Energy efficient Scheduling for LTE Uplink

Transcripción

1 Proyecto Fin de Carrera Escuela de Ingeniería y Arquitectura de Zaragoza Ingeniería de Telecomunicación Energy efficient Scheduling for LTE Uplink Department of Mobile Communications Institute of Telecommunications Vienna University of Technology Autor: Víctor Sen Abad Director: Stefan Schwarz Codirector: Markus Rupp Ponente: Ángela Hernández Solana Noviembre 2013

2

3 !gradecimientos Este proyecto final de carrera representa el resultado y conclusiones del trabajo desarrollado durante los últimos 7 meses en el departamento de comunicaciones móviles en el instituto de telecomunicaciones en la Universidad Técnica de Viena, bajo la supervisión de Stefan Schwarz (Universidad Técnica de Viena), Markus Rupp (Universidad Técnica de Viena) y Ángela Hernández Solana (Universidad de Zaragoza). Quiero expresar mi gratitud a Stefan Schwarz que me aconsejó y ayudó en mi trabajo diario. También quiero agradecer a Markus Rupp la posibilidad que me ofreció de llevar a cabo mi trabajo en el departamento. Y dar las gracias también a Ángela Hernández todos sus consejos y sugerencias. Y por último, pero no menos importante, quiero agradecer a mi familia, mis padres y hermano, cuyo apoyo y ánimo siempre me han acompañado. Ellos me han apoyado de todas las maneras posibles y siempre han estado detrás de mí aunque realmente estuvieran a muchos kilómetros de distancia. Sin ellos esta experiencia y trabajo en la Universidad de Viena no habrían sido posibles. No existen palabras para expresar mi gratitud. I

4 II

5 Resumen En un escenario donde el número de usuarios de dispositivos móviles crece exponencialmente, las nuevas generaciones de sistemas de comunicaciones móviles como Long Term Evolution (LTE) han sido diseñadas para proveer a dichos usuarios de tasas de datos más altas con retardos más pequeños y de esta manera posibilitar un gran número de servicios y aplicaciones en los dispositivos móviles. El desarrollo de nuevos y exigentes servicios como video streaming y gaming en tiempo real requiere soporte para Calidad de Servicio (Quality of Service: QoS) así como un incremento de la capacidad. Por otro lado, este aumento del número de servicios y componentes con altas prestaciones no vienen acompañados de una mejora al mismo nivel en el desarrollo en las baterías, por esa razón, la eficiencia energética se ha convertido en una cuestión crucial. Los dispositivos móviles, cuya alimentación es a través de baterías, no solo tienen que ejecutar un número cada vez mayor de servicios y aplicaciones, también están equipados con componentes con un alto consumo (p. e. la pantalla y el procesador). Un dispositivo con estas características requiere una batería con una capacidad enorme que no es asequible con la tecnología de batería actual. Por todo ello, la eficiencia energética ha pasado a ser el primer desafío para los investigadores en el diseño de las arquitecturas de los nuevos sistemas de comunicaciones móviles. El objetivo de este proyecto es el diseño energéticamente eficiente de un algoritmo de Scheduling. El algoritmo de asignación de recursos (Packet Scheduler, PS) es responsable de la distribución de los recursos radioeléctricos a los usuarios que comparten el canal. En un escenario donde varios usuarios quieren transmitir sobre el canal inalámbrico, el PS tiene como objetivo conseguir la máxima eficiencia espectral, aprovechando la variabilidad del canal inalámbrico y del tráfico ofrecido. Para ello necesita información acerca de la calidad instantánea del canal con la que poder ser capaz de explotar la ganancia que proporciona la diversidad en tiempo, espacio, frecuencia y multiusuario. La diversidad multiusuario es de particular interés en este proyecto debido a que tiene como objetivo explotar la independencia estadística del desvanecimiento de señal experimentado por distintos usuarios dentro de la misma célula o área de cobertura. Debido a que los usuarios observan condiciones de canal diferentes en las mismas portadoras frecuenciales, el objetivo es asignar de la forma más optimizada posible los recursos a aquellos usuarios que experimentan las mejores condiciones de canal, y en consecuencia pueden transmitir con mayor tasa. En LTE el algoritmo de scheduling juega un papel determinante en el rendimiento general del sistema. Su principal objetivo es satisfacer las expectativas de tantos usuarios en el sistema como sea posible teniendo en cuenta los requisitos de calidad de servicio de cada una de sus aplicaciones y además evitar derroche energético para extender la vida de la batería en el terminal móvil (UE). III

6 En la primera parte del proyecto se lleva a cabo un estudio comparativo entre varios algoritmos de scheduling básicos para analizar sus rendimientos y características generales. Como resultado de esta comparativa, se propone el Proportional Fair (PF) como punto de partida sobre el que desarrollar nuestro diseño. Esta decisión se basa no solo en su conocido compromiso entre trato equitativo (fairness) y tasa de datos alcanzada (throughput), sino también debido a la flexibilidad que ofrece. El PF Scheduler calcula una métrica para cada bloque de recursos (Resource Block: RB) y usuario en el actual intervalo de tiempo de transmisión (Time Transmission Interval: TTI) tratando de maximizar la tasa de datos total, mientras que al mismo tiempo permite a todos los usuarios un nivel mínimo de servicio. Posteriormente, en el proyecto se presenta una modificación de la métrica original del PF como una buena solución para ahorrar energía, la cual se aplica en el diseño final del esquema de asignación de recursos. En la segunda parte del proyecto se implementan los modelos de tráfico más comunes, los cuales se asignan de manera aleatoria entre los usuarios siguiendo una probabilidad de aparición estandarizada para un escenario con mezcla de tráfico. En este escenario se analizan varios schedulers basados en el PF para distinto número de usuarios. Los resultados muestran el incremento obtenido con el diseño propuesto en términos de retardo, tasa de datos y ahorro energético para sistemas con gran número de usuarios. La parte final del proyecto presenta las concusiones generales y se proponen dos temas para futuras investigaciones: la recepción-transmisión discontinua (Discontinuous Reception-Transmission: DRX/DTX) que proporciona el nuevo estándar de LTE y Scheduling coordinado para reducir la interferencia (Interference Coordinated Scheduling). IV

7 Índice Capítulo Introducción Motivación Preliminares Long Term Evolution Objetivos y estructura del proyecto Simulador LTE de Viena Contribución... 5 Capítulo Long Term Evolution Características de diseño QoS en LTE y gestión de portadores Interfaz Radio Tecnología de transmisión OFDM Tecnología de transmisión SC-FDMA Estructura de los recursos de transmisión Módulo de gestión de recursos radio (RRM) Control de admisión Packet Scheduling Canales de transporte y físicos HARQ Adaptación de enlace y esquema de modulación y codificación (MCS) Señalización en el Uplink para el Scheduling Capítulo Modelado y consideraciones generales Consideraciones generales acerca del Scheduling Modelo del algoritmo de scheduling Claves del diseño Arquitectura del Simulador Modelos de tráfico Criterios de satisfacción Modelo de consumo energético Capítulo Comparativa general de diferentes Schedulers Introducción Fairness Estrategias de Scheduling Round Robin Best Channel Quality Indicator Maximum Throughput Resource Fair Proportional Fair MaxMin Scheduler V

8 4.3 Resultados de la simulación Escenario Comparativa en términos de Fairness y Throughput Comparativa en términos de Throughput simultáneo Comparativa en términos de eficiencia energética Conclusiones generales de la comparativa Capítulo Modificación de bajo consumo Enfoque Escenario Resultados de la simulación Resultados de la simulación con 20 UE Resultados de la simulación para 30 UE Conclusión Capítulo Análisis de distintos PF con soporte para QoS Introducción Escenario Proportional Fair Básico Real-Time Priority Scheduler Exponential/Proportional Fair Criteria Proportional Fair Parámetros de la simulación ϵε εχχθ αε Ι Λ ε ε E P PF Resultados de la comparativa de las estrategias de scheduling Resultados en términos de retardo bajo condiciones de alta carga (40UE) Resultados en términos de Throughput bajo condiciones de alta carga (40 UE) Retardo y throughput bajo condiciones de media carga (30UE) Capítulo Conclusiones Conclusión Líneas de investigación para el futuro Parámetros DRX/DTX Scheduling Coordinado Bibliografía Apéndice A: VI

9 Lista de figuras Figura 1.1: Plan de estandarizaciones de 3GPP y sus despliegues comerciales... 2 Figura 2.1: Representación gráfica de OFDM y SC-FDMA. Presentadas 4 portadoras sobre 2 símbolos Figura 2.2a: Modelo del transmisor Figura 2.2b: Modelo del receptor Figura 2.3: Estructura de recursos de transmisión Figura 2.6: Mapeado entre los canales de transporte y los canales físicos en el Uplink Figura 2.7: Señalización entre UE y enodeb Figura 3.1: Modelo simplificado del Scheduler y la señalización involucrada Figura 3.3: Estructura del simulador de nivel de enlace de Viena Fuente: [3] Figura 3.3: modelo de actividad de voz de dos estados Figura 4.2: Suma de los throughput obtenidos con los diferentes schedulers Figura 4.3: Throughput simultáneo obtenido por cada UE para cada uno de los Schedulers Figura 4.4: Eficiencia simultánea obtenida por cada Scheduler Figura 4.5: Eficiencia en potencia para diferentes Schedulers medida en Mbit/s por µw Figura 4.6: Consumo energético simultáneo obtenido por diferentes UE para cada uno de los Schedulers Fϴϧ Ι ϱϯϭϯ FΙϴ ε Φ ε ϴα Χ ΧΙαΙ η ϴΧΙ Ι Ι ΧΙαΙ Ι αε Ι Λ ε Χ ϮϿE Figura 5.2: Suma del throughput para cada métrica para ΧΙαΙ Ι αε Ι Λ ε Χ ϮϿE Figura 5.3: EοϴΧϴε ΧϴΙ ε ε ϧη ϴΧΙ Φ ε ϴαΙ Χ ΧΙαΙ η ϴΧΙ Ι Ι ΧΙαΙ Ι αε Ι Λ ε Χ 20UE Fϴϧ Ι ϱϯϰϯ FΙϴ ε Φ ε ϴα Χ ΧΙαΙ η ϴΧΙ Ι Ι ΧΙαΙ Ι αε Ι Λ ε Χon 30UE Figura 5.5: Suma de throughput obtenida Χ ΧΙαΙ η ϴΧΙ Ι Ι ΧΙαΙ Ι αε Ι Λ ε Χ 30UE Fϴϧ Ι ϱϯϲϯ EοϴΧϴε ΧϴΙ Φ ε ϴαΙ Χ ΧΙαΙ η ϴΧΙ Ι Ι ΧΙαΙ Ι αε Ι Λ ε Χ ϮϿE.. 38 Figura 6.1: Modelo general de un PS con soporte para QoS Figura 6.2: Potencia de transmisión frente a la potencia consumida en el UE y eficiencia. El consumo total incluye el consumo de todo el módulo de radiofrecuencia. Está basado en un ajuste polinómico en el modelo del 2011 de un UE. FUENTE: [24] FIGURA Fϴϧ Ι ϲϯϯιϯ ϻϱ ϧϱ ϴ Λ ε Ι Ι αθοε ε ε Ι ε αε ϯ Fϴϧ Ι ϲϯϯφϯ ϵ Ι αε ϱ ϧϱ εαθι Ι Ι ΧΙαΙ ε εχχθ αε ϯ Figura 6.4: Delay-DF Ι Ι Ι ϴ IP Χ ϰͽe αθοε ε ε Ι ε αε Figura 6.5: Delay-CDF para usuarios video con 40ϿE αθοε ε ε Ι ε αε ϯ Figura 6.6: Delay-DF Ι Ι Ι ϴ ϧι ϴ ϧ Χ ϰͽe αθοε ε ε Ι ε αε ϯ Figura 6.7: Delay-CDF para usuarios VoIP con 40UE Figure 6.8: Delay-CDF para usuarios gaming con 40UE Figure 6.9: Delay-CDF para usuarios video con 40UE Figura 6.10: Throughput simultáneo obtenido por los diferentes scheduler considerando solo los servicios NRT (HTTP and FTP) con 40UE en el Sistema (12 NRT- UE) Figura 6.11: Suma de throughput y eficiencia obtenida por cada scheduler Figura 6.12: Throughput simultáneo obtenido por cada usuario con Criteria PF con =ϯϭ Figura 6.13: Throughput simultáneo obtenido por cada usuario con normal PF Figura 6.14: Delay-CDF para VoIP con 30UE Figura 6.15: Delay-CDF para gaming con 30UE Figura 6.16: Delay-CDF para streaming video con 30UE Figura 6.17: Throughput simultáneo obtenido por los diferentes scheduler considerando solo los servicios NRT (HTTP and FTP) con 30UE en el sistema (9 NRT-UE) Figura 6.18: Suma de throughput y eficiencia obtenida con cada uno de los schedulers VII

10 Lista de Tablas Tabla 2.1: Identificadores de Clase de QoS estandarizados en LTE... 8 Tabla 3.1: Principales características de los modelos de tráfico Tabla 4.1: Parámetros de la simulación Sim# Tabla 4.2: Parámetros CQI, sus MCS y número de bits resultantes Tabla 5.1: Parámetros de la simulación Sim# Tabla 6.1: Parámetros de la simulación Sim# Tabla 6.2: Principales características de los modelos de tráfico VIII

11 !crónimos 3GPP 3 rd Generation Partnership Project ACK Acknowledgement AMC Adaptive Modulation and Coding BCH Broadcast Channel BLER Block Error Ratio CP Cyclic Prefix CQI Channel Quality Indicator DL Downlink DL-SCH Downlink Shared Channel DTX Discontinuous Transmission enb E-UTRAN Node B HARQ Hybrid Automatic Repeat request ISI Inter-symbol Interference LTE Long Term Evolution MCS Modulation and Coding Scheme NACK Negative Acknowledgement NRT Non Real Time PF Proportional Fair PUCCH Physical Uplink Control Channel PUSCH Physical Uplink Shared Channel QCI QoS Class Identifier QoS Quality of Service RB Resource Block RF Resource Fair RR Round Robin RRM Radio Resource Management RS Reference Signal RT Real-Time SAE System Architecture Evolution SC-FDMA Single Carrier Frequency Division Multiple Access SINR Signal to Interference plus Noise Ratio SR Scheduling Request SRS Sounding Reference Symbol TTI Transmission Time Interval UE User Equipment UL-SCH Uplink Shared Channel VoIP Voice over Internet Protocol IX

12 X

13 Capítulo 1 Introducción 1.1 Motivación El continuo incremento de usuarios de dispositivos móviles en todo el mundo y el interés en servicios con altas velocidades de datos han causado que los operadores de redes introduzcan servicios de internet móvil basados en paquetes. Además, la puesta en marcha de servicios con exigentes requisitos como video streaming y juegos en tiempo real ha dejado en evidencia la importancia de ofrecer Calidad de Servicio (Quality of Service: QoS) así como la necesidad de aumentar la capacidad disponible. Sin embargo este aumento en el número de exigentes servicios no viene de la mano de desarrollos o mejoras en cuanto a la eficiencia de las baterías se refiere. Este hecho ha convertido a la eficiencia energética en una cuestión crucial. Estos dispositivos móviles, cuya alimentación es a través de baterías, no solo tienen que ejecutar un número cada vez mayor de servicios y aplicaciones, también están equipados con componentes con un alto consumo como por ejemplo la pantalla y el procesador. Un dispositivo con estas características requiere una batería con una capacidad enorme que no es asequible con la tecnología de batería actual. Por todo ello, la eficiencia energética ha pasado a ser el primer desafío para los investigadores en el diseño de nuevas arquitecturas de los nuevos sistemas de comunicaciones móviles. Long Term Evolution (LTE) es conocido popularmente como la tecnología 4G. Esta cuarta generación de sistemas de comunicaciones móviles está diseñada para dar un gran salto en cuanto a las prestaciones que ofrecen. Su objetivo no solo es proveer de mayores tasas de datos con menor retardo sino hacer que el dispositivo móvil sea la plataforma perfecta sobre la que ejecutar una gran cantidad de nuevos servicios y aplicaciones. LTE es un sistema todo IP (la interconexión de todos los nodos de la infraestructura se comunican a través de una red IP), que se basa en el acceso radio en la técnica de acceso OFDMA (Orthogonal Frequency-Division Multiplexing, OFDM)) con el objetivo de proporcionar la máxima eficiencia espectral. LTE ofrece no solo plena integración sino también movilidad completa entre las redes existentes para asegurar que los operadores pueden desplegar gradualmente LTE permitiendo continuidad en el servicio. 1

14 Capítulo 1. Introducción Preliminares 3GPP (Third Generation Partnership Project) es una organización que desarrolla los estándares de telecomunicaciones. En la figura 1.1 se muestran algunas de las últimas tecnologías radio y estándares en el seno de 3GPP. Las fechas hacen referencia a la aprobación de las especificaciones. La figura abarca desde el primer desarrollo, que fue WCDMA (Wideband Code Division Multiple Access), hasta LTE-Advanced, cuyas especificaciones se aprobaron en Diciembre de Todos estos desarrollos han mantenido la continuidad del servicio, permitiendo a los equipos actuales estar preparados para los retos y características futuras logrando mayores tasas de datos, calidad de servicio y eficiencia en los costes. Aunque el objetivo principal de todas las evoluciones del 3GPP es proporcionar compatibilidad hacia atrás y hacia delante, siempre que sea posible, para garantizar que el servicio es ininterrumpido. Figura 1.1: Plan de estandarizaciones de 3GPP y sus despliegues comerciales [Fuente: Long Term Evolution En este contexto de crecimiento incesante de la demanda de datos móviles, 3GPP estandariza una nueva tecnología móvil de red bautizada como LTE, como evolución del Sistema Universal de Telecomunicaciones Móviles (Universal Mobile Telecommunications System, UMTS). LTE es una red completamente sobre IP donde proveer de QoS es esencial para permitir una amplia gama de servicios IP y aplicaciones dentro de la nueva generación de redes móviles. Por ello se desarrolla el concepto de 2

15 Capítulo 1. Introducción QoS que permite establecer prioridades de tráfico y configurar múltiples portadores (bearers) para satisfacer los requisitos de calidad de servicio que cada servicio demanda. La creación de portadores y el establecimiento de identificadores de tipo de QoS (QoS Class Identifier, QCI) están entre los elementos clave del concepto de QoS. El objetivo de ambos es garantizar QoS consistente entre usuarios de distintas operadoras y estándares así como en escenarios de itinerancia. LTE ha sido diseñado para proporcionar flexibilidad de espectro frecuencial, es decir, posibilitar su despliegue sobre distintas asignaciones del espectro. Además proporciona soporte a distintos anchos de banda de transmisión, hasta 20MHz. A la vez posibilita la transmisión en estrechos anchos de bandas desde 1.4 MHz. Asimismo LTE se centra en la mejora de los servicios basados en conmutación de paquetes. El objetivo general es el desarrollo de un sistema de acceso basado en paquetes con alta velocidad de datos y baja latencia. Para lograrlo, el bloque de gestión de recursos radio (Radio Resource Management, RRM) hace uso de una combinación de avanzadas tecnologías MAC y funciones físicas tales como la asignación de recursos en base a la información proporcionada por los indicadores de calidad del canal (Channel Quality Indicator, CQI) e informes de requisitos de tráfico, adaptación del enlace a través de modulación y codificación adaptativa (Adaptive Modulation and Coding, AMC) y Hybrid Automatic Repeat Request (HARQ). En este contexto, el desarrollo de estrategias eficientes de distribución de recursos se hace crucial. Una gestión eficiente de los recursos es fundamental para cumplir con los requerimientos del sistema y satisfacer las necesidades de los usuarios de acuerdo a su QoS. El algoritmo de asignación de recursos (Packet Scheduler, PS) se localiza en la estación base, es decir, en el enodeb (enb). El PS es responsable de distribuir eficientemente los recursos disponibles entre los usuarios. Por ello juega un papel fundamental en un canal radio ya que trata de maximizar la eficiencia espectral a través de una estrategia efectiva de distribución de los recursos que reduzca o haga insignificante la influencia negativa del canal radioeléctricos. Debido a su naturaleza los canales radioeléctricos están expuestos a grandes fluctuaciones en los dominios del tiempo y de la frecuencia debido a varias razones que incluyen el desvanecimiento del canal, propagación multitrayecto y el efecto Doppler. Por todas estas razones el PS necesita aplicar soluciones que dependan del canal para poder asignar mayor cantidad de recursos a aquellos usuarios que experimentan mejores condiciones de canal, a pesar de que esta solución conlleve el coste adicional del feedback. 1.3 Objetivos y estructura del proyecto El objetivo de este proyecto final de carrera es diseñar un algoritmo de scheduling eficiente energéticamente. El scheduler es responsable de la distribución de recursos entre los usuarios que comparten el canal radioeléctrico. 3

16 Capítulo 1. Introducción Debido a la elección de transferir únicamente paquetes en LTE el planificador juega un papel determinante en el rendimiento (throughput) general del sistema. El principal objetivo del PS es satisfacer las expectativas de tantos usuarios en el sistema como sea posible teniendo en cuenta los requisitos de calidad de servicio de cada una de sus aplicaciones y además evitar derroche energético para extender la vida de la batería en el terminal móvil (UE). El PS necesita conocer el tipo de datos que esperan ser trasmitidos y el estado de cada usuario, como por ejemplo: si cierto usuario tiene datos para transmitir, cuanto rato lleva esperando en la cola determinado paquete o de que calidad de canal dispone cada usuario. Además el Scheduler situado en el enb tiene que tomar decisiones cada TTI. En un escenario donde varios usuarios quieren transmitir sobre el canal inalámbrico, el PS tiene como objetivo conseguir la máxima eficiencia espectral aprovechando la variabilidad del canal inalámbrico y el tráfico ofrecido. Para ello el PS necesita información acerca de la calidad instantánea del canal para poder ser capaz de explotar la ganancia que proporciona la diversidad en tiempo, espacio, frecuencia y multiusuario. La diversidad multiusuario es de particular interés en este proyecto debido a que tiene como objetivo explotar la independencia estadística del desvanecimiento de señal experimentado por distintos usuarios dentro de la misma célula o área de cobertura. Permite asignar recursos a los usuarios que experimentan mejores condiciones instantáneas de canal. A diferencia que en downlink donde el uso de OFDMA permite explotar la diversidad en frecuencia contemplando asignaciones de recursos dirigidas a un mismo usuario en recursos contiguos o distribuidos en toda la banda, en el Uplink la tecnología de transmisión es SC-FDMA que restringe esa posibilidad debido a que impone asignar los recursos contiguos en frecuencia pero todavía deja la posibilidad de explotar la diversidad multiusuario. En resumen, hay varios aspectos clave a considerar a la hora de diseñar un sistema de distribución dinámica de recursos para el Uplink de LTE que serán tratados con más detalle a lo largo del capítulo 3. Los siguientes capítulos del proyecto están distribuidos de la siguiente manera: El capítulo 2 presenta brevemente algunos de los aspectos relevantes de las redes LTE. Aunque si el lector está interesado, en el anexo se encuentra el documento original en inglés donde se ofrece una visión general completa de las redes LTE, prestando especial atención a la descripción de las funciones RRM del enlace ascendente. El capítulo 3 proporciona un resumen del modelado y consideraciones generales. Se presentan los modelos de tráfico y también se describe el modelo de consumo energético utilizado. El capítulo 4 muestra un estudio comparativo entre varios algoritmos de scheduling de propósito general. Este estudio se ha llevado a cabo para evaluar 4

17 Capítulo 1. Introducción su rendimiento y características generales a partir del cual se elige el Proportional Fair (PF) como punto de partida para desarrollar nuestro diseño. El capítulo 5 presenta una modificación sobre la métrica del PF para incrementar la eficiencia energética. Demuestra que con esta solución en condiciones de baja carga es posible mejorar hasta un tercio la eficiencia energética. El capítulo 6 ofrece los resultados de la comparación en términos de soporte QoS (retardo y tasa de datos) y eficiencia energética en un escenario con varios servicios (traffic-mix scenario). Para ello se implementan los modelos de tráfico para emular los servicios más comunes. En el estudio se tienen en cuenta varios schedulers basados en el PF con distinto número de usuarios. Los resultados muestran las mejoras que ofrece el diseño propuesto. El capítulo 7 engloba las conclusiones del proyecto e indica varias líneas de investigación futuras. 1.4 Simulador LTE de Viena Para poder llevar a cabo el estudio comparativo de los distintos algoritmos de scheduling se ha utilizado el simulador de nivel de enlace de la Universidad de Viena. Este simulador computacionalmente eficiente permite estudiar cada estrategia con un tamaño y resultados realistas. En los artículos [2] y [3] se puede encontrar una descripción completa del mismo en caso de que el lector esté interesado. En estos artículos se detalla la estructura del transmisor, modelo de canal y receptor, así como las características del simulador y algunos ejemplos de sus aplicaciones. No obstante, en el capítulo 3 también se presenta una breve descripción del simulador. Este simulador se encuentra disponible bajo una licencia de uso no comercial o académica Contribución La principal contribución de este proyecto final de carrera al simulador de nivel de enlace del enlace ascendente de LTE ha sido la implementación de distintos algoritmos de scheduling así como de modelos de tráfico para emular los servicios que se ejecutan en paralelo en el escenario. Algunas soluciones, como los algoritmos de scheduling, obtenidas para el enlace descendente no pueden ser aplicadas directamente al enlace ascendente debido a las diferencias básicas en cuanto a la tecnología de transmisión y las restricciones de los recursos de la red se refiere. Por ello ha habido que introducir severas modificaciones con las que poder adaptar los esquemas y algoritmos del enlace descendente. La segunda gran contribución ha sido implementar los modelos de tráfico con el fin de llevar a cabo el estudio del comportamiento de los distintos algoritmos de scheduling en un escenario con mezcla de tráfico. Cada servicio tiene diferentes requerimientos de 5

18 Capítulo 1. Introducción calidad de servicio, es decir, la red tiene que satisfacer distintas restricciones de QoS para cada servicio. Por esta razón se implementan los modelos de tráfico, ya que emulan los requerimientos de estos servicios. Las especificaciones de estos modelos de tráfico y la probabilidad de aparición de cada tipo de servicio en un escenario típico de mezcla de tráfico están basada en [4]. 6

19 Capítulo 2 Long Term Evolution Este capítulo ofrece una breve descripción de las principales características y funcionalidades de LTE. Sin embargo solamente se van a tratar aquellas funcionalidades que afectan directamente al scheduling como son la gestión de QoS en LTE, la tecnología de acceso utilizada para el Uplink (SC-FDMA), la estructura de los recursos de transmisión y algunas funcionalidades del bloque de gestión de recursos radio (RRM: Radio Resource Management). El resto de funcionalidades y características, así como una visión general completa de la tecnología LTE se pueden encontrar en la versión original en inglés del proyecto en el anexo A. 2.1 Características de diseño Los objetivos más importantes para diseñar la interfaz radioeléctrica y la arquitectura de acceso a red de LTE son: Tasas de datos máximas superiores a 100Mbps en el Uplink y 50Mbps en el Downlink utilizando un ancho de banda de 20MHz. Mayor capacidad en comparación con el estándar 6 (HSUPA), se consigue incrementar la eficiencia espectral entre tres y cuatro veces. Reducción significativa del retardo de datos de control y usuarios (menos de 5ms entre ida y vuelta con 5Mhz de ancho de banda) Ancho de banda regulable hasta 20Mhz, es decir, 1,4, 3, 5, 10, 15 y 20 MHz, que permite a los operadores de redes regular el ancho de banda. Compatibilidad únicamente con conmutación de paquetes. Mayor soporte de extremo a extremo de QoS a través de nuevas sofisticadas técnicas de gestión de recursos radio (RRM). Rendimiento optimizado para la velocidad de peatón de menos de 15 km/h y alto rendimiento para velocidades de hasta 120 km/h. La conexión debe poder mantenerse con velocidades de hasta 350 km/h. Compatibilidad con versiones anteriores. Posibilidad de simplificar la coexistencia entre operadores en bandas adyacentes. Reducción de costes para el operador y el usuario final. 7

20 Capítulo 2. Descripción General LTE 2.2 QoS en LTE y gestión de portadores El objetivo principal de la introducción de control de QoS en LTE es permitir la diferenciación del tráfico y la gestión de prioridades. Hay servicios que deben ser priorizados en las redes (por ejemplo, llamadas VoIP) o suscriptores Premium que quieren disponer de mayores tasas de datos en su dispositivo 4G LTE y están dispuestos a pagar más por un mayor ancho de banda y un mejor acceso a la red en sus dispositivos. Para poder gestionar esto, se requiere soporte de QoS. QoS define prioridades para determinados clientes o servicios cuando existe congestión en la red. Los requisitos generales de QoS se mapean en parámetros de capas más bajas que caracterizan las prestaciones experimentadas por el usuario. Para ello se definen un conjunto de parámetros de QoS que se asocian a cada portador (bearer) dependiendo del servicio utilizado con el fin de poder diferenciar el tipo de flujo. Básicamente hay dos tipos de flujos: aquellos para los que se garantiza una tasa de datos mínima (guaranteed bit rate, GBR) y otros a los que no (non-guaranteed bit rate, Non-GBR). En la Tabla 2.1 se presentan las distintas clases de QoS para clasificar los bearer dependiendo del tipo de servicio. Cada índice de clase de QoS (QoS Class Indicator, QCI) se define por su tipo de recurso, nivel de prioridad, retardo máximo admitido y la tasa máxima aceptable de pérdida de paquetes. El módulo de gestión de recursos radio (RRM) transforma estos parámetros QoS en parámetros de scheduling como tasa de datos mínima aceptable, políticas de admisión, gestión de umbrales en las colas, configuraciones de protocolos de nivel de enlace y otros parámetros de las capas bajas. Tabla 2.1: Identificadores de Clase de QoS estandarizados en LTE Bearer Packet Packet Loss QCI Priority Type Delay [ms] Rate Example service ኒኑ ቕ VoIP call ኒኑ ቖ Video call GBR ኒኑ Online Gaming (Real Time) ኒኑ ቖ Video streaming ኒኑ IMS Signaling ኒኑ ቖ Video, TCP based services ( , ftp, etc.) Non ኒኑ GBR Voice, Video, Interactive gaming 8 8 ኒኑ 300 Video, TCP based services ( , ftp, etc.) 9 9 ኒኑ 8

21 Capítulo 2. Descripción General LTE 2.3 Interfaz Radio LTE ha sido diseñada como una tecnología muy flexible para permitir distintas configuraciones de ancho de banda (desde 1.4MHz hasta 20MHz). Para ello ha sido fundamental la introducción del esquema de transmisión multiportadora OFDM (Orthogonal Frequency Division Multiplexing) Tecnología de transmisión OFDM El esquema OFDM divide los datos en un conjunto de flujos de datos paralelos transportados por subportadoras ortogonales y con poca distancia entre ellas. La baja velocidad de símbolo permite el uso de intervalos de guarda entre símbolos que a su vez permiten controlar la dispersión temporal y la interferencia entre símbolos (ISI). Algunas razones por las OFDM fue elegido por LTE: Ecualización de canal simple Alta eficiencia espectral y tolerancia a efectos multitrayecto, ambas ventajas debidas al aumento del tiempo de símbolo. Implementación eficiente a través de FFT (Fast Fourier Transmission) Capacidad de ampliación y flexibilidad del ancho de banda mediante la selección del número de portadoras para la transmisión. Gran robustez frente al desvanecimiento selectivo en tiempo o frecuencia del canal de radio. En otras palabras, OFDM permite la explotación de la diversidad frecuencial. Sin embargo, OFDM también presenta algunas desventajas como sensibilidad a la sincronización en frecuencia y por encima de todas ellas un alto PAPR (Peak-To-Average Power Ratio). Debido a que la amplitud de la señal en el dominio del tiempo depende de un elevado número de portadoras es posible que picos de gran amplitud hagan que el amplificador trabaje en la zona no lineal provocando distorsión no lineal y por lo tanto emisiones fuera de banda. Para resolver ese problema, se requieren amplificadores con gran linealidad, que operen por debajo de su potencia máxima lo que resulta en problemas de eficiencia energética. Además, hay otras soluciones, tales como enventanar la señal en el dominio temporal, recortar la señal, codificación, aleatorización de bits o mapeo selectivo. Sin embargo, todas estas soluciones tienen desventajas como el aumento del ancho de banda o la complejidad del sistema Tecnología de transmisión SC-FDMA Mientras que en el downlink se utiliza OFDMA en el uplink se utiliza SC-FDMA debido a las ventajas que ofrece en cuanto al PAPR. El uso de SC-FDMA incrementa la eficiencia energética que es un factor clave en el Uplink debido a que los dispositivos móviles están 9

22 Capítulo 2. Descripción General LTE alimentados a través de baterías. La figura 2.1 muestra una comparación gráfica entre OFDMA y SC-FDMA. Figura 2.1: Representación gráfica de OFDM y SC-FDMA. Presentadas 4 portadoras sobre 2 símbolos Fuente: En el caso de SC-FDMA debido al proceso de DFT las portadoras se transmiten secuencialmente en vez de en paralelo y por ello se consigue reducir el PAPR. Por lo tanto SC-FDMA además de mantener todas las ventajas de OFDMA logra reducir el consumo energético. Por otro lado SC-FDMA necesita que las portadoras que se asignen a un usuario sean adyacentes, eso supone algunas restricciones a la hora de diseñar algoritmos de scheduling para el Uplink. En la figura 2.2 se muestra el modelo de sistema con los componentes más relevantes del esquema de SC-FDMA. De especial importancia es la introducción del prefijo cíclico (CP) en el penúltimo bloque del transmisor. El CP es un guardia al comienzo de cada símbolo OFDM, para eliminar el impacto restante de la ISI causada por la propagación multitrayecto. El CP se genera mediante la duplicación de las últimas muestras de la señal a la salida del IDFT salida y añadiéndolos al principio del símbolo. En el receptor simplemente se descartan estas muestras duplicadas 10

23 Capítulo 2. Descripción General LTE Info Bits Scrambling & Encoding Modulation Pilot Insertion S P.. N.. N-Point DFT Subcarrier Mapping M-Point IDFT.. M.. S P Add CP/PS DAC/RF Figura 2.2a: Modelo del transmisor RF/ADC Synchronization Remove CP S P.. M.. M-Point DFT Subcarrier Demapping/ Equalization.. N.. N-Point IDFT P S Channel Estimator Detection & Demodulation Figura 2.2b: Modelo del receptor 2.4 Estructura de los recursos de transmisión Los recursos de transmisión en LTE tienen dimensión temporal, frecuencial y espacial. Al dominio espacial se accede por medio de múltiples antenas transmisoras y receptoras. Sin embargo durante este proyecto solo se considera la configuración SISO, es decir, una antena transmisora y una antena receptora. Los recursos en tiempo y frecuencia (figura 2.3) están subdivididos siguiendo la siguiente estructura: la mayor unidad de tiempo es la trama y dura 10ms, la cual se divide en 10 instantes de tiempo de transmisión (Transmission Time Intervals, TTI) de 1ms cada uno. El TTI determina el tiempo entre dos intervalos de scheduling consecutivos. Además cada TTI se divide en dos slots de 0.5ms. Cada slot está compuesto de 7 símbolos OFDM. En el dominio de la frecuencia los recursos están agrupados en unidades de 12 subportadoras (ocupado un total de ancho de banda de 180kHz). Esta unidad de 12 subportadoras y un slot se llama Bloque de Recursos (RB). La unidad más pequeña es el RE (Resource Element) que consiste de una subportadora y la duración de un símbolo OFDM. Como el tamaño del subcanal es fijo, el número de RB varía dependiendo de la configuración de ancho de banda. Por ejemplo, 6 RBs para un ancho de banda del sistema de 1.4MHz (valor que se usa a lo largo de todo el proyecto). Un RB consta por lo tanto de 84 RE ya que el CP (prefijo cíclico) está fijado a la longitud normal. 2.5 Módulo de gestión de recursos radio (RRM) La evolución de la interfaz radio y la arquitectura de red de LTE ofrece nuevas oportunidades y desafíos para mejorar la eficiencia espectral y la provisión de QoS. La entidad de Gestión de Recursos Radio (RRM) engloba todas las estrategias y algoritmos utilizados para controlar parámetros como la potencia de transmisión, la asignación de ancho de banda, esquema de modulación y codificación (MCS), el control de admisión 11

24 Capítulo 2. Descripción General LTE (AC), etc. Estas funcionalidades se colocan en el enb para que puedan interactuar y tomar decisiones rápidas. Figura 2.3: Estructura de recursos de transmisión Control de admisión El control de admisión es una funcionalidad de la capa 3 (capa de red) cuya tarea es admitir o rechazar las peticiones de nuevos usuarios o portadores. El criterio usado para permitir un nuevo portador se basa en asegurar una utilización eficiente de los recursos disponibles. En otras palabras se admitirán nuevos portadores en la red siempre que haya recursos suficientes disponibles y a la vez se garantice la calidad de servicio de las sesiones en curso Packet Scheduling El scheduler es una entidad situada en la subcapa MAC cuyo objetivo es el uso eficiente de los recursos del canal compartido. La función principal es distribuir los recursos temporales y frecuenciales entre los usuarios. Esta distribución tiene lugar mapeando los usuarios entre los recursos físicos disponibles Canales de transporte y físicos El mapeo entre los canales de transporte y los físicos tiene lugar entre las capas 1 y 2. Los canales de transporte definen los datos transferidos sobre la interfaz radio y los canales físicos corresponden al conjunto de recursos que llevan información de capas más altas. 12

25 Capítulo 2. Descripción General LTE En el Uplink existen dos tipos de canales de transporte: Uplink-Shared Channel (UL-SCH) y Random Access Channel (RACH). El UL-SCH es el más flexible y se caracteriza por proveer de HARQ, asignación dinámica de recursos y adaptación dinámica del enlace ajustando la modulación, codificación y potencia de transmisión. En la figura 2.4 se muestra la correspondencia entre los canales de transporte y los físicos. Hay tres categorías de canales físicos: Physical Uplink Shared Channel (PUSCH), Physical Uplink Control Channel (PUCCH) and Physical Random Access Channel (PRACH). El PUSCH transporta el UL-SCH. En cambio, el PUCCH transporta los reconocimientos HARQ en respuesta a las transmisiones del enlace descendente, solicitudes de scheduling y la información de la calidad del canal. Debido a las restricciones de SC-FDMA un usuario no puede transmitir simultáneamente en el PUCCH y en el PUSCH. Si transmite en el PUSCH, las solicitudes de scheduling y reconocimientos se transmiten conjuntamente con los datos. RACH UL-SCH Canales de transporte en el uplink feedback (CQI) PRACH PUSCH PUCCH Canales físicos en el uplink Figura 2.6: Mapeado entre los canales de transporte y los canales físicos en el Uplink HARQ LTE está dotado de ambas funcionalidades de retransmisión: Automatic Repeat request (ARQ) y HARQ (Hybrid Automatic Repeat request). ARQ provee de corrección de errores en la subcapa de control de enlace (Radio Link Control, RLC) dentro de la capa 2. HARQ tiene lugar en la subcapa MAC y asegura la entrega entre entidades equivalentes de la capa 1. En caso de que no se haya recibido correctamente un paquete de datos, el HARQ se encarga de la retransmisión rápida (ya que tiene lugar en la capa 1) desde el transmisor. De esta manera HARQ proporciona robustez frente a errores de adaptación de enlace (debido por ejemplo a errores en la estimación de la calidad del canal) y mejora la fiabilidad del canal Adaptación de enlace y esquema de modulación y codificación (MCS) Como ya ha sido mencionado anteriormente las funcionalidades de adaptación del enlace (Link Adaptation, LA) y el esquema adaptativo de modulación y codificación son fundamentales en los canales radioeléctricos debido a que se ven afectados por desvanecimiento temporales. 13

26 Capítulo 2. Descripción General LTE El objetivo de la adaptación del enlace es adecuar la asignación de recursos a las condiciones particulares de calidad de canal del usuario. Para ello se ajustan los parámetros de transmisión como MCS (modulación y codificación), pre-coding, potencia de transmisión, etc., para garantizar los requerimientos de QoS para cada usuario. Este proceso se realiza a través del módulo AMC (Adaptive Modulation Coding). En las transmisiones el enb no conoce las condiciones actuales del canal del usuario en el downlink, por ello necesita que el receptor le realimente con información sobre el estado del canal, a través de un Indicador de Calidad de Canal (Channel Quality Indicator, CQI). El enb utiliza dicha información para poder seleccionar valores apropiados para el MCS. En el caso del enlace ascendente, el enb debe monitorizar el estado del canal. Para ello utiliza las señales de referencia enviadas por los terminales móviles (Sounding Reference Signals, SRS). El enb puede elegir diversos órdenes de modulación (QPSK, 16 QAM y 64-QAM) y distintas tasas de codificación para alcanzar mayores tasas de datos cuando el canal lo permite, asegurando una tasa de error en el bloque (Block Error Rate, BLER) definida. Esquemas de modulación de mayor nivel exigen niveles de SNR más altas en recepción para asegurar una tasa de BLER dada. Por ello, cuando se elige un orden menor de modulación, el enb garantiza una transmisión más robusta pero con una tasa de bit menor. En cambio cuando se selecciona un orden de modulación mayor se pueden alcanzar mayores tasas de datos con la consecuente pérdida de robustez Señalización en el Uplink para el Scheduling Las funcionalidades de scheduling y adaptación de enlace se basan en la información sobre el estado del canal y del tráfico. Por ejemplo, la distribución de recursos entre los usuarios requiere conocer el estado del buffer de transmisión para tener en cuenta ese usuario en la siguiente asignación de recursos. El CSI es la medición que el usuario (receptor) hace del SINR. En el caso del downlink el terminal móvil lo retroalimenta al enb. En este trabajo se supone que el CSI está disponible en el enb cada TTI, sobre todo el ancho de banda, para todos los usuarios activos en la célula correspondiente, y con cierta resolución definida en el dominio de la frecuencia (también conocido como granularidad CSI). La figura 2.5 muestra las operaciones de señalización básicas para poder ofrecer scheduling dinámico. UL Grant; PC commands, UE to PRB mapping, Transport Block Size (TBS) allocation enb UE SRS; BSR Power Headroom reports Figura 2.7: Señalización entre UE y enodeb 14

27 Capítulo 3 Modelado y consideraciones generales 3.1 Consideraciones generales acerca del Scheduling En un entorno real de propagación el canal radioeléctrico se ve afectado por desvanecimientos rápidos de la señal debido a la dispersión multitrayecto y efecto Doppler, resultando en la combinación constructiva o destructiva en el receptor. Tales variaciones tienen lugar sobre desvanecimientos lentos debidos por ejemplo a la localización del receptor. El algoritmo de asignación de recursos (Packet Scheduler: PS) es responsable de la distribución de los recursos entre los usuarios que comparten el canal. En un escenario donde diferentes usuarios quieren transmitir sobre un canal radioeléctrico, el PS tiene el objetivo de maximizar la eficiencia espectral utilizando la variabilidad del canal y el tráfico ofrecidos. El scheduler necesita información acerca de la calidad de canal para ser capaz de explotar la diversidad temporal, espacial, frecuencial y multiusuario. Éste último es de especial interés en este proyecto. La diversidad multiusuario explota la independencia estadística del desvanecimiento de señal experimentado por diferentes usuarios dentro de una misma célula o área de cobertura. En un momento dado, un usuario puede observar buenas condiciones de canal en un recurso radio en el que otro observa malas condiciones. La función del scheduler ha de ser la de explotar dicha diversidad, asignando los recursos a los usuarios que están experimentando buenas condiciones de canal en cada caso. La ventaja es doble: Hace posible tasas de datos más altas. Es decir, si se dispone de modulación adaptativa, bajo mejor calidad de canal se seleccionará un MCS de orden más alto y en consecuencia se alcanzarán mayores tasas de datos. De hecho, la ganancia multiusuario se puede modelar como un crecimiento doble logarítmico de la tasa de datos en función del número de usuarios. Como hay múltiples usuarios y cada uno sufriendo desvanecimientos de señal independientemente, será más fácil encontrar un usuario con mejores condiciones de canal. En otras palabras, la diversidad multiusuario proporciona inmunidad frente a desvanecimientos selectivos en frecuencia ya que aquellos usuarios con severas condiciones de canal nunca serán elegidos para transmitir. Sin embargo, si el sistema debe garantizar un mínimo de tasa a cada usuario, el objetivo de maximizar el throughput total quedará limitado por la necesidad de 15

28 Capítulo 3. Modelado y consideraciones generales proporcionar dicha tasa aún a expensas de no seleccionar siempre al usuario con mejores condiciones de canal. La ganancia de la diversidad multiusuario frente a la asignación semi-estática de recursos está acotada debido al crecimiento proporcional del overhead de control con el número de usuarios en el sistema. Merece la pena mencionar que en oposición al downlink donde el uso de OFDMA hace posible el aprovechamiento total de la diversidad en todo el ancho de banda, en el uplink la tecnología de transmisión es SC-FDMA, lo que restringe el grado de libertad en la selección de las subportadoras asignadas a un terminal. No obstante, a pesar de que en SD-FDMA las subportadoras asignadas deben ser contiguas, sigue siendo posible explotar la diversidad multiusuario Modelo del algoritmo de scheduling En general, los algoritmos de scheduling pueden hacer uso de dos tipos de información para tomar sus decisiones de scheduling: información del estado del canal y medidas de tráfico (volumen y prioridad). Esta información se obtiene a través de medidas directas en el enodeb, con feedback a través de los canales de señalización o como una combinación de ambas. La cantidad de feedback es un factor importante ya que la disponibilidad de información detallada acerca del estado del canal o del tráfico permite maximizar la tasa de datos en una dirección pero con el coste añadido de más control en la otra. Por esta razón se requiere un compromiso. Esta disyuntiva fundamental, común a todos los sistemas de planificación de recursos basados en feedback, es particularmente importante en duplexación por división en frecuencia (Frequency Division Duplex: FDD), donde no se puede asumir reciprocidad entre el enlace ascendente-descendente de los canales de radio. Basándose en el feedback, el scheduler tiene el objetivo de gestionar los diferentes requerimientos de todos los usuarios en la celda bajo control para asegurar que se están asignando suficientes recursos a cada usuario dentro del retardo aceptable y de tal manera que se satisfacen sus requerimientos de QoS sin olvidar la eficiencia espectral. Este proceso no está completamente estandarizado ya que se encuentra localizado en el enodeb, permitiendo desarrollar algoritmos específicos que pueden ser optimizados para escenarios específicos. Sin embargo, las partes fundamentales del scheduler son comunes y generalmente se pueden identificar los enfoques típicos. El scheduler, situado en el enodeb, asigna recursos con una granularidad de un TTI y un RB en los dominios del tiempo y de la frecuencia respectivamente. Se supone que OFDMA idealmente protege contra la interferencia entre canales (Inter-channel interference). Es decir, las transmisiones en las distintas subportadoras no se interfieren entre si ya que son ortogonales. Por otra parte, la asignación de recursos para cada 16

29 Capítulo 3. Modelado y consideraciones generales usuario a menudo se establece a través de una métrica. La decisión de asignación es simple: el k-ésimo RB se asigna al j-ésimo usuario si la métrica de dicho usuario sobre dicho RB (ቨ ዼሀዽ ) es la mayor de entre las métricas asociadas a los distintos usuarios, esto es, si satisface la ecuación: ቨ ዼሀዽ ቫ ኮኢኹቺቨ ዻሀዽ ቾ (3.1) ዻ Ésta solución tiene varias ventajas y las razones vienen detalladas en la siguiente subsección. En cualquier caso, para calcular esta métrica, que también se puede ver como una prioridad de ciertos usuarios, se utiliza distinta información: Calidad de Canal: los valores de CQI retroalimentados se usan en las estrategias dependientes del canal para asignar recursos a usuarios con mejores condiciones instantáneas de canal. (por ejemplo, cuando mayor sea el throughput esperado, mayor la métrica). La historia de asignación de recursos: información acerca del servicio recibido por el usuario hasta el momento se utiliza para garantizar cierto nivel de Fairness (por ejemplo, cuando menor es el throughput obtenido hasta ese momento, mayor la métrica). Retardo: el tiempo que cierto paquete ha estado esperando en la cola del buffer para ser transmitido (por ejemplo, cuando mayor el retardo, mayor la métrica). Estado del buffer: la condición del buffer de almacenamiento del receptor puede ser utilizado para evitar desbordamientos. Requisitos de calidad de servicio: cada servicio requiere cierto QoS que se comunicada a través de QCI y puede ser usado para aplicar ciertas estrategias para alcanzar los requisitos exigidos. Por cada TTI el scheduler realiza la decisión de asignación que es válida para el siguiente TTI y ésta información se manda al usuario a través del canal de control de enlace ascendente (Physical Uplink Control Channel: PUCCH). El proceso está explicado en mayor detalle en la subsección: Canales de transporte y físicos. En la siguiente figura 3.1 están representados los principales procedimientos de RRM que interaccionan con el PS y cómo se lleva a cabo el proceso completo de asignación de recursos. 17

30 Capítulo 3. Modelado y consideraciones generales SRS Cálculo de Feedback (CQI) QoS Tasa de datos alcanzada en el pasado Estado del buffer UEs Scheduler (enb) RB Mapping AMC PUCCH Figura 3.1: Modelo simplificado del Scheduler y la señalización involucrada Claves del diseño Para diseñar adecuadamente un algoritmo de asignación dinámica de recursos los siguientes aspectos clave tienen que tenerse en cuenta. Las principales diferencias entre unas estrategias y otras residen principalmente en una o varias de estas características. Complejidad y escalabilidad: un scheduler para LTE trabaja con una granularidad temporal de 1ms esto significa que tiene que tomar decisiones cada 1ms, es decir, 1 TTI. Por lo tanto la complejidad y la escalabilidad son elementos clave que limitan el tiempo de computación y el uso de memoria. Encontrar la mejor asignación de recursos a través de problemas no lineales de optimización o de búsqueda exhaustiva sobre todas las posibles combinaciones no es asequible en términos de coste computacional y tiempo. Ésta es la principal razón por la que a menudo se utiliza la solución heurística basada en una métrica de priorización más o menos sencilla. Siendo N y R el número de usuarios activo en el TTI actual y el número disponible de RBs respectivamente, el scheduler tiene que calcular ቫ ታ ቓ métricas cada TTI. Esta solución garantiza escalabilidad gracias a l dependencia lineal respecto al número de RB y usuarios. Eficiencia espectral: el uso efectivo de los recursos es uno de los principales objetivos a conseguir. Para este cometido, se pueden considerar varios tipos de medidas de rendimiento. Por ejemplo la eficiencia espectral (expresada en bit/s/hz) puede ser maximizada sirviendo siempre usuarios que están experimentando las mejores condiciones de canal porque en este caso se seleccionarán en el AMC tasas de modulación mayores. 18

31 Capítulo 3. Modelado y consideraciones generales Fairness: determina si los usuarios están recibiendo una parte equitativa de los recursos del sistema. Debe ser tenido en cuenta para garantizar un servicio mínimo incluso a los usuarios que se encuentran bajo malas condiciones de canal. En los resultados presentados se mide con la ecuación 4.1, presentada en el siguiente capítulo. Aprovisionamiento de QoS: es un factor clave en la siguiente generación de redes móviles. Como ya ha sido mencionado, las restricciones de QoS dependen del servicio y se aplican sobre varios parámetros como son: mínima tasa de bit garantizada, retardo máximo y tasa de error. Consumo energético: ahorro energético es una característica requerida para los terminales alimentados por batería como ocurre en comunicaciones móviles. 3.2 Arquitectura del Simulador El Simulador del Uplink de LTE ha sido desarrollado en Viena y es un programa basado en MatLab que permite el análisis, la prueba y la optimización de algoritmos y procedimientos implementados en la capa física. Como se explica en [2] y [3], el simulador está compuesto por tres partes básicas: transmisor, modelo de canal y receptor. El bloque del transmisor y receptor están interconectados a través del canal, a través del cual los datos son transmitidos. Por simplicidad la señalización y el feedback se asumen libre de error. Esta hipótesis de señalización libre de error es completamente realista ya que la señalización está más protegida que los datos a través de tasas de codificación más bajas y/o órdenes de modulación menores. Además, estos errores en señalización y feedback tienen lugar solo bajo muy malas condiciones de canal, condiciones bajo las que el proyecto actual no se centra. Más detalles acerca de la descripción del Vienna LTE Uplink physical layer Simulator se pueden encontrar en [3]. La estructura del transmisor está basada en el estándar[6-8]. El scheduler recibe el feedback a través del Índice de Calidad de Canal (Channel Quality Index: CQI). Éste se emplea para distribuir los recursos entre los usuarios y elegir el MCS óptimo (tasa de código y esquema de modulación que van desde QPSK hasta 16- y 64 QAM) para un BLER objetivo. El simulador está compuesto por algoritmos que calculan el feedback a través de los coeficientes de canal estimados. Se puede encontrar más información específica acerca de los algoritmos de feedback en [9]. 19

32 Capítulo 3. Modelado y consideraciones generales Figura 3.3: Estructura del simulador de nivel de enlace de Viena Fuente: [3] 3.3 Modelos de tráfico Para llevar a cabo la investigación del rendimiento de los distintos algoritmos de scheduling en un escenario con mezcla de tráfico, se han implementado distintos modelos de tráfico. Éstos modelos de trafico emulan servicios con ciertos requerimiento de QoS empleados por los usuarios. En el escenario propuesto a cada usuario se le asocia aleatoriamente uno de estos modelos de tráfico, de acuerdo con una cierta probabilidad. Para la caracterización de los modelos y su asignación en el escenario se ha tomado como referencia [4]. Algunas características de los diferentes tipos de modelos de tráfico están resumidas en la tabla 3.1, incluyendo la probabilidad de que cierto usuario utilice dicho servicio. Como VoIP es el servicio más importante y restrictivo se explica este modelo en más detalle y solo se ofrece una pequeña descripción del resto. La modelación del tráfico generado por el servicio VoIP, representado en la figura 3.3, consiste en un modelo de dos estados: uno activo (mientras habla el usuario) y otro inactivo (mientras el usuario está escuchando) con cierta probabilidad de transición entre ambos. El modelo genera un paquete regularmente con un intervalo entre paquetes que depende del estado en el que se encuentra: durante el estado activo genera un paquete cada 20ms y durante el estado inactivo cada 160ms. En cuanto a los requerimientos de QoS: más del 98% de los paquetes de un usuario VoIP tienen que llegar con un retardo menor de 50ms para considerar que se satisface el criterio del servicio VoIP. De otra manera el usuario no 20

33 Capítulo 3. Modelado y consideraciones generales está satisfecho y se considera que el servicio está cortado o en outage. Así se asume un retardo total extremo a extremo menor de 200ms para comunicaciones entre móviles. FTP y HTTP son dos modelos de tráfico Non-Real-Time (NRT), el tamaño y el tiempo entre paquete está caracterizado por una función de distribución acumulativa (Cumulative Distribution Function, CDF). Estos dos servicios no son sensibles en cuanto al retardo, es decir, no tienen que satisfacer ningún requerimiento en cuanto al retardo. El principal problema en un escenario de mezcla de tráfico es que sus paquetes son mucho mayores (más de 1000 veces) que los paquetes de un servicio VoIP. Por este motivo, pueden provocar monopolizar los recursos del sistema y provocar retrasos considerables sobre servicios en tiempo real. Por lo tanto, se requiere una estrategia diferenciadora de tráfico para solucionar este problema y prevenir estos posibles bloqueos de red para los servicios que sí son sensibles al retardo como por ejemplo VoIP. Los otros dos tipos de servicio en tiempo real son video streaming y gaming. Sus paquetes se caracterizan también por su correspondiente CDF. Como también son servicios en tiempo real presentan asimismo limitaciones en cuanto al retardo máximo que soportan. a b = 1-c Inactive State State 0 Active State State 1 d = 1-a c Figura 3.3: modelo de actividad de voz de dos estados Criterios de satisfacción Los criterios de satisfacción para cada tipo de servicio se pueden encontrar en [10] sección La carga del sistema está limitada por los requerimientos de los servicios ya sea en términos de tasa de datos media alcanzada durante un cierto tiempo o de retardo de transmisión. Los criterios de satisfacción considerados para elaborar este proyecto se encuentran resumidos en la siguiente Tabla

34 Capítulo 3. Modelado y consideraciones generales Aplicación Tabla 3.1: Principales características de los modelos de tráfico Categoría de tráfico Tipo Porcentaje de usuarios de cada servicio Criterio de satisfacción FTP Best Effort Non-RT 10 % 100kbps Web Browsing / HTTP Video Streaming (rate of 64 kbps) Interactive Non-RT 20 % 100kbps Streaming RT 20 % VoIP Real-Time RT 30 % Gaming Interactive Real-Time RT 20 % 90% paquetes en menos de 100ms 98% paquetes en menos de 50ms 90% paquetes en menos de 80ms 3.4 Modelo de consumo energético Para el cálculo de las medidas de consumo energético se ha considerado un modelo simple ya que no hay ningún tipo de bucle de control de potencia (Power Control Loop) implementado en el simulador. Por lo tanto, a lo largo del proyecto el cálculo estimado de la potencia consumida depende solamente del número de RB asignados ya que éste es el único parámetro relacionado con la potencia bajo control del algoritmo de scheduling. Por consiguiente, el número de RB asignadas en un usuario es considerado como una medida directa de la potencia consumida. Además para poder calcular un valor real de la potencia consumida en un único RB utilizamos el siguiente parámetro basado en [10]: ቑ ቓ ቫ ብኖንሃኖ ቃቨሟቑቓቃ. 22

35 Capítulo 4 Comparativa general de diferentes Schedulers 4.1 Introducción En esta sección se comparan diferentes scheduler en términos de throughput, fairness y eficiencia energética. Los schedulers considerados en esta primera comparativa han sido seleccionados para encontrar la mejor estrategia a partir de la cual desarrollar un algoritmo de scheduling más completo y complejo. Por esa razón se ha elegido una amplia selección de scheduler con diferentes propósitos. En este primer escenario no se han incluido los modelos de tráfico, es decir, se considera la aproximación de full-buffer, todos los usuarios tienen siempre datos disponibles para transmitir. Y al no considerar ningún servicio, tampoco se considera ningún requerimiento de QoS. El escenario ha sido propuesto para ser lo más simple posible de manera que los resultados se centren en las estrategias básicas implementadas y a partir de ahí gradualmente se aumentará la complejidad y los schedulers tendrán un mayor número de entradas sobre las que tomar sus decisiones de distribución de recursos. Los schedulers seleccionados para esta primera comparativa son: MaxMin que maximiza el mínimo de los throughputs conseguido por el conjunto de los usuarios Semi-static Round Robin, con un patrón de asignación fijo pero con adaptación de velocidad de datos Resource Fair, asigna el mismo número de RBs a todos los usuarios Proportional Fair Maximum Throughput BCQI: Best Channel Quality Indicator Estas estrategias de scheduling se explican más detalladamente en la siguiente subsección en mayor detalle Fairness Cuantificamos el fairness utilizado el índice de fairness de Jain (JΙϴ ϲ FΙϴ ε I αε [11]. Se usa para determinar si los usuarios están recibiendo una parte equitativa de los recursos disponibles. El índice se calcula con la siguiente fórmula: 23

36 Capítulo 4. Comparativa general de diferentes Schedulers ዢ ሀ ዦ ኟቩቚ ቋኟቚ ቫ ቚቕ ቔ ዦ ዢ (4.1) ሀቔ ኟቩቚ ቕ Donde T es un vector de throughputs, n es el índice del usuario y N es el número total de usuarios. Cuando los recursos están repartidos de manera perfectamente equitativa, esto es, cuando todos los usuarios alcanzan el mismo throughput, el índice de Jain es igual a uno. Por otro lado con menor fairness, el índice tiende a 1/N. 4.2 Estrategias de Scheduling En esta sección se presentan las diferentes estrategias de asignación que han sido tenidas en cuenta en esta comparativa Round Robin Esta es una estrategia que no tiene en cuenta el estado del canal por ello no puede ser una solución real ni para LTE ni para ningún sistema que transmita sobre un canal radioeléctrico. Sin embargo se va a utilizar como referencia básica (peor caso) en la comparativa. También se puede utilizar en combinación con otras estrategias que sí que tengan en cuenta el canal para mejorar las prestaciones del sistema. Esta estrategia permite a los usuarios turnarse en la utilización de los recursos compartidos sin considerar las condiciones de canal instantáneas. Puede ser visto como una manera equitativa en el sentido de que todos los usuarios reciben la misma cantidad de recursos. Sin embargo, el scheduling round robin no es equitativo ya que no proporciona la misma calidad de servicio a todos los usuarios. Para ser equitativo tendría que asignar más recursos a aquellos usuarios que experimentan peores condiciones de canal. Además es evidente que puede no ser una estrategia eficiente, particularmente en el uplink y si no se tiene realimentación sobre la demanda de servicio por parte de los terminales móviles, debido a que asigna recursos a priori incluso cuando los usuarios no tienen datos para transmitir. Podemos traducir este comportamiento en la ecuación 4.2, expresando la métrica de i-ésimo usuario en el k-ésimo RB como: ዪዪ ቨ ዻሀዽ ቫ ቯ ብ ቕ ዻ (4.2) donde t es el tiempo actual y ቕ ዻ hace referencia a la última vez que el usuario fue servido. A pesar de lo dicho, en esta comparativa se ha implementado una versión semi-estática del RR por lo que se asignan los recursos a priori siguiendo un patrón fijo pero existe adaptación en la tasa de datos. 24

37 Capítulo 4. Comparativa general de diferentes Schedulers Best Channel Quality Indicator Esta estrategia asigna recursos a los usuarios que están experimentando mejores condiciones de calidad de canal. Por consiguiente, como se selecciona el usuario con mejor calidad de canal, se puede utilizar la mejor MCS posible y se consigue una mayor velocidad de datos al aplicar un esquema adaptativo como en nuestro caso particular. Por lo tanto esta estrategia trata de maximizar la velocidad de datos asignando en cada RB el usuario que puede obtener el mayor throughput en el siguiente TTI. La métrica puede ser representada con la siguiente fórmula: ዚዛዩዡ ቨ ዻሀዽ ቫ ዽ ዻ ቯቚ (4.3) donde ዽ ዻ ቯቚ es el throughput alcanzable para el i-ésimo usuario en el k-ésimo RB, en t ésimo TTI. El algoritmo de asignación implementado simplemente busca el máximo de entre los CQI reportados para cada RB de todos los posibles usuarios. Es evidente que esta estrategia consigue maximizar la tasa de datos media del sistema pero por otro lado los usuarios con peores condiciones de canal (ej: usuarios de la parte exterior de la célula) obtendrán una parte muy reducida de los recursos disponibles o en el caso extremo nunca serán servidos. Por lo tanto el fairness de esta estrategia resulta bajo Maximum Throughput En este caso, el scheduler trata de maximizar el throughput global. Es decir, buscar la combinación de usuario-rb que maximice el throughput global. En este caso, como no hay tráfico real ni requisitos de QoS mínimos que satisfacer, coindice con la opción BCQI como veremos en los resultados. Se utiliza la implementación presentada en el artículo [12]. Ahí el autor presenta un algoritmo ya que será utilizado como punto de partida para los siguientes, tan solo se imponen nuevas restricciones al problema de optimización formulado. Su comportamiento puede expresarse con la misma ecuación propuesta para la estrategia BCQI (Ec. 4.3) Resource Fair El objetivo de la estrategia de un scheduler resource fair (RF) es lograr un throughput alto a la vez se proporciona un mínimo nivel de fairness de tal manera que cada usuario recibe al menos una pequeña cantidad de recursos. Esta estrategia se logra imponiendo una restricción adicional al problema de optimización propuesto para la estrategia de Maximum Throughput de manera que todos los usuarios reciben la misma cantidad de recursos. Si el lector está interesado puede encontrar más detalles del problema de optimización y la aproximación en que resulta en [12]. 25

38 Capítulo 4. Comparativa general de diferentes Schedulers Proportional Fair Una solución típica para encontrar un compromiso entre los requerimientos de fairness y eficiencia espectral (o equivalentemente throughput) es el uso del scheduler proportional fair(pf). En este caso, la métrica de priorización en la asignación del k-ésimo RB se calcula con la expresión: የዞ ቫ ዶ ድ ዳ ሆቚ ቨ ዻሀዽ ዪቃቃቁቃሆቔቚ (4.4) donde ቓቃቃቃቯቚ representa la media de throughput pasado del usuario i-ésimo hasta el ዻ momento actual t y ዽ ቯቚ es la tasa esperada de transmisión para el usuario i-ésimo en el t-ésimo TTI. En esta expresión la media pasada de throughput ቓቃቃቃቯቚ actúa como un factor de ponderación de la tasa de datos esperada. En el algoritmo implementado esta variable se calcula haciendo la media con una ventana exponencial con una constante de decaimiento de 10 subtramas. Con esta política de asignación de recursos, incluso los usuarios que estén experimentando muy malas condiciones de canal recibirán recursos cada cierto tiempo. El scheduler basado en [15], se ha implementado realizando una aproximación para reducir la complejidad del mismo MaxMin Scheduler El objetivo de un scheduler MaxMin es maximizar el mínimo de los throughputs obtenidos por el conjunto de los usuarios. El problema de optimización y la reformulación del problema en un problema lineal están fuera del ámbito del proyecto, pero si el lector está interesado lo puede encontrar en [12]. Esta estrategia se puede encontrar también bajo el nombre de Blind Equal Throughput y su métrica puede ser expresada con la siguiente fórmula: ዥዳሊዥዻሀ ቔ ቫ ዪቃቃቁቃሆቔቚ ቨ ዻሀዽ (4.5) 26

39 Capítulo 4. Comparativa general de diferentes Schedulers 4.3 Resultados de la simulación Escenario La simulación se ha realizado en un escenario monocelular SISO (Single Input Single Output) con 16 usuarios distribuidos de tal forma que el nivel medio de SNR en recepción para el conjunto de los 16 usuarios permite un barrido de 0dB y 30dB en pasos de 2dB. Es importante señalar que esta SNR es solo la media, ya que los usuarios experimentan desvanecimientos rápidos (fading multitrayecto, doppler shift) y lentos (movimiento). Los parámetros de la simulación están resumidos en la siguiente tabla 4.1. Como ya ha sido comentado se utiliza la suposición full-buffer debido a que no hay generación de paquetes de manera que todos los usuarios tienen datos para transmitir y no se considera provisión de QoS. Los usuarios se mueven con una velocidad de peatón, esto es, 2.78m/s ó 10km/h. Tabla 4.1: Parámetros de la simulación Sim#4 Parámetro Valor Ancho de banda 1.4MHz Número de portadoras 72 Número de Rb por subtrama 12 Número de usuarios 16 Número de subtramas 1000 Modelo de canal PedA Configuración de antena 1 transmisora, 1 receptora (1x1) Receptor ZF (zero forcing) Estimación de canal Perfecta Comparativa en términos de Fairness y Throughput Empezamos analizando los resultados del Índice de Jain para cada uno de los schedulers. En los resultados se considera fairness absoluto, es decir, la diferencia entre SNR no son consideradas en la medida de fairness. Los resultados se muestran en la figura 4.1, donde se puede ver como el MaxMin scheduler obtiene el fairness más alto tal y como era de esperar. No obstante, no es posible alcanzar el objetivo teórico de ser igual a uno. Por otro lado podemos ver en la figura 4.2 que obtiene la menor suma de throughput. Por lo tanto los resultados presentan de acuerdo con la teoría que la maximización de fairness no es compatible con altas tasas de velocidad de datos. En contraste con la estrategia de scheduling MaxMin, podemos ver que BCQI y Maximum Throughput obtienen el mejor resultado en términos de throughput como se esperaba aunque esto viene acompañado de un bajo fairness. Como solamente asignan 27

40 Capítulo 4. Comparativa general de diferentes Schedulers recursos a los usuarios con buenas condiciones de canal obtienen un throughput alto con el consiguiente bajo fairness al no servir a todos los usuarios de manera equitativa. Por otro lado Round Robin (RR) y Resource Fair (RF) obtienen los peores resultados. RR no considera las condiciones de canal para la asignación de recursos y las figuras muestran que no obtiene buen resultado ni en fairness ni en throughput, por lo tanto podemos concluir que no considerar el canal para asignar los recursos es una mala decisión. Sin embargo, los resultados del RF son sorprendentes porque debería obtener mejores resultados o al menos estar más cerca del PF ya que solo se ha impuesto una condición extra a la solución para máximum throughput. La posible razón para estos malos resultados podría ser la estrechez del ancho de banda utilizado comparado con el alto número de usuarios en la célula. Tenemos que tener en cuenta que 1.4MHz es el menor ancho de banda disponible en LTE. Estas dos figuras también muestran que el PF scheduler logra un buen compromiso entre fairness y throughput. PF consigue repartir equitativamente los recursos y a su vez conseguir buen throughput. 1,0 0,9 0,8 MaxMin RR RF PF Jain's Fairness Index 0,7 0,6 0,5 0,4 0,3 0,2 0,1 Max Thr BCQI 0,0 Scheduler Figure 4.1: Fairness achieved with different schedulers 70 Max Thr BCQI 60 Sum Throughput Mbit/s 50 PF 40 RR RF MaxMin 10 0 Scheduler Figura 4.2: Suma de los throughput obtenidos con los diferentes schedulers 28

41 Capítulo 4. Comparativa general de diferentes Schedulers Comparativa en términos de Throughput simultáneo La figura 4.3 muestra el throughput obtenido para cada uno de los diferentes usuarios y estrategia de asignación de recursos. Como los usuarios están repartidos uniformemente para alcanzar un SNR promedio entre 0dB y 30dB podemos ver la cantidad de recursos que cada usuario recibe en función de su SNR media. Los scheduler que maximizan el throughput, es decir, BCQI y Max. Throughput, obtienen lógicamente mayor throughput ya que solo sirven a los usuarios que experimentan buena calidad canal. Sin embargo usuarios con peor calidad de canal (SNR bajo) nunca son servidos. Se puede observar como RR, RF y PF se comportan de manera similar a excepción de una pequeña mejora de PF sobre los usuarios de menos SNR. Esto es debido a que RR también aplica adaptación de MCS a las condiciones de canal de otra manera la tasa no se adaptaría a las mejores condiciones de canal de los usuarios con mayor SNR y la tasa de datos resultante sería constante sobre todo el rango de SNR. Por otro lado se observa cómo el algoritmo de scheduling MaxMin obtiene una tasa de datos constante sobre todo el rango de SNR, 0.8Mbits/s para el usuario con peor calidad de canal y 1.4Mbits/s para el usuario con mejor calidad de canal. MaxMin RR RF PF Max Thr BCQI 16,0 14,0 Throughput [Mbit/s] 12,0 10,0 8,0 6,0 4,0 2,0 0, Figura 4.3: Throughput simultáneo obtenido por cada UE para cada uno de los Schedulers SNR[dB] UE Comparativa en términos de eficiencia energética Las figuras 4.4 y 4.5 muestran la eficiencia resultante para distintos schedulers de dos maneras distintas. En la primera (figura 4.4) se representa la tasa de datos resultante por cada bloque de recursos (RB). Éste es un parámetro para fijarse en la ventaja que supone asignar 29

42 Capítulo 4. Comparativa general de diferentes Schedulers recursos a ciertos usuarios. La tasa de datos alcanzable ዽ ዻ ቯቚ en el instante t en dos RB consecutivos se determina usando la siguiente expresión: ሀቓዴዻሆህ ዳሀድ ሆቚ ሀቓህላዿዴሁዾህ ሀቓህሇዴድዳሄሄዻዷሄህ ዽ ዻ ቯቚ ቫ ቓቯቚ ዺ ዺ ዺ (4.3) ህላዿዴሁዾ ህሇዴድዳሄሄዻዷሄ ዪዚ donde ቓቯቚ es la tasa de codificación y ሀቓዴዻሆህ ዳሀድ ሆቚ ህላዿዴሁዾ el usuario i en el instante t en la portadora k. Además, es el número de bits por símbolo para ሀቓህላዿዴሁዾህ ህሇዴድዳሄሄዻዷሄ ሀቓህሇዴድዳሄሄዻዷሄህ es igual a 6 (ya que el símbolo del centro se utiliza para control y igual a 11 (debido a que una ዪዚ subcarrier es de control). Por lo tanto cada slot comprende 84 símbolos OFDM de los cuales solo 66 símbolos van destinados para datos. ሀቓዴዻሆህሆቚ ቓቯቚ y varían para cada MCS, el cual depende del CQI. Los posibles valores ህላዿዴሁዾ retroalimentados CQI están representados en la tabla 4.2 (como está especificado en [5] Tabla : tabla de 4-bit CQI). Cuanto mayor es el valor de CQI mayor la tasa de código alcanzable y por lo tanto más eficiente energéticamente. Además, para calcular el número final de bit de datos en 2 RBs hay que tener en cuenta que hay cierto número variable de bits de control de nivel 1 y 2. Por lo tanto, excluyendo overheads de nivel 1 y 2 el número de bits destinados a datos en 2 RBs consecutivos es el mostrado en la siguiente tabla 4.2. CQI Tabla 4.2: Parámetros CQI, sus MCS y número de bits resultantes Modulación R Tasa de codificación (x1024) Nbits de datos sin codificar en 2 RBs Nbits totales brutos en 2 RBs Nbits Datos en 2 RBs 3 QPSK QPSK QPSK QPSK QAM QAM QAM QAM QAM QAM QAM QAM QAM

43 Capítulo 4. Comparativa general de diferentes Schedulers La figura 4.4 muestra que los scheduler de maximización de tasa de datos (BCQI y Max Thoughput) logran una eficiencia constante. Esto significa que asignan recursos siempre a usuarios con una CQI igual a 15, es decir la más alta posible y por lo tanto obteniendo la tasa de datos más alta. Por otro lado, el resto de schedulers, como también asignan recursos a usuarios con menor CQI (debida a menor SNR media) obtienen una eficiencia energética menor. En la figura 4.5 se muestra la eficiencia en potencia (Power efficiency) medida en Mbits por µw. Como ya ha sido explicado anteriormente, los scheduler que tratan de maximizar la tasa de datos obtienen un mejor uso de los recursos lo que resulta en la obtención de mayor eficiencia en potencia. MaxMin RR RF PF Max Thr BCQI 7,0 Efficiency [kbits/rb] 6,0 5,0 4,0 3,0 2,0 1,0 0, SNR[dB] UE index Figura 4.4: Eficiencia simultánea obtenida por cada Scheduler Power efficiency [Mbits/µW] 1,8 Max Thr 1,6 1,4 1,2 PF 1,0 RR RF 0,8 0,6 MaxMin 0,4 0,2 0,0 Scheduler Figura 4.5: Eficiencia en potencia para diferentes Schedulers medida en Mbit/s por µw BCQI 31

44 Capítulo 4. Comparativa general de diferentes Schedulers En la última figura 4.6 se muestra la potencia media consumida para cada usuario y scheduler, relacionada con el nivel de SNR medio de cada UE. Se puede observar que la función de scheduling MaxMin tiene que gastar muchos más recursos y por tanto más potencia en los usuarios con mala calidad de canal para conseguir la misma tasa de datos que los usuarios con buena calidad de canal. Esto puede ser visto como un despilfarro de los recursos. Por otro lado se puede ver como la el consumo en potencia se distribuye equitativamente sobre los usuarios para RR, RF y PF, pese a que los usuarios con mejores condiciones de canal hagan mejor uso de esos recursos ya que obtienen mayores tasas de datos con la misma energía. MaxMin RR RF PF Max Thr BCQI Power consumption [µw] 10,0 8,0 6,0 4,0 2,0 0, SNR[dB] UE index Figura 4.6: Consumo energético simultáneo obtenido por diferentes UE para cada uno de los Schedulers 4.4 Conclusiones generales de la comparativa Los resultados de la comparativa muestran que PF obtiene un buen compromiso entre fairness y tasa de datos. La métrica PF puede ser modificada con facilidad añadiendo nuevas entradas al algoritmo de scheduling como por ejemplo priorizar ciertos usuarios debido a la flexibilidad que ofrece esta implementación. Por lo tanto se va a utilizar esta estrategia como punto de partida para desarrollar algoritmos más complejos dotados de más características y capacidades. 32

45 Capítulo 5 Modificación de bajo consumo En esta sección se analiza una modificación del algoritmo Proportional Fair (PF). Esta modificación tiene como objetivo reducir el consumo energético o equivalentemente incrementar la eficiencia energética de la transmisión. En otras palabras, con la misma cantidad de potencia consumida proporcionar mayor tasa de datos media. Los resultados muestran que las mejoras son enormes. Sin embargo esta gran mejora solo se consigue bajo condiciones de baja carga, lo que corresponde a 20 usuarios en nuestro sistema. Con 30 usuarios en el sistema también hay mejora aunque no tan grande como para 20 usuarios. No obstante, cuando aumenta el número de usuarios acercándose a punto de carga máxima del sistema (40 usuarios) las mejoras son muy pequeñas o casi inexistentes. 5.1 Enfoque Como una primera modificación de la métrica básica PF se ha propuesto añadir un parámetro en el denominador. Este enfoque tiene como objetivo distribuir menos equitativamente los recursos, es decir, forzar a que el scheduler sea unfair. Este Ι Λ ε ε ϴ ε Ι Ι ε Ιdores ajustar la métrica del scheduler a las condiciones actuales del sistema. La nueva métrica queda entonces: ዻ ዽ ቯቚ የዞ ቨ ዻሀዽ ቫ ቝቓቃቃቃቯ ብ ኒቚ ረ (5.1) E ει ϴαΙα ε ε ϱιχε Ι Ι Ιαϴ ε Ι Λ ε ε αθοθχι ε ε ε ϴε ε Ι media de throughput pasada en el cómputo de la nueva métrica. Por lo tanto cuando ε ΙΦ εχε ε Ι αε ε ε ε ε Ι ϱιχθε α ε εα Χϴ ε οιχ de ponderación en relación con el throughput medio del usuario hasta ese momento. Consecuentemente estamos forzando a que la métrica sea menos equitativa. Además, en caso extremo de que ο ε Ι ϴϧ Ι Ι Χε ε α Ι Ι η ϴΧΙ ε ϴ Ι ε ε αε scheduler que maximiza el throughput que ya hemos visto en el capítulo anterior que es óptimo en cuanto a la eficiencia energética. En resumen tenemos que encontrar un αε Χ ϴ Ι Ι Ι ε Ι Λ ε ε ε αθ ϴΦ Χϴ ε ϴ Ι ϴ Ι αε recursos y throughput medio. Se puede encontrar más detalles en [21] donde el impacto αε Ι Λ ε ε Λ ε icado en más detalle. 33

46 Capítulo 5. Modificación de bajo consumo 5.2 Escenario En la siguiente tabla 5.1 se muestran los parámetros generales de la simulación utilizados. La simulación se ha realizado en un escenario monocelular SISO con 20 y 30 usuarios. Los usuarios están distribuidos de manera aleatoria siguiente una distribución uniforme, es decir, tienen una SNR media uniformemente distribuida en el rango -5dB y 35dB. Es importante señalar que pese a que están aleatoriamente distribuidos, los resultados han sido llevados a cabo sobre la misma realización de SNR. De otra forma habría sido imposible comparar distintos schedulers con distintas realizaciones de SNR. También se utiliza en este caso la aproximación de full-buffer para centrarnos tan solo en los resultados del scheduler, es decir, analizar cómo explota la diversidad en tiempo, frecuencia y multiusuario, y que de esta manera no influya el comportamiento de la generación de paquetes en los resultados. Los usuarios se mueven con velocidad de peatón, es decir, 10km/h. Tabla 5.1: Parámetros de la simulación Sim#5 Parámetro Valor Ancho de banda 1.4MHz Número de portadoras 72 Número de Rb por subtrama 12 Número de usuarios 16 Número de subtramas 2000 Modelo de canal Typical Urban Configuración de antena 1 transmisora, 1 receptora (1x1) Receptor ZF (zero forcing) 5.3 Resultados de la simulación Resultados de la simulación con 20 UE En primer lugar se presentan los resultados con 20 usuarios. En este caso el valor del parámetro en la ecuación 5.1 está ajustado entre 1, que corresponde con el caso PF normal, hasta 0.01 que obtiene en los resultados presentados un fairness aproximadamente de La figura 5.1 muestra el índice de Jain para cada métrica con un correspondiente valor de. 34

47 Capítulo 5. Modificación de bajo consumo 0,8 0,7 0,6 Normal PF =ϭ =ϯϯϱ =ϯϭ =ϯϭ 0,5 0,4 0,3 0,2 0,1 0 Figura 5.1: Fairness obtenido con cada métrica para cada valor del parámetro con 20UE En la figura 5.2 se representa la suma de throughput obtenida por cada métrica. Es evidente que conforme la métrica distribuye los recursos de manera menos equitativa la tasa de datos obtenida es mayor. La mejora en la suma de throughput entre el caso Normal PF (19.24Mbits) y el caso menos equitativo (25.83Mbits) es casi de un tercio. Por lo tanto es posible conseguir una mejora en la eficiencia energética de un tercio en condiciones de baja carga del sistema. En la figura 5.3 se representa la eficiencia obtenida para cada métrica con el correspondiente valor de. Se puede observar que la eficiencia es proporcional a la suma de throughput ya que todos los scheduler están simulando el mismo número de subtramas y por lo tanto se consume el mismo número de recursos. Sum Throughput Throughput [Mbits] Normal PF =ϭ =ϯϯϱ =ϯϭ =ϯϭ 5 0 Figura 5.2: Suma del throughput para cada métrica para cada valor del parλ ε Χ 20UE 35

48 Capítulo 5. Modificación de bajo consumo 0,35 Power efficiency [Mbits/µW] 0,3 0,25 0,2 0,15 0,1 0,05 Normal PF =ϭ =ϯϯϱ =ϯϭ =ϯϭ 0 Figura 5.3: Eficiencia energética obtenida con cada métrica para cada valor del parámetro con 20UE Resultados de la simulación para 30 UE En este caso, con 30 usuarios el rango de ajuste del parámetro tiene que ser mayor para poder alcanzar un rango fairness equivalente al caso de 20 usuarios ya que al haber mayor número de usuarios la diversidad multiusuario hace que el throughput medio obtenido sea mayor. Además se han llevado a cabo mayor número de simulaciones para tener un rango mayor de fairness con el que hacer la comparativa. El parámetro oscila desde 10, el cual da lugar al mayor índice de fairness (0.861), hasta 0.01, valor que conduce al menor valor de fairness (0.719). El nivel de fairness para cada métrica está representado en la figura 5.4. Los resultados muestran en la figura 5.5 que la suma de throughput crece de manera inversamente proporcional al fairness de la métrica como en el caso anterior. Sin embargo, en este caso hay ε αθοθχι ε Ι Λ ε desde 10 hasta 0.01 para poder obtener una mejora en la eficiencia energética de aproximadamente 13%. Para el caso de mayor fairness ( =10) el sistema obtiene un throughput medio de 32.84Mbits y para el caso de menor fairness ( =0.01) se obtiene un throughput medio de 37.3Mbits. En la figura 5.6 se muestra la eficiencia del sistema para cada métrica. De nuevo muestra que crece proporcionalmente con respecto a la tasa de datos media alcanzada ya que el número de subtramas simuladas, y por lo tanto el número de recursos, es el mismo. 36

49 Capítulo 5. Modificación de bajo consumo Fairness 0,9 0,85 =ϭ =ϯ 0,8 PF =ϭ 0,75 =ϯϯϱ =ϯϭ =ϯϭ 0,7 0,65 0,6 Figura 5.4: Fairness obtenido con cada métrica para cada valor del parámetro con 30UE Sum Throughput 38 =ϯϭ Throughput [Mbits] =ϭ =ϯ PF =ϭ =ϯϯϱ =ϯϭ Figura 5.5: Suma de throughput obtenida con cada métrica para cada valor del parámetro con 30UE 37

50 Capítulo 5. Modificación de bajo consumo 0,45 0,44 =ϯϭ Power efficiency [Mbits/µW] 0,43 0,42 0,41 0,4 0,39 0,38 0,37 0,36 0,35 =ϭ =ϯ PF =ϭ =ϯϯϱ =ϯϭ Figura 5.6: Eficiencia obtenida con cada métrica para cada valor del parámetro con 20UE 5.4 Conclusión En este capítulo se presenta una modificación de la métrica PF para obtener mayor eficiencia energética. Esta solución es muy interesante para los operadores debido a que ellos solo tienen que ajustar un parámetro en la métrica en función de la carga del sistema para lograr una gran mejora. Los resultados muestran que esta solución es especialmente interesante para condiciones de baja carga del sistema. En realidad esto no es una desventaja para la solución ya que el operador no se puede permitir reducir el fairness, y consecuentemente distribuir de manera menos equitativa los recursos, cuando se encuentra en condiciones de alta carga del sistema. Esto llevaría a algunos usuarios a una situación de descontento porque habría usuarios que no serían atendidos nunca o al menos no lo suficiente para cumplir con los parámetros de calidad que sus servicios requieren. Esta solución es solo apropiada para condiciones de baja carga donde hay suficiente recursos disponibles para satisfacer la demanda de todos los usuarios de manera que el operador puede garantizar un mínimo nivel de servicio a todos los usuarios. 38

51 Capítulo 6 Análisis de distintos PF con soporte para QoS 6.1 Introducción El estándar de comunicaciones móviles LTE está optimizado y diseñado solamente para conmutación de paquetes de tipo IP. Para dar soporte de QoS, esencial para las futuras redes de comunicaciones móviles, se requiere diferenciación de tráfico y el uso de múltiples portadores (bearer) con la configuración y las prioridades necesarias para garantizar calidad de servicio a cada usuario. Además, un amplio rango de funciones y parámetros de calidad de servicio permitirá a los operadores adoptar el nivel deseado de QoS en las redes de acuerdo con su propia estrategia. Es importante destacar que la provisión de QoS no solo es necesaria en las redes bajo condiciones de alta carga sino que también es necesaria para gestionar tráfico en escenarios con mezcla de tráfico, donde existen servicios con requerimientos especiales que tienen que competir con tráfico de tipo best-effort. En otras palabras, la tasa de datos media del sistema puede ser maximizada si el scheduler utiliza las condiciones instantáneas de canal retroalimentadas para tomar las decisiones de asignación de recursos. Sin embargo, las decisiones de scheduling basadas solo en las condiciones del canal son insuficientes para mantener y gestionar servicio en tiempo real debido a sus estrictos requisitos en cuanto a retardo. Por ello se han desarrollado algoritmos de scheduling que tienen esto en cuenta y cumplen estos requisitos (ver figura 6.1) Feedback (CQI) QoS Estado del buffer Scheduler (enb) Tasa de datos media alcanzada RB Mapping N Usuarios Requirimientos QoS Figura 6.1: Modelo general de un PS con soporte para QoS 39

52 Capítulo 6. Análisis de distintos PF con soporte para QoS A lo largo de este capítulo se analizan los resultados para varios algoritmos de scheduling al utilizar distintos servicios sobre una misma red. Para emular los servicios ejecutados por los usuarios se han implementado distintos modelos de tráfico cuyas características han sido introducidas y resumidas en la subsección 3.3. El objetivo del scheduler es garantizar simultáneamente las cotas de retardo y un mínimo throughput. Por esta razón, las estrategias de scheduling se analizan en términos del retardo experimentado por aquellos servicios que son restrictivos en retardo, como por ejemplo VoIP, y se analizan en términos de throughput para aquellos servicios best-effort. El principal desafío es hacer posible la diferenciación de tráfico y priorización en un escenario sobre el que se ejecutan distintos servicios simultáneamente (traffic-mix scenario), algunos restrictivos en cuanto al retardo y otros en cuanto al throughput. 6.2 Escenario Como ya se ha demostrado en el capítulo 4, el comportamiento y la implementación del PF scheduler es conveniente para nuestro propósito. Por esta razón se toma como punto de partida para desarrollar un scheduler más complejo y con soporte para QoS. Además se han implementado otros schedulers, que también están basados en la métrica del PF para comparar y poder elegir la mejor solución. Los algoritmos de scheduling tenidos en cuenta en la comparativa son: I. Proportional Fair básico II. Real-Time Priority Scheduler III. Exponential/Proportional Fair IV. Proportional Fair Criteria Proportional Fair Básico Este algoritmo ya ha sido introducido en el capítulo 4, por tanto aquí solo se va a presentar de forma breve. Esta estrategia se basa en la idea de utilizar la tasa de datos media conseguida por un usuario en el pasado como un factor de ponderación de la tasa alcanzable en el TTI actual. ቨ ዻሀዽ ዳ ሆቚ ዪቃቃቁቃሆቔቚ የዞ ቫ ዶ ድ (6.1) Aunque a priori esta estrategia no está adaptada para priorizar ningún tipo de tráfico, en realidad otorga cierta prioridad a usuarios de servicios en tiempo real debido a que por naturaleza generan poca cantidad de datos. Es decir, como los servicios en tiempo real generan menor cantidad de datos que los servicios best-effort, como HTTP y FTP, tienen una tasa de datos media pasada menor y por lo tanto, la métrica resultante para 40

53 Capítulo 6. Análisis de distintos PF con soporte para QoS los servicios en tiempo real es mayor. Sin embargo, los resultados de la simulación muestran que todavía hay holgura para mejoras Real-Time Priority Scheduler Como el principal objetivo para un scheduler con soporte para QoS es la diferenciación de tráfico, la primera propuesta es definir una priorización directa de los servicios en tiempo real. Es decir, esta estrategia primero asigna los recursos entre los usuarios de servicios en tiempo real (VoIP, gaming y video) y si después quedan todavía recursos libres los distribuye entre los servicios best-effort. En otras palabras, hay dos tipos de cola, una para los servicios en tiempo real y otra para los servicios best-effort. Aunque ambas colas utilizan la métrica básica de un PF a la hora de asignar los recursos. Se espera que esta solución proporcione el menor retardo. Sin embargo, esta mejora en retardo perjudica a los servicios best-effort y es posible que no cumplan sus requisitos en cuanto a throughput a medio plazo. Además como la tasa de datos media es más baja, la eficiencia energética caerá en consecuencia Exponential/Proportional Fair El scheduler Exponential/Proportional Fair (EXP/PF) está basado en el artículo [16]. Este algoritmo se propuso por primera vez para gestionar aplicaciones multimedia [17,18]. Pertenece al conjunto de estrategias que intentar garantizar un retardo dentro de unas cotas, ya que el retardo es el requerimiento más exigente en las estrategias que proveen de QoS, especialmente en aplicaciones interactivas o en tiempo real. Para usuarios best-effort (NRT users) se emplea la misma métrica que en el PF básico (ecuación 5.1), pero para priorizar a los usuarios en tiempo real se añade a la métrica un término que aumenta exponencialmente con el tiempo que los paquetes llevan esperando en la cola. Por lo tanto, la métrica para usuarios RT queda expresada: Es decir, ዝደየሟየዞ ቨ ዻሀዽ ቫ በታቫ ብ ዸ ዻ ቅ ዻ ብ ታ ኒ ቤ ዝታ ቇ ዺ ቨ የዞ (6.2) ዻሀዽ donde ዳ ሆቚ ዪ ቃቃቁቃ ሆቔቚ ዝደየሟየዞ ቨ ዻሀዽ ቫ በታቫ ሧ ዳ ዜ ዳ ሊ በ ዺ ዶ ድ ቔቝዝሊ (6.3) y ዸ ዻ ቫ ብ ቧቪቢ ዻ ዻ ላ ዻ (6.4) 41

54 Capítulo 6. Análisis de distintos PF con soporte para QoS ዦ ዼዾ ኒ ታ ቫ ዬ ዸ ዻ ቅ ዻ (6.5) ሄሆ ዻቔ donde ዻ ዻ es la tasa de pérdida de paquetes aceptada para el i-ésimo usuario, ላ ዻ es el umbral de retardo y ሄሆ es el número de usuarios RT. Además ቅ ዻ es el retardo del primer paquete en la cola del usuario i-ésimo. Los resultados de las simulaciones muestran que el parámetro ዻ ዻ es determinante en los resultados de este algoritmo. Por esta razón se lleva a cabo en primera instancia un análisis del parámetro ዻ ዻ. Para ello se dedica la siguiente sección Criteria Proportional Fair Esta solución se ha diseñado sobre la idea de adaptar la métrica de acuerdo no solo al tiempo que cierto paquete lleva esperando para ser transmitido sino también teniendo en cuenta otros parámetros como el estado del buffer de emisión. Además, se proponen varios umbrales para aumentar la métrica, y por lo tanto la prioridad, de manera variable. Asimismo, se incluye la modificación propuesta en el capítulo anterior debido a que las consideraciones de eficiencia energética son de especial relevancia. Se ha tomado como punto de partida el scheduler LDWF (Largest delay Weighted First) propuesto en el artículo [16]. Sobre ese modelo se han añadido varios parámetros sobre los que decidir la asignación óptima de recursos, como el estado de buffer de transmisión y diferentes umbrales dependiendo del tipo de servicio. Las principales características la podemos resumir en: Para los usuarios RT se calcula una nueva métrica. Esta métrica incrementa exponencialmente cuando el tiempo que el paquete lleva esperando en la cola supera un primer umbral. Se definen varios umbrales para maximizar la diversidad multiusuario a la vez que se garantiza los requerimientos de QoS. Tiene en cuenta el estado de buffer en transmisión. Se añade el parámetro β para ajustar el fairness de la estrategia. De manera que Χ Ι α Ι Ι es menores que 1 fuerza al scheduler a repartir los recursos de manera menos equitativa lo que conduce a una mayor eficiencia energética. Una nueva característica para mejorar la eficiencia energética de la estrategia de acuerdo a lo que el autor propone en [19]. En el artículo citado el autor llega a la conclusión de que es más energéticamente eficiente asignar el mayor número posible de recursos a un solo usuario en vez de asignárselos a varios usuarios. La razón de cómo llega a esa conclusión se explica a continuación. En el artículo [19] el autor analiza el efecto que tiene la asignación de recursos en la potencia de transmisión y el consumo de energía total en un módem LTE. 42

55 Capítulo 6. Análisis de distintos PF con soporte para QoS Los resultados de la simulación presentados en el artículo muestran que es más eficiente asignar tantos RBs como sea posible a un único usuario en vez de asignar menos RBs a más usuarios. Por ejemplo, el autor llega a la conclusión de que en media se puede ahorrar un 24% de energía cuando se asigna un canal de 10MHz completo a un único usuario (48 RBs) en vez de asignarle solo 8RBs. El control de potencia en el uplink de LTE conduce a que los usuarios con más RBs transmitan con más potencia, pero de la misma manera la tasa de datos aumenta proporcionalmente y por lo tanto se puede ahorrar energía. Además el modelo de consumo energético hace que la eficiencia del terminal móvil aumente cuando la potencia de transmisión aumenta, como se muestra en la figura 6.2. De manera equivalente el autor en [19] implementa un scheduler para analizar cuanta energía se puede ahorrar cuando se acota el máximo de usuarios a los que se pueden asignar recursos (6, 8, y 10). Los resultados muestran que cuando la cota está en 10 usuarios en vez de 6, el tiempo de transmisión medio aumenta aproximadamente un 4% y el consumo energético medio un 6%. Por lo tanto, se llega a la conclusión de que no tiene sentido permitir asignar recursos a un número mayor de 6 usuarios ya que la suma de throughput no incrementa con el número de usuarios servidos (a los que se asigna recursos). La investigación en el artículo concluye que a cada usuario se le debería asignar tantos recursos como sea posible a la vez que se limita el número máximo de usuarios a los que se asigna simultáneamente recursos para reducir el tiempo de espera medio y por lo tanto el consumo energético. Figura 6.2: Potencia de transmisión frente a la potencia consumida en el UE y eficiencia. El consumo total incluye el consumo de todo el módulo de radiofrecuencia. Está basado en un ajuste polinómico en el modelo del 2011 de un UE. FUENTE: [24] FIGURA

56 Capítulo 6. Análisis de distintos PF con soporte para QoS Esta nueva característica de asignar tantos recursos como sea posible a un usuario se ha implementado en nuestro scheduler debido a las ventajas que demuestra. Aunque solo para los usuarios de servicios en tiempo real, porque si no de otra manera los usuarios best-effort bloquearían la red ocupando demasiados recursos. Para los usuarios besteffort se aplica la misma métrica que el PF básico (ecuación 5.1) pero para usuarios RT la métrica se calcula con la siguiente fórmula: ዜዳ ኋ ዝደየሟየዞ ሺ ዻ ዳሀዷዳዸ ዽ ቯቚ ቨ ዻሀዽ ቫ ኌቦ ዻ ዺ ነ (6.6) ቝቓ ቃቃቃቯ ብ ኒቚ ረ donde ቩ ዻ es el número de paquetes esperando en el buffer de transmisión, ላ ዻሀዼ es un umbral de retardo mínimo para el usuario i-ésimo y ቅ ዻ es el retardo del primer paquete en la cola del usuario i-ésimo. Además: ኒ ተቜቩቪ ቅ ዻ ቮ ላ ዻሀዿዻሀ ቦ ዻ ቫ ች ኖ ተቜቩቪ ላ ዻሀዿዻሀ ቮ ቅ ዻ ቮ ላ ዻሀቕ (6.7) ናኑ ተቜቩቪ ላ ዻሀቕ ቮ ቅ ዻ ቮ ላ ዻሀዿዳሊ ሀ ዳ donde en el peor caso posible, si el paquete ha estado esperando en el buffer de transmisión un tiempo superior al umbral máximo, ቅ ዻ ቯ ላ ዻሀዿዳሊ ቦ ዻ ቫ ዚ, de manera que el usuario obtiene prioridad máxima y es servido con toda seguridad en el siguiente TTI. En este caso extremo supone que el scheduler ya no tenga en cuenta las condiciones de canal para tomar la decisión de asignación. Por otro lado es importante destacar que aquellos paquetes que llegan al receptor fuera del tiempo máximo ya no son útiles. Sin embargo no vamos a descartarlos directamente para ver las posibles mejoras en las comparativas entre schedulers Parámetros de la simulación Los parámetros de simulación más importantes se muestran en la Tabla 6.1. La simulación se lleva a cabo en un escenario monocelular SISO con un número variable de usuarios: 40 en el primer caso, que corresponde con unas condiciones de alta carga en nuestro sistema, y 30 en el segundo caso, que corresponde con un sistema a media carga (medium-loaded system). Los usuarios están distribuidos uniformemente a lo largo de la célula de manera aleatoria, es decir, tienen una SNR media uniformemente distribuida en el rango -5dB y 35dB. Los usuarios se mueven con velocidad de peatón, es decir, 10km/h. Cada usuario ejecuta un único servicio de cinco disponibles. Cada servicio se asigna de manera aleatoria pero siguiendo la probabilidad de aparición como se explicó en el 44

57 Capítulo 6. Análisis de distintos PF con soporte para QoS apartado 3.3. Además es importante señalar que pese a que están aleatoriamente distribuidos, los resultados han sido llevados a cabo sobre la misma realización de SNR. Lo mismo ocurre con la asignación de servicios. De otra forma habría sido imposible comparar distintos schedulers con distintas realizaciones de SNR o asignaciones aleatorias de los servicios. Tabla 6.1: Parámetros de la simulación Sim#6 Parámetro Valor Ancho de banda 1.4MHz Número de portadoras 72 Número de Rb por subtrama 12 Número de usuarios 16 Número de subtramas 2000 Modelo de canal Typical Urban Configuración de antena 1 transmisora, 1 receptora (1x1) Receptor ZF (zero forcing) Probabilidad de aparición de cada servicio VoIP (0.3), gaming (0.2), video (0.2), HTTP (0.2), FTP (0.1) 6.3 Selección del parámetro δ en EXP/PF Como ya se ha mencionado, el parλ ε ϱι αε Ια ε αε ε ϴ Ι ε ε resultados. Por ello se ha realizado una investigación independiente para determinar el valor más apropiado. La figura 6.3a muestra los resultados al aplicar el scheduler EXP/PF con distintos valores αε Ι Λ ε ϯ E Ι ϧ ΛοϴΧΙ ε Ι Ι Ι Ι αε αι Ι ΧΙ ΙαΙ ΧΙαΙ Ι ϴ durante las 2000 subtramas, solo están representados los usuarios best-effort ya que el throughput es el parámetro relevante en estos servicios. Por su parte, para los servicios en tiempo real el parámetro relevante es el retardo. Cada barra representa un usuario best-effort, hay 12 barras debido a la probabilidad de aparición de estos servicios (FTP y HTTP) ya que entre ambos suman el 30% de probabilidad y tenemos 40 usuarios en el sistema.! ε ε ε Ι ϴ ε Ι οθϧ Ι εαι αε α Χ Ι Ϭ ε Χϱεα ε Χ =ϯϭ obtiene la tasa de datos media más alta. Esto se puede observar con mayor claridad en la siguiente figura 6.3b, donde se muestra la suma de throughput media por usuario Best-effort. 45

58 Capítulo 6. Análisis de distintos PF con soporte para QoS Figura 6.3a: Throughput simultáneo para diferentes valores de. Figura 6.3b: Suma de throughput media para cada selección de. Ya hemos explicado que si solamente hubiéramos considerado el throughput y la eficiencia energética habríamos seleccionado la métrica con = , sin embargo para proveer de QoS también hay que garantizar un retardo máximo para los servicios en tiempo real, así que hay que analizar los resultados en términos de retardo para cada una de las métricas antes de elegir la solución óptima. 46

59 Capítulo 6. Análisis de distintos PF con soporte para QoS Las siguientes figuras ( ) muestran la función de distribución acumulativa (CDF: cumulative distribution function) de los paquetes satisfactoriamente transmitidos para cada uno de los tipos de tráfico. La función está calculada de manera que todos los usuarios con el mismo retardo o menor se suman. Por ejemplo, cuando tenemos un valor de 0.4 para un retardo de 40ms significa que el 40% de los paquetes fueron satisfactoriamente transmitidos en un tiempo menor o igual a 40ms. Las siguientes 3 figuras muestran que la curva delay-cdf crece proporcionalmente con ε Ι Λ ε ε Ι Χ Ι Χ =ϯϭ ε Ι Ι ε αε Χ Ι ϯ Esto significa que esta métrica es capaz de transmitir en menor tiempo, y por lo tanto menor retardo, para un tanto por ciento de paquetes dado. Sin embargo, la mejora respecto a la métrica Ι ε ϴ Ϭ ε αεχθ Χ =ϯϭϭ εs mínima en términos de retardo. En cambio la η ϴΧΙ Χ =ϯϭ ο εχε Ι ε Ι ϴ Ι ε ε η ϴ αε ϱ ϧϱ ϯ P esta razón se decide fijar finalmente el parámetro =ϯ001 que en las gráficas corresponde con el segundo mejor caso en términos de retardo pero que proporciona una mejora de aproximadamente 20% en términos de tasa de datos. Además esta mejora en tasa de datos con el mismo número de recursos consumidos resulta en una mayor eficiencia energética. P Ι ε Ι ϴ ΙΧϴ ε ε ϴαε Ι ε Ι Λ ε Ι Ι Ι η ϴΧΙ αε Χϱεα ε E P PF ε οθ Ι ε =ϯϭϯ Figura 6.4: Delay-CDF para usuarios VoIP con 40UE y diferentes valores de 47

60 Capítulo 6. Análisis de distintos PF con soporte para QoS Figura 6.5: Delay-CDF para usuarios video con 40UE y diferentes valores de. Figura 6.6: Delay-CDF para usuarios gaming con 40UE y diferentes valores de. 6.4 Resultados de la comparativa de las estrategias de scheduling En esta sección se presenta la comparativa de cada una de las estrategias propuestas con especial atención al soporte de QoS. Los criterios de satisfacción de cada uno de los servicios se presentan aquí otra vez por razones de comodidad e importancia. 48

61 Capítulo 6. Análisis de distintos PF con soporte para QoS Aplicación Tabla 6.2: Principales características de los modelos de tráfico Categoría de tráfico Tipo Porcentaje de usuarios de cada servicio Criterio de satisfacción FTP Best Effort Non-RT 10 % 100kbps Web Browsing / HTTP Interactive Non-RT 20 % 100kbps Video Streaming (rate of 64 kbps) Streaming RT 20 % VoIP Real-Time RT 30 % Gaming Interactive Real-Time RT 20 % 90% paquetes en menos de 100ms 98% paquetes en menos de 50ms 90% paquetes en menos de 80ms Resultados en términos de retardo bajo condiciones de alta carga (40UE) Para empezar se presentan los resultados con 40 usuarios. Éste es el punto de trabajo considerado ya que ahí es donde mejor se pueden comparar los resultados debido a que la célula no está sobrecargada (en caso de estar sobrecargada sería imposible satisfacer a la mayoría de los usuarios) pero tampoco está demasiado vacía (ya que haría innecesarias las mejoras nuestro scheduler). Más tarde se presentan los resultados con 30 usuarios, donde nuestro sistema se encuentra a media carga. En las tres primeras figuras ( ) se muestra el retardo acumulado (delay-cdf) de los paquetes para cada uno de los servicios en tiempo real, a saber, VoIP, real-time gaming y video streaming. En cada gráfica también se representa el criterio de satisfacción por medio de una línea roja (punteada para el porcentaje de paquetes definido en su criterio de satisfacción y con asteriscos para el umbral máximo de retardo tolerable). Por ejemplo el criterio de VoIP establece que un usuario VoIP se considera satisfecho cuando se transmite el 98% de sus paquetes en un tiempo igual o menor a 50ms. Por lo tanto, en la figura 6.7 se puede ver cómo Criteria PF es el único scheduler que cumple los requisitos de retardo de los usuarios VoIP. La figura también muestra que PF y RT-Priority están muy lejos de los requisitos. Sin embargo, el scheduler EXP/PF está cerca, consigue transmitir aproximadamente 96% de los paquetes. El comportamiento de RT-Priority en este caso es muy sorprendente ya que obtiene un retardo tan grande como el PF básico. Esto es debido a que no tiene en cuenta el tiempo que cierto paquete lleva esperando en la cola para tomar sus decisiones de asignación. Por otro lado, EXP/PF y Criteria PF sí que lo tienen en cuenta 49

62 Capítulo 6. Análisis de distintos PF con soporte para QoS de tal manera que pueden diferenciar entre los servicios de tiempo real para priorizar aquellos servicios RT que por ejemplo tienen un umbral mínimo de retardo menor. Figura 6.7: Delay-CDF para usuarios VoIP con 40UE Las siguientes dos figuras (6.8 y 6.9) muestran el retardo resultante para cada scheduler representando solo los paquetes de los usuarios de real-time gaming y video streaming respectivamente. El criterio de satisfacción de ambos servicios está definido sobre el 90% de los paquetes satisfactoriamente transmitidos pero para gaming se requiere un retardo máximo menor de 80ms y para video 100ms. El criterio de satisfacción se representa en las gráficas al igual que antes con una línea roja. Las dos figuras muestran que PF básico es el peor ya que no tiene en cuenta ningún tipo de diferenciación de tráfico para tomar sus decisiones de asignación. Por otro lado se puede observar que RT-Priority obtiene los mejores resultados en términos de retardo. Asimismo las gráficas muestran que los schedulers Criteria PF y EXP/PF obtienen muy buenos resultados en términos de retardo aunque el comportamiento de cada uno es diferente. Podemos ver cómo los valores de los umbrales afectan a la curva de delay- CDF para el caso de Criteria PF, especialmente en el caso de video, ya que los paquetes de video son en media mucho mayores que los de gaming y que los de VoIP. Podemos ver como hasta 40-45ms la curva de retardo crece linealmente. Esto es debido a que todavía no se ha alcanzado el primer umbral ላ ዻሀዿዻሀ por lo que el valor de K (ver ecuación 6.6 y 6.7) se mantiene igual a 1, es decir, no hay priorización de ningún tipo de servicio. Por lo tanto, durante este primer rango temporal, hasta el primer umbral, solo los paquetes correspondientes a usuarios con buen canal serán transmitidos y además tanto los paquetes de servicios RT como NRT competirán en igualdad de posibilidades. 50

63 Capítulo 6. Análisis de distintos PF con soporte para QoS En este caso, la diversidad multiusuario se maximiza ya que hay mayor probabilidad de encontrar un usuario experimentando buenas condiciones de canal al buscar entre 40 que si solo se buscar entre 28, como ocurre en el caso del RT-Priority (28 son el número de servicios RT en media en un escenario típico con mezcla de tráfico). El impacto del segundo umbral que se define diferente para cada tipo de servicio se puede observar también en las figuras 6.8 y 6.9. Para el servicio gaming ላ ዻሀቕ ha sido definido a 60ms y para video a 75ms. Por último, la curva también muestra que hay cierto número de paquetes que todavía no son transmitidos satisfactoriamente cuando el umbral llega al máximo ላ ዻሀዿዳሊ. En este caso, el valor del parámetro K pasa a valer infinito por lo que los paquetes pasan a ser inmediatamente servidos en el siguiente TTI ya que eso significa que se están aproximando mucho al máximo umbral admitido por el servicio. En este rango de retardo la curva crece con la máxima pendiente posible como muestran las gráficas. Estos paquetes, al estar tan cerca de ser descartados, necesitan la máxima prioridad y aunque su canal no haya sido suficientemente bueno para ser servidos desde que han llegado al buffer de transmisión hay que gastar los recursos necesarios para transmitir esos paquetes, ya que de otra manera no se va a garantizar la calidad de servicio. Figure 6.8: Delay-CDF para usuarios gaming con 40UE 51

64 Capítulo 6. Análisis de distintos PF con soporte para QoS Figure 6.9: Delay-CDF para usuarios video con 40UE Resultados en términos de Throughput bajo condiciones de alta carga (40 UE) En la siguiente figura 6.10 se muestra la tasa de datos alcanzada simultáneamente por cada usuario best-effort para cada uno de los schedulers. Cada barra representa un usuario. La línea roja en las figuras representa el requerimiento mínimo throughput que ha sido establecido en 100kbps para los usuarios NRT y tiene el propósito de poder comprobar si todos los usuarios NRT en el sistema satisfacen su requerimiento de manera simultánea a lo largo de los 2 segundos simulados, es decir, 2000 subtramas. La figura 6.10 muestra que el scheduler PF supera al resto de schedulers en términos de throughput de los usuarios NRT. Esto es debido a que en el PF básico no existe priorización de los usuarios RT respecto a los NRT por lo que pueden acceder a mayor parte de recursos. Por otro lado, el RT-Priority obtiene la tasa de datos más baja. Esto es debido porque no está explotando el máximo de la diversidad multiusuario, solamente sobre los usuarios RT que como máximo es 28UE, asumiendo que todos los usuarios RT tienen datos para transmitir cosas que es un caso muy extremo teniendo en cuenta los usuarios RT generan en media un paquete cada 20ms, es decir, cada 20 subtramas. Esto se puede observar más claramente en la figura 6.11 que se presenta posteriormente. Las gráficas también muestran que los usuarios con peor canal en media (1, 3, 7, 9 y 10) se ven afectados aproximadamente en la misma proporción por cada uno de los schedulers. En otras palabras, los usuarios con peor calidad de canal obtienen aproximadamente la misma cantidad de datos comparado con los usuarios con mejor 52

65 Capítulo 6. Análisis de distintos PF con soporte para QoS calidad de canal independientemente del scheduler debido a que todas las estrategias están basadas en la métrica PF para los usuarios best-effort. Merece la pena destacar que todos los schedulers alcanzan los requisitos mínimos en cuanto a throughput excepto el Criteria PF con =0.25, cuyo usuario número 9 obtiene menor throughput del que el criterio de satisfacción especifica (100kbps) y representado por la línea roja. Criteria PF =ϯϯϱ ϴ ϱ ϰͽe Criteria PF =ϯϭ ϴ ϱ ϰͽe EXP/PF with 40UE RT-Priority with 40UE Normal PF with 40UE Figura 6.10: Throughput simultáneo obtenido por los diferentes scheduler considerando solo los servicios NRT (HTTP and FTP) con 40UE en el Sistema (12 NRT- UE) 53

66 Capítulo 6. Análisis de distintos PF con soporte para QoS Tras analizar la figura 6.10, la diferencia entre EXP/PF y los dos tipos de Criteria PF parece ser pequeña. Sin embargo, la figura 6.11 manifiesta que la diferencia es considerable y que el Criteria PF con =0.1 obtiene el mejor resultado. La figura 6.11 muestra la suma de la tasa de datos de los 40 usuarios, es decir, considera no solo los NRT (como en las figuras 6.10) sino también los RT. La figura muestra que Criteria PF con =0.1 obtiene el mejor resultado. Obtiene mejor resultado incluso que Criteria PF con =0.25 porque como ya se ha explicado en el capítulo anterior disminuir el parámetro fuerza a que el scheduler distribuya los recursos de manera menos equitativa resultando en una mayor tasa de datos y por lo tanto un scheduler más eficiente energéticamente. Valores menores de no han sido incluidos en la simulación ya que el decremento del fairness hacía que no se cumplieran los requisitos de QoS. Por otro lado es importante reseñar que EXP/PF no está maximizando la diversidad multiusuario ya que solamente en el instante inicial en el que se crean los paquetes es cuando todos los usuarios tienen la misma prioridad. Conforme los paquetes se acercan a su retardo de transmisión máximo admitido comienzan a ser priorizados y por lo tanto el peso de la calidad del canal en la métrica es menor. Por el contrario, con el Criteria PF este rango de tiempo durante el cual se maximiza la diversidad multiusuario es mayor. Por ejemplo, cuando un paquete de video se genera, el usuario dispone de 50ms para ser servido sin perjudicar al sistema, es decir, ser servido por propios méritos, porque su canal es suficientemente bueno para ser servido ya que durante estos primeros 50ms no se le da prioridad respecto a ningún otro servicio. Ésta es la razón por la que Criteria PF supera al resto de schedulers, puesto que el tiempo durante el cual se aprovecha de la diversidad multiusuario es mayor. Un resultado inesperado presente en la figura 6.11 podría ser que el PF básico logre una suma de tasa de datos menor que Criteria PF y por lo tanto menor eficiencia energética. Aunque ambos schedulers tratan de maximizar el tiempo durante el que se explota la diversidad de multiusuario, el PF básico impone una condición de fairness que fuerza a distribuir equitativamente los recursos. Esto no ocurre en el Criteria PF ya que el fairness es menor, debido a que ε Ι Λ ε ε ε ε ϯ P ε, el Criteria PF permite grandes diferencias de tasas de datos entre usuarios en el sistema, ya que por ejemplo los servicios de video, debido al gran tamaño de sus paquetes, requieren una gran tasa de datos. Esto se puede ver más claramente en las figuras 6.12 y 6.13, donde cada barra representa la tasa de datos obtenida simultáneamente por cada usuario, en particular, las barras amarillas representan a los usuarios de tipo video. En otras palabras, debido al fairness que impone el PF básico se deja de servir a los usuarios que ejecutan servicios que demandan gran cantidad de datos como por ejemplo video streaming. 54

67 Capítulo 6. Análisis de distintos PF con soporte para QoS Figura 6.11: Suma de throughput y eficiencia obtenida por cada scheduler Figura 6.12: Throughput simultáneo obtenido por cada usuario con Criteria PF Χ =ϯϭ Figura 6.13: Throughput simultáneo obtenido por cada usuario con normal PF 55

68 Capítulo 6. Análisis de distintos PF con soporte para QoS Retardo y throughput bajo condiciones de media carga (30UE) En esta subsección se presentan los resultados de las simulaciones con 30 usuarios de manera equivalente a como se han presentado en la subsección anterior. Para 30 usuarios el sistema ya no se encuentra en condiciones de alta carga sino en condiciones de media carga. Las gráficas a continuación muestran como todos los scheduler aparte de PF básico consiguen satisfacer los requerimientos de QoS tanto en retardo como en tasa de datos. Por lo tanto esto demuestra lo expuesto anteriormente: incluso en condiciones de baja o media carga, en las que se encuentra el sistema con 30 usuarios, es necesario un scheduler que soporte diferenciación de tráfico y priorización para satisfacer los requerimientos de QoS. Sin embargo, PF básico supera al resto de schedulers en términos de throughput como muestra la figura 6.17 donde se representa la suma de throughput para los 30 usuarios. En este caso bajo condiciones de media carga podemos ver como en contraste con el caso anterior de alta carga, el PF básico alcanza la mayor tasa de datos y por lo tanto la mayor eficiencia energética ya que todos están utilizando el mismo número de recursos. Esto es debido a que en este caso hay suficientes recursos y no es tan determinante la manera en que son distribuidos. En la figura 6.17 podemos ver que el diseño propuesto (Criteria PF) obtiene los mejores resultados en cuanto a eficiencia energética, sin tener en cuenta el resultado del PF básico, que como hemos dicho no cumple los requisitos de retardo. Figura 6.14: Delay-CDF para VoIP con 30UE 56

69 Capítulo 6. Análisis de distintos PF con soporte para QoS Figura 6.15: Delay-CDF para gaming con 30UE Figura 6.16: Delay-CDF para streaming video con 30UE 57

70 Capítulo 6. Análisis de distintos PF con soporte para QoS Criteria PF =0.25 with 30UE Criteria PF =0.1 with 30UE EXP/PF with 30UE RT-Priority with 30UE Normal PF with 30UE Figura 6.17: Throughput simultáneo obtenido por los diferentes scheduler considerando solo los servicios NRT (HTTP and FTP) con 30UE en el sistema (9 NRT-UE) Figura 6.18: Suma de throughput y eficiencia obtenida con cada uno de los schedulers 58

71 Capítulo 7 Conclusiones 7.1 Conclusión El objetivo general de este proyecto ha sido el diseño de un algoritmo de scheduling en el uplink de LTE, cuyo principal objetivo es satisfacer las expectativas de tantos usuarios en el sistema como sea posible, teniendo en cuenta los requisitos de calidad de servicio de sus aplicaciones y evitando el derroche energético, con el fin de extender la vida de la batería en el terminal del usuario (UE). En la primera parte, se ha llevado a cabo una investigación de varias estrategias de asignación de recursos de propósito general donde PF ha demostrado ser un buen punto de partida para desarrollar nuestro scheduler. Posteriormente, se propone una modificación energéticamente eficiente. Por último se lleva a cabo la implementación de varios schedulers basados en el PF. Estos schedulers se analizan en términos de retardo, rendimiento (throughput) y eficiencia energética sobre un escenario en el que se mezclan varios tipos de tráfico. Como conclusión, el trabajo llevado a cabo durante los últimos meses ha llevado a desarrollar una estrategia de scheduling que satisface nuestros requisitos. En particular, Criteria PF scheduler presenta un buen throughput, satisface los exigentes requisitos en términos de retardo de servicios como VoIP y streaming video y por último, pero no menos importante, supera al resto de schedulers en cuanto a eficiencia energética. Además cumple los criterios presentados en la subsección ϵclaves del diseño, es decir los puntos fundamentales sobre los que diseñar un scheduler adecuado. De particular importancia es la flexibilidad que nuestro diseño proporciona. Éste diseño permite a las operadoras ajustarse específicamente a los requerimientos de sus servicios. Por otro lado la propuesta de ahorro energético también es muy prometedora debido a su facilidad de puesta en práctica y las mejoras que ofrece. Para terminar, merece la pena señalar el esfuerzo que se ha hecho durante la elaboración de este proyecto para ofrecer soluciones al desafío de la eficiencia energética. Este desafío ya es relevante y en los siguientes años será incluso más determinante en la investigación en comunicaciones móviles. Hay dos razones principales. Por un lado, las comunicaciones móviles requieren soluciones energéticamente eficientes para garantizar mayor duración de los dispositivos móviles. Y por el otro lado, es necesario tener en cuenta consideraciones en cuanto al cambio climático, ya que reducir el gasto energético repercute en la reducción de la emisión de gases de efecto invernadero y por lo tanto el calentamiento global. 59

72 Capítulo 7. Conclusiones 7.2 Líneas de investigación para el futuro Aunque los objetivos propuestos se han cumplido todavía queda trabajo para mejorar la eficiencia energética o el retardo. Es decir, teniendo en cuenta el periodo de tiempo disponible y el número de parámetros involucrados en el scheduling los resultados son buenos. Sin embargo, existen incontables mejoras y ajustes posibles en los parámetros implicados para obtener mejores resultados debido a la flexibilidad de las estrategias propuestas. Hay dos temas de especial interés que continúan en la misma dirección que este proyecto. El primero es el mecanismo DRX/DTX, el cual estaba planeado afrontarlo pero el tiempo no fue suficiente porque habrían sido necesarias un gran número de nuevas implementaciones. Para llevar a cabo este análisis habría que haber trabajado desde el punto de vista de la estación base, es decir, sobre el downlink, y todo el trabajo de este proyecto se ha llevado a cabo sobre el uplink. La segunda propuesta de futura línea de trabajo es el scheduling coordinado. Esta solución ofrece grandes mejores pero viene acompañada de un aumento de la complejidad considerable Parámetros DRX/DTX El punto principal de esta funcionalidad es hacer que el terminal no tenga que estar continuamente monitorizando los canales de control, permitiendo desconectar los sistemas de radiofrecuencia durante largos periodos y activándolos solamente durante ciertos instantes. Este mecanismo puede ser implementado como una estrategia de scheduling semipersistente de manera que se asignan a priori un número fijo de recursos a un servicio o usuario. Por ejemplo para el servicio VoIP como se conoce a priori que genera un paquete de tamaño fijo cada 20ms, el scheduler puede reservar una cierta cantidad de recursos para transmitir este paquete y el resto del tiempo el UE permanece en un estado de bajo consumo de tal manera que ahorramos una gran cantidad de energía y aumentamos la vida de la batería. Ahora mismo hay varias investigaciones en paralelo porque en el contexto de ahorro energético el mecanismo DRX/DTX puede hacer innumerables mejoras pero debido a la flexibilidad que ofrece hay una gran cantidad de parámetros a ajustar Scheduling Coordinado La otra propuesta para investigaciones futuras es el scheduling coordinado. Una gran limitación para el throughput en redes celulares es la interferencia entre células, especialmente para usuarios sobre la franja de la célula y en particular para LTE, donde el factor de reutilización de frecuencia es uno. Para reducir la interferencia intercelular un scheduling coordinador entre distintas estaciones base interconectadas sería muy útil. Esta solución implicaría muchas limitaciones a la hora de realizar la asignación de recursos porque el número de recursos disponibles varía mucho, especialmente para usuarios en la parte exterior de la célula. Por lo tanto, las entradas 60

73 Capítulo 7. Conclusiones para el la estrategia de scheduling se incrementan considerablemente. Además para hacer posible el scheduling coordinado se requiere comunicación entre células adyacentes. Si las células están gestionadas por el mismo enodeb, es posible una estrategia de scheduling coordinada es posible sin la necesidad de estandarizar las señales de control necesarias. Sin embargo cuando las células están controladas por diferentes enodeb son necesarios cambios en el estándar. 61

74 62 Capítulo 7. Conclusiones

75 Bibliografía [1] 3GPP TS 36-Series, [2a] C. Mehlführer, J. C. Ikuno, M. ϸimko, S. Schwarz, M. Wrulich, Ι α Mϯ R Ϭ ϵϻϱε Vienna LTE Simulators - Enabling Reproducibility in Wireless Communications Rε ει Χϱ, EURASIP Journal on Advances in Signal Processing, [3] Blumenstein, J., Ikuno, J.C., Prokopec, J. and Rupp, M. ϵsimulating the long term evolution uplink physical layer Ϭ ELMAR, 2011 Proceedings [4] Orange, China Mobile, KPN, NTT DoCoMo, Sprint, T-Mobile, Vodafone, and Telecom I Ι ϴΙϬ ϵrϭ : LTE Physical Layer Framework for Performance Verification; 3GPP TSG R!N GϭϬ ϻεχϱϯ Rε ϯ [5] 3GPP Technical Specification , version 8.4.0, Physical layer procedures, September [6] 3GPP Technical Specification Version Group RAN, ϵevolved Universal Terrestrial Radio Access (E-UTRA), physical channels and modulation Ϭ 2009 [7] 3GPP Technical Specification Group RAN, ϵevolved Universal Terrestrial Radio Access (E-UTRA), multiplexing and channel coding Ϭ 2009 [8] S. Schwarz, C Mehlführer, M Rupp, ϵcalculation of the spatial preprocessing and link adaption feedback for 3GPP UMTS/LTE. Proc. IEEE Wireless Advanced, London, UK (2010) [9] ϯgpp R!N Gϭ ϻr ϮϱϯϴϭϰϬ ϵpϱ ϴΧΙ LΙ ε! εχ ο E εα ϿϻR!Ϭ Rε ει ε ϳ Ϭ V7.1.0, September 2006 [10] Lauridsen, M., Jensen, A.R., M ϧε ε Ϭ Pϯ ϵrεα Χϴ ϧ LϻE Ͽ ϴ ϻ Ι ϴ ϴ E ε ϧ Φ! ΧΙ ϴ ϧ Rε Χε Vehicular Technology Conference (VTC Fall), 2011 IEEE, September 2011 [11] Rϯ JΙϴ Ϭ Dϯ ϱθ Ϭ Ι α ϯ HΙ εϭ ϵ! Q Ι ϴ Ι ϴ ε MεΙ ε ο FΙϴ ε Ι α Dϴ Χ ϴ ϴ Ι ϴ ο Rε Χε! ΧΙ ϴ ϴ ϵϱι εα ε ϵ ε Ϭ Tech. Rep. TR 301, DEC, September [12] S. Schwarz, C. Mehlfüh ε Ϭ Ι α Mϯ R Ϭ ϵl ε ϴ Approximate Maximum Throughput Scheduling ο LϻEϬ in 44th Annual Asilomar Conference on Signals, Systems, and Computers, Pacific Grove, California, Nov [13] C. H. Papadimitriou and K. Steiglitz, ϵcombinatorial Optimization: Algorithms and Complexity. Dover Pubn Inc, [14 Hϯ Kϴ Ι α ϯ HΙ Ϭ ϵ! P ϴ Ι FΙϴ ϵχϱεα ϴ ϧ ο M ϴΧΙ ϴε Transmission ϵ ε Ϭ IEEE Communications Letters, vol. 9, no. 3,

76 [15 ϯ ϵ Ϭ ϯ ϴ Ϭ Ι α Gϯ εϭ ϵrεα Χεα-Complexity Proportional Fair Scheduling for OFDM! ϵ ε Ϭ ϴ Proc. IEEE International Conference on Communications, Circuits and Systems, vol. 2. [16] Rϯ Ι Ι Ιϭ Hϯ!ϯ M ϱα RΙ ϱϭ Kϯ ϵι α Ι εϧι Ι Ϭ ϵpε ο Ι Χε! Ι ϴ ο E P PF and M-LWDF in Downlink 3GPP LTE System First!sian Himalayas International Conference on Internet, Nov [17] J.-H. Rhee, J. M. Holtzman, and D. K. Kim, "Scheduling of Real/Non-real Time Services: Adaptive EXP/PF Algorithm," in the 57th IEEE Semiannual Vehicular Technology Conference. vol. 1, 2003, pp [18] J.-H. Rhee, J. M. Holtzman, and D. K. Kim, "Performance Analysis of the Adaptive EXP/PF Channel Scheduler in an AMC/TDM System," IEEE Communications Letters, vol. 8, pp , Aug [19] Erik Dahlman, ϵ εοι PΙ Ι Ϭ Ι α J ϱι ϵ αϭ ϵ4g LTE/LTE-Advanced for Mobile Broadband Ϭ Ϯϭϭ [20] Stefania Sesia, Issam Toufik and Matthew Baker LTE The UMTS Long Term Evolution: From Theory to Practice, 2009 [21] S. Schwarz, C. Mehlfuhrer and M. Rupp. ϵϻϱ ϧϱ Ι ϴ ϴ ϴ ϧ ϴ ε Χϱεα ϴ ϧ ϴ ϱ Ια ΙΦ ε οιθ ε Ϭ IEEE International Conference on Communications (ICC), Kyoto, pp.1-5, Jun [22]Martin Müller, Stefan Schwarz and Markus Rupp. ϵq ϵ I ε ϴϧΙ ϴ ο P ϴ Ι Fair Scheduling in LTE Networks ϵ, accepted for publication in IFIP Wireless Days Conference, 2013 Ϯϯ FΙ KϱΙ ϯ ϵlϻe ο ϰg M Φϴ ε ΙαΦΙ α ϯ Ι Φ ϴαϧε Ͽ ϴ ε ϴ P ε Ϭ Cambridge, [24] H. Holma and A. Toskala, WCDMA for UMTS - HSPA Evolution and LTE, 5th ed. John Wiley & Sons, Ltd., [25] Luis M. Correia, Dietrich Zeller, Ylva Jading, István Gódor, Gunther Auer, Liesbet Van der Perre, ϵchallenges and Enabling technologies for Energy Aware Mobile Radio Nε ϵ, IEEE Communications Magazine, November 2010 [26] Wengerter, C. ; Panasonic R&D Center, Germany ; Ohlhorst, J. ; von Elbwart, A.G.E. ϵfairness and throughput analysis for generalized proportional fair frequency scheduling in OFDMA Ϭ Vehicular Technology Conference, IEEE 61st (Volume:3 ) Ϯϳ ϱι α Ι ϵϯ Ϭ Eαϯ I ϴαϧε ϵdr MεΧϱΙ ϴ ο P ε ϵι ϴ ϧ ϴ LϻE Ϭ IEEE Communications Magazine, June

77 !péndice!: Documento original de la tesis

78

79 DIPLOMA THESIS Energy efficient Scheduling for LTE Uplink Carried out in the Institute of Telecommunications of the Vienna University of Technology by Víctor Sen Abad

80 Supervisors: Univ.Prof. Dipl.-Ing. Dr.techn. Markus Rupp (Vienna University of Technology) Dipl.-Ing. Stefan Schwarz (Vienna University of Technology) Univ.Prof. Dipl.-Ing. Dr.techn. Ángela Hernández Solana (Universidad de Zaragoza)

81 Abstract In a scenario where mobile users are exponentially growing, new generation mobile communication systems such as Long Term Evolution (LTE) have been designed to provide higher data rates and lower latencies to allow a broad number of services and applications in a mobile device. The development of new and demanding services such as video streaming, real-time gaming entails Quality of Service (QoS) support as well as capacity increase. On the other hand, this increased number of high consuming services and components is not coming with battery developments, for that reason the energy efficiency has become a crucial issue. These mobile devices, which are battery supplied, not only have to run an increasing number of services and lots of software functions they are also equipped with high consuming components (e.g. screen, processor). Such a device requires a huge battery capacity that is not affordable with the actual battery technology. Therefore, the energy-efficiency is assumed to be the main challenge for the researchers in designing of new architectures of the new mobile communication systems. The objective of this diploma thesis is to design an energy-efficient packet scheduling algorithm. The Packet Scheduler (PS) is in charge of the allocation of radio resources to users over the shared wireless channel. In such a scenario where different users want to transmit over a wireless channel, the PS aims to achieve spectral efficiency by using the variability of the wireless channel and the offered traffic data. The PS requires information about the instantaneous channel quality to be able to exploit time, space, frequency and multi-user diversity. Multi-user diversity is of particular interest in this thesis, it aims at exploiting the statistical independence of the channel fading by multiple users within the same cell or coverage area. It allows to allocate users which are experiencing better channel conditions. In LTE packet schedulers play a key role in the overall system performance. The main goal of this scheduler is to fulfil the expectations of as many users in the system as possible, taking into account the QoS requirements of their respective applications and in addition, avoiding energy waste in order to extend battery life in the User Equipment (UE). In the first part of this thesis, a comparison study between several basic schedulers is carried out in order to evaluate their performance and general characteristics. As a result of this comparison the Proportional Fair (PF) scheduler is proposed as a starting allocation scheme. The reasons for this decision are not only its well-known trade-off between fairness and throughput, but also its flexibility. The PF scheduler computes a metric, for each Resource Block (RB) and user in the current Time Transmission Interval (TTI), trying to maximize total throughput while at the same time allowing all users at i

82 least a minimal level of service. The next chapter presents a modification of the PF metric as a good energy-saving approach, which is also applied in the final resource allocation scheme design. In the second part of the thesis, the most common traffic models are implemented and they are randomly assigned among users with certain appearance probability in order to build a traffic-mix scenario. In that scheme several PF-based schedulers are evaluated for different number of users in the system. The results show the improvements achieved with the proposed scheduler in terms of delay and throughput for high-loaded systems and the possible energy saves under low-load conditions. The final part briefly presents the overall conclusions and two topics for future research such as the DRX/DTX-mechanism (Discontinuous Reception-, Transmission) that LTE exploits and Interference Coordinated Scheduling. ii

83 Kurzfassung Die neue Generation mobiler Kommunikationssysteme, wie zum Beispiel 3GPP Long Term Evolution, ermöglicht höhere Datenraten und geringere Verzögerungszeiten, um vielfältige neue Dienste und Anwendungen zu unterstützen und um der exponentiell ansteigenden Nachfrage nach Netzkapazität zu begegnen. Zusätzlich erfordern neue und anspruchsvolle Dienste, wie etwa Video Streaming und Echtzeit Gaming, die Unterstützung von QoS im mobilen Netzwerk. Diese Entwicklung zu immer anspruchsvolleren Diensten und immer höheren Datenraten geht jedoch nicht mit einer entsprechenden Weiterentwicklung der Batterien in mobilen Endgeräten einher, müssen nicht nur eine steigende Anzahl von Dienstleistungen und Software Funktionen unterstützen, sondern werden auch mit immer Strom-hungrigeren Hardware-Komponenten ausgestattet. Dementsprechend benötigen derartige Geräte eine sehr große Kapazität der Batterie, die jedoch nicht von der aktuellen Technologie bereitgestellt wird. Daher stellt die Energieeffizienz eine der wichtigsten Herausforderungen für Forscher dar, die an der Entwicklung der Architekturen neuer mobiler Kommunikationssyteme arbeiten. Diese Diplomarbeit beschäftigt sich mit der Entwicklung eines energieeffizienten Scheduling-Algorithmus. Der Packet Scheduler (PS) ist verantwortlich für die Aufteilung der Funkressourcen unter den Benutzern des geteilten Funkkanals. In Situation in denen mehrere Benutzer denselben drahtlosen Kanal nutzen zielt der PS darauf ab die spektrale Effizienz des Systems zu maximieren, in dem die Variabilität sowohl des Funkkanals als auch der angebotenen Daten bei der Zuweisung der Ressourcen berücksichtigt wird. Der PS benötigt Information über die momentane Qualität des Kanals um die Zeit, Frequenz, Raum und Multi-User Diversität nutzen zu können. Multi- User Diversität ist von besonderem Interesse interessant in dieser Arbeit, weil sie auf die Nutzung der statistischen Unabhängigkeit des Kanalschwunds von verschiedenen Benutzern in der gleichen Zelle oder im gleichen Abdeckungsgebiet abzielt. Dadurch wird eine effizientere Zuweisung der verfügbaren Ressourcen an die Benutzer ermöglicht, sodass ihnen bessere Verbindungsmöglichkeiten zur Verfügung gestellt werden. Der PS hat einen entscheidenden Einfluss auf die Systemleistung von LTE. Das Hauptziel des PS ist es, die Erfordernisse so vieler Benutzer wie möglich zu befriedigen. Zu diesem Zweck muss der PS die QoS-Anforderungen der Anwendungen berücksichtigen und zusätzlich Energieverschwendung vermeiden, um die Lebensdauer der Batterie des User Equipments (UE) zu verlängern. Im ersten Teil der Diplomarbeit wird eine vergleichende Studie über einige grundlegende Scheduler durchgeführt, um ihre Leistung und allgemeine Eigenschaften zu analysieren. Als Ergebnis dieses Vergleichs wird der Proportional Fair (PF) Scheduler als Ausgangspunkt vorgeschlagen. Diese Entscheidung ist einerseits dadurch begründet, dass PF Scheduling einen effizienten Kompromiss zwischen Fairness und Datendurchsatz erreicht und andererseits dadurch, dass der Scheduler die nötige Flexibilität für iii

84 zusätzliche Erweiterungen bietet. Der PF Scheduler berechnet eine Metrik für jeden Ressource Block (RB) und Benutzer im aktuellen Transmission Time Interval (TTI), um den gesamten Datendurchsatz zu maximieren und gleichzeitig allen Benutzern zumindest ein Mindestmaß an Service zukommen zu lassen. Das nächste Kapitel stellt eine energiesparende Modifikation der PF Metrik vor, die auch in der Entwicklung des letzten Schedulers benutzt wurde. Im zweiten Teil der Diplomarbeit werden einige Traffic-Modelle implementiert, um die häufigsten Dienste in einem Szenario mit mit verschiedenen Traffic Typen (z.b. VoIP, Gaming, HTTP, FTP) zu emulieren. In diesem System werden mehrere PF-basierte Scheduler für eine unterschiedliche Anzahl von Benutzern ausgewertet. Die Ergebnisse zeigen die Verbesserungen des vorgeschlagenen Schedulers in Bezug auf Verzögerung, Durchsatz und Energieeffizienz. Der letzte Teil stellt kurz die allgemeinen Schlussfolgerungen und zwei Themen für die zukünftige Forschung dar, nämlich die DRX/DTX (Discontinuous Reception-, Transmission) Mechanismen welche von LTE unterstützt werden, sowie das Interference Coordinated Scheduling. iv

85 Preface This thesis represents the results and conclusions of the work developed during the last 7 months in the department of Mobile Communications of the Institute of Telecommunications in the Vienna University of Technology Wien, under the supervision of Stefan Schwarz (Vienna University of Technology), Markus Rupp (Vienna University of Technology) and Ángela Hernández (Universidad de Zaragoza). I want to express my gratitude to Stefan Schwarz, who advised and supported my daily work. My second thanks go to Prof. Markus Rupp, who gave me the chance to develop my work in the department. I would like to thank Prof. Ángela Hernandez for all the suggestions and advices she gave me. And last but not least, I would like to thank my family, my parents and brother, whose love, support and encouragement have always accompanied me. They supported me in every possible way and they were always beside me although they were many kilometers away. Words alone can never express my gratitude. v

86 List of figures Figure 1.1: Schedule of 3GPP standard and their commercial deployments... 2 Figure 2.1: Functional split between the E-UTRAN and the EPC... 9 Figure 2.2: User plane protocol stack Figure 2.3: Graphical representation of OFDMA and SC-FDMA. Four subcarriers over 2 symbols are represented Figure 2.5: Transmission resource structure Figure 2.5: Uplink time-frequency grid with reference symbols of the LTE uplink Figure 2.6: Mapping between uplink transport channel and uplink physical channel.. 18 Figure 2.7: Signaling exchange between UE and enodeb Figure 3.1: Simplified model of a packet scheduler and the signaling involved Figure 3.3: Vienna LTE link level simulator structure Figure 3.3: two-state voice activity model Figure 4.1: Fairness achieved with different schedulers Figure 4.1: Fairness achieved with different schedulers Figure 4.2: Sum of user throughputs achieved with different schedulers Figure 4.3: Throughput simultaneously achieved by UEs with different average SNRs for several schedulers Figure 4.4: Efficiency simultaneously achieved for every scheduler Figure 4.5: Average power efficiency for several schedulers in terms of Mbit/s per µw Figure 4.6: Power consumption simultaneously achieved by UEs for several schedulers FϵϨ ζ ϱϰϭϯ FΚϵ ζ ΚΨϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ 20UE Figure 5.2: Sum of Throughput achieved with each metric for each value of the Κ Κ ζ ζ ϵ ϲ Ϯ E FϵϨ ζ ϱϰϯϯ EππϵΨϵζ Ψ ΚΨϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ 20UE FϵϨ ζ ϱϰϰϯ FΚϵ ζ ΚΨϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ 30UE Figure 5.5: Sum of Throughput achieved with each metric for each value of the Κ Κ ζ ζ ϵ ϲ ϯ E FϵϨ ζ ϱϰϲϯ EππϵΨϵζ Ψ ΚΨϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ 20UE Figure 6.1: General Packet Scheduling Model with QoS support Figure 6.2: Transmission power versus total UE power consumption and efficiency. The Κ Ψ ϵ Ψ ζ RFϰ Κ ζβ Κ ϵκ πϵ ϲζ ϲϯ ϭϭ E βζ ϳ FϵϨ ζ ϲϰϯκϯ ϵ Κ ζ ϲ Ϩϲ π βϵππζ ζ ζ ζψ ϵ π ϲζ Κ Κ ζ ζ ϰ vi

87 Figure 6.3b: Averaged Sum π ϲ Ϩϲ π βϵππζ ζ ζ ζψ ϵ π ϲζ Κ Κ ζ ζ ϰ Figure 6.4: Delay-CDF for VoIP users 40UE with differe ζ ζψ ϵ π ϲζ Κ Κ ζ ζ ϰ Figure 6.5: Delay-CDF for 40 video users with different selections of the parame ζ 53 Figure 6.6: Delay-DF π ϰ ϨΚ ϵ Ϩ ζ ϵ ϲ βϵππζ ζ ζ ζψ ϵ π ϲζ Κ Κ ζ ζ Figure 6.7: Delay-CDF for VoIP users 40UE Figure 6.8: Delay-CDF for gaming users 40UE Figure 6.9: Delay-CDF for video users 40UE Figure 6.10: Simultaneous throughput achieved by different scheduler only the NRT services (HTTP and FTP) with 40UE in the system (12 NRT- UE) are presented Figure 6.11: Sum of throughput and efficiency achieved by different scheduler Figure 6.12: Simultaneously achieved throughput by the 40UE with Criteria PF with = Figure 6.13: Simultaneously achieved throughput by the 40UE with normal PF Figure 6.14: Delay-CDF for VoIP with 30UE Figure 6.15: Delay-CDF for RT-gaming with 30UE Figure 6.16: Delay-CDF for streaming video with 30UE Figure 6.17: Simultaneous throughput of the NRT services (HTTP and FTP) with 30UE in the system (9 NRT-UE) Figure 6.18: Sum of throughput and efficiency achieved by different scheduler vii

88 List of Tables Table 2.1: Standardized QoS Class Identifier for LTE Tabl3 3.1: Traffic model main characteristics Table 4.1: Simulation parameters Sim# Table 4.2: CQI Parameters and its MCS Table 5.1: Simulation parameters Sim# Table 6.1: Simulation parameters Sim# Table 6.2: Traffic model main characteristics viii

89 Table of Contents Chapter Motivation Introduction Preliminaries Long Term Evolution Thesis Objectives and outline The Vienna LTE Simulator Contribution... 5 Chapter Long Term Evolution Design characteristics System Architecture and Radio Access Network QoS in LTE and Radio Bearer Management Protocol Stack Radio Interface OFDM Transmission Technology SC-FDMA Radio Access Scheme Transmission Resource Structure Reference Signals and Channel Estimation Reference Signals Radio Resource Management Introduction Admission Control Packet Scheduling Transport and Physical Channels HARQ Link Adaptation and Modulation and Coding Scheme Uplink signaling for Scheduling and Link Adaptation Support Chapter Modelling and general considerations General considerations on Packet Scheduling Model of a packet scheduler Key Design Aspects Simulator architecture Traffic models Satisfaction criteria Power consumption model Chapter Comparison of different Scheduling-algorithms Introduction ix

90 4.1.1 Fairness Scheduling Strategies Round Robin Best Channel Quality Indicator Maximum Throughput Resource Fair Proportional Fair MaxMin Scheduler Simulation Results Scenario Fairness and Throughput comparison Simultaneous Throughput comparison Efficient energy consumption comparison General conclusion comparison Chapter Energy-saving modification Approach Scenario Simulation results Simulation results 20 UE Simulation results 30 UE Conclusion Chapter Investigation of PF Scheduling with QoS Support Introduction Scenario Basic Proportional Fair Real-Time Priority Scheduler Exponential/Proportional Fair Criteria Proportional Fair Simulations parameters ζ ζψ ϵ π Κ Κ ζ ζ ϵ E P PF Simulation results Delay performance under high-load conditions (40 UE) Throughput performance under high-load conditions (40 UE) Delay and throughput performance under medium-load conditions (30UE) Chapter Conclusions Conclusion Future work: Topics for Future Research DRX/DTX Parameters Coordinated Scheduling Bibliography x

91 !bbreviations 3GPP ACK AMC BCH BLER CP CQI CRC DAI DCI DL DL-SCH DTX enb FDMA HARQ ISI LTE MCS NACK NRT PDCCH PDSCH PF PRB PUCCH PUSCH QCI QoS RB RE RF RR RRM RS RT SAE SC-FDMA 3 rd Generation Partnership Project Acknowledgement Adaptive Modulation and Coding Broadcast Channel Block Error Ratio Cyclic Prefix Channel Quality Indicator Cyclic Redundancy Check Downlink Assignment Index Downlink Control Information Downlink Downlink Shared Channel Discontinuous Transmission E-UTRAN Node B Frequency Division Multiple Access Hybrid Automatic Repeat request Inter-symbol Interference Long Term Evolution Modulation and Coding Scheme Negative Acknowledgement Non Real Time Physical Downlink Control Channel Physical Downlink Shared Channel Proportional Fair Physical Resource Block Physical Uplink Control Channel Physical Uplink Shared Channel QoS Class Identifier Quality of Service Resource Block Resource Element Resource Fair Round Robin Radio Resource Management Reference Signal Real-Time System Architecture Evolution Single Carrier Frequency Division Multiple Access xi

92 SINR SR SRS TTI UE UL UL-SCH VoIP Signal to Interference plus Noise Ratio Scheduling Request Sounding Reference Symbol Transmission Time Interval User Equipment Uplink Uplink Shared Channel Voice over Internet Protocol xii

93 Chapter 1 Motivation 1.1 Introduction The continuously growing number of mobile users all around the world and the interest in high-speed data services has suggested network operators to introduce mobile Internet packet based services. Furthermore, the launching of new and demanding services such as audio/video streaming, interactive gaming with high requirements has drawn consideration on the importance of providing the required Quality of Service (QoS) as well as on the need of increasing the available capacity. Nevertheless, this increasing number of high demanding services and component is not coming with battery developments, for that reason the energy efficiency has become a crucial matter. The issue is that the energy demand in those mobile devices, which are battery supplied, not only have to run an increasing number of services and lots of software functions they are also equipped with high consuming components (e.g. screen, processor). Such a device requires a huge battery capacity that the actual technology is not providing. Therefore, the power-efficiency is assumed to be the main challenge for the researchers in designing of new architectures of the new mobile communication systems. Long Term Evolution (LTE) is popularly called 4G technology. The 4 th generation of mobile communication systems, where LTE is included, are designed from the very beginning to provide a huge breakthrough. Their objective is not only providing higher data rates but also lower latencies in order to make possible to run an entire variety of services and applications in the mobile devices. LTE is an all-ip technology based on Orthogonal Frequency-Division Multiplexing (OFDM) aiming to provide spectral efficiency. LTE offers not only full integration but also handover to and from existing networks, supporting full mobility and global roaming, and ensuring that operators can gradually deploy LTE by pulling their existing networks in order to enable service continuity Preliminaries The Third Generation Partnership Project (3GPP) [1] is an organization to develop telecommunications standards. Some of the last radio technologies and systems standards presented by 3GPP are shown in figure 1.1. The 3GPP dates refer to the 1

94 Chapter 1. Introduction approval of the specifications. The first development was Wideband Code Division Multiple Access (WCDMA). This radio access technology was completed at the end of 1999 and was followed by the first commercial deployments during The next step, to maintain competitiveness, was the launching of High-Speed Downlink Packet Access (HSDPA) in release 5 and High-Speed Uplink Packet Access (HSUPA) in release 6 which provide higher spectral efficiency and data rates. These standards were concluded in March 2002 and December 2004 and the commercial deployments followed in 2005 and The first phase of High-Speed Packet Access (HSPA) evolution, which introduced breakthrough technologies like beamforming and Multiple Input Multiple Output (MIMO), also known as HSPA+, was finished in June 2007 and the deployments started during HSPA is informally known as 3.5G and it provides a considerable improvement over the WCDMA technology. Nevertheless, the need to offer continuously advanced solutions has pushed the 3GPP into initiating a further development, also known as LTE, which introduces relevant changes in the radio access interface as well as the network architecture. The LTE standard was approved at the end of 2007, backwards compatibility started in March 2009 and the first commercial networks started during The next step is LTE-Advanced (LTE-A) and the specification was approved in December All of these developments have provided continuity, allowing the current equipment to be prepared for oncoming challenges and features, achieving higher data rates, quality of service and cost efficiencies. Nonetheless, the main objective for all 3GPP releases is to allow backwards- and forwards compatibility where-ever possible, to guarantee that the service is un-interrupted. Figure 1.1: Schedule of 3GPP standard and their commercial deployments [Source: 2

95 Chapter 1. Introduction 1.2 Long Term Evolution In this frame of skyrocketing demand for mobile data, LTE is a radio access network technology standardized in 3GPP and evolving as an evolution of Universal Mobile Telecommunications System (UMTS). LTE is a converged all-ip network, where providing QoS is essential for allowing a range of IP-based services and applications within the new generation networks. Therefore an evolved 3GPP QoS concept has been developed. In wireless networks, QoS provides traffic prioritization and multiple bearers (a bearer is an end-to-end communication service between two network elements) with configuration and priorities to guarantee satisfactory service quality for each service. A network-initiated bearer creation and QoS Class Identifier (QCI) establishment are among the key elements of the evolved QoS concept. The purpose of both is guaranteeing consistent QoS between different User Equipment (UE) vendors and standards as well as in roaming scenarios. LTE has been designed to provide spectrum flexibility, that is, to make possible its deployment in many different spectrum allocations. Besides, support for broad transmission bandwidth of up to 20MHz is provided in order to achieve high data rates. Simultaneously low transmission bandwidths, down to 1.4 MHz, are also possible. Additionally, the focus of LTE is on the improvement of packet based services. The overall goal is to develop an optimized packet based access system with high data rate and low latency. Examples of these services include High Definition Television (HDTV) broadcast, streaming films, interactive gaming, and VoIP. Hence, it has been designed to provide high data rates, low latency, and an improved spectral efficiency compared to previous networks. In order to achieve these objectives, the Radio Resource Management (RRM) block exploits a mix of advanced MAC and Physical functions, such as resource sharing, Channel Quality Indicator (CQI) reporting, link adaptation through Adaptive Modulation and Coding (AMC), and Hybrid Automatic Repeat Request (HARQ). In this context, the development of efficient resource allocation strategies becomes crucial. Efficient handling of the radio resources is fundamental to fulfil the system performance requirements and to satisfy the user needs in accordance to their QoS. The Packet Scheduler (PS) works at the radio base station, namely the evolved NodeB (enb), and it is in charge of distributing the available resources among users. In a wireless scenario the PS plays an additional key role: it aims to maximize the spectral efficiency by means of an effective resource allocation strategy that reduces or makes negligible the negative influence of channel quality drops. Due to its nature, wireless channels are exposed to huge quality fluctuations in time and frequency domains because of several reasons, spanning from fading effects to multipath propagation and Doppler Effect. 3

96 Chapter 1. Introduction For these reasons, PS usually applies channel-aware approaches in order to allow exploiting channel quality variations by assigning higher priority to users experiencing better channel conditions. Although it comes with an added cost due to the feedback. In the second chapter a deeper overview of the main LTE features is given. 1.3 Thesis Objectives and outline The objective of this diploma thesis is to design an energy-efficient packet scheduling algorithm. The PS is in charge of the allocation of radio resources to users over the shared wireless channel. In such a scenario where different users want to transmit over a wireless channel, the PS aims to achieve spectral efficiency by using the variability of the wireless channel and the offered traffic data. The PS requires information about the instantaneous channel quality to be able to exploit time, space, frequency and multiuser diversity. Multi-user diversity is of particular interest in this thesis, it aims at exploiting the statistical independence of the channel fading by multiple users within the same cell or coverage area. It allows to allocate users which are experiencing better channel conditions. The main goal of this scheduler is to fulfil the expectations of as many users in the system as possible, taking into account the QoS requirements of their respective applications and avoiding energy waste in order to extend battery life in the UE. The scheduler needs to be aware of the type of data to be scheduled and of the state of each user, e.g., the availability of user-data for transmission, how long a packet of a user has already been in the queue, the channel quality that certain user is currently experiencing or the resource allocation policy. Furthermore the scheduler, deployed at the enb, has to perform the allocation decision every TTI. In LTE, given the choice of supporting only data transfer, the packet scheduler plays a key role in the overall system performance. As opposed to the downlink where the employment of the OFDMA allows exploiting frequency diversity, in uplink the transmission technology is SC-FDMA, which restricts such possibility but still leaves the opportunity to achieve multi-user diversity. In summary there are several key aspects that should be considered when designing a dynamic resource sharing scheme for LTE, they will be discussed afterwards in more detail. The successive chapters of the thesis are distributed in this way: Chapter 2 presents an overview on LTE Networks. Special attention is given to the description of the uplink RRM functionalities in LTE. 4

97 Chapter 1. Introduction Chapter 3 provides the actual modelling and implementation of LTE features. The chapter also briefly presents the traffic models used by the users. The power consumption model is also described. Chapter 4 shows a comparison study between several basic schedulers, it is carried out in order to evaluate their performance and general characteristics. As a result of this comparison the Proportional Fair (PF) scheduler is proposed as a starting allocation scheme. Chapter 5 presents an energy-efficient modification of the PF. The results show that it especially useful under low-load conditions. It proves that the energy efficiency can be improved by approx. 33%. Chapter 6 provides an investigation in terms of QoS support (delay and throughput) and energy efficiency in a traffic-mix scenario. The most common traffic models are implemented. In that study several PF-based schedulers are evaluated for different number of users in the system. The results show the improvements in the system in terms of delay and throughput for high-loaded systems and the possible energy saves under low-load conditions thanks to our proposed design. Chapter 7 summarizes the report conclusion indicating possible future work, such as, the idea of Discontinuous Reception (DRX) and Discontinuous Transmission (DTX) that LTE exploits. The main point of this functionality makes the terminal to not continuously monitor control channels, allowing it to turn the radio frequency modem in sleep state for long periods, activating it only in certain instants. 1.4 The Vienna LTE Simulator To be able to compare the performance of different scheduling-algorithms, the Vienna LTE Link-Level Simulator is employed. This computationally efficient simulator enables studying the performance of different scheduling-strategies in networks with an authentic size. Further description of that simulator can be found under [2] and [3]. In that paper the structure of the transmitter, channel model and receiver are explained, as well as the capabilities of the simulator and some examples of its application. Nevertheless a brief description about the simulator structure is provided in chapter 3. That simulator is available under an academic non-commercial use license providing researchers full access to standard-compliant simulation environments Contribution The main contribution of this diploma thesis on the Uplink Link Level Simulator is the implementation of several scheduler algorithms and adapting them to a traffic model scenario. 5

98 Chapter 1. Introduction Some solutions, such as the scheduling algorithms, derived for downlink case cannot be directly applied to the uplink due to differences in terms of transmission technology and network resource constraints. The first step was to modify those scheduler algorithms that were already implemented on the downlink simulator. The main issue is that it is not possible to assign Resource Blocks (RB) to two different users within the same subframe. That is due to the application of Single-carrier Frequency-Division multiple access scheme (SC-FDMA) in the LTE Uplink and the frequency contiguity that this technique requires. It will be further explained in the next chapter, how the physical layer in the LTE Uplink is defined. The second big step was to implement the traffic models in order to be able to study the performance of the scheduler in a traffic-mix scenario. Different services are characterized by different requirements on provided resources by the network to meet the QoS-constraints. Traffic Models are used to emulate services with these requirements. The specification for the set of Traffic Models and the probability of appearance of each type in a typical traffic-mix scenario is based on [4]. 6

99 Chapter 2 Long Term Evolution This chapter provides an overview of the main LTE characteristics. First of all the system architectures is described, including the main aspects of the protocol stack. The air interface technology selected for LTE is OFDMA, which is also illustrated. Finally, a description of the essential RRM features is provided, with special attention on issues related to scheduling, as it is the main concern in the thesis. As mentioned previously, LTE is the next step in the evolution of mobile cellular systems and was standardized as part of the 3GPP Release 8 specifications. While 2G and 3G technologies were developed mainly considering voice service, LTE was built for highspeed data services, which is the reason why LTE is a packet-switched network from end to end and has no support for circuit-switched services. 2.1 Design characteristics The important targets for LTE radio-interface and radio-access network architecture are as follows: PζΚ βκ Κ Κ ζ ζ Ψζζβϵ Ϩ ϭ MΧ ϵ ϲζ β ϵ Κ β ϱ MΧ ϵ ϲζ ϵ using a system bandwidth of 20MHz. ϵϩ ϵπϵψκ tly higher capacity compared to the Release 6 reference case i.e. increase in spectral efficiency by a factor of three to four times in downlink and two to three times in uplink. ϵϩ ϵπϵψκ ζβ Ψζβ Ψ Κ ζ Κ ζ Ψ Κ well as user plane latency (below 5ms round-trip time with 5 MHz bandwidth or higher spectrum allocation). ΨΚ ΚΧ ζ ΧΚ β ϵβ ϲ ζ Κ ϵ Ϯ MH ϭ ϵϰζϰϭ ϭϰϰϭ ϯϭ ϱϭ ϭ ϭ ϭϱ Κ β Ϯ MH, that gives to network operators the possibility to throttle the bandwidth occupation and hence providing high flexibility for a worldwide market. π ΚΨ ζ ϵ Ψϲζβ β Κϵ ϰ E ϲκ Ψζβ π ζ β-to-end QoS by means of new sophisticated Radio Resources Management (RRM) techniques. O ϵ ϵ ζβ ζ π Κ Ψζ π r user speed of less than 15 km/h, and high performance for speeds up to 120 km/h. The connection should be maintained with speeds even up to 350 km/h. 7

100 Chapter 2. LTE Overview ΚΨ Κ β Ψ Κ ϵχϵ ϵ ϰ P ϵχϵ ϵ π ϵ ϵπϵζβ Ψ -existence between operators in adjacent bands as well as cross-border coexistence. Rζβ Ψζβ Ψ π r operator and end user. 2.2 System Architecture and Radio Access Network To meet the requirements of reduced latency and cost, the LTE system is based on a flat system architecture Κ ϲζ ζ ϵψζ! Ψϲϵ ζψ ζ E ϵ Ϸ that contains a reduced number of network nodes along the data path. A reduction of the number of nodes enables for example to reduce the call setup times, as fewer nodes will be involved in the call setup procedure. This guarantees a seamless mobility support and a high speed delivery for data and signaling. The Service Architecture Evolution (SAE) consists of a core network, namely Evolved Packet Core (EPC), and a radio access network, namely the Evolved Universal Terrestrial Radio Access Network (EUTRAN). The EPC is composed of: The Packet Data Network (PDN) Gateway (P-GW), links the LTE network with the rest of the world, providing a connection among UEs and external packet data networks. Each packet data network is identified by an Access Point Name (APN). The serving gateway (S-GW) acts as a router, forwards data between the base station and the P-GW and handles handover among LTE and other 3GPP technologies. The Mobility Management Entity (MME) controls the high-level operation of the mobile by means of signaling messages. The LTE access networks can host only two types of node namely the UE (the end-user) and the enb. Note that enbs are directly connected to each other and to the MME gateway. An important feature of LTE is that, differently from other cellular network architectures, the enb is the only entity in charge of performing both Radio Resource Management (RRM) and control procedures on the radio interface. This key feature has several advantages, which will be explained later in more detail. Following diagram (fig. 2.1) shows the functional split between the E-UTRAN and the EPC for an LTE network: 8

101 Chapter 2. LTE Overview E-UTRAN enodeb Dynamic Resource Allocation (Scheduler) Inter Cell RRM RB Control Connection Mobility Control Radio Admission Control enb measurement Configuration & Provision EPC S-GW Mobility Anchoring MME EPS Bearer Control Nas Security Idle State Modility Handling P-GW Nas Security Idle State Modility Handling EPS Bearer Control Other IP networks Figure 2.1: Functional split between the E-UTRAN and the EPC 2.3 QoS in LTE and Radio Bearer Management There are countless reasons, but the main objective for the introduction of QoS Control in LTE is to allow traffic differentiation and priority handling. There are services that need to be prioritized in the networks (e.g. VoIP call) or premium subscribers who always want to have better user experience on their 4G LTE device and are willing to pay more for high bandwidth and better network access on their devices. To be able to fulfil this, QoSsupport is required. QoS defines priorities for certain customers or services during the time of high congestion in the network. QoS is implemented between UE and P-GW and is applied to a set of bearers. A radio bearer is a logical channel established between UE and enb. It is responsible of handling QoS on the E-UTRAN interface. There are two types of bearer namely, default bearer and dedicated bearer. The first one remains connected while the user maintains the communications. And the dedicated bearers, in contrast, are created every time a new specific service is established, e.g. VoIP packets are prioritized by network compared to web browser traffic. In this context, the general definition of QoS requirements is mapped in low-layer parameters that characterize performance experienced by users. A set of QoS parameters is associated to each bearer depending on the utilized service in order to 9

102 Chapter 2. LTE Overview allow differentiation among flows. Basically there are two types of flow: guaranteed bit rate (GBR) or non-guaranteed bit rate (Non-GBR). In order to enable flow differentiation, several classes of QoS classes are defined through QoS Class Identifiers (QCIs), i.e., scalar values used as a reference for driving specific packet forwarding behaviors. As represented in Table I, each QoS class is characterized by its resource type (GBR or non- GBR), a priority level, the maximum admitted delivery delay, and the acceptable packet loss rate. The RRM module transforms QoS parameters into scheduling parameters such as minimum acceptable averaged throughput, admission policies, queue management thresholds, link layer protocol configurations and other lower-layer parameters. Table 2.1: Standardized QoS Class Identifier for LTE Bearer Packet Packet Loss QCI Priority Type Delay [ms] Rate Example service ኒኑ ቕ VoIP call ኒኑ ቖ Video call GBR ኒኑ Online Gaming (Real Time) ኒኑ ቖ Video streaming ኒኑ IMS Signaling ኒኑ ቖ Video, TCP based services ( , ftp, etc.) Non ኒኑ GBR Voice, Video, Interactive gaming 8 8 ኒኑ 300 Video, TCP based services ( , ftp, etc.) 9 9 ኒኑ 2.4 Protocol Stack The radio protocol structure of LTE is split into control plane and user plan (in charge of handling the transport bearer and of transporting user traffic respectively). At user plane side, the application generates data packets that are managed by protocols such as TCP, UDP and IP, while in the control plane, the signaling messages between the enb and the UE are handled by the radio resource control (RRC) protocol. In both case, the information is processed by the packet data convergence protocol (PDCP), the radio link control (RLC) protocol and the medium access control (MAC) protocol, before being given to the physical layer for transmission. The user plane protocol stack between the e-node B and UE, is compound of the following sub-layers: Packet Data Convergence Protocol (PDCP), which computes header compression of upper layers before the MAC enqueuening. Radio Link Control (RLC), which provides interaction between the radio bearer and the MAC functionalities. 10

103 Chapter 2. LTE Overview Medium Access Control (MAC), which handles all the most important procedures for the LTE radio interface, such as multiplexing/demultiplexing, random access, radio resource allocation and scheduling requests. Figure 2.2 below shows protocol structure in between UE & P-GW user plane. Different tunneling protocols are used depending on the interface. Packets in the Evolved Packet Core (EPC) network are encapsulated in a specific EPC protocol and tunneled between the P-GW and the enodeb. GPRS Tunneling Protocol for the user plane (GTP-U) tunnels user data between enodeb and the S-GW as well as between the S-GW and the P-GW in the backbone network. GPRS Tunneling Protocol (GTP) is used on the S1 interface between the enodeb and S-GW and on the S5/S8 interface between the S-GW and P GW. Figure 2.2: User plane protocol stack Source: The control plane additionally includes the Radio Resource Control layer (RRC) which is responsible of configuring the lower layers. It maintains the establishment and management of connections, the broadcast of system information, the mobility, the paging procedures, and the establishment, reconfiguration and management of radio bearers. The control plane supervises radio-specific functionality which depends on the state of the user equipment including two states: idle or connected. During the Idle state, the user equipment is under a low consumption. The UE also monitors a paging channel to detect incoming calls and receive system information. In this mode, control plane protocols include cell selection and reselection procedures. While during Connected state, the UE supplies the E-UTRAN with downlink channel quality and neighbor cell information to enable the E-UTRAN to select the most convenient cell for the UE. 11

104 Chapter 2. LTE Overview 2.5 Radio Interface LTE has been designed as a highly flexible radio access technology in order to support several system bandwidth configurations (from 1.4 MHz up to 20 MHz). Compared to its previous generation HSPA another fundamental evolution is the introduction of the Orthogonal Frequency Division Multiplexing (OFDM) multi-carrier transmission scheme. One of the main reasons for the decision was the feasible cost of the transceiver. In particular, Single Carrier Freq. Division Multiple Access (SC-FDMA) is used in uplink OFDM Transmission Technology The OFDM scheme splits up the information data in a set of parallel data streams carried by closely spaced and orthogonal subcarriers. Afterwards, the signal is modulated with a conventional modulation scheme like Quadrature Phase Shift Keying (QPSK), 16-QAM or 64-QAM (Quadrature Amplitude Modulation). The low symbol rate allows the use of guard interval between symbols which enables controlling of time-spreading and Inter- Symbol Interference (ISI). There are several reason why the OFDM was chosen as the multi-carrier transmission scheme by LTE: Simplified channel equalization High spectral efficiency and Multi-path delay Spread Tolerance. Both due to the increase in the symbol time, which leads to a consequently increase in the effectiveness of OFDM against the ISI caused due to multi-path delay spread. In addition, employing the Cyclic Prefix (CP) can completely eliminate ISI from the system. Efficient implementation via Fast Fourier Transform (FFT). Inherent bandwidth scalability, flexibility of bandwidth allocation by varying the number of subcarriers used for transmissions. High robustness against the time-frequency selective nature of radio channel fading. In other words, OFDM enables exploiting frequency diversity because it is inherently in the system. Nevertheless, OFDM also presents some disadvantages like sensitivity to frequency synchronization and above all a high Peak-To-Average Power Ratio (PAPR). As the amplitude of the time-domain signal depends on hundreds of subcarriers, large signal peaks will occasionally reach the amplifier saturation region, resulting in a non-linear distortion, which causes intermodulation and out-of-band emissions. To solve that problem, high linearity power amplifiers are required, which operate with a large backoff from their peak power suffering from poor power efficiency. In addition, there are other solution such as Peak Windowing, clipping, coding, bit-scrambling or selective mapping. Nevertheless, all these approaches have disadvantages like increasing of the bandwidth or the system complexity. 12

105 Chapter 2. LTE Overview Before it was selected for LTE, OFDMA has been also successfully used in many areas of digital transmissions, like Digital Video Broadcasting (DVB) and WLAN SC-FDMA Radio Access Scheme While in the downlink direction OFDMA is used, SC-FDMA has been selected for uplink transmissions in LTE, due to the PAPR limitation. The use of SC-FDMA increases the power efficiency, what is a key factor in the uplink given that the User Equipment (UE) is battery supplied. The figure 2.3 shows a graphical comparison between OFDMA and SC-FDMA. Figure 2.3: Graphical representation of OFDMA and SC-FDMA. Four subcarriers over 2 symbols are represented. Source: In this case the subcarriers, due to the DFT-spreading process, are transmitted sequentially instead of in parallel and therefore, achieving a lower PAPR than OFDMA signals. This produces a higher ISI which the enb has to deal with via frequency equalization. Thus the SC-FDMA, while retaining most of the benefits of OFDMA, it also provides reduced power consumption and improved coverage. On the other hand, it requires that the subcarriers allocated to a single terminal must be adjacent. This constraint will prove to be very challenging when designing resource allocation schemes for the uplink. In the figure 2.4 the system model with the most relevant components of the SC-FDMA scheme is presented. 13

106 Chapter 2. LTE Overview At the transmitter (figure 2.4a) the information bits are generated and after scrambling and encoding the data bits are modulated. Afterwards the pilot symbols are inserted within the symbol. Subsequently, a serial-to-parallel (S/P) conversion is applied, followed by the N-Point Discrete Fourier Transform (DFT). Afterwards, the subcarrier mapping is applied and afterwards the M-Point Inverse Discrete Fourier Transform (IDFT). Then, the symbols are converted with a parallel-to-serial (P/S) module and the Cyclic Prefix (CP) is added. And finally, the transmit signal is generated by a Digital-to- Analog Converter and sent through the RF components. The CP is a guard at the beginning of each OFDM symbol, to eliminate the remaining impact of ISI caused by multipath propagation. The CP is generated by duplicating the last G samples of the IFFT output and appending them at the beginning of the symbol. At the receiver (figure 2.4b), the reverse operations are performed to demodulate the OFDM signal. Assuming that time- and frequency-synchronization is achieved, a number of samples corresponding to the length of the CP are removed. Using the channel estimation and coherent detection, after demodulation, the data estimates are obtained. The scheme is depicted with the relevant components of the system model. Where N is the number of subcarriers. Info Bits.. N.. Scrambling & Encoding Modulation Pilot Insertion S P N-Point DFT Subcarrier Mapping M-Point IDFT.. M.. S P Add CP/PS DAC/RF Figure 2.4a: Transmitter system model RF/ADC Synchronization Remove CP S P.. M.. M-Point DFT Subcarrier Demapping/ Equalization.. N.. N-Point IDFT P S Channel Estimator Detection & Demodulation Figure 2.4b: Receiver system model 2.6 Transmission Resource Structure The transmission resources in LTE have dimensions of time, frequency and space. The spatial dimension is accessed by means of multiple transmit and receive antennas. Nonetheless, during this project only SISO scheme is considered. The time-frequency resources (figure 2.7) are subdivided according to the following structure: the largest unit of time is the 10ms radio frame, which is further subdivided into ten Transmission Time Intervals (TTI), each one lasting 1ms. Furthermore, each TTI is split into two 0.5ms slots. Each slot is compound of seven OFDM (Orthogonal Frequency-Division Multiplexing) symbols. In the frequency domain, resources are 14

107 Chapter 2. LTE Overview grouped in units of 12 subcarriers (occupying a total bandwidth of 180 khz); such a unit of 12 subcarriers for a duration of one slot is termed a Resource Block (RB). The smallest unit of resource is the Resource Element (RE), which consists of one subcarrier for a duration of one OFDM symbol. As the sub-channel size is fixed, the number of RBs varies depending on the system bandwidth configuration. For example, 6 RBs for system bandwidth of 1.4MHz, which has been used along the whole thesis. A resource block is thus comprised of 84 resource elements, as the cyclic prefix is set to normal length. Figure 2.5: Transmission resource structure 2.7 Reference Signals and Channel Estimation As during the whole work perfect channel estimation is considered, only a brief description of the channel estimation is given. Channel estimation is required to enable coherent demodulation. The goal of the channel estimator is to estimate the channel coefficients within the time-frequency grid. There are two main techniques, from which more specific channel estimators are developed. These two main techniques are Least Squares (LS) and Linear Minimum Mean Squared Error (LMMSE), both use training data to estimate the coefficients. Nevertheless, while the LS estimator extracts the channel coefficients directly from 15

108 Chapter 2. LTE Overview training data, LMMSE requires in addition a priori knowledge of the statistics of the channel. The working principle of training data is to extract channel coefficients from received symbols by using transmit symbols known at RX (Reception). These known symbols can be placed in two different ways: Regularly on a time-frequency lattice as pilots At the beginning of the packet as a preamble Regarding the system requirements we use different type of training data. Nevertheless, there are systems, such as the standard IEEE a WiFi, that use both types of pilot patterns. In general, regular-pilots scheme will be used for fast fading channels, that is, the coherence time of the channel is smaller than the block length. On the other hand, training preamble symbol will be utilized in block-fading (slowly varying) channels. The regular-pilots scheme has to be designed carefully to get the optimum solution. The more pilots are placed, the better estimation it obtains, although it comes with throughput losses and higher complexity. Hence, the designer has to deal with this trade-off. Regarding Long Term Evolution (LTE) the pilot pattern used for the downlink and the uplink are different. While for the downlink the chosen technology is pilots training, for the uplink the LTE standard employs preamble-based training data. Figure 2.5: Uplink time-frequency grid with reference symbols of the LTE uplink Source: [3] Reference Signals Demodulation reference signals associated with the Physical Uplink Shared Channel (PUSCH) are used by the base station to perform channel estimation and enable coherent demodulation of the received signal. PUSCH carries not only uplink shared channel data (UL-SCH) but also control information (L1 and L2 control signaling). It will Χζ π ϲζ ζ Κϵ ζβ ϵ ϲζ ζ ΚϨζ ϭ ϵ ϲζ ϼ Κ Κ β Pϲ ϵψκ ϲκ ζ Ϸ subsection. 16

109 Chapter 2. LTE Overview Due to the relevance of low PAPR and corresponding high power-amplifier efficiency for uplink transmissions, the key points for uplink reference-signal transmission are different in contrast with the downlink. In brief, transmitting reference signals in parallel with other uplink transmissions from the same terminal is not convenient for the uplink. Instead, the reference signals are time multiplexed with other uplink transmissions from the same terminal. The structure of the reference signal then ensures a low PAPR in these symbols and it maintains the single carrier nature of the SC-FDMA signal i.e. all data carriers are contiguous. 2.8 Radio Resource Management Introduction The evolution of radio interface and network architecture in LTE provides new opportunities and challenges to enhance spectral efficiency and QoS provisioning. The Radio Resource Management (RRM) entity involves all of the strategies and algorithms used to control parameters like transmit power, bandwidth allocation, Modulation and Coding Scheme (MCS), Admission Control (AC), etc. These functionalities are placed at the enb so they can interact and make faster decisions. For example to supply efficient QoS control, it is necessary that both AC and PS are QoS aware Admission Control The AC is a Layer 3 (network layer) functionality whose task is to admit or reject the request either of a new bearer or of a handover candidate. The criteria used to allow a new radio bearer is based on ensuring an efficient utilization of the available radio resources. In other words, new bearers will be allowed while there are radio resources available and simultaneously, the QoS provisioning of ongoing sessions is guaranteed. The enb could also exchange information with neighboring cells in order to make AC decisions. In this project, though, only local cell information is considered. Furthermore, it is assumed that each user has only a single bearer and the number of users is considered fixed once the simulation has started, that is, handover is not implemented due to the lack of mobility. Therefore in this project there is no need of Admission Control Packet Scheduling The Packet Scheduling (PS) is an entity situated in the MAC sublayer whose purpose is the efficient employment of the UL-SCH resources. The main role of the PS is to distribute the time and frequency resources among the users. Such distribution takes place via mapping of users to the available physical resources. If the system is affected by time and frequency selective fading the PS can exploit the multi-user diversity by 17

110 Chapter 2. LTE Overview allocating the users to the portions of the bandwidth which are experiencing better channel conditions. As a result, the radio channel fading, which used to be a restriction or disadvantage to the performance of wireless system, is turned into an advantage or a possible gain. It will be explained in more detail within the next chapter Transport and Physical Channels The mapping between the transport channels and the physical channels takes place between layer 2 and layer 1. The transport channels define the data transferred over the air interface and the physical channels corresponds to a set of resource elements carrying information from higher layers. In downlink, four types of transport channels exist, but only the Downlink Shared Channel (DL-SCH) concerns this project and therefore the description is focused on it. The DL-SCH is the most flexible and among its features includes support for: HARQ, dynamic link adaptation, cell broadcasting, dynamic and semi-static resource allocation and Discontinuous Reception (DRX), which enables UE power saving. This transport channel is together with Paging Channel (PCH) mapped to Physical Downlink Shared Channel (PDSCH). In uplink, two categories of transport channels exist: Uplink-Shared Channel (UL-SCH) and Random Access Channel (RACH). Similarly to the downlink, the UL-SCH is the most flexible and is characterized by support for HARQ, support for dynamic link adaptation via variation of modulation, coding and transmit power, support for dynamic and semistatic resource allocation. The RACH is used for the initial access to the system, the call setup and the exchange of limited control information. The mapping with uplink physical channels is represented in Figure 2.6. There are three categories of physical channels: Physical Uplink Shared Channel (PUSCH), Physical Uplink Control Channel (PUCCH) and Physical Random Access Channel (PRACH). The PUSCH carries the UL-SCH, PUCCH carries HARQ Acknowledgement (ACK)/Non-Acknowledgement (NACK) in response to downlink transmission, scheduling requests, and Channel Quality Information (CQI) reports. Due to the Single Carrier (SC) constraint a user cannot transmit at the same time on PUCCH and PUSCH. When the user is transmitting on PUSCH, the SR signal and acknowledges are transmitted togetherwith the data. RACH UL-SCH Uplink Transport channels CQI report PRACH PUSCH PUCCH Figure 2.6: Mapping between uplink transport channel and uplink physical channel Uplink Physical Channels 18

111 Chapter 2. LTE Overview HARQ In LTE both retransmission functionalities Automatic Repeat request (ARQ) and HARQ are provided. ARQ provides error correction by retransmissions in acknowledged mode at the Radio Link Control (RLC) sublayer of Layer 2. HARQ takes place in the MAC sublayer of Layer 2 and ensures delivery between peer entities at Layer 1. In case a data packet is not correctly received, the HARQ ensures a fast Layer 1 retransmission from the transmitter (UE). In this way the HARQ provides robustness against link adaptation errors (due, for example, to errors in CSI estimation and reporting) and it improves the reliability of the channel. The HARQ has the following characteristics: I ζ Κ N-process Stop-And-Wait (SAW) protocol between the UE and the enodeb. I ϵ ΧΚ ζβ!k N!K ζ ΚϨζ ϰ I ϵ Ψϲ ϵ ϵ ) and adaptive, like in dynamic scheduling, or non-adaptive, like in semi-persistent scheduling. Synchronous refers to the fact that retransmissions need to occur at specific time instants while adaptive refers to the possibility of changing transmission parameters such as resource allocation and MCS in the subsequent retransmissions Link Adaptation and Modulation and Coding Scheme As previously mentioned, the Link Adaptation (LA) and AMC are fundamental functionalities in a channel affected by fading. In general, in any cellular communications system, the quality of the received signal is affected by different phenomena inherent to wireless environments such as path loss, interferences, multipath propagation, Doppler Shifts, etc. The objective of LA is to adapt the resource allocation to the particular user channel conditions, matching the transmission parameters such as MCS, pre-coding as well as transmission power control for physical channels, in order to guarantee the required QoS of each UE. In the transmissions, the enodeb does not know the actual channel conditions of the UE, and for this reason, it requires a Channel Quality Indicator (CQI) feedback from the receiver to select an appropriate MCS. This feedback in the uplink is provided by Sounding Reference Signals (SRS). The modulation scheme chosen for LTE is composed by different-order QAM. In general, the enodeb can select QPSK, 16-QAM, and 64-QAM schemes and different code rates to provide the higher data throughput for the Block Error Rate (BLER) target. Choosing a low order modulation, the enodeb guarantees a more robust transmission but a lower bit rate. In contrast, selecting higher-order modulation the enodeb allows higher data rate and consequently lower robustness. 19

112 Chapter 2. LTE Overview Uplink signaling for Scheduling and Link Adaptation Support The PS and LA functionalities rely on the Channel State Information (CSI) provided via SRS to perform channel-aware scheduling and adaptive modulation. Similarly, the allocation of time-frequency resources to users requires knowledge of their buffer status to avoid allocating more resources than are needed. Likewise, the knowledge of how close the user is to its maximum transmit power is also especially relevant for adaptation. For this reason, it is worth describing in more details the signaling needed to support such operations as simplified in Figure 2.7. UL Grant; PC commands, UE to PRB mapping, Transport Block Size (TBS) allocation enb SRS; BSR UE Power Headroom reports Figure 2.7: Signaling exchange between UE and enodeb The CSI can be described as the SINR measurement of the SRS. The SRS is transmitted over a portion or over the full scheduling bandwidth. Users in the same cell can transmit in the same bandwidth without interfering with each other thanks to the orthogonality provided by Constant Amplitude Zero AutoCorrelation (CAZAC) sequences and the uplink synchronous transmission. Additionally, in this work is assumed that CSI is available at the enodeb every TTI, over the entire bandwidth, for all active users in the corresponding cell, and with a given resolution in the frequency domain (aka CSI granularity). The purpose of Buffer Status Reporting (BSR) method is to provide the enodeb information about the amount of data available for transmission in the buffers of the UE. A BSR is only followed by a Scheduling Request (SR) when the UE buffer has to transmit data belonging to a radio bearer (logical channel) group with higher priority than those for which data already existed in the buffer and the UE is not scheduled on PUSCH in the current TTI. When available, the SR can be transmitted using one dedicated bit on the PUCCH otherwise it is transmitted when the UE has resources allocated on PUSCH in which case it is transmitted as a MAC control Protocol Data Unit (PDU) with only header, where the length field is omitted and replaced with buffer status information. 20

113 Chapter 3 Modelling and general considerations 3.1 General considerations on Packet Scheduling In a real propagation environment the radio channel is affected by fast fading variations due to the scattering of multiple paths, Doppler shifts and the constructive or destructive recombination at the receiver. Such variations take place on top of slower fading variations due to, for example, the location. The Packet Scheduler (PS) is in charge of the allocation of system resources to users over the shared data channel. In such a scenario where different users want to transmit over a wireless channel, the PS aims to achieve spectral efficiency by utilizing the variability of the wireless channel and the offered traffic data. The PS requires information about the channel quality to be able to exploit time, space, frequency and multi-user diversity. The latter is of special interest in this thesis; multi-user diversity exploits the statistical independence of the channel fading by multiple users within the same cell or coverage area. The multi-user diversity offers the possibility to allocate resources to users that are experiencing good channel conditions. Therefore, in a scenario with multiple users suffering independent fading effects, there is a high possibility to locate a user with good channel quality. Thus, the advantages are twofold: It makes possible higher data rates, that is, adaptive modulation is enabled and under good channel quality appropriate MCS will be selected and consequently higher data rates will be achieved. In fact, this multi-user gain can be cast as double-logarithmic growth of the network throughput with the number of users. As there are multiple users and each experiencing independent fading, there will be always a user with better channel conditions. That is, it offers immunity to frequency-selective fading effect as those users suffering of very bad channel will never be severed. Nevertheless multi-user diversity gain appears to be upper bounded due to the proportional growth of the control overhead with the number of users in the system. It is worth mentioning that as opposed to the Downlink where the adoption of the OFDMA makes the exploitation of the frequency diversity possible, in Uplink the transmission technology is SC-FDMA, which restricts such possibility but still leaves the 21

114 Chapter 3. Modelling and general considerations opportunity to achieve multi-user diversity. The employment of this technique forces the PS to assign contiguously the frequency resources among the users Model of a packet scheduler The generic function of a PS is to distribute data on a shared set of physical resources. In general, scheduling algorithms can make use of two types of measurement information to make the scheduling decisions, namely channel-state information and traffic measurements (volume and priority). These are obtained either by direct measurements at the enodeb or via feedback signaling channels, or a combination of both. The amount of feedback used is an important factor, as the availability of accurate channel state and traffic information enables maximizing the data rate in one direction but at the cost of more overhead in the other. For that reason, a trade-off is required. This fundamental trade-off, which is common to all feedback-based resource scheduling schemes, is particularly important in Frequency Division Duplex (FDD) operation where uplink-downlink reciprocity of the radio channels cannot be assumed. Based on the reported information, the PS aims to handling the different requirements of all the UEs in the cells under its control to ensure that sufficient radio transmission resources are allocated to each UE within acceptable delay in order to satisfy their QoS requirements in a spectrally-efficient way. This process is not completely standardized as it is placed inside the enodeb, allowing for specific algorithms to be developed which can be optimized for specific scenarios. Nevertheless, the key inputs available to the PS are common, and generally some typical approaches can be identified. The PS, deployed at the enodeb, allocates resources with a granularity of one TTI and one RB in the time and frequency domain, respectively. It works under the assumption that OFDMA ideally provides no inter-channel interference. The resource assignment for each UE usually establishes its decision on a metric. That approach has several advantages and the reasons are given in the next subsection. The allocation decision is simple: the k-th RB is allocated to the j-th user if its metric ቨ ዼሀዽ is the biggest one, i.e., if it satisfies the equation: ቨ ዼሀዽ ቫ ኮኢኹቺቨ ዻሀዽ ቾ (3.1) ዻ In order to compute these metrics, which can be interpreted as a prioritization of some users within a certain time-frequency grid, different information is used: Channel quality: reported CQI values are used in channel-aware strategies to allocate resources to users with better instantaneous channel conditions (e.g. the higher the expected throughput, the higher the metric). Resource allocation history: information about the past performance is used to guarantee a certain fairness (e.g. the lower the past achieved throughput, the higher the metric). 22

115 Chapter 3. Modelling and general considerations Delay: the time that certain packet has already been waiting in his queue to be scheduled (e.g. the longer the delay, the higher the metric). Buffer state: receiver-side buffer conditions might be used to avoid buffer overflows (e.g. the higher the available space in the receiving buffer, the higher the metric). Quality of service requirements: each service requires certain QoS, which is reported by means of QCI and it can be used to apply specific strategies in order to meet the QoS requirements. Every TTI the scheduler accomplishes the allocation decision, which is valid for the next TTI, and using the Physical Uplink Control Channel (PUCCH) such information is carried out to UEs, which is explained in subsectϵ Ϯϰϴϰϰ Transport and Physical ChannelsϷϰ In the following figure 3.1 the main RRM procedures that interact with the uplink packet scheduler and the whole process of allocation decision are represented. That process is repeated every TTI: 1) Each UE sends the Sounding Reference Signal (SRS), with which the CQI is computed and sent to the enodeb. 2) The enb uses the CQI information for the allocation decisions and computes the RB mapping. 3) The AMC module selects the best MCS that should be used for the data transmission by scheduled users. 4) The information about these users, the allocated RBs, and the selected MCS are sent to the UEs via PUCCH. 5) Each UE reads the PUCCH and, in case it has been scheduled, accesses to the proper PUSCH payload. SRS CQI FEEDBACK Computation QoS Past Achieved Throughput Buffer Status UEs Packet Scheduler (enb) RB Mapping AMC PUCCH Figure 3.1: Simplified model of a packet scheduler and the signaling involved 23

116 Chapter 3. Modelling and general considerations Key Design Aspects In order to design properly a dynamic fast packet scheduling algorithm the following key aspects should be taken into account. The main differences between different algorithms reside, in general, in one or several of these characteristics. Complexity and Scalability: an LTE packet scheduler works with a time granularity of 1ms that means that it has to take allocation decisions every 1ms, i.e., 1 TTI. Therefore complexity and scalability are key requirements for limiting computing time and memory usage. Finding the best allocation decision through complex and non-linear optimization problems or through an exhaustive research over all the possible combinations is not affordable in terms of computational cost and time. That is the main reason why scheduler usually apply this approach. Let N and R be the number of active users in the current TTI and the number of available RBs, respectively. The scheduler has to calculate ቫ ታ ቓ metrics every TTI. This approach guarantees scalability thanks to the linear dependence on the number of resource blocks and users. Spectral efficiency: Effective use of the resources is one of the main objectives to be achieved. To this purpose, several types of performance measurements can be considered: for example, the spectral efficiency (expressed in bit/s/hz) can be maximized by always serving users that are experiencing the best channel conditions because in that case high modulation order will be selected in the AMC. Fairness: It determines whether users are receiving a fair share of system resources, it must be taken into account in order to guarantee a minimum performance also to the users experiencing bad channel conditions. It is measured in our results with the equation 4.1 presented in following chapter. QoS Provisioning: It is a key factor in next generation mobile networks. As aforementioned, QoS constraints depend on the service and they are usually mapped into some low-layer parameters such as minimum guaranteed bitrate, maximum delivering delay, and packet loss rate. As a consequence, QoS-aware schedulers are a major feature in all-ip architectures. Energy consumption: Energy saving is a required feature for battery supplied terminals. 3.2 Simulator architecture As previously introduced, the Vienna LTE simulator is a MATLAB program that allows for the investigation, test and optimization of algorithms and procedures implemented on the physical layer. 24

117 Chapter 3. Modelling and general considerations As it is explained on [2] and [3], the link level simulator is composed of three basic structural parts: transmitter, channel model and receiver. The transmitter and receiver blocks are interconnected by the channel, through which the data is transmitted. For simplicity signaling and uplink feedback are assumed error-free. That hypothesis of error-free signaling is quite realistic since signaling is stronger protected than data, by means of lower coding rates and/or lower-order modulations. In addition, those errors in signaling and feedback take place only under really bad channel conditions, on which the presented investigations are not going to be focused. More details about the description of the Vienna LTE Uplink physical layer Simulator can found in [3]. The structure of the transmittζ ϵ ΧΚ ζβ ϲζ ϼ ϯϲϳ Κ βκ β ζ ϵζ ϲ 8]. The PS receives the feedback by means of Channel Quality Index (CQI), which is employed to distributes resources (RBs) to UEs and chooses the optimal MCS (code rate and modulation scheme ranging from QPSK to 16-, 64-QAM) for a given BLER target. The simulator is equipped with algorithms that compute the feedback indicators from the estimated channel coefficients, more information about those specific feedback algorithms can be found under [9]. Figure 3.3: Vienna LTE link level simulator structure. Source: [3] 25

118 Chapter 3. Modelling and general considerations 3.3 Traffic models In order to carry out the investigation of the PS performance in a traffic-mix scenario several traffic models are implemented. These traffic models emulate services employed by the users, which have some QoS requirements. In our scenario each user is randomly assigned to one traffic model with certain probability based on [4]. Some characteristics of the different types of TMs are summarized in Table 3.1., including the probability for a user to employ each service. As VoIP is the most important and restrictive service, we explain this traffic model in more detail and just give an overview of the others. The VoIP traffic model consists of a simple two-state model: an active (talking) and an inactive (listening) state with certain probabilities of transition, as represented in figure 3.3. It generates packets at a regular intervals. The time between packets depends on the current state: during the talking active state every 20ms and during the inactive state the time is 160ms. Concerning the QoS requirements, more than 98% of VoIP-user packets have to arrive with a delay of less than 50 ms in order to fulfil the VoIP criteria. Otherwise the user is not satisfied, in other words it is considered to be in outage. This assumes an end-to-end delay below 200 ms for mobile-to-mobile communications. FTP and HTTP are both Non-Real-Time (NRT) traffic models, the size and the time between their packets are characterized by a Cumulative Distribution Function (CDF). These two TMs are not delay-sensitive, that mean ϲκ ϲζ β ϳ ϲκ ζ π πϵ Κ restrictive delay requirement. The main issue in a mix-traffic scenario is that they are resource-demanding because their packets are larger (more than 1000 times) than the packets of a VoIP traffic model. Hence a differencing-qos strategy has to be designed to deal with that problem and prevent blocking the network for the delay-sensitive services (e.g. VoIP). The other two types of Real-Time service are video-streaming and gaming. Their packet parameters are also characterized by a corresponding CDF. Since they are RT-services they are delay-sensitive, meaning that there is a maximum time defined to deliver their packets. They compete against VoIP, as all are RT-services and a maximum delivery time have to be guaranteed, otherwise the packets are discarded. Because an out-of-date packet is useless for the receiver. 26

119 Chapter 3. Modelling and general considerations a b = 1-c Inactive State State 0 Active State State 1 d = 1-a Figure 3.3: two-state voice activity model c Satisfaction criteria Outage requirements for the different traffic models are needed for alignment. System loading is limited by the requirements either in terms of minimum throughput during a certain time or latency delivery. Satisfied user criteria for different traffic types can be found in [10] section Application Tabl3 3.1: Traffic model main characteristics Traffic Category Type Percentage of Users in a typical scenario with traffic mix Satisfaction Criteria FTP Best Effort Non-RT 10 % 100kbps Web Browsing / HTTP Interactive Non-RT 20 % 100kbps Video Streaming (rate of 64 kbps) Streaming RT 20 % VoIP Real-Time RT 30 % Gaming Interactive Real-Time RT 20 % 90% packets in less than 100ms 98% packets in less than 50ms 90% packets in less than 80ms 3.4 Power consumption model For the computation of the power consumption measurements, a simple model is taken into account since no Power Control for Uplink transmission is implemented in the simulator. Therefore, during the whole thesis the power consumption considered is only dependent on the number of assigned RBs because it is the only power-related parameter under control by the scheduling algorithm. Thus, the number of allocated RBs on a user is assumed to be a direct measurement of the power consumed. In addition, 27

120 Chapter 3. Modelling and general considerations in order to compute a realistic power value the consumed power in a single RB based on [10] is: ቑ ቓ ቫ ብኖንሃኖ ቃቨሟቑቓቃ. 28

121 Chapter 4 Comparison of different Scheduling-algorithms 4.1 Introduction In this section different schedulers are compared in terms of their achieved throughput, fairness and energy efficiency. The schedulers taken into account in this first comparison are selected in order to find the best one as a good starting point to develop more complex algorithms. For that reason, a broad range of schedulers with different objectives is chosen. In this first scenario there is no traffic models (i.e. full-buffer traffic) and the schedulers are not QoS-aware. The scenario is supposed to be as simple as possible in order to focus on the allocation strategies and gradually, within the next steps, the scenario will become more complex and more inputs for the scheduling algorithms will be used. The schedulers selected for that first comparison are: MaxMin, maximizes the minimum of the user throughputs Semi-static Round Robin, fixed pattern but rate adaptation Resource Fair, it assigns the same number of RBs to all UEs Proportional Fair Maximum Throughput BCQI: Best Channel Quality Indicator These scheduling-strategies are in the next subsection in more detail explained Fairness ζ Κ ϵπ πκϵ ζ ϵ Ϩ JΚϵ ϳ FΚϵ ζ I βζ ϭϭ ϰ It is used to determine whether users are receiving a fair share of system resources. The index is computed with the following formula: ዢ ዦ ሀቔ ኟቩቚቚ ቕ ቋኟቚ ቫ (4.1) ዦ ዢ ሀቔ ኟቩቚ ቕ Where T is a user throughput vector, n is the user and N is the total number of users. When the resources are totally fairly distributed, that is, when all the users achieve the Κ ζ ϲ Ϩϲ ϭ JΚϵ ϳ FΚϵ ζ I βζ ϵ ζ Κ ζϰ O ϲζ ϲζ ϲκ β ϵ ϲ ζ πκϵ ζ ϭ JΚϵ ϳ πκϵ ζ ϵ βζ Κ ΚΨϲζ ϭ Nϰ I ϲζ ζ ΚΧ ζ πairness is 29

122 Chapter 4. Comparison of different Scheduling-algorithms considered, meaning that the SNR differences are not taken into account in the fairness measure. 4.2 Scheduling Strategies In this section, the different allocation strategies used for this comparison are illustrated. They will be addressed in an increasing-complexity order Round Robin This is a channel-unaware strategy making it a bad solution for a real LTE or any timevariant wireless channel system. However, it is employed as a basic (worst-case) reference. Furthermore it can be used in association with channel-aware strategies in order to deliver better system performance. This scheduling strategy lets users take turn in using the shared resources, without taking the instantaneous channel conditions into account. It can be seen as fair scheduling in the sense that the same amount of radio resources is provided to each user. However, RR scheduling is not fair in the sense of providing the same service quality to all users. Since more radio resources should be provided to users with worse channel conditions. Furthermore, it is evident that it cannot be an efficient allocation strategy because it assigns resources to users a priori even when they have no data to transmit. We can translate this behavior in the equation 4.2, expressing the metric of the i-th user on the k-th RB as: ዪዪ ቫ ቯ ብ ቕ ዻ (4.2) ቨ ዻሀዽ Where t is the current time and ቕ ዻ refers to the last time when the user was served. However, in this investigation a semi-static version of the round robin is implemented meaning that the assigning pattern is fixed but there is rate adaptation Best Channel Quality Indicator It assigns resources to the user with the instantaneously best radio-channel conditions. As the highest quality channel is selected, a correspondingly higher data rate can be achieved by applying adaptive rate control. Therefore this strategy aims at maximizing the data rate by allocating in each RB the user that can perform the highest throughput in the current TTI. The metric can be represented as: ዚዛዩዡ ቨ ዻሀዽ ቫ ዽ ዻ ቯቚ (4.3) where ዽ ዻ ቯቚ is the achievable throughput expected for i-th user at the t-th TTI. 30

123 Chapter 4. Comparison of different Scheduling-algorithms The allocation algorithm just finds the maximum CQI of each RB looking over all the users. Is it clear that with such a strategy the average throughput is maximized but on the other hand, the users with poor channel conditions (e.g. cell-edge users) will get a low percentage of the available resources or in extreme case they will never be scheduled. Therefore it performs unfair resources sharing Maximum Throughput In the paper [12] the author formulates a sum rate maximization resource allocation strategy that performs similar results in the same way that the Best-CQI strategy does, as it will be explained in the simulation results subsection. However, this algorithm is also presented because it will be used as a starting point for the next ones, only some additional constraints will have to be imposed. Its behavior can be expressed with the same equation proposed for the BCQI Resource Fair The strategy of an RF scheduler is to achieve a high throughput while assuring a minimum level of fairness, so that every UE receives a little amount of resources. This can be easily achieved by imposing an additional constraint to the optimization problem of the maximum throughput strategy so that each user receives the same amount of resources. If the reader is interested in more details, those can be found also in [12] Proportional Fair A common approach to deliver a compromise between requirements on fairness and spectral efficiency is the use of Proportional Fair (PF) scheduler. A good strategy to implement it is through a metric algorithm. It is based on the relation between the past average throughput and the expected rate. So that the past average throughput ቓቃቃቃቯቚ acts as weighting factor of the expected rate. In our algorithm this user throughput is averaged with an exponential window with a decay constant of 10 subframes. With such an allocation policy even users with really bad channel conditions will be scheduled within a certain amount of time. The employed metric is: ዳ ቨ የዞ ሆቚ ዻሀዽ ቫ ዶ ድ (4.4) ዪቃቃቁቃሆቔቚ where ቓቃቃቃቯቚ represents the past average throughput experienced by the i-th user at ዻ time t and ዽ ቯቚ is the achievable throughput expected for the i-th user at the t-th TTI. In the scheduler a slightly suboptimal reduced complexity algorithm is implemented, based on [15], which fulfils the conditions for a multicarrier scheduler to be proportionally fair. 31

124 Chapter 4. Comparison of different Scheduling-algorithms MaxMin Scheduler The aim of a MaxMin scheduler is to maximize the minimum of the user throughput. The optimization problem and the recasting of the problem into a linear integer problem is out of scope of this work, but it can be found in [12]. This strategy can be found in the literature under the name of Blind Equal Throughput and it metric can be expressed as: ዥዳሊዥዻሀ ቔ ቨ ዻሀዽ ቫ (4.5) ዪቃቃቁቃሆቔቚ where ቓቃቃቃቯቚ represents the past average throughput experienced by the i-th user at ዻ time t and ዽ ቯቚ is the achievable throughput expected for the i-th user at the t-th TTI. 4.3 Simulation Results Scenario The simulation setup consists of a single cell SISO scenario with 16 UEs having average SNRs ranging from 0dB to 30dB in 2dB steps. The simulation parameters are summarized in the following Table 4.1. As aforementioned full-buffer simulation is used, that is, every user has always data to transmit and there are no QoS constraints as there is no packet generation. The users are moving with a walking speed, that is, 2.78m/s or 10km/h. Table 4.1: Simulation parameters Sim#4 Parameter Value System bandwidth 1.4MHz Number of subcarriers 72 Number of RB per subframe 12 Number of subframes 1000 Channel model PedA Antenna configuration 1 transmit, 1 receive (1x1) Receiver ZF (zero forcing) Channel Estimation Perfect Fairness and Throughput comparison Wζ Κ Κ Κ ϵ Ϩ ϲζ JΚϵ ϳ πκϵ ζ ϵ βζ ζ ϭ ϲϵψϲ Κ ζ ϲ ϵ πϵϩ ζ ϰϰϭϰ ϼϲζ ζ it can be seen how the MaxMin scheduler performs the highest fairness, which is actually its purpose and theoretically should be equal to one. But, on the other hand, we can see in figure 4.2 that it achieves the lowest sum of throughput. So the results 32

125 Chapter 4. Comparison of different Scheduling-algorithms presents in accordance to theory that pure fairness maximization is not compatible with high throughput. In contrast with MaxMin scheduler we can see that Best-CQI and Maximum throughput schedulers perform the highest throughput as expected but it comes with a really poor fairness performance. Best-CQI and Maximum throughput behave similar as it has already been explained. As they only schedule UEs with good channel conditions, they obtain the highest throughput. On the other hand, the round robin scheduler (RR) and resource fair (RF) achieve the worst performance. RR does not consider the instantaneous channel conditions for resource allocation. The figure shows that RR achieves neither high fairness nor high throughput. Therefore it is evident that not considering the channel conditions for resource allocation, as the RR scheduler does, clearly is a bad strategy. However, the RF results are surprising, it should perform better because just an additional constraint compared to max. Throughput has been added. The possible reason for this bad performance could be the narrowness of the employed bandwidth compared with the number of users in the cell. These two figure also show, that proportional fair scheduler is a good tradeoff between fairness and throughput. It achieves good fairness and it also delivers high sum of throughput. 1,0 MaxMin 0,9 PF 0,8 RR RF Jain's Fairness Index 0,7 0,6 0,5 0,4 0,3 0,2 Max Thr BCQI 0,1 0,0 Scheduler Figure 4.1: Fairness achieved with different schedulers Figure 4.1: Fairness achieved with different schedulers 33

126 Chapter 4. Comparison of different Scheduling-algorithms 70 Max Thr BCQI 60 Sum Throughput Mbit/s RR RF MaxMin 10 PF 0 Scheduler Figure 4.2: Sum of user throughputs achieved with different schedulers Simultaneous Throughput comparison Figure 4.3 shows the throughput performed of the different UEs for different resource allocation schemes. As the users are spread over the range 0dB to 30dB, we can see the amount of resources that each user receives depending on the SNR that this user is perceiving. The maximizing throughput schedulers, that is, Best-CQI and Maximum Throughput, perform high throughput as they only schedule good-channel users. However, users with low-snr are never scheduled. We can see how RR, RF and PF behave similarly, apart from a little improvement of PF over the low-snr users. This is due to the semi-static characteristic of the Round Robin, otherwise the rate would not adapt to the better channel conditions of the users experiencing higher SNR and its rate would be constant over the whole SNR range. On the other hand, MaxMin scheduler delivers almost a constant Throughput over the entire range of SNR users, 0.8Mbit/s for the user with worst channel quality and 1.4Mbit/s for the user with the best channel conditions. 34

127 Chapter 4. Comparison of different Scheduling-algorithms MaxMin RR RF PF Max Thr BCQI 16,0 14,0 Throughput [Mbit/s] 12,0 10,0 8,0 6,0 4,0 2,0 0, SNR[dB] UE Figure 4.3: Throughput simultaneously achieved by UEs with different average SNRs for several schedulers Efficient energy consumption comparison Figure 4.4 and figure 4.5 show the efficiency for several schedulers in two different ways. In the first one (figure 4.4) the data rate achieved per Resource Block (RB) is represented. It is a parameter to notice the advantage to allocate resources in certain users in ዻ comparison with the others. ϼϲζ ζ ϳ ΚΨϲϵζ ΚΧ ζ βκ Κ Κ ζ ዽ ቯቚ at time t on two consecutive RBs is determined using: ሀቓዴዻሆህ ዳሀድ ሆቚ ሀቓህላዿዴሁዾህ ሀቓህሇዴድዳሄሄዻዷሄህ ዽ ዻ ቯቚ ቫ ቓቯቚ ዺ ዺ ዺ ህላዿዴሁዾ ህሇዴድዳሄሄዻዷሄ ዪዚ (4.3) ሀቓዴዻሆህ ዳሀድ ሆቚ where ቓቯቚ is the rate code and is the number of bits per symbol for user i ህላዿዴሁዾ at time t at sub-carrier on RB. ሀቓህላዿዴሁዾህ In addition, is equal to 6 (taking into account that the symbol in the middle ህሇዴድዳሄሄዻዷሄ ሀቓህሇዴድዳሄሄዻዷሄህ is used to signaling) and equal to 11 (one subcarrier is for signaling). Thus, ዪዚ each slot comprises 84 OFDM symbols, but only 66 OFDM symbols are used to data. 35

128 Chapter 4. Comparison of different Scheduling-algorithms ሀቓዴዻሆህሆቚ ቓቯቚ and varies for each MCS, which depends on the reported CQI. The ህላዿዴሁዾ reported CQI values are represented in the table 4.2 (as specified in [5], table (4 bit CQI table)). The higher the reported CQI is, the bigger is the achievable data rate and therefore higher efficiency is achieved. Furthermore, to compute the final number of data bits in two RBs should be taken into account the variable number of control bits in level 1 and 2. Therefore, excluding overheads level 1 and 2, the number of bits allocated to data on 2 consecutive RBs is shown in the following table 4.2. Table 4.2: CQI Parameters and its MCS CQI Modulation R Nbits Nbits total in Nbits Data in Rate Code Uncoded in 2 RBs 2 RBs (x1024) 2 RBs 3 QPSK QPSK QPSK QPSK QAM QAM QAM QAM QAM QAM QAM QAM QAM Figure 4.4 shows that the maximum throughput schedulers (BCQI and Max Throughput) achieve a constant efficiency, meaning that they always schedule users with CQI equal 15, that is the highest one and therefore performing the highest data rate possible. On the other side, the rest of the schedulers, as they are scheduling also users with lower CQI, they achieve lower average efficiency. In figure 4.5., the achieved power efficiency measured in Mbits per µw is represented. As already explained, the max throughput schedulers perform better usage of the resources, that is, they achieve higher data rates with 1 µw. 36

129 Chapter 4. Comparison of different Scheduling-algorithms MaxMin RR RF PF Max Thr BCQI 7,0 Efficiency [kbits/rb] 6,0 5,0 4,0 3,0 2,0 1,0 0, SNR[dB] UE index Figure 4.4: Efficiency simultaneously achieved for every scheduler 1,8 1,6 Max Thr BCQI Power efficiency [Mbits/µW] 1,4 1,2 1,0 0,8 0,6 0,4 MaxMin RR RF PF 0,2 0,0 Scheduler Figure 4.5: Average power efficiency for several schedulers in terms of Mbit/s per µw In the last figure 4.6 the power consumption for each user and for each scheduler is represented. It shows how the energy is distributed over the SNR. It can be noticed that MaxMin scheduler has to spend a lot of more resources on the bad-channel users in order to achieve the same throughput that the best user achieves. This can be seen as a misuse of the resources. On the other hand, we can see how the power consumption is equally distributed over the users for the RR, RF and PF, although the good-channel users will make better use of it because they will achieve higher data rates with the same amount of energy. 37

130 Chapter 4. Comparison of different Scheduling-algorithms MaxMin RR RF PF Max Thr BCQI Power consumption [µw] 10,0 8,0 6,0 4,0 2,0 0, SNR[dB] UE index Figure 4.6: Power consumption simultaneously achieved by UEs for several schedulers 4.4 General conclusion comparison In conclusion, we can summarize that PF delivers a good compromise between fairness and throughput. Besides, it is implemented through a metric algorithm so that it can be easily modified adding new inputs and restrictions to its metric with the purpose that certain users get prioritized, or equivalently, other users get punished. Therefore, this strategy will be used as a starting point to develop more complex algorithms, providing more features and capabilities. That will be done with the traffic models, adding to the schedulers essential functions to be applied in a real network (with traffic-mix) where taking care of the delivery time, buffer state and other QoS parameter is necessary to guarantee good service. 38

131 Chapter 5 Energy-saving modification In this section, a modification of the Proportional Fair (PF) is investigated. This modification aims to reduce the energy consumption or, equivalently, to increase the energy efficiency of the transmission. In other words, with the same amount of power consumption it provides higher overall throughput. Although the results show that the improvements are really good, these stunning improvements are achieved under low load conditions corresponding to 20 users in out system. With 30 users there is also improvement, but when the system gets closer to the maximum possible load (40 users) the improvements are negligible or even nonexistent. 5.1 Approach As a first modification of the basic PF metric we consider to add a parameter in the denominator. The main purpose of this approach is to make the overall performance of the scheduler unfair. This parameter allows the operators to match the metric scheduler to the current system conditions. The new metric looks: ዻ ዽ ቯቚ የዞ ቨ ዻሀዽ ቫ ቝቓቃቃቃቯ ብ ኒቚ ረ (5.1) I πκψ ϭ ϲκ ϵ ϵ β ζ ϲζ ζ ζ ϲζ Κ Κ ζ ζ ϵ βϵπ ϵ Ϩ ϲζ ζϵϩϲ ϲκ ϲζ past achieved throughput has in the current metric. Therefore when we settle the Κ Κ ζ ζ Χζ ζ than one, we are decreasing the weight of the achieved past. Consequently we are achieving a metric less fair, what it is actually the goal. As an ζ ζ ζ ΨΚ ζϭ ϵπ ϲζ Κ Κ ζ ζ ϵ ζ ζ Κ ζ ϭ ζ ϲκ ζ ϵ πκψ ϲζ ζ ϵ Κ ζ metric of a rate maximizing scheduler, where as in the preceding chapter the results shows the throughput and the energy-efficient is optimal. Therefore we have to achieve Κ Ψ ϵ ζ ϵ Κ Ψϲϵ Ϩ ϲζ Κ Κ ζ ζ ϰ M ζ βζ Κϵ ΨΚ Χζ π β ϵ Ϯϭ ϭ ϲζ ζ the impact of the paramζ ζ ϵ ζ Κϵ ζβ ϵ ζ βζ Κϵ ϰ 39

132 Chapter 5. Energy-saving modification 5.2 Scenario In the following table 5.1 the general parameters utilized for the simulation are summarized. We are simulating a single SISO cell with 20 and 30 users. The users are distributed randomly over the whole cell, that is, they have an average SINR ranging randomly between -5 and 35dB. It is worth noting that in order to be able to compare the obtained results, the simulations are carried out with the same SINR realization. Otherwise it would have been impossible to compare different metrics with different SNR realizations. And the full-buffer approximation is used in order to focus only on the scheduler performance and how it exploits the system characteristics: time, frequency and multi-user diversity. The users are moving with a walking speed, that is, 2.78m/s or equivalently 10km/h. Table 5.1: Simulation parameters Sim#5 Parameter Value System bandwidth 1.4MHz Number of subcarriers 72 Number of RB per subframe 12 Number of subframes 2000 Channel model Typical Urban Antenna configuration 1 transmit, 1 receive (1x1) Receiver ZF (zero forcing) Channel Estimation Perfect 5.3 Simulation results Simulation results 20 UE Fϵ ϲζ ζ ϵ ϲ Ϯ E Κ ζ ζ ζ ζβϰ I ϲϵ ΨΚ ζ ϲζ Κ ζ π ϲζ Κ Κ ζ ζ ϵ the eq. 5.1 is tuned between 1, which is the Normal PF case, to 0.01, which achieves in the presented results a fairness of approx The first figure 5.1 shows the fairness of each metric. 40

133 Chapter 5. Energy-saving modification 0,8 Normal PF =ϭ 0,7 0,6 = ϰϯϱ = ϰϭ = ϰ ϭ 0,5 0,4 0,3 0,2 0,1 0 Figure 5.1: Fairness achieved with each metric for eacϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ Ϯ E In the second figure 5.2, the sum of throughput achieved for each metric is represented. It is clear that when the metric is less fair the achieved sum of throughput is bigger. The improvement of the sum of throughput between the normal PF (19.24Mbits) and the most unfair system (25.83Mbits) here presented is almost one third. Therefore, there is a possible improvement of one third in the energy efficiency under low-load conditions (20UE). In the last figure 5.3 the efficiency achieved with each metric for each value of the Κ Κ ζ ζ ϵ ζ ζ ζβϭ ϲϵψϲ ϵ ϵ Κ ϲζ π ϲ Ϩϲ Κ ζ ζ scheduler simulates the same number of subframes. Sum Throughput 30 Throughput [Mbits] Normal PF =ϭ = ϰϯϱ = ϰϭ = ϰ ϭ 5 0 FϵϨ ζ ϱϰϯϯ π ϼϲ Ϩϲ ΚΨϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ Ϯ E 41

134 Chapter 5. Energy-saving modification 0,35 Power efficiency [Mbits/µW] 0,3 0,25 0,2 0,15 0,1 0,05 Normal PF =ϭ = ϰϯϱ = ϰϭ = ϰ ϭ 0 FϵϨ ζ ϱϰϯϯ EππϵΨϵζ Ψ ΚΨϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ Ϯ E Simulation results 30 UE In this case, the range in the parame ζ Χζ Κ Ϩζ ϵ βζ Χζ ΚΧ ζ ΚΨϲϵζ ζ the same range of fairness that in the preceding case with 20 UE. That is because the multiuser diversity enables a higher averaged throughput. Furthermore more simulations are carried out in order to have broader fairness. ϼϲζ Κ Κ ζ ζ Κ Ϩζ π ϭ ϭ ϲϵψϲ ζκβ ϲζ ϲϵϩϲζ πκϵ ζ ϰθϲϭ ϭ ϰ ϭϭ which leads to the lowest fairness (0.719). The fairness for each metric is represented in the next figure 5.4. The results show in the figure 5.5 that the sum of throughput increases inversely proportional to the metric fairness as in the case before. However in this case we have ζ ϲζ Κ Κ ζ ζ π ϭ ϰ ϭ ϵ βζ ΚΨϲϵζ ζ Κ ϵ ζ ζ ϵ ϲζ energy efficiency of approx. 13%. Because π ϲζ ϲϵϩϲζ πκϵ ζ =ϭ ϲζ ζ ΚΨϲϵζ ζ Κ ϲ Ϩϲ π ϯϯϰθϰmχϵ Κ β ϵ ϲζ ζ πκϵ ζ ζ = ϰ ϭ Κ throughput of 37.3Mbits is achieved. In the next figure 5.6 the efficiency of the system for every metric is represented. It is again proportional to the throughput because the same number of subframes are simulated. 42

135 Chapter 5. Energy-saving modification Fairness 0,9 0,85 =ϭ =ϯ 0,8 PF =ϭ 0,75 = ϰϯϱ = ϰϭ = ϰ ϭ 0,7 0,65 0,6 Figure 5.4: Fairness acϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ ϯ E Sum Throughput 38 = ϰ ϭ 37 = ϰϭ Throughput [Mbits] =ϭ =ϯ PF =ϭ = ϰϯϱ FϵϨ ζ ϱϰϱϯ π ϼϲ Ϩϲ ΚΨϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ ϲ ϯ E 43

136 Chapter 5. Energy-saving modification 0,45 0,44 = ϰ ϭ Power efficiency [Mbits/µW] 0,43 0,42 0,41 0,4 0,39 0,38 0,37 0,36 =ϭ =ϯ PF =ϭ = ϰϯϱ = ϰϭ 0,35 FϵϨ ζ ϱϰϲϯ EππϵΨϵζ Ψ ΚΨϲϵζ ζβ ϵ ϲ ζκψϲ ζ ϵψ π ζκψϲ Κ ζ π ϲζ Κ Κ ζ ζ ϵ h 20UE 5.4 Conclusion In this chapter a simple modification of the PF metric is proposed to achieve higher energy efficiency. This approach is really interesting for operators because they only have to tune one parameter in the metric considering the load of the system. The results show that is it especially useful under low-load conditions. It is not a disadvantage for the solution because under high-load conditions in a real system the operator cannot afford to decrease the fairness because that would lead to user dissatisfaction as there would be user who would not get served and hence their QoS requirements would not be fulfilled. Therefore this approach is only appropriate under low-load conditions, where there are enough resources for all the users so they can get a minimum required service or, in other words, the operator can guarantee a minimum QoS required for multiple services. Nevertheless the results show a great chance to save worthy energy when the number of users in the system is small such as during the night or during typical low-load conditions. In the next chapter this approach is added to the scheduler design as it is really simple and useful. The behavior of the metric under real traffic conditions is investigated. 44

137 Chapter 6 Investigation of PF Scheduling with QoS Support 6.1 Introduction LTE is a converged all-ip network where providing Quality-of-Service (QoS) support is essential for a large range of services in the new generation networks. Therefore a developed QoS concept has been designed. QoS-support requires traffic differentiation and using multiple bearers provided with configuration and priorities to guarantee service quality for each user. In addition, a wide range of QoS-related functions and parameters will allow operators to adopt the level of QoS support in the network in agreement with their own strategy. It is worth noting that QoS is not only needed at high network loads but also to deal with traffic in traffic-mix scenarios where services with some special QoS requirements have to compete with delay-insensitive best effort traffic. In other words, system throughput can be maximized if the packet scheduler utilizes the reported instantaneous channel conditions when taking scheduling decisions. However, scheduling decisions based only on channel conditions are insufficient to support realtime applications due to their strict delay requirements. Therefore, several packet scheduling algorithms that fulfil this new requirements have been developed (see figure 6.1). CQI FEEDBACK QoS Buffer Status Past Achieved Throughput Packet Scheduler (enb) RB Mapping N Users QoS requirements Figure 6.1: General Packet Scheduling Model with QoS support 45

138 Chapter 6. Investigation of PF Scheduling with QoS Support During this chapter the performance of several scheduler is investigated when delivering different services over a network in terms of capacity of delay-critical services, such as Voice over Internet Protocol (VoIP) and minimum throughput in a mixed traffic scenario. The main challenge is to enable traffic differentiation and service prioritization in such a traffic-mix scenario when delay-critical services, e.g., VoIP, are employed together with delay-insensitive traffic. For that purpose, several different schedulers are proposed in order to compare performance. In addition, to emulate the services performed by the users several traffic model are implemented whose characteristics are introduced and summarized in subsection Scenario As it has been demonstrated in the chapter 4, the PF scheduler is well-suited for our purpose. Therefore it has been taken as a starting point to develop our scheduler. Four schedulers are developed in order to be able to compare and choose the better solution. All the proposed schedulers are based on a per-metric decision and PF-allocation strategy. The schedulers under investigation are: I. Basic Proportional Fair II. Real-Time Priority Scheduler III. Exponential/Proportional Fair IV. Proportional Fair Criteria Basic Proportional Fair As it has already been introduced in the preceding chapter, here only a brief introduction will be given. It is based on the idea of computing the past average throughput as a weighting factor of the expected rate. የዞ ዳ ሆቚ ቫ ዶ ድ ቨ ዻሀዽ (5.1) ዪቃቃቁቃሆቔቚ Although this strategy is not adapted to prioritize any kind of traffic, it actually gives a certain priority to RT-users because of their low data rate nature. That is, as the RTservices generate less amount of data than NRT services, such as HTTP or FTP, they have a smaller average throughput, what results in a higher metric than the NRT. Nevertheless, there are still improvements to be done, as the results have shown Real-Time Priority Scheduler As the main objective is traffic differentiation, as a first enhancement, a scheduler with prioritization of real-time users is proposed. It employs the same PF metric but with RT prioritization. Therefore it first schedules all the RT users and then, when no RT-data is left, it distributes the spare resources among the NRT users. In other words, there are 46

139 Chapter 6. Investigation of PF Scheduling with QoS Support two different queues: the scheduler allocates the RT-queue while they still have data waiting, afterwards it goes on allocating with the second NRT queue. This approach provides the lowest delay solution but the results show that this solution can punish the NRT users and consequently they may not achieve their minimum throughput requirements. In addition, as the delivered throughput is lower, the energy efficiency also drops Exponential/Proportional Fair The Exponential/Proportional Fair (EXP/PF) scheduler is based on the paper [16]. That algorithm was firstly developed to support multimedia applications [17, 18]. It belongs to the strategies that aim at guaranteeing bounded delay, as delay is the most challenging requirements in the QoS-aware schemes, especially in interactive or realtime applications. For NRT users the same metric as in basic PF (eq. 5.1) is applied but for Real-Time users an exponentially increasing factor is included. Therefore, the metric is calculated as: That is, ዝደየሟየዞ ቨ ዻሀዽ ቫ በታቫ ብ ዸ ዻ ቅ ዻ ብ ታ ኒ ቤ ዝታ ቇ ዺ ቨ የዞ (5.2) ዻሀዽ Where ዳ ሆቚ ዪቃቃቁቃሆቔቚ ዝደየሟየዞ ቨ ዻሀዽ ቫ በታቫ ሧ ዳ ዜ ዳ ሊ በ ዺ ዶ ድ ቔቝዝሊ (5.3) And: ዸ ዻ ቫ ብ ቧቪቢ ዻ ዻ ላ ዻ (5.4) ዦ ዼዾ ኒ ታ ቫ ሄሆ ዬ ዸ ዻ ቅ ዻ ዻቔ (5.5) where ዻ ዻ is the acceptable packet loss rate of the i-th user, ላ ዻ is the delay threshold of the i-th user, ሄሆ is the number of real-time users. Furthermore, let ቅ ዻ be the delay of the first packet in the queue of the i-th user. The simulations results have shown how decisive the parameter ዻ ዻ is. For that reason, firstly several simulations are carried out with the purpose of determining that parameter. The selection of this parameters is done through the trial and error methodology. It is further explained in the following section

140 Chapter 6. Investigation of PF Scheduling with QoS Support Criteria Proportional Fair This approach has been designed based on the idea to adapt the metric according not only to the respective delay of the current packets, as EXP/PF does, but also to the buffer state. In addition, the energy saving considerations are a crucial issue. It is also a modification of the Largest Delay Weighted First (LDWF) proposed on [16], the buffer state input is added and different thresholds are defined. Besides, several energy-efficiency enhancing modifications are added. The main characteristics are summarized here: For the RT-Users a new metric is computed, the metric increases exponentially when the user gets closer to its maximum delay threshold. Two different thresholds defined to maximize the multi-user diversity while still guaranteeing QoS criteria. Takes into account the buffer state!ββζβ πκϵ ζ Κ Κ ζ ζ ϭ ϲκ ϵ ϭ ϲζ ϵ ϵ ζ ϲκ ϭ ϵ π Ψζ βϵ ϵχ ζ unfairly the resources, leading to higher energy efficiency. Several simulations are carried out aiming at precise determining this parameter, as it is in preceding chapter 5 exposed. New energy-efficient characteristic according to [19]. In there the author concludes that it is more energy-ζπφψϵζ Κ ΨΚ ζ Κ Κ R Κ ϵχ ζ a single user instead of assigning several users less RBs. That conclusion is explained in more detail within the next lines. I ϲζ Κ ζ ϭϵ ϭ ϲζ Κ ϲ ϵ ζ ϵϩκ ζ ϲζ ζππζψ π R Κ ΨΚ ϵ Κ LϼE βζ ϳ transmit power and total modem energy consumption. The simulation results presented on that paper, based on a mapping from transmission power to energy consumption, show that it is more energy efficient to allocate as many RBs as possible to a single user instead of assigning several users less RBs. For example, the author concludes that on average 24 % energy can be saved if a user is allocated an ζ ϵ ζ ϭ MH ΨϲΚ ζ ϰθ R ϵ ζκβ π ϴ R ϰ LϼEϳ ϵ P ζ ζκβ that users with more PRBs will transmit with higher power, but in the same way the throughput increases proportionally and therefore energy can be saved. Furthermore ϲζ Κ ϵζβ ζ Ψ ϵ βζ ζ ϵ ζ ϲκ ϲζ Eϳ ζππϵψϵζ Ψ Ϩ ϲζ ϲζ transmit power grows, as figure 6.2 shows. Equivalently, the author implemented a scheduler to evaluate how the energy consumption is influenced when scheduling a maximum of 6, 8, and 10 simultaneous users. The results present that scheduling maximum 10 users instead of 6 increases the average transmission time with ሜ4 % and the average energy consumption with ሜ6 %. Therefore, he concludes that there is no reason to scheduling more than 6 users due to the fact that the cell throughput is not depending on the number of users. The 48

141 Chapter 6. Investigation of PF Scheduling with QoS Support conclusion of the investigation in the paper is that one user should be assigned as many PRBs as possible, while limiting the number of simultaneous users to reduce the average waiting time. Figure 6.2: Transmission power versus total UE power consumption and efficiency. The total consumption Ψ ζ RFϰ Κ ζβ Κ ϵκ πϵ ϲζ ϲϯ ϭϭ E βζ ϳ Source: [24] Figure This new feature of allocating as many resources as possible resources as possible to one user has been implemented in that scheduler but only for the Real-Time users, because otherwise the NRT user would occupy all the resources and blocking the rest of services. For NRT users the same metric as in basic PF (eq. 5.1) is applied but for Real-Time users the metric is calculated with the following formula: ዜዳ ኋ ዝደየሟየዞ ሺ ዻ ዳሀዷዳዸ ዽ ቯቚ ቨ ቫ ኌቦ ዺ ነ (5.6) ዻሀዽ ዻ ቝቓቃቃቃቯ ብ ኒቚ ረ Let ቩ ዻ be the number of packets waiting in the buffer. Furthermore, let ላ ዻሀዼ be the j-th delay threshold of the i-th user and let ቅ ዻ be the delay of the first packet of the i-th user. Additionally: ኒ ቲባበቩ ቅ ዻ ቮ ላ ዻሀዿዻሀ ቦ ዻ ቫ ች ኖ ቲባበቩ ላ ዻሀዿዻሀ ቮ ቅ ዻ ቮ ላ ዻሀቕ (5.7) ናኑ ቲባበቩ ላ ዻሀቕ ቮ ቅ ዻ ቮ ላ ዻሀዿዳሊ ሀ ዳ And finally, in the worst case when the packet exceeds the maximum delivering time ቅ ዻ ቯ ላ ዻሀዿዳሊ ቦ ዻ ቫ ዚ, so that the user is definitely scheduled. Although for this extreme case it means that the channel conditions are no more taken into account. On the other hand, these packets are useless as they are arriving out-of-date to the receiver, but we 49

142 Chapter 6. Investigation of PF Scheduling with QoS Support are not directly discarding them in order to see the improvements between the scheduling strategies Simulations parameters The parameters of the simulation set up are summarized in the following Table 5.1. It consists of a single cell SISO scenario with a variable number of UEs, defined a priori and which stays fixed during the whole simulation as there is no handover or admission control system implemented. The users are distributed randomly over the whole cell, that is, they have an average SINR ranging randomly between -5 and 35dB. Nevertheless, in order to be able to compare the obtained results, the simulations are carried out with the same SINR realization. Otherwise, it would impossible compare different schedulers with different SINR realizations. The users are moving with a walking speed, that is, 2.78m/s or equivalently 10km/h. Each user selects a service from the five available with the probability of appearance of each service, as was explained in section 3.3. Table 6.1: Simulation parameters Sim#6 Parameter Value System bandwidth 1.4MHz Number of subcarriers 72 Number of RB per subframe 12 Number of subframes 2000 Channel model Typical Urban Antenna configuration 1 transmit, 1 receive (1x1) Receiver ZF (zero forcing) Channel Estimation Perfect TM probability VoIP (0.3), gaming (0.2), video (0.2), http (0.2), ftp (0.1) 6.3 Selection of δ parameter in EXP/PF! Κπ ζ ζ ϵ ζβϭ ϲζ Κ Κ ζ ζ ϲκ ζβ Χζ βζψϵ ϵ ζ ϵ ϲζ ζ ϰ ϼϲΚ ϵ ϲζ reason to investigate it independently in order to determine the most appropriate value. The following figure 6.3a shows the results when the EXP/PF is applied, when only the Κ Κ ζ ζ Κ ϵζ ϰ ϼϲζ ϲ ϲζ Κ ζ π ϲζ ϲ Ϩϲ π ϲζ N -RT users, because this is the relevant parameter in NRT users while in RT-users the delay is the most relevant parameter. Each bar represents a user, there are 12 UE because of the probability of appearance of these traffic models (FTTP and HTTP). The sum of both appearance probability is 30% and since 40UE are being simulated, there are 12 NRT 50

143 Chapter 6. Investigation of PF Scheduling with QoS Support users. In the first figure it is not completely cleκ ϲκ ϲζ = ϰ ϭ ΨΚ ζ ΚΨϲϵζ ζ ϲζ higher throughput, but it can be distinctly seen in the next figure 6.3b, where the sum of throughput averaged per NRT user is represented. FϵϨ ζ ϲϰϯκϯ ϵ Κ ζ ϲ Ϩϲ π βϵππζ ζ ζ ζψ ϵ π ϲζ Κ Κ ζ ζ ϰ Figure 6.3b: Averaged Sum of throughput f βϵππζ ζ ζ ζψ ϵ π ϲζ Κ Κ ζ ζ ϰ We have already explained that if we would only care about throughput, we would ζ ζψ ϲζ Κ Κ ζ ζ = ϰ ϭϰ H ζ ζ ϭ ϵ Κ ζ ϵ ϲ Q ζ ϲκ ζ guarantee also the delay. 51

144 Chapter 6. Investigation of PF Scheduling with QoS Support The following figures show the delay-cdf (cumulative distribution function) of the packets for the different types of traffic model. That CDF curve is computed in such a way that all the users with the same delay are added up. For example, when we have a 0.4 for a delay time of 40ms that means that 40% of the packets were successfully transmitted for a time lower or equal to 40ms. We can see in the three following figures that the delay-cdf grows proportionally to the Κ Κ ζ ζ ϵ ϭ ΧζΨΚ ζ ϲζ Ψ ζ π = ϰ ϭ ζ π ϲζ ζ ζκ ϵ Ϩ ϲκ the delay of this case is lower, that is, that the packets of the RT-users are being delivered faster. Nevertheless, the improveme Χζ ζζ Ψϲ ϵ Ϩ = ϰ ϭ = ϰ ϭ ΨΚ Χζ ζϩ ζψ ζβ ϵ βζ Κ Χ ϵ ζ π ϲ Ϩϲ ϵ βϵππζ ζ ϭ ϲζ ζ ϵ Κ ϲ ϵ ζ ζ π ϲζ ΨΚ ζ π ΧϵϨϨζ ϰ F ϲκ ζκ ϭ ϲζ Κ Κ ζ ζ ϵ πϵ Κ ζ ζ = ϰ ϭϭ ϲκ ϵ ϲζ Ϩ Κ ϲ Ψ ζ onds to the second best case in delay and that delivers almost 20% more of sum of throughput between the NRT-users. In addition, if it achieves higher throughput for the same number of subframes it will consume the same energy, hence more energy-efficient. Hence in the oncoming simulations, for the EXP/PF scheduler the parameter is set to = ϰ ϭϰ Figure 6.4: Delay-DF π IP ζ ϰ E ϵ ϲ βϵππζ ζ ζ ζψ ϵ π ϲζ Κ Κ ζ ζ ϰ 52

145 Chapter 6. Investigation of PF Scheduling with QoS Support Figure 6.5: Delay-DF π ϰ ϵβζ ζ ϵ ϲ βϵππζ ζ ζ ζψ ϵ π ϲζ Κ Κ ζ ζ Figure 6.6: Delay-DF π ϰ ϨΚ ϵ Ϩ ζ ϵ ϲ βϵππζ ζ ζ ζψ ϵ π ϲζ Κ Κ ζ ζ 6.4 Simulation results An investigation of the performance of the different scheduling strategies is presented here, with special attention to the QoS support. The satisfaction criteria of every traffic have already been presented but are here again repeated because of convenience and its importance. 53

146 Chapter 6. Investigation of PF Scheduling with QoS Support Application Table 6.2: Traffic model main characteristics Traffic Category Type Percentage of Users in a typical scenario with traffic mix Satisfaction Criteria FTP Best Effort Non-RT 10 % 100kbps Web Browsing / HTTP Interactive Non-RT 20 % 100kbps Video Streaming (rate of 64 kbps) Streaming RT 20 % VoIP Real-Time RT 30 % Gaming Interactive Real-Time RT 20 % 90% packets in less than 100ms 98% packets in less than 50ms 90% packets in less than 80ms Delay performance under high-load conditions (40 UE) Firstly the simulation results with 40 UE are presented because that is the maximum number of system that our system can handle without being overloaded. Nonetheless, the results for lower loaded systems are presented afterwards. It has no sense to present the results under overloaded conditions because the benefits of the strategies disappear. Undoubtedly, there is no more possibilities to fulfil QoS in an overloaded system. In the first three figures ( ), the delay-cdf of the packets is represented for the three types of delay-sensitive services, namely VoIP, real-time gaming and video streaming. Each plot represents also the satisfaction criteria with a red line (dotted line for the level of packets and with asterisk the delay threshold). For example, the VoIP criteria establishes that a VoIP user is defined satisfied when 98% of its packet are successfully transmitted in less than 50ms. Therefore, in the figure 6.7 we can see that only the Criteria PF fulfils the VoIP-delay requirements, because almost 100% of the packets are successfully transmitted in 50ms. The figure also shows that PF and RT-Priority are far away from the requirement. Nevertheless, EXP/PF is close to it, it achieves to transmit approx. 96% of the packets. The behavior of RT-Priority in this case is quite surprising because it is as bad as normal PF. This is because it does not take into account the time that a packet has already been waiting in the queue to take the allocation decisions. On the other hand, EXP/PF and Criteria PF do consider it so they can differentiate among RT-services in order to prioritize services with for example a lower delay- threshold. 54

147 Chapter 6. Investigation of PF Scheduling with QoS Support Figure 6.7: Delay-CDF for VoIP users 40UE The following two figures (6.8 and 6.9) show the delay performance of each scheduler considering only the real-time gaming packets in the first one and video streaming packets in the second one. In both of them the satisfaction criteria is defined at the 90% of the transmitted packets but gaming with 80ms and video with 100ms. The satisfaction criteria is again represented with a red dotted line. Both figures show that the performance of PF is the worst, because it does not differentiate the type of traffic to take the allocation decisions. Then we can see in both figures that the RT-priority scheduler outperforms the rest. On the other hand, we can see that the Criteria PF and EXP/PF schedulers deliver great delay performance, although the behavior of each one is different. We can see how the threshold of the Criteria PF affects to the results of the delay-cdf curve, especially in the video packets because the size of the video packets is on average bigger than the gaming and VoIP packets. We can see how till 40 or 45ms the delay-cdf curve grows linearly that is because the first threshold parameter ላ ዻሀዿዻሀ is set to that value and the corresponding K value (see equation 5.6 and 5.7) for that first threshold is set to 1 meaning that there is no prioritization. Therefore, during this first threshold only the packets with good channel would be scheduled. During this first frame time the RT and NRT users are competing in equal opportunities in order to maximize the multi-user diversity, that is, the probability to have a user with good channel is bigger if we consider 40 UE (taking into account RT and NRT users) than if we only consider 28 UE, which are the RT users on average within 40 UE, based on the appearance probability in a trafficmix scenario defined in table

148 Chapter 6. Investigation of PF Scheduling with QoS Support The impact of the second threshold, which is different for each type of service, can also be observed in Fig For the gaming packets ላ ዻሀቕ is set to 60ms and for video is 75ms. Finally, the curve also shows that there are certain number of packets that are not successfully transmitted when their delay reaches the maximum threshold ላ ዻሀዿዳሊ ሃ In that case, the K parameter is set to infinity so that these packets get immediately scheduled because they are really close to their maximum delay threshold. In that range of delay the curve grows with the highest slope possible. Those packets, that are close to exceed their delay requirement, need the highest priority. Their channel quality has been during the whole time not good enough to be scheduled and therefore a lot of resources are going to be misused because another user with better channel and hence more energy-efficient could be scheduled instead with higher data rate, as aforementioned in Error! Reference source not found.. Nevertheless, a QoS-support system has to guarantee the requirements even to those bad-channel users. Figure 6.8: Delay-CDF for gaming users 40UE 56

149 Chapter 6. Investigation of PF Scheduling with QoS Support Figure 6.9: Delay-CDF for video users 40UE Throughput performance under high-load conditions (40 UE) In the following picture 6.10 the throughput achieved by the NRT-users for the different schedulers is represented. The red line on the figures represents the minimum throughput criteria requirement, which has been set to 100kbps for NRT-users in order to see if every user is fulfilling its throughput criteria along the 2 seconds simulated or equivalently 2000 subframes. Figure 6.10 shows that normal PF scheduler outperforms the rest of schedulers in terms of throughput for the NRT-users because as they are not prioritized over the RT-users they can access to a bigger part of the resources. On the other hand, the RT-priority scheduler performs the lower throughput because it is exploiting multi-user diversity over only at most 28 UE (assuming the extreme case that every UR has data to transmit). It can be seen more distinguishable in the following figure 6.11, which is presented afterwards. We can see also in the figures that the users with bad channel (user numbers 1, 3, 7, 9 and 10) get punished in the same proportion for each scheduler. In other words, the bad-channel users get the same ratio of data rate compared with the best user regardless of the employed scheduler because all the strategies are based on the same PF metrics for the NRT users. It is worth noting that all the schedulers achieve the QoS requirements of the users in terms of throughput except from the Criteria PF with = ϰϯϱ, whose user number 9 performs lower throughput than the minimum required (100kbps). 57

150 Chapter 6. Investigation of PF Scheduling with QoS Support Criteria PF = ϰϯϱ ϵ ϲ ϰ E Criteria PF = ϰϭ ϵ ϲ ϰ E EXP/PF with 40UE RT-Priority with 40UE Normal PF with 40UE Figure 6.10: Simultaneous throughput achieved by different scheduler only the NRT services (HTTP and FTP) with 40UE in the system (12 NRT- UE) are presented After analyzing the figure 6.10, the difference between EXP/PF and the two types of Criteria PF seems to be small. However, the figure 6.11 shows that the difference is considerable and that the Criteria PF performs the best throughput. Figure 6.11 presents the sum of throughput of the 40 UEs, considering not only the NRT users, whose throughputs are in 6.10 independently presented, but also the RT-users. The figure ϲ ϲκ ϵ ζ ϵκ PF ϵ ϲ = ϰϭ ζ π ϲζ ϲϵϩϲζ ϲ Ϩϲ ϰ I ζ π ζ ζ Χζ ζ ϲκ ϵ ζ ϵκ PF ϵ ϲ = ϰϯϱ ΧζΨΚ ζ ϵ π Ψζ ϲζ Ψϲζβ ζ Κ ΨΚ ζ ϵ Κ inequitable way (less fairness) leading to more throughput and therefore, a more energy-efficient scheduler. Other Criteria PF metrics with lower values of the parameter 58

151 Chapter 6. Investigation of PF Scheduling with QoS Support have not been included in the investigation because the consequent lower value of fairness would have made impossible to satisfy the QoS requirements. Furthermore, the EXP/PF is not maximizing the multi-user diversity because even though at initial time all the packets have same priority, as the packets get close to its maximum delay threshold the channel quality weight in the metric gets smaller. In contrast, with Criteria PF this range of time where the multi-user diversity is maximized is larger, up to 50ms in video service. For example, when a video packet is generated the user has 50ms to be able to be scheduled without punishing the system, because during these first 50ms the user is not being prioritized. That is the reason why Criteria PF outperforms the rest of schedulers, because it aims at maximizing the time while the multi-user diversity is exploited. An unexpected result present in the following figure 6.11 could be that the normal PF scheduler delivers lower throughput than the Criteria and therefore, lower efficiency. Although both schedulers aim at maximizing the time while the multi-user diversity is exploited, the normal PF imposes a condition on fairness forcing it to allocate the resources fairly. This fairness constraint does not exist in Criteria PF because of the multiplying parameter K (see equation 5.6). Furthermore, as it is explained in Error! Reference source not found., the fairness is intentionally reduced to deliver higher energy-efficiency. The imposed low fairness of the Criteria PF enables to increase the difference of delivered throughput between users because video-streaming packets are quite big and hence, it needs more resources than a RT-gaming users. This can be seen in the following figures 6.12 and 6.13 where the simultaneously achieved throughput of ϲζ ϰ E ϵ ζ ζ ζβ π ϵ ζ ϵκ PF = ϰϭ πϵϩ ζ ϲϰϭϯ Κ β Κ PF πϵϩ ϲϰϭϯ ϰ Figure 6.11: Sum of throughput and efficiency achieved by different scheduler 59

152 Chapter 6. Investigation of PF Scheduling with QoS Support Figure 6.12: Simultaneously achieved throughput by the 40UE with Criteria PF ϵ ϲ = ϰϭ Figure 6.13: Simultaneously achieved throughput by the 40UE with normal PF Delay and throughput performance under medium-load conditions (30UE) In this subsection, the simulation results for 30 UE are briefly presented, equivalently as in the preceding subsection. For 30UE the system is no more under high-loaded conditions so we can see how every scheduler, apart from Normal PF, can fulfil all the QoS requirements. Normal PF, as it is scheduler of general purpose, is not assumed to be employed under delay-constraint requirements. Therefore, it does not fulfil the VoIP-delay requirements of every service. 60

153 Chapter 6. Investigation of PF Scheduling with QoS Support In conclusion, even under medium or low load, the scheduler should consider traffic differentiation in order to fulfil the QoS requirements. Nevertheless, the normal PF scheduler outperforms the rest of schedulers in terms of throughput. This can be seen in the following figure 6.17, where the sum of throughput for the whole 30 users is shown. In this case of medium-loaded system we can see, as in contrast with the high-loaded system, the Normal PF delivers the highest throughput because there are enough resources for every user. And thus higher energy-efficiency because as all the users are transmitting the same number of subframes, the scheduler that delivers higher throughput delivers also higher spectral-efficiency. This can be seen in the next figure 6.18, where the efficiency is represented. Figure 6.14: Delay-CDF for VoIP with 30UE Figure 6.15: Delay-CDF for RT-gaming with 30UE Figure 6.16: Delay-CDF for streaming video with 30UE 61

154 Chapter 6. Investigation of PF Scheduling with QoS Support Criteria PF =0.25 with 30UE Criteria PF =0.1 with 30UE EXP/PF with 30UE RT-Priority with 30UE Normal PF with 30UE Figure 6.17: Simultaneous throughput of the NRT services (HTTP and FTP) with 30UE in the system (9 NRT-UE) Figure 6.18: Sum of throughput and efficiency achieved by different scheduler 62