CN111800829B - LoRaWAN通信自适应速率调整方法、***及网络服务器 - Google Patents
LoRaWAN通信自适应速率调整方法、***及网络服务器 Download PDFInfo
- Publication number
- CN111800829B CN111800829B CN202010637335.XA CN202010637335A CN111800829B CN 111800829 B CN111800829 B CN 111800829B CN 202010637335 A CN202010637335 A CN 202010637335A CN 111800829 B CN111800829 B CN 111800829B
- Authority
- CN
- China
- Prior art keywords
- speed regulation
- signal
- noise ratio
- estimated value
- upward
- 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
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]
- H04W28/18—Negotiating wireless communication parameters
- H04W28/22—Negotiating communication rate
-
- 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)
- Quality & Reliability (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种LoRaWAN通信自适应速率调整方法、***及网络服务器,该方法包括获取无线信号的信噪比,采用一维卡尔曼滤波算法对获取到的信噪比进行滤波,并根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,得到信噪比的最优估计值;以及根据信噪比的最优估计值进行分级调速,并通过预设的向上调速规则对分级调速过程中向上调速请求进行控制共两大步骤。通过对卡尔曼滤波器中相关参数进行动态调整,使滤波器能够自适应环境变化,从而能实时跟踪环境变化,获取最优速率;同时,使用预设的分级调速规则控制分级调速过程中向上调速时机和向上调速等级跨度,使速率调整过程更加平缓,丢包率降低,通信质量更加可靠,兼顾通信质量和功耗。
Description
技术领域
本发明涉及物联网技术领域,更具体的说是涉及一种LoRaWAN通信自适应速率调整方法、***及网络服务器。
背景技术
随着物联网的兴起,LoRaWAN作为一种新兴高效稳定的LPWAN(低功耗广域网)技术,已经广泛用于各行各业的产品中。在LoRaWAN通信***中,ADR速率调节功能用于动态调节终端节点上行速率,从而使整个***性能达到最优,因此调速算法对***的功耗、通信质量等性能有着至关重要的影响。
目前主流的ADR速率调节方式基本都是根据信号的SNR(SIGNAL NOISE RATIO,信噪比)进行分级调速,具体示例可以参见下表1所示,即在保证当前速率链路预算的前提下,根据余量计算最优速率。
表1 SNR进行分级调速示例
不难发现,在存在环境干扰的情况下,SNR波动很大,现有调速技术会导致速率调节非常频繁,调速占用的通信带宽比重较大,对用户正常的通信造成不利的影响。而且调速不够平滑,很容易导致***失联,同时功耗无法达到最优,在实际应用中很难进行推广。
因此,如何提供一种高效可靠的LoRaWAN通信自适应速率调整方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种LoRaWAN通信自适应速率调整方法、***及网络服务器,通过自适应速率调整,能极大保证***在不失联的同时,兼顾整体功耗最优,解决了现有的调速方法抗干扰能力差,***整个生命周期调速频繁,而且幅度比较剧烈,容易造成***失联,同时功耗无法达到最优的问题。
为了实现上述目的,本发明采用如下技术方案:
第一方面,本发明提供了一种LoRaWAN通信自适应速率调整方法,该方法包括以下步骤:
获取无线信号的信噪比,采用一维卡尔曼滤波算法对获取到的信噪比进行滤波,并根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,得到信噪比的最优估计值;
根据所述信噪比的最优估计值进行分级调速,并通过预设的向上调速规则对分级调速过程中向上调速请求进行控制。
进一步地,根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整的过程,具体包括:
预先设定最优估计值方差和标准差的最小值;
当前N次信噪比测量平均值和最优估计值之差超过预设阈值时,将测量噪声标准差设置为最小值;
当前N次信噪比测量平均值和最优估计值之差连续超过预设阈值设定次数时,将初始输入速率和无线信号的信噪比设置为最小值。
进一步地,所述预设的向上调速规则包括:
维护一个向上调速请求计数器,当计算的目标速率大于当前速率时,则所述向上调速请求计数器增加1;
当当前测量值大于最优估计值并且所述向上调速请求计数器超过预设计数阈值时,允许向上调速;
向上调速的最大等级跨度为2级。
第二方面,本发明还提供了一种LoRaWAN通信自适应速率调整***,该***包括滤波处理模块和分级调速模块;
所述滤波处理模块用于获取无线信号的信噪比,采用一维卡尔曼滤波算法对获取到的信噪比进行滤波,并根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,得到信噪比的最优估计值;
所述分级调速模块用于根据所述滤波处理模块得到的所述信噪比的最优估计值进行分级调速,并通过预设的向上调速规则对分级调速过程中向上调速请求进行控制。
进一步地,所述滤波处理模块根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,执行以下步骤:
预先设定最优估计值方差和标准差的最小值;
当前N次信噪比测量平均值和最优估计值之差超过预设阈值时,将测量噪声标准差设置为最小值;
当前N次信噪比测量平均值和最优估计值之差连续超过预设阈值设定次数时,将初始输入速率和无线信号的信噪比设置为最小值。
进一步地,所述分级调速模块执行的向上调速规则包括:
维护一个向上调速请求计数器,当计算的目标速率大于当前速率时,则所述向上调速请求计数器增加1;
当当前测量值大于最优估计值并且所述向上调速请求计数器超过预设计数阈值时,允许向上调速;
向上调速的最大等级跨度为2级。
第三方面,本发明还提供了一种网络服务器,该网络服务器包括处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述网络服务器执行上述的一种LoRaWAN通信自适应速率调整方法。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种LoRaWAN通信自适应速率调整方法、***及网络服务器,通过对卡尔曼滤波器中相关参数进行动态调整,使滤波器能够自适应环境变化,从而能实时跟踪环境变化,获取最优速率;同时,使用预设的分级调速规则控制分级调速过程中向上调速时机和向上调速等级跨度,使速率调整过程更加平缓,丢包率降低,通信质量更加可靠,兼顾通信质量和功耗。
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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本发明提供的一种LoRaWAN通信自适应速率调整方法的流程示意图;
图2为本发明实施例中参数调整前后滤波器阶跃响应效果示意图;
图3为本发明提供的一种LoRaWAN通信自适应速率调整***的结构架构示意图;
图4为本发明提供的一种网络服务器的结构架构示意图;
图5为本发明实施例中数据包发送顺序示意图;
图6为本发明实施例中各速率下丢包率示意图;
图7为本发明实施例中仿真测试阶段将收集的数据导入算法后输出数据示意图;
图8为本发明实施例中基于现场某一LoRaWAN温湿度传感器进行实测的分析结果示意图。
具体实施方式
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,所描述的实施例仅仅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做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。
第一方面,参见附图1,本发明实施例公开了一种LoRaWAN通信自适应速率调整方法,该方法包括以下步骤:
S1:获取无线信号的信噪比,采用一维卡尔曼滤波算法对获取到的信噪比进行滤波,并根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,得到信噪比的最优估计值;
S2:根据信噪比的最优估计值进行分级调速,并通过预设的向上调速规则对分级调速过程中向上调速请求进行控制。
由于无线信号SNR很容易受环境干扰,因此需要对获取的SNR进行滤波,计算最优估计值。
在LoRaWAN***中,每个终端产品在其整个生命周期上行数据包数一般较少,而且上行周期不固定,因此常用的频域滤波算法(如低通滤波)效果有限。考虑到在环境相对稳定的情况下,SNR在各速率下表现均相同(已经通过扫频测试验证),而且环境噪声可近似认为是高斯白噪声。因此最优估计算法可以采用工业中比较实用的一维卡尔曼滤波算法。一维卡尔曼滤波算法的原理如下:
预测值x0[k],不确定度α0[k];
实测量x1[k],不确定度α1[k]。
最优估计值如下:
x[k]=x0[k]+w[k](x1[k]-x[0]),其中权重系数
α2[k]=w[k]×α1[k]2=(1-w[k])×α0[k]2
由于LoRaWAN***安装完成后,可认为整个环境是相对稳定的,因此预测模型可以建立如下:
SNR上一次的最优估计值作为卡尔曼滤波器当前的预测值。
然而在实际应用中,环境不可能是一成不变的,只能说在一段时间内保持稳定,上面的预测模型滞后严重,动态性能较差。为了提高预测模型的鲁棒性,需要卡尔曼滤波器能自适应环境变化。因此需要在卡尔曼滤波器中添加环境探测功能,具体实现是对卡尔曼滤波器中的相关参数进行动态调整,具体内容如下:
预先设定最优估计值方差和标准差的范围;这里主要限制最优估计值方差和标准差的最小值,因为值越小,则最优估计值的权重越高,滤波效果就无法快速跟随环境变化。
当前N次SNR测量平均值和最优估计值之差超过预设阈值时,将测量噪声标准差设置为最小值;
当前N次SNR测量平均值和最优估计值之差连续超过预设阈值M次时,重置卡尔曼滤波器((即将初始输入的速率和SNR设置为最小值,对于LoRaWAN***,速率和SNR初始值可以分别选取DR0和-20)。
参数调整前滤波器阶跃响应效果如附图2中图(a)所示,参数调整后滤波器的阶跃响应效果如附图2中图(b)所示。图中origin_snr表示原始SNR值,kalman_snr表示滤波器输出的SNR值。由两幅图比对可以很明显的可以看出,参数调整后滤波器的动态性能有很显著的提高。
通过上一步卡尔曼滤波后,SNR表现平稳,再结合现有的分级调速方案已经能满足大部分的需求。但是仍然存在调速剧烈的情况,如直接从DR0越变到DR5,特别是在环境由极好变为极差时,很有可能让节点失联。另外,SNR在两个速率的临界区波动时会造成调速频繁,影响用户正常通信。
为了避免上述情况出现,需要对现有分级调速方案进优化,即向上调速时,速率越大,阻尼系数越高,具体方案如下:
维护一个向上调速请求计数器,当计算的目标速率大于当前速率时,则向上调速请求计数器增加1;
当当前测量值大于最优估计值并且向上调速请求计数器超过预设计数阈值时,才能向上调速;
向上调速的最大等级跨度限制为2级。
第二方面,参见附图3,本发明实施例还公开了一种LoRaWAN通信自适应速率调整***,该***包括滤波处理模块11和分级调速模块12;
滤波处理模块11用于获取无线信号的信噪比,采用一维卡尔曼滤波算法对获取到的信噪比进行滤波,并根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,得到信噪比的最优估计值;
分级调速模块12用于根据滤波处理模块11得到的信噪比的最优估计值进行分级调速,并通过预设的向上调速规则对分级调速过程中向上调速请求进行控制。
在一个具体地实施例中,滤波处理模块根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,执行以下步骤:
预先设定最优估计值方差和标准差的范围(分别限制二者的最小值);
当前N次信噪比测量平均值和最优估计值之差超过预设阈值时,将测量噪声标准差设置为最小值;
当前N次信噪比测量平均值和最优估计值之差连续超过预设阈值设定次数时,将初始输入速率和无线信号的信噪比设置为最小值。
在一个具体地实施例中,分级调速模块执行的向上调速规则包括:
维护一个向上调速请求计数器,当计算的目标速率大于当前速率时,则向上调速请求计数器增加1;
当当前测量值大于最优估计值并且向上调速请求计数器超过预设计数阈值时,允许向上调速;
向上调速的最大等级跨度为2级。
第三方面,参见附图4,本发明实施例还公开了一种网络服务器,该网络服务器包括处理器21及存储器22;
存储器22用于存储计算机程序;
处理器21用于执行存储器22存储的计算机程序,以使网络服务器执行上述的一种LoRaWAN通信自适应速率调整方法。
下面对上述方案进行仿真测试:
为了准确反映一段时间内不同速率的通信情况,数据收集采用扫频的方式,具体方法如下:
终端设备循环以不同速率发送数据包。
假设节点上行速率支持DR0-DR5,则数据包发送顺序如图5所示。通过对收集数据进行清洗和分析,各速率下丢包率如图6所示。从图6中可以看出,本段测试时间内,目标速率需要调整为DR0或者DR1才能保证通信质量。将收集的数据(部分数据可以参见下表2)导入算法,输出的数据如图7所示。
表2部分数据采集表
下面对图7中信息解释如下:
横轴为数据包发送序号,可以等效为时间,纵轴表示SNR值。
origin_snr线条表示原始的SNR值,
kalman_snr线条表示经过滤波后的SNR值,
kalman_ndr线条表示目标输出速率(为了方便展示,速率值向上偏移了10个单位,即10表示DR0),
up-1表示向上调速1次,
down-1表示向下调速1次,
per-5.84表示丢包率为5.84%。
通过上述仿真测试,可以得到如下结论:
速率收敛至DR0和DR1,和实际期望值一致。
调速平滑,没有剧烈抖动现象。
调速次数极少,上行4000多包数据只调速两次,几乎不占用正常通信带宽。
动态性能较好,滤波后的SNR能实时跟踪环境的变化。
下面通过通过一个实例具体验证上述方案的实际应用效果。
为了进一步验证上述方案的实际效果,本实施例基于现场某一LoRaWAN温湿度传感器(固件加速了数据包发送频率)进行实测,实测的分析结果可以参见附图8,图8中,横轴为数据包发送序号,可以等效为时间,纵轴表示SNR值。
origin_snr线条表示原始的SNR值,
Server_snrm、Server_dr主要用于调试过程中验证服务器算法实现是否正确,
kalman_snr线条表示经过滤波后的SNR值,
up-14表示向上调速14次,
down-13表示向下调速13次,
per-0.94表示丢包率为0.94%。
从图8中可以看出:
丢包率小于1%,通信质量可靠。
速率调整平缓,频次较低,下行带宽占用率极低。
动态响应良好,目标速率能实时跟踪环境变化。
不难发现,通过大量的仿真和实测数据分析,本实施例公开的调速技术方案与现有技术相比,优势如下:
1、调速稳定平滑,大大降低节点失联的风险。
2、调速频率低,用户通信带宽占比极小。
3、动态性能好,能实时跟踪环境变化,获取最优速率,兼顾通信质量和功耗。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种LoRaWAN通信自适应速率调整方法,其特征在于,包括:
获取无线信号的信噪比,采用一维卡尔曼滤波算法对获取到的信噪比进行滤波,并根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,得到信噪比的最优估计值;
根据所述信噪比的最优估计值进行分级调速,并通过预设的向上调速规则对分级调速过程中向上调速请求进行控制;
所述根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整的过程,具体包括:
预先设定最优估计值方差和标准差的最小值;
当前N次信噪比测量平均值和最优估计值之差超过预设阈值时,将测量噪声标准差设置为最小值;
当前N次信噪比测量平均值和最优估计值之差连续超过预设阈值设定次数时,将初始输入速率和无线信号的信噪比设置为最小值;
所述预设的向上调速规则包括:
维护一个向上调速请求计数器,当计算的目标速率大于当前速率时,则所述向上调速请求计数器增加1;
当当前测量值大于最优估计值并且所述向上调速请求计数器超过预设计数阈值时,允许向上调速;
向上调速的最大等级跨度为2级。
2.一种LoRaWAN通信自适应速率调整***,其特征在于,包括滤波处理模块和分级调速模块;
所述滤波处理模块用于获取无线信号的信噪比,采用一维卡尔曼滤波算法对获取到的信噪比进行滤波,并根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,得到信噪比的最优估计值;
所述分级调速模块用于根据所述滤波处理模块得到的所述信噪比的最优估计值进行分级调速,并通过预设的向上调速规则对分级调速过程中向上调速请求进行控制;
所述滤波处理模块根据环境变化对一维卡尔曼滤波算法中的相关参数进行动态调整,执行以下步骤:
预先设定最优估计值方差和标准差的最小值;
当前N次信噪比测量平均值和最优估计值之差超过预设阈值时,将测量噪声标准差设置为最小值;
当前N次信噪比测量平均值和最优估计值之差连续超过预设阈值设定次数时,将初始输入速率和无线信号的信噪比设置为最小值;
所述分级调速模块执行的向上调速规则包括:
维护一个向上调速请求计数器,当计算的目标速率大于当前速率时,则所述向上调速请求计数器增加1;
当当前测量值大于最优估计值并且所述向上调速请求计数器超过预设计数阈值时,允许向上调速;
向上调速的最大等级跨度为2级。
3.一种网络服务器,其特征在于,包括处理器及存储器;
所述存储器用于存储计算机程序;
所述处理器用于执行所述存储器存储的计算机程序,以使所述网络服务器执行如权利要求1所述的一种LoRaWAN通信自适应速率调整方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010637335.XA CN111800829B (zh) | 2020-07-03 | 2020-07-03 | LoRaWAN通信自适应速率调整方法、***及网络服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010637335.XA CN111800829B (zh) | 2020-07-03 | 2020-07-03 | LoRaWAN通信自适应速率调整方法、***及网络服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111800829A CN111800829A (zh) | 2020-10-20 |
CN111800829B true CN111800829B (zh) | 2023-08-11 |
Family
ID=72810238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010637335.XA Active CN111800829B (zh) | 2020-07-03 | 2020-07-03 | LoRaWAN通信自适应速率调整方法、***及网络服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111800829B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113596921A (zh) * | 2021-05-31 | 2021-11-02 | 国网江苏省电力有限公司电力科学研究院 | 一种公平自适应数据速率分配和功率控制方法及*** |
US11977513B2 (en) | 2022-01-26 | 2024-05-07 | Microsoft Technology Licensing, Llc. | Data flow control in distributed computing systems |
US11863675B2 (en) | 2022-04-06 | 2024-01-02 | Microsoft Technology Licensing, Llc | Data flow control in distributed computing systems |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106911430A (zh) * | 2017-03-03 | 2017-06-30 | 国动物联网技术(上海)有限公司 | 一种LoRaWAN自适应速率调整方法 |
CN107592647A (zh) * | 2016-07-06 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 一种无线网络速率估计方法、装置及*** |
CN108702298A (zh) * | 2016-02-23 | 2018-10-23 | 萨热姆通讯能源电信简易股份有限公司 | 用于动态调适数据速率的方法 |
US10492106B1 (en) * | 2018-08-06 | 2019-11-26 | Pusan National University Industry-University Cooperation Foundation | Adaptive data rate control method and adaptive data rate control system |
-
2020
- 2020-07-03 CN CN202010637335.XA patent/CN111800829B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108702298A (zh) * | 2016-02-23 | 2018-10-23 | 萨热姆通讯能源电信简易股份有限公司 | 用于动态调适数据速率的方法 |
CN107592647A (zh) * | 2016-07-06 | 2018-01-16 | 阿里巴巴集团控股有限公司 | 一种无线网络速率估计方法、装置及*** |
CN106911430A (zh) * | 2017-03-03 | 2017-06-30 | 国动物联网技术(上海)有限公司 | 一种LoRaWAN自适应速率调整方法 |
US10492106B1 (en) * | 2018-08-06 | 2019-11-26 | Pusan National University Industry-University Cooperation Foundation | Adaptive data rate control method and adaptive data rate control system |
Non-Patent Citations (1)
Title |
---|
一种改进的远距离物联网的自适应数据速率控制方法;李冬睿 等;计算机应用与软件;第36卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111800829A (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111800829B (zh) | LoRaWAN通信自适应速率调整方法、***及网络服务器 | |
US7463644B2 (en) | Self-configuring physical carrier sensing threshold adaptation | |
Haratcherev et al. | Automatic IEEE 802.11 rate control for streaming applications | |
KR20170028903A (ko) | 심장 박동수 모니터의 에너지 소모를 감소시키기 위한 방법들 및 시스템들 | |
CN103297179B (zh) | 一种生成信道质量指示的方法和装置 | |
WO2006036197A1 (en) | Systems and methods for autonomously and dynamically optimizing transmission power in a wireless network | |
CN103647609B (zh) | 抑制基站底噪的方法及设备 | |
CN102281119A (zh) | 一种上行链路自适应编码调制方法及实现该方法的基站 | |
CN101964732A (zh) | 计算丢包率的方法及装置、控制网络传输的方法及装置 | |
US11589299B2 (en) | Method of implementing self-organizing network for plurality of access network devices and electronic device for performing the same | |
CN110336620A (zh) | 一种基于mac层公平接入的ql-uacw退避方法 | |
GB2540804A (en) | Hardware Power Management Apparatus and Methods | |
CN111970654A (zh) | 一种基于数据特征的传感器节点动态节能采样方法 | |
KR20210124896A (ko) | 통신 네트워크용 전자 장치 및 상기 전자 장치에 대한 동작 방법 | |
CN115085829A (zh) | 一种存在多径衰落干扰下的灵敏度的测试方法及电子设备 | |
CN101765161B (zh) | 一种链路自适应方法及装置 | |
CN114090952A (zh) | 损失函数动态加权的方法、装置、设备和存储介质 | |
US20230171649A1 (en) | Adaptive wireless connections in multi-mode devices | |
CN114745079B (zh) | 一种自适应调制编码方法、接入网设备及存储介质 | |
Tondwalkar et al. | Deep Reinforcement Learning for Distributed and Uncoordinated Cognitive Radios Resource Allocation | |
CN101420733A (zh) | 一种hsdpa***小区边缘用户的空分多址保护方法 | |
CN115022207B (zh) | 网络稳定性确定方法、装置、计算机设备及可读存储介质 | |
CN109617636A (zh) | Wifi设备的抗干扰方法、***、用户设备及存储介质 | |
CN116032672A (zh) | 一种基于智能路由器的动态低能耗控制方法和装置 | |
Mu et al. | Robust optimal selection of radio type and transmission power for internet of things |
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 |