［7］

定本小区是否进行MBMS单频网传输。

UE根据网络侧发起的计数过程由网络侧发起，

UE不能自动反馈。网络侧给请求进行反馈，

MBSFN服务区域内所有基站下发计数请求指令，该指令包含一系列需要UE进行反馈的多播业务临时

在本小组标识（TMGI）。基站收到此初始化指令后，

区广播该计数请求消息，处于连接状态的UE和对TMGI包含的多播业务感兴趣的用户将反馈一个ＲＲC计数响应消息，它包含一个短的MBMS服务区域识别码（每个MBMS服务区域对应于一个惟一的识别码），可选地，它还可以包含MBSFN区域识别码。UE可以在单条反馈信令上对多个MBMS业务

［3］

进行反馈。

计数过程的引入主要目的是提高无线频谱资源的利用率，

通过统计接收用户的数量分别衡量用单播承载和多播承载时的频谱利用率，从二者中选择最经济的承载方式。计数过程的开头和结束都由MCE控制，其信令流程图2MBMS计数信令流程如图2所示。

国外学者N．F．Tuban等人提出一种基于基因

［8］

遗传算法的动态MBSFN配置方式。在此算法中，每一种可能的MBSFN配置方式作为一个解方案（个体）。在某一特定解方案下，用户的分布情况作为适应度函数，在此MBSFN覆盖区域中用户的分布越高则其适应度指数就越大。利用基于竞争的选取法则，选取适应度最高的个体生成新个体。如此循环，直到选取出最优的配置方案。其算法实现流程如图3所示

。

3MBSFN动态区域配置

图3

基因遗传算法流程

随着高智能且价格适中的移动终端出现，用户呈现出大量移动数据多媒体业务和高带宽多媒体业务的需求，因此给无线接入技术带来严峻的考验，如何充分有效地利用宝贵的频谱资源成为运营商迫切

对于需要解决的问题。通过引言部分的分析知道，

TD-LTE中的E-MBMS业务，传统的静态和半静态

信令开销小，但是它非动态小区配置方式易于操作，

调整业务下发区域严重限制了频谱资料的利用率。为了进一步地提高其频谱效率，未来实际布置中将会采用动态MBSFN区域配置方式。目前国内外很多学者在MBSFN动态区域配置方面也有一些研究成果。

3．1基于基因遗传算法的动态MBSFN配置

基因遗传算法广泛应用于计算机科学和无线通

它需要同时考虑多个参数信应用中来搜寻最优解，

值。对于一个最优化问题，基因遗传算法的主要思

设置合适的效用函数想是遍历各种可能的解方案，

来选择最终的解方案。8

将遗传算法应用到MBSFN区域配置中在一定程度上提高了系统无线资源和功率资源的利用率，它以牺牲运算复杂度作为代价。在此算法中，用户的分布作为重要的适应度函数，用户分布越集中，该算法的性能越好。但是，如果整个区域内用户分布比较零散或者整个区域中心小区用户分布比较零散（有可能不存在接收多播业务的用户）而边缘小区中用户分布相对比较集中，利用遗传算法进行配置

。所谓“孔最终的MBSFN区域，就可能形成“孔洞”

洞”就是指周围一圈小区开启MBSFN发送模式，而中心用户关闭MBSFN发送模式的情形。在这种情况下，中心小区利用MBSFN多播时隙下发单播业务时，会对周围一圈单频网小区内的用户造成干扰；反过来，周围一圈单频网小区又会对中心小区造成较强的干扰。因此，就可能造成单播和多播业务的频谱效率都下降的双输结果，还浪费了由于计数过程所带来的额外上行信令开销。在MBSFN

动态区

Vol.39No.52013

ＲadioCommunicationsTechnology