一种无线接入网网络切片资源的动态分配方法与流程

本发明属于资源分配优化领域，涉及一种无线接入网网络切片资源的动态分配方法。

背景技术：

1、随着无线通信技术的发展，预计到2025年，第五代(5g)无线网络将支持超过800亿台联网设备和机器。因此，作为物联网(iot)范例的主要驱动力，智能设备生成数据和连接性的增加正在迅速扩大其在工业环境中的优势。这为通过现代可靠的信息交换技术和数据数字化建立工业网络物理系统提供了机会。由于云计算、物联网、网络软化和虚拟化等信息和通信技术的出现，这种演变被称为第四次工业革命，可与多种制造流程集成。

2、继工业革命和物联网范式的爆炸式传播之后，工业环境正在不断支持越来越多的互联对象，如机器人、执行器、机器和传感器。然而，这种持续演进将给工业格局带来翻天覆地的变化，带来新的生产模式和大有可为的商业机会。此外，当今的工业网络是为静态生产流程而设计的，生产工作流程中的变化和配置需要长时间的维护操作。此外，在异构的工业环境中传输不同的流量，需要共享相同的物理资源，这些流量具有多种不同的(qos)参数。这将增加成本和数据丢失，也无法满足用户的qos要求。下一代工业需要新的方法和自动化机制来远程验证管理过程、检查qos，并支持新的挑战，如提高用户的qos、资源效率和降低成本。另一方面，为了支持下一代制造流程所期望的灵活性和可持续性，工业网络将面临转型。

3、在此背景下，5g无线网络系统被认为是这一新趋势的关键推动因素，在这其中，网络切片是工业4.0中最强大的解决方案之一，它基于统一的物理基础设施和切片间的网络资源共享，可带来网络的大幅改善并满足多样化的网络需求。因此在面对流量实时波动的情况下，通过高斯混合模型聚类算法为每个设备分配满足其qos要求的切片，采用最大似然估计方法对混合高斯分布的参数进行估计，通过后验概率、混合概率、均值及协方差的迭代公式得到最终的混合高斯分布，根据分布得到设备的聚类结果；通过批量梯度下降算法动态跟踪设备的吞吐量变化并实时调整切片的资源预留。

技术实现思路

1、本发明目的在于解决上述现有技术的不足，从而提供一种无线接入网网络切片资源的动态分配方法，采用最大似然估计方法对混合高斯分布的参数进行估计，通过后验概率、混合概率、均值及协方差的迭代公式得到最终的混合高斯分布，根据分布得到设备的聚类结果；通过批量梯度下降算法动态跟踪设备的吞吐量变化并实时调整切片的资源预留，以此实现在一定的网络资源限制下，网关中切片吞吐量的最大化。

2、实现本发明的具体技术方案是：一种无线接入网网络切片资源的动态分配方法，包括如下步骤：

3、步骤1：在工业物联网(iiot)中构建网络切片资源分配场景；该场景由j个网络切片、j×n个iot设备、一个网关组成；

4、步骤2：基于构建的网络切片资源分配场景，建立时延模型和能耗模型；

5、步骤3：建立网络切片和资源分配的多目标优化问题；

6、步骤4：通过高斯混合模型聚类算法求解多目标优化问题，为每个iot设备分配满足其qos要求的切片，得到iot设备分配方案；

7、步骤5：根据步骤4得到的iot设备分配方案计算每个切片所需的计算和通信资源，采用批量梯度下降法跟踪切片内成员的吞吐量需求，以实现切片资源的动态调控。

8、步骤2中具体为：

9、设网络切片j的第i个iot设备的数据包长度为z(wi,j)，

10、则传输时延模型为：

11、

12、数据上传的能耗模型为：

13、

14、式中：ri,m为rb分配向量，bu为总带宽，pi,j为发射功率，hi,j为信道增益，n0为噪声功率，为数据的上传速率，为iot设备处理能耗，为iot设备传输能耗；

15、

16、步骤3中建立网络切片和资源分配的多目标优化问题为：

17、

18、其中θi,j为二元变量，代表设备i被分配到切片j。

19、步骤4具体为：

20、考虑w元高斯混合分布，iot设备i的分布满足：

21、

22、其中z为隐变量，p(z＝cj)表示ni属于第j个高斯分布的概率，也即设备ni属于第j个切片的概率。

23、通过最大似然估计混合高斯分布的参数，其中后验概率、混合概率、均值、协方差分别为：

24、

25、

26、

27、

28、通过上式进行参数更新并迭代至收敛，得到优化的设备分配方案。

29、步骤5具体为：

30、设网络切片j所需资源为占全部网络切片资源需求的比例为则网关为切片j保留的最小资源为：网关中剩余资源为：

31、网关动态跟踪iot设备的吞吐量，iot设备吞吐量的变化会影响切片的资源分配，通过最小化mse实现切片参数的更新：

32、当前设备参数λ表示目标切片参数，则mse可以表示为：

33、

34、通过批量梯度下降实现参数更新：

35、

36、

37、更新后的切片参数可表示为：

38、

39、

40、

41、

42、通过上述方案的设计，本发明的有益效果在于：

43、1.采用最大似然估计方法对混合高斯分布的参数进行估计，通过后验概率、混合概率、均值及协方差的迭代公式得到最终的混合高斯分布，通过高斯混合模型聚类算法得到的设备分配结果能够更好的符合每个设备的qos要求。

44、2.通过批量梯度下降算法动态跟踪设备的吞吐量变化并实时调整切片的资源预留，以此实现了在一定的网络资源限制下，网关中切片吞吐量的最大化。

技术特征：

1.一种无线接入网网络切片资源的动态分配方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种无线接入网网络切片资源的动态分配方法，其特征在于：步骤2中具体为：

3.根据权利要求1或2所述的一种无线接入网网络切片资源的动态分配方法，其特征在于：步骤3中建立网络切片和资源分配的多目标优化问题为：

4.根据权利要求1所述的一种无线接入网网络切片资源的动态分配方法，其特征在于：步骤4具体为：

5.根据权利要求1或4所述的一种无线接入网网络切片资源的动态分配方法，其特征在于：步骤5具体为：

技术总结
本发明涉及一种无线接入网网络切片资源的动态分配方法。首先，建立时延模型、能耗模型并给出切片资源分配的优化目标；然后通过高斯混合模型聚类算法为每个设备分配满足其QoS要求的切片，采用最大似然估计方法对混合高斯分布的参数进行估计，通过后验概率、混合概率、均值及协方差的迭代公式得到最终的混合高斯分布，根据分布得到设备的聚类结果；通过批量梯度下降算法动态跟踪设备的吞吐量变化并实时调整切片的资源预留，以此实现在一定的网络资源限制下，网关中切片吞吐量的最大化。

技术研发人员：胡欢君,刘昕,廖荣涛,李磊,陈健,王逸兮,王晟玮,叶宇轩,张剑,宁昊,张玉洁,郭岳,罗弦,王敬靖,李想,王博涛,陈家璘,郑蕾,徐宁,胡晨,邱学晶
受保护的技术使用者：国网湖北省电力有限公司信息通信公司
技术研发日：
技术公布日：2024/5/10