接受服务。而逗留时间与等待 时间不同，是从顾客开始进入系统直到顾客接受完服务离开排队系统的时间，即 逗留时间是顾客在排队系统中的等待时间与服务时间之和。如果一个排队系统的 到达和服务过程是彼此独立的，那么等待时间和服务时间也是相互独立的。这两 个指标是顾客最为关心的。排队系统的忙期与闲期系统忙期指的是从顾客到达空闲的排队系统就立刻接受服务开始，直到系统 再次变为空闲的这段时间。它表征了该排队系统的工作强度，忙期越长则工作强 度越大，否则相反。与之相对的系统闲期则是其保持空闲时间的长短。在排队系 统中，统计平衡下忙期与闲期交替出现的。对于服务机构来说，这两个性能指标 十分重要。排队系统的输出过程输出过程是指得到服务后的顾客相继离开系统的过程，也称之为排队系统的 离去过程。主要用顾客相继离去的间隔时间和已知时间内离开排队系统的顾客数 作为描述其性能的指标。通过对输出过程的分析，可为考核排队系统的工作效率提供一定参考。2.3.1蒙特卡洛方法的基本原理蒙特卡洛（Monte Carlo)方法，又称为统计实验法，是一种以概率论和数理 统计为指导的模拟方法，属于计算数学的一个分支33。蒙特卡洛方法有别于一般 的数值计算方法，它利用一系列随机数模拟实际场景中的随机现象，进一步计算 得到有用的参量。蒙特卡洛方法的优势在于：模拟过程与极限状态方程的具体形 式和变量的分布形式均无关，收敛速度与随机变量的维数无关，模拟误差可确定。 而当精度要求较高时，其主要缺点就体现在需要非常大的模拟数量35。随着计算 机技术的迅速发展，蒙特卡洛方法得以快速普及，并广泛应用于各个领域36，其 基本步骤如下：通过统计资料进行分析和处理，对于不具备随机性的问题，需事先构造一 个人为概率过程并将有用的参量作为所求问题的解，即要把该问题转化为具有随 机性的问题。对于本身就具有随机性的问题，只需正确描述和模拟该概率过程即可。在概率模型构造完成后，按照这个概率分布抽取随机变量（或随机向量）。 一般可通过直接调用软件包或抽取均匀分布的随机数，实现从已知概率分布抽样。实现模拟实验后，需要确定一个随机变量，作为所要求问题的解。通过建 立各种估计量，考察和记录模拟实验的结果以分析系统变化的规律。由于排队论理论推导的难度太大，如在排队过程中考虑一些特殊情况，或排 队系统非常复杂时，排队理论就无法解决这种情况，从而导致其应用存在很大的 局限性。且实际的排队系统并不能简化为简单的M/M/1和M/M/C系统，引用蒙特 卡洛方法可很好的解决排队论性能指标计算问题。2.3.2蒙特卡洛仿真的SimEvents实现SimEvents是Mathworks公司对MATLAB进行扩展的离散时间仿真模块，它 是一个利用队列和服务台来建模并进行离散时间系统仿真的工具37。SimEvents与 Simulink可模拟包含连续时间、离散时间和离散时间成分的混杂动态系统。在通信、 电子系统、传感器网络及其他分布式控制领域等都有典型的应用实例38。通过 SimEvents与Simulink相结合进行混杂系统仿真，将Simulink中基于时间的模型的 数据绑定到SimEvents所建模型的实体上，利用实体的离开时间促进信号更新，从 而影响基于时间的动态系统特性，达到仿真混杂系统的目的。这种方法不仅贴近 实际情况，不依赖于编程技术将网络仿真中的延时等信息重新处理后再引入到动 态系统，而且仿真使用更方便，不用繁琐的接口技术，而且MATLAB强大的数学 统计功能也更有利于结果分析39。因此，本文采用MATLAB/SimEvents作为实验 分析工具。非理想感知下次网络接入过程分为终端到达、排队等候、接受服务、完成离去4步。该过 程可以用排队论来描述，其排队系统模型具有以下特点：输入过程：终端到达基站的时间间隔是随机的；排队及服务规则：先到先服务；服务时间分布：基站对每个终端的服务时间间隔为随机变量。根据排队系统模型的特点，采用蒙特卡洛模拟法对排队系统进行模拟并计算 相关参数。根据前述蒙特卡洛方法实现的基本步骤，运用MATLAB/SimEvents的 相关模块实现，具体的设计流程如下：确定流量模型：通过广泛查阅资料，确定非理想感知下次网络接入过程中，现有的手机终端仍采用以泊 松过程接入网络的方式，随机接入终端采用3GPP TR 37.868建议的Beta分布以模拟同 步接入网络的方式。基站采用服务的时间间隔服从负指数分布的形式。构建仿真模型：使用 SimEvents 中的 Constant (常数）、Arrival Rate Gain (到达速率增益）、 Exponential Random Number Generator (随机指数发生器）三个子模块来模拟输入 的泊松分布。通过调整Constant模块中的常数值，可得到所需的业务到达速率。 Exponential Random Number Generator根据输入速率，输出服从指数分布的随机数。由前述可知，服务台的服务时间间隔服从负指数分布，所以基站也可以用上述3 个子模块来模拟。设置随机数进行仿真：随机分布模块（如随机指数发生器）都提供了一个Initial Seed的参数，不同 的参数值会产生与之对应的随机数据流。当Initial Seed参数的值设为定值时，随 机行为在下次运行仿真中呈现出重复性，即两次仿真的随机数据流没有发生变化。 若改变Seed的参数值，随机数据流就会发生相应的变化。得到仿真结果：根据仿真情况，可以得到排队系统的网络性能指标。以FIFO Queue模块为例， 将Statistics选项卡的Average wait的下拉选项选成On，仿真结束后即可观察系统 中的平均等待时间。SimEvents含有具备多种功能的模块库，例如：队列，服务台和交换机等。队 列模块又包括FIFO Queue (先进先出）、LIFO Queue(后进先出)、Priority Queue (具有优先级）三种队列子模块，能够较为简便的实现排队系统架构中各部分的功能。 通过自定义的操作，例如增加路由，延时和优先级等模块，可以更精确的设计出 各种系统架构以分析其性能。3 非理想感知下次-随机接入随机接入性能分析随机接入通信应用范围十分广泛，遍布生活和生产的各个方面，市场潜力巨大。 根据市场需求应运而生的UMTS长期演进技术3GPP 非理想感知下次，具有传输速率高、时延 低、覆盖范围广等优势，势必会成为未来M2M业务最重要的承载网络之一。为评 估随机接入业务对现有网络性能的影响，本章采用3GPP建议的Beta分布建立了 随机接入 业务流量模型，并对其进行理论分析。为了进一步直观的了解随机接入的入网性能， 则需要通过计算机建立非理想感知下次接入网的模型以仿真得到可靠结果。本文中随机接入业务到达时间间隔服从Beta分布，Beta分布的复杂性将极大增 加该分布下排队系统的理论推导难度。若到达时间间隔服从负指数分布的H2H业 务同时存在于该排队系统中，混合排队系统的理论推导难度更会呈指数上升，甚 至无法给出有效解。因此，本文引用蒙特卡洛方法解决混合队列模型性能指标的 计算问题。为了降低计算机建模的复杂性，同时保证仿真的可靠度和真实性，选 择MATLAB/SimEvents作为系统建模和分析的工具。上一章已经详细介绍了根据 蒙特卡洛解题思路，采用MATLAB/SimEvents相关模块构建队列模型的步骤。本 章主要针对各种场景建立了相应的队列模型，并通过实验仿真分析了各个模型的 性能。3.1 H2H单一业务接入模型传统H2H业务天生具有稳定性，即“有限的变化性”。这里“有限的变化性”指 的是我们能够以“平均”、“典型”等概念来描述很长一段时间内的系统性能，而平稳 性和无记忆性是泊松过程的典型特征。因此，用比较简单的泊松过程的数学模型 来描述这种有限的变化性具有一定的理论基础。在以泊松性质到达的H2H业务下， H2H业务系统中诸如平均等待时延、平均拒绝概率等参数的理论值很容易通过计 算得到。这些理论值与实测值相差甚微，也就是说该模型能够很好的模拟实际场 景40。3.1.1 H2H业务模型建立对于传统的