CN102413475B - 一种认知无线网络中的资源流的构建方法及系统 - Google Patents
一种认知无线网络中的资源流的构建方法及系统 Download PDFInfo
- Publication number
- CN102413475B CN102413475B CN201210001641.XA CN201210001641A CN102413475B CN 102413475 B CN102413475 B CN 102413475B CN 201210001641 A CN201210001641 A CN 201210001641A CN 102413475 B CN102413475 B CN 102413475B
- Authority
- CN
- China
- Prior art keywords
- resource
- information
- module
- flow
- environment
- 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
Images
Abstract
本发明公开一种认知无线网络中的资源流的构建方法及系统,其中,构建系统包括资源鉴定标识模块和资源流化模块。本发明的构建方法通过构建系统的各个子模块完成多域资源信息到资源流的构建过程。其具体步骤为:多域环境感知设备获取多域资源信息,并上报所述构建系统的资源鉴定标识模块;然后,由资源鉴定标识模块的三个子模块共同完成资源鉴定信息标识,上报资源鉴定信息到资源流化模块;最后,由所述构建系统的资源流化模块的两个子模块共同构建资源流。提出构建方法及系统可保障对认知无线网络中多域资源的高效利用,实现资源流与业务流的最佳配置,满足用户的端到端效能的通信需求。
Description
技术领域
本发明属于通信技术领域,更进一步涉及一种认知无线网络中资源流的构建方法及系统。本发明提供一种可行的资源流构建方法及系统,保障对认知无线网络中多域资源的高效利用,实现资源流与业务流的最佳配置,满足用户的端到端效能的通信需求,为认知无线网络通信领域的技术研究和自主高效资源管理提供支持和辅助。
背景技术
面对复杂多变的网络环境和日益繁多的多种网络业务需求,传统的网络技术已经难以满足人们日益多样化的业务需求。认知无线网络作为一种新型的网络技术,可以监控网络环境状态变化,预测未来网络的状态;然后,根据构建策略库采取智能的策略选择实现网络重构,完成动态自适应网络更新。与传统网络相比,认知无线网络能够感知网络状态,进行智能决策并重新配置,提高资源利用率,优化网络性能。认知无线网络借助人工智能领域的相关技术,通过分布式智能代理实现认知功能。具有学习推理能力的智能代理部署于网络中的各个节点,监测并搜集周围环境信息。这些代理之间可以进行信息交互和协作,使得网络能够感知当前状况,基于当前网络状态,以实现端到端目标为目的,基于知识库中的知识,进行网络资源的评估、预测、规划、调整和分配,使得网络具有自感知、自学习、自优化、自修复和自配置的能力,实现真正意义上的认知无线网络可测、可控、可管、可靠和可信。
在认知无线网络中保证用户多种业务的端到端的服务质量非常重要,有效的资源管理和控制技术对于解决异构网络环境下服务质量问题异常关键。然而,目前的资源类别多种多样,管理和控制方式多种多样难以形成统一的纵向跨层、横向跨网的管理模式,且面向当前异构跨环境融合的资源管控方案设计更是严峻。目前主要存在问题:导致协议层次之间、用户之间、网络之间和环境之间的信息不互通、资源不共享等,对于网络端到端的性能影响巨大。认知无线网络能够感知网络环境变化,实时调整网络系统的配置,动态智能地适应环境并指导网络的自主决策。认知无线网络的最大特 点是认知性、自主性和适变性。如何针对多种业务服务实现分类分级的融合资源控制方案对于下一代认知无线网络十分关键。
目前,对于认知无线网络研究过程中,尤其是实现异构网络多种资源联合自主管控的研究中,通过类比通常网络中基于预定义的协议规范完成控制信息和业务数据的传输和对等交互,形成具有相同类型特征信息的处理和处理过程,构成“控制流”和“业务流”。在认知无线网络中,已经存在对认知信息的传输和处理过程中构成其特有的“认知流”的定义。这些“认知流”和“知识平面”的概念的确为实现认知无线网络中智能化提供新的解决途径,然而,它们不能对多维度多种资源进行高度抽象,进而总结提出“资源流”的概念及其相应的构建方法及系统等。
北京邮电大学申请的专利“认知无线网络系统及其认知流的传输方法”(公开号CN 102158294A,申请号201110046090.4,申请日2011.02.25)公开了一种具有认知无线电功能的认知无线网络系统及其认知流的传输方法。该方法采用分层实现机制,可灵活地适应网络结构和无线环境的变化,且与现有的无线协议结构具有很高的兼容性。该方法存在的不足是,只定义了认知无线网络中的认知信息的传输和处理过程,构成其特有的“认知流”,并未涉及对多维度多种资源进行高度抽象,进而总结提出“资源流”的概念和提出相应的资源流的构建方法及系统。
2003年D.Clark等学者在SIGCOMM会议上发表文章“A Knowledge Plane for the Internet,”提出的互联网引入知识平面的思路,其关键思想是知识平面能获得它自己的行为,随着时间的推移,使之能更好地分析问题,调整其运作,增加其可靠性和稳健性。然而,该方法存在的不足是,只限于互联网,不适合于认知无线网络场景,且知识平面的表达不具备“资源流”对于的多维度多种资源的高度抽象特性和管控的灵活性。
西安电子科技大学申请的专利“基于资源流的自主资源配置方法”(公开号CN102256260A,申请号201110179932.3,申请日2011.06.29)公开一种无线通信资源管理控制领域中的基于资源流的自主资源配置方法。该方法基于对于多维度多种资源的高度抽象首次提出“资源流”的概念,且基于资源流提出了灵活高度统一的自主资源配置框架和方法,实现资源高效自主配置,保证最优解存在性和最优性。该方法存在的不足是,该方法只是基于资源流实现多域资源的自主配置,未对认知无线网络多域环境下的资源流的构建提出可行的方法及系统。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种认知无线网络中的资源流的构建系统及方法。本发明的系统包括资源鉴定标识模块和资源流化模块,资源鉴定标识模块包括资源信息汇聚子模块、资源信息解析子模块和资源鉴定信息构造子模块;资源流化模块包括:资源鉴定信息解析子模块和资源流构造子模块。本发明的方法通过构建系统的各个子模块完成多域资源信息到资源流的构建过程。
本发明实现上述目的的具体思路是,多域环境感知设备获取多域资源信息,并上报所述构建系统的资源鉴定标识模块;然后,由资源鉴定标识模块的三个子模块共同完成资源鉴定信息标识,上报资源鉴定信息到资源流化模块;最后,由所述构建系统的资源流化模块的两个子模块共同构建资源流。
本发明的系统,包括两个模块:资源鉴定标识模块,资源流化模块;其中:资源鉴定标识模块,用于完成资源鉴定信息标识,发送鉴定标识信息到资源流化模块;资源流化模块,用于接收资源鉴定标识模块的鉴定标识信息,解析鉴定标识信息,构建资源流。
本发明方法的具体步骤包括如下:
(1)多域资源信息感知
1a)多域环境感知设备分别感知所处多域环境,获取多域资源信息;
1b)多域环境感知设备分别上报多域资源信息给资源鉴定标识模块;
(2)资源信息汇聚解析
2a)资源信息汇聚子模块接收多域资源信息,采用二维资源矩阵的形式记录每一条多域资源信息,汇聚形成资源池;
2b)资源信息解析子模块按照所述二维资源矩阵行列依次解析资源池内多域资源信息,提取资源特征参量;
(3)资源鉴定信息标识
资源鉴定信息构造子模块收集多域环境信息的资源特征参量,依次按照每条资源信息的归属、状态和属性参量组合标识资源鉴定信息,上报资源鉴定信息到资源流化模块;
(4)资源信息流化
4a)资源鉴定信息解析子模块接收资源鉴定信息,按照二维资源矩阵的属性参量 提取同属性资源信息;
4b)资源流构造子模块收集同属性资源信息,形成资源流。
本发明与现有技术相比具有以下优点
第一,本发明对认知无线网络中多维度多种资源进行高度抽象,提出一种认知无线网络中资源流的构建系统和方法,解决了当前认知无线网络资源管控过程中缺乏统一的资源流构建方法和相应系统的问题。
第二,本发明针对认知无线网络中多域资源管理和控制技术研究中缺乏具体资源流构建系统,提出一种认知无线网络中资源流的构建系统,为基于资源流实现自主高效资源管理提供技术支持。
第三,本发明提出一种认知无线网络中资源流构建方法,实现资源流与业务流的最佳配置,有效设计满足用户端到端效能的通信需求的高效资源管理和控制。
附图说明
图1为本发明系统的方框图;
图2为本发明方法的流程图;
图3为本发明二维资源矩阵图。
具体实施方式:
下面结合附图对本发明做详细描述。
参照附图1对本发明的系统做进一步的描述。
本发明认知无线网络中资源流的构建系统包括两个模块:资源鉴定标识模块和资源流化模块。其中,资源鉴定标识模块用于接收多域资源信息感知模块的多域资源信息,完成资源鉴定信息标识,发送鉴定标识信息到资源流化模块。该资源鉴定标识模块包括资源信息汇聚子模块、资源信息解析子模块和资源鉴定信息构造子模块。其中,资源信息汇聚子模块接收多域资源信息,采用二维资源矩阵的形式记录每一条多域资源信息,汇聚形成资源池;资源信息解析子模块按照二维资源矩阵行列依次解析资源池内多域资源信息,提取资源特征参量;资源鉴定信息构造子模块收集多域环境信息的资源特征参量,依次按照每条资源信息的归属、状态和属性参量组合标识资源鉴定信息,上报资源鉴定信息到资源流化模块。
资源流化模块用于接收资源鉴定标识模块的鉴定标识信息,解析鉴定标识信息,构建资源流。该资源流化模块包括资源鉴定信息解析子模块和资源流构造子模块。其 中,资源鉴定信息解析子模块,接收资源鉴定信息,按照二维资源矩阵的属性参量提取同属性资源信息;资源流构造子模块,收集同属性资源信息,形成资源流。
参照附图2对本发明的方法做进一步的描述。
本发明的认知无线网络中资源流的构建方法,其步骤包括如下:
步骤1,多域资源信息感知
多域环境感知设备是具有环境感知能力或可运行智能环境感知程序的认知终端、无线基站和网络设备,分别感知所处多域环境,包括用户环境、无线接入环境和网络环境,分别获取认知终端的端到端多域资源信息;这些多域资源信息包括涉及此认知终端传输数据到彼认知终端所经历的用户环境、无线环境和网络环境中涉及的所有资源状态信息。在多域环境感知设备通过多域感知获得相应的多域信息后,多域环境感知设备包含认知终端、无线基站和网络设备等分别上报上述多域资源信息给资源鉴定标识模块。
步骤2,资源信息汇聚解析
资源信息汇聚子模块接收来自多域环境感知设备上报的多域资源信息,采用二维资源矩阵的形式记录每一条多域资源信息,多张二维资源矩阵表汇聚形成资源池。
本发明实施例中,结合附图3对二维资源矩阵做进一步描述,二维资源矩阵图的横坐标是资源归属信息、资源状态信息和资源属性信息,纵坐标是用户环境、无线环境和网络环境。具体多域环境信息的资源特征参量中资源归属信息、资源状态信息和资源属性信息分别定义为:资源归属信息(resource adscription):包括网络n,用户u,无线r和装置d;资源状态信息(resource state):为剩余资源状态信息,可采用具有一定灰度的度量方式,即剩余资源状态信息可表示为{0,1,2},其中,0表示完全不可用(completely-not-available),1表示择机可用(opportunistically-available),2表示完全可用(completely-available)。资源属性信息(resource attribute):特指认知无线网络资源的属性表征的独立参量,包括功率(p)、时延(t)、容量(c)、费用(f)和容错(e)。
资源信息解析子模块,按照附图3二维资源矩阵的横坐标依次解析资源池内多域资源信息,提取包括资源归属信息、资源状态信息和资源属性信息在内的资源特征参量等三部分特征信息。本发明实施例中,附图3中属于用户环境中用户1只能择机可用的具有时延属性的资源特征参量,按照附图3二维资源矩阵可以表示为{u1,1,t},其中,u1表示用户环境中用户1,1表示资源状态信息的择机可用状态,t表示资源的时 延属性表征参量。附图3中属于无线环境中的无线电3的完全可用的具有时延属性的资源特征参量,按照附图3二维资源矩阵可以表示为{r3,2,t},其中,r3属于无线环境中的无线电3,2表示资源状态信息的完全可用状态,t表示资源的时延属性表征参量。附图3中属于网络环境中网络2的完全可用的具有时延属性的资源特征参量,按照附图3二维资源矩阵可以表示为{n2,2,t},其中,n2属于网络环境中的网络2,2表示资源状态信息的完全可用状态,t表示资源的时延属性表征参量。
步骤3,资源鉴定信息标识
资源鉴定信息构造子模块收集多域环境资源池内每条多域资源信息的资源特征参量后,获取相应的具体多域资源特征参量,并组合标识这些特征参量为资源鉴定信息。按照附图3的二维资源矩阵的横坐标的每条资源信息的归属、状态和属性参量组合标识资源鉴定信息,如步骤2中形成的属于用户环境中用户1只能择机可用的具有时延属性的资源特征参量{u1,1,t},属于无线环境中的无线电3的完全可用的具有时延属性的资源特征参量{r3,2,t}和属于网络环境中网络2的完全可用的具有时延属性的资源特征参量{n2,2,t}等,并上报这些资源鉴定信息到资源流化模块。
步骤4,资源信息流化
资源鉴定信息解析子模块接收资源鉴定信息构造子模块发送而来的资源鉴定信息,按照如附图3所述的二维资源矩阵横坐标的属性参量的同属性多域资源信息对上述资源鉴定信息进行分类。按照二维资源矩阵中的资源属性信息时延参量,提取出所有多域信息,包括用户环境、无线环境和网络环境中的所有用户、无线接入设备和网络设备中具有时延特性的所有多域资源。例如,对于{u1,1,t},{r3,2,t}和{n2,2,t}按照时延属性进行分类形成具有明显资源特征参量的多域资源集合。
资源流构造子模块收集这些具有明显同属性多域资源集合,将上述同属性资源信息按照纵坐标进行总和,形成具有明显属性参量的资源流。例如,针对时延敏感业务,在多域信息支持下,按照所述方法形成时延参量资源流满足时延敏感业务的需求。上述附图3中的{u1,1,t},{r3,2,t}和{n2,2,t}的具有明显时延资源特征参量的三域资源构成资源流。
Claims (7)
1.一种认知无线网络中资源流的构建系统,其特征在于,包括两个模块:资源鉴定标识模块,资源流化模块;其中:
所述资源鉴定标识模块,用于完成资源鉴定信息标识,发送鉴定标识信息到资源流化模块;该资源鉴定标识模块包括资源信息汇聚子模块、资源信息解析子模块和资源鉴定信息构造子模块;其中,资源信息汇聚子模块接收多域资源信息,采用二维资源矩阵的形式记录每一条多域资源信息,汇聚形成资源池;资源信息解析子模块按照二维资源矩阵行列依次解析资源池内多域资源信息,提取资源特征参量;资源鉴定信息构造子模块收集多域环境信息的资源特征参量,依次按照每条资源信息的归属、状态和属性参量组合标识资源鉴定信息,上报资源鉴定信息到资源流化模块;
所述资源流化模块,用于接收资源鉴定标识模块的鉴定标识信息,解析鉴定标识信息,构建资源流;该资源流化模块包括资源鉴定信息解析子模块和资源流构造子模块;其中,资源鉴定信息解析子模块,接收资源鉴定信息,按照二维资源矩阵的属性参量提取同属性资源信息;资源流构造子模块,收集同属性资源信息,形成资源流。
2.一种认知无线网络中资源流的构建方法,其步骤包括如下:
(1)多域资源信息感知
1a)多域环境感知设备分别感知所处多域环境,获取多域资源信息;
1b)多域环境感知设备分别上报多域资源信息给资源鉴定标识模块;
(2)资源信息汇聚解析
2a)资源信息汇聚子模块接收多域资源信息,采用二维资源矩阵的形式记录每一条多域资源信息,汇聚形成资源池;
2b)资源信息解析子模块按照所述二维资源矩阵行列依次解析资源池内多域资源信息,提取资源特征参量;
(3)资源鉴定信息标识
资源鉴定信息构造子模块收集多域环境信息的资源特征参量,依次按照每条资源信息的归属、状态和属性参量组合标识资源鉴定信息,上报资源鉴定信息到资源流化模块;
(4)资源信息流化
4a)资源鉴定信息解析子模块接收资源鉴定信息,按照二维资源矩阵的属性参量提取同属性资源信息;
4b)资源流构造子模块收集同属性资源信息,形成资源流。
3.根据权利要求2所述的一种认知无线网络中资源流的构建方法,其特征在于,步骤(1)所述多域环境感知设备指具有环境感知能力或可运行智能环境感知程序的认知终端。
4.根据权利要求2所述的一种认知无线网络中资源流的构建方法,其特征在于,步骤(1)所述多域资源信息指端到端的多域资源信息,此认知终端传输数据到彼认知终端所经历的用户环境、无线环境和网络环境中涉及的所有资源状态信息。
5.根据权利要求2所述的一种认知无线网络中资源流的构建方法,其特征在于,步骤(2)和步骤(3)所述的资源特征参量包括资源归属信息、资源状态信息和资源属性信息。
6.根据权利要求2所述的一种认知无线网络中资源流的构建方法,其特征在于,步骤(2)和步骤(4a)所述二维资源矩阵的构成是横坐标是资源归属信息、资源状态信息和资源属性信息,纵坐标是用户环境、无线环境和网络环境。
7.根据权利要求2所述的一种认知无线网络中资源流的构建方法,其特征在于,步骤(4b)所述资源流是具有同属性的资源信息总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210001641.XA CN102413475B (zh) | 2012-01-04 | 2012-01-04 | 一种认知无线网络中的资源流的构建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210001641.XA CN102413475B (zh) | 2012-01-04 | 2012-01-04 | 一种认知无线网络中的资源流的构建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102413475A CN102413475A (zh) | 2012-04-11 |
CN102413475B true CN102413475B (zh) | 2014-04-16 |
Family
ID=45915260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210001641.XA Expired - Fee Related CN102413475B (zh) | 2012-01-04 | 2012-01-04 | 一种认知无线网络中的资源流的构建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102413475B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104901903B (zh) * | 2015-04-07 | 2019-05-07 | 北京邮电大学 | 软件定义网络多域资源处理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1991017A1 (en) * | 2007-04-28 | 2008-11-12 | NEC Corporation | Method and device for resource allocation control in radio communications system |
CN101931978A (zh) * | 2010-07-01 | 2010-12-29 | 北京邮电大学 | 认知数据库信息更新优化方法及系统 |
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 |
---|---|---|---|---|
EP1892971A1 (en) * | 2006-08-23 | 2008-02-27 | Nokia Siemens Networks Gmbh & Co. Kg | Inter base station communication for joint resource management |
-
2012
- 2012-01-04 CN CN201210001641.XA patent/CN102413475B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1991017A1 (en) * | 2007-04-28 | 2008-11-12 | NEC Corporation | Method and device for resource allocation control in radio communications system |
CN101931978A (zh) * | 2010-07-01 | 2010-12-29 | 北京邮电大学 | 认知数据库信息更新优化方法及系统 |
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 |
---|---|
CN102413475A (zh) | 2012-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | AI-native network slicing for 6G networks | |
Chiaraviglio et al. | Bringing 5G into rural and low-income areas: Is it feasible? | |
Pham et al. | A survey of multi-access edge computing in 5G and beyond: Fundamentals, technology integration, and state-of-the-art | |
Polese et al. | Machine learning at the edge: A data-driven architecture with applications to 5G cellular networks | |
Anandakumar et al. | A bio-inspired swarm intelligence technique for social aware cognitive radio handovers | |
Yang et al. | BrainIoT: Brain-like productive services provisioning with federated learning in industrial IoT | |
Temesvári et al. | Review of Mobile Communication and the 5G in Manufacturing | |
CN105531963B (zh) | 无线网络中多目标小区关闭的系统和方法 | |
Huang et al. | A services routing based caching scheme for cloud assisted CRNs | |
Vega et al. | A technological overview of the guifi. net community network | |
Degada et al. | Smart village: An iot based digital transformation | |
Morais et al. | When SDN meets C-RAN: A survey exploring multi-point coordination, interference, and performance | |
Wu et al. | Wireless powered mobile edge computing for industrial internet of things systems | |
CN106571947B (zh) | 一种支持复杂多元网络构造的网络元模型实现方法 | |
CN101478352B (zh) | 一种认知无线网络系统和认知网元设备 | |
Abdulsalam et al. | Usage of mobile elements in internet of things environment for data aggregation in wireless sensor networks | |
CN107027134A (zh) | 一种用户自定义的无线通信网络方法及系统 | |
Kadir et al. | Big data network architecture and monitoring use wireless 5G technology | |
Ajah et al. | Machine–to–machine communications energy efficiencies: the implications of different M2M communications specifications | |
CN102364893A (zh) | 一种基于认知网络的重配置管理平面及重配置方法 | |
Ge et al. | Applications of artificial intelligence in wireless communications | |
CN102288836B (zh) | 基于无线传感器网络的电磁信号监测方法 | |
Srivastava et al. | Impact of artificial intelligence on future green communication | |
CN102413475B (zh) | 一种认知无线网络中的资源流的构建方法及系统 | |
Göndör et al. | Towards a dynamic adaption of capacity in mobile telephony networks using context information |
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: 20140416 Termination date: 20200104 |
|
CF01 | Termination of patent right due to non-payment of annual fee |