CN110650463A - 基于模糊数学的农业物联网节点能耗优化方法 - Google Patents

基于模糊数学的农业物联网节点能耗优化方法 Download PDF

Info

Publication number
CN110650463A
CN110650463A CN201910917230.7A CN201910917230A CN110650463A CN 110650463 A CN110650463 A CN 110650463A CN 201910917230 A CN201910917230 A CN 201910917230A CN 110650463 A CN110650463 A CN 110650463A
Authority
CN
China
Prior art keywords
energy consumption
fuzzy
iot
evaluation
model
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
CN201910917230.7A
Other languages
English (en)
Other versions
CN110650463B (zh
Inventor
汤磊
许颖
虞结福
朱赟
丁杨智
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.)
Cross Strait Tsinghua Research Institute Xiamen
Dragon Totem Technology Hefei Co ltd
Original Assignee
Gannan Normal University
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 Gannan Normal University filed Critical Gannan Normal University
Priority to CN201910917230.7A priority Critical patent/CN110650463B/zh
Publication of CN110650463A publication Critical patent/CN110650463A/zh
Application granted granted Critical
Publication of CN110650463B publication Critical patent/CN110650463B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • H04W52/0248—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal dependent on the time of the day, e.g. according to expected transmission activity
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/20—Manipulation of established connections
    • H04W76/28—Discontinuous transmission [DTX]; Discontinuous reception [DRX]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本发明属于无线通信和物联网技术领域，公开了一种基于模糊数学的农业物联网节点能耗优化方法，本文通过NB‑IoT低功耗技术中PSM技术(Power Saving Mode,省电模式)和eDRX技术(Extended Discontinuous Reception,扩展的不连续接收)的能耗测试，基于模糊数学综合评判算法对特定场景下NB‑IoT两种省电模式作业时间优化调配，在满足业务需求的情况下，使设备达到更低能耗的目的。

Description

基于模糊数学的农业物联网节点能耗优化方法
技术领域
本发明属于无线通信和物联网技术领域，具体涉及NB-IoT网络中不同应用场景的低功耗技术的能耗优化。
背景技术
农业物联网是计算机、互联网、移动通信等信息技术在农业领域的高度集成和具体应用，是农业信息化、智能化的必要条件，随着移动通信的发展，未来将会是一个万物互联的时代。物联网通过传感设备采集信息，利用无线通信技术，将物与物连接在一起，物联网技术主要应用在智能家电，智能交通，智慧农业和智慧城市等领域。常用的短距离通信技术主要包括Wi-Fi、ZigBee和蓝牙等，这些短距离通信技术因为覆盖距离短，所以应用场景受限，而在广覆盖和大量终端连接的物联网应用中，低功耗广域网通信的长处更明显。
NB-IoT又称为窄带物联网技术,具有工作在授权频点、蜂窝网、深度覆盖、超低成本、超低功耗、海量连接等优势,主要应用于对时延、移动性要求不高的小包物联网业务。在低功耗广域网通信技术中，常常与NB-IoT相比较的是工作于非授权频谱的基于扩频技术的远距离无线通信(LoRa)。LoRa通信需要独立组网，数据传输速率比NB-IoT低，在不同网络间存在同频干扰，所以当大量节点连接时，NB-IoT更有优势。
NB-IoT提出的背景之一也是为了弥补传统网络不满足物联网设备低功耗、低成本的缺陷，故此“功耗”区别于传统意义，应更侧重于使用过程中的损耗，偏重于能量消耗速度，为产品的实际应用提供真实可靠的数据支撑。
发明内容
本发明的目的是，通过NB-IoT低功耗技术中PSM技术(Power Saving Mode,省电模式)和eDRX技术(Extended Discontinuous Reception,扩展的不连续接收)的能耗测试，基于模糊数学综合评判算法对特定场景下NB-IoT两种省电模式作业时间优化调配，在满足业务需求的情况下，使设备达到更低能耗的目的。
为解决上述发明目的，本发明所采用的技术方案包括：将时间划分为连续的帧后，帧内分为PSM和eDRX两种模式在设备运行。PSM的基本原理是允许终端在进入空闲态一段时间后，关闭信号的收发和AS(接入层)相关功能，从而减少天线、射频、信令处理的功耗开销。PSM模式类似于关机，但是终端依旧在网络上进行注册，重新启动不需要重新Attach，不需要重新连接或建立数据包网络(Packet Data Network，PDN)的连接，直到终端需再对外传送数据，或到达TAU周期，才会恢复到连接状态。处于PSM模式的终端不能被立即寻呼到，数据、短信等业务均不能执行。只有当TAU周期定时器(T3412)超时，或者终端发起业务主动退出时，终端才会退出PSM模式进入连接态处理上下行业务。终端处理完数据之后释放RRC连接，回到空闲模式同时启动定时器Active Timer(T3324)，此Timer超时后UE即进入PSM模式。PSM模式下终端耗电量为普通空闲态下耗电量的1/200。对于不适用PSM的业务，更灵活的方法是使用eDRX。eDRX功能是在DRX基础上，为了进一步增强节电增益而进行的功能扩展。DRX周期最长为2.56s(空闲态和连接态最大周期相同)，eDRX通过延长唤醒周期进一步降低终端连接态和空闲态功耗。对于空闲态，NB-IoT eDRX最大周期为174.76分钟，周期取值范围为{20.48,40.96,81.92,163.84,327.68,655.36,1310.72,2621.44,5242.88,10485.76}s。
当NB-IoT发送一个数据包时，时序图类似图1移动数据包传输图(实际NB-IoT传输时以其时序为准)。
整个数据交换过程中，共包含发送状态Tx、接收状态Rx、空闲状态Idle和省电模式PSS四种状态，处于各状态的功耗各有不同。
W＝WTx+WRx+WIdle+WPSS
NB-IoT借助PSM和eDRX可实现更长待机。其中，PSM模式下，终端仍旧注册在网，但信令不可达。从而使得终端更长时间驻留在深睡眠以达到省电的目的。eDRX进一步延长终端在空闲模式下的睡眠周期，减少接收单元不必要的启动，从而达到降低功耗的目的。在实际业务测试中，同时部署上述两种模式，检测终端设备的能耗及数据收发情况。具体的过程如下：
第一步：对NB-IoT模组初始化，设定好PSM和eDRX两种模式在设备运行状态下的时间占比，设置发送周期循环向云平台发送字节数据。
第二步：云平台收到来自NB-IoT的字节数据后，检查数据的完整度并计算数据时延。
第三步：测量NB-IoT各状态下的能耗情况，并对所得数据量化处理。
第四步：根据上一步得出的测试信息，采用模糊综合评判选择出NB-IoT两种省电模式最优作业时间分配。
模糊综合评判法是一种基于模糊数学的综合评判方法。根据模糊数学的隶属度原理，将定性评价转化为定量评价，即用模糊数学的方法对受到多种影响因素的评价对象做出一个综合的评价。它具有思路清晰，结果明了，系统性强的特点，能够很好的解决事物具有的模糊属性，将定性评价进行了量化处理，非常适合各种非确定性模糊问题的解决。因此，对NB-IoT两种省电模式作业时间优化调配将应用该算法。本方法主要分为两个步骤，第一步对单个因素进行评价，第二步结合所有因素进行综合评价。下面我们将详细描述算法的工作原理。模糊综合评判的具体过程如下：
Step1.确定因素集U＝{u1,u2,u3}，其中u1：相对能耗，u2：数据时延，u3：通信实时性；
Step2.确定评价集V＝{v1,v2,···,vk}，其中v1,v2,···,vk分别表示k个作业时间分配；
Step3.构造模糊评判矩阵。因素与省电模式作业时间的对应关系可以通过建立隶属函数，用模糊关系矩阵R＝(rik)3×k表示，其中，rik表示第k个作业时间分配的第i项因素对应的隶属度；
Step4.构造权向量W＝{w1,w2,w3}，其中权向量W与因素集U相对应，w1,w2,w3分别表示相对能耗，数据时延，通信实时性所占因素权重。本文根据NB-IoT应用场景的不同对能耗要求的差异，利用帕累托最优原理对权重值进行确定，目标函数的数学表达式如下：
Figure BDA0002216463790000031
NB-IoT模组设计中，能耗值不是一个孤立的指标，而是与数据时延、通信实时性等紧密关联的，因此，在相对能耗、数据时延、通信实时性之间做出一个合适的取舍以确定因素权重值，才能最大程度满足不同场景的业务需求；
Step5.计算综合评价结果B＝WΘR，其中‘Θ’为合成算子，模糊数学中常用的模糊合成运算模型有以下三类，可根据实际评判需求进行选择。
模型Ⅰ：将算子记为M(·,+)
Figure BDA0002216463790000041
该模型的计算结果突出所有评价因素的作用，称为加权平均模型。
模型Ⅱ：将算子记为M(∧,∨)
Figure BDA0002216463790000042
该模型的计算结果中重要因素起到了决定作用，故称为主因素决定型。
模型Ⅲ：记为M(·,∨)
Figure BDA0002216463790000043
该模型的计算结果中重要因素起到了突出作用，故称为主因素决定型。
第一种模型对模糊评价矩阵的利用充分，且对权重的作用体现比较明显，综合程度较强，适合对综合因素指标加权求平均的场景，故本文采用该合成算子进行模糊评判运算。
假设k＝4，根据假设U＝{u1,u2,u3}和V＝{v1,v2,v3,v4}可得出模糊评价矩阵如下：
选用上述的第一种算子模型M(·,+)可得评价结果向量：
B＝WΘR＝(b1,b2,b3,b4) (b1＞b2＞b3＞b4) (6)
根据模糊数学最大隶属度原则可以得到NB-IoT两种省电模式作业时间最优配置，即为对PSW和eDRX两种省电模式数据传输周期中各个作业时间的评判结果，按最大隶属度原则可知，最优作业时间应该是b1。
至此，我们就完成了模糊综合评判的过程，从而也就选择出了NB-IoT两种省电模式最优作业时间。
附图说明
图1：数据交换中的功耗实例
图2：NB-IoT终端不同作业时间评判结果曲线
具体实施方式
为了验证本文提出的能耗优化算法的有效性，我们针对算法在智慧农业场景的能耗性能进行了仿真。参数设置如下：①采用文献窄带物联网NB-IoT能耗测试浅析中提出的测试方案；②测试过程中NB-IoT选择独立部署(Stand-alone operation)方式，以UDP协议进行通信；③每一次测试过程NB-IoT模组都具有相同的初始能量E；④终端数据上传频次设定为10分钟，且单次向服务器端发送的数据包长度都为250字节；⑤为了测试的方便，我们设定4组作业时间，从中选择最优的时间分配(同理可设定更多的时间分配，从而选出最优结果)。我们仿真了本文所提模糊优化算法的NB-IoT终端作业能耗。具体过程如下：
表1因素集和评价集直积表
Figure BDA0002216463790000051
从评判结果得到评判模糊矩阵：
Figure BDA0002216463790000052
相对能耗、数据时延和通信实时性这三个因素权向量为：
W＝(0.5,0.2,0.3) (8)
经对综合模型的特点分析后，通过算子M(·,+)得到模糊综合评判集：
Figure BDA0002216463790000053
最后根据最大隶属度原则，对测试的作业时间进行评判。由于最大值为0.28，对应隶属的评价集是作业时间2，所以作业时间2为最优NB-IoT省电模式作业时间。
图2为W＝(0.5,0.2,0.3)时NB-IoT终端不同作业时间评判结果曲线，从图中可以看出：模糊选择算法的评判结果对各因素进行了综合协调，使得NB-IoT在满足业务要求的前提下做到尽可能低能耗。由此可见，权重对模糊选择算法的性能影响较大，实际中应根据业务场景的具体情况分配权重，如果系统对于能耗不太敏感，那么相对能耗的权重就应该相应地降低；而如果系统对于能耗十分敏感，那么相对能耗的权重就应该相应地提高。

Claims (3)

1.基于模糊数学的农业物联网节点能耗优化方法，其特征是对特定场景下NB-IoT的PSM和eDRX两种省电模式作业时间优化调配，在满足业务需求的情况下，使设备达到更低能耗的目的，而两种省电模式作业时间的调配方式，可通过模糊数学综合评判算法来进行性能分析获得优化值。
2.如权利要求1所述的基于模糊数学的农业物联网节点能耗优化方法，其特征在于，在实际业务测试中，同时部署上述两种模式，检测终端设备的能耗及数据收发情况，具体的过程如下：
步骤1：对NB-IoT模组初始化，设定好PSM和eDRX两种模式在设备运行状态下的时间占比，设置发送周期循环向服务器平台发送字节数据；
步骤2：服务器平台收到来自NB-IoT的字节数据后，检查数据的完整度并计算数据时延；
步骤3：测量NB-IoT各状态下的能耗情况，并对所得数据量化处理；
步骤4：根据上一步得出的测试信息，采用模糊综合评判选择出NB-IoT两种省电模式最优作业时间分配。
3.如权利要求1所述的基于模糊数学的农业物联网节点能耗优化方法，其特征在于，能耗优化算法中模糊综合评判的具体过程如下：
Step1.确定因素集U＝{u1,u2,u3}，其中u1：相对能耗，u2：数据时延，u3：通信实时性；
Step2.确定评价集V＝{v1,v2,…,vk}，其中v1,v2,…,vk分别表示k个作业时间分配；
Step3.构造模糊评判矩阵，因素与省电模式作业时间的对应关系可以通过建立隶属函数，用模糊关系矩阵R＝(rik)3×k表示，其中，rik表示第k个作业时间分配的第i项因素对应的隶属度；
Step4.构造权向量W＝{w1,w2,w3}，其中权向量W与因素集U相对应，w1,w2,w3分别表示相对能耗，数据时延，通信实时性所占因素权重，对于权重值的确定，本文根据NB-IoT应用场景的不同对能耗要求的差异，利用帕累托最优原理进行确定，目标函数的数学表达式如下：
min Fpower＝[Cpow,Cdel,Crel]
Figure FDA0002216463780000022
Figure FDA0002216463780000023
NB-IoT模组设计中，能耗值不是一个孤立的指标，而是与数据时延、通信实时性等紧密关联的，因此，在相对能耗、数据时延、通信实时性之间做出一个合适的取舍以确定因素权重值，才能最大程度满足不同场景的业务需求；
Step5.计算综合评价结果B＝WΘR，其中‘Θ’为合成算子，模糊数学中常用的模糊合成运算模型有以下三类，可根据实际评判需求进行选择：
模型Ⅰ：将算子记为M(·,+)
该模型的计算结果突出所有评价因素的作用，称为加权平均模型；
模型Ⅱ：将算子记为M(∧,∨)
Figure FDA0002216463780000025
该模型的计算结果中重要因素起到了决定作用，故称为主因素决定型；
模型Ⅲ：记为M(·,∨)
Figure FDA0002216463780000026
该模型的计算结果中重要因素起到了突出作用，故称为主因素决定型；
第一种模型对模糊评价矩阵的利用充分，且对权重的作用体现比较明显，综合程度较强，适合对综合因素指标加权求平均的场景，故本文采用该合成算子进行模糊评判运算，
假设k＝4，根据假设U＝{u1,u2,u3}和V＝{v1,v2,v3,v4}可得出模糊评价矩阵如下：
Figure FDA0002216463780000031
选用上述的第一种算子模型M(·,+)可得评价结果向量：
B＝WΘR＝(b1,b2,b3,b4)(b1＞b2＞b3＞b4)
根据模糊数学最大隶属度原则可以得到NB-IoT两种省电模式作业时间最优配置，即为对PSW和eDRX两种省电模式数据传输周期中各个作业时间的评判结果，按最大隶属度原则可知，最优作业时间应该是b1；
至此，我们就完成了模糊综合评判的过程，从而也就选择出了NB-IoT两种省电模式最优作业时间。
CN201910917230.7A 2019-09-26 2019-09-26 基于模糊数学的农业物联网节点能耗优化方法 Active CN110650463B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910917230.7A CN110650463B (zh) 2019-09-26 2019-09-26 基于模糊数学的农业物联网节点能耗优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910917230.7A CN110650463B (zh) 2019-09-26 2019-09-26 基于模糊数学的农业物联网节点能耗优化方法

Publications (2)

Publication Number Publication Date
CN110650463A true CN110650463A (zh) 2020-01-03
CN110650463B CN110650463B (zh) 2023-04-07

Family

ID=68992766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910917230.7A Active CN110650463B (zh) 2019-09-26 2019-09-26 基于模糊数学的农业物联网节点能耗优化方法

Country Status (1)

Country Link
CN (1) CN110650463B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111458473A (zh) * 2020-05-26 2020-07-28 扬州大学 一种用于降低大型水域水质监测传感节点功耗的方法
CN112714488A (zh) * 2020-12-23 2021-04-27 东联信息技术有限公司 基于能耗数据的网络节能方法及装置
CN116055526A (zh) * 2023-01-08 2023-05-02 福州卓立信息科技有限公司 一种基于元宇宙的工业设备能耗物联网系统及交互方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394566A (zh) * 2014-11-12 2015-03-04 南京航空航天大学 一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法
CN106452919A (zh) * 2016-11-24 2017-02-22 济南浪潮高新科技投资发展有限公司 一种基于模糊理论的雾节点优化方法
US20190005400A1 (en) * 2016-09-20 2019-01-03 Southwest Petroleum University A fuzzy evaluation and prediction method for running status of mechanical equipment with occurrence probability of failure modes

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394566A (zh) * 2014-11-12 2015-03-04 南京航空航天大学 一种基于模糊决策的低功耗自适应分簇多跳无线传感器网络拓扑控制方法
US20190005400A1 (en) * 2016-09-20 2019-01-03 Southwest Petroleum University A fuzzy evaluation and prediction method for running status of mechanical equipment with occurrence probability of failure modes
CN106452919A (zh) * 2016-11-24 2017-02-22 济南浪潮高新科技投资发展有限公司 一种基于模糊理论的雾节点优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
PAN YI; YE HUI: "A fuzzy integrated calculation policy for the energy consumption of Bluetooth mobile devices", 《2016 12TH INTERNATIONAL CONFERENCE ON NATURAL COMPUTATION, FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY (ICNC-FSKD)》 *
朱淑琼: "NB-IoT网络中面向能效与覆盖增强的资源分配机制", 《中国优秀硕士学位论文集 信息科技辑》 *
李娟: "窄带物联网NB-IOT能耗测试浅析", 《电信网技术》 *
陈明真: "农业环境实时感知与可视化管理系统", 《技术纵横》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111458473A (zh) * 2020-05-26 2020-07-28 扬州大学 一种用于降低大型水域水质监测传感节点功耗的方法
CN112714488A (zh) * 2020-12-23 2021-04-27 东联信息技术有限公司 基于能耗数据的网络节能方法及装置
CN116055526A (zh) * 2023-01-08 2023-05-02 福州卓立信息科技有限公司 一种基于元宇宙的工业设备能耗物联网系统及交互方法

Also Published As

Publication number Publication date
CN110650463B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN110650463B (zh) 基于模糊数学的农业物联网节点能耗优化方法
Ragona et al. Energy-efficient computation offloading for wearable devices and smartphones in mobile cloud computing
Guo et al. Joint trajectory and computation offloading optimization for UAV-assisted MEC with NOMA
Luo et al. Dynamic resource allocations based on Q-learning for D2D communication in cellular networks
Zhao et al. Deep reinforcement learning aided intelligent access control in energy harvesting based WLAN
Ergul et al. Energy-efficient cooperative spectrum sensing for cognitive radio sensor networks
Zorbas et al. Collision-free sensor data collection using lorawan and drones
Hoang et al. Overlay RF-powered backscatter cognitive radio networks: A game theoretic approach
Snajder et al. Wireless sensor node modelling for energy efficiency analysis in data-intensive periodic monitoring
Falkenberg et al. Rushing full speed with LTE-Advanced is economical-a power consumption analysis
Alset et al. Performance analysis of various lorawan frequencies for optimal data transmission of water quality parameter measurement
Lu et al. Resource optimization in anti-interference UAV powered cooperative mobile edge computing network
CN104902492B (zh) 一种面向无线体域网的高能效拓扑结构优化方法
Behera et al. Work-in-progress: DEEC-VD: a hybrid energy utilization cluster-based routing protocol for WSN for application in IoT
Dou et al. A power allocation algorithm based on cooperative Q-learning for multi-agent D2D communication networks
Yu et al. End-to-end throughput evaluation of consensus TPC algorithm in multihop wireless networks
Mathur et al. Distributed algorithm for resource allocation in uplink 5G networks
Yang et al. Distributed optimal cooperation for spectral and energy efficiency in hyper-dense small cell networks
Zhang et al. Energy efficiency analysis for future 3D ultra dense mobile networks with sleep mode
Song et al. Energy efficiency and throughput optimization of cognitive relay networks
Guo et al. Power optimization of D2D communications underlying cellular networks in multi-user scenario
Ratheesh et al. Traffic based power consumption and node deployment in green LTE-A cellular networks
Sun et al. Confidence interval based model predictive control of transmit power with reliability constraint
JP2022018880A (ja) 無線通信システムの最適化方法、無線通信システムおよび無線通信システム用プログラム
Wang et al. Reliability improvement using power control in device-to-device 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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231221

Address after: No. 516, Qishan North Road, Huli District, Xiamen City, Fujian Province 361000

Patentee after: CROSS STRAIT TSINGHUA Research Institute (XIAMEN)

Address before: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee before: Dragon totem Technology (Hefei) Co.,Ltd.

Effective date of registration: 20231221

Address after: 230000 floor 1, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Dragon totem Technology (Hefei) Co.,Ltd.

Address before: 341000 golden campus of Gannan Normal University, Ganzhou City, Jiangxi Province

Patentee before: GANNAN NORMAL University

TR01 Transfer of patent right