CN115441967A - 一种基于链路冲突图嵌入的动态信道干扰测量与优化方法 - Google Patents
一种基于链路冲突图嵌入的动态信道干扰测量与优化方法 Download PDFInfo
- Publication number
- CN115441967A CN115441967A CN202211012294.0A CN202211012294A CN115441967A CN 115441967 A CN115441967 A CN 115441967A CN 202211012294 A CN202211012294 A CN 202211012294A CN 115441967 A CN115441967 A CN 115441967A
- Authority
- CN
- China
- Prior art keywords
- link
- interference
- channel
- actual
- graph
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000005070 sampling Methods 0.000 claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 239000013598 vector Substances 0.000 claims description 37
- 238000013508 migration Methods 0.000 claims description 17
- 230000005012 migration Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 8
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 239000000523 sample Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002054 transplantation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/345—Interference values
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于链路冲突图嵌入的动态信道干扰测量与优化方法,属于无线网中的数据传输可靠性领域。本发明的信道干扰测量方法以链路为干扰主体,结合链路状态与调整系数干扰分级,在冲突图中强调实际链路干扰,结合滑动窗口采样方法,能在低测量开销下准确捕捉链路所受干扰的变化情况。在此基础上,本发明还根据信道干扰测量结果进行冲突推断获得AP间冲突关系,采用基于最大割问题的求解算法计算最优信道分配策略。由于在测量结果中强调了实际链路所受干扰,因此在优化时能够为实际链路赋予更高权值,优先降低实际链路所受干扰,更准确提高用户服务质量。
Description
技术领域
本发明属于无线网中的数据传输可靠性领域,更具体地,涉及一种基于链路冲突图嵌入的动态信道干扰测量与优化方法。
背景技术
信道干扰在当今校园网、企业网等大规模无线网络环境中广泛存在。其已取代噪声成为制约数据传输可靠性的重要因素,所以针对无线网络信道干扰的测量与优化是重要的研究方向。在校园网、企业网等大规模用户无线网中,存在两个特征:一方面网络中用户分布的密度存在差异,有着明显的人群聚集的现象;一方面网络中存在明显的人群迁移现象,需要考虑网络干扰的动态变化。在该环境中,各AP下链路的链路状态能够反映人群聚集现象,链路状态的变更能够反映人群的迁移现象。然而现有方法以节点为干扰主体,忽略链路状态,测量结果不够准确,进而导致现有优化方法无法优先降低网络中实际通信链路受到的信道干扰。
当前已有学者致力于大规模无线网的信道干扰测量工作,现有方法按照不同采样率对网络干扰相关信息进行采集,并将其构造为冲突图以表示无线网络整体干扰情况。现有方法中较有代表性的是量化冲突图与冲突图嵌入方法。量化冲突图方法对网络干扰进行部分采样,使用矩阵补全算法估测网络整体干扰情况。冲突图嵌入方法同样对干扰进行部分采样,采用图嵌入算法捕捉冲突图整体结构,以向量计算估测网络整体干扰。主要存在以下几个问题:
1.上述方法在根据采样数据建立冲突图时,以节点作为干扰主体,不考虑链路的实际链接状态,导致建立的冲突图不够准确。实际上通信链路与干扰链路的活跃程度不一样,导致其在网络中引发的冲突并不相同。同时,网络中用户节点行为无法预测,因用户移动产生的链路迁移现象广泛存在,只有考虑链路状态,才能更准确地构造冲突图以描述网络干扰以及变化情况。
2.以现有测量模型作为依据进行信道优化时,冲突图中没有准确反映链路活跃状态,进而导致现有优化方法无法优先降低用户实际链路所受干扰。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于链路冲突图嵌入的动态信道干扰测量与优化方法,其目的在于更准确地构造冲突图以描述网络干扰以及变化情况,进而更准确提高用户服务质量。
为实现上述目的,按照本发明的一个方面,提供了一种基于链路冲突图嵌入的动态信道干扰测量方法,包括:
S1.信道干扰采样:
按照设定的采样率从未采样节点集合与迁移节点集合中随机选择部分节点进行采样,提取其周围链路的无线网络信息,并更新所选节点的采样状态;
将采样数据中超出滑动窗口的数据和因链路迁移而失效的数据删除后去重,得到信道干扰采样数据;
S2.采样数据处理:
结合链路状态与设定的调整系数,将信道干扰采样数据构建为基于信道干扰分级的链路冲突图;所述链路状态指链路是实际通信链路或虚拟干扰链路;所述链路冲突图是以无线网络拓扑的各链路为顶点,以链路间干扰为边,以具体干扰为权值的无向有权图;
使用图嵌入法对链路冲突图进行嵌入,获得各链路对应的向量表示;
S3.根据各链路的向量表示计算链路间信道干扰。
进一步地,步骤S2具体包括,
01.按照实际链路与虚拟链路进行分类,得到实际链路对、虚拟链路对、实际链路与虚拟链路对;
02.计算所有链路对的干扰:
N指环境噪声,β表示调整系数,取值范围为(0,1),RSSj表示信号强度。
进一步地,采用ProNE算法对链路冲突图进行嵌入。
按照本发明的另一方面提供了一种基于链路冲突图嵌入的动态信道干扰测量系统,包括:
信道干扰采样模块,用于按照设定的采样率从未采样节点集合与迁移节点集合中随机选择部分节点进行采样,提取其周围链路的无线网络信息,并更新所选节点的采样状态;将采样数据中超出滑动窗口的数据和因链路迁移而失效的数据删除后去重,得到信道干扰采样数据;
采样数据处理模块,用于结合链路状态与设定的调整系数,将信道干扰采样数据构建为基于信道干扰分级的链路冲突图;所述链路状态指链路是实际通信链路或虚拟干扰链路;所述链路冲突图是以无线网络拓扑的各链路为顶点,以链路间干扰为边,以具体干扰为权值的无向有权图;使用图嵌入法对链路冲突图进行嵌入,获得各链路对应的向量表示;
冲突推断模块,用于根据各链路的向量表示计算链路间信道干扰。
进一步地,所述采样数据处理模块,根据以下过程将信道干扰采样数据构建为基于信道干扰分级的链路冲突图,
按照实际链路与虚拟链路进行分类,得到实际链路对、虚拟链路对、实际链路与虚拟链路对;
计算所有链路对的干扰:
N指环境噪声,β表示调整系数,取值范围为(0,1),RSSj表示信号强度。
进一步地,采用ProNE算法对链路冲突图进行嵌入。
本发明还提供了一种基于上述信道干扰测量方法的无线网络信道优化方法,包括:
将以相同用户节点为公共顶点的链路冲突累加到对应AP对之间,构造AP冲突图;
设定信道数量k,使用最大割问题求解算法,计算网络中各AP的最优信道分配结果。
本发明还提供了一种基于上述信道干扰测量系统的无线网络信道优化系统,包括:
AP冲突图模块,用于将以相同用户节点为公共顶点的链路冲突累加到对应AP对之间,构造AP冲突图;
信道优化模块,用于设定信道数量k,使用最大割问题求解算法,计算网络中各AP的最优信道分配结果。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果。
本发明的信道干扰测量方法以链路为干扰主体,结合链路状态与调整系数干扰分级,在冲突图中强调实际链路干扰,结合滑动窗口采样方法,能在低测量开销下准确捕捉链路所受干扰的变化情况。
本发明的信道优化方法根据信道干扰测量结果进行冲突推断获得AP间冲突关系,采用基于最大割问题的求解算法计算最优信道分配策略。由于在测量结果中强调了实际链路所受干扰,因此在优化时能够为实际链路赋予更高权值,优先降低实际链路所受干扰,更准确提高用户服务质量。
附图说明
图1是本发明提供的基于链路冲突图嵌入的动态信道干扰测量与优化的总体架构图。
图2是信道干扰采样流程图。
图3是数据处理流程图。
图4是冲突图转换流程图。
图5是信道优化求解流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
图1是本发明提供的基于链路冲突图嵌入的动态信道干扰测量与优化的总体架构图,主要包括三个部分:信道干扰采样、数据处理、信道优化,以下对本发明的各个模块进行详细的说明:
(1)信道干扰采样
信道干扰采样流程如图2所示,在设置滑动窗口大小与采样率后,对网络中用户节点进行滑动窗口采样。这种方法能够估测过去一段时间区间内的综合干扰情况,同时每个时间间隔都能进行一次估测,连续多次的估测结果能够反映部分无线网络信道干扰变化情况。
(1-1)网络拓扑监测
借助无线接入控制器(Access Controller,AC)的监测能力对无线网进行监测,统计未采样节点集合与迁移节点集合。现有的企业与校园无线网主要是AC+AP架构,各AP会定期将用户节点的连接信息上报至AC,因此在该网络环境中,有能力获取准确的连接信息与变迁信息。网络拓扑监测借助该能力,周期性从AC中获取网络中用户的连接情况,并根据历史连接情况进行对比,获得迁移节点集合;
(1-2)信道干扰采样
信道干扰采样将从迁移节点集合以及未被采样节点集合中选择部分节点进行采样。对未采样节点集合与迁移节点集合随机选择,获得采样节点集合,一方面会令这些节点进行采样,一方面会更新节点集合的采样状态。采样的实际过程指:STA进行主动扫描,在每个信道上发出Probe Request帧以请求周围可用网络予以响应,并从接收到的Beacon帧中提取AP信息、该点信号强度RSSI等无线网络相关信息。
(1-3)滑动窗口汇总
将滑动窗口内的所有数据汇总,作为后续建模过程的数据输入。使用该方法能够通过复用历史数据,提高数据利用率,降低数据采样率。同时每个时间片都会引入新数据,并淘汰过期数据,这能将无线网络信道干扰的变化情况反映在冲突图中。
在根据滑动窗口采样得到的数据中,有以下两类数据属于过期数据,需要从采样结果中删除:
1.滑动窗口外的数据。超出滑动窗口的数据因采样时间较久,可能已失效,不利于构建准确的实际链路干扰视图。同时,删除该数据能够降低采样数据的存储开销。
2.因用户节点迁移等原因而失效的已采集数据。建模时为了考虑链路状态对干扰造成的影响,应准确根据链路状态对干扰分级。在滑动窗口内的数据,因用户节点下线、变更连接AP等因素导致的链路迁移,也会成为失效数据,需要删除。
(2)数据处理
数据处理工作流程如图3所示,为了以实际链路所受干扰为主,描述无线网的干扰情况,本发明将测得的数据表示为包含链路状态的链路冲突图,并将其嵌入到向量空间中,将已知干扰用于调整各链路的向量表示,构建更准确的全网干扰视图。
(2-1)基于信道干扰分级的链路冲突图
本发明结合链路状态与调整系数,将测量数据构建为基于信道干扰分级的链路冲突图。与现有主流冲突图不同,该图不以节点为图中顶点,而是以无线网络拓扑的各链路为顶点,以链路间干扰为边,以具体干扰为权值的无向有权图。
链路状态即STA与AP之间的连接状态,分为实际通信链路或虚拟干扰链路。若STA在AP服务范围且与该AP相连,则为实际通信链路,若STA在AP服务范围但并未与该AP相连,则为虚拟干扰链路。现有方法将各用户作为探针,将其测量得到的RSSI视为各个AP在该探针所处地理位置的影响能力,并以此为依据,降低AP重合范围的干扰情况。然而现实网络环境中,往往是无线网的正常用户作为志愿者,向网络中心提供其所在地点的测量信息。这些用户不仅是探针,更是需要保障可靠性的对象。因此本发明考虑用户与周边AP的实际链接情况,将测量结果区分为实际链路与虚拟链路,将实际链路与虚拟链路之间的干扰表示为虚拟链路对实际链路造成的干扰,优先将用户所受到的信道干扰表现在冲突图中。
按照实际链路与虚拟链路进行分类,会有实际链路对、虚拟链路对、实际链路与虚拟链路对。引入链路状态后只解决了实际链路与虚拟链路之间计算干扰的问题,没有解决其它。为了解决其它类型链路对的干扰计算,本发明引入调整系数,用于调整所有类型链路对的干扰计算,结合链路状态,对干扰进行分级。
引入调整系数之后,所有链路对干扰的计算方式如下所示,其中N指环境噪声,β表示调整系数,取值范围为(0,1),RSSj表示信号强度(Received Signal Strength):
两条实际链路i和j,如公式(1)所示,取链路i、j所受干扰最大值。
实际链路i与虚拟链路j,如公式(2)所示,使用调整系数降低干扰。
虚拟链路i和j,如公式(3)所示,进一步降低干扰。
至此,完成将采样数据转化为基于干扰分级的链路冲突图的处理流程。
(2-2)链路冲突图嵌入
本发明的采样方式依然是一种部分采样,因此直接根据测量数据构建的链路冲突图不能较好的代表无线网络的链路间干扰情况。而图嵌入技术的一个优势在于,其能通过部分采集图中链路信息,较好的把握图的邻近性和整体结构。图嵌入、矩阵补全等技术,都是能够配合部分采样方法,较好的估计无线网络整体干扰情况的技术。本课题使用图嵌入方法将链路冲突图嵌入到向量空间中,将所有的链路嵌入成向量,将所有的干扰用来校正向量坐标,对全网的干扰视图做出补全。
图嵌入方法中定义了节点的一阶相似度和二阶相似度:
1.一阶相似度:一阶相似度用于衡量图中顶点的邻居关系。若两个顶点有边相连,则这两个顶点一阶相似度高,其对应的向量表示更为接近。在有权图中,边上对应的权值越大,则顶点间向量也会更为相似。
2.二阶相似度:二阶相似度用于衡量顶点邻居集合的重叠关系。若两个顶点的公共邻居数量越多,则该顶点对的二阶相似度越高,对应的向量表示越接近。
对于实际链路对,其受到干扰时冲突情况最为严重。在将链路冲突图嵌入过程中,图嵌入方法的一阶相似度会使得相互干扰的实际链路对在向量空间中彼此接近,且干扰越大,对应的向量表示越近。因此实际链路对的干扰程度能在向量空间中得以保留。
对于实际链路与虚拟链路对,其引发的冲突往往代表以虚拟链路为公共邻居的两条实际链路之间的冲突。在链路冲突图嵌入过程中,图嵌入方法的二阶相似度会使得以虚拟链路为公共邻居的实际链路在向量空间中彼此相近。由于无论实际链路亦或是虚拟链路都会被嵌入到向量空间中,对于实际链路与虚拟链路对而言,其之间的干扰对应于图嵌入的一阶邻近性,会使其在向量空间中的嵌入结果相近。所以,图嵌入的一阶相似度能将链路对之间的直接干扰保留在向量空间中,二阶相似度则能将链路对之间的间接干扰保留在向量空间。
对于虚拟链路对,其引发的冲突实际上是以连续两条虚拟链路为公共邻居的实际链路对之间的冲突,图嵌入中并没有对应邻近性的表示方法使该实际链路对的向量表示更近。但这四条链路可以看成两组通过虚拟链路相连的实际链路与虚拟链路对,图嵌入的二阶邻近性会使对应实际链路与虚拟链路的向量表示相近。
因此在使用图嵌入方法对链路冲突图进行图嵌入的过程中,图嵌入的一阶、二阶相似度会使链路对的直接或间接信道干扰保留在向量空间中,较好的对无线网络干扰情况进行补全。
本方法采取的图嵌入算法是ProNE算法,该方法具有准确度高、嵌入速度快的优点。前文已给出链路冲突图的定义,以该定义为基础,给出链路冲突图嵌入的问题定义:
链路冲突图嵌入:给定一个基于测量值的链路冲突图G={V,E,W},冲突图嵌入过程是寻找一个映射f:V→Rd,将各链路对应的顶点嵌入到低维向量空间Rd中,以捕捉网络的结构特性。
为冲突图G补充其对角矩阵D,其维度与W相同,其对角线元素为Dii=∑jWij,其余元素为0。定义vi的邻居集合为Ci,Dii表示Ci中所有链路对链路vi的信道干扰之和。给定vi和其邻居集合Ci中邻居vj,以及其对应的向量表示ri和rj,将vj作为vi的邻居出现的理论概率定义为公式(4),其中σ()代表sigmoid函数:
将由干扰测量结果计算得到的实际概率定义为(vi,vj)之间信道干扰占所有信道干扰的比值,如公式(5)所示:
至此,将图嵌入问题转化为稀疏矩阵分解问题。ProNE使用随机tSVD方法获得初始图嵌入结果,再使用谱传播的方法对该图嵌入结果进行强化。强化过程可表示为公式(8),其中In为单位矩阵,为拉普拉斯滤波器,最终输出Rd作为结果。
(3)信道优化
信道优化分为冲突推断、构造AP冲突图以及信道优化。本发明根据链路冲突图嵌入方法的测量结果,推断网络中信道干扰情况。为了提高计算效率,将推断出的干扰情况转化为规模更小的AP冲突图。基于该AP冲突图能将求解最优信道配置策略的问题转化为MKP问题,并基于已有求解算法进行求解,从而降低网络中实际链路所受干扰。
(3-1)冲突推断
冲突推断用于量化链路对的信道干扰,将根据各链路的向量,计算链路间信道干扰。由于链路冲突图中以链路为冲突主体,因此以各链路是否存在公共顶点为依据判断是否存在冲突。因此可以以测量数据所得的链路冲突图的邻接矩阵为依据,凡是矩阵中非零元素,都代表对应链路存在冲突,可以计算对应链路相似度以计算冲突程度。根据嵌入结果衡量向量相似度的方法为向量的点积,因此根据图嵌入结果计算链路间干扰的方法如公式(9)所示。
Iij=|ri·rj| (9)
ri表示链路i嵌入后的向量,rj表示链路j嵌入后的向量;
测量阶段构造冲突图时引入链路状态与调整系数,对不同链路对的干扰做出区分,在图嵌入过程中,链路对的干扰分级会反映为对应向量的相似度。我们按照已知的冲突关系进行冲突推断,会得到完整的链路冲突图。
(3-2)转化AP冲突图
以图嵌入结果推断出的链路冲突图能反应网络中的链路冲突程度,然而直接根据该子图进行信道优化时,需要以链路为最小单元考虑其信道分配。该方法有两个问题:
1.该子图的邻接矩阵是一个规模庞大且极为稀疏的矩阵,这会导致求解过程的计算开销较高。
2.信道是以AP为粒度进行分配的,相同AP下所有链路必然是相同的信道,以链路为最小单元会增加计算复杂度。同时,若以该子图进行整数规划,还需要对所有链路根据其所属AP进行分类,在计算时增加额外存储空间与数据结构,不利于现有信道优化方法的移植。
既然实际信道分配本身是以AP为粒度进行分配,不如将链路对的干扰累加到对应的AP对上面,将原有的链路冲突图转化为AP冲突图。具体转化流程如图4所示,输入是仅保留以STA为公共顶点的冲突关系的链路冲突图,同时还会通过一个列表存储各链路的AP。转化时根据AP的数量初始化一个值为0的方阵,通过查表获得冲突链路对的AP,逐个将子图中的链路冲突累加到对应的AP之间,构造为AP冲突图。
(3-3)信道优化
构造好AP冲突图之后,信道优化问题就被表达为MKP问题,具体表述为:如何使用最多K个信道对AP进行分配,以使AP冲突图中具有不同信道AP的边的权值之和最大化。
基于已知的AP冲突图定义,结合MKP问题定义,给出信道优化问题的形式化定义:
信道优化问题:已知无线网络拓扑中AP冲突图G={V,E,W},正交信道数量为K时,求解一个对V中所有元素进行信道分配的方法{C1,C2,...,Ci,...,C|V|},其中i∈{1,2,...,|V|},Ci∈{1,2,...,K},使得被消去的AP间信道干扰最大化,目标函数为公式(10)。其中I(i,j)用于判断指定AP是否存在干扰,该函数如公式(11)所示,当两个AP被分配不同的信道不存在干扰时,值为1,表示对应干扰成功被消除,反之为0。
本方法中选择G.Wang和Hijazi在2020年提出的RP-MILO模型,该模型比原本的P-MILO模型的计算效率更高,且计算结果与P-MILO模型的计算结果都能很好的求解MKP问题。RP-MILO模型借助弦图求解MKP问题,利用图的底层弦图的稀疏性,将原有的大规模图的求解过程,转化为小规模图的求解过程,虽然引入了额外的合并解空间的开销,但依然提高了运算效率。
RP-MILO模型求解过程如图5所示,求解时需要先以输入的图,找到一个是弦图的子图G0作为初始弦图,并在该初始弦图找到对应的子解K0。以该弦图为基础,使用贪心填充算法,不断为该子图填充顶点vi,先根据vi和它的邻居节点构造成全连接图Ci,将Ci和Gi-1整合为弦图Gi,并扩充子解得到解Ki。重复该扩充过程,当所有顶点都被包含到弦图中时,也就是将原图完整的扩充为弦图后,结束迭代并输出最后的解K。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于链路冲突图嵌入的动态信道干扰测量方法,其特征在于,包括:
S1.信道干扰采样:
按照设定的采样率从未采样节点集合与迁移节点集合中随机选择部分节点进行采样,提取其周围链路的无线网络信息,并更新所选节点的采样状态;
将采样数据中超出滑动窗口的数据和因链路迁移而失效的数据删除后去重,得到信道干扰采样数据;
S2.采样数据处理:
结合链路状态与设定的调整系数,将信道干扰采样数据构建为基于信道干扰分级的链路冲突图;所述链路状态指链路是实际通信链路或虚拟干扰链路;所述链路冲突图是以无线网络拓扑的各链路为顶点,以链路间干扰为边,以具体干扰为权值的无向有权图;
使用图嵌入法对链路冲突图进行嵌入,获得各链路对应的向量表示;
S3.根据各链路的向量表示计算链路间信道干扰。
3.根据权利要求2所述的一种基于链路冲突图嵌入的动态信道干扰测量方法,其特征在于,采用ProNE算法对链路冲突图进行嵌入。
4.一种基于链路冲突图嵌入的动态信道干扰测量系统,其特征在于,包括:
信道干扰采样模块,用于按照设定的采样率从未采样节点集合与迁移节点集合中随机选择部分节点进行采样,提取其周围链路的无线网络信息,并更新所选节点的采样状态;将采样数据中超出滑动窗口的数据和因链路迁移而失效的数据删除后去重,得到信道干扰采样数据;
采样数据处理模块,用于结合链路状态与设定的调整系数,将信道干扰采样数据构建为基于信道干扰分级的链路冲突图;所述链路状态指链路是实际通信链路或虚拟干扰链路;所述链路冲突图是以无线网络拓扑的各链路为顶点,以链路间干扰为边,以具体干扰为权值的无向有权图;使用图嵌入法对链路冲突图进行嵌入,获得各链路对应的向量表示;
冲突推断模块,用于根据各链路的向量表示计算链路间信道干扰。
6.根据权利要求5所述的一种基于链路冲突图嵌入的动态信道干扰测量系统,其特征在于,采用ProNE算法对链路冲突图进行嵌入。
7.一种基于权利要求1-3任一项所述信道干扰测量方法的无线网络信道优化方法,其特征在于,包括:
将以相同用户节点为公共顶点的链路冲突累加到对应AP对之间,构造AP冲突图;
设定信道数量k,使用最大割问题求解算法,计算网络中各AP的最优信道分配结果。
8.一种基于权利要求4-6任一项所述信道干扰测量系统的无线网络信道优化系统,其特征在于,包括:
AP冲突图模块,用于将以相同用户节点为公共顶点的链路冲突累加到对应AP对之间,构造AP冲突图;
信道优化模块,用于设定信道数量k,使用最大割问题求解算法,计算网络中各AP的最优信道分配结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211012294.0A CN115441967B (zh) | 2022-08-23 | 一种基于链路冲突图嵌入的动态信道干扰测量与优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211012294.0A CN115441967B (zh) | 2022-08-23 | 一种基于链路冲突图嵌入的动态信道干扰测量与优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115441967A true CN115441967A (zh) | 2022-12-06 |
CN115441967B CN115441967B (zh) | 2024-05-14 |
Family
ID=
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080151821A1 (en) * | 2006-12-26 | 2008-06-26 | Seoul National University Industry Foundation | Wireless network channel allocation method and multi-hop wireless network system using the same |
CN104038946A (zh) * | 2014-07-08 | 2014-09-10 | 吉林大学 | 无线Mesh网络多播部分重叠信道分配方法 |
KR20200027191A (ko) * | 2018-09-04 | 2020-03-12 | 김완수 | 네트워크의 채널 할당 방법 |
CN111148116A (zh) * | 2019-12-11 | 2020-05-12 | 郑州大学 | 面向应急通信的wmn网关部署与信道分配联合优化算法 |
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080151821A1 (en) * | 2006-12-26 | 2008-06-26 | Seoul National University Industry Foundation | Wireless network channel allocation method and multi-hop wireless network system using the same |
CN104038946A (zh) * | 2014-07-08 | 2014-09-10 | 吉林大学 | 无线Mesh网络多播部分重叠信道分配方法 |
KR20200027191A (ko) * | 2018-09-04 | 2020-03-12 | 김완수 | 네트워크의 채널 할당 방법 |
CN111148116A (zh) * | 2019-12-11 | 2020-05-12 | 郑州大学 | 面向应急通信的wmn网关部署与信道分配联合优化算法 |
Non-Patent Citations (3)
Title |
---|
JUNQING YU ET AL.: "TSSBV:A conflict-free flow rule management algorithm in SDN switches", VTC, 15 June 2021 (2021-06-15) * |
刘新华;李方敏;方艺霖;马小林;旷海兰;: "一种基于链路级功率控制的分簇路由算法", 计算机科学, no. 09, 15 September 2012 (2012-09-15) * |
戴冬;卫娟;王磊;: "基于SIR冲突图和最大独立集的无线Mesh网络信道分配方案", 湘潭大学自然科学学报, no. 02, 15 June 2016 (2016-06-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4910018B2 (ja) | 無線ネットワークにおいて利用されるネットワーク干渉評価方法、動的チャネル割り当て方法および装置 | |
CN112243249B (zh) | 5g nsa组网下lte新入网锚点小区参数配置方法和装置 | |
CN103987056A (zh) | 基于大数据统计模型的无线网络话务量预测方法 | |
CN106162720B (zh) | 一种基于多属性决策的认知无线自组织网络节点稳定性评估方法 | |
EP3188373B1 (en) | Fast distributed clustering for cooperation in telecommunications networks | |
CN113779247B (zh) | 基于意图驱动的网络故障诊断方法及系统 | |
CN112512069A (zh) | 基于信道波束图样的网络智能优化方法及装置 | |
CN112182306B (zh) | 一种基于不确定图的社区发现方法 | |
CN113297429A (zh) | 一种基于神经网络架构搜索的社交网络链路预测方法 | |
US11425635B2 (en) | Small cell identification using machine learning | |
CN103916969A (zh) | 联合授权用户感知与链路状态估计方法与装置 | |
CN113676357B (zh) | 面向电力物联网中边缘数据处理的决策方法及其应用 | |
CN115441967B (zh) | 一种基于链路冲突图嵌入的动态信道干扰测量与优化方法 | |
CN111865690B (zh) | 基于网络结构和时序的机会网络链路预测方法 | |
CN115441967A (zh) | 一种基于链路冲突图嵌入的动态信道干扰测量与优化方法 | |
CN114401063B (zh) | 基于轻量化模型的边缘设备协同频谱智能监测方法和系统 | |
CN115099385A (zh) | 基于传感器布局优化和自适应Kriging模型的频谱地图构建方法 | |
EP3188372B1 (en) | Graph clustering for cooperation in telecommunications networks | |
CN112887909B (zh) | 一种基于Wi-Fi信号的室内定位方法 | |
CN114390582B (zh) | 基站站址预测方法及装置 | |
CN117793857B (zh) | 无线路由器接入方法及系统 | |
Martins et al. | Hercules: A context-aware multiple application and multisensor data fusion algorithm | |
CN117978619A (zh) | 基于数字孪生的通信网络故障分析方法及系统 | |
CN116963156B (zh) | 一种无线信号传输能力检测方法和装置 | |
JP7431415B2 (ja) | 情報処理装置および情報処理方法 |
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 |