1.一种基于状态感知的网络切片资源管理方法，其特征在于：在该方法中，将存在移动UE的接入网切片的资源管理问题抽象成一个MDP模型，在模型中考虑了计算、链路和无线资源的联合分配，并在优化时延的同时降低虚拟网络功能(Virtual network function，VNF)迁移带来的数据损失；同时，考虑到未知的状态转移概率，采用深度强化学习(Deep Q Network，DQN)求解马尔科夫决策过程(Markov Decision Processes，MDP)问题。

2.根据权利要求1所述的一种基于状态感知的网络切片资源管理方法，其特征在于：所述计算、链路和无线资源的联合分配，具体包括：网络切片系统模型分为三层，其应用层主要负责为这个切片提供VNF构成服务功能链(Service function chain，SFC)，通过SFC有序完成一系列协议栈功能；虚拟化层负责管理和控制整个切片网络，在本模型中具体包括资源管理和状态观测，物理层包含实现该切片的物理资源，包括DU池和CU池，且两者通过前传网络实现相互通信；CU池是由通用服务器组成的物理网络，DU池是由服务器和RRU组成的网络；切片内的UE集合为U，底层物理网络节点集合为N，链路集合为L，RRU集合为M和SFC集合为K。

3.根据权利要求2所述的一种基于状态感知的网络切片资源管理方法，其特征在于：所述计算、链路和无线资源的联合分配，具体包括：每次UE移动后，需要新的路径将数据从所连接的RRU传输到对应的SFC，新路径如果无法占有充足的链路资源，将会增加传输时延，这会严重降低频繁移动的时延敏感业务的服务质量；在调整SFC的资源分配时，其中一些VNF可能需要迁移到新的服务器上重新实例化；根据t时刻的资源分配策略，服务器n上有些VNF移动到 时，这两个服务器上的VNF分布情况发生了变化，此时需要为这新的VNF分布情况重新分配资源，所有的VNF需要重新实例化；由于重新实例化VNF是需要时间的，设服务器n上实例化所有VNF所需时间为μn，在μn时间内，服务器n上所有VNF停止工作；然而，UE发送数据是连续不断的，在μn时间内进入到服务器n上的数据不会被处理，而是直接忽略了，所以造成了数据丢失，也称为迁移损失；一方面，无线资源、计算资源和链路资源的联合分配可以降低时延，另一方面，调整资源分配时的VNF迁移又会带来很大的迁移损失；本模型中既要优化时延也要保证较低的迁移损失，所以联合优化时延和迁移损失；设这两个指标组成的效用函数为R(t)，且R(t)表示为其中φ(t)为该切片在时刻t的迁移损失，D(t)为切片内的总时延，Υ是一个常数，等于切片中所有链路容量之和。

4.根据权利要求3所述的一种基于状态感知的网络切片资源管理方法，其特征在于：所述的切片内的总时延： UEu在接入网切片里的时延Du(t)包括四部分：数据在无线信道上的传输时延 数据从RRU传输到对应SFC的传输时延 以及数据在SFCku上的传输时延 和处理时延其中数据在无线信道上的传输时延 du(t)表示UEu在t时刻的数据发送速

率，Cu(t)表示UEu所占的无线带宽能传输的最大数据率；

其中数据从RRU传输到对应SFC的传输时延 参数

表示t时刻链路l在路径pu(t)上，否则为0； 表示路径pu(t)在链路l上占用的带宽资源；

τ是一个极小的常数，其目的是为了避免分母为0；

其中数据在 上的传输时延 表示时刻

中第j个VNF传输到相邻VNFj+1的数据速率，二进制参数 表示t时刻VNFj用链路l发j送数据，否则值为0； 表示VNF在链路l上占用的带宽资源用于发送数据给下一个相邻的VNF；

其中 的处理时延 表示时刻

实例化在服务器n上，否则其值为0； 表示时刻tVNFj在服务器上n上占用的计算资源。

5.根据权利要求1所述的一种基于状态感知的网络切片资源管理方法，其特征在于：所述的MDP模型包括：状态空间：状态空间定义为 其中，h表示切

片内所有RRU的无线信道状态，H表示信道状态空间；x表示RRU和UE的连接状态，X表示连接状态空间；d表示切片内所有UE的数据发送率状态，D表示数据发送率状态空间；表示物理网络的拓扑状态，ψ则是物理网络的拓扑状态空间；

动作空间：动作空间定义为A＝{(ar,ac,ab)|ar∈Ar,ac∈Ac,ab∈Ab}，其中ar表示切片内的无线资源分配动作，Ar表示无线资源分配动作空间，其由切片内所有UE可能的无线资源分配方式组成；ac表示切片内的计算资源分配动作，且Ac表示其对应的动作空间；ab表示切片内的链路资源分配动作，Ab表示切片内的链路资源分配动作空间；

在t时刻系统状态为s(t)且采取动作a(t)，有概率的会转移到系统状态s(t+1)，设此转移概率为Pr(s(t),a(t),s(t+1))；

其中，

在系统状态s(t)采取动作a(t)后，系统会获得立即回报R(s(t),a(t))其中， 由时延和迁移损失计算所得；设初始状态为s(t)的

动作策略为π，具体表示为，π＝{(s(t),a(t)),(s(t+1),a(t+1)),....,(s(t+T),a(t+T))}，其中T表示迭代次数；由于每次采取动作后就会得到一个立即回报，则策略π下的长远期望回报 其中0＜γ＜1是折扣因子；由于该模型中的状态是各态历经的，则会存在一个稳定的无限期望长远回报 所以，将

优化目标转化为 其中Ω表示所有可能的策略的集合，最优策略

利用值函数贝尔曼迭代获得最优的策略，设状态s(t)的值函数为V(s(t))，且有等式V(s(t))＝ρ(π)，其中 表示当前动作回报，包括立即回报和未来回报；

当V(s(t))取最大值时，即为最优值函数，所对应的动作a即为当前状态下的最优动作；

当已知一系列状态的最优值函数，便可获得状态对应的最优动作，且一系列最优动作将组成最优的动作策略。

6.根据权利要求1所述的一种基于状态感知的网络切片资源管理方法，其特征在于：所述的MDP模型：利用DQN网络获取最优资源分配策略，在完成对DQN网络的训练后，求解步骤如下：设定一个空集合O，该集合用于存储每个时间槽的观测数据；

感知接入网切片状态信息s(t)，将其存储到集合O中；

如果感知到UE移动，根据DQN输出的最优策略选取最优动作，完成接入网切片的计算、链路和无线资源分配；

否则等待下一个时隙，继续感知网络切片中UE状态，直到切片生命周期结束。