CN102170706A - 分布式认知无线电系统频谱接入方法 - Google Patents
分布式认知无线电系统频谱接入方法 Download PDFInfo
- Publication number
- CN102170706A CN102170706A CN2011101409712A CN201110140971A CN102170706A CN 102170706 A CN102170706 A CN 102170706A CN 2011101409712 A CN2011101409712 A CN 2011101409712A CN 201110140971 A CN201110140971 A CN 201110140971A CN 102170706 A CN102170706 A CN 102170706A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- secondary user
- user
- state
- 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
- 238000001228 spectrum Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 4
- 101100172132 Mus musculus Eif3a gene Proteins 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 abstract description 6
- 230000001105 regulatory effect Effects 0.000 abstract 2
- 238000004088 simulation Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种分布式认知无线电系统频谱接入方法,主要解决现有认知无线电系统中次级用户的队列稳定性差的问题。其实现步骤包括:1)定义认知无线电系统中的主用户和次级用户;2)调整次级用户到达速率,使次级用户到达速率小于干扰限制下的最大服务速率;3)次级用户采用CSMA协议持续侦听主用户信道,并在侦听结果为空闲时随机退避后接入信道;4)次级用户自适应调整退避时长参数,使稳态服务速率趋近于到达速率,最终达到队列稳定。本发明具有次级用户队列稳定和主次用户碰撞概率小于干扰限制的优点,可用于无线通信领域中对队列时延要求严格的认知无线电系统。
Description
技术领域
本发明属于无线通信技术领域,涉及认知无线电,具体是一种分布式认知无线电系统频谱接入方法,可用于更多的时延敏感业务,保障分布式认知无线电系统中次级用户的队列稳定性。
背景技术
随着无线通信技术的飞速发展,频谱资源日益紧缺,人们提出了认知无线电的概念。认知无线电技术的核心思想是:在对取得频谱使用权的授权用户及其他非授权用户不产生干扰的前提下,认知用户通过感知周围的无线电环境,伺机进行频谱接入以提高频谱利用率。基于认知无线电可以实现时间、频率以及空间上的多维频谱复用,从而大大降低频谱和带宽限制对无线通信发展的束缚。该技术的普及应用,将会极大地缓解无线频谱资源日益紧缺的现状,为人们提供更加丰富灵活的无线通信手段。
认知无线电最核心的工作机制本质上包括两个基本过程:频谱机会的发现与频谱机会的利用。频谱机会的发现对应的是认知能力,具体到技术层面就是频谱检测技术;频谱机会的利用则对应于重配置能力,技术层面涵盖了频谱管理,频谱接入及功率控制技术等。动态频谱接入能够在满足对主用户干扰限制的基础上,提高次级用户吞吐量和服务质量,因此被广泛关注。
动态频谱接入可以分为集中式和分布式频谱接入。在集中式方案中,网络中的每个分布式节点都把自己感知到的频谱信息汇聚到集中控制单元,由控制单元对各个节点的频谱使用情况做出部署。而分布式解决方案中,每个分布式节点都参与频谱分配和竞争的过程,频谱接入是由节点自身的策略决定的。与集中式相比,分布式频谱接入方案更具挑战性,特别是很少有多个次级用户分布式地共享接入频谱的方法。
现有的分布式频谱接入算法往往以最大化次级用户吞吐量为目标,而忽略了对分组时延和队列稳定性的考虑,导致无法保证时延敏感业务的服务质量QoS。
发明内容
本发明的目的在于克服已有频谱接入方案的不足,提出一种分布式认知无线电系统频谱接入方法,以保障队列的稳定性,提高系统的服务质量。
本发明的技术思路是:通过自适应调整次级用户退避时长参数,使稳态服务速率趋近到达速率,进而保障队列的稳定性。具体步骤包括如下:
((1)将获得频谱使用权的授权用户定义为主用户,将没有获得使用权的非授权用户定义为次级用户;
(2)建立系统发送状态马尔科夫链模型,计算此模型各状态的稳态概率,并根据稳态概率计算干扰限制下次级用户的最大服务速率Smax;
(3)次级用户i判断数据到达速率λi,i∈(1,2,...,K)是否小于最大服务速率Smax,K表示次级用户个数,如果到达速率小于最大服务速率,则执行步骤(4),否则次级用户i进行流量控制,降低数据到达速率,直至数据到达速率小于最大服务速率,再执行步骤(4);
(4)次级用户各自采用载波侦听协议CSMA持续侦听主用户信道,当侦听结果为空闲时,即信道上没有其他用户发送数据,则执行步骤(5),否则继续侦听主用户信道;
(5)次级用户进行分布式自适应退避,退避完成后接入信道:
5a)次级用户i启动时长为ti的计时器1,并开始退避,此处ti的值由次级用户i的计时器1随机产生,并服从参数为的指数分布,即ri的初始值取负数,例如取-5~-10ms-1,并且每隔固定时间τ,将ri的值自适应更新一次,τ取正数值,例如取5~15ms;
5b)在退避过程中,次级用户i不发送数据并持续侦听主用户信道,如果侦听结果一直为空闲,则等待计数器1归零后执行步骤(6),如果在时间ti内次级用户i侦听到信道上有其他用户发送数据,则终止计时器1,并返回步骤(4)中的信道侦听状态;
(6)次级用户发送数据,并根据碰撞情况决定是否丢弃数据:
6a)次级用户以分组为单位发送数据,分组长度服从参数为T的指数分布,T值的大小与步骤(2)中马尔科夫链模型的参数T的取值保持一致;
6b)次级用户用冲突检测的方法判断是否与其他用户的数据发生碰撞,如果发生碰撞,则丢弃正在发送的分组,并返回步骤(4),如果未发生碰撞,则在完成分组发送后执行步骤(7);
(7)次级用户i每隔固定时长b判断队列是否稳定,b的取值远大于τ,例如τ取5~15ms时,b取10~15s,如果稳定,并且还有数据需要发送,则返回步骤(4),如果队列不稳定,则次级用户i按比例进行流量控制,将数据到达速率降低,例如降低至原来的80%~90%,并返回步骤(4)。
本发明与现有方法相比主要优点如下:
(1)保障了对主用户干扰限制下次级用户队列的稳定性
本发明中次级用户通过自适应调整退避时长参数,使得稳态服务速率不断趋近于到达速率,最终保证了次级用户的队列稳定性,同时由于限制了次级用户的数据到达速率,从而保证了次级用户对主用户的干扰小于系统要求的门限值;
(2)系统开销更小
本发明无需次级用户之间的任何信息交互,只需次级用户分布式地进行侦听、退避和接入信道的操作,从而减小了由于用户之间的沟通而产生的开销;
(3)简单易实现
本发明中自适应调整退避时长参数的操作简单易行,次级用户只需统计固定时间长度内到达和离开的数据分组个数,并根据简单的更新算法自适应调整退避时长参数,这在实际中很容易实现。
附图说明
图1是本发明使用的系统场景时域图;
图2是本发明的流程框图;
图3是本发明构建的马尔科夫链模型图;
图4是用本发明对次级用户队列长度变化的仿真图;
图5是用本发明对主用户碰撞概率的仿真图。
具体实施方式
本发明使用的系统场景如图1,图1中描述了1个主用户和2个次级用户共享信道时的场景,当次级用户侦听到主用户信道空闲时,随机退避后接入信道,如果退避过程中没有其他用户发送数据,则完成数据发送后继续侦听主用户信道,反之,如果退避过程中有其他用户发送数据,则停止退避并转入侦听状态。
参照图2,本发明的实现步骤如下:
步骤1,将获得频谱使用权的授权用户定义为主用户,将没有获得使用权的非授权用户定义为次级用户,规定授权用户能随时发送数据,而非授权用户只能在授权用户不发送数据时发送数据。
步骤2,建立系统发送状态马尔科夫链模型,计算此模型各状态的稳态概率,并根据稳态概率计算干扰限制下次级用户的最大服务速率Smax:
(2.1)用向量x≡[(x1,x2,...,xK),xPU],xPU∈{0,1},表示所有用户的数据发送状态,其中xi,i∈(1,2,...,K)表示次级用户i发送状态,K表示次级用户的个数,xPU表示主用户发送状态,1表示发送数据,0表示不发送数据,用μ和υ分别表示主用户的繁忙和空闲时长参数,用Ri表示次级用户i的退避时长参数,用T表示次级用户发送数据时长参数;
(2.2)根据认知无线电系统中主次用户发送数据的优先级关系,用所有发送状态向量x构造马尔科夫链模型如图3,图3中,状态[(0,0,...,0),0]转入状态[(0,0,...,1,...,0),0]表示次级用户i在侦听到信道空闲时,随机退避后接入信道,任何一个状态转入状态[(0,0,...,0),1]表示主用户开始发送数据,任何一个状态转入状态[(0,0,...,0),0]表示用户数据发送完成,状态[(0,0,...,1,...,0),0]转入状态[(0,0,...,0),1]表示次级用户i发送数据过程中产生碰撞;
(2.3)根据步骤(2.2)中马尔科夫链模型的各状态之间的转移关系,建立并求解马尔科夫链模型的稳态概率平衡方程,得到此模型各状态的稳态概率为:
(2.4)用任一个次级用户发送状态转移到主用户发送状态的概率表示系统碰撞发生的概率Pcollision:
(2.5)计算干扰限制下次级用户的最大服务速率Smax:
其中γ表示系统允许的次级用户对主用户产生的最大干扰,取值根据实际系统要求而定,此处,用信号能量检测的方法估计主用户平均空闲时长1/υ和平均发送数据时长1/μ,得到υ和μ的值,T的取值应远大于υ,即次级用户平均发送数据时长应远小于主用户平均空闲时长,例如,当估计出υ值为0.2ms-1时,T取10ms-1便能满足要求。
步骤3,次级用户i判断数据到达速率λi,i∈(1,2,...,K)是否小于最大服务速率Smax,如果到达速率小于最大服务速率,则执行步骤4,否则次级用户i进行流量控制,降低数据到达速率,直至数据到达速率小于最大服务速率,再执行步骤4。
步骤4,次级用户各自采用载波侦听协议CSMA持续侦听主用户信道,当侦听结果为空闲,即信道上没有其他用户发送数据时,执行步骤5,否则继续侦听主用户信道。
步骤5,次级用户进行分布式自适应退避,并更新退避时长参数,退避完成后接入信道:
(5.2)每隔固定时间τ,将ri的值自适应更新一次,τ取正数值,例如取5~15ms:
(5.2.2)当计时器2归零后,次级用户i按照下式将退避时长参数ri更新为ri′
其中,ri为每次更新前的值,ri′为每次更新后的值,a表示更新步长因子,取正数值,例如取0.5~2;
(5.2.3)当计时器2归零后,立即返回初始值τ,次级用户i将最后一次更新后的值作为下一次更新前的值,并重复步骤(5.2.2)和(5.2.3)继续更新退避时长参数值;
(5.3)在退避过程中,次级用户i不发送数据并持续侦听主用户信道,如果侦听结果一直为空闲,则等待计数器1归零后执行步骤6,如果在时间ti内次级用户i侦听到信道上有其他用户发送数据,则终止计时器1,并返回步骤4中的信道侦听状态。
步骤6,次级用户发送数据,并根据碰撞情况决定是否丢弃数据:
(6.1)次级用户以分组为单位发送数据,分组长度服从参数为T的指数分布,T值的大小与步骤(2.5)中马尔科夫链模型的参数T的取值保持一致;
(6.2)次级用户i用冲突检测的方法判断是否与其他用户的数据发生碰撞,如果发生碰撞,则丢弃正在发送的分组,并返回步骤4的信道侦听状态,如果未发生碰撞,则在完成分组发送后执行步骤7。
步骤7,次级用户i每隔固定时长b判断队列是否稳定,b的取值远大于τ,例如τ取5~15ms时,b取10~15s,如果稳定,并且还有数据需要发送,则返回步骤4,如果队列不稳定,则次级用户i按比例进行流量控制,将数据到达速率降低,例如降低至原来的80%~90%,并返回步骤4。
本发明的效果可通过以下仿真进一步说明:
1.仿真条件及内容
为验证本发明能够保障认知无线电系统中次级用户的队列稳定性,对干扰限制为γ=0.2时的次级用户队列长度的变化以及次级用户对主用户碰撞概率进行了仿真。仿真中,4个次级用户的数据到达速率设为[0.01 0.02 0.03 0.04]data unit/ms,其他主要仿真参数设置如表1。
表1主要仿真参数
计时器2时间长度τ | 10ms |
步长因子a | 1 |
主用户空闲时长参数υ | 0.2ms-1 |
主用户繁忙时长参数μ | 1ms-1 |
次级用户发送数据时长参数T | 10ms-1 |
次级用户初始队列长度 | 0 |
次级用户初始退避时长参数值 | -10ms-1 |
2.仿真结果分析
2.1)用本发明对队列变化进行仿真,仿真结果如图4。图4中横轴表示时间,纵轴表示4个次级用户的队列长度变化情况。从图4中可以看出,随着时间的增加,次级用户的队列长度趋于稳定,证明了本发明可以保障次级用户队列的稳定性。
2.2)用本发明对主用户碰撞概率进行仿真,仿真结果如图5。图5中横轴表示时间,纵轴表示次级用户对主用户的碰撞概率,从图5可以看出,随着时间的增加,次级用户对主用户的碰撞概率也逐渐增加,最终达到稳定值0.1224,小于规定的门限值0.2,表明本发明可以保障次级用户对主用户的干扰小于规定的门限值。
Claims (3)
1.一种分布式认知无线电系统频谱接入方法,包括如下步骤:
(1)将获得频谱使用权的授权用户定义为主用户,将没有获得使用权的非授权用户定义为次级用户;
(2)建立系统发送状态马尔科夫链模型,计算此模型各状态的稳态概率,并根据稳态概率计算干扰限制下次级用户的最大服务速率Smax;
(3)次级用户i判断数据到达速率λi,i∈(1,2,...,K)是否小于最大服务速率Smax,K表示次级用户个数,如果到达速率小于最大服务速率,则执行步骤(4),否则次级用户i进行流量控制,降低数据到达速率,直至数据到达速率小于最大服务速率,再执行步骤(4);
(4)次级用户各自采用载波侦听协议CSMA持续侦听主用户信道,当侦听结果为空闲时,即信道上没有其他用户发送数据,则执行步骤(5),否则继续侦听主用户信道;
(5)次级用户进行分布式自适应退避,退避完成后接入信道:
5a)次级用户i启动时长为ti的计时器1,并开始退避,此处ti的值由次级用户i的计时器1随机产生,并服从参数为的指数分布,即ri的初始值取负数,例如取-5~-10ms-1,并且每隔固定时间τ,将ri的值自适应更新一次,τ取正数值,例如取5~15ms;
5b)在退避过程中,次级用户i不发送数据并持续侦听主用户信道,如果侦听结果一直为空闲,则等待计数器1归零后执行步骤(6),如果在时间ti内次级用户i侦听到信道上有其他用户发送数据,则终止计时器1,并返回步骤(4)中的信道侦听状态;
(6)次级用户发送数据,并根据碰撞情况决定是否丢弃数据:
6a)次级用户以分组为单位发送数据,分组长度服从参数为T的指数分布,T值的大小与步骤(2)中马尔科夫链模型的参数T的取值保持一致;
6b)次级用户用冲突检测的方法判断是否与其他用户的数据发生碰撞,如果发生碰撞,则丢弃正在发送的分组,并返回步骤(4),如果未发生碰撞,则在完成分组发送后执行步骤(7);
(7)次级用户i每隔固定时长b判断队列是否稳定,b的取值远大于τ,例如τ取5~15ms时,b取10~15s,如果稳定,并且还有数据需要发送,则返回步骤(4),如果队列不稳定,则次级用户i按比例进行流量控制,将数据到达速率降低,例如降低至原来的80%~90%,并返回步骤(4)。
2.根据权利要求1所述的分布式认知无线电系统自适应频谱接入方法,其特征在于:步骤(2)中所述的建立系统发送状态马尔科夫链模型,计算此模型各状态的稳态概率,并根据稳态概率计算干扰限制下次级用户的最大服务速率Smax,按如下步骤进行:
(2.1)用向量x≡[(x1,x2,...,xK),xPU],xPU∈{0,1}表示所有用户的数据发送状态,其中xi,i∈(1,2,...,K)表示次级用户i发送状态,xPU表示主用户发送状态,1表示发送数据,0表示不发送数据,用μ和υ分别表示主用户的繁忙和空闲时长参数,用Ri表示次级用户i的退避时长参数,用T表示次级用户发送数据时长参数;
(2.2)根据认知无线电系统中主次用户发送数据的优先级关系,用所有发送状态向量x构造马尔科夫链模型,用状态[(0,0,...,0),0]转入状态[(0,0,...,1,...,0),0]表示次级用户i在侦听到信道空闲时随机退避后接入信道,用任何一个状态转入状态[(0,0,...,0),1]表示主用户开始发送数据,用任何一个状态转入状态[(0,0,...,0),0]表示用户数据发送完成,用状态[(0,0,...,1,...,0),0]转入状态[(0,0,...,0),1]表示次级用户i发送数据过程中产生碰撞;
(2.3)根据步骤(2.2)中马尔科夫链模型的各状态之间的转移关系,建立并求解马尔科夫链模型的稳态平衡方程,得到此模型各状态的稳态概率为:
(2.4)用任一个次级用户发送状态转移到主用户发送状态的概率表示系统碰撞发生的概率:
(2.5)计算干扰限制下次级用户的最大服务速率Smax:
其中γ表示系统允许的次级用户对主用户产生的最大干扰,取值根据实际系统要求而定,此处,用信号能量检测的方法估计主用户平均空闲时长1/υ和平均发送数据时长1/μ,得到υ和μ的值,T的取值根据υ值的估计结果而定,T应远大于υ,即次级用户平均发送数据时长应远小于主用户平均空闲时长,例如,当估计出υ值为0.2ms-1时,T取10ms-1便能满足要求。
3.根据权利要求1所述的分布式认知无线电系统自适应频谱接入方法,其特征在于:步骤(5a)中所述的每隔固定时间τ,将ri的值自适应更新一次,按如下步骤进行:
(5a1)次级用户i启动时长为固定值τ的循环计时器2,并开始统计到达和离开的数据分组个数,统计结果分别用Ai和Bi表示,当计时器2归零后,按照下式计算平均到达速率和服务速率
(5a2)当计时器2归零后,次级用户i按照下式将退避时长参数ri更新为ri′:
其中,ri为每次更新前的值,ri′为每次更新后的值,a表示更新步长因子,取正数值,例如取0.5~2;
(5a3)当计时器2归零后,立即返回初始值τ,次级用户i将最后一次更新后的值作为下一次更新前的值,并重复步骤(5a1)和(5a2)继续更新退避时长参数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110140971 CN102170706B (zh) | 2011-05-30 | 2011-05-30 | 分布式认知无线电系统频谱接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110140971 CN102170706B (zh) | 2011-05-30 | 2011-05-30 | 分布式认知无线电系统频谱接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102170706A true CN102170706A (zh) | 2011-08-31 |
CN102170706B CN102170706B (zh) | 2013-09-25 |
Family
ID=44491641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110140971 Expired - Fee Related CN102170706B (zh) | 2011-05-30 | 2011-05-30 | 分布式认知无线电系统频谱接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102170706B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747480A (zh) * | 2013-12-31 | 2014-04-23 | 清华大学 | 数据包传输方法及通信节点 |
CN106612536A (zh) * | 2015-10-21 | 2017-05-03 | 中国科学院沈阳自动化研究所 | 基于前导侦听的认知传感网介质访问控制方法 |
CN106713176A (zh) * | 2016-12-12 | 2017-05-24 | 全球能源互联网研究院 | 控制平面时间同步队列的服务速率控制方法和装置 |
CN107666381A (zh) * | 2011-10-14 | 2018-02-06 | 索尼公司 | 用于无线电通信系统中的设备和方法以及计算机存储介质 |
CN108696921A (zh) * | 2017-02-21 | 2018-10-23 | 中国科学院沈阳自动化研究所 | 基于广播前导侦听的认知传感器网络介质访问控制方法 |
WO2019170071A1 (zh) * | 2018-03-09 | 2019-09-12 | 索尼公司 | 用于无线通信的电子设备、方法和计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364847A (zh) * | 2008-09-25 | 2009-02-11 | 上海交通大学 | 认知无线电中的协作通信方法 |
CN101489234A (zh) * | 2009-01-16 | 2009-07-22 | 清华大学 | 基于碰撞概率约束的机会频谱接入方法 |
CN101610517A (zh) * | 2009-07-10 | 2009-12-23 | 西安电子科技大学 | 认知网络资源管理系统及管理方法 |
CN101715225A (zh) * | 2009-11-20 | 2010-05-26 | 西安电子科技大学 | 认知网络中的自适应自组网络路由方法 |
-
2011
- 2011-05-30 CN CN 201110140971 patent/CN102170706B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364847A (zh) * | 2008-09-25 | 2009-02-11 | 上海交通大学 | 认知无线电中的协作通信方法 |
CN101489234A (zh) * | 2009-01-16 | 2009-07-22 | 清华大学 | 基于碰撞概率约束的机会频谱接入方法 |
CN101610517A (zh) * | 2009-07-10 | 2009-12-23 | 西安电子科技大学 | 认知网络资源管理系统及管理方法 |
CN101715225A (zh) * | 2009-11-20 | 2010-05-26 | 西安电子科技大学 | 认知网络中的自适应自组网络路由方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107666381A (zh) * | 2011-10-14 | 2018-02-06 | 索尼公司 | 用于无线电通信系统中的设备和方法以及计算机存储介质 |
CN107666381B (zh) * | 2011-10-14 | 2020-08-07 | 索尼公司 | 用于无线电通信系统中的设备和方法以及计算机存储介质 |
CN103747480A (zh) * | 2013-12-31 | 2014-04-23 | 清华大学 | 数据包传输方法及通信节点 |
CN106612536A (zh) * | 2015-10-21 | 2017-05-03 | 中国科学院沈阳自动化研究所 | 基于前导侦听的认知传感网介质访问控制方法 |
CN106713176A (zh) * | 2016-12-12 | 2017-05-24 | 全球能源互联网研究院 | 控制平面时间同步队列的服务速率控制方法和装置 |
CN106713176B (zh) * | 2016-12-12 | 2020-04-17 | 全球能源互联网研究院有限公司 | 控制平面时间同步队列的服务速率控制方法和装置 |
CN108696921A (zh) * | 2017-02-21 | 2018-10-23 | 中国科学院沈阳自动化研究所 | 基于广播前导侦听的认知传感器网络介质访问控制方法 |
WO2019170071A1 (zh) * | 2018-03-09 | 2019-09-12 | 索尼公司 | 用于无线通信的电子设备、方法和计算机可读存储介质 |
US11337224B2 (en) | 2018-03-09 | 2022-05-17 | Sony Corporation | Electronic device, method and computer readable storage medium for re-allocation of wireless communication resources |
Also Published As
Publication number | Publication date |
---|---|
CN102170706B (zh) | 2013-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xiao | A simple and effective priority scheme for IEEE 802.11 | |
Huang et al. | An adaptive GTS allocation scheme for IEEE 802.15. 4 | |
CN107040948B (zh) | 一种基于优先级的csma/ca优化方法 | |
CN103857055B (zh) | 一种实现无线自组织网络链路公平性的退避参数设计方法 | |
CN104936303B (zh) | 一种载波监听门限与竞争窗口联合控制的方法 | |
CN102170706A (zh) | 分布式认知无线电系统频谱接入方法 | |
Tian et al. | A deadline-constrained 802.11 MAC protocol with QoS differentiation for soft real-time control | |
CN107835517B (zh) | 具有QoS保障的长距离CSMA/CA方法 | |
Kotagiri et al. | Multi-user distributed spectrum access method for 802.11 ax stations | |
CN110312291A (zh) | 一种低功耗LoRa无线网络数据传输算法 | |
Wang et al. | A fairness-enhanced intelligent MAC scheme using Q-learning-based bidirectional backoff for distributed vehicular communication networks | |
Tuysuz et al. | Exploiting the channel using uninterrupted collision‐free MAC adaptation over IEEE 802.11 WLANs | |
CN115315020A (zh) | 基于区分服务的ieee 802.15.4协议的智能csma/ca退避方法 | |
Leontyeva et al. | Performance analysis of IEEE 802.11 EDCA for a different number of access categories and comparison with DCF | |
CN109274528A (zh) | 一种异步多包接收机制下p坚持CSMA吞吐率的确定方法 | |
Tao et al. | A novel congestion detection and avoidance algorithm for multiple class of traffic in sensor network | |
CN110958717A (zh) | 中心化无线局域网无竞争随机介质访问控制方法及系统 | |
Zhou et al. | LWCQ: An adaptive algorithm for LAA and WiFi coexistence based on Q-learning | |
Zhou et al. | Optimisation method of MAC protocol based on SVM neural network in VANET | |
Bao et al. | Q-learning based p-pesistent csma mac protcol for secondary user of cognitive radio networks | |
Zhang et al. | Optimal physical carrier sensing to defend against exposed terminal problem in wireless ad hoc networks | |
Sanada et al. | Estimating the number of nodes in WLANs to improve throughput and QoS | |
Wang et al. | Improving VOIP application's performance over WLAN using a new distributed fair MAC scheme | |
Stine et al. | Tactical communications using the IEEE 802.11 MAC protocol | |
Oliveira et al. | Maximum-throughput access control in wireless LANs through max-weight-inspired policies |
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: 20130925 Termination date: 20190530 |