- 1 -
中国科技论文在线
LTE-A HetNet系统中基于负载预测与用户
关联的负载均衡算法
杨伟民1，赵新胜1，邹素玲2**
作者简介：杨伟民（1990-），男，研究生，主要研究方向：LTE-A异构网络 SON技术
通信联系人：赵新胜 （1963－） 男，教授/博导，主要研究方向：移动通信与通信网. E-mail: xszhao@
（1. 东南大学 移动通信国家重点实验室，南京 210096； 5
2. 大唐移动通信设备有限公司移动通信事业部，北京 100083）
摘要：随着宽带无线通信技术的迅速发展，数据业务占用户业务总量的比例逐年增高。在宏
蜂窝的覆盖下，大量数据业务发生在室内，由于高载波频率有较大的衰减损耗以及穿透损耗，
因此用户在室内的信号并不理想。人们希望在室内环境中可部署短距离、低功耗的无线网络，10
用于改善室内覆盖，Pico 基站的引入，为室内用户提供了高效的服务质量。但是在 LTE-A
HetNet 场景下，宏蜂窝与微蜂窝混合组网会存在网络拥塞和负载不均衡的问题。本文在研
究和对比传统的负载均衡方案的基础上，提出了基于负载预测的 LTE-A HetNet系统负载均
衡算法。通过感知网络中每个节点的负载变化信息，对每个节点下个时刻的负载状态做出准
确的预测，确保每个节点提前调整切换参数，结合用户关联算法选择最佳的切换小区进行负15
载转移，从而解决异构网络负载均衡问题，提升网络性能。
关键词：LTE-A HetNet；负载均衡；负载预测；用户关联
中图分类号：
Load Prediction and User Association for Load Balancing in 20
LTE-A HetNets
Yang Weimin
1
, Zhao Xinsheng
1
, Zou Suling
2
(1. National Mobile Communications Research Lab., Southeast University, Nanjing 210096;
2. Datang Mobile Communications Equipment Co mobile communications division, Beijing
100083) 25
Abstract: With the rapid development of broadband wireless communication technology, the
proportion of the total amount of data services is the coverage of macro cellular,
a large amount of data services occur in the indoor. Due to the attenuation loss and penetration
loss, user signal in the indoor is not ideal. It is hoped that some short distance, low power wireless
nodes can be deployed in the indoor environment to improve indoor coverage. The introduction of 30
Pico base station provides efficient service quality for indoor users. However, in the LTE-A
HetNet, there is a problem of network congestion and load imbalance in the hybrid network of
macro and micro cellular networks. In this paper, several common load balancing algorithms are
studied and compared to solve localized congestion problems. In particular, these techniques are
implemented by Winner process that forecasts load status for every node, and combined with the 35
user association concepts of self-organization network which is the current research focus to
adaptive parameters so that improve network performance.
Key words: LTE-A HetNet;Load balancing ;Load Prediction;User Association
0 引言 40
近年来随着移动通信中数据业务的高速增长，单独采用增加宏蜂窝的传统小区分裂技术
已经越来越不能够满足通信容量的需求。因此，一种在宏蜂窝覆盖范围内的业务密集区域部
署 Pico 基站的异构网络（HetNet）[1]技术受到了人们的广泛关注。Pico 基站是一种由运营
商部署在宏基站覆盖范围内室内和热点区域的低功率基站，可以有效满足室内和热点区域的
- 2 -
中国科技论文在线
通信容量和覆盖的需求、降低宏基站负载量、提高频谱效率。由于终端用户的随机接入和网45
络负载的不均匀分布，在 LTE-A HetNet场景下，宏蜂窝与微蜂窝混合组网同样存在网络拥
塞和负载不均衡的问题，LTE-A 异构网络中的负载均衡技术就是在这种背景下应运而生。
文献[2]提出了一种接纳控制和切换执行相结合的异构网络负载均衡算法。通过准入或
拒绝一个新用户或切换用户来避免出现过载情况。文献[3]提出了一种基于终端移动与业务
认知的动态负载均衡算法，该算法将用户分为业务进行用户和业务潜在用户，主要关注业务50
潜在用户。按照优化准则对基站覆盖范围内所有用户的通信业务进行动态分配，使得每个无
线接入点的业务量与其通信资源保持匹配，实现异构网络的负载均衡。文献[4]提出了一种
最大化效用函数的负载均衡算法，将 WLAN 的系统效用和 UMTS 系统效用相结合，通过
负载均衡使得联合效用最大化。通过系统收益和系统资源对系统性能产生的影响来评估效用
函数，达到异构网络的负载均衡。 55
在传统负载均衡方案的基础上，本文提出了一种基于负载预测的 LTE-A HetNet系统负
载均衡算法，通过自动感知网络中每个节点的负载变化信息，对每个节点下个时刻的负载状
态做出准确的预测，确保每个节点提前调整切换参数，从而解决异构网络负载均衡问题。
本文的后续安排如下：部分 1给出了系统的模型；部分 2将详细讨论本文给出的基于负
载预测的 LTE-A HetNet系统负载均衡算法；部分 3给出了仿真结果及算法的性能分析；部60
分 4对本文进行了总结。
1 系统模型
异构网络的应用场景如图 2-1 所示，在宏基站的覆盖范围内室内和热点区域部署 Pico
基站。
Macro1
Macro6
Macro5
Macro4
Macro3
Macro2
Macro7
Macro7
Pico2
Macro-user
pico-user
Macro-user
pico-user
Macro-user
Macro-user
Macro-user
Macro-user
pico-user
Macro-user
Macro-user
Pico4
Pico1 Pico3
Macro-user
65
图 1 异构网络系统模型
Fig. 1 HetNet system model
负载测量
基站F 中用户u的信噪比为：
M F
FuFMuM
FuF
u
GPGPN
GP
SINR
'
'' ,,0
,
（1） 70
其中， FP 为 Pico基站服务小区 F的发射功率, 'FP 为服务小区邻小区的发射功率。 FUG ,
和 ',FUG 分别为 Pico基站用户与服务小区F 和邻小区
'F 间的链路增益。 MP 为宏基站M 的
发射功率, MUG , 为 Pico基站用户与宏基站M间的链路增益。
- 3 -
中国科技论文在线
uu SINRSINRR 1log2 （2）
BwSINRR
D
N
u
uu
prb
（3） 75
uSINRR 为用户 u的数据率， uD 为用户 u申请的业务速率，Bw为 PRB的带宽，
u
prbN
为用户 u所占用的物理资源块（physical resource block,PRB）的数量，根据 3GPP TS ，
将网络中各个节点的物理资源块的占用率作为衡量负载信息指标，即：
total
prb
tU
iuXu
u
prb
i
N
tN
tload
i
)(
)(|1
)(
)( （4）
其中， )(tU i 表示当前时刻连接到小区 i 的总的用户数目， )(uX 表示用户 u 所述小区80
ID， totalprbN 表示小区 i总的资源块数目。
切换过程
在 LTE小区之间，通常用 A3 事件[5]来触发切换，A3 事件触发的切换条件为：
dssd HOMRSRPRSRP （5）
其中， dRSRP 与 sRSRP 分别表示源基站 d与目标基站 s的参考信号接收功率（reference 85
signal received power，RSRP）的平均值， dsHOM 表示用户由源基站 s与目标基站 d的切
换偏移量，为了避免小区间切换的乒乓效应， dsHOM 和对应的 sdHOM 设定为相同的
值。在满足式（5）的条件下，即可以使用户由源基站切换到目标基站。
2 基于负载预测的切换参数自适应调整方案
本章节对所提出的方案进行详细描述，主要分为两部分：根据维纳预测理论[6]，对小区90
未来一段时间内的负载信息进行预测；通过用户关联算法，超载小区的用户可以通过使用关
联因子将其关联到最佳目标小区。
负载预测
对于负载预测，准确的记录负载信息和合理的预测方案都是必不可少的。本文中利用维
纳预测方法对小区未来一段时间内的负载情况进行预测。假设小区 t和 tt 时刻的负载分95
别为 )(tload 和 )( ttload ，得到：
)()()( tloadttloadtload （6）
其中， )(tload 为从时刻 t到 tt 的负载波动值，利用基本维纳模型的变化模型，可
以对 )(tload 建模：
tttload tt )( （7） 100
其中， t 和 t 是产量参数， 是标准均值为 0方差为 1的标准正态分布，因此 )(tload
是均值为 tt 标准差为 tt 的正态分布，对于任意时间间隔 t ， t 和 t 可以根据
)(tload 先前采样值的均值和标准差来进行估计。假设 t为当前时刻，先前时间间隔为
- 4 -
中国科技论文在线
))1(...2,,( tktttttt ，从而可以得到 t 和 t 的估计值为：
tk
ttitloadtitload
k
i
t
0 )]()([ （8） 105
k
tttitloadtitload
t
k
i t
t
0
2])()([1
（9）
因此，通过式（8）（9）可以预测 tt 时刻的小区负载 )( ttload 。
最佳关联算法
通过上述方法可以预测网络中所有小区下个时刻的负载值，从而得到下个时刻哪些小区
过载、哪些小区处于低负载状态。用户关联控制通常通过效用函数实现，即转化为效用函数110
的值最大化问题。本文的目标是最大化长期系统吞吐量，效用函数为：
Kk
kkk
tI
tThtThUU )())1((max '
)(
（10）
其中，K表示系统中所有的用户，k表示第 k个用户， )(kU 是第 k个用户的效用函数，
kTh 是第 k 个用户的平均吞吐量。由于每个时刻每个用户只能关联一个基站，因此文献
[7][8][9]提出的用户关联控制受式（11）限制： 115
Bb
b
prbs
nprbs
kb NnprbsKktI ,,1)(, （11）
其中， ),,:)(()( ,
b
prbs
nprbs
kb NnprbsKkBbtItI 是关联系数，B是所有基站的集合，
b
prbsN 是第 b 个基站包含资源块的数目， nprbs是第 k 个用户占用的资源块数目。
1)(, tI
nprbs
kb 表示在 t时刻用户 k 与基站b关联， 0)(, tI
nprbs
kb 表示不关联。
本文选择相邻基站的负载差值、用户接收到目标基站的RSRP及目标小区的负载门限120
作为用户关联控制的关键因素，因此关联因子为：
|1|
||
max,
thres
dds
B
kd
load
RSRPloadload
AI
（12）
其中， sload 和 dload 分别为服务小区和目标小区的负载值， dRSRP 为用户 k 接收到目
标小区的参考信号发射功率， thresload 为小区负载门限值。因此可以将关联系数 )(, tI
nprbs
kb 写
成： 125
others
load
RSRPloadload
k
NnprbsKksdBdI
thres
dds
d
prbs
nprbs
kd
,0
|1|
||
maxarg,1
),,,(, （13）
自适应方案
本文提出的算法通过自适应调整 Pico 基站的切换偏移量HOM实现负载的转移，使得
用户从当前服务小区切换到目标小区。现将 3A 事件的进入条件写成：
ds
init
dssd HOMHOMRSRPRSRP （14） 130
其中， initdsHOM 为初始的切换偏移量， dsHOM 是用于调整的切换偏移量。本文用
- 5 -
中国科技论文在线
下个时刻服务小区与目标小区的负载差调整HOM，显然，负载差值越大，
dsHOM 越大，故：
psps
thres
thressd
ds HOMHOMHOM
load
loadtloadtload
tHOM
))(
1
|)1()1(|
()( max （15）
其中， )1( tloadd 和 )1( tload s 可以通过上述提出的负载预测方法得到， maxHOM 是135
预先设定的切换偏移量最大值， psHOM 为调整的步长。
3 仿真结果
仿真环境参数设置如表 1 所示，系统仿真平台参照文献[10]，这里不再对平台进行详细
介绍。
表 1 网络参数 140
Tab. 1 Networking parameters
参数 参数值
系统带宽 20MHz
小区布局 7个小区，正六边形
宏基站半径 500m
Pico基站半径 50m
宏基站发射功率 46dBm
Pico基站发射功率 30dBm
宏小区用户数 32
Pico小区用户数 0~8
路径衰落 log ( )kmd
阴影衰落
标准偏差(10dB)
小区内相关系数
小区间相关系数
天线模式 定向天线
穿透损耗 10dB
负载模式 固定比特速率 256kbps
用户移动速率 5/
触发负载均衡门限
下面对四种关联因子进行比较分析，包括本文提出的关联因子 kdAI , ，四种方案均采用
本文提出的维纳预测方案对负载进行预测。
（1）最大 SINR关联：该算法的基本思想是过载小区根据最小 SINR原则选择待切换145
的用户，同时选出提供的 SINR值最大的小区作为新用户的最佳接入小区。
（2）最大RSRP关联：该算法的基本思想是在预测出低负载的小区集合之后，计算各
个小区可以给待切换的用户提供的RSRP值，选出提供RSRP最大的小区作为新用户的最佳
接入小区。
（3）最小距离关联：该算法的基本思想是在预测出低负载的小区集合之后，根据最小150
距离原则选择目标小区。理论上，这种方法效果不是很理想。
（4）本文提出的基于相邻基站的负载差值、用户接收到目标基站的RSRP及目标小区
的负载门限的用户关联方案。
基于上述的四种方案，图 4-1给出了系统吞吐量变化的对比曲线。
- 6 -
中国科技论文在线
0 2 4 6 8 10 12 14 16
吞吐量（ 104bps）
概
率
分
布
曲
线
C
D
F
不采用负载均衡
最大 RSRP关联
最小距离关联
最大 SINR关联
本文提出的算法
155
图 2 基于不同关联因子MLB方案的系统吞吐量累计分布曲线
Fig. 2 Cumulative distribution curve of system throughput based on different correlation factors
图 2表明，负载均衡算法整体改善了系统的吞吐量，但是不同算法对系统吞吐量的影响
程度不同。显然，本文提出的 MLBHOMBasedRSRP --- 方案同时考虑了相邻基站的负160
载差值、用户接收到目标基站的RSRP及目标小区的负载门限，同时自适应地调整切换参
数HOM使得待切换用户能够成功切换至目标小区，因此对系统吞吐量提升效果最佳。最
大 SINR关联算法 MLBBasedRSRP -- 对系统吞吐量提升效果也很明显，仅次于
MLBHOMBasedRSRP --- 算法。其余的关联算法与不采用关联算法负载均衡方案
MLBNON - 效果差不多。 165
0
0
1
CBR
C
D
F
不采用负载均衡
最小距离关联
最大 RSRP关联
本文提出的算法
最大 SINR关联
图 3 基于不同关联因子MLB方案的系统阻话率累计分布曲线
Fig. 3 Cumulative distribution curve of call blocking rate based on different correlation factors
- 7 -
中国科技论文在线
图 3给出了系统阻话率CBR变化的累计分布曲线，由图可知，采用 MLBNON - 方案
的阻话率 CBR 最差，CBR 为 0 的可能性几乎为 0，而采用基于最大 SINR 方案170
MLBBasedSINR -- 和本文提出的 MLBHOMBasedRSRP --- 方案的 CBR最好，
CBR为 0 的可能性为 25%，比 MLBNON - 高了近 23%，其余方案介于他们之间。对比
MLBBasedSINR -- 和 MLBHOMBasedRSRP --- 方案可以看出，概率在 以上的
CBR MLBHOMBasedRSRP --- 低于 MLBBa s edS I NR -- ，因此，本文提出的
MLBHOMBasedRSRP --- 方案对于改善系统阻话率CBR效果最佳。 175
0 1
0
1
负载值
累
积
分
布
曲
线
（
C
D
F
）
不采用负载均衡
最小距离关联
最大 RSRP关联
最大 SINR关联
本文提出的方案
图 4 基于不同关联因子MLB方案的系统负载累计分布曲线
Fig. 4 Cumulative distribution curve of system load based on different correlation factors
图 4给出了基于不同关联因子MLB方案的系统负载累计分布曲线，由图可知，对于同180
一概率值，采用本文提出的 MLBHOMBasedRSRP --- 方案系统负载最低，而采用
MLBNON - 方案系统负载最高， MLBBasedSINR -- 方案优于 MLBBasedRSRP -- 和
最小距离关联方案，但均不如 MLBHOMBasedRSRP --- 方案，因此本文提出的方案对
于降低系统负载效果最好。
4 结论 185
本文提出了一种 HetNet 场景下的负载均衡方案，通过维纳预测算法预测各个小区的负
载状态，根据预测的负载值自适应的调整切换偏移量HOM，同时提出了新颖的用户关联
控制方案，本文的相关因子同时考虑了相邻基站的负载差值、用户接收到目标基站的RSRP
及目标小区的负载门限，与传统的最大 SINR关联方案、最大RSRP关联方案及最小距离关
联方案相比，系统吞吐量最高，用户阻话率及负载最低，系统整体性能得到显著提升，同时190
实现了负载均衡的目的。
- 8 -
中国科技论文在线
[参考文献] (References)195
[1] Aleksandar Damnjanovic, Juan Montojo. A Survey on 3GPP Heterogeneous , 2011.
[2] Quoc-Thinh Nguyen-Vuong, Agoulmine ,N, Ghamri-Doudane, approach for load balancing in
heterogeneous wireless packet NOMS Workshops, April 2008,4(3):26-31.
[3] Qi Liu, Jian Yuan, Xiuming Shan, et al. Dynamic load balance scheme based on mobility and service
awareness in integrated 3G/WLAN networks. Mobile Congress(GMC),2010 Global,1-6. 200
[4] Rong Chai, Xiao-Yu Dong, Jie Ma et al. An optimal IASA load balancing scheme in heterogeneous wireless
networks. Communications and Networking in China (CHINACOM), Aug 2011,24(8):714-719.
[5] 3GPP TS , . Evolved Universal Terrestrial Radio Access (E-UTRA).Feb., 2011.
[6] Tao Zhang, Eric van den Berg, Jasmine Chennikara and Prathima Agrawal, Local Predictive Resource
Reservation for Handoff in Multimedia Wireless IP Networks. IEEE J. Commun, 205
,221(19):1931-1941.
[7] Qiaoyang Ye, Beiyu Rong, Yudong Chen, Mazin Al-Shalash. User Association for Load Balancing in
Heterogeneous Cellular Transactions on Wireless communications, 2013,4(3):1-5.
[8] Kyuho Son, Song Chong. Dynamic Association for Load Balancing and Interference AvoIDance in Multi-Cell
Networks. IEEE Transactions on Wireless communications,2009,8(7):3566-3576. 210
[9] Yi Yu, Rose Qingyang Hu, Chandra and Zhijun Cai. Mobile Association and Load Balancing in a
Cooperative Relay Cellular Network. IEEE Communications Magazine,2011,49(5):83-89.
[10] Josep Colom Ikuno,Martin Wrulich,Markus Rupp. System level simulation of LTE networks[C]. IEEE
VTC-Spring, 2010.
215
