CN101541010A - 具有认知功能的无线通信网络***认知功能的实现方法 - Google Patents
具有认知功能的无线通信网络***认知功能的实现方法 Download PDFInfo
- Publication number
- CN101541010A CN101541010A CN200910082734A CN200910082734A CN101541010A CN 101541010 A CN101541010 A CN 101541010A CN 200910082734 A CN200910082734 A CN 200910082734A CN 200910082734 A CN200910082734 A CN 200910082734A CN 101541010 A CN101541010 A CN 101541010A
- Authority
- CN
- China
- Prior art keywords
- cognitive
- information
- network
- base station
- decision
- 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
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
一种具有认知功能的无线通信网络***认知功能的实现方法,是在发明专利申请《具有认知功能的无线通信网络***》的基础上提出的,主要包括三个步骤:认知流的获取,对认知流进行处理与做出决策,执行认知决策。该方法应用于现有通信网络和未来通信网络时,其主要区别是认知信息的获取方式及其认知决策的执行过程略有不同。本发明能够在相关发明专利申请《具有认知功能的无线通信网络***》的基础上,实现对无线环境、网络环境、用户环境的高度认知能力,并且可以在认知基础上以设定的衡量准则对无线网络进行自主的决策控制,从而使网络从静态工作模式发展到动态自适应工作模式。本发明具有很好的应用发展前景。
Description
技术领域
本发明涉及一种具有认知功能的无线通信网络***认知功能的实现方法,属于无线通信网络的技术领域。
背景技术
当今迅猛增长的宽带无线业务需求对无线通信网络提出了更高要求,但是,由于无线通信网络中存在资源的静态管理问题,使得资源分布很不均衡,资源短缺和浪费的现象共存,且使用方式不能根据需求和环境的变化进行动态调整,从而造成网络使用方式僵化和资源利用效率低下。这些问题已经成为制约无线通信网络发展的主要瓶颈,而且日趋严重。为了解决这些问题,使网络从静态工作模式发展到动态自适应的工作模式,必须使网络具备对无线环境、网络环境、用户环境的高度认知能力,且在认知的基础上无线通信网络需要以一定的衡量准则进行自主的决策控制,并借助重构的手段达到适应变化的目的。可以看出,这些问题的解决离不开认知、自主决策控制以及重构这三个要素,而目前封闭、静态的无线通信网络体系结构不具备这些要素和相应的支持能力。
为了解决上述问题,申请人研制成功一项发明专利申请《具有认知功能的无线通信网络***》,该发明专利申请提出了一种结构统一、具有认知功能的无线通信网络***。
参见图1,简要介绍其中该认知功能的无线通信网络***应用于现有通信网络时的结构组成。从图中可见,认知功能的无线通信网络***设有负责存储网络的静态与半静态的信息的认知信息库和三个平台:业务平台,控制平台和认知平台。其中业务平台和控制平台是在现有通信网络的业务平台和控制平台的应用层分别增添了与认知平台互通的认知接口,并且对于特定的网络需要扩充特定的应用层认知接口,其中认知平台和认知信息库是原有通信网络没有的。
认知平台不分层而设有三种不同的单元:认知信息检测/传递单元,认知交互单元,认知决策单元。其中,认知信息检测/传递单元是由一个检测传递模块组成,负责检测、过滤与传递应用层的认知信息,实现认知平台与业务平台、控制平台的认知流的接口功能。认知交互单元用于实现平台内的认知信息检测/传递单元与认知决策单元之间、以及认知决策单元内各认知决策模块之间的认知信息的交互,并为不同的认知信息构建统一的描述语言;能够实现跨层的认知信息的交互,为跨层信息的联合优化创造条件。认知决策单元是由多个完成不同功能的认知决策模块组成,例如对频谱资源决策的模块,对路由决策的模块,对码片资源决策的模块,对拥塞信息决策的模块。这些功能模块之间不能直接交互信息,它们的信息交互是通过认知交互单元完成的,这样使得平台的结构简单和容易实现。这些认知决策模块负责根据从认知交互单元获得的相应的认知流,对网络的不同行为进行分析,并做出最终的决策。
参见图2,简要介绍认知功能的无线网络***应用于未来无线通信网络时的结构组成。
从图2可以看到,用于未来无线通信网络的认知功能的无线网络***架构与前面图1所示的用于现有无线通信网络的***架构基本相同,其区别在于:未来通信网络的业务平台、控制平台的物理层、数据链路层、网络层、传输层和应用层的各层分别都要扩充认知接口。认知平台中的认知信息检测/传递单元是由多个不同的检测传递模块组成,这些多个不同模块用于分别检测、过滤与传递业务平台和控制平台的不同层的认知信息。这样就可以实现认知信息的分层检测与交互。值得注意的是,认知平台虽然可以与业务平台、控制平台的各层进行信息交互,但是认知平台是不分层的,原因是认知信息具有全局性的特点,所以不适合将认知功能分层。而在现有网络加入认知功能的网络***架构不采用认知信息分层检测与交互的原因是:如果认知平台与业务平台、控制平台各层都分别增设认知接口,将对现有网络做出较大的改动,很难实现。
发明内容
有鉴于此,本发明的目的是提供一种具有认知功能的无线通信网络***认知功能的实现方法,从而解决目前无线网络中的资源处于静态管理,不能根据需求和环境的变化进行动态调整,造成网络使用方式僵化、资源利用效率低下等问题,使网络具备认知功能,能从静态工作模式发展到动态自适应工作模式。
为了达到上述目的,本发明提供了一种具有认知功能的无线通信网络***认知功能的实现方法,其特征在于,所述方法包括下列操作步骤:
(1)获取认知流:基站或移动台通过开环和/或闭环的认知方式获得认知信息;再经由网络***中的业务平台和/或控制平台将基站或移动台获取的认知信息传送到认知平台中的认知信息检测/传递单元;认知信息检测/传递单元对该认知信息进行检测和处理后,传递至认知交互单元;
(2)对认知流进行分析与做出决策:认知交互单元构建统一的描述语言,对不同的认知信息进行统一描述后,将其传送至认知决策单元;认知决策单元根据认知交互单元汇聚的认知流采用包括基于概率分布的检测估值方法、基于模式识别、人工智能和神经网络的信息表征方法和信息处理方法、基于集中式和分布式的信息处理方法、基于经典优化理论和现代优化理论的信息处理方法,分析网络的行为,并做出决策;且在决策过程中,认知平台与认知信息库进行通信,获知认知信息库中存储的静态与半静态的网络信息和知识,以辅助认知决策单元做出决策;
(3)执行认知决策:在认知决策单元生成的决策信息,经由认知交互单元和认知信息检测/传递单元,传递给控制平台,控制平台接收到该包含决策信息的认知流后,执行控制操作,业务平台执行决策结果,从而实现网络***的认知功能。
所述方法在包括认知流的获取与传递、认知功能各个模块的访问、认知平台各个单元之间的交互、对认知流的分析处理与决策、以及执行认知决策的全部操作过程的各个步骤中,都要对认知流执行安全保护机制,防止非法接入与非法访问。
所述认知信息是具有认知功能的信息,包括频谱资源、载干比情况、信道容量和其它无线环境信息,服务质量等级的用户信息,网络适变性、网络运营成本、网络匹配度的各种网络信息;所述认知流是不同信息层的认知信息的汇聚,认知流的分类如下:
按照地理范围划分为:不和其它网络节点交互的本地认知流,以及需要和其它网络节点交互的全局认知流;
按照时间尺度划分为:以毫秒和秒为时间尺度的短期认知流,以分钟和小时为时间尺度的中期认知流,以及以天、周、月或年为时间尺度的长期认知流;
按照作用域划分为:所有网络都具有的认知信息的公共认知流,以及只是特定网络才具有的认知信息的私有认知流。
所述方法应用于现有通信网络时,通过开环认知方式获取认知信息;所述方法应用于未来通信网络时,通过开环认知方式和/或闭环认知方式获取认知信息。
所述开环认知方式是基站或移动台通过监听周边的包括无线环境、用户信息和网络信息的认知信息,即在单向感知方式下通过测量报告而获得认知信息;所述闭环认知方式是认知实体先向被感知者发送请求信息,被感知者再将自己的认知信息发送给认知实体。
所述闭环认知方式包括下述三种方法:
利用物理层的专用物理信道主动广播的认知信息,获取短期认知流;
利用扩充现有信令而增加认知查询信息,使所述信令在链路层上支持闭环的数据交互而获取中期认知流;
通过与认知信息库中存储的静态或半静态的信息的交互,获取长期认知流。
所述利用物理层的专用物理信道实现的闭环认知方法分为下述两种:
下行传输:处于第一个网络基站中的移动台要获得同在本地区的第二个网络基站的认知信息,该移动台就向第二个网络基站发送提供认知信息的请求,并发送自己的相关信息;第二个网络基站收到该请求后,向移动台传输第二个网络基站收集到的认知信息,使移动台获得了第二个网络基站的认知信息;
上行传输:第二个网络基站希望获得处于同在本地区的第一个网络基站中的移动台的感知信息,该第二个网络基站向处于第一个网络中的移动台发送提供认知信息的请求,并广播发送自己的相关信息;处于第一个网络中的移动台收到后,向第二个网络基站传输自己收集到的认知信息,第二个网络基站就获得了处于第一个网络中的移动台的认知信息。
所述利用扩充信令实现闭环认知的方法是:第一个网络基站希望获得第二个网络基站的认知信息,就向第二个网络基站发送提供认知信息的请求,并广播发送自己的相关信息;第一个网络的相关信息承载于扩充信令中传递到网关时,网关进行协议的转换,并将该信令传递给第二个网络基站后,第二个网络基站采用上述同样方式再向第一个网络基站传输自己收集到的认知信息,使第一个网络基站获得第二个网络基站的认知信息。
所述认知信息库中存储的静态或半静态的网络信息和知识,其中网络信息是网络中各个网元实体的认知信息,知识是在网络运行过程中、基于推理和学习而积累获得的决策和策略经验的集合;
所述认知信息库通过与认知平台的信息交互而完成知识积累的方法包括有:对认知信息库中已有的决策策略进行加强处理,以加快决策速度,加重策略权重;及时使用现有的新知识对认知信息库中的过时知识作替换更新;实时存储和积累该认知信息库中尚没有的新知识;
所述认知信息库通过与认知平台的交互,辅助认知平台决策的过程是:认知平台先通过对认知信息库中存储的知识和网络信息的查找和匹配,获取类似的场景和相关参数,并判断该场景的类似程度,然后采用模式识别的匹配算法辅助决策,并将决策结果返回给认知信息库,以供认知信息库进行知识的积累。
所述步骤(2)中,认知交互单元构建统一的描述语言,对该认知流中的不同认知信息进行描述时,要采用统一的格式实现交互;且对认知信息构建统一描述语言的操作步骤如下:
(21)自主分析:先对认知信息分类,以抽取检测到的不同认知信息的基本特征;
(22)自主建模:根据对不同认知信息抽取的基本特征,使用统一的描述语言建立格式统一的描述模型;
(23)自主描述:采用规范的统一格式的描述模型描述不同认知信息的基本特征。
本发明是一种具有认知功能的无线通信网络***认知功能的实现方法,它是在申请人的另一发明专利申请《具有认知功能的无线通信网络***》的基础之上提出的无线通信网络***的认知功能、决策控制功能以及适变功能的实现方法,主要包括三个步骤:获取认知流、对认知流进行分析与做出决策、认知决策的执行。由于适用的对象:现有通信网络和未来通信网络的不同,两者在获取认知信息的途径及其认知决策的执行过程略有不同。利用该方法可以在相关发明专利申请《具有认知功能的无线通信网络***》的基础上,实现对无线信号环境、网络环境、用户环境的高度认知功能,并且能够在认知基础上以设定的衡量准则对无线网络进行自主的决策控制,从而使网络从静态工作模式发展到动态自适应工作模式。
本发明的操作步骤简单、容易实现和推广应用,其中认知流的获取方法中,本发明采用的闭环认知方式节省了获取认知流的开销,可以更有效地获取认知信息。而在认知流的决策方法中,本发明采用的基于概率分布的检测估值方法、基于模式识别、人工智能和神经网络的信息表征方法和信息处理方法、基于集中式和分布式的信息处理方法、基于经典优化理论和现代优化理论的信息处理方法,例如这些方法包括信息的模糊化表征、参量马尔科夫建模、PCFG句法模式识别以及分布式处理和启发式优化,分析网络的行为,并做出决策。上述各种不同方法都能够很好地解决认知信息的数据量庞大、数据形式多样和数据动态变化的问题。本发明专利申请与申请人的另一发明专利申请《具有认知功能的无线通信网络***》相得益彰,组成完整的具有认知功能的无线通信网络***及其相关功能的实现方法,具有很好的发展前景。
附图说明
图1是具有认知功能的无线通信网络***用于现有网络时的结构示意图。
图2是具有认知功能的无线通信网络***用于未来网络时的结构示意图。
图3是本发明具有认知功能的无线通信网络***认知功能的实现方法操作流程图。
图4(A)、(B)分别是利用物理信道实现闭环认知的上行和下行认知方法示意图。
图5是利用扩充信令实现闭环认知的两个网络基站之间认知信息的传输方法示意图。
图6是认知信息库与认知平台的交互状况示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
显而易见,本发明具有认知功能的无线通信网络***的工作方法与传统无线网络***的工作方法的差别仅在于与认知信息相关联的操作。所以本发明的实质就是认知功能的实现方法。具体来说,认知功能的实现方法分三个步骤:认知流的获取,对认知流进行分析与做出决策,执行认知决策。
先介绍认知流的概念:不同信息层的认知信息的汇聚。本发明的认知信息是指具有认知功能的信息,例如,无线环境(如频谱资源、载干比情况、信道容量等),用户信息(服务质量QoS等),网络信息(如网络适变性、网络运营成本、网络匹配度)等认知信息都是认知流。而传统的认知信息只包括无线环境信息,不能很好地提升用户/网络满意度。认知流的分类如下:
按照地理范围划分为本地认知流和全局认知流:本地认知流不和其它网络节点交互;全局认知流需要和其它网络节点交互。
按照时间尺度划分为短期认知流,中期认知流,长期认知流。短期认知流以毫秒或秒为时间尺度;中期认知流以分钟或小时为时间尺度;长期认知流以天、周、月或年为时间尺度。
按照作用域划分为公共认知流和私有认知流。前者是所有网络都有的认知信息,例如功率,干扰等;后者是特定网络才有的认知信息,例如LTE中的子载波,CDMA中的码片资源等。
下面分别根据本发明的两种***构成分别介绍其认知功能的实现方法。
参见图3,介绍针对本发明具有认知功能的无线通信网络***认知功能的实现方法的操作流程的下述步骤:
(1)获取认知流:基站或移动台通过开环和/或闭环的认知方式获得认知信息,再经由网络***中的业务平台和/或控制平台将基站或移动台获取的认知信息传送到认知平台中的认知信息检测/传递单元;认知信息检测/传递单元对该认知信息进行检测和处理后,传递至认知交互单元。
本发明方法用于现有通信网络时,采用开环认知方式获取认知信息;而其用于未来通信网络时,通过开环认知方式和/或闭环认知方式获取认知信息。其中开环认知方式是基站或移动台通过监听周边的包括无线环境、用户信息和网络信息的认知信息,即在单向感知方式下通过测量报告而获得认知信息。闭环认知方式是认知实体先向被感知者发送请求信息,被感知者再将自己的认知信息发送给认知实体。
(2)对认知流进行分析与做出决策:认知交互单元构建统一的描述语言,对不同的认知信息进行统一描述后,将其传送至认知决策单元;认知决策单元根据认知交互单元汇聚的认知流采用包括基于概率分布的检测估值方法、基于模式识别、人工智能和神经网络的信息表征方法和信息处理方法、基于集中式和分布式的信息处理方法、基于经典优化理论和现代优化理论的信息处理方法分析网络的行为,并做出决策;且在决策过程中,认知平台与认知信息库进行通信,获知认知信息库中存储的静态与半静态的网络信息和知识,以辅助认知决策单元做出决策。其中,网络信息是网络中各个网元实体的认知信息,知识是在网络运行过程中、基于推理和学习而积累获得的决策和策略经验的集合。
该步骤中,认知交互单元构建统一的描述语言,描述该认知流中的不同认知信息时,要用统一的格式实现交互。此时,对认知信息构建统一描述语言的三个操作步骤如下:
A、自主分析:先对认知信息分类,以对检测到的不同认知信息抽取其基本特征;
B、自主建模:根据对不同认知信息抽取的基本特征,使用统一的描述语言建立格式统一的描述模型;
C、自主描述:采用规范的统一格式的描述模型描述不同认知信息的基本特征。
在该操作步骤中,分析网络行为时所采用的方法可以采用信息的模糊化表征、参量马尔科夫建模、PCFG句法模式识别以及分布式处理和启发式优化的方法对认知流进行分析处理。其中:
信息的模糊化表征:众所周知,认知信息的数据量庞大,并且呈现出多样性和动态特性,这样就给传统检测估值理论带来了前所未有的复杂度。为了解决这个问题,研究新的工具在认知信息决策中的应用就十分必要。通过信息的模糊化表征建立模糊逻辑,并用作本发明分析处理认知信息的一种人工智能技术。由于模糊逻辑在处理复杂性、不确定性及达到高的控制性能方面的强大优势,它在工程***(尤其是控制***)中已经渐渐取代了传统技术。应用模糊逻辑进行***控制时,不需建立准确的***数学模型,而是根据***以往控制经验进行总结,形成以语言和模糊数学描述的控制策略,从而简化对复杂***和过程进行的控制,尤其是对不确定和动态变化的***,其优势更加明显。
隐参量马尔科夫过程(HMM):HMM是一种统计模型,用于描述一个含有隐含未知参数的马尔可夫过程。其特点是从可观察的参数中确定该过程的隐含参数,然后利用这些参数作进一步的分析。HMM可看作是一种简化的动态贝叶斯网络,已经广泛应用到人工智能领域的诸多方向,如语音识别或光学字符识别、机器翻译、生物信息学和基因组学,并取得了很好成效,体现了HMM在人工智能领域的良好的问题分析和处理能力和广泛适用性。由于认知信息的分析处理和人工智能的密切联系,因此HMM非常适用于分析处理认知信息。通过建立合理的HMM,能够对大量、多样性的动态认知信息进行分析并决策。
PCFG概率上下文无关文法:该PCFG方法在模式识别和智能分析领域得到了广泛应用。概率上下无关文法包括因素和规则两个基本部分,因素是由数据信息映射的各种符号,规则是基于在实际场景中数据的统计训练而产生的。文法的主要目的是通过直接或间接信息推断下一步情况。认知无线网络的动态性增加了网络的复杂性,但通过长期的训练过程,可以得到概率上下文无关文法表征对应认知无线网络的某些特性。该PCFG方法本身具有语言的结构化模型,可以更好地实现网络行为的推测以及网络各类分层信息的处理。总之,概率上下文无关文法具有良好人工智能性,应用在认知平台中具有很大的优势。
分布式处理和启发式优化:由于认知信息的数据量非常庞大,使得认知信息的集中式处理增大了难度。分布式处理方式以其灵活性而成为认知信息决策方式的首选。也正是由于认知信息的海量数据,优化问题的变量很多,并且优化问题需要将多目标进行联合优化,优化算法的自由度也变得很高。这都给传统的优化算法带来了严峻的挑战。启发式算法因其在某些优化问题的收敛性和算法复杂度方面的优势,势必成为实现认知功能的有力工具。分布式处理和启发式算法的应用可以使认知网络***的性能得以优化,从而实现宏观上的迅速决策,且在性能上实现最优化。
(3)执行认知决策:在认知决策单元生成的决策信息,经由认知交互单元和认知信息检测/传递单元,传递给控制平台,控制平台接收到该包含决策信息的认知流后,执行控制操作,业务平台执行决策结果,从而实现网络***的认知功能。
因此,总结本发明具有认知功能的无线通信网络***的认知功能的实现方法是:首先认知平台中的检测与传递单元获取认知流,当该认知无线网络***应用于现有通信网络时,认知流是通过开环方式获得的,认知流承载于业务流与控制流中,并在业务平台与控制平台的应用层进行收集以后,以应用数据的形式传输到认知平台。而该认知无线网络***应用于未来通信网络时,认知流是通过开环方式和闭环方式获得的,而且认知流承载于业务流与控制流中,并在业务平台与控制平台的物理层、数据链路层、网络层、传输层和应用层进行收集并传输到认知平台。另外,本发明方法在包括认知流的获取与传递、认知功能各个模块的访问、认知平台各个单元之间的交互、对认知流的分析处理与决策、以及执行认知决策的全部操作过程的各个步骤中,都要对认知流执行安全保护机制,防止非法接入与非法访问。
下面重点介绍闭环认知方式所包括的三种认知方法:
一是利用物理层的专用物理信道主动广播的认知信息,获取短期认知流。
二是利用扩充现有信令而增加认知查询信息,使信令在链路层上支持闭环的数据交互而获取中期认知流。
三是通过与认知信息库中存储的静态或半静态的信息的交互,认知信息检测与传递单元中的各模块获取长期认知流。
其中,利用物理层的专用物理信道实现的闭环认知方法分为下述两种:
参见图4(A),先介绍下行的闭环认知传输方法:处于第一个网络A基站中的移动台希望获得同在本地区的第二个网络B基站的认知信息,例如,移动台(多模)原先属于网络A基站,而后移动台发现网络A的信号越来越差,于是移动台向同在本地区的网络B基站,发送认知信息提供请求,并发送自己的相关信息;第二个网络B基站收到该请求后,向移动台传输第二个网络B基站收集到的认知信息,使移动台获得了第二个网络B基站的认知信息。
参见图4(B),再介绍上行的闭环认知传输方法:第二个网络B基站希望获得处于同在本地区的第一个网络A基站中的移动台的感知信息,该第二个网络B基站向处于第一个网络A中的移动台发送提供认知信息的请求,并将自己的相关信息广播出去;处于第一个网络A中的移动台收到后,向第二个网络B基站传输自己收集到的认知信息,第二个网络B基站就获得了处于第一个网络A中的移动台的认知信息。
参见图5,介绍本发明利用扩充信令实现闭环认知的方法:第一个网络A基站希望获得第二个网络B基站的认知信息,就向第二个网络B基站发送提供认知信息的请求,并将自己的相关信息广播出去;第一个网络A的相关信息承载于扩充信令中传递到网关时,网关进行协议的转换,并将该信令传递给第二个网络B基站后,第二个网络B基站采用上述同样方式再向第一个网络A基站传输自己收集到的认知信息,使第一个网络A基站获得第二个网络B基站的认知信息。
参见图6,介绍本发明的认知信息库通过与认知平台的信息交互而完成知识积累的三种方法:对认知信息库中已有的决策策略进行加强处理,以加快决策速度,加重策略权重;及时使用现有的新知识对认知信息库中的过时知识作替换更新;实时存储和积累该认知信息库中尚没有的新知识。
本发明认知信息库通过与认知平台的交互,辅助认知平台决策的过程是:认知平台先通过对认知信息库中存储的知识和网络信息的查找和匹配,获取类似的场景和相关参数,并判断该场景的类似程度,然后采用模式识别的匹配算法辅助决策,并将决策结果返回给认知信息库,以供认知信息库进行知识的积累。
Claims (10)
1、一种具有认知功能的无线通信网络***的认知功能的实现方法,其特征在于,所述方法包括下列操作步骤:
(1)获取认知流:基站或移动台通过开环和/或闭环的认知方式获得认知信息;再经由网络***中的业务平台和/或控制平台将基站或移动台获取的认知信息传送到认知平台中的认知信息检测/传递单元;认知信息检测/传递单元对该认知信息进行检测和处理后,传递至认知交互单元;
(2)对认知流进行分析与做出决策:认知交互单元构建统一的描述语言,对不同的认知信息进行统一描述后,将其传送至认知决策单元;认知决策单元根据认知交互单元汇聚的认知流采用包括基于概率分布的检测估值方法、基于模式识别、人工智能和神经网络的信息表征方法和信息处理方法、基于集中式和分布式的信息处理方法、基于经典优化理论和现代优化理论的信息处理方法,分析网络的行为,并做出决策;且在决策过程中,认知平台与认知信息库进行通信,获知认知信息库中存储的静态与半静态的网络信息和知识,以辅助认知决策单元做出决策;
(3)执行认知决策:在认知决策单元生成的决策信息,经由认知交互单元和认知信息检测/传递单元,传递给控制平台,控制平台接收到该包含决策信息的认知流后执行控制操作,业务平台执行决策结果,从而实现网络***的认知功能。
2、根据权利要求1所述的方法,其特征在于:所述方法在包括认知流的获取与传递、认知功能各个模块的访问、认知平台各个单元之间的交互、对认知流的分析处理与决策、以及执行认知决策的全部操作过程的各个步骤中,都要对认知流执行安全保护机制,防止非法接入与非法访问。
3、根据权利要求1所述的方法,其特征在于:所述认知信息是具有认知功能的信息,包括频谱资源、载干比情况、信道容量和其它无线环境信息,服务质量等级的用户信息,网络适变性、网络运营成本、网络匹配度的各种网络信息;所述认知流是不同信息层的认知信息的汇聚,认知流的分类如下:
按照地理范围划分为:不和其它网络节点交互的本地认知流,以及需要和其它网络节点交互的全局认知流;
按照时间尺度划分为:以毫秒和秒为时间尺度的短期认知流,以分钟和小时为时间尺度的中期认知流,以及以天、周、月或年为时间尺度的长期认知流;
按照作用域划分为:所有网络都具有的认知信息的公共认知流,以及只是特定网络才具有的认知信息的私有认知流。
4、根据权利要求1所述的方法,其特征在于:所述方法应用于现有通信网络时,通过开环认知方式获取认知信息;所述方法应用于未来通信网络时,通过开环认知方式和/或闭环认知方式获取认知信息。
5、根据权利要求4所述的方法,其特征在于:所述开环认知方式是基站或移动台通过监听周边的包括无线环境、用户信息和网络信息的认知信息,即在单向感知方式下通过测量报告而获得认知信息;所述闭环认知方式是认知实体先向被感知者发送请求信息,被感知者再将自己的认知信息发送给认知实体。
6、根据权利要求5所述的方法,其特征在于:所述闭环认知方式包括下述三种方法:
利用物理层的专用物理信道主动广播的认知信息,获取短期认知流;
利用扩充现有信令而增加认知查询信息,使所述信令在链路层上支持闭环的数据交互而获取中期认知流;
通过与认知信息库中存储的静态或半静态的信息的交互,获取长期认知流。
7、根据权利要求6所述的方法,其特征在于:所述利用物理层的专用物理信道实现的闭环认知方法分为下述两种:
下行传输:处于第一个网络基站中的移动台要获得同在本地区的第二个网络基站的认知信息,该移动台就向第二个网络基站发送提供认知信息的请求,并发送自己的相关信息;第二个网络基站收到该请求后,向移动台传输第二个网络基站收集到的认知信息,使移动台获得了第二个网络基站的认知信息;
上行传输:第二个网络基站希望获得处于同在本地区的第一个网络基站中的移动台的感知信息,该第二个网络基站向处于第一个网络中的移动台发送提供认知信息的请求,并广播发送自己的相关信息;处于第一个网络中的移动台收到后,向第二个网络基站传输自己收集到的认知信息,第二个网络基站就获得了处于第一个网络中的移动台的认知信息。
8、根据权利要求6所述的方法,其特征在于:所述利用扩充信令实现闭环认知的方法是:第一个网络基站希望获得第二个网络基站的认知信息,就向第二个网络基站发送提供认知信息的请求,并广播发送自己的相关信息;第一个网络的相关信息承载于扩充信令中传递到网关时,网关进行协议的转换,并将该信息传递给第二个网络基站后,第二个网络基站采用上述同样方式再向第一个网络基站传输自己收集到的认知信息,使第一个网络基站获得第二个网络基站的认知信息。
9、根据权利要求6所述的方法,其特征在于:所述认知信息库中存储的静态或半静态的网络信息和知识,其中网络信息是网络中各个网元实体的认知信息,知识是在网络运行过程中、基于推理和学习而积累获得的决策和策略经验的集合;
所述认知信息库通过与认知平台的信息交互而完成知识积累的方法包括有:对认知信息库中已有的决策策略进行加强处理,以加快决策速度,加重策略权重;及时使用现有的新知识对认知信息库中的过时知识作替换更新;实时存储和积累该认知信息库中尚没有的新知识;
所述认知信息库通过与认知平台的交互,辅助认知平台决策的过程是:认知平台先通过对认知信息库中存储的知识和网络信息的查找和匹配,获取类似的场景和相关参数,并判断该场景的类似程度,然后采用模式识别的匹配算法辅助决策,并将决策结果返回给认知信息库,以供认知信息库进行知识的积累。
10、根据权利要求1所述的方法,其特征在于:所述步骤(2)中,认知交互单元构建统一的描述语言,对不同的认知信息进行描述时,要采用统一的格式实现交互;且对认知信息构建统一描述语言的操作步骤如下:
(21)自主分析:先对认知信息分类,以抽取检测到的不同认知信息的基本特征;
(22)自主建模:根据对不同认知信息抽取的基本特征,使用统一的描述语言建立格式统一的描述模型;
(23)自主描述:采用规范的统一格式的描述模型描述不同认知信息的基本特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100827348A CN101541010B (zh) | 2009-04-28 | 2009-04-28 | 具有认知功能的无线通信网络***认知功能的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100827348A CN101541010B (zh) | 2009-04-28 | 2009-04-28 | 具有认知功能的无线通信网络***认知功能的实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101541010A true CN101541010A (zh) | 2009-09-23 |
CN101541010B CN101541010B (zh) | 2010-06-23 |
Family
ID=41123929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100827348A Expired - Fee Related CN101541010B (zh) | 2009-04-28 | 2009-04-28 | 具有认知功能的无线通信网络***认知功能的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101541010B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102158294A (zh) * | 2011-02-25 | 2011-08-17 | 北京邮电大学 | 认知无线网络***及其认知流的传输方法 |
WO2012075877A1 (zh) * | 2010-12-09 | 2012-06-14 | 中兴通讯股份有限公司 | 认知无线电***工作模式转换方法及装置 |
CN103068058A (zh) * | 2012-12-24 | 2013-04-24 | 中国人民解放军总参谋部第六十一研究所 | 一种基于双层环路模型的无线资源调度方法 |
CN103188152A (zh) * | 2011-12-31 | 2013-07-03 | 南京邮电大学 | 基于业务区分的认知网络QoS路由选择方法 |
CN103458423A (zh) * | 2013-09-17 | 2013-12-18 | 北京邮电大学 | 异构认知无线网络间传输认知流的方法、装置和*** |
WO2014121459A1 (en) * | 2013-02-06 | 2014-08-14 | Nokia Corporation | A method and apparatus for cooperative spectrum sensing |
CN105007191A (zh) * | 2015-07-31 | 2015-10-28 | 上海红神信息技术有限公司 | 拟态路由交换***的感知、决策与执行分离方法 |
CN105592024A (zh) * | 2014-11-14 | 2016-05-18 | 江苏威盾网络科技有限公司 | 一种基于认知网络的网络防护***及方法 |
CN108229685A (zh) * | 2016-12-14 | 2018-06-29 | 中国航空工业集团公司西安航空计算技术研究所 | 一种空地一体的无人智能决策方法 |
-
2009
- 2009-04-28 CN CN2009100827348A patent/CN101541010B/zh not_active Expired - Fee Related
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012075877A1 (zh) * | 2010-12-09 | 2012-06-14 | 中兴通讯股份有限公司 | 认知无线电***工作模式转换方法及装置 |
CN102547717A (zh) * | 2010-12-09 | 2012-07-04 | 中兴通讯股份有限公司 | 认知无线电***工作模式转换方法及装置 |
CN102547717B (zh) * | 2010-12-09 | 2016-06-15 | 中兴通讯股份有限公司 | 认知无线电***工作模式转换方法及装置 |
US9125063B2 (en) | 2010-12-09 | 2015-09-01 | Zte Corporation | Method and apparatus for transforming working mode in cognitive radio system |
CN102158294A (zh) * | 2011-02-25 | 2011-08-17 | 北京邮电大学 | 认知无线网络***及其认知流的传输方法 |
CN102158294B (zh) * | 2011-02-25 | 2013-06-05 | 北京邮电大学 | 认知无线网络***及其认知流的传输方法 |
CN103188152B (zh) * | 2011-12-31 | 2015-07-08 | 南京邮电大学 | 基于业务区分的认知网络QoS路由选择方法 |
CN103188152A (zh) * | 2011-12-31 | 2013-07-03 | 南京邮电大学 | 基于业务区分的认知网络QoS路由选择方法 |
CN103068058B (zh) * | 2012-12-24 | 2015-08-26 | 中国人民解放军总参谋部第六十一研究所 | 一种基于双层环路模型的无线资源调度方法 |
CN103068058A (zh) * | 2012-12-24 | 2013-04-24 | 中国人民解放军总参谋部第六十一研究所 | 一种基于双层环路模型的无线资源调度方法 |
WO2014121459A1 (en) * | 2013-02-06 | 2014-08-14 | Nokia Corporation | A method and apparatus for cooperative spectrum sensing |
CN103458423A (zh) * | 2013-09-17 | 2013-12-18 | 北京邮电大学 | 异构认知无线网络间传输认知流的方法、装置和*** |
CN103458423B (zh) * | 2013-09-17 | 2016-03-30 | 北京邮电大学 | 异构认知无线网络间传输认知流的方法、装置和*** |
CN105592024A (zh) * | 2014-11-14 | 2016-05-18 | 江苏威盾网络科技有限公司 | 一种基于认知网络的网络防护***及方法 |
CN105007191A (zh) * | 2015-07-31 | 2015-10-28 | 上海红神信息技术有限公司 | 拟态路由交换***的感知、决策与执行分离方法 |
CN105007191B (zh) * | 2015-07-31 | 2018-09-11 | 上海红神信息技术有限公司 | 拟态路由交换***的感知、决策与执行分离方法 |
CN108229685A (zh) * | 2016-12-14 | 2018-06-29 | 中国航空工业集团公司西安航空计算技术研究所 | 一种空地一体的无人智能决策方法 |
CN108229685B (zh) * | 2016-12-14 | 2021-11-02 | 中国航空工业集团公司西安航空计算技术研究所 | 一种空地一体的无人智能决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101541010B (zh) | 2010-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101541010B (zh) | 具有认知功能的无线通信网络***认知功能的实现方法 | |
Wang et al. | Online UAV-mounted edge server dispatching for mobile-to-mobile edge computing | |
Lin et al. | Artificial intelligence-empowered resource management for future wireless communications: A survey | |
Zhou et al. | Resource sharing and task offloading in IoT fog computing: A contract-learning approach | |
Khan et al. | Cognitive-radio-based internet of things: Applications, architectures, spectrum related functionalities, and future research directions | |
Huang et al. | Wireless big data: transforming heterogeneous networks to smart networks | |
Nasser et al. | Middleware vertical handoff manager: A neural network-based solution | |
CN111405575B (zh) | 一种rsu的部署方法及部署设备 | |
Christopoulou et al. | Artificial Intelligence and Machine Learning as key enablers for V2X communications: A comprehensive survey | |
WO2020152389A1 (en) | Machine learning for a communication network | |
Ali et al. | Reinforcement-learning-enabled massive internet of things for 6G wireless communications | |
CN104144425A (zh) | 无线通信***中的网络管理装置、方法和装置 | |
US20230262489A1 (en) | Apparatuses and methods for collaborative learning | |
Hou et al. | Radio resource allocation and power control scheme in V2V communications network | |
Nayakwadi et al. | Automatic handover execution technique using machine learning algorithm for heterogeneous wireless networks | |
Jalilvand Aghdam Bonab et al. | QoS-aware resource allocation in mobile edge computing networks: Using intelligent offloading and caching strategy | |
Zhang et al. | Endogenous security-aware resource management for digital twin and 6G edge intelligence integrated smart park | |
Montero et al. | Proactive radio-and QoS-aware UAV as BS deployment to improve cellular operations | |
Koudouridis et al. | An architecture and performance evaluation framework for artificial intelligence solutions in beyond 5G radio access networks | |
Das et al. | Cognitive radio-enabled Internet of Things (CR-IoT): An integrated approach towards smarter world | |
Salem et al. | ICSSSS: An intelligent channel selection scheme for cognitive radio ad hoc networks using a self organized map followed by simple segregation | |
CN116744261B (zh) | 一种毫米波通信网络与边缘计算融合方法 | |
Yang et al. | A Hierarchical Network Management Strategy for Distributed CIIoT With Imperfect CSI | |
Santana et al. | LoRaWAN-based smart parking service: Deployment and performance evaluation | |
Biswash | Device and network driven cellular networks architecture and mobility management technique for fog computing-based mobile communication system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100623 Termination date: 20120428 |