CN106604284A - 一种异构网络资源分配方法和装置 - Google Patents

Abstract

本发明提供了一种异构网络资源分配方法和装置，方法包括：S1构建一个有n个节点、节点间有l路传输链路的异构网络模型，并定义潜在拓扑状态的控制空间的控制决策变量I(t)和传输速率函数矩阵C(I(t),S(t))；S2构建异构网络模型中的队列模型，并得到动态队列长度表示方法；S3在一时间间隙中，以队列和Q_sum为依据，选择合适的控制决策变量I(t)优化目标函数：S4根据队列长度Q_n(t)和到达数据a_n(t)的关联概率函数即时更新队列数据；S5根据多队列的李雅普诺夫漂移条件，保证李雅普诺夫漂移ΔQ(t)＜‑δ，其中，任意δ＞0。最大程度的保证了整个网络数据传输过程中用户队列的稳定性，提高资源分配的公平性进而提升用户的QoS，同时能够减少用户之间的整体延迟从而提高网络的效率和服务质量。

Description

一种异构网络资源分配方法和装置

技术领域

本发明涉及通信技术领域，尤其涉及一种异构网络资源分配方法和装置。

背景技术

随着无线通信技术的快速发展，移动数据传输技术也在不断更新换代。据思科预测，由于智能手机和平板电脑等移动设备的广泛应用，相比2012年，2017年的移动数据总量将增长13倍，可见，为了满足用户日益增长的需求，移动网络运营商必须增加网络容量，异构网络即是一种有效途径。一般来说，一个异构网络环境中存在有各种不同的网络，例如Wireless LANs(WLANs)、Wireless MANs(WMANs)、2G/3G/4G蜂窝网等。对于异构网络而言，资源管理是提高网络容量和网络延迟的重要保证。

现有异构网络资源分配解决方案大致分为两种场景：

第一个场景是移动终端一次只能接入一个无线网络并从中获取资源，这种场景下的解决方案包含：1)采用新型的无线云介入网络，具体，在云无线接入网中，基带处理集中在一起并被一个虚拟的基带单元池(BUP)的站点共享，其可以适应不均匀的流量，从而充分利用网络资源。2)采用分布式资源分配机制，以便能够在给定的语音用户和受限带宽的情况下找到最佳的带宽分配方案。3)针对不同类别服务的异构网络带宽分配和接入控制的资源管理方案，如，针对码分多址(Code Division Multiple Access，CDMA)蜂窝网络和无线局域网，使用基于效用函数的资源分配方案，该方案采用中央资源管理器来实现最佳的带宽分配。

第二个场景是移动终端可以同时从所有可用的无线接入网络中获取资源。这种场景下的资源分配问题，主要包含非合作博弈方法，效用公平以及分布式算法等方案。

但是，上述方案一般情况下均没有考虑基站或接入点的容量受限条件，并且几乎不会在意队列的稳定性，一定程度上影响了资源分配的公平性，以此如何提升队列的稳定性成为了一个亟需解决的技术问题。

发明内容

针对上述问题，本发明提供了一种异构网络资源分配方法和装置，使用动态背压技术框架，利用李雅普诺夫漂移技术保持用户需求队列的稳定性。

本发明提供的技术方案如下：

一种异构网络资源分配方法，包括：

S1构建一个有n个节点、节点间有l路传输链路的异构网络模型，并定义潜在拓扑状态的控制空间的控制决策变量I(t)和传输速率函数矩阵C(I(t),S(t))：

C(I(t),S(t))＝{C_ab(I(t),S(t))|a,b∈{1,2,...N},a≠b}

其中，n∈{1,2,...,N}，l∈{1,2,...,L}；S(t)∈S表示网络拓扑状态，S为状态集；C_ab(I(t),S(t))表示在分配控制策略I_S和网络拓扑S下经过链路(a_l,b_l)的传输速率；

S2构建所述异构网络模型中的队列模型，并得到动态队列长度表示方法；

Q_n(t+1)≤max[Q_n(t)-u_n(t),0]+a_n(t)

其中，Q_n(t)表示在时间间隙t时第n个节点等待网络服务的队列长度；a_n(t)表示第n个节点中新到达数据和节点间转移数据在内的总的数据；u_n(t)表示在时间间隙t时第n个节点中获得网络服务的用户数据；

S3在一时间间隙中，以队列和Q_sum为依据，选择合适的控制决策变量I(t)优化以下目标函数：

s.t. α(t)∈A_w(t)

其中，α(t)为控制行为表达式，α_n(t)＝α_n(α(t),w(t))，w(t)表示随机事件，A_w(t)表示随机事件w(t)的控制空间集；

S4根据队列长度Q_n(t)和到达数据a_n(t)的关联概率函数即时更新队列数据；

S5根据多队列的李雅普诺夫漂移条件，保证李雅普诺夫漂移ΔQ(t)＜-δ，其中，任意δ＞0。

在本技术方案中，采用李雅普诺夫漂移技术提高异构网络资源分配过程中的稳定性，相较于现有技术，最大程度的保证了整个网络数据传输过程中用户队列的稳定性，提高资源分配的公平性进而提升用户的QoS(Quality of Service，服务质量)，同时能够减少用户之间的整体延迟从而提高网络的效率和服务质量。

进一步优选地，在步骤S2中，在第n个节点中新到达数据和节点间转移数据在内的总的数据a_n(t)中，新到达数据λ_n服从柏松分布：E[λ_n(t)]＝λ_n。

进一步优选地，在步骤S4中，队列长度Q_n(t)和到达数据a_n(t)的关联概率函数为：

Pr(w_n(t)＝w)＝π(w),

其中，w_n(t)表示一个概率分布为π(w)的平稳过程，且对任意w_n(t)∈Ω；π(t)表示关联队列长度Q_n(t)和到达数据a_n(t)的概率函数。

进一步优选地，在步骤S4中，任意时隙及分配控制策略均满足E{y(t)}≥y_min，其中，y(t)表示随机相关量，y_min为y(t)的下界。

进一步优选地，在步骤S5中，李雅普诺夫漂移ΔQ(t)＝E[L(Q(t+1))-LQ(t)Q(t)]，其中，L为队列数量；Q(t)＝{Q₁(t),Q₂(t),...,Q_L(t)}为各队列长度；为L(Q)的李雅普诺夫方程。

进一步优选地，在步骤S5之后还包括：

S6根据各个用户队列在整个网络用户数量的占比及基站服务速率在整个网络服务速率中的占比匹配各网络基站网络的用户队列。

进一步优选地，在步骤S6中，各个用户队列在整个网络用户数量的占比及基站服务速率在整个网络服务速率中的占比具体为：

其中，L_i表示各队列的长度，i∈{1,2,3,......,n}；S_i为每个基站的网络服务速率，i∈{1,2,3,......,n}。

进一步优选地，在步骤S6中，在每一个服务时隙中，将网络服务速率占比最大的基站网络介入点服务队列占比最大的用户队列。

本发明还提供了一种异构网络资源分配装置，所述装置使用上述方案中任意一种异构网络转分配的方法。

在本技术方案中，针对多用户多基站的网络资源分配，采用基于比例公平调度算法的分配方案，相较于传统的随机分配方案、轮询算法、最大载干比算法等而言，在尽量满足信道质量好、高速数据传输的同时兼顾了信道质量状况不好时的数据传输需求，利用权重值实时匹配用户队列及服务网络，同时兼顾了系统性能及用户体验。

附图说明

下面将以明确易懂的方式，结合附图说明优选实施方式，对上述特性、技术特征、优点及其实现方式予以进一步说明。

图1为本发明中异构网络资源分配方法一种实施方式流程示意图；

图2为本发明中异构网络模型示意图；

图3为本发明中多用户多服务系统图；

图4为本发明中某一节点的数据队列图；

图5为本发明中异构网络资源分配方法另一种实施方式流程示意图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，并获得其他的实施方式。

如图1所示为本发明提供的一种异构网络资源分配方法一种实施方式流程示意图，从图中可以看出，在该异构网络资源分配方法中包括：

S1构建一个有n(n∈{1,2,...,N})个节点、节点间有l(l∈{1,2,...,L})路传输链路的异构网络模型，如图2所示。图3为多用户多服务系统图，其中λ_n表示网络外新到达第n个节点的数据，a_n表示第n个节点包括新到达数据和节点间转移数据在内的总的数据，((a_l,b_l),a,b∈{1,2,...N})表示从节点a到节点b的数据转移。

S(t)∈S表示网络拓扑状态，S为状态集。在平稳状态下，S(t)被认为是恒定的。I(t)∈I_s表示分配控制决策，I_S表示在给定状态S下的所有资源分配决策集。该网络结构的特点是：S(t)是根据一个有限状态空间S和时间平均概率的不可约马尔可夫链的拓扑状态。I(t)是一个具有潜在拓扑状态的控制空间的控制决策变量。

将C(I(t),S(t))＝{C_ab(I(t),S(t))|a,b∈{1,2,...N},a≠b}定义为传输速率函数矩阵，其中，C_ab(I(t),S(t))表示在分配控制策略I_S和网络拓扑S下经过链路(a_l,b_l)的传输速率，其实有界的任意值。

S2构建异构网络模型中的队列模型。用Q_n(t)表示在时间间隙t时在第n个节点等待网络服务的队列成员数目，a_n(t)表示第n个节点包括新到达数据和节点间转移数据在内的总的数据，u_n(t)表示在时间间隙t时第n个节点中获得网络服务的用户数据。由此可以得到如下的动态队列长度表示式：并得到动态队列长度表示式：

Q_n(t+1)≤max[Q_n(t)-u_n(t),0]+a_n(t)

其中，a(t)＝(a₁(t),a₂(t),...a_n(t))和u(t)＝(u₁(t),u₂(t),...u_n(t))表示随机事件的一般函数。

如图4所示，对任一节点n其队列模型包括新到的数据为λ_n，转移数据为D_n，队列长度为u_n，网络服务量为u_n。在多个节点的队列的基础上进行无线资源的分配，时间间隙t表示时间为[t,t+1)。所有的节点都会存在新到用户数据，且相互独立。而转移用户数据则与节点及其相邻节点的数据流量有关，新到数据服从泊松分布，且E[λ_n(t)]＝λ_n。

在此基础上，在步骤S3中，提出一种基于背压技术的框架，以队列和为依据来做决策的方法。具体，动态背压框架表述如下：

在任一时间间隙t中，计算队列和然后网络控制器观察当前队列长度Q_sum以及各节点的到达数据a(t)执行以下步骤：

选择合适的控制决策变量I(t)优化以下目标函数：

s.t. α(t)∈A_w(t)

其中，α(t)为控制行为表达式，α_n(t)＝α_n(α(t),w(t))，w(t)表示随机事件，A_w(t)表示随机事件w(t)的控制空间集。以此，网络根据各节点的队列长度和服务速率实现更好的效用匹配。

之后，在步骤S4中，根据队列长度Q_n(t)和到达数据a_n(t)的关联概率函数即时更新队列数据。具体，假设w_n(t)表示一个概率分布为π(w)的平稳过程，在集合Ω中取值，对任意w_n(t)∈Ω；π(t)表示关联队列长度Q_n(t)和到达数据a_n(t)的概率函数，且：

Pr(w_n(t)＝w)＝π(w),

除了队列需要稳定的Q_n(t)之外，在步骤S4中还借助一个辅助的随机相关量y(t)，其时间平均值小于或接近特定值y^*，则任意时隙及分配控制策略均满足E{y(t)}≥y_min。

之后，在步骤S5中，假设网络有L个队列，其长度分别用Q(t)＝{Q₁(t),Q₂(t),...,Q_L(t)}表示，则L(Q)的李雅普诺夫方程为当且仅当网络中所有队列都为空时有L(Q)，当任一队列变大时L(Q)也同样变大。

若满足多队列的李雅普诺夫漂移条件，则对任意δ＞0，会有ΔQ(t)＜-δ，其中，ΔQ(t)＝E[L(Q(t+1))-LQ(t)Q(t)]，以此保证李雅普诺夫漂移是负数，进而保证网络的稳定性，原因在于：每当队列积压的向量离开有界区域时，负漂移最终会带动它回到这个区域。

对上述实施方式进行改进得到本实施方式，如图5所示，在本实施方式中，除了包括上述步骤S1～步骤S5之外，还包括步骤S6，根据各个用户队列在整个网络用户数量的占比及基站服务速率在整个网络服务速率中的占比匹配各网络基站网络的用户队列。

我们知道，在传统资源分配方案中，轮询算法保证了用户间的公平性，但损失系统吞吐量；最大载干比算法获得了最大的系统吞吐量，但丧失了公平性。因而在此我们提出了一种改进后的比例公平调度算法，其根据网络资源状态及用户队列拥塞程度利用权重值实时调整资源分配方案，达到兼顾系统性能和用户体验的目的，具体：

假设有n个基站，则会形成n个用户队列以及n各网络资源服务点，假设n个队列的长度分别为L_i{i∈1,2,3,…,n}，每个基站的网络服务速率为S_i{i∈1,2,3,…,n}，则在用户端及网络段分别可以得到如下的比例：

以此，分别得到各个用户队列在整个网络用户数量的占比以及基站服务速率在整个网络服务速率中的占比在分别过程中，针对每一个服务时隙，始终按照网络服务速率占比最大的基站网络介入点服务队列占比最大的用户队列，我们知道，每一个时隙，网络服务速率及队列长度均会发生变化，因此匹配过程也在不断的发生变化。

本发明还提供了一种异构网络资源分配装置，所述装置使用上述中任意一种异构网络转分配的方法，对于该装置的实施方法，对应于上述异构网络的资源分配方法的实施，这里不再一一赘述。

应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (9)

1.一种异构网络资源分配方法，其特征在于，所述异构网络资源分配方法中包括：

S1构建一个有n个节点、节点间有l路传输链路的异构网络模型，并定义潜在拓扑状态的控制空间的控制决策变量I(t)和传输速率函数矩阵C(I(t),S(t))：

C(I(t),S(t))＝{C_ab(I(t),S(t))|a,b∈{1,2,...N},a≠b}

其中，n∈{1,2,...,N}，l∈{1,2,...,L}；S(t)∈S表示网络拓扑状态，S为状态集；C_ab(I(t),S(t))表示在分配控制策略I_S和网络拓扑S下经过链路(a_l,b_l)的传输速率；

S2构建所述异构网络模型中的队列模型，并得到动态队列长度表示方法；

Q_n(t+1)≤max[Q_n(t)-u_n(t),0]+a_n(t)

其中，Q_n(t)表示在时间间隙t时第n个节点等待网络服务的队列长度；a_n(t)表示第n个节点中新到达数据和节点间转移数据在内的总的数据；u_n(t)表示在时间间隙t时第n个节点中获得网络服务的用户数据；

S3在一时间间隙中，以队列和Q_sum为依据，选择合适的控制决策变量I(t)优化以下目标函数：

$\begin{array}{cc}\min & Vf\left(I\right(t),S(t\left)\right)-\underset{i=1}{\overset{n}{\Σ}}{Q}_{sum}\left(t\right)u_n\left(I\right(t),S(t\left)\right)\end{array}$

s.t.α(t)∈A_w(t)

其中，α(t)为控制行为表达式，α_n(t)＝α_n(α(t),w(t))，w(t)表示随机事件，A_w(t)表示随机事件w(t)的控制空间集；

S4根据队列长度Q_n(t)和到达数据a_n(t)的关联概率函数即时更新队列数据；

S5根据多队列的李雅普诺夫漂移条件，保证李雅普诺夫漂移ΔQ(t)＜-δ，其中，任意δ＞0。

2.如权利要求1所述的异构网络资源分配方法，其特征在于，在步骤S2中，在第n个节点中新到达数据和节点间转移数据在内的总的数据a_n(t)中，新到达数据λ_n服从柏松分布：E[λ_n(t)]＝λ_n。

3.如权利要求1或2所述的异构网络资源分配方法，其特征在于，在步骤S4中，队列长度Q_n(t)和到达数据a_n(t)的关联概率函数为：

Pr(w_n(t)＝w)＝π(w),

$\∀t\∈\{0,1,2...\},\∀n\∈\{1,2,...,N\}$

其中，w_n(t)表示一个概率分布为π(w)的平稳过程，且对任意w_n(t)∈Ω；π(t)表示关联队列长度Q_n(t)和到达数据a_n(t)的概率函数。

4.如权利要求3所述的异构网络资源分配方法，其特征在于，在步骤S4中，任意时隙及分配控制策略均满足E{y(t)}≥y_min，其中，y(t)表示随机相关量，y_min为y(t)的下界。

5.如权利要求1或2或4所述的异构网络资源分配方法，其特征在于，在步骤S5中，李雅普诺夫漂移ΔQ(t)＝E[L(Q(t+1))-LQ(t)|Q(t)]，其中，L为队列数量；Q(t)＝{Q₁(t),Q₂(t),...,Q_L(t)}为各队列长度；为L(Q)的李雅普诺夫方程。

6.如权利要求1或2或4所述的异构网络资源分配方法，其特征在于，在步骤S5之后还包括：

S6根据各个用户队列在整个网络用户数量的占比及基站服务速率在整个网络服务速率中的占比匹配各网络基站网络的用户队列。

7.如权利要求6所述的异构网络资源分配方法，其特征在于，在步骤S6中，各个用户队列在整个网络用户数量的占比及基站服务速率在整个网络服务速率中的占比具体为：

$K_{L_i}=\frac{L_i}{\underset{i=1}{\overset{n}{\Σ}}{L}_i}$

$K_{S_i}=\frac{S_i}{\underset{i=1}{\overset{n}{\Σ}}{S}_i}$

其中，L_i表示各队列的长度，i∈{1,2,3,......,n}；S_i为每个基站的网络服务速率，i∈{1,2,3,......,n}。

8.如权利要求7所述的异构网络资源分配方法，其特征在于，在步骤S6中，在每一个服务时隙中，将网络服务速率占比最大的基站网络介入点服务队列占比最大的用户队列。

9.一种异构网络资源分配装置，其特征在于，所述装置使用权1～权8中任意一种异构网络转分配的方法。