小區(qū)極值吞吐量的估計方法
【技術領域】
[0001] 本發(fā)明涉及移動通信技術領域，具體的說，涉及一種小區(qū)極值吞吐量的估計方法?！颈尘凹夹g】
[0002] 隨著語音、數(shù)據(jù)、視頻等業(yè)務的傳輸需求越來越大，移動通信網(wǎng)絡中的吞吐量變得 越來越復雜，這也使得移動通信網(wǎng)絡逐漸從原來的單一業(yè)務類型轉變?yōu)槎嗝襟w業(yè)務類型。 在移動通信網(wǎng)絡規(guī)劃和建設中，網(wǎng)絡管理人員常常需要通過評估未來網(wǎng)絡的傳輸需求和即 將建設的網(wǎng)絡吞吐量承載能力來提前獲知吞吐量瓶頸，從而能夠進行更加高效的網(wǎng)絡建 設，節(jié)省建設成本。然而，由于多媒體分組數(shù)據(jù)業(yè)務移動通信網(wǎng)絡中小區(qū)極值吞吐量的難以 預測，網(wǎng)絡管理人員必須經(jīng)常修改網(wǎng)絡規(guī)劃方案來保證小區(qū)通信的服務質量（Qualityof Service，簡稱QoS)。
[0003]在大部分通信網(wǎng)絡建設中，評估無線接入網(wǎng)絡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質量指標約束條件下的最大傳輸量。當網(wǎng)絡的傳輸需 求超過極值吞吐量時，通信服務質量就會下降到難以接受的程度。因此，在通信網(wǎng)絡中，較 為準確的極值吞吐量估計方法是非常重要的，它能夠在滿足特定服務質量指標約束條件的 前提下，最大程度減小網(wǎng)絡建設成本。在單一業(yè)務蜂窩移動通信系統(tǒng)中，估計極值吞吐量相 對簡單；然而，在多媒體業(yè)務蜂窩移動通信系統(tǒng)中，由于不同業(yè)務使用不同的無線資源和服 務質量指標，極值吞吐量估計任務變得比較困難。一種健壯的小區(qū)極值吞吐量估計方法必 須保證通信系統(tǒng)中所有業(yè)務的服務質量。
[0004] 為了解決小區(qū)極值吞吐量估計問題，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（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際情況的簡化。然而，實際小區(qū) 的吞吐量取決于很多難以預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 雜情況都加以考慮時才能對極值吞吐量作出恰當?shù)墓烙?。為了處理這種復雜性，也有人通 過仿真的方法對小區(qū)極值吞吐量進行估計，然而，想要將所有復雜因素都一起考慮進去，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)絡的測量數(shù)據(jù)來提高極值吞吐量估計方法的準確性。這 種基于測量的方法的優(yōu)點在于它能夠得到各小區(qū)的吞吐量等數(shù)據(jù)，因而能夠比較準確地反 映小區(qū)的實際情況。因此，有人簡單地采用線性回歸模型估計小區(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和非線 性的因果關系，變量之間可能出現(xiàn)多重共線性，而通信網(wǎng)絡中的測量數(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)才能更加準確地用于估計小區(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小區(qū)極值吞吐 量的準確性。因此，如何準確地估計多媒體業(yè)務蜂窩移動通信系統(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)極值吞吐量的估計方法，以解決現(xiàn)有技術難以準 確估計小區(qū)的極值吞吐量的技術問題。
[0007] 本發(fā)明提供一種小區(qū)極值吞吐量的估計方法，包括：
[0008] 數(shù)據(jù)采集步驟：在預先設定的性能連續(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，并定義服務質量指標以標識各 種多媒體分組數(shù)據(jù)業(yè)務的質量類別；
[0009] 訓練步驟：以定義好的各服務質量指標作為目標屬性，利用數(shù)據(jù)樣本集訓練最小 二乘支持向量機回歸模型；
[0010] 預測步驟：根據(jù)各小區(qū)的性能測量數(shù)據(jù)，利用訓練好的最小二乘支持向量機回歸 模型，對各服務質量指標進行預測，獲得滿足最嚴格服務質量指標的吞吐量，作為各小區(qū)極 值吞吐量的估計值。
[0011] 進一步的是，所述數(shù)據(jù)采集步驟具體包括：
[0012] 選擇網(wǎng)絡配置參數(shù)和性能測量指標，作為小區(qū)極值吞吐量估計模型的輸入輸出參 數(shù)；
[0013] 設定性能連續(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設值的樣本數(shù)據(jù)，作為數(shù)據(jù)樣 本集；
[0015] 根據(jù)業(yè)務質量類別，定義服務質量指標以標識各種多媒體數(shù)據(jù)業(yè)務。
[0016] 優(yōu)選的是，所述時隙利用率的預設值為60%。
[0017] 進一步的是，所述訓練步驟具體包括：
[0018] 以服務質量指標作為目標屬性，以服務質量指標以外的其他參數(shù)作為輸入數(shù)據(jù)， 確定訓練樣本集；
[0019] 建立最小二乘支持向量機回歸模型；
[0020] 利用粒子群方法對最小二乘支持向量機回歸模型的正則化參數(shù)和核寬度參數(shù)進 行優(yōu)化求解，并將結果代回最小二乘支持向量機回歸模型；
[0021] 利用訓練樣本集，訓練最小二乘支持向量機回歸模型，得到最小二乘支持向量機 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回歸模型的正則化參數(shù)和核寬 度參數(shù)進行優(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] 進行迭代，并將迭代次數(shù)的值+1 ;
[0028] 對于每個粒子，訓練最小二乘支持向量機回歸模型，并利用均方差評估適應度函 數(shù)值；
[0029] 根據(jù)適應度函數(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)是否達到最大迭代次數(shù)，如果沒達到則重新進行迭代；
[0033] 如果迭代次數(shù)達到了最大迭代次數(shù)，則輸出當前的所有粒子走過的最優(yōu)路徑對應 的正則化參數(shù)和核寬度參數(shù)。
[0034] 進一步的是，所述預測步驟具體包括：
[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] 設置服務質量指標的預設范圍，即設置服務質量指標的軟邊界和硬邊界；
[0037] 從模型候選數(shù)據(jù)去除服務質量指標，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回歸模型中，得到服務質量指標的預測值；
[0039] 判斷預測值是否在預設范圍以內(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)極值吞吐量的估計值。
[0042] 其中，所述二倍縮放法具體包括：
[0043] 步驟1，設置初始縮放率r= 2, 〇^為最小二乘支持向量機回歸模型的輸入吞吐 量；
[0044] 步驟2,判斷各個服務質量指標的預測值是否滿足預設條件，所述預設條件為，各 個服務質量指標的預測值都不超過硬邊界，且至少一個服務質量指標的預測值達到軟邊 界；如果滿足，則進行步驟10,否則進行步驟3;
[0045] 步驟3,判斷是否有服務質量指標的預測值超過硬邊界；如果沒有則進行步驟4， 如果有則進行步驟5;
[0046] 步驟4,循環(huán)執(zhí)行(：_=C^Xr并更新各個服務質量指標的預測值，直至任一服務 質量指標的預測值達到軟邊界，然后進行步驟6;
[0047] 步驟5,循環(huán)執(zhí)行(：_=C 并更新各個服務質量指標的預測值，直至各個服務 質量指標的預測值都不超過硬邊界，然后進行步驟7;
[0048]步驟 6,設置Cleft=Cmid/r，Cright=Cmid，并進行步驟 8;
[0049]步驟 7,設置Cleft=Cmid，Cright=CmidXr，并進行步驟 8;
[0050] 步驟8,執(zhí)行(Cleft+C"ght) /2,并更新各個服務質量指標的預測值，然后判斷 各個服務質量指標的預測值是否滿足預設條件；如果滿足，則進行步驟10,否則進行步驟 9 ；
[0051] 步驟9,判斷是否有服務質量指標的預測值超過硬邊界；如果有則設置C"ght = ，如果沒有則設置Clrft=C_，然后返回步驟8 ;