一种基于干扰水平的5G网络负荷均衡方法与流程

本发明属于移动通信技术领域，尤其涉及一种基于干扰水平的5g网络负荷均衡方法。

背景技术：

蜂窝通信经历了从第一代以话音业务为代表的模拟式移动电话系统，到大规模商用的第四代(4g)以移动数据、移动计算及移动多媒体为代表的无线宽带系统的持续演进。当前阶段，随着智能终端的快速普及以及网络通信容量的爆炸式增长，面向5g的无线通信技术的演进需求也更加明确及迫切，开始受到业界极大关注。

未来移动数据业务将飞速发展，尤其是热点地区的数据流量需求一直是电信企业亟需解决的重要难题，这一难题在未来的5g网络将显得尤为重要。与4g技术不同，5g并不是一个单一的无线技术，而是现有的无线通信技术的一个融合。当前由于低频段频谱资源的稀缺，仅依靠提升频谱效率无法满足移动数据流量增长的需求。5g通过选取更多的频谱资源以及更加密集的小区等方式共同满足移动业务流量增长的需求，解决4g网络面临的问题，构建一个高速的传输速率、高容量、低时延、高可靠性、优秀的用户体验的网络社会。增加单位面积内微基站密度是解决热点地区移动数据流量飞速增长的最有效手段。

超密集组网(udn，ultra-densenetwork)技术是5g阶段普遍关注的技术研究方向和网络站点规划重要方式，他将是满足5g以及未来移动数据流量需求的主要技术手段。超密集组网通过更加“密集化”的无线网络基础设施部署，可获得更高的频率复用效率，从而在局部热点区域实现百倍量级的系统容量提升。

5g超密组网(udn)的应用，必然带来站点密度的不断扩大，站点密度的扩大，必然要考虑不同站点的负荷均衡问题，以便实现系统性能的优化。负载均衡技术可根据当前小区负载状况及邻小区负载状况实时调整移动性参数，从而将高负载小区中的部分业务转移到负载相对较低的小区，以使各小区的负载比较平均，防止网络局部过载。相比于设置静态的移动性参数或不进行参数优化，负载均衡能够提高资源利用率，增加系统的总体容量，提升用户体验。并且这种优化能够最小化网络管理中的人工干预，从而降低网络运营成本。

现有技术的缺点及本申请提案要解决的技术问题：

目前负载均衡可分为两部分内容：其一是对于终端处于激活状态的负载均衡，可以通过调整切换参数来使部分用户切换到负载较低的小区；另一部分是针对终端处于空闲态的负载均衡，可以通过调整小区重选参数使部分用户重选到负载较低的小区，从而避免由空闲态终端发起呼叫而引起的潜在负载不均衡情况的发生。其实现方案主要是在相邻小区之间共享负载信息，基于邻小区负载信息调整小区切换参数和小区重选参数，从而达到负载均衡的目的。

目前在网络中负荷均衡算法的操作方案为：用户在选择基站接入时，首先考虑接收到邻近小基站信号的rsrp((referencesignalreceivingpower,参考信号接收功率)值，用sq表示，用户可进行接入的判断表达式为sqi≥sqth。当用户接收到基站i的rsrp值sqi大于等于门限值sqth时，基站i进入该用户可接入候选基站列表。然后通过判断候选基站列表中基站负载状态选择最佳的基站接入。

在所有用户选择合适基站接入后，计算出系统的负载均衡系数ijf。负载均衡系数用来衡量各微基站之间负载平衡程度，其由下式确定：

其中，b为基站集合，i为集合中第i个基站；pi为第i个基站的负载值；n为系统中基站数目。负载均衡系数越高，说明系统负载分布越平衡，系统性能也越好。

在上述研究中，在进行负载均衡调整时，多数仅考虑rsrp数值，没有考虑信噪比(sinr)，但在5g网络中，信噪比(sinr)对于网络承载能力的影响更大。而上述算法考虑到各基站间的负载均衡，却没有考虑到由于网络干扰水平的不同，会带来网络负载能力的变化情况。如某一基站附近干扰水平较大，这必然会带来此基站的负载能力下降，如果此时为了追求网络负载均衡系数的最大化，必将要把其他基站内的业务(用户)迁移过来，从而使此基站的干扰进一步增大，导致负载能力的进一步下降，从而带来网络整体吞吐量的下降。

技术实现要素：

针对现有技术的不足，本发明提供了一种基于干扰水平的5g网络负荷均衡方法，包括如下步骤：

步骤1，对5g超密组网下的系统参数进行设定；

步骤2，计算网络的负荷均衡系数；

步骤3，根据网络的负荷均衡系数进行负载均衡调整。

本发明中，步骤1包括：设定在5g超密组网下一区域内有n个基站，分别是cell-1，cell-2，……，cell-n，他们之间有覆盖重叠区域，其中第一个基站cell-1下有x个终端，分别是a1，a2，……，ax，第x个终端为ax，每个终端所处位置的信噪比分别为sinra1，sinra2，……，sinrax，第x个终端所处位置的信噪比为sinrax；设定第一个基站cell-1的资源块无线资源利用率为ut1。

本发明中，步骤2包括：

步骤2-1，统计基站内用户由非激活态向连接态转移的概率，计算每个基站内由非激活态转换成连接态的用户数量；

步骤2-2，计算每个基站内处于非激活态下的用户转成连接态时对基站资源块无线资源利用率的影响值；

步骤2-3，计算每个基站的负载值；

步骤2-4，计算每个基站内处于非激活态下的用户转成连接态时对基站的信噪比的影响值；

步骤2-5，计算每个基站的等效干扰水平系数；

步骤2-6，计算系统的等效干扰水平系数平均值；

步骤2-7，计算每个基站的负载均衡加权因子；

步骤2-8，计算系统的平均负载值；

步骤2-9，计算网络的负荷均衡系数。

本发明中，步骤2-1包括：第一个基站cell-1统计上一时间ti-ina内，用户由非激活态向连接态转移的概率pro1，通过如下公式计算由非激活态转换成连接态的用户数量use1：

use1＝use1-ina*pro1，

其中，use1-ina表示第一个基站cell-1中处于非激活态的用户数量。

本发明中，步骤2-2包括：第一个基站cell-1统计历史上一段时间内(为了保证预测的准确性，历史统计时间越长越好，建议一个月左右)单用户资源块无线资源利用率贡献值ut，并通过如下公式计算得到第1个基站中处于非激活态下的用户转成连接态时对基站资源块无线资源利用率的影响值ut1-ina：

ut1-ina＝use1*ut。

本发明中，步骤2-3包括：根据如下公式计算第一个基站cell-1的负载值p1：

p1＝ut1＝ut1-con+ut1-ina，

其中，ut1-con为第一个基站网络的实时的资源块无线资源利用率，通过第一个基站cell-1实时读取得到。

本发明中，步骤2-4包括：

第一个基站cell-1统计单用户对信噪比的影响值sinr(在这里，单用户即为一个用户，也就是历史上一段时间内，基站内随着用户的增加，带来信噪比的恶化。平均到每增加一个用户时对信噪比的恶化影响平均值，例如每增加一个用户，信噪比恶化0.1db，具体恶化影响值，以最终的统计结果为准)，通过如下公式计算得到第一个基站cell-1下处于非激活态下的用户转成连接态时对基站cell-1的影响值rsinr-1-ina：

rsinr-1-ina＝use1*sinr。

本发明中，步骤2-5包括：计算第一个基站cell-1的等效干扰水平系数rsinr-1：

rsinr-1＝(u1-sinr-1+u1-sinr-2+……+u1-sinr-x)/x+rsinr-1-ina，

其中，u1-sinr-x表示第一个基站cell-1下第x个终端的信噪比值。

本发明中，步骤2-6包括：n个基站的负载值分别为p1，p2，……，pn，每个基站的等效干扰水平系数分别为：rsinr-1，rsinr-2，……，rsinr-n，根据如下公式计算系统的等效干扰水平系数平均值rsinr-av：

rsinr-av＝(rsinr-1，rsinr-2，……，rsinr-n)/n；

步骤2-7包括：当rsinr-1≥rsinr-av时，

r1＝rand()/2，

否则：

r1＝rand()/2+a，

其中，rand()为随机数产生函数，产生0到1之间的随机数，a为随机数调整因子，r1为第一个基站的负载均衡加权因子，最终得到n个基站的负载均衡加权因子分别为r1，r2，……，rn；

步骤2-8包括：根据如下公式计算系统的平均负载值pav：

pav＝(p1+p2+……+pn)/n；

步骤2-9包括：根据如下公式计算网络的负荷均衡系数ijf：

ijf＝(p1*r1+p2*r2+……+pn*rn)²/(n*((p1*r1)²+(p2*r2)²+……+(pn*rn)²))。

本发明中，步骤3包括：每隔一段时间t，根据步骤2-9中的公式重复计算ijf值，如果ijf小于预先设定的i值，则将负载值大于pav的基站内的部分业务(一般优先调整基站内处于信噪比最差位置的终端业务)调整到相邻的负载值小于pav的基站内；如果ijf大于等于预先设定的i值，则不做调整；如果经过m次调整后，仍不满足ijf大于等于预先设定的i值的要求，则延时一个固定的时间h后，再进行负载均衡系数计算和负载均衡调整。

有益效果：

1：在计算基站负荷时，考虑了干扰对于网络负荷的影响。一般基站负荷越大，基站内的干扰水平越高，因此基于干扰水平去均衡基站间负荷，能够更好地反映网络的实际情况。

2：计算基站干扰时，考虑了处于非激活态用户变为连接态用户的概率和影响，可以实现网络负荷调整具有一定的前瞻性。

3：本方案在进行业务量调整时，设置了调整次数门限，从而避免了乒乓效应的出现。否则可能会出现某一终端的业务在基站间不断来回调整，严重影响网络吞吐量和用户感知。

4：本方案的基站间负荷调整，为系统自行调整，不需要人为干预，提高了系统工作的稳定性。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述或其他方面的优点将会变得更加清楚。

图1是本发明流程图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

如图1所示，本申请提出的一种基于网络干扰水平的5g网络负荷均衡方案，可以在实现5g网络负荷均衡的同时，最大限度地提升整个系统吞吐量。

(1)方案原理

在5g超密网络(udn)中，设定某一区域内有n个小基站，他们之间的覆盖范围有交集，交集内的用户可以根据网络情况自由选择服务小区，也可以由系统指定服务小区。定义这n个小基站组成的系统网络负荷均衡系数ijf计算方法如公式(1)所示：

其中：n为此区域内的小基站数量，b为基站集合，i为集合中第i个基站；pi为第i个基站的负载值，ri为第i个基站的负载均衡加权因子。

对于公式(1)中的pi说明如下：

pi为第i个基站的负载值，对于基站负载，可以用rb(resourceblock，资源块)无线资源利用率来表征，基站的资源块无线资源利用率越高，则基站的负载越高。另外对于资源块无线资源利用率，理论上，在用户行为类似的情况下，随着用户数量的增加，资源块无线资源利用率会上升。

对于5g网络，用户状态分为connected(连接态)、inactive(非激活态)、idle(空闲态)。处于连接态的用户，是正在使用网络和占用资源的用户，他们业务量的大小决定着基站的资源块无线资源利用率，业务量越大，资源块无线资源利用率越高。而对于处于非激活态的用户，当有业务需求时，用户将转成连接态，从而占用网络资源块资源，影响资源块无线资源利用率。处于非激活态的用户对于网络资源块无线资源利用率的影响，主要是由处于非激活态用户的数量以及用户由激活态转成连接态的概率来决定的，处于非激活态用户的数量越多，由激活态转成连接态的概率越大，则对资源块无线资源利用率的影响越大。

设定基站i的资源块无线资源利用率为uti，利用资源块无线资源利用率来表征网络负载，即pi＝uti，对于uti，主要是有两部分构成：uti-con和uti-ina，即：

pi＝uti＝uti-con+uti-ina(2)

其中：uti-con为处于连接态的用户带来的基站资源块无线资源利用率，而uti-ina为第i个基站中处于非激活态下的用户转成连接态时对基站资源块无线资源利用率的影响值。对于uti-con来说，是网络的实时的资源块无线资源利用率，基站可以实时读取；而对于uti-ina来说，是由处于非激活态用户的数量以及用户由激活态转成连接态的概率来决定，是一种预测值，无法由基站直接读出，因此用上一段时间ti-ina内，用户由非激活态转换成连接态的概率为proi(proi可以由基站i对历史数据统计获得)，来代替未来一段时间内的用户由非激活态转换成连接态的概率。设定基站i中处于非激活态的用户数量为usei-ina，用户由非激活态转换成连接态的概率为proi。

由非激活态转换成连接态的用户数量为usei，即：

usei＝usei-ina*proi(3)

则：

uti-ina＝usei*ut(4)

其中ut为单用户资源块无线资源利用率贡献值，此值为统计值，可以为一个基站内的统计值，也可以为一片群域内的统计值，具体由电信运营商确定和取值。

对于公式(1)中的ri说明如下：

ri为第i个基站的负载均衡加权因子，rsinr-i为基站i的等效干扰水平系数，ui-sinr-j为基站i下终端j的信噪比(sinr)值，xi为基站i内的用户数量即：

rsinr-i＝(ui-sinr-1+ui-sinr-2+……+ui-sinr-xi)/xi+rsinr-i-ina(5)

其中xi为基站i下的处于连接态下的用户数量，rsinr-i-ina为基站i下处于非激活态下的用户转成连接态时对基站rsinr-i产生的影响值。

对于5g网络，随着由处于非激活态转成连接态用户的增加，系统内的干扰将加大，这将会使基站内的其他用户的信噪比增加，从而使rsinr-i提升。但是由于处于非激活态转成连接态用户的增加对基站内的其他用户信噪比的影响，是一种潜在的、预测性的影响。由于分别预测对每个用户信噪比的影响，会带来预测误差的累积，同时也为了简化预测过程，在这里把对各个用户信噪比的影响，由rsinr-i-ina进行统一代替。

对于rsinr-i-ina的计算，主要考虑处于非激活态转成连接态用户的数量，而该数量是由处于非激活态用户的数量和相应的转移概率决定的，即：

usei＝usei-ina*proi(6)

rsinr-i-ina＝usei*sinr(7)

其中usei、usei-ina、proi在公式(3)已经定义，rsinr-i-ina在公式(5)中已经进行了定义，sinr为单用户对信噪比的影响值，此值为统计值，可以为一个基站内的统计值，也可以为一片群域内的统计值，具体由电信运营商确定和取值。

定义rsinr-av为系统内所有基站等效干扰水平系数平均值，即：

rsinr-av＝(rsinr-1+rsinr-2+……+rsinr-n)/n(8)

当rsinr-i≥rsinr-av时：

ri＝rand()/2(9)

否则：

ri＝rand()/2+a(10)

其中rand()为随机数产生函数，产生0到1之间的随机数，a为随机数调整因子，取值为0到0.5之间，具体数值可以根据网络负荷和干扰情况确定。

在网络运行过程中，每隔一段时间t(具体数值可以根据网络负荷等情况确定，如取值60秒)，根据公式(1)重新计算ijf，如果ijf大于等于某一确定的数值i(具体数值可以根据网络负荷等情况确定，如设定为0.8)，则不做负荷均衡调整，否则将负荷较高基站内的，且处于基站重叠覆盖区域内的业务(终端)，调整到业务负荷较低的基站内。

(2)方案详细描述

设定在5g超密组网下，某个区域内有n个基站，分别是cell-1，cell-2，……，cell-n，他们之间有覆盖重叠区域，其中基站cell-1下有x个终端，分别是a1，a2，……，ax，第x个终端为ax，每个终端所处位置的信噪比(sinr)分别为sinra1，sinra2，……，sinrax，第x个终端所处位置的信噪比为sinrax；

设定基站cell-1的资源块无线资源利用率为ut1，则对于基站cell-1，具体计算过程如下：

第一步：cell-1统计上一时间ti-ina内，用户由非激活态向连接态转移的概率pro1，并将统计结果带入公式(3)，计算得到由非激活态转换成连接态的用户数量use1，具体如下：

use1＝use1-ina*pro1(11)

其中，use1-ina表示第一个基站cell-1中处于非激活态的用户数量；

第二步：cell-1统计历史上一段时间内，单用户资源块无线资源利用率贡献值，即ut，将此值带入公式(4)，计算得到第1个基站中处于非激活态下的用户转成连接态时对基站资源块无线资源利用率的影响值ut1-ina，具体如下：

ut1-ina＝use1*ut(12)

第三步：根据公式(2)，计算第一个基站cell-1的负载值p1，具体如下：

p1＝ut1＝ut1-con+ut1-ina(13)

其中，ut1-con为第一个基站网络的实时的资源块无线资源利用率，通过基站cell-1实时读取得到；

第四步：cell-1统计单用户对信噪比的影响值sinr，并将其带入公式(7)，计算得到第一个基站cell-1下处于非激活态下的用户转成连接态时对基站cell-1的影响值rsinr-1-ina，具体如下：

rsinr-1-ina＝use1*sinr(14)

第五步：根据公式(5)，计算第一个基站cell-1的等效干扰水平系数rsinr-1，具体如下：

rsinr-1＝(u1-sinr-1+u1-sinr-2+……+u1-sinr-x)/x+rsinr-1-ina(15)

其中，u1-sinr-x表示第一个基站cell-1下第x个终端的信噪比(sinr)值；

第六步：根据上述方法进行计算，其他基站的负载值分别为：p1，p2，……，pn，其他基站的等效干扰水平系数，分别为：rsinr-1，rsinr-2，……，rsinr-n。此时系统的等效干扰水平系数平均值rsinr-av。根据公式(8)，计算为：

rsinr-av＝(rsinr-1，rsinr-2，……，rsinr-n)/n(16)

第六步：根据公式(9)和(10)，计算每个基站的负载均衡加权因子，分别为r1，r2，……，rn。

第七步：计算系统的平均负载值pav为：

pav＝(p1+p2+……+pn)/n(17)

第八步：根据公式(1)，计算网络的负荷均衡系数ijf为：

ijf＝(p1*r1+p2*r2+……+pn*rn)²/(n*((p1*r1)²+(p2*r2)²+……+(pn*rn)²))(18)

第九步：每隔一段时间t，根据公式(18)，重复计算ijf值，如果ijf小于预先设定的i值，则将负载值p大于pav的基站内的部分业务(终端)，调整到相邻的负载值p小于pav的基站内；如果ijf大于等于预先设定的i值，则不做调整。如果经过m(具体数值可以根据网络情况设定，如取值5次)次调整后，仍不满足ijf大于等于预先设定的i值的要求，为了减少频繁负载均衡调整对用户感知带来的影响，则延时一个固定的时间h(具体数值可以根据网络等情况设定，如取值10分钟)后，再进行负载均衡系数计算和负载均衡调整。

(3)方案举例

设定在5g超密组网下，某个区域内有4个基站，他们之间有覆盖重叠区域，分别是cell-1，cell-2，cell-3，cell-4，假设ut为每用户0.5％，sinr为每用户1db：

1)基站cell-1下有3个终端，分别是a1，a2，a3，基站的资源块无线资源为50％，处于非激活态的用户为10个，用户由非激活态向连接态转移的概率假设为10％，同时每个终端所处位置的信噪比(sinr)分别为sinra1＝-3db，sinra2＝0db，sinra3＝3db：

2)基站cell-2下有5个终端，分别是b1，b2，b3，b4，b5，基站的资源块无线资源为60％，处于非激活态的用户为20个，用户由非激活态向连接态转移的概率假设为10％，每个终端所处位置的信噪比(sinr)分别为sinrb1＝-4db，sinrb2＝0db，sinrb3＝2db，sinrb4＝5db，sinrb5＝6db：

3)基站cell-3下有4个终端，分别是c1，c2，c3，c4，基站的资源块无线资源为40％，处于非激活态的用户为30个，用户由非激活态向连接态转移的概率假设为10％，每个终端所处位置的信噪比(sinr)分别为sinrc1＝-3db，sinrc2＝0db，sinrc3＝-2db，sinrc4＝4db；

4)基站cell-4下有6个终端，分别是d1，d2，d3，d4，d5，d6，基站的资源块无线资源为40％，处于非激活态的用户为30个，用户由非激活态向连接态转移的概率假设为10％，每个终端所处位置的信噪比(sinr)分别为sinrd1＝-4db，sinrd2＝2db，sinrd3＝3db，sinrd4＝4db，sinrd5＝4db，sinrd6＝3db。

则可计算得到pa＝50.5％，pb＝61％，pc＝41.5％，pd＝41.5％；rsinr-a＝1db，rsinr-b＝3.8db，rsinr-c＝2.75db，rsinr-d＝5db；系统的rsinr-av＝(rsinr-a+rsinr-b+rsinr-c+rsinr-d)/4＝3.14db；系统的pav＝(pa+pb+pc+pd)/4＝48.63％；

由于rsinr-a小于rsinr-av，则负载均衡加权因子ra＝rand()/2+a＝0.26+0.3＝0.56(这里a取值为0.3)；rsinr-b大于rsinr-av，则负载均衡加权因子rb＝rand()/2＝0.32；rsinr-c小于rsinr-av，则负载均衡加权因子rc＝rand()/2+0.3＝0.72；rsinr-d大于rsinr-av，则负载均衡加权因子rd＝rand()/2＝0.24。

此时系统的负载均衡因子为：

ijf＝(pa*ra+pb*rb+pc*rc+pd*rd)²/(4*((pa*ra)²+(pb*rb)²+(pc*rc)²+(pd*rd)²))＝0.88。

设定以ijf为0.8为标准值，此时由于0.88大于0.8，因此不需要做基站间的负荷均衡调整。

经过时间t(假设t取值为60秒)，假设cell-3和cell-4的基站的资源块无线资源为变为30％，而其他条件不变，而则经过重新计算：ijf＝0.77，小于标准值0.8，因此需要进行基站间的负荷均衡调整，可以将基站cell-1中的用户a1调整到cell-2中。

以此类推，每隔时间t，计算一次系统的负载均衡因子，如果小于预先设定的数值，则进行负载均衡调整，否则不进行。

本发明提供了一种基于干扰水平的5g网络负荷均衡方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。