CN102752765A - 异构网络中基于垂直切换率分析的无线资源分配方法 - Google Patents

Abstract

本发明公开了异构网络中基于垂直切换率分析的无线资源分配方法，属于无线通信的技术领域。本发明通过建立角度移动模型计算出用户切换到热点内的切换率与用户切换到热点外切换率是相等的，利用垂直切换率的理论极限值来近似实际的垂直切换率，再根据实际的垂直切换率确定马尔科夫模型的参数，最大化网络吞吐量，有效降低了垂直切换率的计算复杂度，提高了无线资源分配效率。

Description

异构网络中基于垂直切换率分析的无线资源分配方法

技术领域

本发明公开了异构网络中基于垂直切换率分析的无线资源分配方法，属于无线通信的技术领域。

背景技术

随着通信和计算机技术的发展，用户对通信种类以及质量的需求不断扩展，大量的PC机、智能终端、传感器等都需要无线网络进行通信。未来无线通信的目标是实现“5W”通信，即无论何时、何地、何人、何物以及何种方式，都能为用户提供无线服务。为了提供不同的服务种类，各种无线接入网络层出不穷，如GSM、WCDMA、Wi-Fi、WiMAX以及LTE等。为了给用户提供无处不在的服务需求，需要利用这些不同的网络类型为用户提供泛在的接入网络环境。无线接入网络之间在覆盖范围、数据传输速率、系统的容量以及业务特性等方面存在很大差异，它们适用的场景也各有侧重，彼此之间很难相互替代，因此异构网络融合是下一代无线网络发展的必然趋势。异构网络融合的关键问题在于无线资源管理（Radio Resource Management,RRM），RRM是异构网络资源的平台，为了高效地利用异构网络无线资源，3GPP在其规范中提出了CRRM的概念，如图1中，通过协同无线资源管理（Common Radio Resource Management,CRRM）服务器对WLAN、CDMA2000、WiMAX等多种无线接入技术组成的异构网络资源进行全面统一的管理。

下一代无线网络是由多种无线接入网络共同组成的异构网络体系，为了有效管理无线资源，通常要结合网络中终端移动的特点，为用户选择合适的接入或者切换网络。显然，网络选择策略会影响到异构网络的系统性能，为了提高系统的性能，切换率参数是异构网络性能分析的重要基础，也是无线资源的优化分析的重要基础。

对于切换率的计算，不论在同构网络中，还是在异构网络中，通常采用的都是基于小区暂留时间服从Gamma分布，这种方法推导的切换率比较复杂，计算难度大，另外其要统计的参数不易测量，仅仅停留在理论上。因此本发明提出一种基于角度移动模型的切换率计算方法，并给出切换率的计算公式，这种切换率的计算方法非常简单，并可以很好地反映与小区半径、用户移动的快慢以及用户的分布等因素有关。

发明内容

本发明所要解决的技术问题是针对上述背景技术的不足，提供了基于角度移动模型的无线网络垂直切换方法。

本发明为实现上述发明目的采用如下技术方案：

异构网络中基于垂直切换率分析的无线资源分配方法，包括以下步骤：

步骤1，CRRM服务器获取各无线网络中RRM服务器采集的网络参数，统计呼叫到达率服从的概率分布、通话时间服从的概率分布，所述网络参数包括：用户分布密度以及用户移动速度、网络信道数以及网络覆盖半径；

步骤2，CRRM服务器建立角度移动模型，根据网络参数得到小区内任意位置上用户的移动方向角β服从的概率分布，利用如下表达式计算垂直切换率：

$\mathrm{\λ}={2\mathrm{\ρ}}_{E_1}d\underset{-\∞}{\overset{+\∞}{\∫}}{\mathrm{vf}}_V\left(v\right|E_1)\mathrm{dv}{=2\mathrm{\ρ}}_{E_1}\mathrm{dE}\left(v\right|E_1)$

其中：E₁为用户执行垂直切换的事件，d为小区覆盖半径；

当λ表示的是从小区内切换到小区外的垂直切换率时，

v、f_V(v|E₁)以及E(v|E₁)分别表示小区内事件E₁的用户分布密度、用户的速度、事件E₁的用户速度的概率密度函数、事件E₁的用户速度的平均值；

当λ表示的是从小区外切换到小区内的垂直切换率时，

v、f_V(v|E₁)以及E(v|E₁)分别表示小区外事件E₁的用户分布密度、用户的速度、事件E₁的用户速度的概率密度函数、事件E₁的用户速度的平均值；

步骤3，针对异构网络建立马尔科夫模型来分析异构网络参数p对异构网络性能的影响：

步骤3-1，根据步骤2中的垂直切换率得到马尔科夫模型的稳态概率

${\mathrm{\Π}}_{S(c_i,c_j,...,c_k)}:$

${\mathrm{\Π}}_{S(c_i,c_j,...,c_k)}=P\left(\stackrel{\→}{{\mathrm{\λ}}_{(c_i,c_j,...,c_k)}^{({c_i}^{\′},{c_j}^{\′},...,{c_k}^{\′})}}\right),$

其中：(C_i,C_j,…,C_k)为每个网络的信道分配情况，

为网络的信道分配情况从(C_i,C_j,…,C_k)变为(C_i',C_j',…,C_k')时的垂直切换率，i、j、k为正整数，表示网络编号；

步骤3-2，根据稳态分布来得到异构网络系统的总吞吐量T(p)，

步骤4，利用最优化方法计算异构网络系统的吞吐量的最优值p^*：

$p^{*}=\underset{p}{\arg }\left(\max T\left(p\right)\right);$

步骤5，协同无线资源服务器并将异构网络系统的吞吐量的最优值p^*返回给每个网络的RRM服务器，每个网络的RRM服务器执行无线资源的分配。

本发明采用上述技术方案，具有以下有益效果：通过建立角度移动模型推到出用户切换到热点内的切换率与用户切换到热点外切换率是相等的，利用垂直切换率的理论极限值来近似实际的垂直切换率，有效降低了垂直切换率的计算复杂度，提高了无线资源分配效率。

附图说明

图1为协同无线资源分配的示意图。

图2为角度移动模型。

具体实施方式

如图1所示，异构网络中基于垂直切换率分析的无线资源分配方法，具体包括以下步骤：

步骤1，CRRM服务器获取各无线网络中RRM服务器采集的网络参数，统计呼叫到达率服从的概率分布、通话时间服从的概率分布，所述网络参数包括：用户分布密度以及用户移动速度、网络信道数以及网络覆盖半径。

步骤2，CRRM服务器建立角度模型，根据网络参数得到小区内任意位置上用户的移动方向角β服从的概率分布分布，利用如下表达式计算垂直切换率：

$\mathrm{\λ}={2\mathrm{\ρ}}_{E_1}d\underset{-\∞}{\overset{+\∞}{\∫}}{\mathrm{vf}}_V\left(v\right|E_1)\mathrm{dv}{=2\mathrm{\ρ}}_{E_1}\mathrm{dE}\left(v\right|E_1)$

其中：E₁为用户执行垂直切换的事件，d为小区覆盖半径；

当λ表示的是从小区内切换到小区外的垂直切换率时，

v、f_V(v|E₁)以及E(v|E₁)分别表示小区内事件E₁的用户分布密度、用户的速度、事件E₁的用户速度的概率密度函数、事件E₁的用户速度的平均值；

当λ表示的是从小区外切换到小区内的垂直切换率时，

v、f_V(v|E₁)以及E(v|E₁)均表示小区外事件E₁的用户分布密度、用户的速度、事件E₁的用户速度的概率密度函数、事件E₁的用户速度的平均值。

系统模型中WLAN覆盖范围位于CDMA2000覆盖范围的中心区域，并假设小区覆盖形状是圆形，WLAN覆盖半径为d，CDMA2000覆盖半径为D（D>d）。定义热点区域用户分布密度为ρ_i（用户均指代正在通话的用户），其中热点内接入到CDMA2000和WLAN的用户分布密度分别为ρ_{i_cdma}和ρ_{i_wlan}，因此ρ_i=ρ_{i_wlan}+ρ_{i_cdma}；热点外用户分布密度为ρ_o，由于热点外只有CDMA2000网络覆盖，所以热点外接入到CDMA2000网络的用户分布密度为ρ_o，那么整个网络中正在通话的用户数N=πd²ρ_i+π(D²-d²)ρ_o，用户的移动速度为v，用户移动方向与X轴的夹角定义为移动的方向角，当前T时间内用户移动的方向角是β，前一个T时间内移动的方向角是β'，它们之间的角度差Δβ=β-β'，接下来根据实际中用户移动的特点，给出一种符合终端移动特点的角度移动模型：

1.用户当前T时间内移动方向角与前一个T时间内移动方向角有关，且角度差Δβ的概率密度函数与时间以及用户所处位置无关。

2.角度差Δβ的概率密度函数f_Δβ(x)在[0,2π]是连续的，并且只存在可数个零值点。

3.用户在任意位置上移动方向角β服从相同的分布，β的概率密度函数f(β)是连续函数。

根据角度移动模型可以得到结论：小区内任意位置上用户的移动方向角β服从[0,2π]上的均匀分布。

根据图2可以分析得到：在热点内用户只有位于距离WLAN小区边缘小于vT的区域时，才有可能运动至小区外，该区域为图2中标记的阴影1；同样地，在热点外用户也只有位于距离WLAN小区边缘小于vT的区域时，才有可能运动至小区内，该区域为图2中标记的阴影2。图2中还定义以下参数:A(或A')点代表用户当前位置距离WLAN小区边缘为vT的点，θ代表当前位置与A(或A')点的连线偏离Y轴的夹角绝对值，α代表半径OA(或OA')与Y轴的夹角绝对值，r为用户到网络覆盖中心O的距离。

利用前面的移动模型来推导切换率的理论公式，首先分析T时间内从WLAN中切换到热点外CDMA2000网络中的用户数n_o或者从热点外CDMA2000网络中切换到WLAN小区内用户数n_i，然后再得到单位时间内切换到WLAN（或热点外CDMA2000网络）用户数，即切换率。

首先分析T时间内从WLAN中切换到热点外CMDA2000网络中的用户数n_o。考虑到任一半径为r圆周上的用户移动到热点外可能性是相等的，因此将阴影1按半径等分成无数个圆环区域，其中任一内圆半径为r和外圆半径为r+dr的环形区域面积为ΔS，ΔS=2πr·dr+o(r)，其中o(r)为r的无穷小量，该区域内的用户数n_ΔS=ΔSρ_{i_wlan}，该圆环区域内用户切换到热点外的可能性为P_r。根据前面的论，用户移动方向服从[0,2π]上均匀分布，因此可以得到

θ代表用户在面积ΔS范围内切换到热点外的最大角度，由几何关系得到：

(r+vTcosθ)²+(vTsinθ)²=d²    （1）

解得

其中r满足0<d-vT≤r≤d，因此要求d>vT。将θ代入P_r中，得到 $P_r=\frac{1}{\mathrm{\&pi;}}\arccos \left(\frac{d^2-{{\left(\mathrm{vT}\right)}^2-r}^2}{\mathrm{svTr}}\right),$ 由于阴影1中面积ΔS区域内的用户有P_r可能性会切换到热点外，因此得到从WLAN内部切换到热点外CDMA2000网络的用户数目：

$\mathrm{\&Delta;n}=n_{\mathrm{\&Delta;S}}\&CenterDot;P_r={2\mathrm{r\&rho;}}_{i\_\mathrm{wlan}}\arccos \left(\frac{d^2-{\left(\mathrm{vT}\right)}^2-r^2}{2\mathrm{vTr}}\right)\mathrm{dr}+o\left(r\right)---\left(2\right)$

由（2）式可计算得到T时间内从WLAN中切换到热点外CDMA2000网络的用户数：

$n_o={2\mathrm{\&rho;}}_{i\_\mathrm{wlan}}\underset{d-\mathrm{vT}}{\overset{d}{\&Integral;}}r\arccos \left(\frac{d^2{\left(\mathrm{vT}\right)}^2-r^2}{2\mathrm{vTr}}\right)\mathrm{dr}---\left(3\right)$

定义a=d²-(vT)²，b=2vT， $F\left(r\right)=\&Integral;r\arccos \left(\frac{a-r^2}{\mathrm{br}}\right)\mathrm{dr}.$ 则从WLAN中切换到热点外CDMA2000网络中的用户数n_o=2ρ_{i_wlan}(F(d)-F(d-vT)，由F(r)化简结果得到T时间内从WLAN中切换到热点外CDMA2000网络的用户数：

$n_o={2\mathrm{\&rho;}}_{i\_\mathrm{wlan}}\left(G(\arccos \left(\frac{a-d^2}{\mathrm{bd}})\right)-G\left(\arccos \left(\frac{a-{(d-\mathrm{vT})}^2}{b(d-\mathrm{vT})}\right)\right)\right)---\left(4\right)$

其中G(θ)定义如下：

$G\left(\mathrm{\&theta;}\right)=\frac{b^2}{16}({4\mathrm{\&theta;}\cos }^2\mathrm{\&theta;}-\sin 2\mathrm{\&theta;}-2\mathrm{\&theta;})$ （5）

$+\frac{b(\sin \mathrm{\&theta;}-2\mathrm{\&theta;}\cos \mathrm{\&theta;})}{8}\sqrt{b^2{\cos }^2\mathrm{\&theta;}+4a}+\frac{b^2+4a}{8}\arcsin \frac{b\sin \mathrm{\&theta;}}{\sqrt{b^2+4a}}+C_0$

（5）式可以写成：

$G(\mathrm{\&theta;},\mathrm{\&alpha;})=\frac{{\left(\mathrm{vT}\right)}^2}{4}({4\mathrm{\&theta;}\cos }^2\mathrm{\&theta;}-\sin 2\mathrm{\&theta;}-2\mathrm{\&theta;})$ （6）

$+\frac{\mathrm{vT}(\sin \mathrm{\&theta;}-2\mathrm{\&theta;}\cos \mathrm{\&theta;})}{2}(r+\mathrm{vT}\cos \mathrm{\&theta;})+2{\left(\mathrm{vT}\right)}^2\mathrm{\&alpha;}+C_0$

再考虑切换率λ_o，即单位时间内从WLAN中切换到热点外CDMA2000网络的用户数目，根据定义知利用（4）式可以得到切换率表达式如（6a）式所示。特别地，当T趋于零时，即当用户的移动方向时刻在改变时，这种情况下切换率的定义式为

得到切换率表达式如（6b）式所示，由切换率定义可知，（6b）式是（6a）式在T趋于零时的极限形式。

${\mathrm{\&lambda;}}_{o1}=\frac{2\mathrm{\&rho;i}\_\mathrm{wlan}}{T}(G\left(\arccos \left(\frac{a-d^2}{\mathrm{bd}}\right)\right)-G\left(\arccos \left(\frac{a-{(d-\mathrm{vT})}^2}{b(d-\mathrm{vT})}\right)\right))---\left(6a\right)$

${\mathrm{\&lambda;}}_{o2}=\underset{T\&RightArrow;0}{\lim }\frac{n}{T}={2\mathrm{\&rho;}}_{i\_\mathrm{wlan}}\mathrm{vd}---\left(6b\right)$

（6a）式和（6b）式都是假设WLAN中用户移动速度固定为v时，推导出切换率λ_o的表达式。但在实际中，用户移动有快有慢，因此须对切换率表达式作相应的改进。假设WLAN中用户的移动速度服从某一种分布，其概率密度函数为f_V(v)，那么改进后的（6a）式和（6b）式分别对应下面两式：

${\mathrm{\&lambda;}}_{o1}^{\&prime;}=\frac{{2\mathrm{\&rho;}}_{i\_\mathrm{wlan}}}{T}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}(G\left(\arccos \left(\frac{a-d^2}{\mathrm{bd}}\right)\right)-G\left(\arccos \left(\frac{a-{(d-\mathrm{vT})}^2}{b(d-\mathrm{vT})}\right)\right))f_V\left(v\right)\mathrm{dv}---\left(7a\right)$

${\mathrm{\&lambda;}}_{o2}^{\&prime;}={2\mathrm{\&rho;}}_{i\_\mathrm{wlan}}d\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}{\mathrm{vf}}_V\left(v\right)\mathrm{dv}={2\mathrm{\&rho;}}_{i\_\mathrm{wlan}}\mathrm{dE}\left(v\right)---\left(7b\right)$

其中E(v)表示速度v的均值，类似可以分析，从热点外CDMA2000网络中切换到热点内的切换率λ_i，这里假设热点外CDMA2000网络的用户移动到热点内时，全部执行垂直切换，切换到WLAN中，假设热点外用户移动速度的概率密度函数为f_V'(v)。同样地，先考虑一般情况，用户在T时间内运动方向是不变的，此时从热点外CDMA2000网络中切换到WLAN中的切换率λ'_i1如（8a）式所示；再考虑T为零时，即用户的移动方向时刻在改变，那么从热点外CDMA2000网络中切换到WLAN中的切换率λ'_i2如（8b）式所示，其中E'(v)和E'(v²)分别表示速度v的均值和二阶矩。

${\mathrm{\&lambda;}}_{\mathrm{il}}^{\&prime;}={\mathrm{\&pi;\&rho;}}_o({2\mathrm{dE}}^{\&prime;}\left(v\right)+{\mathrm{TE}}^{\&prime;}\left(v^2\right))-$

$\frac{{2\mathrm{\&rho;}}_o}{T}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}(G\left(\arccos \left(\frac{a-{(d+\mathrm{vT})}^2}{b(d+\mathrm{vT})}\right)\right)-G\left(\arccos \left(\frac{a-d^2}{\mathrm{bd}}\right)\right))f_{V\&prime;}\left(v\right)\mathrm{dv}---\left(8a\right)$

${\mathrm{\&lambda;}}_{i2}^{\&prime;}={2\mathrm{\&rho;}}_{o}d\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}{\mathrm{vf}}_{V\&prime;}\left(v\right)\mathrm{dv}={2\mathrm{\&rho;}}_o{\mathrm{dE}}^{\&prime;}\left(v\right)---\left(8b\right)$

假设热点内和热点外的用户分布密度相等，即ρ_i=ρ_o，为了简化分析，还假设热点内用户全部接入到WLAN中，即ρ_{i_cdma}=0，并且热点内和热点外用户速度分布的概率密度函数相等，即f_V(v)=f_V′(v)。那么由（7b）式和（8b）式可以得到从热点外切换到WLAN和从WLAN中切换到热点外CDMA2000网络中的切换率是相等的。同样地，亦可以证明（7a）式和（8a）式是相等的，由此可以说明热点内的用户数是动态平衡的，实际上在ρ_{i_cdma}≠0时，这个结论仍然成立，证明过程类似，这里不再赘述。考虑到切换到热点内和热点外的切换率是相等的，因此接下来只考虑从热点外的CDMA2000网络中切换到WLAN中的切换率。

在异构网络中，用户执行切换还需要考虑其他因素，如图2，热点外CDMA2000用户移动到热点内时，如果用户的业务是非实时的数据业务，一般考虑垂直切换到WLAN中，以获得更高的数据传输速率；如果用户的业务是实时的电话业务，则一般不考虑执行切换。有时执行垂直切换还要考虑用户的移动速度、手机电量、用户喜好以及负载情况等，因此并非所有的用户都执行垂直切换，此时不能直接利用（8a）和（8b）式，须对切换率的理论公式作相应修改。假设满足垂直切换条件的用户从CDMA2000网络中垂直切换到WLAN中，记为事件E₁，热点外用户在事件E₁下速度的条件概率密度函数为f_V′(v|E₁)，在CDMA2000网络中满足事件E₁的用户分布密度为

结合热点内的用户数动态平衡特点，得到改进后的（8a）式和（8b）式分别对应下面两式：

${\mathrm{\&lambda;}}_{V\_\mathrm{il}}=\frac{{2\mathrm{\&rho;}}_{E1}}{T}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}(G\left(\arccos \left(\frac{a-d^2}{\mathrm{bd}}\right)\right)-G\left(\arccos \left(\frac{a-{(d-\mathrm{vT})}^2}{b(d-\mathrm{vT})}\right)\right))f_{V\&prime;}\left(v\right|E_1)\mathrm{dv}---\left(9a\right)$

${{\mathrm{\&lambda;}}_{v\_i2}=2\mathrm{\&rho;}}_{E_1}d\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}{\mathrm{vf}}_{V\&prime;}\left(v\right|E_1)\mathrm{dv}={2\mathrm{\&rho;}}_{E_1}{\mathrm{dE}}^{\&prime;}\left(v\right)---\left(8b\right)$

其中E'(v|E₁)代表条件E1下热点外用户移动速度的均值。假设用户均匀分布整个网络中，即ρ_i=ρ_o，那么用户分布密度

满足垂直切换事件E₁的用户分布密度

表示热点外满足事件E1的用户比例，那么 ${\mathrm{\&rho;}}_i=\frac{P_{E_1}N}{{\mathrm{\&pi;D}}^2},$ 并且 $f_{V\&prime;}\left(v\right|E_1)=f_{V\&prime;}(v,E_1)/P_{E_1},$ f_V′(v，E₁)表示热点外的速度v和事件E₁的联合概率密度函数，将这些代入（9a）和（9b）式中可以分别得到：

${\mathrm{\&lambda;}}_{V\_\mathrm{il}}^{\&prime;}=\frac{2N}{{\mathrm{\&pi;TD}}^2}\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}(G\left(\arccos \left(\frac{a-d^2}{\mathrm{bd}}\right)\right)-G\left(\arccos \left(\frac{a-{(d-\mathrm{vT})}^2}{b(d-\mathrm{vT})}\right)\right))f_{V\&prime;}\left(v{,E}_1\right)\mathrm{dv}---\left(10a\right)$

${\mathrm{\&lambda;}}_{V\_i2}^{\&prime;}=\frac{{2\mathrm{NdE}}^{\&prime;}(v,E_1)}{{\mathrm{\&pi;D}}^2}---\left(10b\right)$

从数学推导可以看出，垂直切换率与小区半径、用户分布密度、用户的移动速度分布以及执行垂直切换的条件之间的关系。在实际中随着分布密度的增加，切换率也会随着线性增加；用户移动的速度越快，发生切换的可能性增加，导致垂直切换也随着增加；当T很小时，说明用户的运动方向改变越频繁，导致发生切换的次数增加，即切换率增加。从垂直切换率的推导结果可以看出是符合实际的情况的，因此理论分析与实际情况非常吻合，说明本发明具有很实际的意义。

步骤3，针对异构网络建立马尔科夫模型来分析异构网络参数p对异构网络性能的影响：

步骤3-1，根据步骤2中的垂直切换率得到马尔科夫模型的稳态概率

${\mathrm{\&Pi;}}_{S(c_i,c_j,...,c_k)}:$

基于马尔科夫模型，利用（10b）式进行对影响异构网络性能的某个参数p（如速度门限、覆盖区域接入到每个网络的概率、负载因子等）的分析，通过选择合适的p值来最大化异构网络系统的吞吐量。假设异构网络中有N个无线网络，C₁、C₂、…、C_N分别表示第1、2、…、N个网络的信道数；R₁、R₂、…、R_N分别表示第1、2、…、N个网络的数据传输速率。根据马尔科夫平衡方程

∑Rate Out=∑Rate in    （11）

即

$\left(\begin{array}{c}{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_I-1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}+{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j-1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}\&CenterDot;\&CenterDot;\&CenterDot;+{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}\\ +{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i+1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}+{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j+1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}\&CenterDot;\&CenterDot;\&CenterDot;+{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k+1)}\\ +{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i-1,c_j+1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}+\&CenterDot;\&CenterDot;\&CenterDot;+{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i-1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k+1)}+\&CenterDot;\&CenterDot;\&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\end{array}\right){\mathrm{\&Pi;}}_{S(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}=$ （12）

$\left(\begin{array}{c}{\mathrm{\&lambda;}}_{(c_i-1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}{\mathrm{\&Pi;}}_{S(c_i-1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}+{\mathrm{\&lambda;}}_{(c_i,c_j-1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}{\mathrm{\&Pi;}}_{S(c_i,c_j-1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}\&CenterDot;\&CenterDot;\&CenterDot;+{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k-1)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}{\mathrm{\&Pi;}}_{S(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k-1)}\\ {+\mathrm{\&lambda;}}_{(c_i+1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}{\mathrm{\&Pi;}}_{S(c_i+1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}+{\mathrm{\&lambda;}}_{(c_i,c_j+1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}{\mathrm{\&Pi;}}_{S(c_i,c_j+1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}\&CenterDot;\&CenterDot;\&CenterDot;+{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k+1)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}{\mathrm{\&Pi;}}_{S(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k+1)}\\ {+\mathrm{\&lambda;}}_{(c_i-1,c_j+1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}{\mathrm{\&Pi;}}_{S(c_i-1,c_j+1,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}+\&CenterDot;\&CenterDot;\&CenterDot;+{\mathrm{\&lambda;}}_{(c_i-1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k+1)}^{(c_i,c_j\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}{\mathrm{\&Pi;}}_{S(c_i-1,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k+1)}+\&CenterDot;\&CenterDot;\&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\end{array}\right)$

其中，

表示状态转移率，绝大部分表示网络之间的切换率，利用（10b）式可以计算得到切换率的值，这些参数均是p的函数，

表示利用马尔科夫模型分析的异构网络中每个网络的信道分配情况为(C_i,C_j,…,C_k)时的稳态概率，i，j，k为正整数，表示网络编号。并结合下面的等式，即稳态概率之和为1，即

$\underset{c_i=0}{\overset{C_1}{\mathrm{\&Sigma;}}}\underset{c_j=0}{\overset{C_2}{\mathrm{\&Sigma;}}}\&CenterDot;\&CenterDot;\&CenterDot;\underset{c_k=0}{\overset{C_N}{\mathrm{\&Sigma;}}}{\mathrm{\&Pi;}}_{S(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}=1---\left(13\right)$

步骤3-2，求解（12）和（13）式都成的方程组，得到马尔科夫过程的稳态分布

因此可以得到异构网络的平均吞吐量

$T\left(p\right)=\underset{c_i=0}{\overset{C_1}{\mathrm{\&Sigma;}}}\underset{c_j=0}{\overset{C_2}{\mathrm{\&Sigma;}}}\&CenterDot;\&CenterDot;\&CenterDot;\underset{c_k=0}{\overset{C_N}{\mathrm{\&Sigma;}}}(c_1{R}_1+c_2{R}_2+\&CenterDot;\&CenterDot;\&CenterDot;+c_N{R}_N){\mathrm{\&Pi;}}_{S(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}---\left(14\right)$

其中， ${\mathrm{\&Pi;}}_{S(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}=P\left(\stackrel{\&RightArrow;}{{\mathrm{\&lambda;}}_{(c_i,c_j,\&CenterDot;\&CenterDot;\&CenterDot;,c_k)}^{(c_{i\&prime;},c_{j\&prime;},\&CenterDot;\&CenterDot;\&CenterDot;,c_{k\&prime;})}}\right),$

是p的函数，RL表示的是CDMA2000网络的数据传输速率，RH表示的是IEEE802.11网络的数据传输速率，其它则表示业务到达率以及服务率，由异构网络系统所决定。

步骤4，利用最优化方法计算异构网络系统的吞吐量的最优值p^*：为了提高无线资源的利用率，即最大化异构网络系统的总吞吐量，即可以写成：

$p^{*}=\underset{p}{\arg }\left(\max T\left(p\right)\right)$

步骤5，协同无线资源服务器并将异构网络系统的吞吐量的最优值p^*返回给每个网络的RRM服务器，每个网络的RRM服务器执行无线资源的分配。

综上所述，本发明所述的异构网络中基于垂直切换率分析的无线资源分配方法中，由WLAN和CDMA2000两种网络重叠覆盖组成的异构网络模型，在终端运动符合角度移动模型条件下，分析该模型下终端移动方向的特点，考虑到一般情况下用户移动方向并非时刻都在改变，因此发明中假设用户在T时间内的移动方向是不变的，根据终端移动方向的特点，推导出了切换率的理论值，并且证明了用户切换到热点内（WLAN和CDMA2000重叠覆盖区域）和热点外的切换率是相等的，说明了热点区域用户数的动态平衡特点。在T趋于零时，将切换率的理论极限值作为一种特殊情况，在终端移动方向改变频繁、终端移动速率很低或者小区半径足够小时，可以利用切换率的理论极限值来近似实际切换率，这样可以有效降低理论计算切换率的复杂度。

Claims (1)

1.异构网络中基于垂直切换率分析的无线资源分配方法，其特征在于包括以下步骤：

步骤1，CRRM服务器获取各无线网络中RRM服务器采集的网络参数，统计呼叫到达率服从的概率分布、通话时间服从的概率分布，所述网络参数包括：用户分布密度以及用户移动速度、网络信道数以及网络覆盖半径；

步骤2，CRRM服务器建立角度移动模型，根据网络参数得到小区内任意位置上用户的移动方向角β服从的概率分布，利用如下表达式计算垂直切换率：

$\mathrm{\&lambda;}={2\mathrm{\&rho;}}_{E_1}d\underset{-\&infin;}{\overset{+\&infin;}{\&Integral;}}{\mathrm{vf}}_V\left(v\right|E_1)\mathrm{dv}{=2\mathrm{\&rho;}}_{E_1}\mathrm{dE}\left(v\right|E_1)$

其中：E₁为用户执行垂直切换的事件，d为小区覆盖半径；

当λ表示的是从小区内切换到小区外的垂直切换率时，

v、f_V(v|E₁)以及E(v|E₁)分别表示小区内事件E₁的用户分布密度、用户的速度、事件E1的用户速度的概率密度函数、事件E₁的用户速度的平均值；

当λ表示的是从小区外切换到小区内的垂直切换率时，

v、f_V(v|E₁)以及E(v|E₁)分别表示小区外事件E₁的用户分布密度、用户的速度、事件E₁的用户速度的概率密度函数、事件E₁的用户速度的平均值；

步骤3，针对异构网络建立马尔科夫模型来分析异构网络参数p对异构网络性能的影响：

步骤3-1，根据步骤2中的垂直切换率得到马尔科夫模型的稳态概率

${\mathrm{\&Pi;}}_{S(c_i,c_j,...,c_k)}:$

${\mathrm{\&Pi;}}_{S(c_i,c_j,...,c_k)}=P\left(\stackrel{\&RightArrow;}{{\mathrm{\&lambda;}}_{(c_i,c_j,...,c_k)}^{({c_i}^{\&prime;},{c_j}^{\&prime;},...,{c_k}^{\&prime;})}}\right),$

其中：(C_i,C_j,…,C_k)为每个网络的信道分配情况，

为网络的信道分配情况从(C_i,C_j,…,C_k)变为(C_i',C_j',…,C_k')时的垂直切换率，i、j、k为正整数，表示网络编号；

步骤3-2，根据稳态分布来得到异构网络系统的总吞吐量T(p)，

步骤4，利用最优化方法计算异构网络系统的吞吐量的最优值p^*：

$p^{*}=\underset{p}{\arg }\left(\max T\left(p\right)\right);$

步骤5，协同无线资源服务器并将异构网络系统的吞吐量的最优值p^*返回给每个网络的RRM服务器，每个网络的RRM服务器执行无线资源的分配。

Images