CN103108397A - 基于粒子群的无线Mesh网快速信道分配方法 - Google Patents
基于粒子群的无线Mesh网快速信道分配方法 Download PDFInfo
- Publication number
- CN103108397A CN103108397A CN2013100751330A CN201310075133A CN103108397A CN 103108397 A CN103108397 A CN 103108397A CN 2013100751330 A CN2013100751330 A CN 2013100751330A CN 201310075133 A CN201310075133 A CN 201310075133A CN 103108397 A CN103108397 A CN 103108397A
- Authority
- CN
- China
- Prior art keywords
- channel
- population
- conflict
- channel allocation
- particle
- 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
- Mobile Radio Communication Systems (AREA)
Abstract
基于粒子群的无线Mesh网快速信道分配方法。属于无线Mesh组网通信和信道分配技术领域。本发明提供一种面对复杂干扰环境下,更快、更优化的基于粒子群优化的无线Mesh网的信道分配方法。按以下步骤进行,1)、初始化各个参数;2)、速度和位置的更新;3)、判断迭代次数是否超过阈值;4)、更新比较判断;5)、找到满足条件的信道分配方案,完毕;6)、未找到满足条件的信道分配方案,结束。本发明的有益效果是:一、可以减少粒子群的迭代次数,使链路较快的得到合适的信道。二、通过追随当前搜索到的最优值来寻找全局最优,在有效的迭代次数内可以很快的找到合适的信道。
Description
技术领域
本发明属于无线Mesh组网通信和信道分配技术领域,具体涉及一种基于无线Mesh网的快速信道分配方法。
背景技术
无线Mesh网络(Wireless Mesh Network,简称WMN)作为新兴的无线网络体系结构,以其特有的优势,自组织、自适应的组网方式,提供快捷、稳定的通信带宽,从而更好地满足社会的需求。而对于无线Mesh网络的信道分配(Channel Assignment)则是一个非常具有挑战性的问题,即对WMN中的单个节点上每个无线接口,分配合适的信道,以提高节点吞吐量,改善网络整体性能,充分利用频谱资源,使其无冲突的传输数据。
在实际生活中,人们经常会遇到一个问题有多个解决方案的情况,如何在满足约束条件下选择一个最优的方案,这就是最优化问题。经典的优化方法大多数是针对某些特定问题的,对搜索空间的要求比较严格,求解问题的依赖性较高,有的还需要被优化问题的导数信息。随着科学和技术的不断发展,优化问题也变得异常复杂,有的问题根本无法用函数表达,对于这类问题,采用传统方法,很难获得满意的结果。因此需要进一步的研究和探索新的优化思想和优化方法。
国家知识产权局2012-2-15公布的CN102355670A,名称:一种多信道无线mesh网络信道分配方法,针对网络干扰较大、网络性能较差的不足,提出一种混合信道分配方法,以充分利用IEEE提供的多个非重叠信道,降低节点之间的干扰,提高吞吐量等网络性能。通过计算节点干扰度,将节点的通信世界分为广播时隙和数据时隙,建立一个通讯周期,分别发送相应的数据包。最终较好地解决了动态变化网络中网络连接性和干扰之间的平衡问题,降低了干扰度,改善了吞吐量、时延等网络性能。
国家知识产权局2012-12-12公布的CN102821394A,名称:无线mesh网络中的信道分配方法及装置,出于提高无线信道资源利用率,减少网络干扰,提高网络容量,平衡信道分配的公平性的目的,提出了一种通过对划分的mesh小区预分配信道集合,在一定的时隙周期,采用时隙信道分配方法,将信道集合中的信道分配mesh小区的相关链路,进而实现上述目的。
《微电子学与计算机》于2011-1刊印了名称“基于自适应粒子群算法的目标定位方法研究”,作者:姚金杰、韩焱。介绍了一种在迭代过程中指数更新惯性权重,择优选择粒子,并根据种群适应度方差值自适应地调整变异概率的大小,增强算法跳出局部最优的能力。仿真结果表明该方法能有效地提高目标的定位精度,在随即噪声干扰下,仍能保持较高的定位精度。
但上述文献对于如何尽快地投入合适的信道,进而最优化地实现链接则没有提出较理想的解决方案。
发明内容
本发明的目的在于提供一种面对复杂干扰环境下,更快、更优化的基于粒子群优化的无线Mesh网的信道分配方法。
本发明所采用的技术方案是:按以下步骤进行,
1)、初始化各个参数;设信道数是K,粒子群数为N,网络拓扑为G,所述网络拓扑G的邻域拓扑在冲突域为一跳时为Gc,所述网络拓扑G有E条边,设定最大迭代次数阈值;根据前述设定条件,粒子群初始化为E×N的矩阵,而每个粒子根据信道数的范围初始化为E×1的矩阵;随机产生的矩阵即为初始化的随机信道分配方式,在地址空间中随机选择一个坐标为粒子群的初始位置;
2)、速度和位置的更新;采用迭代算法进行粒子群速度和位置的更新;当目前给出的信道不满足冲突度最小的话,就要对粒子群根据迭代方法进行速度和位置的更新;用粒子群优化算法进行信道分配的目的是找到合适的信道,所为合适就是首先确保信道无冲突,其次还要使信道的利用率提高;
3)、判断迭代次数是否超过阈值,是,则转步骤6;否则,进行冲突域的判断,就要看它是否满足特定范围内节点所分配信道互相不冲突的约束条件,粒子群相互学习后确定更新方向和速度,进行粒子群位置更新;粒子的新位置变换后,判断所述粒子是否满足约束条件;所述约束条件为观测信道是否发生冲突,防止产生同道干扰和邻道干扰,主要通过所述冲突邻域矩阵Gc来判断,当发生冲突时信道为0,同时定义一个冲突度数;采用冲突度数作为选择最佳信道分配方式的依据;
4)、更新比较判断;每个粒子判断自己是否达到最佳速度和位置,判断是否满足条件,若不满足,记录当前的空间位置,迭代次数加1,转步骤3;若满足,继续;
5)、找到满足条件的信道分配方案,完毕;
6)、未找到满足条件的信道分配方案,结束。
步骤3)中冲突的判断采用一flag矩阵,所述flag矩阵为当每发生一次冲突,对应的冲突度数就加十;经过若干次迭代之后,最终选择冲突度为0的信道分配方式进行分配,即可达到优化的目的。
本发明冲突域的构建主要参考无线电波信道之间的干扰情况。通过追随当前搜索到的最优值来寻找全局最优,在有效的迭代次数内可以很快的找到合适的信道。本发明的有益效果是:一、在经典的信道分配算法上研究了一种基于粒子群优化的无线Mesh网的信道分配方法,并对其迭代次数和粒子群的数目进行了分析。粒子群优化算法(PSO)是近年来发展起来的一种新的进化算法,大大降低了计算复杂度。在信道分配方面收敛速度是最快的,无冲突,动态的指导信道的分配,且在适当的范围内增大粒子群的数目,可以减少粒子群的迭代次数,使链路较快的得到合适的信道。二、通过追随当前搜索到的最优值来寻找全局最优,在有效的的迭代次数内可以很快的找到合适的信道。另外粒子群优化算法的参数较少,参数的调整和设置较为方便,易于实施。
附图说明
图1为本发明所使用的网络拓扑一;
图2为本发明中网络拓扑一所对应的邻域拓扑图(各个链路之间的冲突关系);
图3为本发明所使用的网络拓扑二图;
图4为本发明中网络拓扑二所对应的邻域拓扑图(各个链路之间的冲突关系);
图5为本发明所使用的基于粒子群优化的无线Mesh的信道分配方法的流程图。
图中a~e为各节点,1~7为边。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
粒子群优化算法主要是通过迭代来找到信道分配问题的最优解,因此基于粒子群优化的无线Mesh网信道分配方法也是根据粒子群优化算法的步骤通过一步一步找到各个链路上最合适的信道。粒子群算法它是通过各个粒子的迭代来找到的,同样在信道分配时,也是通过粒子来找到合适的信道。基于粒子群的无线Mesh网快速信道分配方法,按以下步骤进行:
步骤1:初始化各个参数;信道数是K,粒子群数为N,网络拓扑为G,它的邻域拓扑(冲突域为一跳)为Gc,G有E条边,设定最大迭代次数阈值。根据上面的假设条件,粒子群初始化就为E*N的矩阵,而每个粒子根据信道数的范围初始化为E*1的矩阵;这里产生的矩阵即为初始化的随机信道分配方式,在地址空间中随机选择一个坐标为粒子群的初始位置;
步骤2:迭代开始(速度和位置的更新);本发明采用迭代算法进行粒子群速度和位置的更新。即就是若目前给出的信道不满足冲突度最小的话,就要对粒子群(信道分配给出的方法)根据迭代方法进行速度和位置的更新。需要注意的是:用粒子群优化算法进行信道分配的目的是找到合适的信道,所为合适就是首先确保信道无冲突,其次还要使信道的利用率提高;
速度更新要根据实际情况来进行选择,粒子要朝着比较适合信道的方向去选择,比如当此时两个节点的链路发生了冲突时,即信道为0时,这时速度只能为0、1或2,当信道为1时这时我们就可以为-1、0、1或2了,以此类推。速度的最大范围在[-2,2]中,根据实际情况来决定。
步骤3:判断迭代次数是否超过阈值,是,则转步骤6;否则,进行冲突域的判断;就要看它是否满足特定范围内节点所分配信道互相不冲突的约束条件,粒子群相互学习后确定更新方向和速度,进行粒子群位置更新。在这里所谓的约束条件主要就是看信道是否会发生冲突,防止它产生同道干扰和邻道干扰,主要通过此前说过的冲突邻域矩阵c来判断,当它发生冲突时不仅此时的信道为0,而且此时可以同时定义一个冲突度数。本发明中采用的是一个名为flag的矩阵,当每发生一次冲突,它对应的冲突度数就加十。定义这样一个冲突度数的作用,是为后面判断最合适的信道数做一选择,最终选择冲突度为0的信道分配方式作为最优选择。
步骤4:更新比较判断。每个粒子判断自己是否达到最佳速度和位置,判断是否满足条件,若满足转步骤5;若不满足,记录当前的空间位置,迭代次数加1,转步骤3。
步骤5:找到满足条件的信道分配方案,完毕。
步骤6:未找到满足条件的信道分配方案,结束。
本发明所采用的基于粒子群优化的无线Mesh的信道分配方法流程图如图5所示。
下面结合具体实施例进一步说明本发明:
本发明中采用两个网络拓扑,拓扑一的网络矩阵为G1,邻域矩阵拓扑Gc1如图1、2所示。拓扑二的网络矩阵为G2,邻域矩阵为Gc2,拓扑图如图3、4所示。
拓扑一用矩阵表示为:
G1=[0 1 1 1 0;1 0 1 1 0;1 1 0 0 1;1 1 0 0 1;0 0 1 1 0]
Gc1=[0 1 0 1 0 1 1;1 0 1 0 0 0 1;0 1 0 1 0 1 0;1 0 1 0 1 1 0;0 0 1 1 0 1 1;1 0 0 1 1 0 1;1 1 0 0 1 1 0]
拓扑二用矩阵表示为:
G2=[0 0 0 1 1;0 0 1 1 1;0 1 0 1 0;1 1 1 0 1;1 1 0 1 0]
Gc2=[0 1 0 0 1 0 0;1 0 1 1 1 1 0;0 1 0 1 0 1 1;0 1 1 0 1 1 1;1 1 0 1 0 0 1;1 1 1 1 0 0 0;0 0 1 1 1 0 0]
就这样通过粒子群的迭代再加上信道分配的约束条件,最终总会在有限的迭代次数内找到合适的信道。
由于初始化的过程是随机的,同时在速度的更新中它也是在一定的范围内随机的选择,因此它的结果也是随机的。
下面就信道某次分配的结果做一分析:
1)单个结果的分析
此次采用粒子群数目为10,拓扑1,拓扑2的信道数均假设为5,最大迭代次数为100。具体实施过程如下:
步骤1:初始化各个参数;此时信道数是K=5,粒子群数为N=10,网络拓扑为G,由5个通信结点组成,它的邻域拓扑(冲突域为一跳)为Gc,G有E条边,其中E=7。根据上面的假设条件,粒子群初始化就为7*5的矩阵,而每个粒子根据信道数的范围初始化为7*1的矩阵,在地址空间中随机选择一个坐标为粒子群的初始位置;
步骤2:迭代开始(速度和位置的更新);本发明采用迭代算法进行粒子群速度和位置的更新。
步骤3:判断迭代次数是否超过阈值,是,则转步骤6;否则,进行冲突域的判断,就要看它是否满足特定范围内节点所分配信道互相不冲突的约束条件,粒子群相互学习后确定更新方向和速度,进行粒子群位置更新。
步骤4:更新比较判断。每个粒子判断自己是否达到最佳速度和位置,判断是否满足条件,若满足转步骤5;若不满足,记录当前的空间位置,迭代次数加1,转步骤3。
步骤5:找到满足条件的信道分配方案,完毕。
步骤6:未找到满足条件的信道分配方案,结束。
下面就算法的结果做一简要的分析。
拓扑一的算法结果如下:
表1拓扑一信道分配结果
链路 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
信道 | 3 | 1 | 2 | 5 | 3 | 4 | 2 |
它此次的迭代次数是1就可达到信道分配的要求,而且信道分配的结果是无冲突的,其中flag(3)=0,其中3表示是第3个粒子较先达到要求的,且它的冲突度为0,且这是通过比较才选择粒子3的,因为它此次的结果既满足信道分配无冲突,又是冲突度最小的。
拓扑2的算法结果如下:
表2拓扑二的信道分配结果
链路 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
信道 | 4 | 2 | 3 | 1 | 5 | 5 | 2 |
它此次的迭代次数是1就可以达到信道分配的要求,而且信道分配的结是无冲突的,其中flag(7)=0,7表示是第7个粒子较先达到要求,且冲突度为0,且这是通过比较才选择粒子7的。因为它此次的结果既满足信道分配无冲突,又是冲突度最小的。
2)下面就迭代次数与粒子群数目的关系做一综合分析
如下两个表分别是拓扑a、拓扑b的迭代有效次数与粒子群数目的对比表,现在就通过这两个表来做一分析。
表3拓扑一迭代有效次数与粒子群数目的关系表
表4拓扑二迭代有效次数与粒子群数目的关系表
通过表3、表4的对比可得到如下结论:
对于目前用的简单拓扑,通过多次运行程序,可以发现有效迭代次数几乎在不超过20的情况下,均能实现信道的有效分配,这说明粒子群优化算法的收敛很快,算法很高效,对于信道分配来说,粒子群优化算法的是很有优势的。当粒子群的数目为100时,可以发现不管是拓扑a还是拓扑b,几乎一次就可以得到信道分配的结果,这同时也说明了粒子群数目多时,出现适合无冲突的信道分配的概率大些,因此可以利用这一原理,适当的增加粒子群的数目,来解决一些比较复杂的拓扑。
在这个的算法的实现中,通过对两个表的综合观察比较发现当粒子群数目增大时,就更容易实现信道的分配,即随着粒子群数目的增大,所需的有效迭代次数就越少。
本发明在基于其它信道分配方法的基础上结合粒子群优化算法和无线Mesh网络的特点给出了一种基于粒子群优化的无线Mesh网信道分配算法。通过分析比较可以得出以下结论:在适当的范围内增大粒子群数可以相应的减少粒子群的有效迭代次数;在一定迭代次数内总可以找到正确的信道分配结果。尤其在无线紫外光作用网络通讯信号载体时,对于保障信号质量、优化网络拓扑控制方案,进而更快、更好地实现信道分配具有积极的意义和显著的效果。
Claims (2)
1.基于粒子群的无线Mesh网快速信道分配方法,其特征在于,按以下步骤进行,
1)、初始化各个参数;设信道数是K,粒子群数为N,网络拓扑为G,所述网络拓扑G的邻域拓扑在冲突域为一跳时为Gc,所述网络拓扑G有E条边,设定最大迭代次数阈值;根据前述设定条件,粒子群初始化为E×N的矩阵,而每个粒子根据信道数的范围初始化为E×1的矩阵;随机产生的矩阵即为初始化的随机信道分配方式,在地址空间中随机选择一个坐标为粒子群的初始位置;
2)、速度和位置的更新;采用迭代算法进行粒子群速度和位置的更新;当目前给出的信道不满足冲突度最小的话,就要对粒子群根据迭代方法进行速度和位置的更新;用粒子群优化算法进行信道分配的目的是找到合适的信道,所为合适就是首先确保信道无冲突,其次还要使信道的利用率提高;
3)、判断迭代次数是否超过阈值,是,则转步骤6;否则,进行冲突域的判断,就要看它是否满足特定范围内节点所分配信道互相不冲突的约束条件,粒子群相互学习后确定更新方向和速度,进行粒子群位置更新;粒子的新位置变换后,判断所述粒子是否满足约束条件;所述约束条件为观测信道是否发生冲突,防止产生同道干扰和邻道干扰,主要通过所述冲突邻域矩阵Gc来判断,当发生冲突时信道为0,同时定义一个冲突度数;采用冲突度数作为选择最佳信道分配方式的依据;
4)、更新比较判断;每个粒子判断自己是否达到最佳速度和位置,判断是否满足条件,若不满足,记录当前的空间位置,迭代次数加1,转步骤3;若满足,继续;
5)、找到满足条件的信道分配方案,完毕;
6)、未找到满足条件的信道分配方案,结束。
2.根据权利要求1所述的基于粒子群的无线Mesh网快速信道分配方法,其特征在于,步骤3)中冲突的判断采用一flag矩阵,所述flag矩阵为当每发生一次冲突,对应的冲突度数就加十;经过若干次迭代之后,最终选择冲突度为0的信道分配方式进行分配,即可达到优化的目的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310075133.0A CN103108397B (zh) | 2013-03-08 | 2013-03-08 | 基于粒子群的无线Mesh网快速信道分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310075133.0A CN103108397B (zh) | 2013-03-08 | 2013-03-08 | 基于粒子群的无线Mesh网快速信道分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103108397A true CN103108397A (zh) | 2013-05-15 |
CN103108397B CN103108397B (zh) | 2015-04-29 |
Family
ID=48315889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310075133.0A Active CN103108397B (zh) | 2013-03-08 | 2013-03-08 | 基于粒子群的无线Mesh网快速信道分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103108397B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747530A (zh) * | 2014-01-06 | 2014-04-23 | 吉林大学 | 部分重叠信道下的无线Mesh网络信道分配系统及方法 |
CN105282746A (zh) * | 2015-09-11 | 2016-01-27 | 华东交通大学 | 基于嵌入式粒子群博弈的认知无线网络频谱分配方法 |
CN106358302A (zh) * | 2016-09-22 | 2017-01-25 | 福州大学 | 一种无线传感器网络多收发器多信道分配算法 |
CN109274613A (zh) * | 2018-09-21 | 2019-01-25 | 河海大学 | 一种信道估计方法、系统及存储介质 |
CN110234167A (zh) * | 2019-05-14 | 2019-09-13 | 深圳信息职业技术学院 | 一种信道分配方法、信道分配装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090268677A1 (en) * | 2008-04-24 | 2009-10-29 | National Taiwan University | network resource allocation system and method of the same |
CN101938784A (zh) * | 2009-06-29 | 2011-01-05 | 华为技术有限公司 | 信道分配方法、信道调整方法和网络设备 |
CN102625362A (zh) * | 2012-04-25 | 2012-08-01 | 北京邮电大学 | 一种多信道多射频无线Mesh网络中分布式信道分配方法 |
-
2013
- 2013-03-08 CN CN201310075133.0A patent/CN103108397B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090268677A1 (en) * | 2008-04-24 | 2009-10-29 | National Taiwan University | network resource allocation system and method of the same |
CN101938784A (zh) * | 2009-06-29 | 2011-01-05 | 华为技术有限公司 | 信道分配方法、信道调整方法和网络设备 |
CN102625362A (zh) * | 2012-04-25 | 2012-08-01 | 北京邮电大学 | 一种多信道多射频无线Mesh网络中分布式信道分配方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103747530A (zh) * | 2014-01-06 | 2014-04-23 | 吉林大学 | 部分重叠信道下的无线Mesh网络信道分配系统及方法 |
CN103747530B (zh) * | 2014-01-06 | 2017-01-25 | 吉林大学 | 部分重叠信道下的无线Mesh网络信道分配系统及方法 |
CN105282746A (zh) * | 2015-09-11 | 2016-01-27 | 华东交通大学 | 基于嵌入式粒子群博弈的认知无线网络频谱分配方法 |
CN105282746B (zh) * | 2015-09-11 | 2019-07-02 | 华东交通大学 | 基于嵌入式粒子群博弈的认知无线网络频谱分配方法 |
CN106358302A (zh) * | 2016-09-22 | 2017-01-25 | 福州大学 | 一种无线传感器网络多收发器多信道分配算法 |
CN109274613A (zh) * | 2018-09-21 | 2019-01-25 | 河海大学 | 一种信道估计方法、系统及存储介质 |
CN109274613B (zh) * | 2018-09-21 | 2021-02-12 | 河海大学 | 一种信道估计方法、系统及存储介质 |
CN110234167A (zh) * | 2019-05-14 | 2019-09-13 | 深圳信息职业技术学院 | 一种信道分配方法、信道分配装置及电子设备 |
CN110234167B (zh) * | 2019-05-14 | 2023-04-07 | 深圳信息职业技术学院 | 一种信道分配方法、信道分配装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103108397B (zh) | 2015-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | Spectrum sharing in vehicular networks based on multi-agent reinforcement learning | |
CN103108397B (zh) | 基于粒子群的无线Mesh网快速信道分配方法 | |
CN107172704B (zh) | 基于协作频谱感知和干扰约束的认知异构网络功率分配方法 | |
Zhang et al. | Power control algorithm in cognitive radio system based on modified shuffled frog leaping algorithm | |
Xie et al. | Energy-spectral efficiency optimization in vehicular communications: Joint clustering and pricing-based robust power control approach | |
CN106230528B (zh) | 一种认知无线网络频谱分配方法及系统 | |
CN104853399A (zh) | 基于改进的遗传-粒子群混合算法的协作中继选择方法 | |
Zhu et al. | Computing offloading strategy using improved genetic algorithm in mobile edge computing system | |
Zhang et al. | A dynamic power allocation scheme in power-domain NOMA using actor-critic reinforcement learning | |
CN107864507B (zh) | 基于量子猴群搜索机制的认知无线电功率控制方法 | |
CN103781166A (zh) | 异构无线网络协作通信系统中的移动终端功率分配方法 | |
CN108173760B (zh) | 一种基于改进模拟退火算法的片上网络映射方法 | |
CN111917529B (zh) | 一种基于改进exp3算法的水声ofdm资源分配方法 | |
Nguyen et al. | Utility optimization for blockchain empowered edge computing with deep reinforcement learning | |
CN110324175A (zh) | 基于边缘缓存的网络节能方法及系统 | |
Manousakis et al. | Applying simulated annealing for domain generation in ad hoc networks | |
Zhang et al. | Power control based on the asynchronous distributed pricing algorithm in cognitive radios | |
Chandrawanshi et al. | An intelligent energy efficient clustering technique for multiple base stations positioning in a wireless sensor network | |
Tong et al. | Cooperative spectrum sensing based on a modified shuffled frog leaping algorithm in 5G network | |
CN104093155A (zh) | 一种td-scdma频率分配方法 | |
CN106059728A (zh) | 一种大规模mimo系统中的基于相移的导频设计方法 | |
Sun et al. | Resource Allocation in Heterogeneous Network with Supervised GNNs | |
CN107438250B (zh) | 5g认知微蜂窝网络中基于博弈论的频谱决策方法 | |
Du et al. | Cross‐Layer Optimized Energy‐Balanced Topology Control Algorithm for WSNs | |
Shao et al. | QoE-oriented resource allocation for dense cloud NOMA smallcell networks |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 225006 No. 96 Anlin Road, Guangling District, Yangzhou City, Jiangsu Province Patentee after: Yangzhou Wanfang Technology Co.,Ltd. Address before: 225006 No. 96 Anlin Road, Guangling District, Yangzhou City, Jiangsu Province Patentee before: YANGZHOU WANFANG ELECTRONIC TECHNOLOGY LLC |