一种窄带物联网高效上行无线资源管理方法
阅读说明：本技术 一种窄带物联网高效上行无线资源管理方法 (Efficient uplink wireless resource management method for narrow-band Internet of things ) 是由 秦傲翔 伍沛然 夏明华 于 2020-06-05 设计创作，主要内容包括：为了在保证用户服务质量的同时,最大化资源利用率和用户接入数。本发明公开了一种窄带物联网高效上行无线资源管理方法,包括以下步骤：基站进行调度时,计算用户的优先级,并选择优先级高的用户；对基站的可行链路的参数进行选择,得到可行链路的参数集；结合可行链路的参数集,对基站的可行资源的分配参数进行选择,得到可行资源的参数集；综合可行链路的参数集和可行资源的参数集,进行于遗传算法的联合链路自适应与资源分配。本发明通过遗传算法求解最优配置,以较低的性能损失为代价大幅降低了算法的复杂度,从而更利于NB-IoT的实现,具有较高的实际工程价值,且对于具有低能耗和低复杂度要求的NB-IoT系统的实施部署有很好的指导意义。(The method aims to maximize the resource utilization rate and the user access number while ensuring the service quality of the user. The invention discloses a high-efficiency uplink wireless resource management method for a narrow-band Internet of things, which comprises the following steps: when the base station carries out scheduling, calculating the priority of the users, and selecting the users with high priority; selecting the parameters of the feasible links of the base station to obtain parameter sets of the feasible links; selecting the distribution parameters of the feasible resources of the base station by combining the parameter sets of the feasible links to obtain the parameter sets of the feasible resources; and integrating the parameter set of the feasible link and the parameter set of the feasible resource to perform joint link adaptation and resource allocation of the genetic algorithm. The optimal configuration is solved through the genetic algorithm, the complexity of the algorithm is greatly reduced at the cost of lower performance loss, so that the NB-IoT implementation is facilitated, the actual engineering value is higher, and the method has good guiding significance for implementation and deployment of the NB-IoT system with low energy consumption and low complexity requirements.)
技术领域
本发明涉及无线通信领域，更具体地，涉及一种窄带物联网高效上行无线资源管理方法。
背景技术
为了满足5G大规模机器类通信场景的需求，3GPP在LTE的基础上针对物联网的需求演进出了NB-IoT，它具有大连接、低功耗、强覆盖、低时延敏感性的特性。NB-IoT为保证低成本，终端性能较差，无法做到实时解码和上下行转换，因此引入了调度延迟，并固定其可选取值来明确传输开始时间。
窄带物理上行共享信道(Narrowband Physical Uplink Shared Channel，NPUSCH)的调度周期为一个NPDCCH周期(NPDCCH Period，NP)，不再在每一个子帧进行调度。此外，NPUSCH单次通信的数据量少，对通信速率要求不高，因此其调度准则变为了在保证用户服务质量(Quality of Service，QoS)的同时，最大化资源利用率和用户接入数，传统的LTE调度算法不再适用。在调度时，由于不同的RU类型和重复发送次数会导致不同的等效信噪比和不同的用户数据格式，因此还需要考虑链路自适应算法对其的影响。
目前，针对NB-IoT(窄带物联网)上行RRM算法的研究尚未完善。对比文件CN109922532A公开了一种用于通信系统中的资源调度的方法和设备。然而，上述对比文件并没有通过遗传算法对链路和资源进行联合调控。
发明内容
为克服上述现有技术与方法的不足，本发明提出了一种窄带物联网高效上行无线资源管理方法。本发明考虑到了NB-IoT低复杂度的要求，通过遗传算法求解最优配置，以较低的性能损失为代价大幅降低了算法的复杂度，从而更利于NB-IoT的实现，具有较高的实际工程价值，且对于具有低能耗和低复杂度要求的NB-IoT系统的实施部署有很好的指导意义。
为解决上述技术问题，本发明的技术方案如下：
一种窄带物联网高效上行无线资源管理方法，包括以下步骤：
基站进行调度时，计算用户的优先级，并选择优先级高的用户；
对基站的可行链路的参数进行选择，得到可行链路的参数集；
结合可行链路的参数集，对基站的可行资源的分配参数进行选择，得到可行资源的参数集；
综合可行链路的参数集和可行资源的参数集，进行于遗传算法的联合链路自适应与资源分配。
本发明考虑到了NB-IoT低复杂度的要求，通过遗传算法求解最优配置，以较低的性能损失为代价大幅降低了算法的复杂度，从而更利于NB-IoT的实现，具有较高的实际工程价值，且对于具有低能耗和低复杂度要求的NB-IoT系统的实施部署有很好的指导意义。
在一种优选的方案中，所述的用户的优先级通过下式进行表达：
式中，所述的SNR为用户的信噪比，所述的tdelay为用户累计时延；所述的tdelay＝tdelay+T。
在一种优选的方案中，所述的“对基站的可行链路的参数进行选择，得到可行链路的参数集”包括下内容：
定义可行链路的参数集{RUtype，IRU，ITBS，Nrep}，所述的Nrep表示重复发送次数，且Nrep∈{20，21，…，27}；所述的RUtype表示RU类型；
对码率进行转换，转换公式为：
CR_dB＝f(SNRreq)＝-18.38×exp(-0.051×SNRreq)+11.52
链路自适应下吗，用户的信噪比：
式中，所述的PUR为上行参考信号接收功率，W＝180kHz；
不同RUtype配置下的等效SNR表达公式：
根据RUtype对应的SNReff，计算得出各个RUtype可支持的最大码率CRmax，所
述的CRmax通过下式进行表达：
针对该RUtype，通过在待选{NRU，ITBS，Nrep}组合中选出满足以下条件的组合
CR≤CRmax
所述的组合定义为可行链路的参数集。
在一种优选的方案中，所述的“结合可行链路的参数集，对基站的可行资源的分配参数进行选择，得到可行资源的参数集”包括下内容：
定义可行资源的参数集{ζopt，k0，fstart}；
所述的fstart通过下式进行表达：
式中，所述的是NB-IoT上行可配置的子载波数，当Δf＝15kHz时，
所述的k0表示调度延迟，且k0∈{8，16，32，64}；
所述的ζopt表示最优的用户序号。
在一种优选的方案中，所述的“综合可行链路的参数集和可行资源的参数集，进行于遗传算法的联合链路自适应与资源分配”包括以下步骤：
染色体的基因包含所有调度用户的待配置参数，包括candidate配置ζ及{IMCS，RUtype，k0，fstart}；
在初始化时，根据以下公式，配置IMCS和RUtype，从而加速算法收敛：
CR≤CRmax
通过自适应的遗传算法，交叉和变异概率根据染色体适应度F、种群最大适应度Fmax与平均适应度Favg自适应进行变化，p＝k(Fmax-F)/(Fmax-Favg)，p≤1，其中k为加权系数；
通染色体判断是否满足以下约束：
tdelay+tend≤Tthres.
[O]c，s∈{0，1}
如果不满足，上述染色体的适应度置零；如果全部满足，通过以下公式计算适应度：
保存具有最高适应度的染色体，用于下一次迭代，以确保种群的最高适应度非减。
在一种优选的方案中，所述的Dratio通过下式进行表达：
所述的D是数据包的大小，所述的TBS是传输快的大小。
在一种优选的方案中，所述的Dratio需要满足以下条件：
0.7≤Dratio≤1。
本优选方案中，下界0.7用于减少资源浪费，上界1用于防止码字分块带来的额外信令开销。
在一种优选的方案中，所述“k为加权系数”包括以下内容：
交叉的加权系数取0.5；变异的加权系数取0.1。
在一种优选的方案中，所述的遗传算法的迭代次数是1000次，遗传算法的的种群数量是500。
在一种优选的方案中，所述的遗传算法的迭代次数是1000次时，遗传算法的复杂度是
与现有技术相比，本发明技术方案的有益效果是：
与传统的能量收集认知无线电系统的频谱接入方案和能量收集策略(随机接入方式，短视化策略)，侧重短期内的效果，不够注重历史信息和长期效果的缺陷。本发明能够从有效利用历史信息出发进行智能化频谱接入和能量收集选择，从而在无任何先验信息的情况下提高长期意义下的传输性能，其结果具有更高的频谱效率和能量效率。
附图说明
图1为实施例的流程图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例
如图1所示，一种窄带物联网高效上行无线资源管理方法，包括以下步骤：
基站进行调度时，计算用户的优先级，并选择优先级高的用户；
对基站的可行链路的参数进行选择，得到可行链路的参数集；
结合可行链路的参数集，对基站的可行资源的分配参数进行选择，得到可行资源的参数集；
综合可行链路的参数集和可行资源的参数集，进行于遗传算法的联合链路自适应与资源分配。
本实施例考虑到了NB-IoT低复杂度的要求，通过遗传算法求解最优配置，以较低的性能损失为代价大幅降低了算法的复杂度，从而更利于NB-IoT的实现，具有较高的实际工程价值，且对于具有低能耗和低复杂度要求的NB-IoT系统的实施部署有很好的指导意义。
在实施例中，还可以进行以下扩展：所述的用户的优先级通过下式进行表达：
式中，所述的SNR为用户的信噪比，所述的tdelay为用户累计时延；所述的tdelay＝tdelay+T。
在实施例及上述改进实施例中，还可以进行以下扩展：所述的“对基站的可行链路的参数进行选择，得到可行链路的参数集”包括下内容：
定义可行链路的参数集{RUtype，IRU，ITBS，Nrep}，所述的Nrep表示重复发送次数，且Nrep∈{20，21，…，27}；所述的RUtype表示RU类型；
对码率进行转换，转换公式为：
CR_dB＝f(SNRreq)＝-18.38×exp(-0.051×SNRreq)+11.52
链路自适应下吗，用户的信噪比：
式中，所述的PUR为上行参考信号接收功率，W＝180kHz；
不同RUtype配置下的等效SNR表达公式：
根据RUtype对应的SNReff，计算得出各个RUtype可支持的最大码率CRmax，所述的CRmax通过下式进行表达：
针对该RUtype，通过在待选{NRU，ITBS，Nrep}组合中选出满足以下条件的组合
CR≤CRmax
所述的组合定义为可行链路的参数集。
在实施例及上述改进实施例中，还可以进行以下扩展：所述的“结合可行链路的参数集，对基站的可行资源的分配参数进行选择，得到可行资源的参数集”包括下内容：
定义可行资源的参数集{ζopt，k0，fstart}；
所述的fstart通过下式进行表达：
式中，所述的是NB-IoT上行可配置的子载波数，当Δf＝15kHz时，
所述的k0表示调度延迟，且k0∈{8，16，32，64}；
所述的ζopt表示最优的用户序号。
在实施例及上述改进实施例中，还可以进行以下扩展：所述的“综合可行链路的参数集和可行资源的参数集，进行于遗传算法的联合链路自适应与资源分配”包括以下步骤：
染色体的基因包含所有调度用户的待配置参数，包括candidate配置ζ及{IMCS，RUtype，k0，fstart}；
在初始化时，根据以下公式，配置IMCS和RUtype，从而加速算法收敛：
CR≤CRmax
通过自适应的遗传算法，交叉和变异概率根据染色体适应度F、种群最大适应度Fmax与平均适应度Favg自适应进行变化，p＝k(Fmax-F)/(Fmax-Favg)，p≤1，其中k为加权系数；
通染色体判断是否满足以下约束：
tdelay+tend≤Tthres.
[O]c，s∈{0，1}
如果不满足，上述染色体的适应度置零；如果全部满足，通过以下公式计算适应度：
保存具有最高适应度的染色体，用于下一次迭代，以确保种群的最高适应度非减。
在实施例及上述改进实施例中，还可以进行以下扩展：所述的Dratio通过下式进行表达：
所述的D是数据包的大小，所述的TBS是传输快的大小。
在实施例及上述改进实施例中，还可以进行以下扩展：所述的Dratio需要满足以下条件：
0.7≤Dratio≤1。
本改进实施例中，下界0.7用于减少资源浪费，上界1用于防止码字分块带来的额外信令开销。
在实施例及上述改进实施例中，还可以进行以下扩展：所述“k为加权系数”包括以下内容：
交叉的加权系数取0.5；变异的加权系数取0.1。
在实施例及上述改进实施例中，还可以进行以下扩展：所述的遗传算法的迭代次数是1000次，遗传算法的的种群数量是500。
在实施例及上述改进实施例中，还可以进行以下扩展：所述的遗传算法的迭代次数是1000次时，遗传算法的复杂度是
在上述具体实施方式的具体内容中，各技术特征可以进行任意不矛盾的组合，为使描述简洁，未对上述各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；例如实施例中离子电导率的计算公式并不仅限于实施例中举例的公式，不同的种类的离子电导率的计算公式各不相同。上述的是实施例的限定并不能理解为对本专利的限制。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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，均应包含在本发明权利要求的保护范围之内。
- 上一篇：一种医用注射器针头装配设备
- 下一篇：一种保障高优先级时敏业务可靠传输的自组织网络