实现5G网络优化的方法和系统技术方案

本发明专利技术提供一种通过S

【技术实现步骤摘要】
实现5G网络优化的方法和系统


[0001]本专利技术涉及通信
，尤其涉及一种通过智能网络仓储功能网元(即，S
‑
NRF网元)实现5G网络优化的方法、系统、一种计算机设备以及一种计算机可读存储介质。

技术介绍

[0002]5G核心网各个网络功能实体单元NF(Network Function，网元)之间的通信、寻址、功能调用等由5G的信令网完成。因此，5G的信令网是5GC(5G core：5G核心网)核心网的重要部分。3GPP在R15版本提出了5GC的系统架构，引入了NRF(Network Repository Function：网络仓储功能)网元。
[0003]5G的智能化网络是5G演进和未来6G发展的一个重要方向，3GPP将AI(人工智能)引入5G网络，新增了一个网元NWDAF(Network Data Analytics Function，网络数据分析功能)，但是优化5G核心网同样面临以下问题：现有5G网络的网元基本基于功能实现，智能化能力较差，不能根据网络的实时状态调整运行状态以达到整个网络的最优运行；4G到5G是一个逐步演进的过程，中间面临很多不同的演进阶段，优化方案需要兼顾不同形态的核心网；NWDAF是一个比较重的网元，功能涵盖网络优化、终端优化、网络切片优化等优化功能，5G核心网的优化是其中一个功能，功能实现和精细度都收到较大的制约；5GC的信令可以是反映网络实时状态的一个重要资源，而5GC中的网元信令局限在本网元功能范围内，缺乏整个网络信令的获取能力。

技术实现思路

[0004]为了至少部分解决现有技术中存在的5G网络优化需求而完成了本专利技术。
[0005]根据本专利技术的一方面，提供一种通过智能网络仓储功能网元，S
‑
NRF网元，实现5G网络优化的方法，包括：
[0006]S1、S
‑
NRF网元通过信令网对不同形态的核心网中的实体网元NF的状态进行动态感知，
[0007]S2、S
‑
NRF网元根据实体网元NF的状态动态优化各个实体网元NF的配置参数，
[0008]S3、S
‑
NRF网元通过信令网络将动态优化后的配置参数部署到相应的实体网元NF，其中，
[0009]所述S
‑
NRF网元根据实体网元NF的状态动态优化各个实体网元NF的配置参数的步骤S2包括：
[0010]S21、采用数字孪生技术在S
‑
NRF网元的内部构建与所述核心网对应并将参数按预设功能筛选的虚拟核心网，其中，所述虚拟核心网中生成虚拟网元以与各个实体网元NF对应，
[0011]S22、在所述虚拟核心网中通过机器学习生成各个虚拟网元的动态优化后的配置参数，以及
[0012]S23、在所述虚拟核心网中根据各个实体网元NF的实际情况验证所述动态优化后
的配置参数。
[0013]可选地，所述在所述虚拟核心网中通过机器学习生成各个虚拟网元的动态优化后的配置参数的步骤S22包括：
[0014]在所述虚拟核心网中采用智能决策算法针对实际环境学习，生成各个虚拟网元的智能决策规则，生成各个虚拟网元的动态优化后的配置参数，
[0015]所述在所述虚拟核心网中根据各个实体网元NF的实际情况验证所述动态优化后的配置参数的步骤S23包括：
[0016]在虚拟核心网中根据实际网络中各个实体网元NF的运行状态数据生成动态参数并且验证。
[0017]可选地，所述采用数字孪生技术在S
‑
NRF网元的内部构建与所述核心网轻量化对应的虚拟核心网的步骤S21包括：
[0018]S211、物理实体建模，其包括根据动态感知采集的数据，对各个实体网元NF的物理实体建模以得到对应各个实体网元NF的网元物理实体P，根据场景确定网元物理实体P的各个参数的重要性，按照重要性排序筛选出符合预设条件的虚拟参数，
[0019]S212、虚拟实体建模，其包括基于5G网络的信令接口并根据所述虚拟参数构建与网元物理实体P相对应的网元虚拟实体V以作为虚拟网元，其中，所述网元虚拟实体V采用具有统一的封装信令接口以及内部功能配置的通用虚拟网元，以在所述网元虚拟实体V配置不同的配置文件后，实现具体实体网元NF的信令应答的模拟，以及内部工作状态参数与指标生成对应的算法，
[0020]S213、服务建模，其包括建立包括有基础模型和功能模型的服务映射模型，其中，基础模型是基于实体网元NF的基础配置、环境信息、运行状态和链路拓扑,建立的对应于各个实体网元NF的相关功能的网元物理实体P的基础信息描述，其将虚拟建模的功能与参数映射以建立服务功能，功能模型用于实现预设的信令功能，针对实体网元NF的选定状态的功能建立而不需要实现实体网元NF的全部功能，
[0021]S214、连接建模，虚拟节点连接关系之间的建模，其包括对虚拟核心网中虚拟网元的收发信令和动态参数收发协议的实现，以及
[0022]S215、利用网元抽象算法构建网元物理实体P到网元虚拟实体V的映射以建立虚拟连接关系，其中，R是映射参数。
[0023]可选地，所述利用网元抽象算法构建网元物理实体P到网元虚拟实体V的映射的步骤S215采用反向重构函数寻求映射参数R，以根据网元虚拟实体V的模型参数来反向寻求网元物理实体P中的相关功能参数。
[0024]可选地，所述采用反向重构函数寻求映射参数R的步骤包括在虚拟过程中去掉映射参数R中多余的冗余信息，只保留映射参数R中与具体应用场景相关的精简信息的所需映射参数r，将参数分为静态参数和动态参数，保留必要的静态特征参数而减少动态参数，其中，映射参数R的计算式为:
[0025][0026]其中，网元虚拟实体V包括M个相关参数，m∈{1,2,...,M}，网元物理实体P包括与M
个相关参数映射的N个指标参数，n∈{1,2,...,N}，E是对每个参数取所有测量结果的平均值，其中
[0027]p(v
m
|f
n
)＝p(f
n
|v
m
)p(v
m
)
[0028]其中，p(v
m
|f
n
)是选定的网元物理实体参数f
n
映射成网元虚拟实体参数v
m
，p(f
n
|v
m
)是测量网元物理实体参数f
n
对选定的网元虚拟实体参数v
m
的实际影响的概率值，p(v
m
)是网元虚拟实体参数v
m
对整体指标的影响程度，并且其中，
[0029]所需映射参数r的计算式为:
[0030]r＝argmax[(s|f)
‑
(d|f)][0031]其中，arg是获取参数的过程，r∈R，r是R中的所需映射参数，s|f是R中的静态参数，d|f是R中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过智能网络仓储功能网元，S
‑
NRF网元，实现5G网络优化的方法，包括：S1、S
‑
NRF网元通过信令网对不同形态的核心网中的实体网元NF的状态进行动态感知，S2、S
‑
NRF网元根据实体网元NF的状态动态优化各个实体网元NF的配置参数，S3、S
‑
NRF网元通过信令网络将动态优化后的配置参数部署到相应的实体网元NF，其中，所述S
‑
NRF网元根据实体网元NF的状态动态优化各个实体网元NF的配置参数的步骤S2包括：S21、采用数字孪生技术在S
‑
NRF网元的内部构建与所述核心网对应并将参数按预设功能筛选的虚拟核心网，其中，所述虚拟核心网中生成虚拟网元以与各个实体网元NF对应，S22、在所述虚拟核心网中通过机器学习生成各个虚拟网元的动态优化后的配置参数，以及S23、在所述虚拟核心网中根据各个实体网元NF的实际情况验证所述动态优化后的配置参数。2.根据权利要求1所述的方法，其特征在于，所述在所述虚拟核心网中通过机器学习生成各个虚拟网元的动态优化后的配置参数的步骤S22包括：在所述虚拟核心网中采用智能决策算法针对实际环境学习，生成各个虚拟网元的智能决策规则，生成各个虚拟网元的动态优化后的配置参数，所述在所述虚拟核心网中根据各个实体网元NF的实际情况验证所述动态优化后的配置参数的步骤S23包括：在虚拟核心网中根据实际网络中各个实体网元NF的运行状态数据生成动态参数并且验证。3.根据权利要求1所述的方法，其特征在于，所述采用数字孪生技术在S
‑
NRF网元的内部构建与所述核心网轻量化对应的虚拟核心网的步骤S21包括：S211、物理实体建模，其包括根据动态感知采集的数据，对各个实体网元NF的物理实体建模以得到对应各个实体网元NF的网元物理实体P，根据场景确定网元物理实体P的各个参数的重要性，按照重要性排序筛选出符合预设条件的虚拟参数，S212、虚拟实体建模，其包括基于5G网络的信令接口并根据所述虚拟参数构建与网元物理实体P相对应的网元虚拟实体V以作为虚拟网元，其中，所述网元虚拟实体V采用具有统一的封装信令接口以及内部功能配置的通用虚拟网元，以在所述网元虚拟实体V配置不同的配置文件后，实现具体实体网元NF的信令应答的模拟，以及内部工作状态参数与指标生成对应的算法，S213、服务建模，其包括建立包括有基础模型和功能模型的服务映射模型，其中，基础模型是基于实体网元NF的基础配置、环境信息、运行状态和链路拓扑,建立的对应于各个实体网元NF的相关功能的网元物理实体P的基础信息描述，其将虚拟建模的功能与参数映射以建立服务功能，功能模型用于实现预设的信令功能，针对实体网元NF的选定状态的功能建立而不需要实现实体网元NF的全部功能，S214、连接建模，虚拟节点连接关系之间的建模，其包括对虚拟核心网中虚拟网元的收
发信令和动态参数收发协议的实现，以及S215、利用网元抽象算法构建网元物理实体P到网元虚拟实体V的映射以建立虚拟连接关系，其中，R是映射参数。4.根据权利要求3所述的方法，其特征在于，所述利用网元抽象算法构建网元物理实体P到网元虚拟实体V的映射的步骤S215采用反向重构函数寻求映射参数R，以根据网元虚拟实体V的模型参数来反向寻求网元物理实体P中的相关功能参数。5.根据权利要求4所述的方法，其特征在于，所述采用反向重构函数寻求映射参数R的步骤包括在虚拟过程中去掉映射参数R中多余的冗余信息，只保留映射参数R中与具体应用场景相关的精简信息的所需映射参数r，将参数分为静态参数和动态参数，保留必要的静态特征参数而减少动态参数，其中，映射参数R的计算式为:其中，网元虚拟实体V包括M个相关参数，m∈{1,2,...,M}，网元物理实体P包括与M个相关参数映射的N个指标参数，n∈{1,2,...,N}，E是对每个参数取所有测量结果的平均值，其中p(v
m
|f
n
)＝p(f
n
|v
m
)p(v
m
)其中，p(v
m
|f
n
)是选定的网元物理实体参数f
n
映射成网元虚拟实体参数v
m
，p(f
n
|v
m
)是测量网元物理实体参数f
n
对选定的网元虚拟实体参数v
m
的实际影响的概率值，p(v
m
)是网元虚拟实体参数v
m
对整体指标的影响程度，并且其中，所需映射参数r的计算式为:r＝argmax[(s|f)
‑
(d|f)]其中，arg是获取参数的过程，r∈R，r是R中的所需映射参数，s|f是R中的静态参数，d|f是R中的动态参数。6.根据权利要求4所述的方法，其特征在于，所述功能模型通过多个维度构建和扩展...

【专利技术属性】
技术研发人员：李希金，安岗，赵文东，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：