CN101442807A - 通信系统中资源分配的方法及系统 - Google Patents
通信系统中资源分配的方法及系统 Download PDFInfo
- Publication number
- CN101442807A CN101442807A CNA2008102467408A CN200810246740A CN101442807A CN 101442807 A CN101442807 A CN 101442807A CN A2008102467408 A CNA2008102467408 A CN A2008102467408A CN 200810246740 A CN200810246740 A CN 200810246740A CN 101442807 A CN101442807 A CN 101442807A
- Authority
- CN
- China
- Prior art keywords
- channel
- resource
- information
- communication system
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明涉及一种通信系统中资源分配的方法,包括:对下一时刻资源的状态信息进行预测,获得下一时刻的资源状态的预测信息;根据所述预测信息进行下一时刻的资源分配。本发明还涉及一种通信系统中资源分配的系统,包括:状态预测模块,用于对下一时刻资源的状态信息进行预测,获得下一时刻的资源状态的预测信息;资源分配模块,用于根据所述预测信息进行下一时刻的资源分配。本发明中采用基于预测信息的资源分配方案,克服了基于当前资源状况分配系统资源的时间滞后性,进而优化了资源分配过程,极大的改善了用户性能。
Description
技术领域
本发明涉及通信领域,尤其涉及一种通信系统中资源分配的方法及系统。
背景技术
在当前通信系统中,对资源的分配通常是根据当前的系统状况和信道状况进行分配的,即获取当前时刻的系统内资源状态信息,并根据该当前时刻的资源状态信息实施资源分配。
但由于系统和信道状态变化的瞬时性,下一时刻的状况与前一时刻的状况往往会存在着较大的差异,从而导致了基于当前信息的资源分配方法存在一定程度的滞后性,难以满足实现更优地资源分配的需求。正是由于这种滞后性的资源分配方法,降低了通信系统中各种系统资源的配置效率。
发明内容
本发明的目的是提出一种通信系统中资源分配的方法及系统,能够消除现有通信系统中基于当前系统状况和信道状况进行资源分配的滞后性,以提高资源配置效率。
为实现上述目的,本发明提供了一种通信系统中资源分配的方法,包括:
对下一时刻资源的状态信息进行预测,获得下一时刻的资源状态的预测信息;
根据所述预测信息进行下一时刻的资源分配。
进一步的,所述对下一时刻资源的状态信息进行预测的操作具体为:依据当前时刻和/或以前时刻的资源状态信息对下一时刻资源的状态信息进行预测。
进一步的,在预测下一时刻的资源状态信息之前,还包括获取当前时刻和/或以前时刻的资源状态信息的操作。
进一步的,资源状态信息包括信噪比、信干比、信干噪比、信道增益干扰比、信道状态信息、可传输的数据速率、误码率或干扰强度;系统资源包括信道、频率、时隙、天线、功率、子载波、码字或带宽;预测方法包括各种滤波估计、递归/非递归估计、线性预测、非线性预测、时间序列、神经网络、马尔科夫链或小波分析。
进一步的,在蜂窝通信系统中,采用递归估计的预测方法对当前时刻和/或以前时刻的信道增益干扰比进行预测,并根据预测信息进行信道资源的分配,具体包括以下步骤:
对用户的可用信道集合中每个需要分配给用户的可用信道建立信道增益干扰比矩阵;
采用递归估计方法预测每个用户可用信道下一时刻的信道增益干扰比值,建立对应的信道增益干扰比预测矩阵,并依据信道增益干扰比预测值的大小为信道资源设置优先级;
根据所述优先级将相应的信道资源进行分配给对应的用户,直到分配的信道数达到要求的数目,或是有需要分配信道的用户都分配到相应的信道为止。
进一步的,所述建立信道增益干扰比矩阵的操作具体为:
检测用户所在信道对应的信道状况,并计算干扰小区基站到该用户当前信道的干扰功率之和;
获取该用户在当前信道上的信道增益,依次计算出每个用户在每个信道上的信道增益干扰比,进而建立信道增益干扰比矩阵。
进一步的,在建立信道增益干扰比矩阵之前,还包括以下步骤:
根据用户到各小区基站的信道增益大小确定用户的主控小区,并根据路径损耗确定用户类别以及对应的可用信道集合。
进一步的,在无源光网络中,采用时间序列分析预测方法对当前时刻和/或以前时刻的带宽进行预测,并根据预测信息进行带宽资源的分配。
为实现上述目的,本发明提供了一种通信系统中资源分配的系统,包括:
状态预测模块,用于对下一时刻资源的状态信息进行预测,获得下一时刻的资源状态的预测信息;
资源分配模块,用于根据所述预测信息进行下一时刻的资源分配。
进一步的,还包括:状态获取模块,用于在预测下一时刻的资源状态之前,获取当前时刻和/或以前时刻的资源的状态信息。
基于上述技术方案,本发明基于预测信息的资源分配的技术手段克服了基于当前资源状况分配系统状态的时变性影响,进而优化了资源分配过程,极大的改善了用户性能。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明通信系统中资源分配的方法的一实施例的流程示意图。
图2为本发明通信系统中资源分配的系统的一实施例的结构示意图。
图3为本发明通信系统中资源分配的系统的另一实施例的结构示意图。
图4为本发明通信系统中资源分配的方法的另一实施例的流程示意图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
如图1所示,为本发明通信系统中资源分配的方法的一实施例的流程示意图。在本实施例中,具体流程包括:
步骤101、对下一时刻资源的状态信息进行预测,获得下一时刻的资源状态的预测信息;
步骤102、根据所述预测信息进行下一时刻的资源分配。
在步骤101中,可以依据当前时刻和/或以前时刻的资源状态信息对下一时刻资源的状态信息进行预测,这与具体采用的预测算法有关。在步骤101之前,还可以包括获取当前时刻和/或以前时刻的资源的状态信息的操作。
在获取通信系统中各种资源的状态信息的步骤中,获取状态信息的方法多种多样,不仅包括由采样、测量、反馈等技术概念延伸出的各种技术手段,而且也包括借助于第三方间接获取状态信息的方法,例如发送训练序列获取信道状态信息、采用概率统计获取状态信息等技术手段。另外系统的资源具有广泛性,状态具有时变性,使用具有灵活性,包括时域范围的所有可用资源,频域范围的所有可用资源,码域范围的所有可用资源以及空域范围的所有可用资源等内容。状态信息囊括所有与系统性能有关的技术参数状态,包括资源可以支持的信噪比、信干比、信干噪比、增益干扰比、信道状态信息、可传输的数据速率、阻塞率、误码率等。
在已知系统资源以前和/或当前时刻状态信息的基础上,可以选择适当的预测方法估计下一时刻资源的预测信息。在预测的过程中,可以根据不同要求适当调节所需的以前或当前状态的信息数量多少。例如可以仅基于当前状态;可以仅基于部分或全部以前状态;可以同时既基于部分或全部以前状态,又基于当前状态;还可以基于以前和当前状态的任意组合形式,数量多少可任意调整。预测的实际方法多种多样,包括但不限于基于滤波估计,递归/非递归估计,概率统计,时间序列,神经网络,小波分析等方法,也包括其它基于过去状态和当前状态衍生出的各种预测估计方法。
在获得的预测信息基础上实施资源分配的步骤中,将预测得到的信息作为下一时刻资源分配的依据,并作为衡量资源性能优劣程度的评价依据,并将系统资源按照一定规则进行分配,从而消除了由于系统状态的时变性带来的资源分配的滞后性影响。
本发明的资源分配方案实施内容包括:系统通过获取当前时刻之前资源的状态信息和/或当前时刻资源的状态信息,采用预测的方法对下一时刻资源的状态进行预测并获取下一时刻的资源状态预测信息,并将预测信息作为所述资源在下一时刻的分配依据,系统依据所述预测信息为用户分配资源。其中,资源状态信息包括资源可以支持的信噪比、信干比、信干噪比、增益干扰比、信道状态信息、可传输的数据速率、阻塞率、误码率等。
通信系统中资源集合是一个一维或多维资源集合,预测是要对当前系统资源集合中的每一个资源状态进行预测,进而得到整个资源集合的预测信息集合。所述资源包括当前系统的各种资源,具体包括信道、频率、时隙、天线、功率、子载波、码字、带宽等。
资源预测的方法不仅包括各种滤波算法及其改进的表达形式,可以采用横向滤波、纵向滤波、卡尔曼滤波、维纳滤波、马尔科夫链、递归方法、线性预测算法和非线性预测方法,而且也包括其它基于以前状态或当前状态预测未来状态的方法,包括采用递归/非递归估计、时间序列、神经网络、小波分析等预测方法。预测下一时刻的资源状态需要通过以前时刻或当前时刻的资源状态决定。
在获得的预测信息基础上,资源分配的方法包括对资源按照一定规则划分优先级,并依据优先级为用户分配资源等方案。资源预测的目的是预测下一时刻的资源状态信息,即预测信息,然后根据所述预测信息进行所述资源的分配。资源预测的结果形式多种多样。不仅包括资源直接预测的结果,也包括各种间接引用的表达式或表示内容。
基于预测信息的资源的分配方法不仅适用于蜂窝通信系统中的单、多小区系统,也适用于任意通信系统中的资源分配方案,例如光通信系统,无线通信系统,卫星通信系统,水声通信系统。
下面选取几种不同资源预测方法为例,来说明本发明提出的基于预测信息的资源分配的具体实现方法。
实例一:蜂窝通信系统中的信道分配
本实施例采用实时测量,系统反馈和资源报告的方法确定当前通信系统中资源状态信息,同时利用基于以前状态和当前状态信息估计预测下一时刻的资源状况信息。在获得下一时刻资源预测信息最优或次优估计值的情况下,为所述资源设立优先级,并按照优先级大小为用户分配资源。
本实施例给出了一种基于预测信道增益干扰比(Gain toInterference Ratio,简称GIR)的信道分配方案。在该实例中,根据系统当前的资源情况,采用递归估计的方法对下一时刻的资源情况进行预测,并以预测得到的信息作为依据,对可用信道进行分配的过程。
现有的可用信道分配方案是采用基于当前信道状况对下一时刻的信道进行的固定分配形式。由于信道状况的实时变化和同频干扰随机化的影响,不同信道对不同用户的GIR在实时变化,基于当前信道状况的信道分配方法会因这种实时变化而而影响信道分配的有效性。
为了克服信道的时变性,提高小区用户性能,并为分配可用信道提供依据,需要对可用信道的未来状况进行预测和估计,因而考虑采用下一时刻的GIR预测值替代当前的GIR值,以预测值作为信道分配的依据。
在频率复用的蜂窝系统中,小区信道下行链路的信道增益干扰比(GIR)定义为:
式中Gk为当前服务小区到用户的信道增益,Gm为干扰小区基站到该用户的信道增益,Pm为干扰小区基站信道的下行发射功率,为用户需要的k个信道功率之和,N为由噪声引起的干扰功率,为m个小区对该用户的同频干扰功率之和。
针对不同信道对不同用户的GIR值大小各异的情况,建立对应的GIR矩阵作为信道分配的依据。该矩阵如(2)式所示,其中行向量表示用户标号,列向量表示可用的信道标号,从而该矩阵可以表示出每个用户在所有可用信道上的GIR值。设定每个用户占用k个连续分布的信道,并且这k个信道的分配代价值相同。
在进行信道分配时,首先选择GIR矩阵中最大的元素。若在GIR分配矩阵中最大的元素为第i行的第(j+1)~(j+k)列,因此将第(j+1)~(j+k)号信道分配给i号用户,分配完后将矩阵的第i行以及第(j+1)~(j+k)列都清零,直到被释放才复位。这意味着用户i和信道(j+1)~(j+k)在此期间将不再参与之后的分配。若有用户释放信道,则将新的信道增益值列入分配矩阵中,参与下一次的分配。
采用递归估计预测系统资源的基本原理是依据以前状态的小区资源状况值和当前状态的小区资源状态,并在此基础上通过递归迭代进行估计和修正,进而预测出后一状态的小区资源情况。
递归估计是一种典型的估计方法。下面以递归估计方法为例,说明估计预测步骤:
步骤1:建立状态方程和递推方程;
步骤2:获取当前小区资源的状态估计初值,并计算实际偏差;
步骤3:计算小区资源状态的先验或后验估计值;
步骤4:计算偏差的先验或后验概率统计值;
步骤5:根据偏差情况修正状态估计值大小;
步骤6:递归计算小区资源新的状态估计值;
步骤7:递归计算偏差新的概率统计值;
步骤8:预测下一时刻的小区资源状态;
借助于递归估计,预测可用信道在下一时刻的GIR大小。在该预测值的基础上依据GIR大小进行优先级排序。GIR预测值越大,信道的优先级越高,GIR预测值越小,信道的优先级越低。在每次分配可用信道资源的过程中,依据优先级顺序进行分配。从而每次都将性能最好的信道分配给新增用户,有利于克服测量和分配之间的时变性,提高小区用户的性能。基于GIR预测的信道分配实施例步骤如下(参见图4):
步骤201、根据用户到各小区基站的信道增益大小确定用户的主控小区。
步骤202、根据路径损耗确定用户类别以及对应的可用信道集合。
步骤203、对该集合中每个需要分配给某个用户的可用信道建立GIR矩阵。具体建立过程为:首先检测用户所在信道对应的信道状况,计算干扰小区基站到该用户当前信道的干扰功率之和,并获取该用户在当前信道上的信道增益,依次计算出每个用户在每个信道上的GIR,进而建立GIR矩阵。
步骤204、借助于递归估计的方法,预测每个用户可用信道下一时刻的GIR值{x1,x2,...,xn},建立对应的GIR预测矩阵。同时,依据GIR预测值的大小为信道设置优先级。
步骤205、根据GIR预测矩阵中信道的优先级,将其列对应的信道进行调度,并分配给其行对应的用户,直到分配的信道数达到要求的数目,或是有需要分配信道的用户都分配到相应的信道为止。
针对小区频率复用中的信道分配问题,本发明实例给出了一种基于GIR预测的可用信道分配方法,还可以在获取小区当前可用信道的GIR值之后,进一步地利用递归估计的方法预测下一时刻的GIR大小,在获得下一时刻GIR预测值的前提下,依据各信道GIR大小为对应的信道设立优先级,GIR越大优先级越高。按照优先级大小在分配矩阵中给新增用户调度并分配信道。
实验表明,与固定信道分配和基于当前GIR的信道分配相比,本发明实例给出的基于GIR预测值的信道分配方法由于克服了基于当前GIR分配信道的时间滞后性和时变性,进而优化了信道分配过程,即每次都分配当前GIR预测值最大的信道给用户,极大地克服了测量和分配之间的时变性,改善了用户性能。仿真结果表明,该方法提高了小区吞吐量,降低了阻塞率,同时改善了小区边缘用户的比特丢失率。
实例二:无源光网络中的动态带宽分配
本实例给出了一种基于时间序列预测的动态带宽分配方案。在该实例中,根据系统当前的资源情况,采用时间序列的方法对无源光网络中下一时刻的资源情况进行预测,并以预测得到的信息作为依据,对可用带宽进行分配的过程。
时间序列分析就是估算和研究某一时间序列在长期变动过程中所存在的统计规律性,预测今后的发展和变化。自回归模型,滑动平均模型,自回归滑动平均模型和自回归结合滑动平均模型是时间序列预测估计的基本方法。
自回归模型AR(p)表达式如下:
由自回归模型的定义,原始序列在除去间接的相关性之后,yt与它间隔超过p期的序列值将不再相关,因而AR(p)的偏自相关函数在p阶函数值之后将呈现截尾性。自回归模型与一般线性回归模型形式相同,差别仅在于模型中的解释变量是被解释变量1至p阶的滞后变量。这意味着在自回归模型中原始序列的变化受到自身以往状态的影响,影响原始序列变化的主要因素是时间序列在不同时期的取值。参数反映了自回归模型AR(p)的平稳性要求。
滑动平均模型MA(q)表达式如下:
yt=θ0+θ1et-1+θ2et-2+...+θpet-q+et (4)
由滑动平均模型的定义,MA(q)是白噪声序列et的q+1个近期值的线性组合,因此et只会影响前q+1个yt序列值,让间隔超过q+1的两个yt之间不存在相关性,从而使得MA(q)的自相关函数在q阶函数值后呈现截尾。MA(q)模型可根据前期的平均预测误差情况建立,在前次预测值之上加上预测误差便可以得到现在的预测值。参数θ0,θ1,...,θp体现了MA(q)模型的可逆性要求。
自回归滑动平均模型ARMA(p,q)表达式如下:
其中,等式左边是自回归部分,非负整数p为自回归阶数,为自回归系数;等式右边是模型的滑动平均部分,非负整数q为滑动平均阶数,{θ1,θ2,...,θq}为滑动平均系数。p,q分别是偏自相关函数值和自相关函数值不为零的最高阶数。当p=0,d=0时,模型是纯滑动平均模型,记为MA(q);当q=0,d=0时,模型是纯自回归模型,记为AR(p)。
由于ARIMA模型在ARMA模型的基础之上增加了对数据的差分预处理过程,因而ARIMA模型能对非平稳时间序列进行分析,使经过预处理后的序列具有以下特性:(1)与平稳性无显著差异;(2)有迅速下降的自相关函数。
其中,ARIMA(p,q)模型中p表示偏自相关函数值不为零的最高阶数,q表示自相关函数值不为零的最高阶数,d则表示平稳化过程中差分的阶数。
对于平稳可逆的模型来说,ARIMA模型实际上是无限阶的AR模型和MA模型的等价形式。因此有效的ARIMA模型不仅可以弥补单纯用AR模型或MA模型导致的参数过多的问题,而且还能消除ARMA模型因序列非平稳性带来的干扰,提高估计精度,节省计算量。
在无源光网络中的动态带宽分配中,由于数据流量的爆发性本质,基于当前状态的带宽分配方案不能很好的适应这一突发过程,难以为后一时刻的用户分配最合理的带宽。通过时间序列的预测信息,有效地解决了如何适应突发用户量的问题,使得光网络单元能适应瞬时的带宽需求,为上传数据流安排最佳的公平性、延时、变异程度与其他所需的特性。当然,时间序列预测模型仅为本发明给出的特例之一,也可以采用其它基于过去或当前时刻预测后一时刻状态的预测方法。事实上,任何基于本发明的思想,而作的有关预测方法或预测内容的替换,均在本发明的保护范围之内。
本发明针对广义的通信系统,包括无线通信系统、光通信系统等所有存在资源分配的通信系统。依照本发明内容和权利要求,在进行资源分配时,根据系统资源以前状态或当前状态,预测下一时刻的资源状态,在预测得到的信息的基础上,实施资源分配,实现了一种基于预测信息的资源分配方法。
由于系统和信道状态变化的瞬时性,下一时刻的状态与前一时刻的状态往往会有较大的差异,基于预测信息的资源分配方法能消除这种时间上的滞后性,提高系统性能和用户性能。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
如图2所示,为本发明通信系统中资源分配的系统的一实施例的结构示意图。在本实施例中,系统包括状态预测模块11和资源分配模块12。其中状态预测模块11负责对下一时刻资源的状态信息进行预测,获得下一时刻的资源状态的预测信息。资源分配模块12用于根据所述预测信息进行下一时刻的资源分配。
本实施例中采用基于预测信息的资源分配方案克服了基于当前资源状况分配系统资源的时间滞后性,进而优化了资源分配过程,极大的改善了用户性能。
如图3所示,为本发明通信系统中资源分配的系统的另一实施例的结构示意图。与上一实施例相比,本实施例还包括:状态获取模块10,该模块用于在预测下一时刻的资源状态之前,获取当前时刻和/或以前时刻的资源的状态信息。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制;尽管参照较佳实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本发明技术方案的精神,其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (10)
1、一种通信系统中资源分配的方法,包括:
对下一时刻资源的状态信息进行预测,获得下一时刻的资源状态的预测信息;
根据所述预测信息进行下一时刻的资源分配。
2、根据权利要求1所述的通信系统中资源分配的方法,其中所述对下一时刻资源的状态信息进行预测的操作具体为:依据当前时刻和/或以前时刻的资源状态信息对下一时刻资源的状态信息进行预测。
3、根据权利要求2所述的通信系统中资源分配的方法,其中在预测下一时刻的资源状态信息之前,还包括获取当前时刻和/或以前时刻的资源的状态信息的操作。
4、根据权利要求3所述的通信系统中资源分配的方法,其中资源状态信息包括信噪比、信干比、信干噪比、信道增益干扰比、信道状态信息、可传输的数据速率、误码率或干扰强度;系统资源包括信道、频率、时隙、天线、功率、子载波、码字或带宽;预测方法包括各种滤波估计、递归/非递归估计、线性预测、非线性预测、神经网络、时间序列、马尔科夫链或小波分析。
5、根据权利要求4所述的通信系统中资源分配的方法,其中在蜂窝通信系统中,采用递归估计的预测方法对当前时刻和/或以前时刻的信道增益干扰比进行预测,并根据预测信息进行信道资源的分配,具体包括以下步骤:
对用户的可用信道集合中每个需要分配给用户的可用信道建立信道增益干扰比矩阵;
采用递归估计方法预测每个用户可用信道下一时刻的信道增益干扰比值,建立对应的信道增益干扰比预测矩阵,并依据信道增益干扰比预测值的大小为信道资源设置优先级;
根据所述优先级将相应的信道资源进行分配给对应的用户,直到分配的信道数达到要求的数目,或是有需要分配信道的用户都分配到相应的信道为止。
6、根据权利要求5所述的通信系统中资源分配的方法,其中所述建立信道增益干扰比矩阵的操作具体为:
检测用户所在信道对应的信道状况,并计算干扰小区基站到该用户当前信道的干扰功率之和;
获取该用户在当前信道上的信道增益,依次计算出每个用户在每个信道上的信道增益干扰比,进而建立信道增益干扰比矩阵。
7、根据权利要求5所述的通信系统中资源分配的方法,其中在建立信道增益干扰比矩阵之前,还包括以下步骤:
根据用户到各小区基站的信道增益大小确定用户的主控小区,并根据路径损耗确定用户类别以及对应的可用信道集合。
8、根据权利要求4所述的通信系统中资源分配的方法,其中在无源光网络中,采用时间序列分析预测方法对当前时刻和/或以前时刻的带宽进行预测,并根据预测信息进行带宽资源的分配。
9、一种通信系统中资源分配的系统,包括:
状态预测模块,用于对下一时刻资源的状态信息进行预测,获得下一时刻的资源状态的预测信息;
资源分配模块,用于根据所述预测信息进行下一时刻的资源分配。
10、根据权利要求9所述的通信系统中资源分配的系统,其中还包括:
状态获取模块,用于在预测下一时刻的资源状态之前,获取当前时刻和/或以前时刻的资源的状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810246740A CN101442807B (zh) | 2008-12-30 | 2008-12-30 | 通信系统中资源分配的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810246740A CN101442807B (zh) | 2008-12-30 | 2008-12-30 | 通信系统中资源分配的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101442807A true CN101442807A (zh) | 2009-05-27 |
CN101442807B CN101442807B (zh) | 2012-09-05 |
Family
ID=40727012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200810246740A Expired - Fee Related CN101442807B (zh) | 2008-12-30 | 2008-12-30 | 通信系统中资源分配的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101442807B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101958765A (zh) * | 2010-09-27 | 2011-01-26 | 北京大学 | 信道质量指示预测与补偿的方法及系统 |
CN102004671A (zh) * | 2010-11-15 | 2011-04-06 | 北京航空航天大学 | 一种云计算环境下数据中心基于统计模型的资源管理方法 |
CN102076099A (zh) * | 2010-12-16 | 2011-05-25 | 北京邮电大学 | 一种通信系统中分组调度的方法、装置及系统 |
CN102355399A (zh) * | 2011-07-14 | 2012-02-15 | 中国联合网络通信集团有限公司 | Ip承载层与光传送层之间的资源协同方法及系统 |
CN102711124A (zh) * | 2012-06-08 | 2012-10-03 | 北京邮电大学 | 一种双层网络中毫微微小区的功率分配方法 |
CN101599814B (zh) * | 2009-07-08 | 2013-01-02 | 北京邮电大学 | 协作通信中的下行传输预处理方法及系统 |
US8687516B2 (en) | 2009-08-28 | 2014-04-01 | Huawei Technologies Co., Ltd. | Method, apparatus and system for spectrum prediction |
CN104346655A (zh) * | 2014-10-08 | 2015-02-11 | 石家庄科林电气股份有限公司 | 蜂巢结构动态算法在智能用电信息管理系统中的应用方法 |
CN104618949A (zh) * | 2015-02-13 | 2015-05-13 | 浪潮通信信息系统有限公司 | 一种基于arma模型的投诉预测方法及装置 |
CN105760224A (zh) * | 2016-01-06 | 2016-07-13 | 杭州华三通信技术有限公司 | 一种资源的动态调整方法和装置 |
CN106685515A (zh) * | 2017-01-05 | 2017-05-17 | 清华大学 | 空间信息网络中卫星资源的分配方法和装置 |
CN108521389A (zh) * | 2018-02-07 | 2018-09-11 | 芯盾(海南)信息安全技术有限公司 | 减小语音信道数据传输误码率的方法及系统 |
CN108628623A (zh) * | 2018-04-04 | 2018-10-09 | 苏州天魂网络科技股份有限公司 | 一种基于马尔可夫链蒙特卡洛分包技术算法的移动平台整包热更新的解决方法 |
CN109510715A (zh) * | 2017-09-14 | 2019-03-22 | 中国电信股份有限公司 | 带宽分配方法、装置、数据中心以及存储介质 |
CN109845310A (zh) * | 2016-10-13 | 2019-06-04 | 华为技术有限公司 | 利用强化学习进行无线资源管理的方法和单元 |
CN109947619A (zh) * | 2019-03-05 | 2019-06-28 | 上海交通大学 | 基于服务质量感知提高吞吐量的多资源管理系统及服务器 |
CN110048972A (zh) * | 2019-04-24 | 2019-07-23 | 燕山大学 | 一种水声正交频分复用信道估计方法及系统 |
CN110213788A (zh) * | 2019-06-15 | 2019-09-06 | 福州大学 | 基于数据流时空特征的wsn异常检测及类型识别方法 |
CN110574337A (zh) * | 2017-05-04 | 2019-12-13 | 华为技术有限公司 | 基于滑动中值算法进行时间序列预测的网络计算设备、方法及系统 |
CN111225384A (zh) * | 2018-11-26 | 2020-06-02 | 中国移动通信有限公司研究院 | 一种上行干扰建模方法、干扰确定方法和装置 |
CN111328133A (zh) * | 2018-12-17 | 2020-06-23 | 上海大学 | 基于深度神经网络的v2x资源分配方法 |
CN111414070A (zh) * | 2020-03-06 | 2020-07-14 | 苏州浪潮智能科技有限公司 | 一种机箱功耗管理方法、系统及电子设备和存储介质 |
CN112243166A (zh) * | 2019-07-19 | 2021-01-19 | 上海诺基亚贝尔股份有限公司 | 用于光通信的方法、设备、装置和计算机可读介质 |
CN114071528A (zh) * | 2021-11-16 | 2022-02-18 | 北京邮电大学 | 基于业务需求预测的多波束卫星波束资源适配方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1667978A (zh) * | 2004-03-08 | 2005-09-14 | 信息技术实验室 | 自适应无线通信系统和方法 |
CN100461758C (zh) * | 2005-12-08 | 2009-02-11 | 华为技术有限公司 | 多接口流量平衡控制方法 |
CN101146030B (zh) * | 2006-09-14 | 2010-04-14 | 联想(北京)有限公司 | 一种信道资源的动态分配方法及装置 |
-
2008
- 2008-12-30 CN CN200810246740A patent/CN101442807B/zh not_active Expired - Fee Related
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101599814B (zh) * | 2009-07-08 | 2013-01-02 | 北京邮电大学 | 协作通信中的下行传输预处理方法及系统 |
CN102006124B (zh) * | 2009-08-28 | 2014-05-07 | 华为技术有限公司 | 频谱预测方法、装置和系统 |
US8687516B2 (en) | 2009-08-28 | 2014-04-01 | Huawei Technologies Co., Ltd. | Method, apparatus and system for spectrum prediction |
CN101958765A (zh) * | 2010-09-27 | 2011-01-26 | 北京大学 | 信道质量指示预测与补偿的方法及系统 |
CN102004671B (zh) * | 2010-11-15 | 2013-03-13 | 北京航空航天大学 | 一种云计算环境下数据中心基于统计模型的资源管理方法 |
CN102004671A (zh) * | 2010-11-15 | 2011-04-06 | 北京航空航天大学 | 一种云计算环境下数据中心基于统计模型的资源管理方法 |
CN102076099B (zh) * | 2010-12-16 | 2013-07-10 | 北京邮电大学 | 一种通信系统中分组调度的方法、装置及系统 |
CN102076099A (zh) * | 2010-12-16 | 2011-05-25 | 北京邮电大学 | 一种通信系统中分组调度的方法、装置及系统 |
CN102355399B (zh) * | 2011-07-14 | 2014-03-12 | 中国联合网络通信集团有限公司 | Ip承载层与光传送层之间的资源协同方法及系统 |
CN102355399A (zh) * | 2011-07-14 | 2012-02-15 | 中国联合网络通信集团有限公司 | Ip承载层与光传送层之间的资源协同方法及系统 |
CN102711124A (zh) * | 2012-06-08 | 2012-10-03 | 北京邮电大学 | 一种双层网络中毫微微小区的功率分配方法 |
CN104346655B (zh) * | 2014-10-08 | 2017-04-12 | 石家庄科林电气股份有限公司 | 蜂巢结构动态算法在智能用电信息管理系统中的应用方法 |
CN104346655A (zh) * | 2014-10-08 | 2015-02-11 | 石家庄科林电气股份有限公司 | 蜂巢结构动态算法在智能用电信息管理系统中的应用方法 |
CN104618949B (zh) * | 2015-02-13 | 2019-03-05 | 浪潮天元通信信息系统有限公司 | 一种基于arma模型的投诉预测方法及装置 |
CN104618949A (zh) * | 2015-02-13 | 2015-05-13 | 浪潮通信信息系统有限公司 | 一种基于arma模型的投诉预测方法及装置 |
CN105760224A (zh) * | 2016-01-06 | 2016-07-13 | 杭州华三通信技术有限公司 | 一种资源的动态调整方法和装置 |
CN109845310A (zh) * | 2016-10-13 | 2019-06-04 | 华为技术有限公司 | 利用强化学习进行无线资源管理的方法和单元 |
CN106685515A (zh) * | 2017-01-05 | 2017-05-17 | 清华大学 | 空间信息网络中卫星资源的分配方法和装置 |
CN106685515B (zh) * | 2017-01-05 | 2019-10-22 | 清华大学 | 空间信息网络中卫星资源的分配方法和装置 |
CN110574337A (zh) * | 2017-05-04 | 2019-12-13 | 华为技术有限公司 | 基于滑动中值算法进行时间序列预测的网络计算设备、方法及系统 |
CN109510715A (zh) * | 2017-09-14 | 2019-03-22 | 中国电信股份有限公司 | 带宽分配方法、装置、数据中心以及存储介质 |
CN109510715B (zh) * | 2017-09-14 | 2022-02-08 | 中国电信股份有限公司 | 带宽分配方法、装置、数据中心以及存储介质 |
CN108521389A (zh) * | 2018-02-07 | 2018-09-11 | 芯盾(海南)信息安全技术有限公司 | 减小语音信道数据传输误码率的方法及系统 |
CN108521389B (zh) * | 2018-02-07 | 2021-09-14 | 河南芯盾网安科技发展有限公司 | 减小语音信道数据传输误码率的方法及系统 |
CN108628623A (zh) * | 2018-04-04 | 2018-10-09 | 苏州天魂网络科技股份有限公司 | 一种基于马尔可夫链蒙特卡洛分包技术算法的移动平台整包热更新的解决方法 |
CN111225384A (zh) * | 2018-11-26 | 2020-06-02 | 中国移动通信有限公司研究院 | 一种上行干扰建模方法、干扰确定方法和装置 |
CN111328133A (zh) * | 2018-12-17 | 2020-06-23 | 上海大学 | 基于深度神经网络的v2x资源分配方法 |
CN109947619B (zh) * | 2019-03-05 | 2021-07-13 | 上海交通大学 | 基于服务质量感知提高吞吐量的多资源管理系统及服务器 |
CN109947619A (zh) * | 2019-03-05 | 2019-06-28 | 上海交通大学 | 基于服务质量感知提高吞吐量的多资源管理系统及服务器 |
CN110048972A (zh) * | 2019-04-24 | 2019-07-23 | 燕山大学 | 一种水声正交频分复用信道估计方法及系统 |
CN110213788A (zh) * | 2019-06-15 | 2019-09-06 | 福州大学 | 基于数据流时空特征的wsn异常检测及类型识别方法 |
CN112243166A (zh) * | 2019-07-19 | 2021-01-19 | 上海诺基亚贝尔股份有限公司 | 用于光通信的方法、设备、装置和计算机可读介质 |
CN112243166B (zh) * | 2019-07-19 | 2023-04-07 | 上海诺基亚贝尔股份有限公司 | 用于光通信的方法、设备、装置和计算机可读介质 |
CN111414070A (zh) * | 2020-03-06 | 2020-07-14 | 苏州浪潮智能科技有限公司 | 一种机箱功耗管理方法、系统及电子设备和存储介质 |
CN111414070B (zh) * | 2020-03-06 | 2021-10-15 | 苏州浪潮智能科技有限公司 | 一种机箱功耗管理方法、系统及电子设备和存储介质 |
CN114071528A (zh) * | 2021-11-16 | 2022-02-18 | 北京邮电大学 | 基于业务需求预测的多波束卫星波束资源适配方法 |
CN114071528B (zh) * | 2021-11-16 | 2023-06-27 | 北京邮电大学 | 基于业务需求预测的多波束卫星波束资源适配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101442807B (zh) | 2012-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101442807B (zh) | 通信系统中资源分配的方法及系统 | |
US11412317B2 (en) | Method and apparatus for allocating bandwidth based on machine learning in passive optical network | |
CN102938742B (zh) | 基于电力业务需求的通信带宽预测方法及装置 | |
CN101541016B (zh) | 数据预测方法和设备 | |
Garcia-Frias et al. | Hidden Markov models for burst error characterization in indoor radio channels | |
CN113382477B (zh) | 应用于无线网络用户间上行干扰建模的方法 | |
US20230292142A1 (en) | Transfer learning of network traffic prediction model among cellular base stations | |
CN101800995A (zh) | 小区关系确定方法及设备和频率规划方法及设备 | |
CN103882827A (zh) | 基于径流集合预报的水库防洪风险率预测方法 | |
Rodoplu et al. | A multiscale algorithm for joint forecasting–scheduling to solve the massive access problem of IoT | |
CN113099474B (zh) | 卫星互联网用户终端短期业务量需求预测方法及装置 | |
CN111294812A (zh) | 一种资源扩容规划的方法及系统 | |
CN105471647A (zh) | 一种电力通信网故障定位方法 | |
CN111667093B (zh) | 中长期风电发电计算方法及装置 | |
CN101568182A (zh) | 一种无线资源分配方法及装置 | |
Abdel-Karim et al. | Short term wind speed prediction by finite and infinite impulse response filters: A state space model representation using discrete markov process | |
Raivio et al. | Analysis of mobile radio access network using the self-organizing map | |
Guo et al. | Impact of prediction errors on high throughput predictive resource allocation | |
CN114615693B (zh) | 网络容量预测方法、装置、电子设备及计算机存储介质 | |
CN114679388B (zh) | 一种时间敏感网络数据流量预测方法、系统及存储介质 | |
Sztrik et al. | The Effect of Operation Time of the Server on the Performance of Finite-Source Retrial Queues with Two-Way Communications to the Orbit. | |
CN101610519B (zh) | 基于小波分析和Gamma分布实现无线实时多媒体通信流的方法 | |
Yousefi'Zadeh | A neural-based technique for estimating self-similar traffic average queueing delay | |
Zhang et al. | A statistical approach for dynamic rain attenuation model | |
CN117650834B (zh) | 基于知识蒸馏的天地一体化网络时空流量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120905 Termination date: 20201230 |