联合重编排和重调度的5G虚拟无线接入网QoS优化方法

本发明提出了一种面向5g虚拟无线接入网的用户设备服务质量(qos)提升方法。本发明针对在5g虚拟无线接入网中多种用户设备存在不同类型qos需求且难以同时满足的问题，提出了一种综合考虑重编排和重调度的qos保障框架。该框架的目标是在降低能耗的同时提高用户设备的qos，为网络性能提供更为有效的优化策略。

背景技术：

0、技术背景

1、私有5g网络为特定的组织或企业提供专用的、专属的连接。由于它具有增强的安全性、低时延和增加的容量等优点，它已经部署在各个行业(例如制造业、医疗保健等)。5g虚拟无线接入网络(vran)是5g基础设施的关键组成部分。与单一的传统无线接入网络(ran)相比，vran是完全基于软件的、可分解的。它由无线电天线单元(ru)、分布式单元(du)和控制单元(cu)组成，运行在商用计算平台上。该架构具有降低成本、灵活升级、缓解厂商锁定等优点，非常适用于5g专网。

2、在5g专网的vran中有两个优化偏好，即重新编排和重新调度。重新编排涉及到更改cu/du函数在边缘或云中的位置。重新调度包括为每个用户设备重新配置资源块(rb)和调制和编码方案(mcs)。vran的网络切片机制使用了三种静态的编排方式和刚性的资源隔离方式来满足超可靠的低时延通信(urllc)、大规模机器类型通信(mmtc)和增强型移动宽带(embb)的这三类用例的服务质量需求。然而，随着5g的发展出现了许多新的用例，用例各自有不同的网络带宽和端到端时延的需求。此外，在不同的应用场景中，用例的需求可能发生改变。当前的“一刀切”的网络切片机制不够灵活，无法满足新用例不同的需求。

技术实现思路

1、为了克服网络切片技术不够灵活，导致无法满足种类繁多的用户设备(ue)随时可能变化的服务质量需求的问题，本发明提供一种面向5g虚拟无线接入网的用户设备qos提升方法。

2、本发明的面向5g虚拟无线接入网的用户设备qos提升方法，提供联合考虑重编排和重调度的服务质量弹性提供框架。该框架由三部分组成，启动器、优化引擎和部署器。从总体来看，网络运营商制定需求内容，并将服务质量需求提交给框架。启动器收集服务质量需求，并评估是否启动框架优化引擎。优化引擎在考虑到考虑满足当前用户需求和重新配置开销之间的权衡条件下，快速提供一个可行的策略。部署器随后会根据该策略重新配置网络。具体步骤包括：

3、(1)启动器负责收集服务质量请求，评估是否需要启动优化引擎，步骤如下：

4、步骤(1.1)：从网络运营商处收集用户设备(ue)粒度级别的服务质量请求，请求中包含以下关键信息：1)用户设备标识；2)服务质量qos要求，例如，以毫秒为单位的传输时延或吞吐量要求；

5、步骤(1.2)：根据前网络状态、网络拓扑和ue到不同5g基站(gnb)的链路质量，判断在当前的网络设置下只调度空口资源是否能够满足该请求。若可以满足，则执行步骤(1.3)，否则执行步骤(1.4)；

6、步骤(1.3)：为每一个ue生成配置策略，包括分配gnb、选择调制和编码方案mcs、分配资源块rb。至此启动器本次作业结束；

7、步骤(1.4)：将前网络状态、网络拓扑和ue到不同5g基站(gnb)的链路质量和从网络运营商处收集ue粒度级别的服务质量请求信息发送到优化引擎。至此启动器本次作业结束；

8、(2)优化引擎设计对rt-vran的功能起着至关重要的作用。它包括一个精确的网络模型和一个快速求解器。网络模型部分考虑两个常用的qos指标:时延和吞吐量，这两个指标在各种应用中得到了广泛的应用，包括车牌识别、ar/vr等。模型中的决策变量和隐含约束为：1)每个vran的拆分方案：用表示是否vran v∈v采用拆分分案p∈p。每个vran只能采用一种拆分方案。2)ru和ue之间的关联：表示ue i是否关联着vran v。大多数实际的5g网络都是单蜂窝场景，即一个ue只能连接一个vran。3)mcs的选择：用表示ue i是否使用mcs m∈m。一个ue只能选择一种mcs。4)rb分配：用表示第i个ue是否使用着第v个vran的第b个rb。

9、时延建模为

10、其中θk(t)表示第k个vran在一个传输间隔内接收来自ru的数据量，表示第i个ue和边缘服务器e的联系，表示是否第v个vran的du功能运行在边缘服务器e上，δep表示在不同的cu/du函数划分du放置在边缘服务器上cpu的负载。δcp是描述将边缘服务器换为云端服务器的情况。

11、吞吐量建模为其中

12、

13、和为边缘站点和云站点的处理吞吐量，与cpu核数、cpu时钟速度等相关，作为常数。

14、当启动器确定需要重新配置vran时，优化引擎启动并工作。优化引擎的执行步骤如下：

15、步骤(2.1)：接收来自启动器的前网络状态、网络拓扑和ue到不同5g基站(gnb)的链路质量和从网络运营商处收集ue粒度级别的服务质量请求信息；

16、步骤(2.2)：基于精确的网络模型使用快速求解器确定最佳的网络配置。快速求解器的优化目标为公式(1)；

17、max[∑p∈p(αp∑i∈iqiri，p-βpep-γo+n)] 公式(1)

18、其中，p是一个周期内采样点的集合。α、β和γ是系数。qi表示第i个ueqos请求的价值。ri,p∈{0,1}表示在p时间第i个请求是否得到了满足。ep表示整个模型的能量消耗。o是实现新策略的开销，这里它是常数。n是可使用rbs数目的函数。快速求解器的执行步骤如下；

19、步骤(2.2.1)：将原问题分解为大量相互独立的子问题。使用自适应强度搜索算法，将原问题分解为ue和ru的配对问题和cu/du划分-mcs选择问题；

20、步骤(2.2.2)：将搜索空间缩小到一个更小但更有价值的子空间。在枚举出子问题所有的可能解后，将不可能的ue和ru的配对和不可能的mcs选择的子问题解剔除；

21、步骤(2.2.3)：使用自适应搜索算法来寻找最优的子问题解集合。在将cu/du的划分方式设定为尽可能的将函数功能放置在云端的条件下，根据公式和来估计对时延高需求和对吞吐量高需求的ue所需要的rb数量。其中θi(t)是当前时隙需要传输的数据量，d是全链路当前的网络时延，d'是前传网络和中传网络的时延，是使用mcs为mi可以获得的最大数据传输率，thi是对吞吐量的需求。对于无线资源紧缺的gnb，将cu/du划分的可能性向边缘站调整；对于无线资源不紧缺的gnb，将cu/du划分的可能性向云端站调整；其的vran使用均等的cu/du划分方式。将mcs的可选值分成三个区间进行随机采样。区间分别为：[mmax，mmax-1)，[mmax-1，mmax-5)，[mmax-5,mmax-9)。其中mmax为滑动窗口为10的历史mcs最大值；

22、步骤(2.2.4)：对搜索到的子问题进行求解。根据(2.2.3)中的公式和计算每个目标ue所需的最小rbs数量。建立问题模型约束为其中表示第i个ue是否可以使第b个rb。将二进制约束进行线性松弛，使用商用求解器求解。对商用求解器的解使用贪婪算法寻找最优解。若得出最优解则得到最佳网络配置执行步骤(2.3)，否则执行步骤(2.4)；

23、步骤(2.3)：将最佳的网络配置发送到部署器。至此优化引擎本次作业结束；

24、步骤(2.4)：周期性监听来自启动器的前网络状态、网络拓扑和ue到不同5g基站(gnb)的链路质量。出现新的网络状态等信息，将执行步骤(2.2)；

25、(3)部署器根据新的网络策略重新配置网络。重用现有的接口来调整设置(例如，在openairinterface中支持cu/du分割的最新f1接口)，以确保安全性。部署器的执行步骤如下：

26、步骤(3.1)：部署器接收新的网络策略，当启动器执行步骤(1.3)时，部署器将接收来自启动器的ue级别的配置策略；当启动器跳过步骤(1.3)执行步骤(1.4)时，部署器将接收优化引擎发送的最佳网络配置；

27、步骤(3.2)：根据接收的配置策略或者网络配置调整gnb的设置。至此部署器本次作业结束；

28、现有技术分成两类，一类是只关注重编排方面，另一种只关注重调度方面，在无线资源稀缺的情况下，它们难以满足ue的各类qos需求。实验结果表明，与现有技术相比，该框架在各种网络条件下提升了12％～41％的qos满足率，同时总能耗最小。

29、本发明的优点是：提升了qos满足率，同时总能耗最小。