CN105531963A - 无线网络中多目标小区关闭的系统和方法 - Google Patents

无线网络中多目标小区关闭的系统和方法 Download PDF

Info

Publication number
CN105531963A
CN105531963A CN201480037924.7A CN201480037924A CN105531963A CN 105531963 A CN105531963 A CN 105531963A CN 201480037924 A CN201480037924 A CN 201480037924A CN 105531963 A CN105531963 A CN 105531963A
Authority
CN
China
Prior art keywords
scheme
network
community
wireless network
traffic profile
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.)
Granted
Application number
CN201480037924.7A
Other languages
English (en)
Other versions
CN105531963B (zh
Inventor
大卫·G·冈萨雷斯
哈利姆·亚尼蔻米若格鲁
倪麦尔·伽米尼·瑟纳瑞斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Publication of CN105531963A publication Critical patent/CN105531963A/zh
Application granted granted Critical
Publication of CN105531963B publication Critical patent/CN105531963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
    • H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
    • H04L41/0833—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability for reduction of network energy consumption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/06—Hybrid resource partitioning, e.g. channel borrowing
    • H04W16/08—Load shedding arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/24—Cell structures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0251—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity
    • H04W52/0258—Power saving arrangements in terminal devices using monitoring of local events, e.g. events related to user activity controlling an operation mode according to history or models of usage information, e.g. activity schedule or time of day
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/20—Manipulation of established connections
    • H04W76/27—Transitions between radio resource control [RRC] states
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/20—Manipulation of established connections
    • H04W76/28—Discontinuous transmission [DTX]; Discontinuous reception [DRX]
    • 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

Abstract

本实施例提供了解决小区关闭问题的多目标方案。所述多目标方案旨在根据流量需要以及服务质量要求，在容量充足的情况下，最小化或降低关闭网络中某些小区消耗的网络能量。一实施例中的方法包括：根据所述网络中多个小区中的激活小区的数目与总网络容量，为多个建立的流量模板中的每个模板确定方案集。所述方法还包括将给定流量模板与一个所述建立的流量模板进行匹配，评估所述流量模板对应的所述方案的性能。然后，根据所述评估，从所述方案中选择方案。所述选择的方案指示所述无线网络中要关闭的小区。

Description

无线网络中多目标小区关闭的系统和方法
本申请要求于2013年7月17日由DavidG.Gonzalez等递交的发明名称为“密集蜂窝网络中关闭小区的多目标方案的系统和方法”的第61/847,403号美国临时申请案的在先申请优先权，该在先申请的内容以引入的方式并入本文。
技术领域
本发明涉及无线通信，以及在特定实施例中，涉及一种蜂窝网络中多目标小区关闭的系统与方法。
背景技术
小区关闭(CSO)是一种减少蜂窝网络，例如下一代蜂窝网络和密集小区部署，中能量消耗的方案。CSO的问题包括找出能够给用户提供期望的服务质量(QoS)级别的最小小区集。解决该问题具有挑战性的几个原因包括：流量在空间与时间上日益增长的不同质性与突发性。另一个问题是判定(查找)域是小区数目的指数函数，例如，存在2L个方案，其中，L是小区的数目。为降低查找近优方案的复杂性，做了一些假设，例如干扰模型。这些简化假设可能会影响方案的准确性。因此，需要一个有效的改进的CSO方案。
发明内容
根据一实施例，一种网络组件在无线网络中关闭小区的方法包括：根据所述网络中多个小区中的激活小区的数目与总网络容量，为多个流量模板中的每个模板确定方案集。所述方法还包括将给定流量模板与所述多个流量模板中的一个流量模板进行匹配，评估所述多个流量模板中的所述一个流量模板对应的方案的性能。然后，根据所述评估，从所述方案中选择方案。所述选择的方案指示所述无线网络的多个小区中要关闭的小区。
根据另一实施例，一种网络组件在无线网络中关闭小区的方法包括：将多个流量分布模式建模为覆盖区或所述无线网络的概率空间。所述方法还包括：根据多目标函数计算针对每个所述流量分布模式的方案集。其中，建立所述多目标函数是为了针对激活小区减少网络能量级别，并根据流量需要维持总网络容量。针对每个所述流量分布模式的所述方案集存储在数据库中。所述方法还包括：在预定义时间间隔检测所述无线网络的当前流量分布模式；将所述当前流量分布模式与一个存储在所述数据库中的所述流量分布模式进行匹配。然后，从所述一个所述流量分布模式对应的所述方案集中选择方案。
根据又一实施例，一种在无线网络中关闭小区的网络组件包括：至少一个处理器；非瞬时性计算机可读取存储介质，用于存储供所述至少一个处理器执行的程序。所述程序包括指令，以：根据所述网络中多个小区中的激活小区的数目与总网络容量，为多个流量模板中的每个模板确定方案集；将给定流量模板与所述多个流量模板中的一个流量模板进行匹配。所述程序还包括指令，以：评估所述多个流量模板中的所述一个流量模板对应的方案的性能；根据所述评估所述方案的性能从所述方案中选择方案。所述选择的方案指示所述无线网络的多个小区中要关闭的小区。
上述宽泛地概括了本发明实施例的特征，以便能够更好地理解本发明以下详细描述。以下将对本发明实施例的其他特征与优点即本发明权利要求书的主题进行描述。本领域的技术人员应当理解，所公开的概念和特定实施例易被用作修改或设计其他实现与本发明相同的目的的结构或过程的基础。本领域的技术人员还应当意识到，这种等效构造不脱离所附权利要求书所阐述的本发明的精神和范围。
附图说明
为了更完整地理解本发明及其优点，现在参考下文结合附图进行的描述，其中：
图1示出了能够实施本发明实施例的网络；
图2示出了流量模板；
图3示出了小区关闭(CSO)方案的实施例；
图4示出了CSO方案的多目标函数间的关系；
图5示出了54个小区的模拟环境；
图6示出了模拟进行的不规则空间流量分布的空间模式；
图7示出了模拟加权网络容量值与网络能量级别；
图8示出了CSO方案的分层/分布实施的实施例；
图9示出了根据分层/分布实施在小区簇存储的CSO方案；
图10示出了在图9中的一个簇存储的CSO方案；
图11示出了小区内CSO决策的实施例；
图12示出了针对CSO分层/分布操作的CSO簇内信令；
图13示出了针对CSO分层/分布操作的小区簇间的信令；
图14示出了针对CSO分层/分布操作的集中/全局流量模式校准；
图15示出了CSO方法的实施例；
图16为能用于实施各实施例的处理系统的示意图。
除非另有指示，否则不同图中的对应标号和符号通常指代对应部分。绘制各图是为了清楚地说明实施例的相关方面，因此未必是按比例绘制的。
具体实施方式
下文将详细论述当前优选实施例的制作和使用。然而，应了解，本发明提供可在各种具体上下文中体现的许多适用的发明性概念。所论述的具体实施例仅仅说明用以实施和使用本发明的具体方式，而不限制本发明的范围。
解决CSO问题的典型CSO方案包括基于快照的CSO方案。这些方案在每个确定的时间段的每个快照采用全网调度，旨在使网络中小区及基站数目最小化。此处，术语基站与小区交替使用，用以指无线服务节点以及它们的覆盖区。这些方案详细地考虑了流量信息(例如，假设已知用户位置以及信道状态)以进行小区开/关决策。在非常简化的假设下，在较短时间内做了这些决策。这些方案采取了启发法，例如集中降低贪心或增加贪心算法。这些方案的限制包括：要求高实时复杂性，以及核心决策制定组件的主要集中操作。这些方案也会给可扩展性(例如，与用户及小区数成比例)以及可行性(例如，大量开/关转换)带来困难。
该CSO方案也包括其他基于长期流行为的CSO方案。这些方案基于流量预测与估计应用长期流行为。这些方案基于长期流行为做了长期缓慢变化，以及较短时间内固定循环的流量负荷的假设。这些方案更适用于宏蜂窝网络级别，但对于在更小规模网络中的本地化实施可能不可行。例如，这些方案不能为高突发性数据捕捉更快速的负荷变化，也不能在包含宏小区与低功率小区(例如，毫微微蜂窝基站或微微蜂窝)的异构网络(HetNet)中捕捉更快速的负荷变化。
进一步地，开和关小区是一个需要通过一些时间进行切换以逐步将用户迁移到新型最佳服务小区的程序。由于确保QoS存在延迟和延时约束，因此需要最小化开/关程序的数目，也即转换次数，以及导致的小区切换次数。CSO程序要考虑的另一个问题是要满足提供商覆盖准则，避免显著的覆盖盲区。另一个问题是用户在覆盖区随意走动时，蜂窝网络是非常动态的。鉴于这些问题，需要对该CSO问题的有效方案，其中，该方案考虑了这些问题。
此处，本实施例提供了解决CSO问题的多目标方案。所述多目标CSO方案包括随机(随意)查找，以查找不同组合的网络配置，其表示CSO问题的有效解决方案(例如帕累托有效方案)。所述组合的网络配置提供了不同级别的总容量以及能量消耗。所述方案也是基于加权网络容量的，其中，所述容量是此处介绍的度量，用以指示随机查找最(或较)符合每个流量模板的网络配置。加权网络容量此处也是指总网络容量。多目标CSO方案根据流量需要，在容量充足的情况下，最小化或降低了激活基站数(也最小化了开/关转换)。例如，在该方案中，进行未来流量的统计需要的某些基站一直开着。该方案集对每个网络以及空间流量分布来说是特定的，其能建模为覆盖区的概率空间。此处流量分布是指流量模板或模式。这些方案能够通过启发法获得，或者通过多目标进化算法(MOEA)获得。这些方案可以离线计算，存储在数据库中，并在每个确定的时间间隔(例如，周期性地)与当前流量模板比较。这降低了实时实施的复杂性，并减少了实时实施的时间。这些方案能以集中的方式由网络实施，或是以分布-分层方式实施。以下描述了优化能量级别消耗以及总网络容量的CSO目标函数的例子。然而，其他适用函数或对这些函数的修改可以用于其他实施例以达到相同目的。
图1示出了进行数据通信的无线(例如，蜂窝)网络100。网络100包括基站(BS)，多个客户端移动设备120，以及回传网络130，其中，所述基站包括覆盖区101，也称为小区。BS110可以包括能通过与移动设备120建立上行链路(如图中短横线构成的虚线所示)和/或下行链路(如图中点构成的虚线所示)连接提供无线接入的任意组件。例如，BS110包括基站、增强型基站(eNB)、毫微微蜂窝基站，以及其他支持无线功能的设备。移动设备120可能包括能够和BS110建立无线连接的任何组件，例如用户设备(UE)或其他支持无线功能的设备。回传网络130可以是任何使数据在BS110和远端(未示出)之间进行数据交换的组件或组件组合。所述网络可以包括多个小区101，这些小区之间可能会有重叠。所述重叠对应于具有超过一个小区101的组合覆盖的区域。在实施例中，所述网络100可能包括各种其他具有无线通信能力的无线设备，例如中继器、低功率节点以及其他用户或客户端设备。
所述CSO方案可以在无线或蜂窝网络中实施，例如，所述网络100。所述方案可以通过中心服务器或网络的网络控制器实施，或者通过与所述小区或每组小区，此处也指小区簇，相关联的控制器以分布方式实施。所述网络可以是密集蜂窝网络，其中每个区域(例如，每个小区或每个簇)的移动设备的数目相对较大。由于移动设备的密集性，这些网络面临着具有挑战性的流量需求，能够从CSO方案获得很大益处。这个多目标方案旨在根据流量需要(QoS)，在容量充足的情况下，最小化(或降低)激活小区的数目或BS的数目。例如，在某段时间中，BS的数目一直充足，足以最小化或减少开/关转换。所述方案可以考虑覆盖准则，例如，最小噪声级别(例如，信噪比(SINR))以及接收的功率。所述方案可能也可以逼真地为小区间干扰建模，其中，服务质量(QoS)的定义比较灵活。可以通过概率空间隐晦地考虑流行为。因此，复杂性与用户数目相独立。可以在所述方案中加入流量模式预测/估计，其能减少用于获得方案的查找表的数目。
图2示出了后续时间间隔的流量模板的例子。间隔可能具有相等或不同的时间长度，例如，秒。所述流量模板是在与瞬间流量的快照相对的预定义时间间隔，通过流量的统计属性对流量模式进行的估计。在每个间隔，网络(例如，小区簇)的覆盖区中的流量分布或模板Γ建模为多个流量密度块。在每个密度块上，用户的到达时间可以建模为具有相应平均值的泊松(或其他适用概率函数)分布随机变量。所述流量模板在不同时间间隔可能会发生变化。因此，各个时间间隔的流量模板，块数，块的大小，和/或各自概率分布函数平均值可能会变化。
所述CSO方案包括建立网络的数学系统模型，其组件以及资源。所述模型可以表示为数学表达式，其可以在适用的处理器上实施或解决。根据所述模型，网络的蜂窝系统包括L个小区，其中，L是整数。例如，可以在给定时间打开或关闭(开/关)每个所述L小区。所述系统也有定义的带宽BSYS，其表示全频复用。在一实施例中，所述网络是正交频分多址接入(OFDMA)网络，且所述网络模型依此建立。小区的覆盖区建模为拥有A个小面积元素的网格，此处也称为像素，其中A是整数。网格中的像素可能有相同大小的区域或不同大小的区域。所述像素也可以有相同的几何形状，例如，正方形或长方形，或变化的形状。例如，适用像素是正方形像素20米x20米。本发明介绍了长期信道增益参数G，其中(A×L空间的实数矩阵)。所述长期信道增益说明了大规模衰落效应，例如传播损耗，天线增益以及天线阴影。将小区选择确定为关于参考信号(RS)的最佳SINR策略。RS传输功率(RTSP)由参数pRS表示，且数据信道功率表示为pD，且在不失通用性的情况下，pD＝pRS。小区选择基于最佳SINR策略，例如，基于最佳RS接收功率(RSRP)。 提供了每个小区中的所述接收功率R，且当且仅当l*＝argmaxlR(a,l)时，像素a(R中的第a行)属于小区l*。本发明也介绍了二进制覆盖矩阵S，其中，若a属于l*，则S(a,l*)＝1。Sc是S的二进制补码。若像素不满足下列准则，则该像素失效(inoutage)：最小接收功率且最小SINRΨ(a)≥ψmin。 提供了每个像素的平均SINRΨ且通过考虑香农容量，即g(z)＝log2(1+z)来获得每个像素的频谱效率Φ，且考虑到覆盖约束， Φ ( a ) = [ u ( Ψ ( a ) - ψ m i n ) ] · [ u ( R ( a , l * ) - P min R x ) ] . g ( Ψ ( a ) ) 可给出像素a的频谱效率。
所述方案也包括了两个模型概念。第一个概念是网络操作点(NOP)，其表示网络相对于激活以及非激活(关闭的)小区的任何可能状态。因此，包含L个小区的网络具有2L个NOP。每个NOP可能表示为长度L的二进制串x。这也可以表示为其中第二概念是网络能量级别(NEL)，其定义为NOP中激活小区的数目。第l个NEL定义为
以上公式用于达到CSO方案的多个目标或优化目标。该目标包括最小化网络中激活小区的数目。其可以表示为f1(x)＝x·1。可以假设网络中的总能量消耗与激活小区数目成比例。这些目的也包括最大化加权网络容量。其可以表示为f2(x,Γ)＝[BSYS·[(A·(Φ⊙Γ)T)·(S·diag(n))]]·1，其中，Γ是流量分布或模板。矢量其包含S中每列的总和的倒数，表示每个小区中的像素点数。在实施例中，可以按以下方式修改f2，即，分配给像素的带宽与频谱效率或频谱率成比例以改善小区边缘性能。例如，可以修改f2以提供运营商所需的全面统一覆盖。也可以通过NOP处理CSO问题，其中NOP采用了依从NELf1以及加权网络容量f2的帕累托效率。因此，查找空间从2L降到了L。所述多目标问题可以表示为：在允许的失效约束下的最小化差[f1(x)–f2(x)]。矢量表示与每个NOPx相关联的失效模式。因此，若像素a失效，则v(a)＝1，否则v(a)＝0。参数δ表示允许的(覆盖)区域大小。
图3示出了解决多目标CSO问题的CSO方案的实施例。在该方案中，为每个给定流量模板Γ确定(关于f1以及f2的)帕累托有效方案集χ*。这些方案基于网络几何/参数、流量模板、以及覆盖约束。所述估计包括通过MOEA或最小距离启发算法解决上述的模型对长期信道增益G进行的计算。然后，可以评估估计的方案集χ*的性能。所述评估包括确定每个时间间隔的χ*中拥有满足QoS要求的最低NEL的元素。选择具有最低NEL的方案会取得最佳的性能，但由于时间约束或复杂度，该方案可能并不可行。或者，可以选择并评估某些方案。例如，在下述的分层/分布实施中，该方法可能会取得近优性能，并且可行。
图4示出了两个函数f1与f2之间的关系。所示值表示针对一个流量模板的方案χ*。通过考虑(与f2相关的)总网络容量与关闭的(与f1相关的)小区的数目之间的权衡获得所述方案。这些准则是相互矛盾的目标，因此，多目标优化法表示通过帕累托支配理念调查CSO的便捷方法。所述帕累托效率是多目标优化法中的概念。当且仅当不存在方案x∈χ时，方案x*∈χ，且x*具有帕累托效率，则x支配x*。帕累托有效方案集χ*称为最优不受支配集，且已知其形象为最优帕累托前沿(OPF)。当解决多目标问题时，由于问题复杂性获得所述OPF可能会很困难。相反，能够找到近优或预估帕累托前沿(PF)。在图4中，针对每个考虑的NEL(f1的值)，选择最大化加权网络容量(f2的值)的方案。例如，这些方案尤其为用户更可能出现的区域提供了最优或最佳总容量。
如上所述，多目标CSO问题的方案可以通过MOEA(有时也称为元启发式算法)获得，例如，通过不受支配排序遗传算法II(NSGA-II)获得，其中，不受支配排序遗传算法II如2020年4月KDeb等在《IEEE进化计算汇刊》发表的名称为“快而精多目标遗传算法：NSGA-II”一文中第6期，第2期：第182–197页所述。或者，可以通过启发式算法获得所述方案，例如，最小汉明间距(也称为最小距离)算法。所述最小距离算法用于寻找方案的最小距离集。例如，下述伪码描述了所述算法：
输入：
χ1:NOP集合，其中，x·1＝1
输出：
χ*:包含L个NOP的集合，具有最小距离属性。
//初始化容量变量；
1Cmax←0；
//初始化输出集合；
//寻找具有NEL＝1的最佳NOP；
3for每个x∈χ1,do
//获得加权网络容量；
CΓ←f2(x)；
//寻找最佳起始点；
ifCΓ＞Cmaxthen
//更新最佳值；
Cmax←CΓ；
//更新具有NEL＝1的最佳NOP；
x1←x；
end
end
//更新输出；
χ*←χ*∪{x1}；
//查找其余NOP；
for每个l＝2：L,do
//初始化容量变量；
Cmax←0；
//查找最新激活小区；
for每个
//获得加权网络容量；
CΓ←f2(x)；
//寻找最佳新成员；
ifCΓ＞Cmaxthen
//更新最佳值；
Cmax←CΓ；
//更新具有NEL＝1的最佳NOP；
xl←x；
end
end
//更新输出；
χ*←χ*∪{xl}；
end
returnχ*.
作为解决多目标CSO问题的例子，图5示出了具有54个小区的计算机模拟环境。图6示出了模拟进行的54小区中不规则空间流量分布的空间模式。该图示出了流量密度从10到1变化的区域。图7示出了加权网络容量值与空间流量分布的网络能量级别。图7的曲线表示((通过NSGA-II)为该流量分布获得的)帕累托有效方案。该方案集对于空间流量模板(流量分布)是特定的，如上所述，其建模为覆盖区的概率空间。类似的，针对多个相应的建模的流量模板能够获得多个方案集。例如，可以在关闭小区之前离线计算所述方案集并将其存储在数据库中。在实时实施过程中，在每个特定时间，例如在每个预定义的时间间隔比较当前流量模板与计算的流量模板。可以将所述方案以查找表的形式存储在数据库中。所述查找表用于将网络中的现有或实时流量模板与数据库中的匹配(或最接近匹配的)流量模板进行匹配。然后，检测针对匹配模板获得的方案，以选择满足QoS要求的方案。所述方案对应于与NEL(f1值)关联的加权网络容量(f2值)，其中，加权网络容量满足QoS要求。
更多关于公式、方案以及CSO多目标问题的优化的细节，见于DavidG.Gonzalez等人于2014年6月12日在IEEE移动无线网络研讨会第6卷，第2期：第182–197页中发表的“密集蜂窝网络中关闭小区的新型多目标框架”中的描述，以及DavidG.Gonzalez于2013年6月在卡尔顿大学的研究报告中的“密集蜂窝网络中关闭小区的多目标框架”，其在先申请的内容以引入的方式并入本文。
在实施例中，以分层/分布方式实施了上述CSO方案。如图8所述，所述分层/分布实施将网络中的小区(或BS)分成多个组或多个簇。图中，三角形表示小区，圆表示簇。所述簇可能会重叠。这意味着某些小区可能属于超过一个簇(三角形可能属于超过一个圆)。在所述方法中，可以通过仅获得每个簇中小区的流量模板并将该信息与预先计算的方案的本地数据库比较来进行该簇中的小区的本地决策。其可以在规则间隔内完成。可以将小区以分层的方式划分为簇，其中，多个簇可以进一步划分为更大的簇以形成层级的下一级。此时，有些流量模板需要参考层级的下一级进行决策。例如，其可以在更大间隔中完成，比在簇的小区进行决策的频率低。
图9示出了根据分层/分布实施在小区簇存储的CSO方案。预先计算所述方案，并将其存储在数据库中。所述数据库包括多个方案集，其中每个集合对应一个小区簇。在图中，每个网格表示一个小区。所述数据库包括多个小区簇。每个簇由一块网格表示。重叠的小区可能属于相邻的簇，如图所示。因此，不同的簇的不同方案集可能包括重叠的小区。重叠小区的CSO模式考虑了相邻簇的本地决策。若基于不同簇的流量的方案意味着对于重叠小区的不同单个决策，可以采取保守方法，例如，保持重叠小区开放，并且不对重叠小区进行关闭操作。
图10示出了在图9的一个大簇中的一个簇存储的CSO方案。在图10中，图9所示的一个簇是较大的簇(簇上簇)，此处也称为大簇。对于大簇，在较长时间内，如60分钟内考虑流量模板可以进行全局长期决策(方案集：从中确定一个方案)。这些方案包括L＝NxL’个单个决策，其中，N是所述大簇中的簇数，L’是所述簇中小区数。因此，所述大簇的每个小区有一个决策。
L’(L’是整数)个小区的簇中的每个小区可能拥有基于通过和簇中其他小区交换信息创造的本地流量模板做出的自主或本地决策(方案)。可以在相对短的时间内，例如10分钟，进行这些本地小区决策。所述簇中的每个小区可能与流量模板以及相关查找表的同一数据库相关联。所述本地方案包括L’个单个决策，所述簇中每个小区有一个单个决策。所述决策可能是次优的，因此受限于(在网络级别上的)全局决策。例如，可以通过随时记录的流量的统计分析，基于历史记录累积并改善或更新流量模板(以及相应的方案集)。
图11示出了小区内CSO决策的实施例。考虑的小区的同一簇内的其他小区中检测或记录的流量模式(流量模板)输入到方案的决策以及选择程序中。然后，除了考虑的小区的流量模式之外，基于该输入执行所述模式识别以及方案选择。其为该小区提供了自主决策，并将该决策作为分布CSO决策一部分。所述决策之后可以作为对簇决策(短时间内)以及大簇决策(长时间内)的输入。
图12示出了针对CSO分层/分布操作的CSO簇内信令。每个小区自主识别流量模式。然后，在簇(所述簇的小区之间)中传播该信息以进行分配操作。例如，所述流量模式信息可能包括用户数目(负载)以及中心和边缘用户的比例(空间信息)。图13示出了针对CSO分层/分布操作的小区簇间的信令。所述信令可能在簇内信令之后。在簇间交换不同簇内的本地(合并)流量模板以改善决策制定程序，尤其改善重叠小区的决策制定程序。图14示出了针对CSO分层/分布操作的集中/全局流量模式校准。该操作可能在簇间信令之后长期(在长时间内)实施。簇平面与中心网络组件，例如用于该操作的网络控制器或服务器，进行信令交换。每个簇将合并流量模板以分层信令交换的方式发送给中心网络组件。然后，所述中心网络组件执行了长期近优CSO决策，涉及网络中所有考虑的小区。发送的方案用于进一步校准每个簇中的小区在本地做出的自主CSO决策。
图15示出了CSO方法1500的实施例。在步骤1510中，多个流量分布模式或模板建模为覆盖区的概率空间。例如，每个流量模板建模为多个流量密度块，根据适用的概率分布函数(pdf)例如泊松分布将用户到达时间均值分配给每个块。在步骤1520中，根据多目标函数为每个流量模板计算有效方案集以针对激活小区最小化网络能量级别，并最大化最符合流量模板的网络容量。例如，根据流量需要或QoS要求，所述多目标函数也可能受限于所述网络提供商或运营商允许的失效约束。可以获得所述多目标问题的有效方案，将其作为针对每个给定流量模板确定的帕累托有效方案集。可以查找到近优帕累托前沿(PF)，将其作为多目标问题的近优方案。例如，在步骤1530中，将每个所述流量模板的方案集作为所述流量模板的查找表存储在数据库中。在步骤1540中，将在时间间隔中检测的当前流量模板与数据库中存储的流量模板匹配。例如，可以根据中心或分布分层实施在小区级别、簇级别、大簇级别或全网级别实施该步骤。在步骤1550中，评估数据库中匹配的流量模板对应的方案，并选择适用方案。例如，选择的方案最小化了激活小区(能量级别)的数目，并使得容量足以满足QoS要求，例如，最小化转换与切换。也可以基于其他约束选择方案，例如保证提供商覆盖准则以避免显著的覆盖盲区、快速衰落环境的无线资源管理、或其他准则。
图16为可用于实施各种实施例的处理系统1600的方框图。处理系统1600可能是BS的一部分或者是其他网络组件的一部分。特定装置可利用所有所示的组件或所述组件的仅一子集，且装置之间的集成程度可能不同。此外，设备可以包括部件的多个实例，例如多个处理单元、处理器、存储器、发射器、接收器等。处理系统1600可以包括配备一个或多个输入/输出设备，例如扬声器、麦克风、鼠标、触摸屏、按键、键盘、打印机、显示器等的处理单元1601。处理单元1601可包括中央处理器(CPU)1610、存储器1620、大容量存储器设备1630、视频适配器1640，以及连接到总线的I/O接口1660。所述总线可以为任何类型的若干总线架构中的一个或多个，包括存储总线或者存储控制器、外设总线等等。
所述CPU1610可包括任何类型的电子数据处理器。存储器1620可包括任意类型的系统存储器，例如静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、同步DRAM(SDRAM)、只读存储器(ROM)或其组合等等。在实施例中，存储器1620可包括在开机时使用的ROM以及在执行程序时使用的存储程序和数据的DRAM。在实施例中，存储器1620是非瞬时的。大容量存储器设备1630可包括任意类型的存储设备，其用于存储数据、程序和其他信息，并使这些数据、程序和其他信息通过总线访问。大容量存储器设备1630可包括如下项中的一种或多种：固态磁盘、硬盘驱动器、磁盘驱动器、光盘驱动器等等。
视频适配器1640以及I/O接口1660提供接口以将外部输入以及输出装置耦合到处理单元上。如图所示，输入输出设备的示例包括耦合至视频适配器1640的显示器1690和耦合至I/O接口1670的鼠标/键盘/打印机1660的任意组合。其他设备可以耦合至处理单元1601，可以利用附加的或更少的接口卡。举例来说，串行接口卡(未图示)可以用于为打印机提供串行接口。
处理单元1601还包括一个或多个网络接口1650，网络接口1650可包括以太网电缆等有线链路，和/或到接入节点或者一个或多个网络1680的无线链路。网络接口1650允许处理单元1601通过网络1680与远程单元通信。例如，网络接口1650可以通过一个或多个发射器/发射天线以及一个或多个接收器/接收天线提供无线通信。在一实施例中，处理单元1601耦合到局域网或广域网上以用于数据处理以及与远程装置通信，所述远程装置例如其他处理单元、因特网、远程存储设施或其类似者。
虽然本发明中已提供若干实施例，但应理解，在不脱离本发明的精神或范围的情况下，本发明所公开的系统和方法可以以许多其他特定形式来体现。本发明的实例应被视为说明性而非限制性的，且本发明并不限于本文本所给出的细节。例如，各种元件或部件可以在另一系统中组合或合并，或者某些特征可以省略或不实施。
此外，在不脱离本发明的范围的情况下，各种实施例中描述和说明为离散或单独的技术、系统、子系统和方法可以与其他系统、模块、技术或方法进行组合或合并。展示或论述为彼此耦合或直接耦合或通信的其他项也可以采用电方式、机械方式或其他方式通过某一接口、设备或中间部件间接地耦合或通信。其他变化、替代和改变的示例可以由本领域的技术人员在不脱离本文精神和所公开的范围的情况下确定。

Claims (22)

1.一种网络组件在无线网络中关闭小区的方法，其特征在于，所述方法包括：
根据所述网络中多个小区中的激活小区的数目与总网络容量，为多个流量模板中的每个模板确定方案集；
将给定流量模板与所述多个流量模板中的一个流量模板进行匹配；
评估所述多个流量模板中的所述一个流量模板对应的方案的性能；
根据所述评估从所述方案中选择方案，其中，所述选择的方案指示所述无线网络的多个小区中要关闭的小区。
2.根据权利要求1所述的方法，其特征在于，所述针对每个所述流量模板的方案集包括与所述无线网络中小区的总数成比例的方案的数目。
3.根据权利要求1所述的方法，其特征在于，所述确定步骤包括：在维持所述总网络容量的同时使激活小区的数目最小化，其中，所述总网络容量满足所述给定容量模板以及服务质量(QoS)要求，且所述在维持所述总网络容量的同时使激活小区的数目最小化使所述网络中开关转换与切换的总数最小化。
4.根据权利要求1所述的方法，其特征在于，所述确定步骤包括：在允许的失效约束下，使所述激活小区的数目的第一函数和所述总网络容量的第二函数之差最小化。
5.根据权利要求4所述的方法，其特征在于，在允许的失效约束下，使所述差最小化避免了所述无线网络中的显著的覆盖缺口。
6.根据权利要求1所述的方法，其特征在于，还包括：将所述流量模板建模为覆盖区中的概率空间，其中，所述覆盖区包括所述无线网络的小区。
7.根据权利要求6所述的方法，其特征在于，所述建模步骤包括将所述覆盖区建模为多个流量密度块，且根据概率分布函数将用户到达时间均值分配给每个所述块。
8.根据权利要求1所述的方法，其特征在于，所述给定流量模板是所述无线网络的预定义时间间隔中实时检测的当前流量分布模式。
9.根据权利要求1所述的方法，其特征在于，所述确定步骤包括：通过多目标进化算法(MOEA)或启发式最小距离算法计算所述方案集。
10.根据权利要求1所述的方法，其特征在于，所述方案是帕累托有效方案，且所述确定步骤包括计算近优帕累托前沿，并将其作为近优方案。
11.根据权利要求1所述的方法，其特征在于，所述网络组件是一个所述小区中的基站，或与所述小区簇相关联的控制器，或所有小区的中心网络控制器。
12.一种网络组件在无线网络中关闭小区的方法，其特征在于，所述方法包括：
将多个流量分布模式建模为覆盖区或所述无线网络的概率空间；
根据多目标函数计算针对每个所述流量分布模式的方案集，其中，所述多目标函数针对激活小区减少网络能量级别，并根据流量需要维持总网络容量；
将针对每个所述流量分布模式的所述方案集存储在数据库中；
在预定义时间间隔检测所述无线网络的当前流量分布模式；
将所述当前流量分布模式与一个存储在所述数据库中的所述流量分布模式进行匹配；
从所述一个所述流量分布模式对应的所述方案集中选择方案。
13.根据权利要求12所述的方法，其特征在于，所述检测、匹配以及选择步骤由所述网络组件执行，其中，所述网络组件是分层分布实施的一部分，包括多个小区以及所述无线网络中的多个小区簇。
14.根据权利要求13所述的方法，其特征在于，所述网络组件与一个所述小区相关联，且检测所述当前流量模板包括：与所述无线网络中的同一小区簇内的其他小区进行流量负荷信息交换。
15.根据权利要求14所述的方法，其特征在于，同一簇小区共用针对建模流量分布模式的方案集的数据库。
16.根据权利要求13所述的方法，其特征在于，所述网络组件与一个所述小区簇相关联，检测当前流量模板包括：与所述无线网络中的其他小区簇进行流量负荷信息交换，且所述方案是根据从一个所述簇中的小区获得的单个方案选择的。
17.根据权利要求13所述的方法，其特征在于，所述网络组件与一组所述小区簇相关联，检测当前流量模板包括：与所述无线网络中的其他组小区簇进行流量负荷信息交换，且所述方案是根据从所述组中的簇中获得的单个方案选择的。
18.根据权利要求17所述的方法，其特征在于，与所述小区簇相比，与所述一组所述小区簇相关联的所述网络组件在较长的时间间隔执行所述检测、匹配和选择步骤。
19.根据权利要求13所述的方法，其特征在于，所述网络组件是所述无线网络的全局网络组件，其中，选择所述方案包括校准从所述小区，所述簇，或多组簇获得的各个方案。
20.一种在无线网络中关闭小区的网络组件，其特征在于，所述网络组件包括：
至少一个处理器；
非瞬时性计算机可读取存储介质，用于存储供所述至少一个处理器执行的程序，其中，所述程序包括指令，以：
根据所述网络中多个小区中的激活小区的数目与总网络容量，为多个流量模板中的每个模板确定方案集；
将给定流量模板与所述多个流量模板中的一个流量模板进行匹配；
评估所述多个流量模板中的所述一个流量模板对应的方案的性能；
根据所述评估所述方案的性能从所述方案中选择方案，其中，所述选择的方案指示所述无线网络的多个小区中要关闭的小区。
21.根据权利要求20所述的网络，其特征在于，所述确定所述方案集的指令还包括指令，以：在维持所述总网络容量的同时使激活小区的数目最小化，其中，所述总网络容量满足所述给定容量模板以及服务质量(QoS)要求，且所述在维持所述总网络容量的同时使激活小区的数目最小化使所述网络中开关转换与切换的总数最小化。
22.根据权利要求20所述的网络组件，其特征在于，所述无线网络是包括宏小区以及小功率小区的异构网络、或携带突发流量的网络或正交频分多址接入(OFDMA)网络。
CN201480037924.7A 2013-07-17 2014-07-17 无线网络中多目标小区关闭的系统和方法 Active CN105531963B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361847403P 2013-07-17 2013-07-17
US61/847,403 2013-07-17
PCT/US2014/047041 WO2015009937A1 (en) 2013-07-17 2014-07-17 System and methods for multi-objective cell switch-off in wireless networks

Publications (2)

Publication Number Publication Date
CN105531963A true CN105531963A (zh) 2016-04-27
CN105531963B CN105531963B (zh) 2019-08-13

Family

ID=52343489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480037924.7A Active CN105531963B (zh) 2013-07-17 2014-07-17 无线网络中多目标小区关闭的系统和方法

Country Status (4)

Country Link
US (1) US9730153B2 (zh)
EP (1) EP3000204B1 (zh)
CN (1) CN105531963B (zh)
WO (1) WO2015009937A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108848520A (zh) * 2018-05-28 2018-11-20 西安交通大学 一种基于流量预测与基站状态的基站休眠方法
CN109996312A (zh) * 2018-01-03 2019-07-09 和硕联合科技股份有限公司 无线热点运作方法
CN111600921A (zh) * 2020-03-23 2020-08-28 平安银行股份有限公司 基于中间件的请求发送方法、装置和计算机设备
CN114501596A (zh) * 2020-10-23 2022-05-13 中国移动通信集团河北有限公司 多层网络关断节能方法、装置、设备及存储介质

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9980218B2 (en) * 2015-02-27 2018-05-22 Huawei Technologies Canada Co., Ltd. System and method for user terminal-aware cell switch-off
US10588094B2 (en) * 2016-09-27 2020-03-10 T-Mobile Usa, Inc. Load-based power adjustments for cellular communication sites
CN109089245B (zh) * 2018-08-07 2021-10-15 国网江苏省电力有限公司电力科学研究院 计及蜂窝用户最低传输速率的设备间通信方法及装置
CN111065114B (zh) * 2018-10-17 2021-12-28 华为技术有限公司 节能管理方法、装置及存储介质
CN110996377B (zh) * 2019-11-25 2023-04-18 宜通世纪科技股份有限公司 一种基站节能方法、系统、装置和存储介质
US11202234B1 (en) * 2020-06-03 2021-12-14 Dish Wireless L.L.C. Method and system for smart operating bandwidth adaptation during power outages
US11265135B2 (en) 2020-06-03 2022-03-01 Dish Wireless Llc Method and system for slicing assigning for load shedding to minimize power consumption where gNB is controlled for slice assignments for enterprise users
US11470549B2 (en) 2020-07-31 2022-10-11 Dish Wireless L.L.C. Method and system for implementing mini-slot scheduling for all UEs that only are enabled to lower power usage
US11696137B2 (en) * 2020-07-31 2023-07-04 T-Mobile Usa, Inc. Detecting malicious small cells based on a connectivity schedule
US11405941B2 (en) 2020-07-31 2022-08-02 DISH Wireless L.L.C Method and system for traffic shaping at the DU/CU to artificially reduce the total traffic load on the radio receiver so that not all the TTLs are carrying data
US11470490B1 (en) 2021-05-17 2022-10-11 T-Mobile Usa, Inc. Determining performance of a wireless telecommunication network
US11902829B2 (en) * 2021-07-15 2024-02-13 Rakuten Mobile, Inc. Traffic pattern identification and network function control method and apparatus
WO2023134878A1 (en) * 2022-01-12 2023-07-20 Telefonaktiebolaget Lm Ericsson (Publ) Carrier locking based on interference level

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6584330B1 (en) * 2000-07-18 2003-06-24 Telefonaktiebolaget Lm Ericsson (Publ) Adaptive power management for a node of a cellular telecommunications network
CN102612842A (zh) * 2009-10-28 2012-07-25 Nec欧洲有限公司 用于操作无线网络中的能量管理系统的方法
US20120244869A1 (en) * 2011-03-21 2012-09-27 Qualcomm Incorporated Network scaling for network energy savings
CN102917446A (zh) * 2012-09-29 2013-02-06 北京邮电大学 一种面向绿色节能的动态小区休眠方法
US20130137446A1 (en) * 2010-05-13 2013-05-30 Alcatel Lucent Dynamic reorganization of cell structures in wireless networks

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1654625B1 (en) 2003-08-14 2016-02-24 Telcordia Technologies, Inc. Auto-ip traffic optimization in mobile telecommunications systems
US7398257B2 (en) 2003-12-24 2008-07-08 Yamaha Hatsudoki Kabushiki Kaisha Multiobjective optimization apparatus, multiobjective optimization method and multiobjective optimization program
EP1779345A2 (en) 2004-07-29 2007-05-02 Intelli7, Inc. System and method of characterizing and managing electronic traffic
EP2406992B1 (en) * 2009-03-13 2012-12-26 Telefonaktiebolaget LM Ericsson (publ) Managing energy consumption of base stations
ES2382280B1 (es) * 2009-06-30 2013-05-08 Vodafone España S.A.U. Sistema, metodo y antena interior para reducir el consumo de potencia de estaciones base que proporcionan cobertura interior.
US7996344B1 (en) 2010-03-08 2011-08-09 Livermore Software Technology Corporation Multi-objective evolutionary algorithm based engineering design optimization
WO2012000551A1 (en) 2010-06-30 2012-01-05 Fujitsu Limited Transition mechanism for energy efficient mobile overlay network
GB2492364B (en) * 2011-06-29 2016-03-30 Fujitsu Ltd Re-selecting network parameters in a cellular wireless network
EP2665312B1 (en) * 2012-05-15 2014-06-04 Fujitsu Limited Cell Activation and Deactivation in Heterogeneous Networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6584330B1 (en) * 2000-07-18 2003-06-24 Telefonaktiebolaget Lm Ericsson (Publ) Adaptive power management for a node of a cellular telecommunications network
CN102612842A (zh) * 2009-10-28 2012-07-25 Nec欧洲有限公司 用于操作无线网络中的能量管理系统的方法
US20130137446A1 (en) * 2010-05-13 2013-05-30 Alcatel Lucent Dynamic reorganization of cell structures in wireless networks
US20120244869A1 (en) * 2011-03-21 2012-09-27 Qualcomm Incorporated Network scaling for network energy savings
CN102917446A (zh) * 2012-09-29 2013-02-06 北京邮电大学 一种面向绿色节能的动态小区休眠方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109996312A (zh) * 2018-01-03 2019-07-09 和硕联合科技股份有限公司 无线热点运作方法
CN108848520A (zh) * 2018-05-28 2018-11-20 西安交通大学 一种基于流量预测与基站状态的基站休眠方法
CN108848520B (zh) * 2018-05-28 2020-04-10 西安交通大学 一种基于流量预测与基站状态的基站休眠方法
CN111600921A (zh) * 2020-03-23 2020-08-28 平安银行股份有限公司 基于中间件的请求发送方法、装置和计算机设备
CN111600921B (zh) * 2020-03-23 2023-08-15 平安银行股份有限公司 基于中间件的请求发送方法、装置和计算机设备
CN114501596A (zh) * 2020-10-23 2022-05-13 中国移动通信集团河北有限公司 多层网络关断节能方法、装置、设备及存储介质
CN114501596B (zh) * 2020-10-23 2024-01-12 中国移动通信集团河北有限公司 多层网络关断节能方法、装置、设备及存储介质

Also Published As

Publication number Publication date
EP3000204A1 (en) 2016-03-30
WO2015009937A1 (en) 2015-01-22
US20150023163A1 (en) 2015-01-22
EP3000204B1 (en) 2018-05-02
US9730153B2 (en) 2017-08-08
EP3000204A4 (en) 2016-09-28
CN105531963B (zh) 2019-08-13

Similar Documents

Publication Publication Date Title
CN105531963A (zh) 无线网络中多目标小区关闭的系统和方法
Benatia et al. Multi-objective WSN deployment using genetic algorithms under cost, coverage, and connectivity constraints
Huang et al. Smart grid enabled mobile networks: Jointly optimizing BS operation and power distribution
Bu et al. When the smart grid meets energy-efficient communications: Green wireless cellular networks powered by the smart grid
Xenakis et al. Topology control with coverage and lifetime optimization of wireless sensor networks with unequal energy distribution
Liu et al. Robust optimisation of power control for femtocell networks
Xiao et al. An HEED-based study of cell-clustered algorithm in wireless sensor network for energy efficiency
Lopez-Perez et al. A survey on 5g energy efficiency: Massive mimo, lean carrier design, sleep modes, and machine learning
Qi et al. Optimal access mode selection and resource allocation for cellular‐VANET heterogeneous networks
Mirzaei et al. Cooperative virtual connectivity control in uplink small cell network: towards optimal resource allocation
Wang et al. Aggregation points planning for software-defined network based smart grid communications
Nguyen Quoc et al. Energy efficiency clustering based on Gaussian network for wireless sensor network
CN104412647A (zh) 用于帮助解决通信系统中的边界问题的集群优化的系统和方法
Khan et al. A multichannel design for QoS aware energy efficient clustering and routing in WMSN
Cheng et al. Delay‐sensitive user scheduling and power control in heterogeneous networks
Qi et al. QoS‐aware cell association based on traffic prediction in heterogeneous cellular networks
Randhawa et al. DAHDA: dynamic adaptive hierarchical data aggregation for clustered wireless sensor networks
Masero et al. A coalitional model predictive control approach for heterogeneous cellular networks
Kang et al. Multi-objective optimization technique for rsu deployment
Liu et al. Game based robust power allocation strategy with QoS guarantee in D2D communication network
Park et al. Cluster splitting and combining in ultra‐dense networks
Pradeep et al. An efficient energy consumption and delay aware autonomous data gathering routing protocol scheme using a deep learning mobile edge model and beetle antennae search algorithm for underwater wireless sensor network
Thanigaivelu et al. Grid-based clustering with dual cluster heads to alleviate energy hole problem for non-uniform node distribution in wireless sensor networks
Wang et al. Joint frequency and time resource partitioning for OFDM-based small cell networks
Phan et al. Optimising coverage efficiency in heterogeneous wireless cellular networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant