CN103037391A - 基于数据流预测的低功耗rrc协议优化控制方法 - Google Patents
基于数据流预测的低功耗rrc协议优化控制方法 Download PDFInfo
- Publication number
- CN103037391A CN103037391A CN2013100177007A CN201310017700A CN103037391A CN 103037391 A CN103037391 A CN 103037391A CN 2013100177007 A CN2013100177007 A CN 2013100177007A CN 201310017700 A CN201310017700 A CN 201310017700A CN 103037391 A CN103037391 A CN 103037391A
- Authority
- CN
- China
- Prior art keywords
- data
- time
- interface
- packet
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
一种无线通信技术领域的基于数据流预测的低功耗RRC协议优化控制方法,利用自回归滑动平均模型(ARMA)捕捉3G数据流中数据块块间间隔时间(Inter-Block Time,IBT)序列并得出IBT序列的时间相关性,然后通过对时间相关性进行基于移动终端的能耗转换的去尾处理以及预测误差修正处理,最终实现降低功耗的RRC协议优化机制。本发明能够在保证用户体验度的前提下,显著的较少移动终端的能量消耗。本发明通过时间序列分析模型捕捉3G数据流中的时间相关性,并建立预测模型。利用未来数据流的预测值,动态地调整RRC状态机的转换策略,从而减少额外能量的消耗,同时在用户体验度和能源效率之间做出了较好的权衡。
Description
技术领域
本发明涉及的是一种无线通信技术领域的方法,具体是一种3G无线通信网络环境下基于数据流预测的低功耗无线资源控制协议(RRC)优化方法。
背景技术
3G移动通信技术凭借着其高带宽、低时延等特性,在全世界范围内得到了广泛的应用。它的出现,使得更多的互联网应用(如流媒体播放、视频会议等)能够流畅地运行在各种移动终端上,极大地丰富了用户的体验。与此同时,移动终端上的电池技术却成为了瓶颈,终端能耗问题正吸引着越来越多的研究工作随之展开。
在3G网络中,无线资源控制(RRC)协议负责3G网络中的移动终端(UE)和基站(BS)之间数据链路的建立和释放。RRC协议在每一个终端设备上维护着一个状态机,该状态机负责管理物理链路的状态。通常来说,有三个主要状态:IDLE(UE空闲状态)、FACH(UE低速率传输状态)和DCH(UE高速率传输状态),其中:IDLE状态表示如果一段时间内没有数据传输,则3G接口转入IDLE状态。该状态下,终端和基站之间没有数据链路,不能够传输数据,并且基本上不消耗终端能量;DCH状态表示如果有数据需要收发,则3G接口转入DCH状态,一条专用的数据链路被分配给终端以供高速率的数据传输,该状态下,能耗最高,大约有800mW功率;FACH状态表示当3G接口在DCH状态完成一组数据传输,其便转入FACH状态。该状态下,一条共享的数据链路被分配给终端,仅支持低速率的数据传输。此时功率约为400mW。
RRC各状态之间有两种转换类型:分别是UE由低能耗状态向高能耗状态转换(Promotion)和UE由高能耗状态向低能耗状态转换(Demotion),其中:Promotion表示3G接口从低能耗状态转入高能耗状态,如从IDLE到DCH,或从FACH到DCH。这种转换涉及到专用链路的请求和分配,会带来较大的时延;Demotion表示3G接口从高能耗状态转入低能耗状态,如从DCH到FACH,或者从FACH到IDLE。Demotion由两个计时控制器(T1和T2)。当3G接口在DCH状态传输完一组数据后,T1启动。如果一直到T1结束都没有新的数据传输,则3G接口转入FACH状态,此时T2启动。同样,如果一直到T2结束都没有新的数据传输,则3G接口转入IDLE状态。T1和T2合起来被称作尾时间。
之所以在数据传输完成之后保留尾时间,是因为在尾时间内,3G接口实际上仍是处于数据传输状态的(DCH或FACH)。在这种状态下,3G接口能够更快地响应新的数据包的到来。一方面,较长的尾时间可以减少Promotion所带来的时延,提升用户体验度。另一方面,尾时间过长会导致3G接口长时间地处于较高能耗状态,从而浪费终端电量。因此尾巴时间的选择,需要在用户体验度和能源效率之间进行权衡。一个好的选择策略应该能够适应不同应用场景下不同的数据传输需求。
针对3G网络中尾效应能耗问题,现有的解决方案可以归为以下两类:
基于应用层的解决方案:不同的应用有着不一样的数据流,如在流媒体应用中,数据包连续不断地到达,且对时延的要求很好。而在电子邮件应用中,数据包的收发时刻相对比较灵活,而且多以突发形式传输。可将时间不敏感应用(如电子邮件、RSS订阅等)的数据包捆绑并选择合适时机发送,以减少形成尾巴的数目,从而降低能耗。这种解决方案缺点在于不适用诸如流媒体播放、网页浏览等实时性要求较高的应用。
基于链路层的解决方案:一些工作根据网络负载和传输需求动态地调整尾时间,但这会导致RRC状态机状态转换次数的增加,而一般而言,从低能耗状态转移到高能耗状态会带来能够被用户感知的时延,因此,这类方法会明显降低用户体验度。现有的方案均没有较深入地分析和利用3G网络数据流的特点,在用户体验度和能源效率的权衡上无法满足现有需求。
发明内容
本发明针对现有技术存在的上述不足,提出一种基于数据流预测的低功耗RRC协议优化控制方法,利用3G数据流的时间相关性对其进行预测,并根据预测值调整RRC状态机的状态转换策略,进而减少尾效应所带来的能量消耗;同时本发明在减少能耗的同时,并未对用户体验度产生较大影响。
本发明是通过以下技术方案实现的,本发明利用自回归滑动平均模型(ARMA)捕捉3G数据流中数据块块间间隔时间(Inter-Block Time,IBT)序列并得出IBT序列的时间相关性,然后通过对时间相关性进行基于移动终端的能耗转换的去尾处理以及预测误差修正处理,最终实现降低功耗的RRC协议优化机制。
所述的IBT序列为{ti,i=1..n-1},其中:ti表示第i个数据块和第i+1个数据块之间的时间间隔,i为自然常数。
所述的IBT序列的时间相关性通过以下方式获得:收集移动终端上收发的数据包,并抽象成数据块序列,然后从中提取出块间间隔IBT序列;再利用ARMA模型捕捉IBT序列中的时间相关性建立用于对未来IBT的值进行预测的预测模型。
由于不同的应用场景(如即时通讯、流媒体播放、网页浏览等等)IBT序列分布不一,且生成最优的ARMA模型所需要的训练数据量也不一样,本发明所述的ARMA预测模型针对不同的应用场景进行不同的对应训练。
所述的数据块是指:一串连续收发的数据包序列,相邻数据包之间的间隔不超过500毫秒。
所述的自回归滑动平均模型通过以下步骤得到:
1.1)采集终端收发的数据包,记录下包头信息,并通过深度包分析技术将数据包按照应用场景进行分类;
1.2)对每种应用场景下的数据包序列进行预处理,将数据包序列转换成数据块序列,间隔小于500毫秒的相邻数据包会被认为属于同一个数据块。得到数据块序列后,从中提取块间间隔时间(IBT),形成IBT序列{ti,i=1..n-1};
1.3)采用自回归滑动平均(ARMA)模型对IBT序列进行建模,设模型为ti=φ0+φ1ti-1+φ2ti-2+...+φpti-p-εi-θ1εi-1-θ2εi-2-...-θqεi-q,其中:φ0,φ1,...,φp,θ1,...,θq为待定系数,εi,...,εi-q为误差分量,模型的训练过程穷举参数p和q的取值空间,对每一组取值,拟合出待定系数φ0,φ1,...,φp,θ1,...,θq,并计算在该系数下的拟合残差的方差σ2,再计算AIC=nlogσ2+(p+q+1)logn的值,最终选取使最小信息准则(AIC)值最大的一组p和q作为ARMA模型参数。
ei=φ0+φ1ei-1+φ2ei-2+...+φpei-p-εi-θ1εi-1-θ2εi2-...-θqεi-q,其中:φ0,φ1,...,φp,θ1,...,θq为待定系数,εi,...,εi-q为误差分量。自回归阶数p和滑动平均阶数q同样可根据最小信息准则测试确定。
所述的去尾处理是指:为了减少能耗并在后续数据传输发生时用户体验不到任何提升时延,若后续IBT预测值大于提升时延,则在数据传输完成之后,立即将3G接口从DCH状态切换至IDLE状态;同时根据后续数据块到达时间的估计值,提前将3G接口提升至FACH状态,以准备数据的传输。
所述的去尾处理具体包括以下操作:
a)启动移动终端后,3G接口保持IDLE状态;
b)当3G接口在DCH状态传输完一组数据时,如根据自回归滑动平均模型预测得到的下一个数据块的到达时间小于等于根据实际测量得到的Promotion时延tde1ay则保留缓冲状态;否则设置3G接口立即转入IDLE状态;
所述的缓冲状态是指:10秒以内的DCH状态以及20秒以内的FACH状态;优选为:5秒的DCH状态和11秒的FACH状态。
所述的预测误差修正处理是指:当某个数据包的到达时间的估计值早于该数据包实际到达时间ti时,3G接口会过早地提升至FACH状态,从而增加了能量的消耗,则进行修正切换状态处理;当某个数据包到达时间的估计值晚于实际到达时间ti时,即数据包到来时3G接口仍处于IDLE状态,则进行估计值修正处理。
所述的修正切换状态为以下两种中的任意一种:
i)带误差估计的修正方法:误差序列为当提前提升至FACH状态之后,3G接口通过ARMA预测模型得到误差的估计值当则将重新设置成0,并从此时刻起比较和阈值时间tth的关系:当则设置3G接口维持在FACH状态并保持继续等待,否则设置3G接口从FACH到IDLE的切换。
ii)不带误差估计的修正方法:当提前提升至FACH状态之后,设置3G接口在FACH状态等待阈值时间tth;当直到超时都未收到新的数据包,则设置3G接口切换回IDLE状态,且阈值时间tth为固定值。
所述的估计值修正处理是指:当3G接口完成第i个数据块的传输之后,计算得到下一个数据块的到达时间和此次估计所产生的误差当时,这表明此次对IBT的估计值很有可能偏大,则将下一个数据块到达时间的估计值修正为否则保留原有的不变。
技术效果
本发明主要应用于3G无线通信网络环境下移动终端节能,优势在于能够在保证用户体验度的前提下,显著的较少移动终端的能量消耗。本发明通过时间序列分析模型捕捉3G数据流中的时间相关性,并建立预测模型。利用未来数据流的预测值,动态地调整RRC状态机的转换策略,从而减少额外能量的消耗,同时在用户体验度和能源效率之间做出了较好的权衡。
附图说明
图1为3G数据流抽象模型:数据块和块间间隔(IBT)示意图。
图2为用ARMA模型预测IBT序列的结果图。
图3为用ARMA模型预测误差序列的结果图。
图4为低功耗RRC协议优化方法对应的RRC状态转换图。
图5为实施例原型系统的架构图。
图6为实施例能源效率指标Re比较图。
图7为实施例用户体验度指标Rp比较图。
图8为实施例能源效率和用户体验权衡度指标ηe比较图。
图9为实施例和Fixed-tail方案在不同应用场景下的能耗比较图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
如图1所示,本实施例包括:
应用场景:选取HTC G6智能手机作为实现低功耗RRC协议优化方法的原型机。主要考察网页浏览、流媒体和即时通讯这三类主要的移动应用。采集的数据量为1000个用户,14天的使用时间。
原型系统和对比系统:本实施例选取HTC G6智能手机作为原型机。我们通过调用快速休眠实现优化方法中的去尾操作。具体来说,当手机在DCH状态完成一次数据传输之后,可以通过控制信道发送一个SCRI(Signaling Connection Release Indication)消息给基站。在接收到SCRI消息后,基站立即释放分配给相应手机的数据链路,并通知手机将3G接口切换至IDLE状态,从而可以节约链路资源和能量消耗,实现去尾操作。优化方法还可通过发送短UDP包的方法实现提前Promotion。具体来说,每当需要执行提前Promotion操作时,优化方法向某个特定的服务器发送一个短UDP包,这样就确保了实际数据到达时,接口已经处于数据传输状态。综上所述的,低功耗RRC优化方法的总体架构如图5所示。系统分为应用层和内核层。其中:应用层组件包括ARMA模型训练器和预测器,内核层组件包括数据包采集器和调度器。调度器根据IBT序列的预测值,调用快速休眠模块和提前Promotion模块,进而动态地改变RRC状态,减少额外能量的消耗。
所述的快速休眠是指:新的3G标准提出的节能方案。当手机在DCH状态完成一次数据传输之后,可以通过控制信道发送一个SCRI(Signaling Connection Release Indication)消息给基站。在接收到SCRI消息后,基站立即释放分配给相应手机的数据链路,并通知手机将3G接口切换至IDLE状态,从而节约链路资源和能量消耗。
低功耗RRC协议优化方法将与以下三个对比方案进行比较:
Always-on方案:不管有没有实际的数据传输,3G接口总是保持在数据传输状态。也即是说,当在DCH状态完成一次数据传输之后,接口只是简单地切换至FACH状态以等待下一个数据包的到达。
Always-off方案:与Always-on方案相反,每当完成一次数据传输之后,3G接口总是立即切换至IDLE状态。因此,该方案不会存在尾效应。
Fixed-tail方案:每当完成一次数据传输之后,3G接口维持一段固定长度的尾时间(5秒的DCH状态和11秒的FACH状态)。该方案普遍地被现有网络运营商所使用,并不能很好地适应不同的应用场景,从而在尾效应上浪费了过多的能量。
效果比较:共有三项指标,分别是Re、Rp和ηe,定义如下:Re=Eextra/Etotal
Rp=#Packetundelayed/#Packettotdl
ηe=#Packetundelayed/Eextra
其中:
Eextra为UE额外能耗,定义为尾效应与Promotion过程引入的能耗之和;Etotal为UE总能耗,包括尾效应和Promotion操作所带来的能耗;总能耗定义为 为UE实际用于数据传输的能耗;Re=Eextra/Etotal:用于反映能源效率的指标,定义为额外能耗与总能耗之比。显然,Re越高表明能源效率越低;
Rp=#Packetundelayed/#Packettotal:用于反映用户体验度的指标,定义为不被用户体验到时延的数据包数与总数据包数之比。显然,Rp越高表明用户体验度越好;
ηe=#Packetundelayed/Eextra:用于反映用户体验度和能源效率之间权衡优劣的指标,定义为不被用户体验到时延的数据包数与额外能耗之比。直观上来说,ηe表示每消耗一单位的额外能量所带来用户体验度提升的程度;
#Packettotal表示总数据包个数,而#Packetundelayed表示不被用户体验到时延的数据包个数。
由于单独考虑能源效率或者用户体验度是不能全面地评价方案的优劣:如,可以利用快速休眠方法去除掉所有的尾巴,即能在能源效率上达到最优。但是这样的设计必然会引入大量的时延,严重地影响用户体验。因此,本发明通过指标ηe来刻画方案在能源效率和用户体验度之间权衡的优劣。直观上来说,ηe表示每消耗一单位的额外能量所带来用户体验度提升的程度。
如图6所示,为不同的方案下,数据集中1000个用户Re的平均值。从图中可以看出,在所有的应用场景中,Always-on方案有着最低的能源效率,而Always-off方案能源效率最高。我们还可看到,尽管在Always-off方案中不存在尾巴效应,但是额外能耗仍然高达总能耗的50%。其原因在于该方案引入了过多的Promotion操作,这些操作同样需要消耗大量的额外能量。值得注意的是,本方法总是比Fixed-tail方案有着更高的能源效率。以下为各个应用场景下,本方法相对于Fixed-tail方案节省的能耗比较表:
如图7所示,为不同的方案下,数据集中1000个用户Rp的平均值。图中未标出Always-on和Always-off相应的Rp值,是因为前者Rp总为1(所有数据包均未被时延),而后者Rp总为0(所有数据包均被时延)。从图中可以看出,在大部分情况下,本方法比Fixed-tail方案引入了更多能被用户体验到时延的数据包,这是为了节省能耗所必须付出的代价。同时,在流媒体应用场景下,本方法比Fixed-tail方案有着更高的Rp值。其原因可能在于流媒体应用的数据流有着更加显著的模式,本方法可以达到较高的预测精度。
如图8所示,为在不同的方案下,数据集中1000个用户ηe的平均值。图中未标出Always-off相应的ηe值,是因为其ηe总为0(所有数据包均被时延)。从图中可以看出,在所考察的四种方案中,本方法有着最高的ηe值。尤其在流媒体应用场景下,本方法的ηe值是Fixed-tail方案的五倍。这表明本方法更加有效地利用了额外能耗去提高用户体验度。
Claims (10)
1.一种基于数据流预测的低功耗RRC协议优化控制方法,其特征在于,利用自回归滑动平均模型捕捉3G数据流中IBT序列并得出IBT序列的时间相关性,然后通过对时间相关性进行基于移动终端的能耗转换的去尾处理以及预测误差修正处理,最终实现降低功耗的RRC协议优化机制。
2.根据权利要求1所述的方法,其特征是,所述的IBT序列的时间相关性通过以下方式获得:收集移动终端上收发的数据包,并抽象成数据块序列,然后从中提取出块间间隔IBT序列;再利用自回归滑动平均模型捕捉IBT序列中的时间相关性建立用于对未来IBT的值进行预测的预测模型;
所述的ARMA预测模型针对不同的应用场景进行不同的对应训练;
所述的应用场景包括:即时通讯、流媒体播放、网页浏览。
3.根据权利要求1或2所述的方法,其特征是,所述的自回归滑动平均模型通过以下步骤得到:
1.1)采集终端收发的数据包,记录下包头信息,并通过深度包分析技术将数据包按照应用场景进行分类;
1.2)对每种应用场景下的数据包序列进行预处理,将数据包序列转换成数据块序列,间隔小于500毫秒的相邻数据包会被认为属于同一个数据块,得到数据块序列后,从中提取块间间隔时间,形成IBT序列{ti,i=1..n-1};
1.3)采用自回归滑动平均模型对IBT序列进行建模,设模型为ti=φ0+φ1ti-1+φ2ti-2+...+φpti-p-εi-θ1εi-1-θ2εi-2-...-θqεi-q,其中:φ0,φ1,...,φp,θ1,...,θq为待定系数,εi,...,εi-q为误差分量,模型的训练过程穷举参数p和q的取值空间,对每一组取值,拟合出待定系数φ0,φ1,...,φp,θ1,...,θq,并计算在该系数下的拟合残差的方差σ2,再计算AIC=nlogσ2+(p+q+1)logn的值,最终选取使最小信息准则AIC值最大的一组p和q作为ARMA模型参数;
1.4)采用自回归滑动平均模型对预测误差序列进行建模:预测误差序列为{ei=ti-t′i,i=1..n-1},ei表示第i个IBT值的预测误差,
ei=φ0+φ1ei-1+φ2ei-2+...+φpei-p-εi-θ1εi-1-θ2εi-2-...-θqεi-q,其中:φ0,φ1,...,φp,θ1,...,θq为待定系数,εi,...,εi-q为误差分量,自回归阶数p和滑动平均阶数q同样可根据最小信息准则测试确定。
4.根据权利要求1所述的方法,其特征是,所述的去尾处理是指:为了减少能耗并在后续数据传输发生时用户体验不到任何提升时延,若后续IBT预测值大于提升时延,则在数据传输完成之后,立即将3G接口从DCH状态切换至IDLE状态;同时根据后续数据块到达时间的估计值,提前将3G接口提升至FACH状态,以准备数据的传输。
6.根据权利要求5所述的方法,其特征是,所述的缓冲状态是指:10秒以内的DCH状态以及20秒以内的FACH状态。
7.根据权利要求5或6所述的方法,其特征是,所述的缓冲状态是指:5秒的DCH状态和11秒的FACH状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310017700.7A CN103037391B (zh) | 2013-01-17 | 2013-01-17 | 基于数据流预测的低功耗rrc协议优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310017700.7A CN103037391B (zh) | 2013-01-17 | 2013-01-17 | 基于数据流预测的低功耗rrc协议优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103037391A true CN103037391A (zh) | 2013-04-10 |
CN103037391B CN103037391B (zh) | 2015-04-01 |
Family
ID=48023777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310017700.7A Active CN103037391B (zh) | 2013-01-17 | 2013-01-17 | 基于数据流预测的低功耗rrc协议优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103037391B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014180070A1 (zh) * | 2013-05-05 | 2014-11-13 | 清华大学 | 利用蜂窝网络中的尾巴时间传输数据的方法 |
TWI481881B (zh) * | 2013-11-22 | 2015-04-21 | Inst Information Industry | 耗電預測裝置、方法及其電腦程式產品 |
CN104853440A (zh) * | 2015-05-18 | 2015-08-19 | 熊猫电子集团有限公司 | 一种rrc状态机实现方法及装置 |
CN104994529A (zh) * | 2015-07-07 | 2015-10-21 | 重庆邮电大学 | 一种适用于td-lte网络rrc状态机的测量系统及方法 |
CN106879054A (zh) * | 2016-12-30 | 2017-06-20 | 西可通信技术设备(河源)有限公司 | 一种无线数据传输能耗优化方法 |
CN106900070A (zh) * | 2017-01-09 | 2017-06-27 | 北京邮电大学 | 一种移动设备多应用程序数据传输能耗优化方法 |
US10346752B2 (en) | 2014-04-17 | 2019-07-09 | International Business Machines Corporation | Correcting existing predictive model outputs with social media features over multiple time scales |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1805312A (zh) * | 2005-12-23 | 2006-07-19 | 西安交通大学 | 蜂窝无线通信系统中的一种无线环境的仿真方法 |
US20120122405A1 (en) * | 2010-11-15 | 2012-05-17 | Alexandre Gerber | Method and apparatus for providing a dynamic inactivity timer in a wireless communications network |
CN102843672A (zh) * | 2012-08-08 | 2012-12-26 | 中国电力科学研究院 | 一种基于能量场的传感网恶意节点检测方法 |
-
2013
- 2013-01-17 CN CN201310017700.7A patent/CN103037391B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1805312A (zh) * | 2005-12-23 | 2006-07-19 | 西安交通大学 | 蜂窝无线通信系统中的一种无线环境的仿真方法 |
US20120122405A1 (en) * | 2010-11-15 | 2012-05-17 | Alexandre Gerber | Method and apparatus for providing a dynamic inactivity timer in a wireless communications network |
CN102843672A (zh) * | 2012-08-08 | 2012-12-26 | 中国电力科学研究院 | 一种基于能量场的传感网恶意节点检测方法 |
Non-Patent Citations (1)
Title |
---|
FENG QIAN ET AL: "TOP:Tail Optimization Protocol For Cellular Radio Resource Allocation", 《NETWORK PROTOCOLS (ICNP),2010 18TH IEEE INTERNATIONAL CONFERENCE ON》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014180070A1 (zh) * | 2013-05-05 | 2014-11-13 | 清华大学 | 利用蜂窝网络中的尾巴时间传输数据的方法 |
US9462547B2 (en) | 2013-05-05 | 2016-10-04 | Tsinghua University | Method for transmitting data using tail time in cellular network |
TWI481881B (zh) * | 2013-11-22 | 2015-04-21 | Inst Information Industry | 耗電預測裝置、方法及其電腦程式產品 |
US10346752B2 (en) | 2014-04-17 | 2019-07-09 | International Business Machines Corporation | Correcting existing predictive model outputs with social media features over multiple time scales |
CN104853440A (zh) * | 2015-05-18 | 2015-08-19 | 熊猫电子集团有限公司 | 一种rrc状态机实现方法及装置 |
CN104853440B (zh) * | 2015-05-18 | 2019-03-05 | 熊猫电子集团有限公司 | 一种rrc状态机实现方法及装置 |
CN104994529A (zh) * | 2015-07-07 | 2015-10-21 | 重庆邮电大学 | 一种适用于td-lte网络rrc状态机的测量系统及方法 |
CN104994529B (zh) * | 2015-07-07 | 2018-06-15 | 重庆邮电大学 | 一种适用于td-lte网络rrc状态机的测量系统及方法 |
CN106879054A (zh) * | 2016-12-30 | 2017-06-20 | 西可通信技术设备(河源)有限公司 | 一种无线数据传输能耗优化方法 |
CN106879054B (zh) * | 2016-12-30 | 2020-10-30 | 西可通信技术设备(河源)有限公司 | 一种无线数据传输能耗优化方法 |
CN106900070A (zh) * | 2017-01-09 | 2017-06-27 | 北京邮电大学 | 一种移动设备多应用程序数据传输能耗优化方法 |
CN106900070B (zh) * | 2017-01-09 | 2020-02-14 | 北京邮电大学 | 一种移动设备多应用程序数据传输能耗优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103037391B (zh) | 2015-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103037391B (zh) | 基于数据流预测的低功耗rrc协议优化控制方法 | |
Lee et al. | PERCEIVE: deep learning-based cellular uplink prediction using real-time scheduling patterns | |
Qian et al. | Top: Tail optimization protocol for cellular radio resource allocation | |
Yang | Dynamic power saving mechanism for 3G UMTS system | |
Wei et al. | Power efficient mobile video streaming using HTTP/2 server push | |
CN104427286B (zh) | 一种进行视频通话的方法和系统 | |
HUE028442T2 (en) | Parameter configuration procedure, base station and user equipment | |
Wang et al. | Modeling and optimizing the LTE discontinuous reception mechanism under self-similar traffic | |
Cicconetti et al. | Reducing power consumption with QoS constraints in IEEE 802.16 e wireless networks | |
Khan et al. | Energy-efficient and QoE-driven adaptive HTTP streaming over LTE | |
Mushtaq et al. | QoE power-efficient multimedia delivery method for LTE-A | |
Mushtaq et al. | Power saving model for mobile device and virtual base station in the 5G era | |
Wang et al. | Power consumption analysis of constant bit rate data transmission over 3G mobile wireless networks | |
Zhang et al. | Leveraging the tail time for saving energy in cellular networks | |
EP2907348B1 (en) | Method, network device, computer program and computer program product for determining a set of power state parameters | |
Looga et al. | Exploiting traffic scheduling mechanisms to reduce transmission cost on mobile devices | |
Yu et al. | Cutting without pain: Mitigating 3G radio tail effect on smartphones | |
Kalle et al. | La VoLTE: novel cross layer optimized mechanism of video transmission over LTE for DRX | |
US9655050B2 (en) | Network device, method, computer program and computer program product for determining a set of power state parameters | |
Wang et al. | Optimizing the LTE discontinuous reception mechanism under self-similar traffic | |
US9510284B2 (en) | Method, network device, computer program and commuter program product for determining power state parameters | |
Szabó et al. | Service aware adaptive DRX scheme | |
Tao et al. | Energy efficient video QoE optimization for dynamic adaptive HTTP streaming over wireless networks | |
Zhang et al. | An enhanced energy saving strategy for an active DRX in LTE wireless networks | |
Kim et al. | Personalized Diapause: Reducing Radio Energy Consumption of Smartphones by {Network-Context} Aware Dormancy Predictions |
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 |