动态不确定场景下认知工业物联网的资源分配方法及装置制造方法及图纸

本申请涉及一种动态不确定场景下认知工业物联网的资源分配方法及装置，属工业物联网通信领域，针对动态不确定场景下认知工业物联网业务的时延保障问题，基于排队理论建立了认知工业物联网业务的时延模型，推导了保障时延需求的速率解析解，并基于该模型建立了考虑动态不确定环境随机性的认知工业物联网资源分配模型；由于随机环境参数的引入，该模型难以采用传统优化方法获得全局最优解；针对此，本申请采用鲁棒优化的思想将不确定参数的约束转化为凸约束的问题，提出了认知工业物联网的资源分配策略。资源分配策略。资源分配策略。

【技术实现步骤摘要】
动态不确定场景下认知工业物联网的资源分配方法及装置


[0001]本申请涉及工业物联网通信领域，尤其涉及一种动态不确定场景下认知工业物联网的资源分配方法及装置。

技术介绍

[0002]随着物联网(Internet of Things，IoT)规模的扩大，工业物联网(Industrial Internet of Things，IIoT)设备呈指数的增长，现有的频谱资源无法满足未来IIoT设备的频谱需求。认知无线电(Cognitive Radio，CR)理论可以共享频谱资源，有效的提高资源利用率，因此认知工业物联网(Cognitive Industrial Internet of Things，CIIoT)应运而生。
[0003]在CIIoT网络中，如何提高资源分配效率是缓解工业物联网设备(Industrial Internet of Things Device，IIoTD)频谱稀缺问题的关键。现有研究较少考虑CIIoT的动态不确定环境的随机性以及如何保障业务的时延需求的问题。然而，设备之间的实际通信环境充满动态不确定性，包括信道增益的不确定性、背景噪声的不确定性以及干扰的不确定性等。在实际通信环境中，一方面由于网络用户行为频繁变化，导致网络电磁环境存在动态不确定性。这种动态不确定环境导致业务传输时延存在一定的随机性。另一方面，在工业控制网络中业务对时延敏感性要求高，需要对业务的时延进行有效的控制。因此如何在动态不确定场景下保障CIIoT业务的时延需求是实现认知工业物联网亟待解决的关键问题。

技术实现思路
<br/>[0004]本申请提供一种动态不确定场景下认知工业物联网的资源分配方法及装置，本申请的技术方案如下：
[0005]根据本申请实施例的第一方面，提供一种动态不确定场景下认知工业物联网的资源分配方法，包括：
[0006]建立动态不确定场景下的认知工业物联网模型，并基于排队模型建立认知工业物联网时延模型；其中，所述动态不确定场景下的认知工业物联网模型基于已经授权的大范围的宏蜂窝区域建立，每个所述宏蜂窝区域中包含有多个移动用户和一个宏基站，在所述宏蜂窝区域中还搭建有多个微蜂窝区域工业物联网，在每个所述微蜂窝区域工业物联网中包含有多个物联网设备和一个微基站；
[0007]确定基于保障时延需求的速率解析解，以使得各个子载波上的分配因子和移动用户的信道增益的关联倍数不超过所述子载波上的干扰阈值；
[0008]建立基于动态不确定环境随机性的认知工业物联网资源分配模型,并联合基站发射功率约束、设备之间的干扰约束和业务传输时延保障约束，建立以最大化所述物联网设备的吞吐量为目标的优化模型；
[0009]通过拉格朗日定理对基于所述认知工业物联网时延模型进行求解，采用迭代算法得到其吞吐量。
[0010]可选的，所述基于用排队理论建立认知工业物联网的时延模型的假设条件为：
[0011]假设所述物联网设备的数据包到达率遵循泊松分布，数据包服务时间服从指数分布。
[0012]可选的，在建立动态不确定场景下的认知工业物联网模型前，所述方法包括：
[0013]假设所述动态不确定场景中共有N个子载波，其中每个移动用户占用一个子载波进行数据传输，每个物联网设备通过认知无线电共享子载波；
[0014]定义微基站的集合为
[0015]物联网设备的集合为
[0016]子载波的集合为
[0017]其中，I表示微基站的总个数，i则表示第i个微基站，J表示物联网设备的总个数，j表示第j个物联网设备，N表示子载波的总个数，n表示第n个子载波。
[0018]可选的，所述基于用排队模型建立认知工业物联网的时延模型具体包括：
[0019]设定所述数据包到达发送端的排队过程建模为M/M/1排队模型，保持平均等待时间小于队列中允许的最长停留时间，则满足：
[0020][0021]其中，λ为认知工业物联网数据到达的速率，R
j,n
为认知工业物联网数据传输可到达的传输速率，为队列中允许的最长停留时间，T
j,n
为平均等待时间；
[0022]将式(1)简化为：
[0023][0024]则所述时延模型为：
[0025][0026]其中
[0027]可选的，所述确定基于保障时延需求的速率解析解，以使得各个子载波上的分配因子和移动用户的信道增益的关联倍数不超过所述子载波上的干扰阈值，具体包括：
[0028]设定p
i,j,n
是微基站i从子载波n上到物联网设备j的功率，h
i,j,n
表示微基站i从子载波n上到认知工业物联网j的信道增益，将信道收到的信号与干扰加噪声比表示为：
[0029][0030]其中m表示i个微基站中不同于不同于i的微基站，σ2表示噪声功率和移动用户干扰之和；
[0031]计算得到所述物联网设备在子载波n上可实现的数据速率为R
i,j,n
＝R
j,n
＝Wlog(1+γ
i,j,n
)，其中，W为第一调节参数；
[0032]对干扰进行按照下式进行约束：
[0033][0034]其中，s
i,j,n
表示子载波分配因子，g
i,j,n
表示从微基站i的认知工业物联网j到子载波n上的移动用户的信道增益，是移动用户在子载波n上的干扰阈值。
[0035]可选的，当s
i,j,n
＝1时，表示所述微基站i从子载波n到所述物联网设备j。
[0036]可选的，所述基于动态不确定环境随机性的认知工业物联网资源分配模型为：
[0037][0038]其中，约束条件为：
[0039][0040]其中，ξ
n
为不同信道的不确定度,又称为干扰概率门限，R
i,j,n
表示所述物联网设备在子载波n上可实现的数据速率。
[0041]可选的，所述通过拉格朗日定理对基于所述认知工业物联网的时延模型进行求解，采用迭代算法得到其吞吐量，具体包括：
[0042]采用拉格朗日对偶定理将所述随机模型对偶化；
[0043]利用拉格朗日的KKT条件对所述随机模型进行求解，得到吞吐量的解析解。
[0044]根据本申请实施例的第二方面，提供一种动态不确定场景下认知工业物联网的资源分配装置，包括：
[0045]时延模型构建模块，用于建立动态不确定场景下的认知工业物联网模型，并基于用排队模型建立认知工业物联网的时延模型；其中，所述动态不确定场景下的认知工业物联网模型基于已经授权的大范围的宏蜂窝区域建立，每个所述宏蜂窝区域中包含有多个移动用户和一个宏基站，在所述宏蜂窝区域中中还搭建有多个的微蜂窝区域的工业物联网，在每个所述工业物联网网络中包含有多个物联网设备和一个微基站；
[0046]速率解析解确定模块，用于确定基于保障时延需求的速率解析解，以使得各个子载波上的分配因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态不确定场景下认知工业物联网的资源分配方法，其特征在于，所述方法包括：建立动态不确定场景下的认知工业物联网模型，并基于排队模型建立认知工业物联网时延模型；其中，所述动态不确定场景下的认知工业物联网模型基于已经授权的大范围的宏蜂窝区域建立，每个所述宏蜂窝区域中包含有多个移动用户和一个宏基站，在所述宏蜂窝区域中还搭建有多个微蜂窝区域工业物联网，在每个所述微蜂窝区域工业物联网中包含有多个物联网设备和一个微基站；确定基于保障时延需求的速率解析解，以使得各个子载波上的分配因子和移动用户的信道增益的关联倍数不超过所述子载波上的干扰阈值；建立基于动态不确定环境随机性的认知工业物联网资源分配模型,并联合基站发射功率约束、设备之间的干扰约束和业务传输时延保障约束，建立以最大化所述物联网设备的吞吐量为目标的优化模型；通过拉格朗日定理对基于所述认知工业物联网时延模型进行求解，采用迭代算法得到其吞吐量。2.根据权利要求1所述的方法，其特征在于，所述基于排队理论建立认知工业物联网时延模型的假设条件为：假设所述物联网设备的数据包到达率遵循泊松分布，数据包服务时间服从指数分布。3.根据权利要求2所述的方法，其特征在于，在建立动态不确定场景下的认知工业物联网模型前，所述方法包括：假设所述动态不确定场景中共有N个子载波，其中每个移动用户占用一个子载波进行数据传输，每个物联网设备通过认知无线电共享子载波；定义微基站的集合为物联网设备的集合为子载波的集合为其中，I表示微基站的总个数，i则表示第i个微基站，J表示物联网设备的总个数，j表示第j个物联网设备，N表示子载波的总个数，n表示第n个子载波。4.根据权利要求3所述的方法，其特征在于，所述基于排队模型建立认知工业物联网时延模型具体包括：设定所述数据包到达发送端的排队过程建模为M/M/1排队模型，保持平均等待时间小于队列中允许的最长停留时间，则满足：其中，λ为认知工业物联网数据到达的速率，R
j,n
为认知工业物联网数据传输可到达的传输速率，为队列中允许的最长停留时间，T
j,n
为平均等待时间；将式(1)简化为：
则所述时延模型为：其中5.根据权利要求2所述的方法，其特征在于，所述确定基于保障时延需求的速率解析解，以使得各个子载波上的分配因子和移动用户的信道增益的关联倍数不超过所述子载波上的干扰阈值，具体包括：设定p
i,j,n
是微基站i从子载波n上到物联网设备j的功率，h
i,j,n
表示微基站i从子载波n上到认知工业物联网j的信道增益，将信道收到的信号与干扰加噪声比表示为：其中m表示i...

【专利技术属性】
技术研发人员：杨凡，黄杰，喻涛，李姣军，杨川，杨成，张仕龙，左讯，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：