CN106888501A - 预测网络拥塞程度并将链路接入信道的方法及设备 - Google Patents
预测网络拥塞程度并将链路接入信道的方法及设备 Download PDFInfo
- Publication number
- CN106888501A CN106888501A CN201510947376.8A CN201510947376A CN106888501A CN 106888501 A CN106888501 A CN 106888501A CN 201510947376 A CN201510947376 A CN 201510947376A CN 106888501 A CN106888501 A CN 106888501A
- Authority
- CN
- China
- Prior art keywords
- link
- signal
- ratio
- new
- interference
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 239000000523 sample Substances 0.000 claims abstract description 68
- 230000005540 biological transmission Effects 0.000 claims abstract description 44
- 230000004044 response Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 114
- 239000011159 matrix material Substances 0.000 claims description 49
- 230000003595 spectral effect Effects 0.000 claims description 48
- 230000004927 fusion Effects 0.000 claims description 19
- 108091006146 Channels Proteins 0.000 description 103
- 230000000694 effects Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 16
- 238000005457 optimization Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000000280 densification Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/30—TPC using constraints in the total amount of available transmission power
- H04W52/34—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading
- H04W52/343—TPC management, i.e. sharing limited amount of power among users or channels or data types, e.g. cell loading taking into account loading or congestion level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0808—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开的实施例公开了一种预测网络拥塞程度并将链路接入信道的方法，包括：多个新的链路在同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号；根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比；以及基于所确定的每个新的链路的第一信干比，来预测当所有新的链路和已有链路在所述共享信道上同时传输数据时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中。
Description
技术领域
本公开的实施例涉及无线通信领域，并更为具体地涉及一种预测网络拥塞程度并将链路接入信道的方法及设备。
背景技术
具有全局资源重用能力的网络密集化被认为是5G技术不可替代的解决方案之一。超密集网络(UDN)被寄望于能够容纳具有不同服务质量(QoS)要求的多种链路，这种QoS要求的多样性是由应用需求的多样性所决定的。实际上，网络密集化是网络不断扩展空间复用能力的过程，其设计目的是在同一信道中激活尽可能多的链路并为所有运行的链路分配适当的功率量，使得各个链路的信干噪比(SINR)不低于他们各自所要求的阈值。
在工程实践中，较短的激活持续时间往往是必须的。可允许的激活过程的时间长度通常是由相互重叠的无线链路的动态性和不稳定性所决定的，这种动态性和不稳定性是由衰落、阴影效应、移动性以及网络拓扑的时变性所导致的。为了这个目的，实际的网络密集化是通过以成组的方式激活可行并满足要求的并发传输链路来实现的。在密集化过程中网络拥塞预测设计是必须的，其用于校验当多个新的用户被添加到系统中时是否存在可行的功率分配方案。通过利用预测结果，网络可以做出满足非侵入式先决条件的正确接入决定。相应地，扩展后的网络总能够遵循一定的功率分配，以确保当以优选的SINR水平激活所有新的链路的传输时，所有在相同信道中已激活链路的SINR都保持有不小于它们各自被预先分配的目标SINR值。
传统的网络拥塞预测方式是基于单链路(single-link)的探测方法，即，以逐一的方式通过一系列的单链路探测来执行信道探测。然而，这存在随着待添加至信道的候选链路数目的增加而不可避免地会延长探测周期的问题。
发明内容
为了解决上述问题，本公开提出了一种分布式的预测网络拥塞程度并将链路接入信道的方法。该方法可用于实现网络密集化过程，以通过成组地在同一个信道中自动添加链路的方式，使得网络朝具有更高的空间复用能力方向扩展。每个链路组包含有多个链路。本发明的基本理念在于一种分布式的算法，其使用本地测量结果来验证一组新的链路接入共享信道的可允许性。
本公开提出的分布式网络拥塞预测方法通过允许包含多个链路(multiple-link)的链路组在同一时间段中同时执行信道探测来实现快速网络扩展，而不是通过一系列的单链路探测来执行信道探测，如上所述，单链路探测的探测周期会随着增加的候选链路数目而不可避免地延长。本公开所提出的方案允许新加入的链路发射机能够发送各自的探测信号，每个探测信号的功率在一个子时间段期间保持恒定，并以迭代方式跨子时间段变化。在一个子时间段期间，对于探测链路所引发的刺激性干扰，每个活动链路根据精巧设计的规则以迭代方式作出功率响应，即，仅根据自身的目标SINR与本地信干比(SIR)的比值来更新其传输功率。在与活动链路相关联的迭代稳定之后，每个新的链路的发射机采取与活动链路类似的方式，计算各自的目标SINR与本地SIR的比值。所得的与所有新的链路相关联的比值通过数据融合，可以生成两个可收敛到一个恒定值的序列。这个恒定值等同于干扰矩阵的谱半径(spectral radius)，其可以用来衡量当所有新的链路和已有链路在同一共享信道上同时传输数据时的网络拥塞程度。可以证明的是，其中一个序列是单调递减，其可以作为谱半径的上界值；另一个是单调递增，其可以作为谱半径的下界值。因此，一旦两个序列之一跨过已知的阈值，则新的链路可以快速检验该谱半径是否大于或小于1，这能显著地加快了验证新链路接入共享信道可行性的探测过程。
本公开考虑到网络密集化过程，网络密集化是通过以成组的方式激活可行的、且符合QoS需求的共存的传输链路来实现的。以高频谱效率运行的活动网络希望以相互重叠(underlaid)的方式来共享共用的无线信道。如图1所示，一个活动的网络在同一个信道中已经容纳有由{1,2,…,L}标识的L个相互干扰的链路，其能支持每个链路具有在其目标信干噪比(SINR)水平之上的工作SINR。由{L+1,L+2,…,L+K}标识的K个链路的链路组为新加入到该活动网络的链路组。尽管新加入的链路组期望以其自身优选的SINR水平来接入该同一个信道中，但该活动网络仅仅接受非侵入式(noninvasive)的链路，使得包括了新的链路的扩展后的网络仍然能够满足之前的活动链路保护(ActiveLink Protection,ALP)的先决条件。因此，新的链路需要首先预测网络的拥塞程度，以此校验网络扩展的可行性。根据前述规则，可以成组方式顺序地允许新的非侵入式的链路叠加在与活动网络共享的同一信道上，直到扩展后的网络达到其临界点。
本公开提出了分布式网络拥塞预测方法。这种自主式算法的核心思想在于如何校验一个包含各种SINR目标值的可行性等价条件。
网络密集化中的网络拥塞预测问题
考虑到由以成组的方式激活可行的并且符合QoS需求的并发传输链路而实现网络密集化过程。活动网络希望以相互重叠的方式共享同一无线信道。如图1所示，在同一信道中活动网络已经容纳有由{1,2,…,L}标识的L个干扰链路，支持每个链路具有在其目标SINR水平之上的SINR水平。由{L+1,L+2,…,L+K}标识的包含K个链路的链路组作为加入到该活动网络的新的链路组。尽管新的链路组期望以其优选地SINR接入同一信道，但活动网络只接受非侵入式的链路，以使得包括了新的链路的扩展后的网络仍然满足之前的活动链路保护的先决条件。因此，针对新的链路，需要首先预测网络拥塞程度，网络拥塞程度表示了网络扩展的可行性。根据该可行性条件，新的非侵入式链路可以成组地顺序被允许，添加到与活动网络共享的同一信道中，直到扩展的网络达到其临界点。下面对上述可行性条件进行详细地说明。
可行性条件(Feasibility condition)：我们称一个网络的L+K个链路在同一时频资源上传送数据是可行的，当且仅当存在非负功率矢量p＝[p1 p2 … pL+K]T以使得下列的不等式组成立时：
其中：
pl表示链路l的传输功率；
βl表示链路l的目标SINR；
Glk表示从链路k的发射机到链路l的接收机的信道增益；
nl表示在链路l的接收机处的背景噪声的功率，其中包含了热噪声以及由外部链路引起的干扰的总效应。
该可行性条件可以表示为如下矩阵的形式
其中
●≥和＞表示按各个分量方向的比较；
●β＝[β1 β2 … βL+K]T；
●diag(·)表示由矢量分量形成的对角矩阵，其对角线上元素依次等于所述矢量的各个分量；
●ο表示Schur乘积运算；
●
●n＝[n1 n2 … nL+K]T；
●F表示(L+K)×(L+K)的矩阵,表示跨信道干扰,并且
在数学上，保证可行性条件有效的充要条件可以表示为：
Feasibility condition:ρ(A)＜1
其中Α＝diag(βοv)F并且ρ(·)表示非负矩阵的谱半径，即Perron-Frobenius特征值。因此，ρ(Α)可以被视为反应即将出现的由L+K个链路组成的网络的拥塞程度。具体来说，当ρ(Α)≥1时，网络是拥塞的，反之，网络为不拥塞的。网络拥塞预测并非要预测ρ(Α)的值，而是校验ρ(Α)＜1这一条件成立与否。
值得注意的是，当具有L个链路的已有网络展现出下列情况时：
ρ(diag(βLοvL)FL)≥1
其中
●βL＝[β1 β2 … βL]T；
●
●FL表示F的主子矩阵，其通过删除最后M行和M列来获得,则不存在满足可行性的非零的p，即表示任何新的链路必然是侵入式链路而被当前网络拒绝。在下面的分析中，仅考虑已有网络对其ALP的临界点具有冗余度的情况，即
ρ(diag(βLοvL)FL)＜1
这意味着共享信道针对待接入的新的链路具有冗余的容量。
另一方面，矩阵A可以被分块表示为：
其中
●βK＝[βL+1 βL+2 … βL+K]T；
●
●FK表示F的主子矩阵，其通过删除最先的L行和L列来获得；
●FL,K表示F的子矩阵，其通过删除最后的K行和最先的L列来获得；
●FK,L表示F的子矩阵，其通过删除最先的L行和最后的K列来获得；
通过利用Perron互补矩阵理论，可以得到下面等式
ρ(A)＝ρ(AK+AK,L(ρ(A)I-AL)-1AL,K)，
其中矩阵ΑK+ΑK,L(ρ(Α)I-ΑL)-1ΑL,K是Α中的ΑK的Perron互补矩阵，并且I表示一个单位阵其维数规格和AL一致。可以严格地证明，可行性条件ρ(Α)＜1完全等价于
Feasibility condition:ρ(AK+AK,L(ρ(A)I-AL)-1AL,K)＜1。
该等价的可行性条件只涉及低维的子矩阵而不是干扰矩阵Α本身，有利于简化校验的复杂度。
本公开的一个方面涉及一种预测网络拥塞程度并将链路接入信道的方法，包括：多个新的链路在同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号；根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比；以及基于所确定的每个新的链路的第一信干比，来预测当所有新的链路和已有链路在所述共享信道上同时传输数据时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中。
根据本公开的实施例，在多个新的链路同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号包括：在第一探测时间段的开始时刻，每个新的链路的发射机分别同时确定所发送的探测信号的探测功率，其中所述探测功率在所述第一探测时间段内保持不变。
根据本公开的实施例，根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比包括：每个已有链路的发射机根据各自接收机所测量到的第二信干比和对应的第二目标信干噪比，随时间更新在每个已有链路中传输数据的第二功率值；当所述第二信干比到达恒定值时，基于在每个已有链路中传输数据的第二功率值和所述探测功率的值，确定每个新的链路中的所述第一信干比；并且每个新的链路的发射机根据所确定的第一信干比和第一目标信干噪比，来更新将用于在随后的第二探测时间段内的探测功率。
根据本公开的实施例，基于所确定的每个新的链路的第一信干比，来预测当所有新链路和已有链路在所述共享信道上同时传输时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中包括：在探测时间段的结束时刻，基于每个新链路的第一目标信干噪比和其第一信干比，确定当所有新链路和已有链路在所述共享信道上同时传输时的干扰矩阵的谱半径的上界值和下界值，并且当所述干扰矩阵的谱半径的上界值小于1时，允许将所述多个新的链路同时接入到所述信道中；当所述干扰矩阵的谱半径的下界值大于等于1时，拒绝将所述多个新的链路同时接入到所述信道中；当所述干扰矩阵的谱半径的上界值大于等于1且下界值小于1时，所有新链路在第二探测时间段内采用更新后的探测功率进一步精确预测当所有新链路和已有链路在所述共享信道上同时传输时的网络拥塞程度，重新确定是否将所述多个新的链路同时接入到所述信道中。
根据本公开的实施例，每个已有链路的发射机根据各自接收机所测量到的第二信干比和对应的第二目标信干噪比，随时间更新在每个已有链路中传输的第二功率值包括：每个已有链路的发射机在下一时刻的第二功率值是其当前时刻的第二功率值与对应的第二目标信干噪比和其接收机在当前时刻所测量到的第二信干比的比值的乘积。
根据本公开的实施例，每个新的链路的发射机根据所确定的第一信干比和所述第一目标信干噪比，来更新将用于在随后的第二探测时间段内的探测功率包括：每个新的链路在第二探测时间段内的探测功率是第一探测时间段内的探测功率与其第一目标信干噪比和其第一信干比的比值的乘积。
根据本公开的实施例，在探测时间段的结束时刻，基于每个新链路的第一目标信干噪比和其第一信干比，确定所述干扰矩阵的谱半径的上界值和下界值包括：每个新链路分别计算相对应的第一目标信干噪比和第一信干比的比值，其中所述比值中的最大值作为所述干扰矩阵的谱半径的上界值，所述比值中的最小值为所述干扰矩阵的谱半径的下界值。
根据本公开的实施例，所述方法还包括：为所有同时接入到所述共享信道中的多个新的链路和已有链路重新分配功率，以使得每个链路的工作信干噪比都分别大于相对应的目标信干噪比。
根据本公开的实施例，所述方法还包括：在所有同时接入到所述共享信道中的多个新的链路和已有链路上传输数据信号。
本公开的另一方面涉及一种预测网络拥塞程度并将链路接入信道的设备，包括：探测信号传输装置，用于多个新的链路在同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号；信干比确定装置，用于根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比；以及接入控制装置，用于基于所确定的每个新的链路的第一信干比，来预测当所有新的链路和已有链路在所述共享信道上同时传输数据时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中。
根据本公开的实施例，所述探测信号传输装置包括：探测功率确定装置，用于在第一探测时间段的开始时刻，每个新的链路的发射机分别同时确定所发送的探测信号的探测功率，其中所述探测功率在所述第一探测时间段内保持不变。
根据本公开的实施例，所述信干比确定装置包括：第二信干比确定单元，用于每个已有链路的发射机根据各自接收机所测量到的第二信干比和对应的第二目标信干噪比，随时间更新在每个已有链路中传输数据的第二功率值；第一信干比确定单元，用于当所述第二信干比到达恒定值时，基于在每个已有链路中传输数据的第二功率值和所述探测功率的值，确定每个新的链路中的所述第一信干比；以及探测功率更新单元，每个新的链路的发射机根据所确定的第一信干比和第一目标信干噪比，来更新将用于在随后的第二探测时间段内的探测功率。
根据本公开的实施例，所述接入控制装置包括：数据融合模块，用于在探测时间段的结束时刻，基于每个新链路的第一目标信干噪比和其第一信干比，确定当所有新链路和已有链路在所述共享信道上同时传输时的干扰矩阵的谱半径的上界值和下界值，并且所述接入控制器被配置为：当所述干扰矩阵的谱半径的上界值小于1时，允许将所述多个新的链路同时接入到所述信道中；当所述干扰矩阵的谱半径的下界值大于等于1时，拒绝将所述多个新的链路同时接入到所述信道中；当所述干扰矩阵的谱半径的上界值大于等于1且下界值小于1时，所有新链路在第二探测时间段内采用更新后的探测功率进一步精确预测当所有新链路和已有链路在所述共享信道上同时传输时的网络拥塞程度，重新确定是否将所述多个新的链路同时接入到所述信道中。
根据本公开的实施例，所述第二信干比确定单元被配置为以下面方式确定第二功率值：每个已有链路的发射机在下一时刻的第二功率值是其当前时刻的第二功率值与对应的第二目标信干噪比和其接收机在当前时刻所测量到的第二信干比的比值的乘积。
根据本公开的实施例，所述探测功率更新单元被配置为以下面方式确定探测功率的值：每个新的链路在第二探测时间段内的探测功率是第一探测时间段内的探测功率与其第一目标信干噪比和其第一信干比的比值的乘积。
根据本公开的实施例，所述数据融合模块被配置为执行如下操作：每个新链路分别计算相对应的第一目标信干噪比和第一信干比的比值，其中所述比值中的最大值作为所述干扰矩阵的谱半径的上界值，所述比值中的最小值为所述干扰矩阵的谱半径的下界值。
根据本公开的实施例，所述设备还包括：功率分配装置，用于为所有同时接入到所述共享信道中的多个新的链路和已有链路重新分配功率，以使得每个链路的工作信干噪比都分别大于相对应的目标信干噪比。
根据本公开的实施例，所述设备还包括：数据传输装置，在所有同时接入到所述共享信道中的多个新的链路和已有链路上传输数据信号。
附图说明
图1示出具有成组扩展能力的UDN的系统图；
图2示出具有成组扩展能力的UDN的时间帧结构；
图3示出用于具有成组扩展能力的UDN的信道配置；
图4示出根据本公开实施例的预测网络拥塞程度并将链路接入信道的方法的流程图
图5示出根据本公开实施例的预测网络拥塞程度并将链路接入信道的设备的框图；
图6更为具体地示出用于执行根据本公开的一个实施例的方法步骤所需要的基本模块；
图7图示了分布式网络拥塞预测过程与在探测时间段期间的成组顺序接入的密集化过程；
图8图示了在功率优化时间段期间的功率优化过程；以及
图9包括图9(a)和图9(b)，并示出通过数值仿真的有关信道探测的应用实例以及性能比较。
具体实施方式
下面将参考附图中示出的若干示例实施例来描述本公开的原理。应当理解，描述这些实施例仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。
图1示出具有组扩展能力的超密集网络的系统图。包括L个活动链路(由1,2,…,L标识)，以及K个链路的链路组(由L+1,L+2,…,L+K标识)，K个链路的链路组被叠加在共用的无线信道上以传递数据业务。
单元1-l和单元2-l分别指代第l个活动链路(l＝1,2,…,L)的发射机和接收机。单元1-l期望向单元2-l中发送数据信号。单元1-(L+K)和单元2-(L+K)分别指代第L+k个新的探测链路(k＝1,2,…,K)的发射机和接收机。单元1-(L+K)期望向单元2-(L+K)中发送数据信号。
由图1所图示的网络构架可以应用在基站和以设备为中心的网络中。在实际应用中，图1中的链路可以被视为针对3G系统的CDMA链路、针对异构重叠蜂窝网(如小小区的产品)中的宏蜂窝链路或微蜂窝链路、针对认知无线电网络的主链路和次链路、针对设备直连(D2D)系统中的D2D链路和蜂窝链路。
图2示出具有成组扩展能力的UDN的时间帧结构。如图2所示，每个时间帧由针对不同目的的3个连续的时间段组成。每个时间段包括一系列的时隙，由{…,t,t+1,t+2,…}标识。时间段可以按功能被分成下面三类：
-探测时间段：探测时间段包括多个子时间段，设计用于分布式网络拥塞预测。在这些时段期间，每组探测链路的每个发射机发送探测信号并且其接收机测量实际SIR。然后，其发射机计算功率更新因子，功率更新因子等于目标SINR与本地SIR的比值，并且发射机按照本公开的方法步骤跨子时间段来更新探测功率。另一方面，活动链路分别根据本公开的方法在每个子时间段期间、通过更新它们的传送功率来发送数据信号。在探测时间段的结束时刻，每个探测链路在数据融合的辅助下分别独立地做出接入决定。
-功率优化时间段：功率优化时间段被设计用于分布式的功率优化，以为所有被允许的链路寻找满足条件的功率分配。在此期间，所有被允许的链路分别通过更新它们的传输功率来发送数据信号。在该功率优化时间段的结束时刻，所有被允许的链路可以自主地到达适当的功率配置以满足ALP的非侵入式前提条件。
-数据传输时间段：数据传输时间段用于使所有被允许的链路发送数据信号而无需更新发送功率。
如图2所示，系统在共用信道上成组地添加尽可能多的链路。多个链路组依次探测信道，并且属于同一链路组的多个链路同时探测信道。
图3示出用于具有成组扩展能力的UDN的信道配置。除了用于传送数据业务的共用的无线信道之外，以如下形式设计控制信道：
单元4-l表示从第l个发射机到第l个链路接收机的反馈信道。其专用于第l个链路并用于传送本地SINR或SIR的测量值。
单元3表示用于传输数据业务的共用无线信道，其以相互重叠的方式实现全部内部链路共享同一信道。内部链路通过该共用信道来发送数据信号和探测信号。
另外，根据具体的实现结构，还可能需要少量的用于实现数据融合的低速率的信道。
图4示出根据本公开实施例的预测网络拥塞程度并将链路接入信道的方法400的流程图。
如图4所示，方法400包括步骤S410至S430：
在步骤S410，多个新的链路在同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号；
在步骤S420，根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比；以及
在步骤S430，基于所确定的每个新的链路的第一信干比，来预测当所有新的链路和已有链路在所述共享信道上同时传输数据时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中。
根据本公开的实施例，步骤S410进一步包括：在第一探测时间段的开始时刻，每个新的链路的发射机分别同时确定所发送的探测信号的探测功率，其中所述探测功率在所述第一探测时间段内保持不变。
本文中，n表示探测时间段，t表示每个时间段n中的时隙。
根据本公开的一个具体示例，将探测功率表示为pProing,n＝[pL+1,n pL+2,n … pL+K,n]T的矢量形式。例如，在n＝0的探测子时间段内的探测功率可以表示为pProing,0，且该探测功率在整个n＝0的子时间段内保持不变。
根据本公开的实施例，步骤S420进一步包括：每个已有链路的发射机根据各自接收机所测量到的第二信干比和对应的第二目标信干噪比，随时间更新在每个已有链路中传输数据的第二功率值，
本文中，将在每个已有链路l(l＝1,2,…,L)中传输数据的第二功率值表示为pL,n(t)＝[p1,n(t) p2,n(t) … pL,n(t)]T的矢量形式，并且将与每个第二功率值相关联的每个已有链路的发射机根据各自接收机所测量到的第二信干比表示为如下面等式(1)所示：
根据本公开的一个具体示例，每个已有链路的发射机在下一时刻(即，t+1时刻)的第二功率值可以是其当前时刻的第二功率值与对应的第二目标信干噪比和其接收机在当前时刻所测量到的第二信干比的比值的乘积，如下面等式(2)所示：
接下来，当所述第二信干比到达恒定值时，即，S Il,nR(t+1)＝S Il,nR(t)时，基于在每个已有链路中传输数据的第二功率值和所述探测功率的值，确定每个新的链路中的所述第一信干比，
本文中，将与每个第二功率值pL,n(t)＝[p1,n(t) p2,n(t) … pL,n(t)]T相关联的每个新的链路的发射机根据各自接收机所测量到的第一信干比表示为如下面等式(3)所示：
接下来，每个新的链路的发射机根据所确定的第一信干比和第一目标信干噪比，来更新将用于在随后的第二探测时间段内的探测功率。
根据本公开的一个具体示例，每个新的链路在第二探测时间段内的探测功率是第一探测时间段内的探测功率与其第一目标信干噪比和其第一信干比的比值的乘积，如下面等式(4)所示：
根据本公开的实施例，步骤S430进一步包括：在探测时间段的结束时刻，基于每个新链路的第一目标信干噪比和其第一信干比，确定当所有新链路和已有链路在所述共享信道上同时传输时的干扰矩阵的谱半径的上界值Un和下界值Ln，
根据本公开的一个具体示例，每个新链路分别计算相对应的第一目标信干噪比和第一信干比的比值，其中所述比值中的最大值作为所述干扰矩阵的谱半径的上界值，所述比值中的最小值为所述干扰矩阵的谱半径的下界值。
当所述干扰矩阵的谱半径的上界值小于1时，即Un＜1时，允许将所述多个新的链路同时接入到所述信道中；
当所述干扰矩阵的谱半径的下界值大于等于1时，即Ln≥1时，拒绝将所述多个新的链路同时接入到所述信道中；
当所述干扰矩阵的谱半径的上界值大于等于1且下界值小于1时，所有新链路在第二探测时间段内采用更新后的探测功率进一步精确预测当所有新链路和已有链路在所述共享信道上同时传输时的网络拥塞程度，重新确定是否将所述多个新的链路同时接入到所述信道中。
需要指出，干扰矩阵的谱半径可以用与所有新的链路相关联的比值被数据融合以生成Un和Ln这两个序列用来预测，这两个序列将会的收敛到同一个恒定值ρ(ΑK+ΑK,L(I-ΑL)-1ΑL,K)。如上面所述，序列Un是关于n单调递减的，其可以表征干扰矩阵谱半径ρ(ΑK+ΑK,L(I-ΑL)-1ΑL,K)的上界值，且序列Ln是关于n单调递增的，其可以表征干扰矩阵谱半径ρ(ΑK+ΑK,L(I-ΑL)-1ΑL,K)的下界值。
可以证明：
Ln≤ρ(ΑK+ΑK,L(I-ΑL)-1ΑL,K)≤Un
并且上、下界序列是可以收敛至干扰矩阵谱半径，即
根据本公开的实施例，方法400还可以包括：为所有同时接入到所述共享信道中的多个新的链路和已有链路重新分配功率，以使得每个链路的工作信干噪比都分别大于相对应的目标信干噪比。
根据本公开的实施例，方法400还可以包括：在所有同时接入到所述共享信道中的多个新的链路和已有链路上传输数据信号。
图5示出根据本公开实施例的预测网络拥塞程度并将链路接入信道的设备500的框图。
图6更为具体地示出用于执行本公开的方法步骤(具体地，探测步骤和功率优化步骤)所需要的基本模块。
现结合图5及图6进行详细描述。
如图5所示，设备500包括：探测信号传输装置510，用于多个新的链路在同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号；信干比确定装置520，用于根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比；以及接入控制装置530，用于基于所确定的每个新的链路的第一信干比，来预测当所有新的链路和已有链路在所述共享信道上同时传输数据时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中。
根据本公开的实施例，所述探测信号传输装置510可以包括：探测功率确定装置，用于在第一探测时间段的开始时刻(例如，n＝0，t＝0)，每个新的链路的发射机分别同时确定所发送的探测信号的探测功率，其中所述探测功率在所述第一探测时间段内保持不变。
根据本公开的实施例，所述信干比确定装置520可以包括：第二信干比确定单元，用于每个已有链路的发射机根据各自接收机所测量到的第二信干比和对应的第二目标信干噪比，随时间更新在每个已有链路中传输数据的第二功率值；第一信干比确定单元，用于当所述第二信干比到达恒定值时，基于在每个已有链路中传输数据的第二功率值和所述探测功率的值，确定每个新的链路中的所述第一信干比；以及探测功率更新单元，每个新的链路的发射机根据所确定的第一信干比和第一目标信干噪比，来更新将用于在随后的第二探测时间段内的探测功率。
根据本公开的一个具体示例，所述第二信干比确定单元被配置为以下面方式确定第二功率值：每个已有链路的发射机在下一时刻的第二功率值是其当前时刻的第二功率值与对应的第二目标信干噪比和其接收机在当前时刻所测量到的第二信干比的比值的乘积。
根据本公开的一个具体示例，所述探测功率更新单元被配置为以下面方式确定探测功率的值：每个新的链路在第二探测时间段内的探测功率是第一探测时间段内的探测功率与其第一目标信干噪比和其第一信干比的比值的乘积。
需要指出，其中上述功率值更新功能可由图6中所示的功率更新器(单元6)实现，并且图6中所示的功率放大器(单元5)通过来自功率更新器的输出来调节其发送的功率值。
图6中所示的功率更新器向功率放大器(单元5)和数据融合单元(单元11)输出传输的功率量，功率更新器的输出值是下列各项中的至少一项：
-探测功率的初始值：用于在第一探测子时间段期间的探测链路；
-零值：用于在探测时间段结束时被确定为禁止接入信道的探测链路；
-等式(2)的计算结果pl,n(t+1)：根据本公开的方法步骤，在探测时间段用于活动链路以及探测链路；
-功率更新等式的计算结果pl(t+1)：根据本公开的方法步骤，在功率更新时间段期间用于被允许的链路，将在下面详细讨论；
根据本公开的实施例，所述接入控制装置530可以包括：数据融合模块，用于在探测时间段的结束时刻，基于每个新链路的第一目标信干噪比和其第一信干比，确定当所有新链路和已有链路在所述共享信道上同时传输时的干扰矩阵的谱半径的上界值和下界值，并且所述接入控制装置530被配置为：
-当所述干扰矩阵的谱半径的上界值小于1时，允许将所述多个新的链路同时接入到所述信道中；
-当所述干扰矩阵的谱半径的下界值大于等于1时，拒绝将所述多个新的链路同时接入到所述信道中；
-当所述干扰矩阵的谱半径的上界值大于等于1且下界值小于1时，所有新链路在第二探测时间段内采用更新后的探测功率进一步精确预测当所有新链路和已有链路在所述共享信道上同时传输时的网络拥塞程度，重新确定是否将所述多个新的链路同时接入到所述信道中。
根据本公开的一个具体示例，接入控制装置530可以包括接入控制器，接入控制器可以是如图6所示的单元7，其包含在每个链路的发射机中。接入控制器被设计用于根据网络拥塞预测来独立地做出接入决定；并用于通过它的输出来确定功率更新器的执行模式。接入控制器的输出值是下列各项中的至少一项：
-“探测”：用于探测链路，在探测时间段的开始时，如果Un≥1和|Un-Ln|＞ε，则输出并保持该输出值，其中ε为预先设定的正值，用于控制预测针对ρ(ΑK+ΑK,L(I-ΑL)-1ΑL,K)的误差；
-“接入”：用于探测链路，在一个子时间段的结束时，如果Un＜1为真，则输出该输出值；
-“退出”：用于探测链路，在一个子时间段的结束时，如果Ln≥1为真，输出该输出值。
根据图6所示的该具体示例，该设备还包括下列模块：
-存储本地目标SINR(在本文中也表示为βl)的存储器(单元8)，其包含在每个链路的发射机中。单元8输出值到单元6和单元7中。
-本地SINR的估计器(单元9)，其包含在每个链路的接收机中。本地SINR的估计器被设计用于基于接收到的信号来测量SINRl(t)，并且将测量结果经由本地反馈信道单元4-l输出到单元6中。
-本地SIR的估计器(单元10)，其包含在每个链路的接收机中。本地SIR的估计器被设计用于为基于接收到的信号来测量SIRl(t)，并且将测量结果通过本地反馈信道单元4-l输出到单元6和单元7.
如图6所示，单元11表示非强制性的数据融合模块(由虚线方框表示)，数据融合模块被设计用于使探测链路的发射机获取功率更新因子的最大值和最小值并将该最大值和最小值分发到每个探测链路的单元7中。在每个探测链路的发射机已知关于所有链路的探测功率的情况下，可以将数据融合模块省略，并且可以经由专用的训练序列来估计该最大值和最小值。
根据本公开的一个具体示例，所述数据融合模块被配置为执行如下操作：每个新链路分别计算相对应的第一目标信干噪比和第一信干比的比值，其中所述比值中的最大值作为所述干扰矩阵的谱半径的上界值，所述比值中的最小值为所述干扰矩阵的谱半径的下界值。
根据本公开的实施例，所述设备400还包括：功率分配装置，用于为所有同时接入到所述共享信道中的多个新的链路和已有链路重新分配功率，以使得每个链路的工作信干噪比都分别大于相对应的目标信干噪比。
根据本公开的实施例，所述设备还包括：数据传输装置，在所有同时接入到所述共享信道中的多个新的链路和已有链路上传输数据信号。
图7图示了分布式网络拥塞预测过程与在探测时间段期间的成组顺序接入实现网络密集化的过程。下面详细描述在探测时间段期间的具体过程。
在第一探测子事件段的开始时刻，即n＝0并且t＝0时，执行下面操作：
-针对每个探测链路的单元1-(L+K)，其中k＝1,2,…,K：接入控制器(单元7)将值“探测”输出值输出到功率更新器(单元6)中。然后，在第一子时间段期间，单元6将探测功率的初始值输出到功率放大器(单元5)中，其中探测信号可以是仅仅为用于估计SINR和SIR的预定义训练序列，或者可以携带一些基本信息，诸如节点的ID。
-针对每个活动链路的单元1-l，其中l＝1,2,…,L：接入控制器(单元7)将值“接入”输出到功率更新器(单元6)中，而单元8将本地预定SINR(即βl)输出到单元6中。功率更新器传输具有初始功率值为pl,0(0)的数据信号。
接下来，在第n个探测子时间段期间、针对时隙t的迭代过程中，执行下面操作：
-针对每个探测链路的单元1-(L+K)，其中k＝1,2,…,K：接入控制器(单元7)向功率更新器(单元6)输出值“探测“。然后单元6在第n个子时间段期间将探测功率pL+k,n输出到单元5中。因此，单元1-(L+K)在第n个子时间段期间传输具有功率量为pL+k,n(t)＝pL+k,n的恒定的探测信号。
-针对每个探测链路的单元2-l，其中l＝1,2,…,L：单元10估计本地SIRl(t)并通过单元4-l的反馈信道来反馈结果。
-针对每个探测链路的单元1-l，其中l＝1,2,…,L：通过监测单元4-l的反馈信道获得SIRl(t)。它的值被馈送到单元6中，单元6根据下面等式(2)计算更新后的功率量pl,n(t+1)，并将更新后的结果输出到单元5中。由此，单元1-l传输具有更新后的功率的数据信号。
随后，设定t＝t+1，重复上述过程直到SIRl,n(t)收敛到恒定值。
接下来，在第n个探测子时间段的结束时刻，针对时隙t执行下面操作：
-针对每个探测链路的接收机，即，单元2-(L+k)，其中k＝1,2,…,K：本地SIR的估计器(单元10)估计本地SIRL+k,n(t)，并通过反馈信道(单元4-(L+K))来反馈结果。
-针对每个探测链路的发射机，即，单元1-(L+k)，其中k＝1,2,…,K：通过监测反馈信道(单元4-(L+K))来获得SIRL+k,n(t)。将SIRL+k,n(t)的值馈送到单元7中，单元7也从单元8中获得本地预定SINR目标值(即βL+k)。单元7计算比值并将该比值馈送到单元6中。单元6根据上述等式(4)计算更新后的探测功率值，并将其输出到单元11中。
-针对数据融合模块(单元11)：生成干扰矩阵谱半径的上界值和下界值，即，和并将这些值传播到每个探测链路的单元7中。
图8图示了在功率优化时间段期间的功率优化过程。下面将具体描述在功率优化时间段期间的具体过程：
在功率优化时间段的开始时刻：
-针对每个允许的链路的单元1-l，其中l＝1,2,…,L：接入控制器(单元7)将值“接入”输出到功率放大器(单元6)中。此外，单元8将本地预定SINR(即βl)输出到单元6中。单元6传输具有起始功率值为pl(0)的数据信号。
在功率优化时间段期间针对时隙t的迭代过程中执行下面操作：
-针对每个被允许的链路的接收机，即，单元2-l，其中l＝1,2,…,L：通过监控单元4-l的反馈信道来获得SINRl(t)值，并且将其馈送到单元6中，单元6根据下面述等式(7)计算更新后的功率量：
并将更新后的结果输出到单元5中。由此，单元1-l在时隙t+1的时刻传输具有更新后的功率的数据信号。
随后，设定t＝t+1，直到SINRl(t)收敛到恒定值。
图9通过数值仿真示出了有关信道探测的应用实例以及效果比较，其中图9(a)示出由数据融合所致的多链路探测的额外开销，并且图9(b)示出了单链路探测与多链路探测之间的关于计算复杂度和精度的性能比较。
在图9所示的仿真中，针对复杂性和准确性两个方面，比较了在具有分布式网络拥塞预测的单链路探测和多链路探测的性能。
现对如图1所示的UDN执行计算机数值仿真，其中L＝10个已存在的链路正在传输数据，并且K＝10个新的链路正在探测信道。发射机均匀地分布在10km×10km的正方形区域中。每个链路的接收机随机地分布在围绕它们各自的发射机周围的环形区域中，其中收发器对的距离在10m到100m的范围内。在基于SINR和SIR的功率控制的情况中，通常假设快速衰落效应在功率测量过程中或通过分集技术而被平均。因此，有用信道以及干扰信道的路径增益Gij通过下面等式(8)而进行建模：
其中dij是链路j的发射机和链路i的接收机之间的距离，并且使用衰减因子Aij来对由于阴影效应引起功率变化进行建模。假定Aij是独立同分布的以对数正态(log-normal)分布的随机变量，其具有0dB的期望值和8dB的对数方差(log-variance)。具体仿真参数如表1所示。下面讨论在每一种方案中使得SINR或SIR稳定在10e-4归一化范围内所需的迭代次数。在实际系统中使用这一收敛判据来终止功率迭代。
表1:性能比较的仿真参数
为了绘制出经验累积分布函数(CDF)，独立地实现4528个实验。图9(a)描绘了数据融合的次数的经验CDF，其指示由基于多链路探测的分布式网络拥塞预测所引入的数据融合的额外开销。在90％情况下，数据融合的所需次数为3，并且平均值小至3.0055，可以据此推断出数据融合的额外开销非常小。对于基于多链路探测的网络拥塞预测方法而言，其产生错误接入可行性判断的概率为0.0811，并且获得接入决定所需的平均迭代次数为7.1809。图9(b)中的曲线描绘了迭代次数的CDF。
实际上，理论结果示出在4528个独立实验中，只有4311个允许10个新的链路同时以它们的SINR目标值接入到同一信道中。为公平起见，通过仅检查这样的4311个独立实验来比较多链路和单链路探测的性能差异。这里，利用单链路探测方法的方案以单条的方式逐步探测信道，而利用多链路探测方法的方案是成组一次性地探测信道。针对多链路和单链路探测的判定错误的概率分别为0.0851和0.0418。这意味着利用单链路的逐步探测维持了更低的判断误差并且比多链路探测实现了更高的探测准确度。但是，逐步探测方案需要更高的探测时间代价。这一事实可以通过比较两者的平均迭代次数而得出，两者的平均迭代次数分别为61.7984对7.1589，在图9(b)中绘制了两种方案的迭代次数的CDF。从图9(b)中的曲线可以看出，多链路方案的迭代次数超出30次的概率非常小只有1％。相反，单链路方案至少需要30次迭代才能获得接入决定。由单链路方案引起的额外的迭代次数，在90％的情况下超过32次，在50％的情况下超过40次。性能比较的结果表明多链路探测方法可以极大地降低探测开销并具有可接受的、甚至其在准确度上的损失是可以忽略的。
综上所述，本公开的各种实施例提出的分布式网络拥塞预测方法通过允许包含多个链路的链路组在同一时间段中同时执行信道探测，来实现快速的网络扩展，避免了单链路探测随着候选链路数目的增加而不可避免地延长探测周期的问题。
本公开提出了分布式网络拥塞预测方法。该提出的方法提供了一种分布式的过程，其使得具有不同SINR需求的多个链路能够验证它们是否可以与已有的链路一起在ALP的约束下共享同一信道。提出的方案通过允许多个链路的链路组在同一时间段内同时执行信道探测，来执行了快速的网络扩展。新的链路的发射机发送对应的探测信号，其功率在子时间段内保持恒定，并且跨子时间段而以迭代方式更新。具体地，每个活动链路响应于探测信号的功率刺激来迭代地更新其传输功率，探测链路则根据活动链路的稳定反应来调整探测功率。重复这种闭环过程而无需中央仲裁器或协调器，以通过具有少量开销的数据融合来产生两个序列。这两个序列用于预测网络拥塞程度，并能用于快速达成接入决定的共识。在精巧设计的迭代期间，每个链路仅需要根据SIR的本地信息来更新其自身的传输功率。下面阐述了主要的显著有益效果：
第一，所提出的方法为包含追求不同QoS目标的链路的网络提供了关于接入可行性的分布式的预测能力。值得注意的是，本方法将与高维度干扰矩阵相关联的可用性条件等价变换为低维度干扰矩阵。这样巧妙的变换实现了针对具有不同SINR目标值的多个链路的分布式探测算法。
第二，所提出的方法可实现了面向一组链路的在线非侵入式探测和接入。其允许了多个探测链路发送传输功率水平可更新的探测信号，而与此同时活动链路在整个的信道探测期间仍可以发送数据信号。具有更新功率的探测行为并非具有竞争性或攻击性的，而是温和并友好的。
第三，所提出的多链路探测适用于面向高空间复用度的大规模自主性网络，并具有更低的开销以及可以忽略的准确度损失。取代了基于单链路的连续探测方法(其在候选链路数目增加时不可避免的延长了探测周期)，所提出的具有成组扩展能力的方法通过允许多个链路的链路组同时执行信道探测而实现了快速的网络扩张。该方法显著降低了探测时间，并具有很小的准确度损失，满足了由无线链路的时变特性而提出的关于探测时间的苛刻要求。另一方面，该方法还大幅降低了待被验证的组合数。例如，为了从K个新的链路中找到最大可用子集，所提出的多链路探测方法仅需要校验少于2K-1种链路组合，而单链路探测需要列举并检查K！种组合。
第四，所提出的方法确保了与当前无线系统的良好的后向兼容性。所使用的功率更新过程类似于已广泛使用在当前的无线系统中作为标准技术的分布式功率控制机制。此外，所提出的方法的实际的实现方式仅仅涉及SINR和SIR值的本地测量，这些都是商用通信系统所熟悉的方法。无需在本地测量中将同信道干扰的、传播增益和噪声功率进行分离处理。本方法将仅仅通过改变功率更新的规则，而轻易实现现有商用系统的升级。
以上所述仅为本公开的可选实施例，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本公开的保护范围之内。
Claims (18)
1.一种预测网络拥塞程度并将链路接入信道的方法，包括：
多个新的链路在同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号；
根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比；以及
基于所确定的每个新的链路的第一信干比，来预测当所有新的链路和已有链路在所述共享信道上同时传输数据时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中。
2.根据权利要求1所述的方法，其中在多个新的链路同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号包括：
在第一探测时间段的开始时刻，每个新的链路的发射机分别同时确定所发送的探测信号的探测功率，其中所述探测功率在所述第一探测时间段内保持不变。
3.根据权利要求1所述的方法，其中根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比包括：
每个已有链路的发射机根据各自接收机所测量到的第二信干比和对应的第二目标信干噪比，随时间更新每个已有链路传输数据的第二功率值；
当所述第二信干比到达恒定值时，基于每个已有链路传输数据的第二功率值和所述探测功率的值，确定每个新的链路中的所述第一信干比；并且
每个新的链路的发射机根据所确定的第一信干比和第一目标信干噪比，来更新将用于在随后的第二探测时间段内的探测功率。
4.根据权利要求1所述的方法，其中基于所确定的每个新的链路的第一信干比，来预测当所有新链路和已有链路在所述共享信道上同时传输时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中包括：
在探测时间段的结束时刻，基于每个新链路的第一目标信干噪比和其第一信干比，确定当所有新链路和已有链路在所述共享信道上同时传输时的干扰矩阵的谱半径的上界值和下界值，并且
当所述干扰矩阵的谱半径的上界值小于1时，允许将所述多个新的链路同时接入到所述信道中；
当所述干扰矩阵的谱半径的下界值大于等于1时，拒绝将所述多个新的链路同时接入到所述信道中；
当所述干扰矩阵的谱半径的上界值大于等于1且下界值小于1时，所有新链路在第二探测时间段内采用更新后的探测功率进一步精确预测当所有新链路和已有链路在所述共享信道上同时传输时的网络拥塞程度，重新确定是否将所述多个新的链路同时接入到所述信道中。
5.根据权利要求3所述方法，其中每个已有链路的发射机根据各自接收机所测量到的第二信干比和对应的第二目标信干噪比，随时间更新每个已有链路传输数据的第二功率值包括：
每个已有链路的发射机在下一时刻的第二功率值是其当前时刻的第二功率值与对应的第二目标信干噪比和其接收机在当前时刻所测量到的第二信干比的比值的乘积。
6.根据权利要求3所述方法，其中每个新的链路的发射机根据所确定的第一信干比和所述第一目标信干噪比，来更新将用于在随后的第二探测时间段内的探测功率包括：
每个新的链路在第二探测时间段内的探测功率是第一探测时间段内的探测功率与其第一目标信干噪比和其第一信干比的比值的乘积。
7.根据权利要求4所述的方法，其中在探测时间段的结束时刻，基于每个新链路的第一目标信干噪比和其第一信干比，确定所述干扰矩阵的谱半径的上界值和下界值包括：
每个新链路分别计算相对应的第一目标信干噪比和第一信干比的比值，其中所述比值中的最大值作为所述干扰矩阵的谱半径的上界值，所述比值中的最小值为所述干扰矩阵的谱半径的下界值。
8.根据权利要求1所述的方法，还包括：
为所有同时接入到所述共享信道中的多个新的链路和已有链路重新分配功率，以使得每个链路的工作信干噪比都分别大于相对应的目标信干噪比。
9.根据权利要求8所述的方法，还包括：
在所有同时接入到所述共享信道中的多个新的链路和已有链路上传输数据信号。
10.一种预测网络拥塞程度并将链路接入信道的设备，包括：
探测信号传输装置，用于多个新的链路在同时接入到具有至少一个已有链路的共享信道之前，每个所述新链路的发射机在所述共享信道上同时发送各自的探测信号；
信干比确定装置，用于根据已有链路对所述探测信号的探测功率的响应，确定每个新的链路的第一信干比；以及
接入控制装置，用于基于所确定的每个新的链路的第一信干比和其第一目标信干噪比，来预测当所有新的链路和已有链路在所述共享信道上同时传输数据时的网络拥塞程度，并根据所预测的网络拥塞程度来确定是否将所述多个新的链路同时接入到所述共享信道中。
11.根据权利要求10所述的设备，其中所述探测信号传输装置包括：
探测功率确定装置，用于在第一探测时间段的开始时刻，每个新的链路的发射机分别同时确定所发送的探测信号的探测功率，其中所述探测功率在所述第一探测时间段内保持不变。
12.根据权利要求10所述的设备，其中所述信干比确定装置包括：
第二信干比确定单元，用于每个已有链路的发射机根据各自接收机所测量到的第二信干比和对应的第二目标信干噪比，随时间更新在每个已有链路中传输数据的第二功率值；
第一信干比确定单元，用于当所述第二信干比到达恒定值时，基于在每个已有链路中传输数据的第二功率值和所述探测功率的值，确定每个新的链路中的所述第一信干比。
探测功率更新单元，每个新的链路的发射机根据所确定的第一信干比和第一目标信干噪比，来更新将用于在随后的第二探测时间段内的探测功率。
13.根据权利要求10所述的设备，其中所述接入控制装置包括：
数据融合模块，用于在探测时间段的结束时刻，基于每个新链路的第一目标信干噪比和其第一信干比，确定当所有新链路和已有链路在所述共享信道上同时传输时的干扰矩阵的谱半径的上界值和下界值，并且所述接入控制器被配置为：
当所述干扰矩阵的谱半径的上界值小于1时，允许将所述多个新的链路同时接入到所述信道中；
当所述干扰矩阵的谱半径的下界值大于等于1时，拒绝将所述多个新的链路同时接入到所述信道中；
当所述干扰矩阵的谱半径的上界值大于等于1且下界值小于1时，所有新链路在第二探测时间段内采用更新后的探测功率进一步精确预测当所有新链路和已有链路在所述共享信道上同时传输时的网络拥塞程度，重新确定是否将所述多个新的链路同时接入到所述信道中。
14.根据权利要求12所述设备，其中所述第二信干比确定单元被配置为以下面方式确定第二功率值：
每个已有链路的发射机在下一时刻的第二功率值是其当前时刻的第二功率值与对应的第二目标信干噪比和其接收机在当前时刻所测量到的第二信干比的比值的乘积。
15.根据权利要求12所述设备，其中所述探测功率更新单元被配置为以下面方式确定探测功率的值：
每个新的链路在第二探测时间段内的探测功率是第一探测时间段内的探测功率与其第一目标信干噪比和其第一信干比的比值的乘积。
16.根据权利要求13所述的设备，其中所述数据融合模块被配置为执行如下操作：
每个新链路分别计算相对应的第一目标信干噪比和第一信干比的比值，其中所述比值中的最大值作为所述干扰矩阵的谱半径的上界值，所述比值中的最小值为所述干扰矩阵的谱半径的下界值。
17.根据权利要求10所述的设备，还包括：
功率分配装置，用于为所有同时接入到所述共享信道中的多个新的链路和已有链路重新分配功率，以使得每个链路的工作信干噪比都分别大于相对应的目标信干噪比。
18.根据权利要求17所述的设备，还包括：
数据传输装置，在所有同时接入到所述共享信道中的多个新的链路和已有链路上传输数据信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510947376.8A CN106888501B (zh) | 2015-12-16 | 2015-12-16 | 预测网络拥塞程度并将链路接入信道的方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510947376.8A CN106888501B (zh) | 2015-12-16 | 2015-12-16 | 预测网络拥塞程度并将链路接入信道的方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106888501A true CN106888501A (zh) | 2017-06-23 |
| CN106888501B CN106888501B (zh) | 2020-01-17 |
Family
ID=59175740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510947376.8A Active CN106888501B (zh) | 2015-12-16 | 2015-12-16 | 预测网络拥塞程度并将链路接入信道的方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106888501B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111148201A (zh) * | 2018-11-02 | 2020-05-12 | 华为技术有限公司 | 数据传输方法和设备 |
| CN112311486A (zh) * | 2019-07-29 | 2021-02-02 | 北京邮电大学 | 一种加速无线网络干扰预测收敛的方法和装置 |
| WO2022142573A1 (zh) * | 2020-12-29 | 2022-07-07 | 华为技术有限公司 | 一种信道接入方法和装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014158206A1 (en) * | 2013-03-29 | 2014-10-02 | Intel Corp | Hybrid beamforming for data transmission |
| CN104254084A (zh) * | 2013-06-26 | 2014-12-31 | 上海贝尔股份有限公司 | 一种进行分布式信道探测和序贯接入的方法 |
| CN104796995A (zh) * | 2014-01-21 | 2015-07-22 | 上海贝尔股份有限公司 | 分布式信道探测和序贯接入的方法和系统 |
| CN104994031A (zh) * | 2015-07-13 | 2015-10-21 | 天津理工大学 | 一种主动队列自适应管理方法asred |
| CN105050117A (zh) * | 2015-07-10 | 2015-11-11 | 山东航天电子技术研究所 | 基于业务类型竞争协调时分多址接入的自组网通信方法 |
-
2015
- 2015-12-16 CN CN201510947376.8A patent/CN106888501B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014158206A1 (en) * | 2013-03-29 | 2014-10-02 | Intel Corp | Hybrid beamforming for data transmission |
| CN104254084A (zh) * | 2013-06-26 | 2014-12-31 | 上海贝尔股份有限公司 | 一种进行分布式信道探测和序贯接入的方法 |
| CN104796995A (zh) * | 2014-01-21 | 2015-07-22 | 上海贝尔股份有限公司 | 分布式信道探测和序贯接入的方法和系统 |
| CN105050117A (zh) * | 2015-07-10 | 2015-11-11 | 山东航天电子技术研究所 | 基于业务类型竞争协调时分多址接入的自组网通信方法 |
| CN104994031A (zh) * | 2015-07-13 | 2015-10-21 | 天津理工大学 | 一种主动队列自适应管理方法asred |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111148201A (zh) * | 2018-11-02 | 2020-05-12 | 华为技术有限公司 | 数据传输方法和设备 |
| CN111148201B (zh) * | 2018-11-02 | 2021-12-28 | 华为技术有限公司 | 数据传输方法和设备 |
| CN112311486A (zh) * | 2019-07-29 | 2021-02-02 | 北京邮电大学 | 一种加速无线网络干扰预测收敛的方法和装置 |
| CN112311486B (zh) * | 2019-07-29 | 2021-08-03 | 北京邮电大学 | 一种加速无线网络干扰预测收敛的方法和装置 |
| WO2022142573A1 (zh) * | 2020-12-29 | 2022-07-07 | 华为技术有限公司 | 一种信道接入方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106888501B (zh) | 2020-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3635505B1 (en) | System and method for deep learning and wireless network optimization using deep learning | |
| US10375585B2 (en) | System and method for deep learning and wireless network optimization using deep learning | |
| Li et al. | A prediction-based charging policy and interference mitigation approach in the wireless powered Internet of Things | |
| TWI272787B (en) | Method for determining whether to admit a new user service in a code division multiple access communication system | |
| CN104185242B (zh) | 一种降低干扰的无线Mesh网络信道分配与路由联合优化系统与方法 | |
| Zhang et al. | Joint optimization of cooperative edge caching and radio resource allocation in 5G-enabled massive IoT networks | |
| CN106888501A (zh) | 预测网络拥塞程度并将链路接入信道的方法及设备 | |
| Mnasri et al. | 3D indoor redeployment in IoT collection networks: A real prototyping using a hybrid PI-NSGA-III-VF | |
| CN104504280A (zh) | 考虑规划需求的电动汽车充电桩集群管理系统通信方式综合评价方法 | |
| Maghsudi et al. | On transmission mode selection in D2D-enhanced small cell networks | |
| Mnasri et al. | The 3D redeployment of nodes in Wireless Sensor Networks with real testbed prototyping | |
| CN104254084B (zh) | 一种进行分布式信道探测和序贯接入的方法 | |
| Roberts et al. | Efficient discrete rate assignment and power optimization in optical communication systems following the Gaussian noise model | |
| CN104022951A (zh) | 一种网络服务路径的建立方法及系统 | |
| CN106257849B (zh) | 基于多目标量子萤火虫搜索机制的频谱感知方法 | |
| CN104092503B (zh) | 一种基于狼群优化的人工神经网络频谱感知方法 | |
| CN106921985A (zh) | 一种超密集网络的自组织优化方法及装置 | |
| Bhadauria et al. | QoS based deep reinforcement learning for V2X resource allocation | |
| Banerjee et al. | Toward control and coordination in cognitive autonomous networks | |
| CN104796995B (zh) | 分布式信道探测和序贯接入的方法和系统 | |
| Singh et al. | Performance analysis and deep learning assessment of full-duplex overlay cognitive radio NOMA networks under non-ideal system imperfections | |
| CN110475289B (zh) | 一种面向超密集组网的负载均衡方法及系统 | |
| Amar et al. | Online learning for shortest path and backpressure routing in wireless networks | |
| CN104955093B (zh) | 一种改进的分布式信道探测和序贯接入的方法 | |
| Le Treust et al. | Implicit cooperation in distributed energy-efficient networks |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 201206 Pudong New Area Jinqiao Ning Road, Shanghai, No. 388 Applicant after: Shanghai NOKIA Baer Limited by Share Ltd Address before: 201206 Pudong New Area Jinqiao Ning Road, Shanghai, No. 388 Applicant before: Shanghai Alcatel-Lucent Co., Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |