基于内点策略优化的主动移动性负载均衡方法及系统

本发明涉及通信领域，更具体地，涉及基于内点策略优化的主动移动性负载均衡方法及系统。

背景技术：

1、在超密集网络（udn）中，基站之间的距离约为100米甚至更小。由于无线网络的高度密集和用户设备的移动性，切换率增加，且小区负载容易出现不均衡现象。这种不均衡的网络会导致无线资源不足、高切换失败率，甚至无线电链路故障。因此，对于未来的b5g或6g网络来说，这是一个巨大的挑战。

2、现有技术公开了一种基于用户移动行为预测的超密集网络切换方法，包括以下步骤：a：获取设定区域内的所有基站用户移动行为的预处理后的轨迹数据；b：划分为基站新用户数据集和基站老用户数据集；c：构建基站老用户轨迹预测模型；d：得到训练后的基站老用户轨迹预测模型；e：获取基站新用户的预测移动轨迹；f：当基站用户满足a2事件触发切换时，寻找到满足判定条件的目标基站作为最终的切换基站并进行切换。本发明能够通过用户的历史轨迹序列预测未来的轨迹点，可以有效减少网络切换次数，优化网络切换性能并提高网络的鲁棒性。然而该方法仅仅通过位置预测来减少网络切换次数，并不能解决小区负载容易出现不均衡导致无线资源不足、高切换失败率。

技术实现思路

1、本发明的目的在于公开性能更好的基于内点策略优化的主动移动性负载均衡方法及系统。

2、为了实现上述目的，本发明提供基于内点策略优化的主动移动性负载均衡方法：

3、s1:构建信干噪比模型，通过rs-bart进行预测轨迹得到两组ue-bs关联，分别为可靠ue-bs关联和不可靠的ue-bs关联；

4、s2:构建以最大化jain指数为优化目标的mlb 和mro的联合优化问题，通过内点策略来解决mlb和mro的联合优化问题，对不可靠的 ue-bs关联进行优化，得到优化后 ue-bs关联；

5、s3:根据优化后 ue-bs 关联以及可靠 ue-bs 关联，确定所有可行 ue-bs关联；

6、s4:根据所有可行ue-bs关联以及小区个性偏移量的允许范围，计算小区个性偏移量；

7、s5:通过调整小区个性偏移量，实现用户的重新关联，完成负载均衡。

8、进一步地，在步骤s1中，所述信干噪比模型包括：多个基站以及多个用户，基站的集合为，其中是基站的总数；用户集合为；其中是用户的总数；每个基站至少可以为一个用户提供服务，表示由第个基站服务的用户集合，为第个用户最低数据速率要求，，令为第个基站和第个用户之间链路的频谱效率se，根据所述异构无线网络，第个基站的负载因子为：

9、，

10、其中，表示分配给由第个基站服务的所有用户设备的资源块数量，是每个基站的最大rbs数量，其中小于等于，代表第个用户与第个基站之间的关联，当第个基站为第个用户提供服务时，，否则，频谱效率为：

11、

12、其中，为信干噪比，和分别是第个基站的带宽和发射功率，是第个基站和第个用户之间的信道增益，是噪声功率。

13、进一步地，在步骤s1中，包括：

14、s1.1:rs-bart模型为

15、其中代表误差项，为特征信息；

16、s1.2:通过使用个回归树的和来近似，即，具体定义为：

17、

18、其中，表示第棵二叉树，而是一个长度为的向量，代表树终端节点的参数，函数的作用是分配输入特征，其中到；

19、s1.3:在rs-bart中首先对变量进行排序，然后从总共个变量中选择前个，其中远小于，通过定义，这是一个的矩阵，

20、s1.4:估计降维权重，基于降维权重，从中选择列，这被表示为，被用作 bart 模型的输入，即，

21、s1.5:上述步骤s1.4重复b次后，输出表示为：，用户的下一个位置是用户在时间槽的位置，而输入代表一组特征，包括历史位置和个其他特征，通过输出得到预测轨迹进而得到两组ue-bs关联，分别为可靠ue-bs关联和不可靠的ue-bs关联。

22、进一步地，在步骤s2中，构建以最大化jain指数为优化目标的mlb 和mro的联合优化问题包括：

23、jain指数公式如下：

24、其中是0到1之间的一个值，有下面三种情形：

25、（1）如果所有基站的负载都相同，为，则，

26、（2）如果有一个基站为所有用户服务，那么，

27、（3）如果有个基站的负载是，而个基站的负载是0，那么，

28、基于上述描述，越大，公平性就越高，因此为使整个网络的jain指数最大化，构建mlb 和mro的联合优化问题为：

29、

30、

31、

32、

33、

34、

35、

36、构建的mlb 和mro的联合优化问题等价于

37、

38、其中是样本变异系数，和分别是负载的均值和方差。

39、进一步地，在步骤s2中，通过内点策略来解决mlb和mro的联合优化问题，对不可靠的 ue-bs关联进行优化，包括：

40、s2.1:将状态向量定义为：

41、s2.2:将动作向量定义为：

42、其中，表示第个基站的相邻基站集合，未确定的属于那些位于两个相邻基站重叠区域内的用户，并且它们的移动方向预测概率不高；

43、s2.3：设置长期奖励为

44、

45、s2.4:选择策略，最大化累积折扣奖励，设为策略的预期折扣回报，是一个轨迹，那么目标函数等价于：

46、

47、s2.5:通过引入对数障碍函数，其中，然后将目标函数重新构造为:

48、

49、其中，定义为：

50、

51、其中，，，分别为优势函数和裁剪函数，的取值区间为，根据对不可靠的 ue-bs关联进行优化。

52、进一步地，在步骤s2.4中，输出策略参数由以下步骤得到：

53、s2.4.1:使用参数；

54、s2.4.2:给定，采样条轨迹，k=0；

55、s2.4.3:处理轨迹以计算学习率；

56、s2.4.4:基于以下公式更新策略参数：，其中，是基于步骤s2.4.3中轨迹的学习率；

57、s2.4.5:判断k是否满足条件，若满足则输出策略参数，否则k=k+1返回执行步骤s2.4.4。

58、进一步地，在步骤s4中，计算小区个性偏移量包括：初步计算基站个体偏移公式如下：其中，和分别表示用户从第个基站和第个基站的接收信号强度，是与第个基站相关的滞后值，是第个基站和第个基站之间的小区个体偏移，将替换为发射功率和信道增益后，基站个体偏移应满足：。

59、进一步地，所述滞后值确保来自相邻第个基站的信号强度足够强于来自第个基站的信号强度；所述基站个体偏移用于平衡相邻基站之间的负载。

60、进一步地，在步骤s4中，小区个性偏移量的允许范围包括；

61、首先根据基站个体偏移对信干噪比模型进行初步移动性负载均衡即选择第个基站的一个负载较轻的相邻第个基站来减少第个基站负载，那么第个将增加的值，并同时通知第个基站减小的值，调整的值，以确保其大于最小值且小于最大值，这些最小值和最大值应满足下述不等式：

62、

63、得到：

64、此外，基站个体偏移应满足：，

65、

66、，

67、因此得到：

68、

69、

70、为了防止乒乓切换，应满足以下条件：

71、

72、然后得到：

73、

74、最后得到：

75、其中和分别是和的调整值，小于等于上界且大于等于下界，、是在定义的最低和最高值。

76、此外本发明还提供一种基于内点策略优化的主动移动性负载均衡系统，包括：

77、预测模块:构建信干噪比模型，通过rs-bart进行预测轨迹得到两组ue-bs关联，分别为可靠ue-bs关联和不可靠的ue-bs关联；

78、优化模块:构建以最大化jain指数为优化目标的mlb 和mro的联合优化问题，通过内点策略来解决mlb和mro的联合优化问题，对不可靠的 ue-bs关联进行优化，得到优化后ue-bs关联；

79、确定模块:根据优化后 ue-bs 关联以及可靠 ue-bs 关联，确定所有可行 ue-bs关联；

80、计算模块:根据所有可行ue-bs关联以及小区个性偏移量的允许范围，计算小区个性偏移量；

81、负载均衡模块:通过调整小区个性偏移量，实现用户的重新关联，完成负载均衡。

82、与现有技术相比，本发明技术方案的有益效果是：

83、本方法首先使用rs-bart预测轨迹，ue-bs关联将大量ue-bs关联中分别为可靠ue-bs关联和不可靠的ue-bs关联，其中ue-bs关联中ue为用户设备，bs为基站；当进行移动性均衡负载时可以减少选择范围，提高均衡效率。本方法通过内点策略来解决mlb和mro的联合优化问题，对不可靠的 ue-bs关联进行优化，得到优化后 ue-bs关联；进而确定所有可行ue-bs关联；使得本实施例在没有太多先验和外部知识的情况下，避免像乒乓切换甚至无线链路失败这样的不良后果；其次，内点策略是一种一阶约束优化方法，因此其计算复杂度非常低，适用范围更广。