一种基于时延约束的C-RAN网络资源分配方法与流程

一种基于时延约束的c
‑
ran网络资源分配方法
技术领域
1.本发明属于无线通信技术领域，具体涉及一种基于时延约束的c
‑
ran网络资源分配方法。


背景技术：

2.近年来，智能终端应用和无线设备的指数式发展及多样化移动业务的需求急速增长，致使移动用户不再满足于简单的语音通信和普通的数据通信。然而，传统无线网络中的接入网在部署、运营和建设中存在各种问题，例如高能耗、潮汐效应等，这些问题会降低整个网络的服务水平和用户体验。因此未来无线通信的系统容量需要不断扩大，这样才能满足人们的要求，保证大量数据能够实时、准确、快速的传输。为了达到这一目的，通信系统需要在一些方面做出一定改善，使得对有限的频谱资源更加合理地进行划分利用，例如在频谱接入方面可以利用无线电技术的快速发展，使得接入方式更加灵活；在数据流方面可以通过使用多天线等技术手段，使得更多的线路能够进行并行传输；在功率资源方面，可以通过使用最优功率分配技术进行资源的重组优化。
3.为了应对上述挑战，具有集中化、协作化、云化、绿色化概念的新型无线接入网架构c
‑
ran应运而生。c
‑
ran是一种基于集中化处理，协作式无线电和实时云计算构架的绿色无线接入网构架，主要由分布式无线rrh(remote radio head，远端无线射频单元)、集中式bbu(building base band unite，基带处理单元)以及连接二者的高可靠前传网络三部分构成。bbu集中化形成bbu池，进行基带处理的任务，同时rrh拉远，只负责简易的信息收发工作，通过高可靠低时延高带宽的光传输网与bbu池进行数据切换。不论是c
‑
ran基本特点的实现还是未来无线接入网络各种要求的满足，都离不开对接入网络中各种资源的分配。通过对无线资源的分配可以降低网络功耗，减少干扰抑制，提升系统吞吐量，满足无线网络业务对处理能力的实时需求。
4.目前国内外学者对c
‑
ran架构下的资源管理研究尚处在初始阶段，主要研究可分为两个方面：一个是基于rrh的无线资源分配，另一个是基于bbu池的计算资源分配。tian b等人基于rrh发射功率、覆盖范围和毫米波最大传输距离这三个约束条件得到一个最优的rrh分配方案，提高了系统的能量效率。hburi i s等人基于rrh发射功率、rrh部署密度以及用户数量提出一种用户密集型的网络模型，提高了系统的能量。zhao w等人通过优化rrh功率和带宽选择、用户的业务需求、频谱效率来得到最优的rrh选择方案，减少了系统总功耗。但是，目前现有的c
‑
ran网络资源分配方法普遍存在资源分配效率较低的问题，导致负载失衡、呼叫阻塞事件增多和用户服务质量的下降。


技术实现要素：

5.为了解决现有技术中存在的上述问题，本发明提供了一种基于时延约束的c
‑
ran网络资源分配方法。本发明要解决的技术问题通过以下技术方案实现：
6.本发明提供了一种基于时延约束的c
‑
ran网络资源分配方法，包括：
7.s1：对c
‑
ran系统进行参数初始化，所述c
‑
ran系统包括多个基带处理单元、多个远端无线射频单元和多个用户设备；
8.s2：计算所述远端无线射频单元与所述用户设备之间的信干噪比和可达速率；
9.s3：根据c
‑
ran系统的qos约束要求，获取用户设备在传输队列中的能够等待的最大时延；
10.s4：根据c
‑
ran系统的qos约束要求，以最大化系统吞吐量为优化目标建立优化问题；
11.s5：对所述优化问题进行求解，更新系统吞吐量，完成c
‑
ran系统中的动态无线资源分配。
12.在本发明的一个实施例中，所述s1包括：
13.构建c
‑
ran系统，所述c
‑
ran系统包括一个含多个基带处理单元的bbu池、k个远端无线射频单元和m个用户设备组成，其中，所述c
‑
ran系统的带宽被分成n份，分配给每个独立的子载波，n＝{1,...,n}，k＝{1,...,k}，m＝{1,...,m}分别表示子载波、远端无线射频单元和用户设备的集合。
14.在本发明的一个实施例中，所述s3包括：
15.计算第m个用户设备连接第k个远端无线射频单元并使用第n个子载波时的信干噪比和可达速率
[0016][0017][0018]
其中，n0表示噪声功率谱密度，表示第m个用户设备连接第k个远端无线射频单元时使用第n个子载波时的信道增益，表示第m个用户设备连接第k个远端无线射频单元时使用第n个子载波时的传输功率，b0表示一个子载波的带宽。
[0019]
在本发明的一个实施例中，所述s3包括：
[0020]
s31：获得当第m个用户设备连接第k个远端无线射频单元时的平均等待时间t
rrh
(uem)：
[0021][0022]
其中，e[v
m
]表示用户设备m的信令交换剩余服务时间，方差为e[x
m
]表示用户设备m的信息传输剩余服务时间，方差为λ为数据到达率；
[0023]
s32：根据c
‑
ran系统qos约束要求，获得用户设备m在传输队列中的能够等待的最大时延
[0024][0025]
其中，t
rrh
(uem)表示第m个用户设备连接第k个远端无线射频单元时的平均等待时
间，t
bbu
(uem)表示用户设备m在基带处理单元处的等待时间。
[0026]
在本发明的一个实施例中，所述s4包括：
[0027]
s41：获得c
‑
ran系统的吞吐量之和r：
[0028][0029]
其中，表示第n个子载波分配给第m个用户设备和第k个远端无线射频单元的概率，表示用户设备m的可达速率；
[0030]
s42：获得在一个时隙中子载波分配应满足的条件：
[0031][0032]
s43：获得第m个用户设备对最小传输速率的要求条件：
[0033][0034]
s44：以最大化系统吞吐量为优化目标建立优化问题：
[0035][0036]
在本发明的一个实施例中，所述s5包括：
[0037]
s51：构建q个初代染色体，每个初代染色体包括远端无线射频单元选择、子载波分配和远端无线射频单元功率分配三部分；
[0038]
s52：获得适应度函数：
[0039][0040]
其中，m为正数，m+f(x)≥0；
[0041]
s53：进行选择操作；
[0042]
s54：进行交叉操作；
[0043]
s55：进行变异操作；
[0044]
s56：重复s52至s55，直到满足终止条件，选择当前代染色体中适应度值最高的染色体个体，其各部分的基因值即为使吞吐量最大的远端无线射频单元选择、子载波分配和远端无线射频单元功率分配。
[0045]
在本发明的一个实施例中，在步骤s51中，所述远端无线射频单元选择包含m个由整数串a构成的基因，基因中的每个元素均在{1,...,k}中随机选择的；所述子载波分配包含m个由整数串s构成的基因，每个元素均在{1,...,n}中随机选择的；所述远端无线射频单元功率分配包含m个由实数向量p构成的基因，基因中的每个元素随机分布于
[0046]
本发明的另一方面提供了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序用于执行上述实施例中任一项所述的基于时延约束的c
‑
ran网络资源分配方法的步骤。
[0047]
与现有技术相比，本发明的有益效果在于：
[0048]
1、本发明的基于时延约束的c
‑
ran网络资源分配方法在c
‑
ran网络下，以网络吞吐量最大化为优化目标，对系统的rrh选择、子载波分配、rrh发射功率分配进行优化，能够解决c
‑
ran网络的资源分配效率低下问题。联合优化rrh选择、子载波分配、rrh发射功率分配可提高用户服务质量，降低系统中断概率，同时提高了网络性能。
[0049]
2、本发明的方法研究了动态无线资源分配，考虑了系统的时延约束，将rrh选择、子载波分配、rrh发射功率分配作为遗传算法染色体的组成部分，并对遗传算法进行了改进，提高了系统的吞吐量。
[0050]
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
[0051]
图1是本发明实施例提供的一种基于时延约束的c
‑
ran网络资源分配方法的流程图；
[0052]
图2是本发明实施例提供的一种c
‑
ran系统的结构示意图；
[0053]
图3是一种基于时延约束的m/g/1型排队系统的示意图；
[0054]
图4是本发明实施例的方法在不同种群大小下网络吞吐量随演化代数变化的仿真示意图；
[0055]
图5是利用不同方法获得的系统吞吐量随rrh数量变化的仿真示意图；
[0056]
图6是利用不同方法获得的系统吞吐量随子载波数量变化的仿真示意图；
[0057]
图7是是利用不同方法获得的系统吞吐量随rrh发射功率变化的仿真示意图。
具体实施方式
[0058]
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种基于时延约束的c
‑
ran网络资源分配方法进行详细说明。
[0059]
有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之
用，并非用来对本发明的技术方案加以限制。
[0060]
应当说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
[0061]
实施例一
[0062]
请参见图1，图1是本发明实施例提供的一种基于时延约束的c
‑
ran网络资源分配方法的流程图。本实施例的c
‑
ran网络资源分配方法包括：
[0063]
s1：对c
‑
ran系统进行参数初始化，所述c
‑
ran系统包括多个基带处理单元、多个远端无线射频单元和多个用户设备。
[0064]
具体地，请参见图2，图2是本发明实施例提供的一种c
‑
ran系统的结构示意图。具体地，构建一个c
‑
ran系统，该c
‑
ran系统包括一个含多个bbu(基带处理单元)的bbu池、k个rrh(远端无线射频单元)和m个ue(user equipment，用户设备)，其中，系统的带宽被分成n份，分配给每个独立的子载波，n＝{1,...,n}，k＝{1,...,k}，m＝{1,...,m}分别表示子载波、rrh和ue的集合。
[0065]
s2：计算所述rrh与所述ue之间的信干噪比和可达速率。
[0066]
具体地，计算第m个ue连接第k个rrh并使用第n个子载波时的信干噪比和可达速率
[0067][0068][0069]
其中，n0表示噪声功率谱密度，表示第m个ue连接第k个rrh时使用第n个子载波时的信道增益，表示第m个ue连接第k个rrh时使用第n个子载波时的传输功率，b0表示一个子载波的带宽。
[0070]
s3：根据c
‑
ran系统qos(服务质量)约束要求，获取用户设备在传输队列中的能够等待的最大时延。
[0071]
根据c
‑
ran系统qos约束的前提要求，求出用户设备m在传输队列中的能够等待的最大时延
[0072][0073]
其中，t
rrh
(uem)表示第m个用户设备连接第k个rrh时的平均等待时间，t
bbu
(uem)表示用户设备m在bbu处的等待时间。在本实施例中，将bbu处的等待时间设为统一的定值。
[0074]
具体地，请参见图3，图3为基于时延约束的m/g/1型排队系统，图中阴影部分表示rrh进行信令交换的剩余服务时间，其余部分是信息传输剩余服务时间。在计算用户设备m
在传输队列中的能够等待的最大时延之前，还包括：
[0075]
获得当第m个用户设备连接第k个rrh时的平均等待时间t
rrh
(uem)，计算公式为：
[0076][0077]
其中，e[v
m
]表示用户设备m的信令交换剩余服务时间，方差为e[x
m
]表示用户设备m的信息传输剩余服务时间，方差为λ为数据到达率。
[0078]
s4：根据qos约束要求，以最大化系统吞吐量为优化目标建立优化问题；
[0079]
具体地，步骤s4包括：
[0080]
s41：获得该c
‑
ran系统的吞吐量之和r，计算公式为：
[0081][0082]
其中，表示第n个子载波分配给第m个用户设备和第k个rrh的概率，其可行域公式为：当时，表示第m个用户设备通过连接第k个rrh分配到第n个子载波，否则不分配，表示用户设备m的可达速率。
[0083]
s42：获得在一个时隙τ中子载波分配应满足的条件：
[0084][0085]
s43：获得第m个用户设备对最小传输速率的要求条件：
[0086][0087]
s44：以最大化系统吞吐量为优化目标建立优化问题：
[0088][0089]
s5：运用改进的遗传算法对优化问题进行求解，更新系统吞吐量，完成c
‑
ran网络中的动态无线资源分配。
[0090]
具体地，步骤s5包括：
[0091]
s51：产生q个亲代染色体，其中，q为种群规模，每个染色体由三部分构成，包括rrh选择、子载波分配和rrh功率分配，rrh选择部分包含m个由整数串a构成的基因，基因中的每个元素都是在{1,...,k}中随机选择的，子载波分配部分包含m个由整数串s构成的基因，每个元素都是在{1,...,n}中随机选择的，rrh功率分配部分包含m个由实数向量p构成的基因，基因中的每个元素随机分布于
[0092]
s52：获得所述遗传算法的适应度函数，公式为：
[0093][0094]
其中，m为一个很大的正数，m+f(x)≥0。
[0095]
s53：进行选择操作：
[0096]
首先采用保留最佳个体算子，使得包含优良基因且适应度值排名前5％的个体被保留，让其直接演化到下一代；其次采用轮盘赌算子，将其余适应度相对较高的个体通过轮盘赌进行选择，随后将它们复制并随机与两个亲本染色体进行之后的操作。具体地，将剩余的个体按照适应度值进行从大到小排序，相对较高的范围指排名前1/3的个体。
[0097]
该过程可直接减少拥有优良基因的劣势个体被淘汰的概率，使种群能够更加适应生存环境。
[0098]
这里的优良基因是使系统吞吐量变大的某种rrh选择方法、某个子载波分配和某个rrh分配功率。
[0099]
s54：进行交叉操作：
[0100]
首先对rrh选择和子载波分配提出多点简单交叉算子。具体地，首先产生一个长度为2m的屏蔽字，其中每个元素由等概率的0和1构成，前m个元素对应rrh选择，第m+1到第2m个元素对应子载波分配。当元素值为1时，相对应的两个染色体的基因以交叉概率pc进行交叉，当元素值为0时保持不变。
[0101]
对于功率分配提出多点非均匀算数交叉算子。具体地，首先产生一个长度为m的屏蔽字，其中每个元素由等概率的0和1组成并分别对应功率分配的每一个基因。当元素值为1时，两个相对应点的父代基因值以交叉概率p
c
进行交叉得到新的子代基因，当元素值为0时保持不变。
[0102]
获得该交叉算子产生新的子代染色体，公式为：
[0103]
childx
′
i
＝r
×
parentx
i
+(1
‑
r)
×
parenty
i
[0104]
childy
′
i
＝r
×
parenty
i
+(1
‑
r)
×
parentx
i
[0105]
其中，r为[0,1]之内的均匀随机数，x
i
和y
i
表示不同的分配情况。具体地，假设系统中有2个用户设备，rrh的发射功率分配给这2个用户设备，可以有n种分配情况，x
i
和y
i
表示两种不同的分配情况。
[0106]
s55：进行变异操作：
[0107]
对于rrh选择部分和子载波分配部分，首先设置一个2
×
1的屏蔽字，其由等概率的1和0产生并且分别对应rrh选择和子载波分配，元素值为1时，随机选择2个基因值以变异概
率pm＝0.001进行变异，否则不变。
[0108]
对于功率分配部分，首先将当前种群中的所有基因按照适应度大小排序，然后只对适应度较低的基因以变异概率pm＝0.001进行变异。这里所述的适应度较低的基因是指适应度值排名后2/3的个体。
[0109]
获得该变异算子产生的新子代染色体，公式为：
[0110][0111]
其中，r为[0,1]之内的均匀随机数，表示演化到目前为止种群应度值最高的染色体基因值。
[0112]
s56：进行循环操作：
[0113]
重复s52至s55，直到满足终止条件，选择当前代中适应度值最高的染色体个体，其各部分的基因值即为使吞吐量最大的rrh选择、子载波分配和rrh功率分配。
[0114]
在本实施例中，在遗传算法开始会设置种群的最大进化代数，例如设置种群的最大进化代数为100代，首先从第一代开始进化，进行选择、交叉、变异等操作，获得第二代，第二代再进行进化，依次类推，直到进化到100代时，算法终止。
[0115]
接着，对本发明实施例的基于时延约束的c
‑
ran网络资源分配方法仿真分析。仿真中子载波带宽为10hz，rrh最大发射功率为6w，信道增益为128.1+37.6log10(d)，高斯白噪声功率谱密度为
‑
83.98dbm，最小传输速率为1bit/s，rrh服务半径为200m，rrh数量为30个，子载波数量为40个，用户设备数量为50个。请参见图4，图4是本发明实施例的方法在不同种群大小下网络吞吐量随演化代数变化的仿真示意图。从图4中可以看出，在种群规模不变的情况下，吞吐量随着演化代数的增加而逐渐增大，这是由于演化代数越多，与前一代种群相比，后一代种群的优良个体总是更加容易生存，进而增加系统吞吐量。在演化代数固定时，吞吐量随着种群数量的增加而增加，这是由于种群数量越大，优良个体的数量就越多，所求次优解就越接近于最优解。同时，不论种群规模如何变化，当种群演化到g＝200时，吞吐量基本趋于稳定，表明算法具有很好的稳定性。因此，在后续的仿真中，我们设置最大演化代数g＝300，种群规模q＝200。
[0116]
请参见图5，图5是利用不同方法获得的系统吞吐量随rrh数量变化的仿真示意图。随着rrh数量的增加，系统吞吐量也在大幅增加，这是由于当安置更多rrh时，rrh将分别与bbu和用户设备端进行更多的信息交互，提高系统的吞吐量。在rrh数量较大时，本实施例所提方法达到的系统吞吐量高于传统的遗传算法和启发式算法，且后者对信道增益与路网状况要求较高，在实际情况中难以达到其实验值。其中，启发式算法的大致过程是：在计算每个rrh的吞吐量时，将信干噪比和rrh到用户设备的距离也考虑在内，然后，将它们用k维多选择背包问题来解决，形成rrh聚类，使吞吐量最大化。
[0117]
请参见图6，图6是利用不同方法获得的系统吞吐量随子载波数量变化的仿真示意图。可以看出，子载波数量一定时，本实施例所提方法明显比已有算法更能使系统吞吐量增大。子载波数量较少时，系统吞吐量与子载波数量呈正相关。这是由于，子载波数量的增加，提高了系统传输速率和频谱资源分配的灵活度，使得传输质量增加，因此吞吐量增大。当子载波超过一定数量时，系统吞吐量将逐渐趋于平稳。这是因为rrh可传递的信息容量有限，无法利用剩余的子载波和用户设备进行信息交互，因此吞吐量不再增大。
[0118]
请参见图7，图7是是利用不同方法获得的系统吞吐量随rrh发射功率变化的仿真示意图。rrh发射功率较低时，系统吞吐量随rrh发射功率的增加而增加，而当rrh发射功率继续增加时，系统会接入更多的可服务用户设备，使得部分rrh处于超负荷状态，会增大用户设备队列的等待时延，降低传输速率，因此系统吞吐量减小。
[0119]
本实施例的基于时延约束的c
‑
ran网络资源分配方法在c
‑
ran网络下，以网络吞吐量最大化为优化目标，对系统的rrh选择、子载波分配、rrh发射功率分配进行优化，能够解决c
‑
ran网络的资源分配效率低下问题。联合优化rrh选择、子载波分配、rrh发射功率分配可提高用户服务质量，降低系统中断概率，同时提高了网络性能。此外，该方法研究了动态无线资源分配，考虑了系统的时延约束，将rrh选择、子载波分配、rrh发射功率分配作为遗传算法染色体的组成部分，并对遗传算法进行了改进，提高了系统的吞吐量。
[0120]
本发明的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序用于执行上述实施例中c
‑
ran网络资源分配方法的步骤。本发明的再一方面提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时实现如上述实施例所述方法的步骤。具体地，上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0121]
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。