CN108668261B - 一种基于用户分组需求多样性的中继d2d数据包缓存方法 - Google Patents
一种基于用户分组需求多样性的中继d2d数据包缓存方法 Download PDFInfo
- Publication number
- CN108668261B CN108668261B CN201810455373.6A CN201810455373A CN108668261B CN 108668261 B CN108668261 B CN 108668261B CN 201810455373 A CN201810455373 A CN 201810455373A CN 108668261 B CN108668261 B CN 108668261B
- Authority
- CN
- China
- Prior art keywords
- packet
- diversity
- solution
- hue
- packets
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005457 optimization Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 13
- 239000004576 sand Substances 0.000 claims description 10
- 238000012804 iterative process Methods 0.000 claims description 4
- 230000000116 mitigating effect Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 239000011342 resin composition Substances 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 3
- 230000007423 decrease Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/56—Provisioning of proxy services
- H04L67/568—Storing data temporarily at an intermediate stage, e.g. caching
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明提出了一种新型的基于用户分组需求多样性的中继D2D包缓存方法。该方案联合考虑了用户分组需求的包偏好多样性、分组密度多样性、以及SINR需求多样性,并基于此设计了一种简洁有效的迭代求解算法。其中,包偏好多样性不仅由不同的包偏好排序体现,还考虑了包偏好集中程度的多样性,从而使系统能获得比传统方法更全面的性能提升。
Description
技术领域
本发明面向移动通信领域,提出了一种LTE终端直通(Device-to-Device,D2D)通信系统基于用户分组需求多样性的中继D2D数据包缓存方法。
背景技术
D2D通信技术可以使得用户终端(UE)之间进行直接通信,而无需经过基站(eNB)等设备的传输或转发,从而达到扩大通信覆盖、降低eNB流量负载的目的。
UE-NW(UE-to-Network)中继是3GPP LTE标准制定组在D2D通信议题中引入的新特性。其具备在不增加现有网络设备的情况下,扩大网络覆盖范围的能力,因而在商用通信、公共安全通信(如地震、战争)等领域有着广泛的应用前景。如图1所示,典型的D2D UE-NW系统中包括一个eNB、若干中继帮助用户设备(Helper UE,HUE)以及若干需要D2D中继连接服务的UE(Victim UE,VUE)。eNB与HUE则通过传统的蜂窝通信链路相连接,而HUE与VUE则通过3GPP规定的D2D通信专用的副链路相连接。
在UE-NW中继技术的基础上,引入积极存储策略(Proactive Caching),将VUE用户感兴趣的数据包(以下简称包)提前存储于HUE端,从而达到进一步降低eNB负载的目的。
虽然D2D UE-NW中继缓存技术具备上述优势,但现有的方案中仍存在问题,即如何基于VUE用户分组需求多样性特征,来合理地选择包进行缓存。现有的技术方法均存在不同程度的设计缺陷。典型的基于多用户分组包需求的方案,如通过利用用户分组密度和社交属性的多样性,进而获得包缓存分配结果。然而,该方案中,不同用户组的包差异仅由不同的包偏好排序体现,而忽略了包偏好集中程度的多样性,因而并不一定能准确描述用户分组包偏好的多样性。其他文献则提出了一种目标最大化吞吐率的中继D2D缓存方案,但该方案只考虑了不同包的SINR阈值目标的多样性,并未考虑用户组密度及其包偏好多样性的影响,因而并不一定符合实际的应用场景。
基于上述几点,本发明提出了一种新型的基于用户分组需求多样性的中继D2D包缓存方法。该方案联合考虑了用户分组需求的包偏好多样性、分组密度多样性、以及SINR需求多样性,并基于此设计了一种简洁有效的迭代求解算法。其中,包偏好多样性不仅由不同的包偏好排序体现,还考虑了包偏好集中程度的多样性,从而使系统能获得比传统方法更全面的性能提升。
发明内容
本发明提出了一种新型的基于用户分组需求多样性的中继D2D缓存方案,即包需求多样性的分布式中继D2D包缓存算法(Packet-Request-Diversity-based D2D Relay-aided distributed Packet Caching Algorithm,PRD-D2D-RPC)。本发明相较于已有方案,可提供更高的系统吞吐率,因而更适用于实际的D2D UE-NW中继缓存通信系统。
为实现以上发明目的,采用的技术方案是:
一种基于用户分组需求多样性的中继D2D数据包缓存方法,包括以下步骤:
S1.采用随机几何模型来描述D2D UE的空间分布;具体为,D2D UE的空间分布由泊松点过程来描述,密度为λ;其中,VUE的比例为ρ,而HUE的比例为1-ρ;D2D UE间的链路损耗指数为α,干扰缓解指数为η;假设VUE根据其包需求偏好,可以划分为S个不同的分组,S≥2,S∈Z+,且相应的分组下标构成集合S={1,2,...,S};第s个VUE用户分组占总的VUE数量的比例为qs;定义所有的qs构成集合假设每个数据包都具有相同的单位大小值,且每个HUE具有相同的缓存大小极限M,M∈Z+,即每个HUE可以最多存储M个数据包;此外,第s个VUE用户分组对应一个有限数量N的包集合,且需满足N>M>S,N∈Z+;i≠j;假设每个分组的包集合Fs与任何其它分组都不重叠,即每个分组都有自己独自的包需求偏好排序,独立于其它任何分组;此外,定义为分组s内的VUE请求Fs的概率分布,并由Zipf流行度分布来描述:
其中,βs(0<βs,βs≠1)为Zipf分布指数,表示分组s数据包请求概率分布fs的集中程度;βs越大,fs集中程度越高;
S2.借助于随机几何的相关结论,分组s对应的D2D链路成功概率可以近似表示为:
S3.基于上述内容,需求解的优化模型如下:
受限于:
其中:目标函数Tmax定义为最大化的吞吐率,ks为分组s应被分配到的缓存包数量,为优化模型(3)中待求解的变量;C1条件表示HUE端的所有缓存包不得超过其缓存空间极限M;C2则表示在极限范围M内,每个分组应至少获得一个包;
S4.将优化模型(3)进行近似求解;首先将(3)中的整数变量ks,松弛为ks∈[1,M]的连续变量,进而得到如下近似优化模型:
受限于:
可以验证,近似优化问题(5)为凹优化问题,它可以获得理论唯一解;因此,进而借助于凸优化理论,求得问题(5)的拉格朗日对偶解析表达式组(6)-(9)如下:
其中,ω,νs和μs为引入的非负拉格朗日算子;求解(7)-(10)可以得到如下解析数值解表达式:
其中,φs=ρλpsqsG(βs);由(13)可知,有上下界,即此外,是关于算子ω的单调减函数;因此,在(13)的限制下,基于关于ω的二分搜索策略,依据(11)-(12)以迭代方式更新算子ω,νs和μs,以求解出所需的解集合
基于关于ω的二分搜索策略中,假定迭代收敛精度为ε,最大迭代次数为Imax,迭代计数变量为c;具体流程描述如下:
第1步:初始化设置:设置ω的搜索上界lb和下界ub,分别为:
则相应的ω可由下式确定:
附图说明
图1:D2D UE-NW通信场景示意图。
图2:PRD-D2D-RPC算法的流程图。
图3:系统吞吐率vs D2D UE密度图。
图4:缓存包数vs VUE分组密度图。
图5:吞吐率vs VUE分组1的密度图。
图6:缓存包数vs VUE分组1的SINR阈值图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
以下结合附图和实施例对本发明做进一步的阐述。
实施例1
本发明采用随机几何模型来描述D2D UE的空间分布。具体为,D2D UE的空间分布由泊松点过程来描述,密度为λ。其中,VUE的比例为ρ,而HUE的比例为1-ρ。D2D UE间的链路损耗指数为α,干扰缓解指数为η(干扰功率除以发送功率的比例)。假设VUE根据其包需求偏好,可以划分为S(S≥2,S∈Z+)个不同的分组,且相应的分组下标构成集合S={1,2,...,S}。第s个VUE用户分组占总的VUE数量的比例为qs。进一步地,我们定义所有的qs构成集合假设每个数据包都具有相同的单位大小值,且每个HUE具有相同的缓存大小极限M(M∈Z+),即每个HUE可以最多存储M个数据包。此外,第s个VUE用户分组对应一个有限数量N的包集合,且需满足N>M>S,N∈Z+;i≠j。假设每个分组的包集合Fs与任何其它分组都不重叠,即每个分组都有自己独自的包需求偏好排序,独立于其它任何分组。此外,定义为分组s内的VUE请求Fs的概率分布,并由Zipf流行度分布来描述:
另一方面,借助于随机几何的相关结论,本发明中,分组s对应的D2D链路成功概率可以近似表示为:
基于上述内容,本发明需求解的优化模型如下:
受限于:
其中:目标函数Tmax定义为最大化的吞吐率,C1条件表示HUE端的所有缓存包不得超过其缓存空间极限M;C2则表示在极限范围M内,每个分组应至少获得一个包。此问题是一个拥有S个整数变量的组合整数规划问题,是一个NP-难问题。直接求解该问题的计算复杂度非常高,会呈现指数型计算复杂度。特别当S较大时,复杂度将难以被实际系统所接受。
因此,为了降低计算复杂度,获得有效可行解,本发明将优化模型(3)进行近似求解。首先,本发明先将(3)中的整数变量ks,松弛为ks∈[1,M]的连续变量,进而得到如下近似优化模型:
受限于:
可以验证,近似优化问题(5)为凹优化问题,它可以获得理论唯一解。因此,本发明进而借助于凸优化理论,求得问题(5)的拉格朗日对偶解析表达式组(6)-(9)如下:
其中,ω,νs和μs为引入的非负拉格朗日算子。求解(7)-(10)可以得到如下解析数值解表达式:
其中,φs=ρλpsqsG(βs)。由(13)可知,有上下界,即此外,是关于算子ω的单调减函数。因此,本方案在(13)的限制下,基于关于ω的二分搜索策略,依据(11)-(12)以迭代方式更新算子ω,νs和μs,以求解出所需的解集合本方案假定迭代收敛精度为ε,最大迭代次数为Imax,迭代计数变量为c。
本发明提出的PRD-D2D-RPC算法的具体流程描述如下:
第1步:初始化设置:设置ω的搜索上界lb和下界ub,分别为:
则相应的ω可由下式确定:
图2给出了本发明提出的PRD-D2D-RPC算法的流程图。
实施例2
为了更充分地阐述本发明所具有的有益效果,以下结合具体实施例与相关的仿真结果及分析,进一步对本发明的有效性和先进性予以说明。
不失一般性,假设系统中,D2D UE的密度为λ=10-4/m2,每个用户组各有N=1000个需求的包。HUE端的缓存极限值M构成集合M={50,100,200}。D2D链路最大通信距离R=150m,D2D UE间的路损指数α=3.68,VUE数量比例ρ=0.7,干扰缓解系数η=-50dB。每个用户组的目标SINR值均匀选取自[1,10]dB范围内的整数值。包的集中程度,则由Zipf分布的指数特征值βs,在的范围中均匀随机产生。迭代过程所需的收敛精度ε=0.001,最大迭代次数Imax=50。
本发明PRD-D2D-RPC方案将和前述的典型D2D UE-NW中继缓存方案进行比较,即:基于包偏好和分组密度多样性的随机缓存方案(Random Caching exploitingHeterogeneous Packet Preferences and Group Densities,RC-HPP-GD)以及基于链路成功率多样性的吞吐率最大化缓存方案(Throughput-Maximised Caching,TMC)。其中,为实现可对比性,在仿真测试中,RC-HPP-GD和TMC均由概率存储策略转为了确定式存储策略。具体为:RC-HPP-GD法为分组s分配数量的包,而TMC法则为分组s分配数量的包。
通过图3可知,本发明提出的PRD-D2D-RPC方案可获得比其它方案更高的吞吐率。这是因为本方案综合考虑了用户分组需求的包偏好、分组密度以及SINR需求的多样性。特别的,包偏好多样性还考虑了包偏好集中程度的多样性。此外,可以看到,当M数值越小时,即缓存极限对缓存策略的影响越明显时,本方案相比于可以获得比其它方案更高的吞吐率增益。
在图4中,本发明固定M=100,且所有用户组的SINR阈值均设置为1dB,以研究不同的包偏好集中程度(βs值)如何影响HUE的包缓存分配。由图4可以看到,分组s对应的包数值随着分组密度qs的增大而增大,即更多的包应被缓存以更好地满足密度更大的用户分组的需求。此外,可以看到当qs>0.07时,βs越大则相应越少的包需要被存储。这是因为βs越大意味着VUE的需求越集中于少数几个被请求最多的包上,因而存储较少的包即可较好地满足总的需求。另一方面,这同时也意味着有更多的缓存空间留给了密度较小的用户分组,因而当qs<0.07时,βs越大则相应越多的包需要被存储。
进一步地,本发明在仅有两个分组的特殊场景下进行了测试。在该场景下,两个分组的集中程度相同β1=β2=β,HUE的缓存极限M=200。
在图5中,设置两个分组的SINR要求一样,均为1dB,使得p1=p2=p。可以看到,β越大则吞吐率越大。因为在有限的M空间内,β越大意味着总的包请求概率更加集中,因为总的请求概率更大,进而使得吞吐率更大。此外,由图5可见,吞吐率随着分组1的密度q1呈现凸性,即当q1=0.5时,吞吐率达到最低。这是因为此时分组1和分组2的缓存需求间的竞争程度达到最大,从而导致系统吞吐率受到的影响程度最大。而当任意一方的缓存需求竞争力大于另一方时,即q1>0.5或者q1<0.5时,系统吞吐率受到的影响将会减小,吞吐率得到提升。
在图6中,设置两个分组的密度一样q1=q2=q,并固定分组2的SINR阈值目标要求为10dB。由图6可知,当分组1的SINR目标增大时,即相应的p1值减小时,分组1获得的缓存包数则相应的减小,而分组2获得的缓存包数则相应增大。这是因为,p1的减小导致分组1获得HUE转发包的物理层难度增大,因此HUE则选择降低分配给分组1的缓存包数。而另一方面,由(13)式可知,HUE端分配给分组1和分组2的缓存包数需满足因而相应的,分组2的缓存包数量则会增大。由图6可知,当分组1的SINR目标为10dB时,即使得p1=p2=p时,则HUE分配给分组1和分组2相同数量的包。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (1)
1.一种基于用户分组需求多样性的中继D2D数据包缓存方法,其特征在于:包括以下步骤:
S1.采用随机几何模型来描述D2D UE的空间分布;具体为,D2D UE的空间分布由泊松点过程来描述,密度为λ;其中,VUE的比例为ρ,而HUE的比例为1-ρ;D2D UE间的链路损耗指数为α,干扰缓解指数为η;假设VUE根据其包需求偏好,可以划分为S个不同的分组,S≥2,S∈Z+,且相应的分组下标构成集合S={1,2,...,S};第s个VUE用户分组占总的VUE数量的比例为qs;定义所有的qs构成集合假设每个数据包都具有相同的单位大小值,且每个HUE具有相同的缓存大小极限M,M∈Z+,即每个HUE可以最多存储M个数据包;此外,第s个VUE用户分组对应一个有限数量N的包集合,且需满足N>M>S,N∈Z+;i≠j;假设每个分组的包集合Fs与任何其它分组都不重叠,即每个分组都有自己独自的包需求偏好排序,独立于其它任何分组;此外,定义为分组s内的VUE请求Fs的概率分布,并由Zipf流行度分布来描述:
其中,βs(0<βs,βs≠1)为Zipf分布指数,表示分组s数据包请求概率分布fs的集中程度;βs越大,fs集中程度越高;
S2.借助于随机几何的相关结论,分组s对应的D2D链路成功概率可以近似表示为:
S3.基于上述内容,需求解的优化模型如下:
受限于:
其中:目标函数Tmax定义为最大化的吞吐率,ks为分组s应被分配到的缓存包数量,为优化模型(3)中待求解的变量;C1条件表示HUE端的所有缓存包不得超过其缓存空间极限M;C2则表示在极限范围M内,每个分组应至少获得一个包;
S4.将优化模型(3)进行近似求解;首先将(3)中的整数变量ks,松弛为ks∈[1,M]的连续变量,进而得到如下近似优化模型:
受限于:
可以验证,近似优化问题(5)为凹优化问题,它可以获得理论唯一解;因此,进而借助于凸优化理论,求得问题(5)的拉格朗日对偶解析表达式组(7)-(10)如下:
其中,ω,νs和μs为引入的非负拉格朗日算子;求解(7)-(10)可以得到如下解析数值解表达式:
其中,φs=ρλpsqsG(βs);由(13)可知,有上下界,即此外,是关于算子ω的单调减函数;因此,在(13)的限制下,基于关于ω的二分搜索策略,依据(11)-(12)以迭代方式更新算子ω,νs和μs,以求解出所需的解集合
基于关于ω的二分搜索策略中,假定迭代收敛精度为ε,最大迭代次数为Imax,迭代计数变量为c;具体流程描述如下:
第1步:初始化设置:设置ω的搜索上界lb和下界ub,分别为:
则相应的ω可由下式确定:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810455373.6A CN108668261B (zh) | 2018-05-14 | 2018-05-14 | 一种基于用户分组需求多样性的中继d2d数据包缓存方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810455373.6A CN108668261B (zh) | 2018-05-14 | 2018-05-14 | 一种基于用户分组需求多样性的中继d2d数据包缓存方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108668261A CN108668261A (zh) | 2018-10-16 |
CN108668261B true CN108668261B (zh) | 2020-09-25 |
Family
ID=63779396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810455373.6A Active CN108668261B (zh) | 2018-05-14 | 2018-05-14 | 一种基于用户分组需求多样性的中继d2d数据包缓存方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108668261B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111212405B (zh) * | 2020-01-13 | 2021-07-09 | 中山大学 | 基于多流行度的分组d2d多阈值缓存放置方法 |
CN111328092B (zh) * | 2020-02-27 | 2021-10-01 | 中山大学 | D2d通信中继分组缓存分配中的预信息动态更新方法 |
CN111866952B (zh) * | 2020-07-10 | 2021-10-01 | 中山大学 | 一种基于用户组偏好集中度差异的d2d概率式缓存放置方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102318435A (zh) * | 2009-04-27 | 2012-01-11 | 上海贝尔股份有限公司 | 数据包中继和数据包解码的方法及装置 |
CN106303927A (zh) * | 2016-08-31 | 2017-01-04 | 电子科技大学 | 一种用于d2d无线缓存网络中的缓存分配方法 |
CN107949007A (zh) * | 2017-04-27 | 2018-04-20 | 南京理工大学 | 无线缓存系统中基于拍卖理论的一种资源分配算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2456086B1 (en) * | 2010-11-17 | 2016-07-20 | NTT DoCoMo, Inc. | Apparatus and method for allocating resources to nodes in a communication system using an update of iteration resource weights |
-
2018
- 2018-05-14 CN CN201810455373.6A patent/CN108668261B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102318435A (zh) * | 2009-04-27 | 2012-01-11 | 上海贝尔股份有限公司 | 数据包中继和数据包解码的方法及装置 |
CN106303927A (zh) * | 2016-08-31 | 2017-01-04 | 电子科技大学 | 一种用于d2d无线缓存网络中的缓存分配方法 |
CN107949007A (zh) * | 2017-04-27 | 2018-04-20 | 南京理工大学 | 无线缓存系统中基于拍卖理论的一种资源分配算法 |
Also Published As
Publication number | Publication date |
---|---|
CN108668261A (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102208117B1 (ko) | 무선 자원 관리 방법 및 이를 위한 장치 | |
CN106332094B (zh) | 非授权频段LTE-U和WiFi系统基于Q算法的动态占空比共存方法 | |
CN109600828B (zh) | 无人机基站下行链路的自适应传输功率分配方法 | |
CN105813129B (zh) | 一种基于d2d分簇的资源分配方法 | |
Wang et al. | Socially enabled wireless networks: Resource allocation via bipartite graph matching | |
CN108668261B (zh) | 一种基于用户分组需求多样性的中继d2d数据包缓存方法 | |
CN109194763B (zh) | 一种超密集网络中基于小型基站自组织协作的缓存方法 | |
KR102349604B1 (ko) | 이동통신시스템에서 Logical Channel의 우선 순위에 따른 Uplink Scheduling 방법 | |
CN108834080B (zh) | 异构网络中基于多播技术的分布式缓存和用户关联方法 | |
CN107517158B (zh) | 无人机通信网络联合路由协议的设计方法 | |
US20130003691A1 (en) | Downlink Resource Scheduling Method and Transmission End for Multiple-Input Multiple-Output Beam-Forming System | |
Dai et al. | Deep reinforcement learning for edge caching and content delivery in internet of vehicles | |
Zhou et al. | Approximation algorithms for cell association and scheduling in femtocell networks | |
CN108093435A (zh) | 基于缓存流行内容的蜂窝下行链路网络能效优化系统及方法 | |
CN111278052A (zh) | 一种基于5g切片的工业现场数据多优先级调度方法 | |
CN109005595A (zh) | 自适应选择多信道自组织网络时频块的方法 | |
Brahmi et al. | Chaotic grey wolf optimization‐based resource allocation for vehicle‐to‐everything communications | |
Wang et al. | Machine learning enables predictive resource recommendation for minimal latency mobile networking | |
US12035144B2 (en) | Spectrum management device, electronic device, radio communication method, and storage medium | |
Al-Wesabi et al. | A joint algorithm for resource allocation in d2d 5g wireless networks | |
Ali et al. | Optimized resource and power allocation for sum rate maximization in D2D-assisted caching networks | |
Xiang et al. | A deep reinforcement learning based content caching and mode selection for slice instances in fog radio access networks | |
Liang et al. | A non-iterative resource allocation strategy for device-to-device communications in underlaying cellular networks | |
CN109803352B (zh) | 一种雾无线接入网络的资源调配方法和装置 | |
CN110225568B (zh) | 非正交多址下基于能耗最低的mtc网关选择方法及设备 |
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 |