CN112803984A - 一种空天地一体化通信网络中卫星间切换的方法 - Google Patents

一种空天地一体化通信网络中卫星间切换的方法 Download PDF

Info

Publication number
CN112803984A
CN112803984A CN202011602228.XA CN202011602228A CN112803984A CN 112803984 A CN112803984 A CN 112803984A CN 202011602228 A CN202011602228 A CN 202011602228A CN 112803984 A CN112803984 A CN 112803984A
Authority
CN
China
Prior art keywords
communication network
index
weight
switching
value
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
CN202011602228.XA
Other languages
English (en)
Other versions
CN112803984B (zh
Inventor
王玉亭
马乐
曲倩
袁平亮
詹文浩
包正睿
杨蓉
许剑
郝爱山
纪强
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.)
Information and Telecommunication Branch of State Grid Gansu Electric Power Co Ltd
Beijing Zhongdian Feihua Communication Co Ltd
Original Assignee
Information and Telecommunication Branch of State Grid Gansu Electric Power Co Ltd
Beijing Zhongdian Feihua Communication Co Ltd
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 Information and Telecommunication Branch of State Grid Gansu Electric Power Co Ltd, Beijing Zhongdian Feihua Communication Co Ltd filed Critical Information and Telecommunication Branch of State Grid Gansu Electric Power Co Ltd
Priority to CN202011602228.XA priority Critical patent/CN112803984B/zh
Publication of CN112803984A publication Critical patent/CN112803984A/zh
Application granted granted Critical
Publication of CN112803984B publication Critical patent/CN112803984B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B7/00Radio transmission systems, i.e. using radiation field
    • H04B7/14Relay systems
    • H04B7/15Active relay systems
    • H04B7/185Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851Systems using a satellite or space-based relay
    • H04B7/18519Operations control, administration or maintenance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computing arrangements based on specific mathematical models
    • G06N7/02Computing arrangements based on specific mathematical models using fuzzy logic
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Fuzzy Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Algebra (AREA)
  • Signal Processing (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Radio Relay Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种空天地一体化通信网络中卫星间切换的方法,属于通信技术领域,目的是提高空天地一体化通信网络的性能,其技术方案是,所述方法包括以下步骤:①确定指标体系;②确定卫星切换模糊判断矩阵;③确定各层指标的权重;④按照各指标权重对切换卫星进行排序;⑤选择排名靠前的卫星进行切换。本发明采用三角模糊函数与多目标决策方法相结合的方法来完成卫星间切换的决策,可保证各个指标权重设定的客观性及准确性,从而提高了空天地一体化通信网络的性能。

Description

一种空天地一体化通信网络中卫星间切换的方法
技术领域
本发明涉及一种用于空天地一体化通信网络中卫星间切换的方法,属于通信技术领域。
背景技术
空天一体化通信网络通过使用多种信息通信技术,充分发挥空、天、地信息通信技术的各自优势,可以实现空、天、地一体化网络的综合处理及利用,为各种用户提供可靠的信息传输服务。
空天地一体化通信网络中,为了为用户提供无时无刻、无处不在的通信服务,接入和切换技术是一体化网络运行的关键。由于空、天环境相对于地面环境,其变化性更大,其链路损耗、时延及动态性相对地面环境更大。卫星网络的接入及切换技术对空天地一体化通信网络的性能影响巨大。
卫星切换主要包括切换信息的采集、切换算法及切换执行三个步骤。其中切换算法是切换过程中最重要的步骤。现有的卫星切换算法主要有三种:单一目标决策方法、多属性决策方法和基于其他数学模型的方法。单一目标决策方法相对简单、易于实现。但是,在负载卫星环境下,该方法可能会出现卫星间的频繁切换,造成时延增大。多属性决策针对多目标决策进行切换;基于其他数学模型的方法可以采用基于代价函数、基于马尔科夫链的方法、模糊逻辑策略等手段。多属性决策方法和基于其他数学模型方法的性能相对于单目标决策方法虽有较大提升,但仍有各自的局限性,不能保证通信网络的性能,因此有必要加以改进。
发明内容
本发明的目的在于针对现有技术之弊端,提供一种空天地一体化通信网络中卫星间切换的方法,以提高空天地一体化通信网络的性能。
本发明所述问题是以下述技术方案解决的:
一种空天地一体化通信网络中卫星间切换的方法,所述方法包括以下步骤:
①确定指标体系
卫星间切换的构成要素包括接入链路性能因素和QoS因素,其中,接入链路性能因素包括:带宽、误码率、链路距离;QoS因素包括:路由时延、时延抖动、网络负载;
②确定卫星切换模糊判断矩阵
假设某层的指标数为n,通过专家对指标进行两两对比,可以得到一个表示各个指标之间重要度关系的n×n阶的模糊判断矩阵:
A=(aij)n×n,(i=1,2,...,n;j=1,2...,n)
Figure BDA0002869099200000025
其中,aij表示三角模糊数,表示专家对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,其中lij是取值的下限,uij是取值的上限,mij是可能性最大的取值,其中i=1,2,…,n,j=1,2,…,n;n为指标的数量。
通常情况下利用该方法是确定指标的重要程度,但是这里的模糊数是指在风险某个属性下的相对打分情况,但是这里我们仍然称为权重。
其中风险有几个属性,应用该方法,最后就会得到几个权重向量;
为了保持评价的公平、客观性,同时邀请N位专家进行评估打分,将所有专家的评估打分情况进行汇总,得到综合三角模糊函数:
Figure BDA0002869099200000021
由综合三角模糊函数确定aij,其中
Figure BDA0002869099200000022
为第一位专家针对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,
Figure BDA0002869099200000023
为第N位专家针对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,其中lij是取值的下限,uij是取值的上限,mij是可能性最大的取值;
③确定各层指标的权重
计算卫星切换过程中每个指标的综合模糊值Si
Figure BDA0002869099200000024
计算各个综合模糊度值之间的可能的取值:
假设Si=(li,ui,mi),(i=1,2,...,n),Sj=(lj,uj,mj),(j=1,2...,n),则Si≥Sj(i=1,2,...,n)的可能性为V可以由下式得出:
Figure BDA0002869099200000031
确定卫星切换过程中每个指标的绝对权重值w′i(i=1,2,...,n):
w′i的取值由下面的公式确定:
w′i=min(V),i=1,2,...,n
对各个指标的绝对权重值进行归一化处理得到各个评价指标的权重:
Figure BDA0002869099200000032
④按照各指标权重对切换卫星进行排序;
⑤选择排名靠前的卫星进行切换。
上述空天地一体化通信网络中卫星间切换的方法,为了保证各个指标权重的设定的客观性及准确性,在切换算法中引入反馈机制动态调整各个参数的权重大小,使实际状态下的通信网络性能参数达到最优。
上述空天地一体化通信网络中卫星间切换的方法,动态调整各个参数的权重大小的具体方法如下:
在切换算法中,计算理想情况下的通信网络性能参数及实际状态下的通信网络性能参数值的差值,通过引入粒子群算法对权重指标进行优化,粒子群算法中粒子i表示权重指标向量wi,优化的目标是使实际状态下的通信网络性能参数值更接近理想情况下的通信网络性能参数,粒子群算法的适应度函数为:
Figure BDA0002869099200000033
式中:f(wi)为卫星间切换过程中参数权重为wi状态下得到的通信网络实际状态下的性能参数,其中,参数的个数是k个,f*(i)为通信网络性能参数的理想值,wi为调整权重反馈前指标i的权重值。
上述空天地一体化通信网络中卫星间切换的方法,各个参数的权重指标的动态调整在空天地一体化通信网络运行前进行设置,或者每隔固定时间运行一次。
上述空天地一体化通信网络中卫星间切换的方法,确定指标体系时,卫星间切换的构成要素还包括其他需要考虑的因素,所述其他需要考虑的因素包括安全性、抗毁性和优先级。
有益效果
本发明采用三角模糊函数与多目标决策方法相结合的方法来完成卫星间切换的决策,可保证各个指标权重设定的客观性及准确性,从而提高了空天地一体化通信网络的性能。
附图说明
下面结合附图对本发明作进一步详述。
图1是本发明空天地一体化通信网络中卫星间切换的流程。
文中各符号分别表示为:其中,aij表示三角模糊数,表示专家对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,其中lij是取值的下限,uij是取值的上限,mij是可能性最大的取值,其中i=1,2,…,n,j=1,2,…,n,n为指标的数量,
Figure BDA0002869099200000041
为第一位专家针对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,
Figure BDA0002869099200000042
为第N位专家针对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,l和u分别是模糊判断区间的下界和上界,Si为卫星切换过程中每个指标的综合模糊值,w′i是指标的绝对权重值,C(i)是粒子群算法的适应度函数,f(wi)为卫星间切换过程中参数权重为wi状态下得到的通信网络实际状态下的性能参数,f*(i)为通信网络性能参数的理想值,wi为调整权重反馈前指标i的权重值。
具体实施方式
本发明提供了一种用于空天地一体化通信网络中卫星间切换的方法,该方法采用三角模糊函数与多目标决策方法相结合的方法来完成卫星间切换的决策,通过这种机制改善空天地一体化通信网络的性能。
参看图1,本发明空天地一体化通信网络中卫星间切换的方法包括以下步骤:
①确定指标体系
卫星间切换的构成要素分为3个部分:接入链路性能因素、QoS因素和其他需要考虑的因素。接入链路性能因素主要包括:带宽、误码率、链路距离等。QoS因素主要包括:路由时延、时延抖动、网络负载等。其他需要考虑的因素主要考虑安全性、抗毁性、优先级等。
②确定卫星切换模糊判断矩阵
层次分析法(Analytic Hierarchy Process,简称AHP)是一种常见的指标权重确定方法,但是AHP方法在指标较多时,由于专家的主观性存在,可能会导致专家在指标对比时出现一定的不确定性,本发明将三角模糊函数与AHP融合,通过建立模糊判断矩阵,确定切换体系中各个层次指标的权重。
建立模糊判断矩阵
通过专家对各层多个指标进行两两对比,得到各个指标之间重要度关系。通过引入三角模糊数,建立模糊判断矩阵。
假设某层的指标数为n,则指标两两对比,便会建立一个n×n阶矩阵:
A=(aij)n×n,(i=1,2,...,n;j=1,2...,n) (1)
Figure BDA0002869099200000055
其中,aij表示三角模糊数,表示专家对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,其中lij是取值的下限,uij是取值的上限,mij是可能性最大的取值,其中i=1,2,…,n,j=1,2,…,n,n为指标的数量;
为了保持评价的公平、客观性,同时邀请N位专家进行评估打分,将所有专家的评估打分情况进行汇总后,可以得出综合三角模糊函数
Figure BDA0002869099200000051
其中
Figure BDA0002869099200000052
为第一位专家针对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,
Figure BDA0002869099200000053
为第N位专家针对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果。l和u分别是模糊判断区间的下界和上界,u-l越大说明判断越模糊,u-l越小说明判断越精确。当l=m=u时,判断是明确的。
Figure BDA0002869099200000054
③确定各层指标的权重
计算卫星切换过程中每个指标的综合模糊值:
Figure BDA0002869099200000061
计算各个综合模糊度值之间的可能的取值,假设Si=(li,ui,mi),(i=1,2,...,n),Sj=(lj,uj,mj),(j=1,2...,n),则Si≥Sj的可能性取值V可以由下式得出:
Figure BDA0002869099200000062
根据Si≥Sj(i=1,2,...,n)的可能性取值,确定卫星切换过程中每个指标的绝对权重值wi(i=1,2,...,n)。w′i的取值由下面的公式确定wi=min(V),i=1,2,...,n。
对各个指标的绝对权重值进行归一化处理得到各个评价指标的权重。
Figure BDA0002869099200000063
4.指标权重的优化调整
以上通过三角函数及层次分析法设定的各个权重的指标权重是固定的,为了保证各个指标权重的设定的客观性及准确性,本发明在切换算法中引入了反馈机制,通过该机制动态调整各个参数的权重大小,避免出现由于参数权重设置的问题影响空天地一体化通信网络的性能。
在切换算法中,通过计算理想情况下的通信网络性能参数及实际状态下的通信网络性能参数值的差值,通过引入粒子群算法对权重指标进行优化,使实际状态下的通信网络性能参数达到最优。
由于卫星间切换算法中设计的参数指标众多,指标之间又互有关联,对卫星间切换的影响较复杂又没有规律,很难建立起通信网络性能与各个指标间的关系模型。粒子群算法可以很好地避开这一问题,通过粒子在当前运动空间内搜索最优解,从而对各个指标的权重进行反馈设置,达到动态调整各个指标权重的目的,提高一体化通信网络的性能。
粒子群算法中每个粒子在搜索空间中单独的搜寻最优解,将其记为当前个体极值,并将个体极值与整个粒子群里的其他粒子共享,找到最优的那个个体极值作为整个粒子群的当前全局最优解,粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。在卫星间切换算法中,粒子群算法中粒子i表示权重指标向量wi,优化的目标是使实际状态下的通信网络性能参数值更接近理想情况下的通信网络性能参数,粒子群算法的适应度函数为:
Figure BDA0002869099200000071
式中:f(wi)为卫星间切换过程中参数权重为wi状态下得到的通信网络实际状态下的性能参数,其中,参数的个数是k个,f*(i)为通信网络性能参数的理想值,wi为调整权重反馈前指标i的权重值。
指标权重的优化调整虽然可以实时自适应调整指标权重,提高通信网络的传输性能,但是,指标权重的优化调整过程相对复杂,执行过程较长,在实际状态下的空天地一体化通信网络中,可能会造成业务时延增大的弊端,故而,指标权重的优化调整过程可以放在空天地一体化通信网络运行前进行设置,或者,每隔固定时间运行一次,优化指标权重,既可以保证业务的时延要求,又可以提高空天地一体化通信网络的性能。

Claims (5)

1.一种空天地一体化通信网络中卫星间切换的方法,其特征是,所述方法包括以下步骤:
①确定指标体系
卫星间切换的构成要素包括接入链路性能因素和QoS因素,其中,接入链路性能因素包括:带宽、误码率、链路距离;QoS因素包括:路由时延、时延抖动、网络负载;
②确定卫星切换模糊判断矩阵
假设某层的指标数为n,通过专家对指标进行两两对比,可以得到一个表示各个指标之间重要度关系的n×n阶的模糊判断矩阵:
A=(aij)n×n,(i=1,2,...,n;j=1,2...,n)
aij=[lij,mij,uij](lij≤mij≤uij),
Figure FDA0002869099190000014
(i=1,2,...,n;j=1,2...,n)
其中,aij表示三角模糊数,表示专家对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,其中lij是取值的下限,uij是取值的上限,mij是可能性最大的取值,其中i=1,2,…,n,j=1,2,…,n,n为指标的数量;
让N位专家进行评估打分,将所有专家的评估打分情况进行汇总,得到综合三角模糊函数:
Figure FDA0002869099190000011
由综合三角模糊函数确定aij,其中
Figure FDA0002869099190000012
为第一位专家针对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,
Figure FDA0002869099190000013
为第N位专家针对i,j(i=1,2,...,n;j=1,2...,n)两个指标进行的比较打分结果,l和u分别是模糊判断区间的下界和上界;
③确定各层指标的权重
计算卫星切换过程中每个指标的综合模糊值Si
Figure FDA0002869099190000021
计算各个综合模糊度值之间的可能的取值:
假设Si=(li,ui,mi),(i=1,2,...,n),Sj=(lj,uj,mj),(j=1,2...,n),则Si≥Sj的可能性为V可以由下式得出:
Figure FDA0002869099190000022
确定卫星切换过程中每个指标的绝对权重值wi(i=1,2,...,n):
wi的取值由下面的公式确定:
wi=min(V),i=1,2,...,n
对各个指标的绝对权重值进行归一化处理得到各个评价指标的权重wi':
Figure FDA0002869099190000023
④按照各指标权重w'i对切换卫星进行排序;
⑤选择排名靠前的卫星进行切换。
2.根据权利要求1所述的空天地一体化通信网络中卫星间切换的方法,其特征是,为了保证各个指标权重的设定的客观性及准确性,在切换算法中引入反馈机制动态调整各个参数的权重大小,使实际状态下的通信网络性能参数达到最优。
3.根据权利要求2所述的空天地一体化通信网络中卫星间切换的方法,其特征是,动态调整各个参数的权重大小的具体方法如下:
在切换算法中,计算理想情况下的通信网络性能参数及实际状态下的通信网络性能参数值的差值,通过引入粒子群算法对权重指标进行优化,粒子群算法中粒子i表示权重指标向量wi,优化的目标是使实际状态下的通信网络性能参数值更接近理想情况下的通信网络性能参数,粒子群算法的适应度函数为:
Figure FDA0002869099190000024
式中:f(wi)为卫星间切换过程中参数权重为wi状态下得到的通信网络实际状态下的性能参数,其中,参数的个数是k个,f*(i)为通信网络性能参数的理想值,wi为调整权重反馈前指标i的权重值。
4.根据权利要求3所述的空天地一体化通信网络中卫星间切换的方法,其特征是,各个参数的权重指标的动态调整在空天地一体化通信网络运行前进行设置,或者每隔固定时间运行一次。
5.根据权利要求1-4中任意一项所述的空天地一体化通信网络中卫星间切换的方法,其特征是,确定指标体系时,卫星间切换的构成要素还包括其他需要考虑的因素,所述其他需要考虑的因素包括安全性、抗毁性和优先级。
CN202011602228.XA 2020-12-29 2020-12-29 一种空天地一体化通信网络中卫星间切换的方法 Active CN112803984B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011602228.XA CN112803984B (zh) 2020-12-29 2020-12-29 一种空天地一体化通信网络中卫星间切换的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011602228.XA CN112803984B (zh) 2020-12-29 2020-12-29 一种空天地一体化通信网络中卫星间切换的方法

Publications (2)

Publication Number Publication Date
CN112803984A true CN112803984A (zh) 2021-05-14
CN112803984B CN112803984B (zh) 2023-05-19

Family

ID=75805743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011602228.XA Active CN112803984B (zh) 2020-12-29 2020-12-29 一种空天地一体化通信网络中卫星间切换的方法

Country Status (1)

Country Link
CN (1) CN112803984B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113890592A (zh) * 2021-10-27 2022-01-04 广州爱浦路网络技术有限公司 通信卫星切换方法、天地一体化信息网络、装置和介质
CN117240727A (zh) * 2023-11-10 2023-12-15 北京中电飞华通信有限公司 通信网络切换方法及相关设备
CN117909200A (zh) * 2024-03-19 2024-04-19 中国电子科技集团公司第十研究所 一种信息保障体系能力增量对比评估方法、设备及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102917441A (zh) * 2012-09-29 2013-02-06 北京邮电大学 基于粒子群算法的多模终端选择目标网络的方法
CN104837184A (zh) * 2015-05-03 2015-08-12 南京邮电大学 一种基于区间三角模糊数的异构无线网络选择方法
US20160135241A1 (en) * 2014-11-10 2016-05-12 Qualcomm Incorporated Connectivity module for internet of things (iot) devices
CN105956782A (zh) * 2016-05-12 2016-09-21 国网甘肃省电力公司电力科学研究院 电网设备购置决策评估方法
CN108923982A (zh) * 2018-07-13 2018-11-30 国网四川省电力公司技能培训中心 一种新能源微网异构网络切换方法
CN109683558A (zh) * 2018-08-30 2019-04-26 广西民族大学 基于粒子群优化的生产过程系统多目标优化模型控制方法
CN110703787A (zh) * 2019-10-09 2020-01-17 南京航空航天大学 基于偏好矩阵的混合多目标pso算法的飞行器冗余控制方法
CN110996366A (zh) * 2019-12-13 2020-04-10 哈尔滨工业大学 一种异构专用网络垂直切换中权重确定方法
CN111105153A (zh) * 2019-12-13 2020-05-05 西安交通大学 基于ahp-熵权法的卫星健康状态多级模糊评价方法
CN111222665A (zh) * 2018-11-26 2020-06-02 沈阳高精数控智能技术股份有限公司 基于偏好nsga-ⅲ算法的云制造服务组合优化选择方法
CN111884703A (zh) * 2020-06-19 2020-11-03 中国电子科技集团公司第五十四研究所 一种基于通信卫星间协同计算的业务请求分配方法
EP3739356A1 (en) * 2019-05-12 2020-11-18 Origin Wireless, Inc. Method, apparatus, and system for wireless tracking, scanning and monitoring

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102917441A (zh) * 2012-09-29 2013-02-06 北京邮电大学 基于粒子群算法的多模终端选择目标网络的方法
US20160135241A1 (en) * 2014-11-10 2016-05-12 Qualcomm Incorporated Connectivity module for internet of things (iot) devices
CN104837184A (zh) * 2015-05-03 2015-08-12 南京邮电大学 一种基于区间三角模糊数的异构无线网络选择方法
CN105956782A (zh) * 2016-05-12 2016-09-21 国网甘肃省电力公司电力科学研究院 电网设备购置决策评估方法
CN108923982A (zh) * 2018-07-13 2018-11-30 国网四川省电力公司技能培训中心 一种新能源微网异构网络切换方法
CN109683558A (zh) * 2018-08-30 2019-04-26 广西民族大学 基于粒子群优化的生产过程系统多目标优化模型控制方法
CN111222665A (zh) * 2018-11-26 2020-06-02 沈阳高精数控智能技术股份有限公司 基于偏好nsga-ⅲ算法的云制造服务组合优化选择方法
EP3739356A1 (en) * 2019-05-12 2020-11-18 Origin Wireless, Inc. Method, apparatus, and system for wireless tracking, scanning and monitoring
CN110703787A (zh) * 2019-10-09 2020-01-17 南京航空航天大学 基于偏好矩阵的混合多目标pso算法的飞行器冗余控制方法
CN110996366A (zh) * 2019-12-13 2020-04-10 哈尔滨工业大学 一种异构专用网络垂直切换中权重确定方法
CN111105153A (zh) * 2019-12-13 2020-05-05 西安交通大学 基于ahp-熵权法的卫星健康状态多级模糊评价方法
CN111884703A (zh) * 2020-06-19 2020-11-03 中国电子科技集团公司第五十四研究所 一种基于通信卫星间协同计算的业务请求分配方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FERNANDO PÉREZ-RODRÍGUEZ: "The triangle assessment method: A new procedure for eliciting expert judgement", 《EXPERT SYSTEMS WITH APPLICATIONS》 *
肖杰: "基于多属性决策的异构无线网络选择算法", 《中国优秀硕士学位论文全文数据库-信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113890592A (zh) * 2021-10-27 2022-01-04 广州爱浦路网络技术有限公司 通信卫星切换方法、天地一体化信息网络、装置和介质
CN113890592B (zh) * 2021-10-27 2022-05-24 广州爱浦路网络技术有限公司 通信卫星切换方法、天地一体化信息网络系统、装置和介质
CN117240727A (zh) * 2023-11-10 2023-12-15 北京中电飞华通信有限公司 通信网络切换方法及相关设备
CN117240727B (zh) * 2023-11-10 2024-02-09 北京中电飞华通信有限公司 通信网络切换方法及相关设备
CN117909200A (zh) * 2024-03-19 2024-04-19 中国电子科技集团公司第十研究所 一种信息保障体系能力增量对比评估方法、设备及系统
CN117909200B (zh) * 2024-03-19 2024-06-11 中国电子科技集团公司第十研究所 一种信息保障体系能力增量对比评估方法、设备及系统

Also Published As

Publication number Publication date
CN112803984B (zh) 2023-05-19

Similar Documents

Publication Publication Date Title
CN112803984A (zh) 一种空天地一体化通信网络中卫星间切换的方法
CN108235390B (zh) 一种异构无线网络中基于贝叶斯决策的垂直切换方法
CN112040510B (zh) 基于QoS约束和负载均衡的卫星网络接入选择方法
CN107484209B (zh) 一种考虑用户QoS的网络负载均衡垂直切换方法
CN112788605B (zh) 基于双延迟深度确定性策略边缘计算资源调度方法和系统
CN114553661B (zh) 一种面向无线联邦学习的移动用户设备分簇训练方法
CN111813858B (zh) 基于计算节点自组织分组的分布式神经网络混合同步训练方法
CN115374853A (zh) 基于T-Step聚合算法的异步联邦学习方法及系统
CN114625506A (zh) 一种基于自适应协方差矩阵进化策略的边缘云协同任务卸载方法
CN113691594A (zh) 一种基于二阶导数解决联邦学习中数据不平衡问题的方法
CN109284662B (zh) 一种基于迁移学习的水下声音信号分类方法
CN112766603A (zh) 一种交通流量预测方法、系统、计算机设备及存储介质
CN116050540A (zh) 一种基于联合双维度用户调度的自适应联邦边缘学习方法
CN111817971A (zh) 一种基于深度学习的数据中心网络流量拼接方法
CN113472402B (zh) 一种mimo智能反射面传输系统中的参数调整方法
CN112804702B (zh) 基于效用函数的多链路空地数据交换链路性能评估方法
CN113076663A (zh) 一种动态混合精度模型构建方法及系统
CN113890633B (zh) 一种基于深度神经网络的水声通信体制自适应选取方法
CN114337881B (zh) 基于多无人机分布式与lms的无线频谱智能感知方法
CN115796680A (zh) 一种大规模星座效能评估方法
CN115345320A (zh) 一种在分层联邦学习框架下实现个性化模型的方法
CN114449536A (zh) 一种基于深度强化学习的5g超密集网络多用户接入选择方法
CN113033653A (zh) 一种边-云协同的深度神经网络模型训练方法
Quan et al. Dynamic service selection based on user feedback in the IoT environment
CN111654855A (zh) 基于ahp的水下无线传感器网络中的信任更新方法

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