基于深度学习的5G无线网络切片功率分配方法组成比例

本发明专利技术具体涉及基于深度学习的5G无线网络切片功率分配方法，包括：获取5G无线网络的对应网络切片在待分配时间段的上一分配时间段的分配功率实际值，作为分配功率初始值；基于分配功率初始值计算对应网络切片在待分配时间段的分配功率预测值；以保证各个网络切片相互隔离为目标，结合分配功率预测值计算对应网络切片内各个用户在待分配时间段的用户功率初分配值；以网络切片内功率效率最大化为目标，结合各个用户的用户功率初分配值计算对应网络切片内各个用户在待分配时间段的用户功率最优分配值；基于用户功率最优分配值为对应网络切片内的各个用户分配功率。本发明专利技术能够保证各个网络分片及用户的网络质量，并能够提高5G无线网络的功率效率。5G无线网络的功率效率。5G无线网络的功率效率。

【技术实现步骤摘要】
基于深度学习的5G无线网络切片功率分配方法


[0001]本专利技术涉及移动通信网络
，具体涉及基于深度学习的5G无线网络切片功率分配方法。

技术介绍

[0002]5G无线网络将支持大量来自垂直行业的多样化业务场景，例如智能安防、高清视频、智能家居、自动驾驶和增强现实等，这些业务场景通常具有不同的通信需求。如果为每种业务场景都建设专有的物理网络，必然导致网络运维复杂、成本昂贵以及可扩展性差等问题。因此，为应对在一个物理网络上同时支持多种具有不同性能要求的业务场景，满足差异化服务对网络的不同需求，网络切片技术应运而生。
[0003]每个网络切片逻辑上都是一个独立的端到端网络，由一组网络功能及相应资源组成，针对特定的业务场景优化，提供端到端的按需定制服务。为了保证端到端正常通信，在接入侧必须进行无线资源的分配，在满足用户QoS前提下使得更多用户能够接入网络。
[0004]其中，公开号为CN106851705A的中国专利公开了《一种基于切片流表的无线网络切片方法》，包括：将SDN架构中的Openflow切片流表扩展至无线接入网络中，切片流表的匹配字段包括远端发射头RRH字段和基带处理单元BBU字段；根据不同的切片触发条件，生成至少一种切片网络；其中，切片网络包括静态切片式网络、动态切片式网络以及半静态切片式网络。
[0005]上述现有方案中的无线网络切片方法能够实现数据转发和控制平面的分离。然而，5G无线网络的网络切片中用户数量多且网络需求不同，5G无线网络有限的功率需要分配给具有不同功率需求的用户，并且需要在保证用户网络质量的前提下，尽可能的提高5G无线网络的功率效率，该问题目前尚未得到针对性的解决。因此，如何设计一种能够保证各个网络分片及用户网络质量且能够提高5G无线网络功率效率的方法是亟需解决的技术问题。

技术实现思路

[0006]针对上述现有技术的不足，本专利技术所要解决的技术问题是：如何提供一种基于深度学习的5G无线网络切片功率分配方法，以能够保证各个网络分片及用户的网络质量，并能够提高5G无线网络的功率效率，从而能够提高5G无线网络切片功率分配的效果。
[0007]为了解决上述技术问题，本专利技术采用了如下的技术方案：
[0008]基于深度学习的5G无线网络切片功率分配方法，包括：
[0009]S1：获取5G无线网络的对应网络切片在待分配时间段的上一分配时间段的分配功率实际值作为分配功率初始值；
[0010]S2：基于分配功率初始值计算对应网络切片在待分配时间段的分配功率预测值；
[0011]S3：以保证各个网络切片相互隔离为目标，结合分配功率预测值计算对应网络切片内各个用户在待分配时间段的用户功率初分配值；
[0012]S4：以网络切片内功率效率最大化为目标，结合各个用户的用户功率初分配值计算对应网络切片内各个用户在待分配时间段的用户功率最优分配值；
[0013]S5：基于用户功率最优分配值为对应网络切片内的各个用户分配功率。
[0014]优选的，步骤S1中，构建用于表示时间推移且划分有时间步的时间轴，并在时间轴上建立包含若干个时间步且能够沿时间轴的时间推移方向移动的预测窗口；预测窗口沿时间轴方向的起点与终点为对应待分配时间段的起止时间，即预测窗口沿时间轴方向的长度等于待分配时间段的时间长度。
[0015]优选的，步骤S1中，预测窗口沿时间轴移动时，每次移动的步长为预测窗口沿时间轴方向的长度，即待分配时间段的时间长度。
[0016]优选的，步骤S2中，通过功率均方误差目标函数和切片功率总额约束计算分配功率预测值；
[0017]通过如下公式表示功率均方误差目标函数：
[0018][0019]式中：表示第m个网络切片t时刻的分配功率预测值；T
Δ
表示待分配时间段的时间长度；r
m
(t)表示第m个网络切片t时刻的分配功率实际值；M表示网络切片集合；
[0020]通过如下公式表示切片功率分配约束：
[0021][0022]式中：表示第m个网络切片t时刻的分配功率预测值；Θ表示5G无线网络中功率总额。
[0023]优选的，网络切片的分配功率预测值与分配功率实际值r
m
(t)间存在以下情形：
[0024]1)若则对应网络切片需要使用5G无线网络中的剩余功率；
[0025]2)若则对应网络切片的分配功率在对待分配时间段内保持不变。
[0026]优选的，以分配功率初始值为输入数据，使用循环神经网络中的堆叠双向长短期记忆算法结合切片功率分配约束求解功率均方误差目标函数，以计算得到对应网络切片在待分配时间段的分配功率预测值。
[0027]优选的，步骤S3中，通过用户功率分配目标函数和用户功率总额约束计算用户功率初分配值；
[0028]通过如下公式表示用户功率目标函数：
[0029][0030]式中：r
m,u
(t)表示第m个网络切片在t时刻为用户u分配的用户功率初分配值；M表示网络切片集合；
[0031]通过如下公式表示用户功率分配约束：
[0032][0033]r
m,u
(t)≥h
m,u
(t)；
[0034][0035]Ω
m
(D
m
(t)＝0)≥T
m
；
[0036]D
m
(t)＝|r
m,u
(t+τ)
‑
r
m,u
(t)|；
[0037]式中：Θ
m
(t)表示分配给第m个网络切片的功率总额；N表示第m个网络切片内的用户总数；U
m
表示第m个网络切片的用户集合；h
m,u
(t)表示第m个网络切片在t时刻用户u所需的功率；R
m
表示用户所需通信速率；B
w
表示信道带宽；P
m,u
(t)表示基站与用户设备间的下行传输功率；G
m,u
(t)表示时变瑞利衰落信道增益；T
m
表示保证网络切片m隔离性的最小阈值；N0表示加性高斯白噪声方差；Ω
m
表示条件计数器；D
m
(t)表示预测窗口内t+τ时刻与t时刻分配给用户u的功率差；τ表示时间步长度。
[0038]优选的，通过异步优势执行器评价器深度学习算法结合用户功率分配约束求解用户功率目标函数，以计算得到对应网络切片内各个用户在待分配时间段的用户功率初分配值。
[0039]优选的，步骤S4中，通过功率最优目标函数和功率最优分配约束计算用户功率最优分配值；
[0040]通过如下公式表示功率最优目标函数：
[0041][0042]式中：P
m,u
(t)表示基站与用户设备间的下行传输功率；η
EE
表示功率效率指数；G本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的5G无线网络切片功率分配方法，其特征在于，包括：S1：获取5G无线网络的对应网络切片在待分配时间段的上一分配时间段的分配功率实际值作为分配功率初始值；S2：基于分配功率初始值计算对应网络切片在待分配时间段的分配功率预测值；S3：以保证各个网络切片相互隔离为目标，结合分配功率预测值计算对应网络切片内各个用户在待分配时间段的用户功率初分配值；S4：以网络切片内功率效率最大化为目标，结合各个用户的用户功率初分配值计算对应网络切片内各个用户在待分配时间段的用户功率最优分配值；S5：基于用户功率最优分配值为对应网络切片内的各个用户分配功率。2.如权利要求1所述的基于深度学习的5G无线网络切片功率分配方法，其特征在于：步骤S1中，构建用于表示时间推移且划分有时间步的时间轴，并在时间轴上建立包含若干个时间步且能够沿时间轴的时间推移方向移动的预测窗口；预测窗口沿时间轴方向的起点与终点为对应待分配时间段的起止时间，即预测窗口沿时间轴方向的长度等于待分配时间段的时间长度。3.如权利要求2所述的基于深度学习的5G无线网络切片功率分配方法，其特征在于：预测窗口沿时间轴移动时，每次移动的步长为预测窗口沿时间轴方向的长度，即待分配时间段的时间长度。4.如权利要求1所述的基于深度学习的5G无线网络切片功率分配方法，其特征在于：步骤S2中，通过功率均方误差目标函数和切片功率总额约束计算分配功率预测值；通过如下公式表示功率均方误差目标函数：式中：表示第m个网络切片t时刻的分配功率预测值；T
Δ
表示待分配时间段的时间长度；r
m
(t)表示第m个网络切片t时刻的分配功率实际值；M表示网络切片集合；通过如下公式表示切片功率分配约束：式中：表示第m个网络切片t时刻的分配功率预测值；Θ表示5G无线网络中功率总额。5.如权利要求4所述的基于深度学习的5G无线网络切片功率分配方法，其特征在于：网络切片的分配功率预测值与分配功率实际值r
m
(t)间存在以下情形：1)若则对应网络切片需要使用5G无线网络中的剩余功率；2)若则对应网络切片的分配功率在对待分配时间段内保持不变。6.如权利要求4所述的基于深度学习的5G无线网络切片功率分配方法，其特征在于：以分配功率初始值为输入数据，使用循环神经网络中的堆叠双向长短期记忆算法结合切片功率分配约束求解功率均方误差目标函数，以计算得到对应网络切片在待分配时间段的分配功率预测值。
7.如权利要求1所述的基于深度学习的5G无线网络切片功率分配方法，其特征在于：步骤S3中，通过用户功率分配目标函数和用户功率总额约束计算用户功率初分配值；通过如下公式表示用户功率目标函数：式中：r
m,u
(t)表示第m个网络切片在t时刻为用户u分配的用户功率初分配值；M表示网络切片集合；通过如下公式表示用户功率分配约束：r
m,u
(t)≥h
m,u
(t)；Ω
m
(D
m
(t)＝0)≥T
m
；D...

【专利技术属性】
技术研发人员：张丽娜，叶泓炜，徐军岳，王守禧，杨运国，陈梓翰，蔡建军，侯健生，王鹏，邹家阳，王千，黄俊威，邱璐，龚丽，卢志俊，姚越，
申请(专利权)人：国网浙江省电力有限公司金华供电公司，
类型：发明
国别省市：