一种基于综合开销函数的接入选择方法与流程

本发明涉及通信网络领域，具体给出了一种基于综合开销函数的接入选择方法。
背景技术：
：随着3G、4G的蓬勃发展，移动通信网络的研究热度也达到前所未有的程度。物联网和移动互联网作为未来移动通信网络发展的两大驱动力，对设备连接密度和移动数据流量提出了更高的要求，可以预见未来移动用户连接密度和移动数据流量将进一步呈现爆炸式的增长。据估计，到2020年，全世界移动数据流量将比2010年增长超过100倍，不包含物联网在内的移动终端将超过200亿，其中中国将超过20亿，因此，移动通信网络将存在巨大的可挖掘市场和刚性需求。为了应对这种与日俱增的需求，对下一代移动通信技术(5G)的研究迫在眉睫。针对超千倍的移动数据流量和移动端连接数的增长，未来5G需要采用高密度重叠覆盖的异构网络架构，这种网络架构带来了更多的基站部署，而且其中微小基站的部署更加具有随意性，这无疑对网络能效的提高带来了更严峻的挑战。资源管理主要是通过对网络资源以及终端等平台的有效管理以达到在网络性能提高的同时实现网络能效的最大化，主要包括优化接入选择、频谱功率分配、干扰控制以及基站休眠等技术。资源管理技术因为不受新设备、新技术和基站部署等因素的制约，受到研究者的广泛研究。研究者们对提高网络能效作出了多种尝试，有使用新天线技术、传输技术等试图减少功耗、提高信号传输性能，也有研究高能效的基站部署策略的，但这些往往都依赖于新技术的推广使用或者改变现有网络部署，存在较大的技术周期制约和成本因素制约，此外，也有研究者试图通过资源管理技术来提高网络能效，但是都存在一定的缺陷，要么不适用于未来高密度重叠覆盖的异构网络，要么用于实践难度较高或者存在对其他性能牺牲过大。本发明在现有技术背景、不改变基站部署的情况下，通过资源管理技术来提高网络能效。资源管理技术是移动通信网络的关键技术，通过使用合适的资源管理技术，可以在不改变现有物理设备的情况下改善网络性能，移动通信网络的发展从开始的蜂窝网络到简单异构网络再到高密度重叠覆盖的异构网络，一方面网络种类和数量变得更多，另一方面用户服务质量要求大幅提升、应用种类更加丰富，这使得资源管理技术显得更为重要，同时也带来了一些技术挑战，网络接入选择技术首当其冲。网络接入选择的发生条件可以是新的用户首次请求接入网络，也可以是之前已经接入某个网络，之后由于掉线、性能下降等原因发生网络切换从而引起新的网络接入请求，无论是哪种情况，网络层选的目的都是为一个多模用户选择一个最合适的网络接入，一个好的网络接入选择可以在保证用户QoS的前提下，同时优化网络整体性能，提高资源利用率。随着网络种类、可选网络数量、服务类别以及具体应用的丰富，网络接入选择技术需要考虑的因素也更多，接入选择技术也更加复杂。一般来讲，接入选择控制技术分为三个步骤，如图1所示：(1)第一步是信息搜集，是网络接入选择算法的准备阶段，同时也是最耗时、关键的一步，网络接入选择的控制端通过扫描或者接收广播等形式搜集网络接入选择算法需要使用的参数，这些参数涵盖用户特性、基站参数、网络状况等，一般包括接收信号强度RSSI、信道质量、服务费用、网络可用带宽、用户业务类型、安全性、时延、网络连接时间等，第一阶段所搜集的将供后续步骤使用。不同的网络选择接入控制算法所需要搜集的信息不同，实际上，一些简单的接入选择算法可能只需要搜集某一项参数，这些算法比较简单，花费的时间也很少，但是效果往往不能兼顾到用户体验和网络整体性能优化，而一些算法可能要用到多个参数，这类算法往往能做到在保证一定网络整体性能的前提下达到某些偏好目的，不过复杂度以及耗时也相应增加，因此在第一步时要同时考虑到参数获取的难易度、算法的复杂度、算法性能等，评价一个网络接入选择算法的好坏也不是一味的根据其参考参数的多或者少。(2)第二步是信息处理，由第一步搜集的原始参数并不一定能直接作为网络接入选择的判决数据，很多原始数据需要进行一些简单的处理计算，例如一个评判信道质量的参数SNR就不可能由信息搜集步骤完成，SNR需要根据搜集到的目标基站信号强度、干扰基站信号强度以及背景噪声等，并由信噪比计算公式计算得出。此外，有些算法需要使用多种参数，而这些参数并不处于一个数量级，无法直接比较，因此需要对原始数据进行分等级处理或者对数处理等。(3)第三步是选择决策，也就是根据搜集并经过处理的数据，结合判决方式，进行最终的网络接入选择判决。网络选择判决方式众多，可以使用一个包含各参数的公式来计算衡量，也可以是参数直接比较大小，还有使用模糊数学、神经网络以及拍卖理论等方式，其最终目的是使用户接入合适的网络，一个好的网络选择算法不仅是实现某种偏好，例如用户速率最大、接收信号强度最强、费用最小等，同时需要达到不影响整体网络性能甚至优化整体网络性能的效果。根据网络接入选择技术控制端的不同可以将接入选择技术分为三种：(1)用户端控制，即接入选择算法的执行和控制由用户端完成，这种以用户为控制中心的方法中，接入选择算法的执行和控制由移动端完成，选择标准往往是从用户的角度出发，以实现用户偏好最大化。这种方式往往能实现用户体验最优，但是不能保证体验最优的连续性，因为这种在不考虑整体网络性能的接入控制方法下，一旦目标网络接入用户过多，会造成网络拥塞、阻塞率增加、干扰变大等，从而造成网络性能急剧下降；另一方面，用户端控制无疑会增加移动端设备的复杂化、耗电量增大等问题。(2)网络端控制，即接入选择算法的执行和控制由网络端的资源管理和控制模块完成，网络接入选择指令由网络端发出，在这种从网络端或者运营商角度出发的控制方式中，网络的接入选择往往偏向于使运营商利益最大化，这会造成不保证网络整体性能优化的情况下用户费用增加，不利于激发用户的积极性。(3)用户和网络协作式选择接入，在这种方式中，用户和网络的控制模块通过互相及时交换状态信息来进行网络选择决策，这样既能兼顾用户利益、用户体验，又有利于整体网络性能的优化，当然这种控制方式会增加信令信息交换成本，给网络带来一些额外的负担。现有技术：(1)传统接入控制算法。传统接入控制算法的判决依据一般是单一的参数，例如接收信号强度RSSI、时延等，而且其判决流程也很简单，就是将搜集的参数进行简单的排序，然后依次请求接入，例如基于信号接收强度RSSI的网络接入选择策略中，决策端将搜集到的接收信号强度RSSI统一排序，然后接入接收信号最强的网络，其流程如图2所示。(2)基于用户喜好的接入控制算法。这种算法的判决依据完全是用户的偏好，例如用户QoS、接入费用等，这种接入算法是采用完全分布式的方法，在灵活度上具有很大优势，但是网关认证、安全许可以及网络整体性能等问题上存在很大的政策性问题，同时用户喜好的量化标准具有较高的主观性。(3)基于代价函数的接入控制策略。这种方法将用户接入目标网络的时延、费用、通信质量、移动速度、用户位置等因素的几种作为判决依据，并建立一个接入代价函数，使用最优化理论，采用线性和非线性优化等方式，反复迭代，使代价函数最小的接入方式即是合适的接入选择，在提出这类算法时，需要注意的是要将各个参数谨慎处理，使其在同一个数量级，以便于比较。(4)基于模糊逻辑和神经网络的接入选择策略。这种接入选择策略使用模糊数学理论处理搜集的接入判决信息，由此接入合适的目标网络，并应用神经学的知识，使用户的接入选择具有一定的记忆性，这在一些情况下能大大减少接入判决时间，但是这类方法大大增加了接入选择算法的复杂性。技术实现要素：发明目的本发明提供了一种基于综合开销函数的接入选择方法，这种接入控制方法结合多种接入控制方法，其将影响接入选择的多种因素，例如用户QoS、接入成本、时延、安全性、吞吐量等均考虑进去，构建一个综合开销函数，并根据使用场景，对不同的开销因素给予不同的侧重权重值，然后使用最优化理论，使综合开销函数最大或者最小的接入结果即使用户的最终接入结果。技术方案为解决上述问题，本发明提供了一种基于综合开销函数的接入选择方法，包括以下步骤：(1)初始化参数，设置各基站参数为默认部署参数；(2)根据式(9)计算各类网络的F0值；(3)对于每个待选择接入网络的用户k，根据式(6)并结合表1计算用户k对每一个基站的信噪比snr0k的大小，并根据式(10)计算用户k综合接入开销Fk的大小；(4)将Fk排序，取Fk值最小的基站i作为优先请求接入基站，并进行接入限制条件判定，首先，判断目标基站是否满载，如果不满载，则进行下一个接入限制条件判定，否则，返回第(4)步，并选择Fk值次小的基站作为优先请求接入基站，直至所有基站轮询完毕，若基站轮询完毕且所有基站均不满足接入条件，则此用户连接失败，处于掉线状态，跳至第(3)步，进行下一个用户接入选择决策；(5)如果基站没有轮询完毕，则继续判断接入基站后，信号传输信噪比是否大于最低接入信噪比阈值，大于阈值则接入基站，并跳至第(3)步，进行下一个用户接入选择决策，否则返回第(4)步。本发明的有益效果如下：本发明从用户服务质量和整体网络性能优化出发，提出了一个基于综合开销函数的接入选择算法，算法参数有四种，分别是接入代价、网络安全等级、网络时延以及接入信噪比，其中接入代价、网络安全等级、网络时延根据网络性质不同而不同，接入信噪比则随用户的位置、基站分布以及环境的不同而不同，需要经过具体计算。本发明提出的基于综合开销函数的接入选择算法不仅可以根据基站发射功率变化而改变用户接入，从而为后续提出中通过基站功率控制调整网络性能提供依据，同时，还能起到均衡基站负载的效果，提高系统容量和网络能效。附图说明图1为网络接入选择控制步骤示意图；图2为基于RSSI的接入选择策略流程图；图3为本发明流程框图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。系统结构和模型本发明将讲述所提出的基于综合开销函数的接入选择方法的一些准备工作，主要介绍所需要的系统结构和相关模型建立，具体包括网络架构、各网络信道模型、信噪比计算和负载均衡系数计算四个方面。网络架构未来5G将采用高密度重叠覆盖的异构网络模型，本发明提出的网络模型是由Macrocell、Micro/Picocell和Smallcell三种网络组成的异构网络，在8635G场景-西交仿真平台白皮书中，Macrocell、Micro/Picocell和Smallcell分别称为宏小区、微小区和小型基地台。信道模型在网络接入选择算法中，最重要的参数之一就是信噪比，而信噪比计算时所需的接收信号功率大小与基站发射功率和网络信道模型息息相关，不同场景下的网络，其采用的信道模型各不相同。在本发明部署的异构网络模型中，三种网络Macrocell、Micro/Picocell和Smallcell采用的信道模型分别是ITUUMaNLOS、ITUUMiNLOS、ITUinHLOS，参照TR36.814TableB1-2，根据各类网络的默认部署参数计算出各网络的具体路径损耗模型，如下表1所示。表1各网络路径损耗模型网络类型路径损耗(dB)适用距离(m)MacrocellPL＝11.6+39.1log10(d)10＜d＜5000Micro/PicocellPL＝33.5+36.7log10(d)10＜d＜2000SmallcellPL＝41.0+16.9log10(d)3＜d＜100信噪比计算信噪比表示接收到的有效信号强度与噪声信号强度之比，有效信号强度是指用户端从用户接入基站得到的信号强度，本发明的噪声信号包含其他基站的干扰功率和热噪声干扰，信噪比不仅是接入算法中最关键的影响因素，而且根据香农公式，其大小是用户速率和网络吞吐量上限的决定性因素，信噪比的计算公式如式(1)所示。式中，SNRi-k是指用户k接入到基站i时的信噪比大小，N0是指热噪声，Pn-k是指用户k从基站n接收到的功率大小，与基站n的发射功率大小和传播损耗有关，式中Pi-k即表示用户k连接到基站i时，自基站i接收的功率大小，Pj-k表示除基站i外其余基站给用户k带来的干扰功率之和，k'表示同一基站覆盖范围内的其他用户，n1k'表示同小区用户k'接收自基站i或相邻基站的下行链路信号对用户k造成的干扰信号强度，n2k'表示同小区用户k'发送给基站i或相邻基站的上行链路信号对用户k造成的干扰信号强度。由于同小区内用户占用不同信道，而相邻小区间又有频带保护区间，因此n1k'是非同频干扰，同时，上行链路和下行链路也是采用不同的频带传输，因此n2k'也可是非同频干扰，这两种非同频干扰远远小于同频干扰Pj-k，仿真中不予考虑。(1)热噪声N0的计算热噪声在一定带宽的频谱上是近似于均匀的，属于白噪声，计算公式是：N0＝n0B＝kTB(2)其中，n0表示热噪声功率密度，是一个温度的函数，单位是W/Hz；B表示带宽，k是玻尔兹曼常量，k＝1.3803×10-23J/K，T是开氏温度(K)，通常温度取为T＝290K(17℃)，由此计算出，n0＝kT＝4×10-21(W/Hz)＝-174(dBm/Hz)。(2)Pn-k的计算Pn-k表示用户k自基站n处接收到的信号功率强度，其计算公式如式(3)所示：Pn-k＝P0n-k·pl-1(3)式中，P0n-k表示基站n的发射功率大小，pl是指传输损耗倍数，是用户与基站距离d的函数，由路径损耗模型求得，不同网络下计算传输损耗的信道模型不同，具体由表1给出，由路径损耗模型计算出的传输损耗一般是分贝(dB)表示，其转换公式由式(4)得出，因此接收功率Pn-k的计算公式可表示为如(5)所示，式中PL(dB)表示由路径损耗模型计算出的传输损耗的dB形式。由公式(1)～(5)可得出信噪比的最终计算公式为(6)所示：负载均衡系数负载不均衡的表现是某些小区承载业务量过高，而某些小区承载业务量过低，如果一个小区内的业务量过高，则会造成小区内通信质量下降、阻塞率增加等问题，而小区业务量过低又会造成资源浪费、能效降低等，而负载均衡技术通过将高负载小区业务转移到轻负载小区，以达到均衡各小区间业务量的目的。负载均衡可以提高系统容量，提高资源利用率，从而在为用户提供更好体验的同时，提升整个网络的性能。合适的用户接入选择算法可以通过负载转移的方式实现负载均衡[15]，本发明提出的基于综合开销函数的接入选择算法即可起到负载均衡的作用。负载均衡效果好坏可以使用负载均衡系数的大小来衡量，负载均衡系数表示如式(7)所示。式中，Ο即表示负载均衡系数，Ο越大表示负载均衡效果越好，n表示网络中小区数目，ρi表示基站i的总负载量，本发明提出中，由于每个接入用户分配相同大小的带宽，且各类型基站的总带宽都相同，因此ρi可用基站i的接入用户总数表示。本发明结合各网络特点，采用基于综合开销函数的网络接入选择算法，其中接入考量因素具体包含四种，分别为接入代价、网络安全等级、网络时延以及接入信噪比，综合开销函数用F表示，其方程表达式如式(8)所示：F＝α·c-β·s+γ·(d/10)-δ·log10(snr0)(8)式中，c表示用户接入代价，这里的接入代价并不单单表示接入网络的成本，而是指同等条件下，对整个网络的影响系数，同等条件下，我们更希望用户优先接入Smallcell＞Micro＞Macro，这个系数的相对大小关系Smallcell＜Micro＜Macro；s是指网络的安全等级系数；d是指接入网络时延，对时延d作除10处理是为了使其与其他因素处于一个数量级；snr0是用户信噪比，信噪比的计算由式(6)计算，同样的对snr0取对数的目的是使成本函数中各因素处于同一数量级，此因数是用户接入时最主要的依据因素；α、β、γ、σ分别表示接入代价、网络安全等级、网络时延以及接入信噪比四个接入考量因素的影响因子。在部署网络中，接入算法中各接入因素的数量关系如表2所示，各因素影响因子如表3所示，网络类型确定后，接入代价、网络安全等级、网络时延三个接入决策考量因素的相对大小值也就确定，当各因素因子大小值给定后，结合式(8)可知，由接入代价、网络安全等级、网络时延三个接入决策考量因素得到的值就可以确定，可以表示为F0，如式(9)所示，由此可以计算出各网络F0的大小。本发明中的F0类似于文献[50]中的bias偏置值，CRE接入控制算法采用argmax(RSSI+bias)，其中，bias是为调整微基站的覆盖范围而设置的，但是缺少系统的理论基础，也缺乏灵活性、可调性，而本发明的F0则是根据网络特性计算得出，根据网络性质不同而大小不同，反映了各种网络的性质，不同网络的F0大小如表4所示。F0＝α·c-β·s+γ·(d/10)(9)结合式(8)、(9)可以将方程表示为如式(10)所示。F＝F0-δ·log10(snr0)(10)由式(10)看出，本发明网络选择接入算法最主要的接入决策因素是信噪比大小，信噪比大小由用户接入位置、网络部署和周围基站运行状态决定，离目标接入基站越近、目标基站发射功率越大、干扰基站越少、干扰基站发射功率越小，则信噪比越大，用户的通信质量和信道容量也就越大，信噪比的大小反映着用户离接入基站的距离的远近和用户通信质量的的好坏。表2各因素数量关系表3各因素影响因子大小影响因子αβγδ大小0.40.10.10.4表4各网络F0值网络类型MacrocellMicro/PicocellSmallcellF02.11.350.85本发明提出的基于综合开销函数的网络接入选择算法实际上也是一个优化过程，目的是通过最优化理论，使用户在进行网络接入选择轮询时，在一定限定条件下，使接入目标网络的综合开销F最小，结合式(10)可以表示为式(11)。式中，k指用户k，κ为所有待接入网络的用户组成的集合，i指基站i，A表示所有基站组成的集合，整个式(11)minimizeFi,k即表示用户k接入使综合开销F最小的基站i。约束条件中，ρi(k)是指用户的连接状态表示函数，其取值方式如式(12)所示，可以看出，ρi(k)＝1表示当用户k连接至基站i，ρi(k)＝0则表示当用户k未连接至基站i；ui,k表示用户k连接至基站i时给基站i带来的负载大小，其具体计算方式由3.4节给出；snr0i,k表示用户k连接至基站i的信噪比大小，snr0target则表示用户接入网络的最小信噪比阈值，因为本发明提出的接入选择算法并不是接入信噪比最大的网络，因此需要提出一个最低接入信噪比阈值，以避免接入信噪比过小而造成用户通信质量过差，本发明提出中取为1，即信噪比不小于1才可接入目标网络。可以看出式(11)中有三个约束条件，分别表示：约束条件一表示用户最多只能接入一个基站，当用户接入一个基站时，处于连接状态，此时，而当时，表示用户没有接入任何一个基站，即处于掉线状态；约束条件二表示每个基站的总负载量不超过1，即基站不可过载运行，如果需要对基站进行资源预留，则总负载量应该小于1；约束条件三表示用户接入目标基站必须保证其信噪比值不低于最低接入信噪比阈值。综上，本发明提出的基于综合开销函数的网络接入选择算法的总体思路是每个用户请求接入网络时，计算用户接入各基站的综合接入开销Fi,k大小，从综合接入开销Fi,k最小的基站开始发送接入请求，在满足三条限制条件的前提下，将用户i接入使综合开销Fi,k最小的基站k。本发明的方法具体包括以下步骤：(1)初始化参数，设置各基站参数为默认部署参数，默认部署参数见表5；(2)根据式(9)计算各类网络的F0值；(3)对于每个待选择接入网络的用户k，根据式(6)并结合表1计算用户k对每一个基站的信噪比snr0k的大小，并根据式(10)计算用户k综合接入开销Fk的大小；(4)将Fk排序，取Fk值最小的基站i作为优先请求接入基站，并进行接入限制条件判定，首先，判断目标基站是否满载，如果不满载，则进行下一个接入限制条件判定，否则，返回第(4)步，并选择Fk值次小的基站作为优先请求接入基站，直至所有基站轮询完毕，若基站轮询完毕且所有基站均不满足接入条件，则此用户连接失败，处于掉线状态，跳至第(3)步，进行下一个用户接入选择决策；(5)如果基站没有轮询完毕，则继续判断接入基站后，信号传输信噪比是否大于最低接入信噪比阈值，大于阈值则接入基站，并跳至第(3)步，进行下一个用户接入选择决策，否则返回第(4)步。当前第1页1 2 3