CN116320844A - 基于通信流量的fttr智能资源调度方法及系统 - Google Patents

基于通信流量的fttr智能资源调度方法及系统 Download PDF

Info

Publication number
CN116320844A
CN116320844A CN202310558216.9A CN202310558216A CN116320844A CN 116320844 A CN116320844 A CN 116320844A CN 202310558216 A CN202310558216 A CN 202310558216A CN 116320844 A CN116320844 A CN 116320844A
Authority
CN
China
Prior art keywords
user
fttr
access point
resource scheduling
function
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
CN202310558216.9A
Other languages
English (en)
Other versions
CN116320844B (zh
Inventor
张靖
郑金科
王焱原
吴莉
甘师一
葛晓虎
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.)
Huazhong University of Science and Technology
Fiberhome Telecommunication Technologies Co Ltd
Original Assignee
Huazhong University of Science and Technology
Fiberhome Telecommunication Technologies 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 Huazhong University of Science and Technology, Fiberhome Telecommunication Technologies Co Ltd filed Critical Huazhong University of Science and Technology
Priority to CN202310558216.9A priority Critical patent/CN116320844B/zh
Publication of CN116320844A publication Critical patent/CN116320844A/zh
Application granted granted Critical
Publication of CN116320844B publication Critical patent/CN116320844B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q11/00—Selecting arrangements for multiplex systems
    • H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
    • H04Q11/0062—Network aspects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q11/00—Selecting arrangements for multiplex systems
    • H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
    • H04Q11/0062—Network aspects
    • H04Q2011/0084—Quality of service aspects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q11/00—Selecting arrangements for multiplex systems
    • H04Q11/0001—Selecting arrangements for multiplex systems using optical switching
    • H04Q11/0062—Network aspects
    • H04Q2011/0086—Network resource allocation, dimensioning or optimisation
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于通信流量的FTTR智能资源调度方法及系统，属于无线通信技术领域，方法包括：对于每一用户，根据用户的当前位置信息和当前数据队列流量信息，确定用户的瞬时传输速率，从而得到对应的网络效用函数；计算各用户的网络效用函数的和，得到网络总和效用函数；在FTTR系统中接入点上当前数据积压队列下，将网络总和效用函数作为罚函数添加到Lyapunov漂移函数中；以Lyapunov漂移加惩罚函数的上界最小为目标，基于功率约束和带宽约束，确定第一优化问题；求解第一优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。在稳定数据队列的同时，达到更大的瞬时数据传输速率。

Description

基于通信流量的FTTR智能资源调度方法及系统
技术领域
本发明属于无线通信技术领域，更具体地，涉及一种基于通信流量的FTTR智能资源调度方法及系统。
背景技术
全光组网（Fiber To The Room，FTTR）以光纤代替传统网线，把千兆宽带和千兆Wi-Fi带入到每个房间、办公室甚至桌面，以支撑家庭、校园、商业的数字化、智能化和信息化。通过全新的光纤+Wi-Fi6技术，可以实现超千兆全屋覆盖。随着光网带宽从百兆提升到千兆，虚拟现实、超高清视频等家庭高流量业务需求激增，因此，进行通信流量控制来稳定数据队列、更好地优化用户体验是必要的。
FTTR所通常应用的室内环境中，普遍存在一堵甚至多堵墙壁阻挡无线信道传输，信号强度在通信中会因为穿墙衰弱。此外，Wi-Fi6有2.4G和5G/6G两个频带，不同频带无线穿透能力不同。2.4G频带在障碍物中传播时衰减较小；而5G/6G频带较宽、干扰少、网速稳定，并且可以支持更高的无线信道传输速率。使用两种频带进行通信，可以实现高效的FTTR智能资源调度。因此，在FTTR中如何进行通信流量控制，并考虑两种频带进行通信，具有重要研究意义。
发明内容
针对现有技术的缺陷和改进需求，本发明提供了一种基于通信流量的FTTR智能资源调度方法及系统，其目的在于在用户行为较为灵活的FTTR系统通信过程中，在稳定数据队列的同时，达到更大的网络总和效用函数，提高用户上网体验。
为实现上述目的，按照本发明的一个方面，提供了一种基于通信流量的FTTR智能资源调度方法，包括：S1，通过感知RSSI来获取FTTR系统中各用户的当前位置信息，获取当前数据队列流量信息；S2，对于每一用户，根据所述用户的当前位置信息和当前数据队列流量信息，确定所述用户的瞬时传输速率，并利用α-公平效用函数计算所述用户的瞬时传输速率对应的网络效用函数；S3，计算各用户的网络效用函数的和，得到网络总和效用函数；S4，在所述FTTR系统中接入点上当前数据积压队列下，将所述网络总和效用函数作为罚函数添加到Lyapunov漂移函数中，得到Lyapunov漂移加惩罚函数；S5，以所述Lyapunov漂移加惩罚函数的上界最小为目标，基于相应的功率约束和带宽约束，确定第一优化问题；S6，求解所述第一优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
更进一步地，所述用户的瞬时传输速率为：
Figure SMS_1
Figure SMS_2
其中，
Figure SMS_8
为/>
Figure SMS_14
时刻用户/>
Figure SMS_20
的瞬时传输速率，/>
Figure SMS_6
为/>
Figure SMS_15
时刻接入点/>
Figure SMS_21
到用户
Figure SMS_26
的瞬时传输速率，/>
Figure SMS_9
为所述FTTR系统中接入点的总数，/>
Figure SMS_13
为/>
Figure SMS_19
时刻接入点/>
Figure SMS_25
到用户
Figure SMS_7
的传输带宽，/>
Figure SMS_12
为/>
Figure SMS_18
时刻接入点/>
Figure SMS_24
到用户/>
Figure SMS_5
的连接状态，/>
Figure SMS_11
为/>
Figure SMS_17
时刻接入点/>
Figure SMS_23
到用户/>
Figure SMS_3
选择的信道信噪比，/>
Figure SMS_10
为/>
Figure SMS_16
时刻接入点/>
Figure SMS_22
到用户/>
Figure SMS_4
之间接入信道的概率。
更进一步地，所述用户和所述接入点之间选择2.4G频带或5G/6G频带进行通信，
Figure SMS_27
为：
Figure SMS_28
Figure SMS_29
Figure SMS_30
其中，
Figure SMS_36
用于表征/>
Figure SMS_43
时刻用户/>
Figure SMS_49
和接入点/>
Figure SMS_32
之间选择的频带；/>
Figure SMS_39
为2.4G频带所用信道中，/>
Figure SMS_46
时刻用户/>
Figure SMS_52
成功接入接入点/>
Figure SMS_33
的概率；/>
Figure SMS_40
为5G/6G频带所用信道中，/>
Figure SMS_47
时刻用户/>
Figure SMS_53
成功接入接入点/>
Figure SMS_34
的概率；/>
Figure SMS_42
为/>
Figure SMS_48
时刻用户/>
Figure SMS_54
到接入点/>
Figure SMS_37
的距离；/>
Figure SMS_44
为路径损失指数；/>
Figure SMS_50
为连接功率阈值；/>
Figure SMS_55
为传播常数；/>
Figure SMS_31
为/>
Figure SMS_38
时刻接入点/>
Figure SMS_45
到用户/>
Figure SMS_51
的发射功率；/>
Figure SMS_35
为衰落程度；/>
Figure SMS_41
为平均信道增益。
更进一步地，所述Lyapunov漂移加惩罚函数的上界为：
Figure SMS_56
其中，
Figure SMS_63
为/>
Figure SMS_69
时刻所述Lyapunov漂移加惩罚函数的上界，/>
Figure SMS_75
为常数，
Figure SMS_58
，/>
Figure SMS_64
为用户请求数据的上限，/>
Figure SMS_71
为/>
Figure SMS_77
时刻接入点/>
Figure SMS_59
上存储的数据积压，/>
Figure SMS_66
为/>
Figure SMS_73
时刻光线路终端广播到接入点/>
Figure SMS_79
中的数据量，/>
Figure SMS_62
为/>
Figure SMS_70
时刻接入点/>
Figure SMS_76
中要发送到用户的数据队列，/>
Figure SMS_81
为所述FTTR系统中接入点的总数，/>
Figure SMS_60
为/>
Figure SMS_68
时刻所述FTTR系统中接入点上当前数据积压队列，E{ }为期望函数，/>
Figure SMS_74
为非负权重，/>
Figure SMS_80
为/>
Figure SMS_57
时刻用户/>
Figure SMS_65
对应的网络效用函数，/>
Figure SMS_72
为/>
Figure SMS_78
时刻用户/>
Figure SMS_61
的瞬时传输速率，/>
Figure SMS_67
为所述FTTR系统中用户的总数。
更进一步地，还包括：将所述Lyapunov漂移加惩罚函数的上界最小的问题转化为最优流量准入控制子问题和网络总和效用函数最大化子问题；所述最优流量准入控制子问题为：
Figure SMS_82
Figure SMS_83
其中，
Figure SMS_85
为/>
Figure SMS_88
时刻用户连接接入点决策，/>
Figure SMS_90
为/>
Figure SMS_86
时刻用户选择信道决策，
Figure SMS_87
为/>
Figure SMS_89
时刻带宽分配决策，/>
Figure SMS_91
为/>
Figure SMS_84
时刻功率分配决策。
更进一步地，所述S2之前还包括：判断是否存在高流量用户，所述高流量用户的当前数据队列流量信息中用户请求内容的比特数大于设定阈值；当存在时，执行所述S2-所述S6，以进行资源调度。
更进一步地，当不存在时，方法还包括：执行所述S2-所述S3，并以所述网络总和效用函数最大为目标，基于所述功率约束和所述带宽约束，确定第二优化问题；求解所述第二优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
按照本发明的另一个方面，提供了一种基于通信流量的FTTR智能资源调度系统，包括：感知获取模块，用于通过感知RSSI来获取FTTR系统中各用户的当前位置信息，获取当前数据队列流量信息；第一计算模块，用于对于每一用户，根据所述用户的当前位置信息和当前数据队列流量信息，确定所述用户的瞬时传输速率，并利用α-公平效用函数计算所述用户的瞬时传输速率对应的网络效用函数；第二计算模块，用于计算各用户的网络效用函数的和，得到网络总和效用函数；添加模块，用于在所述FTTR系统中接入点上当前数据积压队列下，将所述网络总和效用函数作为罚函数添加到Lyapunov漂移函数中，得到Lyapunov漂移加惩罚函数；问题确定模块，用于以所述Lyapunov漂移加惩罚函数的上界最小为目标，基于相应的功率约束和带宽约束，确定第一优化问题；求解调度模块，用于求解所述第一优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
按照本发明的另一个方面，提供了一种电子设备，其特征在于，包括：处理器；存储器，其存储有计算机可执行程序，所述程序在被所述处理器执行时，使得所述处理器执行如上所述的基于通信流量的FTTR智能资源调度方法。
按照本发明的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上所述的基于通信流量的FTTR智能资源调度方法。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
（1）提供一种基于通信流量的FTTR智能资源调度方法，先验获取各用户到接入点（Access Point，AP）的距离，来调整用户与AP的连接情况以及选择信道情况，在发射功率约束和带宽约束下调整AP的发射功率和带宽，确保最大化网络总和效用函数的同时，保证不消耗太多的功率资源和带宽资源，从而提升网络服务有效性；
（2）基于业务类型识别的方式将高流量需求业务和低流量需求业务的处理方法进行区分；针对高流量业务，考虑了数据队列稳定性与网络总和效用函数最大化的权衡关系，在稳定数据队列的同时最大化网络总和效用函数；针对低流量业务，通过最大化网络总和效用函数来进行资源调度；通过资源调度，灵活调整用户与AP连接情况、选择信道情况、各AP的发射功率、带宽，保证更好的用户体验。
附图说明
图1为本发明实施例提供的基于通信流量的FTTR智能资源调度方法的流程图。
图2为本发明实施例提供的FTTR系统的模型示意图。
图3为本发明实施例提供的高流量业务的数据队列流量传输状况。
图4为本发明实施例提供的方法与两种基线方案的网络总和效用函数随α变化的对比示意图。
图5A为α=0时，本发明实施例提供的方法与一种基线方案的网络总和效用函数随总带宽上限变化的对比示意图。
图5B为α=0时，本发明实施例提供的方法与另一种基线方案的网络总和效用函数随总发射功率上限变化的对比示意图。
图6A为α=1时，本发明实施例提供的方法与一种基线方案的网络总和效用函数随总带宽上限变化的对比示意图。
图6B为α=1时，本发明实施例提供的方法与另一种基线方案的网络总和效用函数随总发射功率上限变化的对比示意图。
图7A为α=100时，本发明实施例提供的方法与一种基线方案的网络总和效用函数随总带宽上限变化的对比示意图。
图7B为α=100时，本发明实施例提供的方法与另一种基线方案的网络总和效用函数随总发射功率上限变化的对比示意图。
图8为本发明实施例提供的基于通信流量的FTTR智能资源调度系统的框图。
图9为本发明实施例提供的电子设备的框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明中，本发明及附图中的术语“第一”、“第二”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
图1为本发明实施例提供的基于通信流量的FTTR智能资源调度方法的流程图。参阅图1，结合图2-图7B，对本实施例中基于通信流量的FTTR智能资源调度方法进行详细说明，方法包括操作S1-操作S6。
操作S1，通过感知接收信号的强度指示（Received Signal Strength Indicator，RSSI）来获取FTTR系统中各用户的当前位置信息，获取当前数据队列流量信息。
FTTR系统的模型如图2所示。具体地，FTTR系统中有
Figure SMS_94
个用户和/>
Figure SMS_95
个接入点。用户集合可表示为 />
Figure SMS_98
；AP集合可表示为/>
Figure SMS_93
。用户/>
Figure SMS_97
到所有AP的距离分布集合可表示为/>
Figure SMS_100
，其中，/>
Figure SMS_101
为/>
Figure SMS_92
时刻用户/>
Figure SMS_96
到接入点/>
Figure SMS_99
的距离。
以图2所示多用户在家庭中位置随机分布的场景为例，室内存在三个AP，分别分布在房间俯视图的左上角、左下角、右下角，每个AP通过光纤连接到同一个光线路终端（Optical Line Terminal，OLT），OLT可以集中处理所有AP的状态信息，进行发射功率和带宽分配。随机给定三个用户的位置。
用户
Figure SMS_102
连接AP的情况可以表示为：
Figure SMS_103
Figure SMS_106
表示/>
Figure SMS_109
时刻用户/>
Figure SMS_112
连接到接入点/>
Figure SMS_105
，/>
Figure SMS_108
表示/>
Figure SMS_111
时刻用户/>
Figure SMS_113
未连接到接入点/>
Figure SMS_104
。集合/>
Figure SMS_107
中，必须有一个为1，其他为0。用户连接AP的决策集合为
Figure SMS_110
。
用户
Figure SMS_114
的当前数据队列流量信息为/>
Figure SMS_115
，所有用户的当前请求数据队列的集合为
Figure SMS_116
。考虑到每个用户请求的数据包的数量在一个时隙中是有限的，用户请求数据的上限定义为/>
Figure SMS_117
。
各AP要发送到用户的数据队列的集合可表示为
Figure SMS_119
，其中，/>
Figure SMS_122
，/>
Figure SMS_125
的上限为/>
Figure SMS_120
。OLT广播到各AP中的数据量的集合可表示为/>
Figure SMS_123
，/>
Figure SMS_126
的上限为/>
Figure SMS_127
。各AP上当前存储的数据积压的集合可表示为/>
Figure SMS_118
，其中，/>
Figure SMS_121
，
Figure SMS_124
。
操作S2，对于每一用户，根据用户的当前位置信息和当前数据队列流量信息，确定用户的瞬时传输速率，并利用α-公平效用函数计算用户的瞬时传输速率对应的网络效用函数。
以
Figure SMS_128
表示/>
Figure SMS_129
时刻接入点/>
Figure SMS_130
到用户/>
Figure SMS_131
的瞬时传输速率，/>
Figure SMS_132
时刻用户/>
Figure SMS_133
的瞬时传输速率/>
Figure SMS_134
为：
Figure SMS_135
Figure SMS_136
用比特数来衡量。由香农定理，/>
Figure SMS_137
为：
Figure SMS_138
其中，
Figure SMS_147
为FTTR系统中接入点的总数，/>
Figure SMS_140
为/>
Figure SMS_148
时刻接入点/>
Figure SMS_146
到用户/>
Figure SMS_154
的传输带宽，/>
Figure SMS_145
为/>
Figure SMS_155
时刻接入点/>
Figure SMS_143
到用户/>
Figure SMS_152
的连接状态，/>
Figure SMS_139
为/>
Figure SMS_150
时刻接入点/>
Figure SMS_144
到用户/>
Figure SMS_151
选择的信道信噪比，/>
Figure SMS_142
为/>
Figure SMS_153
时刻接入点/>
Figure SMS_141
到用户/>
Figure SMS_149
之间接入信道的概率。
优选地，用户和接入点之间设置有2.4G频带和5G/6G频带两种频带，选择其中一种频带进行通信。选择2.4G频带进行通信时，信道模型为LoS，信道为Rayleigh信道；选择5G/6G频带进行通信时，信道模型为NLoS，信道为Nakagami信道。以
Figure SMS_158
表征/>
Figure SMS_161
时刻用户/>
Figure SMS_163
和接入点/>
Figure SMS_157
之间选择的频带，/>
Figure SMS_160
表示选择Rayleigh信道，即选择2.4G频带；/>
Figure SMS_162
表示选择Nakagami信道，即选择5G/6G频带。/>
Figure SMS_164
时刻用户选择信道决策为
Figure SMS_156
，其中，/>
Figure SMS_159
。
2.4G频带所用信道中，
Figure SMS_165
时刻用户/>
Figure SMS_166
成功接入接入点/>
Figure SMS_167
的概率/>
Figure SMS_168
为：
Figure SMS_169
5G/6G频带所用信道中，
Figure SMS_170
时刻用户/>
Figure SMS_171
成功接入接入点/>
Figure SMS_172
的概率/>
Figure SMS_173
为：
Figure SMS_174
其中，
Figure SMS_180
为/>
Figure SMS_175
时刻用户/>
Figure SMS_185
到接入点/>
Figure SMS_182
的距离；/>
Figure SMS_190
为路径损失指数；/>
Figure SMS_178
为连接功率阈值；/>
Figure SMS_188
为传播常数；/>
Figure SMS_179
为/>
Figure SMS_186
时刻接入点/>
Figure SMS_177
到用户/>
Figure SMS_184
的发射功率；/>
Figure SMS_181
为衰落程度；
Figure SMS_187
为平均信道增益。优选地，/>
Figure SMS_183
，/>
Figure SMS_189
，/>
Figure SMS_176
。
因此，
Figure SMS_191
可表示为：
Figure SMS_192
两种可选择频带通信方式下，
Figure SMS_193
可表示为：
Figure SMS_194
其中，
Figure SMS_195
为信道增益，/>
Figure SMS_196
为信道噪声功率。
由此，两种可选择频带通信方式下，
Figure SMS_197
可表示为：
Figure SMS_198
本实施例中，利用α-公平效用函数来统一描述不同应用场景中用户之间的行为相似性及传输公平性，得到的
Figure SMS_199
的网络效用函数/>
Figure SMS_200
为：
Figure SMS_201
其中，
Figure SMS_202
为调整参数。高流量需求的用户相似性较低，/>
Figure SMS_203
值很小；而低流量需求的用户行为相似性较高，/>
Figure SMS_204
值较大；且/>
Figure SMS_205
值随着应用场景的不同而产生变化。其中，/>
Figure SMS_206
、/>
Figure SMS_207
、
Figure SMS_208
分别对应于和速率最大化、比例公平、最大-最小公平。
操作S3，计算各用户的网络效用函数的和，得到网络总和效用函数。
网络总和效用函数可表示为：
Figure SMS_209
Figure SMS_210
时，经过泰勒展开，网络总和效用函数可转化为：
Figure SMS_211
Figure SMS_212
时，经过泰勒展开，网络总和效用函数可转化为：
Figure SMS_213
操作S4，在FTTR系统中接入点上当前数据积压队列下，将网络总和效用函数作为罚函数添加到Lyapunov漂移函数中，得到Lyapunov漂移加惩罚函数。
考虑以下二次Lyapunov 函数
Figure SMS_214
，Lyapunov漂移为
Figure SMS_215
，得到的Lyapunov漂移加惩罚函数为/>
Figure SMS_216
。
Figure SMS_217
为非负权重，可以根据需要选择，以在网络总和效用函数和数据队列稳定性之间进行相应的权衡。
操作S5，以Lyapunov漂移加惩罚函数的上界最小为目标，基于相应的功率约束和带宽约束，确定第一优化问题。
根据本发明的实施例，Lyapunov漂移加惩罚函数的上界
Figure SMS_218
为：
Figure SMS_219
其中，
Figure SMS_220
为常数，/>
Figure SMS_221
；/>
Figure SMS_222
为/>
Figure SMS_223
时刻FTTR系统中接入点上当前数据积压队列；/>
Figure SMS_224
为期望函数。
要在稳定数据队列的同时达到最大的网络总和效用函数，需要在每个时隙处最小化Lyapunov漂移加惩罚函数的上界。根据本发明的实施例，将
Figure SMS_225
最小化问题拆分为最优流量准入控制子问题和网络总和效用函数最大化子问题，即分别优化/>
Figure SMS_226
中的两个非常数项。
最优流量准入控制子问题为：
Figure SMS_227
Figure SMS_228
其中，
Figure SMS_230
为/>
Figure SMS_234
时刻用户连接接入点决策，/>
Figure SMS_236
为/>
Figure SMS_231
时刻用户选择信道决策，
Figure SMS_233
为/>
Figure SMS_235
时刻带宽分配决策，/>
Figure SMS_237
为/>
Figure SMS_229
时刻功率分配决策，/>
Figure SMS_232
为用户请求数据的上限。要使得上式最小化，即要：
Figure SMS_238
其中，
Figure SMS_239
为缓存积压上限。
网络总和效用函数最大化子问题为：
Figure SMS_240
Figure SMS_241
Figure SMS_242
其中，
Figure SMS_243
为功率约束，/>
Figure SMS_244
为带宽约束。
操作S6，求解第一优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
用户连接接入点决策为
Figure SMS_245
；用户选择信道决策为
Figure SMS_246
。
功率分配决策为：
Figure SMS_247
其中，
Figure SMS_248
。
带宽分配决策为：
Figure SMS_249
其中，
Figure SMS_250
。
本发明一实施例中，针对FTTR系统中的所有业务，均采用操作S1-操作S6进行资源调度。
本发明另一实施例中，将FTTR系统中的业务划分为高流量业务（包含高流量用户，
Figure SMS_251
值较小）和低流量业务（不包含高流量用户，/>
Figure SMS_252
值较大）。针对高流量业务，仍采用操作S1-操作S6进行资源调度；针对低流量业务，通过最大化网络总和效用函数/>
Figure SMS_253
来进行资源调度。
本实施例中，通过抓取数据流来分析不同业务类型的数据特征。低流量业务（邮件、短信等）的瞬时比特数一般不超过8×104bit，而高流量业务（超高清视频、实时会议等）的瞬时比特数一般远高于8×104bit。因此，可以通过判断当前时刻用户请求内容的比特数是否大于设定阈值（如8×104bit），来判断用户为高流量用户还是低流量用户，从而区分高流量业务（包含高流量用户）以及低流量业务（不包含高流量用户）。
参阅图3，示出了高流量业务的数据队列流量传输状况。进行下行链路通信时，OLT将所有用户请求的数据内容广播给每个AP，AP将匹配的用户所请求的数据发送给用户。
具体地，执行操作S2之前，判断是否存在高流量用户，高流量用户的当前数据队列流量信息中用户请求内容的比特数大于设定阈值。
当存在高流量用户时，此时为高流量业务，继续执行操作S2-操作S6，以进行资源调度。
当不存在高流量用户时，此时为低流量业务，方法包括：继续执行操作S2-操作S3，并以网络总和效用函数最大为目标，基于功率约束和带宽约束，确定第二优化问题；求解第二优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
第二优化问题为：
Figure SMS_254
Figure SMS_255
Figure SMS_256
分别采用本发明实施例中基于通信流量的FTTR智能资源调度方法与两种基线方法进行资源调度，这两种基线方法分别为：固定发射功率、优化带宽的方法；固定带宽、优化发射功率的方法。这三种方法的网络总和效用函数随
Figure SMS_257
变化的对比图如图4所示。参阅图4，可以看出，对比两种基线方法，本发明实施例中联合优化发射功率分配和带宽分配可以得到更大的网络总和效用函数。
图5A、图6A、图7A分别为α=0、α=1、α=100时，本发明实施例方法与固定发射功率、优化带宽的方法的网络总和效用函数对比图，反映出不同带宽上限时网络总和效用函数的不同；图5B、图6B、图7B分别为α=0、α=1、α=100时，本发明实施例方法与固定带宽、优化发射功率的方法的网络总和效用函数对比图，反映出不同发射功率上限时网络总和效用函数的不同。参阅图5A-图7B，可以看出，不同α下，对比两种基线方法，本发明实施例中联合优化发射功率分配和带宽分配都能得到更大的网络总和效用函数。
图8为本发明实施例提供的基于通信流量的FTTR智能资源调度系统的框图。参阅图8，该基于通信流量的FTTR智能资源调度系统800包括感知获取模块810、第一计算模块820、第二计算模块830、添加模块840、问题确定模块850以及求解调度模块860。
感知获取模块810例如执行操作S1，用于通过感知RSSI来获取FTTR系统中各用户的当前位置信息，获取当前数据队列流量信息。
第一计算模块820例如执行操作S2，用于对于每一用户，根据用户的当前位置信息和当前数据队列流量信息，确定用户的瞬时传输速率，并利用α-公平效用函数计算用户的瞬时传输速率对应的网络效用函数。
第二计算模块830例如执行操作S3，用于计算各用户的网络效用函数的和，得到网络总和效用函数。
添加模块840例如执行操作S4，用于在FTTR系统中接入点上当前数据积压队列下，将网络总和效用函数作为罚函数添加到Lyapunov漂移函数中，得到Lyapunov漂移加惩罚函数。
问题确定模块850例如执行操作S5，用于以Lyapunov漂移加惩罚函数的上界最小为目标，基于相应的功率约束和带宽约束，确定第一优化问题。
求解调度模块860例如执行操作S6，用于求解第一优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
基于通信流量的FTTR智能资源调度系统800用于执行上述图1-图7B所示实施例中的基于通信流量的FTTR智能资源调度方法。本实施例未尽之细节，请参阅前述图1-图7B所示实施例中的基于通信流量的FTTR智能资源调度方法，此处不再赘述。
本公开的实施例还示出了一种电子设备，如图9所示，电子设备900包括处理器910、可读存储介质920。该电子设备900可以执行上面图1-图7B中描述的基于通信流量的FTTR智能资源调度方法。
具体地，处理器910例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（ASIC）），等等。处理器910还可以包括用于缓存用途的板载存储器。处理器910可以是用于执行参考图1-图7B描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
可读存储介质920，例如可以是能够包含存储、传送、传播或传输指令的任意介质。例如，可读存储介质可以包括但不限于电、磁、光、电磁、红外或半导体系统、装置、器件或传播介质。可读存储介质的具体示例包括：磁存储装置，如磁带或硬盘（HDD）；光存储装置，如光盘（CD-ROM）；存储器，如随机存取存储器（RAM）或闪存；和/或有线/无线通信链路。
可读存储介质920可以包括计算机程序921，该计算机程序921可以包括代码/计算机可执行指令，其在由处理器910执行时使得处理器910执行例如上面结合图1-图7B所描述的方法流程及其任何变形。
计算机程序921可被配置为具有例如包括计算机程序模块的计算机程序代码。例如，在示例实施例中，计算机程序921中的代码可以包括一个或多个程序模块，例如包括921A、模块921B、……。应当注意，模块的划分方式和个数并不是固定的，本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合，当这些程序模块组合被处理器910执行时，使得处理器910可以执行例如上面结合图1-图7B所描述的方法流程及其任何变形。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序。程序被处理器执行时实现如图1-图7B所示实施例中的基于通信流量的FTTR智能资源调度方法。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于通信流量的FTTR智能资源调度方法，其特征在于，包括：
S1，通过感知RSSI来获取FTTR系统中各用户的当前位置信息，获取当前数据队列流量信息；
S2，对于每一用户，根据所述用户的当前位置信息和当前数据队列流量信息，确定所述用户的瞬时传输速率，并利用α-公平效用函数计算所述用户的瞬时传输速率对应的网络效用函数；
S3，计算各用户的网络效用函数的和，得到网络总和效用函数；
S4，在所述FTTR系统中接入点上当前数据积压队列下，将所述网络总和效用函数作为罚函数添加到Lyapunov漂移函数中，得到Lyapunov漂移加惩罚函数；
S5，以所述Lyapunov漂移加惩罚函数的上界最小为目标，基于相应的功率约束和带宽约束，确定第一优化问题；
S6，求解所述第一优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
2.如权利要求1所述的基于通信流量的FTTR智能资源调度方法，其特征在于，所述用户的瞬时传输速率为：
Figure QLYQS_1
Figure QLYQS_2
其中，
Figure QLYQS_6
为/>
Figure QLYQS_12
时刻用户/>
Figure QLYQS_18
的瞬时传输速率，/>
Figure QLYQS_4
为/>
Figure QLYQS_11
时刻接入点/>
Figure QLYQS_17
到用户
Figure QLYQS_23
的瞬时传输速率，/>
Figure QLYQS_7
为所述FTTR系统中接入点的总数，/>
Figure QLYQS_13
为/>
Figure QLYQS_19
时刻接入点/>
Figure QLYQS_24
到用户/>
Figure QLYQS_9
的传输带宽，/>
Figure QLYQS_14
为/>
Figure QLYQS_20
时刻接入点/>
Figure QLYQS_25
到用户/>
Figure QLYQS_8
的连接状态，/>
Figure QLYQS_15
为/>
Figure QLYQS_21
时刻接入点/>
Figure QLYQS_26
到用户/>
Figure QLYQS_3
选择的信道信噪比，/>
Figure QLYQS_10
为/>
Figure QLYQS_16
时刻接入点/>
Figure QLYQS_22
到用户/>
Figure QLYQS_5
之间接入信道的概率。
3.如权利要求2所述的基于通信流量的FTTR智能资源调度方法，其特征在于，所述用户和所述接入点之间选择2.4G频带或5G/6G频带进行通信，
Figure QLYQS_27
为：
Figure QLYQS_28
Figure QLYQS_29
Figure QLYQS_30
其中，
Figure QLYQS_37
用于表征/>
Figure QLYQS_42
时刻用户/>
Figure QLYQS_48
和接入点/>
Figure QLYQS_32
之间选择的频带；/>
Figure QLYQS_39
为2.4G频带所用信道中，/>
Figure QLYQS_46
时刻用户/>
Figure QLYQS_52
成功接入接入点/>
Figure QLYQS_34
的概率；/>
Figure QLYQS_44
为5G/6G频带所用信道中，/>
Figure QLYQS_50
时刻用户/>
Figure QLYQS_55
成功接入接入点/>
Figure QLYQS_35
的概率；/>
Figure QLYQS_43
为/>
Figure QLYQS_49
时刻用户/>
Figure QLYQS_54
到接入点/>
Figure QLYQS_36
的距离；/>
Figure QLYQS_41
为路径损失指数；/>
Figure QLYQS_47
为连接功率阈值；/>
Figure QLYQS_53
为传播常数；/>
Figure QLYQS_31
为/>
Figure QLYQS_38
时刻接入点
Figure QLYQS_45
到用户/>
Figure QLYQS_51
的发射功率；/>
Figure QLYQS_33
为衰落程度；/>
Figure QLYQS_40
为平均信道增益。
4.如权利要求1所述的基于通信流量的FTTR智能资源调度方法，其特征在于，所述Lyapunov漂移加惩罚函数的上界为：
Figure QLYQS_56
其中，
Figure QLYQS_60
为/>
Figure QLYQS_69
时刻所述Lyapunov漂移加惩罚函数的上界，/>
Figure QLYQS_76
为常数，/>
Figure QLYQS_58
，
Figure QLYQS_67
为用户请求数据的上限，/>
Figure QLYQS_74
为/>
Figure QLYQS_81
时刻接入点/>
Figure QLYQS_59
上存储的数据积压，/>
Figure QLYQS_65
为/>
Figure QLYQS_72
时刻光线路终端广播到接入点/>
Figure QLYQS_79
中的数据量，/>
Figure QLYQS_63
为/>
Figure QLYQS_66
时刻接入点/>
Figure QLYQS_73
中要发送到用户的数据队列，/>
Figure QLYQS_80
为所述FTTR系统中接入点的总数，/>
Figure QLYQS_61
为/>
Figure QLYQS_68
时刻所述FTTR系统中接入点上当前数据积压队列，/>
Figure QLYQS_75
为期望函数，/>
Figure QLYQS_82
为非负权重，/>
Figure QLYQS_57
为/>
Figure QLYQS_64
时刻用户/>
Figure QLYQS_71
对应的网络效用函数，/>
Figure QLYQS_78
为/>
Figure QLYQS_62
时刻用户/>
Figure QLYQS_70
的瞬时传输速率，/>
Figure QLYQS_77
为所述FTTR系统中用户的总数。
5.如权利要求4所述的基于通信流量的FTTR智能资源调度方法，其特征在于，还包括：将所述Lyapunov漂移加惩罚函数的上界最小的问题转化为最优流量准入控制子问题和网络总和效用函数最大化子问题；
所述最优流量准入控制子问题为：
Figure QLYQS_83
Figure QLYQS_84
其中，
Figure QLYQS_86
为/>
Figure QLYQS_89
时刻用户连接接入点决策，/>
Figure QLYQS_91
为/>
Figure QLYQS_87
时刻用户选择信道决策，
Figure QLYQS_88
为/>
Figure QLYQS_90
时刻带宽分配决策，/>
Figure QLYQS_92
为/>
Figure QLYQS_85
时刻功率分配决策。
6.如权利要求1-5任一项所述的基于通信流量的FTTR智能资源调度方法，其特征在于，所述S2之前还包括：判断是否存在高流量用户，所述高流量用户的当前数据队列流量信息中用户请求内容的比特数大于设定阈值；
当存在时，执行所述S2-所述S6，以进行资源调度。
7.如权利要求6所述的基于通信流量的FTTR智能资源调度方法，其特征在于，当不存在时，方法还包括：
执行所述S2-所述S3，并以所述网络总和效用函数最大为目标，基于所述功率约束和所述带宽约束，确定第二优化问题；
求解所述第二优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
8.一种基于通信流量的FTTR智能资源调度系统，其特征在于，包括：
感知获取模块，用于通过感知RSSI来获取FTTR系统中各用户的当前位置信息，获取当前数据队列流量信息；
第一计算模块，用于对于每一用户，根据所述用户的当前位置信息和当前数据队列流量信息，确定所述用户的瞬时传输速率，并利用α-公平效用函数计算所述用户的瞬时传输速率对应的网络效用函数；
第二计算模块，用于计算各用户的网络效用函数的和，得到网络总和效用函数；
添加模块，用于在所述FTTR系统中接入点上当前数据积压队列下，将所述网络总和效用函数作为罚函数添加到Lyapunov漂移函数中，得到Lyapunov漂移加惩罚函数；
问题确定模块，用于以所述Lyapunov漂移加惩罚函数的上界最小为目标，基于相应的功率约束和带宽约束，确定第一优化问题；
求解调度模块，用于求解所述第一优化问题，得到用户连接接入点决策、用户选择信道决策、功率分配决策以及带宽分配决策，以进行资源调度。
9.一种电子设备，其特征在于，包括：
处理器；
存储器，其存储有计算机可执行程序，所述程序在被所述处理器执行时，使得所述处理器执行如权利要求1-7中任一项所述的基于通信流量的FTTR智能资源调度方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一项所述的基于通信流量的FTTR智能资源调度方法。
CN202310558216.9A 2023-05-18 2023-05-18 基于通信流量的fttr智能资源调度方法及系统 Active CN116320844B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310558216.9A CN116320844B (zh) 2023-05-18 2023-05-18 基于通信流量的fttr智能资源调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310558216.9A CN116320844B (zh) 2023-05-18 2023-05-18 基于通信流量的fttr智能资源调度方法及系统

Publications (2)

Publication Number Publication Date
CN116320844A true CN116320844A (zh) 2023-06-23
CN116320844B CN116320844B (zh) 2023-07-21

Family

ID=86789078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310558216.9A Active CN116320844B (zh) 2023-05-18 2023-05-18 基于通信流量的fttr智能资源调度方法及系统

Country Status (1)

Country Link
CN (1) CN116320844B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117240797A (zh) * 2023-11-15 2023-12-15 华北电力大学 电力混合业务的联合资源分配方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020103855A1 (zh) * 2018-11-20 2020-05-28 中兴通讯股份有限公司 一种信息中心网络中转发端口的确定方法及装置
CN112423267A (zh) * 2020-10-14 2021-02-26 南京大学 基于Lyapunov随机优化的车联网异质资源动态切片方法
CN113067638A (zh) * 2021-03-23 2021-07-02 西安电子科技大学 一种基于凸优化的vlc/rf异构网络资源分配方法
US20210219243A1 (en) * 2018-05-18 2021-07-15 Orange Centralized method for allocating transmission resources to d2d terminals in a cellular access network
WO2023040022A1 (zh) * 2021-09-17 2023-03-23 重庆邮电大学 一种在随机网络中基于算网协同的分布式计算卸载方法
CN116133143A (zh) * 2023-04-18 2023-05-16 华中科技大学 一种保障信道鲁棒性的fttr资源分配方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210219243A1 (en) * 2018-05-18 2021-07-15 Orange Centralized method for allocating transmission resources to d2d terminals in a cellular access network
WO2020103855A1 (zh) * 2018-11-20 2020-05-28 中兴通讯股份有限公司 一种信息中心网络中转发端口的确定方法及装置
CN112423267A (zh) * 2020-10-14 2021-02-26 南京大学 基于Lyapunov随机优化的车联网异质资源动态切片方法
CN113067638A (zh) * 2021-03-23 2021-07-02 西安电子科技大学 一种基于凸优化的vlc/rf异构网络资源分配方法
WO2023040022A1 (zh) * 2021-09-17 2023-03-23 重庆邮电大学 一种在随机网络中基于算网协同的分布式计算卸载方法
CN116133143A (zh) * 2023-04-18 2023-05-16 华中科技大学 一种保障信道鲁棒性的fttr资源分配方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MOHAMMAD HADI ET.AL: ""Dynamic resource allocation in metro elastic optical networks using Lyapunov drift optimization"", 《JOURNAL OF OPTICAL COMMUNICATIONS AND NETWORKING 》 *
吴碧莲: ""面向5G多接入边缘计算的资源分配策略研究"", 《中国优秀博硕士学位论文全文数据库（硕士）》 *
李停停: ""基于光突发交换的天基骨干网资源调度机制研究"", 《中国优秀博硕士学位论文全文数据库（硕士）》 *
李磊等: ""基于李雅普诺夫优化的容器云队列在线任务和资源调度设计"", 《计算机应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117240797A (zh) * 2023-11-15 2023-12-15 华北电力大学 电力混合业务的联合资源分配方法、装置、设备及介质
CN117240797B (zh) * 2023-11-15 2024-01-30 华北电力大学 电力混合业务的联合资源分配方法、装置、设备及介质

Also Published As

Publication number Publication date
CN116320844B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN107682135B (zh) 一种基于noma的网络切片自适应虚拟资源分配方法
US10716022B2 (en) Systems and methods for calculating uplink pathloss in a WLAN
US7860002B2 (en) Priority-based admission control in a network with variable channel data rates
EP3599780B1 (en) Client device grouping for uplink transmission in a wlan
CN116320844B (zh) 基于通信流量的fttr智能资源调度方法及系统
Li et al. A delay-aware caching algorithm for wireless D2D caching networks
CN104770004B (zh) 一种通信系统和方法
Scott-Hayward et al. Channel time allocation PSO for gigabit multimedia wireless networks
CN116133143B (zh) 一种保障信道鲁棒性的fttr资源分配方法
CN111885691B (zh) 无线携能网络的功率分配方法、装置和计算机设备
US20090158291A1 (en) Method for assigning resource of united system
CN113079577A (zh) 基于embb和urllc共存场景下的资源分配方法
Moses et al. Multiobjective cooperative swarm intelligence algorithm for uplink resource allocation in LTE‐A networks
Fardad et al. A fast and effective graph-based resource allocation and power control scheme in vehicular network slicing
Fan et al. Robust power and bandwidth allocation in cognitive radio system with uncertain distributional interference channels
US8649269B2 (en) Method of controlling resource usage in communication systems
Liu et al. Fronthaul-aware software-defined joint resource allocation and user scheduling for 5G networks
Tsimba et al. Optimal spectrum utilisation in cognitive radio networks based on processor sharing techniques
Kim et al. Multi-channel-based scheduling for overlay inband device-to-device communications
Zhu et al. Effective-capacity based gaming for optimal power and spectrum allocations over big-data virtual wireless networks
Wang et al. Increasing opportunistic gain in small cells through energy-aware user cooperation
Carrasco et al. Channel-aware MAC performance of AMC-ARQ-based wireless systems
Ciftcioglu et al. Power minimization with quality-of-information outages
Wang et al. Adaptive Transmission Design in TDMA Uplink System with Status Update and Throughput Services
Sattu et al. An Optimal Selection Approach for Mitigating User Time in Cognitive Radio Networks Using Multiple Channels.

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