Model-I SINR-based 允入控制

Figure 5.1 blocking probability for Number-based (N=10), SINR-V-based, and SINR-O-based admission control for arrival 3 to 15

在 Figure5.1 中，我們可以發現在 arrival rate 8 到 15 這區間， SINR-V 或 SINR-O 的允入控制方式的 blocking probability 值明顯的比 Number-based 允入 控制低，這是因為當系統負荷愈來愈重，而使用者人數增多時，我們能從眾多使 用者中選到訊號佳的機會變大，所以 SINR-based 在 blocking probability 值上優 於 Number-based 的方式。

另外，我們也可觀察到 blocking probability 在 arrival rate 8 到 15 區 間時，SINR-V 優於 SINR-O，由此可知 SINR-V 是更有效的掌握到訊號佳的使用者 使其配置到鄰居基地臺服務，可預測出其 effective service rate 應該也是比 較高的。

在 arrival 低的狀況下，我們發現 blocking probability 在低負載時，各 種允入控制是相差不多的。

SINR-based 不如預期中 Number-based 允入控制佳，這是因為在低負載 時，我們並未有更大的機會挑到訊號佳的使用者，因此 SINR-based 允入控制未 發生效果，導致 blocking probability 不如預期中的好。

Figure 5.2 Effective service rate v.s. session arrival rates for Number(N=10), SINR_V, and SINR_O-based admission control.

在 Figure5.3 中，effective service rate 與我們預期中的一樣，其中 以 SINR-V 的方式最佳，其次 SINR-O 及 Number-based admission control.

Figure 5.3 Average packet delay v.s. session arrival rates for Number, SINR_V-based admission control.

Figure 5.4 Blocking probability v.s. session arrival rates for Number(N=10), SINR_V-based admission control(N=10,11,12,13)

在 Figure5.3 中，我們發現 average packet delay 在 arrival 3 到 7 時 是遞增的狀態，而在 arrival 7 到 11 時，是遞減狀態，到了 arrival 11 則逐漸 穩定下來。

根據模擬結果顯示，期初 average packet delay 的增加是由於允入控制 能挑選適當的使用者來配置資源的機會變小，也就是 multiuser diversity 效益 不明顯，所以 delay 會如預期的向上遞增。期中 average packet delay 有顯著 的下降是由於 multiuser diversity 的影響，允入控制開始因應系統內滿載狀 態，進行使用者資源配置，使得 delay 會逐漸下降。期末 average packet delay 下降速度趨於緩和是由於系統已達到 steady state 狀態，顯示出允入控制在此 arrival rate 區間中可達到的 delay 的效能已趨於緩和。歸結看來，在系統 loading 為 arrival rate 為 7 到 11 之間，為此允入控制能達到的最佳範圍。

在 Figure5.4 中，我們模擬了四種 N 值，分別為 10,11,12,13，圖中顯 示 N 值的大小決定了允入控制的門檻，在較小的 N 值，將會使允入控制提前運作，

也就是我們所提出的 SINR_V 會 先 進行適當人選進行配置，如此 blocking probability 將會比其他 N 值來的高，相對的在 Figure5.3 中，我們可以發現 delay 也如 N 值變大而隨之增加，較大的 N 值，則會減緩允入控制運作，因而導致較高

5.2 Model-II SINR-based 允入控制

1.6

Number 2

Figure 5.5 Blocking probability v.s. session arrival rates for

d=0.0001, 0.8, 1.6, 2(β=10), and Number-based (N=10).

在 Figure 5.5 中 ， 我 們 發 現 不 同 的 d 值 ， 會 有 不 一 樣 的 blocking probability 分佈，當 d 設定為 0.0001 時，允入控制的門檻 提高，使得大部份使用者無法進入系統，造成 blocking rate 最高，

幾乎為 1；而當 d =0.8 時，blocking probability 上升快速，但隨後

緩慢穩定，這是因為我們將 d 值設定太低，使得使用者無法通過允 入控制，進入本系統，之後允入控制發揮作用，使系統 blocking

probability 幾乎為 1；因此在爾後討論中，將 d 設定為 2，以得到 較佳的 blocking probability 分佈。

Figure 5.6 Effective service rate v.s. session arrival rates for d_bar=0.0001, 0.8, 1.6, 2. (β=10)

在 Figure 5.6, 我們發現 d =2 時， effective service rate 會 有不錯的表現，在 arrival rate 為 3 的前提下，effective service

rate 會比 d =0.8 時高出約 1.6 倍；另外在 d =0.0001 時，effective service rate 將趨近於 0，這是因為絕大部分的使用者都被系統拒 絕而導致此結果。

Figure 5.7 Average packet delay v.s. session arrival rates for d_bar=0.0001, 0.8, 1.6, 2. (β=10)

在Figure 5.7 中，我們發現在 arrival rate=3 的前提下， d =2 的 average packet delay 約為 d =0.8 的 1.8 倍。

因此在 d =2 時，delay 的表現上雖略高，但綜合考量系統 blocking probability、effective service rate 與 average packet

delay 的變動因子下， d ＝2 仍然可以取得最佳的系統效能，所以在 爾後的討論中， d ＝2 我們仍然以作為允入條件。

07 01 05

03 04 02 06

Figure 5.8 Average packet delay vs timeslot in arrival rate 3 for antena01 to antena07.

在 Figure5.8 中，隨著模擬時間前進，期初 average packet delay 都會有明顯的增加，但當各基地臺分別達到系統的臨界點，則 delay 就會穩定下來，這是因為允入控制在系統臨界點已發揮作用，使 得 delay 進入穩態，系統不會因超載而崩潰。

由圖中可發現，基地臺依據其線性分佈狀態，delay 成對稱方 式表現，1 和 7 號有相同的 delay 表現；而 2 和 6 號亦然，其他則居中 呈現 delay 到穩態狀況。

Figure 5.9 Busy time ratio vs session arrival time for

d=0.0001, 0.8, 1.6, 2, 40 (model-II SINR-based admission control).

在 Figure 5.10 中，我們發現 d ＝0.001 時，由於允入控制阻 攔大部分的使用者進入，因此 busy time ratio 的值迅速降低，甚至為

0，另外我們發現當 d =2 時，busy time ratio 的表現雖比 d =0.8、1.6、

40 略低，但卻非常接近，但綜合所有數據考量， d =2 仍是值得討論的 值。