本文研究了基于季节性偏差和频谱重新分配的认知蜂窝网络中基于多信道宽度的流量模式预测。 与基于时间序列或经典统计方法的现有方法相比,本文提出的二进制指数偏差偏移预测着重于在指数偏差期间每个采样点的增量或减量。 然后,在下一个预测过程中,将在不同级别上对偏差进行修订。 所提出的方法已得到来自WiFi网络和仿真实验的一些实际最终用户数据的验证。 基于这种精确的预测,我们根据不同的服务质量(QoS)将具有不同带宽的信道分配给最终用户,这既增加了系统的利润,又提高了实际频谱利用率。 引入多维有界背包问题来划分通道,在通道上提出的值密度和请求概率策略之间的平衡可得到近似解。 仿真实验结果表明,该算法不仅在基站利用率,频谱利用率方面都有良好的表现,尤其是在资源匮乏的情况下。
2021-12-09 09:22:09
896KB
研究论文
1