專利名稱：一種基于空時壓縮感知的蜂窩網(wǎng)絡流量預測方法
技術領域：
本發(fā)明涉及通信技術領域，尤其涉及一種基于空時壓縮感知的蜂窩網(wǎng)絡流量預測方法。
背景技術：
近年來,全球變暖已經(jīng)成為各國政府的一個極為重要的議題。目前，信息與通信產(chǎn)業(yè)(ICT產(chǎn)業(yè))消耗全球3%_4%的電能，而且由于用戶數(shù)的急劇攀升以及網(wǎng)絡規(guī)模的逐漸擴大，ICT產(chǎn)業(yè)正逐步成為未來能量消耗的有力貢獻者，其能耗比例在現(xiàn)有能源使用模式下正在以每十年翻一番的速度增長。ICT產(chǎn)業(yè)對生態(tài)環(huán)境不斷增加的潛在影響和破壞力使得提高通信系統(tǒng)的能量效率勢在必行。
此外，除了減少ICT產(chǎn)業(yè)對生態(tài)環(huán)境的影響以外，通信系統(tǒng)的綠色節(jié)能還有其經(jīng)濟上的動力和必要性。提高通信系統(tǒng)的能量效率有利于運營商增加利潤收成。在各種網(wǎng)絡運營成本中，電能損耗成本占據(jù)了極大的一部分，改善能量利用等于間接增加運營商的利潤。
作為ICT產(chǎn)業(yè)鏈的一個重要組成部分，蜂窩網(wǎng)絡的能量消耗占據(jù)了整個ICT產(chǎn)業(yè)的極大一部分。典型的蜂窩網(wǎng)絡基本上都是基于滿足峰值期用戶容量需求的原則而設計。 然而，蜂窩網(wǎng)絡用戶峰值時刻很少出現(xiàn)，由于用戶的行為模式具有白天-夜晚差異性以及用戶在辦公區(qū)與住宅區(qū)之間的規(guī)律往返活動，蜂窩網(wǎng)絡的負載流量在不同時刻不同地點波動較大，呈現(xiàn)出明顯的時空差異性特征。網(wǎng)絡負載的這種時空差異性特征正好與蜂窩網(wǎng)絡的最大化容量的設計準則背道而馳。這樣一來，當網(wǎng)絡中的負載流量較低時(例如，白天住宅區(qū)的負載流量或者晚上辦公區(qū)的負載流量)，大量蜂窩基站雖然沒有用戶接入?yún)s維持工作狀態(tài)，以維持峰值流量，從而造成整個網(wǎng)絡能量的極大浪費。如果能夠讓蜂窩網(wǎng)絡根據(jù)網(wǎng)絡流量的變化動態(tài)調整各個基站的工作狀態(tài)，使得在網(wǎng)絡負載較低時關閉部分不必要的基站，將大大的減少網(wǎng)絡能量的浪費，改善網(wǎng)絡能量的利用效率。而這其中最關鍵的部分就是對整個網(wǎng)絡的負載流量的精確分析和預測，它是基站合理調節(jié)自身工作狀態(tài)的前提條件和依據(jù)。
在蜂窩網(wǎng)絡中，網(wǎng)絡流量一般通過流量矩陣來描述它記錄了不同小區(qū)在不同時刻的流量數(shù)據(jù)，該矩陣的行代表不同時隙，列則表示不同的蜂窩小區(qū)，該矩陣每一行元素反映了各個小區(qū)流量在不同時刻的波動趨勢。這種矩陣形式表示的網(wǎng)絡流量數(shù)據(jù)具有十分廣泛的應用，例如，網(wǎng)絡推測，網(wǎng)絡容量規(guī)劃，節(jié)點異常檢測診斷等等。
在現(xiàn)實環(huán)境中，通常不可能實現(xiàn)對數(shù)據(jù)的直接地、完整地、準確地、不間斷地的觀測采樣。因此，通過流量矩陣記錄網(wǎng)絡流量數(shù)據(jù)是總是會出現(xiàn)數(shù)據(jù)的缺失和不完全現(xiàn)象，而應用這類流量數(shù)據(jù)的一個重大挑戰(zhàn)便是精確重構和預測缺失的流量數(shù)據(jù)信息。由于許多需要利用網(wǎng)絡流量數(shù)據(jù)的應用常常要求精確的數(shù)據(jù)或者對數(shù)據(jù)缺失比較敏感，所以根據(jù)部分間接觀測值準確恢復缺失的原始數(shù)據(jù)十分重要。
壓縮感知(Compressive Sensing)是一種利用現(xiàn)實數(shù)據(jù)的特殊結構性特征或冗余信息處理和精確重構缺失數(shù)據(jù)的通用性方法。它是近幾年來的一項新興信號處理技術，其核心思想是將數(shù)據(jù)采樣和壓縮合并進行，首先采集信號的非自適應線性投影(測量值)，然后根據(jù)相應的重構算法由測量值復原信號。近年來，壓縮感知在各個領域都受到了普遍關注與廣泛研究，已經(jīng)產(chǎn)生了許多利用數(shù)據(jù)稀疏性特征和低秩信息的啟發(fā)式算法。同時，壓縮感知的理論證明，原始數(shù)據(jù)信號必須滿足以下技術條件信號的稀疏性，觀測基(觀測矩陣) 與變換基(變換矩陣)的非相關性。
盡管在壓縮感知領域已經(jīng)取得了不少成果，但現(xiàn)有的壓縮感知算法應用在實際數(shù)據(jù)上，恢復其缺失數(shù)據(jù)時往往性能很差，尤其當數(shù)據(jù)的丟失率較高，且數(shù)據(jù)缺失呈現(xiàn)出某些結構性特征時。主要原因是實際數(shù)據(jù)信號往往不符合使現(xiàn)有的壓縮感知算法性能最優(yōu)的數(shù)學約束條件。這些最優(yōu)化約束條件包括1)矩陣元素服從高斯或近似高斯分布；2)矩陣具有嚴格低秩 特征；3)不同矩陣元素的缺失完全獨立；4)矩陣的觀測值約束滿足一定的技術條件，例如各向同性性質。不幸的是，這些約束條件對實際流量矩陣一般都不適用，實時流量矩陣元素常常呈現(xiàn)出高度非正態(tài)特性，即最大元素和最小元素之間相差幾個數(shù)量級。此外，實時流量矩陣只能滿足近似的低秩特點，數(shù)據(jù)也具有高度的結構性，最后，實時流量矩陣的觀測值約束也不一定滿足提出的技術條件。
綜上所述，以往的網(wǎng)絡流量預測存在較大的差錯率，并且對于有數(shù)據(jù)丟失的流量矩陣難以從訓練數(shù)據(jù)中得到精確的預測流量值，因此，研究通過以矩陣形式表示的實時蜂窩網(wǎng)絡流量數(shù)據(jù)的精確重構恢復來實現(xiàn)基于空時壓縮感知的蜂窩網(wǎng)絡流量的預測十分必要。這樣，我們才能進一步對各個蜂窩小區(qū)流量進行相關分析預測，并依據(jù)預測結果調整蜂窩小區(qū)基站的工作狀態(tài)，提高蜂窩網(wǎng)絡整體能量利用效率。發(fā)明內容
本發(fā)明的目的是針對現(xiàn)有技術的不足，提供一種基于空時壓縮感知的蜂窩網(wǎng)流量預測方法，以精確地恢復未知流量值的大小，使基站可以在目前時刻對未來工作時段的流量進行預測，以合理調節(jié)基站的工作狀態(tài)來保證提供滿足質量的通信服務的同時降低基站能耗。
本發(fā)明的目的是通過以下技術方案來實現(xiàn)的一種基于空時壓縮感知的蜂窩網(wǎng)絡流量預測方法，它包括以下步驟
(I)從蜂窩網(wǎng)的核心層采樣基站流量變化的觀測數(shù)據(jù)，構成流量矩陣，包括以下子步驟；
(1.1)記錄網(wǎng)絡中M個觀測基站在一段連續(xù)時間段π內的流量值，該值為非負的連續(xù)實數(shù)；
(1. 2)取At為時隙長度，將步驟1.1中提到的時間段π劃分成N個不同的時隙， 將每個基站在每個時隙內的流量值求和取平均作為在該基站在該時隙內的流量值大小，記為訓練數(shù)據(jù)V (i,j)，表示第i個基站在第j個時隙內的網(wǎng)絡流量值的觀測值；
(1.3)將步驟1.2中得到的觀測值X' (i，j)組成一個流量訓練矩陣X'如下
權利要求
1.一種基于空時壓縮感知的蜂窩網(wǎng)絡流量預測方法，其特征在于，它包括以下步驟 (1)從蜂窩網(wǎng)的核心層采樣基站流量變化的觀測數(shù)據(jù)，構成流量矩陣，包括以下子步驟； (I. I)記錄網(wǎng)絡中M個觀測基站在一段連續(xù)時間段π內的流量值，該值為非負的連續(xù)實數(shù)； (I. 2)取At為時隙長度，將步驟I. I中提到的時間段π劃分成N個不同的時隙，將每個基站在每個時隙內的流量值求和取平均作為在該基站在該時隙內的流量值大小，記為訓練數(shù)據(jù)V (i, j)，表示第i個基站在第j個時隙內的網(wǎng)絡流量值的觀測值； (1.3)將步驟1.2中得到的觀測值X' (i，j)組成一個流量訓練矩陣X'如下X (U) Xt(Il)…Jt(IN) --··I Χ'(ΜΛ) X (Μ.2}…Χ,(Μ、Ν) _L 」， 記為=…,1(1，#)]，表示第i個基站在不同訓練時隙內的流量值向量；矩陣每一列所組成的向量，記為>；(/)=[八1,/)，汽2,./>";^_,/)]\表示第」_個訓練時隙內不同基站的流量均值快照； (I. 4)將步驟I. I中提到的時間段Ti后連續(xù)的時間段= 內(共η個時隙，η為自然數(shù))的網(wǎng)絡流量值作為待預測的對象，將預測流量值置O插入到步驟I. 3中提到的流量訓練矩陣Γ中，構成包含訓練數(shù)據(jù)與待觀測數(shù)據(jù)的流量矩陣X，如下Γ-￥(12) — Α·(].Λ<·) O O" * I ··* * TPI·9 ** /% * · * *[Ζ(Μ 1) -V (Λ/, 2)…I (Μ, N) O O _ H 流量矩陣構造完成，矩陣每一行所組成的向量，記為尤={X(iAlX(i,2)--,X(i,N)}，表示第i個基站在不同時隙內(包含訓練時隙與待預測時隙)的流量值向量；矩陣每一列所組成的向量，記為？,，表示第j個時隙內不同基站的流量均值快照； (2)根據(jù)步驟I中的流量矩陣構造具有約束等距性特征(RestrictedIsometryProperty, RIP)的流量觀測矩陣Φ :設原始矩陣為X，觀測矩陣為Φ，當原始矩陣與觀測矩陣之間滿足下列條件關系時，觀測矩陣Φ具有約束等距性 (I-#)_擎; 其中，s是一個任意無限小的正實數(shù)； (3)根據(jù)步驟I中的訓練流量數(shù)據(jù)，確定步驟I中提到的流量矩陣X中存在的空間分布特征以及時間變化特征，并因此為基礎構造空間約束矩陣與時間約束矩陣，該步驟包括以下子步驟； (3. I)應用線性回歸求得矩陣中行向量Λ;,之間的相關性，構建空間約束矩陣； (3. I. I)對i = ΓΜ，依次用其他j Φ i行的行向量；線性擬合歹,，如下j*t _ * Wi, j即為表示兩者空間變化相關性的系數(shù)；(3. I. 2)然后按以下方式將Wi, j賦值到空間約束矩陣S中 9 因此，S是一個MXM的矩陣，空間約束矩陣構造完畢； (3. 2)應用線性回歸求得矩陣中行向量之間的相關性，構建空間約束矩陣 (3. 2. I)首先，對j = fN+η，依次用其他k Φ j列的列向量線性擬合 ,》如下
全文摘要
本發(fā)明公開一種基于空時壓縮感知的蜂窩網(wǎng)絡流量預測方法，該方法基于空時壓縮感知的蜂窩網(wǎng)絡流量預測方法首先從蜂窩網(wǎng)絡的核心網(wǎng)絡層提取基站流量構造二維流量矩陣，將待估計的流量值設置為0，得到要處理的蜂窩網(wǎng)絡流量矩陣；其次，根據(jù)流量矩陣構造具有約束等距性特征的流量觀測矩陣；再次，根據(jù)流量的日夜規(guī)律性以及基站的空間分布、屬性特性構造空間和時間約束矩陣，利用基于系數(shù)正則化矩陣分解的控釋壓縮感知方法對流量矩陣進行精確重構，得到矩陣中以0代替的流量值的真實值的估計數(shù)據(jù)，從而實現(xiàn)網(wǎng)絡流量預測目的。該方法充分利用了蜂窩網(wǎng)絡流量的冗余性以及蜂窩網(wǎng)絡流量矩陣的低秩特性，大大提高了蜂窩網(wǎng)絡流量的預測精度。
文檔編號G06Q10/04GK102982386SQ20121032967
公開日2013年3月20日 申請日期2012年9月7日 優(yōu)先權日2012年9月7日
發(fā)明者文倩, 張宏綱, 趙志峰 申請人:浙江大學