CN102104889B - 基于阻抗匹配的跨层优化系统及方法 - Google Patents
基于阻抗匹配的跨层优化系统及方法 Download PDFInfo
- Publication number
- CN102104889B CN102104889B CN 201110069629 CN201110069629A CN102104889B CN 102104889 B CN102104889 B CN 102104889B CN 201110069629 CN201110069629 CN 201110069629 CN 201110069629 A CN201110069629 A CN 201110069629A CN 102104889 B CN102104889 B CN 102104889B
- Authority
- CN
- China
- Prior art keywords
- layer
- unit
- impedance
- information
- striding
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 title claims abstract description 44
- 238000004891 communication Methods 0.000 claims abstract description 50
- 238000005516 engineering process Methods 0.000 claims abstract description 19
- 230000008878 coupling Effects 0.000 claims description 62
- 238000010168 coupling process Methods 0.000 claims description 62
- 238000005859 coupling reaction Methods 0.000 claims description 62
- 239000013598 vector Substances 0.000 claims description 45
- 238000013461 design Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 21
- 230000000977 initiatory effect Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 15
- 230000007246 mechanism Effects 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 8
- 230000007423 decrease Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000000712 assembly Effects 0.000 claims description 4
- 238000000429 assembly Methods 0.000 claims description 4
- 238000005538 encapsulation Methods 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 2
- 230000013011 mating Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 241000760358 Enodes Species 0.000 description 2
- 238000005267 amalgamation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010612 desalination reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000001566 impedance spectroscopy Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及无线通信技术领域,提供了一种基于阻抗匹配的跨层优化系统及方法,重点关注多种无线接入技术共存的异构网络环境下,跨层优化策略之间和谐共存和有效兼容问题。本发明基于电路理论中的阻抗匹配思想,从跨层优化技术的特殊属性出发,为无线通信网络建立新型的协议栈抽象模型,将时变而易出错的外界环境抽象为信源阻抗,将多种多样的跨层优化策略抽象为负载阻抗,从全局的范围提出了一种新型的跨层优化系统和方法。从整个网络的角度,使多种不同的跨层方案之间能互相兼容,共同存在,高效而有序的执行;使系统能更好的管理跨层优化策略,合理的部署跨层功能,更高效的利用资源。
Description
技术领域
本发明涉及无线通信技术领域,特别涉及一种基于阻抗匹配的跨层优化系统及方法。
背景技术
在传统通信网络中,通信采用严格的层级架构,协议栈的每一层都有其特有的功能。譬如,物理层规定通信设备的机械的、电气的、功能的和规程的特性,用以建立、维护和拆除物理链路连接,透明地传输比特流。数据链路层建立相邻节点之间的数据链路,通过差错控制提供数据帧在信道上无差错的传输,能实现物理地址寻址、数据的成帧、流量控制、数据的检错、重发等。网络层将数据链路层的帧组成数据包,选择合适的网间路由和交换节点,确保数据及时传送。层级结构在传统通信网络和因特网网络中,确实取得了很大的成功。但是,无线网络由于其本身的固有属性,即无线信道的时变性和不确定性,传统的层级架构思想已不适用于无线通信网络。无线通信对层级结构设计的协议栈的合理性提出很大的挑战,表现在以下几个方面:
(1)动态信道特性
在无线传输中噪声、阴影效应多径衰落以及其他设备的干扰都会导致信道状态的不可预知。并且用户的移动性将会带来信道特性的改变,给信道估计和预测带来困难,从而无法以一种恒定的方式保证链路的高通信质量,只有根据信道状态灵活地调整协议栈的相关参数,才能有效适应信道的动态特性,而传统的协议结构很难做到这点。
(2)传统协议栈设计方式的低效性
无线通信环境具有快速变化的特性,而传统的协议结构是不灵活的,各层之间只能通过一个严格的方式进行通信,无法灵活地适应无线移动环境的变化,从而使得在设计协议栈时只能考虑其在通信条件最为恶劣的情况下进行工作,而不是自适应的改变以适应信道的变化,进而导致了协议栈无法对有限的频谱资源及功率资源进行有效的利用。
(3)不同服务的QoS需求不同
未来的网络中业务是多样的,不同的业务QoS需求都是不同的,例如实时多媒体服务对时延的要求很高,但是可以容忍一定程度的差错;而文件传输,它对差错敏感,而对时延却没有很高的要求,所以未来的无线网络必须能够提供多种QoS保证。
近年来,跨层设计被提出以用于解决这些问题。跨层设计是一种基于协议栈中多层之间信息交换和联合优化的方法,它利用了协议栈中各层之间的相关性,跨越层的界限,通过在各层之间传递特定的信息,比如环境参数、业务需求等,来协调协议栈各层之间的工作过程,使之与不断变化的无线通信环境相适应,从而使系统能够满足各种业务的不同需求。因此,对于通信环境和业务需求不断变化的移动多媒体通信系统,通过联合协议栈的两层或多层进行整体优化,可改善各层独立优化中的瓶颈和失准的现象,从而提升整个网络的性能。
目前无线通信网络中的跨层技术取得了很多研究成果。这些成果一般是针对无线网络的特定的通信场景,采取跨协议栈某几层(两层或三层或四层等)的方法,实现通信协议栈不相邻层的信息交互和合作,以应对无线传输过程中所产生的一些问题。
现有技术方案中,跨层技术多集中在Ad hoc网络中路由方法(跨物理层和网络层),无线网络的无线资源管理和动态频谱分配问题(跨物理层和数据链路层),无线链路的TCP传输(跨物理层和传输层),无线网络的视频传输质量改善问题(跨物理层、数据链路层和应用层)等。这些跨层设计方法多针对具体的网络场景进行相应的设计,允许通信协议栈各层的相关信息参数进行直接信息交互,来改善系统性能,提高资源利用率,解决一些无线传输的特有问题。
虽然现有的跨层技术方案多种多样,但是,这些跨层设计方案都具有独立性和专属性,受约束于特定通信场景;换一种网络环境,所设计的跨层优化方案可能就不再适用。各方案之间的兼容性差,每种跨层方案都需有特殊的系统架构和通信机制来支持,多种跨层方案不能在同一个系统中实施。现有技术中,几乎没有研究跨层方案之间兼容性和融合性,并提供统一性管理和提高系统全局效能的机制和方法;多种跨层优化方案之间的协作调度和兼容问题尚未有相应的研究成果。
发明内容
(一)要解决的技术问题
本发明针对无线通信网络异构网络场景下的跨层方案之间的兼容性和融合性问题,致力于设计一种低复杂度的跨层管理系统和方法,实现无线通信网络的多场景下的跨层联合调度和协同管理,使得多种跨层方案能在系统内共存。
(二)技术方案
为解决上述技术问题并实现上述目的,本发明提供了一种基于阻抗匹配的跨层优化系统,该系统包括通过信息进行交互的异构资源管理器11和跨层管理器12;其中,异构资源管理器11包括无线网络信息收集单元111、信源阻抗抽象单元112、匹配发起单元113、指令执行单元114及阻抗匹配评估单元115;跨层管理器12包括跨层触发单元121、负载阻抗抽象单元122、阻抗匹配策略集单元123、匹配决策单元124及匹配学习单元125;其中,
无线网络信息收集单元111,连接至信源阻抗抽象单元112,负责收集和存储外界异构环境的信息,并与阻抗匹配评估单元115连接接收评估结果的反馈;
信源阻抗抽象单元112,连接至匹配发起单元113,对无线网络信息收集单元111收集的信息进行深度抽象,形成特定的信源阻抗向量,并与阻抗匹配评估单元115连接接收评估结果的反馈;
匹配发起单元113,连接至跨层管理器12的跨层触发单元121,在特定条件下,以周期性或事件触发的方式,发起基于阻抗匹配的跨层优化,激活所述跨层触发单元121,传送已抽象的相关信源阻抗信息,并与阻抗匹配评估单元115连接接收评估结果的反馈;
指令执行单元114,与跨层管理器12的匹配决策单元124相连接,执行所决策的跨层策略,更改跨层策略实施过程中参与的相关信息,并与阻抗匹配评估单元115连接接收评估结果的反馈;
阻抗匹配评估单元115,连接至无线网络信息收集单元111、信源阻抗抽象单元112、匹配发起单元113、指令执行单元114及跨层管理器12中的跨层匹配学习单元125,并与指令执行单元114进行交互,用于对跨层策略的执行效果进行评估,计算跨层策略实施所产生的系统开销,定性、定量化跨层的评估报告,并将结果反馈给连接的各单元;
跨层触发单元121,与匹配发起单元113相连接,并连接至负载阻抗抽象单元122和阻抗匹配策略集单元123,在接收到匹配发起单元113发起的信号后被激活,使跨层管理器12开始工作,并驱动负载阻抗抽象单元122和阻抗匹配策略集单元123工作,将匹配发起单元113发来的信源阻抗向量信息传送到阻抗匹配策略集单元123和负载阻抗抽象单元122;
负载阻抗抽象单元122,与跨层触发单元121和匹配学习单元125相连接,并连接至阻抗匹配策略集单元123,对通信协议栈进行负载阻抗抽象,使得各种跨层设计具有统一性的描述语言和描述向量,对各种跨层策略进行统一管理;
阻抗匹配策略集单元123,与跨层触发单元121、匹配学习单元125和负载阻抗抽象单元122相连接,并连接至匹配决策单元124,存储信源阻抗、负载阻抗及阻抗匹配的相关数据及算法,作为匹配策略集的数据库,并通过匹配学习单元125的学习成果,不断更新策略集和匹配算法;
匹配决策单元124,与阻抗匹配策略集单元123和匹配学习单元125相连接,并连接至异构资源管理器11的指令执行单元114,通过一定的规则,选择基于阻抗匹配的最优或次优的跨层策略,决策出最终选定的负载阻抗,并将决策结果传送给指令执行单元114;
匹配学习单元125,与异构资源管理器11的阻抗匹配评估单元115相连接,连接至负载阻抗抽象单元122、阻抗匹配策略集单元123和匹配决策单元124,根据阻抗匹配评估单元115的数据进行学习,并为负载阻抗抽象单元122、阻抗匹配策略集单元123和匹配决策单元124提供更新和完善建议,不断进行阻抗匹配的优化。
优选地,所述无线网络信息收集单元111针对的所述外界异构环境包括网络环境、无线环境、和/或用户环境。
优选地,与所述网络环境相关的信息包括网络拓扑结构、容量、网络延时、业务;与所述无线环境相关的信息包括无线接入技术、频谱信息、信道信息、数据速率、衰落、干扰;与所述用户环境相关的信息包括用户业务质量、用户优先级、业务需求、偏好。
优选地,所述负载阻抗抽象单元122用于将协议栈的各层抽象成一系列有序的组件,每个组件对应一个基本完整的功能,通过黑盒算法将各层的组件进行有机的组合,组合后的新的对象形成针对特定通信场景下的负载阻抗。
进一步地,本发明同时提供一种基于阻抗匹配的跨层优化方法,该方法具体包括步骤:
步骤201,异构资源管理器11采用周期性的触发机制或者事件触发机制来触发跨层匹配;
步骤202,无线网络信息收集单元111对无线通信网络中的信息收集和保存;
步骤203,信源阻抗抽象单元112将收集到的信息抽象成信源阻抗;
步骤204,匹配发起单元113判断是否向跨层管理器12发起阻抗匹配请求;如果是,激活跨层管理器12的跨层触发单元121;否则,返回至步骤202;
步骤205,跨层触发单元121判断是否为真实的发起信号;如果是,就进入下一个步骤206;否则,就返回至步骤202。
步骤206,负载阻抗抽象单元122收到跨层触发单元121的指令后,开始进行负载阻抗的抽象,添加新的负载阻抗到阻抗匹配策略集单元123的跨层策略集中;
步骤207,匹配决策单元124依据阻抗匹配策略集单元123提供的匹配策略,进行与信源阻抗相匹配的跨层策略选择;
步骤208,判断是否找到适当的跨层策略,即与信源阻抗相匹配的负载阻抗;如果是,将该跨层策略作为选定的跨层策略进入下一个步骤209;否则,返回至步骤206,重新进行负载阻抗抽象;
步骤209,发布选定的跨层策略,将最终选择结果传送给异构资源管理器11的指令执行单元114;
步骤210,指令执行单元114执行所述选定的跨层策略,并将执行效果提交至阻抗匹配评估单元115;
步骤211,阻抗匹配评估单元115评估本次阻抗匹配的结果,撰写并储存评估报告,反馈给异构资源管理器11的其他各单元和跨层管理器12的匹配学习单元125;
步骤212,匹配学习单元125经过学习训练,对评估报告深度剖析,进而对负载阻抗抽象单元122、阻抗匹配策略集单元123和匹配决策单元124中内容进行修改;
步骤213,判断是否执行完选定的跨层策略,如果是,则进入下一步骤214;否则,返回步骤210继续执行选定的跨层策略;
步骤214,结束本次基于阻抗匹配的跨层策略,等待下次流程。
优选地,所述无线网络信息收集单元111针对的无线通信网络环境包括网络环境、无线环境、和/或用户环境。
优选地,与所述网络环境相关的信息包括网络拓扑结构、容量、网络延时、业务等;与所述无线环境相关的信息包括无线接入技术、频谱信息、信道信息、数据速率、衰落、干扰等;与所述用户环境相关的信息包括用户业务质量、用户优先级、业务需求、偏好等。
优选地,步骤203中所述将收集到的信息抽象成信源阻抗的具体步骤为:
优选地,步骤206中所述进行负载阻抗的抽象的具体步骤为:
通过层、组件、开销、优化空间来描述负载阻抗,一个负载阻抗对应一种跨层设计策略;
优化空间的一个优化目标可由若干组件cij共同协作完成;
优选地,步骤207中跨层策略选择具体包括步骤:
S301,取矩阵A的上三角矩阵为矩阵B;
S302,设定优先级参数:
Pr=t-s-(N-1)-10-α·count,{0<s<t≤ln,α>0,count>0},
其中t表示参与跨层的协议栈的最高层的数字,s表示参与跨层的协议栈的最低层的数字,N表示参与跨层的总层数,α表示满足10-α·count<1的正整数,count表示跨层策略的相邻层对的数目;Pr值越小,表示优先级越大;
S303,遍历矩阵B,如果满足则表示协议栈的i,j,...,z层可跨层;遍历完毕后,列出所有可能的组合M1,M2,...,Mi,并计算每种方案的优先级参数Pri,将各跨层方案以Pri值从小到大的顺序排序;
S304,在Mi中添加组件,形成向量计算同一优化空间的参与协同工作的功能组件的权重和,计入Ψ(·),将同一优化空间的负载阻抗以Pri值从小到大的顺序排序,再将同一优化空间的同一优先级Pr的负载阻抗以权重值进行从大到小的排序,形成负载阻抗Ψ1(·);
S305,计算负载阻抗Ψ1(·)的系统开销:
其中代表参与跨层设计的各层创建新接口或扩展接口的平均层开销,μi表示第i层的功能组件的开销增益因子,ζj表示某层的第j个功能组件的开销增益因子,表示功能组件的封装和执行开销,在Ψ1(·)的基础上,同一优化空间的负载阻抗再以开销从小到大排序,排序后的负载阻抗记为Ψ1,2(·);
S307,匹配过程结束,系统发布指令,并执行匹配后的跨层策略。
(三)有益效果
本发明基于电路中阻抗匹配的思想(阻抗匹配,指负载阻抗与电源内阻抗或与传输线波阻抗之间的特定配合关系,当电路中存在完美的阻抗匹配时,电路的运行效率是最高的),从多种跨层方案兼容和融合的角度出发,允许系统中运行多种跨层方案,致力于实现各种方案之间的合理调度和有效兼容,为跨层方案之间的共存问题提供一种机制和方法,使得跨层设计突破单场景运行的瓶颈问题,能在无线网络的多种场景下随意使用和高效执行,从而更好的管理多种多样的跨层设计方案,科学有效的调度系统资源,节约网络部署成本,实现无线通信网络的有性能保障的高效业务传输。
附图说明
图1为本发明中基于阻抗匹配的跨层优化系统的结构示意图;
图2为本发明中优选的负载阻抗抽象方式示意图;
图3为本发明中基于阻抗匹配的跨层优化方法的方法流程图;
图4为本发明中基于阻抗匹配的跨层优化方法的流程时序图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明中涉及到的系统具体包括:异构资源管理器11、跨层管理器12。该系统适用于复杂多变的异构网络通信环境(也适用于同构网络)下可实施集中式控制的网络部署场景。跨层管理器通过与异构资源管理器进行信息交互,来控制跨层方案的联合调度和高效执行,并根据跨层匹配的运行效果进行学习,不断地更新并完善各种跨层策略。
具体地,异构资源管理器11为跨层方案的协同工作和高效共存提供支持,使得跨层管理器能更好的响应复杂多变的无线环境,做出适宜的跨层决策,并快速执行跨层方案,更好地改善系统效能。映射到实际网络中,异构资源管理器与接入网和核心网均有接口,其中,无线资源相关的管理控制功能通过接入网的相关实体实现(如LTE网络中基站eNode B等),业务和应用相关功能通过核心网的相关实体实现(如LTE网络中的移动性管理实体MME等)。异构资源管理器11具体包括:
无线网络信息收集单元111:负责收集和存储复杂多变的外界异构环境信息,包括网络环境(网络拓扑结构,容量,网络延时,业务等),无线环境(无线接入技术,频谱信息,信道信息,数据速率,衰落,干扰等),用户环境(用户业务质量,用户优先级,业务需求,偏好等)等。
信源阻抗抽象单元112:对无线网络信息收集单元111收集的信息进行深度抽象,形成特定的信源阻抗向量。譬如,可通过三维的向量来描述,其中Ns标识网络状态信息向量,Rs标识无线环境信息向量,Us标识用户环境信息向量,三维向量的值代表了特定无线通信环境下的信源阻抗。
匹配发起单元113:在无线传输质量很差,或者满足特定的门限条件时,以周期性或事件触发的方式,发起基于阻抗匹配的跨层优化技术,激活跨层管理器12的跨层触发单元121,并传送已抽象的相关信源阻抗信息。
指令执行单元114:执行跨层管理器12所决策的跨层策略,更改跨层策略实施过程中参与的基站、移动台、路由节点等的相关信息。
阻抗匹配评估单元115:对跨层策略的执行效果进行评估,计算跨层策略实施所产生的系统开销,定性、定量化跨层的评估报告;将结果反馈给异构资源管理器11中的无线网络信息收集单元111,信源阻抗抽象单元112,匹配发起单元113,指令执行单元114及跨层管理器12中的跨层匹配学习单元125。
跨层管理器12包括五个模块:跨层触发单元121,负载阻抗抽象单元122,阻抗匹配策略集单元123,匹配决策单元124,匹配学习单元125。映射到实际网络中,跨层管理器12与接入网和核心网均有接口,其中,无线资源相关的管理控制功能通过接入网的相关实体实现(如LTE网络中基站eNode B等),业务和应用相关功能通过核心网的相关实体实现(如LTE网络中的移动性管理实体MME等)。
跨层触发单元121:接收到匹配发起单元113发起的信号后,跨层触发单元121激活,跨层管理器12开始工作。跨层触发单元121驱动负载阻抗抽象单元122和阻抗匹配策略集单元123工作,并将匹配发起单元113发来的信源阻抗向量信息传送到阻抗匹配策略集单元123和负载阻抗抽象单元122。
负载阻抗抽象单元122:对通信协议栈进行负载阻抗抽象,使得各种跨层设计方法具有统一性的描述语言和描述向量,将多种多样的跨层策略进行统一性的管理,方便系统对跨层策略的高效调度。
该单元首先进行通信协议栈的层抽象,将协议栈的各层抽象成一系列有序的组件(各层的组件数量可以不同),每个组件对应一个基本完整的功能,特别的,最小粒度的组件就是单个的参数。如图2所示,假定无线网络中通信的协议栈有ln层,每层按照各自在通信中扮演的角色分成若干组件,第i层的第j个组件用cij来表示。
其次,如图2所示,通过黑盒算法(遗传算法,排队论等数学算法)将这些各层的组件进行有机的组合(组合不等于简单拼凑),组合后的新的对象形成针对特定通信场景下的负载阻抗,这些负载阻抗能与信源阻抗相匹配,形成基于阻抗匹配的跨层联合管理机制。最优化的匹配机制能实现特定无线通信场景(信源阻抗)与最佳的跨层优化方法(负载阻抗)相匹配,能获得网络性能的最优化提升。
阻抗匹配策略集单元123:存储信源阻抗、负载阻抗及阻抗匹配的相关数据及算法,可看作是匹配策略集的数据库。阻抗匹配策略集单元123通过跨层管理器12的匹配学习单元125的学习成果,不断地更新策略集和匹配算法。
匹配决策单元124:通过一定的规则,选择基于阻抗匹配思想的最优或次优的跨层策略,决策出最终选定的负载阻抗。匹配决策单元124和阻抗匹配策略集单元123,匹配学习单元125连接,并将决策结果传送给异构资源管理器11的跨层策略的指令执行单元114。
匹配学习单元125:根据异构资源管理器11的阻抗匹配评估单元115的数据进行学习,并为跨层管理器12的负载阻抗抽象单元122,阻抗匹配策略集单元123,匹配决策单元124提供更新和完善建议,不断地优化阻抗匹配的匹配方法,使系统获得更好的效能增益。
进一步地,本发明同时涉及一种基于阻抗匹配的跨层优化技术的匹配机制和流程,将跨层优化策略与动态时变的外部网络环境相匹配,解决无线链路中由于层级协议栈结构所引入的特殊问题。多种跨层方案的融合和兼容,可以为跨层技术的发展提供更统一和更具扩展性的平台,减少系统的开销;而且避免了一种跨层方案采用一种系统设计方式,增加了系统设计的灵活性;信源阻抗和负载阻抗的合理配对,能以较少的系统开销获取最大的系统效能增益。基于阻抗匹配的跨层兼容性研究,以阻抗匹配的思想,为跨层方法的兼容性提供统一的平台。具体的流程图如图3所示。
步骤201:基于阻抗匹配的流程开始,异构资源管理器11采用周期性的触发机制或者事件触发机制来开始一个新的跨层匹配流程。周期性指的该匹配机制每隔一段时间就重新开始,循环地进行跨层优化,其中周期是随外界环境可变的。事件触发机制指的是无线网络环境极度恶化,或者信道传输质量严重下降等情况下,系统受这些事件激励启动跨层优化,来获得网络性能增益,改善系统性能。
步骤202:异构资源管理器11中的无线网络信息收集单元111对无线通信网络中的信息收集和保存,包括网络环境(网络拓扑结构,容量,网络延时,业务等),无线环境(无线接入技术,频谱信息,信道信息,数据速率,衰落,干扰等),用户环境(用户业务质量,用户优先级,业务需求,偏好等)等。
步骤203:针对步骤202中收集到的信息进行抽象,按照一定的规则抽象成信源阻抗。
步骤204:异构资源管理器11的匹配发起单元113做一个判断,确认是否向跨层管理器12发起阻抗匹配请求。如果是,激活跨层管理器12的跨层触发单元121;否则,返回至步骤202。
步骤205:跨层管理器12的跨层触发单元121做判断,确认是否为真实的发起信号(防止网络中的恶意的攻击)。如果是,就进入下一个206步骤;否则,就返回至步骤202。
步骤206:收到跨层触发单元121的指令后,负载阻抗抽象单元122开始进行负载阻抗的抽象工作,添加新的负载阻抗到跨层策略集。
步骤207:依据特定的匹配规则,进行与信源阻抗相匹配的跨层方案选择,匹配规则涵盖一系列的数学算法。
步骤208:判断是否找到适当的(最优匹配或者次优匹配)跨层策略,即与信源阻抗相匹配的负载阻抗。如果是,就进入下一个步骤209;否则,返回至步骤206,重新进行负载阻抗抽象。
步骤209:发布选定的跨层策略,将最终选择结果传送给异构资源管理器11的跨层策略的指令执行单元114。
步骤210:异构资源管理器11的跨层策略的指令执行单元114执行跨层方案,并将执行效果提交至阻抗匹配评估单元115。
步骤211:阻抗匹配评估单元115评估本次阻抗匹配的结果,撰写并储存评估报告,并反馈给异构资源管理器11的各模块和跨层管理器12的匹配学习单元125。
步骤212:跨层管理器12的匹配学习单元125经过学习训练,对评估报告深度剖析,修改负载阻抗抽象单元122、阻抗匹配策略集单元123和匹配决策单元124的相关方法,更大程度的提高系统效能。
步骤213:判断是否执行完选定的跨层策略,执行完,则进入下一步骤214;否则,继续执行选定的跨层策略。
步骤214:结束本次基于阻抗匹配的跨层策略,等待下次流程。
图4进一步表明了整个基于阻抗匹配思想的跨层优化流程中各步骤的时序以及各个功能单元之间相互作用的关系,其中箭头表示交互信息的流向,通过图4可进一步了解本发明提供的基于阻抗匹配的跨层优化方法中各步骤的执行单元、步骤的执行顺序以及各步骤执行时的依赖关系。
优选地,本发明还进一步提出了一种低复杂度的跨层阻抗匹配方法,可应用于上文所提到的信源阻抗和负载阻抗相关步骤中,进一步具体化了相关阻抗的抽象过程,并提供了更优的解决阻抗策略集决策问题的方法。
本领域的技术人员应该能够意识到,下文所描述的阻抗匹配方法仅仅是一种优选的实施例,是本发明可以优选采用的一部分实施例,并非是本发明所必须采取的实施方式,现有技术中任何满足一定策略的信源阻抗和负载阻抗的抽象和匹配方法均可以应用于本发明上文描述的基于阻抗匹配的跨层优化方法中以解决其技术问题,因而下文的实施例并非是本发明的必要技术特征;同时下文中的实施例也不是全部的实施例,在其基础上本领域的技术人员所进行的任何无需创造性劳动而得到的实施方式均应落入本发明的保护范围内。
首先,信源阻抗用一个三维空间向量来表征Ns标识网络状态信息向量,Rs标识无线环境信息向量,Us标识用户环境信息向量。该三维向量的值的意义是在特定网络状态、无线环境及用户环境下的系统优化目标。三维空间中的每一个点代表了一个信源阻抗。
其次,为负载阻抗添加一些特定的标识元素。负载阻抗需描述层,组件,开销,优化空间等相关因素,一个负载阻抗对应一种跨层设计策略。层之间关系用一个矩阵描述,矩阵A中元素表征ln层通信协议栈的可跨层能力,有0或1两种选择。1代表两层之间可进行跨层操作;0表示两层之间不可进行跨层操作(或者暂时不允许跨层操作)。显然,矩阵A为实对称矩阵。组件用一个特征向量来标识,其中代表优化空间向量,代表优化空间向量的权值,(x,y)代表了组件在协议栈中的位置。优化空间的一个优化目标可由若干组件cij共同协作完成,并取得一个理想的效能增益。如果将这个效能增益归一化,用0到1之间的小数来评价参与的组件的贡献,每个组件的权值便产生了,显然,特定优化目标下参与作用的所有组件的权值和为1。权值越大,代表贡献越大。每个组件由于封装成本,执行的时间和消耗的系统资源不尽相同,所耗尽的系统开销各不相同,这里设定开销为与组件的位置及优化空间有关系。
下面,详细介绍具体的的匹配过程:
步骤S301,由于A为实对称矩阵,为减少计算工作量,取A的上三角矩阵为B矩阵,显然B矩阵可完整的描述协议栈各层之间的关系。
步骤S302,考虑到跨层方案的开销问题,由于严格的层级协议栈仅允许相邻的层之间进行有限制的信息传输,即相邻层之间有接口,但接口功能受限。所以,本方案认为层之间越接近,建立跨层接口所需的开销越小,最理想的情况是相邻层进行跨层操作,只需对原来固有的接口进行适当的功能扩展。此外,参与跨层的层数越多,系统开销也越大。为了实现公平的调度,设定优先级参数:
Pr=t-s-(N-1)-10-α·count,{0<s<t≤ln,α>0,count>0}
其中t表示参与跨层的协议栈的最高层的数字,s表示参与跨层的协议栈的最低层的数字,N表示参与跨层的总层数,α表示正整数(满足10-α·count<1即可),count表示跨层方案的相邻层对的数目(有几对相邻层参与跨层操作,就记为几)。Pr值越小,表示优先级越大。
步骤S303,遍历矩阵B,查询并确立参与匹配的通信协议栈的各层:
如果满足则表示协议栈的i,j,...,z层可跨层。负载阻抗中涵盖的层不能超过这些层。遍历完毕后,列出所有可能的组合M1,M2,Mi等,并计算每种方案的优先级参数Pri,将可列个跨层方案以Pri值从小到大的顺序排序。
步骤S304,在Mi中添加组件,形成向量以优化空间为索引,形成一个个可定位、可数的封装完毕的功能组件的有机组合,即负载阻抗。计算同一优化空间的参与协同工作的功能组件的权重和,计入Ψ(·)。接着,同一优化空间的负载阻抗以Pri值从小到大的顺序排序,然后,同一优化空间的同一优先级Pr的负载阻抗再以权重值进行从大到小的排序,形成负载阻抗Ψ1(·)。
步骤S305,计算负载阻抗Ψ1(·)的系统开销:
其中代表参与跨层设计的各层创建新接口或扩展接口的平均层开销,μi表示第i层的功能组件的开销增益因子,ζj表示某层的第j个功能组件的开销增益因子,表示功能组件的封装和执行开销。在步骤S304中Ψ1(·)的基础上,同一优化空间的负载阻抗再以开销从小到大排序,排序后的负载阻抗记为Ψ1,2(·)。
步骤S306,一旦信源阻抗给定,优化目标便给定;此时,系统通过优先级、功能组件权重和、及系统开销之间的博弈,决策出最匹配的策略。
步骤S307,匹配过程结束,系统发布指令,并执行匹配后的跨层策略。
以往的每种跨层策略,都有独立的系统支撑架构,针对性太强。一旦无线网络发生变化,通信质量下降,这个时候换一种跨层策略绝非易事,可能涉及变更之前的架构,或者根本难以实施。所以,独立设计的跨层方案针对性强而灵活性和扩展性差,难以满足动态时变的无线通信环境的要求。
与现有的技术方案相比,本发明的优势在于融合所有的跨层方案于一个高度抽象的统一的平台,利用电子电路中的阻抗匹配的思想,将无线通信网络环境抽象成具有特定优化目标的信源阻抗,将跨层策略抽象为独立、可调度的负载阻抗,通过匹配方法进行二者的最优化匹配,实现多种多样跨层策略的联合调度和有机融合。
在无线通信网络中,本发明将电子电路中阻抗匹配的思想应用在跨层优化技术中,用基于阻抗匹配思想的跨层优化的机制和方法对多种互相独立的跨层策略进行联合管理和调度;突破了单种跨层设计方案部署和实施的局限性,理论新颖性强。同时,本发明对无线通信网络的通信场景和跨层策略进行高度的抽象的理念,将无线网络从具体的通信场景中抽象出来,淡化个性,强调共性,特别是将协议栈的各层进行功能组件抽象,淡化传统通信协议栈的严格的层级界限,增加了灵活性和兼容性。本发明还解决了各自独立并局限于单场景的跨层方案之间的融合和兼容的问题;从系统的全局的角度来实施跨层优化技术;节省了各种跨层方案独立设计时所需的系统资源,灵活性强,可扩展能力强。进一步地,本发明提出了一种低复杂度的匹配方法,从调度的公平性和减少计算量的角度,利用优先级和开销等因素,合理的匹配信源阻抗和负载阻抗,效率较高。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (10)
1.一种基于阻抗匹配的跨层优化系统,其特征在于,该系统包括通过信息进行交互的异构资源管理器(11)和跨层管理器(12);
所述异构资源管理器(11)包括无线网络信息收集单元(111)、信源阻抗抽象单元(112)、匹配发起单元(113)、指令执行单元(114)及阻抗匹配评估单元(115);所述跨层管理器(12)包括跨层触发单元(121)、负载阻抗抽象单元(122)、阻抗匹配策略集单元(123)、匹配决策单元(124)及匹配学习单元(125);
其中,
无线网络信息收集单元(111)连接至信源阻抗抽象单元(112);负责收集和存储外界异构环境的信息,并与阻抗匹配评估单元(115)连接接收评估结果的反馈;
信源阻抗抽象单元(112)连接至匹配发起单元(113);对无线网络信息收集单元(111)收集的信息进行深度抽象,形成特定的信源阻抗向量,并与阻抗匹配评估单元(115)连接接收评估结果的反馈,所述特定的信源阻抗向量为三维向量,包括:标识网络状态信息的向量、标识无线环境信息的向量、以及标识用户环境信息的向量;
匹配发起单元(113)连接至跨层管理器(12)的跨层触发单元(121);在无线传输质量满足设定的门限条件时以周期性或事件触发的方式,发起基于阻抗匹配的跨层优化,激活跨层触发单元(121),传送已抽象的上述信源阻抗向量,并与阻抗匹配评估单元(115)连接接收评估结果的反馈;
指令执行单元(114)与跨层管理器(12)的匹配决策单元(124)相连接;执行所决策的跨层策略,更改跨层策略实施过程中参与的相关信息,并与阻抗匹配评估单元(115)连接接收评估结果的反馈;
阻抗匹配评估单元(115)连接至无线网络信息收集单元(111)、信源阻抗抽象单元(112)、匹配发起单元(113)、指令执行单元(114)及跨层管理器(12)中的跨层匹配学习单元(125),并与指令执行单元(114)进行交互;用于对跨层策略的执行效果进行评估,计算跨层策略实施所产生的系统开销,定性、定量化跨层的评估报告,并将结果反馈给连接的各单元;
跨层触发单元(121)与匹配发起单元(113)相连接,并连接至负载阻抗抽象单元(122)和阻抗匹配策略集单元(123);在接收到匹配发起单元(113)发起的信号后被激活,使跨层管理器(12)开始工作,并驱动负载阻抗抽象单元(122)和阻抗匹配策略集单元(123)工作,将匹配发起单元(113)发来的信源阻抗向量传送到阻抗匹配策略集单元(123)和负载阻抗抽象单元(122);
负载阻抗抽象单元(122)与跨层触发单元(121)和匹配学习单元(125)相连接,并连接至阻抗匹配策略集单元(123);对通信协议栈进行负载阻抗抽象,使得各种跨层设计具有统一性的描述语言和描述向量,对各种跨层策略进行统一管理;
阻抗匹配策略集单元(123)与跨层触发单元(121)、匹配学习单元(125)和负载阻抗抽象单元(122)相连接,并连接至匹配决策单元(124);存储信源阻抗、负载阻抗及阻抗匹配的相关数据及算法,作为匹配策略集的数据库,并通过匹配学习单元(125)的学习成果,不断更新策略集和匹配算法;
匹配决策单元(124)与阻抗匹配策略集单元(123)和匹配学习单元(125)相连接,并连接至异构资源管理器(11)的指令执行单元(114);通过一定的规则,选择基于阻抗匹配的最优或次优的跨层策略,决策出最终选定的负载阻抗,并将决策结果传送给指令执行单元(114);
匹配学习单元(125)与异构资源管理器(11)的阻抗匹配评估单元(115)相连接,连接至负载阻抗抽象单元(122)、阻抗匹配策略集单元(123)和匹配决策单元(124);根据阻抗匹配评估单元(115)的数据进行学习,并为负载阻抗抽象单元(122)、阻抗匹配策略集单元(123)和匹配决策单元(124)提供更新和完善建议,不断进行阻抗匹配的优化。
2.根据权利要求1所述的系统,其特征在于,所述无线网络信息收集单元(111)针对的所述外界异构环境包括网络环境、无线环境、和/或用户环境。
3.根据权利要求2所述的系统,其特征在于,与所述网络环境相关的信息包括网络拓扑结构、容量、网络延时、业务;与所述无线环境相关的信息包括无线接入技术、频谱信息、信道信息、数据速率、衰落、干扰;与所述用户环境相关的信息包括用户业务质量、用户优先级、业务需求、偏好。
4.根据权利要求1所述的系统,其特征在于,所述负载阻抗抽象单元(122)用于将协议栈的各层抽象成一系列有序的组件,每个组件对应一个功能,通过黑盒算法将各层的组件进行有机的组合,组合后的新的对象形成与信源阻抗相匹配的负载阻抗。
5.一种基于阻抗匹配的跨层优化方法,其特征在于,该方法具体包括步骤:
步骤201,异构资源管理器(11)采用周期性的触发机制或者事件触发机制来触发跨层匹配;
步骤202,无线网络信息收集单元(111)对无线通信网络中的信息收集和保存;
步骤203,信源阻抗抽象单元(112)将收集到的信息抽象成信源阻抗;
步骤204,匹配发起单元(113)判断是否向跨层管理器(12)发起阻抗匹配请求;如果是,激活跨层管理器(12)的跨层触发单元(121);否则,返回至步骤202;
步骤205,跨层触发单元(121)判断是否为真实的发起信号;如果是,就进入下一个步骤206;否则,就返回至步骤202;
步骤206,负载阻抗抽象单元(122)收到跨层触发单元(121)的指令后,开始进行负载阻抗的抽象,添加新的负载阻抗到阻抗匹配策略集单元(123)的跨层策略集中;
步骤207,匹配决策单元(124)依据阻抗匹配策略集单元(123)提供的匹配策略,进行与信源阻抗相匹配的跨层策略选择;
步骤208,判断是否找到适当的跨层策略,即与信源阻抗相匹配的负载阻抗;如果是,将该跨层策略作为选定的跨层策略进入下一个步骤209;否则,返回至步骤206,重新进行负载阻抗抽象;
步骤209,发布选定的跨层策略,将最终选择结果传送给异构资源管理器(11)的指令执行单元(114);
步骤210,指令执行单元(114)执行所述选定的跨层策略,并将执行效果提交至阻抗匹配评估单元(115);
步骤211,阻抗匹配评估单元(115)评估本次阻抗匹配的结果,撰写并储存评估报告,反馈给异构资源管理器(11)的其他各单元和跨层管理器(12)的匹配学习单元(125);
步骤212,匹配学习单元(125)经过学习训练,对评估报告深度剖析,进而对负载阻抗抽象单元(122)、阻抗匹配策略集单元(123)和匹配决策单元(124)中内容进行修改;
步骤213,判断是否执行完选定的跨层策略,如果是,则结束本次基于阻抗匹配的跨层策略,等待下次触发事件;否则,返回步骤210继续执行选定的跨层策略;
步骤214,结束本次基于阻抗匹配的跨层策略,等待下次流程。
6.根据权利要求5所述的方法,其特征在于,所述无线网络信息收集单元(111)针对的无线通信网络环境包括网络环境、无线环境、和/或用户环境。
7.根据权利要求6所述的方法,其特征在于,与所述网络环境相关的信息包括网络拓扑结构、容量、网络延时、业务;与所述无线环境相关的信息包括无线接入技术、频谱信息、信道信息、数据速率、衰落、干扰;与所述用户环境相关的信息包括用户业务质量、用户优先级、业务需求、偏好。
10.根据权利要求9所述的方法,其特征在于,步骤207中所述跨层策略选择具体包括步骤:
S301,取矩阵A的上三角矩阵为矩阵B;
S302,设定优先级参数:
Pr=t-s-(N-1)-10-α·count,{0<s<t≤ln,α>0,count>0},
其中t表示参与跨层的协议栈的最高层的数字,s表示参与跨层的协议栈的最低层的数字,N表示参与跨层的总层数,α表示满足10-α·count<1的正整数,count表示跨层策略的相邻层对的数目;Pr值越小,表示优先级越大;
S303,遍历矩阵B,如果满足则表示协议栈的i,j,...,z层可跨层;遍历完毕后,列出所有可能的组合M1,M2,…,Mi,并计算每种方案的优先级参数Pri,将各跨层方案以Pri值从小到大的顺序排序;
S304,在Mi中添加组件,形成向量计算同一优化空间的参与协同工作的功能组件的权重和,计入Ψ(·),将同一优化空间的负载阻抗以Pri值从小到大的顺序排序,再将同一优化空间的同一优先级Pr的负载阻抗以权重值进行从大到小的排序,形成负载阻抗Ψ1(·);
S305,计算负载阻抗Ψ1(·)的系统开销:
其中代表参与跨层设计的各层创建新接口或扩展接口的平均层开销,μi表示第i层的功能组件的开销增益因子,ζj表示某层的第j个功能组件的开销增益因子,表示功能组件的封装和执行开销,在Ψ1(·)的基础上,同一优化空间的负载阻抗再以开销从小到大排序,排序后的负载阻抗记为Ψ1,2(·),N表示参与跨层的总层数;
S307,匹配过程结束,系统发布指令,并执行匹配后的跨层策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110069629 CN102104889B (zh) | 2011-03-22 | 2011-03-22 | 基于阻抗匹配的跨层优化系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110069629 CN102104889B (zh) | 2011-03-22 | 2011-03-22 | 基于阻抗匹配的跨层优化系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102104889A CN102104889A (zh) | 2011-06-22 |
CN102104889B true CN102104889B (zh) | 2013-09-04 |
Family
ID=44157336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110069629 Expired - Fee Related CN102104889B (zh) | 2011-03-22 | 2011-03-22 | 基于阻抗匹配的跨层优化系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102104889B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103685299A (zh) * | 2013-12-20 | 2014-03-26 | 大连大学 | 基于信息流闭环访问机制的跨层通信方法 |
CN106170131A (zh) * | 2016-08-22 | 2016-11-30 | 中央军委装备发展部第六十三研究所 | 一种信道状态不确定条件下分层异构网络的稳健分层博弈学习资源分配方法 |
CN112199822B (zh) * | 2020-09-14 | 2024-02-02 | 国家电网有限公司 | 一种用于寻求最优系统阻抗值的外点罚函数方法 |
CN113595774B (zh) * | 2021-07-19 | 2023-08-01 | 广西大学 | 一种基于iaga算法的高速列车车联网拓扑优化方法 |
CN114404999B (zh) * | 2022-01-13 | 2022-12-23 | 游酷盛世科技(北京)有限公司 | 一种应用于云游戏防护的大数据风控处理方法及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101146033A (zh) * | 2007-10-31 | 2008-03-19 | 重庆邮电大学 | 一种基于跨层协作机制提高无线自组织网络性能的方法 |
CN101277505A (zh) * | 2008-05-09 | 2008-10-01 | 北京邮电大学 | 通信系统中基于组件的协议栈优化方法和装置 |
CN101534557A (zh) * | 2009-04-15 | 2009-09-16 | 东南大学 | 自组织认知无线网络分布式最优资源分配方法 |
CN101882983A (zh) * | 2009-05-05 | 2010-11-10 | 上海摩波彼克半导体有限公司 | 无线通信网络中实现tcp传输性能优化的跨层通信控制方法 |
CN101945406A (zh) * | 2010-10-07 | 2011-01-12 | 西安电子科技大学 | 认知网络资源的矢量空间模型构建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110019693A1 (en) * | 2009-07-23 | 2011-01-27 | Sanyo North America Corporation | Adaptive network system with online learning and autonomous cross-layer optimization for delay-sensitive applications |
-
2011
- 2011-03-22 CN CN 201110069629 patent/CN102104889B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101146033A (zh) * | 2007-10-31 | 2008-03-19 | 重庆邮电大学 | 一种基于跨层协作机制提高无线自组织网络性能的方法 |
CN101277505A (zh) * | 2008-05-09 | 2008-10-01 | 北京邮电大学 | 通信系统中基于组件的协议栈优化方法和装置 |
CN101534557A (zh) * | 2009-04-15 | 2009-09-16 | 东南大学 | 自组织认知无线网络分布式最优资源分配方法 |
CN101882983A (zh) * | 2009-05-05 | 2010-11-10 | 上海摩波彼克半导体有限公司 | 无线通信网络中实现tcp传输性能优化的跨层通信控制方法 |
CN101945406A (zh) * | 2010-10-07 | 2011-01-12 | 西安电子科技大学 | 认知网络资源的矢量空间模型构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102104889A (zh) | 2011-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al Islam et al. | Channel assignment techniques for multi-radio wireless mesh networks: A survey | |
CN102104889B (zh) | 基于阻抗匹配的跨层优化系统及方法 | |
CN109088658A (zh) | 用于无线接入虚拟化的系统和方法 | |
Taleb et al. | Nodes placement in wireless mesh networks using optimization approaches: a survey | |
CA2444363A1 (en) | Layered network node, network incorporating the same, node, and layered network | |
Zhang et al. | Adaptive task offloading in vehicular edge computing networks: a reinforcement learning based scheme | |
WO2023024219A1 (zh) | 云边协同网络中时延和频谱占用联合优化方法及系统 | |
EP2101289A2 (en) | Distributed cognitive architecture | |
Dhiman et al. | SHANN: an IoT and machine-learning-assisted edge cross-layered routing protocol using spotted hyena optimizer | |
Mirzaei et al. | Towards optimal configuration in MEC Neural networks: deep learning-based optimal resource allocation | |
Chen et al. | Joint computation offloading, channel access and scheduling optimization in UAV swarms: A game-theoretic learning approach | |
CN101692669A (zh) | 虚拟私有网的路由标签分配方法与装置 | |
Cheng et al. | Links organization for channel assignment in multi-radio wireless mesh networks | |
CN105636062A (zh) | 一种面向业务适度服务的认知无线网络传输学习方法 | |
CN101860938B (zh) | 感知网络上下文信息实现自治路由控制的网络节点和方法 | |
CN103618674B (zh) | 基于自适应服务模型的联合分组调度和信道分配路由方法 | |
Guan et al. | WNOS: Enabling principled software-defined wireless networking | |
CN112235387B (zh) | 一种基于能量消耗最小化的多节点协作计算卸载方法 | |
An et al. | Joint design of hierarchical topology control and routing design for heterogeneous wireless sensor networks | |
CN101651658A (zh) | 无线Mesh网络中跨层联合优化的方法、装置及系统 | |
CN109462498B (zh) | 一种智融网络系统及其通信方法 | |
Mehta | Genetic algorithm based bi-objective optimization of sigmoidal utility and throughput in ad-hoc wireless networks | |
CN109474908A (zh) | 一种基于任务驱动的航空自组网方法 | |
CN103179674B (zh) | 一种无线异构网络系统中的用户动态分组方法 | |
Devulapalli et al. | Image transmission in mobile wireless multimedia sensor networks using cat swarm optimization |
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 |
Granted publication date: 20130904 |
|
CF01 | Termination of patent right due to non-payment of annual fee |