CN112738811B - 一种认知容量收集网络中网络切片的频谱共享方法 - Google Patents

一种认知容量收集网络中网络切片的频谱共享方法 Download PDF

Info

Publication number
CN112738811B
CN112738811B CN202110021463.6A CN202110021463A CN112738811B CN 112738811 B CN112738811 B CN 112738811B CN 202110021463 A CN202110021463 A CN 202110021463A CN 112738811 B CN112738811 B CN 112738811B
Authority
CN
China
Prior art keywords
network
spectrum sharing
capacity
slice
spectrum
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
Application number
CN202110021463.6A
Other languages
English (en)
Other versions
CN112738811A (zh
Inventor
杨凡
黄杰
李姣军
左迅
邱天
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.)
Chongqing University of Technology
Original Assignee
Chongqing University of Technology
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 Chongqing University of Technology filed Critical Chongqing University of Technology
Priority to CN202110021463.6A priority Critical patent/CN112738811B/zh
Publication of CN112738811A publication Critical patent/CN112738811A/zh
Application granted granted Critical
Publication of CN112738811B publication Critical patent/CN112738811B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0893—Assignment of logical groups to network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0453—Resources in frequency domain, e.g. a carrier in FDMA

Landscapes

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

Abstract

本发明涉及网络切片技术领域，具体公开了一种认知容量收集网络中网络切片的频谱共享方法，包括步骤：S1：基于认知容量收集网络建立频谱共享的机会容量模型；S2：基于所述机会容量模型建立所述认知容量收集网络中网络切片的频谱共享模型；S3：基于贪婪算法对所述频谱共享模型进行求解，得到授权信道的分配方案和频谱共享的分配方案。与现有算法相比，本发明所提频谱共享方法能有效利用机会频谱资源，进一步提高信道利用率。

Description

一种认知容量收集网络中网络切片的频谱共享方法
技术领域
本发明涉及网络切片技术领域，尤其涉及一种认知容量收集网络中网络切片的频谱共享方法。
背景技术
近年来，无线应用需求急剧增加，使得无线通信网络不仅承载传统的移动通信业务，还需要进一步支持更多的新兴物联网(IoT,Internet of Thing)业务。未来无线通信网络将进一步向面向异构服务需求的大规模异构网络发展。针对此，网络切片应运而生，其被认为是第五代(5G,5Generation)移动通信系统的关键技术之一[1]。网络切片可使得移动网络运营商在一个公共的物理基础设施上构建多个逻辑网络，从而为不同的需求方提供定制的网络。频谱是网络切片中必须考虑的关键资源，现有网络切片研究大多考虑的授权频谱的分配问题[2-3]。然而，随着无线业务的急剧增加，频谱越来越稀缺，网络切片中如何进一步利用原本稀缺的频谱资源是未来无线网络所面临的亟待解决问题。
认知无线电的机会频谱共享可进一步提高频谱的利用率，该技术与网络切片结合可极大提高网络承载业务的能力。但现有研究大多关注传统无线网络的机会频谱共享，较少关注网络切片的机会频谱共享。然而，受限于稀缺的频谱资源，未来无线通信网络只能通过频谱共享进一步提升频谱利用率。如何联合网络切片和频谱共享进一步提升频谱利用率是未来无线网络所面临的亟待解决问题。目前尚未有研究针对网络切片的频谱共享提出有效的解决方案。
参考文献：
[1]Pan Y,Li S,Li B,et al.CDD:Coordinating Data Dissemination inHeterogeneous IoT Networks[J].IEEE Communications Magazine,2020,58(6):84-89.
[2]Feng L,Zi Y,Li W,et al.Dynamic Resource Allocation With RANSlicing and Scheduling for uRLLC and eMBB Hybrid Services[J].IEEE Access,2020,8:34538-34551.
[3]Rost P,Mannweiler C,Michalopoulos D S,et al.Network Slicing toEnable Scalability and Flexibility in 5G Mobile Networks[J].IEEECommunications Magazine,2017,55(5):72-79.
发明内容
本发明提供一种认知容量收集网络中网络切片的频谱共享方法，解决的技术问题在于：如何联合网络切片和频谱共享以进一步提升频谱利用率。
为解决以上技术问题，本发明提供一种认知容量收集网络中网络切片的频谱共享方法，包括步骤：
S1：基于认知容量收集网络建立频谱共享的机会容量模型；
S2：基于所述机会容量模型建立所述认知容量收集网络中网络切片的频谱共享模型；
S3：基于贪婪算法对所述频谱共享模型进行求解，得到授权信道的分配方案和频谱共享的分配方案。
具体的，所述认知容量收集网络包括多个基站、多个认知路由器；多个所述基站用于接入网和核心网的接入；多个所述认知路由器组成Mesh网络以辅助多个所述基站进行数据传输，以及采用多跳传输的方式中继IoT终端的数据，每个所述认知路由器接入授权频段或机会接入非授权频段，所述Mesh网络采用网络切片的方式满足不同业务对象差异化服务的需求。
进一步地，在所述机会容量模型中，单个信道的机会容量cop＝qop·c，qop为该信道的机会可用概率，c为信道容量。
进一步地，
Figure BDA0002888771530000021
其中，fy(y)为授权占用持续时间yi(i＝1,2,...,N,N为授权占用时间数)的概率密度函数，E[fy(y)]为fy(y)的期望，
Figure BDA0002888771530000031
为频谱共享的机会可用持续时间空洞ts(s＝1,2,...,S,S为机会可用时间空洞数)的概率密度函数，
Figure BDA0002888771530000032
为
Figure BDA0002888771530000033
的期望。
进一步地，
Figure BDA0002888771530000034
Figure BDA0002888771530000035
其中，λy为授权占用服从指数分布时指数分布的参数，λ为授权占用到达速率，z为一个求和变量。
进一步地，所述频谱共享模型为：
Figure BDA0002888771530000036
Figure BDA0002888771530000037
Figure BDA0002888771530000038
Figure BDA0002888771530000039
Figure BDA00028887715300000310
其中，Mk为第k个切片的业务集合；K为切片集合；
Figure BDA00028887715300000311
为分配给第k个切片中的第m个业务在i-j链路上的速率，业务的最终发收节点是i和j；
Figure BDA00028887715300000312
为第k个切片中的第m个业务是否能够接入；
Figure BDA00028887715300000313
为第k个切片中的第m个业务的收益；tp为第p个无冲突节点集所占用的时间比例，P为无冲突节点集的个数；qk(m)为第k个切片中的第m个业务的速率需求；
Figure BDA00028887715300000314
为第k个切片上第n个授权信道i-j上的容量；
Figure BDA00028887715300000315
为第k个切片上第n个非授权信道i-j上的频谱共享机会容量；Nl为授权信道集合，其中授权信道的个数为NL；Ns为非授权信道即频谱共享信道集合，其中频谱共享信道的个数为NS；Ts为序号为s的无冲突节点集；
Figure BDA00028887715300000316
为第k个切片中时延敏感业务的合集；
Figure BDA00028887715300000317
为第k个切片中时延容忍业务的合集；Uk,m为第k个切片中的第m个业务传输所经过的节点集合。
进一步地，
Figure BDA0002888771530000041
其中，
Figure BDA0002888771530000042
为平均信干噪比，Pb为最大可容忍误码率，B为信道带宽。
进一步地，
Figure BDA0002888771530000043
其中，qop即为i-j链路的机会可用概率。
进一步地，所述步骤S3具体包括步骤：
S31：设tp平均分配，则
Figure BDA0002888771530000044
将所有业务Mk和授权信道传输速率
Figure BDA0002888771530000045
带入贪婪算法求得授权信道的分配方案；
S32：将时延容忍业务
Figure BDA0002888771530000047
中剩余的业务和频谱共享传输速率
Figure BDA0002888771530000046
带入贪婪算法求得频谱共享的分配方案。
本发明提供的一种认知容量收集网络中网络切片的频谱共享方法，首先建立了频谱共享的机会容量模型，推导了非授权信道的机会容量(步骤S1)，然后提出了一种认知容量收集网络中网络切片的频谱共享模型(步骤S2)，最后采用贪婪算法对频谱共享模型进行求解，得到授权信道的分配方案和频谱共享的分配方案(步骤S3)。与现有算法相比，本发明所提频谱共享方法能有效利用机会频谱资源，进一步提高信道利用率。
附图说明
图1是本发明实施例提供的认知容量收集网络的场景展示图；
图2是本发明实施例提供的单个信道的机会频谱共享示意图；
图3是本发明实施例提供的频谱共享状态转移模型的示意图。
具体实施方式
下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
为联合网络切片和频谱共享以进一步提升频谱利用率，本发明实施例提供一种认知容量收集网络中网络切片的频谱共享方法，主要包括步骤S1～S3，该方法首先建立了频谱共享的机会容量模型，推导了非授权信道的机会容量(步骤S1)，然后提出了一种认知容量收集网络中网络切片的频谱共享模型(步骤S2)，最后采用贪婪算法对频谱共享模型进行求解，得到授权信道的分配方案和频谱共享的分配方案(步骤S3)。
(1)步骤S1
S1：基于认知容量收集网络建立频谱共享的机会容量模型。
1)认知容量收集网络
本实施例所研究的场景为认知容量收集网络结构(CCHN,Cognitive CapacityHarvesting Network)场景，如图1所示，包括多个基站(BS,Base Station)和多个认知路由器(CRRs,Cognitive Radio Routers)。其中，基站和认知路由器都可实现IoT终端的接入。BS负责接入网和核心网的接入。CRRs组成Mesh网络辅助BS进行数据传输，并采用多跳传输的方式中继IoT终端的数据。该网络结构可支持5G中的终端与终端通信(D2D,Device-to-Device)，并支持各类IoT终端以不同的接入方式如：4G/5G、NB-IoT、eMTC等接入网络。CCHN场景中包含两种频段，即授权频段和非授权频段。其中，非授权频段以机会频谱占用的方式接入，且只适合时延容忍类(DT,Delay-Tolerant)业务传输。授权频段可用于时延敏感类业务(DS,Delay-Sensitive)和DT业务传输。本实施例假设网络中每个CRR都可以接入授权频段或机会接入非授权频段。CRRs组成的无线接入网络可采用网络切片的方式满足不同业务对象差异化服务的需求。
2)频谱共享的机会容量模型
图2为单个信道的频谱共享机会占用示意图，其中t为时间，阴影部分为授权用户占用时间段，两段授权占用之间的空白时间段即为信道可以频谱共享的机会可用时间资源。令S为机会可用时间空洞数，N为授权占用时间数，ts(s＝1,2,...,S)为频谱共享的机会可用持续时间，li(i＝1,2,...,N)为授权占用的出现位置，yi(i＝1,2,...,N)为授权占用的持续时间。下面推导li服从泊松分布，yi服从任意分布时频谱共享的机会可用持续时间的概率密度函数，并基于此建立了频谱共享的状态转移模型，进一步推导信道机会容量的解析表达形式。
①机会可用持续时间和授权占用时间的概率密度函数
设授权占用出现服从泊松分布，则相邻两次授权占用出现时间间隔gi(gi＝li+1-li)服从指数分布：
Figure BDA0002888771530000063
其中λ为授权占用到达速率。由于yi在(0,gi]内服从条件分布。采用截尾分布表示其条件概率密度函数：
Figure BDA0002888771530000061
其中fy(y)为yi的概率密度函数。可通过贝叶斯公式得到yi和gi的联合概率密度函数：
fy,g(y,g)＝fg(g)·fcond(y) (3)
则可得到ts的概率密度函数：
Figure BDA0002888771530000062
其中T为总时间。由于yi服从任意分布，式(4)表示授权占用出现服从泊松分布时，频谱共享时域时间资源概率密度函数的通用表示形式。
当授权占用的持续时间服从指数分布时，式(4)可进一步得到：
Figure BDA0002888771530000071
其中hypergeom为广义超几何函数，λy为授权占用服从指数分布时指数分布的参数。
②频谱共享状态转移模型
图3为频谱共享状态转移模型的示意图。其中，State_1为授权占用状态(即信道被授权用户占用的状态)，State_0为频谱共享状态(即信道未被授权占用的状态)，P0,1表示信道从频谱共享状态转移至授权占用状态的转移概率；P1,0表示信道从授权占用状态转移至频谱共享状态的转移概率。当授权占用持续时间fy(y)服从指数分布时，根据之前模型可得，频谱共享状态的持续时间fts(ts)服从式(5)。
③频谱共享的机会容量模型
信道授权占用持续时间的期望和频谱共享持续时间的期望可分别表示为：
Figure BDA0002888771530000072
Figure BDA0002888771530000073
其中，z为一个求和变量。
则该信道的机会可用概率qop为：
Figure BDA0002888771530000074
则频谱共享的机会容量模型表示为：
机会容量cop＝qop·c (9)
其中c为信道容量。
(2)步骤S2
S2：基于所述机会容量模型建立所述认知容量收集网络中网络切片的频谱共享模型。具体模型如下：
Figure BDA0002888771530000081
Figure BDA0002888771530000082
Figure BDA0002888771530000083
Figure BDA0002888771530000084
Figure BDA0002888771530000085
其中，Mk为第k个切片的业务集合；K为切片集合；
Figure BDA0002888771530000086
为分配给第k个切片中的第m个业务在i-j链路上的速率，业务的最终发收节点是i和j；
Figure BDA0002888771530000087
为第k个切片中的第m个业务是否能够接入；
Figure BDA0002888771530000088
为第k个切片中的第m个业务的收益；tp为第p个无冲突节点集所占用的时间比例，P为无冲突节点集的个数；qk(m)为第k个切片中的第m个业务的速率需求；
Figure BDA0002888771530000089
为第k个切片上第n个授权信道i-j上的容量；
Figure BDA00028887715300000810
为第k个切片上第n个非授权信道i-j上的频谱共享机会容量；Nl为授权信道集合，其中授权信道的个数为NL；Ns为非授权信道即频谱共享信道集合，其中频谱共享信道的个数为NS；Ts为序号为s的无冲突节点集；
Figure BDA00028887715300000811
为第k个切片中时延敏感业务的合集；
Figure BDA00028887715300000817
为第k个切片中时延容忍业务的合集；Uk,m为第k个切片中的第m个业务传输所经过的节点集合。
其中时延敏感业务只能用授权频谱传输，保证其稳定性；时延容忍业务可以用频谱共享传输。
Figure BDA00028887715300000812
和
Figure BDA00028887715300000813
的计算如下：
Figure BDA00028887715300000814
Figure BDA00028887715300000815
其中，
Figure BDA00028887715300000816
为平均信干噪比，Pb为最大可容忍误码率，qop即为i-j链路的机会可用概率。
(3)步骤S3
S3：基于贪婪算法对所述频谱共享模型进行求解，得到授权信道的分配方案和频谱共享的分配方案。
频谱共享模型为混合整数规划问题，即业务接入为0-1整数规划，而tp和
Figure BDA0002888771530000091
的分配具有连续性，因此该问题很难获得最优解。该问题的一种解法是通过启发式算法进行求解，由于启发式算法将遍历所有可行的分配组合，当信道和业务的数量较多时，可行分配组合较多，因此算法复杂度较高。
本实施例采用复杂度较低的次优算法进行求解。该问题可以近似转化成背包问题。背包问题可采用贪婪算法进行求解，即将业务根据速率需求从高到低进行排序，每次先选取数据需求高的业务直至达到容量上限。具体分配方案如下所示：
S31：设tp平均分配，则
Figure BDA0002888771530000092
将所有业务Mk和授权信道传输速率
Figure BDA0002888771530000093
带入贪婪算法求得授权信道的分配方案；
S32：将时延容忍业务
Figure BDA0002888771530000094
中剩余的业务和频谱共享传输速率
Figure BDA0002888771530000095
带入贪婪算法求得频谱共享的分配方案。
与现有算法相比，本发明实施例所提频谱共享方法能有效利用机会频谱资源，进一步提高信道利用率。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (2)

1.一种认知容量收集网络中网络切片的频谱共享方法，其特征在于，包括步骤：
S1：基于认知容量收集网络建立频谱共享的机会容量模型；
在所述机会容量模型中，单个信道的机会容量cop＝qop·c，qop为该信道的机会可用概率，c为信道容量；
且
Figure FDA0003663753830000011
其中，fy(y)为授权占用持续时间yi的概率密度函数，E[fy(y)]为fy(y)的期望，
Figure FDA0003663753830000012
为频谱共享的机会可用持续时间空洞ts的概率密度函数，
Figure FDA0003663753830000013
为
Figure FDA0003663753830000014
的期望；
且
Figure FDA0003663753830000015
Figure FDA0003663753830000016
其中，λy为授权占用服从指数分布时指数分布的参数，λ为授权占用到达速率，z为一个求和变量；i＝1,2,...,N,N为授权占用时间数，s＝1,2,...,S，S为机会可用时间空洞数；
S2：基于所述机会容量模型建立所述认知容量收集网络中网络切片的频谱共享模型；
所述频谱共享模型为：
Figure FDA0003663753830000017
Figure FDA0003663753830000018
Figure FDA0003663753830000019
Figure FDA0003663753830000021
Figure FDA0003663753830000022
其中，Mk为第k个切片的业务集合；K为切片集合；
Figure FDA0003663753830000023
为分配给第k个切片中的第m个业务在i-j链路上的速率，业务的最终发收节点是i和j；
Figure FDA0003663753830000024
为第k个切片中的第m个业务是否能够接入；
Figure FDA0003663753830000025
为第k个切片中的第m个业务的收益；tp为第p个无冲突节点集所占用的时间比例，P为无冲突节点集的个数；qk(m)为第k个切片中的第m个业务的速率需求；
Figure FDA0003663753830000026
为第k个切片上第n个授权信道i-j上的容量；
Figure FDA0003663753830000027
为第k个切片上第n个非授权信道i-j上的频谱共享机会容量；Nl为授权信道集合，其中授权信道的个数为NL；Ns为非授权信道即频谱共享信道集合，其中频谱共享信道的个数为NS；Ts为序号为s的无冲突节点集；
Figure FDA0003663753830000028
为第k个切片中时延敏感业务的合集；
Figure FDA0003663753830000029
为第k个切片中时延容忍业务的合集；Uk,m为第k个切片中的第m个业务传输所经过的节点集合；
Figure FDA00036637538300000210
其中，
Figure FDA00036637538300000211
为平均信干噪比，Pb为最大可容忍误码率，B为信道带宽；
Figure FDA00036637538300000212
S3：基于贪婪算法对所述频谱共享模型进行求解，得到授权信道的分配方案和频谱共享的分配方案；
所述步骤S3具体包括步骤：
S31：设tp平均分配，则
Figure FDA00036637538300000213
将所有业务Mk和授权信道传输速率
Figure FDA00036637538300000214
带入贪婪算法求得授权信道的分配方案；
S32：将时延容忍业务
Figure FDA00036637538300000216
中剩余的业务和频谱共享传输速率
Figure FDA00036637538300000215
带入贪婪算法求得频谱共享的分配方案。
2.如权利要求1所述的一种认知容量收集网络中网络切片的频谱共享方法，其特征在于：所述认知容量收集网络包括多个基站、多个认知路由器；多个所述基站用于接入网和核心网的接入；多个所述认知路由器组成Mesh网络以辅助多个所述基站进行数据传输，以及采用多跳传输的方式中继IoT终端的数据，每个所述认知路由器接入授权频段或机会接入非授权频段，所述Mesh网络采用网络切片的方式满足不同业务对象差异化服务的需求。
CN202110021463.6A 2021-01-08 2021-01-08 一种认知容量收集网络中网络切片的频谱共享方法 Active CN112738811B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110021463.6A CN112738811B (zh) 2021-01-08 2021-01-08 一种认知容量收集网络中网络切片的频谱共享方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110021463.6A CN112738811B (zh) 2021-01-08 2021-01-08 一种认知容量收集网络中网络切片的频谱共享方法

Publications (2)

Publication Number Publication Date
CN112738811A CN112738811A (zh) 2021-04-30
CN112738811B true CN112738811B (zh) 2022-06-24

Family

ID=75591207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110021463.6A Active CN112738811B (zh) 2021-01-08 2021-01-08 一种认知容量收集网络中网络切片的频谱共享方法

Country Status (1)

Country Link
CN (1) CN112738811B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118317317A (zh) * 2024-05-27 2024-07-09 南昌大学 一种网络切片资源分配方法、系统、存储介质及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964982A (zh) * 2010-10-22 2011-02-02 哈尔滨工业大学深圳研究生院 一种认知无线电的频谱共享方法及系统
CN103281703A (zh) * 2013-06-18 2013-09-04 重庆邮电大学 一种基于博弈理论的认知无线电网络频谱分配方法
CN107637111A (zh) * 2015-06-01 2018-01-26 华为技术有限公司 用于提供和分配频谱资源的系统和方法
CN111356141A (zh) * 2020-03-06 2020-06-30 深圳清华大学研究院 基于网络切片的运营商间频谱共享的分布式资源分配方法
WO2020154564A1 (en) * 2019-01-25 2020-07-30 Northeastern University Methods for the enforcement of network slicing policies in virtualized cellular networks

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10973027B2 (en) * 2017-03-17 2021-04-06 At&T Intellectual Property I, L.P. Dynamic carrier management and network slicing for internet of things (IoT)
US10681562B1 (en) * 2018-11-29 2020-06-09 Nokia Solutions And Networks Oy Measurement-based wireless communications network design

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101964982A (zh) * 2010-10-22 2011-02-02 哈尔滨工业大学深圳研究生院 一种认知无线电的频谱共享方法及系统
CN103281703A (zh) * 2013-06-18 2013-09-04 重庆邮电大学 一种基于博弈理论的认知无线电网络频谱分配方法
CN107637111A (zh) * 2015-06-01 2018-01-26 华为技术有限公司 用于提供和分配频谱资源的系统和方法
WO2020154564A1 (en) * 2019-01-25 2020-07-30 Northeastern University Methods for the enforcement of network slicing policies in virtualized cellular networks
CN111356141A (zh) * 2020-03-06 2020-06-30 深圳清华大学研究院 基于网络切片的运营商间频谱共享的分布式资源分配方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
"5G通信传输网络的建设策略探析";李志娟;《中国新通信》;20201105;全文 *
"A Service-Oriented Spectrum-Aware RAN-Slicing Trading Scheme Under Spectrum Sharing";Xuanheng Li等;《 IEEE Internet of Things Journal ( Volume: 7, Issue: 11, Nov. 2020)》;20200526;全文 *
"Cognitive Capacity Harvesting Networks: Architectural Evolution Toward Future Cognitive Radio Networks";Haichuan Ding等;《IEEE Communications Surveys & Tutorials ( Volume: 19, Issue: 3, thirdquarter 2017)》;20170302;全文 *
"Spectrum allocation for cognitive radio networks with non-deterministic bandwidth of spectrum hole";Jie Huang等;《China Communications ( Volume: 14, Issue: 3, March 2017)》;20170412;全文 *
"Trading Based Service-Oriented Spectrum-Aware RAN-Slicing Under Spectrum Sharing";Kajia Jiao等;《2020 IEEE Wireless Communications and Networking Conference (WCNC)》;20200619;全文 *
"认知无线电中考虑机会容量的多业务资源分配";黄杰等;《西安电子科技大学学报》;20170928;全文 *
"认知无线电中频谱空洞统计特性分析与分配";黄杰等;《西安电子科技大学学报》;20160929;全文 *

Also Published As

Publication number Publication date
CN112738811A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
Hadded et al. TDMA-based MAC protocols for vehicular ad hoc networks: A survey, qualitative analysis, and open research issues
Nguyen et al. An efficient time slot acquisition on the hybrid TDMA/CSMA multichannel MAC in VANETs
Su et al. Cross-layer based opportunistic MAC protocols for QoS provisionings over cognitive radio wireless networks
Luo et al. A packet scheduling approach to QoS support in multihop wireless networks
CN103052079A (zh) 一种在lte集群通信系统中进行干扰协调的方法及基站
US20070053351A1 (en) Wireless ad-hoc network formation
Wang et al. A throughput-aimed MAC protocol with QoS provision for cognitive ad hoc networks
CN106162654B (zh) 一种基于业务隔离的电力lte网络频率分配及干扰协调方法
CN111787571B (zh) 一种网络用户关联和资源分配的联合优化方法
Nguyen et al. Application of the lowest-ID algorithm in cluster-based TDMA system for VANETs
Torabi et al. Survey of medium access control schemes for inter-vehicle communications
CN102780696B (zh) 一种车载自组织网络的多通道认知mac方法
CN112738811B (zh) 一种认知容量收集网络中网络切片的频谱共享方法
Dai et al. Adaptive resource allocation for LTE/WiFi coexistence in the unlicensed spectrum
Shahin et al. Scalable TDMA cluster-based MAC (STCM) for multichannel vehicular networks
Nasrallah et al. Distributed time synchronization mechanism for large-scale vehicular networks
Yang et al. Performance analysis of multi-channel MAC with single transceiver for the next generation WLAN
Deng et al. Distributed resource allocation based on timeslot reservation in high-density VANETs
Fuqiang et al. Heterogeneous vehicular communication architecture and key technologies
Torabi et al. A bandwidth-efficient and fair CSMA/TDMA based multichannel MAC scheme for V2V communications
Reggiani et al. Small LTE base stations deployment in vehicle-to-road-infrastructure communications
Jayaweera et al. Co-Existence of ITS-G5 and C-V2X at an Urban Road Intersection
Rabbani et al. A new resource distribution model for improved QoS in an integrated WiMAX/WiFi architecture
Gbenga-Ilori et al. Markovian queueing model for throughput maximization in D2D-enabled cellular networks
Khorov et al. Modelling deterministic channel access in millimetre wave Wi-Fi

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
CB03 Change of inventor or designer information

Inventor after: Yang Fan

Inventor after: Huang Jie

Inventor after: Li Jiaojun

Inventor after: Zuo Xun

Inventor after: Qiu Tian

Inventor before: Yang Fan

Inventor before: Huang Jie

Inventor before: Li Jiaojun

Inventor before: Zuo Xun

Inventor before: Qiu Tian

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant