CN107204877A - 一种复杂监控网络中的数据打包方法及系统 - Google Patents
一种复杂监控网络中的数据打包方法及系统 Download PDFInfo
- Publication number
- CN107204877A CN107204877A CN201710380974.0A CN201710380974A CN107204877A CN 107204877 A CN107204877 A CN 107204877A CN 201710380974 A CN201710380974 A CN 201710380974A CN 107204877 A CN107204877 A CN 107204877A
- Authority
- CN
- China
- Prior art keywords
- mrow
- data
- measuring point
- msub
- monitoring network
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种复杂监控网络中的数据打包方法及系统，将信道的误码率与测点数据的上传周期要求作为参数，建立包含时间的多尺度约束的优化模型，利用基于种群的启发式算法求解，以实现网络连接与数据发送次数的最小化。本发明可应用于企业生产过程、智能建筑系统等复杂监控网络，能有效地对数量庞大、种类各异的现场测点进行优化管理，通过减少网络连接与解析次数，减轻上级数据中心的运行负担，提高系统运行效率。
Description
技术领域
本发明涉及通信技术领域，尤其涉及一种复杂监控网络中的数据打包方法及系统。
背景技术
在复杂监控网络中，由于测点数量庞大，数据采集中心往往承担着巨大的网络连接与数据解析负担。系统中，利用多个汇集单元，可以对其下属的测点进行有效的组织与管理，如图1所示。通过汇集单元对数据进行组合打包上传，可以有效地减少网络连接与数据发送次数。合适的数据打包方法能够大量减轻上级数据单元的负担，优化系统运行。
对于监控网络中测点数量多、监测数据总量大且上传周期要求各异情况，有以下问题需要考虑：
第一、发送过程中如果产生错误，往往会导致整个数据帧的重发。如果组合而成的数据包字节数过大，则更容易造成误码而导致重发，继而同样增加了发送总次数；如果数据包字节数过短，则直接增加了分组数以及协议头等开支，增加了系统的连接与解析负担。
第二、分组导致了组中数据的上传周期降低到组内的上传周期最小值。减小数据的上传周期，相当于增加整体传输的数据量，也是对系统负担的加大。而测点数据上传周期上限由用户自主设定，且网络中测点的增添也可看作是动态随机的，因而以上传周期为标准的分组边界难以简单界定。
发明内容
本发明为了解决上述问题，提出了一种复杂监控网络中的数据打包方法及系统，本发明针对测点数量多、监测数据总量大、数据上传周期各异的监控网络，利用多尺度组合建模并优化求解方法，使复杂网络中网络连接与数据发送次数达到最小，从而减轻上级数据中心的连接与解析负担，提高了系统的运行效率。
为了实现上述目的，本发明采用如下技术方案：
一种复杂监控网络中的数据打包方法，将信道的误码率与测点数据的上传周期要求作为参数，建立包含时间的多尺度约束的优化模型，利用基于种群的启发式算法求解，以实现网络连接与数据发送次数的最小化。
进一步的，预设多个固定格式与内容的数据帧，将接收到的数据与其预设的数据进行对比，从而计算得出汇集单元与上级数据单元之间的信道误码率。
进一步的，建立优化模型时采集测点的数量、各测点标识名、各测点数据的上传周期上限、各测点每次上传的字节数和传输协议所需要添加的固定字节数。
进一步的，优化模型的目标函数为单位时间内所有测点组的数据传输次数总和最小。
进一步的，优化模型的约束条件包括第j组测点的数据传输时间间隔与第i个测点是否在j组中的布尔变量的乘积小于等于第i个测点的上传周期要求。
具体的，优化模型为：
s.t.kj＝Nj/Tj (2)
Tj·xij≤Ii (6)
其中，k表示单位时间内所有测点组的数据传输次数总和，jmax表示求解过程中所得到的j的最大值，kj表示单位时间内第j组测点的数据传输次数，Nj表示成功传输第j组数据所对应的实际发送次数期望，Tj表示第j组测点的数据传输时间间隔，pj表示第j组测点的数据所打包而成的数据帧的误帧率，w表示求取数学期望过程中的中间变量，Lj表示第j组测点的数据包大小，pe表示汇集单元与上级数据单元之间信道的误码率，La表示协议封装所需要的固定字节数，n表示汇集单元下的测点总数，ai表示第i个测点每次发送的数据量，xij表示第i个测点是否在j组中的布尔变量，Ii表示第i个测点的上传周期要求。
进一步的，按照上传周期大小，对测点进行排序；通过误码率与最佳帧长的对照表，获得当前误码率下的最佳帧长；按照顺序将测点每次发送的数据量进行累加至接近或首次超过最佳帧长，并将参与该次求和的测点划分为一组，其后此和清零，并继续向后进行累加，重复此过程至结束，由此快速获取一个直观较优组合。
进一步的，在求解过程中，将直观的较优解作为一个初始解，对优化模型进行求解。这样的做法可以明显提高求解的速度与质量。
优选的，利用粒子群算法对优化模型进行求解，得到数据打包的最优组合方案。
一种复杂监控网络中的数据打包系统，包括上级数据单元、汇集单元和建模及求解服务器，其中：
所述上级数据单元向汇集单元发送非校验的预设数据帧，汇集单元将直接接收到的数据与预设的数据帧进行对比，计算汇集单元与上级数据单元之间传输信道的误码率；读取传输协议所需添加的固定字节数、汇集单元下的测点数量、各测点的数据上传周期设置与各测点每次上传的数据量大小；
建模及求解服务器，被配置为根据汇集单元获得的参数，构建含时间多尺度约束、以发送次数最少为优化目标的混合整数规划优化模型；并利用启发式算法对优化模型进行求解，得到数据打包的最优组合方案。
与现有技术相比，本发明的有益效果为：本发明能有效地对数量庞大、种类各异的现场测点进行优化管理，通过减少网络连接与解析次数，减轻上级数据中心的运行负担，提高系统运行效率，应用范围广泛，可应用于企业生产过程、智能建筑系统等复杂监控网络。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1为含汇集单元的监控网络组织结构示意图；
图2为本发明一种复杂监控网络的数据打包方法的流程图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
正如背景技术所介绍的，现有技术中存在对于监控网络中测点数量多、监测数据总量大且上传周期要求各异情况，现有的打包方法存在以上传周期为标准的分组边界难以简单界定、增加系统的连接和解析负担的不足，为了解决如上的技术问题，本申请提出了一种复杂监控网络的数据打包优化方法。本发明的整体思路在于，将信道的误码率与测点数据的上传周期要求作为参数，利用基于种群的启发式算法，求解所建立含时间多尺度约束的优化模型，以实现发送次数的最小化；同时，在求解过程中，将直观的较优解作为一个初始解，可明显提高求解的速度与质量。
本申请的一种典型的实施方式中，如图1所示，提供了一种复杂监控网络中的数据打包优化系统，包括上级数据单元、汇集单元和建模及求解服务器，其中：
汇集单元接收各个现场采集设备采集的相关数据，所述上级数据单元向汇集单元发送非校验的预设数据帧，汇集单元将直接接收到的数据与预设的数据帧进行对比，计算汇集单元与上级数据单元之间传输信道的误码率；读取传输协议所需添加的固定字节数、汇集单元下的测点数量、各测点的数据上传周期设置与各测点每次上传的数据量大小；
建模及求解服务器，被配置为根据汇集单元获得的参数，构建含时间多尺度约束、以发送次数最少为优化目标的混合整数规划优化模型；并利用启发式算法对优化模型进行求解，得到数据打包的最优组合方案。
如图2所示，本发明提供的复杂监控网络中的数据打包方法，包括按顺序执行的下列步骤：
步骤1：获取汇集单元与上级数据单源间的信道误码率与汇集单元下的测点信息，具体包含以下子步骤：
步骤1.1：在汇集单元与上级数据单元中，预设多个固定格式与内容的数据帧；在汇集单元的申请下，上级数据单元将预设的数据帧逐个发送至汇集单元，汇集单元对接受到的数据不进行任何误码校验或请求重发等处理；汇集单元将接收到的数据与其预设的数据进行对比，从而计算得出汇集单元与上级数据单元之间的信道误码率。
步骤1.2：将测点的数量n、各测点标识名Ei、各测点数据的上传周期上限Ii、各测点每次上传的字节数ai、传输协议所需要添加的固定字节数La，以配置文件的方式批量输入当汇集单元中；汇集单元通过读取该配置文件，获得上述参数。
步骤2：将步骤1中所获得的参数输入到本发明所提出的如下优化模型中：
s.t.kj＝Nj/Tj (2)
Tj·xij≤Ii (6)
其中，k表示单位时间内所有测点组的数据传输次数总和，jmax表示求解过程中所得到的j的最大值，kj表示单位时间内第j组测点的数据传输次数，Nj表示成功传输第j组数据所对应的实际发送次数期望，Tj表示第j组测点的数据传输时间间隔，pj表示第j组测点的数据所打包而成的数据帧的误帧率，w表示求取数学期望过程中的中间变量，Lj表示第j组测点的数据包大小，pe表示汇集单元与上级数据单元之间信道的误码率，La表示协议封装所需要的固定字节数，n表示汇集单元下的测点总数，ai表示第i个测点每次发送的数据量，xij表示第i个测点是否在j组中的布尔变量，Ii表示第i个测点的上传周期要求。
步骤3：使用改进的启发式算法进行求解，得到数据打包的最优组合方案，具体包含以下子步骤：
步骤3.1：按照上传周期大小，对测点进行排序；通过误码率与最佳帧长的对照表，获得当前误码率下的最佳帧长；按照顺序将测点每次发送的数据量ai进行累加至接近或首次超过最佳帧长，并将参与该次求和的测点划分为一组，其后此和清零，并继续向后进行累加，重复此过程至结束，由此快速获取一个直观较优组合。
步骤3.2：对模型进行简化，并以步骤3.1获得的直观较优组合作为一个初始解，使用粒子群算法等基于种群的启发式算法，对步骤2所述的模型进行求解，得到的xij即为最优分组方案，得到的Tj即为各分组的最优上传周期。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种复杂监控网络中的数据打包方法，其特征是：将信道的误码率与测点数据的上传周期要求作为参数，建立包含时间的多尺度约束的优化模型，利用基于种群的启发式算法求解，以实现网络连接与数据发送次数的最小化。
2.如权利要求1所述的一种复杂监控网络中的数据打包方法，其特征是：预设多个固定格式与内容的数据帧，将接收到的数据与其预设的数据进行对比，从而计算得出汇集单元与上级数据单元之间的信道误码率。
3.如权利要求1所述的一种复杂监控网络中的数据打包方法，其特征是：建立优化模型时采集测点的数量、各测点标识名、各测点数据的上传周期上限、各测点每次上传的字节数和传输协议所需要添加的固定字节数。
4.如权利要求1所述的一种复杂监控网络中的数据打包方法，其特征是：优化模型的目标函数为单位时间内所有测点组的数据传输次数总和最小。
5.如权利要求1所述的一种复杂监控网络中的数据打包方法，其特征是：优化模型的约束条件包括第j组测点的数据传输时间间隔与第i个测点是否在j组中的布尔变量的乘积小于等于第i个测点的上传周期要求。
6.如权利要求1所述的一种复杂监控网络中的数据打包方法，其特征是：优化模型为：
<mrow>
<mi>min</mi>
<mi> </mi>
<mi>k</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>j</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>k</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
s.t.kj＝Nj/Tj (2)
<mrow>
<msub>
<mi>N</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>w</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>&infin;</mi>
</munderover>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>&CenterDot;</mo>
<msup>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mrow>
<mi>w</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mo>&CenterDot;</mo>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>L</mi>
<mi>j</mi>
</msub>
<mo>></mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>L</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>e</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<msub>
<mi>L</mi>
<mi>j</mi>
</msub>
<mo>+</mo>
<msub>
<mi>L</mi>
<mi>a</mi>
</msub>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>L</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
Tj·xij≤Ii (6)
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，k表示单位时间内所有测点组的数据传输次数总和，jmax表示求解过程中所得到的j的最大值，kj表示单位时间内第j组测点的数据传输次数，Nj表示成功传输第j组数据所对应的实际发送次数期望，Tj表示第j组测点的数据传输时间间隔，pj表示第j组测点的数据所打包而成的数据帧的误帧率，w表示求取数学期望过程中的中间变量，Lj表示第j组测点的数据包大小，pe表示汇集单元与上级数据单元之间信道的误码率，La表示协议封装所需要的固定字节数，n表示汇集单元下的测点总数，ai表示第i个测点每次发送的数据量，xij表示第i个测点是否在j组中的布尔变量，Ii表示第i个测点的上传周期要求。
7.如权利要求1所述的一种复杂监控网络中的数据打包方法，其特征是：按照上传周期大小，对测点进行排序；通过误码率与最佳帧长的对照表，获得当前误码率下的最佳帧长；按照顺序将测点每次发送的数据量进行累加至接近或首次超过最佳帧长，并将参与该次求和的测点划分为一组，其后此和清零，并继续向后进行累加，重复此过程至结束，由此快速获取一个直观较优组合。
8.如权利要求7所述的一种复杂监控网络中的数据打包方法，其特征是：在求解过程中，将直观的较优解作为一个初始解，对优化模型进行求解。
9.如权利要求1所述的一种复杂监控网络中的数据打包方法，其特征是：利用粒子群算法对优化模型进行求解，得到数据打包的最优组合方案。
10.一种复杂监控网络中的数据打包系统，其特征是：包括上级数据单元、汇集单元和建模及求解服务器，其中：
所述上级数据单元向汇集单元发送非校验的预设数据帧，汇集单元将直接接收到的数据与预设的数据帧进行对比，计算汇集单元与上级数据单元之间传输信道的误码率；读取传输协议所需添加的固定字节数、汇集单元下的测点数量、各测点的数据上传周期设置与各测点每次上传的数据量大小；
建模及求解服务器，被配置为根据汇集单元获得的参数，构建含时间多尺度约束、以发送次数最少为优化目标的混合整数规划优化模型；并利用启发式算法对优化模型进行求解，得到数据打包的最优组合方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710380974.0A CN107204877B (zh) | 2017-05-25 | 2017-05-25 | 一种复杂监控网络中的数据打包方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710380974.0A CN107204877B (zh) | 2017-05-25 | 2017-05-25 | 一种复杂监控网络中的数据打包方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107204877A true CN107204877A (zh) | 2017-09-26 |
| CN107204877B CN107204877B (zh) | 2019-08-20 |
Family
ID=59905317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710380974.0A Active CN107204877B (zh) | 2017-05-25 | 2017-05-25 | 一种复杂监控网络中的数据打包方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107204877B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7035240B1 (en) * | 2000-12-27 | 2006-04-25 | Massachusetts Institute Of Technology | Method for low-energy adaptive clustering hierarchy |
| CN102915404A (zh) * | 2012-10-10 | 2013-02-06 | 北京交通大学 | 一种适用于车辆自组网的基于模糊聚类算法的信息融合方法 |
| CN105578472A (zh) * | 2016-01-19 | 2016-05-11 | 南京微传物联网科技有限公司 | 一种基于免疫原理的无线传感网络性能在线优化规划方法 |
-
2017
- 2017-05-25 CN CN201710380974.0A patent/CN107204877B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7035240B1 (en) * | 2000-12-27 | 2006-04-25 | Massachusetts Institute Of Technology | Method for low-energy adaptive clustering hierarchy |
| CN102915404A (zh) * | 2012-10-10 | 2013-02-06 | 北京交通大学 | 一种适用于车辆自组网的基于模糊聚类算法的信息融合方法 |
| CN105578472A (zh) * | 2016-01-19 | 2016-05-11 | 南京微传物联网科技有限公司 | 一种基于免疫原理的无线传感网络性能在线优化规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| A.R. PINTO,C. MONTEZ,G. ARAÚJO,F. VASQUES,P. PORTUGAL: "An approach to implement data fusion techniques in wireless sensor", 《INFORMATION FUSION》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107204877B (zh) | 2019-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102955977B (zh) | 一种基于云技术的能效服务方法及其能效服务平台 | |
| TWI332330B (en) | Quality of service differentiation in wireless networks | |
| CN103281252B (zh) | 一种基于多路径传输的报文流量控制方法和装置 | |
| EP3703316B1 (en) | Frame aggregation in a wireless network | |
| CN103036792B (zh) | 一种最大化最小公平多数据流传输调度方法 | |
| US9503380B2 (en) | Communication apparatus, communication method, and computer readable medium | |
| CN111371899B (zh) | 适用于大规模分布式光伏的数据采集方法及系统 | |
| CN106102084A (zh) | 基于重传反馈的无线传感器网络端到端时延上界评估方法 | |
| CN107682434A (zh) | 一种水下传感器网络架构及其实现方法 | |
| CN106060851A (zh) | 异构云无线接入网络中拥塞控制下的安全资源优化方法 | |
| CN107181743A (zh) | 网络直播数据上报方法及装置 | |
| CN105577729A (zh) | 负载均衡的方法及装置 | |
| CN118250219B (zh) | 电力物联网流量的控制方法、装置和计算机程序产品 | |
| CN108566369A (zh) | 基于工业大数据的数据采集系统及方法 | |
| Hammood et al. | An energy-efficient optimization based scheme for low power devices in wireless body area networks | |
| CN108023895B (zh) | 海量数据定向分类传输方法及系统 | |
| CN109309688A (zh) | 基于云监控及数据加密传输的新能源电站运行控制方法 | |
| CN109547356A (zh) | 一种电能计量的数据传输方法、系统、设备及计算机存储介质 | |
| CN116419406A (zh) | 一种分布式光伏并网的网络资源分配方法、系统、装置及介质 | |
| CN102946443B (zh) | 一种实现大规模数据传输的多任务调度方法 | |
| CN107204877B (zh) | 一种复杂监控网络中的数据打包方法及系统 | |
| CN107257292B (zh) | 一种跨域分布式大数据通讯系统设计规划方法 | |
| Kassa et al. | Performance of an adaptive aggregation mechanism in a noisy wlan downlink mu-mimo channel | |
| CN106788823A (zh) | 一种无线信道状态信息测量方法 | |
| Ar-reyouchi et al. | The internet of things: network delay improvement using network coding |
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 |