[发明专利]基于局部加权线性回归的超密集网络负载均衡优化方法

说明书

本发明提供一种基于局部加权线性回归的超密集网络负载均衡优化方法，联合调整所有小站的代价偏置值，首先利用局部线性加权回归的方法从基站收集的每日的负载数据中拟合得到基站的负载曲线，为基于代价的分布式用户连接方法提供一个较优的迭代初始值，解决超密集异构网中的负载均衡问题。本发明采用对数函数作为效用函数，实现了资源在用户间分配的机会和公平的折衷，对于基站边缘和中间的用户分别实现了3.5倍和2倍的数据吞吐量增益。通过分布式的迭代更新每个基站的代价值，自动的均衡跨层和同层之间基站的负载，实现了低复杂度的负载均衡。通过局部线性加权回归方法设置初始值，并预测某个时刻接入基站的用户人数，大大降低迭代次数和计算复杂度。

技术领域

本发明属于网络通信技术领域，涉及网络负载均衡优化方法，更为具体的说，是涉及无线通信系统中一种基于局部加权线性回归的基于局部加权线性回归的超密集网络负载均衡优化方法。

背景技术

在宏站覆盖范围内同频密集部署低功率小站的超密集异构网络是一种提升第五代移动通信(5G)网络频谱利用率和网络容量的有效方法。常用的服务小区选择准则——最大功率接收准则中，每个用户选择接收信号功率最强的小区作为服务小区。然而在异构网络中，大站和小站的功率差异比较大，这样就会造成层间负载不均衡。为了提高无线资源的利用率，我们需要均衡负载的分布，把用户主动的卸载到负载较轻的低功率小站上。

以负载均衡为目的的用户连接问题是一个非确定性多项式困难问题。通过对问题的放松，可以得到一种低复杂度的基于代价的分布式方法来收敛到一个近似最优解，然而这种基于代价的分布式用户连接方法收敛速度依赖于迭代参数的选择，面对实际网络复杂的情况，没办法对实时负载变化调整迭代参数，收敛速度得不到保障。

发明内容

为解决上述问题，本发明提出一种以最大化网络对数效用函数为目标，局部线性加权回归和基于代价的分布式方法相结合的低复杂度超密集异构网络下行用户连接方法。该方法联合调整所有小站的代价偏置值，首先利用局部线性加权回归的方法从基站收集的每日的负载数据中拟合得到基站的负载曲线，为基于代价的分布式用户连接方法提供一个较优的迭代初始值，解决超密集异构网中的负载均衡问题。

为了达到上述目的，本发明提供如下技术方案：

一种基于局部加权线性回归的超密集网络负载均衡优化方法，包括如下步骤：

步骤一，采集网络负载信息，收集基站用户接入数目，得到数据(x_i,y_i)，X＝(x₁,x₂,...x_m)表示时间值矩阵，Y＝(y₁,y₂,...y_m)表示其对应的用户连接数向量，建立用户接入数目和时间的关系，所述基站定期记录一次接入的用户数目；

步骤二，用非线性回归的局部线性加权回归方法对接入的用户数目和时间的关系进行拟合，采用高斯核函数来作为局部线性加权回归的核函数，给需要预测时间点x的周围点x_i∈X赋一个权重w(x,x_i)：

上式中，k为控制参数；

使用公式(1)对所有的x_i∈X进行加权，得到一个只含对角元素的权重矩阵W＝(w₁₁,w₂₂,...,w_mm)，使用最小均方误差来做线性回归，通过下式得到回归参数α：

α＝(X^TWX)^-1X^TWY (2)

预测时刻x由局部加权线性回归得到的用户数目预测值y为：

y＝αx (3)