摘要：提出一种在WiMAX系统资源紧张时，使接纳率和资源利用率化的呼叫接纳控制CAC（Call Admission Control）算法。算法基于经济学概念，利用基尼系数（Gini Coefficient,或译坚尼系数，是20世纪初意大利经济学家基尼，根据劳伦茨曲线所定义的判断收入分配公平程度的指标。是比例数值，在0和1之间，是国际上用来综合考察居民内部收入分配差异状况的一个重要分析指标）给出了接纳控制模型，并用修正的sigmoid函数计算接纳概率。根据接纳概率决定是否接纳新到业务。仿真结果表明，算法与典型的截止优先权算法相比，在系统繁忙时系统接纳率和资源利用率都有较大提高。

　　Wimax无线网络中，呼叫接纳控制机制是保证服务质量QoS（Quality of Service,服务质量,是网络的一种安全机制, 是用来解决网络延迟和阻塞等问题的一种技术。在正常情况下，如果网络只用于特定的无时间限制的应用系统，并不需要QoS，比如Web应用，或E-mail设置等。但是对关键应用和多媒体应用就十分必要。当网络过载或拥塞时，QoS能确保重要业务量不受延迟或丢弃，同时保证网络的高效运行）的关键。目前已有大量的呼叫接纳控制算法被提出，典型的有：利用资源预留机制切换连接请求的截止优先权方式、新连接按概率接纳的分段预留信道方式。资源预留机制以提高低优先级业务拒绝率和降低系统资源利用率为代价，降低高优先级的拒绝率，但设定的预留资源不能很好地适应业务量的实时变化。KIMS等提出的基于本地业务量的预测估计自适应接纳控制算法，不仅复杂度和代价较高，同时依赖于一定的流量模型，具体实施有一定的困难。Fmanuele、Jiongkuan Hou等分别把价格机制引入到呼叫接纳控制机制算法中，有一定的借鉴意义。本文利用经济学概念，提出了一种基于基尼系数作为判决准则的呼叫接纳控制机制，使系统在繁忙时获得效率。

    1 Wimax业务QoS说明

　　WiMAX系统有详尽的QoS参数设定，但其接纳控制等策略则交由设备提供商自行决定。协议规定了4种业务流QoS类型：UGS、rtPS、nrtPS、BE,其类型特征如表1所示。发起端在业务流建立时确定流传输的忍受带宽bmin和满意带宽bmax，业务流被接纳后实际获得的带宽介于bmin和bmax之间，并且可由系统的带宽分配策略来调整所获得带宽的大小。

　　不同业务类型、不同传输速率，以及切换连接与新连接的区别，使同一个系统内的服务类型繁多。接纳控制算法要能够对繁多的业务类型进行统一的判决和管理，以参数区分业务类型。在优先考虑高优先级业务的同时又要兼顾所承载业务的多样化，保证各业务之间接纳的公平性。

　　式（1）模型表示呼叫接纳时系统带宽分配的公平程度。因业务流的权重随优先级的增大呈指数增长，而高优先级业务与低优先级业务的带宽要求差距小于其权重之间的差距，模型将在优先接纳高优先级业务的同时提高低优先级业务的接纳率，保证各业务之间接纳的公平性，同时提高系统带宽利用率。

    2.2 接纳控制算法实现

    假设网络中基站BS（Base Station）已接纳的业务流数量为N，它为各业务流均预留其带宽，带宽总和为Σbi,max。设定带宽门限bth和公平门限Gth时，Gth的设定需根据对各时期的基尼系数进行大量统计，选取合适的基尼系数作为公平门限。若公平门限设置过大，则公平门限不起作用，各业务的接纳率过高，将超过BS所能容纳的业务数，使得BS在下行链路处理业务流的时间增加，各业务流延时剧增；若公平门限设定过小，则BS将对各业务流的接纳进行严格的限制，导致各类业务的接纳率和带宽利用率大大降低。对于新到达业务流fN+1，设其申请带宽为[bN+1,min,bN+1,max],在总带宽∑bi,max+bN+1,max≥bth时，采用基于基尼系数的接纳控制。接纳控制算法流程如图1所示。

　　仿真通过调节负载比例系数改变业务的到达率，以此表征系统资源紧张程度。仿真时将典型的截止优先算法（以下简称CP算法）与本文提出的带宽分配公平算法（以下简称EDI算法）做比较。

　　如图2所示，EDI算法的平均带宽利用率从负载比例系数为4处开始大于截止优先算法的带宽利用率，且随着负载的增大，CP算法的带宽利用率增长缓慢，而EDI算法的带宽利用率将趋近于100%。这是因为CP算法始终按照带宽要求进行接纳控制并预留带宽，且不存在带宽降级的情况，因此带宽浪费严重，而EDI算法根据当前资源状况，一开始为各业务预留带宽很大，之后逐渐减小以接纳更多的业务，终每个业务的带宽接近带宽要求，因而随着负载的增大其带宽利用率比CP算法要高很多。

　　从图3和图4来看，CP算法的UGS、rtPS、nrtPS业务在大负载下，其接纳率均远远小于EDI算法的各业务的接纳率，这是因为CP算法在整个接纳过程中始终为新到业务按照其带宽要求预留带宽，并且在已接纳业务的总带宽超过门，只接纳高优先级业务而拒绝低优先级业务，大大降低了低优先级业务的接纳率。而EDI算法从每个业务的收入出发，在保证系统带宽分配公平化的原则下，相对CP算法大大提高了低优先级业务的接纳率。在系统资源紧张的时候，又能通过带宽降级，以接纳更多业务，这就使得各类业务的接纳率都能有明显的提升。从图5和图6又可看出，高优先级业务和低优先级业务的接纳率的差距大大缩小了，这是因为EDI算法为了保证接纳的公平性，对能缩小收入差距的业务以较高概率接纳，EDI模型中低优先级业务的带宽是的，为了避免带宽分配差距的拉开，EDI算法将限制高优先级业务的接纳率，提高低优先级业务的接纳率，又因为低优先级业务的带宽可调范围大，接纳后可动态压缩其带宽为其他业务服务，可见接纳更多的低优先级业务从带宽分配公平的角度和带宽利用率的角度来看都是有意义的。

　　本文提出的算法可以根据系统负载的变化和当前的带宽资源状况自适应地改变接纳策略。相比典型的截止优先算法，新算法在提高系统平均带宽利用率的同时，大大提高了低优先级业务的接纳率，保障系统所接纳业务之间带宽分配的公平性，使得系统承载业务多样化。