CN103763747A - 一种实现异构网络中动态负载均衡的方法 - Google Patents

Abstract

本发明公开了一种异构网络中动态负载均衡的方法，涉及异构通信网络技术领域。该方法通过在异构网络中，各个基站感知网络负载的变化，从历史的网络负载信息中学习，并预测未来网络的负载情况，根据预测的各个基站的负载值，对新入网络的用户采取小区间切换或者小区内切换来实现负载均衡，其中包括加强学习算法、最佳关联算法、偏置因子求解算法以及基于负载均衡的最优资源分配算法。本发明所述方法在某种意义上实现了网络的智能化，将快速实现负载均衡以及动态调整网络资源分配结合起来，提升了整个网络的性能。该方法也可用于同构网络，有很好的兼容性。

Description

一种实现异构网络中动态负载均衡的方法

技术领域

本发明属于移动通信技术领域，涉及一种实现异构网络中动态负载均衡的方法。

背景技术

为了满足人们日益增长的业务量的需求，传统的蜂窝网络朝着异构化和智能化的趋势发展，尤其是引入大量小基站（picocell和femtocell）的部署，以进一步提高网络覆盖率以及系统容量，提升用户的数据传输速率，使用户得到更好的服务。但是随着用户的随机接入和离开，使得各个基站的负载情况都不相同，有的基站由于接入的用户数目太多而导致拥塞，使得接入这些基站的用户得不到很好的服务，而有的基站由于接入的用户数目太少甚至没有用户接入而导致他们的资源的浪费，因而如何快速实现负载均衡成为目前研究的热点。同时，由于网络规模的不断扩大，接入网络的用户数目不断增加，而对于有限的网络资源，如何提升资源的利用率，进而在传统网络已有标准的基础上优化全网性能，实现网络智能化，减少人为操作维护的开销，成为目前研究的又一热点。

现有技术在解决人们日益增长的数据率的问题上，引入了异构蜂窝网络结构，通过引入低功率节点来满足用户的服务需求，从某种意义上说是将超负载的宏基站下的用户切换给低功率节点，这里没有涉及到真正意义上的切换，只是将用户直接接入到小蜂窝中进行服务。在优化网络性能指标的基础上，现有技术又提出了用户与基站关联算法，即为将要发生切换的用户选择最佳切换的目标基站，但是参考的指标是SINR，即用户当前的信号质量。而且现有技术在资源分配这部分考虑的是单个小区的资源利用率，如果从整个系统的角度出发，是一种局部优化的技术，这种考虑可能会导致其他节点的性能受到一定的损失。

此外，现有的负载均衡方法不具备感知负载的特性，而且在考虑用户与基站的关联性时只是简单的以用户的信号质量为指标，并没有将各个基站的负载情况以及资源使用状况考虑进来，因而最终获得全网效用函数并非最优值，而且在资源利用时具有一定的局限性，即考虑切换的类型只有小区内切换或者只有小区间切换，无法使用户有效利用整个网络的资源，导致整个网络的资源利用率不高。

发明内容

有鉴于此，本发明的目的在于提供一种实现异构网络中动态负载均衡的方法，该方法实现了网络的智能化，将快速实现负载均衡以及动态调整网络资源分配结合起来，提升全网性能。

为达到上述目的，本发明提供如下技术方案：

一种实现异构网络中动态负载均衡的方法，包括以下步骤：1）在每个基站下建立相邻基站状态信息列表和本地基站状态信息列表，所述列表包括各个基站的负载信息、资源分配情况、基站ID信息；2）获取用户当前位置和所属基站的相关信息，比较所属基站的当前负载与所设置的负载阈值，判断该基站是否处于超载状态；3）在该基站处于超载状态的情况下，用户根据相邻关系列表所记载的各个相邻基站的历史负载信息，预测出该用户在接受服务时相邻基站的负载信息；4）根据所述各个基站的预测负载信息值，判断哪些基站处于超载状态，即不能为该用户服务的基站，哪些是用户可以选择接入基站，即处于低负载状态的基站甚至是处于空闲状态的基站；5）根据所述的用户可以关联的基站集合，判断用户所需的切换类型，根据用户切换类型，缩小用户关联基站集合，利用最佳关联算法得到用户切换的目标基站ID；6）根据获得的切换目标基站ID，源基站向目标基站发送切换请求命令，根据切换命令将用户切换到目标基站；在接收到切换命令以后，各个基站将会更新他们的相邻关系列表；7）根据切换后的目标基站获得的新的负载，将目标基站的资源采用最优化分配算法，使得这个系统的用户平均速率达到最佳状态。

进一步，在步骤三中，用户根据相邻关系列表所记载的各个相邻基站的历史负载信息，预测出该用户在接受服务时相邻基站的负载信息，具体包括：查询各个基站的相邻关系列表，获取历史负载信息；将各个基站的历史负载信息运用加强Q-learning算法预测出未来的负载情况。

进一步，在步骤五中，利用最佳关联算法得到用户切换的目标基站ID具体包括：获得用户关联基站集合的发射功率、偏置因子、负载情况以及资源分配情况；动态调整各个关联基站的配置参数，对属于同一层次的基站的调整因子设置为同一值；将基站关联与资源分配结合优化，即最大化效用函数；获取与用户关联的最佳基站，即获得用户的最佳性能，包括用户的吞吐量，平均速率指标。

进一步，在步骤五中，判断用户所需的切换类型具体包括：查询用户关联的基站集合，获得关联基站所属小区ID以及自身ID号；根据关联基站所属小区ID，判断原基站与目标基站是否处于同一个小区；根据获得的目标基站的小区ID，判断切换类型（小区内切换和小区间切换）；根据获得切换类型，动态调整关联基站的偏置因子。

进一步，在步骤七中，所述最佳资源分配方法具体包括：统计切换到各个低负载基站的用户数目；根据新接入的用户的数目更新这些目标基站的负载情况；获取负载发生改变的这些基站的总的资源；将这些基站各自的总的资源平分给他们所承载的用户；根据用户随机接入或者离开网络，需要动态更新各个基站的资源使用情况，周期性地释放或者占用相关资源。

进一步，所述加强Q-learning算法具体包括：将每个周期的各个基站的关联用户数目设置为奖励函数；根据各个基站的历史负载数据信息，设置一个时间窗口，该时间窗口包含3个周期，即3个历史负载数据；根据每个周期下的历史负载信息对预测值的影响的程度不同，设置不同的加权因子，因为最新的数据信息影响程度越高而时间相隔较远的信息影响程度要低，这就是不在相邻关系列表中记录各个基站的所有的历史负载信息的原因，即利用了数学相关性原理；根据所述的加强Q-learning算法预测出所有基站的未来关联用户的数目，即负载情况。

进一步，所述偏置因子的设置包括：查询用户关联基站集合；计算用户到各个关联基站所受的干扰值的大小；根据所述计算的干扰值集合，选择最大的干扰值；根据最大干扰值，对不同层次的用户关联基站设置相应的偏置因子的值，这样既保证了用户到各个关联基站能够正常通信，又能相应节省系统资源，同一层次的基站的偏置因子的值相同；根据动态资源分配方法，偏置因子控制SINR以及各个关联基站的已有负载值，这样就将负载均衡与资源分配很好的结合起来。

进一步，步骤五包括：查询用户关联基站集合；判断用户到各个关联基站的切换类型；优先选择小区内切换，即与原基站在同一小区的其他基站有未超载或者处于空闲状态的，先使用本小区内未被充分利用的资源，此时需要的切换信令开销较小；不能进行小区内切换的前提下，再进行小区间切换，即利用相邻小区的未被充分利用的资源，此时需要的切换信令开销较大；在所有基站都即将处于超载状态时，用户将会在网络中处于停滞状态，不被任何基站服务，等待下个周期再传输数据。

本发明的有益效果在于：本发明所述的实现异构网络中动态负载均衡的方法在某种意义上实现了网络的智能化，将快速实现负载均衡以及动态调整网络资源分配结合起来，提升了整个网络的性能，该方法也可用于同构网络，具有很好的兼容性。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为异构蜂窝网络拓扑结构示意图；

图2为MBS收集本小区所有UEs的状态信息流程图；

图3为MBS收集相邻基站的相关信息流程图；

图4为MBS收集相邻小区的部分HeNBs信息的示意图；

图5为加强Q-learning算法流程图；

图6为切换类型判断流程图；

图7为新接入MUE获得可切换的目标基站列表流程图；

图8为新接入MUE获取目标基站的状态信息流程图；

图9为目标基站分类流程图；

图10为各个目标基站计算偏置因子值的流程图；

图11为新接入的MUE选择最佳目标基站流程图；

图12为各个基站根据负载情况动态分配资源流程图；

图13为整个系统流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

本发明提供了一种自动预测负载、快速实现全网的负载均衡并结合动态资源管理的一种优化全网性能的方法。

图1为异构蜂窝网络拓扑结构示意图，为了实施本发明，需要在宏基站（MBS）中添加其他基站的相关信息收集模块，收集本小区的所有基站、相邻小区的MBS以及相邻小区邻近的小基站的负载信息和资源利用信息；还需要添加用户（UE）状态信息收集模块，收集与此MBS相关联UEs的位置信息、业务模式、运动方向和运动速度。由于考虑到小基站一般处于低负载情况甚至处于空闲状态，即这些基站下的专用用户数目不会超过所设定的阈值，不需要将这些基站下的专属用户切换到其他的基站，因而不需要添加其他基站信息状态收集模块，它们只需要将自己的负载信息实时报告给本小区的MBS即可，由收集的状态信息建立相邻基站列表和本地基站列表。

图2为MBS收集本小区所有UEs的状态信息流程图，如图所示：

步骤201：MBS的信息收集模块向当前小区内的UE发送状态请求消息，其中状态请求消息中包括UE报告的信息状态的模式、报告周期、报告类型和事件类型（包括UE的目标基站ID、业务模式、运动状态以及运动速度）。

步骤202：相应于状态请求消息，UE解读状态请求消息，按照要求报告自己的状态信息。

步骤203：MBS根据接收到的报告消息，建立或更新UE的状态信息，即更新相邻关系列表中的部分信息。

其中，状态请求消息的示例性结构如表1所示：

表1：状态请求消息

状态信息请求消息字段描述	字段典型长度(比特)
		Type	4
Report Mode	2
		Report MetriC	4
Report Peropd	8

Type：用于标识消息。

ReportMode：用于指示UE报告状态信息的方式，分别有三种方式：一次性报告；周期性报告；事件触发报告。

ReportMetric：用于指示触发报告的准则。举例来说，包括但不限于：UE位置发生改变UE从网络中退出。

ReportPeriod：用于指示周期性报告的报告周期。

状态报告消息的示例性结构如表2所示：

状态信息请求消息字段描述	字段典型长度(比特)
		Type	4
Report Mode	2
		Status Information	实际情况

Type和ReportMode的含义与表1相同。

StatusInformation：用于指示UE的状态信息。

MBS对于本小区的所有微蜂窝，相邻小区的MBS和相邻小区的部分微蜂窝的状态信息通过基站之间的交互获得，其中，相邻小区的部分微蜂窝的信息是记录在相邻小区的MBS的列表上的。

图3为MBS收集基站的相关信息流程图，如图所示：

步骤301：MBS的信息收集模块向相邻小区的MBSs和本小区的其他HeNBs发送状态请求消息，其中状态请求消息包括相邻小区的MBSs和本小区的其他HeNBs的信息状态的模式、报告周期、报告类型和事件类型（负载情况、资源分配情况、为当前超载基站用户可提供的平均数据率等），而且相邻小区的其他微蜂窝的相关信息都存储在相邻小区的宏蜂窝的信息收集模块内。

步骤302：相应于状态请求消息，满足要求的各类基站解读状态请求消息，并将相应的情况报告给发送请求的基站。

其中状态请求消息结构示意图如表一所示，状态报告消息示意图如表2所示。

图4为MBS收集相邻小区的部分HeNBs信息的示意图。假设当前是MBS1收集基站的状态信息，那么它首先要收集本小区的微蜂窝相关相关信息，即MBS1.femto_1、MBS1.femto_2、MBS1.femto_3以及MBS1.pico_1的相关信息，并记录到MBS1的状态信息收集模块中，然后，再与相邻基站MBS2通信，收集MBS2的相关信息，收集的基站根据位置信息主要包括MBS2和MBS2.femto_1的相关信息。此外，同理在MBS2的状态信息收集模块中包含了MBS2的其他微基站的相关信息，因而在MBS1对MBS2提出获取状态信息请求时，只需要根据它设置的筛选条件在MBS2的存储信息模块进行相应的查找即可获得所需的信息，同时，一旦相邻基站的状态信息发生改变时，相邻小区的MBSs要立刻通知当前的MBS对其更新，而如果是本小区的基站状态信息发生改变时，本小区的HeNBs直接将改变信息报告给MBS，MBS将存储的本小区的状态信息进行相应的更新。因而需要在MBS下建立两个列表，一个是本地基站状态信息列表，另一个是邻区基站状态信息列表。

图5为加强Q-learning算法的流程图，如图所示：

步骤A1：MBS在进行信息收集之后，对其存储信息模块进行相应遍历操作，获取满足条件的各个基站的负载信息。一般而言，该存储信息模块具有较大的存储空间，能够存储大量的历史信息。

步骤A2：由于Q-learning算法的最原始的公式为Q_t+1＝(1-a)Q_t+ar_t，其中r_t为当前的奖励值，a为对应的学习因子，这里在原始的Q-learning算法的基础上进行相应的改进，即在获取各个基站的历史负载信息时，采用一个时间窗口W，只需要获得时间窗口内的历史负载信息值即可。这是由于信息的相关性得到的，一般而言在时间上离得最近的信息，它们之间的相关性越大，而离得较远的信息，从数学的角度上可以认为没有相关性。因而对在时间窗口W内的历史负载信息可以设置相应的加权值，继而Q_t的值可以通过线性加权函数获得，最后获得的加强Q-learning算法的公式为：

$Q_{t+1}=(1-a)\underset{i=1}{\overset{W}{\mathrm{\Σ}}}{w}_{t-i}{r}_{t-i}+{\mathrm{ar}}_t.$

步骤A3：根据步骤A2的加强Q-learning算法的公式，将所需要的数据信息代入，即可预测满足条件的各个基站的下一时刻的负载值。将这些预测负载信息值存储在MBS的预测负载信息列表里，以便于以后查询。

图6为切换类型判断流程图，如图所示：

步骤B1：根据加强Q-learning算法，MBS首先获得本基站的负载信息，以判断接下来接入该基站的用户的具体行为，此时需要对MBS的负载值设置一个阈值，作为判断该基站是否超载的标准。通过这一步，可以知道新接入该基站的用户是否需要发生切换。该步骤主要包括两大部分：一部分就是对MBS负载阈值的设置，一般而言，一种是将接入基站的用户数目作为基站的负载衡量标准，即在设置基站负载阈值时就设置为一定数目的接入用户，还有一种衡量基站负载的标准就是基站的资源利用率，即用基站的实时资源占用率来表示基站的负载情况，将基站的所有资源都被占用的情况下该基站的吞吐量作为负载阈值；另一部分就是比较部分，即将预测的基站负载值与所设置的阈值进行比较，如果预测的负载值比所设定的阈值小，那么接下来新接入该基站的用户将不会切换到别的基站，此时该基站的资源是没有全部被占用的，即它还可以为其他基站的用户服务，如股票预测的基站负载值比所设置的阈值大或者相等，那么说明该基站已经处于高负载情况，需要借助于其他基站的资源，以满足用户的需求，此时就需要对用户进行切换。

步骤B2：在完成步骤B1之后，可以知道新接入该基站的用户是否需要进行切换操作，但是具体进行哪种切换操作则是在该部分完成。该步骤是在步骤B1判断该基站处于超载的前提下才进行的，因为要向其他基站借用资源，因而需要获得没有超载的基站，根据步骤A3可知，MBS将相邻基站的信息存储在本地基站列表和邻区基站列表里，此时MBS首先查询本地基站列表，看是否存在低负载或者处于空闲状态的基站，如果存在，那么新接入该基站的用户可以切换到这些基站，此时称之为小区内切换；如果没有低负载或者处于空闲状态的基站，即在本小区的其他微基站都即将处于超载情况，此时需要继续查询邻区基站列表，看相邻小区满足地理位置条件的基站是否处于低负载或者空闲状态，如果存在，则可以切换到相邻小区的这些基站上进行服务，这时称之为小区间切换。注意，一般而言，MBS首先查询本地基站列表，即先判断是否属于小区内切换，在不能进行小区内切换的前提下再继续查询邻区基站列表，再进行小区间切换。还有由于该系统为异构蜂窝网络，在同一小区中有三种类型的基站，如图4所示，而且不同类型的基站的覆盖范围是不一样的，因此，需要对不同类型的基站设置不同的负载阈值，但是同一种类型的基站的负载阈值时相同的，即在该步骤中的比较条件下有一个i变量，它表示本地其他微基站的ID。

图7为新接入MUE获得可切换的目标基站列表流程图，如图所示：

步骤C1：在完成步骤B2之后，MBS的信息收集模块已经收集完满足切换要求的基站相关信息，并存储在相应的信息存储模块中，此时，对于新接入该基站的MUEs会向本地MBS发送状态请求报告信息，该状态报告请求信息包括信息状态的模式、报告周期、报告类型和事件类型，具体流程如图8所示。

步骤C2：MBS在接收到MUEs发送的状态请求报告信息之后，对其进行解析，为了获得满足要求目标基站的集合，缩小目标基站的范围，需要对切换类型进行判别，此时通过图6中的步骤获得。

步骤C3：根据步骤C2，MBS成功判别出新接入MBS的用户的切换类型，此时将MUEs可以接入的基站构成一个目标基站集合。

步骤C4：此时MBS将目标基站集合下的基站的相关信息发送给MUE，具体的信息包括基站所属小区ID，基站自身ID，负载情况，资源利用程度，地理位置等。

步骤C5：MUEs同MBS一样，同样拥有一个信息收集模块，只是为该信息收集模块设置的信息存储空间相对于MBS要小得多，因为它只存储目标基站集合的基站的部分信息，此时将建立一个目标基站列表。

图8为新接入MUE获取目标基站的状态信息流程图。

步骤801：新接入的MUE向MBS发送状态信息请求报告。

步骤802：MBS在接收到状态信息请求报告之后，对该报告进行解析，收集相应的信息临时存储起来。

步骤803：在收集相关信息之后，MBS按照要求将状态报告消息发送给MUE。状态信息请求报告的格式如表1所示，状态报告消息的格式如表2所示。

图9为目标基站分类流程图：

步骤D1：MUE在获得目标基站列表之后，进一步对该列表进行查询，获取所需要的相关信息，此时需要获取的信息主要是目标基站配置的发射功率。由于在获得目标基站列表之前，先进行切换类型的判断，因而存储在MUE的目标基站类型只有一种情况，不是本小区的其他小基站就是相邻小区满足地理位置以及负载要求的邻区基站。

步骤D2：在获得目标基站列表之后，MUE将会根据目标基站的发射功率对目标基站进行分类。具体过程是：如果获取的目标基站属于本小区内，即需要进行小区内切换，那么根据图1可以将目标基站分为两类，一类是femtocells，另一类是picocells，因为这是在考虑MUE切换到其他的小基站的情况而言的。如果获取的目标基站属于邻小区，即需要进行小区间切换，那么根据图4可以将目标基站分为三类，此时需要将相邻基站的MBSs考虑进来，那么这三类即是macrocells，femtocells以及picocells，此时需要注意的是并不需要将相邻小区的所有未超载的基站都考虑为目标基站，通过上述所述可知，此时筛选目标基站除了低负载的条件之外还需要加上各个邻区基站的地理位置信息。

步骤D3：在对目标基站集合进行分类之后，由于各层次的蜂窝的发射功率是不一样的，比如macrocells、femtocells和picocells的发射功率分别为46dBm、35dBm和20dBm，导致各个蜂窝的覆盖范围是不一样的，由于各个基站使用的是相同的频谱资源，即会存在较强的ICI（小区间干扰或者称为同频干扰）。具体分析如图4所示，比如在MBS1覆盖范围内，MBS1.femto_2的所属用户就可能收到较强的宏蜂窝干扰，还有所属MBS1并处于MBS1边缘的用户由于存在路径损失而导致他们接收到的有用信号较弱，与此同时他们受到周围小基站的干扰较强。为了解决上述问题，这里采用设置偏置因子的方法动态调整目标基站的配置参数，以使用户获得较好的服务。但是由于目标基站集合中的基站类型的不同，因此在设计偏置因子值的时候需要根据目标基站的类型进行不同的设置，而同一类型的偏置因子值的大小是相同的。

图10为各个目标基站计算偏置因子值的流程图：

在MUE接收到MBS发送给其的消息之后，即他已经知道MBS是处于超载的情况的，从图9所述中知道需要设置偏置因子以避免ICI，下面就具体介绍偏置因子值计算流程。

步骤E1：新接入MUE查询其存储的目标基站列表，获取目标基站的相关信息，主要包括目标基站的地理位置信息，配置参数信息等。

步骤E2：在MUE选择目标基站之前，即他需要进行切换操作时，源MBS就从MUE的服务基站变成了干扰基站，此时需要计算它对MUE产生的干扰值大小，因为本地宏基站的发射功率较大，产生的干扰不容忽视，为主要干扰源，而其他干扰基站这里将不考虑为干扰基站。

步骤E3：根据步骤E2获得主要干扰值，分别计算目标基站在保证MUE能够正常通信需要的

并计算各个基站能够为MUE提供的

其中k表示基站的类型，j表示基站的ID。

步骤E4：根据步骤E3得到的两类SINR集合，需要分别求得成功通信的的均值以及

的均值，即 ${\stackrel{\‾}{\mathrm{SINR}}}_K^j=E\left[{\mathrm{SINR}}_k^j\right],\stackrel{\‾}{{\mathrm{SINR}}_k^{\′j}}=E\left[{\mathrm{SINR}}_k^{\′j}\right],$ 那么偏置因子值的计算公式为

$A_k=\stackrel{\‾}{{\mathrm{SINR}}_k^{\′j}}/{\stackrel{\‾}{\mathrm{SINR}}}_k^j.$

图11为新接入的MUE选择最佳目标基站流程图：

步骤F1：MUE查询目标基站列表，获取目标基站的相关配置信息，主要包括发射功率、可用资源以及地理位置信息等。

步骤F2：在经过图10的步骤之后，即为每个目标基站通过相应的计算获得了偏置因子值，此时需要将计算好的偏置因子引入对目标基站的配置参数进行相应调整。具体调整方法：一种方法是直接用偏置因子对目标基站提供给MUE的SINR值进行线性调整，即

其中B_k是校正值，可以根据需要进行设置；另一种是偏置因子直接控制目标基站提供给MUE的数据率，即

其中

步骤F3：在对目标基站的相关配置参数进行调整之后，就需要对目标基站结合进行筛选，以选择最佳的目标基站接入。具体关联方法有三种：i最大数据率关联法，即从用户的角度考虑，使用户获得最佳服务的基站为目标基站，具体表达公式为

ii结合资源分配法，即从用户的角度考虑也从基站的角度考虑，尽可能的提升基站的资源利用率，同时也兼顾用户的数据传输速率，具体表达式为

其中

表示资源的利用度，其值为[0,1]；iii考虑负载情况的资源分配法，这是在前量中方法的基础上进一步改进，不仅仅考虑基站的资源利用情况和为用户提供的速率情况，并将目标基站的预测负载值作为一个考虑因子，具体表达公式表示为

其中x_ij表示用户i与基站关联指示函数，如果用户i与基站j关联，那么其值为1，否则为0。

通过上述步骤，MUE获得最佳目标基站，即MUE选择该基站作为切换的目的基站，此时MUE仍然是MBS覆盖范围的用户，因此它需要将目标基站的相关信息发送给源MBS，MBS根据接收到的信息与目标基站进行通信，即对目标基站发送切换请求信息，在目标基站接收到切换请求信息之后，并进行相应分析处理，再将确认信息发送给源MBS，最后MUE成功切换到目标基站。

图12为各个基站根据负载情况动态分配资源流程图：

步骤G1：在经过上述步骤之后，各个基站下的用户会根据预测的基站负载值进行相应的小区间切换和小区内切换操作，在用户成功切换到目标基站之后，各个基站的负载情况将会发生改变，此时需要对各个基站的负载重新统计，并将统计值更新到MBS下的本地基站列表以及邻区基站列表，作为历史负载信息存储。

步骤G2：根据基站的接入负载信息的改变，即基站需要动态释放或者占用资源，此时根据新的负载信息基站会重新调整资源，这里采用的最优分配资源法是均分法，即把基站实时释放的资源以及基站预留的资源部分根据新增加负载值进行均匀分配，与此同时，当用户的数据传输完毕或者用户由于移动而接入到其他基站时，基站需要将该用户占用的资源及时释放出来以供别的用户使用，进一步提升资源的利用率。图13为整个系统流程图。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (8)

1.一种实现异构网络中动态负载均衡的方法，其特征在于：包括以下步骤：

步骤一：在每个基站下建立相邻基站状态信息列表和本地基站状态信息列表，所述列表包括各个基站的负载信息、资源分配情况、基站ID信息；

步骤二：获取用户当前位置和所属基站的相关信息，比较所属基站的当前负载与所设置的负载阈值，判断该基站是否处于超载状态；

步骤三：在该基站处于超载状态的情况下，用户根据相邻关系列表所记载的各个相邻基站的历史负载信息，预测出该用户在接受服务时相邻基站的负载信息；

步骤四：根据所述各个基站的预测负载信息值，判断哪些基站处于超载状态，即不能为该用户服务的基站，哪些是用户可以选择接入基站，即处于低负载状态的基站甚至是处于空闲状态的基站；

步骤五：根据所述的用户可以关联的基站集合，判断用户所需的切换类型，根据用户切换类型，缩小用户关联基站集合，利用最佳关联算法得到用户切换的目标基站ID；

步骤六：根据获得的切换目标基站ID，源基站向目标基站发送切换请求命令，根据切换命令将用户切换到目标基站；在接收到切换命令以后，各个基站将会更新他们的相邻关系列表；

步骤七：根据切换后的目标基站获得的新的负载，将目标基站的资源采用最优化分配算法，使得这个系统的用户平均速率达到最佳状态。

2.根据权利要求1所述的实现异构网络中动态负载均衡的方法，其特征在于：在步骤三中，用户根据相邻关系列表所记载的各个相邻基站的历史负载信息，预测出该用户在接受服务时相邻基站的负载信息，具体包括：查询各个基站的相邻关系列表，获取历史负载信息；将各个基站的历史负载信息运用加强Q-learning算法预测出未来的负载情况。

3.根据权利要求1所述的实现异构网络中动态负载均衡的方法，其特征在于：在步骤五中，利用最佳关联算法得到用户切换的目标基站ID具体包括：获得用户关联基站集合的发射功率、偏置因子、负载情况以及资源分配情况；动态调整各个关联基站的配置参数，对属于同一层次的基站的调整因子设置为同一值；将基站关联与资源分配结合优化，即最大化效用函数；获取与用户关联的最佳基站，即获得用户的最佳性能，包括用户的吞吐量，平均速率指标。

4.根据权利要求1所述的实现异构网络中动态负载均衡的方法，其特征在于：在步骤五中，判断用户所需的切换类型具体包括：查询用户关联的基站集合，获得关联基站所属小区ID以及自身ID号；根据关联基站所属小区ID，判断原基站与目标基站是否处于同一个小区；根据获得的目标基站的小区ID，判断切换类型；根据获得切换类型，动态调整关联基站的偏置因子。

5.根据权利要求1所述的实现异构网络中动态负载均衡的方法，其特征在于：在步骤七中，所述最佳资源分配方法具体包括：统计切换到各个低负载基站的用户数目；根据新接入的用户的数目更新这些目标基站的负载情况；获取负载发生改变的这些基站的总的资源；将这些基站各自的总的资源平分给他们所承载的用户；根据用户随机接入或者离开网络，需要动态更新各个基站的资源使用情况，周期性地释放或者占用相关资源。

6.根据权利要求2所述的实现异构网络中动态负载均衡的方法，其特征在于：所述加强Q-learning算法具体包括：将每个周期的各个基站的关联用户数目设置为奖励函数；根据各个基站的历史负载数据信息，设置一个时间窗口，该时间窗口包含3个周期，即3个历史负载数据；根据每个周期下的历史负载信息对预测值的影响的程度不同，设置不同的加权因子；根据所述的加强Q-learning算法预测出所有基站的未来关联用户的数目，即负载情况。

7.根据权利要求3所述的实现异构网络中动态负载均衡的方法，其特征在于：所述偏置因子的设置包括：查询用户关联基站集合；计算用户到各个关联基站所受的干扰值的大小；根据所述计算的干扰值集合，选择最大的干扰值；根据最大干扰值，对不同层次的用户关联基站设置相应的偏置因子的值，同一层次的基站的偏置因子的值相同。

8.根据权利要求4所述的实现异构网络中动态负载均衡的方法，其特征在于：步骤五包括：查询用户关联基站集合；判断用户到各个关联基站的切换类型；优先选择小区内切换，即与原基站在同一小区的其他基站有未超载或者处于空闲状态的，先使用本小区内未被充分利用的资源，此时需要的切换信令开销较小；不能进行小区内切换的前提下，再进行小区间切换，即利用相邻小区的未被充分利用的资源，此时需要的切换信令开销较大；在所有基站都即将处于超载状态时，用户将会在网络中处于停滞状态，不被任何基站服务，等待下个周期再传输数据。

Images