CN114222371A - 一种eMBB和uRLLC设备共存的流量调度方法 - Google Patents
一种eMBB和uRLLC设备共存的流量调度方法 Download PDFInfo
- Publication number
- CN114222371A CN114222371A CN202111562831.4A CN202111562831A CN114222371A CN 114222371 A CN114222371 A CN 114222371A CN 202111562831 A CN202111562831 A CN 202111562831A CN 114222371 A CN114222371 A CN 114222371A
- Authority
- CN
- China
- Prior art keywords
- urllc
- embb
- equipment
- time slot
- preemption
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 230000011664 signaling Effects 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 4
- 238000013468 resource allocation Methods 0.000 claims description 4
- 101100523877 Mus musculus Rbks gene Proteins 0.000 claims description 2
- 238000009826 distribution Methods 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0446—Resources in time domain, e.g. slots or frames
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/20—Control channels or signalling for resource management
- H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种eMBB和uRLLC设备共存的流量调度方法,包括步骤:当进入每个预设的下行时隙时,对时隙初期到达的eMBB业务数据进行比例公平调度,获取当前时隙内该eMBB设备的信息速率和RB承载的信息速率信息;基于当前下行时隙分析该时隙内的微时隙中uRLLC设备对eMBB设备进行资源抢占的信令交互过程;利用预设的eMBB设备下行和数据速率公式、uRLLC设备的信道质量与抢占可能带来的信令开销,设计一个多目标优化问题,以确定当前时隙内的uRLLC设备的资源抢占方案;控制各个uRLLC设备按照目标流量调度方案,抢占对应RB,以完成uRLLC的流量调度。本发明可以支持eMBB设备和uRLLC设备在工业物联网网络中共存,满足不同业务的延时需求,保证网络资源的合理分配,提高网络下行吞吐量。
Description
技术领域
本发明涉及无线通信技术领域,尤其涉及一种工业物联网的eMBB和uRLLC设备共存的流量调度方法。
背景技术
工业物联网(Industrial Internet of Things,IIoT)作为一个新兴的物联网分支,专门为任务关键型工业应用而设计,在重点关注互联性、自动化、自主性、机器学习和实时数据服务的后5G和6G网络领域发挥着关键作用。
在IIoT网络中,工厂自动化、电力***保护和电力电子控制等典型工业应用需要超可靠低延迟通信(Ultra-reliable Low-latency Communication,uRLLC),以实现实时响应和关键寿命可靠性;此外,4K视频、虚拟现实等高数据速率应用需要增强的移动宽带(Enhanced Mobile Broadband,eMBB)类型通信的支持。由于IIoT中的大量连接和高数据速率要求,uRLLC和eMBB服务的共存是IIoT场景下的一个重要目标。
在eMBB和uRLLC混合调度中,一个主要的障碍是在有限的频谱资源约束下在这两种业务之间取得良好的性能平衡,这导致了资源高效利用的困境。
为了满足uRLLC超低时延的要求,3GPP考虑一种抢占机制,通过所述机制,uRLLC以微时隙的时间单位抢占正在传输的eMBB上的资源完成立即调度。然而,无论是通过抢占还是为uRLLC预留资源等其他机制,uRLLC的抢占传输会损害eMBB的数据速率。此外,在IIoT网络中,由于海量设备的部署将导致控制信道的通信更加频繁,uRLLC/eMBB共存场景下的抢占将引起高昂的额外控制信道开销。
基于上述分析,当前亟需一种流量调度方法,以在IIoT网络中最大化eMBB数据速率和uRLLC可靠性,同时最小化uRLLC抢占引起的控制信道的通信开销。
发明内容
本发明针对上述技术问题,提供一种eMBB和uRLLC设备共存的流量调度方法,以在IIoT网络中最大化eMBB数据速率和uRLLC可靠性,同时最小化uRLLC抢占引起的控制信道的通信开销。
为了实现上述目的,本发明提供如下技术方案:
一种eMBB和uRLLC设备共存的流量调度方法,包括以下步骤:
S11、研究一个IIoT网络,其中eMBB和uRLLC的下行链路复用业务同时得到支持,当进入每个预设的下行时隙时,对时隙初期到达的eMBB业务数据进行调度,并获取当前时隙内eMBB设备的信息速率和RB承载的信息速率信息;
S12、基于当前下行时隙,分析该时隙内的微时隙中,uRLLC设备的流量到达情况;
S13、利用预设的eMBB设备下行和数据速率公式、uRLLC设备的信道质量与抢占可能带来的信令开销,为了实现uRLLC和eMBB业务的高效共存,设计一个综合考虑两种业务性能的优化问题;
S14、对所提出的复杂优化问题采用数学知识进行简化并实现求解,以确定当前时隙内的uRLLC设备的资源抢占方案;
S15、控制各个uRLLC设备按照目标流量调度方案,抢占对应RB,以完成uRLLC的流量调度。
进一步地,eMBB业务以1ms的时隙为调度周期,1个时隙分为7个微时隙,uRLLC业务以0.143ms的微时隙为调度周期。
进一步地,步骤S12在工业物联网网络中,eMBB设备根据物理下行控制信道上的控制信道承载的信息负载,得到如何正确接收、解调和解码物理数据的信息;基站将配置抢占指示以通知被抢占eMBB设备的时频资源抢占信息,将导致额外的抢占控制信令开销,抢占控制信令开销表示为下行控制信息占据的资源单元的数量,每个资源单元在单个OFDM符号上承载一个调制符号;在基站调度器侧,抢占指示作为PDCCH处理中DCI格式2-1的有效载荷;在单小区中,抢占指示为l=14bits。
进一步地,下行信道处理过程可以表示为函数g(.),每次抢占将产生l=14bits的DCI格式2-1开销,经下行控制信道处理将映射为g(l)个RE的开销。
进一步地,步骤S13中的优化问题为:时隙t结束时,***中所有eMBB设备的平均信息速率总和最大,且***中所有eMBB设备因uRLLC抢占而产生的额外信令开销总最小,且***中所有uRLLC设备在资源块上的平均可靠性最大,约束条件为:目标资源分配方案中,uRLLC设备n在时隙t的微时隙i对于RBk的抢占情况为0-1变量,且各个RB至多被分配给一个基站。
进一步地,步骤S14为了控制各个uRLLC设备按照目标流量调度方案完成流量调度,包括以下步骤:
S141、根据层次分析法来衡量各个优化目标的相对权重;
S142、定义一个偏好度矩阵PD=[PDn,k]N×K辅助后续uRLLC的流量调度,其中PDn,k代表RBk对uRLLC设备n的偏好;
S143、利用一个改进的多对多匹配算法求解各个uRLLC设备和各个RB的匹配问题,确定uRLLC设备最终的抢占方案。
进一步地,S141中的层次分析法的步骤,包括:
步骤一:根据重要性数值尺度比较它们之间的重要性级别,构造一个比较矩阵A=[au,v]3×3(u,v∈{Rt,Gt,St}),其中au,v表示目标u与目标υ相比的相对重要性;
步骤二:根据Aw=λmaxw计算比较矩阵A最大的特征值λmax和相应的归一化特征向量W;
步骤三:进行比较矩阵A的一致性检验,以保证准确性。
进一步地,S142中引入联盟博弈中的shapley值以确定PD,该过程包括四个步骤:
步骤三:根据eMBB数据速率最大化的目标,将[φu,k]2×K的对应行通过φ′R,k=1/φR,k以最小化由uRLLC抢占引起的数据速率损失;
步骤四:计算偏好度矩阵PD=[PDn,k]N×K的元素。
进一步地,S143中改进的多对多匹配算法的步骤,包括:
步骤一:各个uRLLC设备记为一个单元,令集合Ωt,i存储时隙t的微时隙i中有到达流量的uRLLC设备,集合暂存当前完成匹配的uRLLC设备,集合暂存当前未完成匹配的uRLLC设备,进入当前微时隙则进行匹配状态初始化,初始化为空集,初始化为集合Ωt,i;
进一步地,步骤二的更新规则为:
与现有技术相比,本发明的有益效果为:
1、本发明的eMBB和uRLLC设备共存的流量调度方法,能够支持eMBB业务和uRLLC业务在IIoT网络中共存,满足不同业务的服务质量需求。
2、本发明针对eMBB/uRLLC业务的下行链路场景的控制信道开销,设计了一种降低抢占引起的控制信令开销的流量调度方法。
3、本发明的方法,综合考虑eMBB信息速率、抢占信道开销和uRLLC可靠性的增益,能够在eMBB和uRLLC业务之间实现更好的折衷性能,满足不同业务的延时需求,保证网络资源的合理分配,提高网络下行吞吐量。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种IIoT网络中eMBB和uRLLC业务共存的场景示意图;
图2为本发明实施例提供的一种eMBB和uRLLC共存的时频资源复用方式示意图;
图3为本发明实施例提供的一种下行控制信令处理过程示意图;
图4为本发明实施例提供的一种IIoT网络中eMBB和uRLLC设备共存的流量调度方法的流程示意图。
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。
本发明的目的是针对工业物联网中用户设备的大规模连接场景下流量调度问题的特殊性,提供了一种工业物联网网络中eMBB和uRLLC共存的流量调度方法。
其中,如图1所示,为一种工业物联网网络中的eMBB和uRLLC设备共存场景示意图。基站与设备进行下行通信,信道模型为SCM,其中,网络内包括了:个eMBB设备,个uRLLC设备,1个基站。需要说明的是,网络中还包括了个RB资源和个时隙资源,但是未在图1中具体表示出。
其中,uRLLC设备,例如工厂自动化、电力***保护和电力电子控制等典型工业设备需要实现实时响应以及保证关键寿命可靠性,eMBB设备的业务,例如4K视频、虚拟现实等,需要高数据速率带宽的支持。
面对eMBB和uRLLC两种业务不同的需求,需要分配不同的调度周期。如图2所示,时域资源被划分为1ms的时隙,eMBB业务以1ms的时隙为调度周期,1个时隙分为7个微时隙,uRLLC业务以0.143ms的微时隙为调度周期。
为了使本领域的技术人员更好地理解本发明的技术方案,下面将结合附图和实施例对本发明作进一步的详细介绍。
本发明的eMBB和uRLLC设备共存的流量调度方法,如图4所示,包括以下步骤:
S11、研究一个IIoT网络,其中eMBB和uRLLC的下行链路复用业务同时得到支持,当进入每个预设的下行时隙时,对时隙初期到达的eMBB业务数据进行调度,并获取当前时隙内eMBB设备的信息速率和RB承载的信息速率信息。
具体的,***中第k个RB在时隙t上承载的eMBB信息速率为rt,k,eMBB设备m在时隙t的瞬时信息速率为rt(m),截止到时隙t的平均信息速率为Rt(m)。
S12、基于当前下行时隙,分析该时隙内的微时隙中,uRLLC设备的流量到达情况。
具体的,在工业物联网网络中,eMBB设备根据物理下行控制信道(PDCCH)上的控制信道承载的信息负载,得到如何正确接收、解调和解码物理数据的信息。特别是,基站将配置抢占指示以通知被抢占eMBB设备的时频资源抢占信息,导致额外的抢占控制信令开销。
进一步的,抢占控制信令开销可以表示为下行控制信息(DCI)占据的资源单元(RE)的数量。每个RE在单个OFDM符号上承载一个调制符号。在基站调度器侧,抢占指示作为PDCCH处理中DCI格式2-1的有效载荷。在单小区中,抢占指示通常为l=14bits。具体的下行信道处理过程可以表示为函数g(.),详细过程如图3所示。
进一步的,每次抢占将产生l=14bits的DCI格式2-1开销,经下行控制信道处理将映射为g(l)个RE的开销。
S13、利用预设的eMBB设备下行和数据速率优化方程、uRLLC设备的信道质量与抢占可能带来的信令开销,为了实现uRLLC和eMBB业务的高效共存,该发明实施例设计了一个综合考虑两种业务性能的优化问题。其中,所述多目标优化问题为:
maxRt,min Gt,max St
其中,优化变量yt,i,k(n)为:uRLLC设备n在时隙t的微时隙i对于RBk的抢占情况。
其中,具体地,经uRLLC业务抢占后,eMBB设备m的信息速率为:
r′t(m)=rt(m)-∑n∑i∑kyt,i,k(n)rt,k(m)/I
平均信息速率计算为:
其中,xt,k(m)∈{0,1}为时隙t初期eMBB设备m对RBk的占用情况。
yt,i,k(n)∈{0,1}作为所述约束条件C1,表示:目标资源分配方案中,优化变量为0-1变量;
S14、对所提出的复杂优化问题采用数学知识进行简化并实现求解,以确定当前时隙内的uRLLC设备的资源抢占分配方案。
可选的,一种具体实现方式中,本发明实施例设计了一种基于联盟博弈理论的改进Gale-Shapley(GS)匹配算法,该优化问题的处理可以包括如下步骤S141~143:
步骤S141:根据层次分析法来衡量优化目标Rt,Gt,St的相对权重,所提出的层次分析法技术包括三个步骤:
步骤一:根据重要性数值尺度比较它们之间的重要性级别,构造一个比较矩阵A=[au,v]3×3(u,v∈{Rt,Gt,St}),其中au,v表示目标u与目标v相比的相对重要性;
步骤二:根据Aw=λmaxw计算比较矩阵A最大的特征值λmax和相应的归一化特征向量W;
步骤三:进行比较矩阵A的一致性检验,以保证准确性。
具体的,一致性指标C.I.计算为一致性约束可以表示为C.R.=C.I./R.I.<0.1,其中当|A|=3时,随机一致性指标R.I.为0.58。最后获得优化目标Rt,Gt,St的权重分别为w=[wu]1×3(u∈{Rt,Gt,St})。
步骤S142:定义一个偏好度矩阵PD=[PDn,k]N×K辅助后续uRLLC的流量调度,其中PDn,k代表RBk对uRLLC设备n的偏好。具体地,本发明实施例引入联盟博弈中的shapley值以确定PD,该过程包括四个步骤:
步骤三:根据eMBB数据速率最大化的目标,将[φu,k]2×K的对应行通过φ′R,k=1/φR,k以最小化由uRLLC抢占引起的数据速率损失。
进一步的,为了使不同的优化目标具有可比性,将矩阵[φu,k]2×K中的元素归一化为φ′u,k=φ′u,k/max(φ′u,k);
步骤四:计算偏好度矩阵PD=[PDn,k]N×K的元素如下:
步骤S143:可选的,利用一个改进的多对多匹配算法求解各个uRLLC设备和各个RB的匹配问题,确定uRLLC设备最终的抢占方案;
所述多对多匹配算法的步骤,包括:
步骤一:各个uRLLC设备记为一个单元,令集合Ωt,i存储时隙t的微时隙i中有到达流量的uRLLC设备,集合暂存当前完成匹配的uRLLC设备,集合暂存当前未完成匹配的uRLLC设备,进入当前微时隙则进行匹配状态初始化,初始化为空集,初始化为集合Ωt,i;
S15、控制各个uRLLC设备按照目标流量调度方案,抢占对应RB,以完成uRLLC的流量调度。
综上所述,采用本实施例的工业物联网网络中eMBB和uRLLC共存的流量调度方法,能够支持eMBB设备和uRLLC设备在工业物联网网络中共存,满足不同业务的延时需求,保证网络资源的合理分配,提高网络下行吞吐量。因此,本实施例的算法,能比较好的应用于eMBB和uRLLC共存的工业物联网网络。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例、电子设备实施例、计算机可读存储介质实施例和计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种eMBB和uRLLC设备共存的流量调度方法,其特征在于,包括以下步骤:
S11、研究一个IIoT网络,其中eMBB和uRLLC的下行链路复用业务同时得到支持,当进入每个预设的下行时隙时,对时隙初期到达的eMBB业务数据进行调度,并获取当前时隙内eMBB设备的信息速率和RB承载的信息速率信息;
S12、基于当前下行时隙,分析该时隙内的微时隙中,uRLLC设备的流量到达情况;
S13、利用预设的eMBB设备下行和数据速率公式、uRLLC设备的信道质量与抢占可能带来的信令开销,为了实现uRLLC和eMBB业务的高效共存,设计一个综合考虑两种业务性能的优化问题;
S14、对所提出的复杂优化问题采用数学知识进行简化并实现求解,以确定当前时隙内的uRLLC设备的资源抢占方案;
S15、控制各个uRLLC设备按照目标流量调度方案,抢占对应RB,以完成uRLLC的流量调度。
2.根据权利要求1所述的eMBB和uRLLC设备共存的流量调度方法,其特征在于,eMBB业务以1ms的时隙为调度周期,1个时隙分为7个微时隙,uRLLC业务以0.143ms的微时隙为调度周期。
3.根据权利要求1所述的eMBB和uRLLC设备共存的流量调度方法,其特征在于,步骤S12在工业物联网网络中,eMBB设备根据物理下行控制信道上的控制信道承载的信息负载,得到如何正确接收、解调和解码物理数据的信息;基站将配置抢占指示以通知被抢占eMBB设备的时频资源抢占信息,将导致额外的抢占控制信令开销,抢占控制信令开销表示为下行控制信息占据的资源单元的数量,每个资源单元在单个OFDM符号上承载一个调制符号;在基站调度器侧,抢占指示作为PDCCH处理中DCI格式2-1的有效载荷;在单小区中,抢占指示为l=14bits。
4.根据权利要求3所述的eMBB和uRLLC设备共存的流量调度方法,其特征在于,下行信道处理过程可以表示为函数g(.),每次抢占将产生l=14bits的DCI格式2-1开销,经下行控制信道处理将映射为g(l)个RE的开销。
5.根据权利要求1所述的eMBB和uRLLC设备共存的流量调度方法,其特征在于,步骤S13中的优化问题为:时隙t结束时,***中所有eMBB设备的平均信息速率总和最大,且***中所有eMBB设备因uRLLC抢占而产生的额外信令开销总最小,且***中所有uRLLC设备在资源块上的平均可靠性最大,约束条件为:目标资源分配方案中,uRLLC设备n在时隙t的微时隙i对于RB k的抢占情况为0-1变量,且各个RB至多被分配给一个基站。
6.根据权利要求1所述的eMBB和uRLLC设备共存的流量调度方法,其特征在于,步骤S14为了控制各个uRLLC设备按照目标流量调度方案完成流量调度,包括以下步骤:
S141、根据层次分析法来衡量各个优化目标的相对权重;
S142、定义一个偏好度矩阵PD=[PDn,k]N×K辅助后续uRLLC的流量调度,其中PDn,k代表RBk对uRLLC设备n的偏好;
S143、利用一个改进的多对多匹配算法求解各个uRLLC设备和各个RB的匹配问题,确定uRLLC设备最终的抢占方案。
7.根据权利要求6所述的eMBB和uRLLC设备共存的流量调度方法,其特征在于,S141中的层次分析法的步骤,包括:
步骤一:根据重要性数值尺度比较它们之间的重要性级别,构造一个比较矩阵A=[au,v]3×3(u,v∈{Rt,Gt,St}),其中au,v表示目标u与目标v相比的相对重要性;
步骤二:根据Aw=λmaxw计算比较矩阵A最大的特征值λmax和相应的归一化特征向量w;
步骤三:进行比较矩阵A的一致性检验,以保证准确性。
9.根据权利要求6所述的eMBB和uRLLC设备共存的流量调度方法,其特征在于,S143中改进的多对多匹配算法的步骤,包括:
步骤一:各个uRLLC设备记为一个单元,令集合Ωt,i存储时隙t的微时隙i中有到达流量的uRLLC设备,集合暂存当前完成匹配的uRLLC设备,集合暂存当前未完成匹配的uRLLC设备,进入当前微时隙则进行匹配状态初始化,初始化为空集,初始化为集合Ωt,i;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111562831.4A CN114222371A (zh) | 2021-12-20 | 2021-12-20 | 一种eMBB和uRLLC设备共存的流量调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111562831.4A CN114222371A (zh) | 2021-12-20 | 2021-12-20 | 一种eMBB和uRLLC设备共存的流量调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114222371A true CN114222371A (zh) | 2022-03-22 |
Family
ID=80704604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111562831.4A Pending CN114222371A (zh) | 2021-12-20 | 2021-12-20 | 一种eMBB和uRLLC设备共存的流量调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114222371A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114980339A (zh) * | 2022-06-10 | 2022-08-30 | 电子科技大学 | 基于可变时隙调度的c-v2x多业务下行资源分配方法 |
CN115459895A (zh) * | 2022-10-12 | 2022-12-09 | 中国电信股份有限公司 | 资源抢占指示信息发送方法、装置、***及相关设备 |
CN116234047A (zh) * | 2023-03-16 | 2023-06-06 | 华能伊敏煤电有限责任公司 | 一种基于强化学习算法的混合业务智能资源调度方法 |
-
2021
- 2021-12-20 CN CN202111562831.4A patent/CN114222371A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114980339A (zh) * | 2022-06-10 | 2022-08-30 | 电子科技大学 | 基于可变时隙调度的c-v2x多业务下行资源分配方法 |
CN114980339B (zh) * | 2022-06-10 | 2024-04-30 | 电子科技大学 | 基于可变时隙调度的c-v2x多业务下行资源分配方法 |
CN115459895A (zh) * | 2022-10-12 | 2022-12-09 | 中国电信股份有限公司 | 资源抢占指示信息发送方法、装置、***及相关设备 |
CN116234047A (zh) * | 2023-03-16 | 2023-06-06 | 华能伊敏煤电有限责任公司 | 一种基于强化学习算法的混合业务智能资源调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Polese et al. | ColO-RAN: Developing machine learning-based xApps for open RAN closed-loop control on programmable experimental platforms | |
CN114222371A (zh) | 一种eMBB和uRLLC设备共存的流量调度方法 | |
CN109151864B (zh) | 一种面向移动边缘计算超密集网络的迁移决策与资源优化分配方法 | |
CN111866954A (zh) | 一种基于联邦学习的用户选择和资源分配方法 | |
CN114142907B (zh) | 一种通信终端设备的信道筛选优化方法及*** | |
Bakri et al. | Data-driven RAN slicing mechanisms for 5G and beyond | |
Ko et al. | Joint client selection and bandwidth allocation algorithm for federated learning | |
CN110121213B (zh) | 一种多业务资源调度方法及装置 | |
CN112637883A (zh) | 电力物联网中对无线环境变化具有鲁棒性的联邦学习方法 | |
Balakrishnan et al. | Deep reinforcement learning based traffic-and channel-aware OFDMA resource allocation | |
CN111328146B (zh) | 一种基于遗传算法优化传输速率权重的业务调度方法 | |
WO2014070937A1 (en) | System and methods to achieve optimum efficiency-jain fairness in wireless systems | |
Hou et al. | Radio resource allocation and power control scheme in V2V communications network | |
CN112601240A (zh) | 物联网资源边缘智能调度方法 | |
CN114219354A (zh) | 一种基于联邦学习资源分配优化方法及*** | |
Kotobi et al. | Spectrum sharing via hybrid cognitive players evaluated by an M/D/1 queuing model | |
Guerra-Gomez et al. | Machine learning adaptive computational capacity prediction for dynamic resource management in C-RAN | |
CN114205317B (zh) | 基于sdn与nfv的服务功能链sfc资源分配方法及电子设备 | |
CN116848828A (zh) | 机器学习模型分布 | |
CN115802398A (zh) | 干扰优化方法及装置、存储介质及电子设备 | |
Zhu et al. | Game-theory based power and spectrum virtualization for maximizing spectrum efficiency over mobile cloud-computing wireless networks | |
CN114051252A (zh) | 无线接入网中多用户智能发射功率控制方法 | |
Stan et al. | 5G radio resource allocation for communication and computation offloading | |
CN109548048B (zh) | 一种通信网络中的干扰建模方法 | |
Huang et al. | Achieving fair LTE/Wi-Fi coexistence with real-time scheduling |
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 |