CN103347279B - 基于风险评估的传输方法及*** - Google Patents
基于风险评估的传输方法及*** Download PDFInfo
- Publication number
- CN103347279B CN103347279B CN201310291790.9A CN201310291790A CN103347279B CN 103347279 B CN103347279 B CN 103347279B CN 201310291790 A CN201310291790 A CN 201310291790A CN 103347279 B CN103347279 B CN 103347279B
- Authority
- CN
- China
- Prior art keywords
- link
- index
- nodes
- routing
- node
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 69
- 238000012502 risk assessment Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000007704 transition Effects 0.000 claims description 23
- 230000007774 longterm Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000007613 environmental effect Effects 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 2
- 239000002994 raw material Substances 0.000 claims description 2
- 230000008439 repair process Effects 0.000 abstract description 2
- 230000008878 coupling Effects 0.000 abstract 1
- 238000010168 coupling process Methods 0.000 abstract 1
- 238000005859 coupling reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 238000013480 data collection Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于风险评估的传输方法及***,涉及无线网络技术领域。该方法包含以下步骤:S1、建立跨层传输模型;S2、对所述跨层传输模型中各层的网络风险事件进行细粒度定义;S3、将贝叶斯网络与所述细粒度定义后的跨层传输模型结合,通过事件树分析方法,计算得到路由指标,并通过所述路由指标指导传感器节点进行路由选择;还包含对所述路由指标进行分布式错误修复的步骤。本发明能够预测链路的动态性带来的风险,指导传感器进行路由选择,从而实现不可靠链路上多跳传输的风险规避,提高了数据的收集成功率。
Description
技术领域
本发明涉及无线网络技术领域,具体涉及一种基于风险评估的传输方法及***。
背景技术
随着通信、传感器制造、嵌入式计算的日益成熟,大规模无线传感器网络技术迅速发展并被广泛应用到环境、国防、救灾抢险、城市管理等诸多领域。无线传感器的不同节点之间存在硬件、物理环境和邻居节点等多方面的差异,这些差异可导致无线通讯链路随时间和空间变化,因此如何设计泛化可靠的大规模无线传感器网络传输方法是当前急需解决的问题。
现有技术中解决此方面的问题,是通过准确测量链路质量,从而选择路由策略的方式。
现有技术并没有考虑到链路可能随时间和空间的变化以及这些变化可能带来的危害,这样就不能很好的预测链路的动态性所带来的风险,从而不能很好的指导传感器进行路由选择,进而不能对不可靠链路上多跳传输的风险进行规避,基站对数据收集的成功率不高。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供一种基于风险评估的传输方法及***,能够预测链路的动态性所带来的风险。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种基于风险评估的传输方法,包含以下步骤:
S1、建立跨层传输模型;
S2、对所述跨层传输模型中各层的网络风险事件进行细粒度定义;
S3、将贝叶斯网络与所述细粒度定义后的跨层传输模型结合,通过事件树分析方法计算得到路由指标,并通过所述路由指标指导传感器节点进行路由选择。
其中,步骤S1中建立的跨层传输模型对各层的网络风险事件进行统计,
包括,
取得数据包信号强度数据,通过与硬件无线信号信噪比阈值和环境噪声比较,得到瞬时链路动态性指标;
取得链路动态性评估数据,通过熵进行量化,得到长期链路动态性指标;
得到路由冗余数据,将各原节点的邻居节点分为祖先节点、同伴节点和子孙节点,通过统计各原节点的祖先节点及同伴节点的不同祖先节点来量化各节点自身的路由冗余度;
取得数据转发流量,通过子孙节点数目进行量化。
其中,所述瞬时链路动态性指标包括:利用如下公式计算
其中,数据接收率(PRR)为瞬时链路动态性指标,其中SNR为信道信噪比,根据硬件特性定义阈值Kdis=3,Ktra=6;当SNR处于Kdis和Ktra之间时,认为其链路为动态链路;
所述得到长期链路动态性指标包括:利用如下公式计算
其中,H(X)为长期链路动态性指标,X为数据包传输事件或接收数据包信号强度,p(x)为其概率分布;当H(X)大于0.5时,认为其链路为动态链路。
其中,步骤S3中,所述路由指标为链路动态性风险。
其中,步骤S3中包含以下步骤:
S31、通过瞬时链路动态性指标和长期链路动态性指标来评估链路是否处于动态性;
S32、当链路处于动态性时,通过所述网络信息测量与交换模块计算出贝叶斯网络中每条边的转移概率;
S33、根据转移概率及后续事件的代价,通过事件树分析方法来计算路由指标。
其中,步骤S32中,转移概率的计算公式为:
其中P(D|S)为转移概率,C(D)表示转移边终点事件的出现次数,C(S)表示转移边起点事件出现的次数。
优选的,步骤S3后还包含步骤S4,对所述路由指标进行分布式错误修复;
步骤S4包括:
S41、计算各原节点的路由冗余度;
S42、当原节点路由冗余度大于2时,备选路径可切换至任一祖先节点;否则,将选择最近的路由冗余度大于2的或有备选路径的节点作为备选路径。
其中,步骤S41中,各原节点的路由冗余度计算公式为:
其中,Res(i)为路由冗余度,Ancestor(i)和competitor(i)分别表示节点i祖先节点和同伴节点的数目。
本发明还提供了一种基于风险评估的传输***,包含以下模块:
跨层传输模型;
细粒度定义模块,对所述跨层传输模型中各节点的网络风险事件进行细粒度定义;
计算路由指标模块,将贝叶斯网络与所述细粒度定义后的跨层传输模型结合,通过事件树分析方法计算得到路由指标,并通过所述路由指标指导传感器节点进行路由选择。
其中,所述跨层传输模型包含低功耗MAC模块、链路估计模块、路由引擎模块、多跳转发引擎模块,还包括网络信息测量与交换模块,通过网络信息测量与交换模块并对各层的网络风险事件进行统计;
其中,
网络信息测量与交换模块从低功耗MAC模块取得数据包信号强度数据,通过与硬件无线信号信噪比阈值和环境噪声比较,得到瞬时链路动态性指标;
网络信息测量与交换模块从链路估计模块取得链路动态性评估数据,通过熵进行量化,得到长期链路动态性指标;
网络信息测量与交换模块从路由引擎模块得到路由冗余数据,将各原节点的邻居节点分为祖先节点、同伴节点和子孙节点,通过统计各原节点的祖先节点及同伴节点的不同祖先节点来量化各节点自身的路由冗余度;
网络信息测量与交换模块从多跳转发引擎模块取得数据转发流量,通过子孙节点数目进行量化。
(三)有益效果
本发明提供了一种基于风险评估的传输方法及***,通过建立跨层传输模型,对网络中各节点可能遭遇的风险事件进行细粒度定义,结合贝叶斯网络,通过将计算得出的链路动态性风险做为路由指标,指导传感器进行路由选择,从而实现不可靠链路上多跳传输的风险规避,提高了数据的收集成功率。
本发明还通过提供分布式错误修复的步骤,引导传感器节点在网络局部出现路由故障的时候,可以快速找到备份路径,从而快速的将数据传送到基站。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例的基于风险评估的传输方法的流程图;
图2为本发明一实施例的跨层传输模型结构示意图;
图3为本发明一实施例的路由风险因子事件集合及影响范围示意图;
图4为本发明一实施例的贝叶斯网络与跨层传输模型结合的示意图;
图5为本发明一实施例的事件树评估方法示意图;
图6为本发明一实施例的建立备份路径示意图;
图7本发明一实施例的基于风险评估的传输***的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本发明实施例提供了基于风险评估的传输方法,包含以下步骤:
S1、建立跨层传输模型;
S2、对所述跨层传输模型中各层的网络风险事件进行细粒度定义;
S3、将贝叶斯网络与所述细粒度定义后的跨层传输模型结合,通过事件树分析方法计算得到路由指标,并通过所述路由指标指导传感器节点进行路由选择。
本发明实施例通过建立跨层传输模型,对网络中各节点可能遭遇的风险事件进行细粒度定义,结合贝叶斯网络,通过将计算得出的链路动态性风险做为路由指标,指导传感器进行路由选择,从而实现不可靠链路上多跳传输的风险规避,提高了数据的收集成功率。
下面详细的介绍本发明实施例所提供的基于风险评估的传输方法,包含以下步骤:
S1、建立跨层传输模型;
如图2所示,步骤S1中,所述跨层传输模型包含低功耗MAC模块、链路估计模块、路由引擎模块、多跳转发引擎模块,还包括网络信息测量与交换模块,通过网络信息测量与交换模块并对各层的丢包、重启、环路和重传事件进行统计。
其中,
网络信息测量与交换模块从低功耗MAC模块取得数据包信号强度数据,通过与硬件无线信号信噪比阈值和环境噪声比较,得到瞬时链路动态性指标;
所述瞬时链路动态性指标包括:利用如下公式计算
其中,数据接收率(PRR)为瞬时链路动态性指标,其中SNR为信道信噪比,根据硬件特性定义阈值Kdis=3,Ktra=6;当SNR处于Kdis和Ktra之间时,认为其链路为动态链路;
网络信息测量与交换模块从链路估计模块取得链路动态性评估数据,通过熵进行量化,得到长期链路动态性指标;
所述得到长期链路动态性指标包括:利用如下公式计算
其中,H(X)为长期链路动态性指标,X为数据包传输事件或接收数据包信号强度,p(x)为其概率分布;当H(X)大于0.5时,认为其链路为动态链路。
网络信息测量与交换模块从路由引擎模块得到路由冗余数据,将各原节点的邻居节点分为祖先节点、同伴节点和子孙节点,通过统计各原节点的祖先节点及同伴节点的不同祖先节点来量化各节点自身的路由冗余度;
网络信息测量与交换模块从多跳转发引擎模块取得数据转发流量,通过子孙节点数目进行量化。
S2、对所述跨层传输模型中各层的网络风险事件进行细粒度定义;
如图3所示,基于步骤S1中建立的跨层传输模型,我们就可以对数据包在多跳转发收集的过程中,于网络各个层次和节点各个组件可能遭遇的丢包风险进行细粒度定义,将各类风险因子用低开销的方式予以度量,图3详细列出了跨层模型几个主要模块中的所有路由风险因子事件集合及其影响范围、后果,这些因子从拓扑形态、流量负载、环境干扰、软硬件故障等各个方面,全面考虑了数据包在多跳转发收集的过程中可能面对的各种风险。
其中风险因子事件的后果可分为两类:内部影响指引发自身内部其他风险或造成丢包等性能损失;外部影响指引发其它节点风险。
S3、将贝叶斯网络与所述细粒度定义后的跨层传输模型结合,通过事件树分析方法计算得到路由指标,并通过所述路由指标指导传感器节点进行路由选择。
如图4所示,为将贝叶斯网络与所述细粒度定义后的跨层传输模型结合后的贝叶斯网络。
如图4所示,贝叶斯网络是有向非循环图,其中每个节点代表了一种风险因子事件,每条边关联了相连两种风险因子事件的转移概率。其中实线方框表示内部影响,虚线方框表示外部影响。通过网络信息测量与交换模块对风险因子事件及其代价进行统计和量化,计算出每条边的转移概率。
其中,步骤S3中,所述路由指标为链路动态性风险。
步骤S3中包含以下步骤:
S31、通过瞬时链路动态性指标和长期链路动态性指标来评估链路是否处于动态性;
S32、当链路处于动态性时,通过所述网络信息测量与交换模块计算出贝叶斯网络中每条边的转移概率;
步骤S32中,转移概率的计算公式为:
其中P(D|S)为转移概率,C(D)表示转移边终点事件的出现次数,C(S)表示转移边起点事件出现的次数;
如,以数据包重传到NOACK丢包这条边为例计算它的转移概率,
用过转移概率的计算公式:
其中,C(ND)表示重传导致的丢包的数目,C(ReTx)表示重传的数目;
S33、根据转移概率及后续事件的代价,通过事件树分析方法来计算路由指标。
如图5所示为通过事件树分析方法对一个事件序列进行风险评估计算。初始事件为链路动态性,之后可能出现的事件序列为重传、父节点变换、路由循环及Beacon更新,若事件序列终止于不同事件产生能耗、外部影响、丢包的代价分别为:C1,C2,C3,C4及C5。
此时的路由指标的计算公式为:
R(链路动态性)=P(重传|链路动态性)[(1-P(父节点变换|重传))C1+P(父节点变换|重传)((1-P(路由循环|父节点变换))C2+P(路由循环|父节点变换)P(Beacon更新|路由循环)((1-P(队列压力|路由循环))C4+P(队列压力|路由循环)C5))]。
通过计算的出的R(链路动态性),即此时的链路动态性风险,将它做为路由指标,指导传感器进行路由选择。
另外,通常数据传输的各种异常和错误仍是很难100%避免的,为保证数据收集的可靠性,作为对本发明实施例的改进,步骤S3后还包含步骤S4,对所述路由指标进行分布式错误修复。引导传感器节点在网络局部出现路由故障的时候,快速找到备份路径(BackupPath)将数据传送到基站。
步骤S4包括:
S41、计算各原节点的路由冗余度;
S42、当原节点路由冗余度大于2时,备选路径可切换至任一祖先节点;否则,将选择最近的路由冗余度大于2或有备选路径的节点作为备选路径。
步骤S41中,各原节点的路由冗余度计算公式为:
其中,Res(i)为路由冗余度,Ancestor(i)和competitor(i)分别表示节点i祖先节点和同伴节点的数目。
本发明实施例通过提供分布式错误修复的步骤,引导传感器节点在网络局部出现路由故障的时候,可以快速找到备份路径,从而快速的将数据传送到基站。
实施例2:
如图7所示,本发明还提供了一种基于风险评估的传输***,包含以下模块:
跨层传输模型模块;
细粒度定义模块,对所述跨层传输模型中各节点的网络风险事件进行细粒度定义;
计算路由指标模块,将贝叶斯网络与所述细粒度定义后的跨层传输模型结合,通过事件树分析方法计算得到路由指标,并通过所述路由指标指导传感器节点进行路由选择。
所述跨层传输模型包含低功耗MAC模块、链路估计模块、路由引擎模块、多跳转发引擎模块,还包括网络信息测量与交换模块,通过网络信息测量与交换模块并对各层的网络风险事件进行统计;
其中,
网络信息测量与交换模块从低功耗MAC模块取得数据包信号强度数据,通过与硬件无线信号信噪比阈值和环境噪声比较,得到瞬时链路动态性指标;
网络信息测量与交换模块从链路估计模块取得链路动态性评估数据,通过熵进行量化,得到长期链路动态性指标;
网络信息测量与交换模块从路由引擎模块得到路由冗余数据,将各原节点的邻居节点分为祖先节点、同伴节点和子孙节点,通过统计各原节点的祖先节点及同伴节点的不同祖先节点来量化各节点自身的路由冗余度;
网络信息测量与交换模块从多跳转发引擎模块取得数据转发流量,通过子孙节点数目进行量化。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于风险评估的传输方法,其特征在于,包含以下步骤:
S1、建立跨层传输模型,建立的跨层传输模型对各层的网络风险事件进行统计;
S2、对所述跨层传输模型中各层的网络风险事件进行细粒度定义;
S3、将贝叶斯网络与所述细粒度定义后的跨层传输模型结合,通过事件树分析方法计算得到路由指标,并通过所述路由指标指导传感器节点进行路由选择;
步骤S3中包含以下步骤:
S31、通过瞬时链路动态性指标和长期链路动态性指标来评估链路是否处于动态性;
S32、当链路处于动态性时,通过网络信息测量与交换模块计算出贝叶斯网络中每条边的转移概率;
S33、根据转移概率及后续事件的代价,通过事件树分析方法来计算路由指标。
2.如权利要求1所述的一种基于风险评估的传输方法,其特征在于,所述跨层传输模型对各层的网络风险事件进行统计,
包括,
取得数据包信号强度数据,通过与硬件无线信号信噪比阈值和环境噪声比较,得到瞬时链路动态性指标;
取得链路动态性评估数据,通过熵进行量化,得到长期链路动态性指标;
得到路由冗余数据,将各原节点的邻居节点分为祖先节点、同伴节点和子孙节点,通过统计各原节点的祖先节点及同伴节点的不同祖先节点来量化各节点自身的路由冗余度;
取得数据转发流量,通过子孙节点数目进行量化。
3.如权利要求2所述的一种基于风险评估的传输方法,其特征在于,
所述瞬时链路动态性指标包括:利用如下公式计算
其中,数据接收率(PRR)为瞬时链路动态性指标,其中SNR为信道信噪比,根据硬件特性定义阈值Kdis=3,Ktra=6;当SNR处于Kdis和Ktra之间时,认为其链路为动态链路;
所述得到长期链路动态性指标包括:利用如下公式计算
其中,H(X)为长期链路动态性指标,X为数据包传输事件或接收数据包信号强度,p(x)为其概率分布;当H(X)大于0.5时,认为其链路为动态链路。
4.如权利要求1所述的一种基于风险评估的传输方法,其特征在于,步骤S3中,所述路由指标为链路动态性风险。
5.如权利要求1所述的一种基于风险评估的传输方法,其特征在于,步骤S32中,转移概率的计算公式为:
其中P(D|S)为转移概率,C(D)表示转移边终点事件的出现次数,C(S)表示转移边起点事件出现的次数。
6.如权利要求1所述的一种基于风险评估的传输方法,其特征在于,步骤S3后还包含步骤S4,对所述路由指标进行分布式错误修复;
步骤S4包括:
S41、计算各原节点的路由冗余度;
S42、当原节点路由冗余度大于2时,备选路径可切换至任一祖先节点;否则,将选择最近的路由冗余度大于2的或有备选路径的节点作为备选路径。
7.如权利要求6所述的一种基于风险评估的传输方法,其特征在于,步骤S41中,各原节点的路由冗余度计算公式为:
其中,Res(i)为路由冗余度, Ancestor(i)和competitor(i)分别表示节点i祖先节点和同伴节点的数目。
8.一种基于风险评估的传输***,其特征在于,包含以下模块:
跨层传输模型,对各层的网络风险事件进行统计;
细粒度定义模块,对所述跨层传输模型中各节点的网络风险事件进行细粒度定义;
计算路由指标模块,将贝叶斯网络与所述细粒度定义后的跨层传输模型结合,通过事件树分析方法计算得到路由指标,并通过所述路由指标指导传感器节点进行路由选择;
其中,计算路由指标步骤如下:
S31、通过瞬时链路动态性指标和长期链路动态性指标来评估链路是否处于动态性;
S32、当链路处于动态性时,通过网络信息测量与交换模块计算出贝叶斯网络中每条边的转移概率;
S33、根据转移概率及后续事件的代价,通过事件树分析方法来计算路由指标。
9.如权利要求8所述的一种基于风险评估的传输***,其特征在于,所述跨层传输模型包含低功耗MAC模块、链路估计模块、路由引擎模块、多跳转发引擎模块,还包括网络信息测量与交换模块,通过网络信息测量与交换模块并对各层的网络风险事件进行统计;
其中,
网络信息测量与交换模块从低功耗MAC模块取得数据包信号强度数据,通过与硬件无线信号信噪比阈值和环境噪声比较,得到瞬时链路动态性指标;
网络信息测量与交换模块从链路估计模块取得链路动态性评估数据,通过熵进行量化,得到长期链路动态性指标;
网络信息测量与交换模块从路由引擎模块得到路由冗余数据,将各原节点的邻居节点分为祖先节点、同伴节点和子孙节点,通过统计各原节点的祖先节点及同伴节点的不同祖先节点来量化各节点自身的路由冗余度;
网络信息测量与交换模块从多跳转发引擎模块取得数据转发流量,通过子孙节点数目进行量化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310291790.9A CN103347279B (zh) | 2013-07-11 | 2013-07-11 | 基于风险评估的传输方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310291790.9A CN103347279B (zh) | 2013-07-11 | 2013-07-11 | 基于风险评估的传输方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103347279A CN103347279A (zh) | 2013-10-09 |
CN103347279B true CN103347279B (zh) | 2016-04-20 |
Family
ID=49282048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310291790.9A Active CN103347279B (zh) | 2013-07-11 | 2013-07-11 | 基于风险评估的传输方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103347279B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103985027B (zh) * | 2014-05-19 | 2017-10-13 | 北京交通大学 | 一种基于多分支事件树绘制的铁路货物传输***评估方法 |
CN104659819A (zh) * | 2015-03-19 | 2015-05-27 | 武汉大学 | 一种计及风电功率预测误差的风电消纳评估方法 |
CN105915399B (zh) * | 2016-06-27 | 2019-02-26 | 华侨大学 | 一种基于反向传播的网络风险源头追溯方法 |
CN108320079B (zh) * | 2018-01-04 | 2021-12-24 | 浙江大学 | 考虑信息***连接与传输的电力二次***风险评估方法 |
CN111404758B (zh) * | 2020-03-27 | 2022-04-19 | 桂林电子科技大学 | 一种快速的时变图信号分布式修复方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026798A (zh) * | 2007-03-12 | 2007-08-29 | 华为技术有限公司 | 基于IP传输的Iub接口业务传输方法及装置 |
CN102724702A (zh) * | 2012-05-25 | 2012-10-10 | 华北电力大学(保定) | 可防止无线传感网络拥塞的输电线路监测信息传输方法 |
-
2013
- 2013-07-11 CN CN201310291790.9A patent/CN103347279B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101026798A (zh) * | 2007-03-12 | 2007-08-29 | 华为技术有限公司 | 基于IP传输的Iub接口业务传输方法及装置 |
CN102724702A (zh) * | 2012-05-25 | 2012-10-10 | 华北电力大学(保定) | 可防止无线传感网络拥塞的输电线路监测信息传输方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103347279A (zh) | 2013-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103347279B (zh) | 基于风险评估的传输方法及*** | |
US20170324488A1 (en) | Method and apparatus for evaluating node performance and system | |
US8634314B2 (en) | Reporting statistics on the health of a sensor node in a sensor network | |
US8638680B2 (en) | Applying policies to a sensor network | |
US20170310572A1 (en) | Trouble diagnosis method and apparatus and system | |
JP6136830B2 (ja) | 干渉源の位置推定装置,位置推定方法及びプログラム | |
CN104756474A (zh) | 用于通信链路性能估计的方法和*** | |
US20120026938A1 (en) | Applying Policies to a Sensor Network | |
CN102802182B (zh) | 一种无线传感器网络故障诊断装置及方法 | |
CN103139804B (zh) | 无线传感器网络的节能传播自适应rls分布式检测方法 | |
CN113258995A (zh) | 故障预测方法、装置和计算机可读存储介质 | |
Sun et al. | CS‐PLM: compressive sensing data gathering algorithm based on packet loss matching in sensor networks | |
CN102281457B (zh) | 一种数字电视信号质量远程监测装置及其实现方法 | |
CN103346847A (zh) | 基于迭代攻击检测的联合压缩频谱感知方法 | |
Ma et al. | BOND: Exploring hidden bottleneck nodes in large-scale wireless sensor networks | |
CN102550070B (zh) | 分组化网络中丢失率的估计方法 | |
CN106357367A (zh) | 大规模天线***下非相干的联合检测和信道译码的方法 | |
CN117295096A (zh) | 基于5g短共享的智能电表数据传输方法及*** | |
Liu et al. | A link quality prediction mechanism for wsns based on time series model | |
Daniels et al. | An online learning framework for link adaptation in wireless networks | |
CN104301901A (zh) | 移动通信***间干扰的检测方法、装置及*** | |
KR101275630B1 (ko) | 무선 네트워크에서 하이브리드 방식을 이용한 링크 품질 평가 방법 | |
Ledy et al. | Data fusion for a forecasting link state indicator in vanets | |
CN102684935B (zh) | 基于信息量的流量矩阵估测方法 | |
CN110519788B (zh) | 一种物理环境传感器辅助的无线通信链路质量估计方法 |
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 |