- 1 -
HSDPA 系统混合业务调度算法研究
李雯*
（北京邮电大学信息与通信工程学院 ITTC 实验室，北京 100876）
摘要：论文围绕 HSDPA 系统调度算法而展开。首先介绍了 HSDPA系统中常见的调度算法和仿5
真中涉及到的 VoIP 以及 Email 业务模型。然后详细分析了针对 VoIP 业务进行改进的 PF 算
法，该算法添加了速率分层因子，对速率较高的用户提高其被调度的机会，从而实现系统总
体吞吐量的提高。最后针对混合业务，采用经典的 PF算法和改进的 PF 算法进行仿真，并就
仿真结果与 Max C/I 和 RR 算法进行吞吐量和公平性的比对分析。
关键词：HSDPA；分组调度；PF算法；速率分级 10
Research of Scheduling Algorithms for Mixed Traffic
Services over HSDPA System
LI Wen
(School of Information and Communication, Beijing University of Post and Telecommunications, 15
Beijing 100876)
Abstract: This paper focus on scheduling algorithm over HSDPA system. For the VoIP traffic
service, traditional Proportional Fairness algorithm neglected the influence caused by smooth
parameter when the long-term average rate has been updated. In this case, scheduled probability of
high rate user has been decreased even the system throughput. We propose in this paper an 20
approach called modified PF algorithm to resolve the shortcoming. This algorithm added an rate
graded parameter, separated user rate into several levels and used different rules to update the
long-term average rate. The simulation results show that higher system throughput has been
achieved compared with traditional PF scheduling.
Keywords: HSDPA; Packet Scheduling; PF Algorithm; Rate Graded 25
0 引言
高速下行分组接入(HSDPA，High Speed Downlink Packet Access)技术在 R5 引入到
WCDMA空中接口，是针对高速下行数据业务的重要技术突破。
考虑到下行功率以及码资源利用的问题，HSDPA技术作为解决高速下行分组数据业务30
的一项重大技术革新应运而生。R5引入 HSDPA技术后，WCDMA空中接口也相应做了改
进。主要表现在以下几方面：
a． 引入新信道来承载高速下行分组数据业务。
b． 引入 16-QAM和 64-QAM高阶调制方式，使得空中接口的最高传输速率成倍提升。
c． 采用 CDMA以及 TDMA技术，结合快速调度，更有效的传递数据业务。 35
d． 采用自适应编码调制(AMC，Adaptive Modulation and Coding)技术，能够根据无线
环境的特点，灵活调整信号的编码和调制方式。
e． 不采用软切换，用户只从服务小区接收数据，提高了系统资源的利用率。
HSDPA技术针对高速分组数据业务的特点做了优化设计，与 R99相比，不但使用户得
到更好的数据业务体验，同时还提高了系统在分组数据业务上的吞吐量。 40
高速分组数据业务有以下一些显著的特点：
a． 单个用户的数据传输是突发的；
- 2 -
b． 主要是下行数据的传输；
c． 数据的传输速率变化很大。
这些特点与数据用户的使用模式有关。由于高速分组数据业务以下行数据为主，因此45
HSDPA技术的设计思路以提高基站的下行分组数据吞吐量为第一要务。主要采用的技术包
括：高效的调制方式、高效快速的调度方式、自适应调制编码、Hybrid HARQ、动态功率共
享和扩频码共享。
HSDPA系统取消了高速分组数据业务的功率控制，让基站以最大功率进行发射。对于
数据业务来说，由于数据业务对延时不敏感，因此较好的方案是为用户分配一段业务速率很50
高和传输时间很短的无线信道。为了保证能提供给用户最高的业务速率，终端根据测得基站
的 C/I值向基站请求最佳的数据速率。基站根据终端的请求，利用调度算法决定不同用户获
得的服务。
HSDPA系统将分组数据业务的调度改在基站处执行，减少了处理延时，加快了调度的
进行。为了实现快速调度，HSDPA系统采用了更短的传输时间间隔(TTI)，将 TTI缩短到了55
2ms。采用更短的 TTI有利于无线网络根据无线环境的变化快速调整参数，也能提高数据业
务的性能，缩短往返延时(RTT，Round-trip Time)，改进终端用户的使用感受。
本文就 HSDPA系统常用的调度算法展开，第一部分简要介绍 HSDPA系统；第二部分
介绍 HSDPA系统常用的调度算方法，包括Max C/I算法、Round Robin (RR)算法、PF算法
以及针对 VoIP业务改进的 PF算法；第三部分介绍仿真涉及到的业务模型：VoIP业务模型60
和 Email业务模型；第四部分结合仿真结果进行分析；第五部分对本文进行的工作进行简要
的总结。
1 传统的 HSDPA调度算法
调度过程的核心部分是实现用户的优先级排序，放到调度队列中。进行各个用户排序时
需要考虑以下一些因素： 65
a. CQI；
b. 发送等待时间；
c. 平均速率；
d. 重传次数。
不同的调度算法只是以上因素的权重不同，例如 RR 算法中发送等待时间因素权重最70
高；而 PF算法中 CQI因素最高。目前基站主要使用如下几种调度算法：
RR算法
Round Robin(轮询)算法[1]，又称平均时间算法。假设所有用户具有相同的优先级，保证
相等的机会为系统中的所有用户循环轮流分配传输资源。每个用户按照顺序被调度，得到相
同的平均服务时间；但由于每个用户所处的无线环境不同，实现的传输速率并不一致。RR75
算法虽然保证了用户间最佳的公平性，但却是以损失系统总体吞吐量为代价。在本文的仿真
中，用 RR算法的结果作为用户公平性的上界。
Max C/I算法
Max C/I 算法[1]，也即最大导频强度(C/I)算法，使具有最高 C/I 值的用户得到服务，就
是在选择传输用户时，只选择 C/I 值最大的用户(信道条件最好)进行传输，等信道条件变差80
- 3 -
中国科技论文在线
时，再让其它信道条件变好的用户传输。Max C/I算法的优先级选择机制如式 1所示：
1
arg max ii Nj r≤ ≤= 式 1
其中 j表示在下一个 TTI 将被调度的用户索引，N 表示被调度的用户个数， ir表示用
户 i在当前信道条件下的瞬时速率。Max C/I 算法利用了“多用户分集效应”来实现系统容
量最大化。在此算法下，距离 Node B近的 UE由于信道质量好会频繁得到服务，而远离 Node 85
B的 UE由于 C/I较小，传输机会大大减少，甚至得不到传输的机会。这种调度算法的系统
容量可以作为其它调度算法的上界和公平性的下界。这是一种极端的分配方式，可得到理想
的最大吞吐量。
PF算法
PF算法，也即比例公平算法[1]，是 HSDPA系统通常采用的一种基本调度算法。基站根90
据每个激活用户反馈的信道质量指示(CQI，Channel Quality Indicator)信息评估用户的信道质
量。基站给信道质量相对最好的用户分配资源，忽略瞬时的无线环境变化。PF 算法可以近
似看作一种多用户的平均时间算法，每个用户得到服务的几率是相等的，系统总是在当前无
线环境最好的情况下提供服务。PF 算法在尽可能增大系统吞吐量的同时，又保证了用户服
务的公平性。算法的优先级判决如式 2所示[2]： 95
1
arg max i
i N i
rj
R≤ ≤
= 式 2
其中 iR 表示用户被有效接收的长期平均速率。 iR 的更新按照式 3的规则进行：
(1 )
(1 )
j j j
i i
R R r
R R if i j
α α
α
= − +⎧⎨ = − ≠⎩
式 3
其中α 是一个平滑因子，取值为0 1α< < 。
PF算法可以同时提高单个 UE的吞吐量和整个小区的吞吐量。但是当 HSDPA的连接数100
目很少或仅在单个小区中有 HSDPA连接时，PF的性能与 RR的性能是类似的。PF算法分
配资源给经历“短期信道质量与平均信道条件之比”最优的 UE。这样避免了 UE在经历深
度衰落时被调度。当用户采用相对较低的速率时，PF算法性能较好。当移动台速率为 3km/h
时，采用 PF算法能提升 30%-50%的吞吐量；当移动台速度为 30km/h时，PF算法对吞吐量
的提升仅能达到 5%左右[3]。 105
2 改进的 PF算法
根据上述分析，传统的 PF算法能较好地兼顾公平性和系统吞吐量。但对于 VoIP业务，
其编码后输出的速率有较大差别，若采用通常的 PF算法，会使得高速率的用户被调度机会
多于低速率用户，其长期平均速率在经平滑因子α 处理后，增长较快，从而在进行优先级
排序和调度时，高速率用户的调度优先级降低；相应的，低速率用户被调度的概率就会增加。110
由仿真结果图 1和图 2所示，当系统资源不足，用户均无法满足目标速率时，平滑因子的取
值对目标速率较高的用户影响较大。高速率用户被调度的概率高，因此采用
(1 )j j jR R rα α= − + 进行长期平均速率更新的机会较多，平滑因子取值越大，用户的公平
性越好，但相应的系统总吞吐量越低。当系统资源仅为用户所需资源的 70%时，平滑因子
- 4 -
中国科技论文在线
对编码后输出码率大于 的用户影响较大。 115
1 2 3 4 5 6 7 8 9 10
0
1
2
3
4
5
6
7
8
9
用 户
用
户
达
到
的
平
均
速
率
（
kb
ps
）
alfa=
alfa=
alfa=
alfa=
alfa=
系统可用资源为用户所需资源的 70%
图 1 平滑因子对用户平均速率的影响(系统可用资源为用户所需资源的 70%)
当系统资源仅为用户所需资源的 50%时，平滑因子对编码后输出码率影响的分界线大
致在 。 120
1 2 3 4 5 6 7 8 9 10
0
1
2
3
4
5
6
7
用 户
用
户
达
到
的
平
均
速
率
（
kb
ps
）
alfa=
alfa=0,3
alfa=
alfa=
alfa=
系统可用资源为用户所需速率的 50%
图 2平滑因子对用户平均速率的影响(系统可用资源为用户所需资源的 50%)
由于 VoIP用户对实时性要求较高，按照“尽量满足”的思想，应当在兼顾公平性的同
时，尽可能提高系统的吞吐量。因此针对平滑因子的取值对高速率用户的影响，论文提出一125
种改进的 PF方案。方案中采用对用户速率进行分区间处理的思想，对于上一个 TTI被调度
用户，若当前 TTI的输出码率较低，则采用 1 2(1 ) ( )j j iR R f rα α−= − + 对用户的长期平均速
率进行更新，并计算优先级排序时的参考量；若当前 TTI 的输出码率较高，则采用
1 1(1 ) ( )j j iR R f rα α−= − + 进行平滑处理，如式 4所示。
1
1 1
1 2
(1 )
(1 ) ( )
(1 ) ( )
j i
j i i i
j i i i
R R if i j
R R f r if i j r
R R f r if i j r
α
α α η
α α η
−
−
−
⎧ = − ≠⎪ = − + = ≥⎨⎪ = − + = <⎩
且
且
式 4 130
- 5 -
中国科技论文在线
其中 1 2( ) ( )f fα α< 。采用这种对速率分层进行长期速率更新的好处是：由于优先级排
序的参量是当前 TTI的瞬时速率和长期平均速率的比值，因此对于高速率用户，由于被调度
的机会较多，从而使得长期平均速率增长远快于低速率用户；若采用不同的平滑因子进行加
权，则可以在基本不损失公平性的同时，降低高速率用户长期平均速率的增长速度，在减小
了分母后，相应的用户调度优先级参考量将得以增加，从而实现高速率用户被调度机会的增135
加，进而增加了系统的吞吐量。
采用分层思想进行长期平均速率更新的实现方法很多，本文中将以式 5 所示的方案为
例，根据前期的仿真结果，选定一个合适的用户瞬时速率门限值η，对于 ir η≥ 的情况，采
用 21(1 )j j iR R rα α−= − + 对用户的长期平均速率进行更新；对于 ir η< 的情况，采用
1(1 )j jR R rα α−= − + 进行更新。 140
1
2
1
1
(1 )
(1 )
(1 )
j i
j i i i
j i i i
R R if i j
R R r if i j r
R R r if i j r
α
α α η
α α η
−
−
−
⎧ = − ≠⎪ = − + = ≥⎨⎪ = − + = <⎩
且
且
式 5
相较于传统的 PF算法，添加速率分层因子η后，对于 ir较大的情况，用户的平均速率 iR
上升较慢，在计算用户瞬时速率与平均速率之比时，其值下降幅度要小于传统的 PF算法。
假定业务优先级的排序原则不变，用户在进行优先级排序时，高速率用户能获得更高的优先
级，被调度的可能性提高。但是在增加速率分层因子η后，低速用户被调度的可能将相应降145
低，在增加了系统吞吐量的同时会造成用户公平性的损失。
3 业务模型及仿真结果分析
本文针对混合业务中的调度算法进行仿真。采用单小区多用户模型，小区半径为 1km，
基站位于小区的中心。系统中仅传送两种类型业务：VoIP 业务 Email 业务。根据 3GPP 对
业务的划分，这两种业务分别属于会话类业务和背景类业务。两者的 QoS要求有很大差异，150
因此在仿真中设定 VoIP 业务的优先级高于 Email 业务，即当有 VoIP 业务请求时，优先满
足其需求；在系统资源有余量的情况下，才考虑 Email业务。
VoIP业务模型
VoIP 是通过对语音信号进行压缩与编码，然后将其转换为 IP 数据包在基于 IP 的网络
中传输来实现语音通信。通常包含两种状态：静默状态和激活状态。在激活期内语音编码器155
每隔 20ms产生一个语音帧，而在静默期内为了保证语音的听觉感受，需要每隔 160ms产生
一个类似于背景噪声的数据包(SID) [4]。静默期和激活期的状态转移服从典型的马尔科夫过
程，如图 3所示。其中，从静默期转换到静默期的转移概率为 b，从静默期转换至激活器的
概率为 c(1-b)，从激活器状态仍停留在激活器状态的概率为 d，而从激活状态转移至静默期
状态的概率为 a(1-d)。通常典型的参数为 a = c = ，b = d = [4]，其含义为在相同状态160
之间的转移概率为 99%，而在不同状态之间的转移概率为 1%。VoIP这种有规律的统计特性
使得网络可以通过将不同特性的 VoIP也进行统计复用，可以获得最大程度的统计复用增益，
从而可以使得网络的容量最大化。
- 6 -
中国科技论文在线
图 3 VoIP业务静默期和激活期的状态转移图 165
VoIP业务采用服从指数分布的 ON/OFF模型，其中 ON状态的时间均值为 600ms，OFF
状态的时间均值为 200ms。在开通状态，每 20ms产生一个VoIP业务请求，速率可为 、
kbps、 kbps、 kbps、 kbps、 kbps或者 kbps。
Email业务模型 170
Email业务行为分为两种情形：用户发起 Email业务和网络发起的 Email业务。其业务
模型包括两个参数：Email的到达时间间隔和 Email的长度。Email的到达采用 Poisson过程
建模，并假定平均到达时间间隔为 104 s。Email的大小采用 FUNET模型[5]，即用 α=，β=1
的 Cauchy分布拟合[6]，其概率密度如式 6所示：
( )( )22( )f x xβπ β α= ∗ + − 式 6 175
Cauchy 分布在 Email 长度较长时能够比较好的拟合实测分布，但在 Email 长度较短时
与实际情况有一定差异。因此，将 Email 的最小长度和最大长度分别限制在 100byte 到
100kbyte的范围内[7][8]。
仿真结果分析
本文结合 VoIP和 Email两种业务模型进行仿真分析。其中 VoIP业务用户数目为 10，180
Email业务用户数目为 5。分别采用Max C/I、RR、PF、和改进的 PF算法，从调度公平性和
系统吞吐量两方面分析说明改进 PF算法的优势。
如图 4所示，以 RR算法为用户调度的基准，改进 PF算法得到的调度概率曲线平滑程
度和 RR算法基本一致，其波动程度略大于传统 PF算法。几个波动较大的点主要出现在目
标速率高于速率分级门限的用户上。经过速率分级处理，大于门限的用户在每个 TTI被调度185
的机会均会大于传统的 PF算法，以提高系统的吞吐量，因此呈现图 4的曲线变化情况。
- 7 -
中国科技论文在线
1 2 3 4 5 6 7 8 9 10
1
用 户
用
户
被
调
度
的
概
率
（
%
）
RR
PF
Modified PF
图 4 Modified PF算法公平性比较示意图
在系统资源充足的情况下，改进 PF 算法能完全满足单个用户目标吞吐量，如图5 中上190
图所示。图 5中下图所示为在系统资源不足的情况下，改进 PF算法的吞吐量和用户公平性，
此时系统资源仅为所需资源的 70%。对照图 5中上下两图可以看出，改进 PF算法在用户公
平性上逊于 RR算法，虽然各个用户的吞吐量均高于 RR算法，但相较于低速率用户，高速
率用户的吞吐量优于 RR算法较多。在吞吐量方面，针对目标速率较低的用户，改进 PF算
法仍是通过长期平均速率统计提高低速率用户或信道质量较差的用户被调度的机会，使得低195
速率用户实现的平均吞吐量高于Max C/I算法，相应的也降低了高速率用户实现的平均吞吐
量。从系统的角度看，改进 PF算法的吞吐量仍然低于Max C/I算法。
1 2 3 4 5 6 7 8 9 10
0
5
10
15
用 户
1 2 3 4 5 6 7 8 9 10
0
5
10
15
用 户
用
户
达
到
的
平
均
速
率
（
kb
ps
）
Target Rate
Modified PF
Max C/I
Modified PF
RR
图2
图1
图 5 Modified PF算法吞吐量示意图
200
针对系统资源的变化情况，图 6给出了一组改进 PF 算法与传统的 PF 算法进行比较的
仿真曲线。从图 6中可以看出，在系统系统资源依次递减的情况下，改进 PF算法优先保证
了高速率用户调度优先级，降低了低速率用户的调度优先级，在允许损失一定公平性的基础
上，提升了系统的吞吐量。
- 8 -
中国科技论文在线
1 2 3 4 5 6 7 8 9 10
0
3
6
9
12
15
用 户
用
户
达
到
的
平
均
速
率
（
kb
ps
）
1 2 3 4 5 6 7 8 9 10
0
3
6
9
12
15
用 户
1 2 3 4 5 6 7 8 9 10
0
3
6
9
12
15
用 户
1 2 3 4 5 6 7 8 9 10
0
3
6
9
12
15
用 户
用
户
达
到
的
平
均
速
率
（
kb
ps
）
Modified PF
PF
Modified PF
PF
Modified PF
PF
Target Rate
Modified PF
图1：系统资源充足 图2：系统资源为所需的 70%
图3：系统资源为所需的 50% 图4：系统资源为所需的 30%
205
图 6 Modified PF算法与传统的 PF算法用户吞吐量比较示意图
仿真中针对 VoIP用户的速率分布，速率分层因子η取值为 。从图 6中可以看出，
对于目标速率大于 7kbps 的用户，采用改进 PF 算法实现的用户平均吞吐量大于传统的 PF
算法，对于目标速率小区 7kbps的用户则刚好相反。因此，分层因子分层因子η取值应当充210
分考虑到全部用户的速率分布，若取值过高，则会抑制目标速率低于η的用户，从而影响系
统的吞吐量；若取值过低，则失去了对用户速率分级的意义。
4 结论
调度算法性能的好坏直接影响着 HSDPA 系统的吞吐量和公平性。本文针对 VoIP 和
Email两种不同 QoS要求的混合业务模式，分别配置了不同的调度优先级并采用不同的调度215
算法，通过引入速率分层因子，提出了一种改进的 PF 算法。仿真结果证明改进的 PF 算法
在一定范围内提高了高速率用户的调度优先级，相比传统的 PF算法可达到更高的系统吞吐
量。
[参考文献] 220
[1] Jianke Fan,Chen Scheduling Algorithms for Mixed Traffic Flow over HSDPA[J]. The 18th Annual
IEEE International Symposium on Personal, Indoor and Mobile Radio Communications,2007.
[2] Ghassane Aniba and Sonia Aissa. Adaptive Proportional Fairness for Packet Scheduling in HSDPA[J]. IEEE
Communications Society Globe 2004.
[3] ,, and simulation of a fair queuing algorithm[J].Internet Res. And 225
Exper.,1990,.
[4] Chris Johnson. Radio Access Networks for UMTS Principles and Practice[M]. John Wiley& Sons, Ltd. 2007,9.
[5] , , and Packet Scheduling Algorithm Supporting Multimedia Traffic over the
HSDPA Link Based on Early Delay Notification[J]. Proc. 1st Int'l Conf. Multimedia Services Access
Networks,2005:78-82. 230
[6] Scheduling and Quality of Service in HSDPA[D].Alborg University,2003.
[7] 朱春梅,徐菲 ,王瑜 ,吴伟陵.第三代移动通信系统中分组数据业务模型的研究[M].重庆邮电学院学
报,2002,14(3).
[8] 孙宇彤.WCDMA空中接口技术[M].北京邮电出版社.2011.
235
