一种网络用户关联和资源分配的联合优化方法与流程

本发明涉及无线通信技术领域，更具体的，涉及一种网络用户关联和资源分配的联合优化方法。

背景技术：

随着无线通信业务种类和业务需求的日益增多，lte/lte-advanced(以下统称lte)授权频谱逐渐成为稀缺资源。针对此种现状，人们在致力于提高授权频谱利用率的同时，开始逐渐探索免授权频谱的合理使用。免授权频谱是指不需要得到监管部门的许可就可以直接使用的频谱，目前得到商用的主要有2.4ghz的工业、科学和医疗(industrial，scientificandmedical，ism)频段，以及5ghz的免授权国家信息基础设施(unlicensednationalinformationinfrastructure，u-nii)频段。其中5ghz频段主要供wi-fi设备使用，拥堵较少，成为免授权lte(unlicensedlte，u-lte)部署的主要频段。为确保与wi-fi系统的公平友好共存，第三代合作伙伴计划(3rdgenerationpartnerproject，3gpp)在release13中提出了laa技术^[1]3gpp,“technicalspecificationgroupradioaccessnetwork,studyonlicensed-assistedaccesstounlicensedspectrum(release13),”tr36.889,jun.2015，为lte在免授权频段的部署提供了统一架构和技术规范。

受5ghz频段通信距离限制，laa通常适用于小基站(smallcellbasestation，sbs)部署。此外，laa基于载波聚合(carrieraggregation，ca)技术，将使用免授权频段的辅小区(secondarycell，scell)和使用授权频段的主小区(primarycell，pcell)聚合在一起，以保证信令信息以及高优先级业务的可靠传输。进而在有限覆盖范围内部署多个基站，成为laa的一种典型应用场景^[1]3gpp,“technicalspecificationgroupradioaccessnetwork,studyonlicensed-assistedaccesstounlicensedspectrum(release13),”tr36.889,jun.2015。在该场景下，合理设计用户关联和资源分配机制，不仅可以提高laa网络使用效率，而且能够抑制其对wi-fi等共存设备造成的干扰，从而为u-lte在免授权频段公平、高效的应用提供重要技术保证。

鉴于此，文献^[2]r.liu,q.chen,andg.yu,“jointuserassociationandresourceallocationforunlicensedltesystems,”in2018ieeeinternationalconferenceoncommunications(icc),jul.2018,pp.1-6提出了一种u-lte系统吞吐量最大化的用户关联机制，但未能综合考虑资源分配带来的系统性能提升。对此，结合功率资源的最优化设计，文献^[3]m.ali,a.qaisar,m.naeem,ands.mumtaz,“jointuserassociationandpowerallocationforlicensedandunlicensedspectrumin5gnetworks,”in2017ieeeglobalcommunicationsconference(globecom),dec.2017,pp.1-6给出了一种用户关联和功率分配的联合优化方案；综合考虑功率和频谱资源，文献^[4]j.tan,s.xiao,s.han,y.liang,andv.c.m.leung,“qos-awareuserassociationandresourceallocationinlaa-lte/wificoexistencesystems,”ieeetransactionsonwirelesscommunications,vol.15,no.4,mar.2019,pp.2415–2430.给出了一种满足系统吞吐量和时延要求的用户关联和资源分配方案。然而，现有方案的设计都是基于满缓冲器的假设来实现的，并不适用于现实情况中数据包突发性到达的场景。

当数据包突发性到达时，队列时延(queueingdelay)成为一项重要考核指标。不同于以专有方式独享信道的lte传输，laa一般建议采用先听后说(listen-before-talk，lbt)的传输机制，当有数据需要传输时，需要通过空闲信道评估(clearchannelassessment，cca)判断当前信道是否可以接入。因此，在laa的队列时延分析中需要考虑信道接入时延(channelaccessdelay)所带来的影响。信道接入时延与wi-fi负载情况有关，在负载较高的频段，由于laa传输机会相应减少，使用现有的用户关联和资源分配机制，短期内laa用户得到的传输速率或许较高，但是长期来看，系统可能无法满足其队列时延要求。因此，结合数据包突发性到达情况下的队列时延要求，建立用户关联和资源分配机制，是适应laa网络实际应用场景的一种普遍需求。

技术实现要素：

本发明针对现有技术无法满足laa网络数据包突发到达场景下时延要求的现状的问题，提供一种网络用户关联和资源分配的联合优化方法，其以最大化系统可服务用户数，同时最小化总功耗为优化目标，能够满足平均队列时延要求。

为实现上述本发明目的，采用的技术方案如下：一种网络用户关联和资源分配的联合优化方法，所述的联合优化方法包括以下步骤：

s1：基于休假队列理论建立时延模型，将时延转换为数据传输速率，利用数据传输速率进行laa网络平均队列延时约束；

s2：考虑资源分配，基于香农公式求基站中基站用户的子载波k上的传输速率，并结合laa网络平均队列延时约束，得到子载波k上的传输速率约束；

s3：基于步骤s2得到的子载波k上的传输速率约束，将laa网络juara优化问题规划为两个子问题，分别用p1和p2表示；其中p1主要关注用户和基站的关联问题，实现系统服务用户数的最大化；p2着重处理资源分配问题，针对每个小基站实现发射功率的最小化；

s4：将问题p2转化为用户关联和资源分配联合优化问题p3，基于迭代重加权最小化的并行优化方法，引入额外的最小化问题并与问题p3合并得到问题p4，并求解；

s5：通过用户关联缩减策略，从当前的关联用户中逐渐剔除违反约束条件的解，并重新求解问题p4，重复该过程直至用户关联和资源分配结果满足优化问题p1的所有约束条件。

本发明的有益效果如下：

本方法基于休假队列理论建立时延模型，在此模型基础上构造用户关联和资源分配联合优化问题，进而提出了一种基于迭代重加权最小化的并行优化方法。相比现有文献中的方案，在数据包突发性到达场景下，系统能够承载更多的满足队列时延要求的用户，具备较高的用户容量；同时，系统总功耗相对较小，适应免授权频段发射功率受限的技术要求；进一步地，并行方法的使用可以使多个小基站相互协调，进一步实现网络性能最优化。

附图说明

图1是实施例1所述的联合优化方法的流程图。

图2是实施例1基于时延考虑的laa网络系统模型。

图3是实施例1满足时延要求的laa网络用户关联和资源分配联合方法流程图。

图4是实施例1不同优化方法下的功耗随tmax的变化图。

图5是实施例1不同优化方法下的服务用户数随tmax的变化图。

具体实施方式

下面结合附图和具体实施方式对本发明做详细描述。

实施例1

如图1所示，一种网络用户关联和资源分配的联合优化方法，所述的联合优化方法包括以下步骤：

s1：基于休假队列理论建立时延模型，将时延转换为数据传输速率，利用数据传输速率进行laa网络平均队列延时约束；

s2：考虑资源分配，基于香农公式求基站中基站用户的子载波k上的传输速率，并结合laa网络平均队列延时约束，得到子载波k上的传输速率约束；

s3：基于步骤s2得到的子载波k上的传输速率约束，将laa网络juara优化问题规划为两个子问题，分别用p1和p2表示；其中p1主要关注用户和基站的关联问题，实现系统服务用户数的最大化；p2着重处理资源分配问题，针对每个小基站实现发射功率的最小化；

s4：将问题p2转化为用户关联和资源分配联合优化问题p3，基于迭代重加权最小化的并行优化方法，引入额外的最小化问题并与问题p3合并得到问题p4，并求解；

s5：通过用户关联缩减策略，从当前的关联用户中逐渐剔除违反约束条件的解，并重新求解问题p4，重复该过程直至用户关联和资源分配结果满足优化问题p1的所有约束条件。

在一个具体的实施例中，考虑如图2所示的laa网络下行通信场景，在同一运营商部署下，系统中包括m个小基站sbs和n个sbs用户(sbsuserequipment，sue)，分别用m和n代表其索引。基于一定的载波选择机制，sbsm部署在免授权频段的某个载波上，每载波包含k个子载波，子载波索引用k表示，鉴于免授权频段频谱资源丰富，通常有k≥n。

m个sbs通过有线链路与宏站相连，因此可以根据链路服务质量及用户时延要求互相协调，实现网络性能最优化。为了体现时延对系统性能的影响，以下基于休假队列理论建立时延模型，进而通过将时延转换为数据传输速率，然后利用数据传输速率来衡量laa网络平均队列时延。

本实施例以lte网络sbs和5ghz频段wi-fi网络进行详细说明。

在sbsm对应的载波上，假设wi-fi接入点在该载波上为um个wi-fi用户提供服务。wi-fi用户以分布式方式接入免授权频段，为减少用户之间的碰撞，wi-fi系统采用二值指数退避机制，即当发生碰撞时，退避窗大小增加一倍，从而降低下一次发生碰撞的概率。为确保公平共存，laa网络同样采用二值指数退避，即第4类lbt机制。

s101：在二值指数退避机制下，laa网络和wi-fi的数据发送概率分别为：

其中，i^la和i^wifi为最大重传次数，和表示在第i个退避阶段的竞争窗大小，w^laa和w^wifi是初始竞争窗大小，j^laa和j^wifi为最大退避阶段，和分别为laa和wi-fi的碰撞概率，基于公式(1)可以描述为

公式(1)和(2)中的四个未知量可以通过联立方程组进行求解。

s102：基于和的结果，计算得到laa在免授权信道上的成功传输概率ηm，如下

其中，um表示载波上通信网络用户的数量；

s103：当获得一次成功传输时，laa的信道占用时间为t^laa，相应地，对应一次成功传输，laa保持空闲的时间为

s104：基于休假队列理论中的m/m/1非空竭服务单休假模型，假设数据包呈泊松到达，并将vm看做服务台的一段休假时间，进而给出laa系统的平均队列时延

其中，λn是suen上的数据包到达速率(单位：包/秒)，rm,n为通过sbsm为suen提供服务的包传输速率(单位：包/秒)，考虑平稳队列场景，有rm,n＞λn，因此max(rm,n-λn,0)＝rm,n-λn。

s105：令tmax为系统允许的最大平均队列时延，存在时延约束条件dm≤tmax，结合公式(5)可转换为对传输速率的约束，即

s106：将(3)、(4)代入(6)，得到

通过公式(7)，laa网络中的平均队列时延约束可以使用传输速率进行描述，进而增加了时延的可分析性，为用户关联和资源分配联合优化提供了便利条件。

在一个具体的实施例中，公式(7)是针对整个载波的速率约束，考虑资源分配，定义sbsm中suen的子载波k上的传输速率为rm,k,n，基于香农公式有

其中，pm,k,n为发射功率，gm,k,n表示路损和信道衰落带来的功率增益，b和σ²分别为子载波带宽和噪声功率，l代表数据包大小。

定义：

并将(8)代入公式(7)，有

式(10)是子载波k上的传输速率约束。

在一个具体的实施例中，laa网络juara优化问题可以规划为两个子问题，分别用p1和p2表示。其中p1主要关注用户和基站的关联问题，实现系统服务用户数的最大化；p2着重处理资源分配问题，针对每个sbs实现发射功率的最小化。下面详细介绍本实施例提出的p1和p2两个问题的解决方案。

定义βm,n∈{0,1}为用户关联指示因子，βm,n＝1表示suen与sbsm相关联，βm,n＝0表示不关联，p1规划为

其中ptot和pmax分别为sbs总功率和子载波最大功率，c1和c2分别表示确保时延(传输速率)要求的用户关联机制以及每个sue最多只与1个sbs相关联，c3反映用户关联对功率的影响，当βm,n＝0时，有pm,k,n＝0,在此功率影响下，每sbs的总功率受c4约束。

问题p1的求解可以通过在每sbs上最大化可服务用户数来实现，由于sbs功率受限(c4)，这里考虑一个当所有给定用户时延(传输速率)要求都得到满足时，所需的最小功率问题，即问题p2，可以描述为

p2:对于任意给定m

其中θm表示与sbsm相关联的给定用户集合，初始定义为θm＝{1,...,n}。αm,k,n为子载波分配指示因子，αm,k,n＝1表示子载波k被分配给suen使用，αm,k,n＝0表示不分配。p1中，c1′和c3′分别为用户关联对队列时延(传输速率)的要求和对功率的影响，与p1中的c1和c3有关；c5和c6表示子载波分配的二值特性以及每个子载波仅供1个sue使用；c7反映资源分配对功率的影响，当αm,k,n＝0时，有pm,k,n＝0。

在一个具体的实施例中，根据以上可以看到，p1和p2均为混合整数非线性规划(mixedintegernonlinearprogramming，minlp)问题，不易求解。考虑到两个子问题存在相关性，本实施例首先将问题p2转化为用户关联和资源分配联合(juara)优化问题，进而提出一种基于迭代重加权最小化irm的并行优化方法，考虑在问题p2中同时实现服务用户数最多和功耗最小，有如下联合优化问题

p3:对于任意给定m

其中，常数δn≥rm,n，联合优化权重因子ρ∈[0,1]。考虑到用户数最大化这一优化目标具有较高优先级，这里ρ取一个较小值。值得注意的是，这里通过c1″对p1中c1和p2中c1′进行近似转换，实现对二值整数变量βm,n的松弛。

对于整数变量αm,k,n，采用irm方法进行松弛。该方法需要引入一个额外的最小化问题，所述的最小化问题如下：

其中，αm,k,n满足p3中的c5、c6当且仅当αm,k,n是这个最小化问题的解，ωm,k,n为迭代重加权系数；

令迭代次数κ＝0，迭代重加权最小化方法需要给定初始值利用该值计算(14)的解然后，根据更新加权系数并重复上述过程直至算法收敛，其中μ∈(0,1)，ε≥0。

将问题(14)与p3合并，有

p4:对于任意给定m

其中γ＞0为子载波分配权重因子，注意到(14)中的c5′隐含在c7中。可以看到，p4具备规范的凸优化(disciplinedconvexprogramming，dcp)形式，可以使用cvx工具箱进行求解。

在一个具体的实施例中，鉴于基于irm的并行优化方法得到的结果中可能存在违反p1约束条件的解，本实施例给出两种缩减策略，采用逐渐缩减的方法逼近p1最优解。

根据使用cvx工具箱进行求解得到问题p4的解，下面基于该结果求解p1。用表示问题p4的解，可以计算sbsm的总发射功率为由于缺少约束，这个值可能大于ptot，即不满足问题p1中的限制条件c4。此外，由于采用基于irm的并行处理方式在每sbs上分别实现服务用户数的最大化，系统中可能存在一个sue与多个sbs相关联的情况，即不满足p1中的限制条件c2。

针对上述情况，本实施例给出两种用户关联缩减策略，采用逐渐缩减的方法逼近p1的最优解。两种策略分别如下：

策略一：在sbs上，为相应的关联用户候选集合，当通过p2得到的发射功率大于ptot时，从中选择一个效用最低的关联用户sue将其索引从中排除，即

其中，通过将代入公式(8)求得。

策略二：对于sue当其与多个sbs相关联时，从中选择一个效用最低的sbs将其sue索引从中排除，即

其中，通过将代入公式(8)求得。

基于以上两个策略，从当前的关联用户中逐步剔除违反约束条件c2、c4的解，并重新求解问题p4，重复该过程直至用户关联和资源分配结果满足优化问题p1的所有约束条件。

根据以上过程，图3给出了本发明满足时延要求的laa网络用户关联和资源分配联合方法流程图。

为了更充分地阐述本实施例所具有的有益效果，以下结合相关的仿真结果及分析，进一步对本实施例的有效性和先进性予以说明。

仿真基于matlab平台实现，在laa网络覆盖范围内部署2个sbs和10个sue，其中sbs间距为100m，sue均匀分布在距离2个sbs连线中点50m范围内。未授权频段载波带宽20mhz，包含10个子载波，每个载波上都存在活跃的wi-fi用户。其他的仿真参数依据背景技术中的文献^[1]设置，并在表1中给出。

表1.基于时延考虑的laa网络仿真参数

为提供较好的资源分配性能，irm算法中的ε采用自适应更新，取初始值为ε^[0]＝1×10^-4，有其中为中第二大的数，同时，在加权系数中，令μ＝0.8。

对应不同的时延约束，图4、图5给出了系统总功耗和可服务用户数的性能曲线。其中对比方法一(method1)采用背景技术中的文献[4]中的方法，利用对偶分解求解资源分配子问题p2，然后通过逐渐缩减方法求解p1；对比方法二(method2)采用j.lin,y.li,andq.peng,“agreencellularnetworkwithmaximumusernumberbasedonjointbasestationassignmentandpowerallocation,”2013internationalconferenceoncommunications,circuitsandsystems(icccas),nov.2013,pp.5-9.中的方法，先基于效用函数实现用户关联，然后在每sbs上实现资源分配最优化。图4、图5中，当tmax小于0.25时，随着时延约束的放松，系统逐渐能容纳更多的sue，相应地，系统功耗随用户数的增加而增加；当tmax大于0.25时，受总功率ptot限制，系统容纳用户数逐渐趋于饱和，此时功耗随着时延约束的放松而逐渐减少。可以看到，相比于两种对比方法，本实施例提出的方法可以实现功耗和用户数的联合最优。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。