一种基于深度强化学习的虚拟网络功能部署优化算法

    公开(公告)号:CN111475252A

    公开(公告)日:2020-07-31

    申请号:CN202010155122.3

    申请日:2020-03-06

    Abstract: 本发明涉及一种基于深度强化学习的虚拟网络功能部署优化算法,属于移动通信技术领域。本方法在保证物理层CPU、带宽资源和SFC端到端时延约束下,考虑VNF共享,通过部署VNF和分配CPU资源来联合优化服务提供商总成本和SFC端到端时延;其次,由于本方案的状态空间和动作空间是连续值集合,提出一种基于深度强化学习的VNF智能部署算法,从而得到近似最优的VNF部署和资源分配策略。在每个离散的时隙上,根据SFC的到达率、通用服务器的剩余CPU资源以及物理链路的剩余带宽资源,将VNF部署至合适的目的服务器上,并分配给其CPU资源。本发明提出的VNF部署优化算法可以实现服务提供商总成本和SFC端到端时延的折中,并提高物理网络的资源利用。

    一种5G-C-RAN场景下的服务功能链部署方法

    公开(公告)号:CN108134843B

    公开(公告)日:2020-07-31

    申请号:CN201810078869.6

    申请日:2018-01-26

    Abstract: 本发明涉及一种5G‑C‑RAN场景下的服务功能链部署方法,属于移动通信领域。该方法为:在保证虚拟运营商的最低服务速率需求以及最大容忍时延的前提下,以最大化基础设施提供商和虚拟运营商联合总收益为目标进行的服务功能链部署。对于虚拟运营商,基础设施提供商以保证其最低服务速率需求为前提制定频谱资源分配方案,并根据所请求的服务功能链的最大容忍时延,为该服务功能链制定基于CU‑DU架构的服务功能链映射方案。本发明提出的服务功能链部署方法能够使得基础设施提供商满足虚拟运营运营最低服务速率需求以及最大容忍时延的同时,最大化基础设施提供商以及虚拟运营商的联合总收益。

    一种基于SVDD的网络切片物理节点异常检测方法

    公开(公告)号:CN111371742A

    公开(公告)日:2020-07-03

    申请号:CN202010107298.1

    申请日:2020-02-21

    Abstract: 本发明涉及一种基于SVDD的网络切片物理节点异常检测方法,属于移动通信技术领域。该方法在网络切片场景下,采用网络切片部署和VNF产生观测数据的模型,结合考虑无监督异常检测和VNF观测数据网络切片间共享,构建分布式部署于各网络切片管理器上的网络切片物理节点异常检测模型,通过随机近似函数实现在各切片内分布式处理VNF观测数据,最后采用随机梯度下降法实现分布式在线的物理节点异常检测。本发明能够在利用虚拟网络功能观测数据实现物理节点异常检测的同时,保证观测数据在切片内处理,从而解决VNF运营方担忧的信息泄露问题。

    一种CRAN架构下基于SDN控制器的小区切换方法

    公开(公告)号:CN106714252B

    公开(公告)日:2020-02-07

    申请号:CN201710115423.1

    申请日:2017-02-28

    Abstract: 本发明提供的一种CRAN架构下基于SDN控制器的小区切换方法,属于移动通信技术领域。本发明所述的小区切换方法,通过测试报告,判断用户终端的业务或地理位置是否发生变化,若发生变换满足切换条件,源RRH向SDN控制器发送切换请求;SDN为用户终端选定切换目标基站,并下发修改切换表信息至RRH和BBU;切换表中含有用户切换的目标VRRH和VBBU;目标VRRH与VBBU建立数据通道后,分别向SDN控制器发送切换准备完成指示;SDN控制器通过源RRH向用户终端发送允许切换命令;用户终端与切换表进行匹配切换到目标VRRH和VBBU进行数据传输。本发明提供的一种小区切换方法,通过SDN控制器进行切换信令控制,减少了传统切换在基站间进行控制交互的信令,实现了数据转发和控制信令的有效分离。

    认知异构无线网络鲁棒资源分配方法

    公开(公告)号:CN106792824B

    公开(公告)日:2019-11-12

    申请号:CN201611244054.8

    申请日:2016-12-29

    Abstract: 本发明请求保护一种认知异构无线网络鲁棒资源分配算法,属于通信认知异构无线网络技术领域。考虑信道参数摄动影响的认知异构多网络环境下的鲁棒资源分配算法,通过考虑跨层干扰约束和目标函数中的有界信道不确定性和干扰功率不确定性,利用鲁棒优化理论将原无穷维多变量优化问题转化为确定性的凸优化问题,利用拉格朗日对偶方法来得到鲁棒功率控制算法,实现认知异构无线网络鲁棒资源共享。仿真结果表明,所提出算法能很好的保护宏蜂窝网络用户的性能,具有较强的鲁棒性。

    一种基于POMDP动态调整基站关断窗口长度的机制

    公开(公告)号:CN106376065B

    公开(公告)日:2019-08-20

    申请号:CN201610765391.5

    申请日:2016-08-30

    Abstract: 本发明涉及一种基于POMDP动态调整基站关断窗口长度的机制,包括:a、将基站分为激活模式和睡眠模式,在睡眠模式中又细分为深度睡眠和轻度睡眠,并且假设基站初始状态为激活模式;将每种模式用周期表示,基站在睡眠周期中优先进入深度睡眠周期,紧接着进入轻度睡眠周期;b、判断在每个睡眠周期中到达的业务数量,以决定下个睡眠周期中基站的关断时长;基站的关断时长采用二进制增长机制,用dMMPP模拟到达的业务,基站采用POMDP来预测下一个周期基站可能处于的状态,从而决定下一个睡眠周期中基站的关断时长。本发明以能耗作为优化目标并将队列时延作为约束条件,通过选取最合适的基站关断窗口长度,实现最大化节能。

    一种基于宏基站协作和业务过滤的微基站节能方法

    公开(公告)号:CN106376064B

    公开(公告)日:2019-07-16

    申请号:CN201610765374.1

    申请日:2016-08-30

    CPC classification number: Y02D70/00

    Abstract: 本发明涉及一种基于宏基站协作和业务过滤的微基站节能方法,该方法首先对到达的业务进行类型区分,宏基站与微基站进行协作。当微基站没有业务处理的时候,进入一个一定时长的休眠窗口。同时在休眠窗口内,到达的小容量业务由宏基站协作处理。在一个关闭窗口结束的时候,微基站将会判断是否进入下一个关闭窗口。如果在判决时刻,发现此时微基站服务区域内有大量业务正在小区宏基站排队或者有大容量业务在微基站侧排队。则微基站打开,将该微小区范围内的大容量业务由微基站处理。而原来的在宏基站侧排队的小容量业务继续由宏基站处理。如果在判决时刻,发现此时微基站服务区域内没有大容量业务微基站排队,或者到达宏基站侧的小容量业务数量较少时,则微基站进入下一个关闭窗口。

    一种在F-RAN架构中联合资源分配和内容缓存的方法

    公开(公告)号:CN109951849A

    公开(公告)日:2019-06-28

    申请号:CN201910138420.9

    申请日:2019-02-25

    Abstract: 本发明涉及一种在F-RAN架构中联合资源分配和内容缓存的方法,属于移动通信领域。该方法为:在F-RAN场景中保证内容服务时延和网络切片SLA约束的同时,以最大化系统长期平均效用为目标进行的网络切片无线资源分配和内容缓存决策。在每个离散时隙内,根据当前时隙边缘雾节点的内容请求虚拟队列长度状态和前传链路与无线接入链路传输对网络切片内容传输能力状态信息,在无线资源容量和缓存容量限制内为每个网络切片动态地分配合适的无线资源,并在边缘雾节点缓存网络切片请求的内容。本发明可以在保证内容服务时延和网络切片SLA的同时减轻前传链路压力,提高资源利用率。

    基于移动状态估计的双连接切换增强方法及估计装置

    公开(公告)号:CN105792256B

    公开(公告)日:2019-05-31

    申请号:CN201610111872.4

    申请日:2016-02-29

    Abstract: 本发明请求保护一种基于移动状态估计(Mobility State Estimate,MSE)的双连接用户切换增强方法,涉及移动通信技术领域。在本方法中,根据支持双连接技术的移动终端在30s滑动窗时间内进行宏小区切换的次数作为移动状态估计的依据,判断用户当前的运动状态。并基于该状态下发宏蜂窝切换参数和配置双连接用户的微蜂窝添加、释放和切换准则。当移动终端运动状态发生改变时,基站侧通过RRC连接重配置消息的MeasConfig信息元修改移动终端的切换配置。本方法提高了基站对用户移动状态的估计准确度,并减少了高速用户的信令开销,提高了中低速用户保持双连接状态的时长。同时,进一步提高了双连接用户的切换成功率。

    一种异构密集网络中容量与覆盖联合优化方法

    公开(公告)号:CN105578486B

    公开(公告)日:2019-01-22

    申请号:CN201610111107.2

    申请日:2016-02-29

    Inventor: 唐伦 刘伟 陈前斌

    Abstract: 本发明请求保护一种异构密集网络中容量与覆盖联合优化方法,涉及到异构密集SON自组织网络领域。本方法采用了一种基于模糊逻辑与Q学习的进行小蜂窝功率控制的联合优化网络平均频谱效率和边缘频谱效率的方法。本方法首先需要密集小蜂窝根据移动台的测量上报信息在一个调整周期内进行网络平均频谱效率和边缘频谱效率的衡量。然后,将密集小蜂窝的功率,平均频谱效率和边缘频谱效率作为模糊逻辑的输入变量,进行模糊逻辑与Q学习的自优化控制处理,自适应的使网络收敛到理想的容量与覆盖联合优化调整状态。本方法,以在线的学习方式有效的改善高密集小蜂窝部署时由于功率设置不合理引起的容量覆盖问题,具有一定实用性。

Patent Agency Ranking