一种面向B5G/6G全解耦蜂窝车联网的随机优化资源分配方法

一种面向b5g/6g全解耦蜂窝车联网的随机优化资源分配方法
技术领域
1.本发明属于车联网技术领域，涉及基于李雅普诺夫随机优化方法和马尔可夫近似的下行基站接入和带宽资源分配方案。


背景技术：

2.车联网是未来智能交通网络的重要组成部分，也是物联网领域内一个特殊的研究方向，引起了广泛的关注，是目前国内外研究的热点领域。未来的车辆接入网络预计将支持具有不同特征和需求的多种服务类型，因此存在着大量差异化的车辆通信需求，比如对时延敏感的内容缓存服务，例如视频音频通话等即时交互服务；对时延容忍的服务，例如地图下载服务；对速率有着高要求地高速率确保业务，例如安全通信业务等等，它们往往共同存在于同一蜂窝网络中。
3.在车联网的无线接入网层面，随着第五代移动通信技术的发展，蜂窝网络的演进方向也在不断改变，异构接入方式共存成为其发展方向。同时，面对移动终端用户不断增长的流量需求，无线接入网中的长期存在的问题，即频谱带宽资源的稀缺性这一固有问题，也在不断被放大。这一挑战使得人们不得不考虑采用新的接入技术，或提高现有接入技术的效率。如何为服务需求类型各异的用户在无线接入网中寻找合适的接入基站簇并统筹全网络、高效分配稀缺的频谱资源一直是学术界的研究热点和一个具有挑战性的研究问题。
4.经检索发现，现有的提升网络效率的技术中，异构网络、不同无线接入技术的组合、认知无线电概念、使用差异化服务等范例已成为备受关注的可提升无线网络效率的方案，其中，一种名为网络切片的新技术受到广泛关注。网络切片试图摆脱当前相对单一的体系结构，如第四代蜂窝网络，将整个网络分割成不同的部分，以满足特定的服务需求，这和差异化的车辆通信需求不谋而合。
5.经检索还发现，quan yu,haibo zhou等人2019年在《journal of communications and informationnetworks(通信与信息网络学报)》上发表的全解耦的无线接入网络体系结构拥有着非常灵活的接入方式，可以极大地促进资源协作，提高频谱利用率，降低网络总体能耗，优化用户体验质量。这种网络结构将传统的小蜂窝基站和宏基站协作的无线接入网结构进行转变，将小蜂窝基站和宏基站的功能解耦为负责上行数据传输的上行基站、负责下行数据传输的下行基站和利用控制信号负责网络协调的控制基站，车联网用户不再和同一个基站进行上下行的传输，而是灵活动态地分别选择上行基站、下行基站和控制基站来进行上行数据、下行数据和控制信令的通信。
6.综上所述，现有技术仍针对各种不同类型的业务需求静态分配网络带宽资源，使得网络效率不够高，同时带宽资源紧缺，针对现有技术存在的问题，本发明旨在关注以即时内容缓存为代表的时延敏感业务和以安全通信为代表的高速率确保业务两类用户，为其不同的业务需求定制资源分配方法，动态地为b5g/6g全解耦蜂窝车联网用户选择接入基站与分配带宽资源，从而提升网络整体效率和业务服务质量。


技术实现要素：

7.本发明目的是：针对现有技术存在的问题，本发明在b5g/6g全解耦的无线接入网结构下提供了一种车联网随机优化资源分配方法。
8.本发明的技术方案：车联网随机优化资源分配方法，包括以下步骤：
9.步骤1：针对网络中的两类用户，即时延敏感用户和高速率确保用户建立优化问题模型：
[0010][0011][0012][0013][0014][0015]
其中，τv表示时延敏感用户的数据传输时延；表示高速率确保用户在时间切片t内获得的速率，高速率确保型用户满足其服务质量要求的最小传输速率为r
mo
，总传输速率满足大于rm，其中rm＝or
mo
；共u个用户，其中有v个时延敏感型用户，o个高速率确保型用户；共s个下行基站，每个下行基站都有a个子信道，每个子信道的可分配带宽为π(hz)；共t个时间切片，c
t
表示时间切片t的下行基站连接方案，d
t
表示时间切片t的带宽资源分配方案；s∈s，表示用户u在时间片t接入基站s；此时，该用户从该基站获得的带宽为表示用户u在时间片t不接入基站s；用户最多能接入m个基站；
[0016]
步骤2：利用李雅普诺夫漂移加惩罚算法，设计异质资源切片机制，构造步骤1中所提优化问题的求解框架：
[0017]
首先构造高速率确保用户o在时间切片t的虚拟队列：
[0018]qo
(t 1)＝max{qo(t) r
m-r
t
，0}
[0019]
将求解问题转化为目标函数π(c
t
，d
t
)：
[0020][0021]
在时间片t的开头，初始化队列的储备量为0，在每个时间片上执行如下步骤：
[0022]
s1：通过求解问题p2确定最优基站连接方案和资源分配方案：
[0023]
p2：(c
t*
，d
t*
)＝arg minπ(c
t
，d
t
)
[0024]
s2：根据策略(c
t*
，d
t*
)更新虚拟队列
[0025]
s3：判断时间片是否已经用完，若是则结束；否则，更新t＝t 1，返回步骤s1；
[0026]
步骤3：在步骤2节构造的求解框架下，结合马尔科夫近似方法设计接入基站选择方法和频谱资源切片机制：
[0027]
求得问题p2的近似最优解为：
[0028][0029]
其中全体配置(c
t
，d
t
)集合为β为正常数；设计一个连续时间的马尔科夫链，将作为其状态空间，其稳定分布最终为
[0030]
步骤4：基于步骤3设计基于马尔可夫近似和李雅普诺夫优化的车联网资源切片方法：
[0031]
初始化虚拟队列，设置初始时刻的虚拟队列储备量为0，在每个时间片t＝1，2，3，
…
上，对u个用户分别执行如下步骤：
[0032]
s1：在进入该时间片时，探测并收集数据，然后给网络中未被分配基站的用户随机生成连接方案c
t
和带宽分配方案d
t
。
[0033]
s2：根据当前网络中的基站连接方案c
t
和带宽分配方案π
t
计算出当前时隙的优化目标函数π(c
t
，d
t
)。
[0034]
s3：为每个用户计算倒计时θu，倒计时单位为ms，针对系统中的两类用户，设其倒计时θu是服从期望为指数分布的随机数。然后设置定时器开始计时。
[0035]
s4：监听倒计时和时间片t哪个先结束，若某一用户的倒计时θu先于时间片结束，则找到此时网络中速率最低的用户，并为该用户随机分配和当前方案不同的下行基站服务组和带宽分配方案，结束其他所有用户的倒计时，重新更新用户的信道状态信息，然后返回到s2。若时间片t先结束，则进入到s5。
[0036]
s5：令t
←
t 1，更新虚拟队列储备量qo(t)，返回到s1。
[0037]
进一步的，基于名为单频网络的多基站数据传输方式，在基站解耦为上行基站、下行基站和控制基站的b5g/6g全解耦蜂窝车联网中，关注于下行业务需求，根据车联网用户的业务需求类型，为时延敏感型和高速率确保型两类用户选择接入基站簇并分配下行基站带宽资源，降低网络中时延敏感型用户平均时延，同时确保高速率用户拥有稳定且有质量保证的速率。
[0038]
进一步的，利用李雅普诺夫优化，将长期优化问题转化为在每个时间切片上优化李雅普诺夫漂移加惩罚函数，并利用马尔可夫近似动态地为两类用户选择全局最优的接入基站簇，以低计算复杂度得到各时隙最优频谱调度和资源分配策略。
[0039]
进一步的，设计一个连续时间的不可约马尔科夫链，在时间片t上，系统会从状态空间内的某一状态转移到另一状态，其稳定分布最终为设计两个状态之间的非负转移速率q[(c
t
，d
t
)
→
(c
t
，d
t
)
～
]，任意两个状态都能互相转化；此外，满足细致平衡方程：
[0040][0041]
本发明是在b5g/6g全解耦无线接入网体系结构下的一种对蜂窝车联网用户的下行基站接入方法以及频谱调度和资源的动态分配策略，该方法针对不同需求的车联网用户类型，个性化分配网络资源，根据业务需求类型选择用户接入基站簇并根据服务质量需求分配合适的带宽资源，为各类用户提供更高的服务质量同时优化整体网络效率。利用李雅普诺夫随机优化方法，将网络中的长期优化问题转化为在每个时间切片上优化李雅普诺夫漂移加惩罚函数，并利用马尔可夫近似动态地为时延敏感型和高速率确保型这两类用户选择全局最优的接入基站簇，以较低计算复杂度得到各时隙最优频谱调度和资源分配策略。
[0042]
有益效果：与现有技术相比，本发明具有以下优势：本发明在全解耦的无线接入网体系结构中，利用网络切片的技术，对下行基站资源进行切片，关注于以即时内容缓存为代表的时延敏感业务和以安全通信为代表的高速率确保业务两类用户，为其不同的业务需求定制资源分配方法，动态地为车联网用户选择接入基站与分配带宽资源，尽可能满足高速率确保用户要求同时降低时延敏感型用户时延，从而提升网络整体效率和业务质量。该方法相较于传统的单基站接入、各车辆用户无差别资源分配的传统分配方法，在通信速率与平均时延等方面性能均具有优越性，提升了车联网用户的服务质量。
附图说明
[0043]
图1是本发明实施例采用的b5g/6g全解耦蜂窝车联网场景图。
[0044]
图2是本发明实施例基站和随机生成车流示意图。
[0045]
图3是本发明实施例多基站多用户数据传输连接示例图。
[0046]
图4是本发明实施例随机优化资源分配方法步骤示意图(rmo为10mbps、20m bps、30mbps、40mbps)。
[0047]
图5是本发明实施例虚拟队列平均值随时隙迭代变化关系图。
[0048]
图6是本发明实施例时延敏感用户的平均时延图。
具体实施方式
[0049]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当理解，此处所描述的具体实例仅仅用以解释本发明，但本发明的保护范围不限于下述的实施例。
[0050]
实施例
[0051]
本实施例采用了图1的b5g/6g全解耦蜂窝车联网场景，提出了一种基于随机优化资源分配方法。首先在该无线接入场景下，考虑了一段两侧排布着11个下行基站的双向六车道高速公路内，模拟产生的有着不同业务需求车流的通信状况，实施例中随机生成两类车联网业务类型——以即时内容缓存为代表的时延敏感业务和以安全通信为代表的高速率确保业务，图2是本发明实施例基站和随机生成车流示意图。
[0052]
设研究网络中，用户组为u＝{1，2，
…
，u}，共u个用户，其中有v个时延敏感型用户
o个高速率确保型用户v o＝u。下行基站组为共s个下行基站。下行基站复用低于6ghz的同样的频段，每个下行基站都有a个子信道，每个子信道的可分配带宽为π(hz)。
[0053]
由于车辆业务的生成是随机事件，所以将事件进行切片，共有t个时间切片，c
t
表示时间切片t的下行基站连接方案，d
t
表示时间切片t的带宽资源分配方案，一个时间切片内，网络的环境和连接方案、资源分配方案均不发生改变。
[0054]
s∈s，表示时延敏感用户接入基站s，此时，该用户从该基站获得的带宽为k＝{1，2，
…
，a}；表示时延敏感用户不接入基站s；表示高速率确保用户接入基站s，此时，该用户从该基站获得的带宽为k＝{1，2，
…
，a}，表示高速率确保用户不接入基站s。
[0055]
下行基站的位置是随机定位的，使得他们的覆盖范围可以重叠，对于每个用户来说，都可以随机选择下行基站进行接入，接入基站数量大于等于1个但小于等于m个。本发明采用名为单频网络的协调方案来进行频谱分配，该方案依靠正交频分复用、创建信号时基站之间的协调，以及协作基站之间的严格时间同步，在频率和时间上相同无线电资源上的信号实现非相干联合传输。对采用单频网络传输的选定的一组基站，其发送的多个信号被视为多径传播，最终增强了用户接收机处的信号与干扰加噪声比，产生了较低的sinr中断概率。假设多基站、多用户系统，其中只要满足某些分配条件(例如，接收功率强度、距离或基于几何的条件)，就可以将每个用户分配给每个基站。每个用户还可以根据其业务需求请求同时分配给一个以上的基站。如图3所示，在两个基站(bs1和bs2)和两个用户(ue1和ue2)的系统上，这两个基站以相同的载波频率操作但提供不相关的链路。假设数据在同一子带上，从用户接入的所有下行基站同时向用户发送，存在同频干扰。
[0056]
每个基站的可发射功率最大值相同，均为p
max
，该基站可分配给各个用户的功率需要小于该基站的可发射功率最大值，在本发明中，设每个基站分配给各个用户的功率均相同，即在一个时间切片周期t内，各个下行基站的发射功率均相同，各个基站分配给每个用户的发射功率也相同，且一个时间切片周期内不变，为p
t
，限制每个基站发射的总功率小于p
max
即可。
[0057]
针对网络中的两类用户：时延敏感用户和高速率确保用户，将优化目标设置为降低网络中所有时延敏感型用户的平均时延，同时确保高速率用户获得的传输速率。用τv表示时延敏感用户的数据传输时延，表示高速率确保用户在时间切片t内获得的速率，因为用户需要确保其高速率，所以不针对其数据传输时延做出约束，而是对其传输速率做出最小约束。
[0058]
设基站s到用户u(可以是v也可以是o)的信道增益为在一个时间切片周期内，信道质量不变，信道增益也不变，下行基站发射功率均相同且一个切片周期内不变，为p
t
。
[0059]
在前文描述的频谱和功率分配方式下，当用户u连接到由若干个下行基站组成的一组下行基站簇时，传输链路信噪比为
[0060][0061]
其中σ2为加性高斯白噪声的功率。
[0062]
用户传输速率为：
[0063][0064]
其中，用户最多能接入m个基站，即
[0065]
设用户需要传输的数据量为l，则时延敏感型用户的时延τ为：
[0066][0067]
对于高速率确保型用户来说，设满足其服务质量要求的最小传输速率为r
mo
，即每个用户都有一个最小qos要求的速率r
mo
，则其平均传输速率需要满足大于r
mo
的约束，总传输速率满足大于rm，其中rm＝or
mo
。
[0068]
一般来说，时延由传输时延、传播时延、处理时延和排队时延四部分组成，由于基站一般建在离道路不太远的地方，1km的传播距离仅仅导致3
×
10-6
s的时延，是微秒级别的，而传输时延通常是毫秒级别，所以传播时延可以忽略不计。而处理时延不在本研究的优化范围内，无需考虑。对于车流量不太大的道路来说，排队时延通常也无需考虑，因此本文主要优化的目标是降低时延敏感型用户的传输时延。
[0069]
由此得到问题模型p1如下：
[0070][0071][0072][0073][0074][0075]
其中，该优化问题中，优化变量为时间片t上，网络中用户的连接方案和带宽资源分配方案；由于希望从网络层面分配资源，应该以最小化用户侧的时延为目标，所以优化目标函数为最小化时间平均的时延敏感型用户的平均时延，将网络总效率考虑在内；约束条件(5)为高速率确保用户的时间平均速率的最小约束，约束条件(6)(7)为时延敏感用户和高速率确保用户连接基站数目均需要小于上界m，在仿真中，会将该参数进行具体化，并比较该参数取不同数值时，系统的性能表现。约束条件(8)为网络中所有基站
共享的总带宽资源的限制。
[0076]
本实施例基于李雅普诺夫优化和马尔可夫近似进行资源分配，主要设计思路为针对差异化车联网业务需求，个性化分配资源。首先，针对个性化资源需求，利用李雅普诺夫漂移加惩罚算法，设计异质资源切片机制，构造上文所提优化问题的求解框架；然后配合马尔可夫近似方法，设计马尔科夫链，求出具体的b5g/6g全解耦蜂窝车联网接入方案和频谱资源切片方案。
[0077]
在本优化问题中，根据约束条件(5)，首先定义用户o在时间t的虚拟队列如下：
[0078]qo
(t 1)＝max{qo(t) r
m-r
t
，0}
ꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
[0079]
定义此队列的目的是通过控制此虚拟队列来控制约束条件(5)始终成立。本发明定义李雅普诺夫函数如下，目的是将李雅普诺夫函数沿着x轴的负方向逼近0使系统趋向于稳定：
[0080][0081]
其中这里针对每个高速率确保用户构造了一个队列，队列值实际上可以反映高速率确保用户获得的服务质量，一个较大的队列值实际上表示了高速率确保用户的积压超出了系统承受限度，为了保证高速率确保用户的服务质量，需要确保
[0082]
然后定义时间t到t 1内李雅普诺夫队列储备增量，即李雅普诺夫漂移量：
[0083][0084]
接下来在控制队列保持稳定的条件下优化目标函数，也就是在每个时间片内同时求解李雅普诺夫漂移量和目标函数的最小值，借助权重v来调节对两者的重视程度。因此李雅普诺夫漂移加惩罚方程为：
[0085][0086]
其中v为李雅普诺夫优化控制变量，漂移加惩罚算法就是通过求解(12)的近似最优解来求解原优化目标。为了在当前时间片求解这个问题而不牵涉到下一个时间片的信息，对右端进行一些缩放：
[0087][0088]
此上界推导过程如下：
[0089]
由于qo(t 1)＝max{qo(t) r
m-r
t
，0}，可得
[0090][0091]
对所有高速率确保用户求和即得设
为了向李雅普诺夫漂移量形式靠拢，考察和之间的大小关系，不难发现则
[0092][0093]
设一常数b，令其中则
[0094][0095]
由此可得到(13)式。现在对(13)式右端进行化简：
[0096][0097]
式中，和当前接入策略变化无关的项和b，可以在此问题中去掉，因此在当前时间切片上，需要求解的问题，也就是(13)式上界，等价于
[0098][0099]
设该目标函数为π(c
t
，d
t
)，在表2中给出基于李雅普诺夫优化的资源分配算法：
[0100]
表2：基于李雅普诺夫随机优化漂移加惩罚算法的车联网资源切片方法
[0101][0102][0103]
接下来在上一节构造的求解框架下，结合马尔科夫近似方法设计接入基站选择方
法和频谱资源切片机制。
[0104]
上述问题p2是一个最小化权值配置问题，可以将其转化为最大化权值配置问题。网络有一组用户和一组配置，网络配置由使用本地配置的其中一种的单个用户组成，系统在一种配置之下时，系统会获得一定的性能，此问题中对应一个确定的优化目标函数π(c
t
，d
t
)。有一个用户更改了接入基站就会产生一种新的配置，获得新的π(c
t
，d
t
)，最大化权值配置问题通过选择最优配置来最大化系统性能。设全体配置(c
t
，d
t
)集合为则问题p2可以转化为
[0105][0106]
这和如下问题有着相同的最优解：
[0107][0108]
其中pf为一正常数。式(19)中，优化函数为一个凸函数，用log-sum-exp函数对它进行近似。定义如下的log-sum-exp可微函数：
[0109][0110]
其中β为一正常数，则目标函数可用(21)近似：
[0111][0112]
这种近似称为对max函数的凸对数和log-sum-exp近似。近似误差的上界为，
[0113]
对g
β
(x)的性质进行观察，得到如下命题：
[0114]
命题1：对于正常数β和n个非负实变量y1，y2，
…
，yn，有
[0115][0116]
因此，
[0117]
由此，求得g
β
(x)的共轭函数如下
[0118][0119]
这是一个凸且闭的函数，因此，其共轭的共轭为本身，即，共轭函数的定义为：设一个实值函数g(y)，定义域为domg∈rn，则其共轭函数定义为g
*
(z)＝sup
y∈domg
(z
t
y-g(y))，由此，将g
β
(x)表示为其共轭函数的共轭函数，也就是g
β
(x)和如下问题
有着一样的最优解：
[0120][0121]
通过这样的近似，实际上隐式地解决了式(20)的一个近似版本，跟(20)比起来增加了一个熵项根据命题1，这样的近似误差由给出，虽然通过这样的近似引入了一个近似误差，但是近似值随着β趋于无穷大，会变得非常精确。通过研究，可以得到问题(25)的最优解的一个封闭形式。设与(25)中等式和p
*
(c
t
，d
t
)相关的拉格朗日乘数λ，为(25)中问题的最优解，通过求解只包含等式约束的问题(25)的kkt条件：
[0122][0123]
能求得问题p2的近似最优解为：
[0124][0125]
得到最优解后，本发明设计一个马尔科夫链，将作为其状态空间，在时间片t上，系统会从状态空间内的某一状态转移到另一状态，这是一个连续时间的马尔科夫链，其稳定分布最终应该为当系统最终达到这个稳定分布时，系统可以达到最优，近似误差也会最小。
[0126]
设马尔科夫链的一个状态为q[(c
t
，d
t
)
→
(c
t
，d
t
)
～
]为两个状态之间的非负转移速率，需要设计这个状态转移速率，使得生成的马尔科夫链是不可约的，即，任意两个状态都能互相转化；此外，还需要满足细致平衡方程，即，对于任何状态空间内两个不相同状态，
[0127][0128]
代入本实施例得到
[0129]
exp(-βπ(c
t
，d
t
))q[(c
t
，d
t
)
→
(c
t
，d
t
)
～
]
[0130]
＝exp(-β(c
t
，d
t
)
～
)q[(c
t
，d
t
)
～
→
(c
t
，d
t
)](29)
[0131]
接下来设计状态转移速率，有如下几种设计选择考虑：
[0132]
·
转移速率只和当前状态呈负相关，而和目标状态无关，即
[0133][0134]
·
转移速率只和目标状态呈正相关，而和当前状态无关，即
[0135][0136]
·
转移速率和当前状态和目标状态都相关，并且系统更有可能切换到性能更好的配置，即
[0137][0138]
在实际操作中，第二种设计和第三设计都要求系统事先知道目标配置下的系统性能，这边选取转移速率为第一种设计，同时，将q[(c
t
，d
t
)
～
→
(c
t
，d
t
)]进行对称地设计，根据式(30)和最优解式(27)，能证明细致平衡方程(28)被满足。
[0139]
为不同切片中地用户设置一个在当前状态上保持的时间的倒计时θu，考虑到延迟的数量级，设该倒计时单位为ms，然后使得整个系统的状态转移速率满足式(30)。针对系统中的两类用户，设其倒计时θu是服从期望为指数分布的随机数，这样设置的原因是本文网络场景下，倒计时结束后某个用户要更换连接基站，共有种与原连接不同的接入选择。
[0140]
然后就可以给出基于markov近似的车联网资源切片方法，如表3所示，为此方法的具体算法：
[0141]
表3：基于markov近似和李雅普诺夫优化的车联网资源切片方法
[0142][0142][0143]
该算法示意图如图4。在该算法下，虚拟队列平均值为一项重要的中间参数，在本算法中表示的是传输数据的积压量，实际反映了高速率确保业务用户的服务质量，即获得的传输速率，当其随着时隙的递进而稳定于和速率要求同一数量级时，说明高速率确保用户能够获得符合要求的服务质量，虚拟队列储备水平越低，说明其服务质量越好；反之，若队列随着迭代时隙的增加而不断增加到不再能和速率要求保持同一数量级时，说明高速率确保用户数据队列产生了积压，系统此时不能满足其服务质量。当我们分别选取要求服务速率为10mbps、20mbps、30mbp时，虚拟队列q随着时隙的变化如图5所示，可以看到队列能够稳定，说明该基站接入方式和带宽分配可以很好的满足高速率确保用户的服务质量要求。做100次实验取平均后时延敏感型用户的2000个迭代时隙平均时延值约为35.9ms，如图6在多次实验中稳定于此值附近，该数值较低，可见在此情况下，本文提出的系统可以较好的满
足时延敏感型用户的服务质量，例如即时内容缓存服务、即时交互服务等。
[0144]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。