CN115379508A - 载波管理方法、资源分配方法及相关设备 - Google Patents

载波管理方法、资源分配方法及相关设备 Download PDF

Info

Publication number
CN115379508A
CN115379508A CN202110827114.3A CN202110827114A CN115379508A CN 115379508 A CN115379508 A CN 115379508A CN 202110827114 A CN202110827114 A CN 202110827114A CN 115379508 A CN115379508 A CN 115379508A
Authority
CN
China
Prior art keywords
candidate
determining
value
distribution
throughput
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.)
Pending
Application number
CN202110827114.3A
Other languages
English (en)
Inventor
王首峰
于俊逸
高巍
雷胜
杨晓辉
曹楠
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Priority to EP22804968.0A priority Critical patent/EP4324149A1/en
Priority to PCT/KR2022/007071 priority patent/WO2022245114A1/en
Publication of CN115379508A publication Critical patent/CN115379508A/zh
Priority to US18/316,677 priority patent/US20230284194A1/en
Pending legal-status Critical Current

Links

Images

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
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
    • H04L1/0002—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate
    • H04L1/0003—Systems modifying transmission characteristics according to link quality, e.g. power backoff by adapting the transmission rate by switching between different modulation schemes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/0001—Arrangements for dividing the transmission path
    • H04L5/0003—Two-dimensional division
    • H04L5/0005—Time-frequency
    • H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
    • H04L5/001—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT the frequencies being arranged in component carriers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/08—Testing, supervising or monitoring using real traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/04—TPC
    • H04W52/30—TPC using constraints in the total amount of available transmission power
    • H04W52/36—TPC using constraints in the total amount of available transmission power with a discrete range or set of values, e.g. step size, ramping or offsets
    • H04W52/367—Power values between minimum and maximum limits, e.g. dynamic range
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/06—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station
    • H04B7/0613—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission
    • H04B7/0615—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal
    • H04B7/0617—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the transmitting station using simultaneous transmission of weighted versions of same signal for beam forming

Abstract

本申请实施例提供了一种载波管理方法、资源分配方法及相关设备，涉及通信技术领域。载波管理方法包括：接收用户设备UE的接入请求；基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定UE的主载波Pcell。资源分配方法包括：获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略；确定至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息；基于吞吐量信息以及传输时延相关信息，确定目标分配策略；基于目标分配策略分配待分配业务数据。本申请的实施有利于提高传输效率。同时，由电子设备执行的上述方法可以使用人工智能模型来执行。

Description

载波管理方法、资源分配方法及相关设备
技术领域
本申请涉及通信技术领域，具体而言，本申请涉及一种载波管理方法、资源分配方法及相关设备。
背景技术
在移动通信系统中，CA(Carrier Aggregation，载波聚合)可以将多个载波聚合成一个更宽的频谱，得益于更宽的频谱，载波聚合可以提升传输速度，降低延迟。
然而，现有的CA技术中，存在各分量载波CC所需处理业务与实际处理能力不匹配，导致业务数据传输效率低下的问题。
发明内容
本申请提供了一种载波管理方法、资源分配方法及相关设备，该技术方案如下所示：
第一方面，提供了一种载波管理方法，该方法包括：
接收目标用户设备UE的接入请求；
基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell。
第二方面，提供一种资源分配方法，包括：
获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略；
确定所述至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息；
基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略；
基于所述目标分配策略分配所述待分配业务数据。
第三方面，提供了一种载波管理装置，包括：
接收模块，用于接收目标用户设备UE的接入请求；
确定模块，用于基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell。
第四方面，提供了一种资源分配装置，包括：
获取模块，用于获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略；
效果确定模块，用于确定所述至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息；
策略确定模块，用于基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略；
分配模块，用于基于所述目标分配策略分配所述待分配业务数据。
第五方面，提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据第一方面或第二方面所示的方法所对应的操作。
第六方面，提供了一种计算机可读存储介质，存储介质存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面或第二方面所示的方法。
本申请提供的技术方案带来的有益效果是：
在本申请提供的载波管理方法中，在接收到目标UE的接入请求时，基于各候选CC对应的每个RB吞吐量，在候选CC中确定目标UE的Pcell；相对于现有技术仅考虑CC具有的RSRP值进行UE的Pcell选择而言，本申请针对候选CC对应的每个RB吞吐量进行UE的Pcell选择，其中，吞吐量表征数据传输能力；本申请的实施有利于避免过多的UE选择同一CC作为Pcell，即实现离散化的Pcell选择，降低Pcell阻塞的风险，提高数据传输的效率和缩短时延。
在本申请提供的资源分配方法中，在获取到将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略后，可以确定出各候选分配策略对应的吞吐量信息以及传输时延相关信息，进而基于吞吐量信息和传输时延相关信息在至少一个候选分配策略中确定出目标分配策略，并基于目标分配策略分配待分配业务数据；本申请的实施在将待分配业务数据向至少一个候选CC分配时考虑了吞吐量信息和传输时延相关信息，有利于提高业务数据的传输效率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为一个示例中CA技术的方法流程图；
图2为本申请实施例提供的一种载波管理方法的应用环境图；
图3为本申请实施例提供的一种载波管理方法的流程图；
图4为本申请实施例提供的一种CA技术的方法流程图；
图5为本申请实施例提供的一种Pcell选择中的每个RB吞吐量和RSRP影响因素关系示意图；
图6为本申请实施例提供的一种获取每个CC已接入UE数量与PRB利用率的示意图；
图7为本申请实施例提供的一种基于每个RB吞吐量进行Pcell选择的方法流程图；
图8为本申请实施例提供的一种传输效率对比示意图；
图9为本申请实施例提供的一种资源分配方法的流程图；
图10为本申请实施例提供的一种CA技术的方法流程图；
图11为本申请实施例提供的一种多维度业务量分配方法的流程图；
图12为本申请实施例提供的一种基于AI选择规避局部最优解的方法流程图；
图13a为本申请实施例提供的一种求解全局最优分配策略的示意图；
图13b为本申请实施例提供的一种求解全局最优分配策略的示意图；
图14为本申请实施例提供的一种确定迭代方向的示意图；
图15为本申请实施例提供的一种吞吐量计算的方法流程图；
图16为本申请实施例提供的一种不同分布的峰度关系示意图；
图17为本申请实施例提供的一种P值计算结果统计示意图；
图18为本申请实施例提供的另一种传输效率对比示意图；
图19为本申请实施例提供的一种载波管理装置的结构示意图；
图20为本申请实施例提供的一种资源分配装置的结构示意图；
图21为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在载波聚合CA中，参与载波聚合的每一个载波都称为分量载波CC。其中，Pcell(Primary cell，主载波)用于承载信令并管理其他载波的载波，Scell(Secondary cell，辅载波)用于扩展带宽增强速率，Scell可以由Pcell来决定其增加和删除的时间。相对于用户设备UE而言，对于不同UE，工作的主辅载波可以不同，且参与聚合的多个载波不限于同一个基站，也可以来自相邻的基站。
CA(Carrier Aggregation，载波聚合)是增强移动宽带(eMBB，enhanced MobileBroadband)中一种较为受欢迎的技术。运营商需要CA在确保高吞吐量的同时增强覆盖范围。5G的各种频段为CA提供了更多的CC(Component Carrier，分量载波)。但是，当前的CA技术中，不灵活的CC选择会导致UE传输速率急剧下降，并且UE会承受较长的流量时延和低吞吐量。
下面结合图1对CA技术进行说明：
步骤①测量：UE周期性的测量所有gNB的每个CC上在UE接收的RSRP(ReferenceSignal Received Power，参考信号接收功率)并上报给该UE在idle空闲态接入的gNB(5G中基站在3GPP中被称为gNB)。
步骤②小区选择：具有最高RSRP的CC被选为该UE的主小区(Pcell)。Pcell可以像其他辅小区Scell一样传输UE的业务数据，但是Pcell同时还负责传输UE的控制信令。
步骤③业务请求：当UE有业务需要传输时，UE向gNB发起业务请求。
步骤④Scell激活：满足下述条件时，Scell会被激活用于加速UE的数据传输。在UE业务请求高于某个门限值时,无线信道条件优于某个门限值,则该UE支持CA功能。
步骤⑤业务量估计：基于CC历史吞吐量数据，计算CA中每个CC的业务量估计值。步骤⑤的功能是计算期望分配给每个CC的业务量大小。
步骤⑥向CC分配业务量：依次为每个CC分配相应的业务量。步骤⑥的功能是确定分配给每个CC的业务量大小。其输入数据是步骤⑤计算得到的期望分配给每个CC的业务量大小。
步骤⑦针对UE的业务请求进行数据传输。
针对上述CA技术存在UE经历长时间时延和极低的吞吐量的情况，本申请发明人发现上述步骤②中存在引发该问题的原因，具体如下：
由于无线电波传播的性质决定了低频无线电波比高频无线电波承受的能量损耗要低。因此，低频带CC始终具有比高频CC高的RSRP。形成大多数用户选择低频段CC的情况。也即，在CA技术中，在UE接入进行Pcell选择时，一般以CC的RSRP值作为选择标准。但是，单一的选择标准容易导致相对集中的选择结果。低频带CC的带宽通常较窄，CC的窄带宽只能提供有限数量的UE同时接入这个频带。基于此，当太多的UE选择同一小区作为Pcell时，Pcell将被阻塞，接入该Pcell的UE被调度的机会就很少，从而导致UE吞吐量较低。UE吞吐率低会导致较长的时延和需要持续很长时间才能完成UE业务量请求的问题。
针对现有技术中所存在的上述至少一个技术问题或者需要改善的地方，本申请提出一种载波管理方法，该方法在接收到目标用户设备UE的接入请求时，基于各候选CC对应的每个RB(Resource Block，资源块)吞吐量，在候选CC中确定目标UE的Pcell；该方案的实施有利于避免过多的UE选择同一CC作为Pcell，提高数据传输效率，提高吞吐量和缩短时延。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
本申请实施例提供的技术方案可以适用于多种系统，尤其是5G系统。例如适用的系统可以是全球移动通讯(global system of mobile communication，GSM)系统、码分多址(code division multiple access，CDMA)系统、宽带码分多址(Wideband CodeDivision Multiple Access，WCDMA)通用分组无线业务(general packet radio service，GPRS)系统、长期演进(long term evolution，LTE)系统、LTE频分双工(frequencydivision duplex，FDD)系统、LTE时分双工(time division duplex，TDD)系统、高级长期演进(long term evolution advanced，LTE-A)系统、通用移动系统(universal mobiletelecommunication system，UMTS)、全球互联微波接入(worldwide interoperabilityfor microwave access，WiMAX)系统、5G新空口(New Radio，NR)系统等。这多种系统中均包括用户设备和网络设备。系统中还可以包括核心网部分，例如演进的分组系统(EvlovedPacket System，EPS)、5G系统(5GS)等。
其中，图2示例性示出本申请实施例一种应用环境的结构示意图，如图2所示，该环境中可以包括：若干个用户设备201以及若干个网络设备202。
用户设备201可以经无线接入网(Radio Access Network，RAN)与一个或多个核心网进行通信。用户设备可以是指向用户提供语音和/或数据连通性的设备，具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备等。在不同的系统中，用户设备的名称可能也不相同，例如在5G系统中，用户设备可以称为无线用户设备(UserEquipment，UE)。无线用户设备可以经无线接入网(Radio Access Network，RAN)与一个或多个核心网(Core Network，CN)进行通信，无线用户设备可以是移动用户设备，如移动电话(或称为“蜂窝”电话)和具有移动用户设备的计算机，例如，可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置，它们与无线接入网交换语言和/或数据。例如，个人通信业务(Personal Communication Service，PCS)电话、无绳电话、会话发起协议(SessionInitiated Protocol，SIP)话机、无线本地环路(Wireless Local Loop，WLL)站、个人数字助理(Personal Digital Assistant，PDA)等设备。无线用户设备也可以称为系统、订户单元(subscriber unit)、订户站(subscriber station)，移动站(mobile station)、移动台(mobile)、远程站(remote station)、接入点(access point)、远程用户设备(remoteterminal)、接入用户设备(access terminal)、用户设备(user terminal)、用户代理(useragent)、用户装置(user device)，本申请实施例中并不限定。
网络设备202可以是基站，该基站可以包括一个或多个为终端提供服务的小区。根据具体应用场合不同，基站又可以称为接入点，或者可以是接入网中在空中接口上通过一个或多个扇区与无线用户设备通信的设备，或者其它名称。网络设备可用于将收到的空中帧与网际协议(Internet Protocol，IP)分组进行相互更换，作为无线用户设备与接入网的其余部分之间的路由器，其中接入网的其余部分可包括网际协议(IP)通信网络。网络设备还可协调对空中接口的属性管理。例如，本申请实施例涉及的网络设备可以是全球移动通信系统(Global System for Mobile communications，GSM)或码分多址接入(CodeDivision Multiple Access，CDMA)中的网络设备(Base Transceiver Station，BTS)，也可以是带宽码分多址接入(Wide-band Code Division Multiple Access，WCDMA)中的网络设备(NodeB)，还可以是长期演进(long term evolution，LTE)系统中的演进型网络设备(evolutional Node B，eNB或e-NodeB)、5G网络架构(next generation system)中的5G基站(gNB)，也可以是家庭演进基站(Home evolved Node B，HeNB)、中继节点(relay node)、家庭基站(femto)、微微基站(pico)等，本申请实施例中并不限定。在一些网络结构中，网络设备可以包括集中单元(centralized unit，CU)节点和分布单元(distributed unit，DU)节点，集中单元和分布单元也可以地理上分开布置。
网络设备202与用户设备201之间可以各自使用一根天线进行传输或多根天线进行多输入多输出(Multi Input Multi Output，MIMO)传输，MIMO传输可以是单用户MIMO(Single User MIMO，SU-MIMO)或多用户MIMO(Multiple User MIMO，MU-MIMO)。根据天线组合的形态和数量，MIMO传输可以是2D-MIMO、3D-MIMO、FD-MIMO或massive-MIMO，也可以是分集传输或预编码传输或波束赋形传输等。
具体地，如图2所示，本申请提供的载波管理方法，可以用于如下场景中：gNB在接收到UE的接入请求时，基于各候选CC对应的每个RB吞吐量，在候选CC中确定UE的Pcell。
上述仅为本申请的载波管理方法的一个应用示例，并不限制本申请的载波管理方法的具体应用场景。
本申请实施例中提供了一种可能的实现方式，如图3所示，提供了一种载波管理方法，可以应用于图2中所示的网络设备202中(即网络设备202可以为执行主体)。在下述实施例中，以网络设备202为gNB进行说明；具体地，载波管理方法可以包括以下步骤S101-S102：
步骤S101：接收目标用户设备UE的接入请求。
步骤S102：基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell。
具体地，结合图4，在本申请中，针对CA技术中的步骤②进行优化，对于步骤②，本申请实施例中，基于每个RB吞吐量Per-RB Tput的主CC选择的核心思路是：基于历史的每个RB吞吐量用于选择不同的CC作为Pcell，避免太多的UE选择相同的CC作为Pcell。
其中，目标UE请求与基站进行数据传输时，首先需要接入基站，由基站为UE分配相应的载波，进行数据传输。而在基站向UE分配主载波时，通过历史数据中，各候选CC对应的每个RB吞吐量进行。其中，候选CC可以是在基站预配置的CC中与目标UE频段相应的CC。每个RB吞吐量表征每个RB上的数据传输能力，RB是基站gNB分配的无线资源单元。
在一实施例中，步骤S102中基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell，包括步骤A1-A2：
步骤A1：获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值。
步骤A2：基于所述每个RB吞吐量的最大值，在候选CC中确定所述目标UE的Pcell。
具体地，每个RB吞吐量的最大值(最大Per-RB Tput值)反应相应CC的每RB的传输能力。其中，Tput值表征每RB上的数据传输能力。因此，最大Per-RB Tput反应了gNB的一个CC的归一化的传输能力(每RB的传输能力)。gNB可以记录最大Per-RB Tput，因此已知每个CC的归一化传输能力大小。最大Per-RB Tput作为Pcell选择的参考依据。
可选地，可以直接在各候选CC对应的各RSRP范围内获取每个RB吞吐量的最大值，进而在至少一个每个RB吞吐量的最大值中选择最大对应的候选CC作为目标UE的Pcell。
其中，由于各目标UE对应CC的频段不同，可以首先基于目标UE向基站上报的RSRP值确定与该RSRP值相应的候选CC，以及相应的RSRP范围内每个RB吞吐量的最大值，进而在相应的候选CC中选择对应的每个RB吞吐量的最大值最大的候选CC作为目标UE的Pcell。
在一实施例中，步骤A1中获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值，包括步骤B1：
步骤B1：在各候选CC、各RSRP范围和每个RB吞吐量的最大值之间的历史对应关系中，获取各候选CC对应的各RSRP范围内每个RB吞吐量的最大值；其中，所述历史对应关系基于各候选CC中已有UE上报的RSRP值与传输数据时确定的每个RB吞吐量确定。
具体地，由候选CC，RSRP范围值、每个RB吞吐量的最大值构成的历史对应关系在初始构建时，可以是采用相关技术中以最高RSRP值的CC作为UE的Pcell的方式所得到的各候选CC中已有UE上报的RSRP值与传输数据时确定的每个RB吞吐量确定；在历史对应关系的应用过程中，其处于实时更新的状态，如后续采用本申请提供的载波管理方法选择UE的Pcell后，每当UE与基站完成数据传输后，均将实时更新一次历史对应关系。
在一实施例中，基于各候选CC中已有UE上报的RSRP值与传输数据时确定的每个RB吞吐量确定历史对应关系，包括步骤C1-C3：
步骤C1：基于所述候选CC中已有UE的数据传输信息，确定相应的每个RB吞吐量。
在实施例中，可以基于各候选CC与各候选CC对应的预设RSRP范围，初始化历史对应关系。
可选地，初始化的历史对应关系可以采用如下表1的形式进行记录：
表1
Figure BDA0003174141520000121
可以理解的是，在初始化的历史对应关系中，每个RB吞吐量的最大值为空。其中，M为基站中预配置CC的总数；RSRP范围是基站先定义的频段范围。由于不同频段的无线电传播特征差异，因此不同频段的CC的RSRP范围存在差异。
可选地，所述各候选CC对应的预设RSRP范围的数量与调制编码MCS等级的数量相同；其中，每一MCS等级所对应的最小RSRP值为相应候选CC对应的RSRP范围的最小RSRP值，每一MCS等级所对应的最大RSRP值为相应候选CC对应的RSRP范围的最大RSRP值。
具体地，任意一个候选CC对应的RSRP范围的个数可以与调制编码等级(Modulation and Coding Scheme，MCS)的个数一致。MCS是数据传输的调制编码。数据传输使用的MCS等级越高，数据传输速率也越大。MCS等级数量是固定的且基站已知该信息。可以理解的是，基站也已知各候选CC所在的频段。
可选地，可以将候选CC对应的RSRP范围数值设置为MCS等级的个数。如，将每一个MCS等级所对应的最小RSRP值和最大RSRP值设置为这个CC对应的RSRP范围的最小RSRP值和最大RSRP值。对于不同的候选CC，每个候选CC的RSRP范围的最小RSRP值和最大RSRP值可能与其他候选CC的不同。这取决于各候选CC之间的频段是否存在差异。
可选地，上述表1中，RSRP(1)和RSRP(2)对应最高MCS等级的最小RSRP值和最大RSRP值；RSRP(3)和RSRP(4)对应次高MCS等级的最小RSRP值和最大RSRP值；以此类推，RSRP(N-1)和RSRP(N)对应最低MCS等级的最小RSRP值和最大RSRP值。
步骤C2：基于所述候选CC上已有UE上报的RSRP值，确定对应的RSRP范围。
步骤C3：基于已有UE的每个RB吞吐量，更新与所述候选CC以及确定出的RSRP范围对应的每个RB吞吐量的最大值。
具体地，在初始化历史对应关系后，如建立上述历史查询表(表1)后，基站可以采用相关技术的Pcell选择方法，即将具有最大RSRP测量值对应的CC作为UE的Pcell。当UE选择了Pcell之后可以开始进行数据传输。基站在每次与UE的数据传输后计算Per-RB Tput并对历史对应关系进行更新。通过上述步骤基站可以逐步记录历史查询表中各个表格值对应的最大Per-RB Tput值。可以理解的是，每当UE与gNB进行数据传输，均将执行步骤C1到C3。
在一实施例中，步骤C1中基于所述候选CC中已有UE的数据传输信息，确定相应的每个RB吞吐量，包括步骤D1：
步骤D1：每当所述候选CC中已有UE完成数据传输时，基于当次完成数据传输时调度的RB数量、传输块TBS的大小以及一个传输时间间隔TTI的时间长度，计算当次完成数据传输时UE的每个RB吞吐量。
具体地，每个UE的Per-RB Tput值是通过调度使用的RB数量和TBS(TransmissionBlock Size，传输块)的大小决定的。TBS是基站在决定给UE分配多少RB数量前计算得到的。TBS的值约等于UE准备传输的数据量。基站通过准备分配的RB数和分配给UE传输使用的MCS等级来估计传输的数据量，即TBS。TBS的计算是在一次传输机会内有效的。一次传输机会也通常被认为等同于一个TTI(Transmission Time Interval，传输时间间隔)。对于不同的子载波间隔配置而言，一个TTI的时间长度是不同的。对于任何一个CC来说，CC的子载波间隔是固定值，因此每个CC对应的TTI的时间长度也因此可能不同。子载波间隔、TTI时间长度这些信息属于gNB配置信息，因此基站已知每个CC的上述信息。
具体地，UE在一个TTI内的Per-RB Tput值可由下述公式(1)计算得到。
UE的Per-RB Tput值＝该UE的TBS/调度给该UE的RB数量/一个TTI的时间长度
......公式(1)
在一实施例中，步骤C3中基于已有UE的每个RB吞吐量，更新与所述候选CC以及确定出的RSRP范围对应的每个RB吞吐量的最大值，包括步骤D2：
步骤D2：确定在所述历史对应关系中，确定出的RSRP范围对应的每个RB吞吐量的最大值；若所述当次完成数据传输时UE的每个RB吞吐量大于确定出的RSRP范围对应的每个RB吞吐量的最大值，将确定出的RSRP范围对应的每个RB吞吐量的最大值更新为所述当次完成数据传输时UE的每个RB吞吐量。
具体地，各候选CC中已有的UE会实时向基站上报测量得到的各个CC的RSRP值。基站根据RSRP值可以确定该UE在相应候选CC上对应的RSRP范围。基站通过比较UE上报的该CC上的测量RSRP值与该CC的每个RSRP范围的最小值与最大值比较，可以确定出该UE对应CC的哪一RSRP范围。基站将该UE当次传输计算的Per-RB Tput值与历史查询表中对应的RSRP范围内存储的最大Per-RB Tput值进行比较。如果UE的Per-RB Tput值更大，则将该值替换对应的RSRP范围内存储的最大Per-RB Tput值。也即，在历史对应关系中，针对CC的各RSRP范围仅保存各RSRP范围内每个RB吞吐量的最大值。
其中，记录有每个RB吞吐量的最大值的历史查询表可如下表2所示：
表2
Figure BDA0003174141520000151
具体地，可以根据实际需求选择每个RB吞吐量的最大值所对应的CC作为UE的Pcell；也可以根据实际需求结合其他参数进行Pcell选择的考虑。
在一实施例中，步骤B1中在各候选CC、各RSRP范围和每个RB吞吐量的最大值之间的历史对应关系中，获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值，包括步骤E1：
步骤E1：在处于激活状态下的历史对应关系中获取各候选CC对应的各RSRP范围内每个RB吞吐量的最大值；其中，若所述历史对应关系中每个RSRP范围内存储的每个RB吞吐量的最大值在更新前后的差值小于预设更新阈值的次数达预设激活阈值，则确定所述历史对应关系处于激活状态。
可选地，在历史对应关系的建立过程中，每个RB吞吐量的最大值的方差小于预设表格阈值THRTABLE之前，历史对应关系处于未激活状态。也即以每个RB吞吐量的最大值的方差大于或等于预设表格阈值作为启用历史对应关系进行Pcell选择的衡量条件。在一可行的实施例中，还可以采用标准差代替方差，本申请实施例对此不作限定。
可选地，在历史对应关系的更新过程中，当基站接收到UE上报的RSRP值时，将当前上报的RSRP值中最大的每个RB吞吐量A与表格中历史查询表相应CC的相应RSRP范围内当前的每个RB吞吐量的最大值B进行比较，若A大于B，则将每个RB吞吐量A替换每个RB吞吐量B；否则不更新历史查询表。在一可行的实施例中，由于历史对应关系更新一段时间后，记录的每个RB吞吐量的最大值的数值趋于稳定，此时可以取每个RB吞吐量A与每个RB吞吐量B的差值C与预设表格阈值D进行比较，仅在差值C大于阈值D时，基于每个RB吞吐量A更新历史查询表。
可选地，基站启动历史对应关系用于Pcell选择的条件还可以是：基站设定一个取值很小的预定义门限THRTABLE和一个计数器门限NUMENABLE。基站设定一个初始值为0的计数器。如果最大Per-RB Tput值更新前后的变化量不超过门限THRTABLE，则计数器加1。如果计数器数值超过门限NUMENABLE，基站则可以启动历史查询表用于Pcell选择。
在Pcell选择中，还可以考虑更多的影响因素，使得UE对Pcell的选择结果离散化。首先，可以分别考虑不同频率和传播距离下的RSRP和每个RB吞吐量的关系；进而结合两者进行考虑，仿真数据如图5所示，其中，A6G为高于6GHz，B6G为低于6GHz。如在单一考虑RSRP时(相同距离下)，此时A6G CC的RSRP值小于B6G的RSRP值，选择低频段CC为Pcell；单一考虑每个RB吞吐量时(相同RSRP下)，此时A6G CC的每个RB吞吐量大于B6G的每个RB吞吐量，选择高频段CC为Pcell；而同时考虑RSRP值和每个RB吞吐量时，A6G CC(频段：39GHz)和B6G(频段：2.9GHz)的每个RB吞吐量随收发器(TX-RX，transmitter-receiver)的距离变化而变化，最终形成的Pcell选择结果出现分化。
可以理解的是，本申请实施例中基于Per-RB Tput的主CC选择主要基于历史对应关系(如上述的历史查询表)实现。针对历史对应关系中RSRP值可以被区分为多个RSRP范围(例如以固定间隔(如3db)确定多个RSRP范围)。所有CC上已有UE向基站报告其RSRP值，基站将更新并记录报告的RSRP值所属范围的每个RB吞吐量的最大值。进而，通过查找历史对应关系中最大的每个RB吞吐量进行输出，以确定Pcell的选择。可选地，历史对应关系处于不断更新的状态。
在一实施例中，还提供一种多因素融合的方法进行Pcell的选择，具体地，步骤A2中基于所述每个RB吞吐量的最大值，在候选CC中确定所述UE的Pcell，包括步骤F1-F3：
步骤F1：基于所述目标UE上报的RSRP值，在所述历史对应关系中确定与该RSRP值相应的RSRP范围内每个RB吞吐量的最大值。
可以理解的是，在目标UE请求接入时，在UE测量的步骤中，目标UE也可以向基站上报各个CC的RSRP值。基于目标UE上报的RSRP值，可以在历史对应关系中确定出与目标UE上报的RSRP值所在RSRP范围内每个RB吞吐量的最大值。
步骤F2：基于候选CC的资源利用信息、CC的RB数量以及与所述目标UE上报的RSRP值相应的每个RB吞吐量的最大值，在候选CC中筛选得到包括至少一个候选CC的候选CC集合。
其中，资源利用信息可以是物理资源块PRB利用率。
具体地，基于CC的资源利用信息、CC的RB数量以及与目标UE上报的RSRP值相应的每个RB吞吐量的最大值，在所有候选CC中筛选得到候选CC集合的过程可以表示如下公式(2)：
Vselect(cc)＝[1-Pu(cc)]·NRB(cc)·PTs(cc)
......公式(2)
其中，值Vselect(cc)用于从目标UE的所有可用CC中选择作为目标UE主载波Pcell的候选CC；Pu(cc)表示第cc个CC的PRB利用率；NRB(cc)表示第cc个CC的PRB数量(在不同场合下，也称为RB数量)；cc表示CC的序号，cc∈[1，M]；PTS(cc)＝Per-RB Tputcc(s)，s表示第i个RSRP范围对应的目标UE上报的RSRP。
可选地，基于PRB利用率的选项划分情况可参考如下表3：
表3
Figure BDA0003174141520000181
其中，可以理解的是X属于高负载阈值，X可以设为60。如图5所示，A6G CC可以对应于高频段CC，B6G CC可以对应于低频段CC。在情况1中，A6G CC与B6G CC的PRB利用率均小于或等于X％，也即此时A6G CC与B6G CC的处于低负载状态。情况2中，包括一种状态：A6G CC的PRB利用率大于X％，B6G CC的PRB利用率小于或等于X％(A6G CC的负载大于B6G CC的负载)；还可以包括另一种状态：A6G CC的PRB利用率小于或等于X％，B6G CC的PRB利用率大于X％(A6G CC的负载小于B6G CC的负载)，也即此时A6G CC与B6G CC中某一频段CC处于高负载状态时另一频段CC处于低负载状态。情况3中，A6G CC与B6G CC的PRB利用率均大于X％，也即此时A6G CC与B6G CC均处于高负载状态。
具体地，如针对表3所示的情况1和情况2，可以采用本申请提供的上述方法进行Pcell的选择；而针对表3中的情况3，则不再采用本申请提供的上述方法进行Pcell的选择，而可以直接选择低频段CC作为Pcell。
步骤F3：在所述候选CC集合中确定所述目标UE的Pcell。
具体地，经上述步骤F2的公式计算得到的候选CC集合中，可能包括多个候选CC，在此情况下，可以取Vselect(cc)值最大对应的候选CC作为目标UE的Pcell。
可选地，可以在候选CC集合中随机选择任意CC作为目标UE的Pcell，也可以进一步结合历史对应关系，基于每个RB吞吐量进行Pcell的选择；也即结合历史查询表查询候选CC集合中每一候选CC对应的每个RB吞吐量的最大值，选择该每个RB吞吐量的最大值最大的候选CC为Pcell。
在一实施例中，还提供一种比例随机法进行Pcell的选择，在本实施例中用于进一步离散选择结果的其他因素可以包括：UE数量，平均数据包等待时间，RLC(Radio LinkControl，无线链路层控制协议)层/MAC(Media Access Control，介质访问控制)层中的缓冲区大小等。具体地，步骤A2中基于所述每个RB吞吐量的最大值，在候选CC中确定所述UE的Pcell，包括步骤G1-G3：
步骤G1：基于所述目标UE上报的RSRP值，在所述历史对应关系中确定与该RSRP值相应的候选CC。
如图6所示，可以基于目标UE上报的RSRP值，在历史对应关系中确定出与目标UE上报的RSRP值相应的各RSRP范围对应的候选CC。
在一可行的实施例中，如图6所示，当步骤G1中筛选出第i个CC和第k个CC时，首先通过历史查询表，查询得到当前RSRP所处范围在第i个CC中的每个RB吞吐量A为2，在第k个CC中的每个RB吞吐量B为6，则将A与B的差值与设定阈值ThrR进行比较，仅当两者的差值小于设定阈值ThrR时，执行后续步骤的操作。可选地，当步骤G1筛选得到的候选CC包括多个时，可以取所有候选CC中对应最大的每个RB吞吐量为基准，与其他候选CC所对应的每个RB吞吐量逐一进行比较，仅当两者差值小于设定阈值ThrR时，在步骤G1的结果中保留该其他候选CC；否则在步骤G1的结果中删除该其他候选CC。上述实施例可以在避免过多的UE选择同一CC作为Pcell的同时，降低计算量和包括Pcell选择的有效性。
在一可行的实施例中，还可以结合上述多因素融合的方法执行比例随机法，如图7所示，当采用上述步骤F2中的Vselect(cc)值从候选CC中筛选候选CC集合时，可以采用该候选CC集合作为步骤G1或G2执行的基础数据。可选地，还可以基于Vselect(cc)值对候选CC集合中的候选CC进行降序排序，获取排序在前的预设数量个CC作为步骤G1或G2执行的基础数据；还可以选择Vselect(cc)值大于设定阈值时对应的CC作为步骤G1或G2执行的基础数据。
步骤G2：针对与目标UE上报的RSRP值相应的每一候选CC，基于该候选CC已接入的UE数值与资源利用信息，确定该候选CC的比例值。
在经步骤G1的执行得到与目标UE上报的RSRP值相应的候选CC后，可以针对相应的每一候选CC计算在比例随机法中被随机选择作为Pcell的随机选择概率值(比例值)。
具体地，如图6所示，当通过上述实施例筛选出第i个CC和第k个CC为与目标UE上报的RSRP相应的候选CC时，可以针对这两个候选CC进行处理。可选地，首先获取各候选CC所对应的已接入UE数量与PRB利用率，进而针对获取的参数进行归一化处理，归一化处理后的情况可参考如下表4：
表4
Figure BDA0003174141520000201
Figure BDA0003174141520000211
其中，归一化处理后第k个CC的已接入UE数量的比例为0.7，即表示当该CC接入UE数量的最大值为100时，当前已接入数量为70。
可选地，步骤G2中基于该候选CC已接入的UE数与资源利用信息，确定该候选CC的比例值，包括步骤G21-G23：
步骤G21：基于已接入的UE数值对应的第一权重以及资源利用信息对应的第二权重，确定候选CC的加权和。
步骤G22：若所述第一权重小于第二权重，以加权和的倒数作为候选CC的比例值。
步骤G23：若所述第一权重大于第二权重，以加权和作为候选CC的比例值。
其中，基于第一权重和第二权重确定候选CC比例值的情况可参考如下表5：
表5
加权和 1/加权和
第i个CC (1*A+0.2*B＝0.36) 1/0.36＝2.78
第k个CC (0.7*A+1*B＝0.94) 1/0.94＝1.06
在表5中，已接入UE数量的第一权重A＝0.2，PRB利用率的第二权重B＝0.8。
可选地，本申请实施例设置：若已接入UE数量的第一权重小于PRB利用率的第二权重，以加权和的倒数作为CC的比例值；若所述第一权重大于第二权重，以加权和作为CC的比例值；该比例值与权重的设置用以体现Pcell的随机选择。
步骤G3：在与目标UE上报的RSRP值相应的候选CC中基于所述比例值确定目标UE的Pcell。
具体地，结合表5所示例子，基站针对目标UE选择第i个CC和第k个CC作为Pcell的比例分别为：72.31％、27.69％。也即随机选择第i个CC为Pcell的概率大于选择第k个CC为Pcell的概率。
结合图7，针对本申请基于现有CA技术中步骤②进行优化的具体方案作进一步的说明：
如图7所示，本申请实施例在历史查询表的基础上，结合基于表的多因素融合和比例随机法进行主CC Pcell的选择。具体如下：
多因素融合方法(该方法为可选项，也可以仅在历史对应关系的基础上结合比例随机方法)：根据Per-RB Tput，PRB使用情况等选择几个适当的候选CC构建候选CC集合。
比例随机法(该方法为可选项，也可以仅在历史对应关系的基础上结合多因素融合法)：基站针对目标UE根据CC的条件从候选CC中随机选择一个CC。
下面结合图8，针对本申请实施例中基于每个RB吞吐量进行Pcell选择的方法进行说明。
针对基于每个RB吞吐量进行Pcell选择的方法，经实验可以确定基于Per-RB Tput的主CC选择可以使传输速率提高34％。具体评估实验的配置与分析如下：
设置一个包含70个用户的网络。有51个用户选择较低频段作为主要CC(2.9GHz和40MHz带宽)。另一方面，有19个用户选择带宽为100MHz(39GHz频段)的CC作为主要CC。此外，在实际网络中，数据包流量小的用户通常占据多数。因此假设用户流量不会启用多CC传输。
新用户接入时，基于现有技术进行Pcell选择时，由于较高的RSRP：-96.3dB，用户将选择较低的频带CC作为主要CC。而本申请的方法中，由于39GHz频段(吞吐量差值：大于2.9GHz的2Mbps)的Per-RB吞吐量较高，用户将选择更高的频段(RSRP：-99.6dB)的CC为主要CC。两者效果的比较如图8所示。
在本申请中，还针对上述CA技术的步骤⑥作出改进，具体地，相关技术步骤⑥的处理中难以避免将数据包长时间停留在某个CC的问题，其会导致UE需要经历较长的业务时延和较低的吞吐量，也就是说，新分配给一个CC的数据可能需要等待很长时间，因为这个CC的队列中可能包含较多的待处理数据。
针对上述CA技术中步骤⑥存在的技术问题，本申请实施例考虑到可以在UE的待分配业务数据中，基于各CC的期望数据量在所有CC的期望数据量之和中所占的比例，将UE的待分配业务数据分配给各个CC。然而,即使分配给某些CC的业务数据较少，但是由于其队列中待处理业务数据较多，导致这些CC新分配的业务数据很难在短时间内被处理，因此UE的等待时间可能会比较长，导致了较长的业务处理延迟和较低的吞吐量。
针对上述CA技术中步骤⑥存在的技术问题，如图10所示，本申请实施例中提供了一种多维度业务量分配方案；具体地，如图9所示，提供了一种资源分配方法。可以理解的是，本申请实施例提供的载波管理方法与资源分配方法可以同时应用，也即基于载波管理方法确定出Pcell之后，基于资源分配方法完成待分配业务数据的分配。另，本申请实施例提供的资源分配方法也可以单独应用，无需依赖于载波管理方法所确定的Pcell执行，也即可以如图1所示，基于相关技术执行在先步骤①-⑤后，基于资源分配方法完成待分配业务数据的分配。
下述实施例中，针对将UE请求待分配的业务数据向CC分配的过程进行改进，具体地，针对当前的待分配业务数据，采用多维业务分配的方式，获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略，在综合考虑CC吞吐量和UE时延的情况下，确定向至少一个候选CC分配业务数据的目标分配策略，进而基于目标分配策略向CC分配业务数据；该方案的实施可以减轻CC中UE的业务数据排队等待处理的情况，实现UE吞吐量最大化的同时最小化UE的业务时延。该实施例可以应用于图2中所示的网络设备202中(即网络设备202可以为执行主体)。在下述实施例中，以网络设备202为gNB进行说明；具体地，本申请实施例提供的资源分配方法可以包括以下步骤S901-S904：
步骤S901：获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略。
具体地，待分配业务数据可以为至少一个UE(可以称为目标UE)请求处理的业务数据。待分配业务数据可以是基站当前接收到UE所发起业务请求中待传输的业务数据。其中，各UE相应的候选CC可能不同，也即针对各UE请求的待分配业务数据进行分配时的候选CC可能不同。
本申请实施例提出，可以针对发起业务请求的每个UE，分别将该UE的待分配业务数据分配给对应的候选CC，当有多个发起业务请求的UE时，需要将多个UE的待分配业务数据分别分配给对应的候选CC。
其中，分配策略是指将所有待分配业务数据分配至至少一个候选CC的策略；如将N个UE的待分配业务数据给M个候选CC时，某个分配策略可以为每个候选CC被分配的业务数据量；如分配策略可以是将所有UE的待分配业务数据分配至四个候选CC，某一候选分配策略可以是针对每个候选CC平均分配1/4的待分配业务数据；另一候选分配策略可以是针对第1个候选CC分配1/2的待分配业务数据、第2个候选CC和第3个候选CC均分配1/4的待分配业务数据、第4个候选CC不分配待分配业务数据。也即，针对所有待分配业务数据向候选CC分配的策略有很多种。
步骤S902：确定所述至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息。
考虑到存在许多种可能的候选分配策略，相应地，可以得出很多种分配效果(如CC吞吐量、UE经历的业务时延等)；也即，每一种候选分配策略对应于一种分配效果，而该分配效果可以基于吞吐量信息和传输时延相关信息得到。将在后续实施例中详细说明如何确定各候选分配策略对应的吞吐量信息和传输时延相关信息。
步骤S903：基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略。
具体地，如步骤S902所述，吞吐量信息以及传输时延相关信息为基于候选分配策略分配待分配业务数据对应的分配效果；本申请实施例以分配效果作为导向，在至少一个候选分配策略中选取目标分配策略。也即，本申请实施例在进行待分配业务数据的分配时，同时考虑了吞吐量信息与传输时延相关信息，在权衡吞吐量与时延之间确定最终的目标分配策略。
步骤S904：基于所述目标分配策略分配所述待分配业务数据。
具体地，目标分配策略为至少一个候选分配策略中的一种，在确定出目标分配策略后，可以知悉应将待分配业务数据分别向哪些候选CC分配，且各候选CC应分配多少业务数据，进而完成待分配业务数据的分配处理。在完成业务数据的分配后，将由相应的CC完成UE的业务数据传输。
具体地，在载波聚合的业务量分配中应考虑业务量具备的多种特性，而相关技术中的业务量分配方法则忽略了这些特性。在本申请实施例提供的资源分配方法中，在进行UE业务量分配时，考虑多维度因素(各候选分配策略分别对应各自的吞吐量信息以及传输时延相关信息)，可以同时权衡吞吐量与传输时延，进而提高业务数据传输的效率。
下面针对如何确定各候选分配策略分别对应的吞吐量信息进行说明。
在一实施例中，吞吐量信息包括所有候选CC的总吞吐量和；具体地，步骤S902中确定所述至少一个候选分配策略对应的吞吐量信息时，具体针对每一候选分配策略执行下述步骤S902-1：
步骤S902-1：基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量。
其中，候选CC是指基站所涵盖的至少一个CC，其可以适应与UE的对应关系，传输UE请求的业务数据。一般而言，基站可以涵盖有多个候选CC，但并非任一UE均可对应基站所涵盖的所有候选CC；另，一个UE可以对应有多个候选CC，但并非每个候选CC在UE每一次发起业务请求时，均接收到分配的业务数据。基于历史所分配业务数据的累积，各候选CC中可能在接收当前待分配业务数据之前，仍有未传输完成的业务数据，在本实施例中将其称为剩余业务数据；而针对各候选CC中当前接收的待分配业务数据，在本实施例中将其称为新增业务数据。
可选地，结合图15所示，步骤S902-1中基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量，包括以下步骤S902-11至S902-13：
步骤S902-11：确定各候选CC在当前时刻之前完成最后一次业务数据传输后分别对应的剩余业务数据。
具体地，剩余业务数据可以通过如下公式(3)计算得到：VHIS(cc)为CC缓冲区经最后一次传输的剩余业务数据。假设当前时刻为t，则
Figure BDA0003174141520000261
其中，VLeft(cc,t0)表示第cc个CC缓冲区在t0时刻的数据量；VAdd(cc,j)表示第cc个CC缓冲区在j时刻的新增数据量；T(cc,j)表示第cc个CC在j时刻的已发送数据量，经过时间单位换算可以等于吞吐量。
步骤S902-12：确定将所述待分配业务数据分配后各候选CC分别对应的新增业务数据。
具体地，新增业务数据可以通过如下公式(4)计算得到，将待分配业务数据分配给候选CC时，相应的分配结果增加了CC的缓冲区大小：
Figure BDA0003174141520000271
其中，VAdd(cc)为第cc个CC的新增业务数据；UEnum为UE的数量；VAlloc(l，cc)为第1个UE分配至该候选CC的业务数据。
步骤S902-13：基于各候选CC的最大传输能力、剩余业务数据和新增业务数据，确定所述候选CC在当前时刻的所有业务数据，并基于该所有业务数据确定所有候选CC的总吞吐量。
具体地，候选CC上的全部数据可以表示如下公式(5)所示，第cc个CC上当前时刻所有数据(包括新增业务数据和剩余业务数据)为VTrans(cc)：
VTrans(cc)＝min{[VAdd(cc)+VHIS(cc)]，CCability}
......公式(5)
其中，CCability表示相应CC上的最大传输能力，取值与信道条件、载波带宽等相关。
在本申请实施例中，对于第i中候选分配策略，VTrans(cc)将被转换为吞吐量T(cc)，即，VTrans(cC)→T(cc)，也即针对第cc个CC已分配的数据量得到该候选CC的吞吐量。因此，吞吐量Ti等于所有CC中所有业务数据的累加结果。
下面针对如何确定各候选分配策略分别对应的传输时延相关信息进行说明。
在一实施例中，传输时延相关信息包括平均时延信息和/或时延差异信息。具体地，步骤S902中确定至少一个候选分配策略对应的传输时延相关信息，包括以下步骤S902-2至步骤S902-3中的至少一项：
步骤S902-2：针对每一候选分配策略，确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的平均时延。
具体地，为实现最小平均延迟和延迟公平性，在本申请中，将UE业务数据的传输时延定义为随机变量。可以采用如下公式(6)表示平均UE时延Ei：
Figure BDA0003174141520000281
其中，De(l)是第l个UE的传输时延。
步骤S902-3：针对每一候选分配策略，确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的时延差异信息。
为实现最小平均延迟和延迟公平性，在本申请实施例中，将UE业务数据的传输时延定义为随机变量。考虑到峰度可以表征统计领域中变量的集中级别，在本申请实施例中，可以采用峰度衡量各UE之间传输时延的差异。具体可以包括如下两种情况：(1)相似的传输时延相应于高峰度值(延迟公平)；(2)明显差异的传输时延相应于峰度值低(延迟不公平)。
下面针对如何基于吞吐信息以及传输时延相关信息确定目标分配策略的具体过程进行说明。
首先，本申请中构建了一项目标函数，用以定量表达各候选分配策略所对应的分配效果，进而基于该分配效果选择目标分配策略。为更好地说明本申请中基于AI(Artificial Intelligence，人工智能)选择的目标分配策略的过程，下面结合图11和图12对基于AI规避局部最优解的方法进行说明。可以理解的是，本申请基于预设的目标函数，采用AI学习方法在多个候选分配策略中选择最优的目标分配策略。
具体地，在AI处理中，其输入数据包括：每个候选CC的剩余业务数据、针对每个UE的待分配业务数据分配至每个候选CC时的新增业务数据、以及历史传输量(如历史吞吐量)。
本申请实施例旨在增加基站所对应所有CC的吞吐量，同时缩短所有UE业务数据在高层(如RLC层)的整体传输时延，并使UE之间的时延差异趋于平衡。本申请实施例的资源分配方法可以在高层(如RLC层执行)。在该基础上，本申请实施例将多维度业务量分配的核心方法体现在所构建的目标函数上。下面针对目标函数进行说明：
首先，对目标函数构建的背景进行说明：在本申请实施例中基站需要把UE的业务量分配给各个CC传输,因此需要决定分配给每个CC的业务量的数值。分配的业务量数值可以在0到UE的总业务量的范围内取任意值。因此，基站给各个CC分配的业务量的分配策略有无数种。
下面针对基于目标函数反映的分配效果进行说明：在本申请实施例中，旨在达到的效果包括：(1)获得所有用户设备UE尽可能高的总吞吐量总和；(2)使得所有用户设备UE的时延尽可能小，也即，所有用户设备UE时延的均值尽可能小；(3)平衡不同UE之间时延的差异，即，所有用户设备UE时延的变化差异尽可能小。
为了定量反应上述目标的达成效果，本申请通过定义P值(分配效果值)反映分配效果。其中，P值越大，意味着对应的候选分配策略可以更好地满足上述三个目标。
可以理解的是，存在有无限(许多)可能的候选分配策略。每种策略都会带来不同的吞吐量或UE的时延。针对目标函数所表征的关系可以表示如下公式(7)所示：
P＝sum(all UEs’Tput)×(Fairness/EXP(mean of delay))
......公式(7)
其中，P为分配效果值，每一个P值对应一种分配策略。sum(all UEs’Tput)为第一因子，表征所有用户设备UE的总吞吐量总和，第一因子值越大，目标达成度越高；Fairness/EXP(mean of delay)为第二因子；其中，Fairness表征公平性，可以通过峰度方法体现，用户设备UE之间的时延差异越小，公平性Fairness的值越大；EXP(mean of delay)是时延均值的幂指数，幂指数用来使得时延均值的变化速率与峰度函数变化速率具有可比性，以保证第二因子值不会过于小；其中，EXP(mean of delay)是时延控制参数，用于实现高层业务数据的低等待时延目的。
其中，峰度可以体现如图16所示。
在本申请实施例中，尽管无限的候选分配策略将带来无限个第一因子值和第二因子值，但可以使用AI技术来找到合适的策略。较好的候选分配策略对应有较高的分配效果值P。因此可以利用AI选择本申请中较为合适的目标分配策略，且AI选择相比遍历所有策略而言更为有效。
在本申请实施例中，目标函数的物理含义可以理解为两个影响因素的加权相乘来定量反应基站的资源分配目标。其中，第一个因子定义为所有用户设备UE的吞吐量的总和。第二个因子由一个分式组成。分子是用户设备UE时延的峰度值，分母是用户设备UE时延均值的幂指数。
在上述目标函数的计算中，第一个因子对应的所有用户设备UE的吞吐量的总和，可以通过对每个候选CC上既有的业务量(剩余业务数据)加上拟分配给这个候选CC的业务量(新增业务数据)求和后，与这个候选CC的一次传输数据最大值进行比较，得到这个候选CC一次传输数据可以发送的业务量。一次传输占用的时间通常为一个时隙，一个时隙的时间长度是固定值。因此，用这个候选CC一次传输的数据量除以一个时隙的时间长度，换算成每秒传输的比特数，即得到一个候选CC上的吞吐量。将所有候选CC上所有用户的吞吐量求和即得到第一个因子的值。
在上述目标函数的计算中，第二个因子的分子用户设备UE时延的峰度值，可以用下述公式(8)计算得到。
Figure BDA0003174141520000301
Figure BDA0003174141520000311
其中，De(l)是第l个UE的传输时延；
Figure BDA0003174141520000312
是所有UE的传输时延均值；o(De)是高阶无穷小。可以理解的是，不同的分配策略会得到不同的De(l)。
优化分配策略的选择问题可以归纳如下：假定有c个CC传输UE的数据，那么一个候选分配策略可以表述为一串由c个数字组成的序列，格式例如[Data1,Data2,…,Datac]1×c。序列中的数字代表分配给对应CC的数据量大小。如上公式(7)所示，P值可以通过吞吐量和时延计算得到。吞吐量和时延则可以通过[Data1,Data2,…,Datac]1×c得到，即P值最终是由一个候选分配策略确定的。
在AI求解的过程中，面临的挑战是规避陷入局部最优解的问题。在本申请中，结合图12所示，由于实验数量不确定，因此将需要进行大量的实验。在本申请中应用累计分布函数(CDF，Cumulative Distribution Function)和统计一致性来解决这种情况。如果实验结果的统计一致性保持不变，则实验将在达到配置的数字(如预设的实验次数)之前停止。其中，可以通过公式|CDF(S1)-CDF(S2)|<THRs(阈值可以是0.05，可以根据实际情况进行设置，本申请对此不作限定)表示S1样本集和S2样本集符合统计一致性；S1为多次实验构建P值的样本集；S2为包含S1在内实验构建的P值样本集(即S2＝S1+S3，S3是添加实验构建的P值样本集)。其中，表示S1样本集和S2样本集符合统计一致性时，还可以采用公式Max[|CDF(S1)-CDF(S2)|]<THRs进行表示，也即若最大的S1样本集的CDF值与S2样本集的CDF值之间差值的绝对值仍小于固定门限THRs时，可以认为基于目标函数构建的算法趋向稳定。
因此，优化分配策略选择问题还可以描述为：需要寻找到一个目标分配策略，这个目标分配策略对应的P值最大。因为候选分配策略的数量是无限的，所以不可能计算所有候选分配策略对应的P值。仅用于说明优化分配策略选择问题，假设可以计算所有候选分配策略对应的P值，并且按照候选分配策略一次排列P值绘制如图13a所示的二维曲线图。从图13a中可以看出，找到具有最大P值的候选分配策略，即全局最优的目标分配策略。
下面针对本申请实施例中求解全局最优解(确定目标分配策略)的具体过程进行说明。
在一实施例中，步骤S903中基于吞吐量信息以及传输时延相关信息，确定目标分配策略，包括下述步骤H1-H3：
步骤H1：将所述候选分配策略划分为多个子集。
具体地，将候选分配策略进行子集划分属于求解全局最优解的预处理步骤。在本申请实施例中，将所有的候选分配策略视为全集。对于全集内的任一候选分配策略来说，序列的每一个数据满足Datai∈{Data1,Data2,…,Datac}，也即取值范围在0到UE请求传输的全部数据量(待分配业务数据)之间。所以，本申请实施例可以考虑将0到UE请求传输的全部数据量的均匀分割为m个区间。一个候选分配策略序列中的每一个数字必然落入其中一个区间中。序列一共c个数字，因此一个序列对应的区间组合数量是mc。因为上述划分使得任一候选分配策略均会落入mc区间组合中的一个，所以本申请实施例可以将候选分配策略的全集划分为个mc子集。
举例说明：假设c＝2，m＝2，一个候选分配策略就是一个由2位数字组成的序列，序列的每一个数字会落入2个区间中的一个，所以全部的区间组合数量是4，因此可以将候选分配策略划分为4个子集。
步骤H2：基于吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略。
具体地，可以通过上述公式(7)对吞吐量信息以及传输时延相关信息进行定量表达，确定出候选分配策略对应的分配效果值，进而确定每个子集中分配效果值最优的候选分配策略。
步骤H3：在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略。
在本申请实施例中，可以基于AI选择确定出每一子集中分配效果值最优的候选分配策略，进而在所有子集分配效果值最优的候选分配策略中确定目标分配策略，如可以选取分配效果值最大的候选分配策略作为进行待分配业务数据分配的目标分配策略。
可选地，为便于描述，本申请实施例将求解全局最优解的过程定义为两个阶段，如图13b所示。
第一阶段：对应于步骤H2，通过迭代计算方式，计算每个分配策略子集内的局部最优P值，将子集内最大P值对应的候选分配策略作为局部最优分配策略。
具体地，对于每一个子集，选择n个候选分配策略作为初始分配策略，n可以是大于或等于3的整数。通过迭代寻找子集中P值最大的候选分配策略。
上述过程如图13b所示，在每一个子集内随机选取初始分配策略(对应图中的初始迭代点)。通过迭代计算P值的方式并生成新的候选分配策略，逐步迭代找到最优P值对应的候选分配策略。具有最大P值的候选分配策略为当前子集内的局部最优的候选分配策略(对应图中的局部最优解)。
第二阶段：对应于步骤H3，从所有局部最优的候选分配策略中找到全局最优的目标分配策略(对应图中的全局最优分配策略)。
具体地，第二阶段在所有子集的局部最优解中找到最大P值的候选分配策略作为全局最优的目标分配策略，作为求解该优化问题的最终输出。
可选的，可以重复执行上述第一阶段和第二阶段过程多次，选取其中最大P值的分配策略作为全局最优方案。
上述选取最优解的过程可以参考图13b，第一阶段从每一个子集选取子集内的局部最优的候选分配策略(如子集a的局部最优解和子集b的局部最优解)。第二阶段找到所有子集内P值最大的局部最优的候选分配策略作为全局最优的目标分配策略(如子集b的局部最优解)。
下面针对第一阶段确定局部最优解的具体过程进行说明。
在一实施例中，步骤H2中基于吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略，具体是针对每一个子集包括的候选分配策略执行下述步骤H21-H22：
步骤H21：选择预设数值的候选分配策略作为当前子集的初始分配策略。
具体地，在一个子集内选择n个候选分配策略作为初始分配策略，如图13b所示，初始分配策略为当前子集迭代的计算的起始点。其中，n可以为大于或等于3的整数。
可选地，可以通过随机选取的方式选择预设数值n个候选分配策略。
步骤H22：基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略。
具体地，以n个初始分配策略为起始点，迭代计算一个子集内的候选分配策略对应的分配效果值，确定局部最优P值的候选分配策略。
其中，步骤H22可以包括下述步骤H221-H223：
步骤H221：基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值，以及每两个所述第一分配效果值的差值。
具体地，分别计算n个初始分配策略的P值，选取最大P值对应的初始分配策略。P值可以通过目标函数计算得到。目标函数用来定量评估各候选分配策略满足分配效果的程度。具体地，可以采用上述公式(7)计算得到各初始分配策略对应的第一分配效果值。
具体地，假设初始分配策略包括三个，则对应有三个第一分配效果值P1、P2和P3，则分别计算P1和P2、P1和P3、P2和P3、P2和P1、P3和P1、P3和P2的差值。
步骤H222：基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值。
具体地，基于最大差值对应的两个第一分配效果值确定迭代策略的过程包括确定下一次迭代的初始分配策略，如根据已有的n个初始分配策略之间的差异选择新的n个初始分配策略。
结合步骤H221对步骤H222中确定迭代策略的整体进行说明：首先，从已有的n个初始分配策略中，找到对应P值最大的那个初始分配策略。进而，根据n个初始分配策略的P值中最大P值与最小P值之间的差异，通过求最大P值对应的初始分配策略的序列值与最小P值对应的初始分配策略的序列值的差值，并叠加值域在-1到1之间的随机数(由此形成新生成的初始分配策略的随机数序列，其中，-1到1表征可以是正向迭代的也可以是负向迭代的；对应的每次迭代生成的随机数可以是正向，也可以是负向)，可以确定新的初始分配策略的方向。根据序列数值变化的方向，在最大P值对应的初始分配策略的序列基础上叠加新的初始分配策略的随机数序列，形成新的初始分配策略。每一个新的初始分配策略使用新的随机数得到新的初始分配策略的迭代方向，这样重复n-1次，得到n-1个新的分配策略。最终，已有的初始分配策略中P值最大的那个初始分配策略和这新的n-1个初始分配策略，组成了新的n个初始分配策略。
具体地，基于步骤H21选择的初始分配策略为迭代起始点，在该初始分配策略的基础上确定下一次迭代的初始分配策略，以及在不断迭代的过程中确定出当前子集的局部最优的候选分配策略。其中，迭代的结束条件为相邻预设次数的迭代中获得的各最大第一分配效果值之间的差值小于预设迭代阈值。
在一实施例中，步骤H222可以包括以下步骤J1-J3：
步骤J1：基于最大差值对应的两个第一分配效果值对应的分配策略的差值，确定迭代方向。
具体地，通过最大差值对应的两个第一分配效果值可以确定出迭代方向，为达到最终选取P值最大的分配策略的目的，需要确定下一次迭代中选择的分配策略的迭代方向。可选地，可以选择分配策略的方向，使得下一次迭代中分配策略的P值上升速度最快。
为了得到迭代方向，可以计算当前的n个初始分配策略中P值最大的分配策略序列与P值最小的分配策略序列的差。
举例说明：n＝3，P1-P2是最大P值差值，即P1是最大P值，P2是最小P值，从P2到P1是P值增长最快的方向，因此，新生成的初始分配策略最好可以使P值沿着P2到P1的增长速度继续增长，如图14所示。
例如，假设P1＝0.006，P2＝0.001，P3＝0.003。则P1-P2＝0.005，是三个P值中差异最大的。也就意味着，如果选取的新的初始分配策略可以使得P值在P1的基础上增加P1-P2＝0.005，得到P＝0.011，会使得P值按照既有速度继续增加。
迭代方向的确定，需要用最大P值对应的初始分配策略序列的数值依次与最小P值对应的初始分配策略序列的数值做差值，形式为[Random1×(Datagreat1-Datasmall1)+Datagreat1,…,Randomc×(Datagreatc-Datasmallc)+Datagreatc]1×c)。每生成一个新的初始分配策略时，在迭代方向上叠加不同的随机数序列，得到新的初始分配策略序列。用同样的方法，不同的随机数序列，得到n-1个新的初始分配策略序列。
例如，假设有5个候选CC(c＝5)，P1的初始分配策略序列为[2,4,6,4.2,0.1]，P2的初始分配策略序列为[11.3,2.4,5,1.4,3]，那么迭代方向为[-9.3,1.6,1,2.8,-2.9]。
步骤J2：基于迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略。
具体地，通过步骤J2的实施可以为下一次迭代生成n-1个新的初始分配策略。
对每一个新的初始分配策略，生成一个长度为c的随机数序列，这个序列的每个数值叠加在步骤J1中得到的方向序列对应数值(迭代方向)上，即得到一个新的初始分配策略[Random1×(Datagreat1-Datasmall1)+Datagreat1,…,Randomc×(Datagreatc-Datasmallc)+Datagreatc]1×c)。针对每一个待生成的新的初始分配策略进行重复操作，得到n-1个新的初始分配策略。进而将最大第一分配效果值对应的初始分配策略与新生成的n-1个初始分配策略作为下一次迭代的初始分配策略。
举例说明：n＝3，需要新生成2个初始分配策略。对每个新生成的初始分配策略，生成5个(c＝5)随机数并按顺序叠加到方向序列每个数值(迭代方向)。假设其中一个随机数序列为[0.1,0.3,0.1,0.5,-0.2]，延续上例中的P值对应的分配策略序列，迭代方向为[-9.3,1.6,1,2.8,-2.9]，那么新生成的初始分配策略序列为[-9.2,1.9,1.1,3.3,-3.1]。
步骤J3：重复执行下述步骤，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值：基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值以及每两个所述第一分配效果值的差值；基于最大差值对应的两个第一分配效果值对应的分配策略的差值，确定迭代方向；基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略。
具体地，重复执行步骤H221、H222中的步骤J1和J2直到选择的最大P值趋于稳定(相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值)。其中，每一次重复执行上述各个步骤，均会迭代得到各新的初始分配策略分别对应的P值，可以比较最近2次迭代得到的最大P值，如果两次最大P值的差异小于一个预设门限值，则停止迭代，并执行步骤H223确定当前子集中的最优的候选分配策略。
步骤H223：将最后依次迭代得到最大的第一分配效果值对应的分配策略作为当前子集中分配效果值最优的候选分配策略。
具体地，将最后依次迭代得到的最大P值对应的初始分配策略作为该子集的局部最优的候选分配策略。
下面针对如何在所有局部最优的候选分配策略中找到全局最优的目标分配策略的具体过程进行说明。
在一实施例中，全局最优分配策略可以通过运行一次步骤H1到步骤H3得到。也可以通过多次运行步骤H2，从多次运行的结果中选择最优的一个作为全局最优分配策略。可选地，针对多次运行的情况，步骤H3中在所有子集分配效果值最优的候选分配策略中确定目标分配策略，包括以下步骤H31-H33：
步骤H31：基于当前确定的目标分配策略构建策略集合。
具体地，在运行一次步骤H1-H3后，可以确定出对应的一个目标分配策略，基于该目标分配策略可以进行策略集合的初始构建，如为策略集合A1。
步骤H32：重复执行所述确定每个子集中分配效果值最优的候选分配策略，在所有子集分配效果值最优的候选分配策略中取分配效果值最大的候选分策略作为目标分配策略的步骤，直至当前更新的策略集合的累计分布值与上一轮更新的策略集合的累计分布值的差值小于预设目标阈值。
其中，每一次重复执行得到更新的目标分配策略，将该目标分配策略并入上一轮的策略集合形成更新的策略集合。
具体地，第二次重复执行步骤H2-H3可以得到一个相应的目标分配策略，则将该目标分配策略并入上一轮的策略集合A1中，可以得到更新的策略集合A2(该策略集合包括第一次运行和第二次运行步骤H2-H3得到的目标分配策略)，如此类推，不断重复执行步骤H2-H3，直至当前更新的策略集合的累计分布值与上一轮更新的策略集合的累计分布值的差值小于预设目标阈值。
其中，关于累计分布值的计算可以参考上述实施例中关于累计分布函数CDF的介绍，在此不再赘述。
步骤H33：将最后一次重复执行过程中确定的目标分配策略作为最终的目标分配策略。
具体地，由于本申请实施例中，初始分配策略是随机选取的(如步骤H21选择预设数值的候选分配策略作为当前子集迭代的初始分配策略)，所以存在很小的概率会错失P值更大的候选分配策略。而本申请进一步通过多次重复运行步骤H2-H3并记录每次运行得到的全局最优的目标分配策略和对应的最大P值。记录下的P值组成一个P值的集合。对于这个P值的集合可以计算其累计分布(CDF，Cumulative Distribution Function)。每当执行一次步骤H2到步骤H3得到一个新的P值，这个P值加入原有的P值集合会更新P值集合。对比更新前的P值集合的CDF和更新后的P值集合的CDF。如果两个CDF之间的差异小于预设门限(预设目标阈值)，则将最后一次重复运行步骤H2到步骤H3得到的P值对应的目标分配策略视为全局最优分配策略(最终的目标分配策略)。
在本申请中，解决AI迭代次数规避陷入局部最优解的一种实施例如下：
为了评估本申请实施例解决方案的有效性，使用了8个CC，应用了10个UE到18个UE的9个组进行评估测试。
对于每个测试，假定参考实验(原始)等于：UE数×CC数+100。本申请解决方案(新)和参考实验(原始)的实验数据如下表5所示。
表5
Figure BDA0003174141520000391
Figure BDA0003174141520000401
其中，表5中首行表征所应用的UE数，分别为10至18个UE的9组实验数据；第二行表征采用原始方法(现有技术)进行业务数据分配时对应的传输时延(如所应用的UE数为10时，对应的传输时延为180毫秒)；第三行表征采用本申请实施例的资源分配方法进行业务数据分配时对应的传输时延(如所应用的UE数为10时，对应的传输时延为156毫秒)。根据上表5的统计数据，可见本申请的解决方案使效率提高了18.4％(各组实验数据的均值)。
如图17所示，基于新方法(即本申请实施例提出的资源分配方法)的最大P值(对应图中的原始方法P)和原始方法(现有技术)的最大P值(对应图中的原始方法P)一致的情况下，本申请实施例的方法在保证P值效果的前提下，有效节约了AI计算量。
下面结合图18,针对本申请实施例中多维度业务分配的方法进行说明。
针对多维度业务量分配方法，经实验可以确定多维业务量分配带来32％的传输效率提升。具体评估实验的配置与分析如下：
基本配置包括4个CC作为A6G(6GHz频段以上)；4个UE，每个UE具有不同的业务需求；由于是无线传输，同一UE的每个CC的传输条件不同；现有技术和本申请的解决方案具有相同的业务量输入。
在给定相同的业务量输入的情况下，两者的比较结果如图18所示。在实验中，现有技术中占用34个时隙进行数据传输，而本申请仅使用23个时隙来传输所有数据。也即本申请的传输效率增益为32％。本申请实施例提出的方案相对于现有技术而言，能够获得更高的吞吐量，此外，传输相同业务数据时所耗费的时间更少。
结合图19所示，以下提供一种载波管理装置900，包括：接收模块901，确定模块902；其中：
接收模块901，用于接收目标用户设备UE的接入请求。
确定模块902，用于基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell。
可选地，确定模块902用于执行基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell时，具体用于：
获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值；
基于所述每个RB吞吐量的最大值，在候选CC中确定所述目标UE的Pcell。
可选地，确定模块902用于执行获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值时，具体用于：
在各候选CC、各RSRP范围和每个RB吞吐量的最大值之间的历史对应关系中，获取各候选CC对应的各RSRP范围内每个RB吞吐量的最大值；
其中，所述历史对应关系基于各候选CC中已有UE上报的RSRP值与传输数据时确定的每个RB吞吐量确定。
可选地，基于各候选CC中已有UE上报的RSRP值与传输数据时确定的每个RB吞吐量确定历史对应关系，包括：
基于所述候选CC中已有UE的数据传输信息，确定相应的每个RB吞吐量；
基于所述候选CC上已有UE上报的RSRP值，确定对应的RSRP范围；
基于已有UE的每个RB吞吐量，更新与所述候选CC以及确定出的RSRP范围对应的每个RB吞吐量的最大值。
可选地，所述各候选CC对应的RSRP范围的数量与调制编码MCS等级的数量相同；其中，每一MCS等级所对应的最小RSRP值为相应候选CC对应的RSRP范围的最小RSRP值，每一MCS等级所对应的最大RSRP值为相应候选CC对应的RSRP范围的最大RSRP值。
可选地，确定模块902用于执行基于所述候选CC中已有UE的数据传输信息，确定相应的每个RB吞吐量时，具体用于：
每当所述候选CC中已有UE完成数据传输时，基于当次完成数据传输时调度的RB数量、传输块TBS的大小以及一个传输时间间隔TTI的时间长度，计算当次完成数据传输时UE的每个RB吞吐量。
可选地，确定模块902用于执行基于已有UE的每个RB吞吐量，更新与所述候选CC以及确定出的RSRP范围对应的每个RB吞吐量的最大值时，具体用于：
确定在所述历史对应关系中，确定出的RSRP范围对应的每个RB吞吐量的最大值；
若所述当次完成数据传输时UE的每个RB吞吐量大于确定出的RSRP范围对应的每个RB吞吐量的最大值，将确定出的RSRP范围对应的每个RB吞吐量的最大值更新为所述当次完成数据传输时UE的每个RB吞吐量。
可选地，确定模块902用于执行在各候选CC、各RSRP范围和每个RB吞吐量的最大值之间的历史对应关系中，获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值时，具体用于：
在处于激活状态下的历史对应关系中获取各候选CC对应的各RSRP范围内每个RB吞吐量的最大值；
其中，若所述历史对应关系中每个RSRP范围内存储的每个RB吞吐量的最大值在更新前后的差值小于预设更新阈值的次数达预设激活阈值，则确定所述历史对应关系处于激活状态。
可选地，确定模块902用于执行基于所述每个RB吞吐量的最大值，在候选CC中确定所述UE的Pcell时，具体用于：
基于所述目标UE上报的RSRP值，在所述历史对应关系中确定与该RSRP值相应的RSRP范围内每个RB吞吐量的最大值；
基于候选CC的资源利用信息、CC的RB数量以及与所述目标UE上报的RSRP值相应的每个RB吞吐量的最大值，在候选CC中筛选得到包括至少一个候选CC的候选CC集合；
在所述候选CC集合中确定所述目标UE的Pcell。
可选地，确定模块902用于执行基于所述每个RB吞吐量的最大值，在候选CC中确定所述UE的Pcell时，具体用于：
基于所述目标UE上报的RSRP值，在所述历史对应关系中确定与该RSRP值相应的候选CC；
针对与目标UE上报的RSRP值相应的每一候选CC，基于该候选CC已接入的UE数值与资源利用信息，确定该候选CC的比例值；
在与目标UE上报的RSRP值相应的候选CC中基于所述比例值确定目标UE的Pcell。
可选地，确定模块902用于执行基于该候选CC已接入的UE数与资源利用信息，确定该候选CC的比例值时，具体用于：
基于已接入的UE数值对应的第一权重以及资源利用信息对应的第二权重，确定候选CC的加权和；
若所述第一权重小于第二权重，以加权和的倒数作为候选CC的比例值；
若所述第一权重大于第二权重，以加权和作为候选CC的比例值。
可选地，载波管理装置900还包括：
策略获取模块，用于获取获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略；
第一确定模块，用于确定所述至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息；
第二确定模块，用于基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略；
数据分配模块，用于基于所述目标分配策略分配所述待分配业务数据。
可选地，第一确定模块用于执行确定所述至少一个候选分配策略对应的吞吐量信息时，具体用于：
针对每一候选分配策略执行下述步骤：基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量。
可选地，所述传输时延相关信息包括：平均时延信息和/或时延差异信息；第一确定模块用于执行确定所述至少一个候选分配策略对应的传输时延相关信息时，具体用于：
针对每一候选分配策略执行下述步骤：确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的平均时延；和/或
针对每一候选分配策略执行下述步骤：确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的时延差异信息。
可选地，第一确定模块用于执行基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量时，具体用于：
确定各候选CC在当前时刻之前完成最后一次业务数据传输后分别对应的剩余业务数据；
确定将所述待分配业务数据分配后各候选CC分别对应的新增业务数据；
基于各候选CC的最大传输能力、剩余业务数据和新增业务数据，确定所述候选CC在当前时刻的所有业务数据，并基于该所有业务数据确定所有候选CC的总吞吐量。
可选地，第二确定模块用于执行基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略时，具体用于：
将所述候选分配策略划分为多个子集；
基于所述吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略；
在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略。
可选地，第二确定模块用于执行基于所述吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略时，具体用于：
针对每一个子集包括的候选分配策略执行下述步骤：
选择预设数值的候选分配策略作为当前子集的初始分配策略；
基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略。
可选地，第二确定模块用于执行基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略时，具体用于：
基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值，以及每两个所述第一分配效果值的差值；
基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值；
将最后依次迭代得到最大的第一分配效果值对应的候选分配策略作为当前子集中分配效果值最优的候选分配策略。
可选地，第二确定模块用于执行基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值时，具体用于：
基于最大差值对应的两个第一分配效果值对应的初始分配策略的差值，确定迭代方向；
基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略；
重复执行下述步骤，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值：基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值以及每两个所述第一分配效果值的差值；基于最大差值对应的两个第一分配效果值对应的初始分配策略的差值，确定迭代方向；基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略。
可选地，第二确定模块用于执行在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略时，具体用于：
基于当前确定的目标分配策略构建策略集合；
重复执行所述确定每个子集中分配效果值最优的候选分配策略，在所有子集分配效果值最优的候选分配策略中取分配效果值最大的候选分策略作为目标分配策略的步骤，直至当前更新的策略集合的累计分布值与上一轮更新的策略集合的累计分布值的差值小于预设目标阈值；
将最后一次重复执行过程中确定的目标分配策略作为最终的目标分配策略。
在一实施例中，如图20所示，本申请实施例还提供一种资源分配装置100，包括获取模块101、效果确定模块102、策略确定模块103和分配模块104；其中，获取模块101，用于获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略；效果确定模块102，用于确定所述至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息；策略确定模块103，用于基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略；分配模块104，用于基于所述目标分配策略分配所述待分配业务数据。
可选地，效果确定模块102用于执行确定所述至少一个候选分配策略对应的吞吐量信息时，具体用于：
针对每一候选分配策略执行下述步骤：基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量。
可选地，传输时延相关信息包括：平均时延信息和/或时延差异信息；效果确定模块102用于执行确定所述至少一个候选分配策略对应的传输时延相关信息时，具体用于：
针对每一候选分配策略执行下述步骤：确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的平均时延；和/或
针对每一候选分配策略执行下述步骤：确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的时延差异信息。
可选地，效果确定模块102用于执行基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量时，具体用于：
确定各候选CC在当前时刻之前完成最后一次业务数据传输后分别对应的剩余业务数据；
确定将所述待分配业务数据分配后各候选CC分别对应的新增业务数据；
基于各候选CC的最大传输能力、剩余业务数据和新增业务数据，确定所述候选CC在当前时刻的所有业务数据，并基于该所有业务数据确定为所有候选CC的总吞吐量。
可选地，策略确定模块103用于执行基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略时，具体用于：
将所述候选分配策略划分为多个子集；
基于所述吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略；
在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略。
可选地，策略确定模块103用于执行基于所述吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略时，具体用于：
针对每一个子集包括的候选分配策略执行下述步骤：
选择预设数值的候选分配策略作为当前子集的初始分配策略；
基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略。
可选地，策略确定模块103用于执行基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略时，具体用于：
基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值，以及每两个所述第一分配效果值的差值；
基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值；
将最后依次迭代得到最大的第一分配效果值对应的候选分配策略作为当前子集中分配效果值最优的候选分配策略。
可选地，策略确定模块103用于执行基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值时，具体用于：
基于最大差值对应的两个第一分配效果值对应的初始分配策略的差值，确定迭代方向；
基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略；
重复执行下述步骤，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值：基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值以及每两个所述第一分配效果值的差值；基于最大差值对应的两个第一分配效果值对应的初始分配策略的差值，确定迭代方向；基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略。
可选地，分配模块104用于执行在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略时，具体用于：
基于当前确定的目标分配策略构建策略集合；
重复执行所述确定每个子集中分配效果值最优的候选分配策略，在所有子集分配效果值最优的候选分配策略中取分配效果值最大的候选分策略作为目标分配策略的步骤，直至当前更新的策略集合的累计分布值与上一轮更新的策略集合的累计分布值的差值小于预设目标阈值；
将最后一次重复执行过程中确定的目标分配策略作为最终的目标分配策略；
其中，每一次重复执行得到更新的目标分配策略，将该目标分配策略并入上一轮的策略集合形成更新的策略集合。
本公开实施例的装置可执行本公开的实施例所提供的方法，其实现原理相类似，本公开各实施例中的装置中的各模块所执行的动作是与本公开各实施例中的方法中的步骤相对应的，对于装置的各模块的详细功能描述具体可以参见前文中所示的对应的方法中的描述，此处不再赘述。
上面从功能模块化的角度对本申请实施例提供的载波管理装置和资源分配装置进行介绍，接下来，将从硬件实体化的角度对本申请实施例提供的电子设备进行介绍，并同时对电子设备的计算系统进行介绍。
基于与本公开的实施例中所示的方法相同的原理，本公开的实施例中还提供了一种电子设备，该电子设备可以包括但不限于：处理器和存储器；存储器，用于存储计算机操作指令；处理器，用于通过调用计算机操作指令执行实施例所示的载波管理方法。与现有技术相比，本申请中的载波管理方法的实施提升了吞吐量，缩短业务时延。
在一个可选实施例中提供了一种电子设备，如图21所示，图21所示的电子设备1000包括：处理器1001和存储器1003。其中，处理器1001和存储器1003相连，如通过总线1002相连。可选地，电子设备1000还可以包括收发器1004。需要说明的是，实际应用中收发器1004不限于一个，该电子设备1000的结构并不构成对本申请实施例的限定。
处理器1001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器1001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线1002可包括一通路，在上述组件之间传送信息。总线1002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线1002可以分为地址总线、数据总线、控制总线等。为便于表示，图21中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器1003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器1003用于存储执行本申请方案的应用程序代码，并由处理器1001来控制执行。处理器1001用于执行存储器1003中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
具体的，上述载波管理方法可以由SON服务器或其他服务器来执行，也可以由基站或其他接入网或核心网节点来执行，图21示出的电子设备可以为服务器，也可以为基站或其他接入网或核心网设备。图21示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，接收模块还可以被描述为“用于接收目标用户设备UE的接入请求的模块”。
本申请所提供的实施例中，由电子设备执行的上述方法可以使用人工智能模型来执行。
根据本申请的实施例，在电子设备中执行的该方法可以通过使用图像数据或视频数据作为人工智能模型的输入数据来获得识别图像或图像中的图像特征的输出数据。人工智能模型可以通过训练获得。这里，“通过训练获得”意味着通过训练算法用多条训练数据训练基本人工智能模型来获得被配置成执行期望特征(或目的)的预定义操作规则或人工智能模型。人工智能模型可以包括多个神经网络层。多个神经网络层中的每一层包括多个权重值，并且通过在前一层的计算结果与多个权重值之间的计算来执行神经网络计算。
视觉理解是一种用于像人类视觉一样识别和处理事物的技术，并且包括例如对象识别、对象跟踪、图像检索、人类识别、场景识别、3D重建/定位或图像增强。
本申请所提供的装置，可以通过AI模型来实现多个模块中的至少一个模块。可以通过非易失性存储器、易失性存储器和处理器来执行与AI相关联的功能。
该处理器可以包括一个或多个处理器。此时，该一个或多个处理器可以是通用处理器，(例如中央处理单元(CPU)、应用处理器(AP)等)、或者是纯图形处理单元，(例如，图形处理单元(GPU)、视觉处理单元(VPU)、和/或AI专用处理器，(例如，神经处理单元(NPU))。
该一个或多个处理器根据存储在非易失性存储器和易失性存储器中的预定义的操作规则或人工智能(AI)模型来控制对输入数据的处理。通过训练或学习来提供预定义的操作规则或人工智能模型。
这里，通过学习来提供指的是通过将学习算法应用于多个学习数据来得到预定义的操作规则或具有期望特性的AI模型。该学习可以在其中执行根据实施例的AI的装置本身中执行，和/或可以通过单独的服务器/系统来实现。
该AI模型可以由包含多个神经网络层组成。每一层具有多个权重值，一个层的计算是通过前一层的计算结果和当前层的多个权重来执行的。神经网络的示例包括但不限于卷积神经网络(CNN)、深度神经网络(DNN)、循环神经网络(RNN)、受限玻尔兹曼机(RBM)、深度信念网络(DBN)、双向循环深度神经网络(BRDNN)、生成对抗网络(GAN)、以及深度Q网络。
学习算法是一种使用多个学习数据训练预定目标装置(例如，机器人)以使得、允许或控制目标装置进行确定或预测的方法。该学习算法的示例包括但不限于监督学习、无监督学习、半监督学习、或强化学习。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (32)

1.一种载波管理方法，其特征在于，包括：
接收目标用户设备UE的接入请求；
基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell。
2.根据权利要求1所述的方法，其特征在于，所述基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell，包括：
获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值；
基于所述每个RB吞吐量的最大值，在候选CC中确定所述目标UE的Pcell。
3.根据权利要求2所述的方法，其特征在于，所述获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值，包括：
在各候选CC、各RSRP范围和每个RB吞吐量的最大值之间的历史对应关系中，获取各候选CC对应的各RSRP范围内每个RB吞吐量的最大值；
其中，所述历史对应关系基于各候选CC中已有UE上报的RSRP值与传输数据时确定的每个RB吞吐量确定。
4.根据权利要求3所述的方法，其特征在于，基于各候选CC中已有UE上报的RSRP值与传输数据时确定的每个RB吞吐量确定历史对应关系，包括：
基于所述候选CC中已有UE的数据传输信息，确定相应的每个RB吞吐量；
基于所述候选CC上已有UE上报的RSRP值，确定对应的RSRP范围；
基于已有UE的每个RB吞吐量，更新与所述候选CC以及确定出的RSRP范围对应的每个RB吞吐量的最大值。
5.根据权利要求4所述的方法，其特征在于，所述各候选CC对应的RSRP范围的数量与调制编码MCS等级的数量相同；其中，每一MCS等级所对应的最小RSRP值为相应候选CC对应的RSRP范围的最小RSRP值，每一MCS等级所对应的最大RSRP值为相应候选CC对应的RSRP范围的最大RSRP值。
6.根据权利要求4所述的方法，其特征在于，所述基于所述候选CC中已有UE的数据传输信息，确定相应的每个RB吞吐量，包括：
每当所述候选CC中已有UE完成数据传输时，基于当次完成数据传输时调度的RB数量、传输块TBS的大小以及一个传输时间间隔TTI的时间长度，计算当次完成数据传输时UE的每个RB吞吐量；
基于已有UE的每个RB吞吐量，更新与所述候选CC以及确定出的RSRP范围对应的每个RB吞吐量的最大值，包括：
确定在所述历史对应关系中，确定出的RSRP范围对应的每个RB吞吐量的最大值；
若所述当次完成数据传输时UE的每个RB吞吐量大于确定出的RSRP范围对应的每个RB吞吐量的最大值，将确定出的RSRP范围对应的每个RB吞吐量的最大值更新为所述当次完成数据传输时UE的每个RB吞吐量。
7.根据权利要求3所述的方法，其特征在于，所述在各候选CC、各RSRP范围和每个RB吞吐量的最大值之间的历史对应关系中，获取各候选CC对应的各参考信号接收功率RSRP范围内每个RB吞吐量的最大值，包括：
在处于激活状态下的历史对应关系中获取各候选CC对应的各RSRP范围内每个RB吞吐量的最大值；
其中，若所述历史对应关系中每个RSRP范围内存储的每个RB吞吐量的最大值在更新前后的差值小于预设更新阈值的次数达预设激活阈值，则确定所述历史对应关系处于激活状态。
8.根据权利要求3所述的方法，其特征在于，所述基于所述每个RB吞吐量的最大值，在候选CC中确定所述UE的Pcell，包括：
基于所述目标UE上报的RSRP值，在所述历史对应关系中确定与该RSRP值相应的RSRP范围内每个RB吞吐量的最大值；
基于候选CC的资源利用信息、CC的RB数量以及与所述目标UE上报的RSRP值相应的每个RB吞吐量的最大值，在候选CC中筛选得到包括至少一个候选CC的候选CC集合；
在所述候选CC集合中确定所述目标UE的Pcell。
9.根据权利要求3所述的方法，其特征在于，所述基于所述每个RB吞吐量的最大值，在候选CC中确定所述目标UE的Pcell，包括：
基于所述目标UE上报的RSRP值，在所述历史对应关系中确定与该RSRP值相应的候选CC；
针对与目标UE上报的RSRP值相应的每一候选CC，基于该候选CC已接入的UE数值与资源利用信息，确定该候选CC的比例值；
在与目标UE上报的RSRP值相应的候选CC中基于所述比例值确定目标UE的Pcell。
10.根据权利要求9所述的方法，其特征在于，所述基于该候选CC已接入的UE数与资源利用信息，确定该候选CC的比例值，包括：
基于已接入的UE数值对应的第一权重以及资源利用信息对应的第二权重，确定候选CC的加权和；
若所述第一权重小于第二权重，以加权和的倒数作为候选CC的比例值；
若所述第一权重大于第二权重，以加权和作为候选CC的比例值。
11.根据权利要求1所述的方法，其特征在于，还包括：
获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略；
确定所述至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息；
基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略；
基于所述目标分配策略分配所述待分配业务数据。
12.根据权利要求11所述的方法，其特征在于，所述确定所述至少一个候选分配策略对应的吞吐量信息，包括：
针对每一候选分配策略执行下述步骤：基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量。
13.根据权利要求11或12所述的方法，其特征在于，所述传输时延相关信息包括：平均时延信息和/或时延差异信息；
所述确定所述至少一个候选分配策略对应的传输时延相关信息，包括：
针对每一候选分配策略执行下述步骤：确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的平均时延；和/或
针对每一候选分配策略执行下述步骤：确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的时延差异信息。
14.根据权利要求12所述的方法，其特征在于，所述基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量，包括：
确定各候选CC在当前时刻之前完成最后一次业务数据传输后分别对应的剩余业务数据；
确定将所述待分配业务数据分配后各候选CC分别对应的新增业务数据；
基于各候选CC的最大传输能力、剩余业务数据和新增业务数据，确定所述候选CC在当前时刻的所有业务数据，并基于该所有业务数据确定所有候选CC的总吞吐量。
15.根据权利要求11所述的方法，其特征在于，所述基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略，包括：
将所述候选分配策略划分为多个子集；
基于所述吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略；
在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略。
16.根据权利要求15所述的方法，其特征在于，所述基于所述吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略，包括：
针对每一个子集包括的候选分配策略执行下述步骤：
选择预设数值的候选分配策略作为当前子集的初始分配策略；
基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略。
17.根据权利要求16所述的方法，其特征在于，所述基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略，包括：
基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值，以及每两个所述第一分配效果值的差值；
基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值；
将最后依次迭代得到最大的第一分配效果值对应的候选分配策略作为当前子集中分配效果值最优的候选分配策略。
18.根据权利要求17所述的方法，其特征在于，所述基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值，包括：
基于最大差值对应的两个第一分配效果值对应的初始分配策略的差值，确定迭代方向；
基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略；
重复执行下述步骤，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值：基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值以及每两个所述第一分配效果值的差值；基于最大差值对应的两个第一分配效果值对应的初始分配策略的差值，确定迭代方向；基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略。
19.根据权利要求15所述的方法，其特征在于，所述在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略，包括：
基于当前确定的目标分配策略构建策略集合；
重复执行所述确定每个子集中分配效果值最优的候选分配策略，在所有子集分配效果值最优的候选分配策略中取分配效果值最大的候选分策略作为目标分配策略的步骤，直至当前更新的策略集合的累计分布值与上一轮更新的策略集合的累计分布值的差值小于预设目标阈值；
将最后一次重复执行过程中确定的目标分配策略作为最终的目标分配策略。
20.一种资源分配方法，其特征在于，包括：
获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略；
确定所述至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息；
基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略；
基于所述目标分配策略分配所述待分配业务数据。
21.根据权利要求20所述的方法，其特征在于，所述确定所述至少一个候选分配策略对应的吞吐量信息，包括：
针对每一候选分配策略执行下述步骤：基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量。
22.根据权利要求20或21所述的方法，其特征在于，所述传输时延相关信息包括：平均时延信息和/或时延差异信息；
所述确定所述至少一个候选分配策略对应的传输时延相关信息，包括：
针对每一候选分配策略执行下述步骤：确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的平均时延；和/或
针对每一候选分配策略执行下述步骤：确定将所述待分配业务数据分配至各候选CC时对应的所有UE之间的时延差异信息。
23.根据权利要求21所述的方法，其特征在于，所述基于各候选CC分别对应的剩余业务数据与将所述待分配业务数据分配后分别对应的新增业务数据，确定所有候选CC的总吞吐量，包括：
确定各候选CC在当前时刻之前完成最后一次业务数据传输后分别对应的剩余业务数据；
确定将所述待分配业务数据分配后各候选CC分别对应的新增业务数据；
基于各候选CC的最大传输能力、剩余业务数据和新增业务数据，确定所述候选CC在当前时刻的所有业务数据，并基于该所有业务数据确定所有候选CC的总吞吐量。
24.根据权利要求20所述的方法，其特征在于，所述基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略，包括：
将所述候选分配策略划分为多个子集；
基于所述吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略；
在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略。
25.根据权利要求24所述的方法，其特征在于，所述基于所述吞吐量信息以及传输时延相关信息确定每个子集中分配效果值最优的候选分配策略，包括：
针对每一个子集包括的候选分配策略执行下述步骤：
选择预设数值的候选分配策略作为当前子集的初始分配策略；
基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略。
26.根据权利要求25所述的方法，其特征在于，所述基于所述初始分配策略对应的吞吐量信息和传输时延相关信息迭代计算当前子集中候选分配策略对应的分配效果值，确定当前子集中分配效果值最优的候选分配策略，包括：
基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值，以及每两个所述第一分配效果值的差值；
基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值；
将最后依次迭代得到最大的第一分配效果值对应的候选分配策略作为当前子集中分配效果值最优的候选分配策略。
27.根据权利要求26所述的方法，其特征在于，所述基于最大差值对应的两个第一分配效果值确定迭代策略，并基于迭代策略迭代确定当前子集中候选分配策略对应的分配效果值，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值，包括：
基于最大差值对应的两个第一分配效果值对应的初始分配策略的差值，确定迭代方向；
基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略；
重复执行下述步骤，直至相邻预设次数的迭代获得的各最大第一分配效果值之间的差值小于预设迭代阈值：基于各初始分配策略对应的吞吐量信息和传输时延相关信息，分别确定各初始分配策略对应的第一分配效果值以及每两个所述第一分配效果值的差值；基于最大差值对应的两个第一分配效果值对应的初始分配策略的差值，确定迭代方向；基于所述迭代方向与最大第一分配效果值对应的初始分配策略，确定下一次迭代的初始分配策略。
28.根据权利要求24所述的方法，其特征在于，所述在各子集分别对应的分配效果值最优的候选分配策略中确定目标分配策略，包括：
基于当前确定的目标分配策略构建策略集合；
重复执行所述确定每个子集中分配效果值最优的候选分配策略，在所有子集分配效果值最优的候选分配策略中取分配效果值最大的候选分策略作为目标分配策略的步骤，直至当前更新的策略集合的累计分布值与上一轮更新的策略集合的累计分布值的差值小于预设目标阈值；
将最后一次重复执行过程中确定的目标分配策略作为最终的目标分配策略。
29.一种载波管理装置，其特征在于，包括：
接收模块，用于接收目标用户设备UE的接入请求；
确定模块，用于基于各候选分量载波CC对应的每个资源块RB吞吐量，在候选CC中确定所述目标UE的主载波Pcell。
30.一种资源分配装置，其特征在于，包括：
获取模块，用于获取将待分配业务数据分配给至少一个候选CC的至少一个候选分配策略；
效果确定模块，用于确定所述至少一个候选分配策略对应的吞吐量信息以及传输时延相关信息；
策略确定模块，用于基于所述吞吐量信息以及传输时延相关信息，确定目标分配策略；
分配模块，用于基于所述目标分配策略分配所述待分配业务数据。
31.一种电子设备，其特征在于，其包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1-28任一项所述的方法。
32.一种计算机可读存储介质，其特征在于，所述存储介质存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1-28任一项所述的方法。
CN202110827114.3A 2021-05-21 2021-07-21 载波管理方法、资源分配方法及相关设备 Pending CN115379508A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP22804968.0A EP4324149A1 (en) 2021-05-21 2022-05-17 Carrier management method, resource allocation method and related devices
PCT/KR2022/007071 WO2022245114A1 (en) 2021-05-21 2022-05-17 Carrier management method, resource allocation method and related devices
US18/316,677 US20230284194A1 (en) 2021-05-21 2023-05-12 Carrier management method, resource allocation method and related devices

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2021105606959 2021-05-21
CN202110560695 2021-05-21

Publications (1)

Publication Number Publication Date
CN115379508A true CN115379508A (zh) 2022-11-22

Family

ID=84060144

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110827114.3A Pending CN115379508A (zh) 2021-05-21 2021-07-21 载波管理方法、资源分配方法及相关设备

Country Status (4)

Country Link
US (1) US20230284194A1 (zh)
EP (1) EP4324149A1 (zh)
CN (1) CN115379508A (zh)
WO (1) WO2022245114A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11902952B2 (en) * 2021-12-15 2024-02-13 T-Mobile Innovations Llc Carrier aggregation grouping based on user location in 5G NR massive MIMO beamforming network
CN115765956B (zh) * 2022-11-25 2024-04-09 中国联合网络通信集团有限公司 载波聚合的确定方法、装置、设备及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013102398A (ja) * 2011-11-09 2013-05-23 Ntt Docomo Inc 無線通信システム、ユーザ端末及び無線通信方法
CN102448174B (zh) * 2012-01-09 2015-08-12 中兴通讯股份有限公司 一种无线资源控制方法和装置
US10110355B2 (en) * 2014-03-10 2018-10-23 Apple Inc. Uplink transmission on unlicensed radio frequency band component carriers
CN105376799B (zh) * 2014-08-25 2019-11-05 南京中兴软件有限责任公司 一种载波间的负荷调整方法、装置和系统
CN110719623B (zh) * 2018-07-11 2021-05-04 维沃移动通信有限公司 配置方法和设备

Also Published As

Publication number Publication date
EP4324149A1 (en) 2024-02-21
WO2022245114A1 (en) 2022-11-24
US20230284194A1 (en) 2023-09-07

Similar Documents

Publication Publication Date Title
KR101539214B1 (ko) 보장된 비트 레이트 및/또는 최대 비트 레이트 서비스들에 대한 스케줄링 및 수락 제어 방법
US8190165B2 (en) System and method for utility-based scheduling for space division multiple access (SDMA) on an uplink of a wireless communications network
US20230284194A1 (en) Carrier management method, resource allocation method and related devices
US20150181439A1 (en) Capacity planning method and device for wireless broadband network
CN112368950A (zh) 使用深度学习的多用户多输入多输出波束选择和用户配对的方法和装置
WO2017041492A1 (zh) 一种资源分配方法、装置和计算机可读存储介质
WO2017124323A1 (zh) 资源分配的方法、基站和信道质量分级设备
KR20180109654A (ko) Noma 시스템에서 부대역으로의 사용자 분배를 위한 방법 및 장치
CN107615846B (zh) 一种用于资源分配的方法、装置、系统以及基站
CN112543508A (zh) 面向5g网络切片的无线资源分配方法及网络架构
CN114007225A (zh) Bwp的分配方法、装置、电子设备及计算机可读存储介质
US20230337252A1 (en) Downlink scheduling across a cellular carrier aggregation
CN108307412B (zh) 用户为中心的基于分组博弈的超密集网络干扰管理方法
US10390364B2 (en) Apparatus and method for dynamically controlling spectrum access
CN111328146A (zh) 一种基于遗传算法优化传输速率权重的业务调度方法
CN111200821A (zh) 一种容量规划方法及装置
CN112752347B (zh) 调度数据传输的方法和装置
CN110035539B (zh) 一种基于相关均衡后悔值匹配的资源优化分配方法及装置
CN111988834A (zh) 一种异构车联网网络选择方法、系统及装置
CN105451350A (zh) 一种基于联合单播与组播机制的资源分配方法
CN113728673A (zh) 用于估计被无线电问题抑制的数据业务的方法和装置
JP7425197B2 (ja) スケジューリング方法及び装置
CN105532031A (zh) 资源优化的方法和装置
CN111699743B (zh) 新无线电车联网移动通信中存在带内发射时之资源分配
US11438920B2 (en) Downlink scheduling of terminal devices

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication