CN104869572B - 一种优化的mbsfn区域动态信道分配方法 - Google Patents

Abstract

本发明提供优化的MBSFN区域动态信道分配方法，包括根据MBSFN区域的位置关系确定能量函数需满足的信道约束条件和信道需求限制项；获取MBSFN区域信道分配矩阵；根据MBSFN区域信道约束条件、信道需求限制项和MBSFN区域信道分配矩阵计算能量函数值；判断能量函数值是否达到稳态；若达到稳态则输出MBSFN区域信道分配矩阵以及系统所需信道数；本发明引入噪声和噪声调节因子，通过引入噪声调节矩阵和噪声调节因子；进一步地依据动力矩阵的动态变化更新噪声调节矩阵，并根据更新的噪声调节矩阵计算MBSFN区域信道分配矩阵；从而控制神经元每次的输入都在一个较平稳的范围内。

Description

一种优化的MBSFN区域动态信道分配方法

技术领域

本发明涉及无线通信技术领域多媒体广播/组播业务(Multimedia BroadcastMulticast Service，MBMS)的资源分配方法，特别涉及若干个相邻多媒体广播/多播业务单频网(Multicast Broadcast Single Frequency Network，MBSFN)小区的业务资源优化的MBSFN区域动态信道分配方法。

背景技术

为了在同一时间为多用户提供高速的数据业务,3GPP在R6版本中引入了多媒体广播/组播业务(Multimedia Broadcast Multicast Service，MBMS)功能。MBMS可以实现更灵活的无线资源调度,从而提高网络资源利用率。随着MBMS业务标准化工作的不断推进和多播业务的广泛应用,人们对多播业务的资源分配也进行了广泛的研究。

第三代合作伙伴计划(3GPP)对多媒体广播/组播业务的标准化工作不断推进,目前已经发展成为增强型MBMS业务(Enhanced-Multimedia Broadcast/Multicast Service,E-MBMS)技术。E-MBMS是为了实现从数据源向特定范围内多个用户同时传送数据的一种点到多点的业务,它能使网络(包括核心网和接入网)资源得到共享,以较少的资源为大量具有相同需求的用户同时提供相同的业务。

在3GPP增强型长期演进计划(Long Term Evolution-Advanced,LTE-A)中,E-MBMS包括两种类型,一种是单蜂窝小区MBMS业务,一种是多蜂窝小区MBMS业务。

单蜂窝小区MBMS传输方法和传统的单播类似,不使用专门的传输信道进行传输,只需要通过下行共享信道传输即可。

多蜂窝小区MBMS业务传输技术则较为复杂,它是在多个蜂窝小区同时同频传输同一MBMS信号,而接收端通过多个信号合并的方式进行信号接收处理。由于是在同一频率上的合并,所以称为单频网合并。这种网络称为多媒体广播/多播业务单频网((MulticastBroadcast Single Frequency Network,MBSFN)。使用MBSFN技术可以更有效地节约频率资源,提高频谱利用率。

传统的单蜂窝小区传输MBMS业务时,边缘小区用户和单播一样,由于远离基站,信号较弱,而且容易受到邻区的干扰。而MBSFN由于将邻区的干扰信号视为有用信号,有效避免了边缘用户的干扰问题,而且通过多个相同信号的合并,获得了较好的分集增益,提高了小区边缘用户的接收信干比,进一步提升了MBMS网络的性能。由于MBSFN区域是多个相邻小区的集合,所以可在MBSFN区域内进行无缝切换,并通过接收端对信号进行合并处理,获得宏分集增益,使小区的整体信噪比SNR性能得到提升,有效地提高了无线资源利用率,也有助于业务接收的稳定性以及盲区覆盖等问题。虽然MBSFN技术通过点对多点的方式在多个小区同时同频发送相同的MBMS业务,大大节省了频谱资源,提高了频谱利用率,但同时MBSFN技术也给单频网络规划和无线资源分配带来了新的挑战。

Kamble等人2009年在Wireless Communications and Networking Conference发表了一篇名为《Efficient Resource Allocation Strategies for Multicast/BroadcastServices in 3GPP Long Term Evolution Single Frequency Networks》的文章，提出了基于频率复用的频谱资源分配算法。该算法为了避免浪费频谱资源,在非相交的区域使用了相同的频率资源,对频率资源进行了复用,提高了频率资源利用率。而在相交区域使用不同的频率资源,以避免同频干扰。但是该算法没有考虑相邻区域的相邻小区之间的同频干扰和邻频干扰,而且该算法是通过简单迭代的形式进行的资源复用,是一个次优解而非真正的最优解。

Cheng等人2009年在Mobile WiMAX Symposium发表了一篇名为《Radio ResourceAllocation for Overlapping MBMS Zones》的文章，提出了多播广播相交区域的无线资源分配算法。该算法同样通过复用频率资源的方法对无线资源(时间或是频率或是码字等)进行分配,不同的是,该算法复用的前提条件包括区域不相邻和不相交,而且该算法根据图论的原理画出了网络的等效拓扑图,并且能够根据网络拓扑图的变化动态地进行资源分配。虽然该算法考虑了不相邻区域就能复用资源的情况,但是没有充分考虑在频率资源分配时,同频干扰在复用距离以内还是存在的,所以不相邻区域要能复用频率资源的前提是两个区域间的最小距离要大于或等于复用距离,这样才能真正消除同频干扰。另外,该算法只对少数的几个区域进行了动态资源分配,随着区域数量的增加,该算法将变得很复杂,甚至不适合实际的应用。

Zhang等人2013年在文章《基于混沌神经网络的无线资源优化策略研究》中提到，将混沌神经网络(NCNN)方法用在了无线网络信道优化上，引入模拟退火的噪声混沌神经网络方法解决组合优化问题，但其没有考虑滞后噪声的影响。

Sun M.等人在IEEE Transactions on Neural Networks上发表的文章《Novelhysteretic noisy chaotic neural network for broadcast scheduling problems inpacket radio networks》提出在NCNN的基础上提出了时滞噪声混沌神经网络(HNCNN)，引入了滞后噪声，但其对引入噪声没有控制，使神经元的输入值波动范围较为局限或者波动范围太，不切合实际需求。

发明内容

为解决以上问题，本发明基于对NCNN方法的改进，提出一种优化的MBSFN区域动态信道分配方法，即基于噪声调节因子的滞后噪声混沌神经网络方法(NHNCNN)优化MBSFN区域信道的分配。

本发明优化的MBSFN区域动态信道分配方法，包括：

101、根据MBSFN网络拓扑结构确定MBSFN区域数及MBSFN区域的位置关系；

102、确定每个MBSFN区域所需要的信道数，进而根据每个MBSFN区域需要的信道数确定系统所需信道数的范围；

103、根据MBSFN区域的位置关系确定能量函数需满足的信道约束条件和信道需求限制项；所述信道约束条件包括同区域限制项、邻区域限制项、相交区域限制项和非相邻区域限制项；

104、获取MBSFN区域信道分配矩阵；

105、根据MBSFN区域信道约束条件、信道需求限制项和MBSFN区域信道分配矩阵计算能量函数值；

106、判断能量函数值是否达到稳态，若是，执行步骤107；反之，则继续执行步骤104，进入下次迭代；

107、输出MBSFN区域信道分配矩阵以及系统所需信道数。

优选地，所述判断是否达到稳态的方式为若连续Nx次则达到稳态，ΔE＝|E_t+1-E_t|，E_t+1和E_t分别是第t+1次和第t次的能量函数值；为神经元规模量度值。

优选地，在步骤106能量函数值未达到稳态而继续执行步骤104前，判断是否达到最大迭代次数，如果是，则中止迭代，否则继续执行步骤104。

优选地，所述获取MBSFN区域信道分配矩阵为根据动力矩阵的元素值、噪声调节矩阵的元素值获取MBSFN区域信道分配矩阵的元素值：

其中，U_p,m(t)和V_p,m(t)分别是神经元p，m在第t次迭代时的动力矩阵U的元素值和MBSFN区域信道分配矩阵V的元素值，ε是神经元激活函数的步长，n_p,_m(t)是均匀分布在[-A_m,A_m]间的神经元p,m的噪声调节矩阵N的元素值，A_m是噪声幅度。

优选地，在所述获取MBSFN区域信道分配矩阵之前，先对动力矩阵的元素值、噪声调节矩阵的元素值进行更新。

优选地，所述动力矩阵通过以下方式更新：

其中，U_p,m(t)和V_p,m(t)分别是神经元p，m在第t次迭代时的动力矩阵U和MBSFN区域信道分配矩阵V中的元素，其取值即为矩阵U、V中第p行m列的值，λ是神经元衰落因子，α是缩放参数，I₀是正参数，w_pm,qn表示神经元q,n和神经元p,m之间的关联权值，表示其他神经元q,n的输出值对当前神经元p,m输入值的影响，I_pm是调节其他神经元q,n反馈到当前神经元p,m的参数；z_p,m(t)是神经元p,m的自反馈权值，0≤β₁≤1是自反馈衰减因子，n_p,m(t)是均匀分布在[-A_m,A_m]间的神经元p,m的噪声调节矩阵，A_m是噪声幅度；δ为噪声调节因子，δ_i∈[1,3]为噪声增量因子，δ_r∈[0,1]为噪声降低因子。

优选地，根据动力矩阵的动态变化更新噪声调节矩阵：

其中，U_p,m(t+1)、U_p,m(t)表示t+1次的动力矩阵和t次的动力矩阵的元素之值。

优选地，所述根据MBSFN区域信道约束条件、信道需求限制项和MBSFN区域信道分配矩阵计算能量函数值，采用以下方式：

其中：

B_e,C_e,D_e,E_e和F_e分别是持续性能参数；V_p,m(t)、V_p,n(t)、V_q,n(t)、V_q,m(t)是MBSFN区域信道分配矩阵V的元素，取值为0或1；

f_CAC(m,n)是同区域限制项，

f_AAC(m,n)是邻区域限制项，

f_OAC(m,n)是相交区域限制项，

f_NAC(p,q)是非相邻区域限制项，

E_c是信道需求限制项，

p≤P,q≤P表示任意两个MBSFN区域标记，P为MBSFN区域总数；q∈adja,q≠p表示q属于p的相邻区域；q∈over,q≠p表示p和q属于相交区域；m≤C_max,n≤C_max表示任意两组信道标号，C_max为系统所需信道数C的最大值；L为信道间隔第一阀值，表示分到同一MBSFN区域的信道间隔；S为信道间隔第二阀值，表示分到相邻MBSFN区域的信道间隔；R_p为每个MBSFN区域需要的信道数；D_reuse代表预定义的MBSFN区域复用距离，d代表蜂窝小区半径，二者需满足条件D_reuse≥3d。

本发明优化的MBSFN区域动态信道分配方法是在NCNN、HNCNN的基础上进一步引入滞后噪声和噪声调节因子，相比较NCNN、HNCNN方法，能够获得更佳的次优或最优解，从而进一步提升优化性能，更加切合实际需求。

附图说明

图1为MBSFN网络拓扑结构；

图2为本发明优化的MBSFN区域动态信道分配方法优选实施例流程图；

图3为本发明优化的MBSFN区域动态信道分配方法优选实施例仿真性能示意图；

图4为本发明优化的MBSFN区域动态信道分配方法优选实施例仿真分配结果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在多媒体广播/多播业务单频网(Multicast Broadcast Single FrequencyNetwork，MBSFN)系统中，所有的基站通过相同的频率同时向用户传输相同的信号。用户能以异步的形式将接收到的来自不同基站不同路径的信号，进而进行整合。

如图1所示，包含9个MBSFN区域，表示为Area1-9。若干个位置相邻的MBSFN蜂窝小区构成一个MBSFN区域，同一MBSFN区域覆盖多个相邻的小区，同一MBSFN区域的小区同时同频传输同一种MBMS业务，即使用MBSFN技术同时同频传输相同内容，但MBSFN区域内和区域间仍存在相互干扰，以及同区域内亦存在同频干扰。

本发明所述信道可以是子载波、资源块(由若干个连续的子载波组成)。

本发明中用参数t、t+1等表示迭代次数，t+1表示下一次迭代，t表示当前次迭代，但为了简化表述，有的公式也可能不带有迭代次数，而通过上下文可以毫无疑义地确定迭代关系。

本发明优化的MBSFN区域动态信道分配方法具体实施方式如下：

101、根据MBSFN网络拓扑结构确定MBSFN区域数及MBSFN区域的位

置关系

根据同一时刻由多播用户向基站群反馈回的位置信息及多播业务内容类型信息，将用户分别归属为同一MBSFN区域、MBSFN相交区域和MBSFN相邻区域。

所述同一MBSFN区域是指同一时刻所需多播业务类型完全相同的用户所形成的用户群，基站采用同一信道向该用户群的用户发送多播业务内容。

所述MBSFN相交区域是指同一时刻需求两种及以上多播业务的用户所形成的用户群。

所述MBSFN相邻区域是指同一时刻需求多播业务类型不同但位置相邻的用户所形成的用户群。

作为本发明实施例，如图1所示，模拟普通城市的地理环境,构造了方形的MBSFN传播模型。该图显示了9个MBSFN区域间的拓扑关系(Area1-Area9)，例如区域1与区域2、4、5是相邻区域；区域4和区域7是相交区域，因为蜂窝小区C,D,E,F区是互相重叠的，这些蜂窝小区同时需求两个区域的数据；区域1与区域3、6、7、8是非相邻区域。

102.确定每个MBSFN区域所需要的信道数，进而根据每个MBSFN区域需要的信道数确定系统所需信道数的范围

作为一种可实施方式，每个MBSFN区域需要的信道数R_p为该MBSFN区域的蜂窝小区数，每个MBSFN区域的蜂窝小区数可由到基站的反馈信号可得。

优选地，本发明在避免各种无线信道干扰的情况下,采用频率复用技术确定每个MBSFN区域需要的信道数R_p,以提高频率资源利用率。

所述避免各种无线信道干扰，即需要达到电磁兼容限制条件。

在传统的中心只有一个基站(BS)的蜂窝系统上，动态资源分配(Dynamic ChannelAllocation，DCA)设计准则有三种类型的电磁兼容限制条件：

1)同信道限制，指同一信道不能分配给复用距离以内的蜂窝小区；

2)相邻信道限制，指相邻的信道不能同时分配给相邻的蜂窝小区；

3)共址限制，指在同一蜂窝小区的信道之间必须有一定的频率间隔。

可以根据每个MBSFN区域需要的信道数R_p确定系统所需信道数C的最大值C_max为则NHNCNN系统所需信道数C的范围为本实施例假设C初始值为其中P为MBSFN区域数，本实施例P为9。

103、根据MBSFN区域的位置关系确定能量函数需满足的信道约束条件和信道需求限制项

接下来，在MBSFN系统模型基础上，在约束条件下建立优化目标。

所述约束条件包括三种信道电磁兼容限制和信道总数限制；

所述优化目标是所需信道总数最小。

设定分到同一MBSFN区域的信道间隔，表示为信道间隔第一阀值L(L≥3，本实施例中L取3)，分到相邻MBSFN区域的信道间隔，表示为信道间隔第二阀值S(S≥2，本实施例中S取2)，设定任意两组信道标号为m和n(m≤C_max,n≤C_max)，任意两个MBSFN区域标记为p和q(p≤P,q≤P)，P为MBSFN区域总数。设定D_reuse代表预定义的MBSFN区域复用距离，d代表蜂窝小区半径，二者需满足条件D_reuse≥3d，本实施例中D_reuse＝3d。

根据分到同一MBSFN区域、相邻MBSFN区域、相交MBSFN区域、非相邻MBSFN区域必须满足的信道约束条件分别建立同区限制项、邻区限制项、相交区域限制项、非相邻区域限制项，公式如下：

所述同区域限制项公式如下：

从不同MBSFN区域的信号是同时同频发出的，所以同信道限制条件是无效的。考虑到共址限制和相邻信道限制的同步性，任何分到同一MBSFN区域的信道都必须包含一个满足要求的信道间隔L。分配到同一MBSFN区域的两信道间隔大于等于L，表示两信道间无干扰，用0表示无干扰，分配到同一MBSFN区域的两信道间隔小于L表示两信道间有干扰，用1表示存在干扰。在NHNCNN动力运行过程中，约束项逐步趋向0，只有约束项为0，才能避免干扰。

所述邻区域限制项公式如下：

依据相邻信道限制条件，相邻信道不能被同时分配到相邻MBSFN区域(例如图1中的区域A和B)，也就是相邻MBSFN区域的边界区域。任何分到相邻MBSFN区域的两两信道都必须大于等于信道间隔S，m和n分别代表不同的信道标号。若|m-n|＜S，则表示分配到相邻两个MBSFN区域的两信道之间隔小于S，这两信道之间必存在干扰，用1表示；否则，信道之间无干扰，用1表示。此外，同信道限制条件必须满足。

所述相交区域限制项公式如下：

如果两个MBSFN区域有至少一个共同的区域，则这两个MBSFN区域是重叠的(例如图1中的区域C,D,E,F)。覆盖区域必须满足共址限制条件，任何分配到重叠区域的子信道都必须满足确定的信道间隔L。这些重叠区域(如图1中的区域4和7)必须满足相交区域限制项公式。

所述非相邻区域限制项公式如下：

设定D_reuse代表预定义的MBSFN区域复用距离，d代表蜂窝小区半径，二者需满足条件D_reuse≥3d。在距离大于或等于预定义的距离D_reuse时，通过频率重利用技术，相同的信道能被同时分配到不同的MBSFN区域。p和q是不同MBSFN区域标号。

本发明根据信道约束限制项和信道需求限制项确定区域干扰关系矩阵，而位置关系矩阵不变。

所述信道需求限制项公式表示如下：

E_c代表整个系统所有区域内实际分配的信道和需求的信道的方差，方差越小越接近满足实际需求。

如图1中那样，每个MBSFN区域需要R_p个信道，所有干扰都应避免。同时，为了进一步提高频谱效率，所有的分配信道数应该最小化。因此，信道应该被量化并且最低信道标号的信道应该被优先分配。因此，我们动态资源分配算法的优化目标是在分配信道到每个MBSFN区域时，最小化信道数来避免所有干扰。

根据每个MBSFN区域的信道需求数建立限制项，作为NHNCNN能量函数的另一约束条件，使每个MBSFN区域实际分得的信道数满足每个MBSFN区域需求。如此当NHNCNN能量函数趋于稳态时，各约束项为零，这样就将各种干扰排除，若各干扰不为零，则MBSFN区域间还存在干扰。

104、获取MBSFN区域信道分配矩阵

所述获取MBSFN区域信道分配矩阵为根据动力矩阵的元素值、噪声调节矩阵的元素值获取MBSFN区域信道分配矩阵的元素值：

其中，U_p,m(t)和V_p,m(t)分别是神经元p、m在第t次迭代时的动力矩阵U的元素值和MBSFN区域信道分配矩阵V的元素值，ε(ε>0)是神经元激活函数的步长，n_p,m(t)是均匀分布在[-A_m,A_m]间的神经元p,m的噪声调节矩阵N的元素值，A_m是噪声幅度。

所述动力矩阵U、MBSFN区域信道分配矩阵V均为P×C维的矩阵，C为系统所需信道数，动力矩阵U、MBSFN区域信道分配矩阵V中的元素又叫神经元。

在初始计算时，动力矩阵神经元初始值U_p,m(0)是[-1,1]之间的随机数，MBSFN区域信道分配矩阵矩阵的元素V_p,m(t)为空，代表区域信道尚未分配，噪声值n_p,m(t)在初始计算时的初值n_p,m(0)设为0，C的初始值为在整个区域信道分配过程中C可变，最大值为在首次区域信道分配过程中C取最大值。

在后续迭代过程中，在所述获取MBSFN区域信道分配矩阵之前，先对动力矩阵的元素值、噪声调节矩阵的元素值进行更新，进而根据公式(6)采用更新值计算MBSFN区域信道分配矩阵。

所述动力矩阵通过以下方式更新：

其中，U_p,m(t+1)表示第t+1次迭代时的动力矩阵的元素值，δ为噪声调节因子，δ_i∈[1,3]为噪声增量因子，本实施例取2，δ_r∈[0,1]为噪声降低因子，本实施例取0.5。λ是神经元衰落因子，取值范围(0，1)，α是缩放参数，取值范围(0，1)，I₀是正参数，取值范围(0，1)，w_pm,qn表示神经元q,n和神经元p,m之间的关联权值，表示其他神经元q,n的输出值对当前神经元p,m输入值的影响，具体可由实际选择参数，I_pm是调节其他神经元q,n反馈到当前神经元p,m的参数。具体设定可由实际选择。

z_p,m(t)是神经元p,m的自反馈权值，

z_p,m(t+1)＝(1-β₁)z_p,m(t) (8)

0≤β₁≤1是自反馈衰减因子，按指数规律衰减。

与现有技术相比，本发明NHNCNN动能方程在NCNN动能方程基础上引入噪声和噪声调节因子，通过引入噪声调节矩阵和噪声调节因子，控制神经元每次的输入都在一个较平稳的范围内。

优选地，本发明依据动力矩阵的动态变化更新噪声调节矩阵：

其中，U_p,m(t+1)、U_p,m(t)表示当前(t+1次)的动力矩阵和前一次(t次)的动力矩阵的元素之值。公式(9)是噪声调节矩阵更新方程，其含义为：第t+1次动力矩阵的元素大于等于上一次动力矩阵的元素时，引入负噪声；第t+1次动力矩阵的元素小于上一次动力矩阵的元素时，引入正噪声。

与现有技术相比，本发明依据动力矩阵的动态变化更新噪声调节矩阵，并根据更新的噪声调节矩阵计算MBSFN区域信道分配矩阵。

105、根据信道约束条件、信道需求限制项和MBSFN区域信道分配矩阵计算能量函数值

本发明所述根据MBSFN区域信道约束条件、信道需求限制项和MBSFN区域信道分配矩阵计算能量函数值，采用以下方式：

其中，各参数含义如下：

B_e,C_e,D_e,E_e和F_e分别是上式各项对应的持续性能参数。V_p,m(t)、V_p,n(t)、V_q,n(t)、V_q,m(t)是MBSFN区域信道分配矩阵V的元素，取值为0或1，例如，V_p,m(t)＝1意味着信道m被分配到MBSFN区域p,否则，V_p,m(t)＝0，其他同理。

(10)式中右边等式第一项是同区域约束项，V_p,m(t)V_p,n(t)指示信道m,n(n≠m)是否被同时分配到同一MBSFN区域。如果V_p,m(t)V_p,n(t)和f_CAC(m,n)等于1，意味着，信道m,n被同时分配到区域p,并且，信道m和n的间隔必须大于信道限制间隔L，否则会产生同区域干扰。同时，若其中任何一个是0，同区域干扰就能避免。因此，任何分到可识别的MBSFN区域的信道都会维持在固定间隔，并且同区域干扰被避免。

(10)式右边等式第二项指示相邻区域约束条件，V_p,m(t)V_q,n(t)指示信道m和n(n≠m)是否被同时分配到MBSFN的相邻区域p和q。只有当V_p,m(t)＝1，V_q,_n(t)＝1并且f_AAC(m,n)＝1，才会引起相邻区域的干扰，否则反之。

(10)式第三项和第四项根据以上描述以此类推，不再赘述。

(10)式最后项表示各区域的信道需求约束。当分配到区域p的信道数等于需求数R_p时，它的值为0。

106、判断能量函数值是否达到稳态，若是，执行步骤107；反之，则继续执行步骤104，进入下次迭代。

优选地，所述判断是否达到稳态的方式为若连续Nx(Nx≥3)次则达到稳态，ΔE＝|E_t+1-E_t|，E_t+1和E_t分别是第t+1次和第t次的能量函数值；为神经元规模量度值，其是根据神经元规模设定的一个常数值，大小与能量函数设置、系统规模等有关，取值范围为[100,200]；

优选地，在步骤106能量函数值未达到稳态而继续执行步骤104前，判断是否达到最大迭代次数，如果是，则中止迭代，否则继续执行步骤104。所述最大迭代次数在100到1000之间取值。

107、输出MBSFN区域信道分配矩阵V以及系统所需信道数C

所述系统所需信道数C＝∑∑V_p,m(t)，即矩阵V中各元素之和。

任一区域p所需信道数R_p即矩阵V第p行中1的总和。

下面以图1中的9个MBSFN区域为系统模型通过MATLAB仿真进行性能评估。

采用MATLAB软件对如图1所示的系统模型进行仿真。首先建立二维神经元模型，系统包括P×C个神经元，P表示区域数，C表示信道数(信道从小到大依次编号)。系统包含9个区域，每个区域的信道需求数为R_p＝8，p＝1,2,...,9。根据系统区域规模和信道总需求数粗略估计信道区间[50，70]。每次NHNCNN运行的最大迭代步数为I_max＝1000。

初始化NHNCNN的系统模型参数和E中的各个权值系数，所有的参数设置如表1所示。这里一部分NHNCNN系统模型参数的选择参考已有的模型，包括ε＝1/0.85，α＝0.14，λ＝0.95，z(0)＝0.85，A_m＝2，β₁＝0.02，而另外的能量函数中各项权值和噪声增量因子、噪声降低因子则需要根据系统的网络规模、神经元的个数以及能量函数各项值的大小来综合调节。一般情况下，如果在一次迭代运行中未能找到合理解，而E中的某一项值大于其它项，说明这一项的惩罚因子不够大，需要调高该参数。反之亦然。通过不断调整各项的权值系数，使得每项的值相互均衡，互相制约。最后设置各项权值系数如表1所示。

表1 NHNCNN仿真参数设置表

ε＝1/0.85	β<sub>1</sub>＝0.02
		α＝0.14	B<sub>e</sub>＝8
λ＝0.95	C<sub>e</sub>＝7
		I<sub>0</sub>＝0.65	D<sub>e</sub>＝7
z(0)＝0.85	E<sub>e</sub>＝4
		A<sub>m</sub>＝2	F<sub>e</sub>＝10
δ<sub>i</sub>＝2	δ<sub>r</sub>＝0.5

剩下的其它参数设置如表2，该表显示了不同C_total、R_p和下的NHNCNN的性能。为了提高系统的收敛性，应该尽可能地大。从表2可以看出，该文设定的判决门限的大小，能够影响系统的收敛速度。如果设置太小，系统进入判断流程的时延较大，容易错过已经找到合理解而没有进行判决的情况。反之，如果设置太大，系统会频繁进入判断进程，延长系统收敛时间。所以值的设定要根据具体的神经元规模、能量函数的大小来设定。从仿真结果来看，当设置C_total＝70，R_p＝8时，值设为200比较合适。在不影响合理解率的情况下，平均迭代步数最少，有效地提高了收敛速度。而R_p的大小不仅影响收敛速度，同时也影响合理解率。随着R_p的增大，AI也增多，而且FSR也下降。C_total的设置也一样。如果设置太大，系统参数设置较容易，很容易找到合理解，但不是全局最优解，而是局部最优解。如果设置太小，则仿真参数设置困难，不容易找到合理解，甚至设置的值低于了最优解值，根本无法搜索到合理解。

表2 NHNCNN性能

下面对本发明噪声调节时滞噪声混沌神经网络(NHNCNN)相较于现有技术噪声混沌神经网络(NCNN)、静态噪声混沌神经网络(HNCNN)三种系统的性能仿真结果进行对比和分析。

图3上面两图分别为随机抓取的神经元No.(2,1)的内部状态值和输出值的变化曲线。在富足的噪声混纯神经动力的作用下,神经元的内部状态值和输出值都在相空间内不断的变化。从输出值的值域区间可以看到,其值布满了区间[0,1]的整个空间,这有利于合理解的搜索。神经元输入值和输出值都在从1到50次的迭代中大幅度浮动，并且在50到110次迭代中通过梯度下降法逐渐收敛到稳态，搜索到合理解，这是因为随机噪声和多变的混沌产生丰富的神经动力性。同时，输出值的值覆盖了[0，1]区间的几乎所有范围，通过倒倍周期分叉法(倍周期分叉法是从周期稳定的状态中进入混沌状态的一种方式，而倒倍周期分叉法即可认为是从混沌随机的状态进入到较为周期、稳定、可预测状态的方法)来尽可能搜索到合理解，最后趋向于1。

图3下面两图描述了系统能量函数E和E中其他各项值放大后的变化曲线。从E的变化曲线放大图同样可以看出,能量函数的值在第110次迭代以前变化比较大,特别是在第50次迭代以前非常剧烈,这恰恰也证明了富足的混沌噪声神经动力在第一阶段对搜索合理解所起的作用。

从E的变化曲线可以看出,能量函数值E类似HNN网络一样梯度收敛,直至在第60步以后不再变化,且E最终的值是比较小的正数,但不为0,即在系统最终收敛的时候,其值并没有真正的收敛到0,而只是趋向于0。这是因为以下原因:一是激活函数的陡度因子选择较小,神经元的输出值不可能全为0或1,除非用平均值将每个神经元的输出值更新为0或1。二是为了加快收敛,算法在E连续三次小于200的时候就认为其值基本不再变化,已经达到稳定状态,于是就对其进行稳定性判定。如果满足稳定条件,则停止迭代,表示已经找到了合理解,系统不必再运行。如果不满足稳定条件,表示还没有找到合理解,则系统继续运行,直至找到合理解,或者达到预定的单次最大迭代次数1000次。即能量函数中的所有限制项都为0为理论迭代停止条件,而当能量函数的变化连续3次小于200为仿真测试下的迭代停止条件。这也说明了用能量函数来判定系统的稳定性是合理有效的。

此外,从E中各项的值变化曲线还可以看出,F_e项的值变化最大,而且其曲线和E的曲线几乎相同,这说明能量函数的值由F_e项的值主导，F_e项的变化在了E的变化中起到决定作用。从E的表达式不难发现,F_e项正是每个区域的信道需求限制,由于是正整数平方和的表达式,所以其值较大。而其它几项的值和F_e项的值比较,显得很小。这是因为其它几项都是两个小于1的正数相乘,所以较小。

为了对比三种网络的性能,对相关的仿真数据进行了统计，表3显示了分别在信道总数为70信道需求数为8、信道总数为66信道需求数为7及信道总数为64信道需求数为6时进行三种算法的仿真比较，基于噪声调节时滞噪声混沌神经网络NHNCNN相较于一般噪声混沌神经网络(NCNN)、静态噪声混沌神经网络(HNCNN)，尽管在收敛速度上略慢于后者，但能够搜索到的合理解率明显优于后两者。

表3三种算法的性能比较表

这是因为NHNCNN因为它丰富的神经动力性能够达到更广泛的搜寻空间，因而具有最高的合理解率。由于TCNN没有噪声动力,所以能量函数变化没有NHNCNN剧烈,能量函数值吗，普遍比NHNCNN小。

公式(11)显示，通过本发明，信道的最小数目成功地从神经元输出矩阵V中找到，即C＝59。矩阵的行和列分别代表区域标号和信道标号。根据最终信道分配指示矩阵的值,每个区域的分配结果如图3所示。可以看出,每个MBSFN区域都分配了8个信道,而且都满足了各项限制要求,避免了各种干扰。

把分配结果放到图1中，最终的分配结果如图4所示。该图描述了每个区域所分配的信道数。如图所示，每个区域都分配了8个信道，满足了每个区域的信道需求。从图中可以很清楚地看到很多信道都复用了多次，比如信道1、8、11、15、19……59都复用了2次。信道6、13、17……54都复用了3次。值得注意的是，为了避免各种干扰，有些信道只用了1次，如信道2、3、4、9、10……58。而信道5、7、12、14、16、18……55一次也没有用。这是因为这里的仿真系统模型包含的MBSFN区域只有9个，所以导致了有些信道没有被使用，类似“空洞”，如果系统拥有大量的MBSFN区域，且每个区域需求的信道数目较多，就可以避免“空洞”现象，而且频率复用率也会越来越高。我们可以通过检验的方法，验证该解是否消除了各种干扰，比如以小区1为例，可以验证该小区内部不存在同区干扰，它与小区2、4和5已经消除了邻区干扰等，依次检查各个小区。均没有各种干扰。说明仿真所得的解是合理解。本发明各实施例具有同一发明构思进行描述，某些实施例中未展开描述的内容，可以参考其他实施例相应部分。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。

本发明所举实施方式或者实施例对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施方式或者实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.优化的MBSFN区域动态信道分配方法，其特征在于，包括：

101、根据MBSFN网络拓扑结构确定MBSFN区域数及MBSFN区域的位置关系；

102、确定每个MBSFN区域所需要的信道数，进而根据每个MBSFN区域需要的信道数确定系统所需信道数的范围；

103、根据MBSFN区域的位置关系确定能量函数需满足的信道约束条件和信道需求限制项；所述信道约束条件包括同区域限制项、邻区域限制项、相交区域限制项和非相邻区域限制项；

104、获取MBSFN区域信道分配矩阵；

105、根据MBSFN区域信道约束条件、信道需求限制项和MBSFN区域信道分配矩阵计算能量函数值；

106、判断能量函数值是否达到稳态，若是，执行步骤107；反之，则继续执行步骤104，进入下次迭代；

107、输出MBSFN区域信道分配矩阵以及系统所需信道数；

所述获取MBSFN区域信道分配矩阵为根据动力矩阵的元素值、噪声调节矩阵的元素值获取MBSFN区域信道分配矩阵的元素值：

其中，U_p,m(t)和V_p,m(t)分别是神经元p,m在第t次迭代时的动力矩阵U的元素值和MBSFN区域信道分配矩阵V的元素值，ε是神经元激活函数的步长，n_p,m(t)是均匀分布在[-A_m,A_m]间的神经元p,m的噪声调节矩阵N的元素值，A_m是噪声幅度。

2.根据权利要求1所述的优化的MBSFN区域动态信道分配方法，其特征在于，所述判断是否达到稳态的方式为若连续Nx次则达到稳态，ΔE＝|E_t+1-E_t|，E_t+1和E_t分别是第t+1次和第t次的能量函数值；为神经元规模量度值。

3.根据权利要求1所述的优化的MBSFN区域动态信道分配方法，其特征在于，在步骤106能量函数值未达到稳态而继续执行步骤104前，判断是否达到最大迭代次数，如果是，则中止迭代，否则继续执行步骤104。

4.根据权利要求1所述的优化的MBSFN区域动态信道分配方法，其特征在于，在所述获取MBSFN区域信道分配矩阵之前，先对动力矩阵的元素值、噪声调节矩阵的元素值进行更新。

5.根据权利要求4所述的优化的MBSFN区域动态信道分配方法，其特征在于，

所述动力矩阵通过以下方式更新：

其中，U_p,m(t)和V_p,m(t)分别是神经元p,m在第t次迭代时的动力矩阵U和MBSFN区域信道分配矩阵V中的元素，其取值即为矩阵U、V中第p行m列的值，λ是神经元衰落因子，α是缩放参数，I₀是正参数，w_pm,qn表示神经元q,n和神经元p,m之间的关联权值，表示其他神经元q,n的输出值对当前神经元p,m输入值的影响，I_pm是调节其他神经元q,n反馈到当前神经元p,m的参数；z_p,m(t)是神经元p,m的自反馈权值，0≤β₁≤1是自反馈衰减因子，n_p,m(t)是均匀分布在[-A_m,A_m]间的神经元p,m的噪声调节矩阵，A_m是噪声幅度；δ为噪声调节因子，δ_i∈[1,3]为噪声增量因子，δ_r∈[0,1]为噪声降低因子；p≤P,q≤P表示任意两个MBSFN区域标记，P为MBSFN区域总数；C为系统所需信道数。

6.根据权利要求5所述的优化的MBSFN区域动态信道分配方法，其特征在于：根据动力矩阵的动态变化更新噪声调节矩阵：

其中，U_p,m(t+1)、U_p,m(t)表示t+1次的动力矩阵和t次的动力矩阵的元素之值。

7.根据权利要求1-6任一所述的优化的MBSFN区域动态信道分配方法，其特征在于：所述根据MBSFN区域信道约束条件、信道需求限制项和MBSFN区域信道分配矩阵计算能量函数值，采用以下方式：

其中：

B_e,C_e,D_e,E_e和F_e分别是持续性能参数；V_p,m(t)、V_p,n(t)、V_q,n(t)、V_qm(t)是MBSFN区域信道分配矩阵V的元素，取值为0或1；

f_CAC(m,n)是同区域限制项，

f_AAC(m,n)是邻区域限制项，

f_OAC(m,n)是相交区域限制项，

f_NAC(p,q)是非相邻区域限制项，

E_c是信道需求限制项，

p≤P,q≤P表示任意两个MBSFN区域标记，P为MBSFN区域总数；q∈adja,q≠p表示q属于p的相邻区域；q∈over,q≠p表示p和q属于相交区域；m≤C_max,n≤C_max表示任意两组信道标号，C_max为系统所需信道数C的最大值；L为信道间隔第一阀值，表示分到同一MBSFN区域的信道间隔；S为信道间隔第二阀值，表示分到相邻MBSFN区域的信道间隔；R_p为每个MBSFN区域需要的信道数；D_reuse代表预定义的MBSFN区域复用距离，d代表蜂窝小区半径，二者需满足条件D_reuse≥3d。