基于業(yè)務(wù)流量預(yù)測的蜂窩網(wǎng)基站和中繼站聯(lián)合休眠調(diào)度方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及無線通信技術(shù)領(lǐng)域，具體設(shè)及一種基于業(yè)務(wù)流量預(yù)測的蜂窩網(wǎng)基站和 中繼站聯(lián)合休眠調(diào)度方法。
【背景技術(shù)】
[0002] 近幾年來，移動終端和移動網(wǎng)絡(luò)的應(yīng)用越來越廣泛，無線蜂窩網(wǎng)中的業(yè)務(wù)流量呈 現(xiàn)爆炸式的指數(shù)增長，使用現(xiàn)有一些網(wǎng)絡(luò)拓?fù)浼夹g(shù)來滿足日益增長的網(wǎng)絡(luò)業(yè)務(wù)流量需求， 如:增加基站的部署、在傳統(tǒng)的蜂窩網(wǎng)中部署中繼站。運些網(wǎng)絡(luò)拓?fù)浞绞侥軌驍U大網(wǎng)絡(luò)的覆 蓋范圍、提高網(wǎng)絡(luò)的吞吐量、不至于使某區(qū)域出現(xiàn)覆蓋空桐。然而，越來越多的基站和中繼 站部署增加了蜂窩網(wǎng)的能量消耗，研究表明，通信系統(tǒng)中基站所消耗的能量約占系統(tǒng)總能 耗的60%-80%，因此，綠色通信成為無線蜂窩網(wǎng)的研究課題之一。
[0003] 在實際當(dāng)中，無線蜂窩網(wǎng)基站部署是依據(jù)峰值業(yè)務(wù)流量的需求而定的，然而，用戶 的移動特性和潮軟效應(yīng)使得業(yè)務(wù)流量負(fù)載具有時空變化特性。因此，為了確保在低負(fù)載時 較少的資源浪費，需要對基站和中繼站進行休眠調(diào)度，但是又要保證用戶的服務(wù)質(zhì)量，因此 有必要研究在保證系統(tǒng)頻譜效率的同時最大化網(wǎng)絡(luò)的能量效率，減少能量消耗，從而實現(xiàn) 資源的彈性利用。
[0004] 基站休眠調(diào)度策略作為有效的網(wǎng)絡(luò)節(jié)能技術(shù)方式之一，是近年來無線通信領(lǐng)域的 研究熱點，已經(jīng)有大量文獻(xiàn)表明基站的休眠調(diào)度對蜂窩網(wǎng)絡(luò)節(jié)能的可行性。然而，蜂窩網(wǎng)基 站和中繼站聯(lián)合休眠調(diào)度問題還很少有人研究，并且沒有關(guān)注業(yè)務(wù)流量突發(fā)性對基站和中 繼站休眠調(diào)度的影響。已有研究中，蜂窩網(wǎng)絡(luò)模型的建立和仿真通常假設(shè)終端用戶是均勻 分布的，但是實際當(dāng)中，終端用戶在時間和空間上的分布是不均勻的。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是針對現(xiàn)有技術(shù)的不足，而提供一種基于業(yè)務(wù)流量預(yù)測的蜂窩網(wǎng)基 站和中繼站聯(lián)合休眠調(diào)度方法。運種方法可W有效地確定蜂窩中繼網(wǎng)絡(luò)基站和中繼站的非 周期性休眠機制及喚醒機制，可保證休眠調(diào)度的實時性，達(dá)到頻譜效率和能量效率的動態(tài) 平衡。
[0006] 實現(xiàn)本發(fā)明目的的技術(shù)方案是：
[0007] -種基于業(yè)務(wù)流量預(yù)測的蜂窩網(wǎng)基站和中繼站聯(lián)合休眠調(diào)度方法，包括如下步 驟：
[000引1)獲取蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)，建立支持向量機學(xué)習(xí)預(yù)測模型；
[0009] 2)依據(jù)支持向量機學(xué)習(xí)預(yù)測模型預(yù)測蜂窩網(wǎng)基站和中繼站站點覆蓋范圍內(nèi)未來 時間和空間上的業(yè)務(wù)流量數(shù)據(jù)，得到第m時刻蜂窩網(wǎng)基站和中繼站站點覆蓋范圍內(nèi)業(yè)務(wù)流 量的預(yù)測值為Pm;
[0010] 3)比較Pm和蜂窩網(wǎng)基站和中繼站站點覆蓋范圍內(nèi)的業(yè)務(wù)流量的闊值;^的大小，確 定蜂窩網(wǎng)基站和中繼站是否進入休眠狀態(tài):如果第m時刻的蜂窩網(wǎng)基站和中繼站站點覆蓋 范圍內(nèi)業(yè)務(wù)流量預(yù)測值Pm小于闊值，即A <之時，蜂窩網(wǎng)基站和中繼站站點進入休眠狀態(tài)， 否則繼續(xù)保持活躍狀態(tài);對于進入休眠的蜂窩網(wǎng)基站和中繼站站點，如果則蜂窩網(wǎng) 基站和中繼站站點被喚醒;其中，O <萬<1。
[0011] 所述的建立支持向量機學(xué)習(xí)預(yù)測模型包括：
[0012] (1)對蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)歸一化處理，通過式子
把所有蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)歸一化到[0，1]區(qū)間，得到支持向量機學(xué)習(xí) 預(yù)測模型的輸入數(shù)據(jù);其中，Xi為第i個蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)，Xmin, Xmax分 別為蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)中的最小值和最大值，X為歸一化之后的支持 向量機學(xué)習(xí)預(yù)測模型的輸入數(shù)據(jù)；
[0013] (2)根據(jù)步驟(1)的輸入數(shù)據(jù)，確定核函數(shù)、確定損失函數(shù)e W及支持向量機參數(shù)懲 罰
[0014] 因子C，進而求解支持向量機優(yōu)化問題；
[0015] (3)結(jié)合步驟(1)和(2)得出未來時間蜂窩網(wǎng)基站和中繼站站點覆蓋范圍內(nèi)的業(yè)務(wù) 流量預(yù)測值。
[0016] 判斷蜂窩網(wǎng)基站和中繼站休眠時長的方法，包括W下步驟：
[0017] ①得到蜂窩網(wǎng)基站和中繼站站點活動/休眠的狀態(tài)矩陣A，其中矩陣A的行表示預(yù) 測值的時刻，用t表示;列表示空間位置，即每個蜂窩網(wǎng)基站和中繼站站點的覆蓋范圍；
[001引②蜂窩網(wǎng)基站和中繼站站點休眠時間為A t = ti-tj，ti，t康示:如果ti時刻蜂窩網(wǎng) 基站和中繼站站點狀態(tài)為休眠，則是該蜂窩網(wǎng)基站和中繼站站點第一次轉(zhuǎn)化為活躍的時 亥IJ，依次可W計算出每一次狀態(tài)轉(zhuǎn)換的時間間隔，即為蜂窩網(wǎng)基站和中繼站站點的休眠時 長。
[0019] 在運里，通過對網(wǎng)絡(luò)業(yè)務(wù)流量在時間和空間上的可預(yù)測性實現(xiàn)蜂窩網(wǎng)基站和中繼 站的聯(lián)合休眠調(diào)度策略，并通過支持向量機學(xué)習(xí)預(yù)測模型建模使得預(yù)測結(jié)果具有較高的預(yù) 測精度和較強的泛化能力，從而達(dá)到系統(tǒng)頻譜效率和能量效率的動態(tài)平衡，并且很好地體 現(xiàn)網(wǎng)絡(luò)業(yè)務(wù)流量的突發(fā)性W及有效地提高休眠調(diào)度的實時性。
[0020] 運種方法有效地確定了蜂窩網(wǎng)絡(luò)基站和中繼站的非周期性休眠機制及喚醒機制， 保證了休眠調(diào)度的實時性，達(dá)到了頻譜效率和能量效率的動態(tài)平衡。
【附圖說明】
[0021 ]圖1為實施例的方法流程示意框圖；
[0022] 圖2為實施例中建立支持向量機學(xué)習(xí)預(yù)測模型的方法流程示意框圖；
[0023] 圖3為實施例中蜂窩網(wǎng)基站和中繼站站點分布示意圖。
【具體實施方式】
[0024] 下面結(jié)合附圖和實施例對本發(fā)明的內(nèi)容作進一步的闡述，但不是對本發(fā)明的限 定。
[00巧]實施例；
[0026] 參照圖1，一種基于業(yè)務(wù)流量預(yù)測的蜂窩網(wǎng)基站和中繼站聯(lián)合休眠調(diào)度方法，包括 如下步驟：
[0027] 1)獲取蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)，建立支持向量機學(xué)習(xí)預(yù)測模型；
[0028] 2)依據(jù)支持向量機學(xué)習(xí)預(yù)測模型預(yù)測蜂窩網(wǎng)基站和中繼站站點覆蓋范圍內(nèi)未來 時間和空間上的業(yè)務(wù)流量數(shù)據(jù)，得到第m時刻蜂窩網(wǎng)基站和中繼站站點覆蓋范圍內(nèi)業(yè)務(wù)流 量的預(yù)測值為Pm;
[0029] 3)比較Pm和蜂窩網(wǎng)基站和中繼站站點覆蓋范圍內(nèi)的業(yè)務(wù)流量的闊值之的大小，確 定蜂窩網(wǎng)基站和中繼站是否進入休眠狀態(tài):如果第m時刻的蜂窩網(wǎng)基站和中繼站站點覆蓋 范圍內(nèi)業(yè)務(wù)流量預(yù)測值Pm小于闊值，即A,<之時，蜂窩網(wǎng)基站和中繼站站點進入休眠狀態(tài)， 否則繼續(xù)保持活躍狀態(tài);對于進入休眠的蜂窩網(wǎng)基站和中繼站站點，如果A, >之，則蜂窩網(wǎng) 基站和中繼站站點被喚醒;其中，〇<之去1。
[0030] 參照圖2,所述的建立支持向量機學(xué)習(xí)預(yù)測模型包括：
[0031] (1)對蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)歸一化處理，通過式子
把所有蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)歸一化到[0，1]區(qū)間，得到支持向量機學(xué)習(xí) 預(yù)測模型的輸入數(shù)據(jù);其中，Xi為第i個蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)，Xmin, Xmax分 別為蜂窩網(wǎng)基站和中繼站歷史業(yè)務(wù)流量數(shù)據(jù)中的最小值和最大值，X為歸一化之后的支持 向量機學(xué)習(xí)預(yù)測模型的輸入數(shù)據(jù)；
[0032] (2)根據(jù)步驟(1)的輸入數(shù)據(jù)，確定核函數(shù)、確定損失函數(shù)e W及支持向量機參數(shù)懲 罰因子C，進而求解支持向量機優(yōu)化問題；
[0033] (3)結(jié)合步驟(1)和(2)得出未來時間蜂窩網(wǎng)基站和中繼站站點覆蓋范圍內(nèi)的業(yè)