CN105052229A - 移动网络中的预测频谱分配 - Google Patents
移动网络中的预测频谱分配 Download PDFInfo
- Publication number
- CN105052229A CN105052229A CN201380074974.8A CN201380074974A CN105052229A CN 105052229 A CN105052229 A CN 105052229A CN 201380074974 A CN201380074974 A CN 201380074974A CN 105052229 A CN105052229 A CN 105052229A
- Authority
- CN
- China
- Prior art keywords
- time
- trooping
- frequency vector
- frequency
- mobile device
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/51—Allocation or scheduling criteria for wireless resources based on terminal or device properties
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/373—Predicting channel quality or other radio frequency [RF] parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/0001—Arrangements for dividing the transmission path
- H04L5/0003—Two-dimensional division
- H04L5/0005—Time-frequency
- H04L5/0007—Time-frequency the frequencies being orthogonal, e.g. OFDM(A), DMT
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L5/00—Arrangements affording multiple use of the transmission path
- H04L5/003—Arrangements for allocating sub-channels of the transmission path
- H04L5/0058—Allocation criteria
- H04L5/006—Quality of the received signal, e.g. BER, SNR, water filling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA
Abstract
通常描述了用于在时频隙的“优度”或“劣度”方面鉴别模式以允许可能适于无线用户的频谱资源的预测分配的技术。根据一些示例,可以从移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息。可以按位置对所述时隙进行分组以形成分析间隔。然后可以针对各个分析间隔和地理网格的单位来标识时频向量。可以针对各个时频向量来计算“优度”指标。可以针对各个分析间隔和地理网络的关联单位来分类时频向量的群集,使得能够通过子载波分配向移动装置分配“好的”群集。
Description
背景技术
本申请要求2013年3月26日提交的第1349/CHE/2013号专利申请的优先权。
除非本文另外指示,否则在此部分中描述的材料对于本申请中的权利要求而言不是现有技术,并且通过包括在此部分中不被承认是现有技术。
从基站到移动装置的传输可以使用扩展技术(诸如正交频分多址(OFDMA)遍布在时间和频率上。可以在许多现代移动标准(诸如长期演进(LTE))中使用扩展技术,从而将时隙和频隙分配给单独的用户装置。
一个无线用户的“好的”时频区域可能不适合于另一时频区域。例如,用户可能在特定时刻在特定频隙处经历高干扰,或者可能用户的多径分布可以是这样的,即在用户的当前位置处,一些频隙可以提供较好的信噪性能。在这种情况下,基站与无线用户之间的通信可能不使用前者频隙并且可以利用后者频隙。
也许能提前确定针对给定用户的时频空间的最佳区域。毕竟,可以针对用户检测日常生活中的类似模式。例如,许多驾驶员可以知道他们的聚居地中的车辆交通模式并且可以知道在哪一个时刻使用哪些超速干道和/或返回路线。此外,他们还可以识别当交通可能较慢时的模式并且在那些时刻避免特定路线,诸如在年度足球比赛期间经过露天大型体育场的路线。
发明内容
本公开通常描述了在移动网络中执行预测频谱分配的方法、设备、系统、装置和/或计算机程序产品。
在一些示例中,可以描述用于在无线网络中采用预测频谱分配的各种方法。示例性方法可以包括以下步骤:从移动装置接收对于子载波分配的请求,所述请求包括所述移动装置的时间戳和位置;以及基于所述时间戳和所述位置来标识好的群集。所述方法还可以包括以下步骤:从所述“好的”群集中选择时频向量;以及向所述移动装置发送子载波分配信息,其中,所述子载波分配信息基于所述时频向量。
在其它示例中,可以描述一种被配置为采用预测频谱分配的无线网络用控制器。所述控制器可以包括用于通过无线网络与多个移动装置进行通信的通信模块。所述控制器还可以包括耦接至所述通信模块的处理器。所述处理器可以被配置为从移动装置接收对于子载波分配的请求,所述请求包括所述移动装置的时间戳和位置。所述处理器还可以被配置为基于所述时间戳和所述位置来标识好的群集,从所述“好的”群集中选择时频向量,并且基于所述时频向量向所述移动装置发送子载波分配信息。
在另外的示例中,可以描述一种在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的方法。所述方法可以包括以下步骤:从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;以及针对各个分析间隔来标识时频向量,其中所述时频向量使所述分析间隔与所述装置位置相关联。所述方法还可以包括以下步骤:针对各个时频向量来计算优度指标;标识时频向量的群集;以及将所述时频向量的群集分成两个或更多个类别。
在仍然其它的示例中,可以描述一种在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的分析服务器。所述分析服务器可以包括被配置为存储指令的存储器和耦接至所述存储器的处理器。所述处理器可以被配置为:从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;按位置对所述时隙进行分组以形成分析间隔;并且针对各个分析间隔来标识时频向量,其中所述时频向量使所述分析间隔与所述装置位置相关联。所述处理器还可以被配置为:针对各个时频向量来计算优度指标;标识时频向量的群集;以及将所述时频向量的群集分成两个或更多个类别。
在仍然另外的示例中,可以描述一种存储有用于在无线网络中采用预测频谱分配、在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的指令的计算机可读存储介质,并且所述指令当被执行时使一个或更多个方法被执行。所述方法可能与以上所描述的所述方法类似。
上述发明内容仅是例示性的,并且不旨在以任何方式为限制性的。除以上所描述的例示性方面、实施方式和特征之外,另外的方面、实施方式和特征通过参照附图和以下详细实施方式将变得显而易见。
附图说明
本公开的下面描述的和其它特征从结合附图进行的以下描述和所附权利要求将变得更完全显而易见。理解这些附图描绘仅根据本公开的数个实施方式并且因此将不被认为限制其范围,将通过使用附图以附加特性和细节描述本公开,附图中:
图1例示了其中可以采用使用支持向量机的预测频谱分配的示例性蜂窝通信系统的两个小区;
图2A例示了阴影隙表示针对特定用户的频谱分配的示例性频谱分配;
图2B例示了针对移动用户的各种位置执行的示例性频谱分配分析;
图3A例示了用于频谱分配的标记约定;
图3B例示了时频隙到向量的示例性变换;
图4例示了可以被用来使用支持向量机在无线网络中实现预测频谱分配的通用计算装置;
图5例示了可以被用来使用支持向量机在无线网络中实现预测频谱分配的专用处理器;
图6是例示了可以由诸如图4中的计算装置的计算装置或图5的专用处理器执行的、用于在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的示例性方法的计算机可读介质上的指令的流程图;
图7是例示了可以由诸如图4中的计算装置的计算装置或图5的专用处理器执行的、用于使用支持向量机在无线网络中采用预测频谱分配的示例性方法的计算机可读介质上的指令的流程图;以及
图8例示了使用支持向量机在无线网络中实现预测频谱分配的示例性计算机程序产品的框图;
全部根据本文所描述的至少一些实施方式进行布置。
具体实施方式
在以下详细描述中,参照形成其一部分的附图。在附图中,除非上下文另外指示,否则类似的符号通常标识类似的组件。在具体实施方式、附图和权利要求中描述的例示性实施方式不意在为限制性的。在不脱离本文所呈现的主题的精神或范围的情况下,可以利用其它实施方式,并且可以做出其它改变。应当容易地理解,如本文所通常描述和图中所例示的,能够按照各式各样的不同配置布置、取代、组合、分离和设计本公开的方面,所述不同配置中的全部在本文中被显式地设想到。
本公开通常尤其被与在移动网络中执行预测频谱分配的方法、设备、系统、装置和/或计算机程序产品所吸引。
简单来说,可以鉴别时频隙的“优度”或“劣度”中的模式以允许可能适于无线用户的频谱资源的预测分配。根据一些示例,可以从移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息。可以按位置对时隙进行分组以形成分析间隔。然后可以针对各个分析间隔和地理网格的单位来标识时频向量。可以针对各个时频向量来计算“优度”指标。可以针对各个分析间隔和地理网络的关联单位来分类时频向量的群集,使得能够通过子载波分配给移动装置分配“好的”群集。
图1例示了根据本文所描述的至少一些实施方式布置的、其中可以采用使用支持向量机的预测频谱分配的示例性蜂窝通信系统的两个小区。
一些无线通信网络,具体地,蜂窝通信系统采用“小区”作为网络基础设施。各个小区通常由使得终端用户装置(EU)(在这种情况下为移动装置)能够在其它小区中和在其它系统中与同一小区内的EU无线地通信的基站服务。如图100所示,可以将无线网络的地理区域划分成两个邻近小区(小区1102和小区2104)。小区1102可以由基站(BTS)106服务并且可以包括终端用户装置108、终端用户装置110、终端用户装置114和终端用户装置116。小区2104可以由基站118服务并且可以包括终端用户装置120和终端用户装置122。
在一些场景中,可以采用中继装置112来便于一个或更多个EU(例如,EU114和EU116)与它们的基站(例如,BTS106)之间的通信。例如,当无线信号由于干扰、地理结构、人造障碍物等而在特定区域中微弱时,中继装置可以协助在基站与EU之间建立可靠链路。
无线网络可以是演进型通用移动电信系统陆地无线电接入网(eUTRAN)、长期演进(LTE)网络、LTE-Advanced网络、高速分组接入(HSPA)网络或HSPA-Advanced网络中的一个。移动装置可以包括蜂窝电话、智能电话、装备有蜂窝通信能力的计算装置或装备有蜂窝通信能力的专用装置中的一个。此外,基站与移动装置之间的无线通信技术可以利用频分多址(FDMA)、正交频分多址(OFDMA)或窄带分配技术中的一个。基站与移动装置之间的无线通信可能经受从来自其它用户的干扰当中出现的降级、无线电信道的频率选择性和无线电信道的衰落。可能期望使用为通信提供最高质量的时频隙。例如,那些时频隙可能至少因干扰或衰落而恶化,并且享有频率选择性峰值。干扰可以从邻近基站和用户的活动当中出现。然而,活动单独可能不用来指示干扰在特定子载波处可能高而在另一特定移动位置处低。同样地,频率选择性可能依赖于多径分布并且因此依赖于地方地理,但是依赖可能不指示哪一个子载波可能具有高SNR,因为由特定移动装置面对的多径分布可能不是已知的。衰落可能是取决于多径的变化的速度的甚至更复杂的现象。
因此,预测上述参数中的任一个的物理模型可能难以构造。统计模型也许能预测参数。干扰的模式可能存在。例如,移动使用在高峰时间期间在商业区中可能是高的。商业区基站可以在高峰时间期间跨越河流“重踏”在住宅公寓上。然而,在公寓的停车场中可以存在“好的”点,这可能由于某种原因规避了干扰,但是可能仅在特定频隙中。总的说来,在信道条件下可能存在变化的时间和位置相关模式。
通过在信道条件下利用长期模式,呼叫质量可以随着将用户分配给适合于用户的频隙的机会增加而改进。可能存在频隙的不太频繁的再分配,因为在分析间隔初期分配的频隙可以是历史上成功的频隙。不太频繁的再分配可以减少可以被用来四处移动用户的下行链路控制比特,并且可以减少下行链路带宽上的昂贵开销。
图2A例示了根据本文所描述的至少一些实施方式布置的、其中阴影隙表示针对特定用户的频谱分配的示例性频谱分配。
如图200所示,可以对照移动网络内的频率234来标绘时间232以定义时频隙。可以将24小时天划分成五秒分析间隔238以表示时间,并且可以将网络的可用带宽236划分成形成表示能够被分配给移动装置的可用时频隙的网格单元的可用频率或信道。阴影隙240可以表示针对给定用户的频谱分配,每个与该特定时频隙的“优度”指标值相关联。
例如,单载波LTE部署可以具有一个毫秒的时间单位并且约略地有1000个可能的频隙。因此,一个五秒分析间隔可以包括大约五百万个时频隙。用户可以接收这五百万个时频隙的一小部分(近似小于1%)并且使用阴影隙240示出了由分配给用户的时频隙占据的区域。可以取决于一天中的某一时间、星期几、一个月中的某一天、季节、移动装置的位置和/或地理区域内的预期人口变化而调整分析间隔的长度。
阴影隙240可以使“优度”的量度与它们相关联。例如,移动装置可以每隔数个时隙自动报告信道质量指标(CQI)并且可以遍及五秒间隔取CQI的平均值以用作优度指标。如果呼叫在五秒间隔内失败则优度指标可能是低的。移动装置还可以报告其它质量指标(诸如接收信号强度指标(RSSI))、误码率(BER)、分组重传次数、信噪比(S/N)、呼叫失败次数、用户反馈、用户在相同比特速率下请求的断电和/或用户请求的加电)中的一个或更多个。这些质量指标中的一个或更多个可以被用于计算时频隙的“优度”。
图2B例示了根据本文所描述的至少一些实施方式布置的针对移动用户的各种位置执行的示例性频谱分配分析。
如图250所示,可以对于移动装置的各种位置或地理网格的单位重复基于时频隙的分配(分析246)。在一些示例性实施方式中,地理网格的单位可以基于经度242和纬度244。还可以在其它示例中采用其它坐标系统。因此,各个分析间隔可以对应于网络中的地理网格的特定单位,并且还可以针对不同的分析间隔以不同粒度定义地理网格的单位(例如在白天期间商业区城市街区的小部分与在晚上的整个街区的关系)。
图3A例示了根据本文所描述的至少一些实施方式布置的针对频谱分配的标记约定。
如图300所示,可以通过对照频率334来标绘时间332定义移动网络内的时频隙。可以将预定义时间段(例如,一天、一星期、一个月等)划分成单位分析间隔338(例如,秒、分钟、天等)以表示时间。类似地,网络带宽336内的可用频率(或信道)可以被用来形成定义时频隙的网格的单元。频谱分配可以是为给定用户而确定的并且与各个特定时频隙的“优度”指标值相关联。出于标记频谱分配目的,左上时频隙是时频隙1并且右下是时频隙N340,其中N是分析间隔中的时频隙的总数。
例如,无线传输条件可以稳定达几秒,因此可以将24小时天划分成五秒分析间隔并且各个间隔可以具有数百万个时频隙。还可以将移动网络的地理区域划分成地理网格。地理网格可以具有任何形状并且包括多个单位。根据一个示例,地理网格的单位可以是5米乘5米。可以取决于区域是人口密集的还是人口稀疏的、取决于无线网络的通信技术和/或取决于通信的选择频率而调整所划分的地理区域的尺寸。可以基于一天中的某一时间、星期几、一个月中的某一天、季节和/或地理区域内的预期人口变化而调整所划分的地理区域的尺寸。基站可以记录时刻和移动装置的位置(例如,纬度和经度)。基站还可以使用目前可用的调度程序来将时频隙分配给移动装置。如图2所示,阴影隙可以表示所分配的时频隙可以被标记为如图3A所示。
图3B例示了根据本文所描述的至少一些实施方式布置的时频隙到向量的示例性变换。
如图350所示,可以通过对照频率334来标绘时间332定义蜂窝网络内的时频隙。在示例性场景中,可以将24小时天划分成五秒分析间隔238以表示时间和可用带宽336内的可用频率。使用图3A所描述的标记约定,可以将所分配的时频隙描述为与位置(在网络的覆盖范围区域内诸如5m乘5m或其它尺寸的单位区域的预定义地理区域)相关联的时频向量。作为回报可以将时频向量分组为群集352和群集354。在群集352中,所分配的时频隙356可以由阴影隙[2,9,10,14,21,30]表示,并且在群集354中,所分配的时频隙358可以由阴影隙[4,8,17,21,23,26]表示。可以在分析间隔初期分配阴影隙[2-9-10-14-21-30]。紧跟分配之后,业务数据可以随着时间展开而填充这些隙。
一旦时频向量被包括在群集中,可以通过移动装置/用户反馈做出时频分配是否在用户体验方面是令人满意的确定。例如,以下事件中的一个或更多个可能已发生:移动装置可能已在相同比特速率下请求了断电;移动装置的CQI序列可以平均为高数量;和/或呼叫可能已平滑地结束并且用户可能已指示他/她是快乐的。在这个场景中,可以将针对该用户的位置所分配的时频隙(时频向量)标记为“好的”。在另一示例中,以下事件中的一个或更多个可能已发生:移动装置可能已请求增加的发送功率;移动装置的CQI序列可能平均地较差;和/或用户反馈可能指示不满意。在这个场景中,可以将针对该用户的位置所分配的时频隙(时频向量)标记为“坏的”。来自移动装置的对子载波分配是无法接受的指示可以由移动装置的网络接收,所述移动装置的网络可以切换到缺省子载波分配以改进质量。网络然后可以将与所无法接受的子载波分配相关联的“坏的”质量指示转发到分析服务器。
可以随着时间的推移而做出并且完成数百万个无线连接,从而使得“好的”向量和“坏的”向量的群集能够针对各个分析间隔和各个位置而形成。然后可以使用像支持向量机(SVM)和/或神经网络这样的适合的机器学习算法来根据“坏的”向量定义“好的”向量。充分训练可以完成使得当为下一个无线连接分配频谱时,基站可以在“好的”群集(例如,具有大多数好的时频向量的群集)内深入地选取时频向量并且分配与所选取的向量相关联的时频隙。这样的时频隙可以被称为所需频谱分配。
在一些示例中,训练可以是连续的。可以选取并且部署“好的”时频向量,但是结果得到的分配可以继续被评估并且可以被再标记为“好的”或“坏的”。随着训练发展,评估准则很可能可以继续报告“好的”,但是可能存在评估准则相信时频向量的选择的统计机会。无线传输条件还可以随着时间而变化。例如,可以构造改变多径分布的新建筑物。因此,各个传输即使在训练已成熟之后也可以用作不可用的数据点。
以上使用特定值、参数和配置描述了各种示例性实施方式。这些示例仅用于例示目的并且不旨在对实施方式构成限制。实施方式可以使用本文所描述的原理用任何合理的值以及适合的参数和配置加以实现。例如,针对位置范围或时间范围所讨论的网格测量可以取决于网络、移动装置数量、地理区域、通信技术等而包括任何适合的值。
图4例示了根据本文所描述的至少一些实施方式布置的、可以被用来使用支持向量机在无线网络中实现预测频谱分配的通用计算装置。
在很基本配置402中,计算装置400通常包括一个和更多个处理器404和系统存储器406。存储器总线408可以被用于在处理器404与系统存储器406之间通信。
取决于所期望的配置,处理器404可以具有任何类型,包括但不限于微处理器(μP)、微控制器(μC)、数字信号处理器(DSP)或其任何组合。处理器404可以包括一级以上缓存,诸如一级高速缓存存储器412、处理器核心414和寄存器416。示例性处理器核心414可以包括算术逻辑单元(ALU)、浮点单元(FPU)、数字信号处理核心(DSP核心)或其任何组合。示例性存储器控制器418还可以与处理器404一起使用,或者在一些实施方式中存储器控制器414可以是处理器404的内部部分。
取决于所期望的配置,系统存储器406可以具有任何类型,包括但不限于易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪速存储器等)或其任何组合。系统存储器406可以包括操作系统420、一个或更多个通信应用422和程序数据424。通信应用422可以包括可以接收和分析与子载波分配相关联的指标的分析模块426以及可以用“好的”和“坏的”指标定义和分类时频向量的群集的SVM模块427。然后,通信应用422可以利用诸如频分多址(FDMA)、正交频分多址(OFDMA)、载波侦听多址(CSMA)或窄带分配技术的多址技术来关于子载波分配的质量使得能实现基站与移动装置之间的通信。程序数据424可以包括分析数据428(例如分配的时频隙的质量等)和如以上与至少图1至图3相结合地讨论的类似数据中的一个或更多个。这个数据也许可用于如本文所描述的那样预测频谱分配。这个描述的基本配置402通过内部虚线内的那些组件被例示在图4中。计算装置400可以作为无线通信网络中的服务器或作为这样的网络中的基站的一部分被实现。
计算装置400可以具有附加的特征或功能性以及附加的接口以便于基本配置402及任何需要的装置与接口之间的通信。例如,总线/接口控制器430可以被用来经由存储接口总线434促进基本配置402与一个或更多个数据存储装置432之间的通信。数据存储装置432可以是可移动存储装置436、非可移动存储装置438或其组合。可移动存储和非可移动存储装置的示例包括诸如柔性盘驱动器和硬盘驱动器(HDD)的磁盘装置、诸如紧致盘(CD)驱动器或数字通用盘(DVD)驱动器的光盘驱动器、固态驱动器(SSD)和磁带驱动器等等。示例性计算机存储媒体可以包括以任何方法或技术实现以用于存储信息的易失性和非易失性、可移动和非可移动媒体,所述信息诸如计算机可读指令、数据结构、程序模块或其它数据。
系统存储器406、可移动存储装置436和非可移动存储装置438是计算机存储媒体的示例。计算机存储媒体包括但不限于RAM、ROM、EEPROM、闪速存储器或其它存储器技术、CD-ROM、数字通用盘(DVD)或其它光学存储部、磁盒、磁带、磁盘存储部或其它磁存储装置,或可以被用来存储所期望的信息并且可以被计算装置400访问的任何其它介质。任何这样的计算机存储媒体可以是计算装置400的一部分。
计算装置400还可以包括接口总线440以用于经由总线/接口控制器430便于从各种接口装置(例如,输出装置442、外围接口444和通信装置466)到基本配置402的通信。示例性输出装置442包括图形处理单元448和音频处理单元440,其可以被配置为经由一个或更多个AV端口442与诸如显示器或扬声器的各种外部装置进行通信。示例性外围接口444包括串行接口控制器444或并行接口控制器446,其可以被配置为经由一个或更多个I/O端口448与诸如输入装置(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备等)或其它外围装置(例如,打印机、扫描器等)的外部装置进行通信。示例性通信装置466包括网络控制器460,其可以被布置为经由一个或更多个通信端口464通过网络通信链路来便于与一个或更多个其它计算装置462的通信。
网络通信链路可以是通信媒体的一个示例。通信媒体通常可以通过计算机可读指令、数据结构、程序模块或其它数据被具体实现在诸如载波或其它传输机制的已调制数据信号中,并且包括任何信息递送媒体。“已调制数据信号”可以是这样的信号,所述信号使其特性集中的一个或更多个以这样的方式被设定或改变以将信息编码在所述信号中。作为示例而非限制,通信媒体包括诸如有线网络或直接有线连接这样的有线媒体,以及诸如声学、射频(RF)、微波、红外线(IR)的无线媒体和其它无线媒体。如本文所使用的术语计算机可读媒体可以包括存储媒体和通信媒体这二者。
计算装置400可以作为物理服务器、虚拟服务器、计算云或包括上述功能中的任一个的混合装置的一部分被实现。计算装置400还可以作为包括膝上型计算机配置和非膝上型计算机配置这二者的个人计算机被实现。而且,计算装置400可以作为联网系统或作为通用或专用服务器的一部分被实现。
包括计算装置400的联网系统的网络可以包括服务器、客户端、交换机、路由器、调制解调器、互联网服务提供商和任何适当的通信媒体(例如,有线或无线通信)的任何拓扑。根据实施方式的系统可以具有静态或动态网络拓扑。网络可以包括诸如企业网络(例如,LAN、WAN或WLAN)的安全网络、诸如无线开放网络(例如,IEEE802.11无线网络)的不安全网络或万维网(例如,互联网)。网络还可以包括被适配为一起操作的多个不同的网络。这样的网络被配置为在本文所描述的节点之间提供通信。作为示例而非限制,这些网络可以包括诸如声学、RF、红外线和其它无线媒体的无线媒体。此外,网络可以是相同的网络或单独的网络的部分。
图5例示了根据本文所描述的至少一些实施方式布置的、可以被用来使用支持向量机在无线网络中实现预测频谱分配的专用处理器。
处理器590可以是通过网络510用于在移动网络中预测频谱分配的基站550的控制系统的一部分。处理器590还可以与存储网络相关信息的数据源560进行通信。
处理器590可以包括诸如分析模块526和SVM模块527的许多处理模块。分析数据528和群集数据529可以由处理器590与分析模块526和SVM模块527相结合地用来在移动网络中定义和分类“好的”群集和“坏的”群集。可以在处理期间将分析数据528和群集数据529存储在存储器591中,所述存储器591可以是处理器590的高速缓存存储器或外部存储器(例如,在处理器590外部的存储器)。
示例性实施方式还可以包括用于在移动网络中提供频谱分配的方法。能够按照任何数量的方式(包括本文所描述的结构)实现这些方法。一个这样的方式是通过本公开所描述的类型的装置的机器操作。另一可选方式是让方法的单独操作中的一个或更多个与一个或更多个人类操作员在其它操作由机器执行的同时执行操作中的一些相结合地执行。这些人类操作员不必彼此并置,但是每个可能仅具有执行程序的一部分的机器。在其它示例中,能够诸如通过为机器自动化的预先选择的准来使人类交互自动化。
图6是例示了根据本文所描述的至少一些实施方式布置的、可以由诸如图4中的计算装置的计算装置或图5的专用处理器执行的、用于在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的示例性方法的计算机可读介质上的指令的流程图。
用于在移动网络中执行预测频谱分配的示例性方法可以始于块622“将一天划分成一个或更多个分析间隔”,其中可以将24小时天划分成一个或更多个五秒分析间隔238。
块622可以后面有块624“将无线网络的地理区域划分成一个或更多个隙”,其中可以将无线网络的区域划分成如先前所讨论的一个或更多个隙。
块624可以后面有块626“在各个分析间隔内基于针对用户分配的时频隙和与用户相关联的隙为各个分配的时间-频率确定时频向量”,其中各个分配的时频隙可以使用由分析间隔338表示的时间332、使用移动带宽336测量的频率334以及装置的用户位于其中的地理间隙被描述为向量352。在所分配的时频向量内的阴影分配的时频隙356可以与“优度”指标值相关联。
块626可以后面有块628“针对各个时频向量基于通信质量来计算“优度”指标值”,其中各个分析间隔和时频向量的“优度”指标可以被计算并且基于各个分析间隔和关联位置的时频向量的群集而分成两个或更多个类别。两个或更多个类别可以包括“好的”群集和“坏的”群集的二元组。然后可以采用支持向量机(SVM)算法和/或神经网络来用“好的”指标值和“坏的”指标值定义和分类时频向量的群集。
块628可以后面有块630“基于从“好的”群集中选择的时频向量来分配频谱”,其中基站可以从时频向量的好的群集中选取时频向量以将关联的时频隙分配给移动装置。
图7是例示了根据本文所描述的至少一些实施方式布置的、可以由诸如图4中的计算装置的计算装置或图5的专用处理器执行的、用于使用支持向量机在无线网络中采用预测频谱分配的示例性方法的计算机可读介质上的指令的流程图。
用于在移动网络中执行预测频谱分配的示例性方法可以始于块722“从具有时间戳和位置的移动装置接收对于子载波分配的请求”,其中对于子载波分配的请求来自移动装置112,所述请求包括移动装置112的时间戳和位置。
块722可以后面有块724“基于时间戳和位置来标识好的群集”,其中可以基于移动装置112的时间戳和位置来标识时频向量的好的群集。
块724可以后面有块726“从“好的”群集中选择时频向量”,其中执行频谱分配的服务器或控制器可以从“好的”群集中为移动装置112选择时频向量。
块726可以后面有块728“基于时频向量向移动装置发送子载波分配信息”,其中服务器或控制器可以通过基站118将该子载波分配信息发送到移动装置112。
包括在以上所描述的图6和图7的过程中的操作用于例示目的。在无线网络中分析子载波分配数据以分类群集用于预测频谱分配并且使用支持向量机在无线网络中采用预测频谱分配可以通过具有较少或附加操作的类似过程来实现。在一些示例中,可以按照不同的顺序执行操作。在一些其它示例中,可以消除各种操作。在仍然其它的示例中,各种操作可以被划分成附加操作,或者一起组合成较少操作。尽管被例示为依次排序的操作,但是在一些实施方式中可以按照不同的顺序执行各种操作,或者在一些情况下可以基本上同时执行各种操作。
图8例示了根据本文所描述的至少一些实施方式布置的、用于使用支持向量机在无线网络中实现预测频谱分配的示例性计算机程序产品的框图。
在一些示例中,如图8所示,计算机程序产品800可以包括信号承载介质802,所述信号承载介质802还可以包括当例如由处理器执行时可以提供以上关于图1至图3所描述的功能性的机器可读指令804。因此,例如,参照处理器590,可以响应于通过介质803输送给处理器590的指令804来着手图8所示的任务中的一个或更多个以执行与如本文所描述的一样在移动网络中执行预测频谱分配相关联的动作。那些指令中的一些可以包括以下步骤:将一天划分成一个或更多个分析间隔;将无线网络的地理区域划分成一个或更多个隙;在各个分析间隔内基于针对用户分配的时频隙和与用户相关联的隙为各个分配的时频隙确定时频向量;基于各个时频向量的通信质量来计算“优度”指标值;以及基于从“好的”群集中选择的时频向量来分配频谱。
在一些实施方式中,图8所描绘的信号承载介质802可以包含计算机可读介质806,诸如但不限于硬盘驱动器、紧致盘(CD)、数字视频盘(DVD)、数字磁带、存储器等。在一些实施方式中,信号承载介质802可以包含可读介质808,诸如但不限于存储器、读/写(R/W)CD、R/WDVD等。在一些实施方式中,信号承载介质802可以包含通信介质810,诸如但不限于数字和/或模拟通信介质(例如,光纤电缆、波导、有线通信链路、无线通信链路等)。因此,例如,可以通过RF信号承载介质802将计算机程序产品800输送给处理器804,其中信号承载介质802是通过无线通信介质810(例如,符合IEEE802.11标准的无线通信介质)输送的。
在一些示例中,可以描述用于在无线网络中采用预测频谱分配的各种方法。示例性方法可以包括以下步骤:从移动装置接收对于子载波分配的请求,所述请求包括所述移动装置的时间戳和位置;以及基于所述时间戳和所述位置来标识好的群集。所述方法还可以包括以下步骤:从所述“好的”群集中选择时频向量;以及向所述移动装置发送子载波分配信息,其中所述子载波分配信息基于所述时频向量。
在其它示例中,发送所述子载波分配信息可以包括发送要在连续时隙中使用的频率的系列。所述方法还可以包括以下步骤:响应于从所述移动装置接收到所述子载波分配是无法接受的指示,切换到缺省子载波分配;以及将与所述子载波分配相关联的坏的质量指示转发到分析服务器。
在另外的示例中,基于所述时间戳和所述位置来标识所述好的群集可以包括以下步骤:从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;按装置位置对所述时隙进行分组以形成分析间隔;针对各个分析间隔来标识时频向量,其中所述时频向量使所述分析间隔与所述装置位置相关联;针对各个时频向量来计算优度指标;以及针对各个分析间隔和关联位置将时频向量的一个或更多个群集标识为好的群集和坏的群集。
在仍然其它的示例中,所述方法可以包括以下步骤:采用机器学习技术用基本上类似的“优度”指标值来标识时频向量的群集。采用所述机器学习技术可以包括使用神经网络、支持向量机(SVM)和贝叶斯算法中的一个或更多个。接收请求可以包括通过利用多址技术的无线通信技术来接收请求。所述方法还可以包括为一组子载波频率或单个子载波频率中的一个确定所述时频向量。
在其它示例中,可以描述被配置为采用预测频谱分配的无线网络用控制器。所述控制器可以包括用于通过无线网络与多个移动装置进行通信的通信模块。所述控制器还可以包括耦接至所述通信模块的处理器。所述处理器可以被配置为从移动装置接收对于子载波分配的请求,所述请求包括所述移动装置的时间戳和位置。所述处理器可以被配置为基于所述时间戳和所述位置来标识好的群集,从所述“好的”群集中选择时频向量,并且基于所述时频向量向所述移动装置发送子载波分配信息。
在一些示例中,所述子载波分配信息可以包括要在连续时隙中使用的频率的序列。所述处理器还可以被配置为响应于从所述移动装置接收到所述子载波分配是无法接受的指示而切换到缺省子载波分配。所述处理器还可以将与所述子载波分配相关联的坏的质量指示转发到分析服务器。
在另外的示例中,所述处理器可以通过以下步骤基于所述时间戳和所述位置来标识所述好的群集:从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;按位置对所述时隙进行分组以形成分析间隔;针对各个分析间隔来标识时频向量,其中所述时频向量使所述分析间隔与所述装置位置相关联;针对各个时频向量来计算优度指标;以及针对各个分析间隔和关联位置将时频向量的一个或更多个群集标识为好的群集和坏的群集。
在仍然其它的示例中,所述处理器可以采用机器学习技术用基本上类似的优度指标值来标识时频向量的群集。所述机器学习技术可以包括神经网络和支持向量机(SVM)算法中的一个或更多个。采用来与所述移动装置进行通信的通信技术是多址技术。所述控制器可以是基站的一部分。所述控制器与所述移动装置之间的通信的类型可以是数据通信或音频通信中的一种。所述无线网络可以是演进型通用移动电信系统陆地无线电接入网(eUTRAN)、长期演进(LTE)网络、LTE-Advanced网络、高速分组接入(HSPA)网络或HSPA-Advanced网络。
在另外的示例中,可以描述一种在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的方法。所述方法可以包括以下步骤:从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;将时隙分组以形成分析间隔;以及针对各个分析间隔来标识时频向量,其中所述时频向量使所述分析间隔与所述装置位置相关联。所述方法还可以包括以下步骤:针对各个时频向量来计算优度指标;标识时频向量的群集;以及将所述时频向量的群集分成两个或更多个类别。
在一些示例中,将所述群集分成两个更多个类别可以包括将所述群集标记为好的群集或坏的群集。所述方法还可以包括以下步骤:采用机器学习技术用基本上类似的“优度”指标值来标识所述时频向量的群集。所述机器学习技术可以包括神经网络和支持向量机(SVM)算法中的一个或更多个。计算所述优度指标可以包括基于以下各项中的一个或更多个来计算所述优度指标:来自所述移动装置的信道质量指标、接收信号强度指标(RSSI)、误码率(BER)、分组重传次数、信噪比(S/N)、呼叫失败次数、用户反馈、用户在相同比特速率下请求的断电和/或用户请求的加电。
在其它示例中,所述方法可以包括基于一天中的某一时间、星期几、一个月中的某一天、季节和/或地理区域内的预期人口变化中的一个或更多个动态地调整所述分析间隔的长度。所述装置位置可以基于地理网格的多个单位,并且所述方法还可以包括基于所述装置位置是否在人口密集区域中、所述装置位置是否在人口稀疏区域中、所述无线网络的通信技术和/或通信的选择频率中的一个或更多个动态地调整地理网格的各个单位的尺寸。
在仍然其它的示例中,所述方法可以包括基于一天中的某一时间、星期几、一个月中的某一天、季节和/或地理区域内的预期人口变化中的一个或更多个进一步调整地理网格的各个单位的尺寸。从多个移动装置接收信息可以包括通过利用多址技术的无线通信技术来接收信息。所述方法还可以包括为单个子载波频率或一组子载波频率确定时频向量。所述方法可以包括基于与用户相关联的通信的类型来计算所述优度指标。
在仍然其它的示例中,可以描述一种在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的分析服务器。所述分析服务器可以包括被配置为存储指令的存储器和耦接至所述存储器的处理器。所述处理器可以被配置为从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;按位置对所述时隙进行分组以形成分析间隔;并且针对各个分析间隔来标识时频向量,其中所述时频向量使所述分析间隔与所述装置位置相关联。所述处理器还可以被配置为:针对各个时频向量来计算优度指标;标识时频向量的群集;以及将时频向量的群集分成两个或更多个类别。
在一些示例中,所述类别可以包括好的群集和坏的群集。所述处理器还可以采用机器学习技术用基本上类似的“优度”指标值来标识所述时频向量的群集。所述机器学习技术可以包括神经网络、支持向量机(SVM)和贝叶斯算法中的一个或更多个。所述处理器可以基于以下各项中的一个或更多个来计算所述优度指标:来自所述移动装置的信道质量指标、接收信号强度指标(RSSI)、误码率(BER)、分组重传次数、信噪比(S/N)、呼叫失败次数、用户反馈、用户在相同比特速率下请求的断电和/或用户请求的加电。
在其它示例中,所述处理器可以基于一天中的某一时间、星期几、一个月中的某一天、季节和/或地理区域内的预期人口变化中的一个或更多个动态地调整所述分析间隔的长度。所述处理器还可以基于所述装置位置是否在人口密集区域中、所述装置位置是否在人口稀疏区域中、所述无线网络的通信技术和/或通信的选择频率中的一个或更多个动态地调整地理网格的各个单位的尺寸。所述处理器还可以基于一天中的某一时间、星期几、一个月中的某一天、季节和/或地理区域内的预期人口变化中的一个或更多个进一步调整地理网格的各个单位的尺寸。
在另外的示例中,所述无线网络的通信技术可以包括频分多址(FDMA)、正交频分多址(OFDMA)或窄带分配技术。所述处理器可以为一组子载波频率或单个子载波频率中的一个确定时频向量并且基于与用户相关联的通信的类型来计算优度指标。所述分析服务器可以是基站的一部分。所述分析服务器可以经由一个或更多个基站从所述多个移动装置接收信息。所述无线网络可以包括演进型通用移动电信系统陆地无线电接入网(eUTRAN)、长期演进(LTE)网络、LTE-Advanced网络、高速分组接入(HSPA)网络或HSPA-Advanced网络。
在仍然另外的示例中,可以描述一种存储有用于在无线网络中采用预测频谱分配、在无线网络中分析子载波分配数据以分类群集用于预测频谱分配以及从基站进行采用子载波分配的无线通信的指令的计算机可读存储介质,所述指令当被执行时使一个或更多个方法被执行。所述方法可以与以上描述的所述方法类似。
在系统的各方面的硬件实施方式与软件实施方式之间留下小的不同;硬件或软件的使用通常是(但不总是,因为在特定上下文中硬件与软件之间的选择可能变得重要)表示成本与效率权衡的关系的设计选择。存在本文所描述的过程和/或系统和/或其它技术通过其能够被实现的各种工具(例如,硬件、软件和/或固件),并且优选工具将随着过程和/或系统和/或其它技术被部署在其中的上下文而变化。例如,如果实施者确定速度和准确性是最高的,则实施者可以选择主要硬件和/或固件工具;如果灵活性是最高的,则实施者可以选择主要软件实施方式;或者,又再次另选地,实施者可以选择硬件、软件和/或固件的某种组合。
前面的详细描述已经由框图、流程图和/或示例阐述了装置和/或过程的各种实施方式。在这样的框图、流程图和/或示例包含一个或更多个功能和/或操作的范围内,本领域技术人员应当理解,这样的框图、流程图或示例能够由广泛的硬件、软件、固件或实际上其任何组合单独地和/或共同地实现。在一个实施方式中,本文所描述的主题的数个部分可以经由专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)或其它集成格式来实现。然而,本领域技术人员将认识到,本文所公开的实施方式的一些方面总体上或部分地能够在集成电路中、作为在一个或更多个计算机上运行的一个或更多个计算机程序(例如,作为在一个或更多个计算机系统上运行的一个或更多个程序)、作为在一个或更多个处理器上运行的一个或更多个程序(例如,作为在一个或更多个微处理器上运行的一个或更多个程序)、作为固件或实际上作为其任何组合被等效地实现,并且设计电路和/或为软件和/或固件编写代码将也在考虑到本公开的本领域技术人员内。
本公开将在旨在为各种方面的例示的本申请中所描述的特定实施方式方面不受限制。如对于本领域技术人员而言将显而易见的,在不脱离本公开的精神和范围的情况下能够做出许多修改和变化。除本文所枚举的那些之外的在本公开的范围内的功能上等效的方法和设备从前面的描述对于本领域技术人员而言将是显而易见的。这样的修改和变化旨在落入所附权利要求的范围内。本公开将仅由所附权利要求的项以及这样的权利要求享有的等同物的完全范围来限制。应当理解,本公开不限于当然能够变化的特定方法、试剂、复合物合成物或生物系统。还应当理解,本文所使用的术语是仅用于描述特定实施方式的目的的,并且不旨在为限制性的。
另外,本领域技术人员应当了解,本文所描述的主题的机制能够以各种形式作为程序产品被分布,并且本文所描述的主题的例示性实施方式适用,而不管用来实际上执行分布的信号承载介质的特定类型如何。信号承载介质的示例包括但不限于下列的:诸如柔性盘、硬盘驱动器(HDD)、紧致盘(CD)、数字通用盘(DVD)、数字磁带、计算机存储器、固态驱动器等的可记录型介质;以及诸如数字和/或模拟通信介质(例如,光纤电缆、波导、有线通信链路、无线通信链路等)的传输型介质。
本领域技术人员将认识到,在本领域内常见的是以本文所阐述的方式来描述装置和/或过程,并且其后使用工程实践来讲这样描述的装置和/或过程集成到数据处理系统中。也就是说,可以经由合理数量的试验将本文所描述的装置和/或过程的至少一部分集成到数据处理系统中。本领域技术人员将认识到,典型的数据处理系统通常包括系统单元外壳、视频显示装置、诸如易失性和非易失性存储器的存储器、诸如微处理器和数字信号处理器的处理器、诸如操作系统、驱动程序、图形用户界面的计算实体以及应用程序、一个或多个交互装置(诸如触控板或屏幕)和/或控制系统中的一个或多个,所述控制系统包括反馈回路和控制电机(例如,用于感测起重机架的位置和/或速度的反馈;用于移动和/或调整组件和/或量的控制电机)。
典型的数据处理系统可以利用任何适合的商业上可获得的组件来实现,诸如通常在数据计算/通信和/或网络计算/通信系统中找到的那些。本文描述的主题有时图示包含在不同的其它组件内或与不同的其它组件连接的不同的组件。应当理解,这样描绘的架构仅仅是示例性的,并且实际上能够实现完成相同的功能性的许多其它架构。在概念意义上,用于实现相同的功能性的组件的任何布置被有效地“关联”,使得所期望的功能性被实现。因此,在本文中组合来实现特定功能性的任何两个组件能够被视为与彼此“相关联”使得所期望的功能性被实现,而不管架构或中间组件如何。同样地,如此关联的任何两个组件还能够被视为彼此“在操作上连接”或“在操作上耦接”以完成所期望的功能性,并且能够被如此关联的任何两个组件还能够被视为“在操作上可耦接”到彼此以完成所期望的功能性。在操作上可耦接的特定示例包括但不限于物理上可连接的和/或物理上交互组件和/或无线可交互的和/或无线交互组件和/或逻辑上交互和/或逻辑上可交互的组件。
相对于基本上任何复数和/或单数项在本文中的使用,像适于上下文和/或应用那样本领域技术人员能够从复数向单数和/或从单数向复数平移。为了清楚起见,可以在本文中明确地阐述各种单数/复数置换。
本领域技术人员应当理解,一般而言,本文以及尤其在所附权利要求(例如,所附权利要求的正文)中所使用的术语通常意图为“开放式”术语(例如,术语“包括有”应该被解释为“包括有但不限于”,术语“具有”应该被解释为“至少具有”,术语“包括”应该被解释为“包括但不限于”等)。本领域技术人员还应当理解,如果特定数量的引入的权利要求引用是意图的,则这样的意图将被显式地记载在权利要求中,并且在缺少这样的引用情况下不存在这样的意图。例如,作为对理解的帮助,以下所附权利要求可以包含介绍性短语“至少一个”和“一个或更多个”的使用以引入权利要求引用。然而,即使当同一权利要求包括介绍性短语“一个或更多个”或“至少一个”以及诸如“一”或“一个”的不定冠词时(例如,“一”和/或“一个”应该被解释成意指“至少一个”或“一个或更多个”),这样的短语的使用也不应该被解释成暗示权利要求引用通过不定冠词“一”或“一个”的引入将包含这样引入的权利要求引用的任何特定权利要求限制于包含仅一个这样的引用的实施方式;相同情况适用于用于引入权利要求引用的定冠词的使用。另外,即使特定数量的引入的权利要求引用被显式地记载,本领域技术人员也应认识到,这样的引用应该被解释成至少意指所记载的数量(例如,“两个引用”的仅有引用在没有其它修饰词的情况下意指至少两个引用或两个或更多个引用)。
此外,在使用了类似于“A、B和C等中的至少一个”的约定的那些实例中,一般而言这样的构造在本领域技术人员将理解该约定的意义上被打算(例如,“具有A、B和C中的至少一个的系统”将包括但不限于只有A、只有B、只有C、A和B一起、A和C一起、B和C一起和/或A、B以及C一起等的系统)。本领域技术人员还应理解,实际上呈现两个或更多个另选术语的任何转折词和/或短语(无论在说明书、权利要求还是附图中)应该被理解成设想到包括这些术语中的一个、这些术语中的任何一个或两个术语的可能性。例如,短语“A或B”将被理解成包括“A”或“B”或“A和B”的可能性。
另外,在按Markush组对本公开的特征或方面进行描述的情况下,本领域技术人员将认识到,还因此按Markush组的成员的任何单独成员或子组对本公开进行描述。
如将由本领域技术人员所理解的,出于任何和所有目的,诸如在提供撰写的说明书方面,本文所公开的所有范围还包含任何且所有可能的子范围及其子范围的组合。任何列举的范围能够被容易地识别为充分地描述并且使得能实现被分解成至少二等分、三等分、四等分、五等分、十等分等的相同范围。作为非限制性示例,本文所讨论的各个范围能够被容易地分解成下三分之一、中间三分之一和上三分之一等。如还将由本领域技术人员所理解的,诸如“多达”、“至少”、“大于”、“小于”等的所有语言包括所记载的数量并且指代能够被随后分解成如以上所讨论的子范围的范围。最后,如将由本领域技术人员所理解的,范围包括各个单独的成员。因此,例如,具有1-3个元素的组指代具有1个元素、2个元素或3个元素的组。类似地,具有1-5个元素的组指代具有1个元素、2个元素、3个元素、4个元素或5个元素的组等等。
虽然已经在本文中公开了各种方面和实施方式,但是其它方面和实施方式对本领域技术人员而言将是显而易见的。本文所公开的各种方面和实施方式是用于例示的目的的,并且不旨在为限制性的,其中真实范围和精神由以下权利要求指示。
Claims (47)
1.一种在无线网络中采用预测频谱分配的方法,该方法包括以下步骤:
从移动装置接收对于子载波分配的请求,所述请求包括所述移动装置的时间戳和位置;
基于所述时间戳和所述位置来标识好的群集;
从所述“好的”群集中选择时频向量;以及
向所述移动装置发送子载波分配信息,其中,所述子载波分配信息基于所述时频向量。
2.根据权利要求1所述的方法,其中,发送所述子载波分配信息包括发送要用在连续时隙中的频率的序列。
3.根据权利要求1所述的方法,该方法还包括以下步骤:
响应于从所述移动装置接收到所述子载波分配是无法接受的指示,切换到缺省子载波分配。
4.根据权利要求3所述的方法,该方法还包括以下步骤:
将与所述子载波分配相关联的坏的质量指示转发到分析服务器。
5.根据权利要求1所述的方法,其中,基于所述时间戳和所述位置来标识所述好的群集包括以下步骤:
从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;
按装置位置对所述时隙进行分组以形成分析间隔;
针对各个分析间隙来标识时频向量,其中,所述时频向量使所述分析间隔与所述装置位置相关联;
针对各个时频向量来计算优度指标;以及
针对各个分析间隔和关联位置将时频向量的一个或更多个群集标识为好的群集和坏的群集。
6.根据权利要求1所述的方法,该方法还包括以下步骤:
采用机器学习技术用基本上类似的“优度”指标值来标识时频向量的群集。
7.根据权利要求6所述的方法,其中,采用所述机器学习技术包括使用神经网络、支持向量机(SVM)和贝叶斯分类器中的一个或更多个。
8.根据权利要求1所述的方法,其中,接收请求包括通过利用多址技术的无线通信技术来接收请求。
9.根据权利要求1所述的方法,该方法还包括以下步骤:
为一组子载波频率或单个子载波频率中的一个确定所述时频向量。
10.一种被配置为采用预测频谱分配的无线网络用控制器,该控制器包括:
通信模块,该通信模块用于通过无线网络与多个移动装置进行通信;
处理器,该处理器耦接至所述通信模块,所述处理器被配置为:
从移动装置接收对于子载波分配的请求,所述请求包括所述移动装置的时间戳和位置;
基于所述时间戳和所述位置来标识好的群集;
从所述“好的”群集中选择时频向量;并且
基于所述时频向量向所述移动装置发送子载波分配信息。
11.根据权利要求10所述的控制器,其中,所述子载波分配信息包括要用在连续时隙中的频率的序列。
12.根据权利要求10所述的控制器,其中,所述处理器还被配置为:
响应于从所述移动装置接收到所述子载波分配是无法接受的指示,切换到缺省子载波分配。
13.根据权利要求12所述的控制器,其中,所述处理器还被配置为:
将与所述子载波分配相关联的坏的质量指示转发到分析服务器。
14.根据权利要求10所述的控制器,其中,所述处理器还被配置为通过以下步骤基于所述时间戳和所述位置来标识所述好的群集:
从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;
按位置对所述时隙进行分组以形成分析间隔;
针对各个分析间隙来标识时频向量,其中,所述时频向量使所述分析间隔与所述装置位置相关联;
针对各个时频向量来计算优度指标;并且
针对各个分析间隔和关联位置将时频向量的群集标识为好的群集和坏的群集。
15.根据权利要求10所述的控制器,其中,所述处理器还被配置为:
采用机器学习技术用基本上类似的优度指标值来标识时频向量的群集。
16.根据权利要求15所述的控制器,其中,所述机器学习技术包括神经网络、支持向量机(SVM)和贝叶斯分类器中的一个或更多个。
17.根据权利要求10所述的控制器,其中,用于与所述移动装置进行通信的通信技术使用多址技术。
18.根据权利要求10所述的控制器,其中,所述控制器是基站的一部分。
19.根据权利要求10所述的控制器,其中,所述控制器与所述移动装置之间的通信的类型是数据通信或音频通信中的一种。
20.根据权利要求10所述的控制器,其中,所述无线网络是演进型通用移动电信系统陆地无线电接入网(eUTRAN)、长期演进(LTE)网络、LTE-Advanced网络、高速分组接入(HSPA)网络或HSPA-Advanced网络中的一个。
21.一种在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的方法,该方法包括以下步骤:
从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;
对所述时隙进行分组以形成分析间隔;
针对各个分析间隙来标识时频向量,其中,所述时频向量使所述分析间隔与所述装置位置相关联;
针对各个时频向量来计算优度指标;
标识时频向量的群集;以及
将所述时频向量的群集分成两个或更多个类别。
22.根据权利要求21所述的方法,其中,将所述群集分成两个或更多个类别包括将所述群集标记为好的群集或坏的群集。
23.根据权利要求21所述的方法,该方法还包括以下步骤:
采用机器学习技术用基本上类似的“优度”指标值来标识所述时频向量的群集。
24.根据权利要求23所述的方法,其中,所述机器学习技术包括神经网络、支持向量机(SVM)和贝叶斯分类器中的一个或更多个。
25.根据权利要求21所述的方法,其中,计算所述优度指标包括:
基于以下各项中的一个或更多个来计算所述优度指标:来自所述移动装置的信道质量指标、接收信号强度指标(RSSI)、误码率(BER)、分组重传次数、信噪比(S/N)、呼叫失败次数、用户反馈、用户在相同比特速率下请求的断电和/或用户请求的加电。
26.根据权利要求21所述的方法,该方法还包括以下步骤:
基于一天中的某一时间、星期几、一个月中的某一天、季节、移动装置的位置和/或地理区域内的预期人口变化动态地调整所述分析间隔的长度。
27.根据权利要求21所述的方法,其中,所述装置位置基于地理网格的多个单位,并且该方法还包括以下步骤:
基于所述装置位置是否在人口密集区域中、所述装置位置是否在人口稀疏区域中、所述无线网络的通信技术和/或通信的选择频率中的一个或更多个动态地调整地理网格的各个单位的尺寸。
28.根据权利要求27所述的方法,该方法还包括以下步骤:
基于一天中的某一时间、星期几、一个月中的某一天、季节和/或地理区域内的预期人口变化中的一个或更多个进一步调整地理网格的各个单位的所述尺寸。
29.根据权利要求27所述的方法,其中,从多个移动装置接收所述信息包括通过利用多址技术的无线通信技术来接收所述信息。
30.根据权利要求21所述的方法,该方法还包括以下步骤:
为一组子载波频率或单个子载波频率中的一个确定所述时频向量。
31.根据权利要求21所述的方法,该方法还包括以下步骤:
基于与用户相关联的通信的类型来计算所述优度指标。
32.一种在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的分析服务器,该分析服务器包括:
存储器,该存储器被配置为存储指令;
处理器,该处理器耦接至所述存储器,所述处理器被配置为:
从多个移动装置接收关于装置位置、时隙、为各个时隙分配的子载波和质量指标的信息;
按位置对所述时隙进行分组以形成分析间隔;
针对各个分析间隙来标识时频向量,其中,所述时频向量使所述分析间隔与所述装置位置相关联;
针对各个时频向量来计算优度指标;
标识时频向量的群集;并且
将所述时频向量的群集分成两个或更多个类别。
33.根据权利要求32所述的分析服务器,其中,所述类别包括好的群集和坏的群集。
34.根据权利要求32所述的分析服务器,其中,所述处理器还被配置为:
采用机器学习技术用基本上类似的“优度”指标值来标识所述时频向量的群集。
35.根据权利要求34所述的分析服务器,其中,所述机器学习技术包括神经网络、支持向量机(SVM)和贝叶斯分类器中的一个或更多个。
36.根据权利要求32所述的分析服务器,其中,所述处理器还被配置为:
基于以下各项中的一个或更多个来计算所述优度指标:来自所述移动装置的信道质量指标、接收信号强度指标(RSSI)、误码率(BER)、分组重传次数、信噪比(S/N)、呼叫失败次数、用户反馈、用户在相同比特速率下请求的断电和/或用户请求的加电。
37.根据权利要求32所述的分析服务器,其中,所述处理器还被配置为:
基于一天中的某一时间、星期几、一个月中的某一天、季节和/或地理区域内的预期人口变化动态地调整所述分析间隔的长度。
38.根据权利要求32所述的分析服务器,其中,所述处理器还被配置为:
基于所述装置位置是否在人口密集区域中、所述装置位置是否在人口稀疏区域中、所述无线网络的通信技术和/或通信的选择频率中的一个或更多个动态地调整地理网格的各个单位的尺寸。
39.根据权利要求38所述的分析服务器,其中,所述处理器还被配置为:
基于一天中的某一时间、星期几、一个月中的某一天、季节和/或地理区域内的预期人口变化中的一个或更多个进一步调整地理网格的各个单位的所述尺寸。
40.根据权利要求38所述的分析服务器,其中,所述无线网络的所述通信技术是频分多址(FDMA)、正交频分多址(OFDMA)或窄带分配技术中的一个。
41.根据权利要求32所述的分析服务器,其中,所述处理器还被配置为:
为一组子载波频率或单个子载波频率中的一个确定所述时频向量。
42.根据权利要求32所述的分析服务器,其中,所述处理器还被配置为:
基于与用户相关联的通信的类型来计算所述优度指标。
43.根据权利要求32所述的分析服务器,其中,所述分析服务器是基站的一部分。
44.根据权利要求32所述的分析服务器,其中,所述分析服务器被配置为经由一个或更多个基站从所述多个移动装置接收所述信息。
45.根据权利要求32所述的分析服务器,其中,所述无线网络是演进型通用移动电信系统陆地无线电接入网(eUTRAN)、长期演进(LTE)网络、LTE-Advanced网络、高速分组接入(HSPA)网络或HSPA-Advanced网络中的一个。
46.一种存储有用于在无线网络中采用预测频谱分配的指令的计算机可读存储介质,当执行所述指令时使方法被执行,其中,所述方法包括权利要求1至9的动作。
47.一种存储有用于在无线网络中分析子载波分配数据以分类群集用于预测频谱分配的指令的计算机可读存储介质,当执行所述指令时使方法被执行,其中,所述方法包括权利要求21至31的动作。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN1349CH2013 | 2013-03-26 | ||
IN1349/CHE/2013 | 2013-03-26 | ||
PCT/US2013/047380 WO2014158205A1 (en) | 2013-03-26 | 2013-06-24 | Predictive spectral allocation in mobile networks |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105052229A true CN105052229A (zh) | 2015-11-11 |
Family
ID=51624978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380074974.8A Pending CN105052229A (zh) | 2013-03-26 | 2013-06-24 | 移动网络中的预测频谱分配 |
Country Status (3)
Country | Link |
---|---|
US (2) | US9204448B2 (zh) |
CN (1) | CN105052229A (zh) |
WO (1) | WO2014158205A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114342442A (zh) * | 2019-09-06 | 2022-04-12 | 伊莫克Vzw公司 | 预测无线电频谱使用 |
CN114884621A (zh) * | 2016-11-09 | 2022-08-09 | 瑞典爱立信有限公司 | 用于链路自适应的方法和装置 |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9369351B2 (en) * | 2014-01-06 | 2016-06-14 | Cisco Technology, Inc. | Using learning machine-based prediction in multi-hopping networks |
US9426776B2 (en) * | 2014-07-30 | 2016-08-23 | Google Technology Holdings LLC | Method and apparatus for enforcing tiered geographical anonymity in a mobile device |
US10454877B2 (en) | 2016-04-29 | 2019-10-22 | Cisco Technology, Inc. | Interoperability between data plane learning endpoints and control plane learning endpoints in overlay networks |
US10091070B2 (en) | 2016-06-01 | 2018-10-02 | Cisco Technology, Inc. | System and method of using a machine learning algorithm to meet SLA requirements |
US10963813B2 (en) | 2017-04-28 | 2021-03-30 | Cisco Technology, Inc. | Data sovereignty compliant machine learning |
US10477148B2 (en) | 2017-06-23 | 2019-11-12 | Cisco Technology, Inc. | Speaker anticipation |
US10608901B2 (en) | 2017-07-12 | 2020-03-31 | Cisco Technology, Inc. | System and method for applying machine learning algorithms to compute health scores for workload scheduling |
US10091348B1 (en) | 2017-07-25 | 2018-10-02 | Cisco Technology, Inc. | Predictive model for voice/video over IP calls |
WO2019186245A1 (en) * | 2018-03-30 | 2019-10-03 | Telefonaktiebolaget Lm Ericsson (Publ) | Network coverage and policy information generation and distribution for unmanned aerial vehicle flight planning |
US11232115B2 (en) * | 2018-04-11 | 2022-01-25 | Nokia Technologies Oy | Identifying functional zones within a geographic region |
US10867067B2 (en) | 2018-06-07 | 2020-12-15 | Cisco Technology, Inc. | Hybrid cognitive system for AI/ML data privacy |
US10446170B1 (en) | 2018-06-19 | 2019-10-15 | Cisco Technology, Inc. | Noise mitigation using machine learning |
US11665576B2 (en) * | 2018-08-10 | 2023-05-30 | Verizon Patent And Licensing Inc. | Systems and methods for wireless low latency traffic scheduler |
CN109344772B (zh) * | 2018-09-30 | 2021-01-26 | 中国人民解放军战略支援部队信息工程大学 | 基于谱图和深度卷积网络的超短波特定信号侦察方法 |
US10701681B1 (en) | 2019-03-29 | 2020-06-30 | At&T Intellectual Property I, L.P. | Coordinated beam forming for 5G or other next generation network |
US11246042B2 (en) * | 2020-01-16 | 2022-02-08 | At&T Intellectual Property I, L.P. | Unified self-optimizing network to increase cell edge performance |
US11006268B1 (en) | 2020-05-19 | 2021-05-11 | T-Mobile Usa, Inc. | Determining technological capability of devices having unknown technological capability and which are associated with a telecommunication network |
US11800398B2 (en) | 2021-10-27 | 2023-10-24 | T-Mobile Usa, Inc. | Predicting an attribute of an immature wireless telecommunication network, such as a 5G network |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1171677A (zh) * | 1996-05-27 | 1998-01-28 | 索尼公司 | 通信方法,通信装置,接收方法和接收装置 |
US6125278A (en) * | 1998-07-27 | 2000-09-26 | Wieczorek; Alfred A. | Method for optimizing resource allocation based on subscriber transmission history |
EP1773091A2 (en) * | 2005-10-06 | 2007-04-11 | Samsung Electronics Co., Ltd. | Method of configuring channel and allocating resources in a multi-hop relay wireless communication system |
CN101690343A (zh) * | 2007-07-10 | 2010-03-31 | 高通股份有限公司 | 基于位置信息来选择通信频段的方法和装置 |
US20100110929A1 (en) * | 2008-11-04 | 2010-05-06 | Qualcomm Incorporated | Transmission with hopping for peer-peer communication |
CN102835140A (zh) * | 2010-04-08 | 2012-12-19 | 高通股份有限公司 | 用于确定和指派用于无线通信的频谱的方法和装置 |
CN102932120A (zh) * | 2000-12-15 | 2013-02-13 | 昂达博思公司 | 一种用于在ofdma系统中分配副载波的方法及设备 |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU689908B2 (en) | 1994-06-23 | 1998-04-09 | Telefonaktiebolaget Lm Ericsson (Publ) | Intra-cell handover with antenna arrays |
GB9913697D0 (en) | 1999-06-11 | 1999-08-11 | Adaptive Broadband Ltd | Dynamic channel allocation in a wireless network |
US7124193B1 (en) | 2000-08-24 | 2006-10-17 | At&T Corp. | Method of using link adaptation and power control for streaming services in wireless networks |
US6721569B1 (en) * | 2000-09-29 | 2004-04-13 | Nortel Networks Limited | Dynamic sub-carrier assignment in OFDM systems |
US20060160543A1 (en) * | 2002-03-14 | 2006-07-20 | Alex Mashinsky | Method and system for dynamic spectrum allocation and management |
US20030210665A1 (en) | 2002-05-08 | 2003-11-13 | Matti Salmenkaita | System and method for dynamic frequency allocation for packet switched services |
US20060068802A1 (en) | 2004-09-29 | 2006-03-30 | Benco David S | Method for calculating a dynamic set of location areas for a mobile unit |
US7412254B2 (en) | 2004-10-05 | 2008-08-12 | Nortel Networks Limited | Power management and distributed scheduling for uplink transmissions in wireless systems |
US7574409B2 (en) * | 2004-11-04 | 2009-08-11 | Vericept Corporation | Method, apparatus, and system for clustering and classification |
JP4732808B2 (ja) | 2005-06-14 | 2011-07-27 | 株式会社エヌ・ティ・ティ・ドコモ | 無線パラメータ群を生成する装置 |
US8767595B2 (en) | 2005-08-02 | 2014-07-01 | L-3 Communications Corporation | Enhanced methods of cellular environment detection when interoperating with timed interfers |
US8391254B2 (en) * | 2005-10-06 | 2013-03-05 | Samsung Electronics Co., Ltd | Channel configuration and bandwidth allocation in multi-hop cellular communication networks |
US7768973B2 (en) | 2006-04-21 | 2010-08-03 | Fujitsu Limited | Proportional fair scheduler for OFDMA wireless systems with QOS constraints |
US20070298821A1 (en) | 2006-06-21 | 2007-12-27 | Lockheed Martin Corporation | System for boolean network configuration of a wireless network |
US7813701B2 (en) * | 2006-08-29 | 2010-10-12 | Piping Hot Networks Limited | Interference optimized OFDM |
US8442572B2 (en) | 2006-09-08 | 2013-05-14 | Qualcomm Incorporated | Method and apparatus for adjustments for delta-based power control in wireless communication systems |
US8462758B2 (en) | 2006-12-20 | 2013-06-11 | Intel Corporation | Channel quality information feedback techniques for a wireless system |
WO2009040713A2 (en) | 2007-09-25 | 2009-04-02 | Nokia Corporation | Flexible spectrum sharing |
KR101467570B1 (ko) * | 2007-11-29 | 2014-12-01 | 엘지전자 주식회사 | 무선통신 시스템에서 무선자원 할당방법 |
EP3531780B1 (en) | 2008-04-21 | 2020-12-02 | Apple Inc. | Provision of an uplink structure in a wireless communication network for minimizing pilot signal overhead |
CN102017749B (zh) * | 2008-09-02 | 2016-05-11 | 上海贝尔股份有限公司 | 无线接入网络中请求和处理上行资源分配的方法和装置 |
EP2259447A3 (en) * | 2009-06-04 | 2014-05-14 | Gilat Satellite Networks, Ltd. | Statistical multiplexing in satellite communication networks |
US8520617B2 (en) | 2009-11-06 | 2013-08-27 | Motorola Mobility Llc | Interference mitigation in heterogeneous wireless communication networks |
US8477642B2 (en) | 2010-04-21 | 2013-07-02 | Qualcomm Incorporated | Ranging and distance based spectrum selection in cognitive radio |
CN102291826B (zh) * | 2010-06-18 | 2014-01-08 | 华为技术有限公司 | 基于竞争的上行传输方法、配置方法和相关设备 |
US8965430B2 (en) | 2011-06-30 | 2015-02-24 | Telefonaktiebolaget L M Ericsson (Publ) | Method and apparatus for controlling channel quality reporting modes used by wireless communication network users |
WO2013066679A1 (en) * | 2011-11-04 | 2013-05-10 | Interdigital Patent Holdings, Inc. | Methods, apparatus and systems for minimization of drive tests (mdt) based on qos verifications |
US9462477B2 (en) * | 2012-05-09 | 2016-10-04 | Interdigital Patent Holdings, Inc. | Flexible network sharing |
US8886161B2 (en) * | 2012-10-05 | 2014-11-11 | The Nielsen Company (Us), Llc | Methods and apparatus to discover spectrum usage of mobile carriers |
-
2013
- 2013-06-24 WO PCT/US2013/047380 patent/WO2014158205A1/en active Application Filing
- 2013-06-24 CN CN201380074974.8A patent/CN105052229A/zh active Pending
- 2013-06-24 US US14/123,199 patent/US9204448B2/en not_active Expired - Fee Related
-
2015
- 2015-08-22 US US14/833,082 patent/US9572165B2/en not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1171677A (zh) * | 1996-05-27 | 1998-01-28 | 索尼公司 | 通信方法,通信装置,接收方法和接收装置 |
US6125278A (en) * | 1998-07-27 | 2000-09-26 | Wieczorek; Alfred A. | Method for optimizing resource allocation based on subscriber transmission history |
CN102932120A (zh) * | 2000-12-15 | 2013-02-13 | 昂达博思公司 | 一种用于在ofdma系统中分配副载波的方法及设备 |
EP1344365B1 (en) * | 2000-12-15 | 2013-02-27 | Adaptix, Inc. | Ofdma with adaptive subcarrier-cluster configuration and selective loading |
EP1773091A2 (en) * | 2005-10-06 | 2007-04-11 | Samsung Electronics Co., Ltd. | Method of configuring channel and allocating resources in a multi-hop relay wireless communication system |
CN101690343A (zh) * | 2007-07-10 | 2010-03-31 | 高通股份有限公司 | 基于位置信息来选择通信频段的方法和装置 |
US20100110929A1 (en) * | 2008-11-04 | 2010-05-06 | Qualcomm Incorporated | Transmission with hopping for peer-peer communication |
CN102835140A (zh) * | 2010-04-08 | 2012-12-19 | 高通股份有限公司 | 用于确定和指派用于无线通信的频谱的方法和装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114884621A (zh) * | 2016-11-09 | 2022-08-09 | 瑞典爱立信有限公司 | 用于链路自适应的方法和装置 |
CN114884621B (zh) * | 2016-11-09 | 2024-04-16 | 瑞典爱立信有限公司 | 用于链路自适应的方法和装置 |
CN114342442A (zh) * | 2019-09-06 | 2022-04-12 | 伊莫克Vzw公司 | 预测无线电频谱使用 |
Also Published As
Publication number | Publication date |
---|---|
US20150365932A1 (en) | 2015-12-17 |
US20140293955A1 (en) | 2014-10-02 |
WO2014158205A1 (en) | 2014-10-02 |
US9572165B2 (en) | 2017-02-14 |
US9204448B2 (en) | 2015-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105052229A (zh) | 移动网络中的预测频谱分配 | |
CN100456758C (zh) | 具有基于组的副载波分配的多载波通信方法 | |
US9325468B2 (en) | Radio resource managment | |
CN1874334B (zh) | 一种在使用正交频分多址的系统中选择副载波的方法及设备 | |
US11405934B2 (en) | Radio resource management | |
KR102239081B1 (ko) | 데이터 송신 방법 및 그것의 단말 디바이스 | |
JP6556356B2 (ja) | 無線ネットワーク監視方法及びこの方法を実施するネットワークノード | |
US11483719B2 (en) | Method and apparatus for beam configuration in wireless communication system | |
US11792662B2 (en) | Identification and prioritization of optimum capacity solutions in a telecommunications network | |
US20220417948A1 (en) | Learned scheduler for flexible radio resource allocation to applications | |
CN104022951A (zh) | 一种网络服务路径的建立方法及系统 | |
Loh et al. | Efficient graph-based gateway placement for large-scale LoRaWAN deployments | |
CN110535581A (zh) | 上行信号的资源确定方法、设备和计算机可读存储介质 | |
Lee et al. | Decentralized Multi-Agent DQN-based Resource Allocation for Heterogeneous Traffic in V2X Communications | |
Barnes | Cognitive radio performance optimisation through spectrum availability prediction | |
US9320052B2 (en) | Resolving spectral allocation conflicts in mobile networks | |
Burbano-Abril et al. | Modeling and analysis of LTE connectivity in a high mobility vehicular environment | |
US20240107331A1 (en) | Method performed by network node and network node | |
US20230308899A1 (en) | Utilizing invariant user behavior data for training a machine learning model | |
Alrubaee et al. | Optimizing Downlink Resource Allocation for High-Speed LTE-V Networks Through Intelligent Scheduling | |
Dias | Channel Selection Algorithms for Cognitive Radio Systems | |
WO2022018304A1 (en) | System and method for determining user throughput in a cellular network | |
Ahmed | Interference management in dense 802.11 networks | |
Zhang | Building high-performance wireless systems through dynamic spectrum access |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20190809 |