专利交易市场

本发明涉及移动通信技术领域，具体涉及一种蜂窝网络内容缓存和基站休眠联合优化方法，包括：建立联合优化模型；将第i周期的内容缓存状态设为随机缓存，基站休眠状态设为随机休眠，初始周期i＝1；确定第i个周期的用户关联状态，根据关联规则将用户关联至合适的基站；利用离散量子粒子群算法对联合优化模型进行求解，得到第i+1个周期的内容缓存状态和基站休眠状态；i＝i+1，进入步骤S3；本发明方法能够进一步的降低系统能耗，将用户关联作为受基站休眠影响的变量进行研究，场景更加符合实际情况，保证用户的服务质量；此外，本发明采用离散量子粒子群算法对问题进行求解，求解效率更高。

本发明涉及异构蜂窝网络领域，具体涉及一种异构蜂窝网络中基于Sarsa学习的基站休眠方法，所述方法包括：建立系统能效模型；根据系统模型、能效模型以及用户重关联规则构建Sarsa学习中的四个要素；通过Sarsa学习模型求解每个状态的最优休眠决策；本发明相比于传统的基站休眠方法采用了无模型的方法，适用于现实生活中用户分布的多态性和复杂性，并且考虑了休眠基站所服务的用户的重关联保证用户的服务连续性，提出了基于Sarsa学习的FBS动态休眠策略，最大化累积回报值，达到提升网络能效的目的。

本发明请求保护一种基于VNF实例共享的异构蜂窝网络多功能任务卸载方法，属于通信技术领域。针对异构蜂窝网络边缘场景下，用户非均匀分布可能造成基站服务器负载失衡，从而导致资源利用率下降和任务卸载时延增大的问题，提出一种基于VNF实例共享的异构蜂窝网络多功能任务卸载方法。该方法根据用户业务分布和任务卸载所需的SFC类型，采用粒子群优化思想建立异构蜂窝网络SFC部署优化模型，通过VNF实例化位置和数量的探索更新，对SFC映射和资源分配决策进行迭代优化，从而提高VNF实例共享度，并有效提高任务卸载完成率，降低系统单位任务时延。

本发明属于移动通信领域，涉及一种异构蜂窝网络中内容缓存与用户关联联合优化方法，包括：根据基站存储容量和服务用户数的限制，以用户获取内容的平均时延的最小化为目标，建立内容缓存与用户关联的联合优化模型以及联合目标函数；根据所述联合目标函数通过三次指数平滑法预测下一周期基站上内容的访问频次，决定内容缓存；根据用户到达是否密集采取不同的关联方式，将用户关联至合适的基站；若用户到达密集，则采用时延关联方式，否则采用即时关联方式，本发明通过上述两种关联方式能够保证用户的服务质量。

本发明涉及通信技术领域，特别涉及一种异构蜂窝网络的任务卸载方法，包括：建立用户卸载任务请求，并预置参数；构造李雅普诺夫函数以及目标函数；最大化用户卸载效用的同时最小化队列积压量，根据网络异构对其用户卸载任务的影响，其WIFI连接时间是否确定并求解最优卸载量的方法，即如果设置的WIFI连接时间确定，则采取拉格朗日优化方法求解最优卸载量；否则采取随机规划求解最优卸载量；本发明考虑用户系统卸载效用最大化，减少卸载队列积压量，考虑用户的移动性，网络异构对其用户卸载任务的影响，使得用户卸载效用最大的同时，不但大幅降低了用户端卸载任务的积压，而且减少了系统的拥塞。

本发明提出一种密集异构蜂窝网络的部署方法，属于移动通讯技术领域。方法包括：1、计算用户关联到MBS层的关联概率AM，用户关联到FBS层的关联概率AF；以及位于MBS层的用户的信干噪比SINRM，位于FBS层的用户的信干噪比SINRF；2、利用AM、AF、SINRM和SINRF来计算覆盖率K和平均用户速率R；3、假设基站都处于激活状态，计算平均区域功率消耗ASPC；4、求取在满足目标覆盖率条件下FBS的最佳密度和发射功率5、求取在满足目标平均用户速率条件下FBS的最佳密度和发射功率6、在和中选取最优值；在和中选取最优值。联合优化基站密度和基站发射功率，来达到平均区域功率消耗ASPC最低，在保证用户服务质量的前提下比只考虑优化基站密度的方案节约更多的能源。