CN110225524A - 一种基于5g下行链路数据传输的方法 - Google Patents

一种基于5g下行链路数据传输的方法 Download PDF

Info

Publication number
CN110225524A
CN110225524A CN201910454284.4A CN201910454284A CN110225524A CN 110225524 A CN110225524 A CN 110225524A CN 201910454284 A CN201910454284 A CN 201910454284A CN 110225524 A CN110225524 A CN 110225524A
Authority
CN
China
Prior art keywords
mbs
base station
network
file
transmission
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
CN201910454284.4A
Other languages
English (en)
Other versions
CN110225524B (zh
Inventor
周继鹏
梁谦勇
崔林
邓玉辉
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.)
Jinan University
Original Assignee
Jinan 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 Jinan University filed Critical Jinan University
Priority to CN201910454284.4A priority Critical patent/CN110225524B/zh
Publication of CN110225524A publication Critical patent/CN110225524A/zh
Application granted granted Critical
Publication of CN110225524B publication Critical patent/CN110225524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本发明公开了一种基于5G下行链路数据传输的方法，该发明结合5G超密集网络和移动边缘计算技术，构建基于5G移动边缘云的宏小区内三层基站的超密集蜂窝网络架构，并提出一个简单的信道分配方法。该方法包括：对宏蜂窝系统网络架构的搭建，对用户设备请求文件在边缘服务器的查找，对可能链路中传输节点(基站)发射信道的预分配，对当前用户设备可能的全部下行链路基于文件传输完成时延采用迪杰斯特拉算法计算最短时延和进行最佳路由选择，并在最佳路由的链路上进行大容量文件的数据传输。该方法可以最大限度地提高受限于物理资源的5G边缘云网络传输时延的收益，解决5G网络的热点区域容量和用户在线获取大容量文件的数据传输速率问题。

Description

一种基于5G下行链路数据传输的方法
技术领域
本发明涉及基于5G超密集蜂窝网络和移动边缘云数据传输的技术领域，具体涉及一种基于5G下行链路数据传输的方法。
背景技术
目前大多数基于5G异构网络和移动边缘计算进行数据传输算法研究的主要分为两类：基于信道干扰的数据传输算法和基于缓存策略的数据传输算法。文献[An efficientmethod for mobile big data transfer over HetNet in emerging 5G systems]属于基于信道干扰的数据传输算法，提出了一种用于移动大数据的高效数据传输方法以及数据校正技术，来增加新兴5G系统中用户设备的执行能力。文中采用异构网络结合移动边缘计算的思想，形成分层的架构，并利用信号与干扰加噪声比(SINR)，得到用户与多云的连接，根据连接链路的速率分配传输文件的大小，得到传输时间与延迟。但是没有考虑多连接时，信道干扰和信道数量问题。文献[Cooperative video transmission strategies viacaching in small-cell networks]属于基于缓存策略的数据传输算法，为了解决高回程成本、低体验质量和传输干扰问题，使用分离码元技术，将每个视频文件编码成段；然后，每个片段的一部分被高速缓存在某个小蜂窝基站处，使得小蜂窝基站可以协作地将这些片段发送给用户而不会产生高回程成本。当网络中只有一个活动用户时，利用贪心算法思想，将具有良好信道状态的小蜂窝基站的视频文件片段，传送给用户进行实时观看视频，这可以减少视频中断并提高体验质量。当存在多个活动用户时，它们之间会出现干扰。为了处理干扰，采用干扰对齐(IA)方法。基于单个用户的方案，将贪心算法和干扰对齐结合起来以将视频文件片段传输给这些用户。但文中并没有考虑较低流行度文件的传输问题，这是不合理的；其次文件分段在不同的基站回传，大大增加了控制中心的计算量，可能使控制中心超过负载。
而且目前还没有一种技术基于移动边缘云服务器的5G超密集蜂窝网络宏小区内三层基站系统模型下研究下行链路数据传输问题。
发明内容
本发明的目的是为了解决未来5G网络中宏小区内用户设备请求文件下行链路数据传输时延过大的问题，提供一种基于5G下行链路数据传输的方法。
面对智能手机、平板电脑和其它各种无线移动设备快速增多而导致的移动流量增长、频谱资源短缺等网络问题，人们提出了在宏蜂窝小区边缘部署大量小蜂窝站点，包括微蜂窝小区和毫微微蜂窝小区。小型蜂窝的大规模部署对于支持移动用户设备所需的大容量，以及向未许可频带接入技术扩展至关重要，从而产生异构网络的概念。5G架构通过引入异构网络，大规模部署不同类型的蜂窝(宏蜂窝，微蜂窝，微微蜂窝和毫微微蜂窝)来实现网络密集化。这种致密化方法已经在现有的无线蜂窝网络中采用，特别是4G LTE系统，其基本上产生了多层蜂窝异构网络，而超密集网络是异构网络的一种演变。由此，可以形成5G超密集蜂窝网络。
对于5G超密集蜂窝网络，宏蜂窝基站发送管理数据，小蜂窝基站负责用户数据传输。而多输入多输出和毫米波技术，为解决未来5G超密集网络的许多技术挑战，提供了重要手段，并且可以与当前的网络和接入技术无缝集成。由于毫米波具有极短的波长，因此可以将大量天线元件封装在一起，这有助于在基站和用户设备处实现大规模多输入多输出。特别地，毫米波频段可以用于室外基站和用户设备之间的前程链路或用于支持室内高速无线应用(例如，高分辨率多媒体流)。
由于小蜂窝的覆盖范围有限，中断、切换之类的移动性事件发生概率很高。频繁的移动性事件导致无线电接入网络的巨大信令开销。人们提出了双连接技术，其核心思想是用户设备可以同时连接到宏蜂窝和小蜂窝，这有助于改善用户设备的通信速率。具有较大覆盖范围的宏基站通常用作主基站，当用户设备从主基站覆盖范围内的一个小蜂窝移动到另一小蜂窝时，不会引起硬切换。双连接技术可以分离控制平面和数据平面。控制平面信令可以由宏蜂窝提供，例如LTE上的语音，以及低速率数据或需要广覆盖的数据；高速率数据可以由高容量的小蜂窝组成的数据平面提供服务。
传统的集中式处理模式是以云计算为核心的大数据计算与存储，这种处理方式不占用其他计算资源和存储资源，所有的处理过程均在远程的数据云中心实现。由于移动数据流量快速增长，宏基站的频谱有限、带宽不够，所以依靠部署大量的小型蜂窝站点来解决。然而，移动运营商面临着小型蜂窝站点的流量回传到核心网的挑战，回程链路压力很大，这会引入显着的执行延迟。为了解决延迟问题，提出将流行内容缓存在本地小蜂窝网络，形成移动边缘云网络，即移动边缘计算。移动边缘计算为云计算能力与移动设备在物理距离上非常接近，并通过将文件缓存或计算任务卸载到相邻的边缘云服务器，而不依赖于远程云；实现用户设备与大规模计算和存储资源丰富的基础架构低延迟连接。
本发明的目的可以通过采取如下技术方案达到：
一种基于5G下行链路数据传输的方法，该方法包括以下步骤：
首先构建5G超密集蜂窝网络，按照小区覆盖范围的大小，可以将小区分成宏小区、小小区、微小区，异构网络不同覆盖范围小区相互重叠覆盖，形成异构分层无线网络。在宏蜂窝网络小区中，通过布放大量低功率的小基站(微蜂窝)、微基站(微微蜂窝、毫微微蜂窝)等非标准六边形蜂窝基站接入点，形成低功率节点层，组成超密集分层蜂窝网络，每一层大量重用已有频谱资源，增强总的等效功率资源，并对微基站有针对性地按需部署、就近接入，来满足热点地区对容量的需求。
本发明只考虑蜂窝网络中的单个宏小区，它包含一个位于小区中心的宏基站(MBS)，还有多个散布在宏小区内的小基站(SBS)和微基站(FBS)，FBS散落在SBS的范围内，用户设备(UE)随机的分布在整个宏小区中，形成三层基站的超密集蜂窝网络。MBS覆盖的区域、SBS覆盖的区域与FBS覆盖的区域相互重叠，本文假设不同层级的基站采用异频传输，即不同层级采用不同的无线电频谱，以避免跨层干扰；在相同层基站使用相同的频段，以节约频谱资源。MBS或SBS一般采用低中频波，依次增高，FBS可能采用毫米波频段；因此，异层的基站之间不存在同频干扰。MBS通过具有固定容量的有线回程链路连接到核心网络，进而接入互联网络。本文假设SBS与MBS之间通过有线传输链路连接，FBS与UE、SBS与FBS之间通过无线传输链路连接到网络。
网络侧采用集中式的网络架构，本文假设同层的基站之间不可以进行通信，异层的基站只能同自己相关联的父结点或子结点通信(在可传输的范围之内均可以进行通信)。部署在MBS的中央控制器来控制整个宏小区网络，提供本地化的智能管理功能，包括本地网络设备的关联方案、文件的缓存策略、终端设备在线请求文件的查找、信道与带宽的分配和下行链路的路由选择。每个基站都配备具有存储和计算能力的边缘云服务器。边缘云服务器之间根据不同的缓存策略，存储有不同的文件内容，实现移动网络的智能内容分发技术。每个边缘云服务器对于相同的文件最多缓存一份，以最大限度的缓存更多的文件，提高网络整体的传输效率和用户的体验质量。
UE可以同时具有两个连接，利用两个不同基站提供的无线电资源，它克服了高频率移动事件引起的不利问题。当UE进入MBS的传输范围，通过上行链路的控制信道发送控制指令与少量数据，连接到MBS，并受到MBS的服务与监控；通过下行链路的数据信道经过多层中转基站进行大容量数据传输，每个UE可以连接到多个不同的FBS。
利用固移融合的思想，构建超密集蜂窝网络系统模型。MBS位于小区中央，SBS均匀的固定分布在MBS的四周，为了使超密集蜂窝网络系统的性能更好，采用著名的K-means算法来对全部UE的位置进行聚类，以识别设备集合中心位置，放置FBS；根据网络设备之间的地理距离确定它们之间的关联性，得到系统的逻辑结构图(LSG)。
MBS中的中央控制器根据UE的请求文件信息，在宏小区内基站的云服务器中，查找请求文件所处边缘服务器的所有位置和大小；如果当前宏小区的云服务器中不存在请求目标文件，则MBS通过远程核心网甚至互联网获得，此时假定目标文件所在位置默认为MBS；如果请求目标文件在本地云服务器中存在，则可以直接传送给UE。为了便于文件查找，认为一个边缘云服务器只与地理位置上距离最近的上层边缘云服务器连接，即每一个FBS边缘服务器都有唯一的父结点SBS边缘服务器，那么基站中的云服务器之间逻辑上为树型结构；构造云服务器之间的逻辑结构树，采用树的层次遍历算法来得到位于基站处的云服务器的顺序集合，然后针对集合里的每一个云服务器查找是否匹配UE请求的文件，得到所在云服务器的位置。
中央控制器根据请求文件所在网络架构中边缘服务器的位置，找到可能的全部传输路径，确定UE请求文件所在对应的基站至UE之间可能的传输链路中所有的传输节点(基站)。中央控制器根据当前的网络状态，基于系统的约束条件和用户的公平性，对所有传输链路预分配可用信道和带宽。
本发明采用静态分配子信道带宽的方法，即同层中每个基站下行链路的子信道数和每一个子信道带宽既是固定的也是相同的；基于公平性，给每一个用户设备最多分配1个子信道。为了避免信道干扰，信道分配算法为：判断接收机是否有相关联的活跃发射机，如果有，遍历所有与接收机bh相关联的活跃发射机的在用子信道集合，找到发射机ag每个子信道的冲突时延情况。所有与接收机bh相关联的活跃发射机每个在用子信道的最大时延，就是发射机ag每个子信道的拥塞时延，将发射机ag拥塞时延最小的子信道预分配给链路如果没有相关联的活跃发射机，则无法预分配信道。利用信道分配算法，计算出可能的传输链路中传输节点(基站)预分配的信道信息，包括子信道的序号、带宽、在用时隙数。
以下信道分配算法思想描述中央控制器对可能的传输链路中每一个传输节点(基站)发射信道预分配的过程。首先判断接收机是否有相关联的活跃发射机，如果有，遍历所有与接收机bh相关联的活跃发射机的在用子信道集合，找到发射机ag每个子信道的冲突时延情况。所有与接收机bh相关联的活跃发射机每个在用子信道的最大时延，就是发射机ag每个子信道的拥塞时延；然后将发射机ag拥塞时延最小的子信道预分配给此链路。如果没有相关联的活跃发射机，则无法预分配信道。
中央控制器根据超密集蜂窝网络系统模型的逻辑结构图，获得全部可传输的信息流图，然后根据有关的链路信息，包括传输节点拥塞状态、传输路径预分配信道信息等，计算每段可能链路的传输时延，将此作为链路的权值，构建局部带有权值的信息路径图；每段可能链路的传输时延，为UE请求文件传输完成的时延加上当前链路的拥塞时延；而如果边缘云服务器存在缓存，则边缘云服务器所在基站的所有上层链路的传输时延都为0；由此，得到以MBS为起点、以UE为终点的局部基于时延的带有权值的信息路径图。
中央控制器针对局部带有权值的信息路径图，对当前用户设备可能的全部下行链路，基于文件传输完成时延，采用迪杰斯特拉算法计算最短时延，进行最佳路由选择；然后，UE在最佳路由的链路上进行大容量文件的数据传输。
本发明相对于现有技术具有如下的优点及效果：
(1)本发明为了满足5G网络的热点区域容量和数据速率需求，考虑构建移动边缘云的超密集蜂窝网络，提出了基于边缘云服务器的宏小区内三层基站的系统模型，可以适用于生活中大多数高要求的应用场景；
(2)本发明提出了一个简单的信道分配方法，有效地解决了同层干扰问题，提高了信道利用率；
(3)针对提出的基于边缘云服务器的宏小区内三层基站的系统模型，本发明构造当前UE基于网络架构的信息流图，并根据信道分配算法思想，得到所有可能的传输节点(基站)预分配发射信道信息，构造带有权值的信息路径图；
(4)对每一个宏小区的UE，对可能的全部下行链路，基于文件传输完成时延，采用迪杰斯特拉算法，计算最短时延和进行最佳路由选择，最大限度地提高受限于物理资源的数据传输时延的收益，提升网络整体的系统性能和用户的体验质量。
附图说明
图1是本发明公开的一种基于5G下行链路数据传输的方法流程图；
图2是本发明的系统模型；
图3是本发明的模拟网络平面图；
图4是本发明的网络架构图；
图5是本发明的局部信息流图；
图6是本发明的局部信息路径图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
本实施例公开了一种基于5G下行链路数据传输的方法，该方法结合5G超密集网络和移动边缘计算技术，构建基于5G移动边缘云网络的宏小区内三层基站的超密集蜂窝网络，并提出一个简单的信道分配算法。该方法具体包括：对宏小区系统网络架构的搭建，对用户设备请求文件在边缘服务器的查找，对可能链路中传输节点(基站)发射信道的预分配，对当前用户设备可能的全部下行链路基于文件传输完成时延采用迪杰斯特拉算法计算最短时延和进行最佳路由选择，并在最佳路由的链路上进行大容量文件的数据传输。该方法可以最大限度地提高受限于物理资源的5G边缘云网络传输时延的收益，解决5G网络的热点区域容量和用户在线获取大容量文件的数据传输速率问题。下面结合图1中本发明公开的一种基于5G下行链路数据传输的方法流程图，具体说明本发明的方案。
首先构建5G超密集蜂窝网络，按照小区覆盖范围的大小，可以将小区分成宏小区、小小区、微小区，异构网络不同覆盖范围小区相互重叠覆盖，形成异构分层无线网络。在宏蜂窝网络小区中，通过布放大量低功率的小基站(微蜂窝)、微基站(微微蜂窝、毫微微蜂窝)等非标准六边形蜂窝基站接入点，形成低功率节点层，组成超密集分层蜂窝网络，每一层大量重用已有频谱资源，增强总的等效功率资源，并对微基站有针对性地按需部署、就近接入，来满足热点地区对容量的需求。本次实施例为蜂窝网络中的单个宏小区，它包含一个位于小区中心的宏基站(MBS)，还有多个散布在宏小区内的小基站(SBS)和微基站(FBS)，FBS散落在SBS的范围内，用户设备(UE)随机的分布在整个宏小区中，形成三层基站的超密集蜂窝网络。MBS覆盖的区域、SBS覆盖的区域与FBS覆盖的区域相互重叠，本实施例假设不同层级的基站采用异频传输，即不同层级采用不同的无线电频谱，以避免跨层干扰；在相同层基站使用相同的频段，以节约频谱资源。MBS或SBS一般采用低中频波，依次增高，FBS可能采用毫米波频段；因此，异层的基站之间不存在同频干扰。MBS通过具有固定容量的有线回程链路连接到核心网络，进而接入互联网络。本实施例假设SBS与MBS之间通过有线传输链路连接，FBS与UE、SBS与FBS之间通过无线传输链路连接到网络，如图2所示。
网络侧采用集中式的网络架构，本实施例假设同层的基站之间不可以进行通信，异层的基站只能同自己相关联的父结点或子结点通信(在可传输的范围之内均可以进行通信)。部署在MBS的中央控制器来控制整个宏小区网络，提供本地化的智能管理功能，包括本地网络设备的关联方案、文件的缓存策略、终端设备在线请求文件的查找、信道与带宽的分配和下行链路的路由选择。每个基站都配备具有存储和计算能力的边缘云服务器。边缘云服务器之间根据不同的缓存策略，存储有不同的文件内容，实现移动网络的智能内容分发技术。每个边缘云服务器对于相同的文件最多缓存一份，以最大限度的缓存更多的文件，提高网络整体的传输效率和用户的体验质量。
UE可以同时具有两个连接，利用两个不同基站提供的无线电资源，它克服了高频率移动事件引起的不利问题。当UE进入MBS的传输范围，通过上行链路的控制信道发送控制指令与少量数据，连接到MBS，并受到MBS的服务与监控；通过下行链路的数据信道经过多层中转基站进行大容量数据传输，每个UE可以连接到多个不同的FBS。
MBS位于小区中央，SBS均匀的固定分布在MBS的四周，为了使超密集蜂窝网络系统的性能更好，采用著名的K-means算法来对全部UE的位置进行聚类，以识别设备集合中心位置，放置FBS；模拟网络平面图，如图3所示。根据网络设备之间的地理距离确定它们之间的关联性，得到系统的网络架构，如图4所示。系统宏小区内UE局部的信息流图，如图5所示。
MBS中的中央控制器根据UE的请求文件信息，在宏小区内基站的云服务器中，查找请求文件所处边缘服务器的所有位置和大小；如果当前宏小区的云服务器中不存在请求目标文件，则MBS通过远程核心网甚至互联网获得，此时假定目标文件所在位置默认为MBS；如果请求目标文件在本地云服务器中存在，则可以直接传送给UE。为了便于文件查找，认为一个边缘云服务器只与地理位置上距离最近的上层边缘云服务器连接，即每一个FBS边缘服务器都有唯一的父结点SBS边缘服务器，那么基站中的云服务器之间逻辑上为树型结构；构造云服务器之间的逻辑结构树，采用树的层次遍历算法来得到位于基站处的云服务器的顺序集合，然后针对集合里的每一个云服务器查找是否匹配UE请求的文件，得到所在云服务器的位置。
中央控制器根据请求文件所在网络架构中边缘服务器的位置，找到可能的全部传输路径，确定UE请求文件所在对应的基站至UE之间可能的传输链路中所有的传输节点(基站)。中央控制器根据当前的网络状态，基于系统的约束条件和用户的公平性，对所有传输链路预分配可用信道和带宽。采用静态分配子信道带宽的方法，即同层中每个基站下行链路的子信道数和每一个子信道带宽既是固定的也是相同的；基于公平性，给每一个用户设备最多分配1个子信道。为了避免信道干扰，信道分配算法为：判断接收机是否有相关联的活跃发射机，如果有，遍历所有与接收机bh相关联的活跃发射机的在用子信道集合，找到发射机ag每个子信道的冲突时延情况。所有与接收机bh相关联的活跃发射机每个在用子信道的最大时延，就是发射机ag每个子信道的拥塞时延，将发射机ag拥塞时延最小的子信道预分配给链路如果没有相关联的活跃发射机，则无法预分配信道。利用信道分配算法，计算出可能的传输链路中传输节点(基站)预分配的信道信息，包括子信道的序号、带宽、在用时隙数。
中央控制器根据系统的网络架构，获得全部可传输的信息流图，然后根据有关的链路信息，包括传输节点拥塞状态、传输路径预分配信道信息等，计算每段可能链路的传输时延，将此作为链路的权值，构建局部带有权值的信息路径图；每段可能链路的传输时延，为UE请求文件传输完成的时延加上当前链路的拥塞时延；而如果边缘云服务器存在缓存，则边缘云服务器所在基站的所有上层链路的传输时延都为0。由此，得到以MBS为起点、以UE为终点的局部基于时延的带有权值的信息路径图，如图6所示。
中央控制器针对局部带有权值的信息路径图，对当前用户设备可能的全部下行链路，基于文件传输完成时延，采用迪杰斯特拉算法计算最短时延，进行最佳路由选择；然后，UE在最佳路由的链路上进行大容量文件的数据传输。则图6的路由为f2→u1。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种基于5G下行链路数据传输的方法，其特征在于，所述的方法包括下列步骤：
S1、构建5G超密集蜂窝网络，假设单个宏小区包含一个位于小区中心的MBS、以及多个散布在宏小区内的SBS和FBS，其中，FBS散落在SBS的范围内，UE随机的分布在整个宏小区中，形成集中式三层基站层次结构的超密集蜂窝网络系统模型，其中，宏基站简称MBS，小基站简称SBS，微基站简称FBS，用户设备简称UE；
S2、根据MBS覆盖的区域、SBS覆盖的区域与FBS覆盖的区域相互重叠，超密集蜂窝网络采用有存储与计算能力的全功能基站组，即每个基站都配备具有缓存和计算能力的服务器；部署在MBS处的中央控制器控制整个宏小区网络，提供本地化的智能管理功能；不同层级的基站采用异频传输，只能同自己的父结点与子结点在传输范围之内通信；相同层基站使用相同的频段，且相互之间不可以通信；MBS通过具有固定容量的有线链路连接到核心网络，进而接入互联网络；SBS与MBS之间通过有线传输链路连接，SBS与UE、SBS与FBS之间通过无线传输链路连接到网络；
S3、UE进入MBS的传输范围，通过上行链路的控制信道发送控制指令与少量数据，连接到MBS，并受到MBS的服务与监控；通过下行链路的数据信道经过多层中转基站进行大容量数据传输，每个UE可以连接到多个不同的FBS；
S4、MBS中的中央控制器根据UE的请求文件信息，在宏小区内基站的云服务器中，查找请求文件所处边缘服务器的所有位置和大小；如果当前宏小区的云服务器中不存在请求目标文件，则MBS通过远程核心网甚至互联网获得，此时假定目标文件所在位置默认为MBS；如果请求目标文件在本地云服务器中存在，则直接传送给UE；
S5、中央控制器根据请求文件所在网络架构中边缘服务器的位置，找到可能的全部传输路径，结合当前的网络状态，利用信道分配算法，计算出可能的传输链路中传输节点预分配的信道信息，包括子信道的序号、带宽、在用时隙数；
S6、中央控制器获得全部可传输的路径信息，包括传输节点拥塞状态、传输路径预分配信道信息，计算每段可能链路的传输时延，将此作为链路的权值，构建局部带有权值的信息路径图；
S7、中央控制器针对局部带有权值的信息路径图，对当前用户设备可能的全部下行链路，基于文件传输完成时延，采用迪杰斯特拉算法计算最短时延，进行最佳路由选择；然后，UE在最佳路由的链路上进行大容量文件的数据传输。
2.根据权利要求1所述的一种基于5G下行链路数据传输的方法，其特征在于，所述的步骤S1、构建5G超密集蜂窝网络中，利用固移融合的思想，假设MBS位于小区中央，SBS均匀的固定分布在MBS的四周，采用K-means算法对全部UE的位置进行聚类，以识别设备集合中心位置，放置FBS；根据网络设备之间的地理距离确定MBS、SBS、FBS以及UE之间的关联性。
3.根据权利要求1所述的一种基于5G下行链路数据传输的方法，其特征在于，所述的步骤S4中，假设一个边缘云服务器只与地理位置上距离最近的上层边缘云服务器连接，即每一个FBS边缘服务器都有唯一的父结点SBS边缘服务器，那么基站中的云服务器之间逻辑上为树型结构；构造云服务器之间的逻辑结构树，采用树的层次遍历算法来查找UE请求文件所在云服务器的位置。
4.根据权利要求1所述的一种基于5G下行链路数据传输的方法，其特征在于，所述的步骤S5中，采用静态分配子信道带宽的方法，假设同层中每个基站下行链路的子信道数和每一个子信道带宽既是固定的也是相同的；基于公平性，给每一个用户设备最多分配1个子信道。
5.根据权利要求4所述的一种基于5G下行链路数据传输的方法，其特征在于，所述的信道分配算法具体如下：
首先判断接收机是否有相关联的活跃发射机，如果有，遍历所有与接收机bh相关联的活跃发射机的在用子信道集合，找到发射机ag每个子信道的冲突时延情况，所有与接收机bh相关联的活跃发射机每个在用子信道的最大时延，就是发射机ag每个子信道的拥塞时延，然后将发射机ag拥塞时延最小的子信道预分配给链路如果没有相关联的活跃发射机，则无法预分配信道。
6.根据权利要求1所述的一种基于5G下行链路数据传输的方法，其特征在于，所述的步骤S6中，每段可能链路的传输时延为UE请求文件传输完成的时延加上当前链路的拥塞时延；而如果边缘云服务器存在缓存，则上层链路的传输时延为0；由此，得到以MBS为起点、以UE为终点的局部基于时延的带有权值的信息路径图。
CN201910454284.4A 2019-05-29 2019-05-29 一种基于5g下行链路数据传输的方法 Active CN110225524B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910454284.4A CN110225524B (zh) 2019-05-29 2019-05-29 一种基于5g下行链路数据传输的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910454284.4A CN110225524B (zh) 2019-05-29 2019-05-29 一种基于5g下行链路数据传输的方法

Publications (2)

Publication Number Publication Date
CN110225524A true CN110225524A (zh) 2019-09-10
CN110225524B CN110225524B (zh) 2022-11-11

Family

ID=67818552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910454284.4A Active CN110225524B (zh) 2019-05-29 2019-05-29 一种基于5g下行链路数据传输的方法

Country Status (1)

Country Link
CN (1) CN110225524B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110505644A (zh) * 2019-09-26 2019-11-26 江南大学 5g超密集异构网络下的用户任务卸载与资源分配联合优化方法
CN111181611A (zh) * 2019-12-25 2020-05-19 深圳大学 一种数据传输处理方法及系统
CN111556511A (zh) * 2020-03-30 2020-08-18 西北大学 一种基于智能边缘缓存的部分机会性干扰对齐方法
CN112671880A (zh) * 2020-12-18 2021-04-16 中国科学院上海高等研究院 分布式内容缓存和寻址方法、系统、介质、宏基站及微基站
CN113965956A (zh) * 2021-09-27 2022-01-21 江苏大学 蜂窝网络下d2d通信的信道与功率联合动态分配方法
WO2022052521A1 (zh) * 2020-09-14 2022-03-17 华为技术有限公司 通信的方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107333267A (zh) * 2017-06-23 2017-11-07 电子科技大学 一种用于5g超密集组网场景的边缘计算方法
WO2018009548A1 (en) * 2016-07-05 2018-01-11 Idac Holdings, Inc. A wireless network configured to provide mixed services
CN107770828A (zh) * 2017-11-10 2018-03-06 重庆邮电大学 一种基于本地移动性切换管理方法
CN108667653A (zh) * 2018-04-17 2018-10-16 东南大学 超密集网络中基于聚类的缓存配置方法及装置
CN108964806A (zh) * 2018-08-01 2018-12-07 重庆邮电大学 一种带内全双工系统无线接入与回传联合资源分配方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018009548A1 (en) * 2016-07-05 2018-01-11 Idac Holdings, Inc. A wireless network configured to provide mixed services
CN107333267A (zh) * 2017-06-23 2017-11-07 电子科技大学 一种用于5g超密集组网场景的边缘计算方法
CN107770828A (zh) * 2017-11-10 2018-03-06 重庆邮电大学 一种基于本地移动性切换管理方法
CN108667653A (zh) * 2018-04-17 2018-10-16 东南大学 超密集网络中基于聚类的缓存配置方法及装置
CN108964806A (zh) * 2018-08-01 2018-12-07 重庆邮电大学 一种带内全双工系统无线接入与回传联合资源分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张海波等: "宏-飞蜂窝双层网络中基于毫微微基站分组的资源分配", 《计算机应用》 *
迂姗姗: ""5G超密集网络组网与回程技术研究"", 《中国优秀硕士学位论文全文数据库，信息科技辑(月刊)》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110505644A (zh) * 2019-09-26 2019-11-26 江南大学 5g超密集异构网络下的用户任务卸载与资源分配联合优化方法
CN111181611A (zh) * 2019-12-25 2020-05-19 深圳大学 一种数据传输处理方法及系统
WO2021128486A1 (zh) * 2019-12-25 2021-07-01 深圳大学 一种数据传输处理方法及系统
CN111556511A (zh) * 2020-03-30 2020-08-18 西北大学 一种基于智能边缘缓存的部分机会性干扰对齐方法
CN111556511B (zh) * 2020-03-30 2022-05-17 西北大学 一种基于智能边缘缓存的部分机会性干扰对齐方法
WO2022052521A1 (zh) * 2020-09-14 2022-03-17 华为技术有限公司 通信的方法和装置
CN112671880A (zh) * 2020-12-18 2021-04-16 中国科学院上海高等研究院 分布式内容缓存和寻址方法、系统、介质、宏基站及微基站
CN112671880B (zh) * 2020-12-18 2022-08-16 中国科学院上海高等研究院 分布式内容缓存和寻址方法、系统、介质、宏基站及微基站
CN113965956A (zh) * 2021-09-27 2022-01-21 江苏大学 蜂窝网络下d2d通信的信道与功率联合动态分配方法
CN113965956B (zh) * 2021-09-27 2024-04-09 江苏大学 蜂窝网络下d2d通信的信道与功率联合动态分配方法

Also Published As

Publication number Publication date
CN110225524B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN110225524A (zh) 一种基于5g下行链路数据传输的方法
Zhang et al. Fog radio access networks: Mobility management, interference mitigation, and resource optimization
Wu et al. Beef up mmWave dense cellular networks with D2D-assisted cooperative edge caching
CN103442369B (zh) 一种广域覆盖场景下的灵活组网方法
Liu et al. A 25 Gb/s (/km 2) urban wireless network beyond IMT-advanced
Chowdhury et al. Integrated RF/optical wireless networks for improving QoS in indoor and transportation applications
CN106714093B (zh) 一种蜂窝d2d通信联合用户接入及切片划分方法
CN106507393B (zh) 一种基于综合开销函数的接入选择方法
Liu et al. Device-to-device communication for mobile multimedia in emerging 5G networks
Sun et al. Heterogeneous network: An evolutionary path to 5G
CN112437156B (zh) 一种基于mec-d2d的分布式协同缓存方法
CN109526042A (zh) 一种基于owmad的lwa系统的网络接入点选择方法
CN110602722B (zh) 一种基于noma的联合内容推送和传输的设计方法
CN108848521A (zh) 基于基站协作的蜂窝异构网络联合用户关联、内容缓存及资源分配方法
Farooq et al. Understanding 5G wireless cellular network: Challenges, emerging research directions and enabling technologies
CN104618934B (zh) 一种基于吞吐量预测的整体优化中继节点选择方法
Hou et al. Caching and resource allocation in small cell networks
Aljbour et al. An inter/intra slice handover scheme for mobility management in 5G network
Amer et al. Caching at the edge in low latency wireless networks
Aruna Kumari et al. Hierarchical and hybrid cell load balancing in 5G heterogeneous mobile networks
CN108718453A (zh) 一种高密wlan场景下的分区域组网方法
Faruk et al. Energy efficiency of backhauling options for future heterogeneous networks
Mehta et al. Distributed dynamic backhauling in aerial heterogeneous networks
Ningombam et al. Resource-sharing optimization for multicast D2D communications underlaying LTE-A uplink cellular networks
Oztoprak mCSDN: A software defined network based content delivery system with D2D contribution

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