本發(fā)明屬于無(wú)線通信網(wǎng)絡(luò)領(lǐng)域，涉及一種基于負(fù)載感知的密集網(wǎng)絡(luò)負(fù)載均衡方法。

背景技術(shù)：

密集異構(gòu)網(wǎng)絡(luò)的部署是在宏蜂窩保證基本覆蓋，針對(duì)網(wǎng)絡(luò)熱點(diǎn)地區(qū)進(jìn)行網(wǎng)絡(luò)擴(kuò)容的微基站部署或者網(wǎng)絡(luò)覆蓋盲區(qū)進(jìn)行網(wǎng)絡(luò)補(bǔ)盲的一種密集網(wǎng)絡(luò)架構(gòu)。隨著數(shù)據(jù)業(yè)務(wù)的不斷增加，網(wǎng)絡(luò)中的小基站數(shù)量也不斷增加，以提升網(wǎng)絡(luò)的容量。由于小基站的密集化，容量提升的同時(shí)也帶來(lái)了各種影響網(wǎng)絡(luò)性能的問(wèn)題，如負(fù)載均衡等問(wèn)題。密集異構(gòu)網(wǎng)絡(luò)下的負(fù)載均衡問(wèn)題主要是由于傳統(tǒng)的宏基站(MBS)與小功率節(jié)點(diǎn)(LPN)之間的發(fā)射功率差異和用戶的小范圍密集分布，造成用戶接入不均衡，從而導(dǎo)致網(wǎng)絡(luò)阻塞、掉話率高、系統(tǒng)資源利用率低等一系列問(wèn)題。

圖1為能夠用于實(shí)現(xiàn)本發(fā)明的一個(gè)系統(tǒng)場(chǎng)景圖。在圖1中：Marocell是宏小區(qū)；Picocell是微小區(qū)；Mue是宏基站用戶；Pue是微基站用戶。

從圖1所示的密集異構(gòu)網(wǎng)絡(luò)場(chǎng)景中可以看到，和傳統(tǒng)的通信網(wǎng)絡(luò)系統(tǒng)相比，由于小基站密集部署，網(wǎng)絡(luò)結(jié)構(gòu)更加復(fù)雜。當(dāng)小基站少量部署在宏小區(qū)中時(shí)，網(wǎng)絡(luò)系統(tǒng)中的負(fù)載均衡方式主要是宏小區(qū)的負(fù)載向微小區(qū)卸載，以達(dá)到負(fù)載均衡和系統(tǒng)擴(kuò)容的目的。而在小基站密集部署后，除了宏小區(qū)與微小區(qū)之間的跨層負(fù)載均衡問(wèn)題，同時(shí)也需要考慮微小區(qū)之間的同層負(fù)載均衡問(wèn)題。見(jiàn)圖2為密集異構(gòu)網(wǎng)絡(luò)下小區(qū)范圍擴(kuò)展負(fù)載均衡的兩種方式。在圖2中，Marocell是宏小區(qū)；Picocell是微小區(qū)；Mue是宏基站用戶；Pue是微基站用戶；ERue是小區(qū)范圍擴(kuò)展用戶。

小區(qū)范圍拓展(CRE)是3GPP提出的一種負(fù)載均衡方案：用戶在選擇小區(qū)接入時(shí)，會(huì)針對(duì)不同層基站的RSRP附加不同的偏置值，然后再根據(jù)加偏置后的最大值進(jìn)行接入。對(duì)于一個(gè)N層HetNet，用戶接入準(zhǔn)則為：

其中Bio為偏置值。在CRE方案中，LPN的偏置值大于MBS的偏置值，這樣可以占用戶會(huì)更多接入到LPN，拓展了LPN的覆蓋范圍，均衡了網(wǎng)絡(luò)負(fù)載。

現(xiàn)有的通過(guò)小區(qū)范圍擴(kuò)展(CRE)的負(fù)載均衡方案大多考慮在測(cè)量負(fù)載基礎(chǔ)上通過(guò)靜態(tài)或動(dòng)態(tài)的方式調(diào)整偏置值，以實(shí)現(xiàn)小區(qū)范圍擴(kuò)展，將過(guò)載小區(qū)邊緣用戶切換至范圍擴(kuò)展后的低負(fù)載小區(qū)，以實(shí)現(xiàn)負(fù)載均衡。一種基于PPP模型，從統(tǒng)計(jì)意義上給出了采用RE方案用戶接入每層網(wǎng)絡(luò)的概率以及每層網(wǎng)絡(luò)的用戶比例，并由此推出用戶在每層網(wǎng)絡(luò)的中斷概率/平均遍歷容量與偏置值之間的對(duì)應(yīng)關(guān)系及變化趨勢(shì)。但是其依然建立在每層基站都采用相同的偏置值的基礎(chǔ)上。考慮到不同基站的位置、負(fù)載以及服務(wù)用戶的信道質(zhì)量的差異性，有另一種自適應(yīng)偏置調(diào)整方案，該方案通過(guò)比較MBS邊緣用戶與每個(gè)LPN邊緣用戶的吞吐量性能調(diào)整LPN的偏置值。但是該方案并沒(méi)有從系統(tǒng)整體的角度考慮RE方案的性能，因此RE方案中的偏置值設(shè)置需要進(jìn)一步研究。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種基于部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知的負(fù)載均衡方法，通過(guò)負(fù)載感知保證在小區(qū)范圍擴(kuò)展偏置值調(diào)整時(shí)的時(shí)效性，有效地實(shí)現(xiàn)系統(tǒng)負(fù)載均衡。

為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于負(fù)載感知的密集網(wǎng)絡(luò)負(fù)載均衡方法，其特征在于，包括如下步驟：

1)將UE接入系統(tǒng)各個(gè)基站，假設(shè)每個(gè)UE都有業(yè)務(wù)產(chǎn)生，進(jìn)行前期測(cè)量統(tǒng)計(jì)分析工作；

2)采用部分可測(cè)馬爾科夫決策過(guò)程進(jìn)行負(fù)載感知；

3)采取負(fù)載均衡行動(dòng)進(jìn)行小區(qū)范圍擴(kuò)展偏置值動(dòng)態(tài)調(diào)整，通過(guò)選取合適的小區(qū)范圍擴(kuò)展偏置值得到系統(tǒng)最佳公平性指示，使系統(tǒng)負(fù)載得到有效均衡。

進(jìn)一步的，所述負(fù)載感知即通過(guò)對(duì)當(dāng)前時(shí)刻UE業(yè)務(wù)到達(dá)情況進(jìn)行觀察，觀察在當(dāng)前決策時(shí)刻到下一決策時(shí)刻之間UE傳輸數(shù)據(jù)包的數(shù)量，判斷分析出下一決策時(shí)刻UE數(shù)據(jù)包的可能到達(dá)情況即業(yè)務(wù)到達(dá)情況，進(jìn)而通過(guò)對(duì)整個(gè)基站下所有UE的業(yè)務(wù)情況進(jìn)行統(tǒng)計(jì)分析，判斷該基站下一時(shí)刻的負(fù)載狀態(tài)。

進(jìn)一步的，所述判斷基站下一時(shí)刻的負(fù)載狀態(tài)具體方法為：

1)通過(guò)對(duì)系統(tǒng)各個(gè)基站內(nèi)所有用戶業(yè)務(wù)在兩個(gè)決策時(shí)刻間的傳輸數(shù)據(jù)包的數(shù)量進(jìn)行觀察統(tǒng)計(jì)，在決策時(shí)刻k-1與k之間時(shí)間段t內(nèi)，有觀察值轉(zhuǎn)移概率：

2)用戶在基站下某決策時(shí)刻的業(yè)務(wù)狀態(tài)概率分布即信念狀態(tài)，利用貝葉斯公式更新信念狀態(tài)空間：

3)在得到更新后的信念狀態(tài)后，即用戶業(yè)務(wù)狀態(tài)得到，則對(duì)應(yīng)基站的負(fù)載為：

k_u，n∈{0，1}

其中，k_u，n為用戶信念狀態(tài)指示變量。

進(jìn)一步的，在小區(qū)范圍擴(kuò)展偏置值選取時(shí)，優(yōu)先進(jìn)行宏基站與微基站之間的跨層負(fù)載均衡，其次進(jìn)行微基站之間的同層負(fù)載均衡，以整個(gè)網(wǎng)絡(luò)負(fù)載均衡性為優(yōu)化目標(biāo)，提高系統(tǒng)網(wǎng)絡(luò)整體負(fù)載均衡性。

進(jìn)一步的，小區(qū)范圍擴(kuò)展偏執(zhí)值選取的具體步驟為：

1)對(duì)感知結(jié)果進(jìn)行分析，判斷宏基站的負(fù)載狀態(tài)，如果出現(xiàn)了高負(fù)載或超載的狀態(tài)，則對(duì)宏用戶通過(guò)選取合適小區(qū)范圍擴(kuò)展偏置值的方式將部分宏用戶接入周圍鄰近的小基站中，以確保宏基站盡可能降低負(fù)載，而將負(fù)載盡可能向小基站卸載；定義基站小區(qū)范圍擴(kuò)展偏置值集合為：Θ＝{θ₁，θ₂，...，θ_n}；

根據(jù)用戶接入準(zhǔn)則：

2)通過(guò)動(dòng)態(tài)算法選取小區(qū)范圍擴(kuò)展偏置值達(dá)到相鄰小基站負(fù)載均衡的目標(biāo)，而系統(tǒng)網(wǎng)絡(luò)整體均衡性在采取小區(qū)范圍擴(kuò)展偏置選取時(shí)系統(tǒng)將會(huì)得到一定的回報(bào)，以Jain’s fairness指示負(fù)載均衡性：

其中基站負(fù)載情況ρ_m，因?yàn)橛脩袅斜砀屡c小區(qū)范圍擴(kuò)展偏置值選擇x(θ)直接相關(guān)，可表示如下：

其中Z_m^x(θ)表示基站m資源占用情況，Z_total表示每個(gè)基站全部資源；

均衡目標(biāo)就是最大化負(fù)載均衡指示I_JF時(shí)得到最優(yōu)偏置值：

其中x(θ)為偏置值選取，ρ_m^x(θ)為小區(qū)m的負(fù)載狀態(tài)。

本發(fā)明的有益效果在于：本發(fā)明通過(guò)采用部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知，判斷出下一周期系統(tǒng)可能出現(xiàn)的負(fù)載狀態(tài)，從而提前采取行動(dòng)調(diào)整CRE偏置值，達(dá)到優(yōu)化系統(tǒng)負(fù)載均衡性的目的。該方法能實(shí)現(xiàn)密集化微蜂窩部署下的負(fù)載感知，有效提高系統(tǒng)負(fù)載均衡性，同時(shí)有效提升系統(tǒng)吞吐量與系統(tǒng)資源利用率。

附圖說(shuō)明

為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進(jìn)行說(shuō)明：

圖1為能夠用于實(shí)現(xiàn)本發(fā)明的一個(gè)系統(tǒng)場(chǎng)景圖；

圖2為密集異構(gòu)網(wǎng)絡(luò)下小區(qū)范圍擴(kuò)展負(fù)載均衡的兩種方式；

圖3為基于負(fù)載感知的密集網(wǎng)絡(luò)負(fù)載均衡方法整體簡(jiǎn)要流程圖；

圖4為基于部分可測(cè)馬爾科夫決策過(guò)程進(jìn)行負(fù)載感知詳細(xì)流程圖；

圖5為基于負(fù)載感知的動(dòng)態(tài)小區(qū)范圍擴(kuò)展負(fù)載均衡詳細(xì)流程圖；

圖6為本發(fā)明的總體流程圖。

具體實(shí)施方式

下面將結(jié)合附圖，對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。

本方法在實(shí)施時(shí)主要分為兩個(gè)部分：基于部分可測(cè)馬爾科夫決策過(guò)程的負(fù)載感知和基于負(fù)載感知的動(dòng)態(tài)小區(qū)范圍擴(kuò)展，兩部分共同完成負(fù)載均衡。部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知是在兩個(gè)決策時(shí)刻之間通過(guò)對(duì)UE數(shù)據(jù)包傳輸量的觀察統(tǒng)計(jì)，分析得到下一決策周期內(nèi)該UE的可能數(shù)據(jù)包傳輸量，進(jìn)而得到整個(gè)基站在下一決策周期內(nèi)的負(fù)載狀態(tài)。基于負(fù)載感知的動(dòng)態(tài)小區(qū)范圍擴(kuò)展方法是在前期部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知的基礎(chǔ)上采取小區(qū)范圍擴(kuò)展的方式來(lái)達(dá)到系統(tǒng)負(fù)載均衡的目的。

圖6為本發(fā)明的總體流程圖。首先通過(guò)馬爾科夫決策過(guò)程負(fù)載感知算法對(duì)基站負(fù)載資源占用狀態(tài)進(jìn)行感知，其次通過(guò)基于負(fù)載感知的CRE負(fù)載均衡優(yōu)化算法實(shí)現(xiàn)負(fù)載均衡。為了保證CRE偏置可以隨著網(wǎng)絡(luò)業(yè)務(wù)負(fù)載的變化而動(dòng)態(tài)配置，宏基站和微基站需要統(tǒng)計(jì)網(wǎng)絡(luò)業(yè)務(wù)負(fù)載狀態(tài)。在LTE系統(tǒng)中，基站間通過(guò)X2接口進(jìn)行信令交互，交互過(guò)程中必然存在一定的時(shí)延。如果通過(guò)感知當(dāng)前時(shí)刻的網(wǎng)絡(luò)負(fù)載狀態(tài)，再經(jīng)過(guò)信令交互，調(diào)整CRE偏置，這個(gè)過(guò)程中CRE偏置的調(diào)整已經(jīng)滯后于實(shí)際網(wǎng)絡(luò)業(yè)務(wù)負(fù)載變化，很難保證CRE偏置的時(shí)效性。為了提高CRE偏置動(dòng)態(tài)調(diào)整的時(shí)效性，需要我們對(duì)網(wǎng)絡(luò)中的負(fù)載狀態(tài)進(jìn)行一個(gè)提前感知，根據(jù)感知結(jié)果提前進(jìn)行CRE偏置調(diào)整，從而保證當(dāng)前配置的時(shí)效性。

在現(xiàn)有的通信網(wǎng)絡(luò)中，網(wǎng)絡(luò)的負(fù)載變化具有隨機(jī)性和波動(dòng)性。因此網(wǎng)絡(luò)負(fù)載變化過(guò)程屬于典型的隨機(jī)過(guò)程，同時(shí)業(yè)務(wù)負(fù)載變化趨勢(shì)僅僅與現(xiàn)狀狀態(tài)相關(guān)，而與歷史狀態(tài)無(wú)關(guān)，具有無(wú)記憶性，所以我們可以用部分馬爾科夫決策過(guò)程通過(guò)對(duì)當(dāng)前時(shí)刻系統(tǒng)業(yè)務(wù)到達(dá)情況進(jìn)行觀察，感知出下一時(shí)刻系統(tǒng)業(yè)務(wù)到達(dá)情況，進(jìn)而判斷系統(tǒng)負(fù)載狀態(tài)。

本發(fā)明基于負(fù)載感知的密集網(wǎng)絡(luò)負(fù)載均衡方法具體過(guò)程包括如下步驟：

a.將UE接入系統(tǒng)各個(gè)基站，假設(shè)每個(gè)UE都有業(yè)務(wù)產(chǎn)生。進(jìn)行前期測(cè)量統(tǒng)計(jì)分析工作，為接下來(lái)部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知做好準(zhǔn)備。

b.采用部分可測(cè)馬爾科夫決策過(guò)程通過(guò)對(duì)當(dāng)前時(shí)刻UE業(yè)務(wù)到達(dá)情況進(jìn)行觀察，觀察在當(dāng)前決策時(shí)刻到下一決策時(shí)刻之間UE傳輸數(shù)據(jù)包的數(shù)量，判斷分析出下一決策周期內(nèi)UE數(shù)據(jù)包的可能到達(dá)情況即業(yè)務(wù)到達(dá)情況，進(jìn)而通過(guò)對(duì)整個(gè)基站下所有UE的業(yè)務(wù)情況進(jìn)行統(tǒng)計(jì)分析判斷該基站負(fù)載狀態(tài)。

c.在得到系統(tǒng)基站一決策時(shí)刻的負(fù)載狀態(tài)后，采取負(fù)載均衡行動(dòng)，進(jìn)行小區(qū)范圍擴(kuò)展偏置值動(dòng)態(tài)調(diào)整，通過(guò)選取合適的偏置值得到系統(tǒng)最佳公平性指示，且該取值具有較高準(zhǔn)確性和時(shí)效性，系統(tǒng)負(fù)載得到有效均衡。

其中部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知具體過(guò)程如下：

b1.通過(guò)對(duì)系統(tǒng)各個(gè)基站內(nèi)所有用戶業(yè)務(wù)在兩個(gè)決策時(shí)刻間的傳輸數(shù)據(jù)包的數(shù)量進(jìn)行觀察統(tǒng)計(jì)，在決策時(shí)刻k-1與k之間時(shí)間段t內(nèi)，有觀察值轉(zhuǎn)移概率：

b2.用戶在基站下某決策時(shí)刻的業(yè)務(wù)狀態(tài)概率分布即信念狀態(tài)。利用貝葉斯公式更新信念狀態(tài)空間：

b3.在得到更新后的信念狀態(tài)后，即用戶業(yè)務(wù)狀態(tài)得到，則對(duì)應(yīng)基站的負(fù)載我們也可以通過(guò)如下公式得到：

k_u，n∈{0，1}

其中，k_u，n為用戶信念狀態(tài)指示變量。

其中在采取行動(dòng)CRE偏置值選取時(shí)的具體過(guò)程如下：

c1.在均衡周期達(dá)到后，我們首先對(duì)感知結(jié)果進(jìn)行分析，判斷宏基站的負(fù)載狀態(tài)，如果出現(xiàn)了高負(fù)載或超載的狀態(tài)我們會(huì)對(duì)宏用戶通過(guò)選取合適CRE偏置的方式將部分宏用戶接入周圍鄰近的小基站中，以確保宏基站盡可能降低負(fù)載，而將負(fù)載盡可能向小基站卸載。我們定義基站CRE偏置值集合為：Θ＝{θ₁，θ₂，…，θ_n。}。

根據(jù)用戶接入準(zhǔn)則：

c2.在經(jīng)過(guò)第一步后，宏基站的負(fù)載狀態(tài)得到了保證，我們?cè)匍_(kāi)始考慮小基站負(fù)載均衡問(wèn)題。在小基站間負(fù)載均衡時(shí)，不考慮向宏基站卸載，只將微用戶向鄰近小基站卸載。通過(guò)動(dòng)態(tài)算法選取CRE偏置值達(dá)到相鄰小基站負(fù)載均衡的目標(biāo)。而系統(tǒng)網(wǎng)絡(luò)整體均衡性在采取CRE偏置選取時(shí)系統(tǒng)將會(huì)得到一定的回報(bào)。我們以Jain’s fairness指示負(fù)載均衡性：

其中基站負(fù)載情況ρ_m，因?yàn)橛脩袅斜砀屡cCRE偏置值選擇x(θ)直接相關(guān)，可表示如下：

其中Z_m^x(θ)表示基站m資源占用情況，Z_total表示每個(gè)基站全部資源。

因此，我們的均衡目標(biāo)就是最大化負(fù)載均衡指示I_JF時(shí)得到最優(yōu)偏置值：

其中x(θ)為偏置值選取，ρ_m^x(θ)為小區(qū)m的負(fù)載狀態(tài)。

為了實(shí)施本發(fā)明，下面將結(jié)合附圖進(jìn)行詳細(xì)介紹。

如圖3所示，為基于部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知的負(fù)載均衡算法的整體流程簡(jiǎn)要框圖。整體思路可大致分為三部分：參數(shù)初始化、基礎(chǔ)數(shù)據(jù)測(cè)量分析等前期準(zhǔn)備工作；部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知算法進(jìn)行系統(tǒng)內(nèi)基站負(fù)載狀態(tài)的感知；基于負(fù)載感知的動(dòng)態(tài)小區(qū)范圍擴(kuò)展算法進(jìn)行偏置值的動(dòng)態(tài)選擇是系統(tǒng)負(fù)載均衡指示最優(yōu)。

如圖4所示，為基于部分可測(cè)馬爾科夫決策過(guò)程的負(fù)載感知算法詳細(xì)流程圖。

步驟401：參數(shù)初始化：初始化均衡指示、基站負(fù)載、CRE偏置值等值。

步驟402：系統(tǒng)網(wǎng)絡(luò)進(jìn)入負(fù)載感知周期，首先根據(jù)前期系統(tǒng)測(cè)量分析數(shù)據(jù)得到系統(tǒng)狀態(tài)轉(zhuǎn)移概率矩陣。

步驟403：系統(tǒng)開(kāi)始觀察每個(gè)UE在均衡周期內(nèi)數(shù)據(jù)包的傳輸數(shù)量，并進(jìn)行統(tǒng)計(jì)分析，儲(chǔ)存在觀察值列表中。

步驟404：根據(jù)上一步觀察所得系統(tǒng)觀察值列表，對(duì)每個(gè)UE計(jì)算其觀察值轉(zhuǎn)移概率，該轉(zhuǎn)移概率即為該UE的業(yè)務(wù)概率分布。進(jìn)一步，根據(jù)系統(tǒng)轉(zhuǎn)移概率矩陣和觀察值轉(zhuǎn)移概率更新信念狀態(tài)，得到下一周期UE的業(yè)務(wù)狀態(tài)。

步驟405：判斷是否執(zhí)行完該基站所有UE，“是”轉(zhuǎn)到步驟406繼續(xù)執(zhí)行，“否”返回步驟404繼續(xù)執(zhí)行。

步驟406：計(jì)算基站負(fù)載。

步驟407：判斷是否執(zhí)行完所有基站負(fù)載計(jì)算，“是”轉(zhuǎn)到步驟408繼續(xù)執(zhí)行，“否”返回步驟406繼續(xù)執(zhí)行。

步驟408：利用Jain’s公平指示函數(shù)計(jì)算系統(tǒng)負(fù)載均衡指示，部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知周期結(jié)束。

如圖5所示，為基于負(fù)載感知的動(dòng)態(tài)小區(qū)范圍擴(kuò)展負(fù)載均衡算法流程圖。

步驟501：系統(tǒng)網(wǎng)絡(luò)進(jìn)入負(fù)載均衡周期，首先初始化均衡指示、高低負(fù)載門(mén)限值、CRE偏置值等值。

步驟502：系統(tǒng)UE列表中所有用戶，根據(jù)基站測(cè)量結(jié)果得到自己的RSRP列表，并且根據(jù)部分可測(cè)馬爾科夫決策過(guò)程負(fù)載感知算法得到此時(shí)的負(fù)載均衡指示和基站負(fù)載值。

步驟503：開(kāi)始執(zhí)行基站負(fù)載均衡算法。設(shè)置偏置值集合。

步驟504：判斷當(dāng)前基站是否為宏基站，且基站負(fù)載高于高負(fù)載門(mén)限?！笆恰眻?zhí)行步驟505，“否”執(zhí)行步驟506。

步驟505：當(dāng)前基站為宏基站，且宏基站負(fù)載高于高負(fù)載門(mén)限，動(dòng)態(tài)小區(qū)范圍擴(kuò)展算法激活，選取適合偏置值，直至宏基站負(fù)載低于高負(fù)載門(mén)限。

步驟506：判斷當(dāng)前小基站負(fù)載是否高于高負(fù)載門(mén)限或低于低負(fù)載門(mén)限?！笆恰眻?zhí)行步驟507，“否”返回執(zhí)行步驟503。

步驟507：當(dāng)前基站為小基站，且小基站負(fù)載高于高負(fù)載門(mén)限或低于低負(fù)載門(mén)限，動(dòng)態(tài)小區(qū)范圍擴(kuò)展算法激活，選取合適偏置值，調(diào)整UE接入基站，計(jì)算基站負(fù)載。

步驟508：判斷是否執(zhí)行完畢所有小基站。“是”執(zhí)行步驟509，“否”返回步驟503繼續(xù)執(zhí)行。

步驟509：當(dāng)前所有基站CRE偏置選取完畢，計(jì)算系統(tǒng)負(fù)載均衡指示，重復(fù)執(zhí)行以上步驟，搜索最優(yōu)值。負(fù)載均衡周期到此結(jié)束。

最后說(shuō)明的是，以上優(yōu)選實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管通過(guò)上述優(yōu)選實(shí)施例已經(jīng)對(duì)本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對(duì)其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書(shū)所限定的范圍。