基于SOM-K的LTE无线性能仿真研究

摘要

移动网络会产生海量的运营数据，这些数据可以反映出包括多种和不同的网络性能测量和网络指标。如何通过这些数据分析预测无线网络性能成为了研究的热点。随着人工智能和大数据技术的发展，对于海量数据的分析以及在其他领域的成功应用，为本次在电信领域有效地监测小区性能和无线网络资源分配管理和处理的研究提供了可能。本次研究主要目的是通过人工智能机器学习算法对海量无线侧的运营数据进行数据挖掘分析，形成适应于移动网络无线侧的人工智能聚类模型，实现对移动通信小区的网络性能预测，改善网络性能，从而减小运营商网络优化开支。在此背景下，分析了自组织映射(self-organizing mapping, SOM)和K-means算法的特点，提出了一种融合SOM和K-means的人工智能聚类算法，该方法用SOM算法训练输入数据，将每个节点的权值向量作为K-means算法的中心向量以进行二次聚合，从而更好地模拟移动网络性能。经实验表明和单独使用K-means方法相比，该方法聚类效果较佳，可以更好地表述移动网络性能。

关键词

数据挖掘 / 人工智能 / 无线接入网 / 自组织映射 / K均值聚类算法 / 性能预测 / SOM-K

基金资助

陕西国防工业职业技术学院校本项目(Gfy25-09);陕西国防工业职业技术学院项目(807/2112343)