未来蜂窝网络中基于机器学习的资源管理技术研究

发布时间：2021-01-09 06:44

　　下一代蜂窝无线网络需要支持超可靠,低延迟的通信,并且需要支持在高度动态的环境中实时智能地管理大量物联网设备。不仅如此,下一代蜂窝网络还需要具有智能化的管理功能,从而能够根据不同的网络与用户状态对蜂窝网络管理策略进行调整。这些要求只能通过在无线基础设施和终端用户设备上集成机器学习的方法来实现。因此,研究如何利用机器学习算法与人工智能技术对蜂窝通信网络实现自组织地、智能化地、实时地管理与控制具有较高的价值。机器学习算法在蜂窝通信网络中主要分为两大应用:一是对蜂窝网络环境进行识别并根据网络环境对网络资源与用户进行管理与调度,二是利用网络的已有数据对网络状态进行预测,从而优化网络性能。本文的研究内容主要包括如何利用机器学习算法对网络频谱资源与用户进行调度与管理,如何利用机器学习算法对网络状态与用户行为进行预测,以及如何优化机器学习算法使其适用于蜂窝无线网络环境。具体而言,本文首先介绍了新型网络的架构以及基于新型网络架构的无线蜂窝网络所存在的技术问题。然后详细介绍了如何利用机器学习算法对授权与非授权频谱资源管理、对缓存管理、对UAV的部署与规划以及对360°内容传输和缓存的管理。论文的具体研究内... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：170 页

【学位级别】：博士

【部分图文】：

图１－１?新型网络架构??网络将由核心网、云化的基带处理单元、无线接入网、以及其间的传输链路组成

找到最优的资源分配方案。??（４）迁移学习：迁移学习［３５］指的是将一个场景所学习的知识运用到另一个场景。??在无线通信中，用户分布，数据速率要求，以及可用带宽均会随着时间的变化而变??化。当网络环境发生改变时，传统的学习算法必须通过重新执行来适应环境的变化。??这将大大増大算法的复杂度。而迁移学习能将先前的学习模型运用于新的网络环境??中，从而避免了机器学习算法重新执行，增强了机器学习算法对不同网络环境的适??应能力。??（５）分布式学习：以上四种学习算法均是集中式的算法。它们执行的前提条件是??训练数据都位于同一地点，例如，在云端或者基站处。然而，在无线网络中，由于用??户的移动性，用户数据常常分布于多个基站处。因此，分布式的机器学习算法可以??使各个基站利用自己收集的数据对机器学习模型进行训练，从而生成一个多基站共??享的机器学习模型。这个共享的机器学习模型可以用来预测和分析用户的所有行为。??１．１．３．２神经网络概述??

图１－４?一个展开的循环神经网络的架构??神经网络善于处理连续的数据，而深度神经网络则善于处理高维数据。于是，这里??将详细介绍循环神经网络、脉冲神经网络以及深度神经网络。??（１）循环神经网络??循环神经网络［３６］是一种允许下一层神经元与上一层神经元反向连接的神经网??络，如图１－３所示。循环神经网络中的这种简单的连接变化使得循环神经网络中的每??个输出不仅取决于循环神经网络现在的输入，而且还取决循环神经网络的历史输入，??如图１－４所示。循环神经网络的这种特性使其可以分析序列形式的信息以及动态的、??时间上有关联的用户行为，例如用户移动模式预测、字体识别或者语音识别。具体而??言，一个循环神经网络可以用来预测无线网络中用户以及移动设备的移动模式。这??些移动模式都与用户曾经访问过的地点有关。循环神经网络还可以用来预测无线网??络中用户的内容请求。这是因为无线网络用户的请求内容取决于用户过去的内容请??

【参考文献】：
期刊论文
[1]C-RAN:面向绿色的未来无线接入网演进[J]. 王晓云,黄宇红,崔春风,陈奎林,陈沫.  中国通信. 2010(03)



本文编号：2966163