随着第五代移动通信技术的发展,一些以往认为比较偏僻的地区对更高质量传输的需求增加,这些区域内基站更易发生过载,且基于现有负载均衡算法不易找到合适的卸载方案。幸运的是,在对未来通信技术的预研和展望中,星地融合的网络架构备受关注,其中卫星基站提供的常态化无缝覆盖显然可以协助缓解此类区域中地面基站的过载问题,故本文研究星地融合网络中的负载均衡算法。现有的负载均衡算法以用户的信号接收情况为判别指标,忽略了用户的动态变化,使得算法的长期性能下降,故本文考虑设计一种综合考虑多种因素的评价指标。本文首先对地面网络和卫星网络进行建模,然后基于对星地融合网络覆盖性能的分析,设计了模糊评价因子(Fuzzy Evaluation Metric,FEM)。FEM引入模糊逻辑机制避免设计显式数学关系的难度,可用来评估用户在当前和未来时刻对地面和卫星基站过载的影响,是本文后续算法设计的基础。接下来,本文提出基于模糊逻辑和强化学习的接入算法(Fuzz Logic and Reinforcement Learning based Access,FLRL-AC)。该算法引入FEM,得到了模糊深度确定性策略梯度(Fuzzy Deep Deterministic Policy Gradient,FDDPG)模型。FLRL-AC 利用 FEM 预处理了输入数据,也让所作决策考虑到了对未来的影响。与几种广泛应用的强化学习模型相比,所提算法给出的用户接入决策可以更好地避免基站过载。然后,本文提出基于模糊逻辑的卸载算法(Fuzzy Logic based Offloading,FL-OL),利用FEM找出最合适的被卸载用户和卸载目标基站。与已有算法相比,FL-OL在保持计算复杂度不变的前提下,延长了下一次过载时间间隔,减少多次调用算法和触发用户切换的开销。最终,本文联合上述的两部分算法得到基于模糊逻辑的负载均衡算法(Fuzzy Logic based Load Balancing,FL-LB)。FL-LB 在过载发生前引入主动负载均衡降低过载发生的可能性,在过载发生后保留被动负载均衡提供进一步的保障,从两个方面解决了星地融合网络中的过载问题,保障了星地融合网络的服务质量。
暂无评论