一种超密集环境下基于模拟退火算法的虚拟映射方法技术

本发明专利技术涉及一种超密集环境下基于模拟退火算法的虚拟映射方法，首先将超密集网络系统初始化，并建立微基站合集B和位置集合Ab，其次通过业务到达过程和业务持续时间建立业务到达模型，根据业务到达模型构建信道分配矩阵，通过信道分配矩阵和干扰模型计算各个用户的信干比，进而获得各个用户的网络吞吐量，然后将宏基站和微基站的无线资源进行虚拟化，形成一个无线频谱池，最后将频谱切片根据用户请求分配到各个微基站对用户进行服务。本发明专利技术的优点是采用无线虚拟网络映射的方法，将频谱资源虚拟化，通过最优化算法满足网络吞吐量最大，实现动态的最佳无线频率资源的配置。

A virtual mapping method based on simulated annealing algorithm in super dense environment

This invention relates to a virtual mapping method based on simulated annealing algorithm in ultra dense environment. Firstly, the super dense network system is initialized, and the micro base station convergence B and the position set Ab are set up. Secondly, the service arrival model is established by the service arrival process and the service duration, and the channel assignment moment is built according to the service arrival model. Array, through the channel allocation matrix and the interference model to calculate the signal to stem ratio of each user, and then obtain the network throughput of each user, then virtualized the wireless resources of the Acer station and the micro base station, and formed a wireless spectrum pool. Finally, the spectrum slice was assigned to each micro base station according to the user's request to serve the user. Business. The advantage of the invention is to use the method of wireless virtual network mapping, to virtualized the spectrum resources, to satisfy the maximum network throughput through the optimization algorithm, and to realize the dynamic optimal allocation of the wireless frequency resources.

【技术实现步骤摘要】
一种超密集环境下基于模拟退火算法的虚拟映射方法
本专利技术涉及一种超密集组网中的网络建模、业务到达建模和信道建模方法以及虚拟网络资源映射方法，尤其是一种超密集环境下基于模拟退火算法的虚拟映射方法，属于无线通信

技术介绍
随着智能终端的快速普及以及网络通信容量的爆炸式增长，面向5G的无线通信技术的演进需求也更加明确及迫切。当前，制定全球统一的5G标准已成为移动通信业界的共同呼声，ITU已启动了面向5G标准的研究工作，并明确了IMT-2020(5G)工作计划：2015年完成IMT-2020国际标准前期研究；2016年开展5G技术性能需求和评估方法研究；2017年底启动5G候选方案征集；2020年底完成标准制定。作为国际移动通信行业的主要标准组织，3GPP将承担5G国际标准
技术实现思路
的制定工作。3GPP的R14阶段被业界认为是启动5G标准研究的最佳时机，R15阶段可启动5G标准工作项目，R16及以后将对5G标准进行完善以及增强。据了解，5G网络主要有三大特点：极高的速率、极大的容量以及极低的时延，为了实现其1Gbps的用户速率、数十Gbps的峰值速率、毫秒级的端到端时延等技术目标，5G需求的完成主要依靠毫米波、小基站、MassiveMIMO、全双工以及波束成形这五大技术。5G速率的提升主要依靠单位面积上部署更多小区、扩展新的频谱范围以及提高频谱利用率等来实现。超密集组网通过小基站加密部署来提升空间复用，成为解决未来5G网络数据流量1000倍以及用户体验速率10～100倍提升的有效解决方案。目前，超密集组网网络架构一方面通过控制承载分离，实现根据业务需求灵活扩展控制面和数据面资源；另一方面通过将基站部分无线控制功能进行抽离进行分簇化集中式控制，实现簇内小区间干扰协调、无线资源协同、移动性管理等，提升了网络容量，为用户提供极致的业务体验。然而，与此同时，由于大量同频小区的距离变近，小区间干扰也较之传统蜂窝网络更加严重，这严重影响了网络的吞吐量。故降低超密集网络中小区间干扰的问题成为亟待解决的问题。
技术实现思路
本专利技术的目的在于：针对现有技术存在的缺陷，提出一种超密集环境下基于模拟退火算法的虚拟映射方法，该方法一方面具有很好的理论性能保证，另一方面非常简单而易于实现，具有很好的应用前景。为了达到以上目的，本专利技术提供了一种超密集环境下基于模拟退火算法的虚拟映射方法，包括以下步骤：第一步、将一个单宏基站的超密集网络系统初始化，在该超密集网络系统中建立微基站合集B和位置集合Ab，所述微基站合集B包括N个微基站，且B＝{b1,b2,...,bN}，所述位置集合Ab包括N个与微基站相对应的位置信息，且Ab＝{Ab1,Ab2,...,AbN}，微基站的位置随机分布在整个网络系统中；第二步、通过业务到达过程和业务持续时间建立业务到达模型，再根据业务到达模型构建信道分配矩阵，然后通过信道分配矩阵和干扰模型计算各个用户的信干比，进而获得各个用户的网络吞吐量；第三步、利用无线虚拟化思想，将宏基站和微基站的无线资源进行虚拟化，形成一个无线频谱池，将无线频谱池记为W，将无线频谱池W分割成M个物理信道，将物理信道记为C，C＝{c1,c2,...,cM}，设每个物理信道的带宽为w0，则第四步、通过基于模拟退火算法的虚拟网络映射算法以及分配模型将频谱切片根据用户请求分配到各个微基站对用户进行服务。本专利技术的方法首先通过业务到达过程和业务持续时间分布建立业务到达模型，其次根据业务到达模型，构建信道分配矩阵，并建立干扰模型，通过信道分配矩阵和干扰模型，计算出各个用户的信干比，进而计算出各个用户的网络吞吐量，然后对无线频率资源进行虚拟化，最后通过无线网络映射方法对频谱资源进行分配。这样，通过模拟退火算法分配用户合适的信道，使得整个网络的吞吐量最大。本专利技术将无线网络虚拟映射的思想引入超密集网络中，对超密集网络的频率资源进行虚拟化，通过启发式算法进行频率资源的分配，使用户受到其他基站和用户的干扰降低，提高了系统的吞吐量。总之，本专利技术通过最优化方法对无线资源进行分配，能够有效降低小区间的干扰，提高了系统的吞吐量。优选地，所述第一步中，单个微基站的覆盖范围和功率需满足表达式h(L)Pw＝β，其中L为单个微基站的覆盖范围，Pw为单个微基站的功率，L和Pw是固定值，β为信号能被正确接收的最小信干比，h(·)为路径损耗函数。h(·)表示一个函数，h(LB)表示一个值。优选地，所述第二步中，用户请求到达过程采用泊松过程，业务持续时间的分布采用重尾分布。在通信系统中，业务的持续时间一般服从重尾分布，即大部分业务的持续时间较短，持续时间极长的业务所占的比例很小，因为使用重尾分布使得问题的分析更加复杂，因此，为了高效地分析问题，可以使用二阶超指数分布来拟合业务持续时间的重尾分布模型，故本专利技术使用的分布能够很好的刻画客观规律。第二步中，所述业务到达模型具体为：其中，Pn(j，i)为第j个时隙业务持续到i时隙的业务数目为n的概率，为第i时隙业务数目为n的概率，j1、j2、ji-1、ji-2为遍历变量，Pj1(1，i)为第1时隙持续到i时隙的业务数为j1的概率，Pj2(2，i)为第2时隙持续到i时隙的业务数为j2的概率，为第i-1时隙持续到i时隙的业务数为j1-1的概率，Pn-j1-j2-…ji-1为第i时隙持续到达业务数为n-j1-j2-…ji-1的概率。优选地，所述第二步中，信道分配矩阵为所述信道分配矩阵为：其中，为第i时隙第n个基站的信道分配矩阵，d∈{0,1}，当dn,m＝1时，表示用户n占用信道m，当dn,m＝0时，表示用户n不占用信道m。那么，整个网络的信道分配矩阵是优选地，采用信道分配矩阵对微基站n在时隙i信道的分配进行描述，在网络中微基站n在时隙i占用的信道集合为且集合为集合C的一个子集。优选地，所述第二步中，在超密集网络中嵌入的信道模型为简化的路径损耗模型，所述路径损耗模型为：其中，d为用户与基站之间的距离，d0是参考距离，λ为信号的波长，n为路径损耗指数；假设用户u的位置为Abu，用户u服务的基站位置为bu，占用信道为cu，将用户u服务的基站位置bu与其他同频基站的位置集合记为Bb，Bb＝{Bb1,Bb2,Bb3,...,Bbl},l＝1,2,...,L，Bb是Ab的一个子集，所述用户u在时隙i受到的干扰功率(干扰模型)为：其中，I(u,i)为用户u在时隙i的干扰功率，L为用户u服务的基站的同频基站的个数，Pw为用户u服务的基站的功率，h(·)为路径损耗函数，n代表基站的序号，q为每个基站中业务的序号，n、q这两个是为了遍历使用的变量,没有实际意义，为信道分配矩阵中的值，即第i个时隙n基站的第q个用户在第u个信道上是否分配值，如果分配则取值为1，反之则取值为0，Au为用户u对应的位置，Abn为微基站bn对应的位置，Bbl为集合Bb中第l个基站位置；本专利技术的超密集网络模型中，只考虑不同微基站对不同微基站用户信号的干扰和用户对用户信号的干扰，在超密集网络中，许多用户能够同时发生通信，由于通信场景较为复杂，采用信干比(信号噪声干扰比，SINR)来评价网络的性能，所述信干比为：其中，SINR(u,i)为用户u在时隙i的信干比，h(·)为路径损耗函数，本文档来自技高网...

【技术保护点】
1.一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，包括以下步骤：第一步、将一个单宏基站的超密集网络系统初始化，在该超密集网络系统中建立微基站合集B和位置集合Ab，所述微基站合集B包括N个微基站，且B＝{b1,b2,...,bN}，所述位置集合Ab包括N个与微基站相对应的位置信息，且Ab＝{Ab1,Ab2,...,AbN}；第二步、通过业务到达过程和业务持续时间建立业务到达模型，再根据业务到达模型构建信道分配矩阵，然后通过信道分配矩阵和干扰模型计算各个用户的信干比，进而获得各个用户的网络吞吐量；第三步、将宏基站和微基站的无线资源进行虚拟化，形成一个无线频谱池，将无线频谱池记为W，将无线频谱池W分割成M个物理信道，将物理信道记为C，C＝{c1,c2,...,cM}，设每个物理信道的带宽为w0，则

【技术特征摘要】
1.一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，包括以下步骤：第一步、将一个单宏基站的超密集网络系统初始化，在该超密集网络系统中建立微基站合集B和位置集合Ab，所述微基站合集B包括N个微基站，且B＝{b1,b2,...,bN}，所述位置集合Ab包括N个与微基站相对应的位置信息，且Ab＝{Ab1,Ab2,...,AbN}；第二步、通过业务到达过程和业务持续时间建立业务到达模型，再根据业务到达模型构建信道分配矩阵，然后通过信道分配矩阵和干扰模型计算各个用户的信干比，进而获得各个用户的网络吞吐量；第三步、将宏基站和微基站的无线资源进行虚拟化，形成一个无线频谱池，将无线频谱池记为W，将无线频谱池W分割成M个物理信道，将物理信道记为C，C＝{c1,c2,...,cM}，设每个物理信道的带宽为w0，则第四步、通过分配模型将频谱切片根据用户请求分配到各个微基站对用户进行服务。2.根据权利要求1所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，所述第一步中，单个微基站的覆盖范围和功率需满足表达式h(LB)Pw＝β，其中LB为单个微基站的覆盖范围，Pw为单个微基站的功率，β为信号能被正确接收的最小信干比，h(·)为路径损耗函数。3.根据权利要求1所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，所述第二步中，用户请求到达过程采用泊松过程，业务持续时间的分布采用重尾分布。4.根据权利要求3所述一种超密集环境下基于模拟退火算法的虚拟映射方法，其特征在于，第二步中，所述业务到达模型具体为：其中，Pn(j，i)为第j个时隙业务持续到i时隙的业务数目为n的概率，为第i时隙业务数目为n的概率，j1、j2、ji-1、ji-2为遍历变量，为第1时隙持续到i时隙的业务数为j1的概率，Pj2(2，i)为第2时隙持续到i时隙的业务数为j2的概率，为第i-1时隙持续到i时隙的业务数为j1-1的概率，Pn-j1-j2-…ji-1为第i时隙持续到达业务数为n-j1-j2-…ji-1的概率。5.根据权利要求1所述一种超密集环境下基于模拟退火算法的虚拟映射方法...

【专利技术属性】
技术研发人员：张晖，刘旸波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32