CN111787571B - 一种网络用户关联和资源分配的联合优化方法 - Google Patents
一种网络用户关联和资源分配的联合优化方法 Download PDFInfo
- Publication number
- CN111787571B CN111787571B CN202010604200.3A CN202010604200A CN111787571B CN 111787571 B CN111787571 B CN 111787571B CN 202010604200 A CN202010604200 A CN 202010604200A CN 111787571 B CN111787571 B CN 111787571B
- Authority
- CN
- China
- Prior art keywords
- resource allocation
- user association
- sbs
- transmission rate
- laa
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
- H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- 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)
- Quality & Reliability (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用户关联和资源分配的联合优化方法,包括以下步骤:基于休假队列理论建立时延模型,将时延转换为数据传输速率,用于平衡LAA网络平均队列延时;求子载波k上的传输速率,根据LAA网络平均队列延时约束,得子载波k上的传输速率约束;将LAA网络JUARA优化问题规划为P1、P2两个子问题;将问题P2转化为用户关联和资源分配联合优化问题P3,引入额外的最小化问题并与问题P3合并得到问题P4,并求解;通过用户关联缩减策略,重新求解问题P4,重复该过程直至用户关联和资源分配结果满足优化问题P1的所有约束条件。本发明以最大化系统可服务用户数,同时最小化总功率为优化目标,能够满足平均队列时延要求。
Description
技术领域
本发明涉及无线通信技术领域,更具体的,涉及一种网络用户关联和资源分配的联合优化方法。
背景技术
随着无线通信业务种类和业务需求的日益增多,LTE/LTE-Advanced(以下统称LTE)授权频谱逐渐成为稀缺资源。针对此种现状,人们在致力于提高授权频谱利用率的同时,开始逐渐探索免授权频谱的合理使用。免授权频谱是指不需要得到监管部门的许可就可以直接使用的频谱,目前得到商用的主要有2.4GHz的工业、科学和医疗(Industrial,Scientific and Medical,ISM)频段,以及5GHz的免授权国家信息基础设施(UnlicensedNational Information Infrastructure,U-NII)频段。其中5GHz频段主要供Wi-Fi设备使用,拥堵较少,成为免授权LTE(Unlicensed LTE,U-LTE)部署的主要频段。为确保与Wi-Fi系统的公平友好共存,第三代合作伙伴计划(3rd Generation Partner Project,3GPP)在Release13中提出了LAA技术[1]3GPP,“Technical specification group radio accessnetwork,study on licensed-assisted access to unlicensed spectrum(Release13),”TR 36.889,Jun.2015,为LTE在免授权频段的部署提供了统一架构和技术规范。
受5GHz频段通信距离限制,LAA通常适用于小基站(Small Cell Base Station,SBS)部署。此外,LAA基于载波聚合(Carrier Aggregation,CA)技术,将使用免授权频段的辅小区(Secondary Cell,SCell)和使用授权频段的主小区(Primary Cell,PCell)聚合在一起,以保证信令信息以及高优先级业务的可靠传输。进而在有限覆盖范围内部署多个基站,成为LAA的一种典型应用场景[1]3GPP,“Technical specification group radioaccess network,study on licensed-assisted access to unlicensed spectrum(Release 13),”TR 36.889,Jun.2015。在该场景下,合理设计用户关联和资源分配机制,不仅可以提高LAA网络使用效率,而且能够抑制其对Wi-Fi等共存设备造成的干扰,从而为U-LTE在免授权频段公平、高效的应用提供重要技术保证。
鉴于此,文献[2]R.Liu,Q.Chen,and G.Yu,“Joint user association andresource allocation for unlicensed LTE systems,”in 2018IEEE InternationalConference on Communications(ICC),Jul.2018,pp.1-6提出了一种U-LTE系统吞吐量最大化的用户关联机制,但未能综合考虑资源分配带来的系统性能提升。对此,结合功率资源的最优化设计,文献[3]M.Ali,A.Qaisar,M.Naeem,and S.Mumtaz,“Joint userassociation and power allocation for licensed and unlicensed spectrum in 5Gnetworks,”in 2017IEEE Global Communications Conference(GLOBECOM),Dec.2017,pp.1-6给出了一种用户关联和功率分配的联合优化方案;综合考虑功率和频谱资源,文献[4]J.Tan,S.Xiao,S.Han,Y.Liang,and V.C.M.Leung,“QoS-aware user associationand resource allocation in LAA-LTE/WiFi coexistence systems,”IEEETransactions on Wireless Communications,Vol.15,No.4,Mar.2019,pp.2415–2430.给出了一种满足系统吞吐量和时延要求的用户关联和资源分配方案。然而,现有方案的设计都是基于满缓冲器的假设来实现的,并不适用于现实情况中数据包突发性到达的场景。
当数据包突发性到达时,队列时延(Queueing Delay)成为一项重要考核指标。不同于以专有方式独享信道的LTE传输,LAA一般建议采用先听后说(Listen-Before-Talk,LBT)的传输机制,当有数据需要传输时,需要通过空闲信道评估(Clear ChannelAssessment,CCA)判断当前信道是否可以接入。因此,在LAA的队列时延分析中需要考虑信道接入时延(Channel Access Delay)所带来的影响。信道接入时延与Wi-Fi负载情况有关,在负载较高的频段,由于LAA传输机会相应减少,使用现有的用户关联和资源分配机制,短期内LAA用户得到的传输速率或许较高,但是长期来看,系统可能无法满足其队列时延要求。因此,结合数据包突发性到达情况下的队列时延要求,建立用户关联和资源分配机制,是适应LAA网络实际应用场景的一种普遍需求。
发明内容
本发明针对现有技术无法满足LAA网络数据包突发到达场景下时延要求的现状的问题,提供一种网络用户关联和资源分配的联合优化方法,其以最大化系统可服务用户数,同时最小化总功耗为优化目标,能够满足平均队列时延要求。
为实现上述本发明目的,采用的技术方案如下:一种网络用户关联和资源分配的联合优化方法,所述的联合优化方法包括以下步骤:
S1:基于休假队列理论建立时延模型,将时延转换为数据传输速率,利用数据传输速率进行LAA网络平均队列延时约束;
S2:考虑资源分配,基于香农公式求基站中基站用户的子载波k上的传输速率,并结合LAA网络平均队列延时约束,得到子载波k上的传输速率约束;
S3:基于步骤S2得到的子载波k上的传输速率约束,将LAA网络JUARA优化问题规划为两个子问题,分别用P1和P2表示;其中P1主要关注用户和基站的关联问题,实现系统服务用户数的最大化;P2着重处理资源分配问题,针对每个小基站实现发射功率的最小化;
S4:将问题P2转化为用户关联和资源分配联合优化问题P3,基于迭代重加权最小化的并行优化方法,引入额外的最小化问题并与问题P3合并得到问题P4,并求解;
S5:通过用户关联缩减策略,从当前的关联用户中逐渐剔除违反约束条件的解,并重新求解问题P4,重复该过程直至用户关联和资源分配结果满足优化问题P1的所有约束条件。
本发明的有益效果如下:
本方法基于休假队列理论建立时延模型,在此模型基础上构造用户关联和资源分配联合优化问题,进而提出了一种基于迭代重加权最小化的并行优化方法。相比现有文献中的方案,在数据包突发性到达场景下,系统能够承载更多的满足队列时延要求的用户,具备较高的用户容量;同时,系统总功耗相对较小,适应免授权频段发射功率受限的技术要求;进一步地,并行方法的使用可以使多个小基站相互协调,进一步实现网络性能最优化。
附图说明
图1是实施例1所述的联合优化方法的流程图。
图2是实施例1基于时延考虑的LAA网络系统模型。
图3是实施例1满足时延要求的LAA网络用户关联和资源分配联合方法流程图。
图4是实施例1不同优化方法下的功耗随Tmax的变化图。
图5是实施例1不同优化方法下的服务用户数随Tmax的变化图。
具体实施方式
下面结合附图和具体实施方式对本发明做详细描述。
实施例1
如图1所示,一种网络用户关联和资源分配的联合优化方法,所述的联合优化方法包括以下步骤:
S1:基于休假队列理论建立时延模型,将时延转换为数据传输速率,利用数据传输速率进行LAA网络平均队列延时约束;
S2:考虑资源分配,基于香农公式求基站中基站用户的子载波k上的传输速率,并结合LAA网络平均队列延时约束,得到子载波k上的传输速率约束;
S3:基于步骤S2得到的子载波k上的传输速率约束,将LAA网络JUARA优化问题规划为两个子问题,分别用P1和P2表示;其中P1主要关注用户和基站的关联问题,实现系统服务用户数的最大化;P2着重处理资源分配问题,针对每个小基站实现发射功率的最小化;
S4:将问题P2转化为用户关联和资源分配联合优化问题P3,基于迭代重加权最小化的并行优化方法,引入额外的最小化问题并与问题P3合并得到问题P4,并求解;
S5:通过用户关联缩减策略,从当前的关联用户中逐渐剔除违反约束条件的解,并重新求解问题P4,重复该过程直至用户关联和资源分配结果满足优化问题P1的所有约束条件。
在一个具体的实施例中,考虑如图2所示的LAA网络下行通信场景,在同一运营商部署下,系统中包括M个小基站SBS和N个SBS用户(SBS User Equipment,SUE),分别用m和n代表其索引。基于一定的载波选择机制,SBS m部署在免授权频段的某个载波上,每载波包含K个子载波,子载波索引用k表示,鉴于免授权频段频谱资源丰富,通常有K≥N。
M个SBS通过有线链路与宏站相连,因此可以根据链路服务质量及用户时延要求互相协调,实现网络性能最优化。为了体现时延对系统性能的影响,以下基于休假队列理论建立时延模型,进而通过将时延转换为数据传输速率,然后利用数据传输速率来衡量LAA网络平均队列时延。
本实施例以LTE网络SBS和5GHz频段Wi-Fi网络进行详细说明。
在SBS m对应的载波上,假设Wi-Fi接入点在该载波上为Um个Wi-Fi用户提供服务。Wi-Fi用户以分布式方式接入免授权频段,为减少用户之间的碰撞,Wi-Fi系统采用二值指数退避机制,即当发生碰撞时,退避窗大小增加一倍,从而降低下一次发生碰撞的概率。为确保公平共存,LAA网络同样采用二值指数退避,即第4类LBT机制。
S101:在二值指数退避机制下,LAA网络和Wi-Fi的数据发送概率分别为:
其中,iLA和iWiFi为最大重传次数,和表示在第i个退避阶段的竞争窗大小,wLAA和wWiFi是初始竞争窗大小,jLAA和jWiFi为最大退避阶段,和分别为LAA和Wi-Fi的碰撞概率,基于公式(1)可以描述为
其中,Um表示载波上通信网络用户的数量;
S103:当获得一次成功传输时,LAA的信道占用时间为tLAA,相应地,对应一次成功传输,LAA保持空闲的时间为
S104:基于休假队列理论中的M/M/1非空竭服务单休假模型,假设数据包呈泊松到达,并将vm看做服务台的一段休假时间,进而给出LAA系统的平均队列时延
其中,λn是SUE n上的数据包到达速率(单位:包/秒),rm,n为通过SBS m为SUE n提供服务的包传输速率(单位:包/秒),考虑平稳队列场景,有rm,n>λn,因此max(rm,n-λn,0)=rm,n-λn。
S105:令Tmax为系统允许的最大平均队列时延,存在时延约束条件dm≤Tmax,结合公式(5)可转换为对传输速率的约束,即
S106:将(3)、(4)代入(6),得到
通过公式(7),LAA网络中的平均队列时延约束可以使用传输速率进行描述,进而增加了时延的可分析性,为用户关联和资源分配联合优化提供了便利条件。
在一个具体的实施例中,公式(7)是针对整个载波的速率约束,考虑资源分配,定义SBS m中SUE n的子载波k上的传输速率为rm,k,n,基于香农公式有
其中,pm,k,n为发射功率,gm,k,n表示路损和信道衰落带来的功率增益,B和σ2分别为子载波带宽和噪声功率,L代表数据包大小。
定义:
并将(8)代入公式(7),有
式(10)是子载波k上的传输速率约束。
在一个具体的实施例中,LAA网络JUARA优化问题可以规划为两个子问题,分别用P1和P2表示。其中P1主要关注用户和基站的关联问题,实现系统服务用户数的最大化;P2着重处理资源分配问题,针对每个SBS实现发射功率的最小化。下面详细介绍本实施例提出的P1和P2两个问题的解决方案。
定义βm,n∈{0,1}为用户关联指示因子,βm,n=1表示SUE n与SBS m相关联,βm,n=0表示不关联,P1规划为
其中Ptot和Pmax分别为SBS总功率和子载波最大功率,C1和C2分别表示确保时延(传输速率)要求的用户关联机制以及每个SUE最多只与1个SBS相关联,C3反映用户关联对功率的影响,当βm,n=0时,有pm,k,n=0,在此功率影响下,每SBS的总功率受C4约束。
问题P1的求解可以通过在每SBS上最大化可服务用户数来实现,由于SBS功率受限(C4),这里考虑一个当所有给定用户时延(传输速率)要求都得到满足时,所需的最小功率问题,即问题P2,可以描述为
P2:对于任意给定m
其中Θm表示与SBS m相关联的给定用户集合,初始定义为Θm={1,...,N}。αm,k,n为子载波分配指示因子,αm,k,n=1表示子载波k被分配给SUE n使用,αm,k,n=0表示不分配。P1中,C1′和C3′分别为用户关联对队列时延(传输速率)的要求和对功率的影响,与P1中的C1和C3有关;C5和C6表示子载波分配的二值特性以及每个子载波仅供1个SUE使用;C7反映资源分配对功率的影响,当αm,k,n=0时,有pm,k,n=0。
在一个具体的实施例中,根据以上可以看到,P1和P2均为混合整数非线性规划(Mixed Integer Nonlinear Programming,MINLP)问题,不易求解。考虑到两个子问题存在相关性,本实施例首先将问题P2转化为用户关联和资源分配联合(JUARA)优化问题,进而提出一种基于迭代重加权最小化IRM的并行优化方法,考虑在问题P2中同时实现服务用户数最多和功耗最小,有如下联合优化问题
P3:对于任意给定m
其中,常数δn≥Rm,n,联合优化权重因子ρ∈[0,1]。考虑到用户数最大化这一优化目标具有较高优先级,这里ρ取一个较小值。值得注意的是,这里通过C1″对P1中C1和P2中C1′进行近似转换,实现对二值整数变量βm,n的松弛。
对于整数变量αm,k,n,采用IRM方法进行松弛。该方法需要引入一个额外的最小化问题,所述的最小化问题如下:
其中,αm,k,n满足P3中的C5、C6当且仅当αm,k,n是这个最小化问题的解,ωm,k,n为迭代重加权系数;
将问题(14)与P3合并,有
P4:对于任意给定m
其中γ>0为子载波分配权重因子,注意到(14)中的C5′隐含在C7中。可以看到,P4具备规范的凸优化(Disciplined Convex Programming,DCP)形式,可以使用CVX工具箱进行求解。
在一个具体的实施例中,鉴于基于IRM的并行优化方法得到的结果中可能存在违反P1约束条件的解,本实施例给出两种缩减策略,采用逐渐缩减的方法逼近P1最优解。
根据使用CVX工具箱进行求解得到问题P4的解,下面基于该结果求解P1。用表示问题P4的解,可以计算SBS m的总发射功率为由于缺少约束,这个值可能大于Ptot,即不满足问题P1中的限制条件C4。此外,由于采用基于IRM的并行处理方式在每SBS上分别实现服务用户数的最大化,系统中可能存在一个SUE与多个SBS相关联的情况,即不满足P1中的限制条件C2。
针对上述情况,本实施例给出两种用户关联缩减策略,采用逐渐缩减的方法逼近P1的最优解。两种策略分别如下:
基于以上两个策略,从当前的关联用户中逐步剔除违反约束条件C2、C4的解,并重新求解问题P4,重复该过程直至用户关联和资源分配结果满足优化问题P1的所有约束条件。
根据以上过程,图3给出了本发明满足时延要求的LAA网络用户关联和资源分配联合方法流程图。
为了更充分地阐述本实施例所具有的有益效果,以下结合相关的仿真结果及分析,进一步对本实施例的有效性和先进性予以说明。
仿真基于MATLAB平台实现,在LAA网络覆盖范围内部署2个SBS和10个SUE,其中SBS间距为100m,SUE均匀分布在距离2个SBS连线中点50m范围内。未授权频段载波带宽20MHz,包含10个子载波,每个载波上都存在活跃的Wi-Fi用户。其他的仿真参数依据背景技术中的文献[1]设置,并在表1中给出。
表1.基于时延考虑的LAA网络仿真参数
对应不同的时延约束,图4、图5给出了系统总功耗和可服务用户数的性能曲线。其中对比方法一(Method 1)采用背景技术中的文献[4]中的方法,利用对偶分解求解资源分配子问题P2,然后通过逐渐缩减方法求解P1;对比方法二(Method 2)采用J.Lin,Y.Li,andQ.Peng,“A green cellular network with maximum user number based on joint basestation assignment and power allocation,”2013International Conference onCommunications,Circuits and systems(ICCCAS),Nov.2013,pp.5-9.中的方法,先基于效用函数实现用户关联,然后在每SBS上实现资源分配最优化。图4、图5中,当Tmax小于0.25时,随着时延约束的放松,系统逐渐能容纳更多的SUE,相应地,系统功耗随用户数的增加而增加;当Tmax大于0.25时,受总功率Ptot限制,系统容纳用户数逐渐趋于饱和,此时功耗随着时延约束的放松而逐渐减少。可以看到,相比于两种对比方法,本实施例提出的方法可以实现功耗和用户数的联合最优。
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。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 (10)
1.一种网络用户关联和资源分配的联合优化方法,其特征在于:所述的联合优化方法包括以下步骤:
S1:基于休假队列理论建立时延模型,将时延转换为数据传输速率,利用数据传输速率进行LAA网络平均队列延时约束;
S2:考虑资源分配,基于香农公式求基站中基站用户的子载波k上的传输速率,并结合LAA网络平均队列延时约束,得到子载波k上的传输速率约束;
S3:基于步骤S2得到的子载波k上的传输速率约束,将LAA网络JUARA优化问题规划为两个子问题,分别用P1和P2表示;其中P1主要关注用户和基站的关联问题,实现系统服务用户数的最大化;P2着重处理资源分配问题,针对每个小基站实现发射功率的最小化;
S4:将问题P2转化为用户关联和资源分配联合优化问题P3,基于迭代重加权最小化的并行优化方法,引入额外的最小化问题并与问题P3合并得到问题P4,并求解;
S5:通过用户关联缩减策略,从当前的关联用户中逐渐剔除违反约束条件的解,并重新求解问题P4,重复该过程直至用户关联和资源分配结果满足优化问题P1的所有约束条件。
2.根据权利要求1所述的网络用户关联和资源分配的联合优化方法,其特征在于:步骤S1,考虑LAA网络下行通信场景,在同一运营商部署下,系统中包括M个小基站SBS和N个小基站用户SUE,分别用m和n代表其索引,基于载波选择机制,SBS m部署在免授权频段的某个载波上,每载波包含K个子载波,子载波索引用k表示,有K≥N;
在SBS m对应的载波上,假设网络接入点在该载波上为Um个网络用户提供服务,网络用户以分布式方式接入免授权频段,为了减少用户之间的碰撞,用户的通信网络系统采用二值指数退避机制,LAA网络也采用二值指数退避机制;
其中,Um表示载波上通信网络用户的数量;
S103:当获得一次成功传输时,LAA的信道占用时间为tLAA,相应地,对应一次成功传输,LAA保持空闲的时间为:
S104:基于休假队列理论中的M/M/1非空竭服务单休假模型,假设数据包呈泊松到达,并将vm看做服务台的一段休假时间,进而得到LAA系统的平均队列时延:
其中,λn表示SUE n上的数据包到达速率,rm,n表示通过SBS m为SUE n提供服务的包传输速率,考虑平稳队列场景,有rm,n>λn,因此max(rm,n-λn,0)=rm,n-λn;
S105:令Tmax为系统允许的最大平均队列时延,存在时延约束条件dm≤Tmax,结合公式(5)可转换为对传输速率的约束,即
6.根据权利要求5所述的网络用户关联和资源分配的联合优化方法,其特征在于:问题P1的求解可以通过在每SBS上最大化可服务用户数来实现,由于SBS功率受限,当所有给定用户传输速率要求都得到满足时,所需的最小功率问题,即问题P2,可以描述为:
P2:对于任意给定m
其中,Θm表示与SBS m相关联的给定用户集合,初始定义为Θm={1,...,N};αm,k,n为子载波分配指示因子,αm,k,n=1表示子载波k被分配给SUE n使用,αm,k,n=0表示不分配;P1中,C1′和C3′分别为用户关联对队列传输速率的要求和对功率的影响,与P1中的C1和C3有关;C5和C6表示子载波分配的二值特性以及每个子载波仅供1个SUE使用;C7反映资源分配对功率的影响,当αm,k,n=0时,有pm,k,n=0。
8.根据权利要求7所述的网络用户关联和资源分配的联合优化方法,其特征在于:步骤S4中,基于迭代重加权最小化的并行优化方法,引入额外的最小化问题并与问题P3合并得到问题P4,并求解,具体如下:
所述的最小化问题如下:
其中,αm,k,n满足P3中的C5、C6当且仅当αm,k,n是这个最小化问题的解,ωm,k,n为迭代重加权系数,令迭代次数κ=0,迭代重加权最小化方法需要给定初始值利用该值计算式(14)的解然后,根据更新加权系数并重复上述过程直至算法收敛,其中μ∈(0,1),ε≥0;
将问题(14)与P3合并,有
P4:对于任意给定m
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010604200.3A CN111787571B (zh) | 2020-06-29 | 2020-06-29 | 一种网络用户关联和资源分配的联合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010604200.3A CN111787571B (zh) | 2020-06-29 | 2020-06-29 | 一种网络用户关联和资源分配的联合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111787571A CN111787571A (zh) | 2020-10-16 |
CN111787571B true CN111787571B (zh) | 2023-04-18 |
Family
ID=72760092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010604200.3A Active CN111787571B (zh) | 2020-06-29 | 2020-06-29 | 一种网络用户关联和资源分配的联合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111787571B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112367152A (zh) * | 2020-10-29 | 2021-02-12 | 国网甘肃省电力公司信息通信公司 | 一种基于业务优先级的电力无线专网资源分配方法 |
CN112383936B (zh) * | 2020-11-27 | 2023-05-26 | 中国联合网络通信集团有限公司 | 一种可接入用户数的评估方法和装置 |
CN114710195B (zh) * | 2022-03-24 | 2023-07-25 | 重庆邮电大学 | 一种基于跳波束技术的低轨卫星高能效资源分配方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109617662A (zh) * | 2019-01-04 | 2019-04-12 | 浙江大学 | 基于水声ofdm-noma系统下行链路的联合资源优化方法 |
CN109905918A (zh) * | 2019-02-25 | 2019-06-18 | 重庆邮电大学 | 一种基于能效的noma蜂窝车联网动态资源调度方法 |
WO2020019474A1 (zh) * | 2018-07-25 | 2020-01-30 | 西安交通大学 | 大规模m2m网络中基于最优功率退避的非正交随机接入方法 |
CN111278132A (zh) * | 2020-01-19 | 2020-06-12 | 重庆邮电大学 | 移动边缘计算中面向低时延高可靠业务的资源分配方法 |
-
2020
- 2020-06-29 CN CN202010604200.3A patent/CN111787571B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020019474A1 (zh) * | 2018-07-25 | 2020-01-30 | 西安交通大学 | 大规模m2m网络中基于最优功率退避的非正交随机接入方法 |
CN109617662A (zh) * | 2019-01-04 | 2019-04-12 | 浙江大学 | 基于水声ofdm-noma系统下行链路的联合资源优化方法 |
CN109905918A (zh) * | 2019-02-25 | 2019-06-18 | 重庆邮电大学 | 一种基于能效的noma蜂窝车联网动态资源调度方法 |
CN111278132A (zh) * | 2020-01-19 | 2020-06-12 | 重庆邮电大学 | 移动边缘计算中面向低时延高可靠业务的资源分配方法 |
Non-Patent Citations (2)
Title |
---|
刘畅 ; 秦晓卫 ; 张四海 ; 周武旸 ; .OFDMA中继网络中联合队列和信道信息的资源分配策略.中国科学技术大学学报.2011,(11),全文. * |
郭雪莹 ; 冷冰洁 ; 吴健 ; 牛志升 ; .超蜂窝网络能效延时理论关系及最优基站休眠控制.中国科学:信息科学.2017,(06),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111787571A (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Deng et al. | On quality-of-service provisioning in IEEE 802.11 ax WLANs | |
EP3138314B1 (en) | Apparatus and method for communicating traffic over licensed or un-licensed spectrums based on quality of service (qos) constraints of the traffic | |
CN111787571B (zh) | 一种网络用户关联和资源分配的联合优化方法 | |
Kim et al. | Downlink and uplink resource allocation in IEEE 802.11 wireless LANs | |
CN110649998B (zh) | 用于在授权频谱和非授权频谱上动态分配资源的系统与方法 | |
López-Raventós et al. | Multi-link operation in IEEE 802.11 be WLANs | |
US11044754B2 (en) | Wireless communication system and wireless communication method | |
Avallone et al. | Will OFDMA improve the performance of 802.11 WiFi networks? | |
Elsherif et al. | Adaptive small cell access of licensed and unlicensed bands | |
CN111328052B (zh) | 一种高密度无线网络中信道资源分配方法 | |
CN113079577B (zh) | 基于embb和urllc共存场景下的资源分配方法 | |
KR101720319B1 (ko) | 무선랜 시스템에서의 프레임 스케쥴링 방법 및 장치 | |
Dai et al. | Adaptive resource allocation for LTE/WiFi coexistence in the unlicensed spectrum | |
Islam et al. | A Proportional Scheduling Protocol for the OFDMA-Based Future Wi-Fi Network. | |
Michail et al. | A load and channel aware dynamic point selection algorithm for LTE-A CoMP networks | |
Kusashima et al. | A listen before talk algorithm with frequency reuse for LTE based licensed assisted access in unlicensed spectrum | |
Lin et al. | An efficient group-based OFDMA MAC protocol for multiuser access in dense WLAN systems | |
Nagul | Channel scheduling by spectrum channel white space filling in cognitive radio networks | |
Huang et al. | QoS provisioning in a scalable wireless mesh network for intelligent transportation systems | |
Chen et al. | Dynamic QoS-aware resource allocation for narrow band Internet of Things | |
Chandran | Algorithm for CSG aware scheduling in LTE systems | |
Ashtaiwi et al. | Utilizing IEEE 802.11 n to enhance QoS support in wireless mesh networks | |
Liu et al. | Flow scheduling with low fronthaul delay for NGFI in C-RAN | |
Pradhan et al. | Minimization of overhead using minislot allocation algorithm in IEEE 802.16 mesh network | |
Lee et al. | Interrelation Based Resource Allocation Scheme for Mobile Multimedia 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 |