CN107426809B - 基于虚拟用户队列模型的wvn功率和缓存分配方法 - Google Patents

Abstract

本发明公开了一种基于虚拟用户队列模型的WVN功率和缓存分配方法。解决了虚拟化网络中，时延约束下的能效资源分配问题。实施过程包括：系统和用户信息获取，资源虚拟化，选择并接入SP，建立物理连接，发送训练序列，计算信道状况，发送信道状况，建立虚拟用户队列模型，资源分配。本发明同时考虑功率和缓存资源的分配，建立了面向用户的虚拟用户队列，基于该队列提出了时延约束的能效资源分配方法。该方法可以根据具体需要在WVN系统性能和用户QoS之间做一个折中，在保证高能效的同时将时延控制在合理范围内。本发明将时延作为资源分配的衡量标准之一，考虑差异化的用户需求，为用户提供定制化服务。用于通信技术领域。

Description

基于虚拟用户队列模型的WVN功率和缓存分配方法

技术领域

本发明属于通信技术领域，主要涉及无线虚拟化网络(Wireless VirtualizationNetwork，WVN)系统的资源分配，具体是一种基于虚拟用户队列模型的WVN功率和缓存分配方法，用于无线虚拟化网络通信。

背景技术

目前，虚拟化已经成为下一代无线通信中很有应用前景的一项技术。虚拟化为一组相似的资源提供了一系列通用接口，以此来隐藏属性和操作之间的差异性并且允许通过一个通用的方法来检查和维护资源。虚拟化是实现物理资源抽象、切片、隔离和共享的过程，它为数据的请求、存储、计算等建立了一个逻辑视图而非物理链接视图。

在无线网络虚拟化系统中，物理无线网络架构资源和无线频谱资源可以被抽象成为具有特定功能的虚拟无线网络资源切片，也可以通过隔离实现多个实体之间的资源共享。与传统的无线通信网络相比，虚拟化的应用不仅降低通信设备部署成本，提高资源利用率和网络灵活性，同时，对于产品的更新换代、技术的革新也提供了更简单的方法。稀缺的无线通信资源和不断增加的终端接入请求都促使虚拟化成为未来通信中的大趋势。

“LTE Wireless Network Virtualization:Dynamic Slicing via FlexibleScheduling”中作者研究了LTE虚拟化网络中的虚拟资源的分配方法以实现以最大速率传输。为了简便，该论文只考虑了一个单小区下行LTE系统场景：一个架构提供者(infrastructure provider，InP)和M个服务提供者(service providers，SPs)，任意一个SP m服务K_m个用户。其方案在考虑用户接受服务公平性的前提下，分别研究了子载波分配和功率分配方法。该方法仅针对一个InP展开分析，具有局限性。另外，该方法未考虑网络时延性能。

“Distribute Virtual Resource Allocation in Small cell Networks withFull Duplex Self-backhauls and Virtualizaton”的作者研究了在全双工，自反馈无线虚拟网络中的子载波与功率分配方法以实现高利润的传输。该论文考虑多个InP在一个特定的区域提供无线接入，N个移动虚拟运营商(Mobile Virtual Network Operators,MVNOs)通过相同的物理底层网络为其订阅用户提供多样的服务，该方法更具有普遍性，但也未考虑网络时延性能。

“Quality of Service Modelling of Virtualized Wireless Networks:ANetwork Calculus Approach”提出了虚拟化网络中单一物理基站下的服务质量保障(Quality of Service，QoS)模型:基站通过虚拟化形成多个虚拟切片，每个资源切片作为一个独立的虚拟基站为用户提供服务,这里每一个虚拟基站分配一个虚拟缓存队列，采用先到先服务的排队理论。论文通过网络计算(Network calculus,NC)方法，即到达曲线和服务曲线，来分析网络时延等QoS参数并得到其上界。但是，该模型针对于单基站，且仅仅得到相关QoS参数上界没有给出具体的资源分配方案。

现有的虚拟化网络研究中，能效资源分配的方法欠缺对系统时延因素和用户差异化需求的考虑，更没有结合用户的实际QoS需求制定个性化的服务提供方案。总体来说，资源的分配不够合理，利用不够充分，用户使用体验也有欠缺。

发明内容

为解决现有技术的不足，本发明提出了一个虚拟用户队列模型，并基于该虚拟用户队列模型提出了一种多InPs与多SPs的WVN系统功率和缓存的分配方法。

本发明是一种基于虚拟用户队列模型的WVN功率和缓存分配方法，其中WVN系统包含有一个虚拟化控制器，M个InPs,{InP₁,InP₂,InP₃,...,InP_M},N个SPs,{SP₁,SP₂,SP₃,...,SP_N}和K个UEs,{UE₁,UE₂,UE₃,...,UE_K}，由SPs通过同一个底层物理网络为用户提供相应的接入服务和管理服务，其特征在于，包括有如下实现步骤：

Step1：虚拟化控制器获取WVN系统信息和用户信息：虚拟化控制器检测并获取当前WVN系统信息和用户信息，其中，WVN系统信息包含：功率资源、子载波资源和缓存资源；用户信息包含：用户位置信息和用户请求的服务类型；

Step2：资源虚拟化：根据Step1所获得的WVN系统信息对WVN系统内存在的资源进行抽象，切片，隔离；

Step3：用户接入SP：根据Step1所获得的用户信息，虚拟化控制器为用户选择相应的服务提供者SP，并将用户接入该SP，SP从InP租赁资源为用户提供服务；

Step4：建立连接：根据该SP的资源租赁来源建立用户与具体InP的基站之间的连接；

Step5：发送训练序列：InP，在这里指基站，向请求服务的用户即用户设备分别发送训练序列；

Step6：获取信道状态：用户设备根据接收到的训练序列得到该用户与物理基站之间的信道状态；

Step7：发送信道状态信息：用户设备将信道状态信息和用户具体请求内容通过反馈的方式发送给基站；

Step8：建立虚拟用户模型：基站为建立连接的各个用户发送所请求数据，数据包在各个基站端排队并等待发送，经过两次虚拟化，通过对物理数据队列的拆分重排，首先建立基于SP的虚拟服务队列，再建立基于用户的虚拟用户队列；

Step9：资源分配：根据得到的虚拟用户队列、用户与物理基站之间的信道状态、用户需求及所要达到的系统性能，制定优化问题，然后采用现有的优化算法解决上述制定的优化问题，得到最佳的功率P和缓存Q的分配方案。完成基于虚拟用户队列模型的WVN功率和缓存分配过程。

本发明根据具体需要在WVN系统性能和用户QoS之间做了一个折中，在保证高能效的同时将时延控制在可以容忍的范围内。

与现有技术相比，本发明的有益之处在于：

(1)本发明根据虚拟化中资源抽象化和联合管理调度的特性提出了一个能效资源分配方法，与传统能效资源分配的方法相比较，本发明考虑功率和缓存资源的联合分配，在优化系统能效的同时将时延限定在可以接受的范围内，进一步保障了用户的QoS。

(2)本发明在一个多InP多SP场景下提出了面向用户的虚拟用户队列模型，该模型考虑到用户差异化的QoS需求，优化系统资源分配，提高系统资源的利用率，从而为用户提供高效的定制化的服务。

附图说明

图1是本发明的一个应用场景图；

图2是本发明的资源分配流程图；

图3是本发明的仿真结果图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

实施例1

网络体制的一体化、通信技术的多样化、用户业务的复杂化将是5G时代的主旋律。5G网络需要为大量的各种各样的无线终端提供接入服务，每种终端又都有着不同的服务需求，例如低功耗低速率的机器通信、高信息速率的多媒体传输等等。此外，频带资源非常稀缺，因此高效且绿色的通信网络的设计是目前亟需解决的主要问题，无线虚拟化网络由此应运而生。

现有的虚拟化网络研究中，能效资源分配的方法欠缺对系统时延因素和用户差异化需求的考虑，更没有结合用户的实际QoS需求制定个性化的服务提供方案。总体来说，资源的分配不够合理，利用不够充分，用户使用体验也有欠缺。本发明针对该问题提出了一种基于虚拟用户队列模型的WVN功率和缓存分配方法，整个WVN系统包含有一个虚拟化控制器，M个InPs{InP₁,InP₂,InP₃,...,InP_M},N个SPs{SP₁,SP₂,SP₃,...,SP_N}和K个UEs{UE₁,UE₂,UE₃,...,UE_K}。InPs可以在特定的物理区域提供无线接入服务，同时也可以将其资源(功率、频谱、缓存等)通过抽象、切片、隔离等分配给不同的SPs再由SPs通过同一个底层物理网络为用户提供相应的接入服务和管理服务。本场景中的系统性能通过下行信息速率来衡量。本发明的方法将得到SPs的发射功率P和用户虚拟缓存Q的分配，从而在达到系统性能最优的同时将用户的时延限制在可以容忍的范围内。参见图2，包括有如下实现步骤：

Step1：虚拟化控制器获取WVN系统信息和用户信息：虚拟化控制器检测并获取当前WVN系统信息和用户信息，其中，WVN系统信息包含：功率资源、子载波资源和缓存资源；用户信息包含：用户位置信息和用户请求的服务类型。

Step2：资源虚拟化：根据WVN系统信息对WVN系统内存在的物理底层网络和物理无线资源的抽象，再通过进一步切割、重组等手段将物理资源虚拟成具有一定处理能力的、通用的、可调度的虚拟资源单元，并通过隔离由不同实体所共享。无线资源的抽象和集中为资源共享和动态按需分配提供了可能。

Step3：用户接入SP：SP从InP租赁资源为用户提供服务，不同的SP可以为用户提供不同的服务。根据Step1所获得的用户位置和请求的服务种类，虚拟化控制器为用户选择相应的SP，并将用户接入该SP。

Step4：建立连接：Inp为用户通信提供底层物理网络架构和物理无线资源，根据该SP的资源租赁来源建立用户与具体InP的基站之间的连接，在本场景中一个InP对应一个基站。

Step5：发送训练序列：为了架构提供者InP向请求服务的用户即用户设备分别发送训练序列，它是发送端和接收端所共知的序列，对于当接收端收到该序列时来近似的估算发送信道的干扰情况能起到很重要的作用。

Step6：获取信道状态：用户设备根据接收到的训练序列并采取适当的信道估计方法如最小均方误差估计，得到该用户与物理基站之间的信道状态。

Step7：发送信道状态信息：用户设备将Step6中获得的信道状态信息和用户具体请求内容通过反馈的方式发送给基站。

Step8：建立虚拟用户模型：基站为建立连接的各个用户发送所请求数据，数据包在各个基站端排队并等待发送，经过两次虚拟化，通过对物理数据队列的拆分重排，首先建立基于SP的虚拟服务队列，再建立基于用户的虚拟用户队列，为面向用户的动态资源分配提供了实现可能。通过little定理获得相应的用户时延。

Step10：资源分配：根据得到的虚拟用户队列、用户与物理基站之间的信道状态、用户需求及所要达到的系统性能，制定优化问题，然后采用现有的优化算法解决上述制定的优化问题，得到最佳的功率P和缓存Q的分配方案。完成基于虚拟用户队列模型的WVN功率和缓存分配过程。本例中采用李雅普诺夫优化技术中的MIN DRIFT-PLUS-PENALTY算法对问题进行求解。

本发明根据虚拟化中资源抽象化且联合管理调度的特性提出了一个多InP多SP场景下的虚拟用户队列模型。基于该模型，系统为用户提供定制化的服务。通过实验数据比较，证实该模型比传统的单InP多SP模型和已有的多InP多SP模型更加完善精确，可以增加系统资源的利用率，从而进一步提高系统性能。

实施例2

基于虚拟用户队列模型的WVN功率和缓存分配方法同实施例1，步骤Step8中所述的建立虚拟用户队列模型，包括:

Step 8.1：建立物理队列：基站为建立连接的用户发送所请求数据，数据在各个基站端排队等待服务。

Step 8.2：物理队列虚拟化：根据SP对基站端的物理数据队列进行第一次虚拟化，即，对当前基站的数据进行分类重排，将每个SP的数据排成一个虚拟服务队列。

Step8.3：建立虚拟用户队列：根据具体用户，对SP端的虚拟数据队列经过第二次虚拟化，即，将当前虚拟队列的数据进行再分类，将每个用户的数据排成一个队列，建立面向用户的虚拟用户队列。

Step8.4：更新队列：根据不同用户的具体QoS需求和具体的系统资源配置情况更新虚拟用户队列，至此得到虚拟用户队列模型。

本发明在一个多InP多SP场景下提出了面向用户的虚拟用户队列模型，该模型可以保障用户差异化的QoS需求，优化系统资源分配，提高系统资源的利用率，从而为用户提供高效的定制化的服务。

实施例3

基于虚拟用户队列模型的WVN功率和缓存分配方法同实施例1-2，步骤Step8.4中所述的虚拟用户的队列更新策略，包括:

Step8.4.1：归一化处理：对用户k的虚拟用户队列Q_k(t)进行归一化处理，得到当前时隙下归一化虚拟用户队列D_k(t)，并使D_k(t)满足一定的限制：

其中，γ_k表示用户k的归一化队列因子，γ_k根据用户的时延敏感性进行设定，时延越敏感则γ_k越小，体现了定个性化的用户需求，本发明在这里只做定性分析，γ_k的设定依据具体的网络环境和服务需求；β是归一化虚拟用户队列长度上限，根据系统缓存资源进行设置，本发明利用β控制系统中的数据包进入量，及时丢弃已经失效的数据包，将系统中的数据量控制在合理范围内，避免数据量超负荷造成系统性能恶化。

若D_k(t)满足式

中的限制即归一化虚拟用户队列小于等于上限β，则执行Step8.4.2，否则执行Step8.4.3。

Step8.4.2:在满足归一化虚拟用户队列小于等于上限β时，进行虚拟用户队列更新，需满足：

Q_k(t+1)＝max[Q_k(t)-R_k(t),0]+A_k(t)

其中，Q_k(t)表示当前时隙t用户k的虚拟用户队列长度，R_k(t)表示当前时隙t用户k的服务速率，A_k(t)表示当前时隙t用户k的数据到达长度，Q_k(t+1)表示下一个时隙t+1的虚拟用户队列长度；此外，

其中，P_n,k(t)表示任意SP n到任意用户k的发射功率和S_n,k(t)表示任意SP n到任意用户k的信道状况；

表示SP n的噪声功率；虚拟用户队列更新完成，执行Step8.4.4。

Step8.4.3在满足归一化虚拟用户队列大于上限β时，进行虚拟用户队列更新，需满足

Q_k(t+1)＝max[Q_k(t)-R_k(t),0]

虚拟用户队列更新完成，执行Step8.4.4。

Step8.4.4：根据得到的虚拟用户队列，并依据little定理获取相应的用户排队时延：

其中，λ_k＝E{A_k(t)}，λ_k表示用户k的平均数据到达速率。

与已有的WVN模型相比，本发明提出的虚拟用户队列受限模型从用户的角度建立了定制化的虚拟缓存切片，因此，将虚拟用户队列受限模型应用到现有的资源分配算法中能够提升系统能效的同时保障用户差异化的QoS，为用户提供高效的定制化服务。

实施例4

基于虚拟用户队列模型的WVN功率和缓存分配方法同实施例1-2，步骤Step8.4.1中所述的虚拟用户的队列归一化处理，包括:

用户k的虚拟用户队列Q_k(t)除以用户k的归一化队列因子，得到当前时隙下归一化虚拟用户队列D_k(t)，并使D_k(t)满足一定的限制：

其中，γ_k表示用户k的归一化队列因子，γ_k体现了个性化的用户需求，本发明在这里只做定性分析，γ_k的设定依据具体的网络环境和服务需求，如，发邮件和打电话业务。对于前者，用户并不需要立刻得到回应，一般可接受的延迟时间为1-3天不等，甚至更长；但是后者需要立刻得到对方的回复，否则通讯中断。因此，可以说发邮件是时延非敏感性业务，γ_k可以设置的大一些，相应的虚拟用户队列Q_k(t)：

Q_k(t)＝γ_k.β

会长一些。而打电话是时延敏感性业务，γ_k要设置的小一些，因为该业务不接受高时延的数据发送，相应的虚拟用户队列不应该太长，过多的缓存分配只会造成资源的浪费。同时分配功率资源时，为用户k分配较高的服务功率，依据下式用户k可以获得较高的服务速率R_k(t)：

其中，P_n,k(t)和S_n,k(t)分别表示任意SP n到任意用户k的发射功率和信道状况，

表示SP n的噪声功率。由此降低系统服务时延，保障用户的QoS需求。

下面给出一个融合为整体的例子，对本发明进一步说明

实施例5

基于虚拟用户队列模型的WVN功率和缓存分配方法同实施例1-4，图1是本发明的方法可应用的一个场景图。整个WVN系统包含有一个虚拟化控制器，M个InPs,{InP₁,InP₂,InP₃,...,InP_M},N个SPs,{SP₁,SP₂,SP₃,...,SP_N}和K个UEs,{UE₁,UE₂,UE₃,...,UE_K}。InPs可以在特定的物理区域提供无线接入服务，同时也可以将其资源(功率、频谱、缓存等)通过抽象、切片、隔离等分配给不同的SPs再由SPs通过同一个底层物理网络为用户提供相应的接入服务。本场景中的系统性能通过下行信息速率来衡量。本发明的方法将得到SPs的发射功率P和用户虚拟缓存Q的分配，从而在达到系统性能最优的同时将用户的时延限制在可以容忍的范围内。

参照图2，本发明的基于虚拟用户队列受限模型的WVN系统功率和缓存的分配方法包括以下步骤：

Step1：控制器检测当前系统信息和用户信息，即可获得的资源总量(包括频率，缓存，功率)和当前用户端的服务需求。

Step2：经过虚拟化以后，系统的数据、资源可以联合管理调度。对系统资源进行抽象，切片，隔离并且根据请求租赁给各个SP。

Step3：根据用户的服务需求建立用户与特定SP之间的逻辑连接，SP从InP租赁资源为用户提供服务，不同的SP可以为用户提供不同的服务。根据Step1所获得的用户位置和请求的服务种类，虚拟化控制器为用户选择相应的SP，并将用户接入该SP。Inp为用户通信提供底层物理网络架构和物理无线资源，根据该SP的资源租赁来源建立用户与具体InP的基站之间的连接，在本场景中一个InP对应一个基站。

Step4：基站向请求数据的用户端分别发送训练序列，训练序列用来估计用户与基站之间的信道状况。

Step5：用户端根据接收到的训练序列通过适当的信道估计方法得到该用户端与物理基站之间的信道状态。

Step6：用户端将信道状态信息和用户具体需求通过反馈的方式发送给基站，用户端将信道状态信息和用户需求为需要的最小信噪比或速率等。

Step7：InP给建立连接的用户发送请求数据，数据在各个基站端排队等待服务。基站给各个SP分配虚拟缓存资源，根据SP将基站端的物理数据队列进行第一次虚拟化，即，将基站端数据包分类重排，每个SP的数据排成一个虚拟服务队列。

Step8：SP根据用户需求为每个用户分配虚拟缓存资源。SP端的虚拟数据队列经过第二次虚拟化，即，将数据重排使得每个用户的数据排成一个虚拟用户队列。

Step9：对虚拟用户队列进行归一化处理，并使任意用户k的归一化虚拟队列D_k(t)更新满足如下的限制：

其中，D_k(t)和γ_k分别表示当前时隙下的归一化虚拟用户队列和等效队列因子，等效队列因子γ_k根据用户的时延敏感性进行设定，时延越敏感则γ_k越小，β是系统虚拟用户等效队列长度上限，根据系统缓存资源进行设置。

若D_k(t)满足式小于等于β，则执行Step10a，否则执行Step10b；

Step10a:队列的更新满足：

Q_k(t+1)＝max[Q_k(t)-R_k(t),0]+A_k(t)

其中Q_k(t)、R_k(t)和A_k(t)分别表示当前时隙t用户k的虚拟队列长度、服务速率和数据到达长度，Q_k(t+1)表示下一个时隙t+1的虚拟队列长度。此外，

其中，P_n,k(t)和S_n,k(t)分别表示任意SP n到任意用户k的发射功率和信道状况，

表示SP n的噪声功率。此后跳至Step11。

Step10b：队列的更新满足

Q_k(t+1)＝max[Q_k(t)-R_k(t),0]

此后跳至Step11；

Step11：根据little定理计算出相应的排队时延：

λ_k表示用户k的平均数据到达速率

λ_k＝E{A(t)}

Step12：根据得到的虚拟用户队列受限性模型、信道状态、用户需求及所要达到的系统性能，制定优化问题，然后采用现有的优化算法解决上述优化问题，得到最佳的功率P和缓存Q的分配。本例中采用李雅普诺夫优化技术中的MIN DRIFT-PLUS-PENALTY算法对问题进行求解。

Step13：控制器根据所得到的最佳的功率P和缓存Q的分配来为各个用户传输需要的数据资源。

Step14：基于虚拟用户队列受限模型的WVN系统功率和缓存的分配过程结束

本发明同时考虑功率和缓存资源的分配，建立了面向用户的虚拟化用户队列，基于该队列提出了时延约束的能效资源分配方法，该方法考虑到差异化的用户需求，并根据具体的QoS需求为用户提供定制化服务。

通过仿真结果对本发明的技术效果在做说明

实施例6

基于虚拟用户队列模型的WVN功率和缓存分配方法同实施例1-5，图3描述了在使用和不使用本发明提出的虚拟用户队列模型情况下的系统能效仿真结果。

图3中有两条曲线，带圈的曲线是未使用虚拟用户队列模型的能效资源分配方法，带星号的曲线是本发明提出的方法。横坐标V表示李雅普诺夫优化技术中的MIN DRIFT-PLUS-PENALTY算法的控制参数，纵坐标表示系统的平均能效值。在相同的控制参数V的取值下，应用本发明提出的虚拟用户队列模型可以获得更高的能效值，当V大于4时，能效趋于平稳，本发明中提出方法在能效性能方面要高出0.3左右。由于定制化的资源分配不仅考虑了用户个性化的QoS需求提高了资源的利用率，进一步提升了系统的能效。

本发明根据虚拟化中资源抽象化且联合管理调度的特性提出了一个多InP多SP场景下的虚拟用户队列模型。通过与实验数据比较，证实该模型比传统的单InP(或者单基站)多SP模型和已有的多INP多SP模型更加完善精确，可以增加无线资源的利用率，从而进一步提高系统性能。此外，本发明从用户的角度建立了定制化的虚拟缓存切片，因此，将虚拟用户队列受限模型应用到现有的资源分配算法中能够提升系统能效的同时保障用户差异化的QoS，为用户提供高效的定制化服务。

简而言之，本发明公开的一种基于虚拟用户队列模型的WVN功率和缓存分配方法。解决了虚拟化网络中，时延约束下的能效资源分配问题。实施过程包括：系统和用户信息获取，资源虚拟化，选择并接入SP，建立物理连接，发送训练序列，计算信道状况，发送信道状况，建立虚拟用户队列模型，资源分配。本发明同时考虑功率和缓存资源的分配，建立了面向用户的虚拟用户队列，基于该队列提出了时延约束的能效资源分配方法。该方法可以根据具体需要在WVN系统性能和用户QoS之间做一个折中，在保证高能效的同时将时延控制在合理范围内。本发明将时延作为资源分配的衡量标准之一，考虑差异化的用户需求，为用户提供定制化服务。用于通信技术领域。

Claims (1)

1.一种基于虚拟用户队列模型的无线虚拟化网络功率和缓存分配方法，其中WVN系统包含有一个虚拟化控制器，M个架构提供者InP{InP₁,InP₂,InP₃,...,InP_M}，N个服务提供者SP{SP₁,SP₂,SP₃,...,SP_N}和K个用户UE{UE₁,UE₂,UE₃,...,UE_K}，由SPs通过同一个底层物理网络为用户提供相应的接入服务和管理服务，其特征在于，包括有如下实现步骤：

Step1：虚拟化控制器获取WVN系统信息和用户信息：虚拟化控制器检测并获取当前WVN系统信息和用户信息，其中，WVN系统信息包含：功率资源、子载波资源和缓存资源；用户信息包含：用户位置信息和用户请求的服务类型；

Step2：资源虚拟化：根据Step1所获得的WVN系统信息对WVN系统内存在的资源进行抽象，切片，隔离；

Step3：用户接入SP：根据Step1所获得的用户信息，虚拟化控制器为用户选择相应的SP，并将用户接入该SP，SP从InP租赁资源为用户提供服务；

Step4：建立连接：根据该SP的资源租赁来源建立用户与具体InP的基站之间的连接；

Step5：发送训练序列：InP，在这里指基站，向请求服务的用户即用户设备分别发送训练序列；

Step6：获取信道状态：用户设备根据接收到的训练序列得到该用户与物理基站之间的信道状态；

Step7：发送信道状态信息：用户设备将信道状态信息和用户具体请求内容通过反馈的方式发送给基站；

Step8：建立虚拟用户队列模型：基站为建立连接的各个用户发送所请求数据，数据包在各个基站端排队并等待发送，经过两次虚拟化，通过对物理数据队列的拆分重排，首先建立基于SP的虚拟服务队列，再建立基于用户的虚拟用户队列；建立虚拟用户队列模型，包括:

Step 8.1：建立物理队列：InP为建立连接的用户发送所请求数据，数据在各个基站端排队等待服务；

Step 8.2：物理队列虚拟化：根据SP对基站端的物理数据队列进行第一次虚拟化，即对当前基站的数据进行分类重排，使每个SP的数据排成一个虚拟服务队列；

Step8.3：建立虚拟用户队列：根据具体用户，对SP端的虚拟数据队列经过第二次虚拟化，即，将当前虚拟队列的数据进行再分类，使每个用户的数据排成一个虚拟队列，建立面向用户的虚拟用户队列；

Step8.4：更新队列：根据不同用户的具体QoS需求和系统的资源配置状况更新虚拟用户队列，至此得到虚拟用户队列模型；

虚拟用户的队列更新策略，包括:

Step8.4.1：归一化处理：对用户k的虚拟用户队列Q_k(t)进行归一化处理，得到当前时隙下归一化虚拟用户队列D_k(t)，并使D_k(t)满足一定的限制：

其中，γ_k表示用户k的归一化队列因子，β是归一化虚拟用户队列长度上限，

若D_k(t)满足式

中的限制即归一化虚拟用户队列小于等于上限β，则执行Step8.4.2，否则执行Step8.4.3；

Step8.4.2:在满足归一化虚拟用户队列小于等于上限β时，进行虚拟用户队列更新，需满足：

Q_k(t+1)＝max[Q_k(t)-R_k(t),0]+A_k(t)

其中，Q_k(t)表示当前时隙t用户k的虚拟用户队列长度，R_k(t)表示当前时隙t用户k的服务速率，A_k(t)表示当前时隙t用户k的数据到达长度，Q_k(t+1)表示下一个时隙t+1的虚拟用户队列长度；此外，

其中，P_n,k(t)表示任意SP n到任意用户k的发射功率，S_n,k(t)表示任意SP n到任意用户k的信道状况；

表示SP n的噪声功率；虚拟用户队列更新完成，执行Step8.4.4；

Step8.4.3在满足归一化虚拟用户队列大于上限β时，进行虚拟用户队列更新，需满足

Q_k(t+1)＝max[Q_k(t)-R_k(t),0]

虚拟用户队列更新完成，执行Step8.4.4；

Step8.4.4：根据得到的虚拟用户队列，并依据little定理获取相应的用户排队时延：

其中，λ_k＝E{A_k(t)}，λ_k表示用户k的平均数据到达速率；

Step9：资源分配：根据得到的虚拟用户队列、用户与物理基站之间的信道状态、用户需求及所要达到的系统性能，制定优化问题，然后采用现有的优化算法解决上述制定的优化问题，得到最佳的功率P和缓存Q的分配方案，完成基于虚拟用户队列模型的WVN功率和缓存分配过程。

Images