CN113543210B - 一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质 - Google Patents

一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质 Download PDF

Info

Publication number
CN113543210B
CN113543210B CN202110718079.1A CN202110718079A CN113543210B CN 113543210 B CN113543210 B CN 113543210B CN 202110718079 A CN202110718079 A CN 202110718079A CN 113543210 B CN113543210 B CN 113543210B
Authority
CN
China
Prior art keywords
tsn
service
mapping
state
resource
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
CN202110718079.1A
Other languages
English (en)
Other versions
CN113543210A (zh
Inventor
王健全
孙雷
张超一
马彰超
李卫
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.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
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 University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202110718079.1A priority Critical patent/CN113543210B/zh
Publication of CN113543210A publication Critical patent/CN113543210A/zh
Application granted granted Critical
Publication of CN113543210B publication Critical patent/CN113543210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/0252Traffic management, e.g. flow control or congestion control per individual bearer or channel
    • H04W28/0263Traffic management, e.g. flow control or congestion control per individual bearer or channel involving mapping traffic to individual bearers or channels, e.g. traffic flow template [TFT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/11Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/16Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W28/00Network traffic management; Network resource management
    • H04W28/02Traffic management, e.g. flow control or congestion control
    • H04W28/0268Traffic management, e.g. flow control or congestion control using specific QoS parameters for wireless networks, e.g. QoS class identifier [QCI] or guaranteed bit rate [GBR]
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W72/00Local resource management
    • H04W72/50Allocation or scheduling criteria for wireless resources
    • H04W72/56Allocation or scheduling criteria for wireless resources based on priority criteria
    • H04W72/566Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient
    • H04W72/569Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient of the traffic information

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请提供了一种5G‑TSN跨域QoS与资源映射方法、设备和计算机可读存储介质。该方法根据业务流、数据包的到达率、服务率,建立基于Markov的5G‑TSN资源映射转换关系模型,以及相应的转移概率矩阵性约束条件,构建5G‑TSN系统状态转换平衡方程,并在所述平衡方程的框架内完成5G‑TSN系统业务流QoS资源映射的网络操作状态转换过程。本发明针对5G与TSN在物理层资源特征差异性,研究承载业务关联数据报文所需的TSN时隙与5G资源块之间的关联关系,实现异构网络不同QoS业务特征的双向映射,便于快速数据转换及调度。

Description

一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储 介质
技术领域
本申请涉及5G与工业互联网协同融合技术领域,具体涉及一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质。
背景技术
适用于LTE系统的分布式虚拟资源块映射到物理资源块的DSP实现方案包括:编号步骤,对当前系统带宽的物理资源块进行编号,并对相同数目的虚拟资源块进行相应编号,其中,物理资源块和虚拟资源块的数目为NPRB;矩阵生成步骤,生成ceil(N/Nd)×Nd维的第一矩阵,Nd为一个DVRB被映射到的PRB的个数;矩阵映射步骤,按照预定方式从第一矩阵中读出元素,并将读出元素写入ceil(N/Nd)×Nd维的第二矩阵,其中,在存在补充元素的情况下,不对补充元素进行读出和写入操作;资源块映射步骤,根据第一矩阵和第二矩阵的映射关系将虚拟资源块映射到相应的物理资源块。
但是在5G系统下,与TSN网络做融合时,该方法只能作为参考与借鉴,真正现实时存在以下一些缺点,比如如何消除终端对于接收到5G时钟和TSN时钟的两种独立时钟的不确定性;如何消除由于业务格式和免调度资源不匹配的资源浪费问题;如何消除由于基本事件粒度不同形成误差累积,导致业务发送时间和免调度资源不匹配。
TSN兼容以太网帧格式及IP数据报文格式,而5G网络结合无线信道特性具有特殊的物理层结构、MAC协议及网络层路由机制,5G与TSN在管控模式、资源结构、数据格式的差异性是端到端确定性低时延传输面临的主要难题。
发明内容
根据本公开的实施例,提供一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质,能够利用最小系统资源的方式来实现资源块的映射。
在本公开的第一方面,提供了一种5G-TSN跨域QoS与资源映射方法,该方法包括如下步骤:
步骤1、根据业务实时性需求,对TSN网络的业务资源块进行编号;
步骤2、生成网络操作空间状态集,网关节点获取TSN业务流的QoS特征,构成具有状态转移关系的网络操作空间;
步骤3、根据业务流、数据包的到达率、服务率,建立基于Markov的5G-TSN资源映射转换关系模型,以及相应的转移概率矩阵性约束条件;
步骤4、构建5G-TSN系统状态转换平衡方程,并在所述平衡方程的框架内完成5G-TSN系统业务流QoS资源映射的网络操作状态转换过程。
进一步的,所述建立基于Markov的5G-TSN资源映射转换关系模型,具体包括:
设有N路TSN业务流,K个5G系统映射流,并且当前存在i个TSN业务流和j个5G系统映射流处于工作状态,则二维离散Markov状态空间S可表示为:
S={(i,j)|i=1,2,…,N,j=1,2,…,K}
设TSN业务流和5G系统映射流的数据到达和接收服从泊松分布,分别为λ1和λ2,数据服务率为μ和μ';
基于Markov的5G-TSN资源映射转换表示为:
φ=(S,Q,P)
其中,S为状态空间,Q为转移概率矩阵,P为系统稳态时的分布向量。
进一步的,所述转移概率矩阵采用如下公式计算:
Figure BDA0003135777910000031
其中,矩阵元素
Figure BDA0003135777910000032
表示业务流的状态从(a,b)转移到状态(c,d)的概率。
进一步的,所述构建5G-TSN系统状态转换平衡方程,具体包括:
由Markov理论中的概率转移过程,Δt时间内的n个TSN业务流发生资源映射的概率为:
Figure BDA0003135777910000033
Δt即系统资源映射的驻留时间,该驻留时间与TSN业务流的到达率λ1有关,Δt=1/λ1
在整个映射过程中,状态从(i,j)到(i-n,j+1)转移的概率为:
Figure BDA0003135777910000034
5G-TSN系统状态转换平衡方程:
Figure BDA0003135777910000035
Figure BDA0003135777910000041
进一步的,所述转移概率矩阵性约束条件如下:
PTQ=0,PT·1=1
在一个循环周期内,只有当TSN业务流状态发生变化时才能转移到下一状态。
进一步的,该方法还包括:
步骤5、根据5G映射流数目判断当前5G的可用资源情况决定是否允许新的TSN业务流接入传输;
或根据TSN业务流的优先级改变TSN业务流的传输状态,终止低优先级TSN业务流传输,将相应5G资源映射给高优先级TSN业务。
在本公开的第二方面,提供了一种电子设备。该电子设备包括:存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如以上所述的方法。
在本公开的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如根据本公开的第一方面和/或第二发面的方法。
应当理解,发明内容部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征,亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标记表示相同或相似的元素,其中:
图1为5G-TSN资源与网络模型组成结构示意图;
图2为单次网络操作状态转移示意图;
图3为5G-TSN业务流QoS资源转换示意图;
图4为5G-TSN跨域资源块映射流程示意图;
图5示出了能够实施本公开的实施例的示例性电子设备的方框图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例,都属于本公开保护的范围。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
本公开中,针对5G与TSN在物理层资源特征差异性,研究承载业务关联数据报文所需的TSN时隙与5G资源块之间的关联关系,实现异构网络不同QoS业务特征的双向映射,便于快速数据转换及调度。
本申请的技术方案研究强实时工业控制业务、实时工业控制业务、大带宽工业业务特征,建立典型业务数据流的周期性及突发性关键特征模型。分析5G与TSN在资源维度、资源承载能力方面的差异性,5G-TSN资源与网络模型组成结构示意图如图1所示。
本申请旨在研究不同业务服务质量QoS在TSN网关与5G桥接过程中的资源块映射问题。为了满足实时性和确定性业务需求,5G系统作为TSN网络的一个透明传输的网桥,整个5G系统被视为一个时间感知系统。所以在图1中的5G系统边缘的TSN转换器上,需要实现TSN以太网帧格式,向5G网络无线资源块上过渡,实现5G-TSN网络的QoS与资源块映射方法。本发明旨在提供一种适用于5G-TSN资源块映射方法,能够利用最小系统资源的方式来实现资源块的映射。
图2为单次网络操作状态转移示意图。网络操作状态分为两种:工作状态(W)和空闲状态(D)。由于该系统符合离散时间马氏特性,时间是一个无记忆的分布函数,网络操作状态转移过程可以表示为:
P{Xn+Δt=D|Xn=Wn}=P{Ti<Δt}=1-exp(-qΔt) (1)
Δt是网络操作处于某个状态的停留时间,q是转移概率,由这些转移概率构成的矩阵就是转移概率矩阵,如下所示:
Figure BDA0003135777910000061
其中,i=1,2,…,n; (2)
假设TSN业务流的QoS映射是一个双向随机过程,即业务通过5G-TSN系统的上下行通信是随机的,TSN网关与5G桥接过程中的资源块网络操作状态也是随机的,所以这样一个过程即可用Markov理论来建立数据过渡与资源映射这样的随机过程。
根据图1的转换关系图,设有N路TSN业务流,K个5G系统映射流,并且当前存在i个TSN业务流和j个5G系统映射流处于工作状态,则二维离散Markov状态空间S可表示为:
S={(i,j)|i=1,2,…,N,j=1,2,…,K} (3)
设TSN业务流和5G系统映射流的数据到达和接收服从泊松分布,分别为λ1和λ2,数据服务率为μ和μ'。这里,λ1、λ2、μ和μ'的量纲为每秒到达或发出的业务包(小包数量)。由此,基于Markov的5G-TSN资源映射转换可表示为:
φ=(S,Q,P) (4)
其中S为状态空间,Q为转移概率矩阵,
Figure BDA0003135777910000071
矩阵元素
Figure BDA0003135777910000072
表示业务流的状态从(a,b)转移到状态(c,d)的概率,P为系统稳态时的分布向量,图3为5G-TSN业务流QoS资源转换示意图;
首先在TSN域按照业务优先级的划分,形成以一定服务速率μ的QoS/业务类(颜色区分),系统对于相同颜色的业务类提供一致的网络操作,这一过程可用有限状态机描述,图中的颜色资源块隐藏了节点状态及状态间的转移关系,只有业务流之间的QoS特征可以进行操作。
由式(2)的转移概率矩阵性质可知:
PTQ=0,PT·1=1 (5)
式(5)为约束条件。系统在一个循环周期内,只有当TSN业务流状态发生变化时才能转移到下一状态,当有多个TSN业务流同时到达时,则产生阻塞问题,阻塞发生时,系统同样发生状态变化。
基于上述过程的描述,现在考虑5G-TSN系统状态转换的平衡方程。由Markov理论中的概率转移过程,Δt时间内的n个TSN业务流发生资源映射的概率为:
Figure BDA0003135777910000081
并且,Δt即系统资源映射的驻留时间与TSN业务流的到达率λ1有关,Δt=1/λ1,所以,整个映射过程系统的状态从(i,j)到(i-n,j+1)转移的概率为:
Figure BDA0003135777910000082
由式(5)和(7)可得5G-TSN系统业务流的QoS资源映射状态平衡方程:
Figure BDA0003135777910000083
式(8)即是5G-TSN系统稳定发生业务流QoS资源映射的网络操作状态转换过程。由此可完成网络对业务流的操作调度,以适应快速的异构网络数据转换过程。
图4为5G-TSN跨域QoS资源块映射流程示意图,具体步骤如下:
步骤1、根据业务实时性需求,对TSN网络的业务资源块进行编号;例如,业务流大小、业务流分组以及业务群分离等操作;
步骤2、生成网络操作空间状态集,网关节点获取TSN业务流的QoS特征,构成具有状态转移关系的网络操作空间;
步骤3、根据业务流、数据包的到达率、服务率,建立基于Markov的5G-TSN资源映射转换关系模型,以及相应的转移概率矩阵性约束条件;
步骤4、构建5G-TSN系统状态转换平衡方程,并在所述平衡方程的框架内完成5G-TSN系统业务流QoS资源映射的网络操作状态转换过程;
步骤5、根据5G映射流数目判断当前5G的可用资源情况决定是否允许新的TSN业务流接入传输;
或根据TSN业务流的优先级改变TSN业务流的传输状态,终止低优先级TSN业务流传输,将相应5G资源映射给高优先级TSN业务。
综上所述,现有技术是针对LTE无线资源分配方法,也即构建分布式虚拟资源块DVRB(Distributed Virtual Resource Block)和物理资源块PRB(Distributed PhysicalResource Block),再将用户的数据映射到分配给它的物理资源上。相当于建立2个矩阵,用以完成资源分配的目的。本申请的技术方案是针对5G和TSN网络的资源转换,二者不在同一纬度,属于异构网络,本申请的技术方案只构建一张Map映射矩阵,放在5G网络侧,采用此法能够利用最小系统资源来实现资源块的映射。
结合IEEE 802.1及3GPP 23.501在优先级划分的标准,研究面向工业业务特征的QoS映射,切实保证时延敏感类业务传输;首先,获取工业TSN业务流的QoS特征,组成具有状态转移关系的网络操作空间;其次,根据业务流的到达率、服务率,建立基于Markov的5G-TSN资源映射转换关系模型,以及相应的转移概率矩阵隐形约束条件;最后,限定在5G-TSN系统状态转换平衡方程的框架内,完成5G-TSN系统业务流QoS资源映射的网络操作状态转换过程。
针对5G与TSN在物理层资源特征差异性,研究承载业务关联数据报文所需的TSN时隙与5G资源块之间的关联关系,实现异构网络不同QoS业务特征的双向映射,便于快速数据转换及调度。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本公开并不受所描述的动作顺序的限制,因为依据本公开,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作和模块并不一定是本公开所必须的。
以上是关于方法实施例的介绍,以下通过装置实施例,对本公开所述方案进行进一步说明。
图5示出了可以用来实施本公开的实施例的电子设备500的示意性框图。如图所示,设备500包括CPU501,其可以根据存储在ROM502中的计算机程序指令或者从存储单元508加载到RAM503中的计算机程序指令,来执行各种适当的动作和处理。在RAM 503中,还可以存储设备500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。I/O接口505也连接至总线504。该CPU执行计算机程序指令时实现如以上所述的方法。
设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理单元501执行上文所描述的各个方法和处理。例如,在一些实施例中,上述方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由CPU 501执行时,可以执行上文描述的方法的一个或多个步骤。备选地,在其他实施例中,CPU 501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述方法。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等等。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、RAM、ROM、EPROM、光纤、CD-ROM、光学储存设备、磁储存设备、或上述内容的任何合适组合。
此外,虽然采用特定次序描绘了各操作,但是这应当理解为要求这样操作以所示出的特定次序或以顺序次序执行,或者要求所有图示的操作应被执行以取得期望的结果。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实现中。相反地,在单个实现的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实现中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (4)

1.一种5G-TSN跨域QoS与资源映射方法,其特征在于,该方法包括如下步骤:
步骤1、根据业务实时性需求,对TSN网络的业务资源块进行编号;
步骤2、生成网络操作空间状态集,网关节点获取TSN业务流的QoS特征,构成具有状态转移关系的网络操作空间;
步骤3、根据业务流、数据包的到达率、服务率,建立基于Markov的5G-TSN资源映射转换关系模型,以及相应的转移概率矩阵性约束条件,
具体包括:
设有N路TSN业务流,K个5G系统映射流,并且当前存在i个TSN业务流和j个5G系统映射流处于工作状态,则二维离散Markov状态空间S可表示为:
S={(i,j)|i=1,2,…,N,j=1,2,…,K}
设TSN业务流和5G系统映射流的数据到达和接收服从泊松分布,分别为λ1和λ2,数据服务率为μ和μ';
基于Markov的5G-TSN资源映射转换表示为:
φ=(S,Q,P)
其中,S为状态空间,Q为转移概率矩阵,P为系统稳态时的分布向量,所述转移概率矩阵采用如下公式计算:
Figure FDA0003437418800000011
其中,矩阵元素
Figure FDA0003437418800000012
表示业务流的状态从(a,b)转移到状态(c,d)的概率,
所述转移概率矩阵性约束条件如下:
PTQ=0,PT·1=1
在一个循环周期内,只有当TSN业务流状态发生变化时才能转移到下一状态;
步骤4、构建5G-TSN系统状态转换平衡方程,并在所述平衡方程的框架内完成5G-TSN系统业务流QoS资源映射的网络操作状态转换过程,所述构建5G-TSN系统状态转换平衡方程,具体包括:
由Markov理论中的概率转移过程,Δt时间内的n个TSN业务流发生资源映射的概率为:
Figure FDA0003437418800000021
Δt即系统资源映射的驻留时间,该驻留时间与TSN业务流的到达率λ1有关,Δt=1/λ1
在整个映射过程中,状态从(i,j)到(i-n,j+1)转移的概率为:
Figure FDA0003437418800000022
5G-TSN系统状态转换平衡方程:
Figure FDA0003437418800000023
2.根据权利要求1所述的映射方法,其特征在于,该方法还包括:
步骤5、根据5G映射流数目判断当前5G的可用资源情况决定是否允许新的TSN业务流接入传输;
或根据TSN业务流的优先级改变TSN业务流的传输状态,终止低优先级TSN业务流传输,将相应5G资源映射给高优先级TSN业务。
3.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~2中任一项所述的方法。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1~2中任一项所述的方法。
CN202110718079.1A 2021-06-28 2021-06-28 一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质 Active CN113543210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110718079.1A CN113543210B (zh) 2021-06-28 2021-06-28 一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110718079.1A CN113543210B (zh) 2021-06-28 2021-06-28 一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN113543210A CN113543210A (zh) 2021-10-22
CN113543210B true CN113543210B (zh) 2022-03-11

Family

ID=78096914

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110718079.1A Active CN113543210B (zh) 2021-06-28 2021-06-28 一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN113543210B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115460041B (zh) * 2022-09-15 2023-08-29 重庆大学 一种5G与TSN融合网络QoS映射方法
CN115811799B (zh) * 2023-01-20 2023-04-21 北京科技大学 一种基于ddpg的5g-tsn联合资源调度装置及方法
CN115915098B (zh) * 2023-02-15 2023-06-06 鹏城实验室 一种5g与tsn跨域ptp中bmca实现方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103415046A (zh) * 2012-12-18 2013-11-27 南京邮电大学 一种跨服务质量域的业务类柔性映射方法
CN103795641A (zh) * 2014-01-10 2014-05-14 中国人民解放军西安通信学院 基于多维帧映射的光网络资源管理方法
CN104468567A (zh) * 2014-12-05 2015-03-25 南京邮电大学 一种网络多媒体业务流识别和映射的系统及方法
CN106131891A (zh) * 2016-08-30 2016-11-16 重庆邮电大学 一种基于sdwn的资源映射装置和方法
US9686086B1 (en) * 2014-12-01 2017-06-20 Arimo, Inc. Distributed data framework for data analytics
US9875430B1 (en) * 2016-03-30 2018-01-23 Descartes Labs, Inc. Iterative relabeling using spectral neighborhoods
CN108307511A (zh) * 2018-03-07 2018-07-20 重庆邮电大学 无线自回传小基站接入控制与资源分配联合优化方法
CN108566659A (zh) * 2018-01-09 2018-09-21 重庆邮电大学 一种基于可靠性的5g网络切片在线映射方法
CN108650191A (zh) * 2018-04-20 2018-10-12 重庆邮电大学 一种虚拟化网络中映射策略的决策方法
US10198250B1 (en) * 2018-01-04 2019-02-05 Accenture Global Solutions Limited Partitioning based migration of systems to container and microservice based platforms
US10261938B1 (en) * 2012-08-31 2019-04-16 Amazon Technologies, Inc. Content preloading using predictive models
US10430712B1 (en) * 2014-02-03 2019-10-01 Goldman Sachs & Co. LLP Cognitive platform for using knowledge to create information from data
CN112511462A (zh) * 2020-12-17 2021-03-16 上海交通大学 一种软件定义工业异构时间敏感网络系统及资源调度方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001038976A1 (en) * 1999-11-24 2001-05-31 Camelot Is-2 International D.B.A Skyva International Method and apparatus for business modeling
US7822594B2 (en) * 2006-08-07 2010-10-26 Voltaire Ltd. Service-oriented infrastructure management
US20100082380A1 (en) * 2008-09-30 2010-04-01 Microsoft Corporation Modeling and measuring value added networks
US8510254B2 (en) * 2008-10-27 2013-08-13 Taiwan Semiconductor Manufacturing Company, Ltd. Ontology model to accelerate engineering analysis in manufacturing
US8706771B2 (en) * 2009-09-30 2014-04-22 Smartshift Gmbh Systems and methods for analyzing and transforming an application from a source installation to a target installation
US9417997B1 (en) * 2012-09-28 2016-08-16 Emc Corporation Automated policy based scheduling and placement of storage resources
US9264861B1 (en) * 2015-01-29 2016-02-16 Ringcentral, Inc. Generating spatial models using crowdsourcing
CN114900797A (zh) * 2016-12-30 2022-08-12 英特尔公司 用于无线电通信的方法和设备
CN108063830B (zh) * 2018-01-26 2020-06-23 重庆邮电大学 一种基于mdp的网络切片动态资源分配方法
CN108990023A (zh) * 2018-07-02 2018-12-11 北京交通大学 基于机器学习的lte网络的动态空白子帧分配方法
CN109600798B (zh) * 2018-11-15 2020-08-28 北京邮电大学 一种网络切片中多域资源分配方法及装置
CN109951849B (zh) * 2019-02-25 2023-02-17 重庆邮电大学 一种在f-ran架构中联合资源分配和内容缓存的方法
CN110365514B (zh) * 2019-05-24 2020-10-16 北京邮电大学 基于强化学习的sdn多级虚拟网络映射方法和装置

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10261938B1 (en) * 2012-08-31 2019-04-16 Amazon Technologies, Inc. Content preloading using predictive models
CN103415046A (zh) * 2012-12-18 2013-11-27 南京邮电大学 一种跨服务质量域的业务类柔性映射方法
CN103795641A (zh) * 2014-01-10 2014-05-14 中国人民解放军西安通信学院 基于多维帧映射的光网络资源管理方法
US10430712B1 (en) * 2014-02-03 2019-10-01 Goldman Sachs & Co. LLP Cognitive platform for using knowledge to create information from data
US9686086B1 (en) * 2014-12-01 2017-06-20 Arimo, Inc. Distributed data framework for data analytics
CN104468567A (zh) * 2014-12-05 2015-03-25 南京邮电大学 一种网络多媒体业务流识别和映射的系统及方法
US9875430B1 (en) * 2016-03-30 2018-01-23 Descartes Labs, Inc. Iterative relabeling using spectral neighborhoods
CN106131891A (zh) * 2016-08-30 2016-11-16 重庆邮电大学 一种基于sdwn的资源映射装置和方法
US10198250B1 (en) * 2018-01-04 2019-02-05 Accenture Global Solutions Limited Partitioning based migration of systems to container and microservice based platforms
CN108566659A (zh) * 2018-01-09 2018-09-21 重庆邮电大学 一种基于可靠性的5g网络切片在线映射方法
CN108307511A (zh) * 2018-03-07 2018-07-20 重庆邮电大学 无线自回传小基站接入控制与资源分配联合优化方法
CN108650191A (zh) * 2018-04-20 2018-10-12 重庆邮电大学 一种虚拟化网络中映射策略的决策方法
CN112511462A (zh) * 2020-12-17 2021-03-16 上海交通大学 一种软件定义工业异构时间敏感网络系统及资源调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"RP-181393 TR_38811-100".《3GPP specs\38_series》.2018, *
"S4-160202_MBS_SWG_report_at_SA4-87_rev2".《3GPP tsg_sa\WG4_CODEC》.2016, *
《LTE-Advanced中继系统中的VoIP业务系统性能研究》;刘健华;《中国电子科学研究院学报》;20110228;第6卷(第1期);全文 *

Also Published As

Publication number Publication date
CN113543210A (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN113543210B (zh) 一种5G-TSN跨域QoS与资源映射方法、设备和计算机可读存储介质
Kalør et al. Network slicing in industry 4.0 applications: Abstraction methods and end-to-end analysis
Huang et al. Optimizing M2M communications and quality of services in the IoT for sustainable smart cities
CN111865830B (zh) 一种时延敏感网络业务tsn的处理方法、装置及系统
Pop et al. Design optimisation of cyber‐physical distributed systems using IEEE time‐sensitive networks
US9270527B2 (en) Methods, systems, and computer readable media for enabling real-time guarantees in publish-subscribe middleware using dynamically reconfigurable networks
CN110545241B (zh) 一种报文处理方法和装置
US20210160167A1 (en) Data Processing Method, Device, and System
CN113630796A (zh) 服务质量监测方法、设备及系统
Rath et al. Inter-layer communication based QoS platform for real time multimedia applications in MANET
Prados-Garzon et al. Optimization of flow allocation in asynchronous deterministic 5G transport networks by leveraging data analytics
CN111698787B (zh) 调度规则确定方法及其装置
Al-Turjman et al. SAHCI: scheduling approach for heterogeneous content-centric IoT applications
Abbou et al. Towards SDN-based deterministic networking: Deterministic E2E delay case
US9722913B2 (en) System and method for delay management for traffic engineering
Kim et al. Dual-channel medium access control of low power wide area networks considering traffic characteristics in IoE
AlQahtani Performance analysis of cognitive‐based radio resource allocation in multi‐channel LTE‐A networks with M2M/H2H coexistence
Haapola et al. The effect of concurrent multi-priority data streams on the MAC layer performance of IEEE 802.11 p and C-V2X mode 4
Yu et al. An efficient method for loss performance modeling of hierarchical heterogeneous wireless networks
CN112887353B (zh) 一种信息处理方法、装置、终端及存储介质
Tayyaba et al. NPRA: Novel policy framework for resource allocation in 5G software defined networks
EP4307641A1 (en) Guaranteed-latency networking
Sotenga et al. A virtual network model for gateway media access control virtualisation in large scale internet of things
WO2016088371A1 (ja) 管理ノード、端末、通信システム、通信方法、および、プログラム記録媒体
Nur The Integration of 5G & Time Sensitive Network for Communication

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