CN111918312A - 一种新型无线通信网络的动态优化方法及系统 - Google Patents
一种新型无线通信网络的动态优化方法及系统 Download PDFInfo
- Publication number
- CN111918312A CN111918312A CN202010819114.4A CN202010819114A CN111918312A CN 111918312 A CN111918312 A CN 111918312A CN 202010819114 A CN202010819114 A CN 202010819114A CN 111918312 A CN111918312 A CN 111918312A
- Authority
- CN
- China
- Prior art keywords
- optimization
- network
- module
- topology
- simulation
- 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.)
- Pending
Links
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
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技术领域,公开了一种新型无线通信网络的动态优化方法及系统,所述新型无线通信网络的动态优化系统包括:传输速率检测模块、干扰判定模块、仿真网络构建模块、中央控制模块、优化方案确定模块、网络滤波模块、拓扑及资源优化模块、路径优化模块、网络资源分配模块、拓扑关系映射模块、优化模型构建模块、仿真优化模块、云存储模块、显示模块。本发明通过干扰判定模块确定网络是否受到影响,进而对受到干扰的网络的优化;通过优化方案确定模块确定进行网络优化中的滤波频率范围、网络拓扑优化和资源优化、路径优化的方案,能够实现优化方案针对性的提升,优化效果更好。本发明的优化方法简单,且优化效率高、优化效果好。
Description
技术领域
本发明属于无线通信技术领域,尤其涉及一种新型无线通信网络的动态优化方法及系统。
背景技术
目前,人类的生活和生产活动依赖于大量自然界及人造的复杂系统,对于一个给定系统,其各组件之间的联系和交互模式可以用网络表示,系统的各个组件可以抽象成网络中的顶点,组件间的联系抽象成边。网络整体的连通性能在较大程度上体现出对载体的传输和服务能力,因此受到许多应用领域,如Internet、交通网络、贸易网络等领域的广泛关注。目前对网络连通性的考量通常集中在对网络中某项指标(度、介数等)较高的节点进行蓄意攻击和对所有节点随机攻击这两种情形下节点间实际存在边和所有可能边的比例关系。针对网络连通性能的动态变化,目前的研究多集中在随机增加边或受到外在因素牵引产生的网络演化,以及演化后对网络整体鲁棒性的影响,缺乏主动和针对性的优化。
通过上述分析,现有技术存在的问题及缺陷为:目前对网络进行动态优化的技术缺乏主动和针对性的优化。
发明内容
针对现有技术存在的问题,本发明提供了一种新型无线通信网络的动态优化方法及系统。
本发明是这样实现的,一种新型无线通信网络的动态优化方法,所述新型无线通信网络的动态优化方法包括以下步骤:
步骤一,通过传输速率检测模块利用传输速率检测程序进行传输速率检测;通过干扰判定模块利用干扰判定程序对传输速率进行分析,并判断无线通信网络是否受到干扰。
步骤二,通过仿真网络构建模块利用仿真网络构建程序构建仿真网络架构;通过中央控制模块利用中央处理器控制所述新型无线通信网络的动态优化系统各个模块的正常运行。
步骤三,通过优化方案确定模块利用优化方案确定程序确定网络优化方案,所述网络优化方案包括对滤波频率范围、网络拓扑优化和资源优化、路径优化进行确定。
步骤四,通过网络滤波模块利用滤波器进行网络滤波;通过拓扑及资源优化模块采用超图建立无线网络的逻辑拓扑模型。
步骤五,利用超图分割和相关算法对无线网络的功耗、各个节点的状态进行计算,得出无线网络虚拟子团。
步骤六,根据子团的划分生成最优的无线网络拓扑模型,实现无线网络拓扑的布局设计;利用拓扑优化程序和资源优化程序进行联合功率优化达成对网络拓扑优化和资源优化。
步骤七,在无线网络的网状拓扑结构中,通过路径优化模块获取两个待优化通信节点之间的所有待选择网络链路。
步骤八,根据两个待优化通信节点间路径优化的多个路径优化参数建立具有路径优化输出值的路径选择模型。
步骤九,将所有待选择网络链路代入所述路径选择模型,计算每条待选择网络链路的路径优化输出值。
步骤十,利用路径优化程序选择具有最大路径优化输出值的待选择网络链路作为所述两个待优化通信节点的优化网络链路,对路径进行优化处理。
步骤十一,通过网络资源分配模块利用网络资源分配程序依照网络优化方案进行资源分配;通过拓扑关系映射模块利用拓扑关系映射程序进行网络拓扑的改变。
步骤十二,通过优化模型构建模块利用优化模型构建程序进行优化模型的构建,得到网络优化模型;通过仿真优化模块利用仿真程序使用网络优化模型对网络进行仿真优化。
步骤十三,通过云存储模块利用云数据库服务器存储检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果。
步骤十四,通过显示模块利用显示器显示检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果的实时数据。
进一步,步骤一中,所述通过干扰判定模块利用干扰判定程序对传输速率进行分析,并判断无线通信网络是否受到干扰的方法,包括:
对于GSM系统,当在同一时间同一频率上,侦听到的信号功率大于第一预设门限值时,判定侦听到的信号存在干扰;
对于CDMA或者LTE系统,当在同一时域、同一频域且同一码域上,侦听到的信号功率大于第二预设门限值时,判定侦听到的信号存在干扰;
对于不同的码域,当侦听到的信号功率减去编码增益大于第三预设门限值时,判定侦听到的信号存在干扰,所述第二预设门限值与所述第三预设门限值相同或者不相同。
进一步,步骤二中,所述通过仿真网络构建模块利用仿真网络构建程序构建仿真网络架构的方法,包括:
仿真网络架构分为三层,底层包括网络设备和仿真模型,中间层包括网络控制器,上层包括优化模型;
通过控制数据平面接口实现底层与中间层的数据交互,通过API接口实现中间层与上层的数据交互。
进一步,步骤四中,所述采用超图建立无线网络的逻辑拓扑模型的方法,包括:
(I)建立超图G=(V,E),其中,V为超图G的顶点集合,E为超图G的超边集合,按实际网络节点位置生成超图顶点,同时为超图顶点分配属性值a(v),根据超图顶点的属性值a(v)形成超边,并以超边中顶点间的传输时间和超图顶点的属性值a(v)作为参数,计算出每条超边的权值w(e);
(II)根据需求对超图进行分割,采用归一化分割,使得分割出来的子图和外界的联系主要来自该子图内部,同时满足最优簇原则;
(III)确立簇头,在一个簇内选度的值最高的顶点则作为簇头节点;同时结合络移动性,动态生成网络拓扑。
进一步,步骤五中,所述利用超图分割和相关算法对无线网络的功耗、各个节点的状态进行计算,得出无线网络虚拟子团的过程为:
采用最优簇大小、电量、距离和运动性因素作为决定权值的参数,实现达到综合目标的无线网络拓扑的布局设计。
进一步,步骤六中,所述进行联合功率优化达成资源优化的方法,包括:
(1)比较p和的大小,得到PT以为功率进行发送,其中,p表示认知发送端CT的最大发送功率,I为主用户可以忍受的最大干扰功率,g为干扰信道瞬时增益,AF为Amplify-Forward,即放大转发型,PT为个人服务器;
(2)认知网络接收端2即CR2在第一时隙的信干噪比与门限值γ进行比较,其中g为CT与CR2之间的链路增益,p为CT在第一时隙的发射功率,σ为噪声功率,若γ′<γ,则转入步骤(3),若γ′≥γ,则转入步骤(4),CR为认知网络接收端;
(3)所述CR2不能通过前一时隙的解码消除认知网络中继SR带来认知网络接收端1即CR1信号的干扰,系统容量表示为其中,g为CT与SR之间的链路增益,g为SR与CR1之间的链路增益,g为SR与CR2之间的链路增益,p为SR自身的发射功率,p为CT在第二时隙的发射功率;
(4)若γ′≥γ,则CR2可以通过前一时隙解码消除SR带来的CR1信号的干扰,得到干扰可消除情形下的全局最优值。
进一步,步骤八中,所述路径优化参数包括:两个待优化通信节点之间的最大通信路径数码、光缆中断概率、光缆可靠性权值、光缆业务使用概率、光缆芯数、光缆长度。
本发明的另一目的在于提供一种应用所述的新型无线通信网络的动态优化方法的新型无线通信网络的动态优化系统,所述新型无线通信网络的动态优化系统包括:
传输速率检测模块,与中央控制模块连接,用于通过传输速率检测程序进行传输速率检测;
干扰判定模块,与中央控制模块连接,用于通过干扰判定程序对传输速率进行分析,并判断无线通信网络是否受到干扰;
仿真网络构建模块,与中央控制模块连接,用于通过仿真网络构建程序构建仿真网络架构;
中央控制模块,与传输速率检测模块、干扰判定模块、仿真网络构建模块、优化方案确定模块、网络滤波模块、拓扑及资源优化模块、路径优化模块、网络资源分配模块、拓扑关系映射模块、优化模型构建模块、仿真优化模块、云存储模块、显示模块连接,用于通过中央处理器控制所述新型无线通信网络的动态优化系统各个模块的正常运行;
优化方案确定模块,与中央控制模块连接,用于通过优化方案确定程序确定网络优化方案,具体包括对滤波频率范围、网络拓扑优化和资源优化、路径优化进行确定;
网络滤波模块,与中央控制模块连接,用于通过滤波器进行网络滤波;
拓扑及资源优化模块,与中央控制模块连接,用于通过拓扑优化程序和资源优化程序进行网络拓扑优化和资源优化;
路径优化模块,与中央控制模块连接,用于通过路径优化程序进行路径优化处理;
网络资源分配模块,与中央控制模块连接,用于通过网络资源分配程序依照网络优化方案进行资源分配;
拓扑关系映射模块,与中央控制模块连接,用于通过拓扑关系映射程序进行网络拓扑的改变;
优化模型构建模块,与中央控制模块连接,用于通过优化模型构建程序进行优化模型的构建,得到网络优化模型;
仿真优化模块,与中央控制模块连接,用于通过仿真程序使用网络优化模型对网络进行仿真优化;
云存储模块,与中央控制模块连接,用于通过云数据库服务器存储检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果;
显示模块,与中央控制模块连接,用于通过显示器显示检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果的实时数据。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的新型无线通信网络的动态优化方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的新型无线通信网络的动态优化方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明通过干扰判定模块确定网络是否受到影响,进而实现对受到干扰的网络的优化,优化更具有针对性;通过优化方案确定模块确定进行网络优化中的滤波频率范围、网络拓扑优化和资源优化、路径优化的方案,能够实现优化方案针对性的提升,优化效果更好;建立优化模型并进行仿真,得到进行网络优化的方案的可行性,实现网络优化效果提升。本发明的优化方法简单,且优化效率高、优化效果好。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的新型无线通信网络的动态优化方法流程图。
图2是本发明实施例提供的新型无线通信网络的动态优化系统结构框图;
图中:1、传输速率检测模块;2、干扰判定模块;3、仿真网络构建模块;4、中央控制模块;5、优化方案确定模块;6、网络滤波模块;7、拓扑及资源优化模块;8、路径优化模块;9、网络资源分配模块;10、拓扑关系映射模块;11、优化模型构建模块;12、仿真优化模块;13、云存储模块;14、显示模块。
图3是本发明实施例提供的通过拓扑及资源优化模块利用拓扑优化程序和资源优化程序进行网络拓扑优化和资源优化的方法流程图。
图4是本发明实施例提供的采用超图建立无线网络的逻辑拓扑模型的方法流程图。
图5是本发明实施例提供的通过路径优化模块利用路径优化程序进行路径优化处理的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种新型无线通信网络的动态优化方法及系统,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的新型无线通信网络的动态优化方法包括以下步骤:
S101,通过传输速率检测模块利用传输速率检测程序进行传输速率检测;通过干扰判定模块利用干扰判定程序对传输速率进行分析,并判断无线通信网络是否受到干扰。
S102,通过仿真网络构建模块利用仿真网络构建程序构建仿真网络架构;通过中央控制模块利用中央处理器控制所述新型无线通信网络的动态优化系统各个模块的正常运行。
S103,通过优化方案确定模块利用优化方案确定程序确定网络优化方案,所述网络优化方案包括对滤波频率范围、网络拓扑优化和资源优化、路径优化进行确定。
S104,通过网络滤波模块利用滤波器进行网络滤波;通过拓扑及资源优化模块利用拓扑优化程序和资源优化程序进行网络拓扑优化和资源优化;通过路径优化模块利用路径优化程序进行路径优化处理。
S105,通过网络资源分配模块利用网络资源分配程序依照网络优化方案进行资源分配;通过拓扑关系映射模块利用拓扑关系映射程序进行网络拓扑的改变。
S106,通过优化模型构建模块利用优化模型构建程序进行优化模型的构建,得到网络优化模型;通过仿真优化模块利用仿真程序使用网络优化模型对网络进行仿真优化。
S107,通过云存储模块利用云数据库服务器存储检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果。
S108,通过显示模块利用显示器显示检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果的实时数据。
如图2所示,本发明实施例提供的新型无线通信网络的动态优化系统包括:传输速率检测模块1、干扰判定模块2、仿真网络构建模块3、中央控制模块4、优化方案确定模块5、网络滤波模块6、拓扑及资源优化模块7、路径优化模块8、网络资源分配模块9、拓扑关系映射模块10、优化模型构建模块11、仿真优化模块12、云存储模块13、显示模块14。
传输速率检测模块1,与中央控制模块4连接,用于通过传输速率检测程序进行传输速率检测;
干扰判定模块2,与中央控制模块4连接,用于通过干扰判定程序对传输速率进行分析,并判断无线通信网络是否受到干扰;
仿真网络构建模块3,与中央控制模块4连接,用于通过仿真网络构建程序构建仿真网络架构;
中央控制模块4,与传输速率检测模块1、干扰判定模块2、仿真网络构建模块3、优化方案确定模块5、网络滤波模块6、拓扑及资源优化模块7、路径优化模块8、网络资源分配模块9、拓扑关系映射模块10、优化模型构建模块11、仿真优化模块12、云存储模块13、显示模块14连接,用于通过中央处理器控制所述新型无线通信网络的动态优化系统各个模块的正常运行;
优化方案确定模块5,与中央控制模块4连接,用于通过优化方案确定程序确定网络优化方案,具体包括对滤波频率范围、网络拓扑优化和资源优化、路径优化进行确定;
网络滤波模块6,与中央控制模块4连接,用于通过滤波器进行网络滤波;
拓扑及资源优化模块7,与中央控制模块4连接,用于通过拓扑优化程序和资源优化程序进行网络拓扑优化和资源优化;
路径优化模块8,与中央控制模块4连接,用于通过路径优化程序进行路径优化处理;
网络资源分配模块9,与中央控制模块4连接,用于通过网络资源分配程序依照网络优化方案进行资源分配;
拓扑关系映射模块10,与中央控制模块4连接,用于通过拓扑关系映射程序进行网络拓扑的改变;
优化模型构建模块11,与中央控制模块4连接,用于通过优化模型构建程序进行优化模型的构建,得到网络优化模型;
仿真优化模块12,与中央控制模块4连接,用于通过仿真程序使用网络优化模型对网络进行仿真优化;
云存储模块13,与中央控制模块4连接,用于通过云数据库服务器存储检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果;
显示模块14,与中央控制模块4连接,用于通过显示器显示检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果的实时数据。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的新型无线通信网络的动态优化方法如图1所示,作为优选实施例,如图3所示,本发明实施例提供的通过拓扑及资源优化模块利用拓扑优化程序和资源优化程序进行网络拓扑优化和资源优化的方法包括:
S201,采用超图建立无线网络的逻辑拓扑模型。
S202,利用超图分割和相关算法对无线网络的功耗、各个节点的状态进行计算,得出无线网络虚拟子团。
S203,根据子团的划分生成最优的无线网络拓扑模型,实现无线网络拓扑的布局设计。
S204,进行联合功率优化达成网络拓扑优化和资源优化。
如图4所示,本发明实施例提供的步骤S201中,采用超图建立无线网络的逻辑拓扑模型的方法,包括:
S301,建立超图G=(V,E)。
S302,根据需求对超图进行分割,采用归一化分割,使得分割出来的子图和外界的联系主要来自该子图内部,同时满足最优簇原则。
S303,确立簇头,在一个簇内选度的值最高的顶点则作为簇头节点;同时结合网络移动性,动态生成网络拓扑。
本发明实施例提供的步骤S301中,V为超图G的顶点集合,E为超图G的超边集合,按实际网络节点位置生成超图顶点,同时为超图顶点分配属性值a(v),根据超图顶点的属性值a(v)形成超边,并以超边中顶点间的传输时间和超图顶点的属性值a(v)作为参数,计算出每条超边的权值w(e)。
本发明实施例提供的步骤S202中,利用超图分割和相关算法对无线网络的功耗、各个节点的状态进行计算,得出无线网络虚拟子团的过程为:采用最优簇大小、电量、距离和运动性因素作为决定权值的参数,实现达到综合目标的无线网络拓扑的布局设计。
本发明实施例提供的步骤S204中,进行联合功率优化达成资源优化的方法,包括以下步骤:
1)比较p和的大小,得到PT以为功率进行发送,其中,p表示认知发送端CT的最大发送功率,I为主用户可以忍受的最大干扰功率,g为干扰信道瞬时增益,AF为Amplify-Forward,即放大转发型,PT为个人服务器;
2)认知网络接收端2即CR2在第一时隙的信干噪比与门限值γ进行比较,其中g为CT与CR2之间的链路增益,p为CT在第一时隙的发射功率,σ为噪声功率,若γ′<γ,则转入步骤3),若γ′≥γ,则转入步骤4),CR为认知网络接收端;
3)所述CR2不能通过前一时隙的解码消除认知网络中继SR带来认知网络接收端1即CR1信号的干扰,系统容量表示为其中,g为CT与SR之间的链路增益,g为SR与CR1之间的链路增益,g为SR与CR2之间的链路增益,p为SR自身的发射功率,p为CT在第二时隙的发射功率;
4)若γ′≥γ,则CR2可以通过前一时隙解码消除SR带来的CR1信号的干扰,得到干扰可消除情形下的全局最优值。
实施例2
本发明实施例提供的新型无线通信网络的动态优化方法如图1所示,作为优选实施例,如图5所示,本发明实施例提供的通过路径优化模块利用路径优化程序进行路径优化处理的方法包括:
S401,在无线网络的网状拓扑结构中,获取两个待优化通信节点之间的所有待选择网络链路。
S402,根据两个待优化通信节点间路径优化的多个路径优化参数建立具有路径优化输出值的路径选择模型。
S403,将所有待选择网络链路代入所述路径选择模型,计算每条待选择网络链路的路径优化输出值。
S404,选择具有最大路径优化输出值的待选择网络链路作为所述两个待优化通信节点的优化网络链路。
本发明实施例提供的步骤S402中,路径优化参数包括:两个待优化通信节点之间的最大通信路径数码、光缆中断概率、光缆可靠性权值、光缆业务使用概率、光缆芯数、光缆长度。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,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,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种新型无线通信网络的动态优化方法,其特征在于,所述新型无线通信网络的动态优化方法包括以下步骤:
步骤一,通过传输速率检测模块利用传输速率检测程序进行传输速率检测;通过干扰判定模块利用干扰判定程序对传输速率进行分析,并判断无线通信网络是否受到干扰;
步骤二,通过仿真网络构建模块利用仿真网络构建程序构建仿真网络架构;通过中央控制模块利用中央处理器控制所述新型无线通信网络的动态优化系统各个模块的正常运行;
步骤三,通过优化方案确定模块利用优化方案确定程序确定网络优化方案,所述网络优化方案包括对滤波频率范围、网络拓扑优化和资源优化、路径优化进行确定;
步骤四,通过网络滤波模块利用滤波器进行网络滤波;通过拓扑及资源优化模块采用超图建立无线网络的逻辑拓扑模型;
步骤五,利用超图分割和相关算法对无线网络的功耗、各个节点的状态进行计算,得出无线网络虚拟子团;
步骤六,根据子团的划分生成最优的无线网络拓扑模型,实现无线网络拓扑的布局设计;利用拓扑优化程序和资源优化程序进行联合功率优化达成对网络拓扑优化和资源优化;
步骤七,在无线网络的网状拓扑结构中,通过路径优化模块获取两个待优化通信节点之间的所有待选择网络链路;
步骤八,根据两个待优化通信节点间路径优化的多个路径优化参数建立具有路径优化输出值的路径选择模型;
步骤九,将所有待选择网络链路代入所述路径选择模型,计算每条待选择网络链路的路径优化输出值;
步骤十,利用路径优化程序选择具有最大路径优化输出值的待选择网络链路作为所述两个待优化通信节点的优化网络链路,对路径进行优化处理;
步骤十一,通过网络资源分配模块利用网络资源分配程序依照网络优化方案进行资源分配;通过拓扑关系映射模块利用拓扑关系映射程序进行网络拓扑的改变;
步骤十二,通过优化模型构建模块利用优化模型构建程序进行优化模型的构建,得到网络优化模型;通过仿真优化模块利用仿真程序使用网络优化模型对网络进行仿真优化;
步骤十三,通过云存储模块利用云数据库服务器存储检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果;
步骤十四,通过显示模块利用显示器显示检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果的实时数据。
2.如权利要求1所述的新型无线通信网络的动态优化方法,其特征在于,步骤一中,所述通过干扰判定模块利用干扰判定程序对传输速率进行分析,并判断无线通信网络是否受到干扰的方法,包括:
对于GSM系统,当在同一时间同一频率上,侦听到的信号功率大于第一预设门限值时,判定侦听到的信号存在干扰;
对于CDMA或者LTE系统,当在同一时域、同一频域且同一码域上,侦听到的信号功率大于第二预设门限值时,判定侦听到的信号存在干扰;
对于不同的码域,当侦听到的信号功率减去编码增益大于第三预设门限值时,判定侦听到的信号存在干扰,所述第二预设门限值与所述第三预设门限值相同或者不相同。
3.如权利要求1所述的新型无线通信网络的动态优化方法,其特征在于,步骤二中,所述通过仿真网络构建模块利用仿真网络构建程序构建仿真网络架构的方法,包括:
仿真网络架构分为三层,底层包括网络设备和仿真模型,中间层包括网络控制器,上层包括优化模型;
通过控制数据平面接口实现底层与中间层的数据交互,通过API接口实现中间层与上层的数据交互。
4.如权利要求1所述的新型无线通信网络的动态优化方法,其特征在于,步骤四中,所述采用超图建立无线网络的逻辑拓扑模型的方法,包括:
(I)建立超图G=(V,E),其中,V为超图G的顶点集合,E为超图G的超边集合,按实际网络节点位置生成超图顶点,同时为超图顶点分配属性值a(v),根据超图顶点的属性值a(v)形成超边,并以超边中顶点间的传输时间和超图顶点的属性值a(v)作为参数,计算出每条超边的权值w(e);
(II)根据需求对超图进行分割,采用归一化分割,使得分割出来的子图和外界的联系主要来自该子图内部,同时满足最优簇原则;
(III)确立簇头,在一个簇内选度的值最高的顶点则作为簇头节点;同时结合络移动性,动态生成网络拓扑。
5.如权利要求1所述的新型无线通信网络的动态优化方法,其特征在于,步骤五中,所述利用超图分割和相关算法对无线网络的功耗、各个节点的状态进行计算,得出无线网络虚拟子团的过程为:
采用最优簇大小、电量、距离和运动性因素作为决定权值的参数,实现达到综合目标的无线网络拓扑的布局设计。
6.如权利要求1所述的新型无线通信网络的动态优化方法,其特征在于,步骤六中,所述进行联合功率优化达成资源优化的方法,包括:
(1)比较p和的大小,得到PT以为功率进行发送,其中,p表示认知发送端CT的最大发送功率,I为主用户可以忍受的最大干扰功率,g为干扰信道瞬时增益,AF为Amplify-Forward,即放大转发型,PT为个人服务器;
(2)认知网络接收端2即CR2在第一时隙的信干噪比与门限值γ进行比较,其中g为CT与CR2之间的链路增益,p为CT在第一时隙的发射功率,σ为噪声功率,若γ′<γ,则转入步骤(3),若γ′≥γ,则转入步骤(4),CR为认知网络接收端;
(3)所述CR2不能通过前一时隙的解码消除认知网络中继SR带来认知网络接收端1即CR1信号的干扰,系统容量表示为其中,g为CT与SR之间的链路增益,g为SR与CR1之间的链路增益,g为SR与CR2之间的链路增益,p为SR自身的发射功率,p为CT在第二时隙的发射功率;
(4)若γ′≥γ,则CR2可以通过前一时隙解码消除SR带来的CR1信号的干扰,得到干扰可消除情形下的全局最优值。
7.如权利要求1所述的新型无线通信网络的动态优化方法,其特征在于,步骤八中,所述路径优化参数包括:两个待优化通信节点之间的最大通信路径数码、光缆中断概率、光缆可靠性权值、光缆业务使用概率、光缆芯数、光缆长度。
8.一种应用如权利要求1~7任意一项所述的新型无线通信网络的动态优化方法的新型无线通信网络的动态优化系统,其特征在于,所述新型无线通信网络的动态优化系统包括:
传输速率检测模块,与中央控制模块连接,用于通过传输速率检测程序进行传输速率检测;
干扰判定模块,与中央控制模块连接,用于通过干扰判定程序对传输速率进行分析,并判断无线通信网络是否受到干扰;
仿真网络构建模块,与中央控制模块连接,用于通过仿真网络构建程序构建仿真网络架构;
中央控制模块,与传输速率检测模块、干扰判定模块、仿真网络构建模块、优化方案确定模块、网络滤波模块、拓扑及资源优化模块、路径优化模块、网络资源分配模块、拓扑关系映射模块、优化模型构建模块、仿真优化模块、云存储模块、显示模块连接,用于通过中央处理器控制所述新型无线通信网络的动态优化系统各个模块的正常运行;
优化方案确定模块,与中央控制模块连接,用于通过优化方案确定程序确定网络优化方案,具体包括对滤波频率范围、网络拓扑优化和资源优化、路径优化进行确定;
网络滤波模块,与中央控制模块连接,用于通过滤波器进行网络滤波;
拓扑及资源优化模块,与中央控制模块连接,用于通过拓扑优化程序和资源优化程序进行网络拓扑优化和资源优化;
路径优化模块,与中央控制模块连接,用于通过路径优化程序进行路径优化处理;
网络资源分配模块,与中央控制模块连接,用于通过网络资源分配程序依照网络优化方案进行资源分配;
拓扑关系映射模块,与中央控制模块连接,用于通过拓扑关系映射程序进行网络拓扑的改变;
优化模型构建模块,与中央控制模块连接,用于通过优化模型构建程序进行优化模型的构建,得到网络优化模型;
仿真优化模块,与中央控制模块连接,用于通过仿真程序使用网络优化模型对网络进行仿真优化;
云存储模块,与中央控制模块连接,用于通过云数据库服务器存储检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果;
显示模块,与中央控制模块连接,用于通过显示器显示检测到的传输速率、干扰判定结果、仿真网络架构、优化方案、优化后的网络拓扑优化和资源、优化后的路径、网络资源分配结果、拓扑关系映射结果、网络优化模型以及仿真优化结果的实时数据。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1~7任意一项所述的新型无线通信网络的动态优化方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1~7任意一项所述的新型无线通信网络的动态优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010819114.4A CN111918312A (zh) | 2020-08-14 | 2020-08-14 | 一种新型无线通信网络的动态优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010819114.4A CN111918312A (zh) | 2020-08-14 | 2020-08-14 | 一种新型无线通信网络的动态优化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111918312A true CN111918312A (zh) | 2020-11-10 |
Family
ID=73283181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010819114.4A Pending CN111918312A (zh) | 2020-08-14 | 2020-08-14 | 一种新型无线通信网络的动态优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111918312A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765754A (zh) * | 2020-12-31 | 2021-05-07 | 西安电子科技大学 | 一种适用于星地网络的基于超边的时间演进图设计方法 |
CN114422789A (zh) * | 2022-03-31 | 2022-04-29 | 中国科学技术大学 | 一种基于无压缩技术的全景视频无线传输方法及系统 |
CN115048370A (zh) * | 2022-07-06 | 2022-09-13 | 柳州市雄邦电脑网络有限公司 | 用于大数据清洗的人工智能处理方法及大数据清洗系统 |
CN116095789A (zh) * | 2022-11-07 | 2023-05-09 | 联桥科技有限公司 | 一种无线通信中的链路动态优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102118778A (zh) * | 2011-03-30 | 2011-07-06 | 京信通信系统(中国)有限公司 | 无线通信网络的动态优化方法、装置及无线通信系统 |
CN103701647A (zh) * | 2013-12-31 | 2014-04-02 | 武汉大学 | 一种无线网络拓扑优化生成方法 |
CN103826280A (zh) * | 2014-03-10 | 2014-05-28 | 广州银禾网络通信有限公司 | 一种移动通信网络路径优化方法及系统 |
CN104754712A (zh) * | 2015-04-14 | 2015-07-01 | 电子科技大学 | 一种基于af认知中继协作传输的联合功率优化分配方法 |
CN107135487A (zh) * | 2017-05-03 | 2017-09-05 | 西安科技大学 | 基于sdn的mbms网络架构及网络优化方法 |
CN108234169A (zh) * | 2016-12-15 | 2018-06-29 | 北京仿真中心 | 一种分布式仿真网络结构实时动态优化方法 |
-
2020
- 2020-08-14 CN CN202010819114.4A patent/CN111918312A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102118778A (zh) * | 2011-03-30 | 2011-07-06 | 京信通信系统(中国)有限公司 | 无线通信网络的动态优化方法、装置及无线通信系统 |
CN103701647A (zh) * | 2013-12-31 | 2014-04-02 | 武汉大学 | 一种无线网络拓扑优化生成方法 |
CN103826280A (zh) * | 2014-03-10 | 2014-05-28 | 广州银禾网络通信有限公司 | 一种移动通信网络路径优化方法及系统 |
CN104754712A (zh) * | 2015-04-14 | 2015-07-01 | 电子科技大学 | 一种基于af认知中继协作传输的联合功率优化分配方法 |
CN108234169A (zh) * | 2016-12-15 | 2018-06-29 | 北京仿真中心 | 一种分布式仿真网络结构实时动态优化方法 |
CN107135487A (zh) * | 2017-05-03 | 2017-09-05 | 西安科技大学 | 基于sdn的mbms网络架构及网络优化方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112765754A (zh) * | 2020-12-31 | 2021-05-07 | 西安电子科技大学 | 一种适用于星地网络的基于超边的时间演进图设计方法 |
CN112765754B (zh) * | 2020-12-31 | 2023-12-22 | 西安电子科技大学 | 一种适用于星地网络的基于超边的时间演进图设计方法 |
CN114422789A (zh) * | 2022-03-31 | 2022-04-29 | 中国科学技术大学 | 一种基于无压缩技术的全景视频无线传输方法及系统 |
CN114422789B (zh) * | 2022-03-31 | 2022-07-15 | 中国科学技术大学 | 一种基于无压缩技术的全景视频无线传输方法及系统 |
CN115048370A (zh) * | 2022-07-06 | 2022-09-13 | 柳州市雄邦电脑网络有限公司 | 用于大数据清洗的人工智能处理方法及大数据清洗系统 |
CN115048370B (zh) * | 2022-07-06 | 2023-01-03 | 广州劲源科技发展股份有限公司 | 用于大数据清洗的人工智能处理方法及大数据清洗系统 |
CN116095789A (zh) * | 2022-11-07 | 2023-05-09 | 联桥科技有限公司 | 一种无线通信中的链路动态优化方法 |
CN116095789B (zh) * | 2022-11-07 | 2023-12-26 | 联桥科技有限公司 | 一种无线通信中的链路动态优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111918312A (zh) | 一种新型无线通信网络的动态优化方法及系统 | |
Cao et al. | 3-D multiobjective deployment of an industrial wireless sensor network for maritime applications utilizing a distributed parallel algorithm | |
Yuan et al. | Data density correlation degree clustering method for data aggregation in WSN | |
Dou et al. | Optimizing sensor network coverage and regional connectivity in industrial IoT systems | |
Wei et al. | Energy-efficient distributed spectrum sensing for wireless cognitive radio networks | |
JP2023535841A (ja) | 基地局の省エネルギー処理方法及び処理装置 | |
WO2014101441A1 (zh) | 认知协作中继转发方法及系统 | |
CN114143248A (zh) | 基于双模通信的异构通信方法、装置、计算机和可读介质 | |
Ferrucci et al. | Latency preserving self-optimizing placement at the edge | |
Li et al. | Accurate anomaly detection with energy efficiency in IoT–Edge–Cloud collaborative networks | |
CN107947955A (zh) | 一种结合虚拟树映射和中心性的网络鲁棒性增强方法 | |
EP3560145A1 (en) | Apparatus and method for identifying network object groups | |
Li et al. | Distributed channel assignment in cognitive radio networks | |
Dagdevıren et al. | BICOT: Big data analysis approach for clustering cloud based IoT systems | |
Feng et al. | Repairing confident information coverage holes for big data collection in large-scale heterogeneous wireless sensor networks | |
Weber et al. | Energy-aware test connection assignment for the self-diagnosis of a wireless sensor network | |
CN106211139B (zh) | 一种加密manet中节点类型的识别方法 | |
Fernandez-Marquez et al. | Analysis of new gradient based aggregation algorithms for data-propagation in mobile networks | |
Wang et al. | Robust collaborative mesh networking with large-scale distributed wireless heterogeneous terminals in industrial cyber-physical systems | |
CN114143809A (zh) | 一种无线网络优化方法、装置、计算机设备及存储介质 | |
JP2023537119A (ja) | ネットワークデータ分析方法、ネットワークデータ分析機能ネットワーク要素、通信システム、非一時的コンピュータ可読記憶媒体およびコンピュータプログラム | |
CN113055123B (zh) | 盲检方法、系统以及终端 | |
Jabbar et al. | Modeling the message alternative routes in a large scale wireless sensor network | |
Cai et al. | Sensor network traffic load prediction with markov random field theory | |
Wang et al. | Identifying the spatiotemporal organization of high-traffic events in a mobile communication system using event synchronization and complex 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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201110 |