[发明专利]多运营商场景下自主无线资源管理方法、系统及设备

说明书

技术领域

本发明涉及移动无线网络技术领域，更确切地说是以一种应用在异构网络中多运营商场景下的自主无线资源管理方法及系统

背景技术

异构无线网络(包括通用移动通信系统(UMTS)、无线本地接入网络(WLAN)等)的共存是未来B3G环境的主要特点。各种无线网络具有重叠的覆盖范围、多种业务需求和互补的技术特性，为了获得更高的系统性能和更丰富的用户体验，无线网络之间必须进行交互和协同。近年来，基于软件无线电技术的端到端重配置技术已经得到逐步发展，更有利于无线资源管理为终端和网络提供动态的网络选择能力、适配到所需无线网络的能力。

尽管目前的无线资源管理方法可以成功地完成任务，但是并没有体现管理自主性。然而，随着满足用户和运营商需求的各种技术和设备的增加，使得系统复杂性不断增加，因而自主性就变得越来越重要。考虑一个运营商在一个城市区域内运营几个具有不同无线接入技术的接入网络，无线接入技术之间的联合控制必须是自管理的并适合不同的业务流需求，没有许多人为干预的规划和维护成本。

而且在多运营商的场景下，一个运营商不仅要考虑自身的利益、网络质量等问题，还要权衡其他运营商的相关问题。运营商之间往往存在着一种竞争的关系，不能简单以处理一个运营商下的多个网络的方法来加以解决。目前也没有相关的方法来解决这一问题。

发明内容

鉴于以上问题，本发明提出了用于多运营商场景下的自主联合无线资源管理方法、系统和设备，妥善地解决多运营商之间的竞争管理，并进一步满足了系统对自主性的要求。

基于上述目的本发明提供的一种多运营商场景下的自主无线资源管理方法，包括：

处于多运营商的网络重叠覆盖区域的用户终端发送会话请求后，运营商的网络分析当前网络状态；

计算在当前网络情况下，采用不同的无线资源管理方法所带来的重叠覆盖的各个网络的收益情况；

依据各个运营商的综合利益水平选择最优无线资源管理方法。

该方法所述分析当前网络状态包括：收集该会话请求的特性和网络负载信息，并将其转化为表示当前网络状态的可用网络信息。

该方法所述收集到达会话的特性和负载信息主要包括：所在位置、所要求服务的类别及所在地网络的具体网络参数；

所述转化过程为将到达会话的特性和负载信息通过数据量化和参数对应手段转化出可用网络信息。

该方法所述可用的网络信息包括：该用户所需服务实际要求网络提供的带宽、服务质量等参数以及所在地网络的实际负载百分比。

该方法所述计算收益情况包括：将得到的网络状态信息通过神经网络进行泛化，计算在当前网络情况下，采用不同的无线资源管理方法所带来的自身网络的收益情况。

该方法所述选择最优无线资源管理方法过程采用自主学习方法。

该方法所述自主学习方法为Q学习算法。

该方法每个运营商各自维护自己的Q值表，他们之间共享Q值信息，把每个运营商的Q值表形成一个矩阵，进而采用相关Q线性规划，得到一个综合的评定标准，每个运营商根据这个标准选择合适的无线资源管理方法进行实施。

该方法所述选择最优无线资源管理方法包括：对产生的不同运营商的网络情况下不同行为所对应的收益进行博弈，得到一个综合的判定标准；

根据得出的综合判定标准，选择一种无线资源管理方法保存选择结果，并将这种方法传输到用户终端。

该方法所述得到一个综合的判定标准后，再计算各个网络的状态，用来更新历史中的收益值

该方法所述在为用户终端分配好合适的无线资源管理方法之后，还包括：获得本网络的收益，并且通过与其他运营商网络的通信获得重叠覆盖的其他网络的收益和所选择的无线资源管理方法并保存。

该方法所述分析当前网络状态前还包括：设定初始参数；

每次完成最优无线资源管理方法选择后还包括：对各模块的参数进行收敛处理。

该方法所述初始化参数包括：神经网络的偏好和训练队列的长度、自主学习部分的折扣因子、方法选择算法中的初始探索概率、初始学习率以及初始搜索概率。

该方法所述收敛处理后，还包括：根据更新后的参数判断学习是否到达了一个稳定状态；如果是，则进终止当前迭代学习的过程；否则继续进行下一轮的迭代学习过程。

该方法所述判断稳定状态的过程包括：当学习率减小到0或者一个预先定义的门限时，判定该过程达到稳定状态，否则，认为尚未达到稳定状态。