欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020113130846
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2024-02-26
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种UHWNs中基于异构边缘云的协作垂直切换方法,其特征在于,包括以下步骤:

101、首先利用终端周围的相似性选网现象,与周围已连网终端自组织成D2D网络,通过相似度匹配完成终端的快速选网;

102、其次当终端周围未匹配到相似选网终端时,触发配置边缘云服务器的微基站上的网络判决算法,将终端的判决参数以D2D的方式上传到SBSe并构建效用函数,通过遗传算法优化属性权重,为终端选择合适的网络接入;

103、最后根据SBSe上传的拥塞状态信息构建拥塞预测模型,当监测到SBSe的拥塞程度持续超过设定阈值时,触发配置MBSe上的统筹调控算法,为拥塞SBSe内的终端转移到空闲的SBSe进行网络判决。

2.根据权利要求1所述的一种UHWNs中基于异构边缘云的协作垂直切换方法,其特征在于,所述步骤101首先利用终端周围的相似性选网现象,与周围已连网终端自组织成D2D网络,通过相似度匹配完成终端的快速选网,具体包括:利用终端相似选网现象并结合D2D技术,构建一个D2D相似度匹配算法,待接入终端与周围已接入到网络中的终端自组织成D2D网络,通过在D2D网络中进行相似度匹配,选择具有相似选网需求的终端所连的网络作为判决结果,如式(1),分别采用终端之间距离、运动方向的夹角和速度的差值作为判决的参数,若上述参数同时低于各自设定的阈值,则判定匹配到具有相似选网需求的终端,连接其所连网络,其相似匹配度l定义为:其中r为D2D网络中已接入终端和未接入终端之间的欧式距离,θ为其运动方向之间的夹角,Δυ为其速度之间差值的绝对值,rth、θth、Δυth分别为给定的阈值。

3.根据权利要求2所述的一种UHWNs中基于异构边缘云的协作垂直切换方法,其特征在于,所述阈值的设定如下:

假设终端的位置服从泊松点过程,构建终端之间距离变量r的概率密度函数如式(2):其中λ为泊松点过程的参数,定义终端之间距离的阈值为随机变量r的期望值,可得终端之间距离的阈值rth为:

∞

rth=E(r)=∫0 f(r)dr            (3)运动方向的夹角和速度的差值服从高斯分布,分别定义运动方向夹角的阈值和速度差值的阈值为各自变量的期望,同理可求出θth和Δυth:其中μθ、σθ分别为变量θ的均值和标准差。

∞

θth=E(θ)=∫0 f(θ)dθ           (5)其中μΔυ、σΔυ分别为变量Δυ的均值和标准差;

∞

Δυth=E(Δυ)=∫0 f(Δυ)dΔυ        (7) 。

4.根据权利要求1‑3之一所述的一种UHWNs中基于异构边缘云的协作垂直切换方法,其特征在于,所述步骤102终端在D2D网络中未匹配到相似选网终端时,触发边缘云服务器的微基站上的网络判决算法,将终端的判决参数以D2D的方式上传到SBSe并构建效用函数,采用加权求和的方法来构建效用函数:

其中z(i)为网络i的效用函数,m为网络属性数量,aij为网络i的第j个属性值,wj为对应的权重,通过求得各个评价指标的权重分配w=(w1,w2,…,wm),得到所有备选网络的效用值z(i),找出最大的z(i)来进行网络选择。

5.根据权利要求4所述的一种UHWNs中基于异构边缘云的协作垂直切换方法,其特征在于,所述步骤102将权重分配方案转化为一个寻优问题,并选用全局搜索寻优的遗传算法迭代出最优解,使用遗传算法迭代出最优权重的步骤如下:(1)适应度函数的确定:用各网络效用值z(i)的离散程度、与终端需求的符合程度构建遗传算法的适应度函数如式(5):

其中S(z)为z(i)与终端需求的差值函数,D(z)为z(i)的标准差,表征z(i)的离散程度,具体表示为:

其中E(z)为z(i)的平均值,为终端的期望效用值,n为候选网络个数;

(2)迭代最优权值:将要求的权重序列w=(w1,w2,…,wm)作为种群个体的基因,首先初始化种群,然后根据各个体的适应度选择适应解,同时对保留解进行交叉、变异操作的迭代运算,直到达到终止条件,从而得到最优权重分配方案 表示网络第m个属性的最优权重。

6.根据权利要求5所述的一种UHWNs中基于异构边缘云的协作垂直切换方法,其特征在于,所述步骤103的根据SBSe上传的拥塞状态信息构建拥塞预测模型,具体包括:定义SBSe管理范围内网络的平均阻塞率为SBSe的拥塞程度,阻塞率的数学模型如下:其中, 表示网络服务请求发起的总次数,表示平均网络服务请求发起次数,s指网络服务时长,q为网络信道数量,δ为常数(δ>0);根据拥塞程度的定义得在SBSe上的拥塞程度η为:

其中pχ为SBSe管理范围内网络χ的阻塞率,m为SBSe管理范围内网络数量,MBSe根据各SBSe上传上来的拥塞状态信息η={(η1,t1),(η2,t2),…(ηc,tc)}采用局部加权线性回归模型LWLR构建一个预测模型,预测未来一段时间内SBSe上拥塞程度;选用高斯核函数来赋予待测点周围样本点的权重:

其中 为待预测的点, 为其附近的点,随着样本点与待预测点距离的递增,权重递减,参数k控制着递减的速度,拥塞状态信息集合变为带权重的集合,选用线性回归模型对带权重的拥塞状态信息集合进行拟合:

ηt=αt+β           (15)其中t表示时间参数,ηt表示SBSe在t时刻的拥塞程度,α,β为回归系数。并用最小二乘法求出回归系数,得到预测模型。

7.根据权利要求6所述的一种UHWNs中基于异构边缘云的协作垂直切换方法,其特征在于,所述步骤103中,当终端连接到SBSe上进行网络判决时,根据当前SBSe拥塞程度的变化趋势判断当终端接入后是否能获得相应的服务,即SBSe的拥塞程度是否大于某一个阈值且持续增加,若是,MBSe根据监测到邻近基站的拥塞程度,让终端接入到邻近空闲SBSe上做网络判决,否则直接进行网络判决,其中阈值ε定义为该SBSe历史采样数据的中位值,若邻近SBSe也没有足够的可用资源,则直接将终端连接到宏基站上进行通信。