CN113766657B - 一种窄带物联网高效上行无线资源管理方法 - Google Patents
一种窄带物联网高效上行无线资源管理方法 Download PDFInfo
- Publication number
- CN113766657B CN113766657B CN202010510297.1A CN202010510297A CN113766657B CN 113766657 B CN113766657 B CN 113766657B CN 202010510297 A CN202010510297 A CN 202010510297A CN 113766657 B CN113766657 B CN 113766657B
- Authority
- CN
- China
- Prior art keywords
- feasible
- parameter set
- link
- user
- resource management
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 15
- 230000002068 genetic effect Effects 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000013468 resource allocation Methods 0.000 claims abstract description 7
- 210000000349 chromosome Anatomy 0.000 claims description 12
- 230000006978 adaptation Effects 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 3
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
为了在保证用户服务质量的同时,最大化资源利用率和用户接入数。本发明公开了一种窄带物联网高效上行无线资源管理方法,包括以下步骤:基站进行调度时,计算用户的优先级,并选择优先级高的用户;对基站的可行链路的参数进行选择,得到可行链路的参数集;结合可行链路的参数集,对基站的可行资源的分配参数进行选择,得到可行资源的参数集;综合可行链路的参数集和可行资源的参数集,进行于遗传算法的联合链路自适应与资源分配。本发明通过遗传算法求解最优配置,以较低的性能损失为代价大幅降低了算法的复杂度,从而更利于NB‑IoT的实现,具有较高的实际工程价值,且对于具有低能耗和低复杂度要求的NB‑IoT系统的实施部署有很好的指导意义。
Description
技术领域
本发明涉及无线通信领域,更具体地,涉及一种窄带物联网高效上行无线资源管理方法。
背景技术
为了满足5G大规模机器类通信场景的需求,3GPP在LTE的基础上针对物联网的需求演进出了NB-IoT,它具有大连接、低功耗、强覆盖、低时延敏感性的特性。NB-IoT为保证低成本,终端性能较差,无法做到实时解码和上下行转换,因此引入了调度延迟,并固定其可选取值来明确传输开始时间。
窄带物理上行共享信道(Narrowband Physical Uplink Shared Channel,NPUSCH)的调度周期为一个NPDCCH周期(NPDCCH Period,NP),不再在每一个子帧进行调度。此外,NPUSCH单次通信的数据量少,对通信速率要求不高,因此其调度准则变为了在保证用户服务质量(Quality of Service,QoS)的同时,最大化资源利用率和用户接入数,传统的LTE调度算法不再适用。在调度时,由于不同的RU类型和重复发送次数会导致不同的等效信噪比和不同的用户数据格式,因此还需要考虑链路自适应算法对其的影响。
目前,针对NB-IoT(窄带物联网)上行RRM算法的研究尚未完善。对比文件CN109922532A公开了一种用于通信系统中的资源调度的方法和设备。然而,上述对比文件并没有通过遗传算法对链路和资源进行联合调控。
发明内容
为克服上述现有技术与方法的不足,本发明提出了一种窄带物联网高效上行无线资源管理方法。本发明考虑到了NB-IoT低复杂度的要求,通过遗传算法求解最优配置,以较低的性能损失为代价大幅降低了算法的复杂度,从而更利于NB-IoT的实现,具有较高的实际工程价值,且对于具有低能耗和低复杂度要求的NB-IoT系统的实施部署有很好的指导意义。
为解决上述技术问题,本发明的技术方案如下:
一种窄带物联网高效上行无线资源管理方法,包括以下步骤:
基站进行调度时,计算用户的优先级,并选择优先级高的用户;
对基站的可行链路的参数进行选择,得到可行链路的参数集;
结合可行链路的参数集,对基站的可行资源的分配参数进行选择,得到可行资源的参数集;
综合可行链路的参数集和可行资源的参数集,进行于遗传算法的联合链路自适应与资源分配。
本发明考虑到了NB-IoT低复杂度的要求,通过遗传算法求解最优配置,以较低的性能损失为代价大幅降低了算法的复杂度,从而更利于NB-IoT的实现,具有较高的实际工程价值,且对于具有低能耗和低复杂度要求的NB-IoT系统的实施部署有很好的指导意义。
在一种优选的方案中,所述的用户的优先级通过下式进行表达:
式中,所述的SNR为用户的信噪比,所述的tdelay为用户累计时延;所述的tdelay=tdelay+T。
在一种优选的方案中,所述的“对基站的可行链路的参数进行选择,得到可行链路的参数集”包括下内容:
定义可行链路的参数集{RUtype,IRU,ITBS,Nrep},所述的Nrep表示重复发送次数,且Nrep∈{20,21,…,27};所述的RUtype表示RU类型;
对码率进行转换,转换公式为:
CR_dB=f(SNRreq)=-18.38×exp(-0.051×SNRreq)+11.52
链路自适应下吗,用户的信噪比:
式中,所述的PUR为上行参考信号接收功率,W=180kHz;
不同RUtype配置下的等效SNR表达公式:
根据RUtype对应的SNRequ,计算得出各个RUtype可支持的最大码率CRmax,
所述的CRmax通过下式进行表达:
针对该RUtype,通过在待选{NRU,ITBS,Nrep}组合中选出满足以下条件的组合
CR≤CRmax
所述的组合定义为可行链路的参数集。
在一种优选的方案中,所述的“结合可行链路的参数集,对基站的可行资源的分配参数进行选择,得到可行资源的参数集”包括下内容:
定义可行资源的参数集{ζopt,k0,fstart};
所述的fstart通过下式进行表达:
式中,所述的是NB-IoT上行可配置的子载波数,当Δf=15kHz时,/>
所述的k0表示调度延迟,且k0∈{8,16,32,64};
所述的ζopt表示最优的用户序号。
在一种优选的方案中,所述的“综合可行链路的参数集和可行资源的参数集,进行于遗传算法的联合链路自适应与资源分配”包括以下步骤:
染色体的基因包含所有调度用户的待配置参数,包括candidate配置ζ及{IMCS,RUtype,k0,fstart};
在初始化时,根据以下公式,配置IMCS和RUtype,从而加速算法收敛:
CR≤CRmax
通过自适应的遗传算法,交叉和变异概率根据染色体适应度F、种群最大适应度Fmax与平均适应度Favg自适应进行变化,p=k(Fmax-F)/(Fmax-Favg),p≤1,其中k为加权系数;
通染色体判断是否满足以下约束:
tdelay+tend≤Tthres.
[O]c,s∈{0,1}
如果不满足,上述染色体的适应度置零;如果全部满足,通过以下公式计算适应度:
保存具有最高适应度的染色体,用于下一次迭代,以确保种群的最高适应度非减。
在一种优选的方案中,所述的Dratio通过下式进行表达:
所述的D是数据包的大小,所述的TBS是传输快的大小。
在一种优选的方案中,所述的Dratio需要满足以下条件:
0.7≤Dratio≤1。
本优选方案中,下界0.7用于减少资源浪费,上界1用于防止码字分块带来的额外信令开销。
在一种优选的方案中,所述“k为加权系数”包括以下内容:
交叉的加权系数取0.5;变异的加权系数取0.1。
在一种优选的方案中,所述的遗传算法的迭代次数是1000次,遗传算法的的种群数量是500。
在一种优选的方案中,所述的遗传算法的迭代次数是1000次时,遗传算法的复杂度是
与现有技术相比,本发明技术方案的有益效果是:
与传统的能量收集认知无线电系统的频谱接入方案和能量收集策略(随机接入方式,短视化策略),侧重短期内的效果,不够注重历史信息和长期效果的缺陷。本发明能够从有效利用历史信息出发进行智能化频谱接入和能量收集选择,从而在无任何先验信息的情况下提高长期意义下的传输性能,其结果具有更高的频谱效率和能量效率。
附图说明
图1为实施例的流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例
如图1所示,一种窄带物联网高效上行无线资源管理方法,包括以下步骤:
基站进行调度时,计算用户的优先级,并选择优先级高的用户;
对基站的可行链路的参数进行选择,得到可行链路的参数集;
结合可行链路的参数集,对基站的可行资源的分配参数进行选择,得到可行资源的参数集;
综合可行链路的参数集和可行资源的参数集,进行于遗传算法的联合链路自适应与资源分配。
本实施例考虑到了NB-IoT低复杂度的要求,通过遗传算法求解最优配置,以较低的性能损失为代价大幅降低了算法的复杂度,从而更利于NB-IoT的实现,具有较高的实际工程价值,且对于具有低能耗和低复杂度要求的NB-IoT系统的实施部署有很好的指导意义。
在实施例中,还可以进行以下扩展:所述的用户的优先级通过下式进行表达:
式中,所述的SNR为用户的信噪比,所述的tdelay为用户累计时延;所述的tdelay=tdelay+T。
在实施例及上述改进实施例中,还可以进行以下扩展:所述的“对基站的可行链路的参数进行选择,得到可行链路的参数集”包括下内容:
定义可行链路的参数集{RUtype,IRU,ITBS,Nrep},所述的Nrep表示重复发送次数,且Nrep∈{20,21,…,27};所述的RUtype表示RU类型;
对码率进行转换,转换公式为:
CR_dB=f(SNRreq)=-18.38×exp(-0.051×SNRreq)+11.52
链路自适应下吗,用户的信噪比:
式中,所述的PUR为上行参考信号接收功率,W=180kHz;
不同RUtype配置下的等效SNR表达公式:
根据RUtype对应的SNRequ,计算得出各个RUtype可支持的最大码率CRmax,所述的CRmax通过下式进行表达:
针对该RUtype,通过在待选{NRU,ITBS,Nrep}组合中选出满足以下条件的组合
CR≤CRmax
所述的组合定义为可行链路的参数集。
在实施例及上述改进实施例中,还可以进行以下扩展:所述的“结合可行链路的参数集,对基站的可行资源的分配参数进行选择,得到可行资源的参数集”包括下内容:
定义可行资源的参数集{ζopt,k0,fstart};
所述的fstart通过下式进行表达:
式中,所述的是NB-IoT上行可配置的子载波数,当Δf=15kHz时,/>
所述的k0表示调度延迟,且k0∈{8,16,32,64};
所述的ζopt表示最优的用户序号。
在实施例及上述改进实施例中,还可以进行以下扩展:所述的“综合可行链路的参数集和可行资源的参数集,进行于遗传算法的联合链路自适应与资源分配”包括以下步骤:
染色体的基因包含所有调度用户的待配置参数,包括candidate配置ζ及{IMCS,RUtype,k0,fstart};
在初始化时,根据以下公式,配置IMCS和RUtype,从而加速算法收敛:
CR≤CRmax
通过自适应的遗传算法,交叉和变异概率根据染色体适应度F、种群最大适应度Fmax与平均适应度Favg自适应进行变化,p=k(Fmax-F)/(Fmax-Favg),p≤1,其中k为加权系数;
通染色体判断是否满足以下约束:
tdelay+tend≤Tthres.
[O]c,s∈{0,1}
如果不满足,上述染色体的适应度置零;如果全部满足,通过以下公式计算适应度:
保存具有最高适应度的染色体,用于下一次迭代,以确保种群的最高适应度非减。
在实施例及上述改进实施例中,还可以进行以下扩展:所述的Dratio通过下式进行表达:
所述的D是数据包的大小,所述的TBS是传输快的大小。
在实施例及上述改进实施例中,还可以进行以下扩展:所述的Dratio需要满足以下条件:
0.7≤Dratio≤1。
本改进实施例中,下界0.7用于减少资源浪费,上界1用于防止码字分块带来的额外信令开销。
在实施例及上述改进实施例中,还可以进行以下扩展:所述“k为加权系数”包括以下内容:
交叉的加权系数取0.5;变异的加权系数取0.1。
在实施例及上述改进实施例中,还可以进行以下扩展:所述的遗传算法的迭代次数是1000次,遗传算法的的种群数量是500。
在实施例及上述改进实施例中,还可以进行以下扩展:所述的遗传算法的迭代次数是1000次时,遗传算法的复杂度是
在上述具体实施方式的具体内容中,各技术特征可以进行任意不矛盾的组合,为使描述简洁,未对上述各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;例如实施例中离子电导率的计算公式并不仅限于实施例中举例的公式,不同的种类的离子电导率的计算公式各不相同。上述的是实施例的限定并不能理解为对本专利的限制。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种窄带物联网高效上行无线资源管理方法,其特征在于,包括以下步骤:
基站进行调度时,计算用户的优先级,并选择优先级高的用户;
对基站的可行链路的参数进行选择,得到可行链路的参数集;
结合可行链路的参数集,对基站的可行资源的分配参数进行选择,得到可行资源的参数集;
综合可行链路的参数集和可行资源的参数集,进行于遗传算法的联合链路自适应与资源分配;
所述的“对基站的可行链路的参数进行选择,得到可行链路的参数集”包括下内容:
定义可行链路的参数集{RUtype,IRU,ITBS,Nrep},所述的Nrep表示重复发送次数,且Nrep∈{20,21,…,27};所述的RUtype表示RU类型;
对码率进行转换,转换公式为:
CR_dB=f(SNRreq)=-18.38×exp(-0.051×SNRreq)+11.52
链路自适应下吗,用户的信噪比:
式中,所述的PUR为上行参考信号接收功率,W=180kHz;
不同RUtype配置下的等效SNR表达公式:
SNRequ=SNR+3i,
根据RUtype对应的SNRequ,计算得出各个RUtype可支持的最大码率CRmax,所述的CRmax通过下式进行表达:
针对该RUtype,通过在待选{NRU,ITBS,Nrep}组合中选出满足以下条件的组合:
CR≤CRmax
所述的组合定义为可行链路的参数集。
2.根据权利要求1所述的窄带物联网高效上行无线资源管理方法,其特征在于,所述的用户的优先级通过下式进行表达:
式中,所述的SNR为用户的信噪比,所述的tdelay为用户累计时延。
3.根据权利要求2所述的窄带物联网高效上行无线资源管理方法,其特征在于,所述的“结合可行链路的参数集,对基站的可行资源的分配参数进行选择,得到可行资源的参数集”包括下内容:
定义可行资源的参数集{ζopt,k0,fstart};
所述的fstart通过下式进行表达:
式中,所述的是NB-IoT上行可配置的子载波数,当Δf=15kHz时,/>
所述的k0表示调度延迟,且k0∈{8,16,32,64};
所述的ζopt表示最优的用户序号。
4.根据权利要求3所述的窄带物联网高效上行无线资源管理方法,其特征在于,所述的“综合可行链路的参数集和可行资源的参数集,进行于遗传算法的联合链路自适应与资源分配”包括以下步骤:
染色体的基因包含所有调度用户的待配置参数,包括candidate配置ζ及{IMCS,RUtype,k0,fstart};
在初始化时,根据以下公式,配置IMCS和RUtype,从而加速算法收敛:
CR≤CRmax
通过自适应的遗传算法,交叉和变异概率根据染色体适应度F、种群最大适应度Fmax与平均适应度Favg自适应进行变化,p=k(Fmax-F)/(Fmax-Favg),p≤1,其中k为加权系数;
通染色体判断是否满足以下约束:
tdelay+tend≤Thres.
[O]c,s∈{0,1}
如果不满足,上述染色体的适应度置零;如果全部满足,通过以下公式计算适应度:
保存具有最高适应度的染色体,用于下一次迭代,以确保种群的最高适应度非减。
5.根据权利要求4所述的窄带物联网高效上行无线资源管理方法,其特征在于,所述的Dratio通过下式进行表达:
所述的D是数据包的大小,所述的TBS是传输快的大小。
6.根据权利要求5所述的窄带物联网高效上行无线资源管理方法,其特征在于,所述的Dratio需要满足以下条件:
0.7≤Dratio≤1。
7.根据权利要求4至6任一权利要求所述的窄带物联网高效上行无线资源管理方法,其特征在于,所述“k为加权系数”包括以下内容:
交叉的加权系数取0.5;变异的加权系数取0.1。
8.根据权利要求4至6任一权利要求所述的窄带物联网高效上行无线资源管理方法,其特征在于,所述的遗传算法的迭代次数是1000次,遗传算法的的种群数量是500。
9.根据权利要求8所述的窄带物联网高效上行无线资源管理方法,其特征在于,所述的遗传算法的迭代次数是1000次时,遗传算法的复杂度是
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010510297.1A CN113766657B (zh) | 2020-06-05 | 2020-06-05 | 一种窄带物联网高效上行无线资源管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010510297.1A CN113766657B (zh) | 2020-06-05 | 2020-06-05 | 一种窄带物联网高效上行无线资源管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113766657A CN113766657A (zh) | 2021-12-07 |
CN113766657B true CN113766657B (zh) | 2024-04-12 |
Family
ID=78785270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010510297.1A Active CN113766657B (zh) | 2020-06-05 | 2020-06-05 | 一种窄带物联网高效上行无线资源管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113766657B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105637925A (zh) * | 2013-10-16 | 2016-06-01 | 英派尔科技开发有限公司 | 具有细化策略管理的动态频率和功率资源分配 |
CN108880663A (zh) * | 2018-07-20 | 2018-11-23 | 大连大学 | 基于改进遗传算法的天地一体化网络资源分配方法 |
CN110049474A (zh) * | 2019-05-17 | 2019-07-23 | 北京邮电大学 | 一种无线资源分配方法、装置及基站 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4195837A3 (en) * | 2018-01-09 | 2023-09-20 | Comcast Cable Communications, LLC | Beam selection in beam failure recovery request retransmission |
US11483895B2 (en) * | 2018-04-13 | 2022-10-25 | Qualcomm Incorporated | Interaction between WUS and RRM measurement |
-
2020
- 2020-06-05 CN CN202010510297.1A patent/CN113766657B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105637925A (zh) * | 2013-10-16 | 2016-06-01 | 英派尔科技开发有限公司 | 具有细化策略管理的动态频率和功率资源分配 |
CN108880663A (zh) * | 2018-07-20 | 2018-11-23 | 大连大学 | 基于改进遗传算法的天地一体化网络资源分配方法 |
CN110049474A (zh) * | 2019-05-17 | 2019-07-23 | 北京邮电大学 | 一种无线资源分配方法、装置及基站 |
Also Published As
Publication number | Publication date |
---|---|
CN113766657A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7412242B2 (en) | Apparatus and method for controlling transmission power in communication systems using orthogonal frequency division multiple access scheme | |
EP2095528B1 (en) | Method for transmit power control dependent on subband load | |
EP2351448B1 (en) | Fractional frequency reuse in ofdma | |
US20070121547A1 (en) | Apparatus and method for allocating resources in a communication system | |
CN105704824B (zh) | 一种无线网络的多维资源分配的方法 | |
Gatti et al. | Bidirectional resource scheduling algorithm for advanced long term evolution system | |
KR20100121666A (ko) | 섹터-간 성능에 기초한 섹터 간섭 관리 | |
JP5761800B2 (ja) | 通信システム及び管理装置 | |
US20090082031A1 (en) | Apparatus and method for band allocation scheduling in multi-band communication system | |
WO2012113183A1 (zh) | 上行资源配置方法及装置 | |
WO2019119364A1 (en) | Antenna configuration in a communication network | |
Alsharif et al. | Intelligent cooperation management of multi-radio access technology towards the green cellular networks for the twenty-twenty information society | |
Lu et al. | Power control based time-domain inter-cell interference coordination scheme in DSCNs | |
CN106912059B (zh) | 支持互信息积累的认知中继网络联合中继选择及资源分配方法 | |
Dovelos et al. | Optimal resource allocation in IEEE 802.11 ax uplink OFDMA with scheduled access | |
CN113766657B (zh) | 一种窄带物联网高效上行无线资源管理方法 | |
CN117201369A (zh) | 网络速率确定方法、装置、电子设备及存储介质 | |
Habetha et al. | Central controller handover procedure for ETSI-BRAN HiperLAN/2 ad hoc networks and clustering with quality of service guarantees | |
Javad-Kalbasi et al. | A new heuristic algorithm for energy and spectrum efficient user association in 5G heterogeneous networks | |
Makarevitch | Distributed scheduling for WiMAX mesh network | |
CN111328144B (zh) | 无线资源分配方法、装置、可读存储介质及计算机设备 | |
Dovelos et al. | A scheduling policy for downlink OFDMA in IEEE 802.11 ax with throughput constraints | |
Yu et al. | Optimal Resource Management with Delay Differentiated Traffic and Proportional Rate Constraint in Heterogeneous Networks. | |
Liu et al. | A differentiated WiFi6 access resource optimization method for power internet of things services based on transmission time slot scheduling | |
Mino et al. | Scalable and hybrid radio resource management for future wireless 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |