5G环境下系统级仿真建模与关键技术评估.docx
- 文档编号:26948141
- 上传时间:2023-06-24
- 格式:DOCX
- 页数:22
- 大小:24.34KB
5G环境下系统级仿真建模与关键技术评估.docx
《5G环境下系统级仿真建模与关键技术评估.docx》由会员分享,可在线阅读,更多相关《5G环境下系统级仿真建模与关键技术评估.docx(22页珍藏版)》请在冰豆网上搜索。
5G环境下系统级仿真建模与关键技术评估
5G环境下系统级仿真建模与重点技术评估
大纲:
依照5G重点技术特点给出了5G系统仿真场景,并提出了一种基于5G系统仿真平台的仿真建模及实现方法。
运用动向仿真建模、计算资源虚假化管理、多核并行仿真以
及硬件加速仿真技术建设系统仿真平台,对5G候选重点技术进行评估,能够解决由于5G高复杂度及多变的仿真环境
带来的局部问题,并能够提升仿真效率,增强5G系统仿真平台的扩展性。
重点词:
5G候选重点技术;仿真建模;评估指标;系统仿真平台
Abstract:
Inthispaper,5Gsystemsimulationscenariosbasedonthefeaturesof5Gkeytechnologyisintroduced,andasimulationmodelingandrealizationmethodof5Gsystemsimulationplatformispresented.Byusingdynamicsimulationmodeling,computingresourcesvirtualizationmanagement,multi-coreparallelsimulationandhardwareacceleratedsimulationtechnologyinthesystemsimulationplatformconstructionand5Gkeytechnologyevaluation,partofproblemsbringingby5Ghighcomplexandchangeablesimulationenvironmentcanbesolved,andthesimulation
efficiencycanbeimproved,meanwhile,thescalabilityof5Gsystemsimulationplatformcanbeenhanced.
5Gcandidatekeytechnology;simulationmodeling;
evaluationindex;systemsimulationplatform
计算机仿真在搬动通信系统的技术研究和标准开发中
是评估系统性能的一个特别富强的工具。
现代无线通信系统
是一个异常复杂的系统,其复杂性表达在应用途景、网络结
构等多个方面。
第5代搬动通信〔5G〕的候选技术更丰富,
应用途景更复杂。
5G软件仿真测试系统的设计和开发是在早期技术的基
础上继承和睁开的,早期仿真平台对5G软件仿真的搭建有
重要的参照价值。
同时,由于5G系统将引入更多新功能和
新技术,需要深入解析各种候选技术的特点和实现方案,才
能高效设计和实现5G软件仿真系统。
一个完满的仿真系统
组成,如图1所示。
15G系统仿真场景
1.15G系统仿真假定
5G搬动通信系统需要满足更加多样化的场景和极致的
性能挑战。
面对多样化的应用途景,5G的帧结构参数可灵便
配置,以效劳不同样种类的业务。
针对不同样频段、场景和信道
环境,能够选择不同样的参数配置,详尽包括带宽、载波频率
等,参照信号和控制信道也可灵便配置以支持大规模天线、
新式多址等新技术的应用,按需采用最优技术组合及参数配
置。
下面我们将分别介绍大规模技术和超密集网络〔UDN〕
技术条件下的系统仿真基线参数配置。
〔1〕大规模天线部署
在大规模天线部署条件下仿真场景集中表示于表1中。
针对大规模多输入多输出〔MIMO〕下的3种仿真场景我们
给出了系统仿真相关基线参数,如表2所示[1]。
〔2〕超密集网络部署
超密集网络〔UDN〕是5G核心技术之一。
我们对UDN
的仿真评估也给出了仿真场景及相关基线参数,如表3所示。
1.25G系统性能评估指标
5G网络有对于4G网络不不过是“量〞的变化,比方容
量、速率的变化,还包括其“质〞的变化,包括虚假化、可
定义等网络根本特点的变化。
原有业务模型下的平均用户吞
吐率、边缘用户频谱效率等之外,连接数密度、流量密度等
是5G网络新引入的重点业绩指标〔KPI〕指标。
随着5G技
术研究的不断深入,能够预示还会出现新的评估指标。
对这
些可直接胸襟的指标的设计一方面需要结合新业务的特点,
另一方面需要充分借鉴过去KPI指标经验。
我们将从以下几
个方面介绍无线性能评估指标:
〔1〕无线覆盖性能KPI指标
无线覆盖性能的KPI指标主要有参照信号接收功率
(RSRP〕、信干噪比〔RS-SINR〕、Geometry〔G〕以及累积分
布函数〔CDF〕统计。
RSRP是代表无线信号强度的重点参数,是在某个符号内
承载参照信号的所有资源元素〔RE〕上接收到的信号功率的
线性平均值[4];RS-SINR定义为[RS_SINR=RSRPRS_RSSI-RSRP],
RS_RSSI代表所有基站的总接收信号强度;Geometry〔G〕定
义为[G=Ior1Ioc=Ior1j=2NBIorj+N],[Iorj]为第j个基站的平均接
收功率〔[Ior1]为效劳小区〕,N为噪声功率,NB为搅乱基站
的数量。
(2〕容量性能KPI指标
容量性能主要从整网和用户两方面评估:
整网容量KPI
考虑连接数密度和流量密度,而用户容量KPI那么考虑单终端
业务量。
连接数密度是指单位面积的平均终端数,单位为终
端数/km2;流量密度是指单位面积的平均业务量,单位为
bps/km2;单终端业务量是指每终端每个月的平均业务量,单
位为byte/month/device。
〔3〕速率性能KPI指标
用户体验最直接的KPI指标是用户速率,我们需要划分
下载速率〔DL〕和上传速率〔UL〕,用户速率评估KPI主要采用:
平均、5%、50%、95%用户吞吐率,以及CDF统计[2-4]。
(4〕搬动性能指标
对于搬动状态的用户,在搬动过程中业务连续、牢固是
根本要求,搬动性能评估KPI一般采用无线链路失败率、切
换失败率、乒乓切换率等,能够参照文件[5]。
〔5〕时延性能指标
时延性能指标主要有往返时间〔RTT〕时延〔用TRTT表示〕和单程时间〔OTT〕时延〔用TOTT表示〕[6]。
RTT时延定义为TRTT=TA1-TS1,OTT时延定义为TOTT=TA2-TS1,其中
TS1为设备1发送数据包的初步时间,TA2为设备2收到设
备1数据包的时间,设备2收到数据包后将会发送反应信息,TA1那么为设备1收到设备2发送的反应信息的时间。
〔6〕能耗性能指标
能耗是衡量网络能量效应的
KPI,能效有两种定义方式,
如公式〔1〕[6]所示:
[λI=EI=PRinJ/bitorW/bps
λA=PAin[W/m2]]
〔1〕
其中,
E为给定评估时间内对应功率
P耗资的能量,
I
为对应传输速率R的信息容量,A为覆盖面积。
25G重点仿真技术
本节重点阐述了5G系统仿真软件在平台架构设计及系
统仿真过程中运用的重点技术,利用这些重点技术有效提升
仿真效率,满足5G仿真需求。
2.1动向仿真建模技术
5G技术带来了更加复杂的组网场景和业务种类,也增加
了各种新技术。
传统的采用针对特定场景编码实现的仿真设
计模式效率很低,远远不能够满足日益增加的仿真需求,必定采用高复用的建模技术,因此提出了动向仿真建模技术。
动向仿真建模技术的核心思想是对网络分层和建模,将
各层次的仿真对象模型进行组件化设计[7],同时基于仿真场景、业务模型照射获得仿真模型组件和仿真参数,再经过动
态配置的方法组合成为详尽的仿真流程。
由于仿真对象模型设计实现了组件化,主要的仿真设计实现能够获得充分复用,一方面提升了仿真设计和开发效率,另一方面也提升了仿真平台的可扩展能力。
动向仿真建模技术包括两项重点技术:
功能库和参数库的生成;动向解析和配置体系。
(1〕功能库和参数库的生成
输出仿真平台的根本功能模块,依照仿真需求进行建模,
抽象分解出公共库和特点库两类,经过智能接口实现功能的配合合用,同时满足功能的可扩展性。
将功能库和参数库分开设计的目的也是为了保证模型适应于不同样的仿真场景和仿真需求,做到充分的解耦。
(2〕动向解析和配置体系
在仿真运行过程中供应解析和配置体系,参加仿真的全
过程。
包括对仿真需求进行分解,并照射到不同样的功能库和参数库,再依照仿真的详尽要求配置生成仿真流程。
依照仿真需求分解出对应的仿真模型,比方,软件定义
网络〔SDN〕技术要求控制面和用户面分别,网络功能虚假
化〔NFV〕要求网络功能从专用硬件设备中解耦出来,UDN
中提出的虚假小区看法等。
依照模型生成仿真参数库,包括系统规格、场景参数、各项技术的配置参数等。
以仿真模型为中心,基于仿真模型建立组网场景、网络功能的参数化模板,经过合理组合这些参数化模板减少参数库的复杂度。
依照模型照射到对应的功能库。
功能库能够经过灵便的接口设计实现解耦和可扩展,依照仿真需求将照射的功能库和参数库有机的组织成为一个完满的仿真流程。
将参数库、功能库、仿真流程进行动向配置形成详尽的仿真任务,仿真任务直接面向用户,需要供应友好的配置管理界面。
由以上解析能够看出:
实现动向仿真建模的重点点在于模型、库组件和参数的设计,经过运用分层、封装、接口解耦等方面的设计解决看法模型和实现模型之间的耦合,才能到达技术变化对实现影响最小的目的。
2.2计算资源虚假化管理技术
当前提升仿真计算效率的主要手段是计算并行化,由于
计算资源能够分布在不同样的物理设备上,如何合理配置管理
资源就成为核心问题。
因此,我们提出了计算资源虚假化管
理技术。
资源虚假化管理第一将仿真需求照射为可单独部署的
计算任务,基于这些计算任务再分解为可单独部署的并行子任务,依照其特点配置相应的虚假资源,部署在当地的并行计算任务需要分配计算资源、储藏资源,部署在从节点上的计算任务还需分配足够的通信资源,以防范数据无法实时传输造成延时。
将各种硬件资源虚假化为计算、储藏和通信3类虚假资源,并将虚假资源动向绑定给计算任务,仿真子任务所需要
的虚假资源需要提前评估,不同样仿真子任务有不同样需求,可经过仿真代码静态解析以及运行时统计等手段解析获得,并依照仿真目标确定各个仿真子任务的资源需求。
随着基层软件以及硬件平台的不断睁开,可用的并行虚
拟化技术较为丰富[8],比方MATLAB供应的parfor、单程序多任务〔SPMD〕、MATLAB分布式计算引擎〔MDCE〕等并行
工具,以及合用于多种开发语言的信息传达接口〔MPI〕、OpenMP等并行编程体系。
对于详尽的仿真实现来说,不仅
需要基层的并行技术手段,还需要仿真应用程序也实现并行
化设计。
仿真应用程序的并行化设计很难给出通用方法,需
结合业务特点特地设计并行算法,也是实现仿真系统并行虚
拟化的重点路径。
2.3多核并行仿真技术
仿真软件的并行化是仿真平台多核并行设计的重点,能
利用现有硬件资源到达最优收效。
依照需求先从功能、算法、
操作对象等角度将仿真软件并行化分解;其次经过对仿真功
能模块的合理划分设计,减少并行子任务的通信数据量,保
证各个并行子任务之间的运算量相当,减少因任务同步办理
所需的等待时间。
中央办理器〔CPU〕+图形办理器〔GPU〕的异构方案作
为多核CPU并行办理的演变方案,也为提升仿真计算的速度
供应了可能[9]。
CPU擅长复杂逻辑运算,而GPU经常拥有上
百个流办理器核心,其设计目标是以大量线程实现面向大吞
吐量的数据并行计算,其单精度浮点计算能力可达同期CPU
的10倍以上,适合办理大规模数据并行计算。
因此,采用
CPU+GPU的异构并行架构,利用多核CPU并行执行复杂的逻
辑计算,利用GPU办理数据并行任务,两者共同工作,发挥
计算机并行办理能力。
图2〔a〕中给出了一个典型
的异构多核架构,能够看出在多核CPU端使用OpenMP,而
在GPU使用计算一致设备结构〔CUDA〕进行办理,任务的划分那么由程序和操作系统层面指定。
两局部均采用外设部件互连标准〔PCI-E〕总线进行互联。
多核CPU-GPU异构平台拥有任务级和数据级多个层次的并行执行能力,在进行负载分配时要将这些计算能力充分利用起来,能够考虑如图2〔b〕所示的仿真模型结构。
2.4硬件加速仿真技术
硬件加速仿真技术使用硬件模块来取代软件模块以充
分利用硬件所固有的快速特点。
平时采用计算能力和逻辑处
理能力都特别强的高性能现场可编程门阵列〔FPGA〕板卡。
硬件加速仿真技术的主要分为3个方面:
(1〕基于FPGA的高性能硬件加速重点技术研究,包括:
高速并行办理、软硬件仿真任务分块及照射、高精度信号处
理;
(2〕硬件加速和软仿真平台相结合的接口及中间件设计,包括基于C仿真代码的适配、接口层的中间件设计、可重配置计算的设计;
(3〕可重配置的FPGA硬件加速卡设计,包括高速PCI-E
接口设计、高速接口与主机的数据交互。
如图3所示,在系统仿真平台中局部链路采用了硬件实现的链路。
这种软硬件结合仿真方法能够充分硬件的高速办理能力,使得局部链路的系统仿真性能凑近实时级别,结合系统仿真平台较为完满的系统功能,就能够更加真实地仿真对系统传输时延等一系列指标要求很高的系统应用途景。
35G候选重点技术评估
本节以5G重点技术大规模MIMO〔MU-MIMO〕为例,
说明如何应用前述的各项重点技术完成MU-MIMO技术在仿
真系统中的设计和实现,以到达减少仿真计算复杂度、加速
仿真计算速度的目的。
〔1〕仿真参数说明
采用MU-MIMO模式,仿真长远演进〔LTE〕下行系统工
作性能。
基站发射天线数为128根,单小区内同时调换15
个用户,组成MU-MIMO的信道矩阵。
〔2〕仿真计算环境说明
硬件:
GPU效劳器XR-4802GK4,其中CPU配置为2颗IntelXeonIvyBridgE5〔3.0G,单颗10核,20线程〕,GPU
配置为8片TESLAK20;
软件:
MATLABR2021a。
〔3〕计算量解析
依照MU-MIMO特点可知,计算量主要分布在信道计算、预编码计算、接收SINR计算。
设子载波数为Nc,OFDM符号数为M,基站天线数为Nt,用户数〔单天线〕为Nr,接收天线数为Nr,系统内小区数为C。
(a〕3D信道
仅以时域信道转为频域信道的快速傅里叶变换〔FFT〕变
换计算次数来解析,一个小区的3D信道FFT变换的数量约为M×Nt×Nr,那么在天线规模为下行128×15的情况下,对照4G天线规模为2×1的场景,计算量之比为960倍。
(b〕发射端预编码
依照仿真参数设置,发送端预编码方案为迫零算法,预
编码矩阵计算如公式〔2〕所示:
[WZF=H〔HHH〕-1,H∈CNtxNr]〔2〕
预编码的计算复杂度主要表达在矩阵的乘积和求逆两
局部:
在迫零算法条件下,第1局部是C×Nc次Nr×Nr维
矩阵求逆;第2局部是C×Nc次Nt×Nr维矩阵和Nr×Nr维
矩阵的乘法。
一般各种矩阵计算的算法复杂度为O〔n^3〕,
计算量随天线数的3次幂增加。
〔c〕信干噪比计算
依照MIMO信号模型,能够解析获得计算量的大体规模,
如公式〔3〕所示:
计算一个小区的信号功率需要两次Nt维向量乘法,乘
法次数为2Nt+1,计算搅乱功率〔含小区内和小区间搅乱〕
需要C×〔2Nt+1〕次乘法,总乘法次数为〔C+1〕×〔2Nt+1〕。
从以上解析可知:
MU-MIMO特点的计算量主要集中在
信道计算、发射端预编码和接收信干噪比计算模块中,其中
发射端预编码计算量随天线数的3次幂增加,是计算开销最
大的模块,其次是信道计算,依照阿姆达尔定律,这两个模
块也是计算加速最为重点的优化目标。
(4〕优化方案
依照不同样的模块的特点,我们能够结合前面的重点技术
拟定加速优化方案。
(a〕信道计算
在给定仿真参数的条件下,无线链路信道系数和系统调
度等行为没关,因此能够起初完成信道计算,并将计算结果
保存在硬盘中,仿真系统初始化时能够直接读守信道矩阵,使用起初计算好的结果,省去信道计算时间,实质时间开销不过取决于读取内存的时间。
(b〕发射端预编码
发射端预编码主要涉及大矩阵的乘法和求逆计算,这部
分计算能够充分利用CPU以及GPU的多核计算能力,在子载波层次进行并行计算。
由每个GPU完成矩阵求逆和乘法计算,并行最大能够并行C×Nc路,在本测试样例中,能够并
行57×300=17100路,在GPU核足够多的情况下,综合考虑传输带宽的影响,根本能够满足对发射端预编码的加速优
化需求。
在本测试样例中,由于仅采用了一台GPU效劳器,计算资源有限,因此实质加速收效受限于硬件资源,在多机
组网、超算环境中能够进一步大幅提升加速收效。
(c〕信干噪比计算
此局部的计算主若是向量乘法运算,计算量相对信道计
算、发射端预编码模块小得多,因此采用CPU加速即能够获得较好的收效。
〔5〕仿真实测结果和解析
仿真实测结果如表4、表5所示。
依照不同样模块的计算特点,采用的加速方案不同样,其最后加速收效也不同样。
信干噪比计算模块、信息办理模块采用了CPU并行计算方案,预编码模块采用了CPU+GPU的结合加速方案。
从加
速比来看,搅乱模块的加速比要小于信息办理模块,其原因
是搅乱模块需要在并行计算任务之间传达大量数据,包括信
号功率、信道配置、调换信息等数据,在数据传输上的时间
开销要大于信息办理模块,对信干噪比计算模块进一步优化
的手段,包括增加并行CPU核数、传输数据压缩、增加传输
带宽〔高速光纤传输、反射内存技术等〕等方案。
预编码模
块采用了CPU+GPU的结合加速方案,加速比能够到达127
倍,由于受硬件资源的限制,这局部的加速收效远未到达上
限。
4结束语
由于5G技术的快速睁开,仿真对象、场景和技术也在
不断变化,仿真架构设计和评估方法也需要同步睁开。
文章
从系统仿真场景、重点仿真技术及5G候选重点技术评估方
面介绍5G系统仿真评估,为5G候选重点技术的评估供应了
参照解决方案,进而为5G网络架构设计和重点技术研发提
供有效的支撑。
参照文件
[1]3GPP.3DchannelmodelforLTE:
3GPPTR36.873[S]
[2]3GPP.FurtheradvancementsforE-UTRAphysicallayer
aspects:
3GPPTR36.814[S]
[3]3GPP.SmallCellEnhancementsforE-UTRAN-Physical
LayerAspects:
3GPPTR36.872[S]
[4]3GPP.PhysicallayerMeasurements:
[S]
[5]3GPP.MobilityEnhancementsinHeterogeneousNetworks:
3GPPTR36.839[S]
[6]UpdatedScenarios,RequirementsandKPIsfor5G
MobileandWirelessSystemwithRecommendationsforFutureInvestigations:
METIS_D1.5_v1[S]
[7]PIROG,GRIECOLA,BOGGIAG,etal.SimulatingLTE
CellularSystems:
anOpenSourceFramework[J].IEEETransactionsonVehicularTechnology,2021,60〔2〕:
498-513.DOI:
[8]DONGARRAJ,FOSTER,IFOXG,etal.SourcebookofParallelComputing[M].USA:
ElsevierScienceandTechnology,2003
[9]BILELBR,NAVIDN,BOUKSIAAMSM.HybridCPU-GPUDistributedFrameworkforLargeScaleMobileNetworksSimulation[C]//2021IEEE/ACM16thInternationalSymposiumonDistributedSimulationandRealTimeApplications,2021.USA:
IEEE:
44-53,2021.DOI:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 环境 系统 仿真 建模 关键技术 评估