小區(qū)極值吞吐量的估計(jì)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及移動通信技術(shù)領(lǐng)域，具體的說，涉及一種小區(qū)極值吞吐量的估計(jì)方法?！颈尘凹夹g(shù)】
[0002] 隨著語音、數(shù)據(jù)、視頻等業(yè)務(wù)的傳輸需求越來越大，移動通信網(wǎng)絡(luò)中的吞吐量變得 越來越復(fù)雜，這也使得移動通信網(wǎng)絡(luò)逐漸從原來的單一業(yè)務(wù)類型轉(zhuǎn)變?yōu)槎嗝襟w業(yè)務(wù)類型。 在移動通信網(wǎng)絡(luò)規(guī)劃和建設(shè)中，網(wǎng)絡(luò)管理人員常常需要通過評估未來網(wǎng)絡(luò)的傳輸需求和即 將建設(shè)的網(wǎng)絡(luò)吞吐量承載能力來提前獲知吞吐量瓶頸，從而能夠進(jìn)行更加高效的網(wǎng)絡(luò)建 設(shè)，節(jié)省建設(shè)成本。然而，由于多媒體分組數(shù)據(jù)業(yè)務(wù)移動通信網(wǎng)絡(luò)中小區(qū)極值吞吐量的難以 預(yù)測，網(wǎng)絡(luò)管理人員必須經(jīng)常修改網(wǎng)絡(luò)規(guī)劃方案來保證小區(qū)通信的服務(wù)質(zhì)量（Qualityof Service，簡稱QoS)。
[0003]在大部分通信網(wǎng)絡(luò)建設(shè)中，評估無線接入網(wǎng)絡(luò)的極值吞吐量往往是工作的第一 步，極值吞吐量是指在滿足特定服務(wù)質(zhì)量指標(biāo)約束條件下的最大傳輸量。當(dāng)網(wǎng)絡(luò)的傳輸需 求超過極值吞吐量時，通信服務(wù)質(zhì)量就會下降到難以接受的程度。因此，在通信網(wǎng)絡(luò)中，較 為準(zhǔn)確的極值吞吐量估計(jì)方法是非常重要的，它能夠在滿足特定服務(wù)質(zhì)量指標(biāo)約束條件的 前提下，最大程度減小網(wǎng)絡(luò)建設(shè)成本。在單一業(yè)務(wù)蜂窩移動通信系統(tǒng)中，估計(jì)極值吞吐量相 對簡單；然而，在多媒體業(yè)務(wù)蜂窩移動通信系統(tǒng)中，由于不同業(yè)務(wù)使用不同的無線資源和服 務(wù)質(zhì)量指標(biāo)，極值吞吐量估計(jì)任務(wù)變得比較困難。一種健壯的小區(qū)極值吞吐量估計(jì)方法必 須保證通信系統(tǒng)中所有業(yè)務(wù)的服務(wù)質(zhì)量。
[0004] 為了解決小區(qū)極值吞吐量估計(jì)問題，有人提出一些理論方法用于全球移動通訊系 統(tǒng)（GlobalSystemofMobilecommunication，簡稱GSM)、通用移動通信系統(tǒng)（Universal MobileTelecommunicationsSystem，簡稱UMTS)、長期演進(jìn)（LongTermEvolution，簡稱 LTE)等不同的無線接入網(wǎng)中，這些理論方法依賴于對某些實(shí)際情況的簡化。然而，實(shí)際小區(qū) 的吞吐量取決于很多難以預(yù)測的因素并且隨時間和位置而變化，因此，只有對所有這些復(fù) 雜情況都加以考慮時才能對極值吞吐量作出恰當(dāng)?shù)墓烙?jì)。為了處理這種復(fù)雜性，也有人通 過仿真的方法對小區(qū)極值吞吐量進(jìn)行估計(jì)，然而，想要將所有復(fù)雜因素都一起考慮進(jìn)去，利 用仿真的方法也是難以做到的。
[0005] 取而代之地，有人使用網(wǎng)絡(luò)的測量數(shù)據(jù)來提高極值吞吐量估計(jì)方法的準(zhǔn)確性。這 種基于測量的方法的優(yōu)點(diǎn)在于它能夠得到各小區(qū)的吞吐量等數(shù)據(jù)，因而能夠比較準(zhǔn)確地反 映小區(qū)的實(shí)際情況。因此，有人簡單地采用線性回歸模型估計(jì)小區(qū)極值吞吐量。然而，這種 方法雖然比較簡單，但是存在不少問題。首先，這種方法忽略了變量之間的交互效應(yīng)和非線 性的因果關(guān)系，變量之間可能出現(xiàn)多重共線性，而通信網(wǎng)絡(luò)中的測量數(shù)據(jù)并不能保證滿足 這些條件；其次，只有在小區(qū)忙時采集的測量數(shù)據(jù)才能更加準(zhǔn)確地用于估計(jì)小區(qū)極值吞吐 量，為了保證采集的數(shù)據(jù)處于小區(qū)忙時，只能以減少樣本數(shù)量作為折衷，此時往往就變成了 一個小樣本問題。由于這些問題的存在，大大降低了采用線性回歸模型估計(jì)小區(qū)極值吞吐 量的準(zhǔn)確性。因此，如何準(zhǔn)確地估計(jì)多媒體業(yè)務(wù)蜂窩移動通信系統(tǒng)中單小區(qū)的極值吞吐量， 就成為了亟待解決的問題。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種小區(qū)極值吞吐量的估計(jì)方法，以解決現(xiàn)有技術(shù)難以準(zhǔn) 確估計(jì)小區(qū)的極值吞吐量的技術(shù)問題。
[0007] 本發(fā)明提供一種小區(qū)極值吞吐量的估計(jì)方法，包括：
[0008] 數(shù)據(jù)采集步驟：在預(yù)先設(shè)定的性能連續(xù)測量時間內(nèi)，以一定的采樣時間間隔，從各 小區(qū)采集網(wǎng)絡(luò)配置參數(shù)和性能測量數(shù)據(jù)，獲得數(shù)據(jù)樣本集，并定義服務(wù)質(zhì)量指標(biāo)以標(biāo)識各 種多媒體分組數(shù)據(jù)業(yè)務(wù)的質(zhì)量類別；
[0009] 訓(xùn)練步驟：以定義好的各服務(wù)質(zhì)量指標(biāo)作為目標(biāo)屬性，利用數(shù)據(jù)樣本集訓(xùn)練最小 二乘支持向量機(jī)回歸模型；
[0010] 預(yù)測步驟：根據(jù)各小區(qū)的性能測量數(shù)據(jù)，利用訓(xùn)練好的最小二乘支持向量機(jī)回歸 模型，對各服務(wù)質(zhì)量指標(biāo)進(jìn)行預(yù)測，獲得滿足最嚴(yán)格服務(wù)質(zhì)量指標(biāo)的吞吐量，作為各小區(qū)極 值吞吐量的估計(jì)值。
[0011] 進(jìn)一步的是，所述數(shù)據(jù)采集步驟具體包括：
[0012] 選擇網(wǎng)絡(luò)配置參數(shù)和性能測量指標(biāo)，作為小區(qū)極值吞吐量估計(jì)模型的輸入輸出參 數(shù)；
[0013] 設(shè)定性能連續(xù)測量時間，以小時作為采樣時間間隔，從各小區(qū)采集網(wǎng)絡(luò)配置參數(shù) 和性能測量數(shù)據(jù)，獲得初始數(shù)據(jù)樣本集；
[0014] 從所述初始數(shù)據(jù)樣本集中，選取時隙利用率大于預(yù)設(shè)值的樣本數(shù)據(jù)，作為數(shù)據(jù)樣 本集；
[0015] 根據(jù)業(yè)務(wù)質(zhì)量類別，定義服務(wù)質(zhì)量指標(biāo)以標(biāo)識各種多媒體數(shù)據(jù)業(yè)務(wù)。
[0016] 優(yōu)選的是，所述時隙利用率的預(yù)設(shè)值為60%。
[0017] 進(jìn)一步的是，所述訓(xùn)練步驟具體包括：
[0018] 以服務(wù)質(zhì)量指標(biāo)作為目標(biāo)屬性，以服務(wù)質(zhì)量指標(biāo)以外的其他參數(shù)作為輸入數(shù)據(jù)， 確定訓(xùn)練樣本集；
[0019] 建立最小二乘支持向量機(jī)回歸模型；
[0020] 利用粒子群方法對最小二乘支持向量機(jī)回歸模型的正則化參數(shù)和核寬度參數(shù)進(jìn) 行優(yōu)化求解，并將結(jié)果代回最小二乘支持向量機(jī)回歸模型；
[0021] 利用訓(xùn)練樣本集，訓(xùn)練最小二乘支持向量機(jī)回歸模型，得到最小二乘支持向量機(jī) 回歸模型的回歸函數(shù)。
[0022] 其中，所述利用粒子群方法對最小二乘支持向量機(jī)回歸模型的正則化參數(shù)和核寬 度參數(shù)進(jìn)行優(yōu)化求解，具體包括：
[0023] 將正則化參數(shù)和核寬度參數(shù)進(jìn)行歸一化；
[0024] 將正則化參數(shù)和核寬度映射成粒子群；
[0025] 定義適應(yīng)度函數(shù)，并初始化粒子的速度和位置，以及最大迭代次數(shù)、速度限制值、 粒子數(shù)量、加速常數(shù)、慣性權(quán)重、迭代次數(shù)；
[0026] 初始化每個粒子之如走過的所有最優(yōu)路徑的向量，和所有粒子走過的最優(yōu)路徑；
[0027] 進(jìn)行迭代，并將迭代次數(shù)的值+1 ;
[0028] 對于每個粒子，訓(xùn)練最小二乘支持向量機(jī)回歸模型，并利用均方差評估適應(yīng)度函 數(shù)值；
[0029] 根據(jù)適應(yīng)度函數(shù)值，更新粒子之前走過的所有最優(yōu)路徑的向量；
[0030] 更新粒子的速度和位置；
[0031] 更新所有粒子走過的最優(yōu)路徑；
[0032] 判斷迭代次數(shù)是否達(dá)到最大迭代次數(shù)，如果沒達(dá)到則重新進(jìn)行迭代；
[0033] 如果迭代次數(shù)達(dá)到了最大迭代次數(shù)，則輸出當(dāng)前的所有粒子走過的最優(yōu)路徑對應(yīng) 的正則化參數(shù)和核寬度參數(shù)。
[0034] 進(jìn)一步的是，所述預(yù)測步驟具體包括：
[0035] 對于每個小區(qū)，將性能連續(xù)測量時間內(nèi)采集到的網(wǎng)絡(luò)配置參數(shù)和性能測量數(shù)據(jù)取 平均值，作為模型候選數(shù)據(jù)；
[0036] 設(shè)置服務(wù)質(zhì)量指標(biāo)的預(yù)設(shè)范圍，即設(shè)置服務(wù)質(zhì)量指標(biāo)的軟邊界和硬邊界；
[0037] 從模型候選數(shù)據(jù)去除服務(wù)質(zhì)量指標(biāo)，并將剩余參數(shù)作為輸入數(shù)據(jù)；
[0038] 將輸入數(shù)據(jù)輸入最小二乘支持向量機(jī)回歸模型中，得到服務(wù)質(zhì)量指標(biāo)的預(yù)測值；
[0039] 判斷預(yù)測值是否在預(yù)設(shè)范圍以內(nèi)；
[0040] 如果不在，則使用二倍縮放法確定小區(qū)極值吞吐量的估計(jì)值；
[0041] 如果在，則將此時輸入的吞吐量作為小區(qū)極值吞吐量的估計(jì)值。
[0042] 其中，所述二倍縮放法具體包括：
[0043] 步驟1，設(shè)置初始縮放率r= 2, 〇^為最小二乘支持向量機(jī)回歸模型的輸入吞吐 量；
[0044] 步驟2,判斷各個服務(wù)質(zhì)量指標(biāo)的預(yù)測值是否滿足預(yù)設(shè)條件，所述預(yù)設(shè)條件為，各 個服務(wù)質(zhì)量指標(biāo)的預(yù)測值都不超過硬邊界，且至少一個服務(wù)質(zhì)量指標(biāo)的預(yù)測值達(dá)到軟邊 界；如果滿足，則進(jìn)行步驟10,否則進(jìn)行步驟3;
[0045] 步驟3,判斷是否有服務(wù)質(zhì)量指標(biāo)的預(yù)測值超過硬邊界；如果沒有則進(jìn)行步驟4， 如果有則進(jìn)行步驟5;
[0046] 步驟4,循環(huán)執(zhí)行(：_=C^Xr并更新各個服務(wù)質(zhì)量指標(biāo)的預(yù)測值，直至任一服務(wù) 質(zhì)量指標(biāo)的預(yù)測值達(dá)到軟邊界，然后進(jìn)行步驟6;
[0047] 步驟5,循環(huán)執(zhí)行(：_=C 并更新各個服務(wù)質(zhì)量指標(biāo)的預(yù)測值，直至各個服務(wù) 質(zhì)量指標(biāo)的預(yù)測值都不超過硬邊界，然后進(jìn)行步驟7;
[0048]步驟 6,設(shè)置Cleft=Cmid/r，Cright=Cmid，并進(jìn)行步驟 8;
[0049]步驟 7,設(shè)置Cleft=Cmid，Cright=CmidXr，并進(jìn)行步驟 8;
[0050] 步驟8,執(zhí)行(Cleft+C"ght) /2,并更新各個服務(wù)質(zhì)量指標(biāo)的預(yù)測值，然后判斷 各個服務(wù)質(zhì)量指標(biāo)的預(yù)測值是否滿足預(yù)設(shè)條件；如果滿足，則進(jìn)行步驟10,否則進(jìn)行步驟 9 ；
[0051] 步驟9,判斷是否有服務(wù)質(zhì)量指標(biāo)的預(yù)測值超過硬邊界；如果有則設(shè)置C"ght = ，如果沒有則設(shè)置Clrft=C_，然后返回步驟8 ;