-
公开(公告)号：CN108900980B
公开(公告)日：2020-01-10
申请号：CN201811110521.7
申请日：2018-09-21
Applicant: 北京邮电大学
Abstract: 本发明提供了一种在异构网络中基于移动性预测的资源分配优化方法，属于通信技术领域。本方法包括：对用户的历史移动轨迹进行聚类，将聚类结果作为用户的主要位置，获取用户在各主要位置上对网络资源需求情况；将用户的历史移动轨迹建模为二阶HMM模型，将整个预测区域依据主要位置划分为对应的移动状态，将主要位置作为隐状态的取值，显状态为时间，利用二阶HMM预测模型对用户的下一位置进行预测；根据预测的位置，结合用户在该位置的网络资源需求，安排目标基站为用户设备进行按需分配。本发明在异构通信网络中，引入移动性预测技术来优化资源分配过程，保证用户的持续性通信服务，更好地提高了用户服务体验，改善了网络资源利用率。
-
公开(公告)号：CN108834079A
公开(公告)日：2018-11-16
申请号：CN201811109563.9
申请日：2018-09-21
Applicant: 北京邮电大学
Abstract: 本发明提供了一种在异构网络中基于移动性预测的负载均衡优化方法，属于通信技术领域。本发明方法研究比较用户此前状态对未来位置预测的影响，选择最佳的决策树输入属性特征，建立决策树模型，来对用户下一时刻的位置做出预测，然后采用时间序列分析方法预测当用户到来时基站的负载状态，最后提前制定资源分配策略，优化网络的负载均衡。本发明提高了移动性预测准确率，不必监控临近区域每一个潜在用户对本基站可能的影响，降低了网络的负担，改善了热点地区的网络性能，提高了用户服务体验。
-
公开(公告)号：CN108900980A
公开(公告)日：2018-11-27
申请号：CN201811110521.7
申请日：2018-09-21
Applicant: 北京邮电大学
Abstract: 本发明提供了一种在异构网络中基于移动性预测的资源分配优化方法，属于通信技术领域。本方法包括：对用户的历史移动轨迹进行聚类，将聚类结果作为用户的主要位置，获取用户在各主要位置上对网络资源需求情况；将用户的历史移动轨迹建模为二阶HMM模型，将整个预测区域依据主要位置划分为对应的移动状态，将主要位置作为隐状态的取值，显状态为时间，利用二阶HMM预测模型对用户的下一位置进行预测；根据预测的位置，结合用户在该位置的网络资源需求，安排目标基站为用户设备进行按需分配。本发明在异构通信网络中，引入移动性预测技术来优化资源分配过程，保证用户的持续性通信服务，更好地提高了用户服务体验，改善了网络资源利用率。
-
公开(公告)号：CN108834079B
公开(公告)日：2020-05-01
申请号：CN201811109563.9
申请日：2018-09-21
Applicant: 北京邮电大学
Abstract: 本发明提供了一种在异构网络中基于移动性预测的负载均衡优化方法，属于通信技术领域。本发明方法研究比较用户此前状态对未来位置预测的影响，选择最佳的决策树输入属性特征，建立决策树模型，来对用户下一时刻的位置做出预测，然后采用时间序列分析方法预测当用户到来时基站的负载状态，最后提前制定资源分配策略，优化网络的负载均衡。本发明提高了移动性预测准确率，不必监控临近区域每一个潜在用户对本基站可能的影响，降低了网络的负担，改善了热点地区的网络性能，提高了用户服务体验。
-
-
-
Search Results
4
records
(took 0.014 seconds)
