基于个性化多粒度无级图染色的无线资源管理方法

1.本发明涉及通信资源管理技术领域，特别涉及一种基于个性化多粒度无级图染色的无线资源管理方法。


背景技术：

2.相关技术中，随着无线通信技术的发展，有限的无线资源与日益增加的资源需求之间的矛盾逐渐凸显；海量的用户设备对频谱资源，空间资源，时间资源等需求越来越多，但是总的资源量是有限的；同时，不同的用户设备存在不同的服务需求，其对资源的需求也不同；比如，自动驾驶汽车、工业自动化和触觉互联网等应用需要超可靠低时延超可靠低时延通信(ultra-reliable and low-latency communications,urllc)服务，其对通信响应的及时性以及通信的稳定性要求很高；超高清视频、虚拟现实、增强现实等属于增强移动宽带enhanced mobile broadband(embb)服务，其更加关注一段时间内的持续大带宽带来的高速通信速率；因此，在多种服务需求并存时，如何协调不同服务类型用户的无线资源分配，同时满足各种类型用户的个性化服务质量(quality of service，qos)的要求，是一个亟需解决的问题。
3.资源复用是一种有效缓解资源紧缺的方法；然而，多种资源的同时复用会引入干扰，同而对通信过程产生消极影响；比如，当不同的用户均使用了相同的频谱资源、空间资源和时间资源，用户之间将会产生通信干扰，降低用户的通信速率和通信可靠性；同时，面对不同服务需求的用户，如果采用相同的资源分配策略，将无法兼顾不同用户特殊的资源需求，难以实现个性化的资源分配，无法满足用户的个性化服务质量需求。


技术实现要素：

4.本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种基于个性化多粒度无级图染色的无线资源管理方法，可以降低系统干扰，从而提高资源利用率。
5.为达到上述目的，本发明第一方面实施例提出了一种基于个性化多粒度无级图染色的无线资源管理方法，包括以下步骤：建立多址融合资源管理模型，其中，所述多址融合资源管理模型包括多种无线资源复用类型；获取用户设备之间的无线资源的潜在干扰关系，并根据所述潜在干扰关系和所述多址融合资源管理模型获取所述用户设备之间的潜在干扰值，以便以所述用户设备为顶点，所述用户设备之间的潜在干扰值为边的权重，建立无向干扰图；根据所述无向干扰图对所述顶点进行干扰隔离，以便将所述顶点映射到对应的染色轴上，并根据所述顶点在所述染色轴的位置对应的rgb色值对所述顶点进行染色；基于多粒度聚类算法对经过隔离染色后的顶点分簇，以不同的宽容度将染色轴上的顶点划入多个干扰耐受间隔，以便同一个干扰耐受间隔中的用户设备可以复用相同的无线资源。
6.根据本发明实施例的基于个性化多粒度无级图染色的无线资源管理方法，首先，建立多址融合资源管理模型，其中，多址融合资源管理模型包括多种无线资源复用类型；然
后，获取用户设备之间的无线资源的潜在干扰关系，并根据潜在干扰关系和多址融合资源管理模型获取用户设备之间的潜在干扰值，以便以用户设备为顶点，用户设备之间的潜在干扰值为边的权重，建立无向干扰图；接着，根据无向干扰图对所述顶点进行干扰隔离，以便将顶点映射到对应的染色轴上，并根据顶点在染色轴的位置对应的rgb色值对顶点进行染色；最后，基于多粒度聚类算法对经过隔离染色后的顶点分簇，以不同的宽容度将染色轴上的顶点划入多个干扰耐受间隔，以便同一个干扰耐受间隔中的用户设备可以复用相同的无线资源；由此，可以降低系统干扰，从而提高资源利用率。
7.另外，根据本发明上述实施例提出的基于个性化多粒度无级图染色的无线资源管理方法还可以具有如下附加的技术特征：
8.可选地，所述无线资源包括时间资源、空间资源和频率资源，所述多种无线资源复用类型包括无多类型复用、完全差异化复用、非完全差异化复用和完全复用，其中，三个无线资源均不相交为无多类型复用，三个无线资源中存在一个任意的两两相交为完全差异化复用，三个无线资源中均两两相交但未完全重叠为非完全差异化复用，三个无线资源完全重叠为完全复用。
9.可选地，获取用户设备之间的无线资源的潜在干扰关系，并根据所述潜在干扰关系和所述多址融合资源管理模型获取所述用户设备之间的潜在干扰值，包括：获取用户设备之间的无线资源中的非人为可控且干扰相关资源和人为可控且干扰相关资源，以便给用户设备分配相同的人为可控且干扰相关资源，以得到所述用户设备之间的无线资源中的非人为可控且干扰相关资源对应的潜在干扰值。
10.可选地，根据以下公式计算所述潜在干扰值：
[0011][0012][0013][0014][0015][0016]
其中，是路侧单元rk∈r与用户uj通过毫米波波束进行下行通信时，用户设备ui接收到路侧单元rk发射的信号强度；是路侧单元rk的发射功率；是路侧单元rk在用户设备ui方向的发射天线增益；是用户设备ui的接收天线增益，l
ik
是信号从路侧单元rk到用户设备ui的功率损耗；gm是路侧单元rk发射天线的主瓣中心增益；θ
i,k,j
是用户设备ui与用户设备uj关于路侧单元rk的夹角；θ-3db
是半功率波束宽度；am是最大损耗；θm是路侧单元rk发射天线的主瓣宽度；g0是路侧单元rk发射天线的旁瓣增益；sinr
i,k,j
是伪信干噪比，用于量化用户设备uj关于路侧单元rk对用户设备ui的潜在干扰权重；ri表示用户设备ui可连接的路侧单元簇，如果ui位于路侧单元的覆盖范围内，则该路侧单元就属于ui的路侧单元簇；rk′
∈ri|k
′
≠k表示ui的路侧单元簇ri中除路侧单元rk之外的其他路侧单元；σ2表示环境热噪声强度；w
′
j,i
是用户设备uj对用户设备ui造成的潜在干扰值；w
′
i,j
是用户设备ui对用户设备uj的潜在干扰值；r
i,j
＝ri∩rj是用户设备ui和用户设备uj的路侧单元簇的交集。
[0017]
可选地，以便以所述用户设备为顶点，所述用户设备之间的潜在干扰值为边的权重，建立无向干扰图，包括：以第一用户设备作为第一顶点，第二用户设备作为第二顶点，第一用户设备与第二用户设备之间的潜在干扰值作为第一顶点到第二顶点之间有向边的权值，第二用户设备与第一用户设备之间的潜在干扰值作为第二顶点到第一顶点之间有向边的权值，建立有向干扰图模型；选取第一顶点到第二顶点之间有向边的权值和第二顶点到第一顶点之间有向边的权值之间的较大者，并对所述较大者进行归一化后得到第一顶点到第二顶点之间边的权值；对每个顶点所关联边的权值求和以得到顶点的权重，以便将所述有向干扰图模型转化为无向干扰图模型。
[0018]
可选地，无向干扰图模型表示为g＝(v,i,e,w,d)，其中，w＝{w
1,1
,...,w
1,s
,w
22
,...,w
2,s
,...,w
s,s
}是所有顶点之间边的权值集合，w
ii
＝0|1≤i≤s；d＝{d1,d2,...,ds}是所有顶点的权重集，按照权重大小降序对顶点下标重新编号得到干扰权重降序顶点集v＝{v1,v2,...,vs}，并满足di≥dj；是时刻t所有用户设备的服务请求标识集合，将其转换为干扰权重降序顶点集所对应的顶点类型标识集合其中表示顶点vs代表的用户设备的服务请求标识是urllc服务，表示顶点vs代表的用户设备的服务请求标识是embb服务。
[0019]
可选地，根据所述无向干扰图对所述顶点进行干扰隔离，以便将所述顶点映射到对应的染色轴上，包括：获取染色轴，所述染色轴包括两个染色半轴；根据所述无向干扰图中的干扰权重降序顶点集和所述无向干扰图中的顶点类型标识集合，对所述顶点进行干扰隔离，以便将所述顶点映射到对应的染色轴上；其中，按干扰权重降序顶点集的排序对顶点进行干扰隔离，且顶点间边的权值越大，对应的顶点之间在染色轴上相隔的距离越远，同时，不同服务类型的顶点位于不同的染色半轴。
[0020]
可选地，所述干扰耐受间隔分布在染色轴上，同一个干扰耐受间隔中的用户设备可以复用相同的无线资源。
[0021]
可选地，所述染色轴上的干扰耐受间隔的数量越多，对干扰的宽容度越低，干扰隔离越彻底，需要的人为可控且干扰相关资源更多；干扰耐受间隔的数量越少，对干扰的宽容度越高，干扰隔离越不彻底，需要的人为可控且干扰相关资源更少。
[0022]
可选地，所述多粒度聚类算法为k-means聚类算法。
附图说明
[0023]
图1为根据本发明实施例的基于个性化多粒度无级图染色的无线资源管理方法的流程示意图；
[0024]
图2为根据本发明实施例的多址融合资源管理模型的示意图；
[0025]
图3为根据本发明实施例的多服务共存通信示意图；
[0026]
图4为根据本发明实施例的用户潜在干扰估值法示意图；
[0027]
图5为根据本发明实施例的有向干扰图到无向干扰图的转换示意图；
[0028]
图6为根据本发明实施例的rgb染色条及染色半轴示意图；
[0029]
图7为根据本发明实施例的隔离区间及对染色轴的映射示意图；
[0030]
图8为根据本发明实施例的基于无极图染色的干扰隔离和染色的过程示意图；
[0031]
图9为根据本发明实施例的干扰耐受间隔划分及频率资源分配的过程示意图。
具体实施方式
[0032]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0033]
为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0034]
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0035]
图1为根据本发明实施例的基于个性化多粒度无级图染色的无线资源管理方法的流程示意图，如图1所示，该基于个性化多粒度无级图染色的无线资源管理包括以下步骤：
[0036]
s101，建立多址融合资源管理模型，其中，多址融合资源管理模型包括多种无线资源复用类型。
[0037]
需要说明的是，无线资源包括时间资源、空间资源和频率资源，所述多种无线资源复用类型包括无多类型复用、完全差异化复用、非完全差异化复用和完全复用，其中，三个无线资源均不相交为无多类型复用，三个无线资源中存在一个任意的两两相交为完全差异化复用，三个无线资源中均两两相交但未完全重叠为非完全差异化复用，三个无线资源完全重叠为完全复用。
[0038]
作为一个具体实施例，将与干扰相关的无线资源定义为干扰相关资源；干扰相关参数所涉及的并且可复用的资源类型称为可复用干扰相关资源；在无线通信中，时间，空间、频率、编码序列等可以视为可复用干扰相关资源；接下来为了简便，将可复用干扰相关资源简称为无线资源；在执行无线资源的分配时，用户设备之间的干扰程度取决于无线资源在类型和数量上的复用差异性；如果无线资源类型全部复用且交集越大，则干扰越大；如果干扰相关资源类型全部复用且交集越小，则干扰越小；如果干扰相关资源类型未全部复用，此时称为存在差异性干扰相关资源复用，此时的干扰可以视为0，即不存在干扰；资源分配目标是尽可能的实现差异性干扰相关资源复用策略；作为一种示例，考虑无线通信中的
时间资源、频率资源和空间资源，并且假定可复用干扰相关资源只有这三种。
[0039]
如图2所示，假设此时只有这三种可复用干扰相关资源；图中每个圆代表一种无线资源，不同的无线资源之间的交集代表无线资源类型之间的共同复用率(这里只表现出不同类型之间的共同复用率，每种资源类型的复用率不体现在相交区域的大小上)；同时，作为示例，这里只考虑资源复用率与干扰程度两个参考值，优化目标为在抑制干扰的前提下，提高资源复用率(多址融合资源管理模型是以无干扰的理想情况作为优化目标的，但是此时无法实现其他通信性能的最佳表现，比如通信速率等，在后面的染色和聚类的过程中，为了使得系统吞吐率最高，会适当的引入干扰)。
[0040]
图2中，a.当三种无线资源均不相交时，此时未发生多类型无线资源复用，我们称之为“无多类型复用”状态，此时用户设备之间不会产生干扰；作为示例，可以参考不同的用户在不同的时间，用不同的频率，朝向不同的方向进行通信的场景，此时用户设备之间不会存在干扰；b.当三种无线资源存在一个任意的两两相交时，此时发生多类型无线资源复用，但是仍然存在未被复用的资源类型，称之为“完全差异化复用”状态，此时可以一定程度提高资源的复用率，同时用户设备之间不会产生干扰；作为示例，当时间域和空间域相交时，可以参考不同的用户在相同的时间，用不同的频率，朝向相同的方向进行通信的场景，此时用户设备之间可以利用频分多址(frequency division multiple access，fdma)的差异性来避免干扰；当时间域和频率域相交时，可以参考不同的用户在相同的时间，用相同的频率，朝向不同的方向进行通信的场景，此时用户设备之间可以利用空分多址(space division multiple access，sdma)的差异性来避免干扰；当频率域和空间域相交时，可以参考不同的用户在不同的时间，用相同的频率，朝向相同的方向进行通信的场景，此时用户设备之间可以利用时分多址(time division multiple access，tdma)的差异性来避免干扰；c.当三种无线资源均两两相交但未完全重叠时，此时发生全类型的多类型无线资源复用，称之为“非完全差异化复用”状态，此时可以进一步地提高资源的复用率，但是三者相交区域会使得用户设备之间产生一定程度的干扰；作为示例，时间域、频率域和空间域三者相交时，可以参考不同的用户存在部分相同的时间，相同的频率，朝向相同的方向进行通信的场景，此时无资源差异性来避免干扰(不考虑码分多址的情况下)，因此用户设备之间会产生干扰；在其他的非三者相交区域，存在非相交资源类型的差异性，可以用来避免干扰；d.当三种无线资源完全重叠时，此时发生全类型的多类型无线资源复用，称之为“完全复用”状态，此时的资源复用率最高，但是三者完全相交等同于完全忽视干扰的影响，用户设备之间会产生严重的干扰；作为示例，可以参考不同的用户完全采用相同的时间，相同的频率，朝向相同的方向进行通信的场景，此时完全没有资源差异性可用，用户设备之间会产生严重的干扰。
[0041]
需要说明的是，无线资源管理需要找到资源复用与干扰抑制之间的平衡；上述四种情况中，基于“完全差异化复用”的资源分配方法(即类型b)是理想的资源分配策略。
[0042]
s102，获取用户设备之间的无线资源的潜在干扰关系，并根据潜在干扰关系和多址融合资源管理模型获取用户设备之间的潜在干扰值，以便以用户设备为顶点，用户设备之间的潜在干扰值为边的权重，建立无向干扰图。
[0043]
作为一个实施例，获取用户设备之间的无线资源的潜在干扰关系，并根据潜在干扰关系和多址融合资源管理模型获取用户设备之间的潜在干扰值，包括：获取用户设备之
间的无线资源中的非人为可控且干扰相关资源和人为可控且干扰相关资源，以便给用户设备分配相同的人为可控且干扰相关资源，以得到用户设备之间的无线资源中的非人为可控且干扰相关资源对应的潜在干扰值。
[0044]
需要说明的是，当多种无线资源均是人为可分配时，可以根据实际服务需求和资源存量的情况灵活的执行不同组合的“完全差异化复用”，作为示例即类型b中所提的三种情况；当多种无线资源存在一个或者多个是非人为可分配时，即资源处于锁定状态，需要对剩余的可人为分配资源执行合理的分配，从而实现“完全差异化复用”；在实际应用场景中，很多场景是无法完全按照理想的分配方式进行资源管理的。
[0045]
一种可能的情况为，用户位置确定，路侧单元的位置确定，用户与路侧单元的连接关系确定，此时用户之间、用户与路侧单元之间的位置关系是确定的，可以认为诸如无线波束等空间资源已经完成了分配，空间资源属于锁定状态；同时，由于用户与路侧单元的连接关系已经确定，即此时所有的用户都处于通信状态，所以时间资源也已经完成了分配，时间资源属于锁定状态；此时，只可以通过频率资源域的灵活分配来执行干扰抑制，原则是在抑制干扰的前提下，尽可能的提高频率资源的复用率；作为示例，选择上述过程作为本发明的干扰关系建模的应用场景。
[0046]
多种服务类型共存通信的示意图如图3所示，以路侧单元为中心的虚线圆圈表示路侧单元的覆盖范围，位于覆盖范围内的用户可以接入该路侧单元获得通信服务；假设在时刻t，在一定区域内的路侧单元的集合r＝{r1,r2,...,rk}，其中k是该区域内路侧单元的数量，为所有具有通信服务需求的用户集合为u＝{u1,u2,...,us}，集合u中包含多种服务需求类型的用户；作为示例，假设用户的服务类型包含超可靠低时延(ultra-reliable and low-latency communications,urllc)服务和增强移动宽带enhanced mobile broadband(embb)服务，为了方便，接下来将具有urllc服务的用户称为urllc用户，具有embb服务的用户称为embb用户，并且假设urllc用户集合为c＝{c1,c2,...,cm}，其中m是urllc用户总数；embb用户集合b＝{b1,b2,...,bn}，其中n是embb用户设备总数；此时，u＝c∪b，s＝m+n；通过用户标签us区别集合u中的两种用户，这个标签可以从用户服务请求标识中获得；表示时刻t时us是urllc用户，表示时刻t时rs是embb用户；时刻t所有用户的用户服务请求标识构成时刻t的用户服务请求标识集合值得注意的是，在不同时刻，同一个用户的服务请求可能是不同的，可能是urllc，也可能是embb，用户的服务请求标识会根据实际服务需求变化。
[0047][0048]
在上述示例中，时刻t用户的位置是确定的，其所连接的路侧单元是确定的(比如图3中的用户u1连接路侧单元r1，u5连接r2和r3)，其可连接的路侧单元的集合也是确定的(比如图3中的u1可接入r1和r2，u4可接入r1，r2和r3)；所以，确定的时刻t表示时间资源已经被锁定，同时用户的空间资源类型上的复用策略已经确定(如图3中的波束方向已经确定)；此时，用户之间因为时间资源和空间资源的复用已经造成了潜在干扰，需要利用潜在干扰估值法，合理的分配频率资源，将潜在干扰变成实际干扰的概率和程度降到最低；关于潜在干
扰估值法的定义如下：
[0049]
潜在干扰是指当某种或者某些资源的空间复用策略已经确定时，其处于锁定状态，无人认为干预和分配，属于非人为可控且干扰相关资源；此时，先假设非人为可控且干扰相关资源之外的其他的人为可控且干扰相关的资源类型采用全用户复用，即所有用户使用相同的人为可控且干扰相关资源，模拟此时用户之间的干扰情况，从而判断不同用户之间资源复用带来消极影响的程度；如果此时两个用户之间的干扰很小，则说明给这两名用户分配使用相同的人为可控且干扰相关的资源，给用户带来的消极影响较小，所以在资源分配过程中，为了提高系统吞吐率等其他目标参数，可以考虑给这两个用户分配相同的的人为可控且干扰相关资源；如果此时两个用户之间的干扰很大，则说明给这两名用户分配使用相同的人为可控且干扰相关的资源，给用户带来的消极影响较大，所以在资源分配过程中，为了提高系统吞吐率等其他目标参数，要尽量避免给这两个用户分配相同的的人为可控且干扰相关资源。
[0050]
作为示例，在时间资源和空间资源被锁定时，可以基于潜在干扰估值法，假设给所有的用户分配相同的频率资源，计算用户之间的潜在干扰；作为示例，计算用户u1和用户u2之间的潜在干扰，如图4所示，用户设备u1在与路侧单元r1基于通信波束进行下行通信的过程中，接收到了路侧单元r2发送给用户u2的干扰信号，说明此时u2对u1产生了干扰；同样地，用户设备u2在与路侧单元r2基于通信波束进行下行通信的过程中，接收到了路侧单元r1发送给用户u1的干扰信号，说明此时u1对u2产生了干扰。
[0051]
通过上述过程可以得到，路侧单元rk∈r与用户uj通过毫米波波束进行下行通信时，用户ui可以接收到rk发射的信号强度的一种可用的表示方式如下：
[0052][0053]
其中，是路侧单元rk的发射功率，表示路侧单元rk在用户ui方向的发射天线增益，是用户ui的接收天线增益，l
ik
是信号从路侧单元rk到用户ui的功率损耗，主要考虑路径损耗和穿透损耗其中路径损耗可以表示为f
k,j
是路侧单元rk与用户uj通信过程中的频率，d
ik
是路侧单元rk与用户ui的欧式距离；穿透损耗可以建模为服从均值为μ，方差为σ
p2
的正态分布，即的正态分布，即可以表示为：
[0054][0055]
其中，gm是路侧单元发射天线的主瓣中心增益，θ
i,k,j
是用户ui与用户uj关于路侧单元rk的夹角，θ-3db
是半功率波束宽度，am是最大损耗，θm是路侧单元发射天线的主瓣宽度，g0是路侧单元发射天线的旁瓣增益。
[0056]
为了获得ueri和uerj之间的潜在干扰程度，利用潜在干扰估值法对由于时间资源
和空间资源锁定导致用户ui收到的功率给ui造成的消极影响进行量化，即假设为ui与uj分配相同的频率；进一步地，定义干扰权重因子为ui关于uj接收到rk的功率与ui接收到的其他信号强度的比值，即将ui收到的定义为等效有用信号，将ui接收到的其他信号定义为等效干扰信号，获得伪信干噪比sinr
i,k,j
，利用伪信干噪比量化用户uj关于路侧单元rk对用户ui的潜在干扰权重：
[0057][0058]
其中，ri表示用户ui的可连接的路侧单元簇，如果ui位于路侧单元的覆盖范围内，则该路侧单元就属于ui的路侧单元簇；rk′
∈ri|k
′
≠k表示ui的路侧单元簇ri中除路侧单元rk之外的其他路侧单元；σ2表示环境热噪声强度。
[0059]
利用潜在干扰估值法和伪信干噪比的定义，量化了用户uj关于路侧单元rk对用户ui的潜在干扰权重；类似地，分别计算用户uj关于ui和uj的公共路侧单元簇r
i,j
对ui造成的潜在干扰权重，其中r
i,j
＝ri∩rj表示ui和uj的路侧单元簇的交集；最后，将uj对ui造成的所有潜在干扰权重求和，得到uj对ui造成的潜在干扰值w
′
j,i
：
[0060][0061]
类似地，可以得到用户ui对用户uj的潜在干扰值w
′
i,j
，
[0062][0063]
作为一个实施例，以便以用户设备为顶点，用户设备之间的潜在干扰值为边的权重，建立无向干扰图，包括：以第一用户设备作为第一顶点，第二用户设备作为第二顶点，第一用户设备与第二用户设备之间的潜在干扰值作为第一顶点到第二顶点之间有向边的权值，第二用户设备与第一用户设备之间的潜在干扰值作为第二顶点到第一顶点之间有向边的权值，建立有向干扰图模型；选取第一顶点到第二顶点之间有向边的权值和第二顶点到第一顶点之间有向边的权值之间的较大者，并对较大者进行归一化后得到第一顶点到第二顶点之间边的权值；对每个顶点所关联边的权值求和以得到顶点的权重，以便将有向干扰图模型转化为无向干扰图模型。
[0064]
作为一个实施例，无向干扰图模型表示为g＝(v,i,e,w,d)，其中，w＝{w
1,1
,...,w
1,s
,w
22
,...,w
2,s
,...,w
s,s
}是所有顶点之间边的权值集合，w
ii
＝0|1≤i≤s；d＝{d1,d2,...,ds}是所有顶点的权重集，按照权重大小降序对顶点下标重新编号得到干扰权重降序顶点集v＝{v1,v2,...,vs}，并满足di≥dj；是时刻t所有用户设备的服务请求标识集合，将其转换为干扰权重降序顶点集所对应的顶点类型标识集合其中表示顶点vs代表的用户设备的服务请求
标识是urllc服务，表示顶点vs代表的用户设备的服务请求标识是embb服务。
[0065]
也就是说，基于图模型对用户之间的干扰关系进行图形化描述，建立干扰图模型；作为一个具体实施例，以用户ui作为顶点vi，用户ui与uj之间的潜在干扰值w
′
i,j
作为顶点vi到vj之间有向边e
′
i,j
的权值，用户uj与ui之间的潜在干扰值w
′
j,i
作为顶点vj到vi之间有向边e
′
j,i
的权值，建立有向干扰图模型g
′
＝{v
′
,e
′
}，其中v
′
＝{v1,v2,...,vs}，e
′
＝{w
′
1,1
,...,w
′
1,s
,w
′
21
,...,w
′
2,s
,...,w
′
s,1
,...,w
′
s,s
},一种示例如图5的a所示，为了降低干扰图模型的复杂度，同时兼顾用户之间的干扰约束，将有向干扰图模型g
′
＝{v
′
,e
′
}转换为无向干扰图模型g＝{v
′
,e}，其中v
′
＝{v1,v2,...,vs}，e＝{w
1,1
,...,w
1,s
,w
22
,...,w
2,s
,...,w
s,s
}，g中顶点vi到vj之间边的权值是归一化潜在干扰值w
i,j
，其是先选取w
′
i,j
和w
′
j,i
两者之间的较大者w
″
i,j
，并对w
″
i,j
进行归一化之后获得的值；
[0066]w″
i,j
＝max{w
′
i,j
,w
′
j,i
}
[0067][0068]
基于上述过程可以获得无向干扰图模型的所有顶点之间边的权值集合w＝{w
1,1
,...,w
1,s
,w
22
,...,w
2,s
,...,w
s,s
}，w
ii
＝0|1≤i≤s，可以对每个顶点所关联边的权值求和获得顶点的权重，对于任意顶点vi，其权重为
[0069]
利用上述方法，可以获得所有顶点的权重集d＝{d1,d2,...,ds}；下一步按照权重大小降序对顶点下标重新编号得到干扰权重降序顶点集v＝{v1,v2,...,vs}，并满足di≥dj；是时刻t所有用户的服务请求标识集合，将其转换为干扰权重降序顶点集所对应的顶点类型标识集合其中表示顶点vs代表的用户的服务请求标识是urllc服务，表示顶点vs代表的用户的服务请求标识是embb服务。
[0070]
基于上述过程，完成了基于多址融合与图模型的干扰关系建模，得到了以用户为顶点，以用户之间归一化潜在干扰值为权值的无向干扰图模型：g＝(v,i,e,w,d)。
[0071]
s103，根据无向干扰图对顶点进行干扰隔离，以便将顶点映射到对应的染色轴上，并根据顶点在染色轴的位置对应的rgb色值对顶点进行染色。
[0072]
作为一个实施例，根据无向干扰图对顶点进行干扰隔离，以便将顶点映射到对应的染色轴上，包括：获取染色轴，染色轴包括两个染色半轴；根据无向干扰图中的干扰权重降序顶点集和无向干扰图中的顶点类型标识集合，对顶点进行干扰隔离，以便将顶点映射到对应的染色轴上；其中，按干扰权重降序顶点集的排序对顶点进行干扰隔离，且顶点间边的权值越大，对应的顶点之间在染色轴上相隔的距离越远，同时，不同服务类型的顶点位于不同的染色半轴。
[0073]
需要说明的是，如磁铁的正负两极，如果距离很近则会相互产生很强的吸引力，但是如果距离足够远，这种吸引力对双方的影响会小到可以忽略；所以，接下来根据用户之间的潜在干扰关系对用户执行干扰隔离；如果用户之间的潜在干扰越严重，他们需要隔离的越远，从而降低或者避免用户之间因分配到相同频谱资源产生的实际干扰；提出一种基于
无级图染色的干扰隔离和染色算法，主要指导思想为：对无向干扰图g＝(v,i,e,w,d)中不同类型的顶点进行整体隔离，即分别位于不同的染色半轴，以便于分别进行更加满足不同用户个性化服务需求的资源分配和干扰管理；同时，顶点间边的权值越大，则需要将他们在染色条上隔离的越远，即被染色的色值差别越大；染色条可以视为人为可控且干扰相关无线资源的映射，一种可选的染色条及染色半轴模型如图6所示；为了最大化颜色的区分度，染色条取rgb全色条的一半获得，一种可选的方法，选择左半轴的rgb半色条作为染色条，其中rgb三原色的取值范围为(255,0,0)
→
(255,0,255)
→
(0,0,255)
→
(0,255,255)，染色条上某点的rgb三原色的数值构成该点的颜色。
[0074]
如图6所示，将染色条的长度映射为l0，同时将染色条通过中心点(127.5,0,255)映射为原点0，左半轴定义为urllc染色半轴，用于urllc用户的隔离和染色，右半轴定义为embb染色半轴，用于embb用户的隔离和染色；此时，染色条上的无级染色区间是由a-和a
+
左右两个半轴构成。
[0075]
首先，需要对无向干扰图g＝(v,i,e,w,d)的顶点集合v＝{v1,v2,...,vs}中的顶点在取值范围为(-∞,+∞)，且以0为原点的初步隔离轴上以顶点下标的顺序执行初步隔离，具体包括：无向干扰图g＝(v,i,e,w,d)中顶点下标排序越靠前的顶点的干扰权重越大，在一定程度上可以理解为该用户对其他用户的整体干扰影响更严重，需要优先为其进行隔离，从而降低后续为其他顶点隔离的复杂度；在顺序执行隔离的同时，为了给不同的服务类型的用户提供个性化的资源分配，需要将urllc类型的顶点限定区域为原点以左的负半轴a-，embb类型的顶点的限定区域为原点以右的正半轴a
+
；同时，为了提高无线资源分配的效率，希望顶点能够更加集中，从而在资源分类过程中可以有更多的顶点被分配到同一个簇中，由于同一个用户簇中的用户共享相同的资源，即更多的用户共用相同的频谱资源，所以需要制定统一的顶点集中原则，一种可选的顶点集中策略是靠近原点集中，即在满足与其他顶点干扰约束的前提下，所有的顶点能够更加靠近原点；经过初步隔离之后，顶点v＝{v1,v2,...,vs}在初步隔离轴上的坐标为a
′
＝{a
′1,a
′2,...,a
′s}，在考虑顶点之间的约束关系并且要尽可能的靠近原点的原则下，a
′s∈a
′
满足：
[0076][0077]
其中，a
′
i,j
定义了顶点vi对vj的安全隔离区间，即vj在考虑了与vi的干扰约束之后的可选隔离区域：
[0078][0079]
在完成对顶点的初步隔离之后，对初步隔离得到的结果进行染色归一化，将初步隔离轴上所有顶点都集中映射在染色区间[-l0/2,l0/2]内实现最终隔离并进行染色，将初步隔离轴上最小值点和最大值点之间的区间定义为隔离区间，如图7所示，将隔离区间上的
所有顶点映射集中于染色区间[-l0/2,l0/2]中，在染色区间对应的rgb色值构成顶点的颜色，至此完成染色过程，即实现最终隔离；a
′
＝{a
′1,a
′2,...,a
′s}染色轴上的映射a＝{a1,a2,...,as}，其中as∈a满足：
[0080]
其中，a0＝max{|a1|,|a2|,...,|as|}。
[0081]
同时，urllc类型的顶点落在urllc染色半轴，embb类型的顶点落在embb染色半轴，即对于满足：
[0082]
作为示例，提出以下过程以说明上述基于无级图染色的干扰隔离和染色过程，如图8所示，假设初步隔离中顶点v1位于初步隔离轴原点，即a
′1＝0，对于顶点v2，
[0083][0084]a′
12
＝a
′
|(a
′
≤a
′
1-w
1,2
)||(a
′
≥a
′1+w
1,2
)
[0085][0086]
经过上述操作，基于用户之间的潜在干扰关系完成了对顶点集v＝{v1,v2,...,vs}中的所有顶点在染色轴上的最终隔离，并完成了染色过程，获得了染色条所映射的染色区间上的色值集合a＝{a1,a2,...,as}。
[0087]
s104，基于多粒度聚类算法对经过隔离染色后的顶点分簇，以不同的宽容度将染色轴上的顶点划入多个干扰耐受间隔，以便同一个干扰耐受间隔中的用户设备可以复用相同的无线资源。
[0088]
需要说明的是，干扰耐受间隔分布在染色轴上，同一个干扰耐受间隔中的用户设备可以复用相同的无线资源。
[0089]
需要说明的是，染色轴上的干扰耐受间隔的数量越多，对干扰的宽容度越低，干扰隔离越彻底，需要的人为可控且干扰相关资源更多；干扰耐受间隔的数量越少，对干扰的宽容度越高，干扰隔离越不彻底，需要的人为可控且干扰相关资源更少。
[0090]
作为一个实施例，多粒度聚类算法为k-means聚类算法。
[0091]
需要说明的是，顶点之间的潜在干扰是利用潜在干扰估值法，以用户使用相同频段为假设计算得到的，所以为了避免或者减轻干扰，要尽量为存在潜在干扰的用户分配不同的频谱资源，减少因同频干扰对通信的消极影响；但是，受限于有限的频谱资源，无法为所有存在潜在干扰的用户设备分配不同的频段；因此，需要找到干扰消除和频谱利用率之间的有效折中；同时，为了同时满足urllc服务类型的用户和embb服务类型的用户对频谱的个性化需求，在urllc和embb的联合无线资源分配过程中,需要充分考虑用户的服务类型这一维度。
[0092]
在干扰隔离和染色的基础上，提出了一种区分于用户服务类型的多粒度用户分簇
方法；由于不同类型的用户对干扰的耐受能力不同，比如说相较于embb，urllc对干扰更加敏感，因为干扰会对通信的可靠性造成巨大的影响，这是urllc无法忍受的，所以将经过干扰隔离染色后的urllc类型的顶点和embb类型的顶点，划分到不同数量的干扰耐受间隔中；干扰耐受间隔是指染色轴上可以将所处该区域内的用户即使被分配相同的频率资源仍可以视为彼此之间没有干扰的区间，即在干扰耐受间隔中的用户可以被分配相同的频率资源；染色轴上的干扰耐受间隔的数量越多，对干扰的宽容度越低，干扰隔离越彻底，但是需要更多的频率资源；干扰耐受间隔的数量越少，对干扰的宽容度越高，干扰隔离越不彻底，但是需要更少的频率资源。
[0093]
作为示例，假设urllc染色半轴的干扰隔离域的数量为nu，表示为embb染色半轴的干扰隔离域的数量为ne，表示为然后，通过聚类算法以最小化系统干扰为目标，将顶点划分到不同的干扰隔离域中，同一个干扰隔离域中的顶点所代表的用户可以被分配相同的频率资源；一种可选的聚类算法为k-means算法；值得注意的是，根据k-means算法的特性，不同的干扰耐受间隔的长度不一定相同，干扰耐受间隔所划分的用户数量也不一定相同，最多有k种粒度；基于k-means聚类的干扰耐受间隔划分过程示例如图9所示。
[0094]
在将用户划分到不同的干扰耐受间隔之后，便可以执行频率资源分配，为同一个干扰耐受间隔的顶点所代表的用户分配相同的频率资源；作为示例，假设系统带宽为b,每个无线资源块的带宽为b0，则总共可分配无线资源块的数量为：
[0095][0096]
分配给urllc用户的无线资源块的数量为nu，总的带宽为bu：
[0097]bu
＝nub0[0098]
类似地，分配给embb用户的无线资源块的数量为ne，总的带宽为be：
[0099]be
＝b-bu＝neb0[0100]
为了保障用户的公平性，无论干扰耐受间隔的长度及内部的顶点数量如何，为每个干扰耐受间隔都分配均等的无线资源块，这样每个用户就会分配到相同数量的无线资源块。
[0101]
urllc染色半轴的干扰耐受间隔集合中平均每个干扰耐受间隔内分配的无线资源块数，即每个urllc用户被分配到的无线资源块的数量ru和带宽bu为：
[0102][0103][0104]
embb染色半轴的干扰耐受间隔集合中平均每个干扰耐受间隔内分配的无线资源块数，即每个embb用户被分配到的无线资源块的数量re和带宽be为：
[0105][0106]be
＝reb0[0107]
定义同干扰耐受间隔iz内顶点间边的权值之和作为干扰耐受间隔的干扰和：
[0108][0109]
由此可得系统干扰和i为：
[0110][0111]
干扰耐受间隔iz被分配的带宽为bz，则iz中的用户设备us的吞吐率ts：
[0112][0113]
进一步的，可以得到干扰耐受间隔iz中的所有用户设备的吞吐率之和
[0114][0115]
所有urllc用户的吞吐率之和tu：
[0116][0117]
所有embb用户的吞吐率之和te：
[0118][0119]
最后，可以得到系统吞吐率t：
[0120]
t＝tu+te[0121]
综上，需要说明的是，个性化指的是不同的服务可以有不同数量的干扰耐受间隔，有不同的资源分配策略；多粒度指的是干扰耐受间隔的长度是多样化的，内部包含的用户数量也是多样的，一种可选的方法是基于k-means算法的聚类；无级图染色指的是染色不再是基于传统的离散色值，而是在连续色值区间的色条上进行，色值相近的颜色可以被认为是相同的颜色，被分配相同的资源；无线资源可以是无线通信中的可复用资源，可选的是频谱、空间、时间等通信相关的资源。
[0122]
综上所述，根据本发明实施例提出的基于个性化多粒度无级图染色的无线资源管理方法，首先，根据用户设备之间的潜在干扰关系，以用户设备为顶点，用户设备之间的干扰值为边的权重，建立无向干扰图模型；然后，以无线干扰图中顶点的权重作为执行干扰隔
离顺序的依据，通过个性化无级图染色方法在染色条上进行顶点的干扰隔离，顶点所在染色条位置对应的rgb色值构成顶点的颜色；其中，干扰隔离的原则是同一服务类型的顶点散落在同一区域，不同服务类型的顶点散落在不同的区域；同时，顶点所代表的用户设备之间的潜在干扰越严重，则这些顶点在染色条上相隔的距离就越远，色差就越大；通过干扰隔离之后，顶点不规则地散落在染色条上；最后，基于多粒度聚类算法将顶点分簇，以不同的宽容度将染色条上的顶点划入多个干扰耐受间隔，同一个干扰耐受间隔中的用户设备可以复用相同的无线资源；由此，可以实现差异化无线资源复用，降低用户干扰；同时，可以为不同服务类型的用户提供个性化资源分配策略，满足不同用户的个性化服务质量需求。
[0123]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0124]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0125]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0126]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0127]
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
[0128]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0129]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
[0130]
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0131]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0132]
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0133]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不应理解为必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0134]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。