异构云无线接入网络中拥塞控制下的安全资源优化方法

文档序号:10691833
异构云无线接入网络中拥塞控制下的安全资源优化方法
【专利摘要】本发明公开了一种异构云无线接入网络中的拥塞控制下的安全资源优化方法。收集异构云无线接入网络中系统资源信息;对系统进行拥塞控制优化系统建模,将模型转化为三个子过程;分别对三个子问题进行优化运算;初始化动态粒子群算法的参数;初始化粒子群空间,并且初始化粒子群体;根据适应度函数计算群体中每个体的适应度;根据粒子群算法公式,更新当前的个体的最优位置和群体的最优位置;对知识空间进行交叉与变异操作,获得变化后新的个体位置与速度;判断迭代收敛指标,若收敛则输出最优的个体,若没有则重复步迭代直到完成预设迭代次数为止。本发明是一种在拥塞控制下提高异构云无线接入网络资源安全分配,充分利用能效资源,动态进行拥塞控制的优化方法。
【专利说明】
异构云无线接入网络中拥塞控制下的安全资源优化方法
技术领域
[0001] 本发明属于计算机网络技术领域,特别是一种异构云无线接入网络中拥塞控制下 的安全动态资源优化方法。
【背景技术】
[0002] 利用混合网络化eterogeneous networks,胎t化t) W及云无线接入网络(cloud access radio access networks, C-RAN)的优势,有研究提出异构云无线接入网络 化eterogeneous cloud radio access networks,H-CRAN)来强化频谱效率和功率效率,它 使用远程射频头(remote radio heads,RRH)来为用户提供高服务质量(quality of service,QoS)要求的高速数据传输率。如,文献1(M.化ng,Y丄i ,et.al. , "Heterogeneous cloud radio access networks: a new perspective for enhancing spectral and energy efficiencies",I邸E Wireless Commun.,Dec.2014.)所描述。在提出的H-CRAN中, 增加低功率节点化PN)稠密区域的蜂窝网络容量,过于稠密的LP州尋导致建中的的干扰,并 且限制性能的增长和今后的应用,RRH与HPN(高功率节点)之间的系统负载往往不平衡,运 就导致使用RRH/HPN优化的分配策略能够增加额外性能。
[0003] 为了限制层间干扰,并且实现高的协同增长,基于协同信号处理的云计算应用到 集中式基带处理单元(BBU池),用于R畑之间的协同工作。为了保证LTE先进网络的向后兼容 性,H-CRAN采用正交频分多址复用((FDMA)。
[0004] 并且无线网络通信的安全要求也越来越被人重视。运之后提出了窃听者的概念。 网络中的用户都有可能成为潜在的窃听者,因此确保保密率的方法被提出,也有通过限制 延迟达到保密的方法。
[0005] 对于基站(BS)合作,资源块(RB)与功率联合分配的问题,已经有所研究。如,文献2 (S.Kim,S.Choi and B.Lee,"A joint algorithm for base station operation and user association in heterogeneous networks IEEE commun. lett. , vol. 17 ,no . 8, pp. 1552-1555,Aug. 2013)所描述,得到了 BS系统对蜂窝网络收益的优化。
[0006] Lyapunov稳定性优化框架已经被广泛研究,可W通过构造框架函数,根据函数性 质来判定整个系统稳定性的强弱。
[0007] 然而运些工作没有考虑到达的随机传输,并且假定通信的队列是无限大的。由于 还没有优化资源分配并且保持网络稳定的解决方案应用于H-CRAN,因此需要一种拥塞控制 下的异构云无线接入动态资源优化方法。

【发明内容】

[000引本发明在于提供一种基于异构云无线接入网络化-CRAN)的一种拥塞控制下的资 源优化方法。在拥塞控制的情况下,从辅助变量优化、通信控制优化、RB和功率联合优化Ξ 方面,达到最优的资源分配。
[0009]实现本发明目的的技术解决方案为:
[0010] -种异构云无线接入网络中的拥塞控制下的安全资源优化方法,包括w下步骤:
[0011] 步骤1,收集异构云无线接入入中的系统资源信息。
[0012] 步骤2,通过步骤1收集的系统资源信息,对系统进行拥塞控制优化系统建模,将模 型转化为对辅助变量进行优化、对通信控制进行优化、对资源与功率进行优化Ξ个子过程。
[0013] 步骤3,在得到步骤2所求模型后,对Ξ个子过程分别使用线性优化W及粒子群算 法进行系统优化。
[0014] 对辅助变量加 W优化。
[0015] 对通信控制进行优化。
[0016] 使用自适应动态粒子群算法(PS0),对RB和功率联合分配进行优化。
[0017] 步骤3.1初始化动态粒子群参数。并且初始化粒子群空间,初始化群体,对能效资 源分配进行初始位置和速度的初始化。
[0018] 步骤3.2依据得出的适应度函数计算群体中每个个体的适应度。
[0019] 步骤3.3依据粒子群算法公式,更新当前的个体最优位置W及群体最优位置。
[0020] 步骤3.4对知识空间进行交叉与变异,得到变化后的位置与速度。
[0021] 步骤3.5计算收敛指标,并且判断迭代收敛指标是否达到预设值W下,若收敛则输 出最优的个体,若没有则重复步骤3.2直到完成预设迭代次数为止。
[0022] 本发明与现有技术相比,其优点在于:(1)在异构云无线接入中采用自适应动态粒 子群算法进行资源和功率分配,满足资源优化需求;(2)适应函数采取拥塞控制策略,在拥 塞控制的前提下完成资源优化分配。(3)使用传输率控制的方法达到安全感知的效果。(4) 为H-CRAN网络的能效W及资源的高效分配提供技术上支持。
【附图说明】
[0023] 图1为本发明拥塞控制下的动态资源优化流程图。
[0024] 图2为本发明所在的异构云无线接入网络接入方法。
[0025] 图3为本发明自适应动态粒子群算法具体实施流程。
【具体实施方式】
[0026] 下面结合附图及具体实施例对本发明作进一步详细说明。
[0027] 结合图1,本发明是在拥塞控制下的异构云无线接入网络安全动态资源优化,具体 步骤为:
[00%]步骤1,收集H-CRAN入中的系统资源信息。结合图2,对网络架设。
[0029] 步骤2,通过步骤1收集的系统资源信息,对系统进行拥塞控制优化系统建模,将模 型转化为对辅助变量进行优化、对通信控制进行优化、对资源与功率进行优化Ξ个子过程。
[0030] 步骤3,在得到步骤2所求模型后,对Ξ个子过程分别使用线性优化W及粒子群算 法进行系统优化。
[0031] 对辅助变量加 W优化。
[0032] 通过公式:
巧公式(12)进行优化。
[0033] 对通信控制进行优化。
[0034]通过阔值解决方案
[0037] 优化通信允许的值R。其中A是到达应用层的数据量。
[0038] 使用自适应动态粒子群算法(PS0),对RB和功率联合分配进行优化。结合图3,具体 步骤如下:
[0039] 步骤3.1置收敛阔值为祭,设置种群大小为N,资源块数为k,连接数j+m,算法最大迭 代次数T,加速度因子分别是cl和c2。初始化群体X=[Xl,X2,…XN],每个个体为Xi(xl,X2… xk),每个X指示资源分配到的设备。随机生成最初群体W及最初的速度域V= [Vi,V2,·,·νΝ]。
[0040] 步骤3.2使用公式(15)提供的适应度函数f(s)
[0044] 计算每个个体的适应度。
[0045] 步骤3.3根据粒子群算法公式,更新当前个体的最优位置和群体的最优位置。将每 个个体历史最高适应度的位置记录在向量组地est = [pBesti, pBest2,· · 'pBestN]中,将本次 最优位置记录为浊est(浊esti, gBest2,…gBestk)。
[0046] 步骤3.4根据公式
[0049]对速度进行更新,并且获得新的种群位置。其中i表示第i个个体,j表示每个个体 的第j维,t表示迭代次数,? = 1-l/d.+ e乃表示加速度,ri、r康示[(U]之间的随机数,用于 维护群体多样性。此后再对知识空间中20%的个体进行交叉和变异运算。
[(K)加]张驢3.5对干所得的群体,若
[0051 ]
(21)
[0化2]则停止迭代,否则迭代直至到达T次。其中表示第t次迭代最优位置适应度,足 表示第t次迭代个体平均适应度。
[0053] 实施实例
[0054] 本发明采用动态粒子群算法,在拥塞控制下对资源功率进行安全优化配置,具体 为:
[0055] 步骤1,收集H-CRAN中的系统资源信息。
[0056] HPN数量为1,RRH数量为4,册E连接数为8,每个RUE都分别被R畑服务,资源块数量 为 10,每个 RB 带宽为 15kHzeHPN 和 RRH 路径损失 dM(dB) = 128.1+37.61ogiQ(RWPdK(dB) = 140.7+37.61oglo(R),R单位为km。HPN静态功率43地m,最大平均功率30地m,噪音及弱层间干 扰设为-110 地 m/Hzea = 〇.6,0 = O.4。
[0057] 步骤2,通过步骤1收集的系统资源信息,对系统进行拥塞控制优化系统建模,将模 型转化为对辅助变量进行优化、对通信控制进行优化、对资源与功率进行优化Ξ个子过程。
[0058] 步骤3,在得到步骤2所求模型后,对Ξ个子过程分别使用线性优化W及粒子群算 法进行系统优化。
[0059] 对辅助变量加 W优化。
[0060] 对通信控制进行优化。
[0061] 使用自适应动态粒子群算法(PS0),对RB和功率联合分配进行优化。
[0062] 首先,置收敛阔值为巧=0.05,设置种群大小为N=30,资源块数为k=10,连接数为j +8,最大迭代重复次数了 = 1000,得到加速度因子(:1 =。2 = 1.49。初始化群体乂=^1,乂2,··· Xn],每个个体为Xi ( XI,X2…Xk),每个X指示资源分配到的设备。随机生成最初群体W及最初 的速度域V= [Vi,V2,···Vn]。设置交叉变异率分别为Pc = 0.9,Pm=0.1。
[0063] 然后,使用公式(15)提供的适应度函数f(s)计算每个个体的适应度。
[0064] 其次,根据粒子群算法公式,更新当前个体的最优位置和群体的最优位置。
[0065] 再次,每次迭代更新迭代次数,并且对知识空间进行交叉与变异,得到变化后的位 置与速度。
[0066] 之后,计算是否满足收敛指标矿,然后将所得知识空间较好的50%代替本次较差 的一半。
[0067] 最后,收敛或者达到循环次数T时,输出最优的个体X,W及最优适应度f(x)。
[0068] 综上所述,本发明是一个在拥塞控制下提高异构云无线接入网络资源安全分配, 充分利用能效资源,动态进行拥塞控制的优化方法。
【主权项】
1. 一种异构云无线接入网络中的拥塞控制下的安全资源优化方法,其特征在于包括以 下步骤: 步骤1,收集异构云无线接入中的系统资源信息; 步骤2,通过步骤1收集的系统资源信息,对系统进行拥塞控制优化系统建模,将模型转 化为对辅助变量进行优化、对通信控制进行优化、对资源与功率进行优化三个子过程; 步骤3,对三个子过程分别使用线性优化以及粒子群算法进行系统优化。2. 根据权利要求1所述的异构云无线接入网络中的拥塞控制下的安全资源优化方法, 其特征在于:步骤1所述的收集异构云无线接入中的系统资源信息,包括帧长、带宽信息、系 统资源数量信息、连接情况信息、路径损失信息、连接功率信息、干扰耗费信息。3. 根据权利要求1所述的异构云无线接入网络中的拥塞控制下的安全资源优化方法, 其特征在于:步骤2所述具体过程为: 第一步求得系统模型: 端设备UE连接到HPN称作HUE,UE连接到RRH称作RUE,u〇表示HUE链接的集合,m表示分配 给第i个RRH的RUE链接的集合; 对于第m个HUE连接,有分别连接到HPN和RRH的比例sm⑴和sm'⑴: Sm(t)+Sm'(t)<l (1) 对于第i个RRH的资源块k的非重用约束,有:ai jk (t)表示第k个RB用于第i个RRH上第j个RUE; bimk (t)表示第k个RB分配给第m个HUE, 这个HUE通过HPN与第i个RRH连接;xQmk表示第k个资源块分配给HUE并且只连接HPN; 此时每个RRH的传输功率有:pljk(t)和pljk'(t)分别表示相应分配的功率消耗; 占领第k个RB的第j个RUE信道干扰增噪如下: % +^:> ⑷ <和4分别表示第j个RUE在RRH和HPN上的路径耗散,碌和/!心分别表示相应的信道增 长,σ〇表示噪音功率,/表示HPN每个RB所提供传输功率;然后求得第j个RUE和HUE的传输率 分别为:Rb表示所占的带宽。Ai jk,Aimk,XQmk分别代表此链接最高的信噪比, [· ] +=max{ ·,0},因此确保达到最小保密率; 由于使用通信允许控制,每时每刻允许的数据量分别为R〇m(t)与R^(t)。因此传输吞吐 率约束为:最后得到一个动态资源优化模型公式:s.t.(1)(2)(3)(7)(8) gR(.)和gM(.)分别表示达到此时平均吞吐量时系统能效资源的具体评价函数,α和β分 别代表相应情况具体功能的耗费; 第二步使用Lyapunov优化技术将问题划分为三个独立的子问题: 得到拥堵量度其中'⑴和Qij⑴分别代表真实的HUE和RUE连接的传输队列长度,H〇m(t)和Hij⑴代 表虚拟的队列长度Zi (t)表示第i个RRH的功耗; Lyapunov漂移效用函数表示如下:其中B代表最大拥堵量度; 因此划分为三个子过程。4.根据权利要求1所述的异构云无线接入网络中的拥塞控制下的安全资源优化方法, 其特征在于:步骤3所述对三个子过程分别使用线性优化以及粒子群算法进行系统优化,具 体为: 使用线性最优方法对辅助变量进行优化; 使用线性最优方法对通信控制进行优化; 使用动态粒子群算法对资源与功率进行优化。5.根据权利要求4所述的异构云无线接入网络中的拥塞控制下的安全资源优化方法, 其特征在于:所述使用动态粒子群算法对资源与功率分配进行优化, 将公式(14)中的函数带入,得到适应度函数:5. t. aijkG[〇,l],y ? G [ 〇,1 ],G [ 〇,1 ], aiui +7?2"^+α?Μ2^ A ijk=Qij(t)Rb log(l+gijk(t)pijk(t))-Zi(t)pijk(t) (16) i>imk = Q〇m(t)Rb l〇g(l+g'imk(t)p'imk(t))-Zi(t)p'imk(t) (17) Γ Omk = Q〇m(t)Rb l〇g(l+gOmk(t)pM) (18) 步骤分为: 步骤3.1初始化动态粒子群参数,并且初始化粒子群空间,初始化群体,对能效资源分 配进行初始位置和速度的初始化; 步骤3.2依据得出的适应度函数计算群体中每个个体的适应度; 步骤3.3依据粒子群算法公式,更新当前的个体最优位置以及群体最优位置; 步骤3.4对知识空间进行交叉与变异,得到变化后的位置与速度; 步骤3.5计算收敛指标,并且判断迭代收敛指标是否达到预设值以下,若收敛则输出最 优的个体,若没有则重复步骤3.2直到完成预设迭代次数为止。6. 根据权利要求5所述的异构云无线接入网络中的拥塞控制下的安全资源优化方法, 其特征在于:所述步骤3.1具体为:设置收敛阈值0,设置种群大小N,资源块数k,连接数j+m, 最大迭代次数T,加速度因子c 1和c2;初始化群体X = [Xi,X2,. . . XN],每个Xi (X1,X2. . . Xk),每 个x指示资源分配到的设备;随机生成初始化群体以及初始速度V= [Vi,V2,. . . VN]。7. 根据权利要求5所述的异构云无线接入网络中的拥塞控制下的安全资源优化方法, 其特征在于:所述步骤3.2具体为:利用公式(15)提供的适应度函数f(s)计算每个个体的适 应度。8. 根据权利要求5所述的异构云无线接入网络中的拥塞控制下的安全资源优化方法, 其特征在于:所述步骤3.3具体为:将每个个体历史最高适应度的位置记录在向量组pBest = [pBesti,pBest2, · · .pBestN]中,将本次最优位置记录为gBest(gBesti,gBest2, …gBestk)〇9. 根据权利要求5所述的异构云无线接入网络中的拥塞控制下的安全资源优化方法, 其特征在于:所述步骤3.4具体为: 根据公式X^l=X;} +f^H (20) 对速度进行更新,并且通过运算得到新的种群位置; 其中i表示第i个个体,j表示每个个体的第j维,t表示迭代次数,ω表示加速度,ri、r;^ 示[〇,1 ]之间的随机数,用于维护群体多样性; 此后再对知识空间中20 %的个体进行交叉和变异运算。10.根据根据权利要求5所述的异构云无线接入网络中的拥塞控制下的安全资源优化 方法,其特征在于:所述步骤3.5具体为: 对于所得的群体,若那么就停止迭代,不然重复迭代直至到达T次; 其中/_表示第t次迭代最优位置适应度,/二表示第t次迭代个体平均适应度。
【文档编号】H04W72/04GK106060851SQ201610515169
【公开日】2016年10月26日
【申请日】2016年6月30日
【发明人】徐雷, 周迅钊, 张功萱, 张小飞, 钱芳, 王俊
【申请人】南京理工大学
再多了解一些
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1