CN107708067B - 基于用户位置信息的Wi-Fi和Li-Fi异构网络负载均衡方法 - Google Patents

Abstract

本发明基于可见光室内定位技术获取的地理位置信息侦测UT通信需求的地理分布，将群聚的UT通信需求分流到Wi‑Fi网络和Li‑Fi网络，均衡不同网络各个AP的负载，从而提高Wi‑Fi和Li‑Fi异构网络的系统吞吐量和频带利用率，满足更多UT的通信需求。特别地，当UT通信需求在地理范围上明显群聚时，本发明所提出的负载均衡方法能够有针对性地处理地理群集特性，以较低的实现复杂度提升系统吞吐率和得到满足的用户的比例。

Description

基于用户位置信息的Wi-Fi和Li-Fi异构网络负载均衡方法

技术领域

本发明面向室内光保真(Light Fidelity,Li-Fi)和无线保真(WirelessFidelity,Wi-Fi)异构网络，提出了一种基于用户位置信息的Wi-Fi和Li-Fi异构网络负载均衡方法。

背景技术

在通信量剧增的室内Wi-Fi通信场景中，由于相互干扰，更密集的Wi-Fi热点分布已不能进一步提升通信容量。新兴的Li-Fi技术利用室内照明光源提供通信服务，其频带更宽且免费。结合Wi-Fi和Li-Fi组成异构网络，Li-Fi能卸载Wi-Fi的下行链路负载，Wi-Fi能为Li-Fi网络提供上行链路，二者优势互补，从而成为一种极具吸引力的提升通信容量的系统方案。如图1所示，典型的Wi-Fi和Li-Fi异构网络接入节点(Access Point,AP)包括一个Wi-Fi AP和一个发光二极管(Light Emitting Diode,LED)阵列，阵列中的每个LED即为Li-Fi AP。为满足照明需求，LED在天花板上接近于均匀分布，光覆盖整个室内空间，即多个Li-Fi AP的覆盖空间与Wi-Fi AP的覆盖空间重叠，使得任意位置的用户终端设备(UserTerminal,UT)可从Wi-Fi或Li-Fi获得下行链路服务。

尽管如此，过多UT连接到Wi-Fi(或者Li-Fi)可能引起负载不均衡问题，进而影响整个系统的性能。负载不均衡指的是一个AP承担远超过其容量的负载(即UT通信需求)，而可以承担一部分负载的另一个AP却处于相对空闲的状态。负载不均衡导致不相同的AP资源利用率，部分AP资源过度使用，部分AP资源得不到利用，在这种情况下，系统吞吐量较低，许多UT通信需求得不到满足。通过负载均衡，协调负载在不同网络各个AP之间的分布，能够充分利用各个AP的资源，从而提高系统吞吐量，更多地满足UT的通信需求。

负载不均衡的成因是AP资源分布与UT通信需求分布不匹配。AP位置固定不变，使得AP资源的地理分布固定，而且天花板上LED接近于均匀分布，使得AP资源的地理分布接近均匀。然而，UT具有移动性，其分布不固定，并且在地理范围上、时间范围上和AP类型选择偏好上均可能表现出群集特性，导致地理范围上、时间范围上和AP类型选择偏好上UT的通信需求分布不均匀。当网络控制单元处理不好这种群集特性，AP资源分布与UT通信需求分布不匹配，负载不均衡就会出现。地理范围上UT的群集特性指群聚于室内某一区域；时间范围上UT的群集特性指在特定时间段通信需求剧增；存在只能连接Wi-Fi的UT，这样的UT占多数时，表现出连接Wi-Fi AP的偏好，此即AP类型选择上UT的群集特性。

Wi-Fi和Li-Fi异构网络中确定下行链路UT和AP连接关系的主要方法有最短距离法和最大接收信号法，前者把UT连接到距离最近的AP，后者把UT连接到最大接收信号对应的AP上。然而，这两种方法不具备处理UT群集特性的能力，一定会产生负载不均衡。基于这两种连接方法，现有的负载均衡方法主要通过最大化用户吞吐量^[1,2,3]或者最小化切换开销^[2,4]的方式将问题表示为整数非线性规划问题，再应用相应算法求解，得到UT和AP的连接关系。其求解复杂度随UT总数和AP总数的增加而大幅增加，更重要的是，它们没有考虑UT的群集特性，在UT群聚场景，其求解过程是“盲”的。

发明内容

本发明为解决以上现有技术的缺陷，提供了一种基于用户位置信息的Wi-Fi和Li-Fi异构网络负载均衡方法，该方法基于可见光室内定位技术获取UT的地理位置信息，充分利用UT地理位置信息来侦测UT的地理群集特性，逐步分解群聚的UT通信需求到对应AP，以提高Wi-Fi和Li-Fi异构网络的系统吞吐量。

为实现以上发明目的，采用的技术方案是：

基于用户位置信息的Wi-Fi和Li-Fi异构网络负载均衡方法，包括以下步骤：

S1.通过可见光定位技术感知各个用户终端设备的位置，并假设各个用户终端设备连接到距离最近的Li-Fi接入节点上，得到用户终端设备与各Li-Fi接入节点的连接关系矩阵A，形成初始连接假设；

S2.基于连接假设，统计各个Li-Fi接入节点接入的用户终端设备的数量，获得Li-Fi接入节点接入的用户终端设备的平均值和最大值，将接入用户终端设备数量大于平均值的Li-Fi接入节点覆盖的小区确定为非稀疏小区，而将其余的Li-Fi接入节点覆盖的小区确认为稀疏小区；在非稀疏小区中，将接入用户终端设备数量大于最大值的一半的Li-Fi接入节点覆盖的小区确认为密集小区；使用m×n的矩阵

表示非稀疏小区，其中m和n对应于LED阵列的行和列，零元素对应稀疏小区，非零元素对应非稀疏小区内用户终端设备的数目；

S3.对于密集小区，如果对应的Li-Fi接入节点连接的UT数目超过总数的

则取出连接的UT数目超过总数的

的部分，取出部分即密集小区的x_m,n个边缘用户终端设备，如果其通信需求无法从Li-Fi接入节点处得到满足，则通过修正连接关系矩阵A中的元素，将连接到Li-Fi的UT修正为连接到Wi-Fi；如果其通信需求得到满足，则保留与Li-Fi接入节点的连接；

S4.对于非稀疏小区交界处的用户终端设备，左移

中的各列元素，最后一列补0组成新矩阵

上移

中的各行元素，最后一行补0组成新矩阵

通过将

与

与

进行相与操作即可得到非稀疏小区在行方向和列方向上的交界情况，分别用矩阵

和

表示；其中非零元素表示对应的地理区域为相邻非稀疏小区的交界处；根据

和

中非零元素和用户终端设备的地理位置信息，取出位于相邻非稀疏小区的交界处的用户终端设备，如果其通信需求无法从Li-Fi接入节点处得到满足，则通过修正连接关系矩阵A中的元素，将连接到Li-Fi的UT修正为连接到Wi-Fi；如果其通信需求得到满足，则保留与Li-Fi接入节点的连接；

S5.重新统计各个Li-Fi接入节点接入的用户终端设备的数量，计算Li-Fi接入节点接入的用户终端设备的平均值，将接入用户终端设备数量大于平均值的Li-Fi接入节点覆盖的小区确定为非稀疏小区，而将其余的Li-Fi接入节点覆盖的小区确认为稀疏小区；非稀疏小区中，将小区中接入用户终端设备数量超过最大值一半的小区确认为密集小区，其余为中等小区；

S6.获取密集小区边缘的用户终端设备的集合，对于集合中通信需求得不到满足的用户终端设备，如果与该用户终端设备距离最近的邻居小区为稀疏小区，则修改连接关系矩阵A，同时将其连接到该邻居小区对应的Li-Fi接入节点，由这两个Li-Fi接入节点协同服务这个用户终端设备；

S7.按照修改初始连接假设后得到的连接关系矩阵，确定Wi-Fi和Li-Fi异构网络中各个用户终端设备和各个网络接入节点的连接关系。

与现有技术相比，本发明的有益效果是：

本发明基于可见光室内定位技术获取的地理位置信息侦测UT通信需求的地理分布，将群聚的UT通信需求分流到Wi-Fi网络和Li-Fi网络，均衡不同网络各个AP的负载，从而提高Wi-Fi和Li-Fi异构网络的系统吞吐量和频带利用率，满足更多UT的通信需求。特别地，当UT通信需求在地理范围上明显群聚时，本发明所提出的负载均衡方法能够有针对性地处理地理群集特性，以较低的实现复杂度提升系统吞吐率和得到满足的用户的比例。

附图说明

图1为室内Wi-Fi和Li-Fi异构网络的接入节点分布示意图。

图2为Wi-Fi和Li-Fi异构网络负载均衡方法的执行流程图。

图3为Wi-Fi和Li-Fi异构网络负载均衡方法的流程示意图。

图4为系统吞吐量性能曲线对比图。

图5为系统中得到满足的用户比例性能曲线对比。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

以下结合附图和实施例对本发明做进一步的阐述。

实施例1

本发明的关注点是分解UT通信需求群以匹配AP资源分布。不失一般性，考虑一个长为M、宽为N、高为H的房间，一组AP K＝K₁∪K₂分布在天花板上，其中K₁＝{1,2,...k_1m}为k_1m个Li-Fi AP(即m_m×n_m的LED阵列，k_1m＝m_m×n_m)，K₂＝{1}为1个Wi-Fi AP，所有AP位置固定。一组用户J＝{1,2,...j_m}非均匀分布于室内。为简化分析，假设Wi-Fi AP位于天花板中央，所有用户距地面高度均为1m。

根据文献[1]，Li-Fi信道增益由公式(1)计算得到，其中为φ光辐射角，ψ为光接收角，Ψ_C为接收点的视角，

为朗伯辐射序数，θ_1/2为光源半强度角，A为光电二极管的有效接收面积，g(φ)为光集中器增益，d_j,k为UT j到AP k的距离。

对UT j，假设其连接Li-Fi AP k，则其信干燥比(Signal to Inference plusNoise Ratio,SINR)由公式(2)计算得到，其中γ为光电二极管的光电转换效率，P_t为光发射功率，

为Li-Fi信道的接收噪声功率。

Li-Fi AP以轮询方式服务连接它的所有UT，将信道容量近似为UT可获得的通信速率，则UT j从Li-Fi AP k获得的通信速率r_j,k由公式(3)计算得到，其中B^Li-Fi为Li-Fi的带宽，N_k为Li-Fi AP k服务的UT总数。

根据文献[5]的TGc信道模型，室内Wi-Fi信道的路径损耗L(d_j,k)由公式(4)计算得到，其中f_c为中心频率，d_BP为断点距离，X_σ1和X_σ2分别为0均值3dB标准差和0均值5dB标准差的复高斯随机变量。

Wi-Fi信道的多径衰减因子

可通过公式(5)计算得到，其中X₁为0均值的单位复高斯随机变量，在断点距离之前K＝1，在断点距离之后K＝0。

室内只有一个Wi-Fi AP，假设干扰可以忽略不计，则Wi-Fi信道的SINR表达式为(6)，其中

为Wi-Fi信道的接收噪声功率。

同样将信道容量近似为Wi-Fi AP向UT提供的通信速率，r_j,k由公式(7)得到，其中α_j,k为UT j获得通信需求速率R_j需占用的Wi-Fi资源比例，η为折扣因子，B^Wi-Fi为Wi-Fi带宽。由公式(8)、(9)计算得到α_j,k和η，二者保证Wi-Fi资源占用率不超过η_max。1-η_max为预留给上行链路和只能连接Wi-Fi的UT的资源比例，η_max根据具体应用场景决定。

r_j,k＝ηα_j,kB^Wi-Fi·log₂(1+SINR_j,k)，j∈J,k∈K₂(7)

首先，系统通过可见光室内定位技术感知各个UT的位置，并假设各个UT连接到距离最近的Li-Fi AP上。j_m×(k_1m+1)的矩阵A用以表示UT和AP间的连接关系，其元素为二值变量，a_j,k＝1表示UT j与AP k连接，a_j,k＝0表示UT j与AP k无连接。初始连接假设中a_j,k取值为：

显然，初始连接假设的负载分配一定是不均衡的，因为它完全没有使用Wi-Fi资源。但是，改进初始连接假设，能够协调负载的分配。如图2所示，基于初始连接假设，系统分离出部分UT通信需求由Wi-Fi承担，修正A中个别a_j,k，将初始连接假设中连接到Li-Fi的UT修正为连接到Wi-Fi，此过程称为修正操作(Revising Actions，RA)，RA将UT通信需求群分解为Li-Fi承担和Wi-Fi承担的两部分，协调两个网络中的负载分布；再者，使用协作通信技术，系统选择小区边缘的UT由两个Li-Fi AP服务，改善其信干燥比，以补偿单一Li-Fi AP不足以满足其通信需求的情况，为初始连接假设中a_j,k1对应的单一链路无法满足的UT，增添一条链路a_j,k2，此过程称为补偿操作(Compensating Actions，CA)，CA将部分Li-Fi AP的通信需求分解到相邻的Li-Fi AP，以协调不同Li-Fi小区的负载分布。经过RA和CA改进初始连接假设后，得到连接决策，按其确定Wi-Fi和Li-Fi异构网络中各个UT和各个AP的连接关系。

利用各Li-Fi小区内UT数目的相对大小可以表示UT的地理群集特性，记Li-Fi小区内的UT个数为c_m,n，其中m和n对应LED阵列的行和列。如果所有c_m,n大小接近相等，则UT分布接近于均匀分布；如果个别c_m,n相对较大，则UT相对聚集于该小区内。所有c_m,n构成m_m×n_m的矩阵C，基于UT位置信息，很容易得到C。为简化分析，假设所有UT需求相同的通信速率，则c_m,n与小区内总通信需求成正比，矩阵C对应UT通信需求在室内的分布情况。如果各个UT的通信速率需求不同，记c_m,n为小区内各UT的通信需求之和，C即可对应UT通信需求在室内的分布情况。

特别地，在初始连接假设中，各小区内UT数目即为连接该Li-Fi AP的UT数目，Li-Fi AP承担其小区内所有的UT通信需求，记此时的矩阵C为C^Init。根据

对应小区内总通信需求的相对大小，将Li-Fi小区分为超密集小区、密集小区、中等小区和稀疏小区，这一过程称为UT的群集特性感知。

定义小区内UT数目未超过平均值的Li-Fi小区为稀疏小区，否则为非稀疏小区。m×n的矩阵

用以表示非稀疏小区，其中m和n对应LED阵列的行和列，零元素对应稀疏小区，非零元素对应非稀疏小区内UT数目。

在非稀疏小区中，定义小区中UT数目超过最大值的一半的Li-Fi小区为密集小区，其余为中等小区，分别用矩阵

和

表示。式(12)中< >为取整算子。

异构网络中Li-Fi的作用是卸载Wi-Fi的下行链路负载，且考虑到Wi-Fi需要承担所有上行链路连接和只能连接Wi-Fi的UT的下行链路连接，因此Li-Fi应尽可能多地承担UT通信需求。而且，由公式(1～3)知，UT从最近的Li-Fi AP获得的通信速率最高。所以初始连接假设是合理的。对初始连接假设的改进即对连接关系矩阵A中个元素的调整，RA和CA操作均基于UT群集特性的感知结果进行。

RA过程对非稀疏小区进行操作。先操作密集小区的边缘UT，如果其中UT数目超过UT总数的

即

则挑选x_m,n个小区边缘UT进行RA操作，修改连接关系矩阵A，使得小区中连接Li-Fi AP的UT数不超过UT总数的

由公式(14)计算x_m,n，λ可由具体场景中Li-Fi AP资源与Wi-Fi资源的相对大小决定，超过UT总数的

小区内UT很密集，需要选择一部分UT连接到Wi-Fi，把对应的UT通信需求分解到Wi-Fi网络。

再对非稀疏小区交界处的UT进行操作。左移

的各列元素，最后一列补0组成新矩阵

类似地，上移各行元素，最后一行补0组成新矩阵

通过相与操作即可得到非稀疏小区在行方向上和在列方向上交界情况，分别用矩阵

和

表示，其中非零元素表示对应的地理区域为相邻非稀疏小区的交界处。

根据

和

中非零元素和UT的地理位置信息，取出对应区域中的UT，如果其通信需求无法从Li-Fi处得到满足(因为处于Li-Fi小区边缘，信干燥比相对较差)，则修改连接关系矩阵，将其连到Wi-Fi；如果其通信需求得到满足，则保留与Li-Fi的连接，不进行RA操作。RA操作的UT的集合为J_RA：

RA操作对象均为Li-Fi小区边缘UT，同时均位于群聚的UT群内部。UT位于Li-Fi小区边缘，其Li-Fi SINR较小区中心UT差，而Wi-Fi SINR却与小区中心UT差不多，因为Li-Fi小区半径较小，在同样短距离内，Li-Fi SINR变化较Wi-Fi SINR变化明显。修正连接关系矩阵，选择小区边缘UT而不是小区中心UT连接到Wi-Fi，能在占用Wi-Fi资源的比率几乎不变的同时，更明显地提高Li-Fi网络吞吐量(因为继续连接Li-Fi的UT的SINR更高，使得Li-Fi的频谱利用率更高)。

选择的UT均位于群聚的UT群内部，RA操作分解出UT通信需求群的内部的一部分，将其交由Wi-Fi承担，使得非稀疏小区中Li-Fi AP承担的UT通信需求初步减少，改进了初始连接假设。再通过CA操作，将分解出UT通信需求群的边缘的一部分，由两个Li-Fi AP协同满足，将非稀疏Li-Fi小区承担的部分UT通信需求将卸载给稀疏Li-Fi小区，进一步地改进初始连接假设。

RA操作协调Wi-Fi网络和Li-Fi网络的负载分布之后，再进行一次UT群集特性感知，得到各个Li-Fi连接的UT数目

所有

构成m_m×n_m的矩阵C^RA，C^RA表征Li-Fi网络中的UT通信需求分布情况。类似地，根据Li-Fi小区承担的UT通信速率需求相对大小，可以将Li-Fi小区分为稀疏小区、中等小区和密集小区，非稀疏小区、中等小区和密集小区对应

和

利用Li-Fi信道增益是实数的特点，联合两个Li-Fi AP，k₁和k₂，同时服务一个UT，二者同时发送相同的信号，则UT的SINR由表达式(2)变为(18)，对比可知，有用信号增大且干扰信号减小，SINR获得提升，从而提升了UT的通信速率。

协作通信的前提是Li-Fi AP k₁和k₂对UT均是可见的，即Li-Fi AP k₁和k₂覆盖范围有交叠且UT位于交叠之处。换句话说，Li-Fi AP k₁和k₂相邻且UT位于二者小区边缘。初始连接假设中，UT连接距离最近的Li-Fi AP，假设这是Li-Fi AP k₁，则k₂对应距离第二近的Li-Fi AP。

在UT层面上，一方面，协作通信聚集了两个Li-Fi AP资源服务同一个UT，提高了UT的通信速率；另一方面，协作通信带来了软交换的可能。

在UT均匀分布的场景中，协作通信提升Li-Fi AP k₁边缘UT的通信速率和降低Li-Fi AP k₂中其它UT的通信速率存在折中。而在UT非均匀分布的场景中，UT聚集于某些Li-FiAP中必然导致另外的Li-Fi AP中UT相对稀疏，此时，谨慎地选择协作通信的方向，让它放生在密集小区与稀疏小区的边界。如果稀疏小区内没有UT，则由于使用原先没有使用的AP资源，边缘UT获得通信速率的提升，同时提高了Li-Fi的频谱利用率；如果稀疏AP内有少量UT，则边缘UT获得速率提升的同时，由于稀疏小区资源均分的份数相对较少，稀疏小区内UT均分到的AP资源依旧相对较多，依旧能够得到满足大小合理的UT通信需求。当然，如若Li-FiAP k₁已经能够满足UT的通信速率需求，则不需进行协作通信。

对于

中非零元素，很容易获得对应Li-Fi小区服务的UT的集合，取出其中通信需求得不到满足的边缘UT。如果该UT距离第二近的Li-Fi AP k₂是稀疏小区，即

中对应元素为0，则协作通信方向可行，进行CA操作；否则取下一个UT进行判断。则CA操作的UT的集合为J_CA，其中arg min2{}为取出第二小因变量对应的自变量操作。

考虑到Li-Fi AP k₁和k₂连接的UT数目不同，则其分配给UT的资源不等，在TDMA中，UT从两个AP处分得的时隙不等：在两个时隙重叠的部分，UT获得两个AP的协助服务，在另外部分的时隙，UT只获得一个AP的服务，没有协助通信在进行。一般地，密集小区k₁分配给UT的时隙短于稀疏小区k₂，即

和

分别为Li-Fi AP k₁和k₂服务的UT数，在这种情况下，UT获得的通信速率r_j,k为：

CA操作将密集Li-Fi小区内UT的部分通信需求(即负载)卸载到稀疏小区，获得了同构平衡。

综合考虑RA和CA可知，对于UT的通信需求群，RA操作分解出群内部的UT的集合J_RA连接Wi-Fi，与之互补，CA分解出群边缘的UT的集合J_CA，由稀疏Li-Fi小区和密集Li-Fi小区共同承担其通信速率需求，剩下的UT连接单个Li-Fi。则整个异构网络的吞吐量T的表达式为(21)，其中三个部分的r_j,k分别由表达式(7)、(20)和(3)得到。

T表征了系统层面的性能。定义UT j通信速率需求满足度为s_j，其表达式为(22)，s_j表征了UT层面的性能。

为了快速获到负载均衡的UT和AP连接关系，可以利用Wi-Fi和Li-Fi可利用频宽的相对大小这一先验知识，预先设定RA和CA操作的最大允许次数，即集合J_RA和J_CA的大小，n_RA和n_CA，并可根据UT总数大小调整。

实施例2

为更充分地阐述本发明所具有的有益效果，以下结合仿真分析及结果，进一步对本发明的有效性和先进性予以说明。

仿真系统为10m×10m×3m的房间，4×4的LED阵列在天花板上均匀分布，1个Wi-FiAP位于天花板中心，Li-Fi AP和Wi-Fi AP的带宽均为20MHz，最多只有80％的Wi-Fi资源用于下载链路，即η_max＝0.8。一组UT在1m高的水平面上非均匀分布，其中

分布在中心随机、大小随机的区域内，其中

分布在另一个中心随机、大小随机的区域内，剩下的

均匀分布，UT的通信速率需求固定为8Mbps。n_RA取值为30，n_CA取值为40。所有结果均通过100次仿真的平均得到。

图4给出了本发明所提出的新型负载均衡方案的系统吞吐量随UT总数目变化的性能曲线，包括初始连接假设、RA改进之后和CA改进之后三个阶段，并与最短距离法的性能进行对比。如图4所示，本发明提出的负载均衡方案系统吞吐量明显高于最短距离法，显示了分解UT通信需求群的效果。从图中可以看出，RA操作改进后的初始连接假设，大幅提升了系统吞吐量及频带利用率。随着UT数目不断增多，系统吞吐量上升渐趋平缓，这是因为系统进入了带宽受限场景。

进一步地，图5提供了本方案的系统中得到满足的UT比例随UT总数目变化的性能曲线，同样包括初始连接假设、RA改进之后和CA改进之后三个阶段，并与最短距离进行对比。如图5所示，对于同样的通信速率要求，本发明提出的负载均衡方案能使更多的用户得到满足。从图中可以看出，UT总数小于80时，再经过CA操作，明显有更多的用户得到了满足。随着用户数增加，UT分布越来越密集，进入带宽受限场景，系统中得到满足的用户比例不断降低。但是可以看到，用户数从40增加到100，本发明提出的新型负载均衡方案满足的用户比例均接近最短距离法的2倍。

参考文献

[1].X.Li,R.Zhang and L.Hanzo,“Cooperative Load Balancing in HybridVisible Light Communication and WiFi,”IEEE Trans.Commun.,vol.63,no.4,pp.1319-1328,Apr.2015.

[2].Y.Wang and H.Haas,“Dynamic Load Balancing with handover in hybridLi-Fi and Wi-Fi networks,”J.Lightw.Technol.,vol.33,no.22,pp.4671-4682,Nov.2015.

[3].I.Stefen,and H.Haas,“Hybrid visible light and radio frequencycommunication systems,”in Proc.IEEE 80^th Veh.Technol.Conf.,Vancouver,BC,Canada,2014..

[4].F.Wang,Z.Wang,C.Qian and et al.,“Efficient vertical handoverscheme for heterogeneous VLC-RF Systems,”J.Opt.Commun.Netw.,vol.7,no.12,pp.1172-1180,Dec.2015.

[5].V.Erceg,L.Schumacher,P.Kyritsi and et al.,“TGn Channel Models,”IEEE 802.1103/940r4,2004.

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (1)

1.基于用户位置信息的Wi-Fi和Li-Fi异构网络负载均衡方法，其特征在于：包括以下步骤：

S1.通过可见光定位技术感知各个用户终端设备的位置，并假设各个用户终端设备连接到距离最近的Li-Fi接入节点上，得到用户终端设备与各LiFi接入节点的连接关系矩阵A，形成初始连接假设；

S2.基于连接假设，统计各个Li-Fi接入节点接入的用户终端设备的数量，获得Li-Fi接入节点接入的用户终端设备的平均值和最大值，将接入用户终端设备数量大于平均值的Li-Fi接入节点覆盖的小区确定为非稀疏小区，而将其余的Li-Fi接入节点覆盖的小区确认为稀疏小区；在非稀疏小区中，将接入用户终端设备数量大于最大值的一半的Li-Fi接入节点覆盖的小区确认为密集小区；使用m×n的矩阵

表示非稀疏小区，其中m和n对应于LED阵列的行和列，零元素对应稀疏小区，非零元素对应非稀疏小区内用户终端设备的数目；

S3.对于密集小区，如果对应的Li-Fi接入节点连接的UT数目超过总数的

则取出连接的UT数目超过总数的

的部分，取出部分即密集小区的x_m,n个边缘用户终端设备，如果其通信需求无法从Li-Fi接入节点处得到满足，则通过修正连接关系矩阵A中的元素，将连接到Li-Fi的UT修正为连接到Wi-Fi；如果其通信需求得到满足，则保留与Li-Fi接入节点的连接；

S4.对于非稀疏小区交界处的用户终端设备，左移

中的各列元素，最后一列补0组成新矩阵

上移

中的各行元素，最后一行补0组成新矩阵

通过将

与

与

进行相与操作即可得到非稀疏小区在行方向和列方向上的交界情况，分别用矩阵

和

表示；其中非零元素表示对应的地理区域为相邻非稀疏小区的交界处；根据

和

中非零元素和用户终端设备的地理位置信息，取出位于相邻非稀疏小区的交界处的用户终端设备，如果其通信需求无法从Li-Fi接入节点处得到满足，则通过修正连接关系矩阵A中的元素，将连接到Li-Fi的UT修正为连接到Wi-Fi；如果其通信需求得到满足，则保留与Li-Fi接入节点的连接；

S5.重新统计各个Li-Fi接入节点接入的用户终端设备的数量，计算Li-Fi接入节点接入的用户终端设备的平均值，将接入用户终端设备数量大于平均值的Li-Fi接入节点覆盖的小区确定为非稀疏小区，而将其余的Li-Fi接入节点覆盖的小区确认为稀疏小区；非稀疏小区中，将小区中接入用户终端设备数量超过最大值一半的小区确认为密集小区，其余为中等小区；

S6.获取密集小区边缘的用户终端设备的集合，对于集合中通信需求得不到满足的用户终端设备，如果与该用户终端设备距离最近的邻居小区为稀疏小区，则修改连接关系矩阵A，同时将其连接到该邻居小区对应的Li-Fi接入节点，由这两个Li-Fi接入节点协同服务这个用户终端设备；

S7.按照修改初始连接假设后得到的连接关系矩阵，确定Wi-Fi和Li-Fi异构网络中各个用户终端设备和各个网络接入节点的连接关系。

Images