CN102364893A - 一种基于认知网络的重配置管理平面及重配置方法 - Google Patents
一种基于认知网络的重配置管理平面及重配置方法 Download PDFInfo
- Publication number
- CN102364893A CN102364893A CN2011103227564A CN201110322756A CN102364893A CN 102364893 A CN102364893 A CN 102364893A CN 2011103227564 A CN2011103227564 A CN 2011103227564A CN 201110322756 A CN201110322756 A CN 201110322756A CN 102364893 A CN102364893 A CN 102364893A
- Authority
- CN
- China
- Prior art keywords
- cognitive
- network
- manager
- reshuffle
- reshuffling
- 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.)
- Pending
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于认知网络的重配置管理平面及重配置方法,在认知重配置管理平面中设置重配置认知管理器,同时在认知终端侧和认知网络侧分别设置上下文信息认知模块、决策重配置模块、自配置模块和认知服务模块,该重配置方法使终端和基站等设备不仅具有多域环境的认知能力,还能拥有重配置的能力,当网络环境发生改变时认知重配置管理平面能基于认知结果,实时地调整重配置参数以适应外部环境的变化,从而实现认知网络的快速调整,资源的最优化利用。
Description
技术领域
本发明涉及认知引擎、智能处理技术和智能管理技术领域。
背景技术
随着网络技术的多样化和异构化,传统的管理方式将不能较好地适应多域环境的多变性。为了能适应多域环境的变化,实现网络资源的最优化,网络的智能管理能力成为异构重配置认知网络研究的一个重要内容,这里的智能包括网络和终端的自认知、自管理、自配置、自学习等方面能力,认知理论是网络自治能力研究必不可少的重要组成部分。重配置无线网络的通信实体,包括终端都有认知功能,都能在通信过程中实现自适应、自配置的认知过程。重配置网络中的节点通过执行认知循环来实现信息交互,实现资源最优化的目的。重配置技术在现实网络中的应用充分利用了各种无线接入技术的特点,实现网络资源的最优化利用,未来重配置无线网络中的各个组成元素,包括终端、基站、接入点、网关等,都应该具有重配置能力。
重配置技术针对无线接入环境的异构性特点,以资源的最优化使用和用户对业务的最优化体验为目标,综合可编程、可配置、可抽象的硬件环境以及模块化的软件设计思想,通过软件和通信协议下载和配置,使网络和终端支持多种接入技术,并且可灵活适配。为此,除了新型商业运营模式的开发以及政策监管方面的开放和支持以外,技术体系相关的问题包括体系结构与功能模块设计、设备管理机制与流程、优化的资源管理。
当前网络的规模和用户数量巨大且仍在不断增长,异质异构的网络融合发展,使网络行为呈现出相当的复杂性并且难以预测、管理和控制。
随着重配置技术在认知网络系统框架及相应模块和流程、系统动态网络规划管理、灵活的资源管理等方面已经取得了很大的成就,但在其智能化、自适应认知功能的实现和具体技术实现的研究上仍然有很大的发展空间。未来的研究将侧重于网络中通信实体的自治、自适应、智能化的实现,形成新一代的具有自治功能的重配置网络体系。
发明内容
本发明所要解决的技术问题是针对未来接入用户的增多,异构网络的复杂性,处理难度的增加,单纯靠手动来管理网络的重配置越来越不实际等问题,提供一种认知重配置管理方法,实现网络的自主配置,跨层控制等功能。
本发明为解决上述技术问题采用以下技术方案:
一种基于认知网络的重配置管理平面,在认知重配置管理平面中设置重配置认知管理器,同时在认知终端侧和认知网络侧分别设置上下文信息认知模块、决策重配置模块、自配置模块和认知服务模块;其中,
(1)上下文信息认知模块:用于检测本地重配置的信息,并搜索认知重配置平面现有的资源,对其进行分析加工处理,执行现有的资源分配命令并形成执行报告;
当多域环境发生改变时,触发重配置认知管理器进行如下操作:
(1)-a,在决策阶段,对重配置资源状态估计和利用预测;
(1)-b,在做出决策后,根据之前的决策对资源重配置命令进行调整,并执行该命令,形成执行报告;
(2)决策重配置模块:用于提出规范用户行为、资源的使用和商业化方面权限的动态决策规则并对其评估改进;具体包括如下操作:
(2)-a,结合认知重配置平面现有的重配置规则和认知多域环境的需求,触发重配置认知管理器形成新的重配置规则;
(2)-b,触发重配置认知管理器对其决策进行评估,并与预期的目标相比较:当决策可行,则重配置认知管理器的执行部件将其送入下一环节,否则由决策重配置模块重新提出规则;
(3)自配置模块:利用决策重配置模块提出的新规则和认知重配置平面现存转换协议,进行协议栈和跨层重配置间的转换;
当多域环境发生改变时,自配置模块记录重配置的结果信息,当该信息经重配置认知管理器的处理后仍未达到预期目标,则反馈调节自配置模块,重新进行协议栈和跨层重配置间的转换;
(4)认知服务模块:针对认知重配置平面中现有的网络容量信息和自适应服务程序为用户提供认知服务;
当网络监测器观察到网络容量将要饱和或资源不能合理利用时,重配置认知管理器通知认知服务模块根据事先制定的网络资源分配规则,宏观地控制受限流在总流量中的比例,保证重要业务的网络传输质量,减少传输时延。
一种基于认知网络的重配置管理平面的重配置方法,包括收集上下文信息、生成资源分配决策、认知终端执行网络选择过程、认知终端重配置;其中:
步骤1:采用上下文信息认知模块收集上下文信息:
认知网络端:收集资源优化目标,待选网络的重配置认知管理器中信息、测量信息及传输能力;
认知终端:收集用户偏好、要求的QoS等级、终端能力、终端测量信息及终端的地理位置信息;
认知网络端和认知终端交互收集的上下文信息,分别把收集到的信息交给各自的重配置认知管理器;
步骤2:采用决策重配置模块生成资源分配决策:
根据重配置认知管理器形成的新的重配置规则形成资源分配决策,认知网络重配置管理器分析该资源分配决策和上下文信息,估计资源的使用,产生新的资源分配决策,下发新的资源分配决策,请求进行重配置,同时调整重配置认知管理器的重配置规则;
步骤3:认知终端执行网络选择过程:
执行重配置认知管理器进行网络选择的方法,认知终端选择合适的网络接入,使资源的使用最大化;
步骤4:认知终端重配置:
认知终端重配置管理器根据认知网络重配置管理器下发新的资源选择政策,分析资源选择政策和终端上下文信息,评估资源的使用,对认知终端的重配置给出新的决策。
一种基于认知网络的重配置管理平面中重配置认知管理器进行网络选择的方法,包括如下步骤:
① 重配置认知管理器采用感知器感知是否有新注册的网络存在;
② 如果存在新注册的网络,则选择最新注册的网络,对该网络进行扫描:
a. 当扫描成功,则向该网络进行注册,接收重配置信息,完成重配置;
b. 当扫描失败,则重配置认知管理器采用监听器监听来自启始重配置智能管理器的信息,按优先级对重配置管理器指示的网络进行扫描:
ⅰ)当发现网络指示,则向该网络进行注册;
ⅱ)当未发现指示网络,则持续监听启始电台使能器,或根据重配置认知管理器提供的信息对相关网络进行扫描;
③ 如果不存在新注册的网络,则重配置认知管理器的监听器监听来自启始重配置认知管理器,重复b步骤。
本发明采用以上技术方案具有以下有益效果:
本发明使终端和基站等设备不仅具有多域环境的认知能力,还能拥有重配置的能力,当网络环境发生改变时认知重配置管理平面能基于认知结果,实时地调整重配置参数以适应外部环境的变化,从而实现认知网络的快速调整,资源的最优化利用。
附图说明
图1是上下文信息认知模块中的认知环的示意图。
图2是决策重配置模块中的认知环的示意图。
图3是自配置模块中的认知环的示意图。
图4是认知服务模块的示意图。
图5是重配置认知管理器与认知重配置管理平面的各模块的关系的示意图。
图6是智能重配置管理进行网络选择的流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本发明一种基于认知网络的重配置管理平面,在认知重配置管理平面中设置重配置认知管理器,同时在认知终端侧和认知网络侧分别设置上下文信息认知模块、决策重配置模块、自配置模块和认知服务模块。根据IEEEP1900.4标准结构定义了认知网络端功能实体、终端用户端的功能实体及这些实体间的借口,通过这些网络实体完成网络资源管理、设备资源管理及用于资源管理的信息交互。其中,
(1)上下文信息认知模块:用于检测本地重配置的信息,并搜索认知重配置平面现有的资源,对其进行分析加工处理,执行现有的资源分配命令并形成执行报告;
当多域环境发生改变时,触发重配置认知管理器进行如下操作:
(1)-a,在决策阶段,对重配置资源状态估计和利用预测;
(1)-b,在做出决策后,根据之前的决策对资源重配置命令进行调整,并执行该命令,形成执行报告;
(2)决策重配置模块:用于提出规范用户行为、资源的使用和商业化方面权限的动态决策规则并对其评估改进;具体包括如下操作:
(2)-a,结合认知重配置平面现有的重配置规则和认知多域环境的需求,触发重配置认知管理器形成新的重配置规则;
(2)-b,触发重配置认知管理器对其决策进行评估,并与预期的目标相比较:当决策可行,则重配置认知管理器的执行部件将其送入下一环节,否则由决策重配置模块重新提出规则;
(3)自配置模块:利用决策重配置模块提出的新规则和认知重配置平面现存转换协议,进行协议栈和跨层重配置间的转换;
当多域环境发生改变时,自配置模块记录重配置的结果信息,当该信息经重配置认知管理器的处理后仍未达到预期目标,则反馈调节自配置模块,重新进行协议栈和跨层重配置间的转换;
(4)认知服务模块:针对认知重配置平面中现有的网络容量信息和自适应服务程序为用户提供认知服务;
当网络监测器观察到网络容量将要饱和或资源不能合理利用时,重配置认知管理器通知通知认知服务模块根据事先制定的网络资源分配规则,宏观地控制受限流在总流量中的比例, 来保证重要业务的网络传输质量,减少传输时延。按实际需求对各种网络业务进行优先级的划分,尤其对于时间比较敏感的业务赋予高优先级。然后根据用户不同的优先级别,按所选的政策对分组进行相应的带宽控制。
2.重配置认知管理器:
(1)重配置认知管理器定义
在IEEE P1900.4标准中定义了一个逻辑信道,网络和终端的重配置管理器通过该信道进行通信,该信道称为无线电台使能器(Radio Enable,RE),其功能就是在异构的网络中实现重配置。所有的设备都可以以一种高效的方式监听并向无线电台使能器发送上下文信息,以获得重配置管理和相关的信息。重配置认知管理器在认知导航信道的功能上增加了对多域环境的反馈,它不光能接受监听到的信息还能对信息做适当的分析处理,以改变当前的重配置管理模式,及时地改变重配置参数,提高重配置的效率,减少由于重构引起的网络通信的延误。
(2)重配置认知管理器的使用过程
重配置认知管理器是利用人工智能,专家系统的原理和技术建立的、辅助决策的计算机软件系统,支持半结构化和非结构化问题的管理。通过“带外”物理信道和“带内”逻辑信道实现多运营商场景下的网络接入,提供上下文认知信息。通过重配置认知管理器对特定区域内的资源占用信息进行通告,认知终端可利用这些信息进行分布式的资源选择,根据重配置要求下载适当的软件或发现当前可用的资源。重配置认知管理器为重配置技术带来很大的便捷性。
(3)重配置认知管理器如何进行网络选择
重配置管理器在网络选择中起着关键作用,它能根据CNRM与CTRM这两个认知管理器中规则并结合自身定义好的政策,指导并控制网络的选择,做出最佳选择决策,从而使网络资源得到合理利用,同时也能保障用户的QoS。
3. 重配置方法
本发明中重配置方法使用到以下实体的定义:
1)认知网络端的实体定义
定义认知网络端的实体包括操作者资源管理器、选择网测量信息接收器、认知网络重配置管理器(CNRM)和选择网重配置控制器:
操作者资源管理器:操作者对CNRM的资源分配决策进行控制,根据环境变化产生资源分配政策,并帮助CNRM完成资源的动态分配。
选择网测量信息接收器:收集待选网络上下文信息,并交给CNRM。
认知网络重配置管理器(CNRM):对已接入的认知网络和终端进行管理,通过分析资源分配政策及可用的相关信息,动态确定资源分配结果并产生资源选择政策发送给认知终端资源管理器,实现网络-终端间的资源优化使用。
选择网重配置控制器:根据CNRM的请求对接入的网络进行重配置。
2)认知终端的实体
定义认知终端实体包括终测量信息收集器,认知终端重配置管理器(CTRM),认知终端重配置控制器:
测量信息收集器:收集终端的上下文信息,并交给CTRM。
认知终端重配置管理器(CTRM):对终端进行管理,分析来自网络重配置管理器的资源选择测策略,在资源选择的框架内确定网络接入类型,结合用户偏好和当前的上下文信息,作出终端重配置决策,对终端重置提出请求,到达资源优化使用和改善QoS目的。
认知终端重配置控制器:根据CTRM的请求对终端进行重配置。
3)重配置过程
根据上面的实体定义执行重配置过程:收集上下文信息、生成资源分配决策、生成重配置认知管理器网络选择政策,认知终端执行网络选择过程,认知终端重配置。
如图5所示,本发明基于重配置管理平台,在认知网络、认知终端分别设置上下文信息认知模块、决策重配置模块、自配置模块、认知服务模块,下面对各模块进行具体介绍:
(1)上下文信息认知模块,其认知环如图1所示。
定义:检测本地重配置的信息,搜索认知重配置平面现有的资源,对其进行分析加工处理,执行现有的资源分配命令并形成执行报告。
认知功能:当多域环境发生改变时,触发重配置认知管理器。决策阶段,对重配置资源状态估计和利用预测等确认;决策后,重配置认知管理器根据之前的决策对资源重配置命令进行调整,并执行该命令,形成执行报告。
最终结果:资源、重配置命令、上下文信息认知模块在多域环境下形成了认知闭环,通过重配置认知管理器的分析调整,使全局的资源最优化。
(2)决策重配置模块,其认知环如图2所示。
定义:提出规范用户行为、资源的使用和商业化方面权限的动态决策规则并对其评估改进。
认知功能:该模块结合认知重配置平面现有的重配置规则和认知多域环境的需求,重配置认知管理器形成新的重配置规则,使重配置设备的行为规范化以形成公正的重配置决策。该模块也能自主触发重配置认知管理器对其决策进行评估,并与预期的目标相比较,决策可行则重配置认知管理器的执行部件将其送入下一环节,否则由决策重配置模块重新提出规则。
最终结果:认知重配置平面现有规则与新学习的规则、决策重配置模块在多域环境下形成认知闭环,在重配置认知管理器的分析计划下,使新形成的重配置规则更适应未来不断变化的认知网络。
(3)自配置模块,其认知环如图3所示。
定义:利用决策重配置模块提出的新规则和认知重配置平面现存转换协议,进行协议栈和跨层重配置间的转换。
认知功能:当多域环境发生改变时,业务和用户请求发生改变,重配置认知管理器被触发应急当前的网络状态,如进行协议间的转换,自配置模块能记录重配置的结果信息,该信息经重配置认知管理器的处理后若未达到预期目标则反馈调节自配置模块,重新进行协议栈和跨层重配置间的转换。
最终结果:决策重配置模块提出新的规则和认知重配置平面现存的转换协议、自配置模块在多域环境的影响下形成认知闭环,通过重配置认知管理器的处理高效地实现重配置方式之间的转化,使重配置设备能按业务和用户需求及时地进行重配置,而不会出现协议不兼容的现象。
(4)认知服务模块,如图4所示。
定义:针对认知重配置平面中现有的网络容量信息和一些自适应服务程序为用户提供方便快捷的认知服务。
认知功能:当网络监测器观察到网络容量将要饱和或资源不能合理利用时,重配置认知管理器通知通知认知服务模块根据事先制定的网络资源分配规则,宏观地控制受限流在总流量中的比例, 来保证重要业务的网络传输质量,减少传输时延。按实际需求对各种网络业务进行优先级的划分,尤其对于时间比较敏感的业务赋予高优先级。然后根据用户不同的优先级别,按所选的政策对分组进行相应的带宽控制,如与控制部件协作,控制用户活动。
最终结果:当前的网络服务情况、控制部件及认知服务模块在多域环境下形成认知闭环,重配置认知管理器起辅助性作用,从而为用户提供高效地网络服务。
再结合图5所示,本发明的重配置的实现过程具体分以下几个方面介绍:
重配置方法包括以下四个步骤:收集上下文信息、生成资源分配决策、生成重配置认知管理器网络选择政策,认知终端执行网络选择过程,认知终端重配置。
Step1:收集上下文信息
认知网络端:收集资源优化目标,待选网络的重配置认知管理器中信息、测量信息及传输能力。
认知终端:收集用户偏好、要求的QoS等级、终端能力、终端测量信息及终端的地理位置信息。
为了使终端具有动态选择网络的能力,并为用户提供可靠地服务质量,在网络和终端需要交互必要的上下文信息。分别把收集到得信息分别交给CNRM和CTRM。
Step2:生成资源分配决策
根据重配置认知管理器形成的新的重配置规则形成资源分配决策,CNRM分析该资源分配决策和上下文信息,估计资源的使用,产生新的资源分配决策,下发新的资源分配决策,请求进行重配置,同时调整重配置认知管理器重的重配置规则。
Step3:认知终端执行网络选择过程
执行重配置认知管理器进行网络选择的方法,终端选择合适的网络接入,使资源的使用最大化。
Step4:认知终端重配置
CTRM根据CNRM下发新的资源选择政策,分析资源选择政策和终端上下文信息,评估资源的使用,对终端的重配置给出新的决策,上述过程都在终端管理控制器设置的最大时间间隔内完成重配置请求。
如图6所示,重配置认知管理器根据多域环境帮助认知终端选择合适的网络,从而支持联合资源管理,使得对资源的有效利用成为可能。
下面是重配置认知管理器进行网络选择的步骤:
首先,重配置认知管理器的感知器感知是否有新注册的网络存在:
如果存在则选择最新注册的网络,对该网络进行扫描:
a,扫描成功则向该网络进行注册,接收重配置信息,完成重配置。
b,扫描失败则重配置认知管理器的监听器监听来自启始重配置智能管理器的信息,按优先级对电台使能器指示的网络进行扫描:
ⅰ)发现网络指示则向该网络进行注册;
ⅱ)未发现指示网络则持续监听启始重配置认知管理器,或根据重配置认知管理器提供的信息对相关网络进行扫描。
如果不存在新注册的网络,则重配置认知管理器的监听器监听来自启始重配置认知管理器,重复b步骤。
Claims (3)
1. 一种基于认知网络的重配置管理平面,其特征在于:在认知重配置管理平面中设置重配置认知管理器,同时在认知终端侧和认知网络侧分别设置上下文信息认知模块、决策重配置模块、自配置模块和认知服务模块;其中,
(1)上下文信息认知模块:用于检测本地重配置的信息,并搜索认知重配置平面现有的资源,对其进行分析加工处理,执行现有的资源分配命令并形成执行报告;
当多域环境发生改变时,触发重配置认知管理器进行如下操作:
(1)-a,在决策阶段,对重配置资源状态估计和利用预测;
(1)-b,在做出决策后,根据之前的决策对资源重配置命令进行调整,并执行该命令,形成执行报告;
(2)决策重配置模块:用于提出规范用户行为、资源的使用和商业化方面权限的动态决策规则并对其评估改进;具体包括如下操作:
(2)-a,结合认知重配置平面现有的重配置规则和认知多域环境的需求,触发重配置认知管理器形成新的重配置规则;
(2)-b,触发重配置认知管理器对其决策进行评估,并与预期的目标相比较:当决策可行,则重配置认知管理器的执行部件将其送入下一环节,否则由决策重配置模块重新提出规则;
(3)自配置模块:利用决策重配置模块提出的新规则和认知重配置平面现存转换协议,进行协议栈和跨层重配置间的转换;
当多域环境发生改变时,自配置模块记录重配置的结果信息,当该信息经重配置认知管理器的处理后仍未达到预期目标,则反馈调节自配置模块,重新进行协议栈和跨层重配置间的转换;
(4)认知服务模块:针对认知重配置平面中现有的网络容量信息和自适应服务程序为用户提供认知服务;
当网络监测器观察到网络容量将要饱和或资源不能合理利用时,重配置认知管理器通知认知服务模块根据事先制定的网络资源分配规则,宏观地控制受限流在总流量中的比例,保证重要业务的网络传输质量,减少传输时延。
2. 一种如权利要求1所述的基于认知网络的重配置管理平面的重配置方法,其特征在于:包括收集上下文信息、生成资源分配决策、认知终端执行网络选择过程、认知终端重配置;其中:
步骤1:采用上下文信息认知模块收集上下文信息:
认知网络端:收集资源优化目标,待选网络的重配置认知管理器中信息、测量信息及传输能力;
认知终端:收集用户偏好、要求的QoS等级、终端能力、终端测量信息及终端的地理位置信息;
认知网络端和认知终端交互收集的上下文信息,分别把收集到的信息交给各自的重配置认知管理器;
步骤2:采用决策重配置模块生成资源分配决策:
根据重配置认知管理器形成的新的重配置规则形成资源分配决策,认知网络重配置管理器分析该资源分配决策和上下文信息,估计资源的使用,产生新的资源分配决策,下发新的资源分配决策,请求进行重配置,同时调整重配置认知管理器的重配置规则;
步骤3:认知终端执行网络选择过程:
执行重配置认知管理器进行网络选择的方法,认知终端选择合适的网络接入,使资源的使用最大化;
步骤4:认知终端重配置:
认知终端重配置管理器根据认知网络重配置管理器下发新的资源选择政策,分析资源选择政策和终端上下文信息,评估资源的使用,对认知终端的重配置给出新的决策。
3.一种如权利要求1所述的基于认知网络的重配置管理平面中重配置认知管理器进行网络选择的方法,其特征在于,包括如下步骤:
重配置认知管理器采用感知器感知是否有新注册的网络存在;
如果存在新注册的网络,则选择最新注册的网络,对该网络进行扫描:
当扫描成功,则向该网络进行注册,接收重配置信息,完成重配置;
当扫描失败,则重配置认知管理器采用监听器监听来自启始重配置智能管理器的信息,按优先级对重配置管理器指示的网络进行扫描:
ⅰ)当发现网络指示,则向该网络进行注册;
ⅱ)当未发现指示网络,则持续监听启始电台使能器,或根据重配置认知管理器提供的信息对相关网络进行扫描;
如果不存在新注册的网络,则重配置认知管理器的监听器监听来自启始重配置认知管理器,重复b步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103227564A CN102364893A (zh) | 2011-10-21 | 2011-10-21 | 一种基于认知网络的重配置管理平面及重配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011103227564A CN102364893A (zh) | 2011-10-21 | 2011-10-21 | 一种基于认知网络的重配置管理平面及重配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102364893A true CN102364893A (zh) | 2012-02-29 |
Family
ID=45691445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011103227564A Pending CN102364893A (zh) | 2011-10-21 | 2011-10-21 | 一种基于认知网络的重配置管理平面及重配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102364893A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440224A (zh) * | 2013-08-29 | 2013-12-11 | 哈尔滨工程大学 | 基于多尺度熵的跨层感知自配置系统及方法 |
WO2015117398A1 (zh) * | 2014-07-25 | 2015-08-13 | 中兴通讯股份有限公司 | 重配置方法及装置 |
CN105992252A (zh) * | 2015-02-13 | 2016-10-05 | 北京三星通信技术研究有限公司 | 用户设备ue的ue上下文的处理方法和装置 |
CN109416726A (zh) * | 2016-09-29 | 2019-03-01 | 惠普发展公司,有限责任合伙企业 | 基于位置调整计算设备的设置 |
CN109560968A (zh) * | 2018-12-20 | 2019-04-02 | 中国电子科技集团公司第三十研究所 | 一种动态策略驱动的网络资源智能规划与配置方法 |
WO2020073870A1 (zh) * | 2018-10-12 | 2020-04-16 | 中兴通讯股份有限公司 | 移动网络自优化方法、系统、终端及计算机可读存储介质 |
CN111033490A (zh) * | 2017-09-05 | 2020-04-17 | 国际商业机器公司 | 用于认知实例的认知调解器 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102025620A (zh) * | 2010-12-07 | 2011-04-20 | 南京邮电大学 | 基于业务区分的认知网络QoS保障方法 |
CN102098799A (zh) * | 2011-01-26 | 2011-06-15 | 北京邮电大学 | 一种实现异构网络融合的智能认知无线网络系统 |
-
2011
- 2011-10-21 CN CN2011103227564A patent/CN102364893A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102025620A (zh) * | 2010-12-07 | 2011-04-20 | 南京邮电大学 | 基于业务区分的认知网络QoS保障方法 |
CN102098799A (zh) * | 2011-01-26 | 2011-06-15 | 北京邮电大学 | 一种实现异构网络融合的智能认知无线网络系统 |
Non-Patent Citations (1)
Title |
---|
Z.BOUFIDIS等: "End-to-End Reconfiguration Management and Control System Architecture", 《HTTP://ICT-E3.EU/PROJECT/WHITE_PAPERS/WHITEPAPERS_E2R.HTML》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103440224A (zh) * | 2013-08-29 | 2013-12-11 | 哈尔滨工程大学 | 基于多尺度熵的跨层感知自配置系统及方法 |
CN103440224B (zh) * | 2013-08-29 | 2016-07-06 | 哈尔滨工程大学 | 基于多尺度熵的跨层感知自配置系统及方法 |
WO2015117398A1 (zh) * | 2014-07-25 | 2015-08-13 | 中兴通讯股份有限公司 | 重配置方法及装置 |
CN105992252A (zh) * | 2015-02-13 | 2016-10-05 | 北京三星通信技术研究有限公司 | 用户设备ue的ue上下文的处理方法和装置 |
CN105992252B (zh) * | 2015-02-13 | 2021-07-09 | 北京三星通信技术研究有限公司 | 用户设备ue的ue上下文的处理方法和装置 |
CN109416726A (zh) * | 2016-09-29 | 2019-03-01 | 惠普发展公司,有限责任合伙企业 | 基于位置调整计算设备的设置 |
US11507389B2 (en) | 2016-09-29 | 2022-11-22 | Hewlett-Packard Development Company, L.P. | Adjusting settings on computing devices based on location |
CN111033490A (zh) * | 2017-09-05 | 2020-04-17 | 国际商业机器公司 | 用于认知实例的认知调解器 |
CN111033490B (zh) * | 2017-09-05 | 2023-10-27 | 国际商业机器公司 | 生成对寻址到不同认知引擎的查询的响应的方法和系统 |
US11954612B2 (en) | 2017-09-05 | 2024-04-09 | International Business Machines Corporation | Cognitive moderator for cognitive instances |
WO2020073870A1 (zh) * | 2018-10-12 | 2020-04-16 | 中兴通讯股份有限公司 | 移动网络自优化方法、系统、终端及计算机可读存储介质 |
CN109560968A (zh) * | 2018-12-20 | 2019-04-02 | 中国电子科技集团公司第三十研究所 | 一种动态策略驱动的网络资源智能规划与配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102364893A (zh) | 一种基于认知网络的重配置管理平面及重配置方法 | |
CN105052191B (zh) | 用于自组织无线网络的基于云的管理的方法和系统 | |
CN102595437B (zh) | 无线网络管理系统和方法 | |
CN102098799B (zh) | 一种实现异构网络融合的智能认知无线网络系统 | |
CN109495907A (zh) | 一种意图驱动的无线接入组网方法和系统 | |
Moysen et al. | Conflict resolution in mobile networks: a self-coordination framework based on non-dominated solutions and machine learning for data analytics [application notes] | |
Xu et al. | Data-cognition-empowered intelligent wireless networks: Data, utilities, cognition brain, and architecture | |
CN101478352B (zh) | 一种认知无线网络系统和认知网元设备 | |
CN109561486B (zh) | 一种sdn与d2d网络接入策略的模式选择方法 | |
Mi et al. | Software-defined green 5G system for big data | |
Ioannou et al. | A novel Distributed AI framework with ML for D2D communication in 5G/6G networks | |
CN107948984B (zh) | 一种适用于自组织网络的基于主被动感知结合的认知系统 | |
Jia et al. | A new virtual network topology based digital twin for spatial-temporal load-balanced user association in 6G HetNets | |
WO2022030713A1 (en) | Configuring resources in a self-organizing network | |
CN109348486A (zh) | 一种异构无线网络资源分配方法 | |
Ferrús et al. | Data analytics architectural framework for smarter radio resource management in 5G radio access networks | |
CN106572475A (zh) | 接入节点管理方法、接入网管理实体、设备及接入节点 | |
Shen et al. | A framework for self-management of hybrid wireless networks using autonomic computing principles | |
Liya et al. | A MADM-based handover management in software defined 5G network | |
He et al. | Reconfiguration decision making based on ant colony optimization in cognitive radio network | |
Zhang et al. | Optimizing Energy-Latency Tradeoff for Computation Offloading in SDIN-Enabled MEC-based IIoT. | |
Liu | Research on resource allocation and optimization technology in 5G communication network | |
Zarakovitis et al. | Three-dimensional access point assignment in hybrid VLC, mmWave and WiFi wireless access networks | |
Wenjun et al. | Cognition flow in cognitive radio networks | |
Zhang et al. | Analysis of Mobile Communication Network Architecture Based on SDN |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120229 |