[发明专利]一种基于接入用户移动性预测的超密集网络资源分配方法

说明书

本发明提供了一种基于接入用户移动性预测的超密集网络资源分配方法，包括：数据预处理步骤；预测用户的接入基站；根据用户预测结果计数得到基站下一时刻接入的用户数；对相邻小区的频带自行按接入用户数的比例调节；对于接入同一小区的用户按现有的资源分配方法进行资源分配。基于本发明方法，在超密集异构网下，大站可以基于用户分布规律变化，根据预测计算得到小站在未来短时间内的资源需求，动态、合理地给小站分配资源，提高了系统的平均吞吐量、用户公平度、有效提高资源的利用率，同时减少资源浪费的现象。

技术领域

本发明属于移动通信中的无线资源管理技术领域，涉及网络资源分配方法，更为具体的说，是涉及无线通信系统中一种基于接入用户移动性预测的超密集网络资源分配方法。

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。然而现有基站的实际利用率还很低，网络在不同时段的负载不平衡，并且每个基站的容量固定以及不同基站之间不能共享处理能力。移动网络的一个固有特性就是其用户处于运动状态，在通信过程中经常会从一个地点移动到另一个地点。通过对实际运营网络的观察发现，用户的移动呈现出很强的规律性。用户接入基站具有一定的历史模式，可以通过预测用户的移动，来计算基站未来一段时间内的接入人数。在传统的无线接入网中，每个基站的处理能力只能被其服务的小区内的用户使用。当小区内的用户离开后，基站的处理能力无法转移，只能处于浪费状态。由于运营商要每时每刻保持着网络的覆盖，使得这些空载或者零星负载的基站必须和那些高负载的基站消耗一样的功率。更严重的是，当负载较高时，基站往往满负荷运转，其需要的处理能力远高于平均水平。这样一来，一方面形成了处理能力的浪费，另一方面又存在处理能力不足的问题。

发明内容

针对不同小站对资源的需求在不同时刻各不相同的特点，本发明提出一种以提高资源利用率同时最大化系统中接入用户公平度为目标，基于接入基站用户移动性预测的超密集异构网络多小区资源分配方法，联合调整所有小站的频带资源，解决超密集异构网中的资源分配问题。

为了达到上述目的，本发明提供如下技术方案：

一种基于接入用户移动性预测的超密集网络资源分配方法，包括如下步骤：

步骤一，数据预处理：

首先，由基站记录用户数据，所述用户数据至少包括：用户接入时间、用户标识ID、当天日期、基站经纬度坐标、基站ID；

随后，对于每一个用户的数据按照一定间隔进行重采样；

最后，对整理后的数据进行编码；

步骤二，预测用户的接入基站：

首先，确定RNN训练的输入和输出，其中输入x^(t)包括时刻t的时间、日期、经纬度、基站ID，输出y^(t)为时刻t+1的基站ID，记输入序列为{x⁽¹⁾,x⁽²⁾,...,x^(τ)}，输出序列为{y⁽¹⁾,y⁽²⁾,...,y^(τ)}，其中τ为序列长度；

随后构建RNN如下式：

其中U是连接输入层和隐藏层之间的权重，V是连接隐藏层和输出层之间的权重，W是连接隐藏层在时刻t-1和时刻t之间的权重，x^(t),s^(t),o^(t)分别表示在t时刻输入层、隐藏层和输出层的神经元结点，b,c为偏置，a^(t)为中间变量，为RNN的输出，