[發明專利]一種支持AI引擎的接入網智能切片管控方法及裝置

有效

• 申請號: 202110498811.9
• 申請日: 2021-05-08
• 公開（公告）號: CN113316188B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 張海君;王東;管婉青;盧同威
• 申請（專利權）人: 北京科技大學
• 主分類號: H04W28/02
• 分類號: H04W28/02;H04W28/16;G06N3/08;G06N3/04;G06K9/62;H04W28/24
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波;付忠林

本發明公開了一種支持AI引擎的接入網智能切片管控方法及裝置，該方法包括：測量用戶設備的流量細粒度，對用戶設備進行識別與分類；在接入網內創建和編排出一系列合適的接入網切片，將用戶設備分配到合適的接入網切片內；當用戶數據流量類型發生變動時，實時改變用戶設備所屬的接入網切片；在接入網切片運行過程中，根據從基站收集到的信息，基于預設的深度強化學習算法，對接入網切片中的片間資源調度進行管控，從而實現接入網切片所使用的基站無線資源隨著接入網內用戶設備的接入情況進行自適應優化。本發明可以實現接入網切片的自動創建編排、用戶設備分配以及切片更改刪除等功能。

技術領域

本發明涉及無線通信技術領域，特別涉及一種基于開源OpenAirInterface(OAI)平臺實現的支持人工智能(AI)引擎的接入網智能切片管控方法及裝置。

背景技術

在無線傳輸領域，現有的無線通信系統在下行控制資源的交互傳輸過程中，不同的用戶設備(User Equipment，UE)在接入同一個基站后，這些用戶之間共享所有的下行資源。然而，單個用戶的數據流量有可能會對其他用戶產生干擾，用戶之間的相互隔離難以保證。不同用戶之間爭搶無線資源的行為也會導致某些用戶的服務質量無法保證，而且會導致無線資源利用率的降低。

發明內容

本發明提供了一種支持AI引擎的接入網智能切片管控方法及裝置，以解決無線通信系統中某些用戶服務質量無法保證且無線資源利用率低的技術問題。

為解決上述技術問題，本發明提供了如下技術方案：

一方面，本發明提供了一種支持AI引擎的接入網智能切片管控方法，該支持AI引擎的接入網智能切片管控方法包括：

測量用戶設備的流量細粒度，根據流量細粒度對用戶設備進行識別與分類；

基于對用戶設備的識別與分類結果，在接入網內創建和編排出一系列符合用戶設備要求的接入網切片，將用戶設備分配到對應的接入網切片內；并在用戶設備的數據流量類型發生變動時，實時改變用戶設備所屬的接入網切片；其中，具有不同數據流量特征的用戶設備被分配到不同的接入網切片中；

在接入網切片運行過程中，根據從基站收集到的信息，基于預設的深度強化學習算法，對接入網切片中的片間資源調度進行管控，從而實現接入網切片所使用的基站無線資源隨著接入網內用戶設備的接入情況進行自適應優化。

進一步地，所述在接入網內創建和編排出一系列符合用戶設備要求的接入網切片，將用戶設備分配到對應的接入網切片內；并在用戶設備的數據流量類型發生變動時，實時改變用戶設備所屬的接入網切片，包括：

在開源OpenAirInterface平臺的軟件定義無線電基站中的介質訪問控制層實現切片間調度，以在接入網內創建和編排出一系列符合用戶設備要求的接入網切片，將用戶設備分配到對應的接入網切片內；并在用戶設備的數據流量類型發生變動時，實時改變用戶設備所屬的接入網切片；并且將接入網切片的生命周期管理流程抽象為API管理接口，通過預設的通信協議對外提供管理接口。

進一步地，所述根據流量細粒度對用戶設備進行識別與分類，包括：

采用預設的卷積神經網絡根據流量細粒度對用戶設備進行識別與分類；

所述卷積神經網絡的訓練過程，包括：

將公共網絡收集到的網絡流量可視化為計算機的數字圖像，構建移動流量數據圖像集；然后使用所述移動流量數據圖像集對所述卷積神經網絡進行訓練。

進一步地，所述從基站收集到的信息包括：每個接入網切片的吞吐量信息、用戶設備的時延信息以及用戶設備的信道質量指示反饋信息。

進一步地，所述預設的深度強化學習算法包括：雙重深度Q網絡算法DDQN、決斗深度Q網絡算法Dueling DQN，以及異步優勢Actor-Critic算法A3C。