CN115175252A - 一种面向v2g网络多模协作通信业务流分发系统及方法 - Google Patents
一种面向v2g网络多模协作通信业务流分发系统及方法 Download PDFInfo
- Publication number
- CN115175252A CN115175252A CN202210579596.XA CN202210579596A CN115175252A CN 115175252 A CN115175252 A CN 115175252A CN 202210579596 A CN202210579596 A CN 202210579596A CN 115175252 A CN115175252 A CN 115175252A
- Authority
- CN
- China
- Prior art keywords
- communication link
- service
- service flow
- network
- available
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/24—Negotiating SLA [Service Level Agreement]; Negotiating QoS [Quality of Service]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/80—Actions related to the user profile or the type of traffic
- H04L47/805—QOS or priority aware
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种面向V2G网络多模协作通信业务流分发系统及方法。系统包括接收模块、分类模块、决策模块;所述接收模块用于接收业务流信息和各主体间通信链路的信道状况;所述分类模块用于根据业务流信息,将V2G业务按传输需求进行分类;所述决策模块计算出可用通信链路和理论最优通信链路的相对贴近度,将业务流按传输需求分配到可用的最优通信链路进行传输。本发明对车、桩、网各主体间交互的不同业务流按QoS需求进行分类,利用熵权法对通信链路中的随机参数生成权重,利用基于修正马氏距离的相对贴近度的多属性决策方法,弥补传统方法不能解决多目标随机参数决策问题的缺点,并对业务流进行分发。
Description
技术领域
本发明涉及多模协作通信技术和基于网络演算的时延可控技术,尤其涉及一种面向V2G网络多模协作通信业务流分发系统及方法。
背景技术
近年来,随着电动汽车的普及和智能电网的发展,车、桩、网之间的业务流变得更多更复杂,除了充电预约和充电停止等基本业务,还包括电动汽车调度调频和充放电控制等实时业务,因此,未来网络的异构性将更加突出。
为了使下层电动汽车用户和上层电网侧能够在复杂的异构网络下能够顺畅地进行交互,集成多种网络接口的多模移动终端日益普及,使电动汽车、充电桩和上层电网调度中心等终端可以同时利用多个接口进行通信的技术被称之为面向V2G网络的多模协作通信。车、桩、网之间交互的不同业务具有不同的QoS需求,为不同业务选择合适的通信链路是减少数据信息传输成本和网络负载率的前提。
面向V2G网络的多模协作通信系统中,车、桩、网各主体上装有多接口多模设备,包括接收模块、分类模块和决策模块,能够接收各主体间传输的业务流信息和通信链路的信道状况,对其进行相应处理后按提前设定的原则为业务流分配合适的通信链路。现有的V2G异构网络多模移动终端业务流分发技术,存在以下三个问题:1)难以设置合适的权重,为不同种类的业务流信息选择合适的最优通信链路。2)传统多属性决策方法难以解决多目标随机决策问题,而业务流分发问题中的通信链路参数和指标为随机参数,通信链路选择包含传输成本和网络负载两个目标。3)对于V2G异构网络中传输的业务流,没有可靠的方法去验证其时延QoS需求。
发明内容
本发明的目的在于提供一种面向V2G网络多模协作通信业务流分发系统及方法。
为实现本发明的目的,本发明提供的技术方案如下:
第一方面
本发明实施例提供了一种面向V2G网络多模协作通信业务流分发系统,包括如下:接收模块、分类模块、决策模块;
所述接收模块用于接收电动汽车、充电桩和电网之间在高速电力线载波HPLC中需要传输的业务流信息和各主体间通信链路的信道状况;
所述分类模块用于根据接收模块接收到的业务流信息,将V2G业务按传输需求进行分类;
所述决策模块利用熵值法和基于修正马氏距离的相对贴近度的多属性决策方法,计算出可用通信链路和理论最优通信链路的相对贴近度,将业务流按传输需求分配到可用的最优通信链路进行传输。
其中,所述接收模块具体用于接收车、桩、网之间的V2G业务流传输需求和各主体间通信链路的信道状况,业务流传输需求包括时延要求、带宽要求和可靠性需求,信道状况包括带宽、信道容量和时延、丢包率、误码率。
其中,所述分类模块具体用于将车、桩、网各主体间在HPLC中传输的业务流按传输要求进行分类,类型包括低时延类业务、高带宽类业务和高可靠性类业务。
其中,所述决策模块具体用于利用熵权法对通信链路中的随机参数生成权重,利用基于修正马氏距离的相对贴近度的多属性决策方法计算可用通信链路与理论最优通信链路的相对贴近度。
其中,所述基于修正马氏距离的相对贴近度的多属性决策方法包括:建立数据传输成本和网络负载率的目标函数,利用熵权法对通信链路中的随机参数生成权重,然后计算可用通信链路与理论最优通信链路的基于修正马氏距离的相对贴近度,根据相对贴近度选出可用的最优通信链路。
第二方面
与上述方法相对应,本发明实施例提供了一种面向V2G网络多模协作通信业务流分发方法,包括如下:
步骤一:接收车、桩、网之间需要在HPLC中传输的业务流信息和各主体间通信链路的信道状况;
步骤二:根据接收到的业务流信息,将V2G业务按传输需求进行分类;
步骤三:利用熵值法和基于修正马氏距离的相对贴近度的多属性决策方法,计算出可用通信链路和理论最优通信链路的基于修正马氏距离的相对贴近度,将业务流按传输需求分配到可用的最优通信链路进行传输。
其中,所述步骤一中,利用传感器技术,实时监测每个通信链路的信道状况,包括带宽、信道容量和时延、丢包率、误码率,对传感器发送来的数据和车、桩、网之间的业务数据信息进行接收。
其中,所述步骤二中,分类类型包括低时延类业务、高带宽类业务和高可靠性类业务。
其中,所述步骤三中,根据接收到的通信链路信道状况用熵权法对通信链路中的随机参数生成权重;根据所述可用通信链路信息和所述通信链路各项参数对应权重,使用基于修正马氏距离的相对贴近度的多属性决策方法,计算可用通信链路与理论最优通信链路的相对贴近度,根据相对贴近度选出可用的最优通信链路。
其中,所述基于修正马氏距离的相对贴近度的多属性决策方法包括建立数据传输成本和网络负载率的目标函数,利用熵权法对通信链路中的随机参数生成权重,然后计算可用通信链路与理论最优通信链路的基于修正马氏距离的相对贴近度,根据相对贴近度选出可用的最优通信链路。
与现有技术相比,本发明的有益效果为,
本发明对车、桩、网各主体间交互的不同业务流按QoS需求进行分类,利用熵权法对通信链路中的随机参数生成权重,利用基于修正马氏距离的相对贴近度的多属性决策方法,弥补传统方法不能解决多目标随机参数决策问题的缺点,并对业务流进行分发。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。
图1为本申请V2G场景下车、桩、网异构网络中多模协作图;
图2为本申请面向V2G网络多模协作通信业务流分发系统示意图;
图3为本申请基于修正马氏距离的多属性决策方法的实施流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为V2G场景下车、桩、网异构网络中多模协作图。如图1所示,当多模终端上有不同类型的业务流需要进行传输时,根据接收到的业务流的信息和通信链路的信道状态,按QoS需求对业务进行分发,同时在满足需求的前提下将数据传输成本和网络负载率降到最低。
图2为本发明面向V2G网络多模协作通信业务流分发系统的实施例示意图。如图2所示,本实施例系统包括:接收模块、分类模块、决策模块。
其中,接收模块一方面根据传感器技术,接收传感器发送来的每个通信链路的实时信道状况,包括通信链路的两个时变参数(带宽和信道容量)和三个QoS衡量指标(时延、丢包率、误码率),将其作为随机决策变量,分别为x1-x5
X={x1,x2,...x5} (1)
所组成的通信链路集合为
Y={y1,y2,y3...ym},m∈N (2)
每一个通信链路yi都包含5个参数,每个参数都为随机变量,具有不同的分布。
另一方面,根据现有的业务类型感知技术,感知需要被服务的业务流类型,包括该业务流对带宽、信道容量的需求和对时延、丢包率、误码率的最低要求,组成多模移动终端上并发运行的业务流集合Z={z1,z2,z3...zn},n∈N,最终接收模块将通信链路信道状况和业务流信息传递给分类模块。
其中,分类模块,对V2G业务流按QoS需求进行分类,形成三个业务流队列(低时延需求、高带宽需求、高可靠性需求),队列中的每一项代表一个等待分发的业务流,队首的业务流Xi即为下一次决策分发的对象。
在现在的多源异构网络环境当中,希望下层电动汽车用户和上层电网侧能够在复杂的异构网络下能够顺畅地进行交互。当多模终端上有不同类型的业务流需要进行传输时,可以根据不同类型业务流的特征、不同通信链路的信道状况等因素将各条业务流分发到不同的通信链路上进行传输。此外,当某个通信链路不再可用或服务质量明显降低时,多模终端可以及时做出反应,将此通信链路上承载的业务流无缝切换到其他满足业务流需求的通信链路上进行传输。
本发明定义基于修正马氏距离的相对贴近度Nj为衡量可用通信链路与理论最优通信链路贴近程度以及与理论最差通信链路远离程度的变量,它的取值越大说明方案越优,因而业务流的最优通信链路选择问题就是对所有可用通信链路的Nj进行排序并选取Nj值最大的通信链路作为业务流传输的通信链路。
由于业务流的分发是给业务寻找合适的通信链路,而选择的不同会同时影响到业务传输成本和网络负载两个决策函数,它们分别为随机决策变量X的函数,因此,业务流分发问题转化为多目标随机决策模糊优化问题,目标函数表示为:
minF(X)=min(f1(X),f2(X)) (3)
随机约束条件为
Prob[a1x1+a2x2(≥)b1]≥δ1 (4)
Prob[a3x3+a4x4+a5x5(≤)b2]≥δ2 (5)
其中,f1(X)和f2(X)分别表示传输成本和网络负载两个决策函数。a1,a2,…,a5为第1,2,…,5个决策变量的模糊因子,b1和b2分别为服从某种分布的参数,δ1和δ2为违反约束而允许的模糊风险容忍度,即允许通信链路不符合业务要求的容忍度。
其中,eij和dij(j=1,2,…,5)为决策变量的权重因子。
用熵权法对通信链路中的随机决策变量x1-x5生成权重,具体步骤如下:
1)计算随机决策变量x1-x5。通信链路的带宽x1和信道容量x2经频谱分析仪测量后传输至接收模块,无需计算。基于随机变量的概率分布可得到通信链路的QoS衡量指标。
对于通信链路的QoS衡量指标时延x3、丢包率x4、误码率x5。对于通信链路的时延x3,采用三参数Weibull分布描述其分布情况:
式中:α为比例参数(α>0);β为形状参数(β>0)。
对于通信链路的丢包率x4,其概率密度为:
式中:γi为伯努利随机变量,当γi=1表示数据正常传输,概率为pl,i;当γi=0表示数据丢包,概率为1-pl,i。
通信链路的误码率x5可用系统可靠性理论计算的出错率等效表示,由于系统的生存时间和出现故障的出错率固定,因此通信链路的误码率可认为是基于泊松分布的概率事件,存在:
式中:cber(t)为t时刻出错率,p{·}表示概率函数,T为通信链路的生存周期。
2)形成通信链路原始数据矩阵。将第i个通信链路yi∈Y={y1,y2,y3...ym}的第j个随机决策变量xj∈X={x1,x2,...x5}的值记为xij(i=1,2,…,m;j=1,2,3,4,5),形成通信链路原始数据矩阵为:
3)对通信链路原始数据矩阵归一化:
4)计算特征比重:
通信链路i的第j个随机决策变量下特征比重Qij为:
5)计算随机决策变量熵值Ej:
6)计算差异系数Dj
Dj=1-Ej (14)
Dj越大,该随机决策变量对数据传输成本和网络负载率的影响越大,越应赋予较大的权重值。
7)确定各随机决策变量的熵权:
利用所述基于修正马氏距离求解相对贴近度优化问题。
修正马氏距离判别法中,借助一般交叉验证(GCV),对经典马氏距离定义中的距离权重矩阵∑-1进行调整。其原理是选择对样本集重构效果最好的特征值构成对角矩阵Λ,利用协方差矩阵的特征值分解的性质得到∑-1的近似。
具体的计算步骤如下。
第一步,对衡量每个通信链路实时信道状况的随机决策变量X以及通信链路集合Y的样本协方差矩阵∑X和∑Y进行特征值分解,求出X的全部特征值λX1≥λX2≥…≥λXp、Y的全部特征值λY1≥λY2≥…≥λYp,及X对应的特征向量uX1,uX2,···,uXp、Y对应的特征向量uY1,uY2,···,uYp,记X的p个特征向量构成矩阵UX=(uX1,uX2,…,uXp),Y的p个特征向量构成矩阵UY=(uY1,uY2,…,uYp)。
第二步,用GCV方法判断保留的特征值与特征向量的个数m。取前m个特征值构成对角矩阵ΛX=diag(λX1,λX2,…,λXm)和ΛY=diag(λY1,λY2,…,λYm),对应的特征向量构成的矩阵为UX=(uX1,uX2,…,uXm)和UY=(uY1,uY2,…,uYm)。
第三步,计算新的距离权重矩阵:
第四步,对于一个新的样本点eXnew和eYnew,在给定距离权重矩阵WXadj和WYadj下分别计算它到类别G的马氏距离为:
在上述的距离符号中,dadjM为修正的马氏距离的定义。进而可以用修正的马氏距离来进行判别分析。计算样本点eXnew到每一类GXk以及eYnew到每一类GYk的修正马氏距离,当满足下述条件:
计算两者间的修正马氏距离下的贴近度,最终如下公式得到:
基于修正马氏距离的相对贴近度的取值范围是[0,1]。
其中,决策模块,根据分类模块对业务流的分类,利用基于修正马氏距离的相对贴近度的多属性决策算法实现业务流的分发决策。
在确定通信链路参数权重时,本发明利用熵权法,生成通信链路各项参数对应的权重,然后利用基于修正马氏距离的相对贴近度的多属性决策方法,然后计算可用通信链路与理论最优通信链路的基于修正马氏距离的相对贴近度,根据基于修正马氏距离的相对贴近度选出可用的最优通信链路,最后将各业务流分发。通过计算各个备选方案到理想方案的基于修正马氏距离的相对贴近度来对各个方案进行排序,从而选出最优方案,而所述基于修正马氏距离的相对贴近度的多属性决策方法弥补了传统方法不能解决带有随机参数变量决策问题的缺点。
相应地,本发明还提供了一种面向V2G网络多模协作通信业务流分发方法的实施例,包括如下:
步骤一、接收车、桩、网之间需要在HPLC中传输的业务流信息和各主体间通信链路的信道状况;
S1:利用现有的传感器技术对每个通信链路进行感知,实时监测通信链路的信道状况。信道状况包括两个时变参数(带宽和信道容量)和三个QoS需求指标(时延、丢包率、误码率),这是对不同业务流按需求选择不同通信链路进行分发的基础依据。
步骤二、根据接收模块接收到的业务流信息,将V2G业务按传输需求进行分类;
S1:为了清晰、协调地将具有不同QoS需求的业务流分配到不同的通信链路,需要对业务流进行分类,每种类型的业务流有相同的QoS需求,按照类别对业务流进行分发。分类类型包括低时延类业务(充电桩充放电控制等)、高带宽类业务(充电桩AI视频监控等)和高可靠性类业务(充电信息采集等)。三类业务流队列中的每一项代表一个等待分发的业务流,队首的业务流Xi即为下一次决策分发的对象。
S2:本发明的常规算法首先从每个类型的队列头部依次取出各条业务流进行分发决策。
S3:根据三种不同类型的业务流在时延、丢包率和误码率上的要求,对通信链路集合进行筛选,得到可满足最低QoS需求的通信链路,将可用通信链路组成该业务流分发的可行解空间。
步骤三、利用熵值法和加权马氏距离多属性决策方法,计算出可用通信链路和理论最优通信链路的基于修正马氏距离的相对贴近度,将业务流按传输需求分配到可用的最优通信链路进行传输。
S1:根据确定的满足该业务流分发的可行解空间和生成的通信链路各项参数权重,本发明利用基于修正马氏距离的多属性决策方法,为该业务流在可行解空间内找出最优解,并将该业务流分发到选定的最优通信链路中进行传输,同时进行下一个业务流的分发决策。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
Claims (10)
1.一种面向V2G网络多模协作通信业务流分发系统,其特征在于,包括如下:接收模块、分类模块、决策模块;
所述接收模块用于接收电动汽车、充电桩和电网之间在高速电力线载波HPLC中需要传输的业务流信息和各主体间通信链路的信道状况;
所述分类模块用于根据接收模块接收到的业务流信息,将V2G业务按传输需求进行分类;
所述决策模块利用熵值法和基于修正马氏距离的相对贴近度的多属性决策方法,计算出可用通信链路和理论最优通信链路的相对贴近度,将业务流按传输需求分配到可用的最优通信链路进行传输。
2.如权利要求1所述的一种面向V2G网络多模协作通信业务流分发系统,其特征在于,所述接收模块具体用于接收车、桩、网之间的V2G业务流传输需求和各主体间通信链路的信道状况,业务流传输需求包括时延要求、带宽要求和可靠性需求,信道状况包括带宽、信道容量和时延、丢包率、误码率。
3.如权利要求1所述的一种面向V2G网络多模协作通信业务流分发系统,其特征在于,所述分类模块具体用于将车、桩、网各主体间在HPLC中传输的业务流按传输要求进行分类,类型包括低时延类业务、高带宽类业务和高可靠性类业务。
4.如权利要求1所述的一种面向V2G网络多模协作通信业务流分发系统,其特征在于,所述决策模块具体用于利用熵权法对通信链路中的随机参数生成权重,利用基于修正马氏距离的相对贴近度的多属性决策方法计算可用通信链路与理论最优通信链路的相对贴近度。
5.如权利要求4所述的一种面向V2G网络多模协作通信业务流分发系统,其特征在于,所述基于修正马氏距离的相对贴近度的多属性决策方法包括:建立数据传输成本和网络负载率的目标函数,利用熵权法对通信链路中的随机参数生成权重,然后计算可用通信链路与理论最优通信链路的基于修正马氏距离的相对贴近度,根据相对贴近度选出可用的最优通信链路。
6.一种面向V2G网络多模协作通信业务流分发方法,其特征在于,包括如下:
步骤一:接收车、桩、网之间需要在HPLC中传输的业务流信息和各主体间通信链路的信道状况;
步骤二:根据接收到的业务流信息,将V2G业务按传输需求进行分类;
步骤三:利用熵值法和基于修正马氏距离的相对贴近度的多属性决策方法,计算出可用通信链路和理论最优通信链路的基于修正马氏距离的相对贴近度,将业务流按传输需求分配到可用的最优通信链路进行传输。
7.根据权利要求6所述的一种面向V2G网络多模协作通信业务流分发方法,其特征在于,所述步骤一中,利用传感器技术,实时监测每个通信链路的信道状况,包括带宽、信道容量和时延、丢包率、误码率,对传感器发送来的数据和车、桩、网之间的业务数据信息进行接收。
8.根据权利要求6所述的一种面向V2G网络多模协作通信业务流分发方法,其特征在于,所述步骤二中,分类类型包括低时延类业务、高带宽类业务和高可靠性类业务。
9.根据权利要求6所述的一种面向V2G网络多模协作通信业务流分发方法,其特征在于,所述步骤三中,根据接收到的通信链路信道状况用熵权法对通信链路中的随机参数生成权重;根据所述可用通信链路信息和所述通信链路各项参数对应权重,使用基于修正马氏距离的相对贴近度的多属性决策方法,计算可用通信链路与理论最优通信链路的相对贴近度,根据相对贴近度选出可用的最优通信链路。
10.根据权利要求9所述的一种面向V2G网络多模协作通信业务流分发方法,其特征在于,所述基于修正马氏距离的相对贴近度的多属性决策方法包括建立数据传输成本和网络负载率的目标函数,利用熵权法对通信链路中的随机参数生成权重,然后计算可用通信链路与理论最优通信链路的基于修正马氏距离的相对贴近度,根据相对贴近度选出可用的最优通信链路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210579596.XA CN115175252A (zh) | 2022-05-25 | 2022-05-25 | 一种面向v2g网络多模协作通信业务流分发系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210579596.XA CN115175252A (zh) | 2022-05-25 | 2022-05-25 | 一种面向v2g网络多模协作通信业务流分发系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115175252A true CN115175252A (zh) | 2022-10-11 |
Family
ID=83483818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210579596.XA Pending CN115175252A (zh) | 2022-05-25 | 2022-05-25 | 一种面向v2g网络多模协作通信业务流分发系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115175252A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116980342A (zh) * | 2023-09-22 | 2023-10-31 | 中融云数(北京)技术有限公司 | 一种多链路聚合传输数据的方法和系统 |
-
2022
- 2022-05-25 CN CN202210579596.XA patent/CN115175252A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116980342A (zh) * | 2023-09-22 | 2023-10-31 | 中融云数(北京)技术有限公司 | 一种多链路聚合传输数据的方法和系统 |
CN116980342B (zh) * | 2023-09-22 | 2024-01-09 | 中融云数(北京)技术有限公司 | 一种多链路聚合传输数据的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191896B (zh) | 个性化停车位推荐方法和系统 | |
CN103716123B (zh) | 一种传感器网络中分组丢失和错误的原因识别方法和系统 | |
CN101860885B (zh) | 基于神经网络和模糊逻辑的接入网络选择方法 | |
CN102938742B (zh) | 基于电力业务需求的通信带宽预测方法及装置 | |
CN112187891B (zh) | 基于多业务的边缘计算节点集合的负载优化方法及装置 | |
CN111510879A (zh) | 基于多约束效用函数的异构车联网网络选择方法及系统 | |
Carratù et al. | Performance analysis of wm-bus networks for smart metering | |
Balakrishnan et al. | Resource management and fairness for federated learning over wireless edge networks | |
CN115175252A (zh) | 一种面向v2g网络多模协作通信业务流分发系统及方法 | |
CN103763706A (zh) | 基于分簇的协作频谱感知模糊融合方法 | |
CN108322277A (zh) | 一种基于协方差矩阵反特征值的频谱感知方法 | |
CN113037410A (zh) | 信道识别方法、装置、传输方法、传输设备、基站、介质 | |
CN114531662B (zh) | 基于电力5g虚拟专网的终端智能接入认证管理方法 | |
CN104394543A (zh) | 基于Adaboost算法的联合频谱感知方法 | |
CN112508408A (zh) | 一种边缘计算下无线资源管理指标的映射模型构建方法 | |
Li et al. | Trade-off analysis between delay and throughput of RAN slicing for smart grid | |
Mustafa et al. | Decision‐fusion‐based reliable CSS scheme in CR networks | |
CN108900325B (zh) | 一种电力通信业务与无线专网技术的适配性评估方法 | |
Jwaid et al. | Vehicles for open-pit mining with smart scheduling system for transportation based on 5G | |
CN107566060A (zh) | 一种智能电网通信中的自适应信道分配方法 | |
CN110312301B (zh) | 一种认知无线电功率的控制方法和装置 | |
Fontana et al. | SMASH: a SMArt Slicing Heterogeneous 5G network selection algorithm | |
CN112867101B (zh) | 一种基于灰度综合评价值的公安异构无线专网选择方法 | |
Teng et al. | Dynamic Spectrum Access Technology Based on Fuzzy Clustering Algorithm | |
Abubakar et al. | Constrained Machine Learning for LoRa Gateway Location Optimisation |
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 |