CN107682896A - 一种超密集异构网络承载分流方法 - Google Patents
一种超密集异构网络承载分流方法 Download PDFInfo
- Publication number
- CN107682896A CN107682896A CN201710913486.1A CN201710913486A CN107682896A CN 107682896 A CN107682896 A CN 107682896A CN 201710913486 A CN201710913486 A CN 201710913486A CN 107682896 A CN107682896 A CN 107682896A
- Authority
- CN
- China
- Prior art keywords
- user
- macrocell
- base station
- cell
- resource block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
- H04W28/082—Load balancing or load distribution among bearers or channels
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种超密集异构网络承载分流方法,能够最大化***吞吐量。所述方法包括:获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量;获取用户关于宏小区、小小区的缓存状态信息,以确定用户在宏基站和小基站中的缓存状态信息;根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型,其中,所述分流优化模型以最大化***吞吐量为目标;根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例。本发明涉及无线通信技术领域。
Description
技术领域
本发明涉及无线通信技术领域,特别是指一种超密集异构网络承载分流方法。
背景技术
超密集网络一般是通过部署大量小基站来实现网络的密集化,因此也是和宏基站共存的超密集异构网络,不仅可以为热点区域分流,缓解宏基站的压力,还可以部署在网络覆盖盲区,是实现无缝连接的技术之一。这些小基站由于具有低功率、覆盖范围小、组网灵活的特点,成为第五代移动通信中的关键技术之一。
小小区的密集部署会明显的增加小区的重选和切换,并带来更多的信令交互。由于宏小区和小小区之间发射功率的巨大差异也会增加切换失败率,因此在密集环境中对小区切换机制提出了更高的要求。为了应对这些问题,现有技术中,采用一种将控制平面和用户平面分离的网络架构,在这种网络架构中,控制平面由宏基站提供,负责大范围的覆盖,使用较低的频段维持连接性和移动性;用户平面由小基站提供,主要功能就是实现数据业务按照固定比例进行分流,这样,当信道质量较差时,会导致数据无法有效地进行传输。
发明内容
本发明要解决的技术问题是提供一种超密集异构网络承载分流方法,以解决现有技术所存在的在信道质量较差时,采用固定比例的分流方法,不能有效地传输数据的问题。
为解决上述技术问题,本发明实施例提供一种超密集异构网络承载分流方法,包括:
获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量;
获取用户关于宏小区、小小区的缓存状态信息,以确定用户在宏基站和小基站中的缓存状态信息;
根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型,其中,所述分流优化模型以最大化***吞吐量为目标;
根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例。
进一步地,所述获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
获取用户关于宏小区、小小区的信道质量信息,以确定用户关于宏小区的信干噪比以及所连接小小区的信干噪比;
根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量。
进一步地,若用户为宏小区用户,确定宏小区用户关于宏小区以及所连接小小区的信干噪比,其中,宏小区用户所连接小小区的信干噪比为0;
若用户为小小区用户,确定小小区用户关于宏小区的信干噪比以及所连接小小区的信干噪比。
进一步地,所述根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
若用户为宏小区用户,在周期时间段内,计算宏小区用户关于宏小区的平均信干噪比;
根据计算得到的宏小区用户关于宏小区的平均信干噪比,确定宏小区用户在周期时间段内关于宏小区单个资源块的容量;
其中,宏小区用户在周期时间段内所连接小小区单个资源块的容量为0。
进一步地,所述根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
若用户为小小区用户,在周期时间段内,分别计算小小区用户关于宏小区和所连接小小区的平均信干噪比;
根据计算得到的小小区用户关于宏小区的平均信干噪比,确定小小区用户在周期时间段内关于宏小区单个资源块的容量;
根据计算得到的小小区用户所连接小小区的平均信干噪比,确定小小区用户在周期时间段内所连接小小区单个资源块的容量。
进一步地,所述根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型包括:
小基站将小小区用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量、以及小小区用户在宏基站和小基站中的缓存状态信息上报给宏基站;
宏基站根据小基站上报的信息以及宏小区用户在周期时间段内关于宏小区和所连接小小区单个资源块的容量、宏小区用户在宏基站中的缓存状态信息,建立分流优化模型。
进一步地,所述分流优化模型的目标函数为:
其中,所述目标函数用于最大化***吞吐量;U表示用户集合;εm(ui)、εs(ui)分别表示用户ui在下个周期时间段内分别从宏基站和小基站分得Rbm(ui)、Rbs(ui)个资源块时的吞吐量;Rbm(ui)、Rbs(ui)分别表示宏基站和小基站在下个周期时间段内将分别提供给用户ui的资源块的数量。
进一步地,所述εm(ui)、εs(ui)分别表示为:
εm(ui)=Om(ui)×Rbm(ui)
εs(ui)=Os(ui)×Rbs(ui)。
进一步地,所述目标函数的约束条件包括:
约束条件1、使每个无线承载的分流数据速率小于等于相应的无线承载的数据速率,对宏小区用户的数据无线承载以及小小区用户的实时性数据无线承载不进行分流;
约束条件2、在周期时间段内,用户ui在宏基站下的吞吐量小于等于宏基站将要发送给该用户的数据量以及用户ui缓存在宏基站的数据量之和;
约束条件3、在周期时间段内,用户ui在小基站下的吞吐量小于等于小基站将要发送给该用户的数据量以及用户ui缓存在小基站的数据量之和;
约束条件4、宏基站分配给所有用户的资源块的数量小于等于宏基站能够分配的资源块的最大数量;
约束条件5、每个小基站分配给其所连接用户的资源块的数量小于等于该小基站能够分配的资源块的最大数量。
进一步地,在根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例之后,所述方法还包括:
在下一个周期时间段内,宏基站按照确定的分流比例将部分数据流传送给相应的小基站进行承载分流。
本发明的上述技术方案的有益效果如下:
上述方案中,获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量;获取用户关于宏小区、小小区的缓存状态信息,以确定用户在宏基站和小基站中的缓存状态信息;根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型,其中,所述分流优化模型以最大化***吞吐量为目标;根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例。这样,通过建立的分流优化模型,得到动态分流比例,宏基站和小基站根据得到的动态分流比例进行承载分流,实现***吞吐量最大化,提供网络资源的利用率。
附图说明
图1为本发明实施例提供的超密集异构网络承载分流方法的流程示意图;
图2为超密集异构网络承载分流方法与传统异构网络、控制平面与用户平面分离的网络架构下固定分流比例方法相比的吞吐量性能比较示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明针对现有的在信道质量较差时,采用固定比例的分流方法,不能有效地传输数据的问题,提供一种超密集异构网络承载分流方法。
本实施例中,为了更好地理解本发明,先对宏基站、小基站、宏小区、小小区进行说明:
宏基站是传统同构网络中所使用的基站,宏基站的特点包括:发射功率较大,覆盖范围可以达到数千米。小基站与宏基站的区别是发射功率较低,覆盖范围小,可以在宏基站的覆盖范围内部署。
宏基站覆盖的范围称为宏小区,小基站覆盖的范围称为小小区。
如图1所示,本发明实施例提供的超密集异构网络承载分流方法,包括:
S101,获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量;
S102,获取用户关于宏小区、小小区的缓存状态信息,以确定用户在宏基站和小基站中的缓存状态信息;
S103,根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型,其中,所述分流优化模型以最大化***吞吐量为目标;
S104,根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例。
本发明实施例所述的超密集异构网络承载分流方法,获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量;获取用户关于宏小区、小小区的缓存状态信息,以确定用户在宏基站和小基站中的缓存状态信息;根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型,其中,所述分流优化模型以最大化***吞吐量为目标;根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例。这样,通过建立的分流优化模型,得到动态分流比例,宏基站和小基站根据得到的动态分流比例进行承载分流,实现***吞吐量最大化,提供网络资源的利用率。
本实施例所述的超密集异构网络承载分流方法采用的是一种将控制平面和用户平面分离的网络架构,其中,用户平面只在宏基站与核心网之间存在S1-U连接,所述S1-U连接指的是用户面的连接,表示所有下行数据(也可以称为:用户的数据流)只能先通过核心网传送到宏基站,再由宏基站按照一定算法和比例进行分割后,再由基站之间的接口将部分数据传送给小基站,最终在宏基站和小基站上同时给用户下发数据。
为了实现本实施例所述的超密集异构网络承载分流方法,假设有一个宏基站和并在该宏基站的覆盖范围内部署S个小基站,也就是说,在一个宏小区的覆盖范围内有S个小小区。宏小区和小小区使用不同的载波频段。用户集合为U={u1,u2,...,uh},共有h个用户,分为宏小区用户和小小区用户。由于一个用户可以有多个数据无线承载,假设所有用户共有n个数据无线承载,表示为集合B={b1,b2,...,bn}。集合B可以分为三个子集Bm,Bsr,Bsnr,三个子集分别代表宏小区用户的数据无线承载,小小区用户的实时性数据无线承载,小小区用户的非实时性数据无线承载。假设在时刻t,以It为时间周期(周期时间段),根据信道质量信息及缓存状态信息,开始进行承载分流方法。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,所述获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
获取用户关于宏小区、小小区的信道质量信息,以确定用户关于宏小区的信干噪比以及所连接小小区的信干噪比;
根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量。
本实施例中,所述信干噪比用于指示用户关于宏小区、小小区的信道质量信息,所以,可以可用信道质量信息来计算信干噪比。
本实施例中,不同小区会有不同的信道质量,也就是不同的信干噪比。以小小区用户为例,小小区用户可以同时连接宏小区和小小区,小小区用户关于宏小区的信干噪比就是小小区用户连接宏小区时的宏小区的信道质量;小小区用户所连接小小区的信干噪比就是小小区用户连接小小区时的小小区的信道质量。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,若用户为宏小区用户,确定宏小区用户关于宏小区以及所连接小小区的信干噪比,其中,宏小区用户所连接小小区的信干噪比为0;
若用户为小小区用户,确定小小区用户关于宏小区的信干噪比以及所连接小小区的信干噪比。
本实施例中,对于每个用户,分别计算在t时刻用户关于宏小区的信干噪比以及所连接小小区的信干噪比,具体的,由于宏小区用户只连接宏小区,因此对于宏小区用户则只考虑宏小区的信干噪比,小小区的信干噪比记为零,而小小区用户同时连接宏小区和小小区,则需要同时考虑宏小区和所连接小小区的信干噪比。
本实施例中,由于宏小区与小小区使用的载波频段不同,因此小小区的干扰只来源于其他的小小区,宏小区的干扰只来源于相邻的宏小区。由于假设不考虑其他的宏小区,因此默认宏小区受到的干扰为零。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,所述根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
若用户为宏小区用户,在周期时间段内,计算宏小区用户关于宏小区的平均信干噪比;
根据计算得到的宏小区用户关于宏小区的平均信干噪比,确定宏小区用户在周期时间段内关于宏小区单个资源块的容量;
其中,宏小区用户在周期时间段内所连接小小区单个资源块的容量为0。
本实施例中,若用户ui为宏小区用户,根据计算得到的在t时刻宏小区用户关于宏小区的信干噪比,计算在(t-It,t)时间间隔内,宏小区用户关于宏小区的平均信干噪比,进而可以根据香农定理,可以得到宏小区用户在(t-It,t)时间间隔内关于宏小区单个资源块的容量Om(ui)。
本实施例中,由于宏小区用户所连接小小区的信干噪比为0,因此,宏小区用户在(t-It,t)时间间隔内所连接小小区单个资源块的容量Os(ui)为0。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,所述根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
若用户为小小区用户,在周期时间段内,分别计算小小区用户关于宏小区和所连接小小区的平均信干噪比;
根据计算得到的小小区用户关于宏小区的平均信干噪比,确定小小区用户在周期时间段内关于宏小区单个资源块的容量;
根据计算得到的小小区用户所连接小小区的平均信干噪比,确定小小区用户在周期时间段内所连接小小区单个资源块的容量。
本实施例中,若用户ui为小小区用户,根据计算得到的在t时刻小小区用户关于宏小区和所连接小小区的信干噪比,计算在(t-It,t)时间间隔内,小小区用户关于宏小区和所连接小小区的平均信干噪比,进而可以根据香农定理,分别得到小小区用户在(t-It,t)时间间隔内关于宏小区单个资源块的容量Om(ui)和所连接小小区单个资源块的容量Os(ui)。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,所述根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型包括:
小基站将小小区用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量、以及小小区用户在宏基站和小基站中的缓存状态信息上报给宏基站;
宏基站根据小基站上报的信息以及宏小区用户在周期时间段内关于宏小区和所连接小小区单个资源块的容量、宏小区用户在宏基站中的缓存状态信息,建立分流优化模型。
本实施例中,小基站将小小区用户的Om(ui)和Os(ui)以及小小区用户在宏基站和小基站中的缓存状态信息上报给宏基站,宏基站结合宏小区用户在周期时间段内关于宏小区单个资源块的容量和宏小区用户在宏基站中的缓存状态信息,建立分流优化模型,达到最大化***吞吐量,并进行求解得到小小区用户数据承载的动态分流比例。
本实施例中,缓存状态信息指的是基站未能传送给用户的数据量,具体可以表示为:用上个It周期时间段内从核心网得到的数据量减去已经传送给用户的数据量。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,所述分流优化模型的目标函数为:
其中,所述目标函数用于最大化***吞吐量;U表示用户集合;εm(ui)、εs(ui)分别表示用户ui在下个周期时间段内分别从宏基站和小基站分得Rbm(ui)、Rbs(ui)个资源块时的吞吐量;Rbm(ui)、Rbs(ui)分别表示宏基站和小基站在下个周期时间段内将分别提供给用户ui的资源块的数量。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,所述εm(ui)、εs(ui)分别表示为:
εm(ui)=Om(ui)×Rbm(ui)
εs(ui)=Os(ui)×Rbs(ui)。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,所述目标函数的约束条件包括:
约束条件1、使每个无线承载的分流数据速率小于等于相应的无线承载的数据速率,对宏小区用户的数据无线承载以及小小区用户的实时性数据无线承载不进行分流;
约束条件2、在It周期时间段内,用户ui在宏基站下的吞吐量小于等于宏基站将要发送给该用户的数据量以及用户ui缓存在宏基站的数据量之和;
约束条件3、在It周期时间段内,用户ui在小基站下的吞吐量小于等于小基站将要发送给该用户的数据量以及用户ui缓存在小基站的数据量之和;
约束条件4、宏基站分配给所有用户的资源块的数量小于等于宏基站能够分配的资源块的最大数量;
约束条件5、每个小基站分配给其所连接用户的资源块的数量小于等于该小基站能够分配的资源块的最大数量。
在前述超密集异构网络承载分流方法的具体实施方式中,进一步地,在根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例之后,所述方法还包括:
在下一个周期时间段内,宏基站按照确定的分流比例将部分数据流传送给相应的小基站进行承载分流。
本实施例中,在下一个(t,t+It)周期时间段内,宏基站按照S104中确定的分流比例将部分数据流传送给相应的小基站进行承载分流,到时刻t+It,宏基站将调度时间重新设置为t=t+It,返回到S101继续执行。
图2为本发明实施例提供的超密集异构网络承载分流方法与传统异构网络、控制平面与用户平面分离的网络架构下固定分流比例方法相比的吞吐量性能比较示意图,从图2可以看出,本发明实施例提供的超密集异构网络承载分流方法的吞吐量性能优于传统异构网络以及固定比例分流方法的吞吐量性能。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种超密集异构网络承载分流方法,其特征在于,包括:
获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量;
获取用户关于宏小区、小小区的缓存状态信息,以确定用户在宏基站和小基站中的缓存状态信息;
根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型,其中,所述分流优化模型以最大化***吞吐量为目标;
根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例。
2.根据权利要求1所述的超密集异构网络承载分流方法,其特征在于,所述获取用户关于宏小区、小小区的信道质量信息,以确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
获取用户关于宏小区、小小区的信道质量信息,以确定用户关于宏小区的信干噪比以及所连接小小区的信干噪比;
根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量。
3.根据权利要求2所述的超密集异构网络承载分流方法,其特征在于,若用户为宏小区用户,确定宏小区用户关于宏小区以及所连接小小区的信干噪比,其中,宏小区用户所连接小小区的信干噪比为0;
若用户为小小区用户,确定小小区用户关于宏小区的信干噪比以及所连接小小区的信干噪比。
4.根据权利要求3所述的超密集异构网络承载分流方法,其特征在于,所述根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
若用户为宏小区用户,在周期时间段内,计算宏小区用户关于宏小区的平均信干噪比;
根据计算得到的宏小区用户关于宏小区的平均信干噪比,确定宏小区用户在周期时间段内关于宏小区单个资源块的容量;
其中,宏小区用户在周期时间段内所连接小小区单个资源块的容量为0。
5.根据权利要求3所述的超密集异构网络承载分流方法,其特征在于,所述根据确定的用户关于宏小区的信干噪比以及所连接小小区的信干噪比,确定用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量包括:
若用户为小小区用户,在周期时间段内,分别计算小小区用户关于宏小区和所连接小小区的平均信干噪比;
根据计算得到的小小区用户关于宏小区的平均信干噪比,确定小小区用户在周期时间段内关于宏小区单个资源块的容量;
根据计算得到的小小区用户所连接小小区的平均信干噪比,确定小小区用户在周期时间段内所连接小小区单个资源块的容量。
6.根据权利要求1所述的超密集异构网络承载分流方法,其特征在于,所述根据确定的用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量,以及确定的用户在宏基站和小基站中的缓存状态信息,建立分流优化模型包括:
小基站将小小区用户在周期时间段内关于宏小区单个资源块的容量和所连接小小区单个资源块的容量、以及小小区用户在宏基站和小基站中的缓存状态信息上报给宏基站;
宏基站根据小基站上报的信息以及宏小区用户在周期时间段内关于宏小区和所连接小小区单个资源块的容量、宏小区用户在宏基站中的缓存状态信息,建立分流优化模型。
7.根据权利要求1所述的超密集异构网络承载分流方法,其特征在于,所述分流优化模型的目标函数为:
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<mi>U</mi>
</mrow>
</munder>
<mo>&lsqb;</mo>
<msub>
<mi>&epsiv;</mi>
<mi>m</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&epsiv;</mi>
<mi>s</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,所述目标函数用于最大化***吞吐量;U表示用户集合;εm(ui)、εs(ui)分别表示用户ui在下个周期时间段内分别从宏基站和小基站分得Rbm(ui)、Rbs(ui)个资源块时的吞吐量;Rbm(ui)、Rbs(ui)分别表示宏基站和小基站在下个周期时间段内将分别提供给用户ui的资源块的数量。
8.根据权利要求7所述的超密集异构网络承载分流方法,其特征在于,所述εm(ui)、εs(ui)分别表示为:
εm(ui)=Om(ui)×Rbm(ui)
εs(ui)=Os(ui)×Rbs(ui)。
9.根据权利要求7所述的超密集异构网络承载分流方法,其特征在于,所述目标函数的约束条件包括:
约束条件1、使每个无线承载的分流数据速率小于等于相应的无线承载的数据速率,对宏小区用户的数据无线承载以及小小区用户的实时性数据无线承载不进行分流;
约束条件2、在周期时间段内,用户ui在宏基站下的吞吐量小于等于宏基站将要发送给该用户的数据量以及用户ui缓存在宏基站的数据量之和;
约束条件3、在周期时间段内,用户ui在小基站下的吞吐量小于等于小基站将要发送给该用户的数据量以及用户ui缓存在小基站的数据量之和;
约束条件4、宏基站分配给所有用户的资源块的数量小于等于宏基站能够分配的资源块的最大数量;
约束条件5、每个小基站分配给其所连接用户的资源块的数量小于等于该小基站能够分配的资源块的最大数量。
10.根据权利要求1所述的超密集异构网络承载分流方法,其特征在于,在根据建立的分流优化模型,周期性动态地确定小小区用户数据承载的分流比例之后,所述方法还包括:
在下一个周期时间段内,宏基站按照确定的分流比例将部分数据流传送给相应的小基站进行承载分流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710913486.1A CN107682896A (zh) | 2017-09-30 | 2017-09-30 | 一种超密集异构网络承载分流方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710913486.1A CN107682896A (zh) | 2017-09-30 | 2017-09-30 | 一种超密集异构网络承载分流方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107682896A true CN107682896A (zh) | 2018-02-09 |
Family
ID=61138728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710913486.1A Pending CN107682896A (zh) | 2017-09-30 | 2017-09-30 | 一种超密集异构网络承载分流方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107682896A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109218747A (zh) * | 2018-09-21 | 2019-01-15 | 北京邮电大学 | 超密集异构网络中基于用户移动性的视频业务分类缓存方法 |
CN109413694A (zh) * | 2018-09-10 | 2019-03-01 | 北京邮电大学 | 一种基于内容流行度预测的小小区缓存方法及装置 |
CN109788508A (zh) * | 2018-12-29 | 2019-05-21 | 山东省计算中心(国家超级计算济南中心) | 一种数据缓存方法及一种存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102811465A (zh) * | 2012-07-11 | 2012-12-05 | 北京邮电大学 | 异构网络下基于反馈信息的业务分流***及方法 |
CN103607737A (zh) * | 2013-11-11 | 2014-02-26 | 北京邮电大学 | 一种异构网络业务分流方法及*** |
CN103905330A (zh) * | 2012-12-28 | 2014-07-02 | 中国电信股份有限公司 | 多终端协同通信业务分流比例获取方法和服务器 |
US20160157117A1 (en) * | 2014-11-28 | 2016-06-02 | Industrial Technology Research Institute | Evolved nodeb and traffic dispatch method thereof |
CN105898794A (zh) * | 2016-04-08 | 2016-08-24 | 努比亚技术有限公司 | 数据传输装置及方法 |
CN105992272A (zh) * | 2015-01-27 | 2016-10-05 | ***通信集团公司 | 一种数据发送及接收方法、装置和数据传输*** |
-
2017
- 2017-09-30 CN CN201710913486.1A patent/CN107682896A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102811465A (zh) * | 2012-07-11 | 2012-12-05 | 北京邮电大学 | 异构网络下基于反馈信息的业务分流***及方法 |
CN103905330A (zh) * | 2012-12-28 | 2014-07-02 | 中国电信股份有限公司 | 多终端协同通信业务分流比例获取方法和服务器 |
CN103607737A (zh) * | 2013-11-11 | 2014-02-26 | 北京邮电大学 | 一种异构网络业务分流方法及*** |
US20160157117A1 (en) * | 2014-11-28 | 2016-06-02 | Industrial Technology Research Institute | Evolved nodeb and traffic dispatch method thereof |
CN105992272A (zh) * | 2015-01-27 | 2016-10-05 | ***通信集团公司 | 一种数据发送及接收方法、装置和数据传输*** |
CN105898794A (zh) * | 2016-04-08 | 2016-08-24 | 努比亚技术有限公司 | 数据传输装置及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109413694A (zh) * | 2018-09-10 | 2019-03-01 | 北京邮电大学 | 一种基于内容流行度预测的小小区缓存方法及装置 |
CN109218747A (zh) * | 2018-09-21 | 2019-01-15 | 北京邮电大学 | 超密集异构网络中基于用户移动性的视频业务分类缓存方法 |
CN109788508A (zh) * | 2018-12-29 | 2019-05-21 | 山东省计算中心(国家超级计算济南中心) | 一种数据缓存方法及一种存储介质 |
CN109788508B (zh) * | 2018-12-29 | 2020-07-28 | 山东省计算中心(国家超级计算济南中心) | 一种数据缓存方法及一种存储介质 |
US11159989B2 (en) | 2018-12-29 | 2021-10-26 | Shandong Computer Science Center (National Supercomputer Center In Jinan) | Data caching method and storage medium |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Multiband cooperation for 5G HetNets: A promising network paradigm | |
CN104796918B (zh) | 无线通信组网的方法 | |
CN107682896A (zh) | 一种超密集异构网络承载分流方法 | |
CN102638802B (zh) | 一种分层协作联合频谱感知算法 | |
CN105636213A (zh) | 异构c-ran网络及该网络下的d2d通信模式选择与资源调度联合优化方法 | |
CN107682838A (zh) | 车联网通信联合集中式资源调度和自组织资源分配方法 | |
CN107172682A (zh) | 基于动态分簇的超密集网络无线资源分配方法 | |
CN107911856B (zh) | 一种超密集异构网络中基于匹配博弈的分离多接入方法 | |
CN101909321A (zh) | 小区资源调度的方法、协作功能实体及*** | |
CN107135547A (zh) | 一种多连接***中的数据处理方法和装置 | |
CN103533629B (zh) | 一种基于粒子群优化的异构网络干扰协调方法 | |
CN108063632A (zh) | 异构云接入网络中基于能效的协作资源分配方法 | |
CN106130608B (zh) | 一种基于双层云处理的异构网络融合架构及其数据传输方法 | |
Han | Congestion-aware WiFi offload algorithm for 5G heterogeneous wireless networks | |
Li et al. | Resource management for future mobile networks: Architecture and technologies | |
CN106162753B (zh) | 一种资源分配方法及装置 | |
CN103313309B (zh) | 一种基于负载的小区间d2d用户模式选择方法 | |
CN108696880A (zh) | 一种基于功率控制的定向生成树跨层通信方法 | |
CN105979589A (zh) | 异构网络的能量有效资源分配方法及*** | |
CN108449737A (zh) | 一种分布式天线***中基于d2d的下行链路高能效功率分配方法 | |
CN106028351B (zh) | 一种基于云计算的macro-femto网络的混合接入选择方法 | |
CN106612549B (zh) | 一种资源分配方法及基站 | |
CN105430700B (zh) | 基于多虚拟接入点关联接入的无线局域网移动性管理方法 | |
CN107231224A (zh) | 一种最大传输时限下lte wlan网络动态聚合决策方法 | |
Yang et al. | A resource allocation method based on the core server in the collaborative space for mobile edge computing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
RJ01 | Rejection of invention patent application after publication |