本發(fā)明屬于云無(wú)線電接入網(wǎng)絡(luò)技術(shù)領(lǐng)域，尤其涉及一種c-ran架構(gòu)下的虛擬基站分簇方法。

背景技術(shù)：

云無(wú)線電接入網(wǎng)絡(luò)(cloud-radioaccessnetwork，c-ran)是基于集中化處理、協(xié)作處理、實(shí)時(shí)云計(jì)算架構(gòu)的綠色無(wú)線接入網(wǎng)架構(gòu)。該架構(gòu)將基帶處理資源進(jìn)行集中，形成一個(gè)基帶資源池，并對(duì)其進(jìn)行統(tǒng)一的管理和動(dòng)態(tài)分配。傳統(tǒng)的基站都是按“最大處理能力”部署，并沒(méi)有考慮網(wǎng)絡(luò)業(yè)務(wù)的動(dòng)態(tài)變化特性，即潮汐效應(yīng)，導(dǎo)致設(shè)備利用率低下，并且造成電力資源的大量浪費(fèi)。c-ran架構(gòu)下的載波遷移技術(shù)通過(guò)將虛擬基站負(fù)載業(yè)務(wù)進(jìn)行遷移的方法，對(duì)于有效應(yīng)對(duì)話務(wù)的潮汐現(xiàn)象，提高資源利用率，降低資源池總能耗具有重大意義。

c-ran的一個(gè)重要特征是無(wú)線處理資源的“云”化，而虛擬化技術(shù)是實(shí)現(xiàn)資源池云化的有效手段。c-ran架構(gòu)下基站以虛擬化的形式存在，虛擬基站的分簇方法屬于資源管理的范疇，目前關(guān)于這方面的研究較少，現(xiàn)有的資源管理模型有全固定分簇模型、全動(dòng)態(tài)配置的資源管理模型以及固定與動(dòng)態(tài)相結(jié)合的資源管理模型，這些資源管理模型的特點(diǎn)是根據(jù)用戶請(qǐng)求業(yè)務(wù)量來(lái)決定如何對(duì)基帶池內(nèi)的處理資源進(jìn)行分簇，目的是降低資源管理的復(fù)雜度以及提高系統(tǒng)的能效性，但是并未考慮如何從應(yīng)對(duì)潮汐效應(yīng)的角度管理基帶池集中放置的大規(guī)模處理資源。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明提供了一種c-ran架構(gòu)下的虛擬基站分簇方法。

本發(fā)明是這樣實(shí)現(xiàn)的，為便于管理基帶池內(nèi)集中放置的大規(guī)模處理資源以及在進(jìn)行載波遷移時(shí)，能夠及時(shí)為待遷移任務(wù)尋找到合適的目的虛擬基站，減少尋址和遷移的時(shí)間成本，將資源池內(nèi)的虛擬基站進(jìn)行分簇，以簇為資源調(diào)度和管理的單元降低資源管理中心對(duì)資源管理和監(jiān)測(cè)的復(fù)雜度，同時(shí)也有利于實(shí)現(xiàn)更加高效的進(jìn)行載波遷移，以有效應(yīng)對(duì)話務(wù)的潮汐現(xiàn)象，提高資源利用率和降低資源池的總能耗。一種c-ran架構(gòu)下的虛擬基站分簇方法，所述c-ran架構(gòu)下的虛擬基站分簇方法包括以下步驟：

步驟一，分析基于不同類型虛擬基站劃分簇的方案下分簇的影響因素，包括分簇對(duì)載波遷移的時(shí)間和能耗的影響；

步驟二，將這些因素量化為相應(yīng)的數(shù)學(xué)指標(biāo)，并建立數(shù)學(xué)優(yōu)化模型；

步驟三，用改進(jìn)的空間交替廣義期望最大化算法求解該數(shù)學(xué)優(yōu)化模型，得到最終的分簇結(jié)果；

步驟四，對(duì)比本方案與基于不同類型虛擬基站劃分簇的方案、不分簇的方案在遷移時(shí)間和能耗方面的優(yōu)勢(shì)，得出本分簇方案載波遷移的效果最優(yōu)。

進(jìn)一步，所述不同類型的虛擬基站指資源屬性值不同的虛擬基站，虛擬基站vmi的資源屬性值可表示為：vmi＝{vcpui,vmemi,vloadi}，vcpui和vmemi為第i個(gè)虛擬基站的cpu資源配置和內(nèi)存資源配置，vloadi虛擬基站vmi的負(fù)載，其定義如下：

其中，vcpu_usedi和vmem_usedi為vmi的cpu資源使用量和內(nèi)存資源使用量，p為加權(quán)系數(shù)。

進(jìn)一步，所述分簇影響因素中分簇對(duì)載波遷移的時(shí)間影響具體是指虛擬基站上用戶任務(wù)進(jìn)行遷移需要花費(fèi)的查詢時(shí)間和遷移時(shí)間的影響，其中分簇對(duì)用戶任務(wù)進(jìn)行遷移需要花費(fèi)的查詢時(shí)間的影響定義如下：

其中，表示第i個(gè)簇內(nèi)第j個(gè)遷移任務(wù)tij的查詢時(shí)間，xij的取值只能為0或者1，xij＝1表示虛擬基站vmj在第i個(gè)簇內(nèi)，xij＝0表示虛擬基站vmj不在第i個(gè)簇內(nèi)。和分別表示第i個(gè)簇內(nèi)第j個(gè)遷移任務(wù)的簇內(nèi)和簇間查詢時(shí)間；

表示第i個(gè)簇內(nèi)第j個(gè)遷移任務(wù)的簇內(nèi)查詢時(shí)間，其定義如下：

其中，為第i個(gè)簇內(nèi)的待遷移任務(wù)數(shù)，為第i個(gè)簇內(nèi)的可接收遷移任務(wù)的虛擬基站的個(gè)數(shù)，y1表示分簇規(guī)模，所以δt為單位查詢時(shí)間，δt的大小與機(jī)器的cpu指令周期有關(guān)；

表示第i個(gè)簇內(nèi)第j個(gè)遷移任務(wù)的簇間查詢時(shí)間，其定義如下：

其中，num_acr1為資源池內(nèi)所有需要進(jìn)行簇間遷移的任務(wù)數(shù)，vnum_freeout1為資源池經(jīng)過(guò)簇內(nèi)遷移的步驟后，仍然可接收任務(wù)遷移的虛擬基站的個(gè)數(shù)；

分簇對(duì)任務(wù)遷移時(shí)間的影響定義如下：

其中，tmemij為tij的內(nèi)存大小，v(tij)代表tij所在的源虛擬基站，vmil和vmkl代表任務(wù)tij遷往的目的虛擬基站，b為任務(wù)tij的遷移帶寬；

任務(wù)tij的遷移總時(shí)間定義如下：

進(jìn)一步，所述分簇影響因素中分簇對(duì)載波遷移的能耗影響包括遷移功耗和遷移所引起的資源池功耗的變化；

遷移功耗的定義如下：

其中，表示任務(wù)的遷移功耗，γ1和γ2為常數(shù)；

遷移引起的功耗變化的表達(dá)式如下：

其中，和分別代表任務(wù)遷移后源端和目的端虛擬基站的功耗。中，和分別表示源端和目的端虛擬基站的靜態(tài)功耗，和為能耗系數(shù)為虛擬基站滿載時(shí)的功耗和靜態(tài)功耗之差，和代表遷移前源端和目的端虛擬基站的cpu資源使用量，和代表源和目的端虛擬基站的cpu配置資源量。

進(jìn)一步，所述數(shù)學(xué)數(shù)學(xué)優(yōu)化模型定義如下：

表示需要進(jìn)行任務(wù)遷移的虛擬基站的集合，n為資源池內(nèi)總的虛擬基站的個(gè)數(shù)，tcpuj和tmemj分別表示虛擬基站vmj上的待遷移任務(wù)需要的cpu資源量和內(nèi)存資源量，vc_freel和vm_freel分別表示虛擬基站vml上的可用的cpu資源量和內(nèi)存資源量，表示任務(wù)遷移花費(fèi)的總時(shí)間，為任務(wù)的執(zhí)行時(shí)間，t_migth和t_execth表示任務(wù)遷移時(shí)間和執(zhí)行時(shí)間的閾值，s1＝n/y1。

進(jìn)一步，所述改進(jìn)的空間交替廣義期望最大化算法是指：

設(shè)置迭代次數(shù)t＝1，將隨機(jī)生成的初始解均勻劃分為s1個(gè)塊，初始化一個(gè)為n長(zhǎng)的空的禁忌表，設(shè)置初始?jí)K數(shù)i＝1，在第i個(gè)塊內(nèi)，找到值為1的解元素的的位置，分別與本塊內(nèi)排除禁忌表中虛擬基站編號(hào)外，滿足約束的所有值為0的元素位置進(jìn)行互換，找到使目標(biāo)函數(shù)取得最優(yōu)的調(diào)整，記做sk(s1)；

若t小于最大迭代次數(shù)maxloop，則t＝t+1，按同樣的方法繼續(xù)調(diào)整本塊內(nèi)下一個(gè)值為1的解元素；

若第i個(gè)塊內(nèi)所有值為1的元素調(diào)整完畢，找到本塊內(nèi)部迭代得到的最優(yōu)解s(s1,i)，若s(s1,i)優(yōu)于s(s1,i-1)，則更新最優(yōu)解sbest(s1)＝s(s1,i)，并將值為1的元素對(duì)應(yīng)的虛擬基站所在的列號(hào)加入禁忌表，若i<s1，則i＝i+1，繼續(xù)下一個(gè)塊迭代；

找到當(dāng)s1取所有可能值時(shí)，按上述操作步驟得到時(shí)的s1作為最終的分簇結(jié)果。

本發(fā)明的優(yōu)點(diǎn)及積極效果為：通過(guò)分析基于不同類型和同種類型虛擬基站劃分簇的方案的分簇影響因素，量化為相應(yīng)的指標(biāo)，并建立數(shù)學(xué)優(yōu)化模型，求解兩種方案的分簇結(jié)果，并將它們與不分簇的情況對(duì)比，得出基于不同類型虛擬基站劃分簇的方法對(duì)處理資源進(jìn)行管理，載波遷移花費(fèi)的遷移時(shí)間和總功耗最低，從而載波遷移效果最優(yōu)，對(duì)有效解決話務(wù)潮汐現(xiàn)象具有重要意義。

附圖說(shuō)明

圖1是本發(fā)明實(shí)施例提供的c-ran架構(gòu)下的虛擬基站分簇方法流程圖。

圖2是本發(fā)明實(shí)施例提供的c-ran架構(gòu)下虛擬基站分簇的結(jié)構(gòu)圖。

圖3是本發(fā)明實(shí)施例提供的本方案與其他兩種分簇方案的分簇結(jié)果對(duì)比圖。

圖4是本發(fā)明實(shí)施例提供的改進(jìn)的空間交替廣義期望最大化算法與原算法求解第一種分簇方案的迭代過(guò)程對(duì)比圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

下面結(jié)合附圖對(duì)本發(fā)明的應(yīng)用原理作詳細(xì)的描述。

如圖1所示，本發(fā)明實(shí)施例的c-ran架構(gòu)下的載波遷移方法包括以下步驟：

s101、分析基于不同類型虛擬基站劃分簇的方案下分簇的影響因素，包括分簇對(duì)載波遷移的時(shí)間和能耗的影響；

s102、將這些因素量化為相應(yīng)的數(shù)學(xué)指標(biāo)，并建立數(shù)學(xué)優(yōu)化模型；

s103、用改進(jìn)的空間交替廣義期望最大化算法求解該數(shù)學(xué)優(yōu)化模型，得到最終的分簇結(jié)果；

s104、對(duì)比本方案與基于不同類型虛擬基站劃分簇的方案、不分簇的方案在遷移時(shí)間和能耗方面的優(yōu)勢(shì)，得出本分簇方案載波遷移的效果最優(yōu)。

下面結(jié)合具體實(shí)施例對(duì)本發(fā)明的應(yīng)用原理作進(jìn)一步的描述。

本發(fā)明實(shí)施例提供c-ran架構(gòu)下的載波遷移方法，包括以下步驟：

s1、分析基于不同類型虛擬基站劃分簇的方案下分簇的影響因素，包括分簇對(duì)載波遷移的時(shí)間和能耗的影響。

需要說(shuō)明的是，步驟s1中所述不同類型的虛擬基站具體是指資源屬性值不同的虛擬基站，虛擬基站vmi的資源屬性值可表示為：vmi＝{vcpui,vmemi,vloadi}，vcpui和vmemi為第i個(gè)虛擬基站的cpu資源配置和內(nèi)存資源配置，vloadi虛擬基站vmi的負(fù)載，其定義如下：

其中，vcpu_usedi和vmem_usedi為vmi的cpu資源使用量和內(nèi)存資源使用量，p為加權(quán)系數(shù)。

需要進(jìn)一步說(shuō)明的是，步驟s1中所述分簇影響因素中分簇對(duì)載波遷移的時(shí)間影響具體是指虛擬基站上用戶任務(wù)進(jìn)行遷移需要花費(fèi)的查詢時(shí)間和遷移時(shí)間的影響，其中分簇對(duì)用戶任務(wù)進(jìn)行遷移需要花費(fèi)的查詢時(shí)間的影響定義如下：

其中，表示第i個(gè)簇內(nèi)第j個(gè)遷移任務(wù)tij的查詢時(shí)間，xij的取值只能為0或者1，xij＝1表示虛擬基站vmj在第i個(gè)簇內(nèi)，xij＝0表示虛擬基站vmj不在第i個(gè)簇內(nèi)。和分別表示第i個(gè)簇內(nèi)第j個(gè)遷移任務(wù)的簇內(nèi)和簇間查詢時(shí)間。

表示第i個(gè)簇內(nèi)第j個(gè)遷移任務(wù)的簇內(nèi)查詢時(shí)間，其定義如下：

其中，為第i個(gè)簇內(nèi)的待遷移任務(wù)數(shù)，為第i個(gè)簇內(nèi)的可接收遷移任務(wù)的虛擬基站的個(gè)數(shù)，y1表示分簇規(guī)模，所以δt為單位查詢時(shí)間，δt的大小與機(jī)器的cpu指令周期有關(guān)。

表示第i個(gè)簇內(nèi)第j個(gè)遷移任務(wù)的簇間查詢時(shí)間，其定義如下：

其中，num_acr1為資源池內(nèi)所有需要進(jìn)行簇間遷移的任務(wù)數(shù)，vnum_freeout1為資源池經(jīng)過(guò)簇內(nèi)遷移的步驟后，仍然可接收任務(wù)遷移的虛擬基站的個(gè)數(shù)。

分簇對(duì)任務(wù)遷移時(shí)間的影響定義如下：

其中，tmemij為tij的內(nèi)存大小，v(tij)代表tij所在的源虛擬基站，vmil和vmkl代表任務(wù)tij遷往的目的虛擬基站，b為任務(wù)tij的遷移帶寬。

任務(wù)tij的遷移總時(shí)間定義如下：

需要進(jìn)一步說(shuō)明的是，步驟s1中所述分簇對(duì)載波遷移的能耗影響包括遷移功耗和遷移所引起的資源池功耗的變化。

遷移功耗的定義如下：

其中，表示任務(wù)的遷移功耗，γ1和γ2為常數(shù)。

遷移引起的資源池功耗變化的表達(dá)式如下：

其中，和分別代表任務(wù)遷移后源端和目的端虛擬基站的功耗。中，和分別表示源端和目的端虛擬基站的靜態(tài)功耗，和為能耗系數(shù)為虛擬基站滿載時(shí)的功耗和靜態(tài)功耗之差，和代表遷移前源端和目的端虛擬基站的cpu資源使用量，和代表源和目的端虛擬基站的cpu配置資源量。

s2、將這些因素量化為相應(yīng)的數(shù)學(xué)指標(biāo)，并建立數(shù)學(xué)優(yōu)化模型。

需要說(shuō)明的是，步驟s2中所述數(shù)學(xué)數(shù)學(xué)優(yōu)化模型定義如下：

表示需要進(jìn)行任務(wù)遷移的虛擬基站的集合，n為資源池內(nèi)總的虛擬基站的個(gè)數(shù)，tcpuj和tmemj分別表示虛擬基站vmj上的待遷移任務(wù)需要的cpu資源量和內(nèi)存資源量，vc_freel和vm_freel分別表示虛擬基站vml上的可用的cpu資源量和內(nèi)存資源量，表示任務(wù)遷移花費(fèi)的總時(shí)間，為任務(wù)的執(zhí)行時(shí)間，t_migth和t_execth表示任務(wù)遷移時(shí)間和執(zhí)行時(shí)間的閾值，s1＝n/y1。

s3、用改進(jìn)的空間交替廣義期望最大化算法求解該數(shù)學(xué)優(yōu)化模型，得到最終的分簇結(jié)果。

需要說(shuō)明的是，步驟s2中所述改進(jìn)的空間迭代期望最大化算法求解過(guò)程如下：

設(shè)置迭代次數(shù)t＝1，將隨機(jī)生成的初始解均勻劃分為s1個(gè)塊，初始化一個(gè)為n長(zhǎng)的空的禁忌表，設(shè)置初始?jí)K數(shù)i＝1，在第i個(gè)塊內(nèi)，找到值為1的解元素的的位置，分別與本塊內(nèi)排除禁忌表中虛擬基站編號(hào)外，滿足約束的所有值為0的元素位置進(jìn)行互換，找到使目標(biāo)函數(shù)取得最優(yōu)的調(diào)整，記做sk(s1)；

若t小于最大迭代次數(shù)maxloop，則t＝t+1，按同樣的方法繼續(xù)調(diào)整本塊內(nèi)下一個(gè)值為1的解元素；

若第i個(gè)塊內(nèi)所有值為1的元素調(diào)整完畢，找到本塊內(nèi)部迭代得到的最優(yōu)解s(s1,i)，若s(s1,i)優(yōu)于s(s1,i-1)，則更新最優(yōu)解sbest(s1)＝s(s1,i)，并將值為1的元素對(duì)應(yīng)的虛擬基站所在的列號(hào)加入禁忌表，若i<s1，則i＝i+1，繼續(xù)下一個(gè)塊迭代；

找到當(dāng)s1取所有可能值時(shí)，按上述操作步驟得到時(shí)的s1作為最終的分簇結(jié)果。

s4、對(duì)比本方案與基于不同類型虛擬基站劃分簇的方案、不分簇的方案在遷移時(shí)間和能耗方面的優(yōu)勢(shì)，得出本分簇方案載波遷移的效果最優(yōu)。

如圖2所示，c-ran架構(gòu)下的資源管理模型結(jié)構(gòu)圖，資源池內(nèi)的虛擬基站以簇的形式進(jìn)行管理，每個(gè)簇包含了同種協(xié)議類型的虛擬基站，各個(gè)虛擬基站根據(jù)其服務(wù)的小區(qū)的平均業(yè)務(wù)量而有不同的資源配置。

如圖3所示，方案一代表本方案，方案二為基于同種類型虛擬基站劃分粗的方案，方案三表示不分簇的方案。圖3給出了本方案在分簇結(jié)果最優(yōu)時(shí)和方案二、方案三在總目標(biāo)函數(shù)值、總遷移時(shí)間和功耗方面的差異。由圖可知，方案一將不同類型的虛擬基站分為一簇的方法無(wú)論的遷移時(shí)間和功耗都優(yōu)于將同種類型虛擬基站分為一簇和不分簇的方法。不分簇的情況下任務(wù)的總遷移時(shí)間和功耗均相對(duì)較大，說(shuō)明總體而言，分簇的效果優(yōu)于不分簇，而分簇的情況下，基于不同類型的虛擬基站劃分為一簇的方法優(yōu)于將同種類型虛擬基站劃分為一簇的方法。

如圖4所示，比較了方案一當(dāng)分簇的規(guī)模為20時(shí)改進(jìn)前后算法迭代過(guò)程中目標(biāo)值的變化情況。從圖中可以發(fā)現(xiàn)改進(jìn)后算法開始時(shí)與原算法搜索的結(jié)果相差不大，當(dāng)?shù)螖?shù)大于10，改進(jìn)后算法搜索到更優(yōu)的目標(biāo)值。當(dāng)?shù)螖?shù)大于30時(shí)，原算法收斂，而本發(fā)明則繼續(xù)搜索并找到更優(yōu)解。這是因?yàn)樵惴ǖ姆椒ㄊ前错樞蛎看握{(diào)整可行解中一個(gè)解元素的值，將該解元素取所有可能值，從中找到使指標(biāo)取得最優(yōu)時(shí)對(duì)應(yīng)的該解元素的值作為本次迭代的調(diào)整。而針對(duì)本模型解的特點(diǎn)，解元素只能取0和1，且行元素之和為固定值，列元素之和為1，本發(fā)明將可行解的調(diào)整范圍設(shè)置在一個(gè)塊內(nèi)(對(duì)應(yīng)模型解空間的每一個(gè)行內(nèi))，只對(duì)值為1的解元素進(jìn)行調(diào)整，并且引入禁忌表用于記錄已經(jīng)參與調(diào)整的解元素的位置，降低重復(fù)搜索概率，因而算法在開始階段搜索結(jié)果相差不大，后期隨迭代次數(shù)增加，本發(fā)明得到的解的質(zhì)量提高。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。