一种超密集网络中基于认知和接入点协作的自治愈方法技术

本发明专利技术提出一种超密集网络中基于认知和接入点协作的自治愈方法，属于无线通信技术领域。本发明专利技术首先对超密集网络中的接入点AP基于地理位置划分成簇，在每个簇中设置一个主AP；主AP通过认知无线电技术定期检测簇中其他AP的工作状态，记录各AP的频段占用情况；当某个AP对应的频段未被占用时，将该AP对应的运行参数输入基于多臂抽奖问题建立的故障诊断模型中进行判断，当判定出现故障，主AP向AP发送一条探询信令进一步判定；当AP故障时，主AP进行故障恢复，为受影响用户恢复服务。本发明专利技术在簇内应用自治愈机制，有效降低了计算复杂度，缩短了检测时间，避免了在检测过程中的大量的冗余信令开销和频谱占用。

A Self-healing Method Based on Cognitive and Access Point Collaboration in Ultra-Dense Networks

The invention provides a self-healing method based on cognitive and access point cooperation in ultra-dense network, which belongs to the field of wireless communication technology. Firstly, the access point AP in ultra-dense network is clustered based on geographical location, and a main AP is set in each cluster; the main AP periodically detects the working status of other AP in the cluster by cognitive radio technology, and records the occupancy of each AP's frequency band; when the corresponding frequency band of an AP is not occupied, the corresponding operation parameters of the AP are input into the fault established based on the multi-arm lottery problem. In the diagnostic model, the main AP sends an inquiry signal to AP for further determination when a fault occurs. When an AP fails, the main AP restores the fault and serves the affected users. The self-healing mechanism is applied in the cluster, which effectively reduces the computational complexity, shortens the detection time, and avoids a large amount of redundant signaling overhead and spectrum occupancy in the detection process.

【技术实现步骤摘要】
一种超密集网络中基于认知和接入点协作的自治愈方法
本专利技术属于无线通信
，具体涉及一种超密集网络中基于认知和接入点协作的自治愈方法。
技术介绍
近年来，随着无线业务类型的增多，移动设备数量的急剧增长，对无线网络的带宽、吞吐量和接入连接提出了更高的要求。在超密集网络UDN通信场景中，参考文献[1]中提出了一个考虑接入点AP(AccessPoint)选择和资源分配的优化算法来保证为受影响用户提供可信赖的、无缝的服务。超密集网络因其在典型通信场景下能满足较高的带宽需求和支持大量用户接入而受到广泛的关注。它是密集部署大量的低功率、小覆盖范围的接入点的一种组网方式，能实现频谱复用效率的巨大提升，极大地提高通信系统的容量。但是，由于UDN中接入点的密集部署，传统的手工或半自动的网络管理方式比较费时费力。因此，自组织网络SON被应用到UDN中来实现对智能的网络参数自优化、突发故障的检测和补偿以及通信实体的自部署。作为自组织网络的关键技术之一，自治愈由故障检测、诊断和故障恢复三个部分组成。它能实时地检测网络中的突发故障、分析故障类型并定位故障位置、自动采取有效措施修复网络故障，消除故障对受影响的用户(原本被故障AP所服务的用户)产生的影响，从而阻止通信网性能的下降。然而，在UDN中由于节点非常密集，已有的集中式故障检测算法会产生非常高的计算复杂度，致使故障检测时间被大大延长，检测时间会直接影响自治愈性能；另一方面，UDN中的干扰问题也是一个不可忽视的因素，由于UDN中节点的距离相对变小，单纯增大发射功率的方式会产生严重的同频干扰，因此，需要一种新的机制来解决上述的问题。参考文献[2]探索利用隐马尔可夫模型自动获取目前基站(BaseStation,BS)的状态，然后概率性地评估小区中断。但是这种模型需要人为规定初始概率分布，而且它的状态转移矩阵是固定的，不符合基站随着工作时间的增长出现故障概率逐渐增加的情况。参考文献[3]提出一个基于联盟游戏的资源分配算法来实现自治愈并补偿突发的小区中断。该算法虽然可以较好的补偿接入点故障带来的用户性能损失，但是却没有提出一种有效的故障检测算法。参考文献[4]提出一种为控制平面和数据平面分离的异构网络进行故障检测和中断补偿的自治愈框架，在该框架中控制平面的基站利用其所服务的大量用户收集报告数据，然后进行中断监测，并且由控制平面检测数据平面的基站故障情况。由于该算法需要移动设备UE(UserEquipment)周期性地汇报自己的日志信息，会带来很大的系统开销，造成频谱资源和能量的浪费，因此也存在一些局限性。已有技术大多只关注故障检测或故障发现后的恢复过程，而没有形成一个完整的机制；或者提出的方法需要大量的报告数据，需要比较大的信令开销，这将产生比较大的资源浪费，并且也没有专门考虑接入点AP间的干扰问题。参考文献：[1]Y.Liu,X.Li,H.Ji,K.Wang,andH.Zhang,“Jointapsselectionandresourceallocationforself-healinginultradensenetwork,”pp.1–5,July2016.[2]M.Alias,N.Saxena,andA.Roy,“Efficientcelloutagedetectionin5ghetnetsusinghiddenmarkovmodel,”IEEECommunicationsLetters,vol.20,no.3,pp.562–565,March2016.[3]S.FanandH.Tian,“Cooperativeresourceallocationforself-healinginsmallcellnetworks,”IEEECommunicationsLetters,vol.19,no.7,pp.1221–1224,July2015.[4]O.Onireti,A.Zoha,J.Moysen,A.Imran,L.Giupponi,M.A.Imran,andA.Abu-Dayya,“Acelloutagemanagementframeworkfordenseheterogeneousnetworks,”IEEETransactionsonVehicularTechnology,vol.65,no.4,pp.2097–2113,April2016.
技术实现思路
本专利技术针对于现有技术大多只关注自治愈中的某一个方面，且在故障检测时会产生大量的信令开销、造成资源浪费等这些问题，提出一种超密集网络中基于认知和接入点协作的自治愈方法。本专利技术提供的超密集网络中基于认知和接入点协作的自治愈方法，包括如下步骤：步骤1，对超密集网络中的接入点AP基于地理位置划分成簇，系统带宽被簇内AP均分，每个AP占据一个相互正交的子频带，在每个簇中设置一个主AP；步骤2，主AP通过认知无线电技术定期检测簇中其他AP的工作状态，记录各AP的频段占用情况；AP的工作状态记录在主AP的向量表V中，V中元素vi取值为0或1，当vi值为1时，表示第i个AP的频段处于占用状态，正在为用户提供服务，当vi值为0时，表示第i个AP处于休眠或者故障状态；步骤3，主AP检测到某个AP对应的频段未被占用时，将该AP利用基于多臂抽奖问题建立的故障诊断模型进行故障判断，若是判定结果为出现故障，则主AP向该AP发送一条探询信令，若是在设定时间内没有收到反馈消息，则该AP出现故障，主AP读取该故障AP的用户连接信息表；所述的故障诊断模型中包含两个摇臂，分别代表休眠状态和故障状态，通过置信度传播算法来建立故障诊断模型，计算摇臂的置信度；步骤4，主AP进行故障恢复，为受影响用户恢复服务。本专利技术与现有技术相比，具有以下明显优势：(1)本专利技术提出了一种分布式的自治愈机制，通过对超密集网络中的接入点分簇，在簇内应用自治愈机制，有效降低了计算复杂度，缩短了检测时间；(2)本专利技术通过认知技术感知簇内各AP的工作状态，然后将这些信息通过多臂抽奖问题进行故障判断，避免了在检测过程中的大量的冗余信令开销和频谱占用；(3)本专利技术中由于在故障判断时会参考近期的AP状态，因此故障检测具有时变性，模型可以随着时间的变化认定AP故障几率会逐渐增大；(4)本专利技术在故障恢复时引入非正交多址接入技术，避免了相邻小区间的同频干扰。附图说明图1是本专利技术超密集网络中基于认知和接入点协作的自治愈系统模型图；(a)表示AP未出现故障系统模型图，(b)表示自制愈后系统模型图；图2是本专利技术的基于认知和接入点协作的自治愈方法的整体流程示意图；图3是本专利技术中故障检测时间随簇内AP数量的变化曲线示意图；图4是本专利技术自治愈过程中AP的吞吐量变化情况示意图；图5是本专利技术自治愈过程中用户设备的速率变化情况示意图；图6是本专利技术自治愈过程系统能效变化情况示意图；图7是本专利技术自治愈过程系统频谱效率变化情况示意图。具体实施方式为了便于本领域普通技术人员理解和实施本专利技术，下面结合附图对本专利技术作进一步的详细描述。UDN作为满足未来通信需求的一种关键组网技术，可以有效提高系统频谱复用效率，拉近和用户间的通信距离，满足未来用户的需求，但是也随之带来了网络管理和维护上的困难。随着自治愈功能的引入，通过对网络本文档来自技高网...

【技术保护点】
1.一种超密集网络中基于认知和接入点协作的自治愈方法，其特征在于，包括如下步骤：步骤1，对超密集网络中的接入点AP基于地理位置划分成簇，系统带宽被簇内AP均分，每个AP占据一个相互正交的子频带，在每个簇中设置一个主AP；步骤2，主AP通过认知无线电技术定期检测簇中其他AP的工作状态，记录各AP的频段占用情况；AP的工作状态记录在主AP的向量表V中，V中元素vi取值为0或1，当vi值为1时，表示第i个AP的频段处于占用状态，正在为用户提供服务，当vi值为0时，表示第i个AP处于休眠或者故障状态；步骤3，主AP检测到某个AP对应的频段未被占用时，将该AP利用基于多臂抽奖问题建立的故障诊断模型进行故障判断，若是判定结果为出现故障，则主AP向该AP发送一条探询信令，若是在设定时间内没有收到反馈消息，则该AP出现故障，主AP读取该故障AP的用户连接信息表；所述的故障诊断模型中包含两个摇臂，分别代表休眠状态和故障状态，通过置信度传播算法来建立故障诊断模型，计算摇臂的置信度；步骤4，主AP进行故障恢复，为受影响用户恢复服务。

【技术特征摘要】
1.一种超密集网络中基于认知和接入点协作的自治愈方法，其特征在于，包括如下步骤：步骤1，对超密集网络中的接入点AP基于地理位置划分成簇，系统带宽被簇内AP均分，每个AP占据一个相互正交的子频带，在每个簇中设置一个主AP；步骤2，主AP通过认知无线电技术定期检测簇中其他AP的工作状态，记录各AP的频段占用情况；AP的工作状态记录在主AP的向量表V中，V中元素vi取值为0或1，当vi值为1时，表示第i个AP的频段处于占用状态，正在为用户提供服务，当vi值为0时，表示第i个AP处于休眠或者故障状态；步骤3，主AP检测到某个AP对应的频段未被占用时，将该AP利用基于多臂抽奖问题建立的故障诊断模型进行故障判断，若是判定结果为出现故障，则主AP向该AP发送一条探询信令，若是在设定时间内没有收到反馈消息，则该AP出现故障，主AP读取该故障AP的用户连接信息表；所述的故障诊断模型中包含两个摇臂，分别代表休眠状态和故障状态，通过置信度传播算法来建立故障诊断模型，计算摇臂的置信度；步骤4，主AP进行故障恢复，为受影响用户恢复服务。2.根据权利要求1所述的方法，其特征在于，所述的方法中，所有AP采用非正交多址接入技术服务多个用户。3.根据权利要求1所述的方法，其特征在于，所述的主AP中还记录簇内各AP的用户连接信息表。4.根据权利要求1所述的方法，其特征在于，所述的故障诊断模型中，根据下面公式来计算第i个摇臂的bonus；其中，tc是所有摇臂总共被选取的次数，Si.c是第i个摇臂被选取的次数。5.根据权利要求1或4所述的方法，其特征在于，所述的步骤3中，当某个AP对应的频段未被占用时，主AP触发故障诊断模型，执行如下步骤：步...

【专利技术属性】
技术研发人员：李曦，郜忠明，纪红，张鹤立，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11