朱 渊,胡馨予,吴思远,黄 蓉
(1.北京科技大学 工业互联网研究院,北京 100083;2.北京科技大学 自动化学院,北京 100083;3.北京科技大学 计算机与通信工程学院,北京 100083;4.中国联通研究院 未来网络部,北京 100040)
随着第三代合作伙伴计划 (the 3rd Generation Partnership Project,3GPP )R16标准的发布,第五代移动通信系统(5th Generation Mobile System,5G)超高可靠与低延迟通信(ultra-Reliable Low Latency Communication,uRLLC)功能正逐步走向商用,为5G赋能工业、交通及医疗等垂直行业提供了低时延、高可靠的无线连接保障。对于工业控制业务而言,数据确定性传输是保障系统安全稳定运行的关键[1]。因此,5G与时间敏感网络(Time Sensitive Networking,TSN)协同成为当前信息通信及工业自动化领域共同关注的焦点[2]。
TSN是由IEEE802.1 TSN任务组制定的一系列IEEE802以太网标准[3],具有时间同步、延时保证及实时传输等确保实时性的功能,也具有低抖动和极低数据包丢失率的特性,从而使得以太网能适用于高可靠性和低时延要求的时间敏感型应用场景[4]。3GPP在R16中提出了5G TSN桥接网络架构,在5G网络边缘新增了协议转换网关以支持时间敏感网络协议。但是,时间敏感业务在5G系统中的调度策略在协议中并未进行细化,并且在当前研究中也较少涉及。
为了保障5G与TSN跨网传输需求,需要搭建5G-TSN协同传输仿真平台,以验证5G系统中各调度算法对时间敏感业务的适配能力。OMNeT++提供了有线和无线通信网络的建模,在评估系统性能方面比较出色。但是,OMNeT++缺乏5G-TSN跨网传输整体架构,主要工作包括针对OMNeT++的INET 4.1.x版本中MAC层的时间敏感网络队列功能缺失问题和对缺失功能进行代码补全。同时,将时间敏感网络库Nesting移植到5G库Simu5G中,在该平台上实现不同协议的转换,搭建起5G-TSN跨网传输仿真环境。在此基础上,实现了时间敏感业务跨网端到端确定性传输,并针对移动网络中常用的比例公平(Proportional Fairness,PF)算法、最大载干比(Maximum C/I,Max C/I)算法、最早截止时间优先(Earliest Deadline First,EDF)算法等3种算法进行了仿真验证,以期分析不同调度算法下5G系统对时间敏感网络的保障性能,从而为5G-TSN原型系统的开发提供性能参考。
5G整个网络主要包括终端、承载网和核心网,在TSN网络中是一个透明的网桥[5]。为了实现5G网络对TSN功能的支持,为工业业务提供无线确定性传输服务,5G系统分别在控制面新增了TSN应用功能实体(TSN-Application Function,TSN-AF);在用户面的核心网侧和终端侧设置了边缘协议转换网关,支持TSN核心基础协议,从而实现5G网络对TSN功能的支持[6]。3GPP在R16中提出的5G TSN桥接网络架构,具体如图1所示。
图1 3GPP定义的5G TSN网络架构
TSN-AF与TSN网络中的集中化网络控制器(Centralized Network Configuration,CNC)进行信息交互,获取时间敏感业务信息并计算出TSN业务流的服务质量(Quality of Service,QoS)参数。同时,TSN-AF与5G核心网中策略控制功能(Policy Control Function,PCF)及会话管理功能(Session Management Function,SMF)等实体交互,实现时间敏感业务流关键参数在5G时钟下的修正与传递。5G系统按照TSN的QoS信息配置QoS模板,对齐QoS机制,保证业务传输质量。
在用户面,新增加设备侧TSN转换器( Device Side TSN Translator,DS-TT)和网络侧的TSN转换器(Network side TSN Translator,NW-TT)支持 IEEE802.1AS、802.1AB等协议,可以减少TSN协议转换对5G新空口造成过多影响[7]。
为了实现在协同架构下时间敏感业务流端到端的顺利传输,CNC需要与5G系统进行通信,用信令打通数据传输的逻辑通道[8]。在控制面,需要将网桥信息上报并对网桥进行配置,完成TSN QoS参数到5G QoS的映射及基站(Next Generation Node B,gNB)基于时间敏感通信辅助信息(Time-Sensitive Communication Associate Information,TSCAI)进行半静态调度[9]。对用户面传输数据的逻辑通道,时间敏感业务经过5G网桥时需要经过支持IEEE802.1Qbv协议的DS-TT、NW-TT网关,根据业务流的到达时间、周期时间、流方向和控制面CNC确定的流量调度策略,通过预先设定的周期性门控列表(Gate Control List,GCL)对出口队列开关进行控制,减小了数据包因为空口的影响提前到达造成的抖动,为业务传输提供确定性保障[10]。具体新增网元和增强网元功能[11]分别如表1和表2所示。
表1 新增网元及其功能
表2 增强网元及其功能
5G资源调度指的是基站遵从帧结构配置,在帧结构允许的时域单位上,以某个调度基本单位,为用户终端(User Equipment,UE)分配物理下行共享信道( Physical Downlink Shared Channel,PDSCH)和物理上行共享信道(Physical Uplink Shared Channel,PUSCH)上的资源,包括时域、频域及空域资源,用于系统消息传输或者用户数据传输。调度需要确定帧结构配置、调度基本单位、调度器及调度执行过程。调度时,UE测量用户级导频信号(Channel State Information Reference Signal,CSI-RS)的信噪比(Signal to Interference plus Noise Ratio,SINR),上报信息质量指示(Chanlee Quality Information,CQI)、秩指示(Rank Indication,RI)及预编码矩阵指示(Precoding Matrix Indication,PMI)等信道质量信息给gNB。gNB根据UE反馈的信道质量,结合UE能力等信息,选择合适的调制与编码策略(Modulation and Coding Scheme,MCS),在PDSCH/PUSCH上传递相关数据。调度通过算法实现,即利用不同算法对资源进行合理的分配。假设有时间敏感业务集u∈U和视频流业务k∈K,结合时间敏感业务特征,着重对基于OMNeT++平台针对比例公平算法、最大载干比算法及最早截止时间优先调度算法承载时间敏感业务的性能进行验证与分析。
2.1 PF算法
经典的调度算法主要包括轮循调度(Round-Robin,RR)算法、Max C/I算法和PF算法。其中:RR算法可以保证用户间的公平性,但极大地损失了系统吞吐量;Max C/I算法保证了系统吞吐量,但其忽略了用户间的公平性。因此,提出了折中的PF算法,其既可以保证用户间的公平性,也可以满足系统吞吐量要求。
在仿真场景背景下提出比例公平,可定义为[12]
(1)
用户在分配中的任何正向变化都一定会导致系统的负平均变化。同时,比例公平分配调度P应该最大化时间敏感业务和视频流业务平均速率对数的总和,表达式为
(2)
假设在通信系统中,一次只允许一个用户传输,并选择用户j,从而实现比例公平性,用户j的选择规则为
(3)
(4)
式中,tc表示更新时间窗。较长的tc将允许等待较长的时间,直到用户的信道质量变好,这有利于系统吞吐量的提高,但可能带来附加的时延。
PF算法在仿真场景中对时间敏感业务和视频流业务的调度受位置影响较大。终端随机分布,因此靠近基站的终端信道质量好,远离基站的终端信道质量相对较差,时间敏感业务终端和视频流业务终端的位置均优劣参半。通过在需要调度的用户中不断选择瞬时速率与平均速率的比值最大的用户进行调度,能保证用户平均速率对数的总和最大化,从而保证系统传输速率的要求。
2.2 Max C/I算法
利用Max C/I算法对用户进行调度时,调度器会按照待调度用户的载干比大小进行排序,并选择信道质量状况最好的用户进行调度,保证每一次调度时系统总能调度到信道质量最好的用户[14],使系统性能最大化,资源利用率最高。但是,在移动通信系统中,用户所处的位置不同,其所接收的信号强度不一样,最大载干比算法只照顾了离基站更近、信道条件好的用户,而其他离基站较远的用户则无法得到相应的服务。基站的服务覆盖范围非常小,最大载干比调度算法保证了一个小区内的最大吞吐量,但在用户之间的公平性方面考虑不足。此时,被调度的用户j的选择规则为
j=arg maxRi(t)
(5)
式中,Ri(t)表示第i个用户的瞬时传输速率。在该仿真场景中,时间敏感业务和视频流业务终端的分布是随机的,根据Max C/I算法基站会优先调度信道质量较好的终端业务。
2.3 EDF算法
EDF算法是通过比较待调度用户业务的时延要求,分配不同的优先级。业务的截止时间越近,其优先级越高。在这种调度机制下,各项业务的优先级并不是固定的,而是在每次调度前根据截止时间的变化计算相应的动态优先级,最大程度地保证业务在未超过时延限制时被调度。
在每一个新的调度周期开始时,调度器从已准备好传输的业务中选择截止时间最早的,并将该业务所需的资源进行分配。在有新业务时,调度器必须立即计算EDF参数值,排出新的顺序,即正在传输的业务中断,并且按照新业务的截止时间决定是否调度该新用户。如果新业务的截止时间早于当前业务截止时间,就立即调度新用户。
对于周期性业务,系统在EDF算法下的可调度条件使传输过程中的业务满足
(6)
式中:ci表示用户i的等待时间;hi表示用户i的时延要求。只要任务的调度P不大于1,则可被EDF调度。在EDF算法调度中,用户j的选择规则为[15]
(7)
业务时延要求与该业务等待调度的时间差越小,则该业务在当前时隙被调度的可能性越大。由于设计仿真参数时,视频流业务k∈K的发送周期更小,因此EDF算法对视频流业务的调度优先级更高。
3.1 基于OMNeT++的5G-TSN仿真环境构造
面向5G-TSN协同传输的系统级仿真在5G网络功能模块设计方面,主要考虑5G资源调度模块建模。5G资源调度模块建模主要体现资源分配及用户调度等MAC层算法,用来衡量组网的性能。此外,由于5G与TSN机制不同、通信协议及数据格式不同,需要设计5G与TSN进行信令交互和数据转发的网关模块。
OMNeT++模型设计方式由使用消息传递方式进行通信的模块实现。主要包括简单模块、复合模块和网络。其中,简单模块是用C++语言结合仿真库编写的可以执行特定行为的模块,其通过门的有线连接或无线连接组合后构成了复合模块,而整个复合模块在OMNeT++中称为网络[16]。对于每个简单模块,均会为其定义两种行为:第一种行为是初始化行为,对模块参数进行初始化[17],并配置参数,其中部分模块会产生数据包;第二种行为是接收到数据包后的行为,当模块接收到数据包后,对数据包进行处理转发。通过对所有简单模块定义以上两种行为,并将简单模块组合成复合模块乃至完整的网络,然后进行仿真[18]。
仿真平台是在OMNeT++的TSN开源库Nesting和5G开源库Simu5g基础上搭建而成。其中,Nesting库实现了TSN的部分机制,如时间感知整形机制(Time Sensitive Network,TAS)、信用整形机制(Credit Based Shaping,CBS)以及帧抢占功能等。Simu5g库可以实现5G系统的数据面转发功能、UPF网元功能、基站、无线信道以及UE等模块的功能。
Nesting库和Simu5g库是基于不同inet版本实现的,因此使用两个库搭建5G-TSN仿真平台需要进行环境移植。该平台基于Simu5g依赖的INET4.4.0版本,对Nesting库进行移植。由于INXET版本更新都会增加和删减部分功能,在INET4.1.x版本中,提供了适合TSN业务传输的功能组件,如在MAC层,新增8个队列,使得TSN的TAS机制实现起来更为简单。但是,INET4.1.x主要关注的是无线信道功能,因此简化了MAC层的队列功能[19]。具体的OMNeT++仿真环境移植示意图如图2所示。
图2 OMNeT++仿真环境移植示意图
基于OMNeT++仿真平台主要完成移植环境、编写模块及改进机制等3项工作。首先,移植环境。开源库Nesting和Simu5g依赖不同版本的INET库,通过编辑INET的更新日志,补全4.1.x版本MAC层的队列功能,之后将Nesting库的部分功能移植到Simu5g库中,在Simu5g库中仿真时间敏感业务场景。其次,编写模块。为实现时间敏感业务在5G场景中的仿真,搭建5G-TSN模块并对UE模块进行改进,使UE模块在原有接收空口数据包功能的基础上新增了转发功能。最后,改进机制。通过编写模块不足以支持数据包在5G-TSN架构下完成端到端传输,为此,对数据包的目的IP地址进行二次封装,使其能被转发到对应的TSN终端。此外,在TSN系统中,链路层支持以太网协议,5G系统中用户面功能(User Plane Function,UPF)与外网网关基于点对点协议(Point to Point Protocol,PPP)连接,经过协议转换会导致数据包的优先级字段丢失。因此,在另一侧的5G-TSN网关处会贴上对应的优先级字段以保护优先级字段,保证业务传输的可靠性。
3.2 5G-TSN协同传输仿真场景
时间敏感业务端到端发送流程是时间敏感业务在发送端首先经过两次IP地址封装,经过TSN交换机后,发往5G-TSN网关,在5G-TSN网关处,TSN数据包由二层数据包封装成三层的数据包,经路由器转发给UPF。数据包在UPF处理后,转发到5G基站,调度时需要考虑用户的信道质量,根据用户反馈给基站的CQI值选择对应的MCS,结合数据包的大小确定基站分配给该用户资源块的数量。基站根据UE ID将数据包调度并发送给具有数据转发功能的TSN-UE,TSN-UE再将数据包转发给终端侧5G-TSN网关,终端侧5G-TSN网关数据包进行二次解封装,并根据内层IP地址转发到对应的时间敏感业务接收端。接收端的5G-TSN模块将数据包处理后等待出端口的门控开启。为了改善抖动情况,终端侧5G-TSN网关具备门控设置功能,能够消除因空口重传带来的时延抖动。
在对时间敏感业务和视频流业务的传输仿真时,时间敏感业务具有低时延、高可靠性的要求,视频流业务具有大带宽传输的要求。同时,设置距离基站距离越远的终端,其传输信道质量越差。考虑到现实中的多业务传输场景,该场景业务设定5个控制器和5个视频流业务,具体场景如图3所示。时间敏感业务由不同的控制器产生,并发送给对应编号的机械臂,视频流业务发送端也按照编号对应发送。
图3 OMNeT++仿真场景
仿真部分主要设置了3个仿真场景,分别是分析门控对时间敏感业务端到端时延抖动影响、基于3种算法对时间敏感业务端到端传输时延的影响和基于3种算法对时间敏感业务端到端传输吞吐量的影响。仿真场景中的基本仿真参数设置如表3所示。
表3 基本仿真参数
在门控对时间敏感业务端到端传输时延抖动影响的仿真场景下,未设置门控时[20],分析基于3种调度算法在视频流的干扰下时间敏感业务的端到端时延情况;当设置门控后,分析门控对时间敏感业务端到端时延抖动影响。将时间敏感业务数量和视频流业务数量设为5,视频流业务发送间隔设置为1 ms。门控的设置方式如图4所示,只在接收端的5G BR中设置了门控。门控周期均设置为5 ms,对于PF算法,8个队列的门控在0～3 ms内为关闭状态,数据包无法传输,在3～5 ms内,门控状态为开,允许传输数据包。对于Max C/I算法在0～4 ms门控关闭,在4～5 ms门控开启。观察在一次仿真下基站空口处的时延抖动情况。
图4 门控设置方式
在基于3种算法对时间敏感业务端到端传输时延的仿真场景中,分别观察时间敏感业务数量为5、10、15、20时,时间敏感业务的端到端传输的平均时延及其标准差。在基于3种算法对时间敏感业务端到端传输吞吐量的仿真场景中,将一个视频流业务的发送间隔改为100 μs,其他4个视频流业务的发送间隔保持1 ms不变,以保证视频流业务传输的可靠性。
3.3 仿真结果分析
基于设置的仿真参数分别设置门控,对时间敏感业务端到端时延抖动影响的场景、基于3种算法对时间敏感业务端到端传输时延的场景和基于3种算法对时间敏感业务端到端传输吞吐量的场景进行了仿真与分析。
未加门控时基于3种算法进行数据端到端传输时的抖动情况和增加门控后基于PF算法和Max C/I算法进行数据端到端传输时的抖动情况的仿真结果分别如图5和图6所示。
图5 未加门控时数据端到端传输抖动情况
图6 增加门控后数据端到端传输抖动情况
由图5和图6可知,由于EDF算法在未添加门控时的端到端传输时延为5 ms,已经达到时间敏感业务传输的时延最低要求,因此增加门控的意义不大。未设置门控时,时间敏感业务的端到端时延抖动较大,其中Max C/I算法的抖动情况较大,PF算法的抖动较小。设置门控后,Max C/I算法和PF算法的时延抖动情况得到改善。因此,设置门控可以消除部分时间敏感业务端到端传输时延的抖动。
通过增加时间敏感业务终端数量,将时间敏感业务终端数目调整为10、15和20时,基于3种算法对时间敏感业务端到端时延进行仿真对比。同时,分析当时间敏感业务终端数量增加时,视频流终端的吞吐量变化情况。不同时间敏感业务终端数目的端到端平均时延及时延标准差变化情况分别如图7和图8所示。
图7 时间敏感业务端到端传输平均时延变化
图8 时间敏感业务端到端传输时延标准差变化
由图7和图8可知,当时间敏感业务终端数量增加时,在5G-TSN架构下,传输时间敏感业务的端到端时延在不同算法下表现出的性能不同,其中PF算法最为稳定。随着时间敏感业务终端数量增加,PF算法可以较好地保障时间敏感业务端到端的传输时延。Max C/I算法在一定程度上保障了时间敏感业务传输的端到端时延,但整体性能相比于PF算法较差。在EDF算法下,时间敏感业务传输的端到端时延随着时间敏感业务终端数量的增加而增加,无法保障时间敏感业务端到端的传输时延。
不同算法下,随着时间敏感业务终端数增加,视频流业务终端吞吐量的变化情况如图9所示。在进行吞吐量仿真分析时,将其中一个视频流业务终端数据发送周期由1 ms改为100 μs,通过缩短数据包传输周期达到增大视频流业务吞吐量的效果。
图9 视频流业务终端吞吐量变化情况
由图9可知,随着时间敏感业务终端数的增加,在PF算法下,视频流业务终端的吞吐量呈现下降趋势,这是由于PF算法适合时间敏感业务的传输,在一定程度上保护了时间敏感业务,因此视频流业务终端的吞吐量下降。Max C/I算法下,由于信道质量具有不确定性,该算法对信道质量好的终端的保护作用更为显著。随着时间敏感业务终端数目的增加,视频流业务终端的吞吐量有一定起伏。EDF算法会优先调度截止时间更早的业务,由于仿真设置的视频流业务的发送周期更短,因此EDF算法在一定程度上保护视频流业务,相比于其他两种算法对时间敏感业务传输的适配性更低。
针对5G-TSN联合跨网传输的需求,首先对5G和TSN协同传输的必要性和迫切性进行了分析,并阐述了3GPP R16提出的5G-TSN协同传输架构。简要介绍了常用的比例公平算法、最大载干比算法和最早截止时间优先调度算法等3种5G调度算法。最后,在5G-TSN架构下基于OMNeT++对5G-TSN协同传输调度算法进行了仿真与分析。仿真结果表明,当时间敏感业务终端数增加时,比例公平算法在时间敏感业务的端到端传输时延和吞吐量性能方面表现更优。
在5G-TSN架构中,5G系统作为时间敏感网络业务传输的网桥之一,需要满足IEEE 802.1 Qcc定义的对于时间敏感网络集中化配置模型中网桥的要求,并且需要支持部分功能与时间敏感网络进行适配。但是,TSN与5G技术协同传输的关键特性所涉及的标准尚未完全冻结,且各自的系统特性还未成熟,TSN技术的提升还依赖于网络功能更进一步智能化。5G性能的提升也更依赖于资源更为有效的分配,如增强型移动宽带业务与uRLLC业务的资源抢占问题。利用业务切片提高资源的利用率等问题是5G-TSN协同传输需进一步考虑的问题。为保障业务实现5G-TSN架构下的跨网传输,下一步在5G域采用比例公平调度算法进行调度,重点考虑端口网关队列与基站的协同传输,以增强5G域与TSN域协同传输的适配性。
猜你喜欢视频流数据包时延边缘实时视频流分析系统配置动态调整算法研究无线互联科技(2022年11期)2022-08-18基于视频流传输中的拥塞控制研究数字通信世界(2020年11期)2020-12-04基于GCC-nearest时延估计的室内声源定位电子制作(2019年23期)2019-02-23基于改进二次相关算法的TDOA时延估计测控技术(2018年6期)2018-11-25SmartSniff网络安全和信息化(2018年4期)2018-11-09铁路货场智能大门集装箱全景图像采集方法研究物流科技(2017年5期)2017-07-06美国视频流市场首现饱和征兆办公自动化(2016年13期)2016-08-24FRFT在水声信道时延频移联合估计中的应用系统工程与电子技术(2016年7期)2016-08-21基于分段CEEMD降噪的时延估计研究电测与仪表(2016年17期)2016-04-11视觉注意的数据包优先级排序策略研究深圳信息职业技术学院学报(2013年3期)2013-08-22
