基于Lyapunov随机优化的车联网异质资源动态切片方法技术

本发明专利技术提出基于Lyapunov随机优化的车联网异质资源动态切片方法，本发明专利技术构造了以最小化系统平均车辆通信时延为优化目标的随机优化问题。利用Lyapunov随机优化方法中的漂移加惩罚算法，本发明专利技术首先给出了一种通用的针对差异化服务切片的动态异质资源分配方案。然后结合马尔科夫近似方法，本发明专利技术提出一种具体的频谱带宽和蜂窝接入点异质资源动态分配方法。本方法在满足差异化服务切片的相互隔离，资源动态共享的前提下，最小化时延敏感型服务的平均通信时延，并保证即时交互服务的平均可实现数据速率。据速率。据速率。

【技术实现步骤摘要】
基于Lyapunov随机优化的车联网异质资源动态切片方法


[0001]本专利技术涉及车联网无线接入
，具体涉及一种基于Lyapunov随机优化的车联网异质资源动态切片方法。

技术介绍

[0002]在车辆接入网络中，大量差异化的车辆通信需求，比如大带宽的高精地图下载服务，时延敏感的流行内容缓存服务，以及高速率确保的即时交互服务等，往往共存于同一蜂窝网络中。在车辆接入网层面，随着5G移动通信技术的发展，蜂窝网络朝着异构接入方式共存的方向不断演进。与此同时，无线接入网中的固有问题
--
频谱带宽的稀缺问题，也在不断被放大。如何为不同服务类型的用户选择合适的接入点并分配充足的频谱资源一直是一个具有挑战性的研究问题。
[0003]在一个异构网络架构中，频谱资源往往会预分配给宏蜂窝基站和小蜂窝基站，这给异构蜂窝基站间的频谱共享带来很大的局限性。为了提高频谱利用率，提升网络容量，在一个宏蜂窝基站覆盖范围内的小蜂窝基站往往被允许共享相同的频谱资源。这虽然提升了频谱资源利用率，但是随之而来也产生了更多的基站间干扰问题。为了促进异构蜂窝基础设施间的频谱资源共享，网络功能虚拟化(NFV)被越来越多地应用到无线接入网络中。
[0004]在网络功能虚拟化中，一系列的网络/服务功能被从物理硬件中解耦出来，并通过在虚拟机上运行软件实例来实现原本的功能。服务与物理设施解耦的方式可以消除物理设施的异构性带来的影响，并利用软件可编程性促进服务的定制化。在无线接入网络中，网络功能虚拟化主要表现为，将无线接入和处理功能以软件实例的形式运行在异构的蜂窝基站上，并由中心控制器进行管理。这里的中心控制器是由软件定义网络(SDN)引入的。在软件定义网络中，网络功能的软件化，使得网络中心控制器可以为异构基站重新分配无线资源，以此提升网络资源利用率，这个过程称为无线资源切片。前文提到的差异化服务共存的网络中，属于不同服务类型的用户群组需要服务质量之间的相互独立。无线资源切片通过为不同服务群组创建资源切片，为实现服务质量独立提供了一种极具潜力的解决方案。
[0005]现有的车联网中，仍采用多类型用户静态网络资源分配方式，而车联网具有拓扑快速变化的特点，现有的静态网络资源分配方式并不能很好的适应车辆的通信需求，若能将动态网络无线资源切片方法应用于车联网，则能更好地适应车辆通信信道环境和服务需求的快速变化，满足更多样化的车辆通信需求。

技术实现思路

[0006]专利技术目的：本专利技术旨在提供一种基于Lyapunov随机优化的车联网异质资源动态切片方法，该方法能实现差异化服务间服务质量的独立，在以最小化时延敏感服务的平均时延为优化目标的基础上，确保随机产生的即时交互服务的可实现数据速率。
[0007]技术方案：为实现上述目的，本专利技术提出以下技术方案：
[0008]基于Lyapunov随机优化的车联网异质资源动态切片方法，工作在网络功能虚拟化
架构下的软件定义网络中，包括以下步骤：
[0009](1)对车联网中车辆节点差异化的服务质量需求过程建模为一个Lyapunov随机优化模型：
[0010]P1：
[0011]s.t.
[0012][0013][0014][0015]其中，T表示所有时间切片的总数，I
t
表示时间切片t中所有连接方案，π
t
表示时间切片t的资源分配方案，U表示车联网中所有车辆用户的总数，N表示时延敏感型群组用户中可以连接宏蜂窝基站也可以连接小蜂窝基站的用户总数，V表示时延敏感型群组用户中只连接宏蜂窝基站的用户总数，O表示只连接小蜂窝基站的用户总数，N+V+O＝U；t
n
表示可以连接宏蜂窝基站也可以连接小蜂窝基站的用户n在连接到相应基站后的数据传输时延，t
v
表示只连接宏蜂窝基站的用户v在连接到相应基站后的数据传输时延，表示只连接小蜂窝基站的用户o在接入小蜂窝基站s后在时间切片t得到的传输速率，表示用户o接入小蜂窝基站s，表示用户o不接入小蜂窝基站s；S表示小蜂窝基站总数；
[0016](2)使用Lyapunov随机优化方法中的漂移加惩罚算法构造通用求解框架，将Lyapunov随机优化模型的转化模型：
[0017][0018]用U(I
t
，π
t
)表示转化模型的目标函数，初始化t＝0，初始化即时交互传输速率虚拟队列储备量为Q(0)＝0，然后对时间切片t执行以下步骤：
[0019]S1：求解问题P2：(I
t*
，π
t*
)＝argmin U(I
t
，π
t
)；
[0020]S2：在求解得到的策略(I
t*
，π
t*
)上更新虚拟队列为：
[0021]Q(t+1)＝max[Q(t)+R
D-R
t
，0][0022]S3：判断是否满足t＞T-1，若是，则结束；否则，更新t＝t+1，返回步骤S1；
[0023](3)将问题P2转化为：
[0024]P3：
[0025]求解P3，得到P2的近似最优解：
[0026][0027]A表示所有合法接入策略(I
t
，π
t
)的集合，β为正常量；
[0028](4)基于步骤(3)得到的近似最优解设计基于马尔科夫近似的网络切片方法，得到最优的接入策略：
[0029]初始化Q(0)＝0，t＝0，在时间切片t上对U个用户并行执行以下步骤：
[0030]a.收集请求服务用户数目NVO、信道质量信息h、虚拟队列储备量Q(t)，随机分配基站给当前未关联基站用户；
[0031]b.根据当前的整体连接状态计算宏蜂窝基站获得的带宽每个小蜂窝基站获得的带宽然后根据带宽分配信息、信道状态信息计算U(I
t
，π
t
)；
[0032]c.为每个用户u计算其停留在当前状态的倒计时θ
u
；
[0033]d.监视当前时隙t和任一倒计时器θ
u
是否结束，如果任一倒计时器θ
u
先结束，则为第一个倒计时结束的用户随机挑选一个除当前接入点外的其他合法接入点进行接入，同时终止所有用户的倒计时过程，收集并更新用户信道状态信息，然后进入步骤b；否则，进入步骤e；
[0034]e.判断是否满足t＞T-1，若是，则结束；否则，更新t＝t+1，更新Q(t+1)＝max[Q(t)+R
D-R
t
，0]，返回步骤a。
[0035]进一步的，所述步骤c中，用户n的倒计时θ
n
是服从期望为exp(-βU(I
t
，π
t
))/αS的指数分布的随机数，用户v在任务结束前不会改变接入点，用户o的倒计时θ
o
是服从期望为exp(-βU本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Lyapunov随机优化的车联网异质资源动态切片方法，工作在网络功能虚拟化架构下的软件定义网络中，其特征在于，包括以下步骤：(1)对车联网中车辆节点差异化的服务质量需求过程建模为一个Lyapunov随机优化模型：型：型：型：型：其中，T表示所有时间切片的总数，I
t
表示时间切片t中所有连接方案，π
t
表示时间切片t的资源分配方案，U表示车联网中所有车辆用户的总数，N表示时延敏感型群组用户中可以连接宏蜂窝基站也可以连接小蜂窝基站的用户总数，V表示时延敏感型群组用户中只连接宏蜂窝基站的用户总数，O表示只连接小蜂窝基站的用户总数，N+V+O＝U；t
n
表示可以连接宏蜂窝基站也可以连接小蜂窝基站的用户n在连接到相应基站后的数据传输时延，t
v
表示只连接宏蜂窝基站的用户v在连接到相应基站后的数据传输时延，表示只连接小蜂窝基站的用户o在接入小蜂窝基站s后在时间切片t得到的传输速率，表示用户o接入小蜂窝基站s，表示用户o不接入小蜂窝基站s；S表示小蜂窝基站总数；(2)使用Lyapunov随机优化方法中的漂移加惩罚算法构造通用求解框架，将Lyapunov随机优化模型的转化模型：用U(I
t
，π
t
)表示转化模型的目标函数，初始化t＝0，初始化即时交互传输速率虚拟队列储备量为Q(0)＝0，然后对时间切片t执行以下步骤：S1：求解问题P2：(I
t*
，π
t*
)＝argmin U(I
t
，π
t
)；S2：在求解得到的策略(I
t*
，π
t*
)上更新虚拟队列为：Q(t+1)＝max[Q(t)+R
D-R
t
，0]
S3：判断是否满足t＞T-1，若是，则结束；否则，更新t＝t+1，返回步骤S1；(3)将问题P2转化为：求解P3，得到P2的近似最优解：A表示所有合法接入策略(I
t
，π
t
)的集合，β为正常量；(4)基于步骤(3)得到的近似最优解设计...

【专利技术属性】
技术研发人员：周海波，彭学森，钱博，余凯，
申请(专利权)人：南京大学，
类型：发明
国别省市：