一种在sdwn下的云业务上行调度方法
【技术领域】
[0001] 本发明涉及一种在SDWN下的云业务上行调度方法，属于通信技术领域。
【背景技术】
[0002] 近年来，无线应用的发展呈现出爆炸式增长的趋势，然而，目前的网络并不能非常 有效地适配每一种应用，例如LTE(即LongTermEvolution)，其就QoS(即Qualityof Service)而言共定义了 9类QCI(即QoSClassIdentifier)，每类QCI中的所有业务都采 用同样的调度转发策略。由于3GPP(即3rdGenerationPartnershipProject)并未指定 标准的LTE上行调度方案，业界广泛采用了三种典型的LTE上行调度方案，即最大化系统吞 吐量的调度方案、优先保障QoS的调度方案和保障QoS并优化功率的调度方案，然而这三种 调度方案都不能适配层出不穷的新业务，特别地，随着云计算的发展，无线云业务对调度方 案有着与传统业务不同的要求，具体表现为，无线云业务对实时的速率并没有严格要求，而 是需要在限定时间内将本地待处理的数据上传到云端，同时要求传输花费的总能量消耗最 小，以延长手机电池的使用时间。因此其QoS需求被定义为在时间T内以最小的能量消耗 完成数据量为L的数据传送。根据相关文献对这类问题的研究，要达到最小的能量消耗，需 满足传送的速率与当前的信道状态的好坏成正比。很显然，在现有的LTE系统中，不论将云 业务归入哪一类的QCI，采用哪一种调度方案，都只能将其和同类QCI的其他业务作同样处 理，采用同样的、预定义的资源分配方案，不能单独地为其动态分配资源来保障其速率随信 道状态的变化而变化，因而不能满足其能量消耗最小的需求。由此可见，LTE在将业务进行 分类的QoS控制方法（即Class-BasedQoSControl，CBQC)的基础上采用的分类调度方案 只能总体上僵硬地满足一类业务的Q〇S，并不能灵活地针对某一种具体的业务进行性能保 障，究其原因，传统网络结构中相互隔离的节点各有自己的控制系统，它们需要相同的预先 定义的配置来保障整个网络的QoS性能，因而不得不把所有数据流分成固定的几类业务来 进行分类处理。
[0003]软件定义无线网络（即Software-DefinedWirelessNetworks,SDWN)为这个问 题的解决提供了新的思路，它是SDN(Software-DefinedNetworks)在无线领域的拓展，可 以改变整个网络不能灵活地进行动态配置的现状，在这种新的网络结构中，网络控制层和 转发层互相分离，能实现逻辑上的集中控制并对应用层提供编程接口，允许应用层通过软 件来集中定义网络节点的转发行为。对于LTE上行调度方案的现有研究主要集中在传统的 网络结构下，其中，在以最大化系统吞吐量为主要目的的调度方案下，用户总是以最大的速 率进行数据传送，显然不满足云业务能量最小的条件；在以优化所有用户总发射功率为目 的的调度方案中，业务几乎总是以满足要求的最低速率传送数据，能在一定程度上减小云 业务在上行调度中的能量消耗，但仍不能根据信道的变化调整对云业务的资源分配策略， 因此也不是最优的。而本发明能够很好地解决上面的问题。
【发明内容】
[0004] 本发明目的在于提供了一种在SDWN下优化云业务传输能量的LTE上行调度方法， 该方法将传统的调度方法从业务分类的束缚中解放出来，根据云业务的特点进行灵活适配 的LTE上行调度方法，使云业务的发送速率和当前信道条件成正比，能在最大化系统容量 的同时，更好地满足云业务能量消耗最小的需求，提升用户满意度。
[0005] 本发明解决其技术问题所采取的技术方案是：一种在SDWN下的云业务上行调度 方法，该方法包括如下步骤：
[0006] 步骤1:定义SDWN下云业务上行调度方案的数学模型；
[0007] (1)定义云业务在上行调度中的能量优化模型；
[0008] 无线云业务对实时的速率并没有严格要求，而是需要在限定时间内将本地待处理 的数据上传到云端，同时要求传输花费的总能量消耗最小，以延长手机电池的使用时间。因 此其QoS需求被定义为在时间T内以最小的能量消耗完成数据量为L的数据传送。这就需 要根据当前时隙内云业务的信道增益?(0，相应地调节该时隙内的数据发送速率b(t)， 在满足T时隙内完成数据量为L的数据传送和每时隙内发送的数据量不大于剩余数据量两 个限制条件下，最小化云用户总的能量消耗。
[0009] (2)云业务在传统网络调度方案中能量消耗的特点；
[0010] 在传统网络中，LTE系统往往采用有QoS保障的最大化系统吞吐量调度方案或者 以优化用户发送功率为主要目的的调度方案。
[0011] 前者能在满足用户QoS需求的同时最大程度地提升系统吞吐量，然而其优化目标 要求用户总是以最大的速率进行数据传送，在这种情况下，每时隙内都将使用最大允许的 发送功率，显然不能满足无线云业务能量消耗最小的要求。
[0012] 后者通过调节每个用户的发送功率来满足速率限制和优化目标，能在很大程度上 减小用户的发送功率，但同时也牺牲了大量的系统吞吐量，业务几乎总是以满足要求的最 低速率传送数据，此时仍然没有将用户的发送速率与信道增益联系起来，因而云业务用户 的能量消耗也不是最小的，仍然有优化的空间。
[0013] (3)定义SDWN下能满足云业务能量需求的调度模型；
[0014] 在SDWN下的调度方案中，每个调度时隙内的资源分配问题可归纳为：以最大化云 业务以外的所有用户获得的速率之和为目标函数，限制条件为云业务外的每个用户获得的 速率都不小于其速率需求，以及云业务的速率等于当前时隙内理论上的最佳发送速率，具 体表示如下：
[0019] 其中b⑴是公式1所描述的问题的解，凡";、,表示用户m在子信道集K"下获得的 速率，表示能保障用户m的QoS的最小速率，KA表示所有满足连续性限制的分配方案的 集合，pu为UE最大的发射功率。
[0020] 步骤2 :推导云业务在单时隙内的最佳传输速率；
[0021] (1)归纳成动态规划问题；
[0022] 云业务在单时隙内的最佳传输速率问题是一个多阶段决策问题，本发明 采用逆序迭代的方法进行递推，即先确定最后一个时隙t= 1时的最优决策，然 后将结果带入t= 2时隙进行决策确定，依次类推。为方便迭代过程的表示，用
表不t时刻获得的最小
表示价值函数，即在最优决策时t-i 到1的所有时隙内传送β(t-1)比特的数据预计需要耗费的能量代价，考虑到能量消耗的 表达式，得动态规划问题：
[0024] (2)定义价值函数并求解；
[0025] 用公式3表示价值函数，即在最优决策时t至1的所有时隙内传送Mt)比特的 数据预计需要耗费的能量，来对公式2进行求解：
[0027]
，表示根据信道统计信息对i时隙内信道状 态的估计，
为\的几何平均值。
[0028] 接下来本发明证明用公式3来表示价值函数的合理性。
[0029]证明：
[0030] 本发明采用数学归纳法，显然在t=1时， ，表示对在最后 一个时隙内传送β(1)所需的能量的预估，符合价值函数的定义；
[0031] 假设]「(/?(/-1))表示在最优决策时，t-ι到1的所有时隙内传送β(t-ι)比特的 数据预计需要耗费的能量代价，那么根据公式2,在t时隙内的优化问题变为：
[0033] 这里目标函数是一个关于b(t)的凸函数，求导并令其导数为0,可得其最优解：
[0035] 将公式5带入公式4,并对信道求期望，可得公式3,即：
[0036]
得能表示在t至1 的所有时隙内传送β(t)比特的数据预计需要耗费的能量代价，得证。
[0037] 此时，b(t)即为去限制条件之后优化问题的最优解，对其加入限制条件 0彡b(t)彡β⑴，作为原优化问题的次优解，艮P:
[0039] 其中〈X〉:表示X最大取b，最小取a。
[0040] 步骤3:确定每个时隙内的资源分配方案；
[0041] (1)列出每个用户的子信道分配矩阵，代表所有可能的分配方案；
[0043] (2)分别求出每个用户在每种可能的分配方案下的速率；
[0045] (3)利用速率限制条件对方案进行筛选；
[0047] (4)定义列向量X= [X^. . .，XM]T来表示分配方案，归纳成0-1整数规划问题
，通过穷举法求得单时隙内的资源分配方案。
[0048] 步骤4:SD