本发明属于信道分配技术，尤其涉及一种多层异构网络中信道可靠性评估方法及优化方法。
背景技术
近年来，致力于为数以亿计的物联网设备提供无处不在的通信连接，蜂窝网络正从传统的单层同构的平面结构逐步转向多层异构网络架构。在这种网络架构下，其它具有不同接入能力的基站设备如微基站、小微基站及中继节点与传统的宏蜂窝基站共同部署于传统宏蜂窝覆盖区域，并复用相同的频谱资源，从而有效环节热点区域的传输压力，提升频谱的利用效率，提高用户的接入速率及网络的接入率。然而，与传统数据通信具有较大的速率需求不同，物联网连接通信传输数据量极小，但对传输时延及传输可靠性的需求更为迫切。如工业控制、车联网及触感互联网等物联网应用中，一般需要网络数据传输可靠性不低于5个9(99.999％)，即传输10000次数据最多存在一次数据丢失现象。
然而，现有的针对多层异构网络的研究主要关注于如何提升网络的传输速率及传输容量，对如何提升网络的传输可靠性，还缺乏足够的关注。这其中，由于传统可靠性评估一般需要评测实际数据传输过程中的丢包数据，这种事后可靠性评估的方式难以在网络规划阶段为数据传输提供帮助，给可靠性保障带来较大的困难，如何构建有效的可靠性评估模型已成为研究的关键问题。虽然目前已经存在部分工作开始通过信道传输质量等参数对传输可靠性进行实时评估，但上述方法在可靠性评估中并没有考虑多层异构网络中信道复用导致的干扰问题，且都认为信道模型服从简单的瑞利衰落模型。考虑到物联网应用场景的特殊性，瑞利衰落模型并不能准确评估复杂应用环境中的信道传输特性，容易导致其可靠性评估模型欠准确等问题。
技术实现要素：
(一)要解决的技术问题
针对现有技术中的问题，本发明提供一种多层异构网络中信道可靠性评估方法，该方法可有效避免传统可靠性测量过程中实施复杂的问题。
(二)技术方案
本发明的另一目的在于，以可靠性评估为基础，提出了基于蒙特卡罗树搜索的信道分配机制即可靠性优化方法，可有效提升数据传输的可靠性。
第一方面，本发明提供一种多层异构网络中信道可靠性评估方法，包括：
101、根据待处理区域内的多层异构网络的物理拓扑结构，获取所述多层异构网络的信道资源分配表；
102、获取待处理区域内的测试ue的位置信息；
103、根据所述测试ue的位置信息和所述信道资源分配表，向所述测试ue及与测试ue关联的基站发送该测试ue的信道使用信息
104、接收所述测试ue返回的信干噪比sinr，所述信干噪比sinr为所述测试ue与信道使用信息的一个或多个信道关联时获得的；
105、基于多层异构网络内所有测试ue返回的所述信干噪比sinr，获取所述多层异构网络中数据传输的信道可靠性；
其中，所述信道资源分配表为预先分配的或者优化后的信道资源分配表。
第二方面，本发明提供一种多层异构网络中信道可靠性优化方法，包括：
b1、针对多层异构网络，采用多个预设的信道资源分配表作为蒙特卡罗树的节点，所述节点包括：扩展节点和非扩展节点；
b2、基于蒙特卡罗树搜索原理，从蒙特卡罗树中选择一个节点，判断该节点是否属于扩展节点；
b3、若不属于扩展节点，则获取选择的节点的信道可靠性；
b4、若属于扩展节点，则获取该扩展节点的所有孩子节点；
b5、采用蒙特卡罗树模拟方式，从所有孩子节点中选择一个孩子节点，获取选择的孩子节点的信道可靠性，所述选择的孩子节点属于非扩展节点；
b6、在遍历所述蒙特卡罗树中的所有节点之后，根据所有非扩展节点和孩子节点的信道可靠性，采用反向传播方法更新蒙特卡罗树中所有节点的状态值；
b7、调整所述蒙特卡罗树中每一节点的信道资源分配表的信道分配信息，重复所述步骤1062至步骤1066，直至所述蒙特卡罗树中至少一个节点的状态值达到预设阈值，将达到预设阈值的所有状态值中选择最大状态值对应的节点作为新的信道资源分配表。
(三)有益效果
本发明方法考虑到增加网络的冗余性是提高通信可靠性的有效方法，本发明方法采用了更具有通用的信道模型模拟物联网的传输环境，有效的避免了传统可靠性测量方法实现的复杂性和滞后性，同时本发明还依据计算获取的可靠性数据进行了网络信道分配优化，通过信道分配优化后的网络可以提高网络的可靠性，在实际应用中可针对不同的环境需求设定适合的可靠度，从而有效的提高网络的传输性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明一种多层异构网络中信道可靠性评估方法及优化方法流程图；
图2为本发明一实施例提供的多层异构网络物理拓扑结构示意图；
图3为本发明一实施例提供的基于蒙特卡罗树搜索的信道分配流程图；
图4为本发明一实施例提供的面向蒙特卡罗树搜索的节点选择过程；
图5为本发明一实施例提供的面向蒙特卡罗树搜索的反向传播状态值更新流程图；
图6为本发明一实施例提供的多层异构网络信道可靠性实验结果图；
图7为本发明一实施例提供的多层异构网络中信道可靠性优化实验结果图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
在以下的描述中，将描述本发明的多个不同的方面，然而，对于本领域内的普通技术人员而言，可以仅仅利用本发明的一些或者全部结构或者流程来实施本发明。为了解释的明确性而言，阐述了特定的数目、配置和顺序，但是很明显，在没有这些特定细节的情况下也可以实施本发明。在其它情况下，为了不混淆本发明，对于一些众所周知的特征将不再进行详细阐述。
考虑到增加网络的冗余性是提高通信可靠性的有效方法，为此，本发明使用多层异构网络中广泛采用的频谱聚合方法作为网络并行通信的实施手段，并采用更具有通用性的nakagami-m信道模型来模拟物联网数据的传输环境，并由此设计了基于并行传输的多层异构网络中数据可靠性评估闭环表达式，该模型能将当前用户数据传输的信干噪射映为具体的可靠性概率值，可有效避免传统可靠性测量过程中实施复杂等问题；同时，为了进一步提升数据传输的可靠性，本发明以可靠性评估为基础，提出了基于蒙特卡罗树搜索的信道分配机制，可有效提升数据传输的可靠性。
实施例一
如图1所示，本实施例提供了一种多层异构网络中信道可靠性评估方法，本实施例的方法的执行主体可理解为如图2中所示的宏基站bs1，图1所示方法的具体实施步骤包括：
101、根据待处理区域内的多层异构网络的物理拓扑结构，获取所述多层异构网络的信道资源分配表；
举例来说，本实施例中的物理拓扑结构可包括：如图2中的宏基站bs1和微基站bs2-bs5，图2中所示的微基站还可以是微微基站。
本实施例示出了一个宏基站和四个微基站，五个用户以及每个基站例举了两条信道，本实施例不对其限定，均为举例说明，在实际应用中，根据实际需求进行配置；
例如，基站集为b{1,2,…,s}，包括bs1、bs2、bs3、bs4和bs5；用户集n{1,2,…,n}，包括ue1、ue2、ue3、ue4和测试ue；基站的信道集c{1,2,…,c}，举例来说，本实施例中每一个基站均包括两个信道，分别为信道1和信道2。
特别说明的是，在本实施例中展示的基于并行传输的可靠性传输的多层异构网络，如图2中假设每个基站有两个可用信道1和信道2，中测试ue同时聚合了微基站bs1的信道1和微基站bs2的信道2，从而维持了基站到ue之间的两条下行通信路径。类似地，ue1、ue2、ue3及ue4均使用频谱聚合方法维持了到多个微基站之间的并行传输路径。本实施例中以图2所示的网络举例说明，并不对其限定。
102、宏基站获取待处理区域内的测试ue的位置信息。
103、宏基站根据用户的位置信息和用户的信道资源分配表，向测试ue及与测试ue关联的基站发送该测试ue的信道使用信息。
举例来说，前述步骤101中的信道资源分配表为预先分配的，则此时，每一个微基站依据信道资源分配表均配置有各自的信道信息，测试ue根据微基站向测试ue分配的信道实现测试ue和微基站交互。
当然，前述101中的资源分配表也可以是通过下述的蒙特卡罗树优化后的资源分配表。
104、所述宏基站接收测试ue返回的信干噪比sinr。
在本实施例中，每一测试ue的信干噪比sinr可理解为ue与微基站交互时，使用信道分配表中分配的一个或多个信道时获取的。
举例来说，以下的“用户n”均指的是测试ue。例如，
其中，n∈n，s∈b，c∈c，ps,c为基站s分配给信道c的分配功率；
hs,n为基站s与用户n信道传播模型，其服从nakagami-m分布，其概率密度函数满足：
105、所述宏基站根据多层异构网络内所有测试ue返回的所述sinr，获取多层异构网络中数据传输的信道可靠性。
也就是说，可根据测试ue与多个基站之间的并行连接情况，计算整个多层异构网络的可靠性。具体地，本实施例中，对于用户n，其整体可靠性an可表示为：
其中，n∈n{1,2…,n}，n为所述多层异构网络中部署的用户集，s∈b{1,2…,s}，b为所述多层异构网络中部署的基站节点集，c∈c{1,2…,c}，c为所述多层异构网络中基站的信道集；
在本实施例中，根据用户n与关联基站s的信道c获得的
其中，根据信道资源分配表令
本实施例能够实现并行传输的多层异构网络中数据传输可靠性的评估，例如将上述测试ue数据传输的信干噪比映射为具体的可靠性概率值，可有效避免传统的可靠性测量中实施复杂的问题，为此可有效评价多层异构网络的逻辑拓扑结构，有效减少成本。
实施例二
从本发明评价多层异构网络的可靠性结果看出，该可靠性结果与网络中聚合的频谱数量存在密切的关系，为此，针对多用户、多基站及多信道场景，本实施例中设计了基于蒙特卡罗树搜索的信道分配方法，通过确定每个用户的最优信道分配情况，即确定
1061、针对多层异构网络，采用多个预设的信道资源分配表作为蒙特卡罗树的节点，所述节点包括：扩展节点、非扩展节点。
可理解的是，本实施例中直接以信道资源分配表作为蒙特卡罗树的节点的表示，其中资源分配表的横坐标表示基站的序号，纵坐标为信道的序号，表中的值为关联的用户值。如矩阵
也就是说，本实施例中信道资源分配表的矩阵x的行代表全部基站，列代表全部的信道；
矩阵x的每一个元素为资源分配表中与该基站和信道的已分配用户编号，如果未被占用时可记作-1；
例如，矩阵
即，扩展节点的信道资源分配表中存在一个以上的信道资源未被用户占用，非扩展节点的信道资源分配表中所有的信道资源全部分配用户；
此外，由于扩展节点存在未被用户占用的信道资源，此时，将扩展节点中的未分配的信道资源分配后得到的信道资源表作为该扩展节点的孩子节点，孩子节点属于非扩展节点的一种。
相应地，扩展节点也可称为孩子节点的父亲节点。
1062、基于蒙特卡罗树搜索原理，从蒙特卡罗树中选择一个节点，判断该节点是否属于扩展节点。
1063、若不属于扩展节点，则获取选择的节点对应的信道可靠性。
1064、若属于扩展节点，则获取该扩展节点的所有孩子节点。
1065、采用蒙特卡罗树模拟方式，从所有孩子节点中选择一个孩子节点，获取选择的孩子节点的信道可靠性。
1066、在遍历所述蒙特卡罗树中的所有节点之后，根据所有非扩展节点和孩子节点的信道可靠性，采用反向传播方法更新蒙特卡罗树中所有节点的状态值。
在本实施例中，所述选择的孩子节点属于非扩展节点，所有孩子节点均属于非扩展节点。
在具体实施过程中，选择操作的主要目的在于从蒙特卡罗树中选择具有最大uct值的节点，为扩展及反向传播提供支撑。
本实施例中，蒙特卡罗树中任意节点i的状态值uct计算公式为：
其中，c1为常数，价值为根据子步骤a1中的更新后的value值，父亲节点为前述的蒙特卡罗树的扩展节点。
具有最大uct值的节点所对应的资源分配方法能获得的可靠性越大，节点的uct值越大，相应能获得的选择的机会越高，从而促使资源分配向着提高可靠性的方向趋近。选择操作的主要流程如图4所示，主要步骤包括：
s1：输入蒙特卡罗树的根节点作为执行节点；
s2：判断执行节点已经扩展，如果没有扩展，则直接返回执行节点作为当前的选择节点，否则返回步骤s3；
s3：判断执行节点是否有孩子节点尚未扩展，如果存在，则随机返回一个尚未扩展的孩子节点作为当前的选择节点，否则执行步骤s4；
s4：从当前执行节点的所有孩子节点中选择具有最大uct值的孩子节点，作为当前的选择节点。
在本实施例中，在获取所有节点的状态值之后，可判断状态值是否有大于预设阈值的，如果有，则将达到预设阈值的所有状态值中选择最大状态值对应的节点作为新的信道资源分配表，否则，可执行下述的步骤1067。
1067、调整所述蒙特卡罗树中每一节点的信道资源分配表的信道分配信息，重复所述步骤1062至步骤1066，直至所述蒙特卡罗树中至少一个节点的状态值达到预设阈值，将达到预设阈值的所有状态值中选择最大状态值对应的节点作为新的信道资源分配表；
在本实施例中，采用蒙特卡罗树搜索优化机制将多层异构网络中进行选取最优的信道资源分配表，可保证多层异构网络中每一个微基站的信道可靠性，同时可以保证多层异构网络中整体的可靠性，有效的解决多层异构网络中信道分配不完整或已分配的方案可靠度低的问题，提高了网络信道的传输性能。
实施例三
如图5所示，实施例二中步骤1066中的采用反向传播方法更新蒙特卡罗树中所有节点的状态值，可包括下述的子步骤：
a1、针对被执行的当前节点，判断当前节点是否属于孩子节点，如果不属于，则更新当前节点的value值、访问次数，根据更新后的value值、访问次数，获取状态值。
例如，本实施例中，蒙特卡罗树中任意节点i的状态值uct计算公式为：
其中，c1为常数，价值为根据子步骤a1中的更新后的value值，父亲节点为前述的蒙特卡罗树的扩展节点。
a2、若当前节点属于孩子节点，则更新所述孩子节点的父亲节点的value值、访问次数；所述孩子节点的父亲节点为所述孩子节点对应的扩展节点；
所述更新当前节点的value值包括：将当前节点的信道可靠性和当前节点的value值相加；
所述更新当前节点的访问次数包括：将当前节点的访问次数增加1；
其中，所述蒙特卡罗树中每一节点在更新状态值之前具有初始的value值。
在遍历蒙特卡罗树的节点的可靠性之后，均需要采用上述方式更新每一节点的状态值，进而能够选择更合适的信道资源分配表。
有效性验证
本实施例中首先仿真展示了在2个基站，每个基站有2信道条件下，用户采用频谱聚合机制同时连接宏蜂窝基站，小基站作为干扰的情况下，随着宏功率值不同的性能情况。设置了宏基站分配功率分别为：2.5(瓦特)、5(瓦特)、7.5(瓦特)、10(瓦特)、12.5(瓦特)、15(瓦特)，17.5(瓦特)和20(瓦特)，阈值τ设置为1，m＝1，2，3，4，本实施例依据公式计算出对应的可靠度如图7所示，蒙特卡罗仿真次数设为10000；为了凸显对比结果，将阈值τ设为1；相应地图6中圆形为蒙特卡罗仿真的结果，星号为理论推导的结果；从图中可以看出蒙特卡罗的仿真数据结果与闭环表达式计算出来的结果拟合度较好，仿真实验结果说明了推导公式的准确性和正确性，同时，通过实验结果也可以发现，随着m的取值不同，可靠性在不同功率条件下呈现不同的性能。
可靠性优化
进一步，本实施例设置仿真场景为随机部署10个基站，每个基站有20个信道，随机部署10个用户；仿真了随着迭代次数的变化，使用蒙特卡罗树搜索方法获得的网络平均可靠性变化情况，本实施例举例设置了迭代次数从0-200的仿真结果如图7所示。
从仿真结果曲线中可以看到，基于蒙特卡罗树搜索算法能显著提升网络传输的可靠性，最终获得的可靠性0.9916，已经能够满足大部分应用场景需求，在实际应用中可针对具体的环境选择最终期望达到的网络优化的效果。
本发明方法考虑到增加网络的冗余性是提高通信可靠性的有效方法，本发明方法采用了更具有通用的信道模型模拟物联网的传输环境，本发明方法有效的避免了传统可靠性测量方法实现的复杂和滞后性，同时本发明还依据计算获取的可靠性数据进行了网络信道分配优化，通过信道分配优化后的网络可以提高网络的可靠性，在实际应用中可针对不同的环境需求设定适合的可靠度，从而有效的提高网络的传输性能。
最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。