CN102970714A - 一种认知无线自组织网络多径路由的流量分配方法及装置 - Google Patents
一种认知无线自组织网络多径路由的流量分配方法及装置 Download PDFInfo
- Publication number
- CN102970714A CN102970714A CN2012105440066A CN201210544006A CN102970714A CN 102970714 A CN102970714 A CN 102970714A CN 2012105440066 A CN2012105440066 A CN 2012105440066A CN 201210544006 A CN201210544006 A CN 201210544006A CN 102970714 A CN102970714 A CN 102970714A
- Authority
- CN
- China
- Prior art keywords
- iteration
- path
- paths
- partiald
- lagrange multiplier
- 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
Images
Abstract
本发明公开了一种认知无线自组织网络多径路由的流量分配方法及装置,降低认知无线自组织网络中存在的数据流量到达率及节点服务速率的动态变化对端到端通信服务质量的影响,该方法中:采用多径路由算法获得端到端数据传输的源端次用户与目的端次用户之间的路径数量;源端次用户收集各路径上各跳节点的服务速率和频谱可用率,根据各路径上各跳节点的服务速率、频谱可用率以及多径路由协议,生成多径路由的路径列表;通过拉格朗日方法将流量分配最优化问题转化为求解拉格朗日乘子和分配给路径列表中各路径的流量的凸优化问题,根据降梯度法迭代求解结果在路径列表中的各路径上采用最优速率进行传输。本申请的实施例提高了端到端传输性能及效率。
Description
技术领域
本发明涉及认知无线自组织网络的流量控制技术,尤其涉及一种认知无线自组织网络多径路由的流量分配方法及装置。
背景技术
随着无线网络技术的飞速发展,传统静态频谱分配规定已导致频谱使用率出现严重不均。
认知无线网络的提出,旨在通过具有频谱感知能力的节点(简称:次用户)探测授权频谱中的传输机会,动态切换传输信道,在不干扰授权频谱用户(简称:主用户)的前提下伺机接入传输。该技术能有效缓解非授权频谱资源占用压力,提高授权频谱使用率。国际频谱管理组织也出台相关规定鼓励科研机构对于认知无线网络相关技术的研究与开发。
认知无线网络频谱探测策略、频谱共享机制及相关功率分配、干扰控制已成为学术界研究的热点,但已有研究多数针对物理层及链路层单跳范围内资源分配。
基于自组织网络形式的认知无线自组织网络将次用户组网方式扩展至自组织结构,充分利用次用户网络可扩展结构,灵活共享授权频谱资源,提高认知无线自组织网络资源利用率,优化网络传输性能,增进认知无线网络中用户间相互协作,满足主次用户服务质量需求,从而为认知无线网络提供机制基础。
目前针对认知无线自组织网络已有技术大多根据动态环境建立端到端的通信路径,但一般主要考虑在认知无线自组织网络中通信环境的动态变化,进而提出建路策略以及性能新标量。
然而,认知无线自组织网络中存在的数据流量到达率及节点服务速率的动态变化,同样影响端到端通信服务质量,现有技术对此未作深入研究。
发明内容
本发明所要解决的技术问题是降低认知无线自组织网络中存在的数据流量到达率及节点服务速率的动态变化对端到端通信服务质量的影响。
为了解决上述技术问题,本发明提供了一种认知无线自组织网络多径路由的流量分配方法,包括如下内容:
在该认知无线自组织网络中采用多径路由算法,获得端到端数据传输的源端次用户与目的端次用户之间的路径数量;
该源端次用户收集各路径上各跳节点的服务速率和频谱可用率;
该源端次用户根据所述各路径上各跳节点的服务速率和频谱可用率,以及多径路由协议,生成多径路由的路径列表;
通过拉格朗日方法将流量分配最优化问题转化为求解拉格朗日乘子和分配给该路径列表中各路径的流量的凸优化问题,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输。
其中,通过拉格朗日方法将流量分配最优化问题转化为求解拉格朗日乘子和分配给该路径列表中各路径的流量的凸优化问题,包括根据如下表达式确定目标函数:
其中,λ表示源端业务到达率,λp表示第p条路径的业务到达率,μpi表示第p条路径第i跳的服务速率,ρpi表示第p条路径第i跳的频谱可用率,β和为非负拉格朗日乘子,ε为所有路径最大时延限制,kp为第p条路径上的总跳数;p大于等于1小于等于该路径数量,i大于等于1。
其中,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输,包括:
采用降梯度迭代方法对所述目标函数中的拉格朗日乘子和各路径分配流量的凸优化问题进行主从迭代处理,在该路径列表中的各路径上采用最优速率进行传输。
其中,采用降梯度迭代方法对所述目标函数中的拉格朗日乘子和各路径分配流量的凸优化问题进行主从迭代处理,包括:
对非负拉格朗日乘子和β进行从迭代,对第p条路径的业务到达率λp及非负拉格朗日乘子ε进行主迭代;
在所述主迭代或者从迭代到达最大循环数或者λp(k)达到收敛条件时,该源端次用户采用流量速率λp(k)在第p条路径上发送数据;
其中,λp(k)表示第k次迭代时的第p条路径上的业务到达率。
其中:
对第p条路径的业务到达率λp及非负拉格朗日乘子ε进行主迭代,包括根据如下表达式进行:
其中,k表示所述主迭代过程中的循环次数,ξ(k)和ζ(k)分别表示所述从迭代第k次循环的步长,[z]+=max(z,0),θ(k)和κ(k)表示所述主迭代第k次循环的步长。
其中,在所述主迭代或者从迭代到达最大循环数或者λp(k)达到收敛条件时,该源端次用户采用流量速率λp(k)在第p条路径上发送数据,包括:
该源端次用户执行该从迭代后,判断所述主迭代或者从迭代到达最大循环数或者λp(k)达到收敛条件,是则该源端次用户采用流量速率λp(k)在第p条路径上发送数据,否则该源端次用户执行该主迭代后进行下一次循环。
本申请实施例提供的认知无线自组织网络多径路由的流量分配装置,包括:
计算模块,设置为在该认知无线自组织网络中采用多径路由算法,获得端到端数据传输的源端次用户与目的端次用户之间的路径数量;
收集模块,设置为收集各路径上各跳节点的服务速率和频谱可用率;
生成模块,设置为根据所述各路径上各跳节点的服务速率和频谱可用率,以及多径路由协议,生成多径路由的路径列表;
选择模块,设置为通过拉格朗日方法将流量分配最优化问题转化为求解拉格朗日乘子和分配给该路径列表中各路径的流量的凸优化问题,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输。
其中,该选择模块包括转换单元及迭代单元,其中:
该转换单元设置为根据如下表达式确定目标函数:
其中,λ表示源端业务到达率,λp表示第p条路径的业务到达率,μpi表示第p条路径第i跳的服务速率,ρpi表示第p条路径第i跳的频谱可用率,β和为非负拉格朗日乘子,ε为所有路径最大时延限制,kp为第p条路径上的总跳数;p大于等于1小于等于该路径数量,i大于等于1;
该迭代单元设置为采用降梯度迭代方法对所述目标函数中的拉格朗日乘子和各路径分配流量的凸优化问题进行主从迭代处理,在该路径列表中的各路径上采用最优速率进行传输。
其中,该迭代单元包括:
判断子单元,设置为执行该从迭代后,判断所述主迭代或者从迭代到达最大循环数或者λp(k)达到收敛条件,是则采用流量速率λp(k)在第p条路径上发送数据,否则执行该主迭代后进行下一次循环;
其中,λp(k)表示第k次迭代时的第p条路径上的业务到达率。
其中,该迭代子单元包括:
主迭代子单元,设置为根据如下表达式对第p条路径的业务到达率λp及非负拉格朗日乘子ε进行该主迭代:
其中,k表示所述主迭代过程中的循环次数,ξ(k)和ζ(k)分别表示所述从迭代第k次循环的步长,[z]+=max(z,0),θ(k)和κ(k)表示所述主迭代第k次循环的步长。
与现有技术相比,本申请的实施例采用排队论对问题进行建模,将研究问题转化为最小最大求解优化问题,并通过降梯度法寻找最优策略,在建立多径路由的基础上,根据认知无线自组织网络多径传输中频谱可用性和每跳节点服务速度,最优化动态分配流量传输,提高端到端传输性能及传输效率。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1为一个认知无线自组织网络的多径拓扑结构图例。
图2为本申请实施例的认知无线自组织网络多径路由的流量分配方法的流程示意图。
图3为图2所示实施例中主从迭代处理的流程示意图。
图4为本申请实施例的认知无线自组织网络多径路由的流量分配装置的构造示意图。
图5为图4所示实施例中选择模块的构造示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征在不相冲突前提下的相互结合,均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1为一个认知无线自组织网络的多径拓扑结构图例。
如图1所示的多径拓扑结构中,SUs表示端到端数据传输的源端次用户,SUd表示端到端数据传输的目的端次用户。中间5个次用户(SecondaryUser,SU)形成3条路径,即|P|=3,同时与认知无线自组织网络共享频谱的主用户存在与该网络中,PURx表示主用户数据传输的收端,PUTx表示主用户数据传输的发端。
图1所示的场景,设定子信道可用概率在0.9-1.0之间随机分布,第p条路径第i跳的服务速率按照矩阵μpi=[765;860;654]设定;其中,p大于等于1,i大于等于1。SUs端数据到达速率为λ,SUs根据多径拓扑中各路径的传输状况动态将λ分别给各路径,进而达到端到端传输时延最短。
结合图1所示的多径拓扑结构示意,如图2所示的本申请实施例的流量分配方法主要包括如下内容。
步骤S210,在认知无线自组织网络中采用多径路由算法,获得端到端数据传输的源端次用户与目的端次用户之间的路径数量|P|。图1所示的多径拓扑结构,源端次用户与目的端次用户之间的路径数量为3。
步骤S220,源端次用户收集各路径上各跳节点的服务速率和频谱可用率,根据各路径上各跳节点的服务速率和频谱可用率,以及多径路由协议,生成多径路由所需的路径列表。
本申请的实施例中,源端次用户收集源端业务到达率λ、第p条路径的业务到达率λp、第p条路径第i跳的服务速率μpi以及第p条路径第i跳的频谱可用率ρpi。其中p大于等于1小于等于路径数量|P|,i大于等于1。
步骤S230,通过拉格朗日方法将流量分配最优化问题进行转化,变为求解拉格朗日乘子和各路径分配流量的凸优化问题,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输。
本申请的实施例中,将流量分配最优化问题转化为求解拉格朗日乘子和各路径分配流量的凸优化问题,可以确认如表达式(1)所示的目标函数。
本申请的实施例采用降梯度迭代方法,对上述目标函数中的拉格朗日乘子和各路径分配流量的凸优化问题进行主从迭代处理,在该路径列表中的各路径上采用最优速率进行传输。
如图3所示,上述采用降梯度迭代方法,对拉格朗日乘子和各路径分配流量的凸优化问题进行主从迭代处理的过程,主要包括如下内容。
步骤S310,确定主从迭代过程。
其中,k表示循环次数;ξ(k)和ζ(k)分别为从迭代第k次循环的步长;[z]+=max(z,0)。
本申请实施例所确定的主迭代过程,是采用如下表达式(4)和表达式(5)对第p条路径的业务到达率λp及非负拉格朗日乘子ε进行迭代求解的过程。
其中,k表示循环次数;θ(k)和κ(k)为主迭代第k次循环的步长。
步骤S320,将循环次数k的初始值为0。
步骤S330,判断k=0是否成立,是则转步骤S340,否则转步骤S350。
步骤S350,采用从迭代求解α(k+1)和β(k+1)。
步骤S360,判断是否到达最大循环数或者λp(k)达到收敛条件,是则转步骤S370,否则转步骤S380;其中,λp(k)表示第k次迭代时的第p条路径上的业务到达率。
步骤S370,源端次用户采用流量速率λp(k)在第p条路径上发送数据;结束。
步骤S380,源端次用户采用主迭代对λp(k)和ε(k)进行更新;转步骤S390。
步骤S390,增加迭代计数器k=k+1,转步骤S330进入下一次循环。
如图4所示,本申请实施例的流量分配装置,主要包括计算模块41、收集模块42、生成模块43以及选择模块44。
计算模块41,设置为在该认知无线自组织网络中采用多径路由算法,获得端到端数据传输的源端次用户与目的端次用户之间的路径数量。
收集模块42,与计算模块41相连,设置为收集各路径上各跳节点的服务速率和频谱可用率。
生成模块43,与收集模块42相连,设置为根据所述各路径上各跳节点的服务速率和频谱可用率,以及多径路由协议,生成多径路由的路径列表。
选择模块44,与生成模块43相连,设置为通过拉格朗日方法将流量分配最优化问题转化为求解拉格朗日乘子和分配给该路径列表中各路径的流量的凸优化问题,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输。
需要说明的是,虽然本申请的实施例描述了部分模块之间的连接关系,但是并不排除这些模块之间未加描述的其他连接关系,本领域的普通技术人员能够根据本申请实施例的描述,自行获得其余所必需的连接关系。
如图5所示,该选择模块44包括转换单元51及迭代单元52,其中:
该转换单元51与生成模块43相连,设置为根据如下表达式确定目标函数:
其中,λ表示源端业务到达率,λp表示第p条路径的业务到达率,μpi表示第p条路径第i跳的服务速率,ρpi表示第p条路径第i跳的频谱可用率,β和为非负拉格朗日乘子,ε为所有路径最大时延限制,kp为第p条路径上的总跳数;p大于等于1小于等于该路径数量,i大于等于1;
该迭代单元52与生成模块43及转换单元51相连,设置为采用降梯度迭代方法对所述目标函数中的拉格朗日乘子和各路径分配流量的凸优化问题进行主从迭代处理,在该路径列表中的各路径上采用最优速率进行传输。
如图5所示,该迭代单元52包括:
判断子单元522,与生成模块43及迭代子单元521相连,设置为执行该从迭代后,判断所述主迭代或者从迭代到达最大循环数或者λp(k)达到收敛条件,是则采用流量速率λp(k)在第p条路径上发送数据,否则执行该主迭代后进行下一次循环;
其中,λp(k)表示第k次迭代时的第p条路径上的业务到达率。
如图5所示,该迭代子单元521包括与转换单元51及判断子单元522相连的从迭代子单元5211及主迭代子单元5212。
主迭代子单元5212,设置为根据如下表达式对第p条路径的业务到达率λp及非负拉格朗日乘子ε进行该主迭代:
其中,k表示所述主迭代过程中的循环次数,ξ(k)和ζ(k)分别表示所述从迭代第k次循环的步长,[z]+=max(z,0),θ(k)和κ(k)表示所述主迭代第k次循环的步长。
本申请的实施例针对认知无线自组织网络中传输环境的动态变化,综合服务到达速率与节点服务速度动态规划流量分配问题,达到了端到端传输的稳定性和传输性能的提升。本申请的实施例采用排队论对端到端多跳传输进行建模,并将传输问题建模为最大最小最优化问题,最终通过降梯度方式迭代寻找最优分配策略。本申请提出的技术方案能有效保证端到端传输的稳定性,并能有效降低端到端传输时延,保证了认知无线自组织多跳传输的传输质量。
本申请的实施例采用迭代式降梯度法达到了流量分配的最优化。本申请的实施例综合频谱可用率及节点服务速率的动态变化,通过循环迭代求解的方式为每条路径动态分配数据流量传输,进一步提高端到端传输质量。本申请的实施例,可以在认知无线自组织网络中得到广泛应用。
本领域的技术人员应该明白,上述的本申请实施例所提供的装置的各组成部分,以及方法中的各步骤,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上。可选地,它们可以用计算装置可执行的程序代码来实现。从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (10)
1.一种认知无线自组织网络多径路由的流量分配方法,其特征在于,包括如下内容:
在该认知无线自组织网络中采用多径路由算法,获得端到端数据传输的源端次用户与目的端次用户之间的路径数量;
该源端次用户收集各路径上各跳节点的服务速率和频谱可用率;
该源端次用户根据所述各路径上各跳节点的服务速率和频谱可用率,以及多径路由协议,生成多径路由的路径列表;
通过拉格朗日方法将流量分配最优化问题转化为求解拉格朗日乘子和分配给该路径列表中各路径的流量的凸优化问题,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输。
3.根据权利要求2所述的方法,其中,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输,包括:
采用降梯度迭代方法对所述目标函数中的拉格朗日乘子和各路径分配流量的凸优化问题进行主从迭代处理,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输。
6.根据权利要求4所述的方法,其中,在所述主迭代或者从迭代到达最大循环数或者λp(k)达到收敛条件时,该源端次用户采用流量速率λp(k)在第p条路径上发送数据,包括:
该源端次用户执行该从迭代后,判断所述主迭代或者从迭代到达最大循环数或者λp(k)达到收敛条件,是则该源端次用户采用流量速率λp(k)在第p条路径上发送数据,否则该源端次用户执行该主迭代后进行下一次循环。
7.一种认知无线自组织网络多径路由的流量分配装置,其特征在于,包括:
计算模块,设置为在该认知无线自组织网络中采用多径路由算法,获得端到端数据传输的源端次用户与目的端次用户之间的路径数量;
收集模块,设置为收集各路径上各跳节点的服务速率和频谱可用率;
生成模块,设置为根据所述各路径上各跳节点的服务速率和频谱可用率,以及多径路由协议,生成多径路由的路径列表;
选择模块,设置为通过拉格朗日方法将流量分配最优化问题转化为求解拉格朗日乘子和分配给该路径列表中各路径的流量的凸优化问题,根据降梯度法迭代求解结果在该路径列表中的各路径上采用最优速率进行传输。
9.根据权利要求8所述的装置,其中,该迭代单元包括:
迭代子单元,设置为对非负拉格朗日乘子和β进行从迭代,对第p条路径的业务到达率λp及非负拉格朗日乘子ε进行主迭代;
判断子单元,设置为执行该从迭代后,判断所述主迭代或者从迭代到达最大循环数或者λp(k)达到收敛条件,是则采用流量速率λp(k)在第p条路径上发送数据,否则执行该主迭代后进行下一次循环;
其中,λp(k)表示第k次迭代时的第p条路径上的业务到达率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210544006.6A CN102970714B (zh) | 2012-12-14 | 2012-12-14 | 一种认知无线自组织网络多径路由的流量分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210544006.6A CN102970714B (zh) | 2012-12-14 | 2012-12-14 | 一种认知无线自组织网络多径路由的流量分配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102970714A true CN102970714A (zh) | 2013-03-13 |
CN102970714B CN102970714B (zh) | 2016-01-13 |
Family
ID=47800510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210544006.6A Expired - Fee Related CN102970714B (zh) | 2012-12-14 | 2012-12-14 | 一种认知无线自组织网络多径路由的流量分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102970714B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592465A (zh) * | 2014-10-21 | 2016-05-18 | 杭州华为数字技术有限公司 | 无线资源分配方法及无线网络控制器 |
CN105873217A (zh) * | 2016-05-19 | 2016-08-17 | 西安电子科技大学 | 基于多因素的stdma自组织网络动态时隙分配方法 |
CN106332185A (zh) * | 2015-07-03 | 2017-01-11 | 北京信威通信技术股份有限公司 | 一种协作分集中传输速率的选择方法 |
CN108924881A (zh) * | 2018-08-20 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种车载流量分配方法和系统 |
US11929907B2 (en) | 2022-03-08 | 2024-03-12 | T-Mobile Usa, Inc. | Endpoint assisted selection of routing paths over multiple networks |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090252178A1 (en) * | 2008-04-03 | 2009-10-08 | Nokia Corporation | Method, apparatus and computer program for self-adjusting spectrum sensing for cognitive radio |
CN101588213A (zh) * | 2009-05-21 | 2009-11-25 | 北京邮电大学 | 一种认知无线电网络中的频谱分配方法及装置 |
-
2012
- 2012-12-14 CN CN201210544006.6A patent/CN102970714B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090252178A1 (en) * | 2008-04-03 | 2009-10-08 | Nokia Corporation | Method, apparatus and computer program for self-adjusting spectrum sensing for cognitive radio |
CN101588213A (zh) * | 2009-05-21 | 2009-11-25 | 北京邮电大学 | 一种认知无线电网络中的频谱分配方法及装置 |
Non-Patent Citations (1)
Title |
---|
桂丽等: "认知无线网络基于信号博弈的分布式功率控制算法", 《电子与信息学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105592465A (zh) * | 2014-10-21 | 2016-05-18 | 杭州华为数字技术有限公司 | 无线资源分配方法及无线网络控制器 |
US10200871B2 (en) | 2014-10-21 | 2019-02-05 | Huawei Technologies Co., Ltd. | Radio resource allocation method and radio network controller |
CN105592465B (zh) * | 2014-10-21 | 2019-04-19 | 杭州华为数字技术有限公司 | 无线资源分配方法及无线网络控制器 |
CN106332185A (zh) * | 2015-07-03 | 2017-01-11 | 北京信威通信技术股份有限公司 | 一种协作分集中传输速率的选择方法 |
CN105873217A (zh) * | 2016-05-19 | 2016-08-17 | 西安电子科技大学 | 基于多因素的stdma自组织网络动态时隙分配方法 |
CN105873217B (zh) * | 2016-05-19 | 2019-03-26 | 西安电子科技大学 | 基于多因素的stdma自组织网络动态时隙分配方法 |
CN108924881A (zh) * | 2018-08-20 | 2018-11-30 | 中国联合网络通信集团有限公司 | 一种车载流量分配方法和系统 |
CN108924881B (zh) * | 2018-08-20 | 2021-09-17 | 中国联合网络通信集团有限公司 | 一种车载流量分配方法和系统 |
US11929907B2 (en) | 2022-03-08 | 2024-03-12 | T-Mobile Usa, Inc. | Endpoint assisted selection of routing paths over multiple networks |
Also Published As
Publication number | Publication date |
---|---|
CN102970714B (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | User mobility aware task assignment for mobile edge computing | |
CN104053163B (zh) | 一种基于计算处理的异构无线网络的组网方法 | |
Gurakan et al. | Optimal energy and data routing in networks with energy cooperation | |
CN102970714B (zh) | 一种认知无线自组织网络多径路由的流量分配方法及装置 | |
CN103607750A (zh) | 下一代蜂窝系统中基于终端直通通信的中继选择方法 | |
CN104737609A (zh) | 用于无线接入虚拟化的系统和方法 | |
CN101651969B (zh) | 基于时分多址(tdma)的功率控制认知mac协议的实现方法 | |
CN102355670A (zh) | 一种多信道无线mesh网络信道分配方法 | |
CN101494591A (zh) | 一种端到端的路由方法、装置和系统 | |
WO2016086889A1 (zh) | 异构融合网络资源分配方法和系统 | |
Liu et al. | Optimal D2D user allocation over multi-bands under heterogeneous networks | |
CN106465471A (zh) | 用于跨越授权和非授权频谱进行无线传输通信的系统和方法 | |
CN103269506A (zh) | 一种干扰感知的移动无线传感器网络路由方法 | |
Rad et al. | A survey and taxonomy of congestion control mechanisms in wireless network on chip | |
CN108712746A (zh) | 一种部分重叠信道聚合博弈模型及学习算法 | |
Shokri-Ghadikolaei et al. | Distributed multiuser sequential channel sensing schemes in multichannel cognitive radio networks | |
Wang et al. | Joint multicast routing and channel assignment for multi-radio multi-channel wireless mesh networks with hybrid traffic | |
CN102821391A (zh) | 基于距离比的d2d链路频谱分配方法 | |
CN104394569B (zh) | 无线d2d网络中基于角度和干扰控制建立多播路由的方法 | |
CN103596276A (zh) | 一种基于信道间隔的无线网络信道分配策略 | |
CN102724669B (zh) | 认知无线电网络中基于主用户保护的路由和时隙分配方法 | |
Zhao et al. | Channel allocation optimization algorithm for hybrid wireless mesh networks for information physical fusion system | |
CN107241766A (zh) | 基于大规模天线的毫米波前传波束动态避障方法 | |
CN104994508A (zh) | 一种认知无线mesh网络资源分配及路由方法 | |
Liu et al. | Transmission capacity of D2D communication under heterogeneous networks with multi-bands |
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: 20160113 Termination date: 20161214 |