CN103096415A - 一种面向认知无线Mesh网络的路由优化装置及方法 - Google Patents
一种面向认知无线Mesh网络的路由优化装置及方法 Download PDFInfo
- Publication number
- CN103096415A CN103096415A CN2013100146511A CN201310014651A CN103096415A CN 103096415 A CN103096415 A CN 103096415A CN 2013100146511 A CN2013100146511 A CN 2013100146511A CN 201310014651 A CN201310014651 A CN 201310014651A CN 103096415 A CN103096415 A CN 103096415A
- Authority
- CN
- China
- Prior art keywords
- router
- resource
- channel
- particle
- business
- 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
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种面向认知无线Mesh网络的路由优化装置及方法，涉及通讯系统。将该网络中的一个路由器作为中心路由器，其他从路由器与中心路由器进行通讯。从路由器内设置有资源分配器和业务传输器，中心路由器内设置有资源分配器。资源分配器进一步包括路由请求接收器、信道状态接收器、跨层路由优化器和资源配置发送器。业务请求器进一步包括业务读取器、业务流量预测器、路由请求发送器、空闲信道监控器和信道状态发送器。业务传输器进一步包括资源配置接收器、资源配置器和业务传输器。本发明在路由请求中引入流量预测机制，能有效减少业务等待队列中待发送业务流量的长度，减少了数据传输的时延，从整体上提升网络性能，满足数据传输的实时性需求。
Description
技术领域
本发明涉及通讯系统，特别涉及一种面向认知无线Mesh网络的路由优化装置及方法。
背景技术
无线Mesh网络（Wireless Mesh Network，WMN）是一种具有自组织多跳特性的新型宽带无线接入网络，它充分结合了无线局域网（Wireless LAN，WLAN）和Ad Hoc网络技术的优势，在灵活组网、提高网络覆盖范围、增强网络可靠性、减少前期投资等诸多方面都显现出很大优势。WMN的应用，克服了现有通信系统的一些缺点，可以为“最后一公里”接入问题提供理想的解决方案，从而达到通信的“无所不在”，被认为是下一代互联网中的重要组成部分，正引起学术界与工业界的广泛关注。
随着用户数量不断增多，对服务质量的要求越来越高，有限的频谱资源已成为获取高性能数据服务的严重障碍，而传统的固定频谱分配模式无疑使这一问题雪上加霜。近年来，认知无线电技术（CognitiveRadio，CR）的产生和发展为人们提供了新的解决思路。CR通过动态分配空间和时间上暂时未用的空闲频谱，为新的无线应用提供工作频段。将CR技术引入到无线Mesh网络中，能够使得用户通过伺机占用的方式动态接入频谱，有望解决日益增长的无线通信需求和有限的频谱资源之间的矛盾。然而，受无线频谱开放性特征的影响，如何实现认知无线Mesh网络中的高效资源分配，已成为认知无线Mesh网络研究的热点问题。
目前大部分的资源分配机制主要对无线mesh中的信道分配进行研究，而没有考虑功率控制对网络性能的影响。由于通信功率直接影响节点干扰范围和网络能耗，信道分配过程还应对节点的通信功率进行控制，以满足更多用户同时在线的通信需求。进一步，在认知无线Mesh网络中，由于路由算法直接决定了各链路的流量需求，而资源分配则决定了链路有效容量大小。端到端的路由优化及底层通信资源的管理分配往往密不可分，单独考虑提升网络的某一方面性能并不能获得全网性能的最优。因而，还需要将路由优化与资源分配进行跨层协同优化，以从整体上提高网络的性能。然而，由于跨层优化问题的复杂性，现存的求解机制大都存在求解时间长、易陷入局部最优等问题，且现有模型中大都没有考虑流量的动态变化特性与认知无线电环境下信道的动态变化特性，导致带宽分配不能很好的匹配流量变化，引起业务传输延时的增加与带宽利用率的降低。
发明内容
针对现有技术存在的不足，本发明的目的是提出一种面向认知无线Mesh网络的路由优化装置及方法，以达到减少数据传输时间、提高整体网络性能的目的。
本发明的技术方案是这样实现的：一种面向认知无线Mesh网络的路由优化装置，将该网络中的一个路由器作为用于资源分配的中心路由器，其他从路由器与中心路由器进行通讯，
所述的从路由器内设置有资源分配器和业务传输器，其中：
业务请求器：用于向资源分配器发起路由请求、报告从路由器监控的可用信道集；
业务传输器：用于接收资源分配器的资源分配结果与路径配置结果，完成通信资源的配置，并根据配置的通信资源完成业务的传输；
所述的中心路由器内设置有：
资源分配器: 用于接收各业务请求器发送的路由请求和可用信道集情况，完成全网通信资源的配置，并将资源配置消息发送给各业务请求器。
所述的资源分配器，包括：
路由请求接收器：用于接收各业务请求器发送的路由请求；
信道状态接收器：用于接收各业务请求器发送的可用信道情况；
跨层路由优化器：用于根据接收的路由请求、可用信道完成全网通信资源的分配与各路由请求的路径配置，并将资源分配结果与路径配置结果发送给资源配置发送器；
资源配置发送器：用于接收跨层路由优化器的资源分配结果与路径配置结果，并将接收的内容发送给业务传输器。
所述的业务请求器包括：
业务读取器：用于读取从路由器当前存储的待发送的业务流量；
业务流量预测器：用于预测资源等待分配时间间隔内到达的业务流量；
路由请求发送器：把读取的业务流量及预测的业务流量相加作为总的业务请求量，并向资源分配器发起路由请求；
空闲信道监控器：用于实时监控从路由器当前可用的信道集，并将可用信道集发送给信道状态发送器；
信道状态发送器：用于接收空闲信道监控器的可用信道状态，并向资源分配器中的信道状态接收器发送信道情况。
所述的业务传输器，包括：
资源配置接收器：用于接收资源分配器的资源分配结果与路径配置结果；
资源配置器：用于根据资源分配结果完成从路由器中通信资源的配置，主要包括从路由器各无线网卡通信信道与通信功率的配置；
业务传输器：用于根据路径配置结果与配置的通信资源完成业务的传输。
一种面向认知无线Mesh网络的路由优化方法，包括以下步骤：
步骤1：各从路由器内的业务请求器根据当前时刻实际的业务流量与预测的业务流量向中心路由器内的资源分配器发起路由请求；在业务请求的同时，采用捎带的方式向中心路由器内的资源分配器发送从路由器感知的信道占有情况，具体包括以下步骤：
步骤1-1：业务流量读取，各从路由器分别读取当前时刻各自业务请求队列中待发送的业务流量；
步骤1-2：业务流量预测，各从路由器分别预测在各自资源分配的间隔时间内到达的总体业务流量；在忽视资源请求与资源分配结果的传输时间的前提下，资源分配的时间间隔T为：
T=t1+t2
其中，t1为中心路由器第一定时器设置的时间间隔，为接收所有路由请求与信道占用情况的时间，t2为中心路由器第二定时器设置的时间间隔，为执行基于粒子群的跨层优化方法的时间；
步骤1-3：路由请求计算与发送，各从路由器分别把各自当前业务请求队列中的业务流量与预测的总业务流量相加，并把相加后的业务流量作为路由请求，分别发送给中心路由器上的资源分配器；
步骤1-4：信道状态监控与发送，各从路由器感知当前时刻各自的可用的信道集，并把感知可用的信道集通过捎带的方式分别发送给中心路由器上的资源分配器；
步骤2：中心路由器进行资源分配，接收当前所有的从路由器的业务请求及可用信道集，执行资源分配方法，为所有业务请求分配通信资源及配置路由路径；
所述的资源分配方法包括以下步骤：
步骤2-1：在第一定时器设置的时间间隔t1内接收并保存各从路由器发送来的业务请求与信道空闲与占用情况；
步骤2-2：根据接收的业务请求与信道占有情况，在第二定时器设定的时间间隔t2内执行基于粒子群的跨层路由优化方法，计算出令用户满意的最优的路由路径及各路径上配置的信道与功率；
步骤2-3：中心路由器内的资源分配器将资源分配结果与路径配置结果发送给各从路由器的业务传输器；
步骤3：各从路由器内的业务传输器接收资源分配结果与路径配置结果，完成通信资源的配置，并根据配置的通信资源完成业务的传输，包括以下步骤：
步骤3-1：业务传输器接收资源分配结果与路径配置结果；
步骤3-2：业务传输器根据资源分配结果完成通信资源的配置；
步骤3-3：业务传输器根据路径配置结果与配置的通信资源完成业务的传输。
步骤2-2所述的基于粒子群的跨层路由优化方法，包括以下步骤：
步骤2-2-1：设置种群规模M，最大进化代数maxGen，迭代代数初始化为0，同时输入从路由器数量为N并进行编号，全网的总信道数为C并进行编号，从路由器i∈N的可用信道集OCi，从路由器i∈N的无线网卡数Ii，从路由器的功率等级划分Q个等级，执行粒子群优化算法的惯性权重因子w，常数c1与c2；
步骤2-2-2：产生粒子群优化算法的初始种群；
步骤2-2-3：种群评价，评价种群中每个粒子的适应值；
步骤2-2-4：粒子资源分配向量与速度分配向量更新；
步骤2-2-5：迭代代数+1，并判断迭代代数是否小于最大迭代代数maxGen，如是，转步骤2-2-3；
步骤2-2-6：结果保存，保存步骤2-2-3中最终种群中最好的粒子gbest各维度的值作为跨层优化的最优资源分配值；同时保存该资源分配值下对应的各路由请求的路由路径作为路由的最终配置结果。
步骤2-2-2所述的产生粒子群优化算法初始种群，包括以下步骤：
步骤2-2-2-1：对网络中的从路由器i∈N，分别从从路由器i的可用信道集OCi中为其选择Ii个不同的通信信道，同时从从路由器i的功率等级划分Q中选择Ii个的通信功率等级；
步骤2-2-2-2：对网络中的从路由器i的每一个已分配的信道或功率，初始化与该资源分配相对应的速度值为0；
步骤2-2-2-3：将所有的从路由器的信道与功率分配结果合并为资源分配向量，作为初始种群中一个可行粒子；
步骤2-2-2-4：将所有的从路由器的初始速度值合并为速度向量，作为初始种群中一个粒子的初始速度；
步骤2-2-2-5：将初始种群的完成初始化粒子总数加1；
步骤2-2-2-6：如果初始种群中完成初始化的粒子总数超过M，则跳出，否则转步骤2-2-2-1。
步骤2-2-3所述的种群评价、评价种群中每个粒子的适应值，包括以下步骤：
步骤2-2-3-1：选择还未进行适应值评价的粒子；
步骤2-2-3-2：对当前选择的粒子，获取基于该粒子编码方式下为全网所有从路由器分配的信道与功率分配值；
步骤2-2-3-3：基于该信道与功率分配值及全网所有从路由器的坐标，完成拓扑图的构建及各有向链路的有效容量计算，具体为，
（1）构建网络拓扑图；
（2）选择拓扑图中一条未计算有效容量的有向链路；
（3）计算该有向链路的有效容量，其计算步骤包括：
步骤a、判断有向链路两个从路由器间是否包含有相同信道，如两个从路由器间没有相同信道，则该有向链路的有效容量为0，否则转步骤b；
步骤b、如果两个从路由器间存在相同的信道数量，且相同信道的数量为1，则根据采样信号噪声干扰比SINR模型计算该有向链路的有效容量；
步骤c、如果两个从路由器间存在相同的信道数量，且相同信道的数量超过1，则分别对各条相同的信道与相应的功率分配值采用SINR模型计算有效容量，并把所有的计算的有效容量相加，作为两个从路由器间有向链路的最终有效容量；
（4）判断是否已经为拓扑图中所有的有效链路计算完有效容量，如是，跳出，否则转步骤（2）；
步骤2-2-3-4：基于计算完链路有效容量的拓扑图，采用线性规划的方法对全网所有路由请求进行优化求解，具体为：
（1）获取步骤2-1中保存的所有的路由请求；
（2）采用线性规划的方法计算网络中能获得的最优值，具体为：
a、根据拓扑图中有向链路的连通性与路由需求中的源从路由器节点生成线性规划的优化目标；
b、根据拓扑图中有向链路的连通性，及各从路由器的流量守恒原理生成线性规划的等式约束条件；
c、根据输入的各有向链路的有效容量，生成线性规划的不等式约束条件；
d、采用标准的线性规划方法求解优化目标的最优值与对应的最优路由路径；
步骤2-2-3-5：将步骤2-2-3-4中计算的路由最优值作为粒子的适应值；
步骤2-2-3-6：判断当前粒子的适应值是否优于该粒子保存的历史最优粒子pbest的适应值，如是，则保存当前的粒子为pbest，否则转步骤2-2-3-7；
步骤2-2-3-7：判断是否已经评价完种群中的所有粒子，如是，转步骤2-2-3-8，否则转步骤2-2-3-1；
步骤2-2-3-8：从种群中选择具有最好适应值的粒子，并判断该粒子的适应值是否要优于种群保存着的历史最优粒子gbest的评价值，如是，则更新gbest为该粒子。
步骤2-2-4所述的粒子资源分配向量与速度分配向量更新，包括以下步骤：
步骤2-2-4-1：选择还未更新资源分配向量的粒子，同时获取该粒子的历史最优pbest，整个种群保存的历史最优粒子gbest；
步骤2-2-4-2：根据粒子当前的资源分配向量与pbest，gbest更新粒子的资源分配向量与速度分配向量，具体为：
（1）速度分配向量维度与资源分配向量维度更新，对于粒子中速度分配向量的每一维度vi与资源分配向量的每一维度xi，按照如下方式对其进行更新
vi=w*vi+c1*rand(1,1)*(pbesti-xi)+c2*rand(1,1)*(gbesti-xi)
xi=xi+vi
其中，xi为粒子资源分配向量的第i维度值；pbesti为该粒子历史最优值的第i维度值；gbesti为全局最优粒子的第i维度值；w为初始时输入的惯性权重因子；c1，c2为初始输入的常数，rand(1,1)为0到1区间的随机数，vi为该粒子位置分配向量第i维度值；
（2）对维度xi进行修正，以满足认知无线Mesh网络资源分配的约束条件，具体为：
a．判断对应维度的值是否为信道分配量，如是，则执行xi=mod(xi,|C|)，即将新获得的信道分配量对全网的总信道数C取模，使分配的信道在最小与最大可用信道之间；否则转步骤d；
b．如果新获得的资源分配量为认知网络中主授权用户占有的信道，则重新随机选择可用的信道；
c. 如果新获得的资源分配量与该从路由器已分配的信道相同，则重新随机选择可用的信道；
d．对应该维度的值为功率分配量，则执行xi=mod(xi,|Q|)，即将新获得的功率分配量对全网所有的功率分配等级Q取模，使分配的功率在最小与最大功率等级之间；
（3）判断是否已经更新完所有粒子的资源分配值与速度值，转步骤2-2-5，否则转步骤2-2-4-1。
本发明的优点：本发明在路由请求中引入流量预测机制，能有效减少业务等待队列中待发送业务流量的长度，减少了数据传输的时延。同时设计了基于粒子群算法的联合功率控制、信道分配与路由的跨层优化装置与方法，并设计了相应的粒子初始化方法与粒子变化方法，能保证粒子群算法的快速收敛，从而从整体上提升网络的性能，满足数据传输的实时性需求。
附图说明
图1为本发明一种实施方式路由优化装置结构框图；
图2为本发明一种实施方式路由优化的方法总路程图；
图3为本发明一种实施方式从路由器向中心路由器发送路由请求及空闲信道集的方法流程图；
图4为本发明一种实施方式中心路由器进行资源分配流程图；
图5为本发明一种实施方式基于粒子群的跨层路由优化方法流程图；
图6为本发明一种实施方式产生粒子群优化算法中初始种群的方法流程图；
图7为本发明一种实施方式种群评价方法流程图；
图8为本发明一种实施方式粒子资源分配向量与速度分配向量更新方法的流程图；
图9为本发明一种实施方式各从路由器内实现业务传输方法的流程图；
图10为本发明一种实施方式90ms内终端流量的采样情况示意图；
图11为本发明一种实施方式资源分配间隔内到达流量与实际流量预测对比示意图；
图12为本发明一种实施方式粒子群算法的适应值随代数变化情况示意图；
图13为本发明一种实施方式各从路由器根据资源分配结果与路径配置结果进行业务传输的示意图，其中，图13(a)为1号从路由器根据配置的通信资源与路径配置结果进行业务传输的过，图13(b)～图13(f)分别给出了12、3、8、20、19号从路由器的业务传输过程；
图14为本发明一种实施方式不同通信流下传输延迟对比示意图；
图中，101、资源分配器 102、业务请求器 103、业务传输器 104、业务读取器 105、业务流量预测器 106、路由请求发送器 107、信道状态发送器 108、空闲信道监控器 109、资源配置接收器 1010、资源配置器 1011、业务传输器 1012、路由请求接收器 1013、信道状态接收器 1014、资源配置发送器 1015、跨层路由优化器。
具体实施方式
下面结合附图对本发明的实施方式作进一步详细的说明。
本发明的实施方式中，共有25个路由器节点网格部署于500×500认知无线Mesh网络区域中，每个节点均配置4个认知无线网卡，通信半径Rmax=250。整个网络同时使用6个正交信道，每个信道的传输速率为54Mbps。传输功率量化为Q=16个等级，路径损耗指数γ=4。指定中心区域的13号路由器为中心路由器，其余路由器为从路由器，每个从路由器对6个正交信道集进行感知，并从中选择的可用信道集。资源分配间隔时间T为30ms，中心路由器接收所有路由请求与信道占用情况的时间t1为5ms，中心路由器执行基于粒子群的跨层优化方法的时间t2为25ms。
本实施方式中采用的路由优化装置的结果如图1所示。中心路由器内设置有资源分配器101，从路由器内设置有业务请求器102和业务传输器103。
业务请求器102用于向资源分配器101发起路由请求、报告从路由器监控的可用信道集。例如，发送的路由请求的格式为<sq,dq,rq>，其中sq为路由请求的源从路由器，dq为路由请求的目的从路由器，rq为路由请求的业务流量大小。具体地，如1号从路由器需要传输60Mbit的数据到3号从路由器，则1号从路由器发起的业务请求为<1,3,60>，表示该路由请求的源路由器为1号从路由器，目的路由器为3号从路由器，请求传输的业务流量大小为60Mbit。业务请求器102进一步包括：
业务读取器104用于读取从路由器当前存储的待发送的业务流量；业务流量一般为当前从路由器待发送队列中业务流量的比特数，如1号从路由器读取当前待发送队列中业务流量为52.5Mbit。
业务流量预测器105用于预测资源等待分配时间间隔内到达的业务流量。对于本实施方式来说，资源就是指用于业务传输的通信信道与功率。
路由请求发送器106用于把读取的业务流量及预测的业务预测量相加作为总的业务请求量，并向资源分配器发起路由请求。如，1号读取的从路由器发送队列中的数据业务流量为52.5Mbit，预测在资源分配时间间隔T内到达的流量为7.5Mbit，则路由请求中总业务流量为60Mbit。
空闲信道监控器107用于实时监控从路由器当前可用的信道集，并将可用信道集发送给信道状态发送器108。如，整个网络存在6个正交信道，但在资源申请时刻1号从路由器经信道感知后发现所有信道均可用，则1号从路由器空闲信道监控器获得的可用信道集为1、2、3、4、5、6号信道。
信道状态发送器108用于接收空闲信道监控器107的可用信道状态，并向资源分配器101中的信道状态接收器1013发送信道情况。如，1号从路由器向信道状态发送器向中心路由器发送的其可用信道为1、2、3、4、5、6号信道。
业务传输器103用于接收资源分配器101的资源分配结果与路径配置结果，完成通信资源的配置，并根据配置的通信资源完成业务的传输。业务传输器103进一步包括：资源配置接收器109、资源配置器1010和业务传输器1011，其中：
资源配置接收器109用于接收资源分配器101的资源分配结果与路径配置结果。如1号从路由器资源配置接收器接收的资源配置结果为<4,9>，2号从路由器接收的资源配置结果为<6,1>。如1号从路由器资源配置接收器接收的路径配置结果为<1,2>，2号从路由器接收的路径配置结果为<2,3>。
资源配置器1010用于根据资源分配结果完成从路由器中通信资源的配置，主要包括从路由器各无线网卡通信信道与通信功率的配置。如1号从路由器为其可用的无线网卡上配置4号信道，9号功率，用于向2号从路由器发送数据；2号从路由器为其可用的无线网卡配置4号信道，用于接收1号从路由器的数据，同时为其另一可用的无线网卡配置6号信道，1号功率，用于向3号从路由器发送数据；3号从路由器为其可用的无线网卡配置6号信道，用于接收2号从路由器的数据。
业务传输器1011用于根据路径配置结果与配置的通信资源完成业务的传输。如1号从路由器的数据经4号信道，9号功率传输给2号从路由器；2号从路由器在4号信道接收数据后，经6号信道，1号功率，将数据传输给3号从路由器。
资源分配器101 用于接收各业务请求器102发送的路由请求和可用信道集情况，完成全网通信资源的配置，并将资源配置消息发送给各业务请求器102。资源分配器101还进一步包括：路由请求接收器1012、信道状态接收器1013、资源配置发送器1014和跨层路由优化器1015，其中：
路由请求接收器1012用于接收各业务请求装置发送的路由请求。例如，除了1号从路由器发起路由请求外，网络中还有其它5组路由请求。表1展示了资源申请时刻，全网所有路由请求的具体内容。
表1 业务请求内容表
| 业务请求序号 | 业务请求源路由器 | 业务请求目的路由器 | 业务请求量 |
| 1 | 1 | 3 | 60 |
| 2 | 12 | 11 | 40 |
| 3 | 3 | 25 | 20 |
| 4 | 8 | 22 | 50 |
| 5 | 20 | 1 | 60 |
| 6 | 19 | 13 | 50 |
信道状态接收器1013用于接收各业务请求装置捎带发送的可用信道情况，表2展示了资源申请信道状态接收器接收的全网各路由器的可用信道情况，其中如果对应的信道空闲，则对应该信道的监控位为1。从表中可以看出，从路由器1、2的可用信道数量为6，而从路由器3的可用信道数量为5，3号信道当前被授权用户占用。
表2路由器信道空闲情况记录
| 路由器编号 | 信道1 | 信道2 | 信道3 | 信道4 | 信道5 | 信道6 |
| 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| 2 | 1 | 1 | 1 | 1 | 1 | 1 |
| 3 | 1 | 1 | 0 | 1 | 1 | 1 |
| 4 | 1 | 1 | 0 | 1 | 1 | 1 |
| 5 | 1 | 1 | 1 | 1 | 1 | 0 |
| 6 | 1 | 1 | 1 | 0 | 1 | 1 |
| 7 | 1 | 1 | 1 | 1 | 1 | 1 |
| 8 | 1 | 1 | 0 | 1 | 1 | 1 |
| 9 | 1 | 1 | 0 | 1 | 1 | 0 |
| 10 | 1 | 1 | 0 | 1 | 1 | 0 |
| 11 | 1 | 1 | 1 | 0 | 1 | 1 |
| 12 | 1 | 1 | 1 | 0 | 1 | 1 |
| 13 | 1 | 1 | 1 | 1 | 1 | 1 |
| 14 | 1 | 1 | 1 | 1 | 1 | 0 |
| 15 | 1 | 1 | 1 | 1 | 1 | 0 |
| 16 | 1 | 0 | 1 | 0 | 1 | 1 |
| 17 | 1 | 0 | 1 | 1 | 1 | 1 |
| 18 | 1 | 1 | 1 | 1 | 0 | 1 |
| 19 | 1 | 1 | 1 | 1 | 0 | 1 |
| 20 | 1 | 1 | 1 | 1 | 1 | 1 |
| 21 | 1 | 0 | 1 | 1 | 1 | 1 |
| 22 | 1 | 0 | 1 | 1 | 1 | 1 |
| 23 | 1 | 1 | 1 | 1 | 0 | 1 |
| 24 | 1 | 1 | 1 | 1 | 0 | 1 |
| 25 | 1 | 1 | 1 | 1 | 1 | 1 |
跨层路由优化器1015用于根据接收的路由请求、可用信道完成全网通信资源的分配与各路由请求的路径配置，并将资源分配结果与路径配置结果发送给资源配置发送器1014；如基于接收的1号从路由器的业务请求<1,3,60>，并根据1、2、3号从路由器的可用信道情况，得出1号从路由器的资源配置结果为<4,9>，2号从路由器的资源配置结果为<6,1>；并计算出1号从路由器的路径配置结果为<1,2>，2号从路由器的路径配置结果为<2,3>。
资源配置发送器1014用于接收跨层路由优化器的资源分配结果与路径配置结果，并将接收的内容发送给业务传输器103。
采用上述装置进行路由优化的方法，其流程如图2所示。该流程开始于步骤201。在步骤202，各从路由器内的业务请求器根据当前时刻实际的业务流量与预测的业务流量向中心路由器内的资源分配器发起路由请求；在业务请求的同时，采用捎带的方式向中心路由器内的资源分配器发送从路由器感知的信道占有情况。
在步骤203，中心路由器进行资源分配，接收当前所有的从路由器的业务请求及可用信道集，执行资源分配方法，为所有业务请求分配通信资源及配置路由路径。
在步骤204，各从路由器内的业务传输器接收资源分配结果与路径配置结果，完成通信资源的配置，并根据配置的通信资源完成业务的传输。
图3给出了图2步骤202的具体执行过程，可以包括步骤301到步骤304。在步骤301，各从路由器分别读取当前时刻各自业务请求队列中待发送的业务量。在步骤302，各从路由器分别预测在各自资源分配的间隔时间内到达的总体业务量。优选地，本实施方式采用小波神经元网络对业务量进行短时预测，主要包括以下步骤：
step 1-2-1：设置速率采样速率为λ（比如，本实施方式中的采样速率λ=100us），并以该采样速率实时记录业务量的到达速率。
step 1-2-2：保存当前时刻及以前的连续300组业务到达速率记录，并用前225组记录训练小波神经元网络；
step 1-2-3：把300组记录的后75组历史记录作为业务预测算法的输入，并基于step1-2-2训练好的小波神经元网络预测资源分配时间间隔（本实施方式具体是指30ms）内到达的业务流量；
step 1-2-4：对所预测的所有业务流量进行求和，并把求和后的值作为预测的总业务量。下图为采用小波神经元网络预测的连续30ms内业务流量的变化情况，最终把预测的业务流量求和后，可得该资源分配时间间隔内，预测业务流量累计为7.5Mbit。
在步骤303，各从路由器分别把各自当前业务请求队列中的业务量（如1号路由器当前业务队列中有5Mbit的数据）与预测的总业务流量（未来30ms内预测的业务流量为7.5Mbit）相加，并把相加后的业务流量（52.5Mbit）作为路由请求，分别发送给中心路由器上的资源分配器。在步骤304，各从路由器感知当前时刻各自的可用的信道集（比如，1号路由器的可用信道集为1、2、3、4、5、6号信道，2号路由器的可用信道集为1、2、3、4、5、6号信道），并把感知可用的信道集通过捎带的方式分别发送给中心路由器上的资源分配器。
图4给出了图2步骤203的具体执行过程，可以包括步骤401到步骤403。在步骤401，在第一定时器设置的时间间隔t1（本实施方式具体为5ms）内接收并保存各从路由器发送来的业务请求与信道空闲与占用情况。在步骤402，根据接收的业务请求与信道占有情况，在第二定时器设定的时间间隔t2（本实施方式具体为25ms）内执行基于粒子群的跨层路由优化方法，计算出令用户满意的最优的路由路径及各路径上配置的信道与功率。在步骤403，中心路由器内的资源分配器将资源分配结果与路径配置结果发送给各从路由器的业务传输器。
图5给出了图4中步骤402提到的基于粒子群的跨层路由优化方法的过程，可以包括步骤501到步骤506。在步骤501，设置种群规模M（本实施方式设置为20），最大进化代数maxGen（本实施方式设置为1000），迭代代数初始化为0，同时输入从路由器数量为N（本实施方式设置为25）并进行编号，全网的总信道数为C（本实施方式设置为6）并进行编号，从路由器i∈N的可用信道集OCi，从路由器i∈N的无线网卡数Ii（本实施方式设置为4），从路由器的功率等级划分Q（本实施方式设置为16）个等级，执行粒子群优化算法的惯性权重因子w设置为2，常数c1与c2分别设置为0~1之间的随机数。
在步骤502，产生粒子群优化算法的初始种群。
在步骤503，种群评价，评价种群中每个粒子的适应值。
在步骤504，粒子资源分配向量与速度分配向量更新。
在步骤505，迭代代数+1，并判断迭代代数是否小于最大迭代代数maxGen，如是，转步骤2-2-3。
在步骤506，结果保存，保存步骤503中最终种群中最好的粒子gbest各维度的值作为跨层优化的最优资源分配值；同时保存该资源分配值下对应的各路由请求的路由路径作为路由的最终配置结果。
图6给出了图5中步骤502产生粒子群优化算法的初始种群的过程，该过程包括步骤601到步骤606。在步骤601，对网络中的从路由器i∈N，分别从从路由器i的可用信道集OCi中为其选择Ii个不同的通信信道，同时从从路由器i的功率等级划分Q中选择Ii个的通信功率等级，如对于1号从路由器，则从1号从路由器当前的6个可用信道中选择4个不同的通信信道作为1号从路由器各个无线网卡的通信信道，同时，从1号从路由器16个功率等级中选择4个通信功率等级作为1号从路由器各个无线网卡的通信功率等级；
在步骤602，对网络中的从路由器i的每一个已分配的信道或功率，初始化与该资源分配相对应的速度值为0。
在步骤603，将所有的从路由器的信道与功率分配结果合并为资源分配向量，作为初始种群中一个可行粒子。
在步骤604，将所有的从路由器的初始速度值合并为速度向量，作为初始种群中一个粒子的初始速度。
在步骤605，将初始种群的完成初始化粒子总数加1。
在步骤606，如果初始种群中完成初始化的粒子总数超过M，则跳出，否则转步骤601。
图7给出了图5中步骤503进行种群评价的过程，该过程包括步骤701到步骤708。在步骤701，选择还未进行评价的粒子。在步骤702，对当前选择的粒子，获取基于该粒子编码方式下为全网所有从路由器分配的信道与功率分配值。在步骤703，基于该信道与功率分配值及全网所有从路由器的坐标，完成拓扑图的构建及各有向链路的有效容量计算。在步骤704，基于计算完链路有效容量的拓扑图，采用线性规划的方法对全网所有路由请求进行优化求解。在步骤705，将步骤704中计算的路由最优值作为粒子的适应值。
在步骤706，判断当前粒子的适应值是否优于该粒子保存的历史最优粒子pbest的适应值，如是，则保存当前的粒子为pbest。在步骤707，判断是否已经评价完种群中的所有粒子，如是，转步骤708，否则转步骤701。在步骤708，从种群中选择具有最好适应值的粒子，并判断该粒子的适应值是否要优于种群保存着的历史最优粒子gbest的评价值，如是，则更新gbest为该粒子。
图8给出了图5中步骤504例子资源分配值与速度值更新的过程。该过程包括步骤801到步骤802。在步骤801，选择还未更新资源分配向量的粒子，同时获取该粒子的历史最优pbest，整个种群保存的历史最优粒子gbest。
在步骤802，根据粒子当前的资源分配向量与pbest，gbest更新粒子的资源分配向量与速度分配向量。
在步骤803，对更新的资源分配向量进行修正，以满足认知无线Mesh网络资源分配的约束条件。图9给出了图2中步骤204的具体过程，该过程包括步骤901至步骤903。在步骤901，业务传输器接收资源分配结果与路径配置结果。在步骤902，业务传输器根据资源分配结果完成通信资源的配置。在步骤903，业务传输器根据路径配置结果与配置的通信资源完成业务的传输。
图10给出了以100us采样速率记录的90ms内业务数据的变化情况。从中可以看到到达终端的业务并不服从均匀变化，需要利用现有的预测工具对业务的短时变化进行预测。
图11为资源分配间隔内到达流量与实际流量预测对比示意图，该图展示了采用小波神经元网络对某一组路由请求在30ms内的连续300组连续到达流量的预测情况，从图中能够看到所采用的预测模型能很好预测资源分配间隔内到达的业务量。从而为执行基于流量预测的跨层优化算法提供支持。
图12为粒子群算法的适应值随代数变化情况示意图。从图12中可见，所设计的算法能够满足所有路由请求接入网络需求，且随着迭代代数的增加，网络中剩余带宽值不断增加，从而能保证更多的路由请求的接入。另外，还能看见700代后，算法性能不再提升，这也证明了所设计的算法能够快速的收敛于最优值。
图13(a)给出了1号从路由器根据配置的通信资源与路径配置结果进行业务传输的过程，其中1号从路由器向2号从路由器通信使用4号信道与9号功率，2号从路由器向3号从路由器通信使用6号信道与1号功率。与之类似，图13(b)到图13(f)则分别给出了12、3、8、20、19号从路由器的业务传输过程。同时可看到，所有路由器的最终资源分配均满足认知无线Mesh网络信道接口约束条件，即每个从路由器同时使用的信道数小于其无线网卡数。
图14为不同数量通信流下传输延迟对比示意图。该图示意了本算法与传统基于单独信道分配算法在不同数量通信流下，平均传输延迟的性能对比情况。其中信道优化算法需要完成全网链路的信道分配后，采用最短路径算法完成业务的传输，但由于传统算法没有考虑负载差异与业务变化情况，当网络流量增加时，传输延迟会急剧增加。本文算法能够在业务请求时预测未来的流量情况，并且在资源分配过程中引入功率控制机制，并通过对路由、信道分配及功率选择进行跨层协同优化，能大大提高网络的有效容量，有效避免网络拥塞，具有更短的平均传输延时。
虽然以上描述了本发明的具体实施方式，但是本领域内的熟练的技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变更或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。
Claims (9)
1.一种面向认知无线Mesh网络的路由优化装置，将该网络中的一个路由器作为用于资源分配的中心路由器，其他从路由器与中心路由器进行通讯，其特征在于：
所述的从路由器内设置有资源分配器和业务传输器，其中：
业务请求器(102)：用于向资源分配器(101)发起路由请求、报告从路由器监控的可用信道集；
业务传输器(103)：用于接收资源分配器(101)的资源分配结果与路径配置结果，完成通信资源的配置，并根据配置的通信资源完成业务的传输；
所述的中心路由器内设置有：
资源分配器(101): 用于接收各业务请求器(102)发送的路由请求和可用信道集情况，完成全网通信资源的配置，并将资源配置消息发送给各业务请求器(102)。
2.根据权利要求1所述的路由优化装置，其特征在于：所述的资源分配器(101)，包括：
路由请求接收器(1012)：用于接收各业务请求装置发送的路由请求；
信道状态接收器(1013)：用于接收各业务请求装置发送的可用信道情况；
跨层路由优化器(1015)：用于根据接收的路由请求、可用信道完成全网通信资源的分配与各路由请求的路径配置，并将资源分配结果与路径配置结果发送给资源配置发送器(1014)；
资源配置发送器(1014)：用于接收跨层路由优化器的资源分配结果与路径配置结果，并将接收的内容发送给业务传输器(103)。
3.根据权利要求1所述的路由优化装置，其特征在于：所述的业务请求器(102)包括：
业务读取器(104)：用于读取从路由器当前存储的待发送的业务流量；
业务流量预测器(105)：用于预测资源等待分配时间间隔内到达的业务流量；
路由请求发送器(106)：把读取的业务流量及预测的业务预测量相加作为总的业务请求量，并向资源分配器发起路由请求；
空闲信道监控器(107)：用于实时监控从路由器当前可用的信道集，并将可用信道集发送给信道状态发送器(108)；
信道状态发送器(108)：用于接收空闲信道监控器(107)的可用信道状态，并向资源分配器(101)中的信道状态接收器(1013)发送信道情况。
4.根据权利要求1所述的路由优化装置，其特征在于：所述的业务传输装置(103)，包括：
资源配置接收器(109)：用于接收资源分配器(101)的资源分配结果与路径配置结果；
资源配置器(1010)：用于根据资源分配结果完成从路由器中通信资源的配置，主要包括从路由器各无线网卡通信信道与通信功率的配置；
业务传输器(1011)：用于根据路径配置结果与配置的通信资源完成业务的传输。
5.一种面向认知无线Mesh网络的路由优化方法，其特征在于：包括以下步骤：
步骤1：各从路由器内的业务请求器根据当前时刻实际的业务量与预测的业务量向中心路由器内的资源分配器发起路由请求；在业务请求的同时，采用捎带的方式向中心路由器内的资源分配器发送从路由器感知的信道占有情况，具体包括以下步骤：
步骤1-1：业务量读取，各从路由器分别读取当前时刻各自业务请求队列中待发送的业务量；
步骤1-2：业务流量预测，各从路由器分别预测在各自资源分配的间隔时间内到达的总体业务量；在忽视资源请求与资源分配结果的传输时间的前提下，资源分配的时间间隔T为：
T=t1+t2
其中，t1为中心路由器第一定时器设置的时间间隔，为接收所有路由请求与信道占用情况的时间，t2为中心路由器第二定时器设置的时间间隔，为执行基于粒子群的跨层优化方法的时间；
步骤1-3：路由请求计算与发送，各从路由器分别把各自当前业务请求队列中的业务量与预测的总业务量相加，并把相加后的业务量作为路由请求，分别发送给中心路由器上的资源分配器；
步骤1-4：信道状态监控与发送，各从路由器感知当前时刻各自的可用的信道集，并把感知可用的信道集通过捎带的方式分别发送给中心路由器上的资源分配器；
步骤2：中心路由器进行资源分配，接收当前所有的从路由器的业务请求及可用信道集，执行资源分配方法，为所有业务请求分配通信资源及配置路由路径；
所述的资源分配方法包括以下步骤：
步骤2-1：在第一定时器设置的时间间隔t1内接收并保存各从路由器发送来的业务请求与信道空闲与占用情况；
步骤2-2：根据接收的业务请求与信道占有情况，在第二定时器设定的时间间隔t2内执行基于粒子群的跨层路由优化方法，计算出令用户满意的最优的路由路径及各路径上配置的信道与功率；
步骤2-3：中心路由器内的资源分配器将资源分配结果与路径配置结果发送给各从路由器的业务传输器；
步骤3：各从路由器内的业务传输器接收资源分配结果与路径配置结果，完成通信资源的配置，并根据配置的通信资源完成业务的传输，包括以下步骤：
步骤3-1：业务传输器接收资源分配结果与路径配置结果；
步骤3-2：业务传输器根据资源分配结果完成通信资源的配置；
步骤3-3：业务传输器根据路径配置结果与配置的通信资源完成业务的传输。
6.根据权利要求5所述的面向认知无线Mesh网络中路由优化方法，其特征在于：步骤2-2所述的基于粒子群的跨层路由优化方法，包括以下步骤：
步骤2-2-1：设置种群规模M，最大进化代数maxGen，迭代代数初始化为0，同时输入从路由器数量为N并进行编号，全网的总信道数为C并进行编号，从路由器i∈N的可用信道集OCi，从路由器i∈N的无线网卡数Ii，从路由器的功率等级划分Q个等级，执行粒子群优化算法的惯性权重因子w，常数c1与c2；
步骤2-2-2：产生粒子群优化算法的初始种群；
步骤2-2-3：种群评价，评价种群中每个粒子的适应值；
步骤2-2-4：粒子资源分配向量与速度分配向量更新；
步骤2-2-5：迭代代数+1，并判断迭代代数是否小于最大迭代代数maxGen，如是，转步骤2-2-3；
步骤2-2-6：结果保存，保存步骤2-3-3中最终种群中最好的粒子gbest各维度的值作为跨层优化的最优资源分配值；同时保存该资源分配值下对应的各路由请求的路由路径作为路由的最终配置结果。
7.根据权利要求6所述的面向认知无线Mesh网络中路由优化方法，其特征在于：步骤2-2所述的产生粒子群优化算法初始种群，包括以下步骤：
步骤2-2-2-1：对网络中的从路由器i∈N，分别从从路由器i的可用信道集OCi中为其选择Ii个不同的通信信道，同时从从路由器i的功率等级划分Q中选择Ii个的通信功率等级；
步骤2-2-2-2：对网络中的从路由器i的每一个已分配的信道或功率，初始化与该资源分配相对应的速度值为0；
步骤2-2-2-3：将所有的从路由器的信道与功率分配结果合并为资源分配向量，作为初始种群中一个可行粒子；
步骤2-2-2-4：将所有的从路由器的初始速度值合并为速度向量，作为初始种群中一个粒子的初始速度；
步骤2-2-2-5：将初始种群的完成初始化粒子总数加1；
步骤2-2-2-6：如果初始种群中完成初始化的粒子总数超过M，则跳出，否则转步骤2-2-2-1。
8.根据权利要求6所述的面向认知无线Mesh网络中路由优化方法，其特征在于：步骤2-2-3所述的种群评价、评价种群中每个粒子的适应值，包括以下步骤：
步骤2-2-3-1：选择还未进行评价的粒子；
步骤2-2-3-2：对当前选择的粒子，获取基于该粒子编码方式下为全网所有从路由器分配的信道与功率分配值；
步骤2-2-3-3：基于该信道与功率分配值及全网所有从路由器的坐标，完成拓扑图的构建及各有向链路的有效容量计算，具体为，
（1）构建网络拓扑图；
（2）选择拓扑图中一条未计算有效容量的有向链路；
（3）计算该有向链路的有效容量，其计算步骤包括：
步骤a、判断有向链路两个从路由器间是否包含有相同信道，如两个从路由器间没有相同信道，则该有向链路的有效容量为0，否则转步骤b；
步骤b、如果两个从路由器间存在相同的信道数量，且相同信道的数量为1，则根据采样信号噪声干扰比SINR模型计算该有向链路的有效容量；
步骤c、如果两个从路由器间存在相同的信道数量，且相同信道的数量超过1，则分别对各条相同的信道与相应的功率分配值采用SINR模型计算有效容量，并把所有的计算的有效容量相加，作为两个从路由器间有向链路的最终有效容量；
（4）判断是否已经为拓扑图中所有的有效链路计算完有效容量，如是，跳出，否则转步骤（2）；
步骤2-2-3-4：基于计算完链路有效容量的拓扑图，采用线性规划的方法对全网所有路由请求进行优化求解，具体为：
（1）获取步骤2-1中保存的所有的路由请求；
（2）采用线性规划的方法计算网络中能获得的最优值，具体为：
a、根据拓扑图中有向链路的连通性与路由需求中的源从路由器节点生成线性规划的优化目标；
b、根据拓扑图中有向链路的连通性，及各从路由器的流量守恒原理生成线性规划的等式约束条件；
c、根据输入的各有向链路的有效容量，生成线性规划的不等式约束条件；
d、采用标准的线性规划方法求解优化目标的最优值与对应的最优路由路径；
步骤2-2-3-5：将步骤2-3-3-4中计算的路由最优值作为粒子的适应值；
步骤2-2-3-6：判断当前粒子的适应值是否优于该粒子保存的历史最优粒子pbest的适应值，如是，则保存当前的粒子为pbest，否则转步骤2-3-3-6；
步骤2-2-3-7：判断是否已经评价完种群中的所有粒子，如是，转步骤2-2-3-8，否则转步骤2-2-3-1；
步骤2-2-3-8：从种群中选择具有最好适应值的粒子，并判断该粒子的适应值是否要优于种群保存着的历史最优粒子gbest的评价值，如是，则更新gbest为该粒子。
9.根据权利要求6所述的面向认知无线Mesh网络中路由优化方法，其特征在于：步骤2-2-4所述的粒子资源分配向量与速度分配向量更新，包括以下步骤：
步骤2-2-4-1：选择还未更新资源分配向量的粒子，同时获取该粒子的历史最优pbest，整个种群保存的历史最优粒子gbest；
步骤2-2-4-2：根据粒子当前的资源分配向量与pbest，gbest更新粒子的资源分配向量与速度分配向量，具体为：
（1）速度分配向量维度与资源分配向量维度更新，对于粒子中速度分配向量的每一维度vi与资源分配向量的每一维度xi，按照如下方式对其进行更新
vi=w*vi+c1*rand(1,1)*(pbesti-xi)+c2*rand(1,1)*(gbesti-xi)
xi=xi+vi
其中，xi为粒子资源分配向量的第i维度值；pbesti为该粒子历史最优值的第i维度值；gbesti为全局最优粒子的第i维度值；w为初始时输入的惯性权重因子；c1，c2为初始输入的常数，rand(1,1)为0到1区间的随机数，vi为该粒子位置分配向量第i维度值；
（2）对维度xi进行修正，以满足认知无线Mesh网络资源分配的约束条件，具体为：
a．判断对应维度的值是否为信道分配量，如是，则执行xi=mod(xi,|C|)，即将新获得的信道分配量对全网的总信道数C取模，使分配的信道在最小与最大可用信道之间；否则转步骤d；
b．如果新获得的资源分配量为认知网络中主授权用户占有的信道，则重新随机选择可用的信道；
c. 如果新获得的资源分配量与该从路由器已分配的信道相同，则重新随机选择可用的信道；
d．对应该维度的值为功率分配量，则执行xi=mod(xi,|Q|)，即将新获得的功率分配量对全网所有的功率分配等级Q取模，使分配的功率在最小与最大功率等级之间；
（3）判断是否已经更新完所有粒子的资源分配值与速度值，转步骤2-2-5，否则转步骤2-2-4-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310014651.1A CN103096415B (zh) | 2013-01-15 | 2013-01-15 | 一种面向认知无线Mesh网络的路由优化装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310014651.1A CN103096415B (zh) | 2013-01-15 | 2013-01-15 | 一种面向认知无线Mesh网络的路由优化装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103096415A true CN103096415A (zh) | 2013-05-08 |
| CN103096415B CN103096415B (zh) | 2015-04-22 |
Family
ID=48208401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310014651.1A Expired - Fee Related CN103096415B (zh) | 2013-01-15 | 2013-01-15 | 一种面向认知无线Mesh网络的路由优化装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103096415B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103401625A (zh) * | 2013-08-23 | 2013-11-20 | 西安电子科技大学 | 基于粒子群优化算法的协作频谱感知优化方法 |
| CN103826219A (zh) * | 2014-03-11 | 2014-05-28 | 山东大学 | 一种保证时延QoS要求的保密系统功率分配方法 |
| CN103857044A (zh) * | 2014-02-25 | 2014-06-11 | 中国矿业大学 | 应用于2.4GHz链状无线Mesh网络的无线AP组 |
| CN105430706A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于改进粒子群算法的无线传感网络路由优化方法 |
| CN107343303A (zh) * | 2017-07-10 | 2017-11-10 | 东北大学 | 无线Mesh网络中基于对偶分解的路由优化方法 |
| CN107454608A (zh) * | 2016-05-30 | 2017-12-08 | 北京信威通信技术股份有限公司 | Mesh网络的升级方法及装置 |
| CN108496391A (zh) * | 2015-11-20 | 2018-09-04 | 布鲁无线科技有限公司 | 无线网格通信网络的路由 |
| CN108777805A (zh) * | 2018-05-17 | 2018-11-09 | 北京奇艺世纪科技有限公司 | 一种非法访问请求的检测方法、装置、中控服务器及系统 |
| CN108809691A (zh) * | 2017-04-28 | 2018-11-13 | 波音公司 | 延迟和中断容忍网络中的通信业务优化和模糊化 |
| CN110011863A (zh) * | 2019-05-05 | 2019-07-12 | 北京思特奇信息技术股份有限公司 | 一种网络带宽资源均衡调度方法及装置 |
| CN111210361A (zh) * | 2019-12-30 | 2020-05-29 | 国网江苏省电力有限公司信息通信分公司 | 基于可靠性预测和粒子群优化的电力通信网路由规划方法 |
| CN114143189A (zh) * | 2021-11-23 | 2022-03-04 | 郑州龙兴物联科技有限公司 | 一种wifi6设备的批量监管系统 |
| WO2023116082A1 (zh) * | 2021-12-24 | 2023-06-29 | 中兴通讯股份有限公司 | 数据传输方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1566929A1 (en) * | 2004-02-18 | 2005-08-24 | NTT DoCoMo, Inc. | Packet transmission system, wireless basestation, and route optimization method for packet transmission |
| CN101635974A (zh) * | 2009-09-09 | 2010-01-27 | 东南大学 | 自组织认知无线网络路由选择方法 |
| CN101848522A (zh) * | 2010-05-04 | 2010-09-29 | 中国人民解放军信息工程大学 | Underlay认知无线Mesh网络信道分配方法 |
-
2013
- 2013-01-15 CN CN201310014651.1A patent/CN103096415B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1566929A1 (en) * | 2004-02-18 | 2005-08-24 | NTT DoCoMo, Inc. | Packet transmission system, wireless basestation, and route optimization method for packet transmission |
| CN101635974A (zh) * | 2009-09-09 | 2010-01-27 | 东南大学 | 自组织认知无线网络路由选择方法 |
| CN101848522A (zh) * | 2010-05-04 | 2010-09-29 | 中国人民解放军信息工程大学 | Underlay认知无线Mesh网络信道分配方法 |
Non-Patent Citations (3)
| Title |
|---|
| TUAN HOANG,YING-CHANG LIANG,MD HABIBUL ISLAM: "power control and channel allocation in cognitive radio networks with primary users’ cooperation", 《IEEE TRANSACTIONS ON MOBILE COMPUTING》, vol. 9, no. 3, 31 March 2010 (2010-03-31) * |
| 宋继光，秦勇，史健芳等: "粒子群算法及其在路由优化中的研究", 《计算机工程与设计》, vol. 31, no. 9, 31 December 2010 (2010-12-31) * |
| 黄浩军，胡广岷，于富财: "一种基于跨层功率控制的Ad hoc网络路由算法", 《计算机应用研究》, vol. 28, no. 5, 31 May 2011 (2011-05-31) * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103401625A (zh) * | 2013-08-23 | 2013-11-20 | 西安电子科技大学 | 基于粒子群优化算法的协作频谱感知优化方法 |
| CN103401625B (zh) * | 2013-08-23 | 2015-04-08 | 西安电子科技大学 | 基于粒子群优化算法的协作频谱感知优化方法 |
| CN103857044A (zh) * | 2014-02-25 | 2014-06-11 | 中国矿业大学 | 应用于2.4GHz链状无线Mesh网络的无线AP组 |
| CN103826219A (zh) * | 2014-03-11 | 2014-05-28 | 山东大学 | 一种保证时延QoS要求的保密系统功率分配方法 |
| CN103826219B (zh) * | 2014-03-11 | 2017-08-01 | 山东大学 | 一种保证时延QoS要求的保密系统功率分配方法 |
| CN105430706A (zh) * | 2015-11-03 | 2016-03-23 | 国网江西省电力科学研究院 | 一种基于改进粒子群算法的无线传感网络路由优化方法 |
| CN105430706B (zh) * | 2015-11-03 | 2018-11-27 | 国网江西省电力科学研究院 | 一种基于改进粒子群算法的无线传感网络路由优化方法 |
| CN108496391B (zh) * | 2015-11-20 | 2022-05-10 | 布鲁无线科技有限公司 | 无线网格通信网络的路由 |
| CN108496391A (zh) * | 2015-11-20 | 2018-09-04 | 布鲁无线科技有限公司 | 无线网格通信网络的路由 |
| CN107454608A (zh) * | 2016-05-30 | 2017-12-08 | 北京信威通信技术股份有限公司 | Mesh网络的升级方法及装置 |
| CN108809691A (zh) * | 2017-04-28 | 2018-11-13 | 波音公司 | 延迟和中断容忍网络中的通信业务优化和模糊化 |
| CN108809691B (zh) * | 2017-04-28 | 2022-10-18 | 波音公司 | 用于通信优化的方法、系统和计算机可读存储介质 |
| CN107343303B (zh) * | 2017-07-10 | 2019-11-01 | 东北大学 | 无线Mesh网络中基于对偶分解的路由优化方法 |
| CN107343303A (zh) * | 2017-07-10 | 2017-11-10 | 东北大学 | 无线Mesh网络中基于对偶分解的路由优化方法 |
| CN108777805A (zh) * | 2018-05-17 | 2018-11-09 | 北京奇艺世纪科技有限公司 | 一种非法访问请求的检测方法、装置、中控服务器及系统 |
| CN110011863A (zh) * | 2019-05-05 | 2019-07-12 | 北京思特奇信息技术股份有限公司 | 一种网络带宽资源均衡调度方法及装置 |
| CN111210361A (zh) * | 2019-12-30 | 2020-05-29 | 国网江苏省电力有限公司信息通信分公司 | 基于可靠性预测和粒子群优化的电力通信网路由规划方法 |
| CN111210361B (zh) * | 2019-12-30 | 2021-07-13 | 国网江苏省电力有限公司信息通信分公司 | 基于可靠性预测和粒子群优化的电力通信网路由规划方法 |
| CN114143189A (zh) * | 2021-11-23 | 2022-03-04 | 郑州龙兴物联科技有限公司 | 一种wifi6设备的批量监管系统 |
| CN114143189B (zh) * | 2021-11-23 | 2024-02-20 | 郑州龙兴物联科技有限公司 | 一种wifi6设备的批量监管系统 |
| WO2023116082A1 (zh) * | 2021-12-24 | 2023-06-29 | 中兴通讯股份有限公司 | 数据传输方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103096415B (zh) | 2015-04-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103096415B (zh) | 一种面向认知无线Mesh网络的路由优化装置及方法 | |
| Hasan et al. | Distributed resource allocation in 5G cellular networks | |
| CN111124531B (zh) | 一种车辆雾计算中基于能耗和延迟权衡的计算任务动态卸载方法 | |
| CN105813218B (zh) | 无线自组织网络的业务调度方法 | |
| EP3222092B1 (en) | Method for managing communication between a plurality of moving objects | |
| CN105009475A (zh) | 考虑到用户设备(ue)移动性的用于准入控制和资源可用性预测的方法和系统 | |
| CN104584627B (zh) | 一种网络资源控制方法、装置和系统 | |
| CN110868705B (zh) | 一种社会感知的基于多跳机会式d2d通信的内容分发方法 | |
| CN101626575B (zh) | 无线Mesh回程网中进行频率规划的方法、装置及系统 | |
| CN102665282A (zh) | 无线异构网络多用户并行传输资源的分配方法 | |
| CN103024921A (zh) | 一种基于cqi反馈参数和sinr数值分组的调度方法 | |
| CN114827191B (zh) | 一种车路协同系统中融合noma的动态任务卸载方法 | |
| CN103888976A (zh) | 一种联合网络调度和路由的链路选择方法 | |
| Mekki et al. | Vehicular cloud networking: evolutionary game with reinforcement learning-based access approach | |
| CN111526526B (zh) | 基于服务混搭的移动边缘计算中的任务卸载方法 | |
| CN114928611B (zh) | 一种基于IEEE802.11p协议的车联网节能计算卸载优化方法 | |
| Zhao et al. | Network cost minimization for mobile data gathering in wireless sensor networks | |
| CN104883727B (zh) | 蜂窝异构网络中d2d用户速率最大化的功率分配方法 | |
| CN109788540A (zh) | D2d系统中基于能量采集的功率控制和信道分配方法 | |
| Rani et al. | Energy efficient protocol for densely deployed homogeneous network | |
| CN104994582A (zh) | 基于串行干扰消除和功率控制的无线网络调度方法 | |
| CN104822150B (zh) | 中心多跳认知蜂窝网络中的信息主动缓存的频谱管理方法 | |
| CN104754589A (zh) | 基于流量感知的动态组网方法 | |
| Paymard et al. | Task scheduling based on priority and resource allocation in multi-user multi-task mobile edge computing system | |
| CN103945545B (zh) | 一种异构网络资源优化方法 |
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: 20150422 Termination date: 20160115 |
|
| EXPY | Termination of patent right or utility model |