申请/专利权人：东莞理工学院

申请日：2023-10-16

公开（公告）日：2024-06-28

公开（公告）号：CN117412333B

主分类号：H04W28/08

分类号：H04W28/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.02.02#实质审查的生效;2024.01.16#公开

摘要：本发明公开了一种基于O‑RAN系统的移动负载均衡方法、系统、设备及介质，该方法用于开放的无线接入网O‑RAN系统中的无线接入网控制器RIC，包括以下步骤：S1：为超密集组网UDN调整移动负载均衡MLB策略和移动鲁棒性优化MRO，预测所有基站下一时段的负载因子；S2：基于MLB和MRO的要求，给出每个基站的小区个性偏移CIO的可行区域；S3：基于CIO的可行区域，采用网络公平性Jain指数作为移动负载均衡MLB和移动鲁棒性优化MRO的目标函数；S4：调整发射功率pi，各小区的BSi的CIO，达到全网的Jain指数最大化，从而实现全网小区的移动负载均衡。通过本发明方法，实现5.5G或6G网络中基于O‑RAN标准的超密集组网场景中的移动负载均衡与鲁棒性问题。

主权项：1.一种基于O-RAN系统的移动负载均衡方法，其特征在于，该方法基于开放的无线接入网O-RAN系统标准中的模块无线接入网控制器RIC，面向5.5G网络或6G网络，包括以下步骤：S1：为超密集组网UDN设置移动负载均衡MLB策略和移动鲁棒性优化MRO，基于用户的历史轨迹信息，预测超密集网络所有基站BS下一阶段的负载因子；所述历史轨迹信息包括：GPS系统或北斗定位系统的位置信息、用户接受信号的强度值、移动速度、信噪比SINR、干扰信息、日期信息；所述预测超密集网络所有基站BS下一阶段的负载因子，具体为：考虑一个由多个微小区和宏小区组成的异构无线网络；微小区的集合表示为M是微小区的总数；用户集合为每个基站为至少一个用户提供服务；则基站BS的负载因子ηi定义为： 式中，表示第j个用户；是基站BS服务的用户集合；vj是每个用户要求的最小数据速率；ωi,j为基站BS和用户设备UEj之间链路的频谱效率；Ki是分配给基站BS服务的所有用户设备UE的资源块RB的数量，K是每个基站最大的资源块RB的数量，Ki小于或等于K；αi,j表示UE-BS关联，当基站BS为用户j服务时，αi,j＝1否则αi,j＝0；所述频谱效率ωi,j表达式为： 式中，是频谱效率ωi,j的信噪比SINR，B是基站BS的带宽；pi、pk分别是基站BS到微小区i、k的发射功率；gi,j是微小区i和用户j之间的信道增益、gk,j是微小区k和用户j之间的信道增益；ηk是基站BS的负载因子；是基站BS的噪声功率；S2：基于MLB和MRO的要求，给出每个基站BS的小区个性偏移CIO的可行区域；所述小区个性偏移CIO的可行区域如下： 式中，为微小区i与k微小区i与k之间可调整的CIO值，与为满足MRO的可行区域的下界，为满足MRO的可行区域的上界，Hi、Hk为微小区i的迟滞；S3：基于CIO的可行区域，采用Jain指数作为优化移动负载均衡MLB和移动鲁棒性优化MRO的目标函数，最大化整个异构无线网络的Jain指数；所述Jain指数δη定义如下： 最大化整个异构无线网络的Jain指数表示为： 式中，CIO表示小区特定偏移量；γj表示用户设备UE的平均数据速率；S4：采用轨迹预测算法RS-BART预测下一时间段用户与基站的关联性，即UE-BS关联性，使用IPO算法调整发射功率pi、小区个性偏移CIO，满足小区个性偏移CIO的可行区域和用户需求约束，同时最大化超密集组网UDN的Jain指数，实现移动负载均衡；具体包括：使用轨迹预测算法RS-BART预测每个用户设备UE的轨迹，当基站BS为用户j服务时，αi,j＝1，即UE-BS关联，否则αi,j＝0；根据用户的历史轨迹和输入变量X1、…、Xp表示的特征已知值x＝x1、…、xp；其预测的用户下一时段的轨迹表示为：Y＝fX1，…,Xp+∈,∈～N0,σ式中，σ为预测值与实际输入数据变量误差的方差；∈为高斯分布的误差；输入变量X代表一组特征，包括具有时间范围t-i和发射功率pi的历史位置以及移动速度、接收信号强度；轨迹预测算法RS-BART对输入变量X进行排序，定义轨迹预测算法RS-BART步骤如下：1估计降维权值βp2基于估计降维权值βp选择的r列，表示为Xi3Xi用作轨迹预测算法RS-BART的输入上述步骤重复V次，则预测的用户下一个时间段的轨迹表示为： 式中，B是基站BS的带宽；用户的下一位置y是用户在时隙t+1、…、t+n的位置；使用IPO算法来动态地调整每个基站发射功率pi；由此建立马尔科夫决策过程，马尔可夫决策过程包括状态、动作以及奖励；将移动负载均衡问题转换为约束马尔可夫决策过程：状态：基站BS的状态由负载因子ηi和小区边界的用户设备UE的平均数据速率γ决定，状态st定义为如下式： 动作：IPO算法用于确定发射功率pi、小区特定偏移量CIO和UE-BS关联αi,j∈{0,1}，动作at定义为： 上式中表示微小区i的相邻小区组成的集合；奖励：最终优化目标是最大化整个超密集组网的Jain指数，奖励表示为：Rst,at,st+1＝δηδη表示Jain指数；优化目标是选择一个政策πθ，旨在最大化累积折扣奖励Gπθ：maxθGπθ 式中，表示IPO算法中的超参数；di表示IPO算法中的超参数。

全文数据：

权利要求：

百度查询： 东莞理工学院 一种基于O-RAN系统的移动负载均衡方法、系统、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD