WN下的云业务上行调度方案；
[0049] (1)初始化调度时隙和云业务剩余数据量；
[0050] (2)根据步骤3确定本时隙内的资源分配方案；
[0051] (3)根据步骤2确定云业务的最佳发送速率；
[0052] (4)调节云业务的最佳发送速率；
[0053] (5)更新状态进行下一时隙的资源分配。
[0054] 本发明的上述方法应用于SDWN下的云业务上行调度。
[0055] 有益效果：
[0056] 1、本发明能够使云业务用户的传送速率曲线完全随着信道增益的变化而变化，即 围绕平均发送速率而变化，在信道状况好（或坏）的情况下，实现多（或少）的数据发送。
[0057] 2、本发明能够实现在保障多用户速率限制的条件下，使云业务的能量消耗最小， 从而提升用户满意度。
【附图说明】
[0058] 图1为本发明的方法流程图。
[0059] 图2为SDWN的逻辑视图。
[0060] 图3为SDWN下的基站调度模型。
[0061] 图4为云业务发送速率与信道关系的仿真结果。
[0062] 图5为云业务总能量消耗的仿真结果。
【具体实施方式】
[0063] 下面结合说明书附图对本发明创造作进一步的详细说明。
[0064] 如图1、图2和图3所示，本发明提供了一种在SDWN下优化云业务传输能量的LTE 上行调度方法，该方法包括如下步骤：
[0065] 步骤1 :定义SDWN下云业务上行调度方案的数学模型
[0066] (1)定义云业务在上行调度中的能量优化模型；
[0067] 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;，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，因此云业务的能量优化问题可表示为：
[0071]
[0072] Η:111￡/; =minW, (/}Δ/., 丨=(/),尸?为当前时刻的能量消耗，Pu为用
为由香农公式得到的SC-FDMA下的能量与速 率的关系式子，N。为接收端的子信道噪声功率密度，IK」为分配给用户m的子信道个数，Ws 为子信道带宽，&⑴为子信道上的平均信道增益。
[0073] (2)云业务在传统网络调度方案中能量消耗的特点；
[0074] 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，本发明先分别讨论云业务在这两种传统的 LTE调度方案中能量消耗的特点。由于云业务要求在时间T内完成数据量为L的数据传送， 因此在传统网络下云业务每时隙内的速率需求都至少
其中iC表示用户m的业 务对速率的要求。
[0075] 在采用有QoS保障的最大化系统吞吐量调度方案中，每个时隙内的子信道分配准 则为在满足用户获得的速率不小于其速率需求的同时，最大化当前时隙内所有用户获得的 速率之和，因此一个调度时隙内的资源分配优化问题可表示为：
[0080] 其中，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。 这种调度方案能在满足用户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，显然不能使优化公式7所描述的问题的目标函数最小，S卩：不能满足无线云业务 能量消耗最小的要求。
[0081] 而在以优化用户发送功率为主要目的的调度方案里，每个时隙内资源分配的目标 函数为使当前时隙内所有的用户发射总功率最小，限制条件为每个业务获得的速率不小于 其速率需求，因此一个调度时隙内的资源分配优化问题可表示为：
[0086] 这种调度方法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。
[0087] (3)定义SDWN下能满足云业务能量需求的调度模型；
[0088] 在SDWN下，系统把传统无线网络中分散在基站、网关等单个网络设备的控制功能 转移到了集中的控制器上，让物理设备仅仅负责简单的数据转发和交换，并通过控制器来 进行全局的、动态的数据流量管理，其逻辑视图见附图2。因此在传统网络中分散在各基站 的调度功能，在SDWN下由集中的控制器来实现，这种可编程的集中控制的方式能够给流量 处理提供足够的灵活性，从而可以利用附图三所示的基于应用程序的QoS控制（ABQC)方法 将云业务从传统的业务分类中抽离出来，根据每时隙内的信道条件动态地为云业务配置当 前最佳的发送速率，来保证云业务的用户的能量消耗最小。因此，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：
[0097] 0< /)(/) <β(?),ν?：
[0098] 步骤2 :推导在单时隙内的最佳传输速率；
[0099] (1)归纳成动态规划问题；
[0100] 本发明通过动态规划来依次确定时隙t(t= 1，...，Τ)内应传送的数据量，其目标 函数可以分为两部分之和，第一部分为当前时刻的能量消耗￡>,(/;(0,/1(0)，第二部分为
，因此t时刻的决策问题为选择一个满 足限制条件的最优速率b(t)，使得两部分之和最小，表示为：
[0102] 这是一个多阶段决策问题，这里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，本发明用以/;?(〇，^^〇)表示公式9所描述的问题在作出最优决策时的最 小目标函数值，即t时刻获得的最小能量消耗和，--1)) =E; , (/汾-_l))j 表示价值函数，即在最优决策时t-1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，
的值，考虑到能量消耗的表达式，得：
[0104] ⑵定义价值函数并求解；
[0105] 公式10所描述的问题，在t彡3时无法求得最优解b⑴和&:/：?(/))的解析表达式， 本发明采取次优解法，用公式11表示价值函数，即在最优决策时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，来对公式10所描述的问题进行求解：
[0107]
表示根据信道统计信息对i时隙内信道状
[0108] 接下来本发明证明用公式11来表示在最优决策时，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是成立的。
[0109] 证明：
[0110] 这里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，符合预期的定义；
[0111] 假设以-切表示在最优决策时，t-Ι到1的所有时隙内传送β(t-i)比特的 数据预计需要耗费的能量代价，那么根据公式10,在t时隙内的优化问题变为：
[0113] 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：
[0115] 将公式13带入公式12,并对信道求期望，得公式11，即式子
内传送β(t)比特的数据预计需要耗费的能量代价，得证。
[0116] 此时，b(t)即为无限制条件时优化问题的最优解，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:
[0118] 其中〇〉丨表示X最大取b，最小取a。
[0119] 在（14)式中，G(vtl，...Vl)是根据长时间内信道状态的统计信息求得的与t相关 的常数，因此只要确定信道分配方案，就可以根据子信道数|κ」和当前的信道状况 得到当前的最佳发送速率b(t)。
[0120] 步骤3 :确定每个时隙内的资源分配方案