异构网络中基于QoS感知的负载均衡方法

摘要

本发明公开了一种异构网络中基于QoS感知的负载均衡方法，实现异构网络中的负载均衡。首先将每个基站的负载和用户的可达速率引入到优化问题中，设立相应的优化目标函数，将它建模为一个全网络的加权效用最大化问题；其次采用分布式方法进行求解。在基站端，每个基站需要更新最佳负载和拉格朗日乘子，然后向用户广播信息；在用户侧，每个用户根据接收到的广播信息得到最佳的基站编号，并与之连接。所述方法与基于用户的接入方法相比，计算复杂度低，易于实现，有更快的收敛速度，降低了呼叫阻塞率，获得了更高的负载均衡水平。

主权项

一种异构网络中基于QoS感知的负载均衡方法，其特征在于，将目标优化问题转化成两个子问题，在基站和用户独立地采用分布式算法求解子问题，该方法包括以下步骤：1).根据用户实际速率需求计算每个基站分配给该用户的资源数目，即$l_{\mathrm{nk}}=\frac{d_k}{R_{\mathrm{nk}}}$其中d_k表示用户k的实际速率，l_nk能够反映资源使用情况，表示r_nk的期望；r_nk(t)＝W log₂(1+SINR_nk(t))，表示用户k在t时刻从基站n获得的可达速率，其单位是比特/秒；函数f表示对平均长期吞吐量的线性计算，例如增加一个足够小的正数值Δ来确保$\log ({\bar{r}}_{\mathrm{nk}}+\Delta )\ne -\infty ;$2).如果用户k连接到基站n，那么负载效率定义为$e_{\mathrm{nk}}=\frac{R_{\mathrm{nk}}}{{\Sigma }_{j\in K}{x}_{\mathrm{nj}}{l}_{\mathrm{nj}}}$其中x_nk表示连接指示，当用户k与基站n连接时，x_nk＝1，否则x_nk＝0；3).优化目标函数为：$\underset{x,y}{\max }\underset{n\in N}{\Sigma }\underset{k\in K}{\Sigma }{x}_{\mathrm{nk}}{l}_{\mathrm{nk}}\log \left(R_{\mathrm{nk}}\right)-\underset{n\in N}{\Sigma }{y}_n\log \left(y_n\right)$约束条件：$\left\{\begin{array}{c}\underset{k\in K}{\Sigma }{x}_{\mathrm{nk}}{l}_{\mathrm{nk}}=y_n,\forall n\in N\\ 0<y_n\le M,\forall n\in N\\ \underset{n\in N}{\Sigma }{x}_{\mathrm{nk}}\le 1,\forall k\in K\\ 0\le x_{\mathrm{nk}}\le 1,\forall n\in N,\forall k\in K\end{array}\right.$其中Σ_k∈Kx_nkl_nk表示基站n的所消耗的资源块的数目，该值小于可用资源块的总和M，用于子分布式算法收敛性分析；在上式约束条件中只有一个联合约束为了消除这个联合约束条件，引入拉格朗日乘子μ，问题可以表达为：$F:\underset{\mu }{\min }F\left(\mu \right)=I\left(\mu \right)+Q\left(\mu \right)$其中：$\begin{array}{c}I\left(\mu \right)=\underset{x}{\max }\underset{n\in N}{\Sigma }\underset{k\in K}{\Sigma }{x}_{\mathrm{nk}}{l}_{\mathrm{nk}}\{\log \left(R_{\mathrm{nk}}\right)-{\mu }_n\}\\ =\underset{n}{\max \left\{l_{\mathrm{nk}}(\log \left(R_{\mathrm{nk}}\right)-{\mu }_n)\right\}}\end{array}$约束条件：$\left\{\begin{array}{c}\underset{n\in N}{\Sigma }{x}_{\mathrm{nk}}=1,\forall k\in K\\ x_{\mathrm{nk}}\in \left\{\mathrm{0,1}\right\},\forall n\in N,\forall k\in K\end{array}\right.$$Q\left(\mu \right)=\underset{y_n\le M}{\max }\underset{n\in N}{\Sigma }{y}_n\{{\mu }_n-\log \left(y_n\right)\}.$接下来，每个用户采用分布式算法通过求解I(μ)得到用户接入到基站的信息并反馈给目标基站；每个基站采用分布式算法通过求解Q(μ)得到拉格朗日乘子，然后向用户汇报最新的拉格朗日乘子。