-
公开(公告)号：CN108123828A
公开(公告)日：2018-06-05
申请号：CN201711262865.5
申请日：2017-12-04
Applicant: 东南大学
CPC classification number: H04L41/044 , H04L41/147 , H04W24/08 , H04W28/085 , H04W64/00
Abstract: 本发明提供了一种基于接入用户移动性预测的超密集网络资源分配方法，包括：数据预处理步骤；预测用户的接入基站；根据用户预测结果计数得到基站下一时刻接入的用户数；对相邻小区的频带自行按接入用户数的比例调节；对于接入同一小区的用户按现有的资源分配方法进行资源分配。基于本发明方法，在超密集异构网下，大站可以基于用户分布规律变化，根据预测计算得到小站在未来短时间内的资源需求，动态、合理地给小站分配资源，提高了系统的平均吞吐量、用户公平度、有效提高资源的利用率，同时减少资源浪费的现象。
-
公开(公告)号：CN108123828B
公开(公告)日：2020-12-29
申请号：CN201711262865.5
申请日：2017-12-04
Applicant: 东南大学
Abstract: 本发明提供了一种基于接入用户移动性预测的超密集网络资源分配方法，包括：数据预处理步骤；预测用户的接入基站；根据用户预测结果计数得到基站下一时刻接入的用户数；对相邻小区的频带自行按接入用户数的比例调节；对于接入同一小区的用户按现有的资源分配方法进行资源分配。基于本发明方法，在超密集异构网下，大站可以基于用户分布规律变化，根据预测计算得到小站在未来短时间内的资源需求，动态、合理地给小站分配资源，提高了系统的平均吞吐量、用户公平度、有效提高资源的利用率，同时减少资源浪费的现象。
-
公开(公告)号：CN107509202B
公开(公告)日：2020-05-08
申请号：CN201710555320.7
申请日：2017-07-10
Applicant: 东南大学
IPC: H04W16/10 , H04L12/911
Abstract: 本发明提出了一种基于接入用户数变化预测的超密集网络资源分配方法，首先通过半监督分类识别典型“潮汐”模式；然后预测基站接入用户数的变化，将随机森林特征的袋外误差作为衡量特征重要性的指标对输入的特征进行排序筛选，得到的特征进行支持向量机回归预测；最后按比例动态调节小站的资源，实现小站之间的资源迁移。本发明基于半监督分类为支持向量机回归SVR(Support Vector Regression)的预测提供了人数变化的历史规律信息，同时得益于随机森林的特征选择，在不降低准确性的情况下降低了SVR预测的计算复杂度。本发明根据预测的用户数，实现动态调整基站资源，提高用户公平度以及平均吞吐量。
-
公开(公告)号：CN107509202A
公开(公告)日：2017-12-22
申请号：CN201710555320.7
申请日：2017-07-10
Applicant: 东南大学
IPC: H04W16/10 , H04L12/911
Abstract: 本发明提出了一种基于接入用户数变化预测的超密集网络资源分配方法，首先通过半监督分类识别典型“潮汐”模式；然后预测基站接入用户数的变化，将随机森林特征的袋外误差作为衡量特征重要性的指标对输入的特征进行排序筛选，得到的特征进行支持向量机回归预测；最后按比例动态调节小站的资源，实现小站之间的资源迁移。本发明基于半监督分类为支持向量机回归SVR(Support Vector Regression)的预测提供了人数变化的历史规律信息，同时得益于随机森林的特征选择，在不降低准确性的情况下降低了SVR预测的计算复杂度。本发明根据预测的用户数，实现动态调整基站资源，提高用户公平度以及平均吞吐量。
-
-
-
Search Results
4
records
(took 0.011 seconds)
