CN108650714A - 一种网络控制系统上行调度算法 - Google Patents

一种网络控制系统上行调度算法 Download PDF

Info

Publication number
CN108650714A
CN108650714A CN201810353599.5A CN201810353599A CN108650714A CN 108650714 A CN108650714 A CN 108650714A CN 201810353599 A CN201810353599 A CN 201810353599A CN 108650714 A CN108650714 A CN 108650714A
Authority
CN
China
Prior art keywords
control
resource allocation
control application
dispatching
dispatching cycle
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
Application number
CN201810353599.5A
Other languages
English (en)
Other versions
CN108650714B (zh
Inventor
刘倩
李明
刘斯文
谭国真
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN201810353599.5A priority Critical patent/CN108650714B/zh
Publication of CN108650714A publication Critical patent/CN108650714A/zh
Application granted granted Critical
Publication of CN108650714B publication Critical patent/CN108650714B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/12—Wireless traffic scheduling
    • H04W72/1263—Mapping of traffic onto schedule, e.g. scheduled allocation or multiplexing of flows
    • H04W72/1268—Mapping of traffic onto schedule, e.g. scheduled allocation or multiplexing of flows of uplink data flows
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H04W72/21—Control channels or signalling for resource management in the uplink direction of a wireless link, i.e. towards the network

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种网络控制系统上行调度算法，该发明技术方案将研究角度从传统的控制方法转变为通信机制，使用网络调度机制代替控制系统的硬件设计，不改变网络控制系统(NCS)中的任何硬件设备，既不重新设计控制器，也不修改传感器的采样率，将NCS看作一个网络应用或服务，通过设计网络调度器解决通信延迟对NCS控制质量的影响，并通过探索控制质量(QoC)与通信延迟间的关系，将其转化可用于调度机制的服务质量(QoS)参数，实现基于QoC驱动的上行调度算法。本发明提供的技术方案不仅降低了系统设计复杂度和硬件开销，同时还对各种控制系统具有兼容性。

Description

一种网络控制系统上行调度算法
技术领域
本发明涉及通信领域，尤其涉及一种网络系统的调度算法。
背景技术
随着智能手机的普及，4G移动网络已成为人们日常生活中不可或缺的一部分。但现有无线网络的速度却越来越不能满足用户需求，第五代移动网络(5G)因此应运而生，其在拓宽频谱资源、加快网络速度的同时，对新技术如物联网、车联网、面向控制的超低延迟网络等也提供了极大的支撑。
网络控制系统(Networked Control System,NCS)，在通信领域也称为无线传感器-执行器网络(Wireless Sensor-Actuator Networks)，作为超低延迟网络的典型代表，通常由受控体、控制器、执行器、传感器和通信网络构成，如附图1所示。其中，受控体通常为可操作或可控制的设备，如倒立摆；控制器用于保证受控体的稳定工作，如使倒立摆处于垂直位置；执行器用于执行控制器的输出，如通过马达等设备前后移动倒立摆使其尽量处于垂直位置；传感器则用于监视受控体的状态，如监测倒立摆当前位置与垂直位置之间的角度；NCS的控制信号通过通信网络传输构成闭合控制回路，控制信息从产生到被执行的过程经历了连续和离散的相互转换。维持NCS系统的稳定需要控制该系统的往返延时，即传感器与控制器间的传输延时和控制器与执行器间的控制延时。一旦网络控制系统的往返延时超过该系统能够容许的最大延时(即最大容许延时MTD)，系统将变得不稳定。由此可见，NCS的控制性能(Quality-of-Control,QoC)受通信网络延迟的影响，其系统稳定性的实现需要控制与通信的融合。
控制领域的现有技术已提出多种传统解决方案，例如传感器采样率网络适配机制，具有延迟预测功能的控制器等。这些方案均从自动控制角度出发，基于控制系统在采样周期内必然稳定的事实，通过改进控制系统的硬件设备(例如调整采样器的采样周期，使其随延迟变化)从而降低延迟对QoC的影响。对于不同的控制系统和结构，需要设计不同的方案来匹配通信网络的变化，大幅度增加了系统设计复杂度和硬件开销。针对上述问题，需要一种低复杂度且适应性强的新方法来降低网络控制系统通信延时造成的影响，用以配合不同参数的控制硬件。
发明内容
本发明要解决的技术问题是提供一种上行链路调度算法以实现控制-通信融合，即通过改变网络调度机制的调度周期，在连续时间模型中推导出指导通信调度的QoC参数，进而从通信角度降低延迟在网络控制系统中的影响。
本发明的技术方案是这样实现的：
一种网络控制系统上行调度算法，所述系统由受控体、控制器、执行器、传感器和通信网络构成；所述算法包括以下步骤：
S1，定义与初始化，假设系统中共有J个控制应用需要被调度，其ID集合假设有K种信道资源分配模式，其ID集合如果第j个控制应用选用第k种信道资源分配模式，则其实际传输速率定义为rjk，其请求的传输速率定义为Rj；且定义βijk为调度标识符，即
S2，建立QoC-延迟模型，给出第j个控制应用在第i个调度周期的效用值Uprop(i，j)；
S3，求出第j个控制应用的最大允许调度周期个数第j个控制应用必须在前个调度周期传输完毕，确定基站需要向控制应用分配的子信道个数A的最小值，将最大容许延时MTD划分为多个小的调度周期；
S4，开始调度，在第i个调度周期，选择效用值Uprop(i，j)最大的第j个控制应用进行调度，并为其选择适合的信道资源分配模式，如果当前调度周期无法传输其全部数据，则征用下一调度周期，直至数据全部被分配；
S5，判断当前调度周期是否有子信道未被分配且仍有控制应用需要被调度；如果有，则重复S3，选择下一个控制应用；反之，输出调度结果βijk，此次调度结束。
较佳的，所述S1中信道资源分配模式可用矩阵G∈{0，1}A×K表示，其中K＝A(A+1)/2，即矩阵G列的个数，表示允许的K种信道资源分配模式；当A＝3时，资源分配模式矩阵G可表达为：
其中“1”表示分配资源块给控制应用。
较佳的，所述S2中的效用值Uprop(i，j)通过受控体连续时间模型和LQG准则推导得出，表示为瞬时LQG值与最佳状态下LQG值的差，即
其中瞬时LQG值Uin(i，j)可以表示为
为控制器端最近一次接收到的状态向量，为最近一次接收到的控制信号，Qj和Rj为常矩阵，由第j个受控体的物理特性决定。
较佳的，所述S3中第j个控制应用的最大允许调度周期个数可表达为其中的为第j个控制应用的MTD，Δ为一个调度周期的长度。
较佳的，所述S3中假设Rmin为每个子信道的最小传输速率，基站分配给控制应用A个子信道，则其中令则A的最小值为
较佳的，所述S4中在第i个调度周期选择效用值Uprop(i，j)最大的第j个控制应用进行调度，即在给定调度周期时，选择满足的控制应用进行调度。
较佳的，系统提供的实际传输速率大于第个控制应用请求的传输速率，即时，选择与所需传输速率最接近的信道资源分配模式进行传输，确保无线资源得到充分利用；反之，信道资源分配模式应满足
较佳的，选出控制应用和信道资源分配模式后，进一步更新信道资源分配模式的ID集合即并进一步更新剩余资源块数量A，即
本发明的有益效果在于：
1.本发明技术方案从通信领域理解网络控制系统的延时问题，通过软件实现的调度算法可取代控制器和采样器的硬件设计。
2.本发明技术方案给出的适用于不同时间尺度的控制质量QoC与通信延时的数学模型，将QoC转化为指导控制信息传输的QoS参数，真正意义地将控制与通信相结合。
3.本发明技术方案提出的调度算法不仅适用于5G网络，同时适用于所有MAC层具有时-频联合复用结构(time-frequency resource structure)的网络，如LTE网络，LTE-A网络，OFDMA系统等。
4.本发明技术方案提出的调度算法可以直接应用于无线传感器-执行器网络(Wireless sensor actuator network)，具有与该网络的完全兼容性。
5.本发明技术方案中将网络控制系统的控制环路转化为通信应用/服务，实现对不同参数的控制硬件的兼容性。
6.本发明技术方案中给出的网络控制系统受控体状态的连续时间数学模型，不仅作用于本发明，同样可以指导网络控制系统的受控体可控性和稳定性分析。
7.本发明技术方案中给出的网络控制系统LQG准则的瞬时数学模型，不仅作用于本发明，同样可以指导网络控制系统控制器的硬件设计和采样器的网络适配硬件设计。
8.本发明技术方案中给出的网络控制系统LQG准则的瞬时数学模型，不仅作用于本发明，同样可以指导网络控制系统控制器采样器的网络适配硬件设计。
附图说明
附图1为网络控制系统基本框图。
附图2为稳定性、QoC和通信延迟之间的关系，以倒立摆系统示例。
附图3为具有LQG控制器的线性连续时间控制系统框图。
附图4为基于无线资源控制级别的网络分簇。
附图5为算法流程框图。
附图6为倒立摆系统下不同初始状态的QoC-延迟模型。
附图7为倒立摆系统下不同调度器下NCS控制质量的损失。
附图8为仿真实验中的具体参数设置表。
具体实施方式
下面结合附图对本发明的具体实施做进一步详述：
如附图1所示，一种网络控制系统由受控体、控制器、执行器、传感器和通信网络构成，其中，“受控体”是现实世界中存在的物理实体，能够对应不同操作产生相应信号，通常由线性连续时间模型描述。“控制器”则位于网络另一端，由计算机或数字硬盘实现，负责接收特定的信号并输出相应的控制信息，通常由线性离散时间模型描述。不失一般性地，假设传感器为时间触发，控制器为事件触发。控制信息从产生到被执行的过程经历了附图1所示的从连续与离散的相互转换：受控体发出连续的控制信号，传感器对受控体进行采样(采样周期为Ts)，并将得到的离散数据yk通过网络传输到控制器；控制器在接收到传感器的数据后，生成离散控制信号uk；uk再通过网络传回执行器，执行器通过零阶保持(ZOH)，即附图1中执行器的“保持”操作，得到连续信号ut，并作用于受控体。传统方法基于控制系统在采样周期内必然稳定的理论，通过调整采样器的采样周期，使其随延迟变化，达到降低延迟对QoC影响的目的，所得QoC与连续时间模型下的QoC存在较大差距，详见附图2中连续与离散的时间对比。本实施例从通信角度出发，只改变网络调度机制，不改变控制硬件设备，使用连续时间模型，通过调整调度周期达到与控制角度硬件设计，即改变采样周期同样的效果。
如附图5所示，一种网络控制系统上行调度算法，所述系统由受控体、控制器、执行器、传感器和通信网络构成；所述算法包括以下步骤：
S1，定义与初始化，假设系统中共有J个控制应用需要被调度，其ID集合假设有K种信道资源分配模式，其ID集合如果第j个控制应用选用第k种信道资源分配模式，则其实际传输速率定义为rjk，其请求的传输速率定义为Rj；且定义βijk为调度标识符，即
S2，建立QoC-延迟模型，第j个控制应用在第i个调度周期的效用值Uprop(i，j)；
S3，求出第j个控制应用的最大允许调度周期个数第j个控制应用必须在前个调度周期传输完毕，确定基站需要向控制应用分配的子信道个数A的最小值，将最大容许延时MTD划分为多个小的调度周期；
S4，开始调度，在第i个调度周期，选择效用值Uprop(i，j)最大的第j个控制应用进行调度，并为其选择适合的信道资源分配模式，如果当前调度周期无法传输其全部数据，则征用下一调度周期，直至数据全部被分配；
S5，判断当前调度周期是否有子信道未被分配且仍有控制应用需要被调度；如果有，则重复S3，选择下一个控制应用；反之，输出调度结果βijk，此次调度结束。
进一步的，所述S1中信道资源分配模式可用矩阵G∈{0，1}A×K表示，其中K＝A(A+1)/2，即矩阵G列的个数，表示允许的K种信道资源分配模式；当A＝3时，资源分配模式矩阵G可表达为：
其中“1”表示分配资源块给控制应用。
所述S2中的效用值Uprop(i，j)通过受控体连续时间模型和LQG准则推导得出，表示为瞬时LQG值与最佳状态下LQG值的差，即
其中瞬时LQG值Uin(i，j)可以表示为
为控制器端最近一次接收到的状态向量，为最近一次接收到的控制信号，Qj和Rj为常矩阵，由第j个受控体的物理特性决定。
所述S3中第j个控制应用的最大允许调度周期个数可表达为其中的为第j个控制应用的MTD，Δ为一个调度周期的长度。
所述S3中假设Rmin为每个子信道的最小传输速率，基站分配给控制应用A个子信道，其中令则A的最小值为
较佳的，所述S4中在第i个调度周期选择效用值Uprop(i，j)最大的第j个控制应用进行调度，即在给定调度周期时，选择满足的控制应用进行调度。
当系统提供的实际传输速率大于第个控制应用请求的传输速率，即时，选择与所需传输速率最接近的信道资源分配模式进行传输，确保无线资源得到充分利用；反之，信道资源分配模式应满足
选出控制应用和信道资源分配模式后，进一步更新信道资源分配模式的ID集合即并进一步更新剩余资源块数量A，即
进一步地，本发明方案以倒立摆控制系统为例，首先从控制系统的关键指标——稳定性入手，其通常采用最大容许延时(MTD)或能使受控体回到其稳定/最优状态的“稳定区域”进行量化，如附图2(a)所示。MTD可作为通信延时上限，在此范围内，系统能够维持其稳定性，但是不能用于描述稳定区域内的瞬时QoC。本发明技术方案将连续时间模型与LQG准则相结合，推导出LQG准则的瞬时数学表达，即QoC-延迟数学模型，并用于设计QoC驱动的上行调度器。
其控制流程如下：
S1，定义与初始化中，假设系统共有J个控制应用需要被调度，其ID集合首先定义调度机制的K种资源分配模式(其ID集合在具体的5G网络的无线资源分配中引入了“网络分簇”的概念，详见附图4。假设基站至少分配A个子信道给控制应用，以保证控制信号的实时传输，确保控制系统的稳定性。调度器负责在每个调度周期将A个资源块(即子信道)分配给控制应用。由于同一个控制应用的数据必须分配给相邻的资源块，因此本发明定义资源分配模式矩阵G∈{0，1}A×K表示，其中K＝A(A+1)/2，即矩阵G列的个数，表示允许的K种信道资源分配模式；当A＝3时，资源分配模式矩阵G可表达为：
其中“1”表示分配资源块给控制应用。
根据上述定义，本发明将第j个控制应用选用第k种信道资源分配模式的实际传输速率定义为rjk，第j个控制应用请求的传输速率定义为Rj，βijk为调度标识符：
S2，建立QoC-延迟模型，给出第j个控制应用在第i个调度周期的效用值Uprop(i，j)。效用值越小表示QoC越好，调度算法的优化目标是最小化所有控制应用的效用值之和。
首先，受控体由连续时间系统模型描述，其输入(控制器发出的控制信号)和输出(未被传感器采样的信号)之间的关系可以线性微分方程表示：
其中，为第j个控制应用的状态向量，为控制器发出的控制向量，为受控体输出而尚未被传感器采样的信号。和是均值为零，方差分别为和的高斯向量。前者代表被环境干扰造成的误差和线性化所引起的误差；后者表示传感器的设备误差。Aj，B，Cj是恒定矩阵，由第j个受控体的物理特性决定。为控制规律，由控制器决定。系统框图见附图4。
LQG准则效用函数可以表示为：它表示维持一个系统始终保持在平衡状态所需的能量。ULQG越小表示控制所需的成本越少，即控制器的控制能力越好。反之，ULQG越大，表示维持稳定所需的能量越大，控制器的控制能力越差。当ULQG为无穷时，表示该系统不稳定。然而，它只能代表静态能量，无法描述瞬时能量，不能直接作为指导调度器的QoC。
基于以上分析，上行链路最后一次更新后，第j个控制应用的状态方程为其中为最近一次接收到的控制信号。可得到：其中为控制器端最近一次接收到的状态向量。
因此，第j个控制应用在第i个调度周期的瞬时LQG值可以表示为：
为了确保系统的稳定性，第j个控制应用必须在前个调度周期完成。
使用瞬时LQG值与最佳状态下LQG值Uopt(j)的差表示QoC与延迟之间的关系，得到用于通信调度的QoC-延迟模型，即第j个控制应用在第i个调度周期的效用值Uprop(i，j)：
S3，给出调度算法的限制条件，即最大允许调度周期个数和最小子信道个数。首先将最大容许延时MTD划分为若干个小的调度周期。为了确保系统的稳定性，第j个控制应用的最大允许调度周期个数可表达为其中的为第j个控制应用的MTD，Δ为一个调度周期的长度。
假设Rmin为每个子信道的最小传输速率，基站分配给控制应用A个子信道，则其中令则A的最小值为
S4，在第i个调度周期，选择效用值Uprop(i，j)最大的第j个控制应用进行调度，即在给定调度周期时，选择满足下式的控制应用进行调度：
接着为第个控制应用选择最适合的资源分配模式。如果模式能够提供的实际传输速率大于第个控制应用请求的传输速率，即则选择与所需传输速率最接近的模式进行传输，确保无线资源得到充分利用；反之，则选择所有资源进行传输，即选择的最适合信道资源分配模式应满足：
随后，为确保每个子信道只被分配一次，更新剩余的资源分配模式ID集合及剩余资源块数量A，即
如果当前调度周期无法传输控制应用的全部数据，则征用下一调度周期，直至数据全部被分配，同时将相应的调度标识符设为1。
S5，判断当前调度周期是否有子信道未被分配且仍有控制应用需要被调度。如果有，则重复S3，选择下一控制应用；反之，输出调度结果算法停止。
上述实施例中采用的上行链路调度算法能够最大程度地降低通信延迟对QoC的影响，即在有限的带宽下最小化QoC-延迟模型的值，具体算法的程序语言可见下表：
该算法的步骤3表示，由于QoC参数随延时的增加而变大，调度器将首先服务瞬时LQG值最大的控制应用(即QoC最差的应用/服务)。步骤4确保无线资源得到充分利用。步骤6确保每个子信道只被分配一次。当所有子信道都被分配或所有控制应用在当前调度周期均被服务时，算法停止。
为了进一步验证本发明技术方案的性能和效果，下面通过倒立摆的仿真实验对本发明技术方案做进一步说明：
针对倒立摆系统的物理参数设置如下所示：
对角线矩阵的设置为Qj(1)＝5000，Qj(2)＝Qj(4)＝1，Qj(3)＝100,Rj＝1。控制器采用LQG控制器，其控制定律为其中rj表示参考信号，Kj表示全状态反馈增益。本仿真实验设定，Kj＝[-1，-1.6567，18.6854，3.4594]。
针对网络参数设置，具体仿真参数如附图8所示。本实验忽略计算延时与传输延时，并假设MAC队列的延迟为定值1ms。使用单蜂窝网络，半径为500米，上下行链路带宽均为3MHz，各包含15个子信道，路径损耗模型遵循城市和城郊宏蜂窝模型。假设倒立摆系统的一个数据包的大小为10字节，其中头文件为2字节，其余为负载，记录倒立摆的4个状态更新值。假设此NCS包含30个控制应用(即30个控制回路)，均匀分布在此蜂窝网络的覆盖范围内，共享A个专用子信道，采样器的采样周期为10ms。本次研究采用系统级LTE仿真，信号j在子信道a中的信噪比可表示为
SNRja＝PTX+G-PL-ND·BW+20log10|hja|，
其中PTX为发射功率，G为发射天线增益；PL表示路径损耗，是控制应用j与基站间距离d的函数；ND为噪声谱密度；BW为带宽；hja符合零均值和单位方差的无线瑞利衰落模型。实现本发明方案需要计算rjk，即选用第k种RB分配模式能够提供的传输速率，可以通过下式获得
其中表示映射函数，通过查表找到与SNR对应的速率值。
实验选取三个网联倒立摆系统，初始位置与垂直位置的角度θ0分别为5°、10°、及15°，即初始状态为：初始控制信号为： 的方差 的方差仿真结果详见附图6。提出的QoC-延迟模型描述了瞬时LQG值与最优LQG值的偏差，不同的初始角度，Uprop的起始点不同，倒立摆的初始角度越大，Uprop的起始点值越大。此外，初始角度为分别为5°、10°、和15°的倒立摆必须在第134个，第95个和第77个调度周期前被服务，否则系统将超出稳定区域，变得不稳定。因此，证明了所提出的QoC-延迟模型能够揭示稳定区域内控制性能在不同时间尺度的变化，可以指导调度器设计。
此外，将提出的调度器与两种常用调度器进行比较，仿真结果见附图7。可以观察到，提出的调度器优于最大吞吐量调度器和比例公平(PF)调度器，其控制质量的损失(即Uprop值)远低于其他两种调度器，这说明使用本发明方案的调度机制的控制应用受延迟影响最小，从而QoC优于其他两种调度器，证明本发明方案的可行性。
应当指出的是，上述实施例及仿真模型并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改性、添加或替换，均应属于本发明的保护范围。

Claims (8)

1.一种网络控制系统上行调度算法，所述系统由受控体、控制器、执行器、传感器和通信网络构成；其特征在于，所述算法包括以下步骤：
S1，定义与初始化，假设系统中共有J个控制应用需要被调度，其ID集合假设有K种信道资源分配模式，其ID集合如果第j个控制应用选用第k种信道资源分配模式，则其实际传输速率定义为rjk，其请求的传输速率定义为Rj；且定义βijk为调度标识符，即
S2，建立QoC-延迟模型，给出第j个控制应用在第i个调度周期的效用值Uprop(i，j)；
S3，求出第j个控制应用的最大允许调度周期个数第j个控制应用必须在前个调度周期传输完毕，确定基站需要向控制应用分配的子信道个数A的最小值，将最大容许延时MTD划分为多个小的调度周期；
S4，开始调度，在第i个调度周期，选择效用值Uprop(i，j)最大的第j个控制应用进行调度，并为其选择适合的信道资源分配模式，如果当前调度周期无法传输其全部数据，则征用下一调度周期，直至数据全部被分配；
S5，判断当前调度周期是否有子信道未被分配且仍有控制应用需要被调度；如果有，则重复S3，选择下一个控制应用；反之，输出调度结果βijk，此次调度结束。
2.根据权利要求1所述的调度算法，其特征在于：所述S1中信道资源分配模式可用矩阵G∈{0，1}A×K表示，其中K＝A(A+1)/2，即矩阵G列的个数，表示允许的K种信道资源分配模式；当A＝3时，资源分配模式矩阵G可表达为：
其中“1”表示分配资源块给控制应用。
3.根据权利要求1所述的调度算法，其特征在于：所述S2中的效用值Uprop(i，j)通过受控体连续时间模型和LQG准则推导得出，表示为瞬时LQG值与最佳状态下LQG值的差，即
其中瞬时LQG值Uin(i，j)可以表示为
为控制器端最近一次接收到的状态向量，为最近一次接收到的控制信号，Qj和Rj为常矩阵，由第j个受控体的物理特性决定。
4.根据权利要求1所述的调度算法，其特征在于：所述S3中第j个控制应用的最大允许调度周期个数可表达为其中的为第j个控制应用的MTD，Δ为一个调度周期的长度。
5.根据权利要求1所述的调度算法，其特征在于：所述S3中假设Rmin为每个子信道的最小传输速率，基站分配给控制应用A个子信道，则其中令则A的最小值为
6.根据权利要求1所述的调度算法，其特征在于：所述S4中在第i个调度周期选择效用值Uprop(i，j)最大的第j个控制应用进行调度，即在给定调度周期时，选择满足的控制应用进行调度。
7.根据权利要求6所述的调度算法，其特征在于：系统提供的实际传输速率大于第个控制应用请求的传输速率，即时，选择与所需传输速率最接近的信道资源分配模式进行传输，确保无线资源得到充分利用；反之，信道资源分配模式应满足
8.根据权利要求6或7所述的调度算法，其特征在于：选出控制应用和信道资源分配模式后，进一步更新信道资源分配模式的ID集合即并进一步更新剩余资源块数量A，即
CN201810353599.5A 2018-04-19 2018-04-19 一种网络控制系统上行调度算法 Active CN108650714B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810353599.5A CN108650714B (zh) 2018-04-19 2018-04-19 一种网络控制系统上行调度算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810353599.5A CN108650714B (zh) 2018-04-19 2018-04-19 一种网络控制系统上行调度算法

Publications (2)

Publication Number Publication Date
CN108650714A true CN108650714A (zh) 2018-10-12
CN108650714B CN108650714B (zh) 2021-07-06

Family

ID=63746880

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810353599.5A Active CN108650714B (zh) 2018-04-19 2018-04-19 一种网络控制系统上行调度算法

Country Status (1)

Country Link
CN (1) CN108650714B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102905373A (zh) * 2011-03-25 2013-01-30 北京新岸线无线技术有限公司 一种调度方法、网络设备和终端设备
CN104981017A (zh) * 2014-04-02 2015-10-14 成都鼎桥通信技术有限公司 上行资源分配方法和基站
CN105681092A (zh) * 2016-01-27 2016-06-15 重庆邮电大学 一种混合复用pon中基于业务优先级的波长时隙分配方法
US20170367105A1 (en) * 2016-06-15 2017-12-21 Industry-Academic Cooperation Foundation, Yonsei University Scheduling method and apparatus

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102905373A (zh) * 2011-03-25 2013-01-30 北京新岸线无线技术有限公司 一种调度方法、网络设备和终端设备
CN104981017A (zh) * 2014-04-02 2015-10-14 成都鼎桥通信技术有限公司 上行资源分配方法和基站
CN105681092A (zh) * 2016-01-27 2016-06-15 重庆邮电大学 一种混合复用pon中基于业务优先级的波长时隙分配方法
US20170367105A1 (en) * 2016-06-15 2017-12-21 Industry-Academic Cooperation Foundation, Yonsei University Scheduling method and apparatus

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李庆等: "用于TD-LTE系统的一种上行调度新算法", 《武汉理工大学学报》 *
汪繁荣: "网络控制系统时延解决方案的研究", 《网络与信息安全》 *
牛云等: "网络化控制性能与带宽调度协调优化设计及其仿真", 《控制与决策》 *

Also Published As

Publication number Publication date
CN108650714B (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
Liang et al. Spectrum sharing in vehicular networks based on multi-agent reinforcement learning
Shi et al. Large-scale convex optimization for ultra-dense cloud-RAN
Sun et al. Autonomous resource slicing for virtualized vehicular networks with D2D communications based on deep reinforcement learning
Wang et al. Joint task offloading and caching for massive MIMO-aided multi-tier computing networks
Huang et al. Distributed interference compensation for wireless networks
Sun et al. Resource slicing and customization in RAN with dueling deep Q-network
Tang et al. Adaptive virtual resource allocation in 5G network slicing using constrained Markov decision process
JP2012500524A (ja) マルチセル環境において送信電力パターンを変更するための方法
CN107682935B (zh) 一种基于系统稳定性的无线自回传资源调度方法
US20170245179A1 (en) Method and Apparatus for Dynamic Backhaul Resource Allocation in a Radio Access Network
Gao et al. A QoE-oriented scheduling scheme for energy-efficient computation offloading in UAV cloud system
Xia et al. Mobile edge cloud-based industrial Internet of Things: Improving edge intelligence with hierarchical SDN controllers
US10831553B2 (en) System and method for fair resource allocation
TWI698111B (zh) 功能分割無線前端通訊下品質體驗導向的跨層資料存取控制與波束分配之通訊系統
KR102371534B1 (ko) 비직교 다중접속(noma) 방식을 지원하는 다중접속 에지 컴퓨팅(mec)에서 심층 강화학습 기반 컴퓨팅 오프로딩 최적화 방법
CN109905864A (zh) 一种面向电力物联网的跨层资源分配方案
WO2014117750A1 (en) System and method for transmission point (tp) association and beamforming assignment in heterogeneous networks
Li et al. A distributed ADMM approach with decomposition-coordination for mobile data offloading
Zhu et al. Client selection for asynchronous federated learning with fairness consideration
Liu et al. Maximizing energy efficiency in UAV-assisted NOMA-MEC networks
Fan et al. Joint DNN partition and resource allocation for task offloading in edge-cloud-assisted IoT environments
CN112887999B (zh) 一种基于分布式a-c的智能接入控制与资源分配方法
CN102170706A (zh) 分布式认知无线电系统频谱接入方法
Yan et al. Deep Reinforcement Learning Based Resource Allocation for Network Slicing with Massive MIMO
Braga et al. Joint resource allocation and transceiver design for sum-rate maximization under latency constraints in multicell MU-MIMO systems

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