CN104507036B - 一种基于acb的m2m网络负载感知动态调整网络负载状况的方法 - Google Patents
一种基于acb的m2m网络负载感知动态调整网络负载状况的方法 Download PDFInfo
- Publication number
- CN104507036B CN104507036B CN201410747721.9A CN201410747721A CN104507036B CN 104507036 B CN104507036 B CN 104507036B CN 201410747721 A CN201410747721 A CN 201410747721A CN 104507036 B CN104507036 B CN 104507036B
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- load
- state
- network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,属于通信技术领域。本发明方法包括以下步骤:步骤一:基于马尔可夫链对网络负载状况进行估计;步骤二:根据网络负载状况的估计结果设计用于控制ACB方法限制因子的动态控制函数;步骤三:利用获得的动态控制函数调整网络负载状况。本发明方法能够有效地提高网络负载的成功接入概率,同时能显著地减少接入时延,从而能够有效解决网络拥塞的问题。
Description
技术领域
本发明属于通信技术领域,涉及M2M网络接入控制策略,具体涉及一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法。
背景技术
随着物联网的发展,M2M(Machine-to-Machine的简称,专指机器与机器之间的通信业务类型)被认为会在将来给人类的生活带来极大的便利。由于拥有广阔的前景,得到了人们的广泛关注。与传统的H2H(Human-to-Human)通信业务相比,M2M的负载密度要远远大于H2H,并且在短时间内可能有大量的负载通过随机接入信道同时接入基站,这被认为是M2M与H2H最大的区别之一。
大量的负载同时接入会导致网络的严重拥塞,致使负载的成功接入概率极低并且有很大的时延。尤其是当大量接入失败的负载一次次重复接入网络时,网络极易瘫痪。为了减轻网络的拥塞,3GPP(3rd Generation Partnership Project)提出了一些接入控制策略,在这些接入控制策略中,有一种叫做ACB(Access Class Barring,接入类型限制)的方法可以在一定程度上缓解网络的拥塞。这种方法通过基站广播限制因子来限制某些不符合条件的负载的接入,从而达到减轻网络拥塞的目的。遗憾的是,当负载数进一步增大时,ACB方法效果并不明显,这就驱使新的技术的研究。
发明内容
为了克服上述现有技术存在的缺陷,本发明的目的在于提供一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,该方法能够有效估计当前的网络负载状况,并基于估计的结果来动态调整ACB方法的限制因子,从而有效解决M2M网络中大量的负载同时接入时导致的网络拥塞问题,减少接入时延,提高成功接入率。
本发明是通过以下技术方案来实现:
一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,包括以下步骤:
步骤一:基于马尔可夫链对M2M网络负载状况进行估计;
步骤二:根据M2M网络负载状况的估计结果设计用于控制ACB方法限制因子的动态控制函数;
步骤三:利用获得的动态控制函数调整M2M网络负载状况。
步骤一所述的基于马尔可夫链对M2M网络负载状况进行估计,具体包括以下步骤:
1)根据负载接入导频的情况形成马尔可夫链,并得到刻画马尔可夫链性质的状态转移概率矩阵P;
2)利用得出的马尔可夫链形成估计的模型;
3)根据申请导频的负载数估计出当前M2M网络的负载状况。
步骤1)所述的根据负载接入导频的情况形成马尔可夫链,并得到刻画马尔可夫链性质的状态转移概率矩阵P,具体操作为:
将负载接入导频的过程构成马尔可夫链,对应导频的状态用(|A|,|B|,|C|)表示;其中,A表示只有一个负载接入的导频的集合,集合的势|A|(|A|=0,1,2,…,K)表示只有一个负载申请接入的导频数;B表示有两个或两个以上负载接入的导频的集合,集合的势|B|(|B|=0,1,2,…,K)表示有两个或两个以上负载接入的导频数;C表示没有负载接入的导频的集合,集合的势|C|(|C|=0,1,2,…,K)表示没有负载接入的导频数;
所以|A|表示成功的导频数,也就是成功接入的负载数;|B|表示碰撞的导频数;|C|表示空闲的导频数;由于导频的总数只有K个,所以|A|+|B|+|C|=K;
则状态的总数l为式(1):
将l个状态均对应编号,则第n个状态的编号记为:
然后求出刻画马尔可夫链性质的状态转移概率矩阵P;
若一个设备接入集合A中的某个导频,则集合A中的导频数会减1,而集合B中的导频数会加1,导频的状态从i=(|A|,|B|,|C|)变到j=(|A|-1,|B|+1,|C|),并且对应的状态转移概率为|A|/K,其中,i,j分别表示马尔可夫链的某个状态;
若一个设备接入集合B中的某个导频,则导频的状态不发生改变并且对应的状态转移概率为|B|/K;
若一个设备接入集合C中的某个导频,则集合A中的导频数加1,而集合C中的导频数减1,导频的状态从i=(|A|,|B|,|C|)变到j=(|A|+1,|B|,|C|-1),并且对应的状态转移概率为|C|/K;
某个状态(|A|,|B|,|C|)只能转移到状态(|A|,|B|,|C|)、(|A|-1,|B|+1,|C|)和状态(|A|+1,|B|,|C|-1);从状态(|A|,|B|,|C|)转变到其它状态的概率为0;
则对应得出状态转移概率矩阵:
其中,l表示状态的总数。
步骤2)所述的利用得出的马尔可夫链形成估计的模型的具体包括以下步骤:
①、计算马尔可夫链状态转移m步后的概率分布向量π(m):
π(m)=π(0)Pm (3);
其中,π(0)表示导频的初始状态概率分布向量,则π(0)=(1,0,…,0),当网络没有设备接入时,初始状态为所有的导频都空闲,状态为(0,0,K),即第一个状态的概率为1,其它状态的概率为0;
②、根据得到的概率分布向量π(m)求出转移m步后状态(|A|,|B|,|C|)的概率:
Pr(m)(|A|,|B|,|C|)=[π(m)]n (4);
其中,n表示第n个状态的编号,等式左边的符号Pr表示概率,(|A|,|B|,|C|)表示状态,Pr右上角的(m)表示转移步数;
③、利用最大似然估计法估计申请接入导频的负载数,其中,最大似然估计法是通过导频的状态并且利用贝叶斯公式形成,具体如下:
其中,M表示马尔可夫链的状态转移步数m为待估计的申请接入导频的负载数;N表示网络中总的到达的负载的数目,a、b、c分别表示三个不同状态的具体取值;
利用贝叶斯公式:
写成最大似然估计的形式,则为:
根据步骤②得到的结果,得出估计模型为:
步骤3)所述的根据申请导频的负载数估计出当前M2M网络的负载状况具体操作为:
网络负载通过ACB方法建立,则申请导频的负载数是到达的负载数通过ACB方法后得到的,故M2M网络负载估计的最终表达为:
其中,D为M2M网络中到达的设备数;表示得到的是M2M网络的负载数估计值;p为限制因子,且0<p<1。
步骤二所述的根据M2M网络负载状况的估计结果设计用于控制ACB方法限制因子的动态控制函数如下:
其中,α、θ是控制函数的两个可变参数,以α作为当前网络负载是否过大的一个门限,不同的α下认定的负载过大的标准不同;θ是控制动态变化快慢的一个参数,θ越大,表示网络中控制接入导频的负载数的变化幅度越大,即变化越快;负载的控制是按时隙来进行,估计的负载数只能是当前时隙,记为k的负载数,用当前时隙估计的负载数Dk改变当前时隙的限制因子来不及实现,故改变下一个时隙k+1的限制因子pk+1,且0<pk+1<1。
步骤三所述的利用控制函数来调整M2M网络负载状况,具体操作为:
第一种情况,如果网络负载超过α,则认为此时负载过大,网络拥塞严重,则限制因子的值为0.1,即只有原来10%的负载能够申请接入导频;
第二种情况,如果网络的负载数没有超过α,则认为负载数在可控制范围,则按来调整,0.1<pk+1<1;不同的网络场景下α、θ的取值不同,具体的趋势随α、θ的变化而改变。
与现有技术相比,本发明具有以下有益的技术效果:
本发明方法首先基于马尔可夫链对网络负载状况进行估计,然后在估计的基础上设计动态控制函数来控制ACB方法的一个参数(通常称为限制因子),最后利用动态控制函数调整网络负载状况,从而实现本发明动态调整网络负载状况的目的。由于网络负载的控制是在估计的负载数的基础上进行的,所以,估计的好坏直接影响到后面的动态调整的效果,本发明从给出的估计效果中也可以看出本发明的估计方案是十分准确的,这为动态调整提供了有力的保证。同时仿真结果表明,与传统的ACB方法相比,本发明方法能够有效地提高网络负载的成功接入概率,同时能显著地减少接入时延,从而能够有效解决网络拥塞的问题。
附图说明
图1为本发明的刻画马尔可夫链性质的导频状态转移图;
图2为本发明的实际网络负载值与估计值的比较结果图;其中,(a)表示时隙0-2000内实际的网络负载数,(b)表示时隙50-100内网络实际的负载值与本发明估计的负载值的比较,(c)表示时隙1000-1050内网络的负载值与本发明估计的负载值的比较;网络负载值就是图中纵坐标显示的设备到达数;
图3为本发明的动态控制函数图,具体的α、θ的值在图上可以清晰看出,α分别为130、160、220;θ分别为4、3、2;
图4为本发明方法网络负载成功接入概率图;
图5为本发明方法的负载成功接入网络的平均时延图;
图6为本发明方法的网络中负载碰撞的概率图。
具体实施方式
下面结合具体的实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
本发明提出一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法。这种方法可以估计当前的M2M网络负载状况,并且基于估计的结果来动态调整ACB方法的限制因子,从而提高系统的性能(包括提高成功接入概率和减少接入时延)。其具体的实现过程如下:
⑴基于马尔可夫链的M2M网络负载估计方法
①根据负载接入导频的情况形成马尔可夫链并得到刻画马尔可夫链性质的状态转移概率矩阵P。负载接入导频的过程构成马尔可夫链,对应导频的状态可用(|A|,|B|,|C|)表示;其中,A表示只有一个负载接入的导频的集合,集合的势|A|(|A|=0,1,2,…,K)表示只有一个负载申请接入的导频数;B表示有两个或两个以上负载接入的导频的集合,集合的势|B|(|B|=0,1,2,…,K)表示有两个或两个以上负载接入的导频数;C表示没有负载接入的导频的集合,集合的势|C|(|C|=0,1,2,…,K)表示没有负载接入的导频数;
所以|A|表示成功的导频数,也就是成功接入的负载数;|B|表示碰撞的导频数;|C|表示空闲的导频数;由于导频的总数只有K个,所以|A|+|B|+|C|=K,且状态的总数l为:
为了将l个状态都对应编上号,记第n个状态的编号为:
根据以上的描述可以进一步求出刻画马尔可夫链性质的状态转移概率矩阵P,具体的状态转移过程参见图1。如果现在某一个设备接入集合A中的某个导频,则集合A中的导频数会减1,而集合B中的导频数会加1。因为原来A中的导频已经有一个设备接入了,现在又接入一个则变成两个设备接入,此时这个导频就属于集合B了。因此导频的状态从i=(|A|,|B|,|C|)变到j=(|A|-1,|B|+1,|C|)并且对应的状态转移概率为|A|/K(i,j分别表示马尔可夫链的某个状态)。如果一个设备接入集合B中的某个导频,则导频的状态不发生改变并且对应的状态转移概率为|B|/K。如果一个设备接入集合C中的某个导频,则集合A中的导频数加1而集合C中的导频数减1。因此,导频的状态从i=(|A|,|B|,|C|)变到j=(|A|+1,|B|,|C|-1)并且对应的状态转移概率为|C|/K。所以某个状态(|A|,|B|,|C|)只能转移到状态(|A|,|B|,|C|)、(|A|-1,|B|+1,|C|)和状态(|A|+1,|B|,|C|-1)。从状态(|A|,|B|,|C|)转变到其它状态的概率为0。对应可写出状态转移概率矩阵
其中,l表示状态的总数。
②利用得出的马尔可夫链形成估计的模型。马尔可夫链的状态转移步数就是要估计的申请接入导频的负载数M,这个估计的模型具体形成如下:
第一步:得出马尔可夫链状态转移m步后的概率分布向量π(m),
π(m)=π(0)Pm (3);
其中,用π(0)表示导频的初始状态概率分布向量,则π(0)=(1,0,…,0)。这是因为当网络没有设备接入时,初始状态为所有的导频都空闲,即状态只能为(0,0,K),也就是说第一个状态的概率为1,其它状态的概率为0。
第二步:根据得到的概率分布向量π(m)求出转移了m步后状态(|A|,|B|,|C|)的概率:
Pr(m)(|A|,|B|,|C|)=[π(m)]n (4);
其中,n表示第n个状态的编号。等式左边的符号Pr表示概率,(|A|,|B|,|C|)表示状态,右上角的(m)表示转移步数。
第三步:根据第二步得到的结果,利用最大似然估计的方法估计申请接入导频的负载数。其中,最大似然估计是通过导频的状态并且利用贝叶斯公式形成,具体如下:
其中,N表示网络中总的到达的负载的数目,a、b、c分别表示状态的具体取值。
利用贝叶斯公式
写成最大似然估计的形式
利用第二步的结果,估计方案可以写成
③根据申请导频的负载数估计出当前M2M网络的负载状况。由于M是网络中到达的设备数D通过ACB方法(通过一个概率为p的限制因子)后得到的,所以网络负载的估计最终可表示为
其中,D为M2M网络中到达的设备数即网络的负载状况,其上所带的符号“^”表示得到的是估计的值;p为限制因子,且0<p<1。估计的效果参见图2,其中,(a)表示时隙0-2000内实际的网络负载数,(b)表示时隙50-100内网络实际的负载值与本发明估计的负载值的比较,(c)表示时隙1000-1050内网络的负载值与本发明估计的负载值的比较;网络负载值就是图中纵坐标显示的设备到达数。从图中可以看出,本发明的估计值与实际值非常接近,这说明了本发明的估计方案的精确性。
⑵动态控制函数的设计
具体的控制函数如下:
其中,α、θ是控制函数的两个可以改变的参数。以α作为当前网络负载是否过大的一个门限。不同的α下认定的负载过大的标准不同。θ是控制动态变化快慢的一个参数。θ越大,表示网络中接入导频的负载数变化幅度越大,即变化越快。由于负载的控制是按时隙来进行,估计的负载数只能是当前时隙(记为k)的负载数,而用当前时隙估计的负载数(即Dk)改变当前时隙的限制因子已经来不及,故只能改变下一个时隙(即时隙k+1)的限制因子pk+1,且0<pk+1<1。
①如果网络负载超过α,相当于此时负载过大,网络拥塞严重,则限制因子为较小的值0.1,即只能有原来10%的负载能够申请接入导频,申请的数降下来,网络的拥塞就会缓解。
②如果网络的负载数没有超过α,相当于负载数在可控制范围,则按来调整,此时0.1<pk+1<1。这个函数代表的曲线是先变化缓慢,然后变化加快。具体的趋势随α、θ的变化而改变,不同的网络场景下α、θ的取值不同。具体的特例和变化趋势可以参考附图3,可以看出曲线都是先变化很缓慢(例如设备到达数即负载数小于50的时候)然后变化加快(负载数大于50),最后为0.1。
总之,由于pk+1一定小于1,所以能够申请到导频的数目一定是比实际的网络负载数少的。网络的负载数越多,pk+1就越接近较小的值0.1(不设置成0是要保证还是有一些设备可以接入)。负载数降了下来,网络的拥塞情况自然就得到了缓解。而具体降多少,则由控制函数的变化快慢决定。
为了验证本发明的性能改善,采取如下仿真场景、参数:
考虑一个单小区,只有一个基站,M2M负载均匀分布于小区内。假设在10s内有N=30000个以上的负载被激活,并且激活的负载数服从参数为x=3,y=4的β分布。该分布的表达式如下:
其中TA表示3GPP协议中规定的仿真时间,即10s。B(x,y)表示β函数。每个时隙的长度为5ms,每个时隙内的可用的导频总数为54个。因此10s内一共有2000个时隙,54×2000=108000个导频。
需要说明的是此处的负载激活数与之前所说的负载到达数是不一样的。当前时隙负载的到达数是等于当前时隙的负载激活数、上一个时隙的负载碰撞数、之前一些时隙没有通过ACB而延迟过来的重新接入的负载数三部分之和。故不能将激活数与负载到达数混淆。而我们估计的策略的最终目的是估计到达数。
为了展示仿真结果使用如下所定义的指标:
①成功接入概率:每个时隙成功接入的负载数之和除以10s内的总激活负载数N。
②碰撞概率:首先,定义总碰撞数为每个时隙碰撞的负载数之和,定义总申请数为每个时隙申请导频的负载数之和。碰撞概率则为总碰撞数与总申请数之比。
③平均时延:首先,定义一个负载的时延为从它发出接入申请到接入成功的时间。则平均接入时延为所有激活负载的时延总和除以激活负载的总数。
仿真的结果见附图4、5、6。图4表示当前网络中成功接入导频的负载数占总的负载数的比例,成功接入概率越高,表示当前成功接入的负载数就越多。可以看出,基于ACB的M2M网络负载感知以及动态调整网络负载状况的方法的成功接入概率明显要比传统ACB高。并且当激活负载数为30000时(这是3GPP协议中假设的负载数)成功接入概率超过了97%,基本解决了这种情况下的负载接入问题。图5所示是本发明方法的负载成功接入网络的平均时延图,平均时延越低表示负载成功接入网络所耗费的时间越少,从图5中可以看出,系统的平均时延在网络负载感知ACB方法下得到了很大的改善。尤其是当激活负载数超过60000时,传统ACB方法的时延变得不可忍受,并且时延曲线增涨速率非常大,而网络负载感知ACB方法的时延较小并且曲线变化相对缓慢。图6为本发明方法的网络中负载碰撞的概率图,碰撞概率越高,表示网络中申请同一个导频的负载数越多,从图6可以看出,激活负载数较少时,基于ACB的M2M网络负载感知以及动态调整网络负载状况的方法的碰撞概率会大于传统ACB方法,当激活负载数超过40000时,其碰撞概率会小于传统ACB方法。
从以上分析的仿真结果来看,网络负载感知ACB方法的性能比传统的ACB方法提高了很多。这种性能的提高受益于准确估计网络的负载状况并且动态调整限制因子。由此,也证实了本发明在解决网络拥塞问题方面的成果。
Claims (6)
1.一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,其特征在于,包括以下步骤:
步骤一:基于马尔可夫链对M2M网络负载状况进行估计,具体包括步骤:
1)根据负载接入导频的情况形成马尔可夫链,并得到刻画马尔可夫链性质的状态转移概率矩阵P;
2)利用得出的马尔可夫链形成估计的模型;
3)根据申请导频的负载数估计出当前M2M网络的负载状况;
步骤二:根据M2M网络负载状况的估计结果设计用于控制ACB方法限制因子的动态控制函数;
步骤三:利用获得的动态控制函数调整M2M网络负载状况。
2.根据权利要求1所述的一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,其特征在于,步骤1)所述的根据负载接入导频的情况形成马尔可夫链,并得到刻画马尔可夫链性质的状态转移概率矩阵P,具体操作为:
将负载接入导频的过程构成马尔可夫链,对应导频的状态用(|A|,|B|,|C|)表示;其中,A表示只有一个负载接入的导频的集合,集合的势|A|(|A|=0,1,2,…,K)表示只有一个负载申请接入的导频数;B表示有两个或两个以上负载接入的导频的集合,集合的势|B|(|B|=0,1,2,…,K)表示有两个或两个以上负载接入的导频数;C表示没有负载接入的导频的集合,集合的势|C|(|C|=0,1,2,…,K)表示没有负载接入的导频数;
所以|A|表示成功的导频数,也就是成功接入的负载数;|B|表示碰撞的导频数;|C|表示空闲的导频数;由于导频的总数只有K个,所以|A|+|B|+|C|=K;
则状态的总数l为式(1):
<mrow>
<mi>l</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<mi>i</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mi>K</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>K</mi>
<mo>+</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
将l个状态均对应编号,则第n个状态的编号记为:
<mrow>
<mi>n</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>K</mi>
<mo>-</mo>
<mo>|</mo>
<mi>A</mi>
<mo>|</mo>
<mo>+</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mi>A</mi>
<mo>|</mo>
<mo>+</mo>
<mo>|</mo>
<mi>B</mi>
<mo>|</mo>
<mo>+</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
然后求出刻画马尔可夫链性质的状态转移概率矩阵P;
若一个设备接入集合A中的某个导频,则集合A中的导频数会减1,而集合B中的导频数会加1,导频的状态从i=(|A|,|B|,|C|)变到j=(|A|-1,|B|+1,|C|),并且对应的状态转移概率为|A|/K,其中,i,j分别表示马尔可夫链的某个状态;
若一个设备接入集合B中的某个导频,则导频的状态不发生改变并且对应的状态转移概率为|B|/K;
若一个设备接入集合C中的某个导频,则集合A中的导频数加1,而集合C中的导频数减1,导频的状态从i=(|A|,|B|,|C|)变到j=(|A|+1,|B|,|C|-1),并且对应的状态转移概率为|C|/K;
某个状态(|A|,|B|,|C|)只能转移到状态(|A|,|B|,|C|)、(|A|-1,|B|+1,|C|)和状态(|A|+1,|B|,|C|-1);从状态(|A|,|B|,|C|)转变到其它状态的概率为0;
则对应得出状态转移概率矩阵:
<mrow>
<mi>P</mi>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>P</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mn>1</mn>
<mi>l</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>l</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,l表示状态的总数。
3.根据权利要求2所述的一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,其特征在于,步骤2)所述的利用得出的马尔可夫链形成估计的模型的具体包括以下步骤:
①、计算马尔可夫链状态转移m步后的概率分布向量π(m):
π(m)=π(0)Pm (3);
其中,π(0)表示导频的初始状态概率分布向量,则π(0)=(1,0,…,0),当网络没有设备接入时,初始状态为所有的导频都空闲,状态为(0,0,K),即第一个状态的概率为1,其它状态的概率为0;
②、根据得到的概率分布向量π(m)求出转移m步后状态(|A|,|B|,|C|)的概率:
Pr(m)(|A|,|B|,|C|)=[π(m)]n (4);
其中,n表示第n个状态的编号,等式左边的符号Pr表示概率,(|A|,|B|,|C|)表示状态,Pr右上角的(m)表示转移步数;
③、利用最大似然估计法估计申请接入导频的负载数,其中,最大似然估计法是通过导频的状态并且利用贝叶斯公式形成,具体如下:
<mrow>
<mover>
<mi>M</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mi>max</mi>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>m</mi>
<mo>&le;</mo>
<mi>N</mi>
</mrow>
</munder>
<mo>{</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>=</mo>
<mi>m</mi>
<mo>|</mo>
<mo>|</mo>
<mi>A</mi>
<mo>|</mo>
<mo>=</mo>
<mi>a</mi>
<mo>,</mo>
<mo>|</mo>
<mi>B</mi>
<mo>|</mo>
<mo>=</mo>
<mi>b</mi>
<mo>,</mo>
<mo>|</mo>
<mi>C</mi>
<mo>|</mo>
<mo>=</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,M表示马尔可夫链的状态转移步数m为待估计的申请接入导频的负载数;N表示网络中总的到达的负载的数目,a、b、c分别表示三个不同状态的具体取值;
利用贝叶斯公式:
<mrow>
<mover>
<mi>M</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mi>max</mi>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>m</mi>
<mo>&le;</mo>
<mi>N</mi>
</mrow>
</munder>
<mo>{</mo>
<mfrac>
<mrow>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mi>M</mi>
<mo>=</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mi>A</mi>
<mo>|</mo>
<mo>=</mo>
<mi>a</mi>
<mo>,</mo>
<mo>|</mo>
<mi>B</mi>
<mo>|</mo>
<mo>=</mo>
<mi>b</mi>
<mo>,</mo>
<mo>|</mo>
<mi>C</mi>
<mo>|</mo>
<mo>=</mo>
<mi>c</mi>
<mo>|</mo>
<mi>M</mi>
<mo>=</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mi>A</mi>
<mo>|</mo>
<mo>=</mo>
<mi>a</mi>
<mo>,</mo>
<mo>|</mo>
<mi>B</mi>
<mo>|</mo>
<mo>=</mo>
<mi>b</mi>
<mo>,</mo>
<mo>|</mo>
<mi>C</mi>
<mo>|</mo>
<mo>=</mo>
<mi>c</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
写成最大似然估计的形式,则为:
<mrow>
<mover>
<mi>M</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mi>max</mi>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>m</mi>
<mo>&le;</mo>
<mi>N</mi>
</mrow>
</munder>
<mo>{</mo>
<mi>Pr</mi>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mi>A</mi>
<mo>|</mo>
<mo>=</mo>
<mi>a</mi>
<mo>,</mo>
<mo>|</mo>
<mi>B</mi>
<mo>|</mo>
<mo>=</mo>
<mi>b</mi>
<mo>,</mo>
<mo>|</mo>
<mi>C</mi>
<mo>|</mo>
<mo>=</mo>
<mi>c</mi>
<mo>|</mo>
<mi>M</mi>
<mo>=</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
根据步骤②得到的结果,得出估计模型为:
<mrow>
<mover>
<mi>M</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mi>arg</mi>
<munder>
<mi>max</mi>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mi>m</mi>
<mo>&le;</mo>
<mi>N</mi>
</mrow>
</munder>
<mo>{</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mi>&pi;</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mi>n</mi>
</msub>
<mo>}</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
4.根据权利要求3所述的一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,其特征在于,步骤3)所述的根据申请导频的负载数估计出当前M2M网络的负载状况具体操作为:
网络负载通过ACB方法建立,则申请导频的负载数是到达的负载数通过ACB方法后得到的,故M2M网络负载估计的最终表达为:
<mrow>
<mover>
<mi>D</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mover>
<mi>M</mi>
<mo>^</mo>
</mover>
<mi>p</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
2
其中,D为M2M网络中到达的设备数;表示得到的是M2M网络的负载数估计值;p为限制因子,且0<p<1。
5.根据权利要求4所述的一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,其特征在于,步骤二所述的根据M2M网络负载状况的估计结果设计用于控制ACB方法限制因子的动态控制函数如下:
<mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
<mi>&alpha;</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mi>&theta;</mi>
</msup>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
<mo><</mo>
<mi>&alpha;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0.1</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>D</mi>
<mi>k</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mi>&alpha;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,α、θ是控制函数的两个可变参数,以α作为当前网络负载是否过大的一个门限,不同的α下认定的负载过大的标准不同;θ是控制动态变化快慢的一个参数,θ越大,表示网络中控制接入导频的负载数的变化幅度越大,即变化越快;负载的控制是按时隙来进行,估计的负载数只能是当前时隙,记为k的负载数,用当前时隙估计的负载数Dk改变当前时隙的限制因子来不及实现,故改变下一个时隙k+1的限制因子pk+1,且0<pk+1<1。
6.根据权利要求5所述的一种基于ACB的M2M网络负载感知动态调整网络负载状况的方法,其特征在于,步骤三所述的利用控制函数来调整M2M网络负载状况,具体操作为:
第一种情况,如果网络负载超过α,则认为此时负载过大,网络拥塞严重,则限制因子的值为0.1,即只有原来10%的负载能够申请接入导频;
第二种情况,如果网络的负载数没有超过α,则认为负载数在可控制范围,则按来调整,0.1<pk+1<1;不同的网络场景下α、θ的取值不同,具体的趋势随α、θ的变化而改变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410747721.9A CN104507036B (zh) | 2014-12-08 | 2014-12-08 | 一种基于acb的m2m网络负载感知动态调整网络负载状况的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410747721.9A CN104507036B (zh) | 2014-12-08 | 2014-12-08 | 一种基于acb的m2m网络负载感知动态调整网络负载状况的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104507036A CN104507036A (zh) | 2015-04-08 |
CN104507036B true CN104507036B (zh) | 2017-10-20 |
Family
ID=52948738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410747721.9A Active CN104507036B (zh) | 2014-12-08 | 2014-12-08 | 一种基于acb的m2m网络负载感知动态调整网络负载状况的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104507036B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113784390B (zh) * | 2021-09-13 | 2024-01-30 | 中国航空无线电电子研究所 | 实现网络负载动态分配的无线通信系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103222304A (zh) * | 2010-11-17 | 2013-07-24 | 瑞典爱立信有限公司 | 宽带码分多址中的负载调度 |
CN103813387A (zh) * | 2013-12-24 | 2014-05-21 | 广西大学 | 一种lte系统小区间负载均衡的方法和网络系统 |
-
2014
- 2014-12-08 CN CN201410747721.9A patent/CN104507036B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103222304A (zh) * | 2010-11-17 | 2013-07-24 | 瑞典爱立信有限公司 | 宽带码分多址中的负载调度 |
CN103813387A (zh) * | 2013-12-24 | 2014-05-21 | 广西大学 | 一种lte系统小区间负载均衡的方法和网络系统 |
Non-Patent Citations (2)
Title |
---|
《Cooperative Access Class Barring for Machine-to-Machine Communications》;Shao-Yu Lien.etc;《IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS》;20120131;正文第1-2节 * |
《FASA: Accelerated S-ALOHA Using Access History for Event-Driven M2M Communications》;Huasen Wu.etc;《IEEE/ACM TRANSACTIONS ON NETWORKING》;20131231;正文第2节 * |
Also Published As
Publication number | Publication date |
---|---|
CN104507036A (zh) | 2015-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104243086B (zh) | 调制编码方案确定方法、基站及通信系统 | |
CN104184690B (zh) | 一种适用于3d mimo系统的双层预编码方法 | |
CN110476390B (zh) | 促进pdsch资源元素映射的装置、方法和存储介质 | |
US11277786B2 (en) | Facilitating compact signaling design for reserved resource configuration in wireless communication systems | |
DE102015203353B4 (de) | EDCA-Betrieb zum Verbessern von VoIP-Leistung in einem dichten Netzwerk | |
US20200067686A1 (en) | Facilitating a mobile device specific physical downlink shared channel resource element mapping indicator | |
CN110167173A (zh) | 一种上行数据的发送方法、接收方法和装置 | |
CN111162888A (zh) | 分布式天线系统、远程接入单元、功率分配方法和介质 | |
CN104507036B (zh) | 一种基于acb的m2m网络负载感知动态调整网络负载状况的方法 | |
CN104144039B (zh) | 一种大规模mimo系统中基于相干时间的导频分配方法 | |
CN105873173A (zh) | 一种分等级的接入过载控制方法 | |
CN108093409A (zh) | 一种LTE-U系统和WiFi系统在未授权频段的共存方法 | |
CN108156595B (zh) | 一种机器通信中基于定时提前命令的前导资源分配方法 | |
CN105357762A (zh) | 一种超密集网络下基于能量效率和频谱效率的动态接入方法 | |
CN107071881A (zh) | 一种基于博弈论的小蜂窝网络分布式能量分配方法 | |
WO2021164507A1 (zh) | 调度方法、调度算法的训练方法及相关系统、存储介质 | |
CN102595428B (zh) | 小区吞吐量的计算方法及装置 | |
CN109068389A (zh) | 窄带物联网资源分配方法、装置和基站 | |
CN103347299A (zh) | 一种基于遗传算法的集中式资源管理方法 | |
CN105900388B (zh) | Ltf生成方法和装置 | |
CN108667501A (zh) | 模数混合波束赋形的网络设备、方法和控制器 | |
Pinagapany et al. | Solving channel allocation problem in cellular radio networks using genetic algorithm | |
CN103428841B (zh) | 一种功率授权的确定方法和设备 | |
US20210377780A1 (en) | Controlling quality of service class identifier weights for improved performance in 5g or other next generation networks | |
CN103812629B (zh) | 一种高铁车载基站通信架构下的资源分配方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |