一种异构网络下基于支持向量机的资源分配方法组成比例

本发明专利技术公开了一种异构网络下基于支持向量机的资源分配方法，包括如下步骤：获得已经进行过网络流量卸载区域的用户及其网络状态数据；将获得的用户和网络状态数据整理后作为数据集，且将数据集分为训练集和测试集；将训练集中每个数据的参数作为初始支持向量机模型输入向量，网络状态数据作为每个数据的标记值，训练优化支持向量机模型的参数；获得当前异构网络下蜂窝网络用户的相关参数，将其作为训练后支持向量机模型的输入向量，得到输出值用以判断是否需要卸载。本发明专利技术把更多的计算资源放在生成数据集和训练上，降低了做出决策的延迟时间，对异构网络中蜂窝网络用户的状态判断是否执行卸载，以达到异构网络整体用户满意度最大化。

【技术实现步骤摘要】
一种异构网络下基于支持向量机的资源分配方法
本专利技术无线通信
，具体涉及一种异构网络下基于支持向量机的资源分配方法。
技术介绍
随着第五代移动通信的迅猛发展，手机用户对于在社交，购物，出行，娱乐等方方面面都有更高的要求，尤其是对于较快网速的要求。然而，由于蜂窝网络的用户众多，且离基站的距离较远，故通信损耗大，用户难以达到最满意的速率要求，因此，越来越多研究关注通过LTE(LongTermEvolution)网络与WiFi网络之间的协作，使得部分蜂窝流量通过WiFi网络卸载，以使得蜂窝网络用户获得更快的速率。从网络运营商的角度来看，蜂窝网络过载将得到缓解。从用户的角度来看，WiFi网络将会带来更好的用户体验，他们也愿意连接到WiFi。因此，无线网络卸载提供了一种非常经济高效的方式来帮助LTE网络扩展容量，并帮助用户获得更好的服务质量(QoS)和体验质量(QoE)。异构网络中，蜂窝网络与WiFi网络间的流量卸载最为常见，其实现形式是将蜂窝网络中的用户流量卸载到WiFi网络中，以缓解蜂窝网络带宽紧张的问题.WiFi网络和蜂窝网络间可实现流量卸载是由于：1)WiFi网络使用的频段是免许可频段，可以与蜂窝网络重叠，网络间互相没有干扰；2)WiFi网络带宽充足，可提供高吞吐量、高可靠性的无线通信；3)WiFi网络技术成熟，接入点价格低廉，并且应用广泛，在公众场合或室内环境普及率高.由于可大幅度提升网络系统容量，缓解网络拥塞，且实现成本低廉，蜂窝网络与WiFi网络间流量卸载引起业界广泛的关注。现有的方法往往需要进行多次迭代，需要花费较长的算法执行时间，增加了网络计算资源开销。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，提供一种异构网络下基于支持向量机的资源分配方法，把更多的计算资源放在生成数据集和训练上，这样在实际应用的过程中可以直接调用相应的模型来解决问题，降低了做出决策的延迟时间，而且对于某个用户是否卸载的决策仅与当前用户的状态有关，不必考虑其他用户的情况，对异构网络中蜂窝网络用户的状态判断是否执行卸载，以达到异构网络整体用户满意度最大化。技术方案：为实现上述目的，本专利技术提供一种异构网络下基于支持向量机的资源分配方法，包括如下步骤：S1：获得已经进行过网络流量卸载区域的用户Xi(NRB,NWiFi,DBS,DWiFi)及其网络状态数据yi∈{-1,+1}，其中NRB为用户所占用的资源块数量，NWiFi为用户所对应接入点的WiFi用户数量，DBS为用户离基站的距离，DAP为用户到WiFi接入点之间的距离，yi＝1和yi＝-1分别表示用户执行卸载和不执行卸载；S2：将获得的用户Xi(NRB,NWiFi,DBS,DWiFi)和网络状态数据yi∈{-1,+1}整理后作为数据集，且将数据集分为训练集和测试集；S3：将训练集中每个数据的参数Xi(NRB,NWiFi,DBS,DWiFi)作为初始支持向量机模型输入向量，yi∈{-1,+1}作为每个数据的标记值，训练优化支持向量机模型的参数，生成模型对应的函数f(x)；S4：获得当前异构网络下蜂窝网络用户的相关参数，将其作为训练后支持向量机模型的输入向量，根据函数f(x)得到输出值y，并判断y是否大于0；若y小于0，则无须执行卸载，继续用训练后的支持向量机模型判断下一个用户；若y大于0，则对该用户执行卸载，并将其占用的资源块分配给其他用户，同时更新被分配资源用户的参数NRB和NWiFi；S5：不断执行步骤S4直至完成所有蜂窝网络用户的判断。进一步的，所述步骤S3中利用测试集对训练中的支持向量机模型进行精度测试，达到要求后保存训练模型。进一步的，所述步骤S3中支持向量机模型的训练过程为：将函数f(X)定义为：f(X)＝W·X+b(1)通过下式来估计函数f(X)的系数W和b：yi(W·Xi+b)＞0(2)将参数W和B重新定义为：yi(W·Xi+b)≥1(3)将求解最优超平面的问题转化为下面的优化问题：使用拉格朗日乘子法得到上面优化问题的拉格朗日函数：可将式(3)中的问题转化为它的对偶问题：通过二次规划方法解出相关参数的值：最终的决策函数通过下式(8)表达。本专利技术构造了一个以用户为中心的支持向量机卸载模型，用来提升异构网络中的用户满意度。首先在有一个宏基站和多个无线接入点的异构网络场景下，引入用户满意度的概念以更好的满足用户不同的QoS需求；之后利用生成的数据集进行训练支持向量机模型，将其转化为分类问题来对网络资源进行重新分配，基于每一状态的WiFi网络及蜂窝网络用户的状态判断是否执行卸载，并寻找最佳的WiFi网络接入点达到异构网络整体用户满意度最大化，该方法大幅度缩小了算法复杂度，提高用户速率，最后实现满意度提升。有益效果：本专利技术与现有技术相比，具备如下优点：1、本专利技术以用户满意度为度量值，根据用户自身速率需求作出卸载决策，能够有效提高蜂窝网络用户的满意度，避免了传统的资源分配方法分配过多或过少资源的情况，更好的满足了用户需求。2、本专利技术把更多的计算资源放在生成数据集和训练上，这样在实际应用的过程中可以直接调用相应的模型来解决问题，降低了做出决策的延迟时间。3、本专利技术对于某个用户是否卸载的决策仅与当前用户的状态有关，不必考虑其他用户的情况。附图说明图1为本专利技术方法的系统模型示意图；图2为本专利技术方法的流程示意图。具体实施方式下面结合附图和具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。本专利技术提供一种异构网络下基于支持向量机的资源分配方法，其应用在如图1所示的系统模型，该模型在一个异构网络中，宏基站(BS)位于中心位置，周围有四个WiFi的接入点(AP)随机部署，彼此之间互相不干扰。蜂窝网络用户在以基站BS为中心，半径为R的圆上随机分布，WiFi网络的用户位置是在以AP接入点为圆心，r为半径的圆上随机分布。用NRB来表示资源块(RB)的数量，用Pmax来表示基站的最大功率，Bc表示每个资源块所占用的带宽。假定所有的资源块(RB)以相同的功率进行传输，则单个资源块的传输功率Ptr＝Pmax/NRB，那么用户k占用第n个资源块的速率为：其中N0是热噪声功率密度，Lk是接入点到用户k之间传输的路径损耗，Lk采用大尺度路径损耗模型中的Friis公式进行计算其中λ为信号的波长，Gt是发射天线的增益；Gr是接收天线的增益；d是用户与基站之间的距离，单位为m；L是与传播路径无关的损耗因子；α为距离衰减因子。由于一个用户可以同时通过多个资源块进行数据的传输，用户k的总速率为：其中表示资源块n被用户k占用，表示资源块本文档来自技高网...

【技术保护点】
1.一种异构网络下基于支持向量机的资源分配方法，其特征在于：包括如下步骤：/nS1：获得已经进行过网络流量卸载区域的用户X

【技术特征摘要】
1.一种异构网络下基于支持向量机的资源分配方法，其特征在于：包括如下步骤：
S1：获得已经进行过网络流量卸载区域的用户Xi(NRB,NWiFi,DBS,DWiFi)及其网络状态数据yi∈{-1,+1}，其中NRB为用户所占用的资源块数量，NWiFi为用户所对应接入点的WiFi用户数量，DBS为用户离基站的距离，DAP为用户到WiFi接入点之间的距离，yi＝1和yi＝-1分别表示用户执行卸载和不执行卸载；
S2：将获得的用户Xi(NRB,NWiFi,DBS,DWiFi)和网络状态数据yi∈{-1,+1}整理后作为数据集，且将数据集分为训练集和测试集；
S3：将训练集中每个数据的参数Xi(NRB,NWiFi,DBS,DWiFi)作为初始支持向量机模型输入向量，yi∈{-1,+1}作为每个数据的标记值，训练优化支持向量机模型的参数，生成模型对应的函数f(x)；
S4：获得当前异构网络下蜂窝网络用户的相关参数，将其作为训练后支持向量机模型的输入向量，根据函数f(x)得到输出值y，并判断y是否大于0；若y小于0，则无须执行卸载，继续用训练后的支持向量机模型判断下一个用户；若y大于0，则对该用户执行卸载，并将其占用的资源块分配给其他用户，同时更新被分配资源用户的参数NRB和NWiFi；
S5：不断执行步骤S4直至完成所有蜂窝网络用户的判断。


2.根据权利要求1所述的一种异构网络下基于支持向量机的资源分配方法，其特征在于：所述步骤S3中利用测试集对训练中的支持向量机模型进行精度测试，达到要求后保存训练模型。


3.根据权利要求1所述的一种异构网络下基于支持向量机的资源分配方法，其特征在于：所述步骤S3中支持向量机模型的训练过程为：
将函数f(X)定义为：
f(X)＝W·X+b(1)
通过下式来估计函数f(X)的系数W和b：
yi(W·Xi+b)＞0(2)
将参数W和B重新定义为：
yi(W·Xi+b)≥1(3)
将求解最优超平面的问题转化为下面的优化问题：



使用拉格朗日...

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