CN113645642B - 一种无线资源分配预测方法及系统 - Google Patents
一种无线资源分配预测方法及系统 Download PDFInfo
- Publication number
- CN113645642B CN113645642B CN202110935408.8A CN202110935408A CN113645642B CN 113645642 B CN113645642 B CN 113645642B CN 202110935408 A CN202110935408 A CN 202110935408A CN 113645642 B CN113645642 B CN 113645642B
- Authority
- CN
- China
- Prior art keywords
- user
- prediction
- service request
- sub
- users
- 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
Links
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
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开一种无线资源分配预测方法及系统,涉及无线通信技术领域,以解决无法进行无线资源分配预测的问题。所述无线资源分配预测方法包括:先获取业务请求用户列表,并以业务请求用户列表作为输入,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果,在预测时间窗内,根据第一预测结果接收第一用户集合中的用户所传输的数据,或向第一用户集合中的用户发送数据,能够实现无线资源的分配预测,显著提升系统吞吐量和资源使用效率。本发明提供的无线资源分配预测方法及系统用于无线通信过程中对无线资源进行分配预测。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种无线资源分配预测方法及系统。
背景技术
目前,5G通信系统发展迅速,其具有业务实时性要求不高的特点。但目前,针对这一系统,并不存在一种能够提高系统吞吐量和资源使用效率的无线资源分配预测方法及系统。
发明内容
本发明的目的在于提供一种无线资源分配预测方法及系统,基于已有的资源分配特性和可预测信息进行无线资源分配预测,提升系统吞吐量和资源使用效率。
为了实现上述目的,本发明提供如下技术方案:
一种无线资源分配预测方法,包括:
获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
以所述业务请求用户列表作为输入,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果;所述第一预测结果为所述预测时间窗内所述第一用户集合对应的无线资源分配结果;
在所述预测时间窗内,根据所述第一预测结果接收所述第一用户集合中的用户所传输的数据,或向所述第一用户集合中的用户发送数据。
与现有技术相比,本发明提供的无线资源分配预测方法中,先获取业务请求用户列表,并以业务请求用户列表作为输入,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果,在预测时间窗内,根据第一预测结果接收第一用户集合中的用户所传输的数据,或向第一用户集合中的用户发送数据,能够实现无线资源的分配预测,显著提升系统吞吐量和资源使用效率。
一种无线资源分配预测方法,包括:
获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
以所述业务请求用户列表作为输入,利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果;每一所述第二用户集合对应一个子带;所述第二预测结果为所述预测时间窗内所述第二用户集合对应的无线资源分配结果;所述子带用于利用所述第二预测结果进行数据传输;
在所述预测时间窗内,分别根据与所述第二用户集合对应的所述第二预测结果,接收每一所述第二用户集合中的用户所传输的数据,或向所述第二用户集合中的用户发送数据。
与现有技术相比,本发明提供的无线资源分配预测方法中,先获取业务请求用户列表,并以业务请求用户列表作为输入,利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果,且每一第二用户集合对应一个子带,在预测时间窗内,分别根据与第二用户集合对应的第二预测结果,接收每一第二用户集合中的用户所传输的数据,或向第二用户集合中的用户发送数据,能够实现对每一个子带无线资源的分配预测,进一步提升系统吞吐量和资源使用效率。
本发明还提供一种无线资源分配预测系统,包括:
获取模块,用于获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
第一预测模块,用于以所述业务请求用户列表作为输入,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果;所述第一预测结果为所述预测时间窗内所述第一用户集合对应的无线资源分配结果;
第一分配模块,用于在所述预测时间窗内,根据所述第一预测结果接收所述第一用户集合中的用户所传输的数据,或向所述第一用户集合中的用户发送数据。
与现有技术相比,本发明提供的无线资源分配预测系统的有益效果与上述技术方案所述无线资源分配预测方法的有益效果相同,此处不做赘述。
一种无线资源分配预测系统,包括:
获取模块,用于获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
第二预测模块,用于以所述业务请求用户列表作为输入,利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果;每一所述第二用户集合对应一个子带;所述第二预测结果为所述预测时间窗内所述第二用户集合对应的无线资源分配结果;所述子带用于利用所述第二预测结果进行数据传输;
第二分配模块,用于在所述预测时间窗内,分别根据与所述第二用户集合对应的所述第二预测结果,接收每一所述第二用户集合中的用户所传输的数据,或向所述第二用户集合中的用户发送数据。
与现有技术相比,本发明提供的无线资源分配预测系统的有益效果与上述技术方案所述无线资源分配预测方法的有益效果相同,此处不做赘述。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例1所提供的无线资源分配预测方法的方法流程图。
图2为本发明实施例2所提供的无线资源分配预测方法的方法流程图。
图3为本发明实施例3所提供的无线资源分配预测系统的系统框图。
图4为本发明实施例4所提供的无线资源分配预测系统的系统框图。
具体实施方式
为了便于清楚描述本发明实施例的技术方案,在本发明的实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如,第一阈值和第二阈值仅仅是为了区分不同的阈值,并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
需要说明的是,本发明中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本发明中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,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的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a和b的结合,a和c的结合,b和c的结合,或a、b和c的结合,其中a,b,c可以是单个,也可以是多个。
实施例1:
请参见图1,本实施例用于提供一种无线资源分配预测方法,其以资源调度设备为执行主体,包括:
S101:获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
具体的,用户业务请求大小可以是业务请求用户所需传输的数据量。用户信道状态可以是由资源调度设备根据信道估计或上下行信道互易性所获取的用户信道状态,也可以是由业务请求用户反馈得到的用户信道状态。用户信道状态可以为平均信噪比或平均信道响应幅度。用户状态包括连接态和非连接态,连接态代表业务请求用户已经接入资源调度设备,处于RRC connected状态,非连接态代表业务请求用户尚未接入资源调度设备,处于RRC idle状态。
S102:以所述业务请求用户列表作为输入,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果;所述第一预测结果为所述预测时间窗内所述第一用户集合对应的无线资源分配结果;
资源调度设备利用第一预测网络执行无线资源分配预测算法,得到预测时间窗内第一用户集合的第一预测结果,即得到第一用户集合中每一用户所占用无线资源的大小和时间。无线资源是指一切可控的与网络和用户性能密切相关的各种参数,包括发射功率、传输速率等。
具体的,第一预测网络包括顺序连接的第一子神经网络、第二子神经网络和第三子神经网络,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果可以包括:
1)以业务请求用户列表作为输入,根据预设信道状态门限,利用第一子神经网络对业务请求用户列表进行更新,得到初始用户集合。
第一子神经网络是经过历史数据训练的,其内部包含训练过的用户和资源调度设备之间的预设信道状态门限。将业务请求用户列表中用户信道状态大于或等于预设信道状态门限的业务请求用户挑选出来,得到初始服务用户,并将初始服务用户对应的用户状态进行更新,具体的,若初始服务用户的用户状态为非连接态,将其更新为连接态,否则,则不更新,这是由于只有处于连接态的初始服务用户才能与资源调度设备进行信息交互。所有初始服务用户的用户状态更新完成后,将初始服务用户进行组合,得到初始用户集合,初始用户集合中包括每一初始服务用户的用户ID和对应的用户业务请求大小、用户信道状态和用户状态。
2)以所述初始用户集合作为输入,根据第一预设资源分配门限集合,利用所述第二子神经网络对所述初始用户集合内的用户进行选取,得到第一用户集合;所述第一用户集合为所述初始用户集合的子集;
利用第一子神经网络对用户信道状态符合要求的业务请求用户进行选取后,再利用第二子神经网络对初始用户集合中的用户再次进行选取,第一子神经网络和第二子神经网络的工作过程即为挑选用户的过程,其目的在于选取出需要为其分配无线资源的用户,得到第一用户集合。一般情况下,第一用户集合的用户数量小于业务请求用户列表中的业务请求用户的数量。
第二子神经网络内部包含训练过的第一预设资源分配门限集合,第一预设资源分配门限集合即为不同用户业务请求大小和用户信道状态下的资源分配门限。以初始用户集合和资源调度设备的实时资源分配列表作为输入,第二子神经网络对初始用户集合内的用户进行选取,得到第一用户集合。
3)以所述第一用户集合作为输入,利用所述第三子神经网络得到预测时间窗内所述第一用户集合的第一预测结果。
预测时间窗的长度为业务请求用户列表中所有业务请求用户对应的信道相干时间的最小值,其表示为在默认子载波宽度下的时隙个数,默认子载波宽度具体可为30KHz。信道相干时间即为信道保持恒定的最大时间差范围。作为另一种可选的实施方式,先得到业务请求用户列表中所有业务请求用户对应的信道相干时间的最小值,再根据预设表,进行查表得到预测时间窗的长度。预测时间窗的起点为执行无线资源分配预测算法的系统帧后的第N个帧。
第一预测结果即为第一用户集合所对应的无线资源分配预测结果,第一预测结果会利用一个或多个子带,即第一用户集合中的用户利用一个或多个子带与资源调度设备进行无线通信。
S103:在所述预测时间窗内,根据所述第一预测结果接收所述第一用户集合中的用户所传输的数据,或向所述第一用户集合中的用户发送数据。
与现有技术相比,本实施例针对5G通信系统实时性要求不高的业务,提供了一种无线资源分配预测方法,基于已有的资源分配特性和可预测的信息,进行资源分配预测,提升系统吞吐量和资源使用效率。
实施例2:
请参见图2,本实施例用于提供一种无线资源分配预测方法,与实施例1不同的是,其具体考虑了每个子带的无线资源分配预测,仍然以资源调度设备作为执行主体,预测方法包括:
S201:获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
具体的,用户业务请求大小可以是业务请求用户所需传输的数据量。用户信道状态可以是由资源调度设备根据信道估计或上下行信道互易性所获取的用户信道状态,也可以是由业务请求用户反馈得到的用户信道状态。用户信道状态可以为平均信噪比或平均信道响应幅度。用户状态包括连接态和非连接态,连接态代表业务请求用户已经接入资源调度设备,处于RRC connected状态,非连接态代表业务请求用户尚未接入资源调度设备,处于RRC idle状态。
S202:以所述业务请求用户列表作为输入,利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果;每一所述第二用户集合对应一个子带;所述第二预测结果为所述预测时间窗内所述第二用户集合对应的无线资源分配结果;所述子带用于利用所述第二预测结果进行数据传输;
资源调度设备利用第二预测网络执行无线资源分配预测算法,得到预测时间窗内多个第二用户集合各自对应的第二预测结果。无线资源是指一切可控的与网络和用户性能密切相关的各种参数,包括发射功率、传输速率等。
具体的,第二预测网络包括顺序连接的第一子神经网络、第四子神经网络以及第五子神经网络,利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果可以包括:
1)以所述业务请求用户列表作为输入,根据预设信道状态门限,利用所述第一子神经网络对所述业务请求用户列表进行更新,得到初始用户集合;
第一子神经网络是经过历史数据训练的,其内部包含训练过的用户和资源调度设备之间的预设信道状态门限。将业务请求用户列表中用户信道状态大于或等于预设信道状态门限的业务请求用户挑选出来,得到初始服务用户,并将初始服务用户对应的用户状态进行更新,具体的,若初始服务用户的用户状态为非连接态,将其更新为连接态,否则,则不更新,这是由于只有处于连接态的初始服务用户才能与资源调度设备进行信息交互。所有初始服务用户的用户状态更新完成后,将初始服务用户进行组合,得到初始用户集合,初始用户集合中包括每一初始服务用户的用户ID和对应的用户业务请求大小、用户信道状态和用户状态。
2)以所述初始用户集合作为输入,根据第二预设资源分配门限集合,利用所述第四子神经网络对所述初始用户集合内的用户进行多次选取,得到多个第二用户集合;
利用第一子神经网络对用户信道状态符合要求的业务请求用户进行选取后,再利用第四子神经网络针对每一子带对初始用户集合中的用户再次进行选取,第一子神经网络和第四子神经网络的工作过程即为挑选用户的过程,其目的在于选取出每一子带所对应的需要为其分配无线资源的用户,得到多个第二用户集合。需要说明的是,第二用户集合、子带和第二预测结果一一对应,即每一第二用户集合的资源分配预测处于同一子带中。
第四子神经网络内部包含训练过的第二预设资源分配门限集合,第二预设资源分配门限集合即为不同用户业务请求大小、用户信道状态以及不同子带下的资源分配门限。以初始用户集合和资源调度设备的实时资源分配列表作为输入,针对每一子带,第四子神经网络对初始用户集合内的用户进行一次选取,得到多个第二用户集合。
3)以每一所述第二用户集合作为输入,利用所述第五子神经网络得到预测时间窗内每一所述第二用户集合分别对应的第二预测结果。
预测时间窗的长度为业务请求用户列表中所有业务请求用户对应的信道相干时间的最小值,其表示为在默认子载波宽度下的时隙个数,默认子载波宽度具体可为30KHz。信道相干时间即为信道保持恒定的最大时间差范围。作为另一种可选的实施方式,先得到业务请求用户列表中所有业务请求用户对应的信道相干时间的最小值,再根据预设表,进行查表得到预测时间窗的长度。预测时间窗的起点为执行无线资源分配预测算法的系统帧后的第N个帧。
第二预测结果即为第二用户集合所对应的无线资源分配预测结果,第二预测结果对于一个子带,即第二用户集合中的用户利用这一特定子带与资源调度设备进行无线通信。
S203:在所述预测时间窗内,分别根据与所述第二用户集合对应的所述第二预测结果,接收每一所述第二用户集合中的用户所传输的数据,或向所述第二用户集合中的用户发送数据。
与现有技术相比,本实施例针对5G通信系统实时性要求不高的业务,提供了一种无线资源分配预测方法,基于已有的资源分配特性和可预测的信息,对每一子带进行资源分配预测,相较于实施例1而言,对资源分配预测的更为具体,同样能够提升系统吞吐量和资源使用效率。
实施例3:
本发明实施例可以根据实施例1中的方法示例进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下,请参见图3,本实施例用于提供一种无线资源分配预测系统,包括:
获取模块M1,用于获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
第一预测模块M2,用于以所述业务请求用户列表作为输入,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果;所述第一预测结果为所述预测时间窗内所述第一用户集合对应的无线资源分配结果;
第一分配模块M3,用于在所述预测时间窗内,根据所述第一预测结果接收所述第一用户集合中的用户所传输的数据,或向所述第一用户集合中的用户发送数据。
上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述,在此不再赘述。
与现有技术相比,本实施例针对5G通信系统实时性要求不高的业务,提供了一种无线资源分配预测系统,基于已有的资源分配特性和可预测的信息,进行资源分配预测,提升系统吞吐量和资源使用效率。
实施例4:
本发明实施例可以根据实施例2中的方法示例进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本发明实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下,请参见图4,本实施例用于提供一种无线资源分配预测系统,包括:
获取模块M1,用于获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
第二预测模块M4,用于以所述业务请求用户列表作为输入,利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果;每一所述第二用户集合对应一个子带;所述第二预测结果为所述预测时间窗内所述第二用户集合对应的无线资源分配结果;所述子带用于利用所述第二预测结果进行数据传输;
第二分配模块M5,用于在所述预测时间窗内,分别根据与所述第二用户集合对应的所述第二预测结果,接收每一所述第二用户集合中的用户所传输的数据,或向所述第二用户集合中的用户发送数据。
与现有技术相比,本实施例针对5G通信系统实时性要求不高的业务,提供了一种无线资源分配预测系统,基于已有的资源分配特性和可预测的信息,对每一子带进行资源分配预测,相较于实施例3而言,对资源分配预测的更为具体,同样能够提升系统吞吐量和资源使用效率。
实施例5:
为了实现实施例1和实施例2的预测方法,本实施例用于提供一种资源调度设备,包括用于实现无线通信的基站、处理模块、存储模块和资源分配预测模块。
基站用于实现资源调度设备与用户之间的无线通信。存储模块用于存储数据,包括用户信道状态、资源需求、资源分配的历史数据。处理器向资源分配预测模块传输业务请求用户列表和实时资源分配列表。资源分配预测模块包括第一子神经网络、第二子神经网络和第三子神经网络,用于执行实施例1中的S102,得到预测时间窗内第一用户集合的第一预测结果,并将第一预测结果传输至处理模块,处理模块根据该第一预测结果在预测时间窗内与第一用户集合中的用户进行无线通信,完成二者之间的数据传输。和资源分配预测模块包括第一子神经网络、第四子神经网络和第五子神经网络,用于执行实施例2中的S202,得到预测时间窗内多个第二用户集合分别对应的第二预测结果,并将第二预测结果传输至处理模块,处理模块根据该第二预测结果在预测时间窗内与第二用户集合中的用户进行无线通信,完成二者之间的数据传输。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看附图、公开内容、以及所附权利要求书,可理解并实现公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本发明进行了描述,显而易见的,在不脱离本发明的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明,且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (8)
1.一种无线资源分配预测方法,其特征在于,包括:
获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
以所述业务请求用户列表作为输入,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果;所述第一预测结果为所述预测时间窗内所述第一用户集合对应的无线资源分配结果;
在所述预测时间窗内,根据所述第一预测结果接收所述第一用户集合中的用户所传输的数据,或向所述第一用户集合中的用户发送数据;
所述第一预测网络包括顺序连接的第一子神经网络、第二子神经网络和第三子神经网络,所述利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果具体包括:
以所述业务请求用户列表作为输入,根据预设信道状态门限,利用所述第一子神经网络对所述业务请求用户列表进行更新,得到初始用户集合;
以所述初始用户集合作为输入,根据第一预设资源分配门限集合,利用所述第二子神经网络对所述初始用户集合内的用户进行选取,得到第一用户集合;所述第一用户集合为所述初始用户集合的子集;
以所述第一用户集合作为输入,利用所述第三子神经网络得到预测时间窗内所述第一用户集合的第一预测结果。
2.一种无线资源分配预测方法,其特征在于,包括:
获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
以所述业务请求用户列表作为输入,利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果;每一所述第二用户集合对应一个子带;所述第二预测结果为所述预测时间窗内所述第二用户集合对应的无线资源分配结果;所述子带用于利用所述第二预测结果进行数据传输;
在所述预测时间窗内,分别根据与所述第二用户集合对应的所述第二预测结果,接收每一所述第二用户集合中的用户所传输的数据,或向所述第二用户集合中的用户发送数据;
所述第二预测网络包括顺序连接的第一子神经网络、第四子神经网络以及第五子神经网络,所述利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果具体包括:
以所述业务请求用户列表作为输入,根据预设信道状态门限,利用所述第一子神经网络对所述业务请求用户列表进行更新,得到初始用户集合;
以所述初始用户集合作为输入,根据第二预设资源分配门限集合,利用所述第四子神经网络对所述初始用户集合内的用户进行多次选取,得到多个第二用户集合;
以每一所述第二用户集合作为输入,利用所述第五子神经网络得到预测时间窗内每一所述第二用户集合分别对应的第二预测结果。
3.根据权利要求2所述的预测方法,其特征在于,所述用户信道状态是由资源调度设备根据信道估计或上下行信道互易性所得到的;
或者,所述用户信道状态是由所述业务请求用户反馈得到的。
4.根据权利要求2所述的预测方法,其特征在于,所述用户信道状态为平均信噪比或平均信道响应幅度。
5.根据权利要求2所述的预测方法,其特征在于,所述预测时间窗的长度为所述业务请求用户列表中所有业务请求用户对应的信道相干时间的最小值。
6.根据权利要求2所述的预测方法,其特征在于,所述用户状态包括连接态和非连接态;所述连接态代表所述业务请求用户已接入资源调度设备;所述非连接态代表所述业务请求用户未接入资源调度设备。
7.一种无线资源分配预测系统,其特征在于,包括:
获取模块,用于获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
第一预测模块,用于以所述业务请求用户列表作为输入,利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果;所述第一预测结果为所述预测时间窗内所述第一用户集合对应的无线资源分配结果;
第一分配模块,用于在所述预测时间窗内,根据所述第一预测结果接收所述第一用户集合中的用户所传输的数据,或向所述第一用户集合中的用户发送数据;
所述第一预测网络包括顺序连接的第一子神经网络、第二子神经网络和第三子神经网络,所述利用第一预测网络得到预测时间窗内第一用户集合的第一预测结果具体包括:
以所述业务请求用户列表作为输入,根据预设信道状态门限,利用所述第一子神经网络对所述业务请求用户列表进行更新,得到初始用户集合;
以所述初始用户集合作为输入,根据第一预设资源分配门限集合,利用所述第二子神经网络对所述初始用户集合内的用户进行选取,得到第一用户集合;所述第一用户集合为所述初始用户集合的子集;
以所述第一用户集合作为输入,利用所述第三子神经网络得到预测时间窗内所述第一用户集合的第一预测结果。
8.一种无线资源分配预测系统,其特征在于,包括:
获取模块,用于获取业务请求用户列表;所述业务请求用户列表包括多个业务请求用户各自对应的用户业务请求大小、用户信道状态以及用户状态;
第二预测模块,用于以所述业务请求用户列表作为输入,利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果;每一所述第二用户集合对应一个子带;所述第二预测结果为所述预测时间窗内所述第二用户集合对应的无线资源分配结果;所述子带用于利用所述第二预测结果进行数据传输;
第二分配模块,用于在所述预测时间窗内,分别根据与所述第二用户集合对应的所述第二预测结果,接收每一所述第二用户集合中的用户所传输的数据,或向所述第二用户集合中的用户发送数据;
所述第二预测网络包括顺序连接的第一子神经网络、第四子神经网络以及第五子神经网络,所述利用第二预测网络得到预测时间窗内多个第二用户集合各自对应的第二预测结果具体包括:
以所述业务请求用户列表作为输入,根据预设信道状态门限,利用所述第一子神经网络对所述业务请求用户列表进行更新,得到初始用户集合;
以所述初始用户集合作为输入,根据第二预设资源分配门限集合,利用所述第四子神经网络对所述初始用户集合内的用户进行多次选取,得到多个第二用户集合;
以每一所述第二用户集合作为输入,利用所述第五子神经网络得到预测时间窗内每一所述第二用户集合分别对应的第二预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110935408.8A CN113645642B (zh) | 2021-08-16 | 2021-08-16 | 一种无线资源分配预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110935408.8A CN113645642B (zh) | 2021-08-16 | 2021-08-16 | 一种无线资源分配预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113645642A CN113645642A (zh) | 2021-11-12 |
CN113645642B true CN113645642B (zh) | 2023-08-15 |
Family
ID=78421905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110935408.8A Active CN113645642B (zh) | 2021-08-16 | 2021-08-16 | 一种无线资源分配预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113645642B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108738151A (zh) * | 2018-05-18 | 2018-11-02 | 北京航空航天大学 | 一种基于粗略信息的无线预测资源分配方法 |
CN111107651A (zh) * | 2019-12-27 | 2020-05-05 | 中国联合网络通信集团有限公司 | 一种无线资源的调度方法及装置 |
CN111294227A (zh) * | 2018-12-10 | 2020-06-16 | 中国移动通信集团四川有限公司 | 基于神经网络的流量预测的方法、装置、设备和介质 |
CN111491312A (zh) * | 2019-01-28 | 2020-08-04 | 中国移动通信有限公司研究院 | 无线资源预测分配、获取、训练神经网络的方法及设备 |
CN112738851A (zh) * | 2020-12-16 | 2021-04-30 | 北京邮电大学 | 基于预测移动边缘网络的智能资源配置系统及其配置方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7768920B2 (en) * | 2005-06-29 | 2010-08-03 | Bandwb Ltd. | Means and methods for dynamically allocating bandwidth |
US10440689B2 (en) * | 2015-03-11 | 2019-10-08 | Nokia Solutions And Networks Oy | Method and apparatus for resource allocation in V2V communications system |
-
2021
- 2021-08-16 CN CN202110935408.8A patent/CN113645642B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108738151A (zh) * | 2018-05-18 | 2018-11-02 | 北京航空航天大学 | 一种基于粗略信息的无线预测资源分配方法 |
CN111294227A (zh) * | 2018-12-10 | 2020-06-16 | 中国移动通信集团四川有限公司 | 基于神经网络的流量预测的方法、装置、设备和介质 |
CN111491312A (zh) * | 2019-01-28 | 2020-08-04 | 中国移动通信有限公司研究院 | 无线资源预测分配、获取、训练神经网络的方法及设备 |
CN111107651A (zh) * | 2019-12-27 | 2020-05-05 | 中国联合网络通信集团有限公司 | 一种无线资源的调度方法及装置 |
CN112738851A (zh) * | 2020-12-16 | 2021-04-30 | 北京邮电大学 | 基于预测移动边缘网络的智能资源配置系统及其配置方法 |
Non-Patent Citations (1)
Title |
---|
李静 ; 王一帆 ; 王峰 ; .LTE网络资源动态预警模型研究.电信技术.2017,(07),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN113645642A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109275191B (zh) | 一种传输方法及其装置 | |
US9167571B2 (en) | Base station and method for resource allocation using localized and distributed resource blocks | |
JP5824533B2 (ja) | Lteのスケジューリング | |
CN101617557A (zh) | 无线系统的信道质量信息反馈技术 | |
CN107615846B (zh) | 一种用于资源分配的方法、装置、系统以及基站 | |
CN111436149B (zh) | 传输资源选择方法及装置 | |
JP4353302B2 (ja) | マルチキャリア通信基地局装置及びサブキャリア割り当て方法 | |
CN105472754A (zh) | 资源分配方法及装置 | |
CN106561066B (zh) | 无线通信中的一种降低网络延迟的方法和装置 | |
CN108541068B (zh) | 基于竞争的资源分配 | |
JP5033901B2 (ja) | 複数のサブチャネルを複数の端末に割り当てる装置及び方法 | |
KR20150002316A (ko) | 무선 통신 장치 및 이를 이용한 운용 방법 | |
CN108886690A (zh) | 一种资源分配指示的方法、设备及系统 | |
CN108471608B (zh) | 一种d2d通信资源调度方法及装置 | |
CN113645642B (zh) | 一种无线资源分配预测方法及系统 | |
CN108631833B (zh) | 上行预编码传输方法、装置及用户设备 | |
CN107148078B (zh) | 一种混合全双工半双工网络的用户接入控制方法与装置 | |
CN107172574B (zh) | 一种d2d用户对与蜂窝用户共享频谱的功率分配方法 | |
Ferreira et al. | Power and delay optimization based uplink resource allocation for wireless networks with device-to-device communications | |
Krasilov et al. | Efficient multiplexing of downlink eMBB and URLLC traffic with massive MU-MIMO | |
US8023455B2 (en) | Scheduling in multi-cell multi-carrier wireless systems | |
Chao et al. | Cooperative spectrum sharing and scheduling in self-organizing femtocell networks | |
CN114258132A (zh) | 资源配置方法及装置 | |
Zhang et al. | A utility-based adaptive resource scheduling scheme for multiple services in downlink multiuser mimo-ofdma systems | |
CN113382475B (zh) | 一种基于mumimo的资源调度方法及装置 |
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 |