基于流量感知的移动网络授权信息在线预测方法

摘要

在移动网络中,移动设备需要持续监听控制信道来保证接收到基站发送的调度授权信息,这在基站没有发送授权信息的情况下会导致大量的能量浪费,预测授权信息的发送规律可有效减少这种浪费.现有的授权信息预测方法在特定的流量场景下可实现较高的准确率,但仍难以应对动态变化的通信环境.为解决上述问题,提出了一种基于流量场景感知的在线调度授权信息预测方法:首先,对历史授权信息序列进行特征提取并对所提取的特征值进行聚类,以划分不同的流量场景;然后,对每一类场景单独构建并离线训练预测模型.在线预测阶段,系统根据流量场景的感知结果选择合适的模型进行预测.实验结果表明,与基准方法相比,所提方法在预测错误率方面最多可降低81.52%,且在仿真和真实流量轨迹上均可有效节省能耗.同时,所提流量场景感知方法能够大幅降低计算复杂度,从而更适合对流量场景的实时感知.

关键词

机器学习 / 时间序列预测 / 移动网络 / 聚类