一种Femtocell网络中的负载预测方法

摘要：

在未来的5G移动通信系统中,Femtocell等小功率基站将承担起海量的数据通信业务.通过对Femtocell做出负载预测,进而完成小基站的休眠策略和对流量的管控等,但现有的研究中未出现此类探索方向.为了进一步实现移动通信系统的绿色通信和预知其对未来负载的发展态势,在Femtocell下提出了一种基于混沌特性和改进径向基函数(radial basis function,RBF)神经网络的预测方案.采用了C-C(Catmall-Clark)算法和G-P(Grassberger-Procaccia)算法计算时间序列的延迟时间和维度,根据最小数据量法求取Lyapunov指数,验证了Femtocell的负载变化存在混沌特性,并对Femtocell负载的时间序列进行相空间重构,采用了粒子群优化(particle swarm optimization,PSO)算法和改进的RBF进行优化、学习和预测.通过对比仿真实验的结果表明,该方案预测效果较好,可以应用到实际的预测工作中.

关键词：Femtocell、混沌特性、径向基函数、负载预测

所属期刊栏目：31

分类号：TN929.5

资助基金：国家科技重大专项2016ZX03002010-003;重庆市科学技术委员会基金KJ1500443,KJ1600436

在线出版日期：2019-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：382-389