CN114245318B - 一种基于智能眼镜的区域人员管控方法 - Google Patents
一种基于智能眼镜的区域人员管控方法 Download PDFInfo
- Publication number
- CN114245318B CN114245318B CN202110993829.6A CN202110993829A CN114245318B CN 114245318 B CN114245318 B CN 114245318B CN 202110993829 A CN202110993829 A CN 202110993829A CN 114245318 B CN114245318 B CN 114245318B
- Authority
- CN
- China
- Prior art keywords
- priority
- packet
- intelligent glasses
- self
- access
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 108091006146 Channels Proteins 0.000 claims description 46
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 claims 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006855 networking Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 241000764238 Isis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/06—Selective distribution of broadcast services, e.g. multimedia broadcast multicast service [MBMS]; Services to user groups; One-way selective calling services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- 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
- H04W72/56—Allocation or scheduling criteria for wireless resources based on priority criteria
- H04W72/566—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient
- H04W72/569—Allocation or scheduling criteria for wireless resources based on priority criteria of the information or information source or recipient of the traffic information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computational Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于智能眼镜的区域人员管控方法,管控区域内的人员佩戴智能眼镜,每个智能眼镜内加载多优先级自适应退避算法,智能眼镜在执行任务过程中检测到重点人员,并把检测到的数据附上位置参数以广播的形式共享给同一组网内的其他智能眼镜,其他智能眼镜获取并同步显示重点人员的坐标位置。本发明采用忙闲因子自适应机制和最优竞争窗自适应机制,通过信道忙闲程度自适应调整各优先级的忙闲自适应因子,并依据网络状态信息自适应调整最优竞争窗自适应因子,从而实时动态更新各优先级竞争窗口长度并使其快速收敛到最佳状态,实现多优先级业务区分服务、改善了网络在重负载下的性能且能有效保障高优先级业务低时延、高可靠的服务质量需求。
Description
技术领域
本发明属于安全及网络技术领域,特别涉及了一种基于智能眼镜的区域人员管控方法。
背景技术
车牌、人脸等生物识别,是安防的最重要环节,安保人员巡逻执勤时无法凭借个人记忆识别出多个重点人员面貌特征,单兵智能眼镜仅具备单个人员识别出重点人员。在执行任务时,多设备通信时或基于有中心节点的路由网络,或使用去中心化的Ad-Hoc无线移动网络互联。为保证网络的稳定性、实时性,部分单兵设备使用Ad-Hoc网络进行通信。
目前,移动Ad-Hoc网络广泛采用的是二进制指数退避算法。研究表明,该类算法存在无法根据网络负载情况快速选取最佳竞争窗口、在饱和状态时网络性能急剧下降且不能区分服务类别等不足。近年来,许多研究者针对BEB算法的不足,根据网络实际需求提出并设计了多种退避算法。例如,增强型退避算法,能够有效降低重负载下网络中的冲突,并提高短期公平性,但无法区分优先级,且不能根据负载情况将竞争窗口收敛到最佳状态;支持服务质量的自适应竞争窗口退避算法,根据分组碰撞概率估计网络中的不同业务的活跃节点数量并动态调整各优先级竞争窗口,实现了多业务区分,但对于大尺度稀疏分布的智能眼镜区域组网,活跃节点数量难以准确估计;区分业务优先级的自适应退避算法,通过实时调整节点相邻退避阶段的前后转移概率,为多种优先级业务提供区分服务,但其通过载波侦听判定信道忙闲从而决定节点下一阶段退避状态的方法并不准确,无法良好的应用于智能眼镜区域组网。
发明内容
为了解决上述背景技术提到的技术问题,本发明提出了一种基于智能眼镜的区域人员管控方法。
为了实现上述技术目的,本发明的技术方案为:
1、一种基于智能眼镜的区域人员管控方法,管控区域内的人员佩戴智能眼镜,每个智能眼镜内加载有多优先级自适应退避算法,智能眼镜在执行任务过程中检测到重点人员,并把检测到的数据附上位置参数以广播的形式共享给同一组网内的其他智能眼镜,其他智能眼镜获取并同步显示重点人员的坐标位置;
所述多优先级自适应退避算法包括以下步骤:
(1)建立退避过程三维马尔可夫链模型,计算单个节点的分组接入速率;
(2)根据单个节点的分组接入速率求解各业务的优先级接入门限;
(3)根据优先级接入门限计算系统吞吐量;
(4)计算各优先级分组的平均MAC时延;
(5)根据各优先级分组的平均MAC时延求解使系统吞吐量达到最优的优先级接入门限,根据最优的优先级接入门限计算最优竞争窗自适应因子,并通过自适应调整最优竞争窗自适应因子使系统吞吐量达到最优。
进一步地,步骤(1)的过程如下:
建立退避过程三维马尔可夫链模型:
令gr(t)表示优先级r的分组在t时刻的忙闲自适应因子,sr(t)表示优先级r的分组在t时刻所处的退避阶段,br(t)表示优先级r的分组在t时刻退避计数器的值,则三维随机过程(gr(t),sr(t),br(t))构成离散三维马尔可夫链,其各状态稳态概率:
其中,Pr{}表示求取概率,i,j,k分别为gr(t),sr(t),br(t)的取值,优先级r∈{1,2,3,...,R},R为优先级级数;
令λr表示单个节点中优先级r的分组到达率,σ表示单位时隙长度,则在σ内,单个节点有优先级r分组进入相应队列的概率:
由于采用优先抢占式的信道接入策略,节点发送端服务器每次仅能服务一个分组,得分组在任一时隙σ能接入信道的概率:
其中,τr表示优先级r分组经退避和信道忙闲判定后允许接入的概率;
单个节点的分组接入速率:
进一步地,步骤(2)的过程如下:
设接入网络中的分组在间隔时间上服从参数为λpre=Nλin/M的负指数分布,则分组成功接收概率:
其中,N为节点数量,M为信道数量,Tsend为信道传输时延;
根据纠错编码机制原理,得分组成功传输概率:
其中,Nb为分组拆分后的突发包个数,Mb为恢复原分组所需最少突发个数;
对优先级r∈{2,3,…,R}业务设置接入门限,设接入网络的优先级1,2,…,R的业务比例为k1,k2,..,kR,设优先级r业务的接入门限为Ath r,其含义为其业务恰好无法接入信道时,网络中所对应的最大负载Gmax:
通过上式求解所有Ath r的值,即各优先级接入门限值。
进一步地,步骤(3)的过程如下:
定义S表示系统吞吐量,表示单位时间内信道实际传输成功的所有优先级分组比特数之和:
S=λinNLpacPb
其中,Lpac为数据分组的比特长度。
进一步地,步骤(4)的过程如下:
计算优先级r分组的平均MAC时延:
E[Dr]=E[Tr]σ
E[Dr]为优先级r的分组成功传输所需的平均时隙数:
其中,pr表示优先级r的分组到达缓冲区队首时经信道忙闲判定后不能接入的概率,m为最大退避次数。
进一步地,步骤(5)的过程如下:
使系统吞吐量达到最优的优先级接入门限:
根据上述得到最优竞争窗自适应因子:
其中,
上式中,
采用上述技术方案带来的有益效果:
本发明将多个智能眼镜通过自组网络去中心化的方式进行数据共享,并根据信道忙闲程度和网络状态参数自适应实时更新各优先级竞争窗口长度,从而使每次退避的竞争窗口可快速收敛到最佳状态,实现了多业务区分服务,得到了最优的系统性能。具体地:
1)本发明能根据信道忙闲程度和网络状态参数自适应调整各优先级竞争窗口长度,从而可将竞争窗口收敛到最佳状态,为不同优先级业务提供了不同的服务质量保障能力,得到了最优的系统性能;
2)通过仿真实验验证了本发明所建模型准确有效,与Q-ABACW和PAB算法相比,本发明在吞吐量性能上具有明显的优势。
附图说明
图1是本发明中智能眼镜区域组网示意图;
图2是本发明中多优先级自适应退避算法示意图;
图3是本发明中优先级r分组退避状态的三维马尔可夫链模型示意图;
图4是本发明中最优竞争窗自适应因子与信道负载、信道数目的关系图。
具体实施方式
以下将结合附图,对本发明的技术方案进行详细说明。
本发明设计了一种基于智能眼镜的区域人员管控方法,管控区域内的人员佩戴智能眼镜,每个智能眼镜内加载有多优先级自适应退避算法,智能眼镜在执行任务过程中检测到重点人员,并把检测到的数据附上位置参数以广播的形式共享给同一组网内的其他智能眼镜,其他智能眼镜获取并同步显示重点人员的坐标位置,如图1所示。
所述多优先级自适应退避算法如图2所示,步骤如下:
步骤一,建立退避过程三维马尔可夫链模型,令pr表示优先级r的分组到达缓冲区队首时经信道忙闲判定后不能接入的概率,m表示最大退避次数。令gr(t)表示优先级r的分组在t时刻的忙闲自适应因子,sr(t)表示优先级r的分组在t时刻所处的退避阶段,br(t)表示优先级r的分组在t时刻退避计数器的值,则三维随机过程(gr(t),sr(t),br(t))构成如图2所示的离散三维马尔可夫链,其各状态稳态概率为
引入状态(0,-1,0)表示发送缓冲区队首恰好为空的概率(即前一分组服务完成时,后一分组还未进入队首的瞬时状态),由图3可得,节点退避状态的一步转移概率可表示为
Pr{0,-1,0|i,j,0}=1-pr
i∈[1,lr];j∈[0,m] (4)
Pr{0,-1,0|i,m,0}=1
i∈[1,lr] (5)
式中:为将i作为竞争窗口调整参数,构造优先级r分组在第j个退避阶段的竞争窗口表达式为;p为到达缓冲区队首时经信道忙闲判定后不能接入概率的分组集;qr为单个节点有优先级r分组进入相应队列的概率。
式(1)表示发送缓冲区队首分组经信道忙闲判定后首次执行退避的概率;式(2)表示状态转移图中同一行向左转移的概率;式(3)表示状态转移图中分组经信道忙闲判定后无法接入信道并重新确定忙闲自适应因子并进入下一退避阶段的概率;式(4)表示分组经信道忙闲判定后允许接入信道并回到初始状态的概率;式(5)表示分组经m次退避后仍不能接入信道,节点将分组丢弃并回到初始状态的概率。
又由图3可得
结合式(6)及图3推导可得
令λr表示单个节点中优先级r的分组到达率,σ表示单位时隙长度,则在σ内,单个节点有优先级r分组进入相应队列的概率qr为
根据三维Markov链的归一化条件,一个节点所有状态概率应满足
联立式(1)~式(9)可求解的表达式。
根据式(6)~式(9)可求解图3中每个状态的取值。
定义τr表示优先级r分组经退避和信道忙闲判定后允许接入的概率,即
由于采用优先抢占式的信道接入策略,节点发送端服务器每次仅能服务一个分组,因此可得分组在任一时隙σ能接入信道的概率为
则单个节点的分组接入速率λin为
步骤二,各优先级接入门限求解,由于接入网络的分组会在时域、频域发生碰撞。因此,分组成功接收需保证在同一条信道上,当前分组与其前后一个分组的发送间隔时间同时大于其信道传输时延Tsend。对于单个信道,假设接入网络中的分组在间隔时间上服从参数为λpre=Nλin/M(N为节点数量,M为信道数量)的负指数分布。定义Pb表示分组成功接收概率,则
令Nb为分组拆分后的突发包个数,Mb为恢复原分组所需最少突发个数。根据纠错编码机制原理,可得分组成功传输概率ppac为
假设最高优先级业务所要求的最低传输成功概率为99%,则令Ppac=99%,联立式(13)~式(14)可得当前网络所对应的信道负载为G。
为了保障最高优先级业务的时效性与可靠性需求,需对优先级r∈{2,3,…,R}业务设置接入门限。设接入网络的优先级1,2,…,R业务比例为k1:k2:…:kR。设优先级r业务的接入门限为Ath r,其含义为其业务恰好无法接入信道时,网络中所对应的负载。Ath r需满足
通过式(15)可以求解所有Ath r的值,即各优先级业务的接入门限值;Gmax为信道最大负载。
根据接入门限Ath r可求解Pr,即
步骤三,计算系统吞吐量,定义S表示系统吞吐量,表示单位时间内信道实际传输成功的所有优先级分组比特数之和,即
S=λinNLpacPb (17)
式中:Lpac为数据分组的比特长度。
步骤四,计算平均MAC时延,令E[Dr]表示优先级r分组的平均MAC时延,即分组到其相应优先级队首至该分组接入信道前所需时间的平均值,表示为
E[Dr]=E[Tr]σ (18)
式中:E[Dr]为优先级r的分组成功传输所需的平均时隙数,可表示为
步骤五,最优竞争窗自适应因子求解,为提高接入方案的吞吐量性能,通过式(19)求解可使S达到最优的λin,并通过λin求解最优竞争窗自适应因子βCWI的值,从而通过自适应调整βCWI,使S达到最优。
式(19)可表示为
通过求吞吐量S关于λin的偏导数,令易知式(20)存在唯一极大值点可使S达到最大。解得该极大值为
联立式(12)和式(21),可得
整理式(22)可得
式中:
将式(24)进行整理,并对其取以e为底的对数可得
由于qr,pr∈(0,1),忽略和的影响,并近似认为(lr-1)/lr≈1,可推导出
因此有成立,并将近似结果代入式(30),最终可得
由式(23)和式(27)可知,最优竞争窗自适应因子βCWI与信道负载(网络中所有节点分组接入速率之和)Gtra、信道数目M直接相关。由图4可知,相同信道数目下的βCWI与信道负载呈正比关系;信道负载相同的情况下βCWI与信道数目呈反比关系。故得到基于Ad-Hoc无线移动网络互联的多优先级自适应退避算法,实现了智能眼镜区域组网。并实时动态更新各优先级竞争窗口长度并使其快速收敛到最佳状态,实现了多优先级业务区分服务、改善了网络在重负载下的性能且能有效保障高优先级业务低时延、高可靠的服务质量需求。
实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (5)
1.一种基于智能眼镜的区域人员管控方法,其特征在于:管控区域内的人员佩戴智能眼镜,每个智能眼镜内加载有多优先级自适应退避算法,智能眼镜在执行任务过程中检测到重点人员,并把检测到的数据附上位置参数以广播的形式共享给同一组网内的其他智能眼镜,其他智能眼镜获取并同步显示重点人员的坐标位置;所述多优先级自适应退避算法包括以下步骤:
(1)建立退避过程三维马尔可夫链模型,计算单个节点的分组接入速率;
(2)根据单个节点的分组接入速率求解各业务的优先级接入门限;
(3)根据优先级接入门限计算系统吞吐量;
(4)计算各优先级分组的平均MAC时延;
(5)根据各优先级分组的平均MAC时延求解使系统吞吐量达到最优的优先级接入门限,根据最优的优先级接入门限计算最优竞争窗自适应因子,并通过自适应调整最优竞争窗自适应因子使系统吞吐量达到最优;
步骤(1)的过程如下:
建立退避过程三维马尔可夫链模型:
令gr(t)表示优先级r的分组在t时刻的忙闲自适应因子,sr(t)表示优先级r的分组在t时刻所处的退避阶段,br(t)表示优先级r的分组在t时刻退避计数器的值,则三维随机过程(gr(t),sr(t),br(t))构成离散三维马尔可夫链,其各状态稳态概率:
其中,Pr{}表示求取概率,i,j,k分别为gr(t),sr(t),br(t)的取值,优先级r∈{1,2,3,...,R},R为优先级级数;
令λr表示单个节点中优先级r的分组到达率,σ表示单位时隙长度,则在σ内,单个节点有优先级r分组进入相应队列的概率:
由于采用优先抢占式的信道接入策略,节点发送端服务器每次仅能服务一个分组,得分组在任一时隙σ能接入信道的概率:
其中,τr表示优先级r分组经退避和信道忙闲判定后允许接入的概率;
单个节点的分组接入速率:
2.根据权利要求1所述基于智能眼镜的区域人员管控方法,其特征在于,步骤(2)的过程如下:
设接入网络中的分组在间隔时间上服从参数为λpre=Nλin/M的负指数分布,则分组成功接收概率:
其中,N为节点数量,M为信道数量,Tsend为信道传输时延;
根据纠错编码机制原理,得分组成功传输概率:
其中,Nb为分组拆分后的突发包个数,Mb为恢复原分组所需最少突发个数;
对优先级r∈{2,3,…,R}业务设置接入门限,设接入网络的优先级1,2,…,R的业务比例为k1,k2,..,kR,设优先级r业务的接入门限为Ath r,其含义为业务恰好无法接入信道时,网络中所对应的最大负载Gmax:
通过上式求解所有Ath r的值,即各优先级接入门限值。
3.根据权利要求2所述基于智能眼镜的区域人员管控方法,其特征在于,步骤(3)的过程如下:
定义S表示系统吞吐量,表示单位时间内信道实际传输成功的所有优先级分组比特数之和:
S=λinNLpacPb
其中,Lpac为数据分组的比特长度。
4.根据权利要求3所述基于智能眼镜的区域人员管控方法,其特征在于,步骤(4)的过程如下:
计算优先级r分组的平均MAC时延:
E[Dr]=E[Tr]σ
E[Dr]为优先级r的分组成功传输所需的平均时隙数:
其中,Pr表示优先级r的分组到达缓冲区队首时经信道忙闲判定后不能接入的概率,m为最大退避次数。
5.根据权利要求4所述基于智能眼镜的区域人员管控方法,其特征在于,步骤(5)的过程如下:
使系统吞吐量达到最优的优先级接入门限:
根据上述得到最优竞争窗自适应因子:
其中,
上式中,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110993829.6A CN114245318B (zh) | 2021-08-27 | 2021-08-27 | 一种基于智能眼镜的区域人员管控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110993829.6A CN114245318B (zh) | 2021-08-27 | 2021-08-27 | 一种基于智能眼镜的区域人员管控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114245318A CN114245318A (zh) | 2022-03-25 |
CN114245318B true CN114245318B (zh) | 2023-05-09 |
Family
ID=80742508
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110993829.6A Active CN114245318B (zh) | 2021-08-27 | 2021-08-27 | 一种基于智能眼镜的区域人员管控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114245318B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113170312A (zh) * | 2019-11-07 | 2021-07-23 | 苹果公司 | 无线通信中的信道接入机制 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2280579A1 (en) * | 2009-07-29 | 2011-02-02 | Thomson Licensing | a semi-random back-off method for achieving resource reservation in wireless local area networks |
CN102395147B (zh) * | 2011-08-26 | 2014-04-09 | 上海交通大学 | 基于自适应退避窗和退避速度的节点优化接入方法 |
CN102711130B (zh) * | 2012-06-08 | 2014-11-12 | 深圳大学 | 一种自适应退避算法中竞争窗的确定方法及系统 |
CN104219779B (zh) * | 2012-06-08 | 2017-09-15 | 深圳大学 | 在自适应退避算法中确定竞争窗变化因子的方法及系统 |
CN102811498A (zh) * | 2012-07-27 | 2012-12-05 | 南京邮电大学 | 一种基于干扰分析的自适应竞争窗口调整方法 |
CN103945558A (zh) * | 2014-03-27 | 2014-07-23 | 西安交通大学 | 一种无线局域网中基于网络负载的自适应信道接入控制方法 |
CN107637135B (zh) * | 2015-06-24 | 2020-01-21 | 华为技术有限公司 | 一种基于异构优先级的随机接入方法、装置、设备及系统 |
CN105007586B (zh) * | 2015-08-11 | 2018-05-01 | 中山大学 | 无线传感网smac协议的双因子自适应竞争窗口调整方法 |
CN107040948B (zh) * | 2017-06-13 | 2020-07-31 | 河北工业大学 | 一种基于优先级的csma/ca优化方法 |
-
2021
- 2021-08-27 CN CN202110993829.6A patent/CN114245318B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113170312A (zh) * | 2019-11-07 | 2021-07-23 | 苹果公司 | 无线通信中的信道接入机制 |
Non-Patent Citations (1)
Title |
---|
赵玮 ; 郑博 ; 张衡阳 ; 刘炜伦 ; .带有时间约束的机载自组网自适应退避算法.西安交通大学学报.2018,(04),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN114245318A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8213454B2 (en) | Self-adapting mechanism for managing data streams in a multiple access shared network | |
CN108055702B (zh) | 基于时隙csma\ca模式的自适应退避方法 | |
CN112911723B (zh) | 一种基于干扰优先级的无人机集群自组网信道接入方法 | |
DE112006003086T5 (de) | System und Verfahren zum Ausführen einer Topologiesteuerung in einem drahtlosen Netz | |
Khan et al. | Integration challenges of facilities-layer DCC for heterogeneous V2X services | |
CN113573419B (zh) | 一种考虑多优先级业务的多跳网络信道接入方法 | |
CN110662233A (zh) | 基于定向天线收发的统计优先多址接入系统及实现方法 | |
CN111585843A (zh) | 一种链路有效的高动态网络媒体接入方法 | |
CN109257830B (zh) | 基于QoS的车载网络自适应退避方法 | |
CN114245318B (zh) | 一种基于智能眼镜的区域人员管控方法 | |
Abdulsahib et al. | A modified bandwidth prediction algorithm for wireless sensor networks | |
CN110312291A (zh) | 一种低功耗LoRa无线网络数据传输算法 | |
Sun et al. | A networking scheme for FANET basing on SPMA protocol | |
Ranganathan et al. | Enhancing the selection of backoff interval using fuzzy logic over wireless ad hoc networks | |
CN113630901B (zh) | 一种异构无线网络中动态多优先级自适应退避算法 | |
CN104144518B (zh) | 一种基于时延优化的车联网控制信道自适应接入方法 | |
Xu et al. | A self-adaptive minimum contention window adjusting backoff algorithm in IEEE 802.11 DCF | |
CN114302268B (zh) | 基于多轮询窗口epon系统中的多业务共存调度方法及系统 | |
Zheng et al. | An optimized mac protocol for safety messages9 broadcasting in vanets | |
CN114143829B (zh) | 一种实时信道监测下的数据链信道负载算法 | |
Li et al. | A threshold setting method for SPMA protocol | |
Shengbin et al. | A survey on mac layer in ad hoc wireless networks | |
El-Azouzi et al. | Modeling slotted aloha as a stochastic game with random discrete power selection algorithms | |
Farjam et al. | Effect of Computational Power of Sensors on Event-Triggered Control Mechanisms over a Shared Contention-Based Network | |
CN117793019A (zh) | 一种用于数据链的优先级阈值设定装置 |
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 |