CN106788819B - 一种基于极化信息处理的认知异构蜂窝网络频谱共享方法 - Google Patents
一种基于极化信息处理的认知异构蜂窝网络频谱共享方法 Download PDFInfo
- Publication number
- CN106788819B CN106788819B CN201611257469.9A CN201611257469A CN106788819B CN 106788819 B CN106788819 B CN 106788819B CN 201611257469 A CN201611257469 A CN 201611257469A CN 106788819 B CN106788819 B CN 106788819B
- Authority
- CN
- China
- Prior art keywords
- small cell
- base station
- user
- polarization state
- cell base
- 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.)
- Active
Links
- 230000010287 polarization Effects 0.000 title claims abstract description 84
- 238000001228 spectrum Methods 0.000 title claims abstract description 55
- 230000001413 cellular effect Effects 0.000 title claims abstract description 46
- 230000001149 cognitive effect Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000010365 information processing Effects 0.000 title claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims description 15
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- CXVGEDCSTKKODG-UHFFFAOYSA-N sulisobenzone Chemical compound C1=C(S(O)(=O)=O)C(OC)=CC(O)=C1C(=O)C1=CC=CC=C1 CXVGEDCSTKKODG-UHFFFAOYSA-N 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 4
- 238000005562 fading Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000023402 cell communication Effects 0.000 description 1
- 238000005388 cross polarization Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000028161 membrane depolarization Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3911—Fading models or fading generators
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于极化信息处理的认知异构蜂窝网络频谱共享方法，其利用极化信息处理实现认知异构蜂窝网络中宏蜂窝和小蜂窝间的频谱共享，应用于认知异构蜂窝网络。本发明优化小蜂窝用户接收极化状态，减小来自宏蜂窝基站的干扰；优化小蜂窝基站发送极化状态，减小对宏蜂窝用户的干扰，保证宏蜂窝用户的正常工作；利用认知异构蜂窝网络的极化信息，实现小蜂窝下行容量的最大化；采用虚拟变极化方法产生极化状态，相比于改变天线硬件配置产生极化状态的方法，具有实现复杂度低的优点。
Description
技术领域
本发明属于无线通信领域，涉及认知异构蜂窝网络系统，具体涉及一种认知无线电频谱共享方法。
背景技术
移动互联网业务的发展以及智能终端的普及驱动着无线移动通信网络容量需求的指数级增长。据高通公司预测，2010年至2020年，移动数据流量将实现1000倍增长，并导致未来无线移动通信网络容量需求的1000倍增长。如何能够大幅度提升蜂窝网络容量成为未来移动通信迫切需要解决的难题。作为革新的无线网络架构之一，由宏蜂窝和小蜂窝组成的异构蜂窝网络可以有效地提高网络容量、降低网络开销、减少能量消耗，成为了5G应对容量1000倍增长挑战的基础之一。
然而，宏蜂窝与小蜂窝间的同频复用引入复杂的跨层干扰问题，并导致网络容量的下降。认知无线电技术是对抗复杂干扰，提高异构蜂窝网络频谱效率的新的有效途径。频谱共享是认知无线电技术的核心。小蜂窝作为认知网络在避免对宏蜂窝即授权网络产生有害干扰的条件下，利用存在的频谱机会实现和授权网络的频谱共享。传统频谱共享方法按照信号客观存在的域特征可分类为时域、频域、空域、功率域、距离域和码域频谱共享等。异构蜂窝网络中传统频谱共享面临着可用频谱机会减少的问题。仅利用上述域频谱机会对于异构蜂窝网络的无线频谱需求还远远不够。
事实上，作为信号本质属性的极化信息也是可被利用的重要资源。具有正交双极化天线的基站和终端的普及以及虚拟变极化等极化信息处理方法的应用，使得信号的极化信息的识别及利用变得可能。现有的极化域频谱共享方法包括基于极化的交织式频谱共享(PISS，Polarization-based interweave spectrum sharing)[1]、基于极化的衬底式频谱共享(PUSS，Polarization-based underlay spectrum sharing)[2]和基于子载波分簇的极化域频谱共享算法[3]等。以上研究实现的是单点对单点、单点对多点的极化域频谱共享方法，不能满足认知异构蜂窝网络的频谱共享需求。
[1]L.Lin,C.Guo,C.Feng,“Degree of polarization detection:a dual-polarized antenna based spectrum sensing algorithm for cognitive radio,”Int.J.Commun.Syst.,2013.
[2]D.Li,C.Guo,Z.Zeng,and X.Lin,“A novel underlay TV spectrum sharingscheme based on polarization adaption for TD-LTE system,”in Proc.WirelessCommun.Netw.Conf,pp.2484-2489,2013.
[3]D.Li,Z.Zeng,C.Guo,and X.Lin,“Cluster-based polarized spectrumsharing in channels with polarization mode dispersion,”ETRI journal,vol.36,no.3,pp.502-505,2014.
发明内容
本发明的目的是为了解决上述问题，利用极化信息处理实现认知异构蜂窝网络中宏蜂窝和小蜂窝间的频谱共享，提供了一种基于极化信息处理的认知异构蜂窝网络频谱共享方法(PSS-CHCN，Polarization-based spectrum sharing scheme in cognitiveheterogeneous cellular network)，应用于认知异构蜂窝网络。本发明优化小蜂窝的发送和接收极化状态，实现了小蜂窝下行容量的最大化并满足宏蜂窝的干扰约束，提高了频谱共享性能。
为了达到上述技术效果，本发明实施例的一种基于极化信息处理的认知异构蜂窝网络频谱共享方法，包括：
小蜂窝基站通过双极化天线向小蜂窝用户发送目标信号，小蜂窝用户同时接收到宏蜂窝基站发送的干扰信号；
建立小蜂窝基站对宏蜂窝用户的干扰表达式，根据香农定理建立小蜂窝下行容量表达式；
构建基于极化信息处理的认知异构蜂窝网络频谱共享优化模型，以最大化小蜂窝下行容量为目标，以小蜂窝基站对宏蜂窝用户的干扰低于干扰门限为约束条件；
小蜂窝基站利用宏蜂窝基站到小蜂窝用户的干扰信道的信道状态信息(CSI，Channel state information)和宏蜂窝基站的发送极化状态，计算小蜂窝用户的最优接收极化状态；
小蜂窝用户通过虚拟变极化方法产生最优接收极化状态；
简化基于极化信息处理的认知异构蜂窝网络频谱共享优化模型，根据拉格朗日乘子法，求解小蜂窝基站的发送极化状态表达式；
小蜂窝基站利用小蜂窝基站到小蜂窝用户的目标信道和小蜂窝基站到宏蜂窝用户的干扰信道的CSI，以及小蜂窝用户接收极化状态和宏蜂窝用户接收极化状态，计算小蜂窝基站最优发送极化状态。
本发明的优点在于：
(1)优化小蜂窝用户接收极化状态，减小来自宏蜂窝基站的干扰；
(2)优化小蜂窝基站发送极化状态，减小对宏蜂窝用户的干扰，保证宏蜂窝用户的正常工作；
(3)利用认知异构蜂窝网络的极化信息，实现小蜂窝下行容量的最大化；
(4)采用虚拟变极化方法产生极化状态，相比于改变天线硬件配置产生极化状态的方法，具有实现复杂度低的优点。
附图说明
图1：本发明实施例的认知异构蜂窝网络模型示意图；
图2：本发明实施例提供的方法流程图；
图3：本发明与背景技术共享方法包括PISS和PUSS的系统频谱效率性能对比图(坐标图)。
具体实施方式
为了使本领域的技术人员更加清楚地理解和实施本发明，下面结合附图以具体实施例的方式，详细阐述本发明实施例的技术方案。
参考图1，示出了本发明的认知异构蜂窝网络模型，该网络包括：
宏蜂窝为授权网络，由宏蜂窝基站(MBS,Macro base station)和宏蜂窝用户(MUE，Macrocell user equipment)组成；
小蜂窝为认知网络，与宏蜂窝共享频谱；
小蜂窝由小蜂窝基站(SBS,Small cell base station)和小蜂窝用户(SUEs，Small cell user equipments)组成，小蜂窝用户记作{SUEi},i＝1,2,...,M；
SBS的发送天线M001，是正交双极化天线，用于发送小蜂窝下行信号；
SUEi的接收天线{M002i},i＝1,2,...,M，是正交双极化天线，用于接收小蜂窝下行信号。
参考图2，示出了本发明的一种基于极化信息处理的认知异构蜂窝网络频谱共享方法，其流程包括：
S01，构建基于极化信息处理的认知异构蜂窝网络频谱共享优化模型，具体包括以下步骤：
S100，建立小蜂窝基站对宏蜂窝用户的干扰表达式：假设小蜂窝中共有M个小蜂窝用户，小蜂窝基站发送极化状态为{Pi,SBS},i＝1,2,…M，小蜂窝基站到宏蜂窝用户的干扰信道为Hi,SBS→MUE，宏蜂窝用户接收极化状态为PMUE，小蜂窝基站对宏蜂窝用户的干扰表示为
为了保证宏蜂窝用户的正常工作，小蜂窝基站对宏蜂窝用户的干扰需不大于干扰门限Q，即
S110建立小蜂窝下行容量表达式：对于小蜂窝用户，其带宽相同且等于B，噪声方差为σi 2，接收极化状态为{Pi,SUE}，小蜂窝基站到小蜂窝用户的目标信道为{HSBS→i,SUE}，宏蜂窝基站到小蜂窝用户的干扰信道为{HMBS→i,SUE}，根据香农定理，小蜂窝下行容量表征为
其中，Ci表示小蜂窝基站到SUEi的下行容量。
S120建立优化模型：以最大化小蜂窝下行容量为目标，以小蜂窝基站对宏蜂窝用户的干扰低于干扰门限为约束条件，构建基于极化信息处理的认知异构蜂窝网络频谱共享优化模型为
S02计算小蜂窝用户的最优接收极化状态：小蜂窝基站利用宏蜂窝基站到小蜂窝用户的干扰信道的信道状态信息(CSI，Channel state information)和宏蜂窝基站的发送极化状态，得小蜂窝用户的最优接收极化状态为
其中(γi,φi)是HMBS→i,SUEPMUE的幅度和相位描述子；
S03简化基于极化信息处理的认知异构蜂窝网络频谱共享优化模型：令
假设
成立，忽略常数项
将小蜂窝用户的最优接收极化状态代入优化模型中，则基于极化信息处理的认知异构蜂窝网络频谱共享优化模型简化为
S04计算小蜂窝基站的最优发送极化状态：小蜂窝基站利用小蜂窝基站到小蜂窝用户的目标信道和小蜂窝基站到宏蜂窝用户的干扰信道的CSI，以及小蜂窝用户接收极化状态和宏蜂窝用户接收极化状态，计算小蜂窝基站最优发送极化状态，具体求解过程如下：
根据拉格朗日乘子法，构造拉格朗日函数和拉格朗日对偶函数，
其中：λ为拉格朗日乘子，拉格朗日乘子和小蜂窝基站最优发送极化状态的闭合表达式分别为
vmin(·)表示矩阵最小特征值对应的特征矢量；
为了进一步阐述本发明实施例的一种基于极化信息处理的认知异构蜂窝网络频谱共享方法，采用双极化瑞利衰落信道为例，执行本发明实施例的方法，并进行分析如下：
本发明所提技术方案是一种基于极化信息处理的认知异构蜂窝网络频谱共享方法，对各种通信环境均适用，但为方便分析共享性能，此处以双极化瑞利衰落信道环境为例。
双极化瑞利衰落信道建模为
H＝ghp
其中，标量g服从复高斯衰落，用于表征瑞利衰落，矢量hp表征信道去极化效应，并表征为
其中：(·)'表示共轭，χ为信道交叉极化鉴别度的逆，pp和qp为交叉信道相关系数，βk,k＝1,2,3,4为服从[0,2π)的均匀分布。
假设长度为Tf的数据帧包含两部分：Tp用于极化状态计算，Td用于数据传输，频谱被宏蜂窝占用和未被占用的概率分别为
和
。在频谱被宏蜂窝占用的假设下，宏蜂窝和小蜂窝下行容量分别为
在频谱未被宏蜂窝占用的假设下，小蜂窝下行容量为
其中SNRi表示第i个小蜂窝用户的信噪比。采用一种基于极化信息处理的认知异构蜂窝网络频谱共享方法时，认知异构蜂窝网络的频谱效率为
参考图3，图示了本发明的频谱共享方法的使用效果示意图。PSS-CHCN表示本发明的频谱共享方法，PUSS表示对每条小蜂窝通信链路分别采用基于极化的衬底式频谱共享方法，PISS表示采用基于极化的交织式频谱共享方法。随
的增加，采用PSS-CHCN的系统频谱效率始终高于PISS。当
较小时，虽然PUSS的性能略高于PSS-CHCN，但采用PUSS时小蜂窝对宏蜂窝的干扰远大于PSS-CHCN。当
增大时，PSS-CHCN相比于PUSS的性能增益越来越大。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件设施的方式来实现。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
综上所述，通过实施本发明实施例的一种基于极化信息处理的认知异构蜂窝网络频谱共享方法，采用极化信息处理理论，在极化维度上实现了小蜂窝和宏蜂窝的频谱共享，增加了传统频谱共享的极化自由度，在保证宏蜂窝用户正常工作的前提下提高了认知异构蜂窝网络的频谱效率。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (1)
1.一种基于极化信息处理的认知异构蜂窝网络频谱共享方法，其特征在于，所述的认知异构蜂窝网络模型中，宏蜂窝为授权网络，由宏蜂窝基站和宏蜂窝用户组成；小蜂窝为认知网络，与宏蜂窝共享频谱；小蜂窝由小蜂窝基站和小蜂窝用户组成，小蜂窝用户记作{SUEi},i＝1,2,...,M；小蜂窝基站的发送天线是正交双极化天线，用于发送小蜂窝下行信号；SUEi的接收天线{M002i},i＝1,2,...,M，是正交双极化天线，用于接收小蜂窝下行信号；
认知异构蜂窝网络频谱共享方法具体包括以下几个步骤：
S01，构建基于极化信息处理的认知异构蜂窝网络频谱共享优化模型，具体包括以下步骤：
S100，建立小蜂窝基站对宏蜂窝用户的干扰表达式：假设小蜂窝中共有M个小蜂窝用户，小蜂窝基站发送极化状态为{Pi,SBS},i＝1,2,…M，小蜂窝基站到宏蜂窝用户的干扰信道为Hi,SBS→MUE，宏蜂窝用户接收极化状态为PMUE，小蜂窝基站对宏蜂窝用户的干扰表示为
小蜂窝基站对宏蜂窝用户的干扰不大于干扰门限Q，即
S110建立小蜂窝下行容量表达式：对于小蜂窝用户，其带宽相同且等于B，噪声方差为σi 2，接收极化状态为{Pi,SUE}，小蜂窝基站到小蜂窝用户的目标信道为{HSBS→i,SUE}，宏蜂窝基站到小蜂窝用户的干扰信道为{HMBS→i,SUE}，根据香农定理，小蜂窝下行容量表征为
其中，Ci表示小蜂窝基站到SUEi的下行容量；
S120建立优化模型：以最大化小蜂窝下行容量为目标，以小蜂窝基站对宏蜂窝用户的干扰低于干扰门限为约束条件，构建基于极化信息处理的认知异构蜂窝网络频谱共享优化模型为
S02计算小蜂窝用户的最优接收极化状态：小蜂窝基站利用宏蜂窝基站到小蜂窝用户的干扰信道的信道状态信息和宏蜂窝基站的发送极化状态，得小蜂窝用户的最优接收极化状态为
其中(γi,φi)是HMBS→i,SUEPMUE的幅度和相位描述子；
S03简化基于极化信息处理的认知异构蜂窝网络频谱共享优化模型：令
假设
成立，忽略常数项
将小蜂窝用户的最优接收极化状态代入优化模型中，则基于极化信息处理的认知异构蜂窝网络频谱共享优化模型简化为
S04计算小蜂窝基站的最优发送极化状态：小蜂窝基站利用小蜂窝基站到小蜂窝用户的目标信道和小蜂窝基站到宏蜂窝用户的干扰信道的信道状态信息，以及小蜂窝用户接收极化状态和宏蜂窝用户接收极化状态，计算小蜂窝基站最优发送极化状态，具体求解过程如下：
根据拉格朗日乘子法，构造拉格朗日函数和拉格朗日对偶函数，
其中：λ为拉格朗日乘子，拉格朗日乘子和小蜂窝基站最优发送极化状态的闭合表达式分别为
vmin(·)表示矩阵最小特征值对应的特征矢量。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2016110935724 | 2016-12-01 | ||
| CN201611093572 | 2016-12-01 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106788819A CN106788819A (zh) | 2017-05-31 |
| CN106788819B true CN106788819B (zh) | 2020-06-12 |
Family
ID=58954273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611257469.9A Active CN106788819B (zh) | 2016-12-01 | 2016-12-30 | 一种基于极化信息处理的认知异构蜂窝网络频谱共享方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106788819B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108183740B (zh) * | 2017-12-26 | 2020-09-11 | 北京邮电大学 | 基于极化信息处理的认知异构蜂窝网络跨层干扰对齐方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103442409A (zh) * | 2013-08-20 | 2013-12-11 | 浙江大学 | 宏蜂窝与小蜂窝异构网络下的用户接入方法 |
-
2016
- 2016-12-30 CN CN201611257469.9A patent/CN106788819B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103442409A (zh) * | 2013-08-20 | 2013-12-11 | 浙江大学 | 宏蜂窝与小蜂窝异构网络下的用户接入方法 |
Non-Patent Citations (1)
| Title |
|---|
| Fully DIstributed Channel-Hopping Algorithms for rendezvous setup in cognitive Mulitieadio Networks;Bo Yang;《IEEE》;20161030;第65卷(第10期);1-16 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106788819A (zh) | 2017-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Venu et al. | Review of Internet of Things (IoT) for future generation wireless communications | |
| Guo et al. | Resource allocation for symbiotic radio system with fading channels | |
| Han et al. | Performance analysis for NOMA energy harvesting relaying networks with transmit antenna selection and maximal‐ratio combining over Nakagami‐m fading | |
| Ding et al. | Application of smart antenna technologies in simultaneous wireless information and power transfer | |
| Ahmed et al. | Backscatter sensors communication for 6G low-powered NOMA-enabled IoT networks under imperfect SIC | |
| Wang et al. | Energy efficiency optimization for NOMA-based cognitive radio with energy harvesting | |
| Nguyen et al. | Power allocation schemes for wireless powered NOMA systems with imperfect CSI: An application in multiple antenna–based relay | |
| Ji et al. | The efficient BackFi transmission design in ambient backscatter communication systems for IoT | |
| Li et al. | Joint communication and trajectory design for intelligent reflecting surface empowered UAV SWIPT networks | |
| Peng et al. | Inter-tier interference suppression in heterogeneous cloud radio access networks | |
| Li et al. | Finite SNR diversity-multiplexing trade-off in hybrid ABCom/RCom-assisted NOMA networks | |
| Wang et al. | Distributed reinforcement learning based framework for energy-efficient UAV relay against jamming | |
| Zhang et al. | Energy efficiency maximisation in wireless powered networks with cooperative non‐orthogonal multiple access | |
| Asheer et al. | A comprehensive review of cooperative MIMO WSN: its challenges and the emerging technologies | |
| Jiang et al. | Coverage performance of UAV-assisted SWIPT networks with directional antennas | |
| Zhao et al. | Secure energy-saving resource allocation on massive mimo-mec system | |
| Xu et al. | Energy efficiency optimization of NOMA IoT communication for 5G | |
| CN106788819B (zh) | 一种基于极化信息处理的认知异构蜂窝网络频谱共享方法 | |
| CN108183740B (zh) | 基于极化信息处理的认知异构蜂窝网络跨层干扰对齐方法 | |
| Li et al. | Optimal position design for unmanned aerial vehicle relay-assisted covert communication based on active countermeasures | |
| Yang et al. | Resource allocation control of UAV-assisted IoT communication device | |
| Fu et al. | [Retracted] Power Allocation Intelligent Optimization for Mobile NOMA Communication System | |
| Jiang et al. | Fairness‐Aware Resource Allocation in Full‐Duplex Backscatter‐Assisted Wireless Powered Communication Networks | |
| Xu et al. | Secure computation offloading for multi-user multi-server MEC-enabled IoT | |
| Cui et al. | Balancing interference and delay in heterogeneous ad hoc networks with MIMO |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |