密集网络中基于虚拟小区的干扰管理方法

    公开(公告)号:CN105050192B

    公开(公告)日:2018-10-12

    申请号:CN201510304096.5

    申请日:2015-06-04

    Abstract: 本发明请求保护一种密集网络基于虚拟小区的干扰管理方法,该方法首先建立一个基于用户分布的大数据库,随后利用机器学习方法对当前的用户分布进行分析进而判断是否需要执行构建虚拟小区的过程,构建虚拟小区按照本发明给出的基于用户分布的构建方法构建。之后进行虚拟小区的资源分配,步骤是首先按照基于优先级的频率分配方法为用户分配PRB,随后按照基于最小干扰的功率分配方法为用户分配功率,然后再按照功率补分配方法为虚拟小区分配功率,将成功分配资源之后的资源分配方式和当前的用户分布存入之前建立的数据库中。本方法使得同层干扰更加有效的被抑制,同时本方法能够获得更好的公平性,能够为用户提供更好的服务质量。

    一种基于可靠性的5G网络切片在线映射方法

    公开(公告)号:CN108566659A

    公开(公告)日:2018-09-21

    申请号:CN201810018201.2

    申请日:2018-01-09

    Abstract: 本发明涉及一种基于可靠性的5G网络切片在线映射方法,属于移动通信技术领域。该方法为:针对5G网络切片的动态映射、轻量级可靠映射问题,建立基于可靠性约束的多目标资源分配模型;将时间离散为一系列连续的时间窗,根据切片生命周期确定时间窗内不同切片请求映射优先级;在处理节点建立李雅普诺夫优化模型,确定满足切片资源需求的节点映射优先级;根据底层链路可靠性,寻找满足切片链路资源约束下的最可靠通信链路映射。本发明在实现切片网络映射时,综合考虑到网络的稳定性和物理链路的失效率,从而在保证网络可靠性的同时提高资源利用率。

    一种基于5G接入网络的多优先级的虚拟网络功能迁移方法

    公开(公告)号:CN109062668A

    公开(公告)日:2018-12-21

    申请号:CN201810863500.6

    申请日:2018-08-01

    Abstract: 本发明涉及一种基于5G接入网络的多优先级的虚拟网络功能迁移方法,属于移动通信技术领域。该方法针对5G接入网络中VNF对资源需求的动态变化,建立虚拟网络功能迁移模型、迁移开销模型和网络能耗模型;将网络中的物理机的资源使用情况划分为低载区、轻载区、正常区、高载区及过载区共五个分区,并建立多优先级的虚拟网络功能迁移请求队列调度模型;基于多优先级的VNF迁移请求队列调度模型,在联合考虑虚拟网络功能迁移开销最小化及网络能耗最小化的前提下,对虚拟网络功能进行迁移。本发明所述的迁移方法,可以在基于多优先级的虚拟网络功能迁移过程中,实现虚拟网络功能迁移开销与网络能耗的联合优化。

    一种5G-C-RAN场景下的服务功能链部署方法

    公开(公告)号:CN108134843A

    公开(公告)日:2018-06-08

    申请号:CN201810078869.6

    申请日:2018-01-26

    Abstract: 本发明涉及一种5G-C-RAN场景下的服务功能链部署方法,属于移动通信领域。该方法为:在保证虚拟运营商的最低服务速率需求以及最大容忍时延的前提下,以最大化基础设施提供商和虚拟运营商联合总收益为目标进行的服务功能链部署。对于虚拟运营商,基础设施提供商以保证其最低服务速率需求为前提制定频谱资源分配方案,并根据所请求的服务功能链的最大容忍时延,为该服务功能链制定基于CU-DU架构的服务功能链映射方案。本发明提出的服务功能链部署方法能够使得基础设施提供商满足虚拟运营运营最低服务速率需求以及最大容忍时延的同时,最大化基础设施提供商以及虚拟运营商的联合总收益。

    一种时延感知下的5G虚拟接入网映射方法

    公开(公告)号:CN107666448A

    公开(公告)日:2018-02-06

    申请号:CN201710919833.1

    申请日:2017-09-30

    CPC classification number: H04L47/56 H04L67/32

    Abstract: 本发明涉及一种时延感知下的5G虚拟接入网映射方法,属于移动通信技术领域。该方法结合虚拟网络请求到达的差异性、有限物理资源的动态占用和释放、网络功能虚拟化服务器服务能力的差异性,在网络功能虚拟化编排器以及各个网络功能虚拟化服务器处建立队列状态转移方程,提出两级队列动态调度方法;进一步地,感知系统中所有队列的队列状态,从而进行队列动态调度以满足时延要求,并以最小化映射成本为目标完成映射。本发明提出的5G虚拟接入网映射方法能够在最小化映射成本同时,满足系统时延要求。

    一种基于卷积神经网络的细粒度车辆多属性识别方法

    公开(公告)号:CN107886073B

    公开(公告)日:2021-07-27

    申请号:CN201711107713.8

    申请日:2017-11-10

    Abstract: 本发明涉及一种基于卷积神经网络的细粒度车辆多属性识别方法,属于计算机视觉识别技术领域。该方法包括以下步骤:设计神经网络结构,包括卷积层、池化层和全连接层,其中卷积层与池化层负责特征提取,在最后一层全连接层通过计算目标损失函数输出分类结果;利用细粒度车辆数据集和标签数据集进行神经网络的训练,训练方式为有监督学习,并利用随机梯度下降算法进行权重矩阵和偏移量的调整;训练好的神经网络模型,用于进行车辆属性识别。本发明可应用到车辆的多属性识别,利用细粒度车辆数据集和多属性标签数据集通过卷积神经网络获得车辆更抽象的高层表达,从大量训练样本中学习到反映待识别车辆本质的隐形特征,可扩展性更强,识别精度也更高。

    一种基于卷积神经网络的细粒度车辆多属性识别方法

    公开(公告)号:CN107886073A

    公开(公告)日:2018-04-06

    申请号:CN201711107713.8

    申请日:2017-11-10

    CPC classification number: G06K9/00825 G06N3/0454

    Abstract: 本发明涉及一种基于卷积神经网络的细粒度车辆多属性识别方法,属于计算机视觉识别技术领域。该方法包括以下步骤:设计神经网络结构,包括卷积层、池化层和全连接层,其中卷积层与池化层负责特征提取,在最后一层全连接层通过计算目标损失函数输出分类结果;利用细粒度车辆数据集和标签数据集进行神经网络的训练,训练方式为有监督学习,并利用随机梯度下降算法进行权重矩阵和偏移量的调整;训练好的神经网络模型,用于进行车辆属性识别。本发明可应用到车辆的多属性识别,利用细粒度车辆数据集和多属性标签数据集通过卷积神经网络获得车辆更抽象的高层表达,从大量训练样本中学习到反映待识别车辆本质的隐形特征,可扩展性更强,识别精度也更高。

    密集网络中基于虚拟小区的干扰管理方法

    公开(公告)号:CN105050192A

    公开(公告)日:2015-11-11

    申请号:CN201510304096.5

    申请日:2015-06-04

    CPC classification number: Y02D70/00 H04W72/082 H04W72/0473

    Abstract: 本发明请求保护一种密集网络基于虚拟小区的干扰管理方法,该方法首先建立一个基于用户分布的大数据库,随后利用机器学习方法对当前的用户分布进行分析进而判断是否需要执行构建虚拟小区的过程,构建虚拟小区按照本发明给出的基于用户分布的构建方法构建。之后进行虚拟小区的资源分配,步骤是首先按照基于优先级的频率分配方法为用户分配PRB,随后按照基于最小干扰的功率分配方法为用户分配功率,然后再按照功率补分配方法为虚拟小区分配功率,将成功分配资源之后的资源分配方式和当前的用户分布存入之前建立的数据库中。本方法使得同层干扰更加有效的被抑制,同时本方法能够获得更好的公平性,能够为用户提供更好的服务质量。

Patent Agency Ranking