CN102754398B - 一种用于在通信网络中进行数据传输的方法 - Google Patents
一种用于在通信网络中进行数据传输的方法 Download PDFInfo
- Publication number
- CN102754398B CN102754398B CN201180009782.XA CN201180009782A CN102754398B CN 102754398 B CN102754398 B CN 102754398B CN 201180009782 A CN201180009782 A CN 201180009782A CN 102754398 B CN102754398 B CN 102754398B
- Authority
- CN
- China
- Prior art keywords
- data
- bandwidth
- node
- rectangle
- bandwidth request
- 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 87
- 238000004891 communication Methods 0.000 title claims abstract description 33
- 230000005540 biological transmission Effects 0.000 title claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 10
- 230000001537 neural effect Effects 0.000 claims description 41
- 238000001914 filtration Methods 0.000 claims description 35
- 230000009466 transformation Effects 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 20
- 238000012546 transfer Methods 0.000 claims description 19
- 230000002085 persistent effect Effects 0.000 claims description 12
- 210000002364 input neuron Anatomy 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 210000004205 output neuron Anatomy 0.000 claims description 5
- 238000005429 filling process Methods 0.000 claims description 4
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 230000002045 lasting effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 230000002776 aggregation Effects 0.000 description 13
- 238000004220 aggregation Methods 0.000 description 13
- 239000002243 precursor Substances 0.000 description 10
- 230000007246 mechanism Effects 0.000 description 9
- 230000002688 persistence Effects 0.000 description 8
- 238000013459 approach Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000012856 packing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000005036 nerve Anatomy 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000012958 reprocessing Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/16—Time-division multiplex systems in which the time allocation to individual channels within a transmission cycle is variable, e.g. to accommodate varying complexity of signals, to vary number of channels transmitted
- H04J3/1682—Allocation of channels according to the instantaneous demands of the users, e.g. concentrated multiplexers, statistical multiplexers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/72—Admission control; Resource allocation using reservation actions during connection setup
- H04L47/724—Admission control; Resource allocation using reservation actions during connection setup at intermediate nodes, e.g. resource reservation protocol [RSVP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/82—Miscellaneous aspects
- H04L47/823—Prediction of resource usage
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/83—Admission control; Resource allocation based on usage prediction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/64—Hybrid switching systems
- H04L12/6418—Hybrid transport
- H04L2012/6445—Admission control
- H04L2012/6456—Channel and bandwidth allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/50—Queue scheduling
- H04L47/52—Queue scheduling by attributing bandwidth to queues
- H04L47/522—Dynamic queue service slot or variable bandwidth allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access, e.g. scheduled or random access
- H04W74/08—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access]
- H04W74/0866—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access] using a dedicated channel for access
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明涉及一种用于在包括多个节点（SS、BS、SS1、SS2）的通信网络中进行数据传输的方法，其中，网络中从第一节点（SS1）至第二节点（SS2）的数据传输包括以下步骤：a）对到达第一节点（SS1）的数据缓冲器（BF）的数据进行分析，从而生成描述在过去时间段内到达缓冲器（BF）的数据的量（A）的到达历史曲线（I）；b）对到达历史曲线（I）进行处理，所述处理包括对到达历史曲线（I）进行小波变换并得到多个信号（CF1、CF2、……、CF8），每个信号（CF1、CF2、……、CF8）与小波变换的滤波后分量（F1、F2、……、F8）相对应；c）在利用训练模式而训练的单独神经网络（NN）中处理每个信号（CF1、CF2、……、CF8），所述训练模式基于过去到达缓冲器（BF）的数据，从而得到未来的数据到达的预报信号（FO1、FO2、……、FO8）；d）将预报信号（FO1、FO2、……、FO8）重新组合，得到描述在未来时间段中到达缓冲器（BF）的数据的量（A）的到达预报曲线（FI）；e）第一节点（SS1）生成基于到达预报曲线（FI）预留带宽的带宽请求（RE），并且将所述带宽请求（RE）从第一节点传输至第二节点（SS1、SS2）；f）第二节点（SS2）基于所述带宽请求（RE）分配带宽；g）在所分配的带宽内将数据从第一节点（SS1）传输至第二节点（SS2）。
Description
技术领域
本发明涉及一种用于在通信网络中进行数据传输的方法以及一种用于生成带宽请求的方法。此外，本发明涉及一种网络节点和一种通信网络。
背景技术
在使用用于传输数据的带宽预留的通信网络中，期望提供最优带宽预留方案。这种最优方案仅预留在适当时刻处用于传输的足够带宽，即，所需要的带宽对用于在需要时在没有附加延迟的情况下进行传输的通信网络中的节点来说可用。尤其是在TDMA网络（TDMA = 时分多址）中，需要在网络的运行时间期间对带宽要求的在线估计。这是由于被需要以预留带宽并计算无冲突传输调度的控制机制涉及一些固有等待时间。未来对带宽需求的预测是富有挑战性的，这是由于必须考虑具有快速改变的负载的复杂业务模式。由于新带宽的预留过程是时间约束的，因此有必要清楚看到带宽需求在不远的未来的发展。
已经在许多不同技术领域（例如，通信网络、公共交通、电气和水力网络）中研究了带宽需求估计和更一般地业务预测的问题。在文献[1]中，使用所谓的ARIMA模型（ARIMA = 自回归整合移动平均）来预测骨干网上的带宽需求。在该模型中，导出时间序列，直到其变为固定不变为止，然后计算加权系数，并且预报使用过去移动平均的加权和。在文献[2]中，使用ARCH模型（ARCH = 自回归条件异方差）来预报带宽并帮助数据提供商调整其带宽分配。该方法基于量化的方案，以便利用不同策略来分配和解除分配带宽量。
在文献[3]中，描述了用于预测用于传输视频流的所需带宽的神经网络方案。公开[4]描述了一种用于基于平均web会话测量的时间序列预报web业务的方法。在该文献中，小波分解与用于预测的神经网络相联系。该文献中的方法并未描述一种用于在通信网络中的两个节点之间进行数据传输的带宽预留机制。文献[5]公开了使用小波滤波来分解多个比例的信号，以容易进行信息提取，从而检测网络业务异常。
发明内容
本发明的目的是提供一种通信网络中的带宽预留机制，从而基于所期望的网络业务来实现正确且可靠的带宽分配。
该目的由每个独立权利要求的方法和设备解决。本发明的优选实施例是在从属权利要求中描述的。
在包括多个节点的通信网络中使用根据本发明的用于数据传输的方法。对于在网络中从第一节点至第二节点的数据传输，执行若干个步骤。在步骤a）中，对到达第一节点的数据缓冲器的数据进行分析，从而生成描述在过去时间段内到达该缓冲器的数据的量的到达历史曲线。在步骤b）中，执行对到达历史曲线的处理，其中，所述处理包括对到达历史曲线的小波变换并得到多个信号，每个信号与小波变换的滤波后分量相对应。在步骤c）中，在利用训练模式而训练的单独神经网络中处理由小波变换生成的每个信号，所述训练模式基于过去到达缓冲器的数据。这就得到了未来（即，在未来时间段中）的数据到达的预报信号。
在步骤d）中，将所生成的预报信号重新组合，得到描述在未来时间段中到达缓冲器的数据的量的到达预报曲线。此后，在步骤e）中，第一节点生成基于到达预报曲线预留带宽的带宽请求，并且将所述带宽请求从第一节点传输至第二节点。在步骤f）中，第二节点基于所述带宽请求分配带宽。在最终步骤g）中，在由第二节点分配的带宽内将数据从第一节点传输至第二节点。
本发明的方法提供了一种用于针对通信网络中的数据传输预留带宽的新机制。该机制使用基于小波变换和神经网络的预测框架，生成具有未来的需求的带宽预报。该方法实现了以下数据传输：其中，实际可用带宽更好地匹配要传输的数据流所需的带宽。这导致在延迟和吞吐量方面有更好的传输质量。特别地，该方法实现了具有以下特征的数据传输：到达节点的业务在需要时以灵活的形式预先进行精确的带宽预留。
在本发明的优选实施例中，数据是作为MAC协议数据单元/分组在公知的MAC层（也被称为L2层）上传输的。
在另一优选实施例中，所述方法将使用预定时间间隔来传输数据和控制消息。特别地，所述预定时间间隔包括：在其中传输数据的数据子帧，以及在其中传输包括上述带宽请求的控制消息的控制子帧。
优选地，本发明的方法用在以公知的标准IEEE 802.16（特别地，标准IEEE 802.16-2004）的所谓MeSH模式操作的无线网络中。
可以在本发明的方法中使用基于不同母小波的各种小波变换。在优选实施例中，小波变换基于现有技术中公知为母小波的所谓哈尔小波。在本申请的详细描述中解释基于该母小波的小波变换。
在本发明的另一优选实施例中，小波变换的每个滤波后分量包括多个（小波）系数，每个系数与所述过去时间段中的时间步长相关联，所述时间步长对于每个滤波后分量来说是不同的。在该实施例的优选变型中，通过将所述过去时间段中的相邻时间步长中的具有相同值的系数进行合并来使每个滤波后分量紧凑，紧凑的信号是在步骤b）中生成的信号。优选地，每个神经网络包括多个输入神经元和输出神经元，其中，每个输入神经元接收过去合并的系数，并且每个输出神经元提供未来合并的系数。
为了改进预报质量，本发明的一个实施例基于较早的训练模式的值，在步骤c）中对神经网络的输出应用信号校正。为了使神经网络适于实际到达历史，优选地，以有规律的时间间隔或者连续地在数据传输期间训练神经网络。
在本发明的另一优选实施例中，在步骤e）中生成的带宽请求指定了要针对传输而预留的数据的量以及定义要预留的数据的量持续的时间长度的持续值。在该实施例中，优选地，在步骤e）中生成带宽请求如下：
- 以基于用于预留带宽的数据大小单位（unit）而量化的量化预报曲线来转换（transfer）所述到达预报曲线；
- 应用利用由以下矩形表示的带宽请求填充量化预报曲线下方的区域的填充过程，所述矩形在时间方向上的长度与依照所述带宽请求的持续值的时间长度相对应，并且所述矩形的高度与在所述带宽请求中指定的数据的量相对应。
优选地，上述数据大小单位与上述标准IEEE 802.16中的微时隙（minislot）相对应。
在优选实施例中，上述填充过程包括以下步骤：
i）通过在时间方向上的连续扫描而扫描量化预报曲线来检测左和右边界，其中，在扫描内的左和右边界之间覆盖的区域与第一矩形相关联；
ii）将具有相同左和右边界的第一矩形与第二矩形合并；
iii）利用带宽请求的矩形在时间方向上填充第二矩形，使得在每个第二矩形中包括最小数目的矩形。
在以上定义的步骤ii）中，优选地，通过允许该矩形覆盖额外数据量（例如，在多个额外微时隙中）来执行各第一矩形之间的合并，并通过这样做来合并两个或更多个矩形。此外，可以在步骤ii）中使用附加过拟合过程，以便进一步减少矩形的数目。根据该附加过拟合过程，每个第二矩形的长度以预定值增加，并且，在该增加得到可被合并为新第二矩形的相邻或重叠第二矩形的情况下，新第二矩形替代相邻或重叠第二矩形。
此外，在本发明的另一实施例中，将具有相同左和右边界的带宽请求的矩形合并为一个带宽请求。该机制还减少了带宽请求的数目。为了在本发明的方法中解决错误预报，优选地，监视第一节点中的缓冲器的状态，并基于缓冲器的状态来发送附加带宽请求，以校正这些差错。
除以上数据传输方法外，本发明还涉及一种用于在包括多个节点的通信网络中传输带宽请求的方法，所述方法特别可用在以上数据传输方法中。在该方法中，由网络中的节点发出的带宽请求包括指示应当分配依照带宽请求的带宽的所希望的开始时刻的字段。该方法实现了上述数据传输方法中的用于分配带宽的容易且直截了当的机制。优选地，用于传输带宽请求的方法用在以标准IEEE 802.16的MeSH模式操作的无线通信网络中，其中，包括所希望的开始时刻的字段在内的带宽请求包括在所谓的MSH-DSCH消息中。优选地，用于指示所希望的开始帧的字段的长度是8比特字段。
除以上指定的方法外，本发明还涉及一种在如上所述的数据传输方法中使用的网络节点。该节点包括以下组件：
- 分析装置，用于分析到达节点的数据缓冲器的数据，从而生成描述在过去时间间隔内到达缓冲器的数据的量的到达历史曲线；
- 处理装置，用于处理到达历史曲线，其中，所述处理执行对到达历史曲线的小波变换并生成多个信号，每个信号与小波变换的滤波后分量相对应；
- 神经网络处理装置，用于在关于基于过去到达缓冲器的数据的训练模式而训练的单独神经网络中处理每个信号，从而得到未来的数据到达的预报信号；
- 重新组合装置，用于将预报信号重新组合，从而得到描述在未来时间段中到达缓冲器的数据的量的到达预报曲线；
- 生成装置，用于基于到达预报曲线来生成预留带宽的带宽请求，并将带宽请求传输至第二节点；
- 调度装置，用于响应于带宽请求，基于由第二节点分配的带宽将数据传输至第二节点。
此外，本发明包括一种用在用于传输带宽请求的上述方法中的网络节点。该节点包括：传输装置，用于传输包括以下字段的带宽请求，所述字段指示应当分配依照带宽请求的带宽的所希望的开始时刻。附加地或可替换地，该节点包括：处理装置，用于接收包括指示所希望的开始时刻的字段的带宽请求，并在所希望的开始时刻处分配依照相应带宽请求的带宽。
本发明还包括一种通信网络，所述通信网络包括多个节点，其中，所述通信网络适于执行根据本发明的上述方法中的任一个。
附图说明
现在将关于附图来描述本发明的实施例。
图1示出了无线通信标准IEEE 802.16中的MeSH模式操作中的拓扑；
图2示出了用于实现本发明的实施例的架构的示意图；
图3示出了图2所示的神经小波预报器上的详细视图；
图4是解释了根据本发明使用的小波变换的示意；
图5示出了解释根据本发明使用的小波变换的示例的图表；
图6示意了根据本发明的实施例的神经网络的训练；
图7示出了根据本发明的实施例的预留带宽的过程；
图8示意了根据本发明的实施例的带宽请求的生成；以及
图9示出了包括根据本发明的实施例生成的带宽请求的图表。
具体实施方式
现在将关于以IEEE标准802.16的所谓MeSH模式操作的无线通信网络来描述本发明的实施例。该标准是支持城域网、乡村网或企业网的无线通信标准。图1示出了以MeSH模式操作的这种无线通信网络。该网络包括多个节点，这些节点包括彼此通信的订户站以及基站。在图1所示的MeSH模式中，允许订户站SS在相邻节点之间建立通信链路并能够如对应通信链路CL’指示的那样彼此直接通信。此外，网络中的节点之间出现的障碍物是利用参考标记O表示的。订户站SS还能够向对应基站BS发送业务并从对应基站BS接收业务，其中，处于MeSH模式的基站被视为将回程服务提供给MeSH网络的订户站SS。IEEE标准802.16的MeSH模式允许MeSH网络的覆盖的灵活增长，并由于针对节点之间的通信提供多个交替通道而提高了网络的鲁棒性。
标准IEEE 802.16描述了基于TDMA的传输（TDMA = 时分多址），其中，在数据子帧中传输MAC协议数据单元（MAC = 媒体接入控制），并在控制子帧中传输指代对数据传输进行控制的消息的控制数据。数据子帧和控制子帧二者均为总体时间帧的一部分。该时间帧被划分为多个时隙。这些时隙中传输的数据被划分在所谓的微时隙中。MeSH模式中使用的控制消息是所谓的MSH-DSCH消息。
在以下描述的本发明的实施例中，节点SS和BS中的每一个都包括用于基于未来需要的带宽预报来预留带宽的架构，其中，该预报由到达节点的对应缓冲器的数据导出。
图2示出了示意根据本发明的实施例的带宽预留的架构。在图2中，线L左侧的组件指代无线通信网络中的第一节点/订户站SS1，其希望将数据传输至位于线L右侧的第二节点/订户站SS2。根据图2，具有MAC数据分组D的形式的数据到达节点SS1的缓冲器BF。基于数据子帧内的微时隙将该数据传输至第二节点SS2。为了这样做，必须预留带宽并由第二节点SS2分配该带宽。根据现有技术，关于到达缓冲器BF的当前数据预留了带宽，导致由于用于在第二节点中预留带宽的所谓三次握手过程而引起的数据传输中的延迟。该握手过程公知于标准IEEE 802.16中，并描述了如何预留带宽。以下将更详细地解释该过程。
与现有技术相比，如图2所示的系统通过基于缓冲器BF预报未来带宽需求来提供提前带宽预留。为了这样做，分析装置AM根据缓冲器BF中的数据到达来生成到达历史。该到达历史形成了神经小波预报器NWF的输入信号I。预报器NWF和分析装置AM是参考生成器RG的一部分。输入信号I由在过去时间间隔中的每个时间帧处进入缓冲器BF的以字节计的数据量指定。此外，指定缓冲器状态的信号BS由分析装置AM生成，并被输入至缓冲器状态处理器BSP，缓冲器状态处理器BSP也是参考生成器RG的一部分。缓冲器状态处理器的输出被输入至所谓缓冲器排放器（buffer drainer，BD，缓冲器排放器BD是被称为请求生成器RQ的组件的一部分。稍后将解释组件BSP和BD的功能。
请求生成器RQ还包括：请求封装器RP，其接收神经小波预报器NWF的输出，并生成由请求发送器RS发送至第二节点SS2的带宽请求RE。此外，带宽请求还由缓冲器排放器BD生成。这些带宽请求还被请求发送器RS发送至第二节点SS2。在带宽分配器BA中在第二节点中接收带宽请求RE，该带宽分配器BA分配在带宽请求RE中指定的带宽。带宽分配是基于在图2中被表示为MI的对应微时隙来进行的。在带宽分配的过程中，带宽分配器BA响应于带宽请求RE，将许可GR发送至第一节点SS1的数据调度器DS。该数据调度器负责基于许可来调度数据传输。在已经接收到许可GR之后，将许可确认GC从数据调度器DS发送回到第二节点SS2。根据标准IEEE 802.16，所分配的带宽仅可以由第一节点在已经发送许可确认之后使用。实现该约束以避免冲突，这是由于在网络中传播以上控制消息RE、GR和GC。带宽请求RE、许可消息GR和许可确认GC的所描述的交换与上述三次握手相对应。
以下将详细解释基于图2的架构的具体示例。在该示例中，到达历史包括在过去512个（时间）帧中到达缓冲器BF的数据量。因此，输入I描述二维图表中的曲线，其中，横坐标与帧f相对应，并且纵坐标与以字节计的数据量A相对应。在图5的图表D1至D4中示出了这种输入信号的示例。用于生成对应带宽请求的未来数据到达的预报由参考生成器RG的神经小波预报器NWF计算。图3示出了以下将详细解释的该预报器的子组件。
图3所示的预报器包括小波滤波器组WFB，其接收与数据到达历史曲线相对应的上述输入I。小波滤波器组执行对输入信号I的小波变换，其中，小波变换自身是从现有技术中已知的。小波变换提供了与输入信号的时域和频域二者有关的信息。小波变换对若干个通道中的信号进行滤波，以便考虑该信号的细节（detail）电平。图4示出了在这里描述的实施例中使用的小波变换的递归计算的示例。在该示例中，输入信号I包括不同的独特时间帧处的多个值s(i)，其中，考虑了256个帧。示出了三个通道P1、P2和PN，其中，第一通道被表示为P1，第二通道被表示为P2，并且作为变换中的最后通道的第三通道被表示为PN。在每个通道中，通过计算相邻时间间隔的值之间的差(s(i)-s(i+1))/2来分析来自前一通道的输入信号I或平滑信号S，其中，从一个通道至下一通道的时间间隔的长度加倍。此外，将平滑信号S计算为平均值(s(i)+s(i+1))/2。
图4的小波变换基于公知为母小波的哈尔小波。该小波被定义如下：
。
哈尔母小波的优势在于其计算简单性以及以下事实：其产生了具有阶跃函数的形状的滤波后分量。这对提取可图形表示为矩形的请求来说是实际的。
根据图4，对输入信号I的小波变换的每个通道捕捉特定电平的细节。第一通道揭示了一帧宽的细节（即，高频），第二通道揭示了两个帧的细节，第三通道揭示了四个帧的细节等等。第i个通道产生了小波系数Ci的集合。图4示出了通道P1、P2和PN分别的系数C1、C2和CN。在图4的实施例中，输入信号I开始于256个时间帧的大小。小波变换的第一通道P1返回了大小为128的平滑信号和大小也为128的小波系数的阵列，与图4中的C1相对应。该过程是对平滑信号递归重复的，如图4所示。每一次，将所得到的平滑信号的长度和系数的数目除以二。在最后通道PN之后，接收单个小波系数CN（N = 8）和哈尔值HV，其事实上是输入信号平均值（样本对的递归平均值）。因此，整个小波变换返回了长度减小的系数行的集合，其中，每个行与特定细节电平相对应。小波逆变换从小波系数重构原始信号。
为了仅保持特定电平的细节，必须删除除所关注的行外的所有系数，并基于这个更改后的系数集合、利用小波逆变换来重构信号。这从初始信号中有效地提取了其阶跃函数分量，其中，根据保存了什么系数Ci，宽度步长为2的幂。
下表针对长度为256的输入信号列出了小波系数阵列的大小和对应细节（以时间帧的数目计的步长大小/宽度）：
| 小波系数 | C1 | C2 | C3 | C4 | C5 | C6 | C7 | C8 | 哈尔值 |
| 长度 | 128 | 64 | 32 | 16 | 8 | 4 | 2 | 1 | 1 |
| 步长大小 | 1 | 2 | 4 | 8 | 16 | 32 | 64 | 128 | 平均值 |
因此，如果信号长度是2的另一次幂，则值改变。已经选择该值256，这是由于这得到了多达128个帧的宽度细节。这些细节与所谓的持续P6匹配，其还对应于128个帧。越小宽度的细节与越小持续相匹配。在这里描述的实施例中，持续值描述了稍后描述的宽度请求为有效的帧的时间长度。持续值P1指代一个帧，持续值P2指代两个帧，持续值P3指代四个帧，持续值P4指代八个帧，持续值P5指代32个帧，持续值P6指代128个帧，并且持续值P7指代无穷数目的帧。
图5示出了基于四个图表D1至D4的小波滤波的结果的示例。每个图表D1至D4沿横坐标示出了帧编号f并沿纵坐标示出了以字节计的数据的量A。利用与调制后的正弦函数相对应的实线来示出原始信号I。每个图表包括基于相应小波系数C1、……、C8的滤波后的信号/分量F1、F2、……、F8（虚线）。此外，在图表D1中绘制了信号I的平均值AV。如从这些图表中可见的，每个分量F1至F8与阶跃函数相对应，其中，细节的电平从F1降至F8。函数F1是从系数阵列C1中提取的滤波后分量，并且从而具有一个帧的细节宽度（高频）。与此相反，滤波后分量F8是从小波系数阵列C8中提取的，并具有128个帧的细节宽度（低频）。
图5所示的图表示意了多电平分解，其用在这里描述的带宽预留框架中。为了从图5所示的滤波后分量重构原始信号，仅必须对这八个分量进行求和并减去平均值七次，以将其保持在最终和中仅一次。
回到图3，小波滤波器组WFB得到对应的滤波后分量F1至F8，此后，滤波后分量F1至F8输入到以下将描述的所谓帧聚合模块FA中。使用根据小波滤波器组WFB的滤波过程的结果来提取稍后描述的执行预报的神经网络的训练模式。输入层的大小（即，输入神经元的数目）是影响神经网络训练所需的计算时间的因素之一。在这里描述的实施例中，将用于训练的信号的每个样本指派给一个输入神经元。来自小波滤波过程的每个滤波后分量是256帧长的阶跃信号，来自所述256帧长的阶跃信号的128帧长的部分将用作神经网络的输入。对于每个分量，使用单独的神经网络，得到八个神经网络。这意味着针对八个神经网络中的每一个有128个输入神经元。然而，由于滤波后信号是步长宽度为2的特定次幂的阶跃函数，因此一些信息是冗余的。不是将滤波后信号中的每个帧的值用作一个神经元的输入，而是在这里描述的实施例中使用每个步长的幅度。这使得在不释放信息的情况下减少输入神经元的数目，并且从而加速神经网络的训练阶段。该过程指代以下帧聚合：其中，通过仅保持每个步长的幅度一次来对帧进行聚合。该帧聚合由图3中的帧聚合模块FA执行。
例如，第四滤波后分量F4是步长宽度为23 = 8个帧的阶跃函数。帧聚合将仅保留第1个、第9个、第17个、……样本。确实，前八个样本具有相同值（步长幅度）。对于接下来八个样本等等来说同样适用。该聚合信号将用于馈送第四神经网络。在这种情况下，移除冗余信息将输入神经元的数目减少至1/8。因此，除与第一滤波后分量相关联的那个神经网络外，用于预报的每个神经网络将受益于帧聚合。这是由于第一滤波后分量具有一个帧的步长宽度，并且从而，帧聚合没有效果。
通过使用上述帧聚合，每个神经网络的输出层也以相同比例减小。将对每个神经网络的输出进行解聚合，以恢复稍后描述的初始步长形状。回到图3，帧聚合模块FA提供了每个滤波后分量F1、F2、……、F8的聚合/紧凑信号CF1、CF2、……、CF8。这些紧凑信号将被馈送至包括八个神经网络的模块，以预报未来的数据到达。在图3中将神经网络表示为NN。对神经网络NN进行训练，以预报这八个滤波后的信号。它们使用S形激活函数。神经网络渐进地学习，以识别输入模式并返回对应的输出模式。通过首先执行上述小波变换并且然后从滤波后分量中提取实际模式，在两个步骤中从到达数据信号中提取模式。
在这里描述的实施例中，到达历史具有512个帧的大小。该历史被划分成长度为256的两个部分。利用上述小波滤波器组WFB来对这两半进行滤波，上述小波滤波器组WFB在长度为256个帧的八个滤波后信号的两个集合中变换这两半。通过将对应滤波后信号的每对进行组合，获得到达历史的512帧的结果所得长度。
在这里描述的实施例中，以有规律的间隔训练神经网络，其中，训练模式是根据以下两个参数从滤波后信号中提取的：
- window：这指定了用作输入的样本的数目。
- lookAhead：这是所预报的帧的数目。
在一个示例中，已经分别将参数window和lookAhead设置为128和150。这两个参数用作对每个神经网络的输入和输出层的构造的基础，但是由于上述帧聚合而连续除以二。在下表中列出对八个滤波后分量进行滤波的八个神经网络NN1、NN2、……、NN8中的每一个的输入和输出层上的神经元的数目：
| 神经网络 | NN1 | NN2 | NN3 | NN4 | NN5 | NN6 | NN7 | NN8 |
| 输入神经元 | 128 | 64 | 62 | 16 | 8 | 4 | 2 | 2 |
| 输出神经元 | 150 | 75 | 38 | 19 | 10 | 5 | 3 | 2 |
在没有帧聚合的情况下考虑了第一神经网络NN1的情况，该网络需要包括278个样本的训练模式，其中128个样本用于输入，且150个样本用于所期望的输出。因此，从第一滤波后分量（长度为512）中，提取了512-(128+150)+1=235个训练模式。在第二神经网络NN2的情况下，由于帧聚合，滤波后信号具有长度256。除以二对于输入和输出神经元的数目来说也成立。因此，可以提取256-(64+75)+1=118个训练模式。对于每个神经网络，该提取以最近可用模式（即，以其期望结果在最后完成帧处结束的模式）开始。通过在过去某时刻处移动一个帧来进一步提取训练模式。在图6中示意了该模式提取过程。该图示出了512个帧的到达历史作为水平条AH，其中，当前帧被表示为f’。将后续训练模式TP1、TP2、TP3、TP4、……、TPN指示为帧历史AH下方的水平条。训练模式被箭头AR分割，其中，箭头左侧的每个训练模式的条指代用于训练的帧输入，且箭头右侧的每个训练模式的条指代在训练期间使用的所期望的输出。
神经网络训练是在计算上昂贵的任务。在本发明的方法中，必须针对神经网络重复地进行训练，以使其识别能力适于到达数据信号。然而，应当将训练时间保持为合理。为了这样做，在这里描述的实施例中，以有规律的间隔（由训练间隔参数指定）进行训练，并且所提取的训练模式的最大数目受训练限制参数限制。
依照图3的神经网络NN生成针对的每个滤波后且紧凑信号CF1、CF2、……、CF8的预报FO1、FO2、……、FO8的形式的输出。这些预报被馈送至执行信号电平校正的模块SLC。进行该可选校正，这是由于神经网络的输出很难具有精确期望值，即便正确识别该模式亦如此。例如，被训练以解决二进制XOR问题的神经网络可以返回值0.97而不是值1，或者返回值0.02而不是值0。知道可能输出值的集合使得能够分别利用1和0来校正先前输出。在这里描述的实施例中，信号电平校正尝试使用针对最后n个训练而记录的值的集合来校正输出，其中，n是配置参数。
将由信号电平校正模块SLC输出的校正信号FO1’、FO2’、……、FO8’馈送至执行对仍聚合的信号FO1’、FO2’、……、FO8’的帧解聚合的模块FD。这得到了每个滤波后分量的扩大的信号EF1、EF2、……、EF8。此后，在模块REC中重新组合这些扩大的信号，从而基于输入信号I来得到总体预报到达历史FI。该信号形成图2所示的神经小波预报器NWF的输出，并被馈送至请求生成器RQ的请求封装器RP。
如以上所解释的那样，帧聚合允许减少神经网络中的神经元的数目，从而导致计算时间减少。标准IEEE 802.16中的带宽请求的帧号（number）的字段长度使得请求无法在其被发送之后开始多于128个帧。这意味着：P6请求的有用区域未来增加至256个帧，P5请求的有用区域未来增加至160个帧等等。这提供了神经网络的以上指定的lookAhead参数的第一边界。
根据这里描述的实施例而发送的请求包括指示所希望的开始帧（即，带宽分配应当优选地开始的未来帧号）的附加字段。然而，如果在接下来τ个帧内存在另一传输机会，则不必在τ之后发出对所希望的开始帧的请求。确实，在下一传输机会期间，将存在针对更好预报的更新的输入数据。事实上，这还是由于许可确认而引起的下一机会后的机会的情况，但是推理保持相同。
图7示出了根据本发明使用的预留带宽和传输数据的过程。在该图中，时间轴在水平方向上由后续帧f表示。通过上述三次握手来进行带宽预留，在上述三次握手中，请求带宽的第一节点将对应请求RE发送至第二节点。第二节点通过发送许可消息GR，基于请求来许可带宽。此后，第一节点利用许可确认GC来应答许可消息GR。带宽可以仅由第一节点在许可确认已被发送之后的时间间隔中使用。因此，0与t1之间（排除t1）的时间间隔UNG中的所许可的带宽是不可使用的。图7还示出了在相应时隙0、t1、t2、t3和t4处出现的第一节点的传输机会TO。由于三次握手机制，最早的可使用时隙是t1、t2、t3、t4等。这些时隙位于表示可使用的所许可的带宽的时间间隔的条USG内。
对于带宽请求的每个持续水平以及因而对于小波滤波方面的每个细节电平，存在具体预报区域的形式的所关注的不同时区。对于滤波后分量F1至F5，这些预报区域的示例由图7中的水平条指示。在对应MSH-DSCH消息中按标准IEEE 802.16发送带宽请求。在这些消息中限制请求的数目。因此，以有规律的间隔发送对预留带宽的请求。在新MSH-DSCH消息中发送的请求基于数据到达的更新的预报。由此，基于新可用预报来更新已存在的请求。
根据本发明的优选实施例，可以使用对神经网络的输出的所选类型的后处理。该后处理被实现为根据权利要求1的处理步骤c）的一部分。以下解释优选后处理方法。
作为第一后处理方法，可以移除尖峰，以使所预报的信号平滑。当比给定阈值更大的信号上升和信号下降以少于特定数目的帧（尖峰宽度）分离时，检测到尖峰。作为另一后处理方法，可以使用重新扩缩。为了这样做，线性重新扩缩所预报的信号，使得其最小值和最大值与输入信号的最小值和最大值相匹配。该重新扩缩依赖于以下假设：所预报的信号的时间窗口足够大以保留所有信号变化。作为另一后处理方法，可以执行减幅。为了这样做，预报以利用反馈而调整的偏移移位。将反馈计算为在过去n个帧上到达数据和所预留的带宽的平均差。将反馈添加至每个所预报的帧的值。这样，如果预报器先前造成太多预留，则反馈将是负的，并且预报信号将减小。反过来，太少的预留往往将通过添加正反馈来增大预报信号。
以下，将描述基于图2所示的请求封装器RP中输入的预报信号FI生成带宽请求。请求封装器的任务是：发出覆盖由神经小波预报器预报的未来到达的带宽请求。由请求封装器执行的方法基于矩形。每个矩形表示带宽请求。矩形的高度对应于需求水平（即，带宽请求的微时隙中的数据的量），并且矩形的宽度指代与带宽请求的持续水平相对应的帧的数目。请求封装器将利用这种矩形贴块来填充到达数据的预报曲线下方的区域。实际上，请求封装器的输入信号是已从中减去已预留的微时隙的预报信号。确实，（大于1的持续的）先前许可的请求仍将活动，并将对付所预报的到达的一部分。到目前为止，预报信号的单位是以字节计的数据的量。与此相比，请求封装器所使用的单位将是指代所传输的数据的指定量的微时隙。为了从字节切换至微时隙，通过在以下假设下对每个样本进行取整（而不是取低限或高限值）来执行对预报信号的量化：额外取整的样本的数目将补偿缺省取整的样本。
请求封装器所使用的封装方法执行连续水平扫描，以检测量化预报信号中的边界。边界是利用矩形覆盖的域与其余域（分别在输入信号之下和之上）之间的界线上的点。边界可以是左或右边界。左边界出现在信号曲线增大时，减小对应于右边界。然后，在左和右边界点之间创建矩形。这首先出现宽度，即，矩形始终具有最大可能宽度，并且仅在这时才将高度设置为边界所允许的最大值。在实际方法中，同时执行边界和矩形检测以改进效率。最后从检测到的矩形的所得集合中提取请求。
为了减少对域进行封装所需的请求的数目，使用一些过拟合技术。首先，对于给定宽度w，有可能通过允许该矩形覆盖一些额外微时隙来提高需求水平，并通过这样做将两个或更多个矩形合并在一起。其次，少许增大矩形宽度可以减少针对该矩形的请求的数目。例如，对于宽度为30的矩形，持续水平方面的宽度的转化将造成五个请求：三个P4、一个P3和一个P2（30 = 3*8 + 4 + 2）。允许两个额外时间帧将请求的集合减少至仅P5。所允许的额外帧处的最大额外微时隙是封装方法的参数。使用第三参数来限制请求可开始的区。这是合理的，原因在于预报信号对于越小的lookahead来说很可能越精确，因此，可以在下一传输机会期间发送更好的请求。
在图8中示出了以上解释的封装方法的图形解释。图表DI1示出了在五个连续水平扫描1、2、……、5期间对左和右边界的检测。对左边界的检测由双箭头指示，而对右边界的检测由单箭头指示。在依照图表DI1的每个水平扫描期间，利用所发现的边界来创建高度为1的矩形。将这些矩形与先前找到的矩形进行合并。如果所引发的过拟合处于所允许的界内，则进行合并。图8的图表DI2示出了在第五水平扫描之后沿垂直方向对矩形的合并。根据该图表，由于宽度的差别，将不合并矩形R1和矩形R2。与此相比，将矩形R3和矩形R4合并为一个矩形。图表DI3示出了以下示例：改变矩形沿水平方向的宽度，以减少针对一个矩形的请求的数目和/或沿水平方向合并矩形。图表DI3示出了被指示为点线的一个帧的矩形R5和R6的宽度的增大。对于矩形R6，宽度的增大将导致将矩形R6和R7进行组合的合并矩形。
以下列出了以上解释的封装方法的伪代码：
定义：
d：当前需求水平，垂直扫描的索引
f：当前帧，水平扫描的索引
window：水平扫描的界限
L：检测到的左边界的集合
R：检测到的右边界的集合
Rect：检测到的矩形的集合
Req：从Rect转换的请求的集合
，
矩形检测阶段开始于伪代码的行1。垂直扫描开始于具有重复（repeat）循环的行2。水平扫描开始于具有重复循环的行5。根据伪代码的行6，检测矩形的左侧。根据伪代码的行9，检测矩形的右侧。在伪代码的行12中，更新水平扫描索引。在伪代码的行13中，检测到到达水平界限。在伪代码的行14中，进行矩形的融合。在伪代码的行16中，检测到到达垂直界限。矩形的请求提取阶段开始于行17。在行18中，利用长度过拟合来最小化请求的数目。在行21中，将来自边界的新矩形与现有矩形进行合并的函数开始。在行25中，在所允许的界限内合并过拟合。在行26中，保持合并。在行28中，丢弃合并并添加矩形rect。
图9是上述封装方法的结果的示例。图9示出了实质上与该图所示的矩形的最外边界相对应的数据到达的量化预报曲线。出于清楚的原因，图9所示的矩形中的仅一些由参考标记R表示。图9的图表中的横坐标与帧号f相对应，并且纵坐标与以字节计的数据量A相对应。该曲线是利用由不同阴影线/填充线指示的矩形来填充的，其中，每个阴影线/填充线与请求的持续水平P1、……、P7之一相对应。每个矩形的高度指代由矩形表示的对应请求要预留的数据的量。如从图9中可见的那样，该方法的结果是根据持续水平、利用最小数目的矩形对预报曲线下方的区域的填充，其中，每个矩形与一个带宽请求相对应。为了进一步减少请求的数目，可以将图9的图表中的具有相同左和右边界的矩形合并为一个矩形。这样的矩形在图9中表示为R’和R’’。这些矩形的合并得到针对这些矩形的单个带宽请求。
根据这里描述的方法，带宽请求还包括特殊处理的所谓P0请求。对于持续水平P1至P7的请求，该方法仅需要在持续长度上分割检测到的矩形的宽度，其中，参数lengthForP7设置了针对持续P7的任意长度。该参数必须明显大于128个帧。P0请求用于在P7请求预留了太多微时隙时减小或消除P7请求（即，长期预留）。如以上所解释的那样，请求封装器输入是所预报的到达曲线，其中，已经减去已预留的微时隙。这样，帧中的太多预留带宽将作为负值而出现。对“P0矩形”的检测与对P7矩形的检测相当类似地工作，经由lengthForP0参数，但是在负域中。基于该参数而对长度的选择不应当太小，太小将很可能检测到由更小持续导致的过度预留并可能使基于P7请求的良好进行中的预留降级，从而导致振荡。另一方面，该长度不应当太长，太长将在减少基于P7请求的预留时导致延迟。
为了解决错误预报，节点的缓冲器BF由图2所示的缓冲器状态处理器BSP监视。实际上，在完美预报的理想情形中，缓冲器将始终为空。然而，由于在预报中将发生差错，因此需要用于对由于预报差错而累积的分组的缓冲器进行清空的机制。如果比可在单个帧中传输的数据更多的数据到达帧中，则缓冲器还可以填满。基于由缓冲器状态处理器BSP监视的缓冲器状态BS，与缓冲器状态处理器进行通信的缓冲器排放器BD将基于当前处于缓冲器中的数据来发出请求。在这里描述的实施例中，在最后两个帧上以自回归的方式计算缓冲器占有率的变化速率。其表示缓冲器排放器期望必须发送接下来几个帧的每帧的数据。然后，其区分两个内容：与所计算的速率相关的数据；以及直到有效地预留与速率部分相对应的带宽之前将到达的数据量。发送了两个请求，一个用于具有中等持续水平的速率部分，另一个用于其余部分，其可以是在一个帧内发送或在多个帧上耗费的，以避免太大的需求水平和不可许可请求的风险。用于速率部分和其余部分的持续是该方法的配置参数。
用于预留带宽的上述方法实现了未来的带宽预报，并基于这些预报生成了对应的带宽请求。该方法减小了在通信网络中将数据从一个节点传输至另一节点的延迟，并且该方法是基于IEEE标准802.16的MeSH模式来描述的。发明人基于本发明的方法，执行了若干仿真，从而得到在从一个节点至另一节点的数据传输中减小延迟方面的良好结果。
文献
Claims (21)
1.一种用于在包括多个节点（SS、BS、SS1、SS2）的通信网络中进行数据传输的方法，其中，网络中从第一节点（SS1）至第二节点（SS2）的数据传输包括以下步骤：
a）对到达第一节点（SS1）的数据缓冲器（BF）的数据进行分析，从而生成描述在过去时间段内到达缓冲器（BF）的数据的量（A）的到达历史曲线（I）；
b）对到达历史曲线（I）进行处理，所述处理包括对到达历史曲线（I）进行小波变换并得到多个信号（CF1、CF2、……、CF8），每个信号（CF1、CF2、……、CF8）与小波变换的滤波后分量（F1、F2、……、F8）相对应；
c）在利用训练模式而训练的单独神经网络（NN）中处理每个信号（CF1、CF2、……、CF8），所述训练模式基于过去到达缓冲器（BF）的数据，从而得到未来的数据到达的预报信号（FO1、FO2、……、FO8）；
d）将预报信号（FO1、FO2、……、FO8）重新组合，得到描述在未来时间段中到达缓冲器（BF）的数据的量（A）的到达预报曲线（FI）；
e）第一节点（SS1）生成基于到达预报曲线（FI）预留带宽的带宽请求（RE），并且将所述带宽请求（RE）从第一节点传输至第二节点（SS1、SS2）；
f）第二节点（SS2）基于所述带宽请求（RE）分配带宽；
g）在所分配的带宽内将数据从第一节点（SS1）传输至第二节点（SS2）。
2.根据权利要求1所述的方法，其中，将数据作为MAC协议数据单元在MAC层上传输。
3.根据权利要求1或2所述的方法，其中，在预定时间间隔的数据子帧中传输数据，并在所述预定时间间隔的控制子帧中传输包括带宽请求（RE）的控制消息。
4.根据权利要求1或2所述的方法，其中，所述通信网络是以标准IEEE 802.16的MeSH模式操作的无线网络。
5.根据权利要求1或2所述的方法，其中，步骤b）中的小波变换基于作为母小波的哈尔小波。
6.根据权利要求1或2所述的方法，其中，小波变换的每个滤波后分量（F1、F2、……、F8）包括多个系数（C1、C2、CN），每个系数与所述过去时间段中的时间步长相关联，所述时间步长对于每个滤波后分量（F1、F2、……、F8）来说是不同的。
7.根据权利要求6所述的方法，其中，通过将所述过去时间段中的相邻时间步长中的具有相同值的系数（C1、C2、CN）进行合并来使每个滤波后分量（F1、F2、……、F8）紧凑，紧凑的信号（CF1、CF2、……、CF8）是在步骤b）中生成的信号。
8.根据权利要求7所述的方法，其中，每个神经网络（NN）包括多个输入神经元和输出神经元，其中，每个输入神经元接收过去合并的系数，并且每个输出神经元提供了未来合并的系数。
9.根据权利要求1或2所述的方法，其中，基于较早训练模式的值，在步骤c）中对神经网络（NN）的输出应用信号校正。
10.根据权利要求1或2所述的方法，其中，所述神经网络（NN）是在数据传输期间以有规律的时间间隔或者连续地训练的。
11.根据权利要求1或2所述的方法，其中，在步骤e）中生成的带宽请求（RE）指定了要针对传输而预留的数据的量（A）以及定义要预留的数据的量（A）持续的时间长度的持续值（P1、P2、……、P7）。
12.根据权利要求11所述的方法，其中，所述带宽请求是通过以下内容在步骤e）中生成的：
- 以基于用于预留带宽的数据大小单位（MI）而量化的量化预报曲线来转换所述到达预报曲线（FI）；
- 应用利用由以下矩形（R、R’、R’’）表示的带宽请求（RE）填充量化预报曲线下方的区域的填充过程，所述矩形（R、R’、R’’）在时间方向上的长度与依照所述带宽请求（RE）的持续值的时间长度相对应，并且所述矩形（R、R’、R’’）的高度与在所述带宽请求（RE）中指定的数据的量（A）相对应。
13.根据权利要求12所述的方法，其中，所述填充过程包括以下步骤：
i）通过以时间方向上的连续扫描（1、2、……、5）扫描量化预报曲线来检测左和右边界，其中，在扫描内的左和右边界之间覆盖的区域与第一矩形相关联；
ii）将具有相同左和右边界的第一矩形与第二矩形合并；
iii）利用带宽请求（RE）的矩形（R、R’、R’’）在时间方向上填充第二矩形，使得在每个第二矩形中包括最小数目的矩形（R、R’、R’’）。
14.根据权利要求13所述的方法，其中，步骤ii）包括过拟合过程，在所述过拟合过程中，每个第二矩形的长度以预定值增加，并且，在该增加得到能够被合并为新第二矩形的相邻或重叠第二矩形的情况下，所述新第二矩形替代相邻或重叠第二矩形。
15.根据权利要求13或14所述的方法，其中，将具有相同左和右边界的带宽请求（RE）的矩形（R’、R’’）合并为一个带宽请求（RE）。
16.根据权利要求1或2所述的方法，其中，监视第一节点（SS1）中的缓冲器（BF）的状态，并基于缓冲器（BF）的状态来发送附加带宽请求（RE），以校正所述到达预报曲线（FI）中的差错。
17.一种用于在包括多个节点（SS、BS、SS1、SS2）的通信网络中传输带宽请求（RE）的方法，所述方法特别用在根据前述权利要求之一所述的方法中，其中，由网络中的节点（SS1）发出的带宽请求（RE）包括指示应当分配依照带宽请求（RE）的带宽的所希望的开始时刻的字段。
18.根据权利要求17所述的方法，其中，所述通信网络是以标准IEEE 802.16的MeSH模式操作的无线通信网络，在所述MeSH模式中，所述带宽请求（RE）包括在MSH-DSCH消息中。
19.在根据权利要求1或2所述的用于数据传输的方法中使用的网络节点，包括：
- 分析装置（AM），用于分析到达节点（SS1）的数据缓冲器（BF）的数据，从而生成描述在过去时间段内到达缓冲器（BF）的数据的量（A）的到达历史曲线（I）；
- 处理装置（WFB、FA），用于处理到达历史曲线（I），所述处理装置（WFB、FA）执行对到达历史曲线（I）的小波变换并生成多个信号（CF1、CF2、……、CF8），每个信号（CF1、CF2、……、CF8）与小波变换的滤波后分量（F1、F2、……、F8）相对应；
- 神经网络处理装置（NN），用于在基于过去到达缓冲器（BF）的数据的训练模式而训练的单独神经网络（NN）中处理每个信号（CF1、CF2、……、CF8），得到未来的数据到达的预报信号（FO1、FO2、……、FO8）；
- 重新组合装置（FD、REC），用于将预报信号（FO1、FO2、……、FO8）重新组合，得到描述在未来时间段中到达缓冲器（BF）的数据的量（A）的到达预报曲线（FI）；
- 生成装置（RQ），用于基于到达预报曲线（FI）来生成预留带宽的带宽请求（RE），并将带宽请求（RE）传输至第二节点（SS1、SS2）；
- 调度装置（DS），用于响应于带宽请求（RE），基于由第二节点分配的带宽，将数据传输至第二节点（SS2）。
20.在根据权利要求17或18所述的用于传输带宽请求的方法中使用的网络节点，包括：
- 传输装置（RS），用于传输包括以下字段的带宽请求（RE），所述字段指示应当分配依照带宽请求（RE）的带宽的所希望的开始时刻；以及/或者
- 处理装置（BA），用于接收包括指示所希望的开始时刻的字段的带宽请求，并在所希望的开始时刻处分配依照相应带宽请求（RE）的带宽。
21.通信网络，包括多个节点，其中，所述节点是权利要求19中所述的网络节点。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP10001573A EP2378722B1 (en) | 2010-02-16 | 2010-02-16 | A method for data transmission in a communication network |
| EP10001573.4 | 2010-02-16 | ||
| PCT/EP2011/051224 WO2011101221A1 (en) | 2010-02-16 | 2011-01-28 | A method for data transmission in a communication network |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102754398A CN102754398A (zh) | 2012-10-24 |
| CN102754398B true CN102754398B (zh) | 2015-04-01 |
Family
ID=42236669
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201180009782.XA Expired - Fee Related CN102754398B (zh) | 2010-02-16 | 2011-01-28 | 一种用于在通信网络中进行数据传输的方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US8811427B2 (zh) |
| EP (1) | EP2378722B1 (zh) |
| KR (1) | KR20130018692A (zh) |
| CN (1) | CN102754398B (zh) |
| ES (1) | ES2397571T3 (zh) |
| WO (1) | WO2011101221A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8310921B2 (en) * | 2008-09-04 | 2012-11-13 | Lg Electronics Inc. | Method of random access in a wireless system |
| WO2010117206A2 (ko) | 2009-04-07 | 2010-10-14 | 엘지전자 주식회사 | 광대역 무선 접속 시스템에서의 자원할당 방법 |
| KR101638899B1 (ko) * | 2009-04-08 | 2016-07-12 | 엘지전자 주식회사 | 무선 통신 시스템에서 확인 응답 전송 및 수신 방법 |
| EP3968691A1 (en) * | 2011-10-21 | 2022-03-16 | FRAUNHOFER-GESELLSCHAFT zur Förderung der angewandten Forschung e.V. | Resource management concept |
| US10855550B2 (en) | 2016-11-16 | 2020-12-01 | Cisco Technology, Inc. | Network traffic prediction using long short term memory neural networks |
| US10917413B2 (en) | 2018-10-30 | 2021-02-09 | Bank Of America Corporation | Neural mesh protection system for data transmission |
| WO2021033879A1 (ko) * | 2019-08-22 | 2021-02-25 | 엘지전자 주식회사 | 저지연 큐를 위한 자원 할당 조정 |
| CN112737903B (zh) * | 2019-10-28 | 2022-08-12 | 中车株洲电力机车研究所有限公司 | 一种多主组网通信方法 |
| CN111090048B (zh) * | 2019-12-19 | 2021-09-24 | 重庆大学 | 一种新能源汽车车载数据自适应时间间隔传输方法 |
| CN111884854B (zh) * | 2020-07-29 | 2022-09-02 | 中国人民解放军空军工程大学 | 基于多模式混合预测的虚拟网络流量迁移方法 |
| CN113950056A (zh) * | 2021-10-20 | 2022-01-18 | 中国联合网络通信集团有限公司 | 带宽分配方法、装置及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0883075A2 (en) * | 1997-06-05 | 1998-12-09 | Nortel Networks Corporation | A method and apparatus for forecasting future values of a time series |
| CN1682510A (zh) * | 2001-11-09 | 2005-10-12 | 诺基亚公司 | 在通信网络中提供地址保密 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6125105A (en) * | 1997-06-05 | 2000-09-26 | Nortel Networks Corporation | Method and apparatus for forecasting future values of a time series |
| US7787469B2 (en) * | 2004-07-12 | 2010-08-31 | Altera Corporation | System and method for provisioning a quality of service within a switch fabric |
| US20070189298A1 (en) * | 2006-02-15 | 2007-08-16 | Hong Kong Applied Science And Technology Research Institute Co., Ltd | Distributed wireless network with dynamic bandwidth allocation |
| KR100791300B1 (ko) * | 2006-04-21 | 2008-01-04 | 삼성전자주식회사 | 무선 네트워크 시스템 및 상기 무선 네트워크상에서데이터를 송수신하는 방법 |
| US20090109916A1 (en) * | 2007-10-31 | 2009-04-30 | Nokia Corporation | Method and apparatus for providing a shared reservation acknowledgement channel |
| US20100260153A1 (en) * | 2007-12-11 | 2010-10-14 | Matthias Hollick | Method for data transmission in a mesh mode of a wireless communication network |
| CN102742289A (zh) * | 2009-03-25 | 2012-10-17 | 瑞典爱立信有限公司 | 数字视频网络中时间接纳控制的方法 |
-
2010
- 2010-02-16 EP EP10001573A patent/EP2378722B1/en active Active
- 2010-02-16 ES ES10001573T patent/ES2397571T3/es active Active
-
2011
- 2011-01-28 KR KR1020127024279A patent/KR20130018692A/ko not_active Application Discontinuation
- 2011-01-28 CN CN201180009782.XA patent/CN102754398B/zh not_active Expired - Fee Related
- 2011-01-28 US US13/579,137 patent/US8811427B2/en not_active Expired - Fee Related
- 2011-01-28 WO PCT/EP2011/051224 patent/WO2011101221A1/en active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0883075A2 (en) * | 1997-06-05 | 1998-12-09 | Nortel Networks Corporation | A method and apparatus for forecasting future values of a time series |
| CN1682510A (zh) * | 2001-11-09 | 2005-10-12 | 诺基亚公司 | 在通信网络中提供地址保密 |
Non-Patent Citations (1)
| Title |
|---|
| 《Dynamic bandwidth allocation for efficient transport of real-time VBR video over ATM》;Song Chong et al;《NETWORKING FOR GLOBAL COMMUNICATIONS》;19940616;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| ES2397571T3 (es) | 2013-03-07 |
| WO2011101221A1 (en) | 2011-08-25 |
| CN102754398A (zh) | 2012-10-24 |
| KR20130018692A (ko) | 2013-02-25 |
| US20120307674A1 (en) | 2012-12-06 |
| EP2378722A1 (en) | 2011-10-19 |
| US8811427B2 (en) | 2014-08-19 |
| EP2378722B1 (en) | 2012-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102754398B (zh) | 一种用于在通信网络中进行数据传输的方法 | |
| CN101601249B (zh) | 基于质量和速率信息对多媒体内容进行尺寸调整的方法和系统 | |
| KR100565896B1 (ko) | 양방향 위성 멀티미디어 시스템에서의 동적 자원 할당 장치 및 그 방법과 기록매체 | |
| DE60104273T2 (de) | Verfahren zur Funkbetriebsmittelzuweisung und Basisstation unter Verwendung desselben | |
| DE69634702T2 (de) | Adaptive kanalzuteilung in einem frequenzmultiplexsystem | |
| DE60116719T2 (de) | Verfahren zum Zuteilen von Funkressourcen, Funkkommunikationsgerät und Funkkommunikationssystem | |
| US7499421B2 (en) | Apparatus and method for resource allocation in MF-TDMA broadband satellite system | |
| DE60036090T2 (de) | Verfahren zur datenratenzuteilung in datenkommunikationsnetzwerk | |
| CN114142907B (zh) | 一种通信终端设备的信道筛选优化方法及系统 | |
| CN107615875B (zh) | 用于分割通信网络中的信号处理链的方法和系统 | |
| CN114071528A (zh) | 基于业务需求预测的多波束卫星波束资源适配方法 | |
| EP3479499B1 (en) | A method and system for distributive flow control and bandwidth management in a network | |
| DE102011103779A1 (de) | Vorrichtung zur Zuteilung drahtloser Kommunikationsressourcen, Basisstationsvorrichtung und Verfahren zur Zuteilung drahtloser Ressourcen | |
| CN113179296B (zh) | 一种用于车载边缘计算系统的任务卸载方法 | |
| JP3746717B2 (ja) | ポイント・マルチポイント通信システムにおける帯域割当方法 | |
| CN105634990A (zh) | 基于时间频谱连续的资源预留方法、装置和处理器 | |
| Jiang et al. | A predictive demand assignment multiple access protocol for broadband satellite networks supporting internet applications | |
| CN114726431B (zh) | 一种面向低轨卫星星座的跳波束多址接入方法 | |
| KR101382616B1 (ko) | 다중 빔 위성 통신 시스템에서의 트래픽 자원 할당 방법 및 그 장치 | |
| DE102021126862A1 (de) | Mehrbenutzer-Übertragungsstrahlformung in drahtlosen Netzwerken in Aufwärtsrichtung | |
| US8218474B2 (en) | Bandwidth allocation in satellite communication networks | |
| CN1303500A (zh) | 输入负载估计及其在通信网络中的应用 | |
| CN113206805A (zh) | 一种提高自组网多节点链路传输带宽的方法 | |
| JP4756592B2 (ja) | 基地局、端末装置、情報源装置及び通信方法 | |
| DE10355117B4 (de) | Verfahren und Vorrichtung zur Versendung von Datenpaketen |
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: 20150401 Termination date: 20170128 |