CN111836285A - 一种基于4g网络omc-r和mdt数据评估5g网络结构的装置及方法 - Google Patents
一种基于4g网络omc-r和mdt数据评估5g网络结构的装置及方法 Download PDFInfo
- Publication number
- CN111836285A CN111836285A CN202010660543.1A CN202010660543A CN111836285A CN 111836285 A CN111836285 A CN 111836285A CN 202010660543 A CN202010660543 A CN 202010660543A CN 111836285 A CN111836285 A CN 111836285A
- Authority
- CN
- China
- Prior art keywords
- analysis
- module
- data
- network
- management module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 246
- 238000007405 data analysis Methods 0.000 claims abstract description 79
- 238000007726 management method Methods 0.000 claims abstract description 66
- 238000010276 construction Methods 0.000 claims abstract description 31
- 238000013523 data management Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims description 46
- 230000006855 networking Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 19
- 238000013461 design Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 17
- 230000002776 aggregation Effects 0.000 claims description 15
- 238000004220 aggregation Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 11
- 230000010354 integration Effects 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 229940102240 option 2 Drugs 0.000 claims description 3
- 238000007493 shaping process Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 47
- 239000013598 vector Substances 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000013139 quantization Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于4G网络OMC‑R和MDT数据评估5G网络结构的装置及方法,包括数据管理模块、数据分析模块、资源管理模块和5G网络结构模块,所述数据管理模块分别与ENodeB和数据分析模块相连,资源管理模块分别与数据分析模块和5G网络结构模块相连。本发明数据收集简单易操作,可以直接通过数据电缆从现网ENodeB中获取相关数据,结合实际网络运行状态,科学分析5G网络建设的价值区域及5G网络结构,科学引导5G网络建设方式。通过数据分析及资源管理形成5G网络结构分析结果,为后续5G网络建设提供有力数据分析支撑。
Description
技术领域
本发明涉及移动通信技术,具体涉及一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置及方法。
背景技术
随着移动通信技术的迅猛发展及5G网络的商用,由于5G网络技术自身特点及发展方向与以往4G网络大大不同,针对移动通信网络的新生产物,各个运营商针对5G网络建设更加谨慎,在5G网络建设初期,由于5G网络建设成本较高,运营商要求降本增效,资源合理利用,为了更好的建设5G网络,提高5G网络利用率,需要对现网及业务需求进行大量分析,结合5G网络结构特点谨慎选取5G网络建设方式。现阶段,由于5G自身特点及分析方式受限导致5G网络建设周期较长,网络资源利用率较低,5G网络建设方式选取错误使网络资源大大浪费等问题。
发明内容
本发明的目的是为了提供一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,该装置通过4G网络基站获取OMC-R和MDT数据,通过数据分析及资源管理形成5G网络结构分析结果,为后续5G网络建设提供有力数据分析支撑。
为了解决现有技术存在的问题,本发明采用的技术方案是:
一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,包括数据管理模块、数据分析模块、资源管理模块和5G网络结构模块,所述数据管理模块分别与ENodeB和数据分析模块相连,资源管理模块分别与数据分析模块和5G网络结构模块相连;
数据管理模块:用于管理基站ENodeB上传的OMC-R数据及MDT数据,将数据按照时间及种类进行分类,并将数据按照时间及事件种类进行上报给数据分析模块。数据管理模块还具有2T存储空间的存储功能,将ENodeB上传的OMC-R数据及MDT数据存储和更新。
数据分析模块:用于将数据管理模块上传的数据进行统筹分析,将数据分配给各个数据分析模块,并将各个数据分析模块分析结果统筹管理,根据分析结果,将分析内容上传给资源管理模块。
资源管理模块:用于整合网络资源及设计资源,将数据分析模块分析的结果根据不同网络需求及设计需求对比分析,资源管理模块可以根据需求设置不同网络模型,根据不同网络模型需求及数据分析结果,统计网络建设需求情况及网络发展状况仿真,提出合理建网意见。
5G网络结构模块:用于提供5G网络结构分析及组网方式分析,将5G网络组网结构种类及5G网络组网的每种组网方式优缺点进行对比分析,根据分析数据结果,提出最适合的5G网络结构方式。
所述的数据管理模块具体包括OMC-R数据模块、MDT数据模块和数据上传模块;
OMC-R数据模块、MDT数据模块和数据上传模块具有数据识别功能及储存功能;
数据上传模块配有上传时钟分析单元,时钟分析单元包含周期性上报和事件上报;周期性上报可分为时周期、天周期、周周期和月周期;事件上报可分为高容量拥塞事件、掉话事件、切换失败事件、重选失败事件、过覆盖事件、高投诉事件。
所述的数据分析模块包括网络覆盖分析模块、网络干扰分析模块、天馈问题分析模块、室分泄露分析模块、异常事件分析模块、网络容量和QOS分析模块、投诉和VIP客户分析模块、其他拓展分析模块;
网络覆盖分析模块用于2G、3G、4G及5G网络覆盖分析,包括信号接收电平及质量分析,弱覆盖分析,越区覆盖分析;
网络干扰分析模块用于2G、3G、4G及5G网络的系统内干扰分析和系统间干扰分析,系统间干扰分析包含杂散干扰分析、互调干扰分析、阻塞干扰分析功能及谐波干扰分析;
天馈问题分析模块用于驻波比分析、小区反向RSSI分析及小区CES链路、天线解调锁定次数数据分析;
室分泄露分析模块用于小区室内外切换分析及室内信号边缘场强分析,通过室内外切换时长、小区驻留时间及室内低层信号边缘场强分析室分信号是否存在泄漏问题;
异常事件分析模块用于掉话分析、DT连续质差分析、DT未接通分析,掉话分析主要包含弱覆盖掉话分析、质差掉话分析及突然掉话分析;DT连续质差分析主要包含DT频繁切换分析和DT切换失败分析;DT未接通分析主要包含被叫手机位置更新分析、主叫手机TCH拥塞分析、被叫手机TCH拥塞分析、主叫手机SDCCH拥塞分析、被叫手机SDCCH拥塞分析、SDCCH掉话分析、呼叫号码错误分析、寻呼失败分析;
网络容量和QOS分析模块用于系统带宽分析、发射机功率分析、调度算法分析、CP长度分析、小区覆盖半径分析、上下行时隙分析、特殊子帧配置分析、MIMO分析、干扰消除分析、网络拥塞管理分析、网络拥塞避免分析、流量监管和流量整形分析;
投诉和VIP客户分析模块主要针对投诉事件分析及重要客户投诉问题分析;
其他拓展分析模块主要用于物联网需求分析、智能垂直行业分析及5G价值区域分析。
所述的资源管理模块包括网络资源管理模块和设计资源管理模块,网络资源管理模块和设计资源管理模块通过数据电缆相连接,两个模块共同针对数据分析模块所提供的数据进行资源对比、整合、分析及计算处理,将资源分析计算处理结果反馈给5G网络结构模块。
网络资源管理模块包含NFV功能模块、SDN功能模块、网络负载均衡处理模块和网络切片分析模块,其中,网络切片分析模块包含增强移动带宽切片单元、高可靠低时延切片单元、海量连接切片单元、其他业务切片单元;
NFV功能模块用来根据数据分析模块所提供的数据,将网络各个通信网络设备功能虚拟化体现出来,用来直观分析通信网络设备性能;
SDN功能模块通过分析可以根据数据分析模块所提供的数据定义网络架构,通过SDN功能模块对网络集中控制;
网络负载均衡处理模块根据数据分析模块所提供的数据将网络资源均衡分配,防止资源浪费和资源不足问题;
网络切片分析模块是将数据分析模块所提供的数据通过增强移动带宽切片单元、高可靠低时延切片单元、海量连接切片单元、其他业务切片单元进行数据分析,将数据分类为5G不同应用场景:增强移动带宽场景、高可靠低时延场景、海量连接场景及其他业务场景。
所述的设计资源管理模块包含云计算模块、MEC模块、设备性能计算模块;
云计算模块是将数据分析模块所提供的数据根据设计要求进行分析计算,;
MEC模块是通过数据分析模块所提供的数据设计5G网络架构提供多接入边缘计算,MEC模块将应用程序托管从集中式数据中心下沉到网络边缘,更接近消费者和应用程序生成的数据,在靠近移动用户的网络边缘提供IT和云计算的能力,并利用网络能力开放获得高带宽、低延迟、近端部署优势;
设备性能计算模块是根据不同网络设计要求计算出网络设备性能指标。
所述的5G网络结构模块包括NSA模块和SA模块,NSA模块和SA模块通过数据电缆相连接,两个模块共同针对资源管理模块所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构;所述的NSA模块包括OPTION3单元、OPTION3A单元、OPTION3X单元;NSA模块主要是体现5G网络架构的NSA三种组网的方式特点,并针对资源管理模块所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构;所述的SA模块包括OPTION2单元、OPTION4单元;其中SA模块主要功能是体现5G网络架构的SA两种组网的方式特点,并针对资源管理模块所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构。
所述数据管理模块分别与ENodeB和数据分析模块通过数据电缆相连接,所述数据分析模块与数据管理模块通过数据电缆相连接,所述数据分析模块与资源管理模块通过通信电缆相连接,资源管理模块与数据分析模块通过通信电缆相连接,所述资源管理模块与5G网络结构模块通过通信电缆相连接,5G网络结构模块与资源管理模块通过通信电缆相连接。
一种基于4G网络OMC-R和MDT数据评估5G网络结构的方法包括以下步骤:
①对集结方案集Xt中的方案进行分类,设α、β为两个参数,0<α≤β<1,参数大小的设定取决于实际问题,p为集结方案集中方案的个数,将方案分为三类:高绩效方案Xt high中绩效方案Xt med低绩效方案Xt low。
②根据集结方案集Xt的分类结果对方案评估方案集进行反馈调整,考虑在第t+1阶段方案集X(K,t+1)的构建。
如果xi∈Xt low且xi∈X(K,t),则建议方案评估在第t+1阶段构建方案集时,将方案xi
从原来的方案集X(K,t)中去除,构建方案集X(K,t+1)时不考虑xi。
③检验一致度clt是否得到改进,确定最优方案。
进一步地,还包括以下步骤:
如果一致度clt得到改进且满足实际案例方案评估一致度约束条件,最优方案的结果为Xs,否则进行第t+2阶段的反馈调整。
本发明所具有的优点与有益效果是:
本发明一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置适用于5G网络建设分析,本发明数据收集简单易操作,可以直接通过数据电缆从现网ENodeB中获取相关数据,结合实际网络运行状态,科学分析5G网络建设的价值区域及5G网络结构,科学引导5G网络建设方式。同时本发明还具有5G网络优化分析功能、5G网络设备性能分析功能及5G网络组网方式及特点分析功能,通过本发明的数据分析模块可以直观了解到网络运行过程中所出现的问题所在,直接针对不同问题采用不同的解决方案,大大提高了网络优化速度及用户感知度。通过本发明的设备性能分析,提前了解建设该网络所需设备数量及容量大小等信息,不盲目建设,资源合理利用。通过本发明5G网络结构分析及现网数据分析5G网络需求状况结合设计规范要求及设备性能,本发明可以直观体现建设该5G网络的网络结构,各个网络节点设备运行状况,网络容量需求情况等信息。为后续5G网络建设、优化提供技术支撑。
附图说明
图1为本发明示例性实施例的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置的模块连接示意图;
图2为本发明示例性实施例的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置的结构链接示意图。
具体实施方式
下面结合附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然所描述的实施例仅是一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1、2所示,本发明一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,包括数据管理模块1、数据分析模块2、资源管理模块3和5G网络结构模块4,所述数据管理模块1分别与ENodeB和数据分析模块2相连,资源管理模块3分别与数据分析模块2和5G网络结构模块4相连;
数据管理模块1:用于管理基站ENodeB上传的OMC-R数据及MDT数据,将数据按照时间及种类进行分类,并将数据按照时间及事件种类进行上报给数据分析模块2。数据管理模块1还具有2T存储空间的存储功能,将ENodeB上传的OMC-R数据及MDT数据存储和更新。
数据分析模块2:用于将数据管理模块1上传的数据进行统筹分析,将数据分配给各个数据分析模块,并将各个数据分析模块分析结果统筹管理,根据分析结果,将分析内容上传给资源管理模块3。
资源管理模块3:用于整合网络资源及设计资源,将数据分析模块2分析的结果根据不同网络需求及设计需求对比分析,资源管理模块3可以根据需求设置不同网络模型,根据不同网络模型需求及数据分析结果,统计网络建设需求情况及网络发展状况仿真,提出合理建网意见。
5G网络结构模块4:用于提供5G网络结构分析及组网方式分析,将5G网络组网结构种类及5G网络组网的每种组网方式优缺点进行对比分析,根据分析数据结果,提出最适合的5G网络结构方式。
所述的数据管理模块1具体包括OMC-R数据模块11、MDT数据模块12和数据上传模块13;OMC-R数据模块11、MDT数据模块12和数据上传模块13具有数据识别功能及储存功能;
数据上传模块13配有上传时钟分析单元,时钟分析单元包含周期性上报和事件上报;周期性上报可分为时周期、天周期、周周期和月周期;事件上报可分为高容量拥塞事件、掉话事件、切换失败事件、重选失败事件、过覆盖事件、高投诉事件。
所述的数据分析模块2包括网络覆盖分析模块21、网络干扰分析模块22、天馈问题分析模块23、室分泄露分析模块24、异常事件分析模块25、网络容量和QOS分析模块26、投诉和VIP客户分析模块27、其他拓展分析模块28;网络覆盖分析模块21用于2G、3G、4G及5G网络覆盖分析,包括信号接收电平及质量分析,弱覆盖分析,越区覆盖分析;网络干扰分析模块22用于2G、3G、4G及5G网络的系统内干扰分析和系统间干扰分析,系统间干扰分析包含杂散干扰分析、互调干扰分析、阻塞干扰分析功能及谐波干扰分析;天馈问题分析模块23用于驻波比分析、小区反向RSSI分析及小区CES链路、天线解调锁定次数数据分析;室分泄露分析模块24用于小区室内外切换分析及室内信号边缘场强分析,通过室内外切换时长、小区驻留时间及室内低层信号边缘场强分析室分信号是否存在泄漏问题;异常事件分析模块25用于掉话分析、DT连续质差分析、DT未接通分析,掉话分析主要包含弱覆盖掉话分析、质差掉话分析及突然掉话分析;DT连续质差分析主要包含DT频繁切换分析和DT切换失败分析;DT未接通分析主要包含被叫手机位置更新分析、主叫手机TCH拥塞分析、被叫手机TCH拥塞分析、主叫手机SDCCH拥塞分析、被叫手机SDCCH拥塞分析、SDCCH掉话分析、呼叫号码错误分析、寻呼失败分析;网络容量和QOS分析模块26用于系统带宽分析、发射机功率分析、调度算法分析、CP长度分析、小区覆盖半径分析、上下行时隙分析、特殊子帧配置分析、MIMO分析、干扰消除分析、网络拥塞管理分析、网络拥塞避免分析、流量监管和流量整形分析;投诉和VIP客户分析模块27主要针对投诉事件分析及重要客户投诉问题分析;其他拓展分析模块28主要用于物联网需求分析、智能垂直行业分析及5G价值区域分析。
所述的资源管理模块3包括网络资源管理模块31和设计资源管理模块32,网络资源管理模块31和设计资源管理模块32通过数据电缆6相连接,两个模块共同针对数据分析模块所提供的数据进行资源对比、整合、分析及计算处理,将资源分析计算处理结果反馈给5G网络结构模块4。网络资源管理模块31包含NFV功能模块311、SDN功能模块312、网络负载均衡处理模块313和网络切片分析模块314,其中,网络切片分析模块314包含增强移动带宽切片单元3141、高可靠低时延切片单元3142、海量连接切片单元3143、其他业务切片单元3144;NFV功能模块311用来根据数据分析模块2所提供的数据,将网络各个通信网络设备功能虚拟化体现出来,用来直观分析通信网络设备性能,NFV功能模块311的主要特点是增强系统灵活性,实现网络及应用的快速部署、灵活扩容和缩容;SDN功能模块312是通过软件定义网络,由原来分布式控制的网络架构重构为集中控制的网络架构,通过SDN功能模块312分析可以根据数据分析模块2所提供的数据定义网络架构,通过SDN功能模块312对网络集中控制。SDN功能模块312的主要特点是转控分离、集中控制、开放接口;网络负载均衡处理模块313主要功能是根据数据分析模块2所提供的数据将网络资源均衡分配,防止资源浪费和资源不足问题;网络切片分析模块314主要功能是将数据分析模块2所提供的数据通过增强移动带宽切片单元3141、高可靠低时延切片单元3142、海量连接切片单元3143、其他业务切片单元3144进行数据分析,将数据分类为5G不同应用场景:增强移动带宽场景、高可靠低时延场景、海量连接场景及其他业务场景。
所述的设计资源管理模块32包含云计算模块321、MEC模块322、设备性能计算模块323;云计算模块321主要功能是将数据分析模块2所提供的数据根据设计要求进行分析计算,云计算模块的主要特点是分布式计算、效用计算、负载均衡、并行计算、网络存储、热备份冗杂和虚拟化;MEC模块322主要功能是通过数据分析模块2所提供的数据设计5G网络架构提供多接入边缘计算,MEC模块322将应用程序托管从集中式数据中心下沉到网络边缘,更接近消费者和应用程序生成的数据,在靠近移动用户的网络边缘提供IT和云计算的能力,并利用网络能力开放获得高带宽、低延迟、近端部署优势。与此同时,NFV功能模块311可将标准的计算、网络、存储设备软件化,并且可以帮助MEC模块322实现多租户共建,通过软件的方式将负载解耦以确保高性能。SDN功能模块312可以在不同接入点分布式部署MEC模块322功能,从而形成一个软件定义的移动边缘网络,削减了核心网的压力,也降低了长距离传输可能引发的网络故障;设备性能计算模块323主要功能是根据不同网络设计要求计算出网络设备性能指标,设备性能计算模块323还可以通过NFV功能模块311将设备参数通过软件的方式定义给网络。
所述的5G网络结构模块4包括NSA模块41和SA模块42,NSA模块41和SA模块42通过数据电缆6相连接,两个模块共同针对资源管理模块3所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构;所述的NSA模块41包括OPTION3单元411、OPTION3A单元412、OPTION3X单元413;NSA模块41主要是体现5G网络架构的NSA三种组网的方式特点,并针对资源管理模块3所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构;所述的SA模块42包括OPTION2单元421、OPTION4单元422;其中SA模块42主要功能是体现5G网络架构的SA两种组网的方式特点,并针对资源管理模块3所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构。
所述数据管理模块1分别与ENodeB和数据分析模块2通过数据电缆6相连接,所述数据分析模块2与数据管理模块1通过数据电缆6相连接,所述数据分析模块2与资源管理模块3通过通信电缆5相连接,资源管理模块3与数据分析模块2通过通信电缆5相连接,所述资源管理模块3与5G网络结构模块4通过通信电缆5相连接,5G网络结构模块4与资源管理模块3通过通信电缆5相连接。所述的通信电缆5为电话线、5类网线、6类网线、光纤或光电复合缆中的一种。所述的数据电缆6是COM口数据电缆或USB口数据电缆。
一种基于4G网络OMC-R和MDT数据评估5G网络结构的方法如下:
在实际的方案评估过程中,由于各种用户需求等不同,倾向于给出不同的方案进行评估;同时考虑到多种方案的处理过程中,由于方案条件信息之间不能直接比较,通常通过集结的方式进行信息比较处理,而信息的集结导致评价过程复杂化,本专利通过转化函数的方法将不同方案的偏好信息转化为偏好向量并将其标准化用于方案排序。
设方案集为X={x1,x2,…,xN},其中xi(i=1,2,…,N)表示第i个方案;方案评估集为D={d1,d2,…,dm}(m≥2),其中dk(k=1,2,…,m)表示第几个方案评估;方案偏好信息集为E={e1,e2,…,em},其中ek(k=1,2,…,m)表示第k个方案评估对其方案集的偏好信息。
本专利考虑通过方案评估给出效用值、偏好次序、互反判断矩阵、模糊偏好关系这四种形式的5G方案偏好,EU表示方案偏好信息为效用值的偏好信息集,EO表示方案偏好信息为偏好次序的偏好信息集,EA表示方案偏好信息为互反判断矩阵的偏好信息集,EP表示方案偏好信息为模糊偏好关系的偏好信息集,四种形式的偏好信息简单描述如下:
(1)效用值eK∈EU。
方案评估对5G方案集给出的偏好信息表示为
eU K={UK 1,UK 2,L,UK N}T(K=1,2,3,…,m),UK i(i=1,2,…,N)
表示第k个方案评估对第i个方案的效用值,
UK i∈[0,1],UK i越大表示第k个5G方案评估对5G方案xi的偏好度越高。
(2)偏好次序ek∈EO。
方案评估对方案集给出的偏好信息表示为
EO k={OK 1,OK 2,L,OK N}T(K=1,2,3,…,m),Ok i=(i=1,2,…,N)
表示第k个5G方案评估对第i个5G方案的顺序偏好值,
Ok i越小表示第k个5G方案评估对5G方案xi的偏好度越高。
(3)互反判断矩阵ek∈EA。
方案评估对方案集给出的偏好信息表示为
eA K=(aK ij)N×N(K=1,2,3,…,m),元素aK ij由方案评估给出,aK ij×aK ji=1且aK ij>0(i,j)aK ij表示第k个5G方案评估认为5G方案xi优于5G方案xj的程度。
(4)模糊偏好关系ek∈EP。
方案评估对方案集给出的偏好信息表示为ep k=(pk ij)N×N(K=1,2,3,…,m),PK ij+PK ji=1且PK ij∈[0,1](i,j),PK ij表示第k个5G方案评估认为5G方案xi优于5G方案xj的程度。
四种偏好信息通过转化函数转化为偏好向量WK=(WK 1,WK 2,L,WK N)T,其中WK i表示第k个5G方案评估对第i个5G方案的偏好程度,WK i越大表示第k个5G方案评估对5G方案xi的偏好度越高,以下为四种偏好信息的转化函数:
(1)效用值eK∈EU
这种情况下,方案评估用效用值Eu k={Uk 1,Uk 2,L,uK N}T来表达对5G方案的偏好,Uk i越大wK i越大,转化函数如下:
wK i=uK i (1)
(2)偏好次序eK∈Eo
这种情况下,方案评估用偏好次序Eo k={Ok 1,Ok 2,L,OK N}T来表达对5G方案的偏好,OK i越小wK i越大,转化函数如下:
wK i=(N-OK i)/(N-1) (2)
(3)互反判断矩阵eK∈EA
这种情况下,方案评估用互反判断矩阵eA k=(aK ij)N×N来表达对5G方案的偏好。其中通过行几何平均法确定优先级,函数如下:
Min∑n i=1∑n j>1[ln(aK ij)-(ln(wK i)-ln(wK j))]2
公式(3)的解是唯一的且通过求eA K行的几何平均值得到,互反判断矩阵偏好信息的转化函数如下:
(4)模糊偏好关系eK∈EP
这种情况下,方案评估用模糊偏好关系eP K=(PK ij)N×N来表达对5G方案的偏好。5G方案xi优于其他5G方案的程度可用占优度QGDDK i表示,QGDDK i越大表示用户dk对5G方案xi的偏好程度越高,因此将QGDDK i作为这种情况下的偏好向量,转化函数如下:
wK i=QGDDK i=OWAQK(PK i1,PK i2,L,PK iN) (5)
其中,Q为模糊语义量化函数,用于计算OWA算子权重时,记为OWAQ。
OWA算子是一种信息融合的方法,本质上是对数值从大到小排序,通过数值所在位置加权后再进行集结。设{a1,a2,…,al}是一组需要集结的元素,OWA算子函数如下:
其中,bh是{a1,a2,…,al}中第h大的元素,λ=(λ1,λ2,L,λl)T是相应的加权向量,通过提出的语义量化函数Q计算,λi∈[0,1],(i=1,2,…,l)且∑l i=1λi=1。
加权向量λ=(λ1,λ2,L,λl)T的函数如下:
λi=Q(i/l)-Q((i-1)/l) (7)
其中,Q为非递减函数,由模糊语义量化函数Q(r)表示。模糊语义量化函数Q(r)的函数如下:
其中,a,b,r∈[0,1]。在“全部”、“多数”、“至少一半”和“尽可能多”的原则下,Q(r)对应的参数(a,b)分别为(0,1)、(0.3,0.8)、(0,0.5)和(0.5,1)。四种偏好信息根据转化函数转化为偏好向量wk=(wk 1,wk 2,L,wk N)T(k=1,2,…m)后,通过标准化函数得到标准偏好向量
wk*=(wk* 1,wk* 2,L,wk* N)T
用于5G方案排序,wk* i越大,表示5G方案越优,标准化函数如下:
方案排序和方案集的反馈调整:设方案集为X={x1,x2,…,xN},其中xi(i=1,2,…,N)表示第i个方案;方案评估集为D={d1,d2,…,dm}(m≥2),其中dk(k=1,2,…,m)表示第k个方案评估;评价阶段数为t,t≥0且t为整数;方案评估方案集为X(k,t)∈X,X(k,t)表示第k个方案评估在第t阶段里的方案集,其中card(X(k,t))=n,2≤n≤N;设O(k,t)为方案评估dk在第t阶段对方案评估方案集中各方案的排序位置,标准偏好向量wK*中元素wK*从大到小的排序对应方案xi的排序位置,如O(1,0)(x1,x2,x3)=(2,1,3)。设第t阶段的方案评估群体集结方案集为Xt,Xt=X(1,t)UX(2,t)LUX(m,t),R(K,t)xi表示方案评估dk在第t阶段是否选择xi为方案集中的最优方案,Rt(xi)表示第t阶段选择xi为其方案集中最优方案的方案评估数,Rt(xi)越大表示最优方案xi满足越大的群体一致性。Rt(xi)的表达函数如下:
其中,第k个方案评估在第t阶段选择xi为其方案集中的最优方案时,R(K,t)xi=1否则,R(K,t)xi=0。
设Ot为第t阶段集结方案集Xt中方案的排序,其中,Ot是根据Rt(xi)从大到小的排序,如果Ot(Xs)=1则Xs是方案评估群体选择为最优方案次数最多的方案。
基于集结方案集分类结果的反馈调整:针对方案评估意见不一致的情况,采用一致度clt判定方案评估意见一致性,并通过改进clt使最优方案满足最大的群体一致性,从而得到最优方案Xs。clt表示方案评估选择Xs为其最优方案的比例,函数如下:
其中,clt∈[1/m,1],一致度越大则表示方案评估的意见一致性越高,如果clt=1,则所有方案评估都认为Xs为最优方案。
根据Ot和集结方案集Xt将集结方案集中的方案分类,根据集结方案集中方案的分类结果反馈调整方案评估方案集,通过多个阶段方案集的反馈与调整改进clt,以获得最优方案。步骤如下:
步骤一:对集结方案集Xt中的方案进行分类,设α、β为两个参数,0<α≤β<1,参数大小的设定取决于实际问题,p为集结方案集中方案的个数,将方案分为三类:高绩效方案Xt high中绩效方案Xt med低绩效方案Xt low。
步骤二:根据集结方案集Xt的分类结果对方案评估方案集进行反馈调整,考虑在第t+1阶段方案集X(K,t+1)的构建。
如果xi∈Xt low且xi∈X(K,t),则建议方案评估在第t+1阶段构建方案集时,将方案xi
从原来的方案集X(K,t)中去除,构建方案集X(K,t+1)时不考虑xi。
步骤三:检验一致度clt是否得到改进,确定最优方案。
根据公式(11)检验一致度clt,如果一致度clt得到改进且满足实际案例方案评估一致度约束条件,最优方案的结果为Xs,否则进行第t+2阶段的反馈调整。
虽然本发明已以较佳实施例揭露如上,然并非用以限定本发明实施的范围,依据本发明的权利要求书及说明书内容所作的简单的等效变化与修饰,仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,其特征在于:包括数据管理模块、数据分析模块、资源管理模块和5G网络结构模块,所述数据管理模块分别与ENodeB和数据分析模块相连,资源管理模块分别与数据分析模块和5G网络结构模块相连;
所述的数据管理模块用于管理基站ENodeB上传的OMC-R数据及MDT数据,将数据按照时间及种类进行分类,并将数据按照时间及事件种类进行上报给数据分析模块;数据管理模块具有2T存储空间的存储功能,将ENodeB上传的OMC-R数据及MDT数据存储和更新;
所述的数据分析模块用于将数据管理模块上传的数据进行统筹分析,将数据分配给各个数据分析模块,并将各个数据分析模块分析结果统筹管理,根据分析结果,将分析内容上传给资源管理模块;
所述的资源管理模块用于整合网络资源及设计资源,将数据分析模块分析的结果根据不同网络需求及设计需求对比分析,资源管理模块可以根据需求设置不同网络模型,根据不同网络模型需求及数据分析结果,统计网络建设需求情况及网络发展状况仿真,提出合理建网意见;
所述的5G网络结构模块用于提供5G网络结构分析及组网方式分析,将5G网络组网结构种类及5G网络组网的每种组网方式优缺点进行对比分析,根据分析数据结果,提出最适合的5G网络结构方式。
2.根据权利要求1所述的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,其特征在于:所述的数据管理模块包括OMC-R数据模块、MDT数据模块和数据上传模块;OMC-R数据模块、MDT数据模块和数据上传模块具有数据识别功能及储存功能;数据上传模块配有上传时钟分析单元,时钟分析单元包含周期性上报和事件上报;周期性上报分为时周期、天周期、周周期和月周期;事件上报分为高容量拥塞事件、掉话事件、切换失败事件、重选失败事件、过覆盖事件、高投诉事件。
3.根据权利要求1所述的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,其特征在于:所述的数据分析模块包括网络覆盖分析模块、网络干扰分析模块、天馈问题分析模块、室分泄露分析模块、异常事件分析模块、网络容量和QOS分析模块、投诉和VIP客户分析模块、其他拓展分析模块;
网络覆盖分析模块用于2G、3G、4G及5G网络覆盖分析,包括信号接收电平及质量分析,弱覆盖分析,越区覆盖分析;
网络干扰分析模块用于2G、3G、4G及5G网络的系统内干扰分析和系统间干扰分析,系统间干扰分析包含杂散干扰分析、互调干扰分析、阻塞干扰分析功能及谐波干扰分析;
天馈问题分析模块用于驻波比分析、小区反向RSSI分析及小区CES链路、天线解调锁定次数数据分析;
室分泄露分析模块用于小区室内外切换分析及室内信号边缘场强分析,通过室内外切换时长、小区驻留时间及室内低层信号边缘场强分析室分信号是否存在泄漏问题;
异常事件分析模块用于掉话分析、DT连续质差分析、DT未接通分析,掉话分析主要包含弱覆盖掉话分析、质差掉话分析及突然掉话分析;DT连续质差分析主要包含DT频繁切换分析和DT切换失败分析;DT未接通分析主要包含被叫手机位置更新分析、主叫手机TCH拥塞分析、被叫手机TCH拥塞分析、主叫手机SDCCH拥塞分析、被叫手机SDCCH拥塞分析、SDCCH掉话分析、呼叫号码错误分析、寻呼失败分析;
网络容量和QOS分析模块用于系统带宽分析、发射机功率分析、调度算法分析、CP长度分析、小区覆盖半径分析、上下行时隙分析、特殊子帧配置分析、MIMO分析、干扰消除分析、网络拥塞管理分析、网络拥塞避免分析、流量监管和流量整形分析;
投诉和VIP客户分析模块主要针对投诉事件分析及重要客户投诉问题分析;
其他拓展分析模块主要用于物联网需求分析、智能垂直行业分析及5G价值区域分析。
4.根据权利要求1所述的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,其特征在于:所述的资源管理模块包括网络资源管理模块和设计资源管理模块,网络资源管理模块和设计资源管理模块通过数据电缆相连接,两个模块共同针对数据分析模块所提供的数据进行资源对比、整合、分析及计算处理,将资源分析计算处理结果反馈给5G网络结构模块。
5.根据权利要求4所述的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,其特征在于:网络资源管理模块包含NFV功能模块、SDN功能模块、网络负载均衡处理模块和网络切片分析模块,其中,网络切片分析模块包含增强移动带宽切片单元、高可靠低时延切片单元、海量连接切片单元、其他业务切片单元;
NFV功能模块用来根据数据分析模块所提供的数据,将网络各个通信网络设备功能虚拟化体现出来,用来直观分析通信网络设备性能;
SDN功能模块通过分析可以根据数据分析模块所提供的数据定义网络架构,通过SDN功能模块对网络集中控制;
网络负载均衡处理模块根据数据分析模块所提供的数据将网络资源均衡分配,防止资源浪费和资源不足问题;
网络切片分析模块是将数据分析模块所提供的数据通过增强移动带宽切片单元、高可靠低时延切片单元、海量连接切片单元、其他业务切片单元进行数据分析,将数据分类为5G不同应用场景:增强移动带宽场景、高可靠低时延场景、海量连接场景及其他业务场景。
6.根据权利要求4所述的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,其特征在于:所述的设计资源管理模块包含云计算模块、MEC模块、设备性能计算模块;
云计算模块是将数据分析模块所提供的数据根据设计要求进行分析计算;
MEC模块是通过数据分析模块所提供的数据设计5G网络架构提供多接入边缘计算,MEC模块将应用程序托管从集中式数据中心下沉到网络边缘,更接近消费者和应用程序生成的数据,在靠近移动用户的网络边缘提供IT和云计算的能力,并利用网络能力开放获得高带宽、低延迟、近端部署优势;
设备性能计算模块是根据不同网络设计要求计算出网络设备性能指标。
7.根据权利要求1所述的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,其特征在于:所述的5G网络结构模块包括NSA模块和SA模块,NSA模块和SA模块通过数据电缆相连接,两个模块共同针对资源管理模块所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构;所述的NSA模块包括OPTION3单元、OPTION3A单元、OPTION3X单元;NSA模块主要是体现5G网络架构的NSA三种组网的方式特点,并针对资源管理模块所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构;所述的SA模块包括OPTION2单元、OPTION4单元;其中SA模块主要功能是体现5G网络架构的SA两种组网的方式特点,并针对资源管理模块3所提供的数据进行分析对比、整合处理,用以适应该数据下的5G网络建设结构。
8.根据权利要求1所述的一种基于4G网络OMC-R和MDT数据评估5G网络结构的装置,其特征在于:所述数据管理模块分别与ENodeB和数据分析模块通过数据电缆相连接,所述数据分析模块与数据管理模块通过数据电缆相连接,所述数据分析模块与资源管理模块通过通信电缆相连接,资源管理模块与数据分析模块通过通信电缆相连接,所述资源管理模块与5G网络结构模块通过通信电缆相连接,5G网络结构模块与资源管理模块通过通信电缆相连接。
9.一种基于4G网络OMC-R和MDT数据评估5G网络结构的方法:其特征在于包括如下步骤:
①对集结方案集Xt中的方案进行分类,设α、β为两个参数,0<α≤β<1,参数大小的设定取决于实际问题,p为集结方案集中方案的个数,将方案分为三类:高绩效方案Xt high中绩效方案Xt med低绩效方案Xt low;
②根据集结方案集Xt的分类结果对方案评估方案集进行反馈调整,考虑在第t+1阶段方案集X(K,t+1)的构建;
如果xi∈Xt low且xi∈X(K,t),则建议方案评估在第t+1阶段构建方案集时,将方案xi
从原来的方案集X(K,t)中去除,构建方案集X(K,t+1)时不考虑xi;
③检验一致度clt是否得到改进,确定最优方案。
10.根据权利要求9所述的一种基于4G网络OMC-R和MDT数据评估5G网络结构的方法:其特征在于包括如下步骤:如果一致度clt得到改进且满足实际案例方案评估一致度约束条件,最优方案的结果为Xs,否则进行第t+2阶段的反馈调整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010660543.1A CN111836285B (zh) | 2020-07-10 | 2020-07-10 | 一种基于4g网络omc-r和mdt数据评估5g网络结构的装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010660543.1A CN111836285B (zh) | 2020-07-10 | 2020-07-10 | 一种基于4g网络omc-r和mdt数据评估5g网络结构的装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111836285A true CN111836285A (zh) | 2020-10-27 |
CN111836285B CN111836285B (zh) | 2023-12-22 |
Family
ID=72901247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010660543.1A Active CN111836285B (zh) | 2020-07-10 | 2020-07-10 | 一种基于4g网络omc-r和mdt数据评估5g网络结构的装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111836285B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711626A (zh) * | 2020-12-29 | 2021-04-27 | 长威信息科技发展股份有限公司 | 一种多源异构数据统一汇聚方法及系统 |
CN113225824A (zh) * | 2021-04-28 | 2021-08-06 | 辽宁邮电规划设计院有限公司 | 一种基于5g技术的不同业务需求带宽自动分配装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015042952A1 (zh) * | 2013-09-30 | 2015-04-02 | 华为技术有限公司 | 一种网络规划的方法及设备 |
EP3566509A1 (en) * | 2017-02-06 | 2019-11-13 | Samsung Electronics Co., Ltd. | Registration management method for terminal accessing 5g network on non-3gpp access |
CN110636513A (zh) * | 2019-09-27 | 2019-12-31 | 北京智芯微电子科技有限公司 | 具有可靠性保障的5g网络部署方法 |
CN111314940A (zh) * | 2020-03-06 | 2020-06-19 | 重庆邮电大学 | 一种针对5g nsa组网模式下的无线网络部署方法 |
-
2020
- 2020-07-10 CN CN202010660543.1A patent/CN111836285B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015042952A1 (zh) * | 2013-09-30 | 2015-04-02 | 华为技术有限公司 | 一种网络规划的方法及设备 |
EP3566509A1 (en) * | 2017-02-06 | 2019-11-13 | Samsung Electronics Co., Ltd. | Registration management method for terminal accessing 5g network on non-3gpp access |
CN110636513A (zh) * | 2019-09-27 | 2019-12-31 | 北京智芯微电子科技有限公司 | 具有可靠性保障的5g网络部署方法 |
CN111314940A (zh) * | 2020-03-06 | 2020-06-19 | 重庆邮电大学 | 一种针对5g nsa组网模式下的无线网络部署方法 |
Non-Patent Citations (4)
Title |
---|
廖欣;: "简析5G通信在城市轨道交通的应用", 中国新通信, no. 02 * |
李文苡;: "5G数据库组网方案", 移动通信, no. 01 * |
贺琛;: "基于5G的超密集无线网络规划与部署方案的探讨", 信息通信, no. 12 * |
龚戈勇;: "5G与LTE无线网络设计差异性分析", 通信技术, no. 04 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112711626A (zh) * | 2020-12-29 | 2021-04-27 | 长威信息科技发展股份有限公司 | 一种多源异构数据统一汇聚方法及系统 |
CN113225824A (zh) * | 2021-04-28 | 2021-08-06 | 辽宁邮电规划设计院有限公司 | 一种基于5g技术的不同业务需求带宽自动分配装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111836285B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105979542B (zh) | 一种5G异构网络中基于SDN的WiFi分流系统及方法 | |
Li et al. | Green heterogeneous cloud radio access networks: Potential techniques, performance trade-offs, and challenges | |
US11804915B2 (en) | Broadcast beam weight determination method and device, network element, and storage medium | |
CN102510564B (zh) | 一种改进集中分簇式自组织网络的自优化方法 | |
CN111836285B (zh) | 一种基于4g网络omc-r和mdt数据评估5g网络结构的装置 | |
CN106095529B (zh) | 一种c-ran架构下的载波迁移方法 | |
Zhu et al. | Adaptive multi-access algorithm for multi-service edge users in 5G ultra-dense heterogeneous networks | |
CN111465066A (zh) | 面向电力物联网多连接技术的网络选择和移动性管理方法 | |
CN112235804B (zh) | 基站远端单元动态划归方法和装置、小区组网方法和系统 | |
US11716683B2 (en) | Method and system for aggregating power outage data and utilization | |
CN113498174A (zh) | 一种物理资源划分的方法及设备 | |
CN111683383B (zh) | 一种智能控制器及分布式室分5g系统多小区负载均衡的方法 | |
Klymash et al. | Improving architecture of LTE mobile network for IoT services provisioning | |
Chamola et al. | An energy and delay aware downlink power control strategy for solar powered base stations | |
CN114531662B (zh) | 基于电力5g虚拟专网的终端智能接入认证管理方法 | |
CN108834003B (zh) | 一种量子通信业务的电力光载通信多维资源分配优化方法 | |
Chousainov et al. | Performance evaluation of a C-RAN supporting quasi-random traffic | |
Wu et al. | Dynamic network resource optimization in hybrid VLC and radio frequency networks | |
CN114630391B (zh) | 网络共建共享场景下的通信方法、装置、系统和共享基站 | |
CN107708124B (zh) | Lte230电力系统专网主备核心网稳定性优化方法 | |
Shao et al. | A Load Balancing Vertical Handoff Algorithm Considering QoS of Users for Heterogeneous Networks in Power Communication | |
CN111465065A (zh) | 一种基于电力物联网的无线终端业务多连接切换方法 | |
Jialin et al. | Research on Resource Allocation Algorithm of Smart Grid based on 5G Network Slicing Technology | |
CN105323795A (zh) | 一种基于用户位置动态优化配置基站功率的方法及系统 | |
Lu et al. | Big-data-driven dynamic clustering and load balancing of virtual base stations for 5G fronthaul network |
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 |