CN106792919B - 无线虚拟网中基于等效容量的资源分配方法 - Google Patents
无线虚拟网中基于等效容量的资源分配方法 Download PDFInfo
- Publication number
- CN106792919B CN106792919B CN201611204594.3A CN201611204594A CN106792919B CN 106792919 B CN106792919 B CN 106792919B CN 201611204594 A CN201611204594 A CN 201611204594A CN 106792919 B CN106792919 B CN 106792919B
- Authority
- CN
- China
- Prior art keywords
- state
- channel
- virtual network
- bandwidth
- equivalent
- 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
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/20—Negotiating bandwidth
Abstract
本发明公开了一种无线虚拟网中基于等效容量的资源分配方法,解决了资源虚拟化及分配,以及业务流接纳控制问题。实现包括有:引入了SC‑FDMA上行链路系统作为无线虚拟网系统;建立有限状态马尔科夫信道模型,获取载波资源统计信息;针对不同业务请求,获得等效带宽信息;给定QOS指数序列,得到等效容量信息;依等效带宽信息和等效容量建立最优化资源分配模型;用分支定界法求解,获得最优等效容量资源分配方案。本发明对资源度量更加精确和紧凑,提高了资源利用率,引入动态定价机制,使虚拟网间资源分配更加均衡和合理,接入率高,时延更小,提供了灵活多变的资源分配方案和接纳控制技术,为虚拟运营商的实现提供了新的技术方案。
Description
技术领域
本发明属于通信技术领域,特别涉及一种无线虚拟资源分配,具体是一种无线虚拟网中基于等效容量的资源分配方法,可用于在SC-FDMA上行链路系统中,对多用户多业务需求进行资源分配和接入控制。
背景技术
伴随着通信技术的不断发展,业务请求的数量与种类都在不断快速扩大和丰富,使得各种应用竞争无线资源的压力大大增强,它们不但资源请求量各不相同,而且会提出不同的服务质量要求,所以有必要对有限的无线资源做出恰当地配置和管理。为了解决这一问题,无线网络虚拟化应运而生,移动网络运营商利用虚拟化技术能够更灵活控制和管理自身资源,并且由于无线信道的特有性质,无线网络的虚拟化会需要解决更多问题。
不同的业务请求对于服务质量的不同各不相同,现有的无线虚拟网络主要运用香农(shannon)容量的概念对资源进行量化,利用排队论等理论对于其QOS质量进行衡量;或者通过迭代,每次迭代后与时延约束进行对比判断,进行求解,求解过程缓慢;或者建立非线性大规模模型,建模复杂,计算复杂度太高;均不能满足日益灵活多变的通信需求。
发明内容
针对现有技术的不足,本发明提出一种对资源量化更加精确,求解复杂度低,接入率更高的无线虚拟网中基于等效容量的资源分配方法,其特征在于:
(1)引入了SC-FDMA上行链路系统作为无线虚拟网系统模型,对于载波资源进行分配;
(2)建立有限状态马尔科夫信道模型,获取载波资源统计信息:在物理层,结合传统无线衰落信道模型(加性高斯白噪声的瑞利平坦衰落信道模型)概率密度函数,根据公式求得信道中信噪比各个状态求得的门限值,对接受信噪比的状态进行划分,得到不同的状态空间,并获取信道中状态转移概率矩阵P(t),建成有限状态马尔科夫信道模型,即一种新的无线衰落信道模型;根据状态转移概率矩阵和调度时间以及时隙信息,获取载波资源的统计信息。
(2a)物理层中,对于抽样接收到的连续信号,根据瑞利衰落信道中信噪比SNR门线划分公式,求得信道中信噪比各个状态的门限值;引入按照升序排列的门限集合Γ=[Γ1,Γ2,…,ΓM+1]T,将连续信噪比SNR依据门限划分为不同的状态空间,并给定每一状态的信噪比值,将连续的信噪比SNR转化为离散状态,获得一个关于信道状态信息的有限状态连续时间马尔科夫过程,其连续时间马尔科夫过程状态转移概率根据Kolmogorov前向和后向方程获得。
(2b)因为SC-FDMA上行链路系统中子载波之间的相干带宽远远大于一个子载波的带宽,子载波被认为是独立平坦的瑞利信道,子载波中的信道状态信息在一个帧时隙近似相等并且保持恒定,将有限状态连续时间马尔科夫过程进一步转化为有限状态离散时间马尔科夫过程,从而进一步,依据时隙间的转移概率矩阵,获得各个时态的信道统计信息,即载波资源统计信息。
(3)获取等效带宽信息:对于MAC层,针对不同类型业务提出的带宽请求,根据各自业务时延要求,给定服务质量QOS指数序列,对于带宽请求进行量化,获得带有时延要求的等效带宽信息,单位为bit。
(4)获得子载波的等效容量信息:对于物理层,导入各个子载波信道统计信息,给定服务质量QOS指数序列,对各个子载波在不同时延下所能提供的服务速率进行量化,得到各个子载波在不同服务质量QOS指数下带有时延要求的等效容量信息,单位为bit。
(5)获得最优资源分配方案:根据等效带宽信息和等效容量信息建立最优化资源分配模型;利用分支定界法对建立的最优化分配模型进行求解,获得无线虚拟网中最优的基于等效容量的资源分配方案。用于无线虚拟网中的通讯。
在本发明提出的方案中,一方面,构建了马尔科夫信道模型,简化了信道复杂度,另一方面,通过等效带宽和等效容量的获取,对于子载波资源进行了更加精确的量化。仿真结果表明,通过应用本方案中的资源分配算法,业务的接入率和时延性能得到了有效提高。
本发明相比现有技术,具有以下优点:
第一,在资源分配的过程中使用了统计学的方法,建立了有限状态马尔科夫转移模型,在给出初始状态的前提下,估计了调度时隙内信道的统计信息(包括容量的均值和方差),对于SC-FDMA上行信道,得到了相邻时频资源块(子载波)的统计速率,从而用以解决物理资源映射和虚拟化的随机优化问题。简化了模型,使得求解更加简便,降低了计算复杂度。
第二,本发明在无线虚拟网资源分配中,采用了等效带宽(EB)和等效容量(EC),EB是数据源满足特定服务质量QOS要求所需的最小带宽,等效容量EC为给定服务质量QOS要求下,信道可以服务的最大的恒定到达速率,对业务请求的度量更加精确,资源利用更加紧凑,最大程度提高无线资源的利用率,提高业务的接入率。
第三:本发明在最优资源分配方案的模型中,运用了经济学的原理,对每一条业务的带宽请求进行了定价;带宽请求的价格与其所在虚拟网接入的总带宽和自身带宽两个因素有关,同一虚拟网,接入的带宽越多,其单价越低。通过这种定价方式,保证了虚拟网之间的公平性,使得资源分配更加均衡合理。
附图说明
图1是本发明的实现流程图;
图2是第i个调度时隙的统计信道容量模型图;
图3是本发明与其他两种方法进行资源分配后效用函数仿真对比图。
图4是本发明与其他两种方法进行资源分配后接入率的仿真对比图。
图5是本发明与其他两种方法进行资源分配后平均时延的仿真对比图。
具体实施方式
下面结合附图对本发明详细描述:
实施例1
现有的无线虚拟网络进行资源分配时,主要运用香农(shannon)容量和排队论等理论,或者通过迭代,求解过程缓慢;或者建立非线性大规模模型建模复杂,计算复杂度太高。本发明针对此现状,展开了研究,提出了一种无线虚拟网中基于等效容量的资源分配方法,参见图1:
(1)引入SC-FDMA上行链路系统作为无线虚拟网系统模型,系统包括一个物理基站和多个用户,基站和每个用户都分别装备有一个发射天线和一个接受天线,总的基站物理带宽资源被分割成多个资源块,而每个资源块又由若干个子载波组成,子载波即本发明要分配的物理资源,完成了子载波的分配即完成了物理带宽资源的分配。
(2)建立有限状态马尔科夫信道模型,获取载波资源统计信息:在物理层,结合传统无线衰落信道模型(加性高斯白噪声的瑞利平坦衰落信道模型)概率密度函数,根据瑞利衰落信道中信噪比SNR门线划分公式,求得信道中信噪比各个状态的门限值,用门限值对接受信噪比的状态进行划分,得到不同的状态空间,并获取信道中状态转移概率矩阵P(t),建立有限状态马尔科夫信道模型;根据状态转移概率矩阵和调度时间以及时隙信息,获取子载波资源的统计信息,统计信息主要包括子载波资源的数据速率的均值和方差。
(2a)物理层中,依据LTE上行链路系统中,不同资源块数量对应的抽样频率,对于子载波进行抽样;针对抽样接收到的信号,根据瑞利衰落信道中信噪比SNR门限划分公式,求得信道中信噪比各个状态的门限值;引入按照升序排列的门限集合Γ=[Γ1,Γ2,…,ΓM+1]T,将连续信噪比SNR依据门限划分为不同的状态空间,并给定每一状态的信噪比值,将连续的信噪比SNR转化为离散状态,获得一个关于信道状态信息的有限状态连续时间马尔科夫过程,其连续时间马尔科夫过程状态转移概率根据Kolmogorov前向和后向方程获得。(瑞利衰落信道中信噪比SNR门限划分公式详见IEEE TRANSACTIONS ONCOMMUNICATIONS VOL.47,NO.11,NOVEMBER 1999)。
(2b)因为SC-FDMA上行链路系统中子载波之间的相干带宽远远大于一个子载波的带宽,子载波被认为是独立平坦的瑞利信道,子载波中的信道状态信息在一个帧时隙近似相等并且保持恒定,将有限状态连续时间马尔科夫过程进一步转化为有限状态离散时间马尔科夫过程,有限状态离散马尔科夫过程具有处理简单,模型更加形象直观,便于理解和数据处理等众多优点。
依据给定的初始状态矩阵和时隙间的转移概率矩阵,获得各个时态的概率分布信息,通过引入各个状态所对应的SNR值和其容量值,可以获得载波资源各个时态的容量相关信息,即载波资源统计信息。
本发明,在物理层,首先建立了马尔科夫信道模型,通过初始概率分布矩阵和状态转移概率矩阵得到了每一时刻子载波的统计信息。载波资源统计信息主要包括子载波资源的数据速率的均值和方差。
(3)获取等效带宽信息:对于MAC层,不同类型业务根据其所需要的数据速率,提出不同的带宽请求,从而保证其通信的质量(主要为时延);本发明从QOS角度出发,根据各自业务时延要求,给定服务质量QOS指数序列,对带宽请求进行进一步量化,获得带有时延要求的等效带宽信息。等效带宽为满足特定时延下业务需要的最小带宽,单位为bit。
(4)获得子载波的等效容量信息:对于物理层,通过分配子载波从而满足系统的通信需求,对于子载波资源的量化尤其重要,若度量过小,会导致资源大量浪费,度量过大,用户服务质量无法得到保证;本发明通过导入各个子载波信道统计信息,给定服务质量QOS指数序列,对各个子载波在不同时延下所能提供的服务速率进行量化,得到子载波在不同服务质量QOS指数下带有时延要求的等效容量信息。等效容量为满足时延要求下载波资源所能服务的最大恒定到达速率,其单位为bit。
(5)获得最优资源分配方案:根据等效带宽信息和等效容量信息建立最优化资源分配模型。利用分支定界法对建立的最优化分配模型进行求解,获得无线虚拟网中最优的基于等效容量的资源分配方案,用于无线虚拟网中的通讯。
本发明研究了无线虚拟网络中基于上行SC-FDMA不同QOS需求的资源分配策略,具体思路是:物理层获得各个子载波的统计信息,通过等效容量对于各个业务进行进一步量化和表征,获得等效带宽信息;MAC层初始化用户业务流集合,通过等效带宽计算获得各用户不同业务的等效带宽信息;根据各个子载波的等效容量和等效带宽信息,建立最优化资源分配模型;利用分支定界法对建立的最优化分配模型进行求解,获得无线虚拟网中最优的基于等效容量的资源分配方案。
实施例2
无线虚拟网中基于等效容量的资源分配方法同实施例1,步骤(2a)中所述依据门限划分为不同的状态空间,即生成一种新的无线衰落信道模型:
在典型的传播信道中,接收信号经历瑞利衰落以及加性高斯噪声,对于具有平均信噪比SNRγ0的接收信号,接收的瞬时信噪比SNR以如下的概率密度函数分布:
式中γ0为接收信号的平均信噪比,γ为接收信号取样时刻的瞬时信噪比。
根据瑞利衰落信道中信噪比SNR门线划分公式,求得信道中信噪比各个状态的门限值;用Γ=[Γ1,Γ2,…,ΓM+1]T表示接收信号不同状态的以升序排列的门限值(Γ1=0,ΓM+1=∞),第m个门限值Γm(γ0,fm,Tf)由接收信号的平均信噪比γ0,多普勒频移fm和时间间隔Tf决定,接收信噪比SNRΓm和Γm+1之间的区域被定义为状态sm,并且信道被建模为具有M个状态的马尔科夫链;用Ρ(t)=[Pi,j(t)]M×M表示时刻t上的状态转移概率的矩阵,Pi,j(t)表示该时刻从i到j的状态转换的概率;对于连续时间FSMC通道,根据Kolmogorov前向和后向方程获得状态转移概率矩阵,将FSMC信道描述如下:
P'(t)=P(t)Q,t≥0
其中,P'(t)状态转移概率的矩阵对于时间的导数,Q=(qij)M×M和矩阵元素qij近似为:
其中,表示阈值的电平交叉率;表示落于状态M的概率。qm,m+1表示前向运算中的符号,qm,m-1表示矩阵中的后向元素,依据上式可以获得状态转移概率矩阵P(t)。
本发明在资源分配过程中,通过对接收信噪比状态空间划分,结合加性高斯白噪声瑞利信道的概率密度分布函数,建立了有限状态马尔科夫转移模型,得到了各个时隙之间的状态转移概率矩阵,为载波资源统计信息的估计提供了可能。
实施例3
无线虚拟网中基于等效容量的资源分配方法同实施例1-2,步骤(2b)中获取载波资源的统计信息,具体是:
在信道模型中,如附图(2)所示,一个调度时隙Ts由L个帧时隙组成,并且信道状态每隔时间Tf发生一次变化;rl(i)表示第i个调度时隙中第l个帧时隙的状态信息;依据本发明对状态空间的划分,所有的数据速率的取值在一个有限的状态空间ψ={ψ1,ψ2,…,ψM}中,数据速率的取值ψm与接收信噪比状态γm有关,二者一一对应,数据速率的取值表示为ψm=Blog2(1/γm)。令P(ψ)表示在表ψ上的所有状态的转移概率的空间,第i次调度第l帧Pi l(ψ)的概率矩阵写为:
Pi l(ψ)=P(0)·P(l·Tf+i*TS)
其中P(0)表示初始概率矩阵,P(l·Tf+i*TS)表示在第i次调度第l帧的状态转移概率矩阵;根据信道的状态以及取得各个状态的概率,得到每个调度时隙内的信道容量的均值,为后续的资源分配提供子载波信道统计信息。
本发明在资源分配的过程中使用了统计学的方法,使用了有限状态马尔科夫转移模型,在给出初始状态的前提下,估计了调度时隙内信道的统计信息,包括容量的均值和方差,对于SC-FDMA上行信道,得到了相邻时隙资源块内子载波的统计速率,以解决物理资源映射和虚拟化的随机优化,降低了计算复杂度,使得求解过程更加简便。
实施例4
无线虚拟网中基于等效容量的资源分配方法同实施例1-3,步骤(3)中对于带宽资源进行量化,获得等效带宽信息,具体是:
对于MAC层,首先获得各虚拟网中用户不同业务流的到达过程集合Af,s,k(t),初始化业务流的带宽请求,相同类型业务流排列在同一虚拟网中,具有相同的时延约束,根据不同虚拟网的时延约束,给定对应的QOS指数序列u,依据下述等效带宽计算公式对于各个业务流的带宽请求进行统一量化;
其中,EBf,s,k表示第s个虚拟网中第k个用户的第f个业务流的等效带宽,k是1到L之间的正整数,L为用户个数,s是1到V之间的正整数,V为虚拟网个数,us表示第S个虚拟网的QOS指数,到达过程{Af,s,k(t),t≥0}表示时间间隔(0,t)内到达的数据量。
本发明通过等效带宽的量化,依次计算每一个用户,每一个业务流的带宽请求,获得所有业务流的等效带宽信息(EB)。EB是数据源满足特定服务质量QOS要求所需的最小带宽,通过等效带宽的运用,本发明对业务请求的度量更加精确,资源利用更加紧凑,最大程度提高了无线资源的利用率,提高业务的接入率。
实施例5
无线虚拟网中基于等效容量的资源分配方法同实施例1-4,步骤(4)中对于等效容量的量化,获得等效容量信息,具体是:
对于物理层,导入各个子载波信道统计信息,具体包括时隙信息和容量的均值和方差;依据MAC层不同虚拟网的QOS需求,获得所有虚拟网QOS指数,依据下述等效容量的计算公式,求得各个子载波的等效容量:
其中,ECf,s,k表示分配到第s个虚拟网中第k个用户的第f个业务流的子载波的等效容量,us表示第s个虚拟网的QOS指数,服务过程{~S(t),t≥0}表示时间间隔(0,t)内服务的数据量。
本发明通过等效容量的计算,对于物理层各个子载波获得不同QOS指数下的服务速率,得到每一条子载波的等效容量信息向量集合(EC)。EC为给定QOS要求下,信道可以服务的最大的恒定到达速率,利用这种给定QOS下子载波的极限承载能力,最大程度的提高无线资源的利用率,减少了资源的浪费,在保证QOS的基础上,最大程度的提高了业务的接入率。
实施例6
无线虚拟网中基于等效容量的资源分配方法同实施例1-5,步骤(5)中对于最优化资源分配模型的建立和求解,具体是:
根据等效带宽信息和等效容量信息建立最优化资源分配模型:
其中,U表示函数模型总的效用函数;α和β为定价常数,α为虚拟网的价格初始值,初始值通常取1,β为价格的缩减因子,β具体大小与总的带宽请求有关,取值满足不小于零;K表示用户集合;Fs,k表示第S个虚拟网中的业务流集合;Y为待求取的分配向量,具体为行,1列的分配向量,N为总的载波数,f_total表示系统总的业务流数,为N个子载波的组合模式数,为二值变量;它的上半部分Y1,1到Yf_total,1是业务接入向量,长度为f_total,与f_total个业务流一一对应,在目标函数中,具体用Yf,s,k来表示,Yf,s,k表示第k个用户的第s个虚拟网中第f个业务流的接入状态;Yf_total+1,1到为子载波的组合分配向量,业务流按照顺序每一个均对应长度为的组合分配向量,其中取值为1的项表示该组合模式分配到对应业务流上;表示MAC层业务流对于带宽的请求量。
本发明目标函数共有四条约束,第一条约束要求每条子载波只分配给一条物理链路使用;第二条约束是每个业务分配到的子载波必须满足其等效带宽请求小于等于分配到信道的等效容量;第三条约束是每个子载波都必须得到分配;第四条约束是要求信道分配变量为0-1的二值变量;通过四条约束构建了无限虚拟网基于等效容量和等效带宽的最优化资源分配模型,求解该模型获得最优的资源分配方案;
本发明运用分支定界法对最优化资源分配模型进行求解,通过求解目标函数的最大值,获得了分配向量,解析其所对应的接入向量和载波组合分配向量,将子载波与业务流一一对应,即可得到给定QOS需求下的最优的基于等效容量的资源分配方案。
本发明在最优资源分配方案的模型中,运用了经济学的原理,对每一条业务流的带宽请求进行了合理的定价,每一业务流的价格与其所在虚拟网接入的总带宽和自身带宽请求两个因素有关,同一虚拟网,接入的带宽越多,其单价越低。通过这种定价方式,保证了虚拟网之间的公平性,使得资源分配更加均衡和合理。
下面给出一个完整的例子,对本发明的技术方案进一步说明:
实施例7
无线虚拟网中基于等效容量的资源分配方法同实施例1-6,参照图1,本发明的实现步骤包括有:
步骤1,在实现资源分配的过程中,引入了SC-FDMA上行系统,对于包括一个基站和K个用户SC-FDMA上行系统中,K={1,2,…,K},总的可用带宽B被划分为S个资源块,每一个资源块包含M个子载波。假设用户k在第一个索引为p的M个连续子载波中被调度,将第p个子载波处的用户k的接收信号写为:
yp,k=hp.kxp,k+np,k,p=pg,pg+1,...,pg+Mg-1,
hp.k代表信道增益,xp,k为发射信号,np,k均值为0方差为σ2的加性高斯白噪声,和分别表示用户k占用的资源块的数量和一个资源块中的子载波的数量。
步骤2,建立马尔科夫信道模型,获得子载波信道统计信息
(2a)引入一个有限状态马尔可夫信道表示无线衰落信道模型,在典型的传播信道中,接收信号经历瑞利衰落,以及加性高斯噪声,对于具有平均SNRγ0的接收信号,它的接收的瞬时SNR以如下的概率密度函数分布:
用Γ=[Γ1,Γ2,…,ΓM+1]T表示接收信号不同状态的以升序排列的门限值(Γ1=0,ΓM+1=∞),门限值Γm(γ0,fm,Tf)由接收信号的平均信噪比γ0,以及多普勒频移fm和时间间隔Tf决定,接收SNRΓm和Γm+1之间的区域可以被定义为状态sm,并且信道可以被建模为具有M个状态的马尔科夫链。用Ρ(t)=[Pi,j(t)]M×M表示时间t上的状态转移概率的矩阵,Pi,j(t)表示从i到j的状态转换的概率。对于连续时间FSMC通道,根据Kolmogorov前向和后向方程获得状态转移概率矩阵,将FSMC信道描述如下:
P'(t)=P(t)Q,t≥0
其中,转换速率矩阵Q=(qij)M×M和矩阵元素qij近似为:
其中,表示阈值的电平交叉率;表示落于状态M的概率。qm,m+1表示前向运算中的符号,qm,m-1表示矩阵中的后向元素,依据上式可以获得状态转移概率矩阵P(t)。
(2b)本发明提到的载波资源是上行子载波,SC-FDMA上行系统中,子载波之间的相干带宽远大于子载波的带宽,子信道是独立的平坦瑞利信道,子载波中的信道状态信息在一个帧时隙近似相等并且保持恒定。
在信道模型中,如附图2所示,一个调度时隙Ts由L个帧时隙组成,并且信道状态每隔时间Tf发生一次变化;rl(i)表示第i个调度时隙中第l个帧时隙的状态信息;依据本发明对状态空间的划分,所有的数据速率的取值在一个有限的状态空间ψ={ψ1,ψ2,…,ψM}中,数据速率的取值ψm与接收信噪比状态γm有关,二者一一对应,数据速率的取值表示为ψm=Blog2(1/γm)。令P(ψ)表示在表ψ上的所有状态的转移概率的空间,第i次调度第l帧Pi l(ψ)的概率矩阵写为:
Pi l(ψ)=P(0)·P(l·Tf+i*TS)
其中P(0)表示初始概率矩阵,P(l·Tf+i*TS)表示在第i次调度第l帧的状态转移概率矩阵;根据信道的状态以及取得各个状态的概率,得到每个调度时隙内的信道容量的均值,为后续的资源分配提供子载波信道统计信息。
步骤3,对于MAC层,首先获得各虚拟网中用户不同业务流的到达过程集合Af,s,k(t),初始化业务流的带宽请求,相同类型业务流排列在同一虚拟网中,具有相同的时延约束,根据不同虚拟网的时延约束,给定对应的QOS指数序列u,依据下述等效带宽计算公式对于各个业务流的带宽请求进行统一量化;
其中,EBf,s,k表示第s个虚拟网中第k个用户的第f个业务流的等效带宽,k是1到L之间的正整数,L为用户个数,s是1到V之间的正整数,V为虚拟网个数,us表示第S个虚拟网的QOS指数,到达过程{Af,s,k(t),t≥0}表示时间间隔(0,t)内到达的数据量。
本发明通过等效带宽的量化,获得所有业务流的等效带宽信息(EB),对业务请求的度量更加精确,资源利用更加紧凑,最大程度提高了无线资源的利用率,提高业务的接入率。
步骤4,对于物理层,导入各个子载波信道统计信息,具体包括时隙信息和容量的均值和方差;依据MAC层不同虚拟网的QOS需求,获得所有虚拟网QOS指数,依据下述等效容量的计算公式,求得各个子载波的等效容量:
其中,ECf,s,k表示分配到第s个虚拟网中第k个用户的第f个业务流的子载波的等效容量,us表示第s个虚拟网的QOS指数,服务过程表示时间间隔(0,t)内服务的数据量。
本发明通过等效容量的计算,对于物理层各个子载波获得不同QOS指数下的服务速率,得到每一条子载波的等效容量信息向量集合(EC)。EC为给定QOS要求下,信道可以服务的最大的恒定到达速率,利用这种给定QOS下子载波的极限承载能力,最大程度的提高无线资源的利用率,减少了资源的浪费,在保证QOS 的基础上,最大程度的提高了业务的接入率。
步骤5,建立最优化资源分配模型,获得最优资源分配方案
根据等效带宽信息和等效容量信息建立最优化资源分配模型:
其中,U表示函数模型总的效用函数;α和β为定价常数,α为虚拟网的价格初始值,初始值通常取1,β为价格的缩减因子,β具体大小与总的带宽请求有关,取值满足不小于零;K表示用户集合;Fs,k表示第S个虚拟网中的业务流集合;Y为待求取的分配向量,具体为行,1列的分配向量,N为总的子载波数,f_total表示系统总的业务流数,为N个子载波组合模式数,为二值变量;它的上半部分Y1,1到Yf_total,1是业务接入向量,长度为f_total,与f_total个业务流一一对应,在目标函数中,具体用Yf,s,k来表示,Yf,s,k表示第k个用户的第s个虚拟网中第f个业务流的接入状态;Yf_total+1,1到为子载波的组合分配向量,业务流按照顺序每一个均对应长度为的组合分配向量,其中取值为1的项表示该组合模式分配到对应业务流上;表示MAC层业务流对于带宽的请求量;
本发明该目标函数共有四条约束,第一条约束是要求每条子载波只分配给一条物理链路使用;第二条约束是每个业务分配到的子载波必须满足其等效带宽请求小于等于分配到的信道的等效容量。第三条约束是每个子载波到都必须得到分配。第四条约束是要求信道分配变量为0-1的二值变量;通过四条约束构建了无限虚拟网基于等效容量和等效带宽的最优化模型,求解该模型过程,严格遵循四个约束条件,获得最优的资源分配方案。
本发明运用了分支定界法对上述最优化模型进行求解,通过求解目标函数的最大值,获得了分配向量,解析其所对应的接入向量和载波组合分配向量,将子载波一一对应,即可得到给定QOS需求下的最优的基于等效容量的资源分配方案。
本发明在最优资源分配方案的模型中,对每一条业务流的带宽请求进行了合理的定价,通过这种定价方式,保证了虚拟网之间的公平性,使得资源分配更加均衡和合理。
下面通过仿真,对本发明的效果详细说明
实施例9
无线虚拟网中基于等效容量的资源分配方法同实施例1-8,
1.仿真条件:
在本例中,给出了一些仿真结果来评估本发明所提出方案的性能,SC-FDMA系统中的仿真参数在表1中,数据的模拟设置在表2中示出。
表1.SC-FDMA系统的仿真参数
表2:带宽请求模拟量设置
2.仿真内容
本例中对本发明提出的最优化分配方案进行了仿真,简称DCWRV-EC,为了使仿真效果更加直观,仿真中引入了其他两种虚拟化算法DCWRV-MC和DCWRV-AC作为比较,DCWRV-MC为使系统取得最大容量的最大容量分配方案,DCWRV-AC为使所有用户获得容量相等的平均分配方案。在SC-FDMA系统中,分别对效用函数,接入率,和时延三个内容进行了仿真,获得了仿真结果,结果表明,本发明提出的最优化资源分配方案在效用函数,接入率,和时延方面相比其他方法有明显优势,可以提供更好的服务质量。
仿真结果分析
参见图3,从图3可以看出,本发明(DGWRV‐EC)的效用函数值最大,之后是最大容量分配(DGWRV‐MC)和平均分配(DGWRV‐AC)。本发明效用函数优于最大容量分配和平均分配的主要原因是本发明构建了物理层和MAC层基于等效容量和等效带宽的最优化资源分配模型,在保证时延的基础上对于资源接入进行了合理的分配,而最大容量分配算法和平均分配算法执行的资源分配方案,没有具体的考虑带宽请求,资源利用不够紧凑,分配方案较为粗糙。从图3可见,最大容量分配算法的效用函数优于平均分配算法,这是因为平均分配算法是一种静态分配,均匀的向用户分配物理资源,而相比之下最大容量分配更适用于具体带宽请求。本发明引入了合理的定价机制,使得虚拟网间资源分配更加均衡和合理,保证时延的前提下,接入了更多的业务流,从而可以获得更大的效用函数。
实施例10
无线虚拟网中基于等效容量的资源分配方法同实施例1-8,仿真条件和内容同实施例9:
参见图4,从图4可以看出,本发明(DGWRV‐EC)相比最大容量分配和平均分配接入率有明显提高,这是由于本发明(DGWRV‐EC)使用了等效容量和等效带宽对于资源进行度量,最大程度的提高了资源的利用率;而最大容量分配和平均分配执行相对静态的资源分配,限制了业务流的访问。依据仿真图可以看出,最大容量分配(DCWRV-MC)的接入率优于平均分配(DCWRV-AC),这是因为平均分配算法没有考虑带宽请求的大小,只是均匀地向用户分配物理资源。同时,可以清楚地看到,随着平均SNR的增加,由于每一条子载波提供更大的服务速率,更容易满足用户的带宽需求,三种算法的流接入概率一致地增加,在高SNR区域中趋于相等。
本发明一方面运用等效带宽和等效容量,对资源度量更加精确和紧凑,从而在资源分配时减少了资源的浪费,提高了资源利用率,另一方面,引入了合理的动态定价机制,使得虚拟网间资源分配更加均衡和合理,在接入率方面带来了明显提高
实施例11
无线虚拟网中基于等效容量的资源分配方法同实施例1-8,仿真条件和内容同实施例9.
参见图5,图5中示出了虚拟网平均时延延迟特性的对比,虚线表示最大容许时延。本发明(DGWRV-EC)分配方案不但接入了更多的业务流,并且为每个业务流提供更快的服务速率,相比其他两种方法,平均时延更短,用户服务质量更高。另外可以看出,三种算法的平均时延随着SNR的增加一致地减小,这是因为在信噪比大的区域中每条子载波的数据服务速率都得到了提高。
本发明从服务质量角度,主要以时延出发,在保证服务质量下对于带宽请求和载波容量的进一步量化,形成了紧凑合理的资源度量模式。本发明动态的定价方案保证了虚拟网间资源分配的均衡性和合理性,与实际结合更加紧密,使得平均时延有明显改善,保证了服务质量。
简而言之,本发明公开的无线虚拟网中基于等效容量的资源分配方法,解决了SC-FDMA上行系统中,载波资源的虚拟化及其资源分配,以及MAC层业务流的接纳控制。实现包括有:引入了SC-FDMA上行链路系统作为无线虚拟网系统模型,对于载波资源进行分配;建立有限状态马尔科夫信道模型,获取载波资源统计信息;对于MAC层,针对不同类型业务提出的带宽请求,获得带有时延要求的等效带宽信息;对于物理层,给定服务质量QOS指数序列,得到各个子载波的等效容量信息;根据等效带宽信息和等效容量信息建立最优化资源分配模型;利用分支定界法对建立的最优化分配模型进行求解,获得无线虚拟网中最优的基于等效容量的资源分配方案。本发明一方面运用等效带宽和等效容量,对资源度量更加精确和紧凑,从而在资源分配时减少了资源的浪费,提高了资源利用率,另一方面,引入了合理的动态定价机制,使得虚拟网间资源分配更加均衡和合理,具有更高的接入率,更小的时延,可以为用户提供更加优质的服务质量。本发明可以提供灵活多变的资源分配管理和接纳控制,应用于LTE上行链路系统中,实现对于资源的虚拟化和分配,同时为租借物理运营商的物理资源,实现虚拟运营商对于资源的管理提供了方案,促进资源的分配和管理。
Claims (6)
1.一种无线虚拟网中基于等效容量的资源分配方法,其特征在于,包括有如下步骤:
(1)引入了SC-FDMA上行链路系统作为无线虚拟网系统模型,对于载波资源进行分配;
(2)建立有限状态马尔科夫信道模型,获取载波资源统计信息:在物理层,结合传统无线衰落信道模型概率密度函数,根据瑞利衰落信道中信噪比SNR门线划分公式,求得信道中信噪比各个状态的门限值,对接受信噪比的状态进行划分,得到不同的状态空间,并获取信道中状态转移概率矩阵P(t),建成有限状态马尔科夫信道模型;根据状态转移概率矩阵和调度时间以及时隙信息,获取载波资源的统计信息;
(2a)物理层中,对于抽样接收到的连续信号,引入按照升序排列的门限集合Γ=[Γ1,Γ2,...,ΓM+1]T,其中,M为最大门限数,将连续信噪比依据门限划分为不同的状态空间,并给定每一状态的信噪比值,将连续的信噪比转化为离散状态,获得一个关于信道状态信息的有限状态连续时间马尔科夫过程,其连续时间马尔科夫过程状态转移概率根据Kolmogorov前向和后向方程获得;
(2b)因为SC-FDMA上行链路系统中子载波之间的相干带宽远远大于一个子载波的带宽,子载波被认为是独立平坦的瑞利信道,子载波中的信道状态信息在一个帧时隙近似相等并且保持恒定,将有限状态连续时间马尔科夫过程进一步转化为有限状态离散时间马尔科夫过程,依据时隙间的转移概率矩阵,获得各个时态的信道统计信息;
(3)获取等效带宽信息:对于MAC层,针对不同类型业务提出的带宽请求,根据各自业务时延要求,给定服务质量指数序列,对于带宽请求进行量化,获得带有时延要求的等效带宽信息,单位为bit;
(4)获得子载波的等效容量信息:对于物理层,导入各个子载波信道统计信息,给定服务质量指数序列,对各个子载波在不同时延下所能提供的服务速率进行量化,得到各个子载波在不同服务质量指数下带有时延要求的等效容量信息,单位为bit;
(5)获得最优资源分配方案:根据等效带宽信息和等效容量信息建立最优化资源分配模型;利用分支定界法对建立的最优化分配模型求解,获得无线虚拟网中最优的基于等效容量的资源分配方案。
2.根据权利要求1所述的无线虚拟网中基于等效容量的资源分配方法,其特征在于步骤(2a)中获得一个关于信道状态信息的有限状态连续时间马尔科夫过程,具体是:
在典型的传播信道中,接收信号经历瑞利衰落以及加性高斯噪声,对于具有平均信噪比SNRγ0的接收信号,接收的瞬时信噪比SNR以如下的概率密度函数分布:
式中γ0为接收信号的平均信噪比,γ为接收信号取样时刻的瞬时信噪比,
根据瑞利衰落信道中信噪比SNR门线划分公式,求得信道中信噪比各个状态的门限值;用Γ=[Γ1,Γ2,...,ΓM+1]T表示接收信号不同状态的以升序排列的门限值(Γ1=0,ΓM+1=∞),第m个门限值Γm(γ0,fm,Tf)由接收信号的平均信噪比γ0,多普勒频移fm和时间间隔Tf决定,接收信噪比SNRΓm和Γm+1之间的区域被定义为状态sm,并且信道被建模为具有M个状态的马尔科夫链;用Ρ(t)=[Pi,j(t)]M×M表示时刻t上的状态转移概率的矩阵,Pi,j(t)表示该时刻从i到j的状态转换的概率;对于连续时间FSMC通道,根据Kolmogorov前向和后向方程获得状态转移概率矩阵,将FSMC信道描述如下:
P'(t)=P(t)Q,t≥0
其中,P'(t)表示状态转移概率的矩阵对于时间的导数,Q=(qij)M×M和矩阵元素qij近似为:
其中,表示阈值的电平交叉率;表示落于状态M的概率。qm,m+1表示矩阵中前向运算的元素,qm,m-1表示矩阵中后向运算的元素,依据上式可以获得状态转移概率矩阵P(t)。
3.根据权利要求1所述的无线虚拟网中基于等效容量的资源分配方法,其特征在于步骤(2b)中转移概率矩阵:
在信道模型中,一个调度时隙Ts由L个帧时隙组成,信道状态每隔时间Tf发生一次变化;rl(i)表示第i个调度时隙中第l个帧时隙的状态信息;所有的数据速率的取值在一个有限的状态空间ψ={ψ1,ψ2,…,ψM}中,数据速率的取值ψm与接收信噪比状态γm有关,二者一一对应,数据速率的取值表示为ψm=B log2(1/γm);令P(ψ)表示在表ψ上的所有状态的转移概率的空间,第i次调度第l帧的概率矩阵写为:
其中P(0)表示初始概率矩阵,P(l·Tf+i·Ts)表示在第i次调度第l帧的状态转移概率矩阵;根据信道的状态以及取得各个状态的概率,得到每个调度时隙内的信道容量的均值。
4.根据权利要求1所述的无线虚拟网中基于等效容量的资源分配方法,其特征在于步骤(3)中所述的获得等效带宽信息,包括有:
对于MAC层,首先获得各虚拟网中用户不同业务流的到达过程集合Af,s,k(t),初始化业务流的带宽请求,相同类型业务流排列在同一虚拟网中,具有相同的时延约束,根据不同虚拟网的时延约束,给定对应的QOS指数序列u,依据下面的等效带宽计算公式对于各个业务流的带宽请求进行统一量化;
其中,EBf,s,k表示第s个虚拟网中第k个用户的第f个业务流的等效带宽,k是1到L之间的正整数,L为用户个数,s是1到V之间的正整数,V为虚拟网个数,us表示第S个虚拟网的QOS指数,到达过程{Af,s,k(t),t≥0}表示时间间隔(0,t)内到达的数据量。
5.根据权利要求1所述的无线虚拟网中基于等效容量的资源分配方法,其特征在于,步骤(4)中所述的等效容量的获得:
对于物理层,导入各个子载波信道统计信息,具体包括时隙信息和容量的均值和方差;依据MAC层不同虚拟网的QOS需求,获得所有虚拟网QOS指数,依据下述等效容量的计算公式,求得各个子载波的等效容量:
其中,ECf,s,k表示分配到第s个虚拟网中第k个用户的第f个业务流的子载波的等效容量,us表示第s个虚拟网的QOS指数,服务过程表示时间间隔(0,t)内服务的数据量。
6.根据权利要求1所述的无线虚拟网中基于等效容量的资源分配方法,其特征在于,步骤(5)中所述的对于最优化资源分配模型的建立和求解:
根据等效带宽信息和等效容量信息建立最优化资源分配模型:
其中,U表示函数模型总的效用函数;α和β为定价常数,α为虚拟网的价格初始值,初始值通常取1,β为价格的缩减因子,β具体大小与总的带宽请求有关,β取值满足不小于零;K表示用户集合;Fs,k表示第S个虚拟网中的业务流集合;Y为待求取的分配向量,具体为行,1列的分配向量,N为子载波的总数,f_total表示系统总的业务流数,为N个子载波的组合模式数,为二值变量;分配向量的上半部分Y1,1到Yf_total,1是业务接入向量,长度为f_total,与f_total个业务流一一对应,在目标函数中,具体用Yf,s,k来表示,Yf,s,k表示第k个用户的第s个虚拟网中第f个业务流的接入状态;Yf_total+1,1到为子载波的组合分配向量,业务流按照顺序每一个均对应长度为的组合分配向量,其中取值为1的项表示该组合模式分配到对应业务流上;表示MAC层业务流对于带宽的请求量;
该目标函数共有四条约束,第一条约束要求每条子载波只分配给一条物理链路使用;第二条约束是每个业务分配到的子载波必须满足其等效带宽请求小于等于分配到信道的等效容量;第三条约束是每个子载波都必须得到分配;第四条约束是要求信道分配变量为0-1的二值变量;通过四条约束构建了无限虚拟网基于等效容量和等效带宽的最优化资源分配模型,求解该模型获得最优的资源分配方案;
运用分支定界法对最优化资源分配模型进行求解,通过求解目标函数的最大值,获得了分配向量,解析其所对应的接入向量和载波组合分配向量,将子载波与业务流一一对应,即可得到给定QOS需求下的最优的基于等效容量的资源分配方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611204594.3A CN106792919B (zh) | 2016-12-23 | 2016-12-23 | 无线虚拟网中基于等效容量的资源分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611204594.3A CN106792919B (zh) | 2016-12-23 | 2016-12-23 | 无线虚拟网中基于等效容量的资源分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106792919A CN106792919A (zh) | 2017-05-31 |
CN106792919B true CN106792919B (zh) | 2019-12-24 |
Family
ID=58897874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611204594.3A Active CN106792919B (zh) | 2016-12-23 | 2016-12-23 | 无线虚拟网中基于等效容量的资源分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106792919B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109548153B (zh) * | 2018-11-08 | 2021-07-27 | 西安电子科技大学 | 基于模块度sc-fdma系统的资源分配方法 |
CN109348538B (zh) * | 2018-11-29 | 2021-05-14 | 西安电子科技大学 | 基于高斯拟合的无线资源虚拟化方法 |
CN110556841B (zh) * | 2019-08-29 | 2022-11-04 | 天津大学 | 一种计及无线通信时延的孤岛微电网频率控制器设计方法 |
CN114978918B (zh) * | 2022-05-20 | 2024-01-30 | 东南大学 | 有限块长下保证电网可观测性的带宽分配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102638893A (zh) * | 2012-03-31 | 2012-08-15 | 南京邮电大学 | 直通蜂窝系统中基站联合直通终端优化资源分配方法 |
CN103259744A (zh) * | 2013-03-26 | 2013-08-21 | 北京航空航天大学 | 一种基于分簇的移动虚拟网络映射方法 |
CN105429741A (zh) * | 2015-10-29 | 2016-03-23 | 西安电子科技大学 | 基于动态用户配对的联合虚拟mimo资源分配方法 |
CN105744627A (zh) * | 2016-01-22 | 2016-07-06 | 西安电子科技大学 | Ofdma系统中无线虚拟网资源分配方法 |
-
2016
- 2016-12-23 CN CN201611204594.3A patent/CN106792919B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102638893A (zh) * | 2012-03-31 | 2012-08-15 | 南京邮电大学 | 直通蜂窝系统中基站联合直通终端优化资源分配方法 |
CN103259744A (zh) * | 2013-03-26 | 2013-08-21 | 北京航空航天大学 | 一种基于分簇的移动虚拟网络映射方法 |
CN105429741A (zh) * | 2015-10-29 | 2016-03-23 | 西安电子科技大学 | 基于动态用户配对的联合虚拟mimo资源分配方法 |
CN105744627A (zh) * | 2016-01-22 | 2016-07-06 | 西安电子科技大学 | Ofdma系统中无线虚拟网资源分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106792919A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106792919B (zh) | 无线虚拟网中基于等效容量的资源分配方法 | |
CN109905888B (zh) | 移动边缘计算中联合优化迁移决策和资源分配方法 | |
CN109743778B (zh) | 一种基于强化学习的资源分配优化方法和系统 | |
Cui et al. | Machine learning-based resource allocation strategy for network slicing in vehicular networks | |
CN110233755B (zh) | 一种物联网中雾计算的计算资源和频谱资源分配方法 | |
CN110121213B (zh) | 一种多业务资源调度方法及装置 | |
CN102158962B (zh) | 基站协作中的分簇方法、资源分配方法及相关设备 | |
CN111328146B (zh) | 一种基于遗传算法优化传输速率权重的业务调度方法 | |
CN112492691A (zh) | 一种深度确定性策略梯度的下行noma功率分配方法 | |
CN116582860A (zh) | 一种基于信息年龄约束的链路资源分配方法 | |
CN111935825A (zh) | 移动边缘计算系统中基于深度值网络的协作资源分配方法 | |
CN106028453B (zh) | 基于排队论的无线虚拟网络资源跨层调度映射方法 | |
Zhou et al. | Knowledge transfer based radio and computation resource allocation for 5G RAN slicing | |
CN107172710A (zh) | 一种基于虚拟子网的资源分配和业务接入控制方法 | |
Lu et al. | An access selection mechanism in 5G network slicing | |
CN102984717B (zh) | 系统容量的估算方法及系统 | |
CN111682915B (zh) | 一种频谱资源自分配方法 | |
CN113840333A (zh) | 电网资源分配的方法、装置、电子设备及存储介质 | |
Lotfi et al. | Attention-based open RAN slice management using deep reinforcement learning | |
CN107018528B (zh) | 一种单小区lte-a系统中基于等效容量的无线网络虚拟化方法 | |
CN108738158B (zh) | 一种基于吞吐量优化的lte下行链路调度方法 | |
Guo et al. | Impact of prediction errors on high throughput predictive resource allocation | |
Libório et al. | Network Slicing in IEEE 802.11 ah | |
CN111510882B (zh) | 基于用户体验质量的车联网频谱资源分配方法及系统 | |
CN114785692A (zh) | 一种虚拟电厂聚合调控通信网络流量均衡方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |