一种基于簇过程的雾接入网时延性能优化方法技术

本发明专利技术涉及移动通信技术领域，特别涉及一种基于簇过程的雾接入网时延性能优化方法，包括构建基于泊松簇过程的雾接入网模型，并进行初始化；将位于原点的用户定义为目标用户，计算目标用户的信干比，判断该值是否大于设定阈值，若大于则平均本地时延的值记为1，否则计算目标用户成功卸载的平均本地时延的值；判断平均本地时延是否小于设定的时延阈值，若小于则保留当前参数以及参数对应的平均本地时延，选择平均本地时延最小时的参数作为基于泊松簇过程的雾接入网模型的参数进行任务卸载；本发明专利技术通过限制雾接入点的计算资源和平均本地时延，联合优化上行链路功率控制补偿因子和用户活跃因子的大小，达到整个系统时延性能的提升。升。升。

【技术实现步骤摘要】
一种基于簇过程的雾接入网时延性能优化方法


[0001]本专利技术涉及移动通信
，特别涉及一种基于簇过程的雾接入网时延性能优化方法。

技术介绍

[0002]随着移动通信技术发展，计算密度型和时延敏感型等新型应用程序(例如虚拟现实技术、增强现实技术)呈现出爆炸式增长的趋势，Gartner预测，到2020年，网络终端的设备数量将达到208亿，复合增长率为34％。根据美国发布的关于2016
‑
2045年新兴技术趋势的报告，到2045年，将有超过1000亿个设备连接到接入网中。随着用户可接入设备的激增，产生了海量的数据及网络流量，随之而来的问题是极大的端对端处理时延和用户体验急剧下降。为了解决此类问题，时延性能成为评估移动通信质量的关键指标之一。与此同时，在未来的B5G网络中，时延的要求甚至被限制在1ms内，为了满足这样的时延要求，提出了一种新型网络架构：雾无线接入网架构。雾无线接入网充分利用了用户和边缘设备的计算能力，部署雾无线接入网架构能够有效降低端对端时延。上行链路传输时延是雾接入网中端对端时延的主要组成部分，平均本地时延是影响传输时延的主要部分。然而，雾接入网中的平均本地时延受用户和雾接入点部署策略、功率控制和用户活跃度等影响。其中，户和雾节点部署策略，即用户和雾接入节点在部署时引入簇分布是否能够降低雾接入网络平均本地时延尚未可知。因此，迫切需要新的技术来分析基于簇过程的雾接入网时延性能，从而提取影响网络时延性能的关键因子，帮助运营商部署网络架构。随机几何的独特技术应用于无线网络研究中，可以将抽象的问题转化为数学推导问题，有效解决平均本地时延无法计算的问题。但是，研究所得的时延仍旧不能满足未来网络对时延的要求，如何进一步降低时延成为了提高网络性能的瓶颈，受到研究机构、设备制造商和移动通信运营商等广泛重视。
[0003]综上所述，本专利技术设计了一种基于簇过程的雾接入网时延性能分析优化模型。在该模型下，用户和雾接入点的位置被建模为更接近实际分布的模型。此外，本方案根据基于簇过程的雾接入网模型提出了新的计算平均本地时延的方法，并提出了合理的近似，旨在解决平均本地时延难以计算的问题。基于该平均本地时延的理论解析结果，分析影响雾接入网时延性能的因素，通过对用户活跃因子、上行链路功率控制补偿因子等的联合优化，实现网络性能的提升。

技术实现思路

[0004]为了对雾接入网络时延进行优化，提升用户体验和网络性能，本专利技术提出一种基于簇过程的雾接入网时延性能优化方法，如图2，具体包括以下步骤：
[0005]步骤101：构建基于泊松簇过程的雾接入网模型，算法初始化，设定参数值，令信干比阈值θ＝0dB，令上行链路传输功率控制补偿因子ε＝0，ε∈[0,1]，令路损指数α＝3时且α＝{3,4}；
[0006]步骤102：将位于原点的用户定义为目标用户，计算目标用户的信干比，记为SIR；
[0007]步骤103：判断目标用户的SIR是否大于信干比阈值θ，若大于，表示目标用户能够成功卸载，假设平均本地时延记为D，此时令D＝1；
[0008]步骤104：若目标用户的SIR小于信干比阈值θ，表示目标用户在该时隙卸载失败，目标用户会在下个时隙继续尝试卸载；
[0009]步骤105：计算目标用户成功卸载的平均本地时延记MLD的值；
[0010]步骤106：判断平均本地时延MLD是否小于设定的时延阈值τ，若小于，则保留该ε值及其对应的MLD值；
[0011]步骤107：若大于，则舍弃该ε值，以步长Δε重新调整ε，并重新执行步骤103
‑
步骤106；
[0012]步骤108：从所有获取的所有ε值及其对应的MLD值中选择MLD值最小时的MLD值及其对应的ε值作为当路损指数α＝3时的最优MLD值和ε值；
[0013]步骤109：令α＝4，重新执行步骤203
‑
步骤208，得到当α＝4时的最优MLD值和ε值；
[0014]步骤110：判断当α＝3时的MLD值是否小于当α＝4时的MLD值，若小于则令α＝4并将其对应的MLD值和ε值，否则令α＝4并将其对应的MLD值和ε值作为卸载参数。
[0015]进一步的，基于泊松簇过程的雾接入网模型至少包括终端层和接入层，终端层由多个用户设备构成；接入层由多个雾接入点构成，每个雾接入点覆盖的用户设备数量不同且数量已知。
[0016]进一步的，构建基于泊松簇过程的雾接入网模型的过程包括：
[0017]确定基于泊松簇过程的雾接入网模型的覆盖范围，并在该范围内生成N
f
个雾接入点，且每个雾接入点服从密度为λ
f
的泊松点过程；
[0018]以一个雾接入点为圆心，在半径为的范围内生成N
u
个用户。
[0019]进一步的，目标用户的SIR表示为：
[0020][0021]其中，Y
o
为目标雾接入点与目标用户之间的距离；h
o
为目标雾接入点与目标用户之间的功率增益；Y
n
为干扰用户到目标雾接入点之间的距离；R
n
为干扰用户到其所连接的雾接入点之间的距离；h
n
为干扰用户到其所连接的雾接入点之间的功率增益；Φ
n
为干扰用户的集合；ε表示上行链路传输功率控制补偿因子；a
n
表示干扰用户上传的概率；l(|r|)＝r
‑
α
，r表示距离，α为路损指数。
[0022]进一步的，信干比阈值θ表示为：
[0023][0024]其中，R为上行链路传输速率；B为无线信道传输的总带宽。
[0025]进一步的，计算目标用户成功卸载的平均本地时延记MLD的值，即基于随机几何理论知识，计算目标用户接收到的SIR大于某一阈值θ的概率，将该概率记为p
s
(θ)；将p
s
(θ)作为随机变量，统计p
s
(θ)的b阶矩M
b
，将b＝
‑
1带入M
b
作为平均本地时延记MLD的值。
[0026]进一步的，目标用户接收到的SIR大于阈值θ的概率p
s
(θ)表示为：
[0027][0028]其中，p为干扰用户活跃度，其取值范围在0～1之间，用户可以根据需求自行进行设定，作为一种实施方式，干扰用户活跃度与；R
n
为干扰用户到其所连接的雾接入点之间的距离；α为路损指数；ε表示上行链路传输功率控制补偿因子；Y
o
为目标雾接入点与目标用户之间的距离；现实生活中目标用户通过上行链路传输数据包给雾接入点，那么这个服务目标用户的雾接入点就是目标雾接入点，目标用户到服务目标用户的雾接入点间的距离就是目标用户到目标雾接入点之间的距离Y
o
，同个时隙处于活跃状态的其他用户会对目标用户的传输造成干扰，并且其他用户到服务这些用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于簇过程的雾接入网时延性能优化方法，其特征在于，具体包括以下步骤：步骤101：构建基于泊松簇过程的雾接入网模型，算法初始化，设定参数值，令信干比阈值θ＝0dB，令上行链路传输功率控制补偿因子ε＝0且ε∈[0,1]，令路损指数α＝3时且α＝{3,4}；步骤102：将位于原点的用户定义为目标用户，计算目标用户的信干比，记为SIR；步骤103：判断目标用户的SIR是否大于信干比阈值θ，若大于，表示目标用户能够成功卸载，将此时平均本地时延的值记为D，此时令D＝1；步骤104：若目标用户的SIR小于信干比阈值θ，表示目标用户在该时隙卸载失败，目标用户会在下个时隙继续尝试卸载；步骤105：计算目标用户成功卸载的平均本地时延MLD的值；步骤106：判断平均本地时延MLD是否小于设定的时延阈值τ，若小于，则保留该ε值及其对应的MLD值；步骤107：若大于，则舍弃该ε值，以步长Δε重新调整ε，并重新执行步骤103
‑
步骤106；步骤108：从所有获取的所有ε值及其对应的MLD值中选择MLD值最小时的MLD值及其对应的ε值作为当路损指数α＝3时的最优MLD值和ε值；步骤109：令α＝4，重新执行步骤203
‑
步骤208，得到当α＝4时的最优MLD值和ε值；步骤110：判断当α＝3时的MLD值是否小于当α＝4时的MLD值，若小于则令α＝4并将其对应的MLD值和ε值，否则令α＝4并将其对应的MLD值和ε值作为卸载参数。2.根据权利要求1所述的一种基于簇过程的雾接入网时延性能优化方法，其特征在于，基于泊松簇过程的雾接入网模型至少包括终端层和接入层，终端层由多个用户设备构成；接入层由多个雾接入点构成，每个雾接入点覆盖的用户设备数量不同且该数量已知。3.根据权利要求2所述的一种基于簇过程的雾接入网时延性能优化方法，其特征在于，构建基于泊松簇过程的雾接入网模型的过程包括：确定基于泊松簇过程的雾接入网模型的覆盖范围，并在该范围内生成N
f
个雾接入点，且每个雾接入点服从密度为λ
f
的泊松点过程；以一个雾接入点为圆心，在半径为的范围内生成N
u
个用户。4.根据权利要求1所述的一种基于簇过程的雾接入网时延性能优化方法，其特征...

【专利技术属性】
技术研发人员：郑亚楠，胡昊南，殷波，姜言，张继良，张杰，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：