專利名稱：一種資源預(yù)留智能呼叫接納控制方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及呼叫接納控制方法，特別是一種基于資源預(yù)留的智能呼叫接納控制(RRICACResource Reserved Intelligent Call Admission Control)方法及裝置，屬通信系統(tǒng)資源管理領(lǐng)域。
背景技術(shù)：
呼叫接納控制方法正在發(fā)展階段。當(dāng)前，CDMA蜂窩通信系統(tǒng)中呼叫叫接納控制方案的研究主要有三大類一類是基于SIR或總干擾信號功率的CAC算法；另一類是基于系統(tǒng)容量分析模型的CAC算法；再一類是基于功率控制模型的CAC算法。但是這些算法研究要么只局限于單一業(yè)務(wù)系統(tǒng)，要么不能同時(shí)滿足系統(tǒng)多個QoS要求。
Chang Chung-Ju在其文章“寬帶CDMA蜂窩系統(tǒng)中不同Qos要求下的智能呼叫接納控制”(Intelligent Call Admission Control for Differentiated QoSProvisioning in Wideband CDMA Cellular Systems)一文中針對以上問題提出了基于神經(jīng)網(wǎng)絡(luò)辨識和模糊決策技術(shù)的智能呼叫接納控制(ICAC)方案，分別利用模糊決策和神經(jīng)網(wǎng)絡(luò)辨識能力，估計(jì)新用戶請求產(chǎn)生的等效干擾及系統(tǒng)中已連接用戶的平均干擾，然后根據(jù)估計(jì)的兩個干擾和系統(tǒng)反饋的當(dāng)前各類業(yè)務(wù)的測量中斷概率，決定呼叫請求的接納與否。該ICAC算法可應(yīng)用于多業(yè)務(wù)CDMA系統(tǒng)，能始終保證各類業(yè)務(wù)中斷概率滿足要求。但是該算法存在以下兩個缺點(diǎn)1)實(shí)施復(fù)雜，算法執(zhí)行過程要不斷測量并計(jì)算系統(tǒng)當(dāng)前中斷概率，相關(guān)計(jì)算量大；2)系統(tǒng)中斷概率的嚴(yán)格保證使得重負(fù)載情況下新呼叫請求用戶的阻塞概率過高。

發(fā)明內(nèi)容
針對上述現(xiàn)有方法中存在的缺點(diǎn)，本發(fā)明所要解決的問題是提供一種基于資源預(yù)留的智能呼叫接納控制方法及裝置，簡化算法實(shí)施復(fù)雜度，在系統(tǒng)中斷概率可容忍范圍內(nèi)降低新呼叫請求用戶的阻塞概率。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一種基于資源預(yù)留的智能呼叫接納控制裝置，用當(dāng)前系統(tǒng)用戶數(shù)代替ICAC方案中的測量中斷概率，實(shí)施接納判決。包括三個模塊模糊等效干擾估計(jì)器、神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器以及模糊呼叫接納處理器。模糊等效干擾估計(jì)器模塊用于估計(jì)新呼叫請求用戶產(chǎn)生干擾；神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器用于當(dāng)前系統(tǒng)內(nèi)已連接用戶干擾的一步預(yù)測；模糊呼叫接納處理器用于新呼叫請求用戶的接納判決。
一種資源預(yù)留智能呼叫接納控制方法，采用模糊決策和神經(jīng)網(wǎng)絡(luò)辨識技術(shù)實(shí)施呼叫接納控制算法，運(yùn)用模糊邏輯的不確定性和專家信息進(jìn)行新呼叫請求用戶產(chǎn)生的干擾及接納判決；運(yùn)用神經(jīng)網(wǎng)絡(luò)辨識技術(shù)的非線性和預(yù)測特性進(jìn)行系統(tǒng)內(nèi)已連接用戶產(chǎn)生干擾的一步預(yù)測。
模糊等效干擾估計(jì)器采用模糊決策技術(shù)，根據(jù)新呼叫請求的業(yè)務(wù)參數(shù)(峰值速率Rp、均值速率Rm、峰值速率持續(xù)時(shí)間Tp及中斷概率要求Potg)，估計(jì)其產(chǎn)生的干擾Inew。
神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器根據(jù)系統(tǒng)辨識及神經(jīng)網(wǎng)絡(luò)原理，設(shè)計(jì)一個串行反饋神經(jīng)網(wǎng)絡(luò)，把當(dāng)前時(shí)刻n時(shí)系統(tǒng)內(nèi)存在用戶的平均干擾Ik′(n)作為串行反饋神經(jīng)網(wǎng)絡(luò)的輸入變量，來精確預(yù)測下一時(shí)刻(n+1)時(shí)系統(tǒng)內(nèi)連接用戶的干擾Ik^(n+1)。
模糊呼叫接納處理器利用模糊決策技術(shù)，根據(jù)模糊等效干擾估計(jì)器輸出的新呼叫請求產(chǎn)生的等效干擾、神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器輸出的系統(tǒng)內(nèi)已連接用戶的一步預(yù)測干擾及當(dāng)前系統(tǒng)容納用戶數(shù)Num，進(jìn)行新呼叫請求的接納判決。為降低中斷概率預(yù)留出一部分用戶數(shù)，只有當(dāng)系統(tǒng)當(dāng)前用戶數(shù)不大于系統(tǒng)可容納的最大用戶數(shù)與預(yù)留用戶數(shù)之差時(shí)，新呼叫請求用戶才有可能被接納。根據(jù)試驗(yàn)方法設(shè)置預(yù)留用戶數(shù)的取值在用戶某一到達(dá)速率下，記錄在不同預(yù)留用戶數(shù)情況下的系統(tǒng)性能，選擇性能最好情況下的預(yù)留值作為其最終取值。
本發(fā)明具有下述優(yōu)點(diǎn)1、本發(fā)明采用資源預(yù)留策略降低各類業(yè)務(wù)的中斷概率，把系統(tǒng)當(dāng)前用戶數(shù)和系統(tǒng)可容納的最大用戶數(shù)與預(yù)留用戶數(shù)之差的比較作為接納判決的依據(jù)之一，實(shí)施簡單。在算法實(shí)施過程中，系統(tǒng)當(dāng)前用戶數(shù)只需根據(jù)其成員函數(shù)轉(zhuǎn)換為相應(yīng)的語言變量，然后再與其它參數(shù)語言變量輸入到模糊推理機(jī)即可，簡單易行，計(jì)算量小。
2、本發(fā)明降低了重負(fù)載情況下新呼叫請求用戶阻塞概率。由于ICAC算法把當(dāng)前系統(tǒng)中斷概率作為接納判決的主要依據(jù)之一，根據(jù)模糊接納處理器判決規(guī)則，只要中斷概率接近要求門限，新呼叫請求就會被阻塞，而本發(fā)明是通過預(yù)留資源而不是接納判決來降低中斷概率的，因此，在給定預(yù)留資源的值后，隨著負(fù)荷的增加，該發(fā)明的阻塞概率必然要低于ICAC。
3、本發(fā)明采用了預(yù)留策略，使得重負(fù)載情況下系統(tǒng)中斷概率仍在可容忍范圍內(nèi)。綜合系統(tǒng)中斷概率和新呼叫請求用戶阻塞概率二者因素考慮，本發(fā)明的服務(wù)等級優(yōu)于ICAC算法。


下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)說明，
圖1是本發(fā)明資源預(yù)留智能呼叫接納控制方案框架圖。
圖2是本發(fā)明資源預(yù)留智能呼叫接納控制方案的模糊等效干擾估計(jì)器示意圖。
圖3是本發(fā)明資源預(yù)留智能呼叫接納控制方案的神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器結(jié)構(gòu)圖。
圖4是本發(fā)明資源預(yù)留智能呼叫接納控制方案的執(zhí)行流程圖。
圖5是仿真結(jié)果。
實(shí)施例1一種基于資源預(yù)留的智能呼叫接納控制裝置，包括模糊等效干擾估計(jì)器根據(jù)新呼叫請求的業(yè)務(wù)參數(shù)估計(jì)其產(chǎn)生的干擾。
神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器根據(jù)當(dāng)前時(shí)刻系統(tǒng)內(nèi)存在用戶的平均干擾，來預(yù)測下一時(shí)刻系統(tǒng)內(nèi)連接用戶的干擾。
模糊呼叫接納處理器根據(jù)模糊等效干擾估計(jì)器輸出的新呼叫請求產(chǎn)生的等效干擾、神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器輸出的系統(tǒng)內(nèi)已連接用戶的一步預(yù)測干擾及當(dāng)前系統(tǒng)容納用戶數(shù)，進(jìn)行新呼叫請求的接納判決。
如圖1所示，新呼叫請求的業(yè)務(wù)參數(shù)(即峰值速率Rp、均值速率Rm、峰值速率持續(xù)時(shí)間Tp及中斷概率要求Potg)輸入到模糊等效干擾估計(jì)器，估計(jì)其產(chǎn)生的干擾Inew；當(dāng)前時(shí)刻(n時(shí)刻)系統(tǒng)內(nèi)存在用戶的平均干擾Ik′(n)輸入到神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器，預(yù)測下一時(shí)刻(n+1時(shí)刻)系統(tǒng)內(nèi)連接用戶的干擾Ik^(n+1)；模糊呼叫接納處理器根據(jù)Inew、Ik^(n+1)及當(dāng)前系統(tǒng)容納用戶數(shù)Num進(jìn)行接納判決。
一種資源預(yù)留智能呼叫接納控制方法，所述模糊等效干擾估計(jì)器是一個模糊執(zhí)行過程，如圖2所示，估計(jì)器根據(jù)模糊邏輯中的成員函數(shù)把新呼叫請求的業(yè)務(wù)參數(shù)轉(zhuǎn)換為相應(yīng)語言變量，作為模糊推理系統(tǒng)的輸入，然后根據(jù)相應(yīng)的模糊規(guī)則，求得估計(jì)的新呼叫請求產(chǎn)生的干擾的模糊集合，利用解模糊化方法計(jì)算其數(shù)值。
所述神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器根據(jù)系統(tǒng)辨識原理，把系統(tǒng)內(nèi)已連接用戶的干擾建模為非線性自回歸移動平均模型(NARMA)，利用NARMA模型把平均干擾的一步預(yù)測描述為p個測量干擾和q個已預(yù)測的干擾的函數(shù)，即Ik^(n+1)=H(Ik′(n),...,Ik′(n-p+1);Ik^(n),...,Ik^(n-q+1))---(1)]]>其中，Ik^(i)表示k小區(qū)內(nèi)i(n-q+1≤i≤n)時(shí)刻平均干擾預(yù)測值，Ik′(i)表示i(n-p+1≤i≤n)時(shí)刻平均干擾測量值，H(·)為待定的非線性函數(shù)。通過設(shè)計(jì)一個串行反饋神經(jīng)網(wǎng)絡(luò)來近似H(·)函數(shù)，以達(dá)到較高預(yù)測精度、較快收斂速率及低計(jì)算復(fù)雜度。把當(dāng)前時(shí)刻n時(shí)系統(tǒng)內(nèi)存在用戶的平均干擾Ik′(n)作為串行反饋神經(jīng)網(wǎng)絡(luò)的輸入變量，來精確預(yù)測下一時(shí)刻(n+1)時(shí)系統(tǒng)內(nèi)連接用戶的干擾Ik^(n+1)，為了加強(qiáng)預(yù)測的精確性，Ik′(n)取N個T時(shí)間段內(nèi)系統(tǒng)干擾的均值，即Ik′(n)=Σi=0N-1Ik(n-iT)N---(2)]]>其中，N表示時(shí)間窗的長度。反饋神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器結(jié)構(gòu)如圖3所示，包含q層網(wǎng)絡(luò)，每層都有一個相似的神經(jīng)網(wǎng)絡(luò)模型和一個減法器。第i層網(wǎng)絡(luò)有兩個外部輸入測量干擾采樣值Ik′(n-i+2)的延時(shí)和前一層的第一個輸出神經(jīng)元Yi+1，1(n)，Ik′(n-i+2)與該模型輸出的差構(gòu)成誤差信號ei(n)，用來動態(tài)調(diào)整第i個神經(jīng)網(wǎng)絡(luò)模型的權(quán)值。第一個模型的輸出Y1，1(n)就是要求的下一時(shí)刻的預(yù)測干擾Ik^(n+1)。
所述模糊呼叫接納處理器是一個模糊判決過程，處理器解模糊化后得到的接納判決值Z和接納門限ZTH作比較，若Z＞ZTH，就接納新呼叫請求，否則拒絕。
其中資源預(yù)留體現(xiàn)在系統(tǒng)當(dāng)前容納用戶數(shù)成員函數(shù)的選擇與參數(shù)設(shè)置上，為降低中斷概率預(yù)留出一部分用戶數(shù)，只有當(dāng)系統(tǒng)當(dāng)前用戶數(shù)不大于系統(tǒng)可容納的最大用戶數(shù)與預(yù)留用戶數(shù)之差時(shí)，新呼叫請求用戶才有可能被接納。系統(tǒng)可容納最大用戶數(shù)由話音和數(shù)據(jù)業(yè)務(wù)的中斷概率要求確定Potg1=Pr{Zk<SIR1*}≤Potg1*---(3)]]>Potg2=Pr{Zk<SIR2*}≤Potg2*---(4)]]>Zk=Σi=1Nv,kvi,k+Σj=1Nd,kδj,k·RG·Mj,k---(5)]]>式(5)中vi，k和δj，k分別表示小區(qū)k內(nèi)話音用戶i和數(shù)據(jù)用戶j的激活概率。由式(3)至(5)求得Nv，k和Nd，k的最大值，系統(tǒng)容納最大用戶數(shù)取兩最大值中最大者。根據(jù)試驗(yàn)方法設(shè)置預(yù)留用戶數(shù)的取值在用戶某一到達(dá)速率下，記錄在不同預(yù)留用戶數(shù)情況下的系統(tǒng)性能，選擇性能最好情況下的預(yù)留值作為其最終取值，然后根據(jù)此值仿真驗(yàn)證資源預(yù)留智能呼叫接納控制方法。
模糊等效干擾估計(jì)器和模糊呼叫接納處理器設(shè)計(jì)均采用Mamdani型模糊邏輯系統(tǒng)，解模糊均采用面積中心法，計(jì)算公式為X=Σi=1Kωi×XiΣi=1Kωi]]>其中，ωi表示權(quán)重，Xi表示輸入的模糊集合。
上述方法流程如圖4所示。流程步驟如下步驟1等待呼叫請求的到達(dá)，步驟2估計(jì)呼叫請求產(chǎn)生的干擾，或步驟3預(yù)測當(dāng)前系統(tǒng)內(nèi)用戶干擾，
或步驟4測量當(dāng)前系統(tǒng)內(nèi)用戶數(shù)，步驟5求接納判決值Z，步驟6判斷判決值Z是否大于一個定值ZTH，若是，執(zhí)行下面步驟7，若否，拒絕回到步驟1，步驟7接納并從可用信道中分配相應(yīng)信道，系統(tǒng)內(nèi)用戶數(shù)加一，返回步驟1。
基于資源預(yù)留的智能呼叫接納控制方法及裝置的性能評價(jià)指標(biāo)隨新呼叫請求到達(dá)速率變化曲線參見圖5。
實(shí)施例2在無線傳播中，主要存在路徑和陰影損耗，用戶均勻分布在小區(qū)內(nèi)，所有用戶在其本地小區(qū)內(nèi)都具有完美功率控制，即基站接收到的話音或數(shù)據(jù)業(yè)務(wù)的每個基本信道的功率都等于常值。
用戶終端產(chǎn)生的業(yè)務(wù)分為實(shí)時(shí)的話音業(yè)務(wù)和非實(shí)時(shí)的數(shù)據(jù)業(yè)務(wù)兩種，話音和數(shù)據(jù)用戶的到達(dá)均服從泊松分布，話音源建模為兩狀態(tài)離散時(shí)間馬爾科夫鏈，在ON狀態(tài)(通話期)期間，每幀長T時(shí)間內(nèi)產(chǎn)生一個空中接口包，在OFF狀態(tài)(靜默期)期間，不產(chǎn)生空中接口包，通話和靜默期平均持續(xù)時(shí)間分別服從參數(shù)為1/α和1/β的指數(shù)分布，數(shù)據(jù)源由群泊松過程表征，平均信息到達(dá)率為Ad，數(shù)據(jù)信息長度為服從幾何分布的正值隨機(jī)變量，根據(jù)數(shù)據(jù)業(yè)務(wù)的處理增益，把高層協(xié)議數(shù)據(jù)單元進(jìn)一步分為一組空中接口包。
串行反饋神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器設(shè)計(jì)采用定制的方法，利用Levenberg-Marquardt規(guī)則訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
采用資源預(yù)留的策略降低系統(tǒng)中斷概率，系統(tǒng)當(dāng)前用戶數(shù)和系統(tǒng)可容納的最大用戶數(shù)與預(yù)留用戶數(shù)之差的比較作為接納判決的依據(jù)之一，在用戶某一到達(dá)速率下，記錄在不同預(yù)留用戶數(shù)情況下的系統(tǒng)性能，選擇性能最好情況下的預(yù)留值作為其最終取值，然后根據(jù)此值仿真驗(yàn)證資源預(yù)留智能呼叫接納控制方法。
權(quán)利要求
1.一種資源預(yù)留智能呼叫接納控制裝置，其特征在于包括模糊等效干擾估計(jì)器、神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器以及模糊呼叫接納處理器，模糊等效干擾估計(jì)器模塊用于估計(jì)新呼叫請求用戶產(chǎn)生干擾；神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器用于當(dāng)前系統(tǒng)內(nèi)已連接用戶干擾的一步預(yù)測；模糊呼叫接納處理器用于新呼叫請求用戶的接納判決。
2.一種資源預(yù)留智能呼叫接納控制方法，其特征在于采用模糊決策和神經(jīng)網(wǎng)絡(luò)辨識技術(shù)實(shí)施呼叫接納控制算法，運(yùn)用模糊邏輯的不確定性和專家信息進(jìn)行新呼叫請求用戶產(chǎn)生的干擾及接納判決；運(yùn)用神經(jīng)網(wǎng)絡(luò)辨識技術(shù)的非線性和預(yù)測特性進(jìn)行系統(tǒng)內(nèi)已連接用戶產(chǎn)生干擾的一步預(yù)測。
3.根據(jù)權(quán)利要求2所述的一種資源預(yù)留智能呼叫接納控制方法，其特征在于采用資源預(yù)留的策略降低系統(tǒng)中斷概率，系統(tǒng)當(dāng)前用戶數(shù)和系統(tǒng)可容納的最大用戶數(shù)與預(yù)留用戶數(shù)之差的比較作為接納判決的依據(jù)之一，在用戶某一到達(dá)速率下，記錄在不同預(yù)留用戶數(shù)情況下的系統(tǒng)性能，選擇性能最好情況下的預(yù)留值作為其最終取值，然后根據(jù)此值仿真驗(yàn)證資源預(yù)留智能呼叫接納控制方法。
4.根據(jù)權(quán)利要求2所述的一種資源預(yù)留智能呼叫接納控制方法，其特征在于用戶終端產(chǎn)生的業(yè)務(wù)分為實(shí)時(shí)的話音業(yè)務(wù)和非實(shí)時(shí)的數(shù)據(jù)業(yè)務(wù)兩種，話音和數(shù)據(jù)用戶的到達(dá)均服從泊松分布，話音源建模為兩狀態(tài)離散時(shí)間馬爾科夫鏈，在ON狀態(tài)(通話期)期間，每幀長T時(shí)間內(nèi)產(chǎn)生一個空中接口包，在OFF狀態(tài)(靜默期)期間，不產(chǎn)生空中接口包，通話和靜默期平均持續(xù)時(shí)間分別服從參數(shù)為1/α和1/β的指數(shù)分布，數(shù)據(jù)源由群泊松過程表征，平均信息到達(dá)率為Ad，數(shù)據(jù)信息長度為服從幾何分布的正值隨機(jī)變量，根據(jù)數(shù)據(jù)業(yè)務(wù)的處理增益，把高層協(xié)議數(shù)據(jù)單元進(jìn)一步分為一組空中接口包。
5.根據(jù)權(quán)利要求2所述的一種資源預(yù)留智能呼叫接納控制方法，其特征在于在無線傳播中，主要存在路徑和陰影損耗，用戶均勻分布在小區(qū)內(nèi)，所有用戶在其本地小區(qū)內(nèi)都具有完美功率控制，即基站接收到的話音或數(shù)據(jù)業(yè)務(wù)的每個基本信道的功率都等于常值。
6.根據(jù)權(quán)利要求2所述的一種資源預(yù)留智能呼叫接納控制方法，其特征在于模糊等效干擾估計(jì)器和模糊呼叫接納處理器設(shè)計(jì)均采用Mamdani型模糊邏輯系統(tǒng)，解模糊均采用面積中心法，計(jì)算公式為X=Σi=1Kωi×XiΣi=1Kωi]]>
7.根據(jù)權(quán)利要求2所述的一種資源預(yù)留智能呼叫接納控制方法，其特征在于串行反饋神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器設(shè)計(jì)采用定制的方法，利用Levenberg-Marquardt規(guī)則訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
全文摘要
一種基于資源預(yù)留的智能呼叫接納控制方法及裝置，用當(dāng)前系統(tǒng)用戶數(shù)代替ICAC方案中的測量中斷概率，實(shí)施接納判決。包括三個模塊模糊等效干擾估計(jì)器、神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器以及模糊呼叫接納處理器。模糊等效干擾估計(jì)器模塊用于估計(jì)新呼叫請求用戶產(chǎn)生干擾；神經(jīng)網(wǎng)絡(luò)干擾預(yù)測器用于當(dāng)前系統(tǒng)內(nèi)已連接用戶干擾的一步預(yù)測；模糊呼叫接納處理器用于新呼叫請求用戶的接納判決。本發(fā)明采用資源預(yù)留策略降低各類業(yè)務(wù)的中斷概率，把系統(tǒng)當(dāng)前用戶數(shù)和系統(tǒng)可容納的最大用戶數(shù)與預(yù)留用戶數(shù)之差的比較作為接納判決的依據(jù)之一，簡單易行，計(jì)算量?。辉谥刎?fù)載情況下，新呼叫請求用戶阻塞概率低。
文檔編號H04W28/26GK1678120SQ200510011698
公開日2005年10月5日 申請日期2005年5月10日 優(yōu)先權(quán)日2005年5月10日
發(fā)明者朱剛, 牛桂新 申請人:北京交通大學(xué)