利用稀疏矩阵的C-RAN网络负载预测和负载均衡

发布时间：2020-09-21 08:25

　　 C-RAN架构具有集中化、协作、云化、清洁等特点,被认为是未来无线接入网的一个重要发展方向。未来移动通信网络因节点密度高、数据量大,造成网络的负载预测和负载均衡复杂度高。而稀疏矩阵由于含有大量零元素,能够降低计算复杂度,已成为数值计算领域一种必需的关键技术。因此将稀疏矩阵技术应用到无线网络的负载预测和负载均衡就具有重要意义。针对现有C-RAN架构下基于马尔科夫负载预测模型中没有利用大规模网络状态转移矩阵的稀疏性,造成线性方程组的求解复杂度高的问题,提出对网络状态转移矩阵进行分块迭代,每次等分4块,并分别定义4个块矩阵的偏移量。当属于同一行的块矩阵的偏移量有一个是零矩阵时,直接得出所求矩阵对应块的元素全部为零,然后进行下一次迭代;当属于同一行的块矩阵偏移量都不为零矩阵时,通过对矩阵方程组变形处理,转换成迭代格式,再进行分块处理,从而降低求解的复杂度。结合仿真定量分析稀疏矩阵稀疏度的临界值问题,给出稀疏度与计算量之间的关系,并对其合理性进行证明。针对外部环境的动态变化,对负载转移矩阵的修正方案进行设计。仿真结果表明,本算法能够在不影响预测准确度前提下,降低负载转移矩阵的求解复杂度。针对C-RAN架构下基于马尔科夫负载预测的负载均衡机制,当网络规模很大时,现有算法采用迭代的方式调整功率存在复杂度高的问题,提出一种利用稀疏矩阵预测的负载均衡机制。该机制以最小化负载转移关联度和最小化负载转移均衡度为目标,结合图论中Ncut切割算法获得最佳稀疏矩阵分块,达到负载转移矩阵降维和除零的目的,分块后重新计算各块的负载转移矩阵,并利用负载转移矩阵进行负载预测,最后结合预测的负载,确定功率调整步长,并行调整各块内小区的导频信号功率以实现负载均衡。仿真结果表明,该负载均衡机制能够降低负载均衡的复杂度。
【学位单位】：重庆邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN92
【部分图文】：

基于稀疏性的预测矩阵求解算法流程图

【相似文献】

相关期刊论文 前10条

1 钱耀飞;;雅可比迭代法求解稀疏矩阵[J];数学大世界(上旬);2017年05期

2 张宏立;利用EXCEL快速生成MATLAB大规模稀疏矩阵[J];微计算机应用;2004年04期

3 魏槐英;;稀疏矩阵技术在电力网络计算中的应用[J];水电能源科学;1987年04期

4 陈绪元;阮馨远;林守远;;一种稀疏矩阵的压缩存贮方法[J];现代雷达;1987年05期

5 张兴令;关于高阶稀疏矩阵求解的一点注记[J];甘肃工业大学学报;1988年02期

6 于继业;稀疏矩阵块对角化的一种方法[J];数学的实践与认识;1988年03期

7 付有君,李涵;稀疏矩阵方法在串级计算中的应用与分馏萃取工艺参数的优化计算[J];稀土;1988年05期

8 严正,陈雪青,相年德;分块稀疏矩阵因子表的修正[J];清华大学学报(自然科学版);1989年04期

9 任建民,张义门;模拟半导体器件的一种稀疏矩阵及其算法[J];电子科学学刊;1989年01期

10 王训俭,赵新华,金志刚;大型稀疏矩阵解煤气管网的研究[J];煤气与热力;1989年01期

相关会议论文 前10条

1 徐道远;王宝庭;王向东;冯伯林;;求解大型稀疏矩阵的ICCG法[A];第八届全国结构工程学术会议论文集（第Ⅰ卷）[C];1999年

2 刘运谋;陈璞;宋琦;;稀疏矩阵LDL~T分解的并行研究[A];北京力学会第二十五届学术年会会议论文集[C];2019年

3 宋琦;陈璞;;稀疏求解—结构修改的一种新的可能性[A];北京力学会第20届学术年会论文集[C];2014年

4 武继刚;乔占科;;制定大型生产计划的一个贪心算法[A];1996中国控制与决策学术年会论文集[C];1996年

5 苑维然;陈璞;刘凯欣;;非对称线性方程组的快速外存解法[A];中国力学学会学术大会'2005论文摘要集（下）[C];2005年

6 杨本立;;P—对称大型稀疏矩阵方程组解法[A];数学·物理·力学·高新技术研究进展（一九九六·第六期）——中国数学力学物理学高新技术交叉研究会第6届学术研讨会论文集[C];1996年

7 宋琦;孙树立;陈璞;;稀疏求解——结构修改的一种新的可能性[A];中国计算力学大会2014暨第三届钱令希计算力学奖颁奖大会论文集[C];2014年

8 苑维然;陈璞;刘凯欣;;带有双重循环展开的非对称稀疏线性方程组快速直接解法[A];计算爆炸力学进展[C];2006年

9 杨峰;杜翠;梁胤程;;基于地质雷达的矿井工作面CT反演算法研究[A];中国职业安全健康协会2013年学术年会论文集[C];2013年

10 陈璞;孙树立;袁明武;;有限元分析的直接快速解法[A];“力学2000”学术大会论文集[C];2000年

相关博士学位论文 前7条

1 郭松;面向稀疏矩阵运算的异构并行算法研究[D];国防科学技术大学;2015年

2 殷建;基于GPU的矩阵乘法优化研究[D];山东大学;2015年

3 游庆山;低秩模型重构的理论与应用[D];电子科技大学;2017年

4 阳王东;CPU+GPU异构平台上稀疏线性系统快速并行求解算法研究[D];湖南大学;2017年

5 杨晓波;稀疏信号的联合恢复与低秩稀疏恢复的理论及数值方法[D];湖南大学;2017年

6 穆帅;针对不规则应用的图形处理器资源调度关键技术研究[D];清华大学;2013年

7 马万治;无线通信抗干扰技术性能研究[D];电子科技大学;2012年

相关硕士学位论文 前10条

1 旷灵;利用稀疏矩阵的C-RAN网络负载预测和负载均衡[D];重庆邮电大学;2019年

2 谢佩珍;适合向量化的稀疏矩阵存储格式研究[D];国防科学技术大学;2016年

3 庞瑞;稀疏矩阵优化问题的算法研究及相关应用[D];南京航空航天大学;2018年

4 庄立;稀疏矩阵向量乘及自动调优[D];杭州电子科技大学;2011年

5 薛俊锋;稀疏矩阵的恢复[D];湖北大学;2011年

6 孙涛;基于稀疏矩阵并行算法的混合调度模型研究[D];哈尔滨工程大学;2017年

7 施浩;基于FPGA的稀疏矩阵向量乘的优化研究与实现[D];南京邮电大学;2011年

8 陆节涣;对称稀疏矩阵技术快速求解电力系统线性方程的应用与研究[D];南昌大学;2017年

9 冯新平;运用稀疏矩阵规则网格方法和预条件技术分析微带集成电路[D];南京理工大学;2005年

10 梁添;基于GPU的稀疏矩阵运算优化研究[D];华中科技大学;2012年

本文编号：2823286