CN109982433A - 基于启发式算法的固定帧长度的urllc系统的资源优化方法 - Google Patents

基于启发式算法的固定帧长度的urllc系统的资源优化方法 Download PDF

Info

Publication number
CN109982433A
CN109982433A CN201910165591.0A CN201910165591A CN109982433A CN 109982433 A CN109982433 A CN 109982433A CN 201910165591 A CN201910165591 A CN 201910165591A CN 109982433 A CN109982433 A CN 109982433A
Authority
CN
China
Prior art keywords
frame
length
node
signal
indicate
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.)
Granted
Application number
CN201910165591.0A
Other languages
English (en)
Other versions
CN109982433B (zh
Inventor
谢宁
胡吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201910165591.0A priority Critical patent/CN109982433B/zh
Publication of CN109982433A publication Critical patent/CN109982433A/zh
Application granted granted Critical
Publication of CN109982433B publication Critical patent/CN109982433B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446—Resources in time domain, e.g. slots or frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
    • H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本公开提供了一种基于启发式算法的固定帧长度的URLLC系统的资源优化方法，其包括：第一节点与第二节点之间通过四个帧进行控制信令和数据的传输，四个帧的帧长度相等且各个帧长度等于预定帧长度，每个帧包括信息信号，信息信号由源信息进行信道编码和调制获得；计算各个帧差错概率以获得可靠性参数和吞吐量；当可靠性参数、第一总发射能量、第二总发射能量、源信息的信息位长度和帧长度满足要求时，基于混合蛙跳‑极值优化算法第一节点和第二节点自适应地分配发射功率和导频信号的信号长度，以使吞吐量最大化。

Description

基于启发式算法的固定帧长度的URLLC系统的资源优化方法
技术领域
本公开涉及通信技术领域，具体涉及一种基于启发式算法的固定帧长度的URLLC系统的资源优化方法。
背景技术
超可靠和低延迟的通信(Ultra Reliable Low Latency Communications，URLLC)作为一种新的通信服务类别，将在5G新型无线电(NR)中得到支持。在5G NR的通信协议中，存在具有短帧的无线传输。其中，帧长度和发射功率都是可调的。
在考虑资源分配问题时，可以将制定资源分配问题作为优化问题，以获得所考虑协议的最优参数。但是由于优化问题既不凸也不凹，且包含了过多的约束条件，所以全局最优结果很难获得。
尽管优化问题可以通过传统的启发式算法(如粒子群优化(PSO)、模拟退火算法和遗传算法)来解决。然而，这些传统的算法不适用于动态帧协议，因为传统的算法受优化问题中过度约束条件导致的收敛效率低。
发明内容
为了解决上述问题，本公开提出了一种能够通过具有较强的鲁棒性和快速收敛性的算法解决优化问题的基于启发式算法的固定帧长度的URLLC系统的资源优化方法。
为此，本公开的第一方面提供了一种基于启发式算法的固定帧长度的URLLC系统的资源优化方法，是包括四个帧的基于启发式算法的固定帧长度的URLLC系统的资源优化方法，其特征在于，包括：第一节点向第二节点发送调度请求帧，所述第二节点基于所述调度请求帧反馈调度授权帧，所述第一节点接收所述调度授权帧向所述第二节点发送数据帧，所述第二节点基于所述数据帧向所述第一节点发送确认帧，上述四个帧的帧长度相等且各个帧长度等于预定帧长度，每个帧包括导频信号和信息信号，所述信息信号由源信息进行信道编码和调制获得；计算各个帧差错概率，基于所述帧差错概率获得数据传输的可靠性参数，基于所述可靠性参数获得吞吐量；并且当所述可靠性参数不小于预设帧差错概率，所述第一节点的第一总发射能量不大于第一能量阈值且所述第二节点的第二总发射能量不大于第二能量阈值，所述源信息的信息位长度和帧长度满足要求时，基于混合蛙跳-极值优化算法所述第一节点和所述第二节点自适应地分配发射功率和所述导频信号的信号长度，以使所述吞吐量最大化。
在本公开中，第一节点与第二节点之间通过四个帧进行控制信令和数据的传输，其中，调度请求帧、调度授权帧和确认帧用于控制信令，数据帧用于数据传输，四个帧的帧长度相等且各个帧长度等于预定帧长度，每个帧包括信息信号，信息信号由源信息进行信道编码和调制获得；计算各个帧差错概率以获得可靠性参数和吞吐量；当可靠性参数、第一总发射能量、第二总发射能量、源信息的信息位长度和帧长度满足要求时，基于混合蛙跳-极值优化算法第一节点和第二节点自适应地分配发射功率和导频信号的信号长度，以使吞吐量最大化。由此，能够通过具有较强的鲁棒性和快速收敛性的算法解决URLLC系统的物理层资源优化问题。
在本公开第一方面所涉及的资源优化方法，可选地，所述源信息包括附加信息位和数据信息位，所述源信息的信息位长度满足ki＝ki,m+ki,d，其中，ki,m表示第i个帧的所述附加信息位的有效载荷位，ki,d表示第i个帧的所述数据信息位的有效载荷位。由此，能够获得源信息的有效载荷位。
在本公开第一方面所涉及的资源优化方法，可选地，上述四个帧为短帧结构。由此，能够满足URLLC系统的超敏感的网络连接的要求。
在本公开第一方面所涉及的资源优化方法，可选地，所述帧长度等于所述导频信号与所述信息信号的信号长度之和，第i个帧的帧长度ni满足ni＝ni,p+ni,d，其中，ni,p表示第i个帧的所述导频信号的信号长度，ni,d表示第i个帧的所述信息信号的信号长度。由此，能够获得帧长度。
在本公开第一方面所涉及的资源优化方法，可选地，所述帧差错概率ε满足其中，k表示所述源信息的信息位长度，n表示所述帧长度，γ表示所述信噪比，C(γ)表示香农容量，V(γ)表示信道分散系数，nd表示所述信息信号的信号长度。由此，能够获得帧差错概率。
在本公开第一方面所涉及的资源优化方法，可选地，所述可靠性参数p1满足其中，εi表示第i个所述帧差错概率。由此，能够获得可靠性参数。
在本公开第一方面所涉及的资源优化方法，可选地，所述吞吐量R满足R＝p1k3,d/4n，其中，k3,d表示第3个帧的源信息的数据信息位的信息位长度，n表示所述帧长度。由此，能够获得吞吐量。
在本公开第一方面所涉及的资源优化方法，可选地，所述预设帧差错概率表示为1-ε*，故p1≥1-ε*，其中，ε*表示总帧差错概率，各个发射功率表示为Pi,t，各个发射能量表示为Pi,tni，故其中，E1表示第一能量阈值，E2表示第二能量阈值，ni表示第i个帧长度。由此，能够便于在可靠性参数、第一总发射能量、第二总发射能量、源信息的信息位长度和帧长度满足要求时基于混合蛙跳-极值优化算法进行物理层资源优化。
在本公开第一方面所涉及的资源优化方法，可选地，所述混合蛙跳-极值优化算法包括：设置初始化参数；随机生成包括L个青蛙在内的种群；评估每只青蛙的适应度；判断是否满足收敛准则；当满足收敛准则时，获得最优的输出参数并结束进程；当不满足收敛准则时，将L个青蛙相应的适应值按照降序排序；构造多组青蛙和子模因复合体；对于每组青蛙，在每个青蛙的偶然极值优化过程中进行局部搜索；对所有青蛙进行局部复位。由此，能够确保快速和稳定的收敛。
在本公开第一方面所涉及的资源优化方法，可选地，所述初始化参数包括所述发射功率和所述导频信号的信号长度，所述输出参数包括所述发射功率和所述导频信号的信号长度。由此，混合蛙跳-极值优化算法能够基于上述的初始化参数进行优化，并获得优化的输出参数。
本公开涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法考虑了5G NR中的URLLC系统在物理层的资源分配问题。URLLC系统通过四个短帧结构进行通信，以满足超高响应和超可靠网络连接的要求。其中，短帧结构的导频长度、发射功率以及虚警概率是可调节的。本公开涉及的资源分配问题本质上可以被认为是解决具有多个约束的高度非凸优化问题。然而现有的技术(如粒子群优化(PSO)，模拟退火算法和遗传算法)由于受优化问题中过度约束条件所导致的收敛效率低的原因并不适用于所考虑的协议，本公开涉及的资源优化方法通过混合蛙跳-极值优化算法(MSFLA-EO)解决了优化问题，且具有卓越的稳定性和全局搜索能力，可用于高维连续函数优化。
附图说明
图1是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的节点间的控制信令和数据传输的示意图。
图2是示出了本公开的示例所涉及的URLLC系统的帧结构的示意图。
图3是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的流程示意图。
图4是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的混合蛙跳-极值优化算法的流程图。
图5是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的在不同的帧长度下的吞吐量的波形示意图。
图6是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的在不同的能量阈值下的吞吐量的波形示意图。
图7是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的在不同的能量阈值下的吞吐量的波形示意图。
具体实施方式
以下，参考附图，详细地说明本公开的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。
需要说明的是，本公开中的术语“包括”和“具有”以及它们的任何变形，例如所包括或所具有的一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可以包括或具有没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的节点间的控制信令和数据传输的示意图。图2是示出了本公开的示例所涉及的URLLC系统的帧结构的示意图。
本公开涉及一种基于启发式算法的固定帧长度的URLLC系统的资源优化方法，是包括四个帧的基于启发式算法的固定帧长度的URLLC系统的资源优化方法。如图1所示，四个帧分别是调度请求帧(SR)、调度授权帧(SG)、数据帧(DATA)和确认帧。其中，调度请求帧、调度授权帧和确认帧用于控制信令。数据帧用于数据传输。上述每个帧可以按照其发送顺序定义为第i帧。
在一些示例中，URLLC系统中控制信令和数据传输过程如图1所示。具体而言，第一节点向第二节点发送调度请求帧，第二节点基于调度请求帧反馈调度授权帧，第一节点接收调度授权帧向第二节点发送数据帧，第二节点基于数据帧向第一节点发送确认帧，代表数据帧被正确接收。
在一些示例中，由于URLLC系统需要超敏感的网络连接性，即端到端的等待时间约为1毫秒，因此，帧可以使用短帧。另外，帧结构也可以称为短分组结构或短数据包结构。在这种情况下，上述的四个帧均为短帧结构。帧长度即为URLLC的短数据包的长度。由此，能够满足URLLC系统的超敏感的网络连接的要求。
在一些示例中，如图2所示，一个帧可以包括导频信号和信息信号。其中，导频信号可以用于对接收端(例如第一节点或第二节点)所需的信道状态信息(Channel StateInformation，CSI)的帧检测和估计，以补偿由无线信道引入的发射信号(例如上述四个帧)的失真。导频信号的信号长度为np。信息信号可以包括第一节点所要传递的信息。信息信号的信号长度为nd。由此，每个帧的帧长度ni满足ni＝ni,p+ni,d。
在一些示例中，信息信号可以由源信息进行信道编码和调制获得。换而言之，源信息可以通过信道编码器获得信息信号。信道编码器具有信道编码和调制的功能。由此，能够提高帧传输的可靠性和效率。
在一些示例中，如图2所示，源信息包括附加信息位和数据信息位。其中，附加信息位可以包含媒体访问控制(MAC)层和更高层的元数据。附加信息位具有km个有效载荷位。数据信息位具有kd个有效载荷位。也即，附加信息位的信息位长度为kmbits。数据信息位的信息位长度为kdbits。由此，能够获得源信息的有效载荷位(也即源信息的信息位长度)为k个，即每个帧的源信息的有效载荷位满足ki＝ki,m+ki,d。
在一些示例中，kd/n表示每个信道使用的信息比特数(也即每单位带宽每秒传输的有效载荷比特数)。kd/n表示传输速率，并且可以表示通信系统的频谱效率的量度。另外，信道使用可以用带宽和传输持续时间的乘积(Hz·s)来表示。
图3是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的流程示意图。图4是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的混合蛙跳-极值优化算法的流程图。本公开涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法可以简称为资源优化方法。
在一些示例中，如图3所示，基于上述图1的节点间的控制信令和数据传输和图2的帧结构，资源优化方法可以包括第一节点与第二节点之间通过四个帧进行控制信令和数据的传输，其中，调度请求帧、调度授权帧和确认帧用于控制信令，数据帧用于数据传输，四个帧的帧长度相等且各个帧长度等于预定帧长度，每个帧包括导频信号和信息信号，信息信号由源信息进行信道编码和调制获得(步骤S100)。
在步骤S100中，第一节点与第二节点之间通过四个帧进行控制信令和数据的传输。具体可以参见上述图1中第一节点与第二节点之间的传输过程。每个帧包括导频信号和信息信号，信息信号由源信息进行信道编码和调制获得。每个帧的帧结构具体可以参见图2。
在一些示例中，步骤S100中的四个帧的帧长度相等且各个帧长度等于预定帧长度n。也即n1＝n2＝n3＝n4＝n。其中，n1表示调度请求帧的帧长度。n2表示调度授权帧的帧长度。n3表示数据帧的帧长度。n4表示确认帧的帧长度。
在一些示例中，每个帧从相应的发射端(例如第一节点或第二节点)发射通过无线信道到达相应的接收端(例如第二节点或第一节点)。x可以表示发射端处具有单位功率的帧。帧x以发送功率Pt传输到无线信道。经过无线信道的帧到达接收端处时表示为y。h表示衰落和其他传播现象的信道系数，ω是加性复高斯噪声，建模为
在一些示例中，无线信道可以是无记忆块衰落信道。衰落系数h对同一个帧下的n个信道使用来说是相同的，对于不同帧来说衰落系数h独立改变。衰落系数h满足其中，表示信道响应。另外，γh表示信道信噪比(SNR)，且满足
在一些示例中，接收端(例如第二节点或第一节点)知道导频信号，接收端可以通过最小均方误差(MMSE)准则获得的信道估计且满足由此，估计衰落系数建模为其中，
在一些示例中，如图3所示，资源优化方法还可以包括计算各个帧差错概率，基于帧差错概率获得数据传输的可靠性参数，基于可靠性参数获得吞吐量(步骤S200)。
在步骤S200中，在帧错误概率为ε的情况下，短帧长度为n的吞吐量可以近似满足
其中，γ表示接收端的信噪比，且满足C(γ)是香农容量，V(γ)是信道分散系数，Q-1(·)是高斯函数Q的反演函数。基于式(1)、帧长度n和信息比特数k＝Rn可以获得帧差错概率ε。第一节点或第二节点计算的帧差错概率ε满足其中，k表示源信息的信息位长度，γ表示信噪比，n表示帧长度，nd表示信息信号的信号长度，C(γ)表示香农容量，V(γ)表示信道分散系数。由此，能够获得帧差错概率。
在一些示例中，基于可以获得每个帧的帧差错概率εi＝ε(ki,ni,γi)，也即第i个帧的帧差错概率εi。
在一些示例中，基于帧差错概率获得数据传输的可靠性参数p1，可靠性参数p1满足其中，εi表示第i个帧差错概率。由此，能够获得可靠性参数。
在一些示例中，基于可靠性参数获得吞吐量。吞吐量R满足R＝p1k3,d/4n(2)，其中，k3,d表示第3个帧的源信息的数据信息位的信息位长度，n表示帧长度。由此，能够获得吞吐量。
在一些示例中，如图3所示，资源优化方法还可以包括当可靠性参数、第一总发射能量、第二总发射能量、源信息的信息位长度和帧长度满足要求时，基于混合蛙跳-极值优化算法第一节点和第二节点自适应地分配发射功率和导频信号的信号长度，以使吞吐量最大化(步骤S300)。
在步骤S300中，第一节点和第二节点进行自适应分配时需要满足要求。满足的要求可以是指对可靠性参数、第一节点的第一总发射能量、第二节点的第二总发射能量、源信息的信息位长度、各个帧的帧长度的限制。
具体而言，满足的要求包括可靠性参数不小于预设帧差错概率1-ε*。也即p1≥1-ε*，其中，ε*表示总帧差错概率。第一节点的第一总发射能量不大于第一能量阈值且第二节点的第二总发射能量不大于第二能量阈值。也即其中，E1表示第一能量阈值，E2表示第二能量阈值，第一能量阈值和第二能量阈值的单位是W·Hz·s。第一总发射能量等于P1,tn1+P3,tn3，第二总发射能量等于P2,tn2+P4,tn4，Pi,t表示各个发射功率，Pi,tni表示各个发射能量。
满足的要求还包括源信息的信息位长度等于附加信息位与数据信息位的信息位长度之和，也即ki＝ki,m+ki,d。帧长度等于导频信号与信息信号的信号长度之和，也即ni＝ni,p+ni,d。其中，ni,p表示第i个帧的导频信号的信号长度，ni,d表示第i个帧的信息信号的信号长度。由此，能够便于在可靠性参数、第一总发射能量、第二总发射能量、源信息的信息位长度和帧长度满足要求时基于混合蛙跳-极值优化算法进行物理层资源优化。
在步骤S300中，第一节点和第二节点可以通过自动功率控制实现对功率的控制。例如，将第一节点或第二节点接收的射频信号依次输入具有滤波功能的滤波器和变频器，进而获得中频信号，再将此中频信号输入到第一节点或第二节点中的相应的自动功率控制模块中对功率进行控制。其中，自动功率控制模块包括A/D转换器、去直流单元、功率估计单元和功率反馈调整单元。
在一些示例中，自动功率控制模块的自动功率控制过程包括：将中频信号经过A/D转换器获得数字信号，该数字信号经过可变点数的去直流单元得到零均值的数字中频信号，该数字中频信号再经过点数可变的功率估计单元得到信号的功率估计，该功率估计值经过功率反馈调整单元得到新的增益系数值，新增益系数应用于下一时间段内的限幅调整过程，最终使数字中频信号的输出维持在稳定功率附近。
在一些示例中，第一节点或第二节点可以把接收到的信号加以稳定再发送出去，这样可有效地减少或避免通信信号在无线传输中的损失，保证用户的通信质量。
在步骤S300中，基于混合蛙跳-极值优化算法第一节点和第二节点自适应地分配发射功率Pt和导频信号的信号长度np，以使式(2)的吞吐量最大化。
在一些示例中，如图4所示，混合蛙跳-极值优化算法包括设置初始化参数(步骤S310)。初始化参数可以是各个发射功率Pi,t和各个导频信号的信号长度ni,p等。
在一些示例中，如图4所示，混合蛙跳-极值优化算法还可以包括随机生成种群(由L个青蛙代表)(步骤S320)。也即随机生成包括L个青蛙在内的种群。
在一些示例中，如图4所示，混合蛙跳-极值优化算法还可以包括评估每只青蛙的适应度(步骤S330)。其中，适应度也可以称为适应值。式(2)的吞吐量可以作为混合蛙跳-极值优化算法中的适应值。当步骤S300中限制条件不满足时，从适应值中减去一个非常大的正整数惩罚系数T，以保持MSFLA-EO的鲁棒性。
在一些示例中，如图4所示，混合蛙跳-极值优化算法还可以包括判断是否满足收敛准则(步骤S340)和当满足收敛准则时，获得最优的输出参数并结束进程(步骤S350)。其中，输出参数可以包括发射功率和导频信号的信号长度。由此，混合蛙跳-极值优化算法能够基于上述的初始化参数进行优化，并获得优化的输出参数。
在一些示例中，如图4所示，混合蛙跳-极值优化算法还可以包括当不满足收敛准则时，按降序排序L个青蛙(步骤S360)。也即将L个青蛙相应的适应值按照降序排序。
在一些示例中，如图4所示，混合蛙跳-极值优化算法还可以包括构造群和子模因复合体(步骤S370)。具体而言，所有青蛙被分成多个群(也称组或社区)，每个群可以独立发展，以搜索不同方向的空间。
在一些示例中，如图4所示，混合蛙跳-极值优化算法还可以包括对于每个群，在每个青蛙的偶然极值优化(EO)过程中进行局部搜索(步骤S380)和对所有青蛙进行局部复位(步骤S390)。由此，能够确保快速和稳定的收敛。在步骤S380中，每个群可以代表一种模因，局部搜索可以被认为是每个群中的青蛙经历了模因演化。在偶然极值优化(EO)过程中允许每个青蛙之间转移模因。经过预设数量的模因演化步骤之后，信息在混洗过程(即步骤S390的局部复位行为)中在群之间传递。混洗确保了针对任何特定兴趣的文化演变没有偏见。
在一些示例中，混合蛙跳-极值优化算法结合了全局搜索算法(蛙跳算法SFLA)和本地勘探的极值优化算法(Extreme value optimization，EO)，且对于对高维连续函数的优化来说具有强大的鲁棒性和快速收敛性。蛙跳算法(SFLA)是一种元启发式优化方法。蛙跳算法在寻找具有最大可用食物量的位置时模仿一组青蛙的模因进化。在SFLA中，青蛙被认为是模因的宿主，并被描述为具有相同结构但不同适应性的模因载体。青蛙可以互相沟通，通过彼此感染(即彼此间传递信息)来改善他们的模因。当将SFLA应用于优化问题时，每个青蛙的适应性被正确定义并且通常称为适应性、适应度或适应值。适应值可以代表解决该优化问题的可行解。另外，MSFLA可以通过适当延长跳跃步长和增加跳跃惯性组件来解决社交行为，改善了跳跃规则。极值优化算法(EO)是受统计物理学领域启发的优化启方法。极值优化算法被设计为用于组合优化问题的局部搜索算法。与基于群组的SFLA相比，EO通常发展出单一的可行解，并对可行解中的最差的组分进行局部修改。也即若将质量度量分配给其各个组分，则可以获得较好的候选解。在EO中，选择某些低质量的组分，并根据其质量评估选择其他随机选择的组分。EO本质上是一种爬山(局部搜索)方法，类似于SFLA，该方法运行在次级群中最差的可行解上。
本公开涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法考虑了5G NR中的URLLC系统在物理层的资源分配问题。URLLC系统通过四个短帧结构进行通信，以满足超高响应和超可靠网络连接的要求。其中，短帧结构的导频长度、发射功率以及虚警概率是可调节的。本公开涉及的资源分配问题本质上可以被认为是解决具有多个约束的高度非凸优化问题。然而现有的技术(如粒子群优化(PSO)，模拟退火算法和遗传算法)由于受优化问题中过度约束条件所导致的收敛效率低的原因并不适用于所考虑的协议，本公开涉及的资源优化方法通过混合蛙跳-极值优化算法(MSFLA-EO)解决了优化问题，且具有卓越的稳定性和全局搜索能力，可用于高维连续函数优化。
在一些示例中，假设第一节点和第二节点都有一个6字节的地址。一位表示第一次传输中的SR位，一位表示第二次传输中的SG位，一位表示第三次传输中的流量控制，一位表示第四次传输中的ACK位。另外，ki,m＝97，i＝1,2,3,4。k3,d＝4×6bytes＝192bits。另外，由于第一节点和第二节点的位置固定，故每个传输中的信道信噪比γh相同。由于发射功率Pi,t、导频信号的信号长度ni,p、信息信号的信号长度ni,d和帧长度ni可调，故接收端接收到的信噪比γi不同。为了保持MSFLA-EO的稳健性，设定L＝T＝200。由此获得图5至图7的波形图。
图5是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的在不同的帧长度下的吞吐量的波形示意图。图5中的波形D、E、F、G、H、K分别表示帧长度n为80、100、120、140、160、180下的吞吐量随着信道信噪比的变化的波形。其中，E1＝E2＝500，ε*＝10-5。随着帧长度n的增加，有更多的资源来提供URLLC服务。由图5可得，随着帧长度n的增加，MSFLA-EO可以更容易地找到一个可行解来满足URLLC对低信道信噪比γh区域所需的约束。对于每条波形，由于数据重传通过占用更多时隙而发生，因此低信道信噪比γh区域下的吞吐量的值相对较低，而高信道信噪比γh区域下的吞吐量的值变得明显较高。另外，一旦获得可行解，吞吐量与信道信噪比γh、k3,d和帧长度n无关。尽管当帧长度特别大时，在低信道信噪比γh区域下的吞吐量的值明显降低。由此，可以通过调整帧长度获得高的吞吐量，特别是在高信道信噪比γh区域。
图6是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的在不同的能量阈值下的吞吐量的波形示意图。图7是示出了本公开的示例所涉及的基于启发式算法的固定帧长度的URLLC系统的资源优化方法的在不同的能量阈值下的吞吐量的波形示意图。其中，图6中第一能量阈值E1等于第二能量阈值E2。图6中的波形M、N、P分别表示E1＝E2＝500,1000,2000下的吞吐量随着信道信噪比的变化的波形。图7中的波形R表示第一能量阈值E1等于2000且第二能量阈值E2等于2000下的吞吐量随着信道信噪比的变化的波形。波形S表示第一能量阈值E1等于2000且第二能量阈值E2等于1000下的吞吐量随着信道信噪比的变化的波形。波形T表示第一能量阈值E1等于1000且第二能量阈值E2等于2000下的吞吐量随着信道信噪比的变化的波形。其中，图6和图7的限制条件是n＝80和ε*＝10-5。由图6可知，随着信道信噪比γh的增大，吞吐量R的值逐渐变大。当随着能量阈值的增加，吞吐量R的值更快地出现改变。然而，当第一能量阈值E1或第二能量阈值E2较低时，MSFLA-EO无法找到一个可行解来满足低信道信噪比γh区域下式(2)的约束条件。由图7可知，第一能量阈值E1与第二能量阈值E2不同会对本公开的资源优化方法产生影响。当E1＝E2的情况下的吞吐量达到最佳结果，因为达到了平衡状态。另外，在E1＞E2的情况下的吞吐量与E1＝E2的情况下的吞吐量相同，且均比E1＜E2的情况下的吞吐量好。
在本公开中，第一节点与第二节点之间通过四个帧进行控制信令和数据的传输，其中，调度请求帧、调度授权帧和确认帧用于控制信令，数据帧用于数据传输，上述四个帧的帧长度相等且各个帧长度等于预定帧长度，每个帧包括信息信号，信息信号由源信息进行信道编码和调制获得；计算各个帧差错概率以获得可靠性参数和吞吐量；当可靠性参数、第一总发射能量、第二总发射能量、源信息的信息位长度和帧长度满足要求时，基于混合蛙跳-极值优化算法第一节点和第二节点自适应地分配发射功率和导频信号的信号长度，以使吞吐量最大化。由此，能够通过具有较强的鲁棒性和快速收敛性的算法解决URLLC系统的物理层资源优化问题。
虽然以上结合附图和实施例对本公开进行了具体说明，但是可以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形和变化，这些变形和变化均落入本公开的范围内。

Claims (10)

1.一种基于启发式算法的固定帧长度的URLLC系统的资源优化方法，是包括四个帧的基于启发式算法的固定帧长度的URLLC系统的资源优化方法，其特征在于，
包括：
第一节点向第二节点发送调度请求帧，所述第二节点基于所述调度请求帧反馈调度授权帧，所述第一节点接收所述调度授权帧向所述第二节点发送数据帧，所述第二节点基于所述数据帧向所述第一节点发送确认帧，上述四个帧的帧长度相等且各个帧长度等于预定帧长度，每个帧包括导频信号和信息信号，所述信息信号由源信息进行信道编码和调制获得；
计算各个帧差错概率，基于所述帧差错概率获得数据传输的可靠性参数，基于所述可靠性参数获得吞吐量；并且
当所述可靠性参数不小于预设帧差错概率，所述第一节点的第一总发射能量不大于第一能量阈值且所述第二节点的第二总发射能量不大于第二能量阈值，所述源信息的信息位长度和帧长度满足要求时，基于混合蛙跳-极值优化算法所述第一节点和所述第二节点自适应地分配发射功率和所述导频信号的信号长度，以使所述吞吐量最大化。
2.如权利要求1所述的资源优化方法，其特征在于：
所述源信息包括附加信息位和数据信息位，所述源信息的信息位长度满足ki＝ki,m+ki,d，其中，ki,m表示第i个帧的所述附加信息位的有效载荷位，ki,d表示第i个帧的所述数据信息位的有效载荷位。
3.如权利要求1所述的资源优化方法，其特征在于：
上述四个帧为短帧结构。
4.如权利要求1所述的资源优化方法，其特征在于：
所述帧长度等于所述导频信号与所述信息信号的信号长度之和，第i个帧的帧长度ni满足ni＝ni,p+ni,d，其中，ni,p表示第i个帧的所述导频信号的信号长度，ni,d表示第i个帧的所述信息信号的信号长度。
5.如权利要求1所述的资源优化方法，其特征在于：
所述帧差错概率ε满足其中，k表示所述源信息的信息位长度，n表示所述帧长度，γ表示所述信噪比，C(γ)表示香农容量，V(γ)表示信道分散系数，nd表示所述信息信号的信号长度。
6.如权利要求5所述的资源优化方法，其特征在于：
所述可靠性参数p1满足其中，εi表示第i个所述帧差错概率。
7.如权利要求6所述的资源优化方法，其特征在于：
所述吞吐量R满足R＝p1k3,d/4n，其中，k3,d表示第3个帧的源信息的数据信息位的信息位长度，n表示所述帧长度。
8.如权利要求1所述的资源优化方法，其特征在于：
所述预设帧差错概率表示为1-ε*，故p1≥1-ε*，其中，ε*表示总帧差错概率，各个发射功率表示为Pi,t，各个发射能量表示为Pi,tni，故其中，E1表示第一能量阈值，E2表示第二能量阈值，ni表示第i个帧长度。
9.如权利要求1所述的资源优化方法，其特征在于：
所述混合蛙跳-极值优化算法包括：
设置初始化参数；随机生成包括L个青蛙在内的种群；评估每只青蛙的适应度；判断是否满足收敛准则；当满足收敛准则时，获得最优的输出参数并结束进程；当不满足收敛准则时，将L个青蛙相应的适应值按照降序排序；构造多组青蛙和子模因复合体；对于每组青蛙，在每个青蛙的偶然极值优化过程中进行局部搜索；对所有青蛙进行局部复位。
10.如权利要求1所述的资源优化方法，其特征在于：
所述初始化参数包括所述发射功率和所述导频信号的信号长度，所述输出参数包括所述发射功率和所述导频信号的信号长度。
CN201910165591.0A 2019-03-05 2019-03-05 基于启发式算法的固定帧长度的urllc系统的资源优化方法 Active CN109982433B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910165591.0A CN109982433B (zh) 2019-03-05 2019-03-05 基于启发式算法的固定帧长度的urllc系统的资源优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910165591.0A CN109982433B (zh) 2019-03-05 2019-03-05 基于启发式算法的固定帧长度的urllc系统的资源优化方法

Publications (2)

Publication Number Publication Date
CN109982433A true CN109982433A (zh) 2019-07-05
CN109982433B CN109982433B (zh) 2020-01-07

Family

ID=67077962

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910165591.0A Active CN109982433B (zh) 2019-03-05 2019-03-05 基于启发式算法的固定帧长度的urllc系统的资源优化方法

Country Status (1)

Country Link
CN (1) CN109982433B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113572635A (zh) * 2021-07-08 2021-10-29 佳源科技股份有限公司 一种电力载波高效载荷数据收发机制
CN114265556A (zh) * 2021-12-22 2022-04-01 杭州乒乓智能技术有限公司 一种数据存储方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102665183A (zh) * 2012-04-23 2012-09-12 东南大学 一种在无线系统中传输m2m业务的自适应帧长计算方法
US20130294247A1 (en) * 2010-12-16 2013-11-07 Datang Mobile Communications Equipment Co., Ltd. Resource scheduling method, apparatus and base station
CN106385709A (zh) * 2016-10-31 2017-02-08 宇龙计算机通信科技(深圳)有限公司 资源调度方法及资源调度装置
CN108024347A (zh) * 2016-11-04 2018-05-11 华为技术有限公司 下行信息传输方法、装置和设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130294247A1 (en) * 2010-12-16 2013-11-07 Datang Mobile Communications Equipment Co., Ltd. Resource scheduling method, apparatus and base station
CN102665183A (zh) * 2012-04-23 2012-09-12 东南大学 一种在无线系统中传输m2m业务的自适应帧长计算方法
CN106385709A (zh) * 2016-10-31 2017-02-08 宇龙计算机通信科技(深圳)有限公司 资源调度方法及资源调度装置
CN108024347A (zh) * 2016-11-04 2018-05-11 华为技术有限公司 下行信息传输方法、装置和设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵芳菲: "面向5G的低时延高可靠通信关键技术的研究与仿真", 《中国硕士学位论文全文数据库信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113572635A (zh) * 2021-07-08 2021-10-29 佳源科技股份有限公司 一种电力载波高效载荷数据收发机制
CN114265556A (zh) * 2021-12-22 2022-04-01 杭州乒乓智能技术有限公司 一种数据存储方法及装置
CN114265556B (zh) * 2021-12-22 2023-08-11 杭州乒乓智能技术有限公司 一种数据存储方法及装置

Also Published As

Publication number Publication date
CN109982433B (zh) 2020-01-07

Similar Documents

Publication Publication Date Title
Miao et al. Fundamentals of mobile data networks
US20200045683A1 (en) System and Method for Virtual Multi-Point Transceivers
US8009581B2 (en) Method in a scheduler for reducing inter-cell interference
JP5223300B2 (ja) 干渉レベルに基づいてリユースパターンを発生させる方法、装置及びシステム
US7872977B2 (en) Multi-criteria optimization for relaying in multi-hop wireless ad hoc and sensor networks
US20100246549A1 (en) System and Methods for Distributed Medium Access Control and QOS Scheduling in Mobile Ad-Hoc Networks
CN101933384B (zh) 用于用户内服务质量上行链路调度的方法和装置
TW201605185A (zh) 用以在多格網路中排程無線裝置間通訊以減低與全雙工通訊相關之干擾之系統及方法
US8031615B2 (en) Balancing clusters of a wireless mesh network
JP2008172762A (ja) 負荷レベルに基づいてリユースパターンを発生させる方法、装置及びシステム
Elsayed et al. Reinforcement learning-based joint power and resource allocation for URLLC in 5G
US20190200373A1 (en) Methods and devices for resource scheduling in wireless communication systems
CN109982433A (zh) 基于启发式算法的固定帧长度的urllc系统的资源优化方法
JP2005341231A (ja) ルーティング方法およびそれを利用した無線装置
CN104901732B (zh) 一种密集节点配置系统中的导频复用方法
Hoang et al. Cross-layer adaptive transmission: Optimal strategies in fading channels
CN109769258A (zh) 基于安全urllc通信协议的资源优化方法
Khuntia et al. An actor-critic reinforcement learning for device-to-device communication underlaying cellular network
Oh et al. A cross-layer adaptation HCCA MAC for QoS-aware H. 264 video communications over Wireless Mesh Networks
CN109699040B (zh) 基于启发式算法的重传机制的urllc系统的资源优化方法
JP2009194881A (ja) 無線基地局制御装置および無線基地局制御方法
US7620002B2 (en) Apparatus and method for controlling multiplex number in spatial domain
CN109788568B (zh) 基于启发式算法的可变帧长度的感知网络资源优化方法
CN109699039A (zh) 基于启发式算法的相等帧长度的感知网络资源优化方法
CN109788569A (zh) 基于启发式算法的感知网络资源优化方法

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