5G-LENA中XR流量不同功能拆分方案的分析

《Simulation Modelling Practice and Theory》：Analysis of different functional split options for XR traffic in 5G-LENA

虚拟化无线接入网络（vRAN）中功能分割（FS）选项对扩展现实（XR）应用性能的影响。通过扩展5G-LENA模拟器，实现了FS 6、7.3、7.2和7.1的仿真，分析FH吞吐量与延迟。研究发现，当FH容量受限时，FS 6和7.3更适合XR应用，其吞吐量与延迟满足要求；而FS 7.2和7.1可能导致延迟超过50ms。调制压缩技术可显著提升FS 7.2性能。

　　### 5G网络中的功能分割与扩展现实流量性能分析

随着5G技术的不断演进，网络架构的灵活性和可扩展性变得愈发重要。在这一背景下，虚拟化无线接入网（vRAN）作为一种关键技术，通过将无线接入网（RAN）协议栈拆分为不同的网络单元，提升了网络的灵活性和性能。功能分割（Functional Split, FS）作为vRAN的重要组成部分，决定了哪些协议层在远程单元（RU）、分布单元（DU）和集中单元（CU）中运行。FS的种类从Option 1到Option 8，每种分割方式都有其独特的性能特征和适用场景。为了更好地理解和评估不同FS对网络性能的影响，尤其是在扩展现实（XR）流量的应用中，本文提出了一个基于ns-3 5G-LENA模拟器的软件模型，允许对多种FS配置进行仿真和分析。

### 功能分割的分类与特点

功能分割主要分为Option 6、Option 7.1、Option 7.2和Option 7.3等几种类型。这些FS在不同的网络配置中具有不同的功能分布和性能表现。Option 6中，介质访问控制（MAC）功能位于DU，而物理层（PHY）功能则位于RU。这种配置方式使得资源调度更加集中化，但同时可能增加网络的复杂性和资源消耗。相比之下，Option 7.3将下行链路（DL）的信道编码功能集中于CU/DU，而其他PHY功能则分布在RU。这种方式在某些场景下能够显著提高网络性能，尤其是在处理需要高数据率和低延迟的XR流量时。

Option 7.2则将大部分PHY功能集中于DU，包括信道编码、调制、层映射和资源元素映射。这种方式在某些情况下能够提供较好的数据率和延迟表现，但同时也面临着较高的FH容量需求。Option 7.1进一步将天线端口的处理功能集中于CU/DU，从而使得FH容量需求更大。因此，在不同的网络条件和流量类型下，选择合适的FS配置对于实现高效和稳定的网络性能至关重要。

### 仿真环境与方法

本文采用ns-3 5G-LENA模拟器进行仿真，该模拟器能够提供一个完全基于软件的环境，用于模拟和评估5G网络的各种功能。通过扩展nr-fh-control类，本文实现了对不同FS配置下FH吞吐量的计算，使得仿真能够更全面地反映实际网络行为。在仿真过程中，考虑了多种网络条件，包括FH容量的限制和空气接口带宽的变化，以评估不同FS对XR流量性能的影响。

### 仿真结果分析

在没有FH容量限制和空气接口带宽充足的情况下，所有FS配置都能实现相似的数据率和延迟表现。XR流量的延迟大多低于11ms，数据率能够接近所要求的负载。然而，当FH容量成为限制因素时，低FS配置（如Option 6或Option 7.3）更为合适，因为它们能够处理较大的突发流量。相比之下，高FS配置（如Option 7.2或Option 7.1）在FH受限的情况下，可能会导致延迟超过50ms，数据率显著下降，严重影响XR应用的性能。

此外，本文还分析了调制压缩技术对FS 7.2性能的影响。调制压缩技术能够在一定程度上减少FH传输的数据量，从而提高网络性能。仿真结果显示，当调制压缩技术被启用时，FS 7.2的性能与FS 7.3相近，甚至优于FS 6。然而，在没有调制压缩的情况下，FS 7.2的性能明显下降，数据率可能降至0.4 Mbps以下。

### 功能分割的优缺点分析

不同FS配置在XR流量场景下各有优劣。Option 6虽然能够提供较好的数据率和延迟表现，但其分布式架构可能导致资源利用率不高。Option 7.3则在某些情况下能够提供与Option 6相近的性能，但由于其仍为分布式架构，无法充分利用集中化的优势。Option 7.2在调制压缩技术的支持下能够实现较好的性能，但在带宽和FH容量受限的情况下，其性能表现可能不如Option 6或Option 7.3。Option 7.1则在带宽和FH容量充足时能够提供最佳的性能，但在受限情况下，其延迟和数据率表现较差。

### 结论与未来研究方向

本文通过ns-3 5G-LENA模拟器对不同FS配置进行了详细的分析和评估，特别是在处理XR流量时的表现。研究结果表明，选择合适的FS配置能够显著提升网络性能，确保XR应用在不同网络条件下的稳定运行。未来的研究方向包括进一步探索灵活FS在XR流量场景下的应用，结合多种压缩技术以提高网络性能，并研究多RU聚合场景下的性能表现，以评估其对网络效率和服务质量的潜在影响。

### 实际应用与挑战

尽管本文提出的软件模型为研究FS在5G网络中的应用提供了有价值的工具，但在实际部署中仍面临诸多挑战。首先，不同FS配置对硬件资源的需求不同，可能影响网络的成本和复杂性。其次，动态调整FS配置需要考虑网络实时变化的条件，这对网络管理和优化提出了更高的要求。此外，调制压缩技术虽然能够有效减少FH传输的数据量，但其实施和维护成本也可能较高。

### 总结

本文通过系统分析和仿真，展示了不同FS配置在5G网络中的性能表现，特别是在处理XR流量时的重要性。研究结果表明，适当的FS选择能够显著提升网络的整体性能，确保XR应用在各种网络条件下的有效运行。未来的研究将集中在如何更有效地动态调整FS配置，结合多种技术手段，以应对不断变化的网络需求和流量模式。同时，进一步探索FS在多RU场景下的应用，也将有助于提升网络的灵活性和可扩展性。