一种C/U分离的5G蜂窝异构网络控制平面优化方法与流程

本发明属于5g蜂窝异构网络技术领域，尤其涉及一种控制平面宏基站故障处理的方法，进一步涉及一种结合核心网信令负载及宏基站选择优化方法。

技术背景

在c/u分离的蜂窝异构网络架构下，宏基站负责控制平面传输，处理大范围的覆盖需求并支持连接性和移动性管理需求；小基站负责用户平面传输，在较高频段为用户卸载数据，提升网络容量。

在蜂窝异构网络中宏基站故障的情况下，故障宏小区内所有用户的控制平面传输发生故障。根据移动网络小基站回程需求，故障宏基站覆盖区域下的每个小基站需要重新接管其控制平面功能，来完成相应的控制平面传输，但此方法一方面需要所有小基站都具备宏基站的控制功能，另一方面由于小基站的覆盖范围小、用户的密集分布与高速移动，导致频繁的切换事件发生，进而引起核心网中极高的信令负载，甚至引起信令风暴，造成核心网服务中断。

技术实现要素：

本发明要解决的技术问题是，提供一种c/u分离的5g蜂窝异构网络控制平面优化方法，采用最小化核心网信令负载的宏基站选择优化，以减少频繁的切换带来的大量核心网信令负载。

将故障宏基站的相邻宏基站根据需求进行覆盖范围扩增，故障宏基站覆盖区域下的每个小基站根据优化方法，选择相邻宏基站进行控制平面传输。

为解决上述问题，本发明采用如下的技术方法：

一种c/u分离的5g蜂窝异构网络控制平面优化方法，包括以下步骤：

步骤1、建立宏基站故障模型

系统正常工作状态下，有(m+1)个宏基站负责控制平面传输，表示为{b0,b1,...,bm}。每个宏小区的覆盖区域下有n个小基站负责用户平面传输。系统中的用户和其对应的宏基站、小基站形成双连接组网方式。

步骤2、业务模型与切换管理分析

在蜂窝异构网络中，每个用户支持k种业务类型。业务的平均到达率为

小小区bi中用户的移动交叉率ri为：相邻的小小区bi和小小区bj之间的平均切换率可以表示为：

步骤3、负载均衡指数约束

负载均衡指数转化为：l的数值越高，说明小区的负载越均衡，当l＝1时，说明系统达到最优的均衡状态。

步骤4、核心网信令负载优化的宏基站选择优化，包括以下步骤：

通过相邻宏小区的优化选择和覆盖优化，使得核心网信令负载最小。即将具有更高平均切换率的相邻小小区分配到同一个宏小区，那么核心网的信令负载可以得到尽可能的减少。因此，优化问题转化为：

s.t.

c1:bimdim≤dmax

c4:l≥lmin

附图说明

图1为本发明的流程图；

图2为用户数量变化的总处理切换率变化趋势(vi＝10～20m/s)；

图3为用户数量变化的总切换率占比变化趋势(vi＝10～20m/s)；

图4为用户数量变化、速度对比的总处理切换率变化趋势

(vi＝0～10m/s、vi＝10～20m/s、vi＝20～30m/s)；

图5为用户数量变化、速度对比的系统负载均衡指数变化趋势

(vi＝0～10m/s、vi＝10～20m/s、vi＝20～30m/s)。

具体实施方式

下面结合附图和实施例对本发明做进一步说明。

如图1所示，本发明提供一种c/u分离的5g蜂窝异构网络控制平面优化方法，包括以下步骤：

步骤1、建立宏基站故障模型

系统正常工作状态下，有(m+1)个宏基站负责控制平面传输，表示为{b0,b1,...,bm}。每个宏小区的覆盖区域下有n个小基站负责用户平面传输。系统中的用户和其对应的宏基站、小基站形成双连接组网方式。

设其中心宏基站为故障宏基站，宏基站b0由工作状态转为故障状态，宏基站{b1,...,bm}处于正常工作状态。故障宏基站b0的覆盖区域下的n个小基站{b1,b2,...,bn}根据优化算法选择相邻宏基站进行控制平面传输功能。

本文以一个二元决策变量bim，(i＝,1,ln，m＝1,l,m)来表示小小区i的控制平面是否由相邻宏小区bm接管：

其覆盖区域下的用户和新选择的相邻宏基站、原小基站形成新的双连接组网方式。

设系统中共有u个用户，服从随机分布，故障宏基站b0的用户数是u0,宏基站{b1,...,bm}的用户数分别是{u1,...,um}，且对于故障宏基站b0来说，其覆盖区域下的n个小基站{b1,b2,...,bn}的用户数分别是{u1,u2,...,un}，且那么对于小基站bi来说，其用户数为ui，设用户位置服从均匀分布。用户移动服从流体模型，小区内用户平均移动速度为vi；用户移动方向在[0,2π]之间，服从均匀分布。

步骤2、业务模型与切换管理分析

在蜂窝异构网络中，每个用户支持k种业务类型。业务k的平均会话持续(连接状态)时间设为μk^-1，空闲状态的平均持续时间设为λk^-1。那么业务的平均到达率为：

用户处于空闲状态的概率pidl和处于连接状态的概率pcon分别为：

pcon＝1-pidl

每个小小区bi中共有ui个用户，用户位置服从均匀分布。用户移动服从流体模型，小区内用户平均移动速度为vi。设用户移动方向在[0,2π]之间，服从均匀分布。那么小小区bi中用户的移动交叉率ri为：

其中r为小小区的半径，简化用户密度为

假设用户运动方向简化为标准的6个方向，对于相邻的两个小小区bi和bj的接壤边界，小小区bi的移动交叉率简化为小小区bj的移动交叉率简化为用户处于连接状态的概率为pcon，那么相邻的小小区bi和小小区bj之间的平均切换率可以表示为：

其中,n′表示参与计算平均切换率的小基站个数，即故障宏基站覆盖区域下小基站数目、相邻宏基站与故障宏基站接壤的小基站的数目这两部分相加之和。

步骤3：负载均衡指数约束

用负载均衡指数来衡量宏小区间的负载均衡性能，负载均衡指数以简氏公平系数定义为：

其中ρm是宏小区bm的负载水平。假设每个处于连接状态的用户占用的控制资源量是相等的，这里以宏小区bm内的用户数量水平来表示ρm，即：

其中，pcon是用户处于连接状态的概率，um是宏小区bm覆盖范围内的用户数量且则简氏公平系数的参数有：

使得负载均衡指数转化为：

简氏公平系数的范围为表示网络的负载均衡等级，l的数值越高，说明小区的负载越均衡，当l＝1时，说明系统达到最优的均衡状态。

我们将系统可接受的最小负载均衡指数设为lmin，且那么l≥lmin转化为：

步骤4：核心网信令负载优化的宏基站选择优化

通过相邻宏小区的优化选择和覆盖优化，使得核心网信令负载最小。即将具有更高平均切换率的相邻小小区分配到同一个宏小区，那么核心网的信令负载可以得到尽可能的减少。因此，优化问题转化为：

s.t.

c1:bimdim≤dmax

c4:l≥lmin

其中，rij表示相邻的小小区bi和小小区bj之间的平均切换率。bim＝1表示小基站bi选择相邻宏基站bm进行控制平面传输，否则bim＝0；bjm＝1表示小基站bi选择相邻宏基站bm进行控制平面传输，否则bjm＝0。

当bim＝1，bjm＝1，即小基站bi和小基站bj都选择相邻宏基站bm，rijbimbjm的切换次数将由宏基站bm处理，并不引起核心网信令负载，因此优化目标为最大化所有接入到同一宏基站的小基站间的平均切换率。

约束条件c1:dim表示小基站bi与宏基站bm之间的距离，dmax表示系统设定的宏基站和小基站之间的最大距离。

约束条件c2:根据前文中关于小基站的被接管选择的二元决策变量，{bi1,bi2,...,bim}中，只有一个变量的值为1，其余都为0，即的值为1。

约束条件c3:根据前文中二元决策变量的特性，bim的取值只能为0或1。

约束条件c4:根据前文中宏小区间的负载均衡性能分析，以l≥lmin对系统的负载均衡指数进行相应约束，满足系统所要求的最低负载均衡状态。

将bim放宽到实数值变量，即：0≤bim≤1。放宽后的bim可以理解为小基站bi选择相邻宏基站bm进行控制平面传输的权值大小。那么优化问题转化为：

s.t.

c1:bimdim≤dmax

c4:l≥lmin

下面给出了仿真参数的设置与仿真结果和分析：

考虑系统中宏基站数量(m+1)为7，中心宏基站故障后，即m＝6。每个宏基站下覆盖的小基站数量为n＝19。

根据业务统计模型，每个用户支持的业务类型有k＝4种：语音业务、流媒体业务、社交网络业务以及背景流量业务。将各业务类型数据代入公式及

中，计算用户处于空闲状态的概率得处于连接状态的概率pcon＝1-pidl＝0.464。

设宏小区的半径r＝500m，根据系统模型图，设定小小区的半径小基站选择相邻组m或组宏基站进行控制平面传输时，其最大距离为小小区内用户平均移动速度在0～30m/s之间，分为低速度、中速度和高速度三种，用户移动速度服从随机分布。

小小区bi中的用户数量水平ui服从随机分布。系统内总用户数量水平u在2×10³～50×10³个用户之间，服从随机分布。

系统设定的最小负载均衡指数lmin，分别为0.6、0.7、0.8、0.9，进而评估不同方法的负载均衡指数。

由最小化核心网负载的宏基站选择优化公式可以看出，宏基站总处理切换率受到系统内总用户数量水平u、每个小小区内用户的平均移动速度vi、最小负载均衡指数lmin、参与优化的相邻宏基站数量m或以及用户处于连接状态的概率pcon变化的影响。为说明提出算法的有效性，将提出方法一(m个宏基站参与优化)、提出方法二(个宏基站参与优化)分别与基于距离的小基站均匀分配方法一、基于距离的小基站均匀分配方法二进行比较。其中，基于距离的小基站均匀分配方法一取参与优化的宏基站数量为m；基于距离的小基站均匀分配方法二取参与优化的宏基站数量为这里把四种方法简称为提出方法一、提出方法二、传统方法一、传统方法二。本文充分考虑不同参数的影响，评估验证优化性能，对不同条件下不同方法的优化性能进行分析比较。

仿真图2是在每个小小区内用户的平均移动速度vi在10～20m/s间随机分布，参与优化的相邻宏基站数量为m和组时，系统内总用户数量水平u所对应的宏基站总处理切换率的变化趋势。由仿真图2可以看出，当系统内总用户数量水平从u＝2000变化到u＝50000的过程中，所提出方法一的宏基站总处理切换率相较于所提出方法二更高，所提出方法一的宏基站总处理切换率相较于传统方法一更高，所提出方法二的宏基站总处理切换率相较于传统方法二更高，核心网处理切换率更低，带来的核心网信令负载更少，系统性能更为优越。且当系统内总用户数量水平越高时，相对于传统方法的提升度越大。

仿真图3是在每个小小区内用户的平均移动速度vi在10～20m/s间随机分布，参与优化的相邻宏基站数量为m和组时，系统内总用户数量水平u所对应的宏基站总处理切换率占总切换率比值的变化趋势。由仿真图3可以看出，当系统内总用户数量水平从u＝2000变化到u＝50000的过程中，所提出方法一的宏基站总处理切换率占总切换率比值相较于所提出方法二更高，所提出方法一的宏基站总处理切换率占总切换率比值相较于传统方法一更高，所提出方法二的宏基站总处理切换率占总切换率比值相较于传统方法二更高，系统性能更为优越。且随着系统内总用户数量水平的提高，四种方法的宏基站总处理切换率占总切换率比值基本不变，主要是宏基站总处理切换率占总切换率比值与系统内总用户数量水平的变化无关。

仿真图4是在参与优化的相邻宏基站数量为m和组，每个小小区内用户的平均移动速度为低速0～30m/s、中速10～20m/s、高速20～30m/s场景进行对比时，系统内总用户数量水平u所对应的宏基站总处理切换率的变化趋势。由仿真图4可以看出，在同种速度分布下，提出方法一的宏基站总处理切换率相较于提出方法二更好。针对不同的速度分布的情况，移动速度越高，提出方法一、二的宏基站总处理切换率越高，系统性能优越性更加明显。

仿真图5在参与优化的相邻宏基站数量为m和组，每个小小区内用户的平均移动速度为低速0～30m/s、中速10～20m/s、高速20～30m/s场景进行对比时，系统内总用户数量水平u所对应的系统负载均衡指数的变化趋势。由仿真图5可以看出，所提出方法一的负载均衡指数相较于所提出方法二较高，这是因为在系统设定的宏基站和小基站之间的最大距离dmax的控制下，提出方法二中的小基站对于相邻宏基站的选择有限，因而不能充分保证负载均衡指数的优越性。相对而言，提出方法一虽然极大的保证了负载均衡指数的优越性，却是以二倍数目的相邻宏基站进行优化选择的。这也一定程度上增加了系统的能量消耗。且随着系统内总用户数量水平的提高，提出方法一、二的系统负载均衡指数基本不变，主要是宏系统负载均衡指数与系统内总用户数量水平的变化无关。

以上仿真结果和分析表明了提出方法针对最小化核心网信令的宏基站选择的性能优越性。另一方面，从系统能量消耗的角度来看，提出方法二通过选取半数相邻宏基站的方式，一定程度上提高了宏基站总处理切换率，并降低了系统的能耗。而提出方法一的系统能耗相对较高，基站总处理切换率则相对更高，更好的降低核心网信令负载。