异构网络中基于深度学习的流量预测和用户关联关键技术研究

发布时间：2024-01-24 08:28

　　随着移动终端数量和无线流量业务的不断增加,移动用户对无线业务流量的需求呈现爆炸式的增长。如何应对上述激增的无线业务流量和高质量的用户服务质量需求,是目前无线通信技术急需解决的关键问题。异构蜂窝网络通过在传统蜂窝网络中部署多种不同类型的基站,能够有效地提高传统蜂窝网络的覆盖范围和通信容量,成为通信领域研究的热点。然而,在异构蜂窝网络中,无线流量需求的时变性和用户位置分布的随机性等特点,导致无线流量预测和用户关联问题成为研究难点。为此,本文在兼顾用户服务质量的前提下,研究了异构网络中无线流量预测和用户关联技术,从而提高网络通信性能。本文的主要贡献包括以下两个方面:1.针对城市级无线业务流量数据的时间相关性,本文提出了一种基于密集连接门控循环网络的异构网络城市级无线业务流量预测方法。在较少预测开销的前提下,为了充分挖掘无线业务流量有效信息,利用滑动窗口机制获取流量预测数据。在此基础上,设计密集连接门控循环网络,借助于门控循环网络对输入流量数据长时记忆优势,通过捕捉无线业务流量数据时间相关性特点,进而提高无线流量预测精度。通过在米兰市多种无线业务真实数据集上进行性能测试,仿真结果表明,该方法能...

【文章页数】：60 页

【学位级别】：硕士

图3.1米兰城市小区划分及基站覆盖范围[54]

图3.2无线业务流量在时间尺度上的变化

图3.3GRU网络结构

图3.4Sigmoid函数不同于Sigmoid函数，双曲正切函数(图3.5所示)是把输入值映射到[1,1]上

本文编号：3883467