-
公开(公告)号：CN112887999B
公开(公告)日：2022-04-01
申请号：CN202110113348.1
申请日：2021-01-27
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于分布式A‑C的智能接入控制与资源分配方法，属于通信技术领域。该方法中，根据eMBB和URLLC切片的性能需求，构建了一个联合eMBB切片用户传输速率和URLLC切片用户时延的双目标优化模型。其次，将联邦学习与强化学习融合，建立一个联邦强化学习框架，各个智能体协作，以更新全局权重参数，且各个智能体本地数据不相互交换。联邦强化学习框架中的智能体利用A‑C学习不断与环境进行交互，各个智能体间相互协作，动态调整接入控制与资源分配策略，优化系统模型。本发明所提能够满足各切片用户性能需求且维持各切片用户队列处于稳定状态，优化eMBB用户传输速率和URLLC用户时延，提高资源利用率。
-
公开(公告)号：CN106658572B
公开(公告)日：2020-02-11
申请号：CN201710006752.2
申请日：2017-01-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于负载感知的密集网络负载均衡方法，涉及无线通信网络技术领域。该方法公开了一种基于部分可测马尔科夫决策过程负载感知的动态小区范围扩展实现负载均衡的方法，解决了微蜂窝密集部署下的网络的负载不均衡问题。通过对系统用户业务的观察分析，结合部分可测马尔科夫决策过程负载感知，判断出下一周期系统可能出现的负载状态，从而提前采取行动动态调整CRE偏置值，达到优化系统负载均衡性的目的。该方法能实现密集化微蜂窝部署下的负载感知，有效提高系统负载均衡性，同时有效提升系统吞吐量与系统资源利用率。可应用于密集异构网络负载均衡。
-
公开(公告)号：CN106131891B
公开(公告)日：2019-06-04
申请号：CN201610762039.6
申请日：2016-08-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于SDWN的资源映射装置和方法，属于移动通信技术领域。本发明提供的资源映射装置包括：信息搜集模块，对用户需求信息、位置信息和信道信息以及对网络无线资源信息和计算资源信息进行搜集；资源虚拟化模块：对网络实体资源进行虚拟化；资源管理模块：对网络资源进行有效的映射分配和释放；切片网络管理模块：对切片网络进行建立、运行和维护；SDN控制模块：对上述提到的模块进行统一管理和协调调度，实现信令控制与数据转发的分离。本发明还公开了一种基于SDWN的资源映射方法。本发明的技术方案实现了基于SDWN的资源映射的基本功能，实现了对无线资源和计算资源的高效分配，在无线通信系统中有很高的应用价值。
-
公开(公告)号：CN107122249A
公开(公告)日：2017-09-01
申请号：CN201710326505.0
申请日：2017-05-10
Applicant: 重庆邮电大学
IPC: G06F9/50
CPC classification number: G06F9/5083
Abstract: 本发明涉及一种基于边缘云定价机制的任务卸载决策方法，属于移动通信网络技术领域。所述方法包括：将移动终端本身的资源抽象为一种与边缘云竞争的虚拟本地资源，然后将用户发起的请求划分成多个任务，通过边缘云价格动态变化，调整用户发起请求中任务卸载比例。根据边缘云与虚拟本地资源的联合效用值，并选取所述联合效用值最大时候的边缘云价格作为最终的定价。本发明公开的基于边缘云定价机制的任务卸载决策方法，在确保每一个任务服务质量的同时，可以有效平衡本地资源与边缘云资源的负载，充分利用系统各部分计算资源，使系统整体效用最大化。
-
公开(公告)号：CN106982454A
公开(公告)日：2017-07-25
申请号：CN201710325634.8
申请日：2017-05-10
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于负载的用户接入机制，属于移动通信领域。该机制包括用户对其周围基站的RSRP进行测量，然后对该用户周围基站的实际RSRP进行预测，将RSRP预测值大于一定门限值的基站组成候选基站集合；评估集合中各个候选基站的SINR并根据评估到的SINR和每个基站的负载情况来计算出用户和候选基站间的效用函数值，同时对计算到的效用函数值进行从大到小排序；最后用户接入到最大效用函数值的合适基站。本发明根据用户真实的信号情况和负载将用户接入到合适的基站，在保证用户误比特率的情况下最小化用户的接入时延和均衡网络中的负载。
-
Patent Agency Ranking
公开(公告)号：CN106851705A
公开(公告)日：2017-06-13
申请号：CN201710096691.3
申请日：2017-02-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于切片流表的无线网络切片方法，所述方法包括：将SDN架构中的Openflow切片流表扩展至无线接入网络中，所述切片流表的匹配字段包括远端发射头RRH字段和基带处理单元BBU字段；根据不同的切片触发条件，生成至少一种切片网络；其中，所述切片网络包括静态切片式网络、动态切片式网络以及半静态切片式网络。本发明提供的一种基于切片流表的无线网络切片方法，能够实现数据转发和控制平面的分离。
-
公开(公告)号：CN106658572A
公开(公告)日：2017-05-10
申请号：CN201710006752.2
申请日：2017-01-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于负载感知的密集网络负载均衡方法，涉及无线通信网络技术领域。该方法公开了一种基于部分可测马尔科夫决策过程负载感知的动态小区范围扩展实现负载均衡的方法，解决了微蜂窝密集部署下的网络的负载不均衡问题。通过对系统用户业务的观察分析，结合部分可测马尔科夫决策过程负载感知，判断出下一周期系统可能出现的负载状态，从而提前采取行动动态调整CRE偏置值，达到优化系统负载均衡性的目的。该方法能实现密集化微蜂窝部署下的负载感知，有效提高系统负载均衡性，同时有效提升系统吞吐量与系统资源利用率。可应用于密集异构网络负载均衡。
-
公开(公告)号：CN106231660A
公开(公告)日：2016-12-14
申请号：CN201610765067.3
申请日：2016-08-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于长短休眠周期的基站关断机制，属于无线通信网络技术领域。该机制主要包括：1)：将基站分为激活模式和睡眠模式，在睡眠模式中又分为深度睡眠模式和轻度睡眠模式，将每个模式用周期表示，基站在睡眠周期中首先处于深度睡眠周期，紧接着是轻度睡眠周期；2)：将每个睡眠周期分成长睡眠周期和短睡眠周期，通过感知业务数量来决定基站关断时长周期的长短；3)：在2)中确定了基站关断时长后，进一步使用增强学习方法(Q-learning)来优化基站休眠周期长度。本发明采用增强学习(Q-Learning)方法，以能耗作为优化目标并将队列时延作为约束条件，通过选取最合适的基站关断窗口长度，实现最大化节能。
-
公开(公告)号：CN112887156B
公开(公告)日：2022-05-06
申请号：CN202110204246.0
申请日：2021-02-23
Applicant: 重庆邮电大学
IPC: H04L41/0894 , H04L41/12 , G06N3/04 , H04L41/142
Abstract: 本发明涉及一种基于深度强化学习的动态虚拟网络功能编排方法，属于无线通信领域。该方法包括：针对物理网络拓扑动态变化引起的VNF编排成本高的问题，建立时延约束下的最小化VNF编排的资源成本和运行成本的数学模型；根据网络拓扑动态变化和VNF动态变化，建立MDP模型，且通过深度Q网络来求解MDP；针对MDP模型中状态空间和动作空间过大和网络负载动态变化的问题，设计动态最优的VNF编排策略以解决VNF编排成本高的问题。本发明在保证用户时延性能的前提下，受限于网络中计算资源容量和链路带宽资源容量，动态的调整各网络切片VNF的编排策略，保证了用户性能，优化VNF编排成本，提高资源利用率。
-
公开(公告)号：CN106231660B
公开(公告)日：2019-08-27
申请号：CN201610765067.3
申请日：2016-08-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于长短休眠周期的基站关断机制，属于无线通信网络技术领域。该机制主要包括：1)：将基站分为激活模式和睡眠模式，在睡眠模式中又分为深度睡眠模式和轻度睡眠模式，将每个模式用周期表示，基站在睡眠周期中首先处于深度睡眠周期，紧接着是轻度睡眠周期；2)：将每个睡眠周期分成长睡眠周期和短睡眠周期，通过感知业务数量来决定基站关断时长周期的长短；3)：在2)中确定了基站关断时长后，进一步使用增强学习方法(Q‑learning)来优化基站休眠周期长度。本发明采用增强学习(Q‑Learning)方法，以能耗作为优化目标并将队列时延作为约束条件，通过选取最合适的基站关断窗口长度，实现最大化节能。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.024 seconds)
