泛在末梢环境下的多终端协同选择机制

doi:10.13190/j.jbupt.2014.06.021

北京邮电大学学报 ›› 2014, Vol. 37 ›› Issue (6): 101-105.doi: 10.13190/j.jbupt.2014.06.021

泛在末梢环境下的多终端协同选择机制

邱雪松¹, 毛熹玥¹, 芮兰兰¹, 王江², 郎赫²

1. 北京邮电大学网络与交换技术国家重点实验室, 北京 100876;
2. 国网天津市电力公司, 天津 300010

收稿日期:2013-10-25 出版日期:2014-12-28 发布日期:2014-07-11
作者简介:邱雪松(1973-),男,教授,E-mail:xsqiu@bupt.edu.cn.
基金资助:
国家自然科学基金委创新研究群体项目(61121061); 国家自然科学基金项目(61302078, 61272515); 国家科技支撑计划课题(2012BAH06B02); 教育部博士点基金项目(20110005110011); 北京高等学校青年英才计划项目(YETP0476); 国家电网公司科技项目(SGTJXT00XXJS1300048)

The Multi-Terminal Synergy Mechanism in Ubiquitous Network

QIU Xue-song¹, MAO Xi-yue¹, RUI Lan-lan¹, WANG Jiang², LANG He²

1. State Key Laboratory of Networking and Switching, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. State Grid TianJin Electric Power Company, Tianjin 300010, China

Received:2013-10-25 Online:2014-12-28 Published:2014-07-11

摘要/Abstract

摘要：

聚合多终端完成个性化业务是未来用户对泛在业务的必然要求,然而移动的异构终端无法持续地支撑高质量的泛在业务. 为此提出了多终端协同(MTS)机制,以分层模型和业务质量标准模型为基础建立协同实现流程,主要包含业务的注册与发起、MTS选择和维护3个模块. 在MTS选择核心算法中加入基于时间戳的探路机制和时间控制窗口,以提高业务性能. 仿真结果表明,MTS机制能较快聚合高质量执行终端,保证业务持续性和平滑性,与其他方法比较,在业务重调和时延方面有更好的性能.

关键词: 泛在末梢网络, 多终端协同, 终端选择

Abstract:

Collaboration for a ubiquitous service is an inevitable demand of users in the future. This paper put forward the multi-terminal synergy (MTS) mechanism for ubiquitous service. With a hierarchical model and a service quality model adopted, MTS is composed of three modules. Pathfinding mechanism based on time stamp and time control window are added to the core algorithm. The result shows that MTS can quickly choose high quality executive nodes, ensure the service continuity and smoothness. Compared with others, it improves the performance in readjustment and delay.

Key words: ubiquitous stub network, multi-terminal synergy, device selection

中图分类号:

TN929.53

邱雪松, 毛熹玥, 芮兰兰, 王江, 郎赫. 泛在末梢环境下的多终端协同选择机制[J]. 北京邮电大学学报, 2014, 37(6): 101-105.

QIU Xue-song, MAO Xi-yue, RUI Lan-lan, WANG Jiang, LANG He. The Multi-Terminal Synergy Mechanism in Ubiquitous Network[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2014, 37(6): 101-105.

[1]	章晨宇温向明陈亚文. 蜂窝移动网络低成本高精度授时[J]. 北京邮电大学学报, 2023, 46(1): 103-108.
[2]	郭令奇褚智贤廖建新王敬宇陆璐. 意图驱动的自智网络资源按需服务[J]. 北京邮电大学学报, 2022, 45(6): 85-91.
[3]	初星河, 路兆铭, 王鲁晗, 武穆清, 温向明. 多径信号辅助的网联车辆无线协作定位[J]. 北京邮电大学学报, 2021, 44(2): 116-123.
[4]	张天魁, 王筱斐, 杨立伟, 杨鼎成. 移动网络SFC部署与计算资源分配联合算法[J]. 北京邮电大学学报, 2021, 44(1): 7-13.
[5]	吕廷杰, 宋罗娜, 滕颖蕾, 丰业媛. 面向生态可持续的下一代通信网络架构与评价体系[J]. 北京邮电大学学报, 2020, 43(6): 18-26,35.
[6]	何建华, 赵辉, 徐晓斌, 闫蕾, 王尚广. 基于改进双层LT码的天基物联网数据收集方法[J]. 北京邮电大学学报, 2020, 43(6): 118-125.
[7]	马璐, 刘铭, 李超, 路兆铭, 马欢. 面向6G边缘网络的云边协同计算任务调度算法[J]. 北京邮电大学学报, 2020, 43(6): 66-73.
[8]	管婉青, 张海君, 路兆铭. 基于DRL的6G多租户网络切片智能资源分配算法[J]. 北京邮电大学学报, 2020, 43(6): 132-139.
[9]	罗轶, 王雨婷, 施荣华, 严梦纯, 曾豪. 能量采集衬底式认知协作中继网络安全中断概率分析[J]. 北京邮电大学学报, 2020, 43(3): 105-111,124.
[10]	李君瑶, 常永宇, 曾天一. 大规模3D MIMO中基于信道相关的LOS/NLOS识别算法[J]. 北京邮电大学学报, 2020, 43(1): 1-7.
[11]	蒋芳, 张南飞, 胡艳军, 王翊. 基于BP神经网络的CSI无源目标分类方法[J]. 北京邮电大学学报, 2020, 43(1): 40-45.
[12]	任佳智, 田辉, 聂高峰. 基于本地内容流行度预测的主动缓存策略[J]. 北京邮电大学学报, 2020, 43(1): 80-91.
[13]	徐九韵, 孙忠顺, 张如如. 基于链路预测的手机节能方法[J]. 北京邮电大学学报, 2020, 43(1): 8-13,27.
[14]	李晓辉, 杜洋帆, 石潇竹, 杨胥. 基于信道模糊关联识别的NLOS测距误差补偿算法[J]. 北京邮电大学学报, 2020, 43(1): 21-27.
[15]	李鹏, 王德勇, 师文喜, 姜志国. 大数据环境下基于深度学习的行人再识别[J]. 北京邮电大学学报, 2019, 42(6): 29-34.

泛在末梢环境下的多终端协同选择机制

The Multi-Terminal Synergy Mechanism in Ubiquitous Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价