面向移动视频业务的无线网络方案

       根据思科2016—2020年全球视频流量的发展预测，移动流量将增长10倍，视频流量将占到互联网流量的75%以上。视频已成为互联网主流业务。移动视频业务也在飞速发展，仅就中国来说，2015年中国移动视频用户规模达4.3亿人，同比增长26.5%；预计2016年中国移动视频用户规模将达5.27亿人，同比将增长22.3%。展望2017年，用户的视频消费习惯渐已形成，产业链各方投入热情持续不减，大视频业务将步入“快车道”。

　　大视频时代的来临，给运营商带来了机遇，也带来了极大的挑战。挑战不仅限于网络带宽，还包含网络时延、丢包率，以及QoS、QoE端到端监测和保障能力。

　　LTE基础网络是一个“尽力而为”的网络，本文探讨如何有效利用无线资源并采用新技术提升容量，并探讨如何通过资源分配策略，优先保证实时类视频业务感知。

加强基础设施能力，提升整网容量

　　支持无处不在的720P，甚至2K的移动视频是大视频时代来临的重要特征。伴随视频分辨率的不断提升，对带宽的要求越来越高。

　　为提供高带宽的无线传输通道，覆盖优化、干扰优化，以及容量配置等都是提升网络质量和容量的必要手段。

　　●　4G网络容量提升技术

　　LTE网络容量提升措施，主要包括IRC（Interference Rejection Combination）、MU-MIMO、SU-MIMO、CA（Carrier Aggregation）、HetNet Sites（Micro Site/ Pico Site/Femto Site）、高阶调制等。

　　●　5G新技术加速网络内带宽，容量进一步提升

　　Massive MIMO是MIMO技术的扩展和延伸，其基本特征就是在基站侧配置大规模的天线阵列（从几十至几百），利用大规模天线阵列可以带来的巨大阵列增益和干扰抑制增益，使得小区总的频谱效率和边缘用户的频谱效率得到极大的提升；同时，大规模天线阵列还可以实现对空间位置的划分，利用空分多址，同时服务多个用户。

视频业务深度识别，保障QoS

　　对视频业务精确评估和控制，要求基站侧具备对视频业务的识别能力。业务的识别主要有DPI（Deep Packet Inspect）和DFI（Deep Flow Inspect）两种方式，前者主要依赖业务的具体特征码识别，后者更多利用了业务的流量特征模型匹配技术。

　　●　DPI技术

 　　DPI技术是一种基于应用层的流量检测和控制技术。当IP数据包、TCP或UDP数据流通过基于DPI技术的带宽管理系统时，该系统通过深入读取IP包载荷的内容来对OSI7层协议中的应用层信息进行重组，从而得到整个应用程序的内容，然后按照系统定义的管理策略对流量进行整形操作。

　　●　DFI技术

　　DFI采用的是一种基于流量行为的应用识别技术。不同的应用类型体现在会话连接或数据流上的状态各有不同，DFI技术基于这一系列流量的行为特征，建立流量特征模型，通过分析会话连接流的包长、连接速率、传输字节量、包与包之间的间隔等信息来与流量模型对比，从而鉴别应用类型。

　　目前基站从核心网MME获取的QCI（QoS Class Identifier）业务分类比较粗，基站侧的深度识别为后续进行视频业务精确评估和控制、提升深度感知网络视频业务的应用等提供了基础。

　　在业务识别基础上，LTE系统会针对不同视频业务特性在RRM算法和调度算法上给予不同策略，包括接纳、拥塞、负荷均衡、移动性、DRX、AMC和功率控制。运营商针对不同业务进行TCP优化，提升视频TCP链路性能。

建立视频业务评估KPI体系

　　为确保优质的视频用户体验，需要一套能够量化评估视频用户体验的指标体系，使得网络能够感知到用户视频体验，并在用户体验下降时，迅速反应，快速定位问题。视频业务是端到端业务，影响视频业务质量的因素遍布网络，而这些环节又涉及不同的运维专业。中兴通讯提出大视频用户体验评估体系V-QoE（见图1），实现视频体验的端到端管理。

　　网络的传统无线KPI指标，如覆盖、干扰、在线用户数、小区负荷等不能直接衡量视频性能。V-QoE通过分析海量网络数据，利用数据挖掘方法，将传统KPI指标转换成V-QoE视频性能指标，形成传统指标到V-QoE的精准映射模型。在无线网络的视频性能评估基础上，以栅格地理化呈现V-QoE值。低于V-QoE目标值的栅格，形成未达标区域，进行根因分析，实施针对性的网络规划和优化方案。

　　移动视频业务已成为移动网络重构的关键驱动力。中兴通讯的TD-LTE大视频方案充分考虑了运营商现网情况以及未来网络的发展趋势，具备向未来平滑演进的能力，满足大视频不同发展阶段的差异化需求，助力移动运营商持续提升竞争力。