一种新颖的呼叫允许控制策略使用移动预测和节流机制支持QoS在无线蜂窝网络gydF4y2Ba

文摘gydF4y2Ba

呼叫允许的决定成为一个重要的工作由于无线蜂窝网络的无线频谱稀缺。如果存在足够的信息呼叫允许控制(CAC)计划,服务质量(QoS)的条款,如调用概率下降(CDP),呼叫阻塞概率(CBP),和系统利用率,将保持在一个可接受的水平。因此,预测系统,最能预测信息,如系统利用率和CDP,提前和一种新的数据挖掘技术提出了一个分布式CAC方案。根据预测结果和相邻细胞的带宽消耗,拟议的CAC方案能够决定承认一个新的电话。节流标志可以表明当前单元格的使用提出了防止新承认调用请求被阻塞在相邻细胞如果需要切换。仿真结果表明,提出的CAC方案可以维护CDP下面一个预定义的阈值,和集群CBP也低于预测和传统的保护渠道政策。gydF4y2Ba

1。介绍gydF4y2Ba

随着移动通信的发展,类型的多媒体服务已经从语音服务(gydF4y2Ba1gydF4y2Ba,gydF4y2Ba2gydF4y2Ba]。作为一个需要大量的带宽无线蜂窝网络的多媒体服务,最重要的问题是支持用户的QoS。虽然有快速发展在无线蜂窝通信、QoS保证仍是最具挑战性的问题之一(gydF4y2Ba3gydF4y2Ba,gydF4y2Ba4gydF4y2Ba]。提供QoS保证的关键要素之一是一个有效的CAC策略,它不仅要确保网络满足QoS新到达的电话,还的QoS保证现有电话不会退化。因为增加的移动速度和无线电频谱有限,很难分配带宽适合手机之前切换到适当的细胞带宽预订和CAC政策。变量用户移动性使得它更复杂的预测合适的传递细胞。之前的研究(gydF4y2Ba5gydF4y2Ba- - - - - -gydF4y2Ba8gydF4y2Ba)显示在无线蜂窝网络和流动的影响提供了一个配置无线蜂窝网络的建模方法研究流动的动力。gydF4y2Ba

然而,美国海关与边境保护局的同时,应同时也提到了QoS被认为是一个有效的CAC政策。有很多研究,如(gydF4y2Ba4gydF4y2Ba,gydF4y2Ba9gydF4y2Ba,gydF4y2Ba10gydF4y2Ba)关注QoS保证的问题。此外,有效的用户移动性和资源管理也提到在gydF4y2Ba11gydF4y2Ba]。无线带宽的提高总是被视为一个动态的信道(代码)分配问题(gydF4y2Ba12gydF4y2Ba]。虽然有一些方案提出了带宽预订减少CDP,如(gydF4y2Ba13gydF4y2Ba),很少文献开发保证QoS和CBP同时满足低。除此之外,过去的研究上面提到的关注个人流动预测,而且他们可能带来的质量负荷集中在MSC(移动交换中心)。gydF4y2Ba

根据(gydF4y2Ba11gydF4y2Ba),最后的信息是一个预测的用户的数量在一个特定的细胞,导致使用一个全局的方法,只有观察变化的系统利用率和用户的流。(提出的方案有许多优点gydF4y2Ba11gydF4y2Ba]:它不需要任何控制消息和额外的负载MSC,细胞生成自己的数据独立于他人,是敏感的地理限制和用户的共同习惯。此外,聚合的概念,历史也已经应用于获取移动的用户配置文件(gydF4y2Ba14gydF4y2Ba),这样一个概要文件用户移动开发框架评估服务模式和跟踪移动用户的信息,包括位置的描述,移动性和服务需求。gydF4y2Ba

因此,基于细胞的方法和聚合历史的概念,一个代理,由预测模块和一个给定单元的CAC算法在我们的初步研究[gydF4y2Ba15gydF4y2Ba),和初步研究修订,扩展,更准确地验证。提出代理可以执行预测和CAC适用于每一个细胞,以避免极端计算集中在MSC,和全球统计数据可以通过固定聚集高速链接在一个周期的时间。基于时间序列预测的预测模块可以提供适当的信息的CAC算法决定入学。比较传统的数据挖掘过程的时间序列预测方案,提出的预测方法能显著降低计算开销和存储需求。此外,节流机制可以进一步减少CDP相结合,和额外的相邻细胞间的信息交换也可以减少交换节流旗帜。此外,拟议的CAC方案能满足预定义的网络QoS与拟议中的调节机制,实现一个可接受的CBP。gydF4y2Ba

2。相关的工作gydF4y2Ba

无线蜂窝网络不能总是满足各种多媒体服务的QoS要求手机由于资源限制。因此,很难承认最适当的调用请求到系统时避免不必要的调用的阻塞和切换信道利用率最大化。一个合适的预测机制可以帮助CAC方案为呼叫允许作出更好的决定。因此,CAC的集成和预测将减少CDP有效满足QoS要求。gydF4y2Ba

2.1。时间序列预测gydF4y2Ba

统计和人工方法通常适用于大部分的时间序列预测技术。的一个典型的统计模型,基于统计的概念和原则是Box-Jenkins预测模型gydF4y2Ba16gydF4y2Ba]。尽管广泛的时间序列行为可以通过这样的模型建模,他们不能当有噪声的时间序列模型,如不准确或不完整的数据。gydF4y2Ba

在[gydF4y2Ba17gydF4y2Ba,gydF4y2Ba18gydF4y2Ba),神经网络是一个著名的人工智能技术一直声称能够获得更好的预测与统计模型。无论如何,(gydF4y2Ba19gydF4y2Ba)表明,神经网络存在一些缺点,比如很难模拟系统架构,支出太多的训练时间,知识表示和缺乏设施。此外,(gydF4y2Ba20.gydF4y2Ba)应用数据挖掘的概念进行时间序列预测。自适应关联规则和模式匹配技术都采用(gydF4y2Ba20.gydF4y2Ba)我的重复模式,可以应用于理解底层系统利用率,利用时间序列。尽管这个模型可以执行终身适应和强化学习连续预测,缺点是要求需要密集的计算能力和巨大的存储。gydF4y2Ba

在这篇文章中,我们致力于开发一种预测方法,有能力适应动态的无线蜂窝网络,提供预测值不断是否定期出口模式,调整模式的信心水平终身预测过程,计算能力和存储要求较少。执行预测的基础提出的预测方法都是时间序列预测子模块和补偿预测子模块。gydF4y2Ba

2.2。CAC概述gydF4y2Ba

在一般情况下,切换调用被分配高优先级的新电话,所以有很多研究给切换呼叫优惠待遇,如(gydF4y2Ba5gydF4y2Ba]。许多不同的进气控制策略已经在文献中讨论在不放弃优先切换请求新的连接请求。这些策略分为两类:切换队列(总部)gydF4y2Ba21gydF4y2Ba),和保护通道(GC) (gydF4y2Ba22gydF4y2Ba)计划。gydF4y2Ba

然而,CAC方案也可以分为集中式呼叫允许的那些决定MSC和分布式的决定在本地呼叫允许在单个细胞,和之前的大部分研究[gydF4y2Ba13gydF4y2Ba,gydF4y2Ba23gydF4y2Ba,gydF4y2Ba24gydF4y2Ba),是基于不同的理论和关注的发展集中的CAC方案。然而,会有太多的交通负荷从每个细胞集中呼叫允许请求MSC, MSC不能妥善处理每个呼叫允许请求瞬间。gydF4y2Ba

而不是使用集中的CAC方案、分布式的CAC方案被提出来gydF4y2Ba25gydF4y2Ba- - - - - -gydF4y2Ba27gydF4y2Ba]。在[gydF4y2Ba26gydF4y2Ba),CDP和CBP的估计信息应用于呼叫允许的决定。调用本地录取决定,和相邻细胞之间的交换相关信息资源预订和呼叫允许。然而,过多的相关信息交换相邻细胞之间会造成沉重的负荷,影响呼叫允许的效率。基于本地信息,Zhang et al。gydF4y2Ba27gydF4y2Ba)申请两个历史数据的预测机制和时间序列预测的CAC方案noncollaborative方式。不幸的是,管理费用,是由预测CAC决定的适当信息仍然存在。一个聚类预测方案,用户移动预测是基于数据挖掘的概念提出了在gydF4y2Ba25gydF4y2Ba),但相关信息从邻近的细胞仍然需要参加移动预测和计算加载和存储更多的数据挖掘过程也是必需的。gydF4y2Ba

为保留适当数量的资源,Heikkonen et al。gydF4y2Ba17gydF4y2Ba)提出了一个分析模型来估计资源需求切换调用,和Agrawal et al。gydF4y2Ba28gydF4y2Ba)提出了一种基于动态资源分配方案的最大预期估计资源需求需要切换调用。然而,上述提议的方案不是有效的资源分配或耗费时间估算实际分配资源。gydF4y2Ba

因此,CAC方案,结合时间序列预测提供有效电话招生的启发式评估聚合流动在切换调用需要提出。gydF4y2Ba

3所示。方法gydF4y2Ba

对于一个给定的细胞,两种预测信息必须提供无线蜂窝网络的呼叫允许控制方案。根据两种类型的预测,提出了CAC可以决定承认新打电话或不是为了防止调用下降在未来。因为个人的描述时间序列的每一个细胞,代理将执行预测的概念,为给定的细胞和呼叫允许控制任务提出了简化实现。gydF4y2Ba

3.1。设计概念的提出了预测方法gydF4y2Ba

该预测模型的流程流,如图gydF4y2Ba1gydF4y2Ba,由四子。该模块是一个代理的一部分构建每个单元和执行提供预测信息CAC算法。预测系统获取环境信息的定期MSC,或每个单元的基站控制器提供其信息预测系统。时间序列数据是存储在每个单元的存储和交换通过MSC,如果必要的。该模型还可以执行其他资源预测以同样的方式。gydF4y2Ba

3.1.1。为时间序列数据分析子模块gydF4y2Ba

分析子模块负责对时间序列数据进行数据预处理和数据挖掘。数据预处理的目的是将时间序列数据转换成梯度的代码定义的应用程序可用的预测和特征系统存储。需要更多的存储空间,如果梯度代码是定义在一个小范围。数据挖掘是生成链代码模式,和学习结果存储到数据库中,将用于预测任务。时间序列数据是用链码格式表示跟踪的速度时间序列的变化。时间序列的变化速度是通过计算每个两个时间点之间的区别。梯度定义代码通过使用不同划分一个预定义的基础,可以决定预测灵敏度和系统存储。恢复预测代码,提醒部门记录作为补偿值。转移到渐变代码的区别的目的是让两个时间点的具体区别是模糊值代表两个时间点之间的不同程度。流程流生成渐变代码如图gydF4y2Ba2gydF4y2Ba。时间序列数据的函数表示gydF4y2Ba,在那里gydF4y2Ba是当前时间。之间的区别gydF4y2Ba和gydF4y2Ba被表示为gydF4y2Ba被定义为,补偿价值gydF4y2Ba是10,预定义的基地。除此之外,该部门应该修改保持积极的提醒。gydF4y2Ba

第二阶段的分析子模块进行数据挖掘的周期性检测模式和其他相关信息。数据挖掘的过程是基于以下方程迭代模式。gydF4y2Ba

函数中设置(gydF4y2Ba1gydF4y2Ba)决定是否存在重复的模式。如果存在一个重复的模式长度gydF4y2Ba代表模式窗口的大小gydF4y2Ba两个梯度向量之间的差异必须所有零距离gydF4y2Ba,在那里gydF4y2Ba是延迟(gydF4y2Ba),gydF4y2Ba是第一点的时间在前面的模式。模式与不同管理模式长度和延迟之间的距离在不同的列表。周期性的发生时间模式和补偿值的平均值将被记录在数据库中。gydF4y2Ba

3.1.2。子模块进行时间序列预测gydF4y2Ba

数据挖掘后,预测子模块将利用周期模式来预测未来可能的时间序列数据。如果一段重复的时间序列模式匹配的输入,它可能发生以下部分特定的重复模式的重演的可能性。然而,不仅会有一种模式与数据库中相同的前缀,和一些可能的结果,是基于提供的统计模式将出现预测子模块。最高的预测结果的概率由数量决定这些模式将被采纳。因为预测价值只是一个梯度代码,最终的输出应调整的平均薪酬价值和解码。gydF4y2Ba

图gydF4y2Ba3gydF4y2Ba说明了预测任务执行的过程。有四个周期模式记录在数据库中。项数记录每个周期的事件模式,而这些模式出现之前不止一次的时间gydF4y2BatgydF4y2Ba。为了恢复梯度预测代码时间序列数据准确,平均薪酬价值补偿列表中的记录。gydF4y2Ba

3.1.3。子模块补偿预测gydF4y2Ba

提供更准确的预测信息,补偿预测是基于下列方程进行预测产生不同的预报值提供选择子模块选择最合适的一个:gydF4y2Ba

(gydF4y2Ba2gydF4y2Ba),补偿预测是关心实际的时间序列数据gydF4y2Ba在当前时间gydF4y2Ba和之前的预测结果gydF4y2Ba在时间gydF4y2Ba。的参数gydF4y2Ba用于决定价值的重量gydF4y2Ba,gydF4y2Ba平均差异是实际值的距离gydF4y2Ba预测价值gydF4y2Ba和被定义为(gydF4y2Ba3gydF4y2Ba)。如果一个更大的gydF4y2Ba选择就意味着之前的预测效果比最后的实际价值。方程(gydF4y2Ba5gydF4y2Ba)来自(gydF4y2Ba2gydF4y2Ba)与一个固定的常数gydF4y2Ba表明,早期的价值少影响预测结果:gydF4y2Ba

此外,补偿方法可能更长期动态通过调整值的过程。gydF4y2Ba

3.1.4。预测子模块选择gydF4y2Ba

该子模块负责确定最终的预测结果之间的时间序列预测和补偿预测然后更新模式列表的自信水平被认为是一个指标来决定是否一个模式列表应该保存在数据库中。保持一个精确的预测,预测值与实际值之间的距离时应计算实际值已收到。预测的选择,每个预测值,gydF4y2Ba等等,也记录下来。因为连续参与新输入的时间序列数据,该方法能够动态地提醒的信心水平随着时间的推移模式列表。因此,较低的模式列表的信心水平将逐渐被忽视。gydF4y2Ba

更新的过程模式列表如图gydF4y2Ba4gydF4y2Ba。在时间gydF4y2Ba,实际的时间序列数据gydF4y2Ba这是与前模式gydF4y2Ba接收和转换成吗gydF4y2Ba通过预处理过程。如果实际的价值gydF4y2Ba是gydF4y2Ba6,现有模式的计数值列表将会增加,和相应的自信水平将提高在未来的预测。新模式将被添加到模式列表gydF4y2Ba不是一个期望值,比如8。多次发生这种模式后,延迟的子模块会检查和记录的模式是另一个可参考的模式时间序列预测。gydF4y2Ba

有两种定义的阈值,距离阈值和计算阈值,控制时间序列预测的准确性。如果预报值和实际值之间的差异大于距离阈值,预测小姐将被视为一个预测时间序列预测将被视为错误当连续预测的数量超过计数阈值。gydF4y2Ba

动态预测选择子模块采用一个补偿预测或预测结果的时间序列预测。子模块的补偿预测,补偿算法生成一些结果与不同的系数,gydF4y2Ba,最好的预测结果将根据选择的平均距离。如果没有任何周期模式发现或时间序列预测的准确性太低,那么最好的预测价值生成的补偿预测将被视为输出。否则,将时间序列的预测结果模式选择和发送,和预测过程也同时提出了预测系统完成。gydF4y2Ba

减少消耗的计算能力和存储需求,一些技术应用于实现。记录可能的模式列表长度是保存在数据库中。模式长度有较高的发生概率将成为执行模式检测的窗口大小的早些时候,它会避免检测算法对于每一个长度模式运行。所有的系统平均值计算(gydF4y2Ba6gydF4y2Ba),而不是(gydF4y2Ba7gydF4y2Ba):gydF4y2Ba 在哪里gydF4y2Ba是平均的gydF4y2BangydF4y2Ba值的数量gydF4y2Ba最后一个值在数据流。方程(gydF4y2Ba7gydF4y2Ba)需要的所有记录gydF4y2Ba值在数据库;相反,(gydF4y2Ba6gydF4y2Ba)降低了存储需求和更少的计算是必要的。gydF4y2Ba

3.2。拟议的CAC方案gydF4y2Ba

承认新的调用请求比承认更复杂的切换呼叫请求,因为它会影响CDP深深。因此,拟议的CAC方案,时间序列预测呼叫允许控制(TSPCAC),采用时间序列预测的结果之一的标准承认新的调用请求。另一个标准是带宽消耗的六个相邻细胞,因为它将涉及切换成功概率为新承认如果需要切换调用请求。除此之外,下面的维持CDP的概念一个预定义的阈值,可由用户需求决定的,也是结合提出了CAC,拟议的CAC方案的细节见算法gydF4y2Ba1gydF4y2Ba。gydF4y2Ba

拟议的CAC可以妥善处理两个交通类;带宽是多媒体,需要四个单位之一,另一个是正常的数据或声音,需要一个单位的带宽。所需的带宽可以根据实际需求调整流量。首先,根据当前系统利用率和系统容量,剩余的带宽可以计算出每一个细胞。切换呼叫请求将承认如果剩余的带宽足够的需求传递调用请求。gydF4y2Ba

的预测信息系统利用率和CDP下次提供的提出了建议的CAC方案预测模块来处理一个新的调用请求。油门概念参与决定是否承认一个新的调用请求或者不是为了避免新的调用请求被阻塞在邻近的细胞。当没有足够的带宽分配给一个新的调用请求在当前时间gydF4y2Bathrottling_flagigydF4y2Ba对当前单元格gydF4y2Ba将1来表示,没有更多的带宽。除此之外,它还提醒六个相邻细胞节流阀的新呼叫请求在未来阻止切换调用下降。出于同样的原因,gydF4y2Bathrottling_flagi jgydF4y2Ba的油门旗帜六相邻细胞的当前单元格gydF4y2Ba也检查承认一个新的调用请求在当前单元格当存在足够的带宽。基于节流旗帜,决定拒绝新的称之为将取决于,部分,或一个节流的旗帜,gydF4y2Bathrottling_flagi jgydF4y2Ba已设置为1。如果其中一个节流阀旗帜gydF4y2Bathrottling_flagi jgydF4y2Ba设置为1时,新的调用请求将被拒绝的提议的CAC方案。因为CDP的QoS因素被认为是最重要的问题的CAC方案,提出一个新的调用请求将被拒绝如果有任何下降可能性发生发生切换时呼吁新承认的电话。根据个人传递历史,新的呼叫可能会适当地承认,即使一个或多个节流旗帜gydF4y2Bathrottling_flagi jgydF4y2Ba设置为1。然而,手机的个体传递历史并不是由于本文采用大型存储维护个人所需传递的历史。gydF4y2Ba

一个预定义的阈值gydF4y2BathresholdCDPgydF4y2Ba这可以根据实际需求设置被视为标准承认一个新的调用请求保持CDP低于一定水平。新电话将承认当未来的剩余带宽超过四单位和未来的CDP将以下gydF4y2BathresholdCDPgydF4y2Ba。剩余的带宽的原因在未来应该超过四个单位是保证切换调用请求多媒体交通在未来可以被承认。gydF4y2Ba

4所示。绩效评估gydF4y2Ba

系统利用率和CDP都是手机的聚合历史对于一个给定的细胞,他们将预测的预测模块提供的呼叫允许信息CAC模块。模拟将会有两个评价任务,他们的绩效评估提出了CAC没有节流机制应用和节流的评估机制提出了CAC方案,分别。gydF4y2Ba

4.1。评估提议的CACgydF4y2Ba

CDP和CBP QoS的术语都是评估拟议的CAC方案,适用于系统利用率和CDP的预测结果。下的模拟执行一个给定的细胞都有自己的时间序列数据在系统利用率和CDP,和其他假设描述如下。gydF4y2Ba(我)gydF4y2Ba有20个带宽单位对于一个给定的细胞。gydF4y2Ba(2)gydF4y2Ba交通的到来,由新呼叫和切换呼叫请求遵循泊松过程率1。gydF4y2Ba(3)gydF4y2Ba服务时间是指数分布和平均时间是6时间单位。gydF4y2Ba(iv)gydF4y2Ba切换呼叫的发生可能性和新电话是0.5和0.5,分别。gydF4y2Ba(v)gydF4y2Ba有两个交通类;一个是多媒体调用请求,需要4带宽单位,另一个是正常的声音或数据调用请求带宽,只需要1单位。gydF4y2Ba(vi)gydF4y2Ba预定义的CDP阈值gydF4y2BathresholdCDPgydF4y2Ba是0.3。gydF4y2Ba

为了评估性能,类似的预案(gydF4y2Ba25gydF4y2Ba],采用数据挖掘和时间序列技术称为聚类预测方案选择的目标相比,和目标聚类预测方案相比gydF4y2Ba25gydF4y2Ba),没有预料到的计划承认调用请求立即如果有足够的带宽,拟议的CAC方案,警卫渠道政策,保留一个带宽单位事先和保安政策,保护区四个带宽单位提前,分别。gydF4y2Ba

对于一个简单的情况下,图gydF4y2Ba5gydF4y2Ba说明警卫渠道政策4带宽单位保存维护CDP最低。相反,图gydF4y2Ba6gydF4y2Ba表明,警卫渠道政策4带宽单位保存CBP最高。尽管集群预案维护CDP低于保护通道计划和不可预测的,它不能让下面的CDP预定义的gydF4y2BathresholdCDPgydF4y2Ba。相反,拟议的CAC方案保持了下面的CDP预定义的gydF4y2BathresholdCDPgydF4y2Ba(0.3)自00:09时提供正确的预测结果,和相应的海关与边境保护局几乎是一样的出乎意料的计划。尽管卫兵渠道政策与一个带宽单位保存有时能保持下面的CDP预定义的gydF4y2BathresholdCDPgydF4y2Ba,cdp成为高于gydF4y2BathresholdCDPgydF4y2Ba当系统利用负载较重的情况下,如时间00:13和00:17。因此,拟议的CAC与预测结果能够保持下面的cdp预定义的阈值,同时保持低cbp简单的案例。gydF4y2Ba

占领的时间序列数据情况下,该系统利用时间00:09以来增加了5%,这将导致增加在cdp和cbd系统利用率接近满载。图gydF4y2Ba7gydF4y2Ba表明,只有两个提议的CAC方案和渠道政策有四个警卫带宽单位保存可以维护预定义的阈值下的cdp无论系统利用率,但相应的海关与边境保护局比较,如图gydF4y2Ba8gydF4y2Ba显示,国开行的通道和四个通道保存是当系统利用率接近100%负载较重的情况下,保存和保护通道带宽单位也同样的现象,比如在时间00:13和00:17。尽管集群预案保持较低的CDP,它不能让下面的CDP预定义的gydF4y2BathresholdCDPgydF4y2Ba(0.3)。拟议的CAC方案总是保持预定义的阈值下的cdp无论系统利用率,和相应的海关与边境保护局也低于警卫渠道政策。职业情况下的仿真结果,如图gydF4y2Ba7gydF4y2Ba和gydF4y2Ba8gydF4y2Ba拟议的CAC方案,表现出优良的性能在高系统利用率。gydF4y2Ba

4.2。节流阀的评估机制gydF4y2Ba

评估而言,有两个模拟场景没有节流机制应用的方案,该方案比较申请该节流阀节流机制机制。该方案没有节流机制应用相同的结果在一个给定的模拟细胞与前面的小节,与节流机制应用该方案对整个服务区域包括执行gydF4y2Ba细胞。简化模拟,一共历史数据的CDP和每个单元的系统利用率是相同的。其他相关的输入参数也一样前面的小节。gydF4y2Ba

节流阀的评估机制在简单的情况下,图gydF4y2Ba9gydF4y2Ba进一步表明,CDP可以提高约10%通过与节流机制应用该方案,和造成的负面影响,美国海关与边境保护局节流机制约增长了6%,如图gydF4y2Ba10gydF4y2Ba。因为该节流机制可以有效地减少CDP CBP用更少的负面影响,它适用于适用于CAC方案。此外,拟议的CAC方案与预测结果能够保持下面的CDP预定义的阈值并保持低CBP简单的情况下同时无论如何节流机制是否应用。gydF4y2Ba

根据仿真结果,如图gydF4y2Ba11gydF4y2Ba占领的情况下,节气门的CDP改进机制也接近10%,而造成的负面影响,美国海关与边境保护局节流机制是一样的简单的例子中只有大约增长了6%,如图gydF4y2Ba12gydF4y2Ba。简单地说,拟议的CAC方案总是保持下面的CDP预定义的阈值,不管什么节流机制是否应用和系统利用率。此外,相应的海关与边境保护局也低于警卫渠道政策。gydF4y2Ba

4.3。讨论gydF4y2Ba

根据仿真结果,说明数据gydF4y2Ba5gydF4y2Ba来gydF4y2Ba12gydF4y2Ba,拟议的CAC方案不仅能满足预定义的QoS要求维护CDP低于一个预定义的阈值,也使CBP尽可能低,即使负载较重的情况下,系统利用率。因此,拟议的CAC方案可以执行,无论系统利用率是什么。特别是,仿真结果表明,该方案与节流机制应用并进行了在整个服务区域可以有出色的表演同时CDP和CBP。gydF4y2Ba

尽管集群预案也可以保持较低的CDP一样的提议,它不能实现预定义的gydF4y2BathresholdCDPgydF4y2Ba。此外,开销,如时间复杂度和信息交换,是由集群也是高于该预测方案。概要,该方案优于集群预测方案的性能和开销。gydF4y2Ba

5。结论gydF4y2Ba

一个代理,由预测模块和CAC算法提出了每一个细胞。根据仿真结果,提出了CAC算法应用的预测结果预测模块可以实现更好的性能在CDP和CBP。预测模块可以使用一个可伸缩的时间尺度,如分钟,小时,天,周,和时间序列,在各种领域的应用。避免新的调用请求被阻塞在相邻细胞如果需要切换,油门机制,提出,结合提出的CAC方案参与决定是否承认一个新的调用请求。CAC算法的仿真结果也表明,该CAC方案能够满足QoS的预定义的CDP,退化和CBP小于集群预测和传统的保护通道的政策。gydF4y2Ba

承认gydF4y2Ba

本文的部分支持由国家科学委员会下的台湾格兰特nsc97 - 2221 - e - 412 - 001。gydF4y2Ba

引用gydF4y2Ba

1. w·m·p·乔杜里和美国Onoe 3 gpp提议imt - 2000”gydF4y2BaIEEE通讯杂志gydF4y2Ba,37卷,不。12日,第81 - 72页,1999年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
2. 大肠Dahlman, . . b . Gudmundson m·尼尔森和j . Skold教授“UMTS / imt - 2000基于宽带CDMA,”gydF4y2BaIEEE通讯杂志gydF4y2Ba,36卷,不。9日,第80 - 70页,1998年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
3. 美国Marwaha、j . Indulska和m . Portmann“挑战和最新进展在无线网状网络QoS供应,”gydF4y2BaIEEE学报》第八届国际会议上计算机和信息技术(CIT 08年)gydF4y2Ba2008年7月,页618 - 623。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
4. 时候伸出和p·桑蒂,“WiQoSM:一个集成QoS-aware移动和无线数据网络,用户行为模型”gydF4y2BaIEEE移动计算gydF4y2Ba,7卷,不。2、187 - 198年,2008页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
5. j . m . s . h . Kim y . j . Kim月亮,和m . y .云,“基于历史适应性在移动IP网络QoS供应,”gydF4y2Ba《IEEE全球电信会议(GLOBECOM ' 03)gydF4y2Ba》第六卷,第3487 - 3483页,2003年12月。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
6. s t梁和w·h·盛模具移动模型移动无线网络,”gydF4y2Ba学报第一无线网络国际会议(WICON ' 05)gydF4y2Ba2005年7月,页79 - 84。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
7. b . l .马克和z r·扎伊迪“移动估计基于自回归模型的无线网络,”gydF4y2Ba《IEEE全球电信会议(GLOBECOM ' 04)gydF4y2Ba》第六卷,第3409 - 3405页,2004年12月。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
8. j . Sauvola J.-Z。太阳,“流动性和流动性管理:概念框架,”gydF4y2Ba学报第十届IEEE国际网络会议(图标' 02)gydF4y2Ba,第210 - 205页,2002年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
9. a . Gurijala和c·莫利纳”定义和监控在下一代无线网络QOS指标,”gydF4y2Ba学报IEE电信服务质量:成功的业务gydF4y2Ba,37-42,2004页。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
10. m . Sanabani s Shamala m·奥斯曼,z Zukarnain,“基于呼叫允许控制的自适应资源分配方案和流动性预测无线蜂窝网络,多媒体服务的”gydF4y2Ba计算机和通信工程国际会议(ICCCE ' 08)gydF4y2Ba,页698 - 701,吉隆坡,马来西亚,2008年5月。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
11. k .大官和l . Perato”回归预测:用户的方法对细胞的方法,”gydF4y2Ba学报第4移动和无线通讯网络国际研讨会gydF4y2Ba,9 - 11,2002页。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
12. b . j . y . s . y . c . Kim Kim Lee和d·李,“动态渠道预订基于无线ATM网络中流动,”gydF4y2BaIEEE通讯杂志gydF4y2Ba,37卷,不。11日,47-51,1999页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
13. 英国导演今村昌平和j .日本田岛”灵活的信道分配策略在移动通信系统中,“gydF4y2BaIEEE车辆技术gydF4y2Ba,37卷,不。2、92 - 103年,1988页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
14. i . f . Akyildiz和w·王”,预测用户移动性无线多媒体网络框架,“gydF4y2BaIEEE / ACM交易网络gydF4y2Ba,12卷,不。6,1021 - 1035年,2004页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
15. d·f·l·t·李,c . f . Wu道,和刘刘贤美,“基于单元的呼叫允许控制策略与时间序列预测和调节机制在无线蜂窝网络,支持QoS”gydF4y2Ba学报IEEE通信和信息技术国际研讨会(ISCIT 06年)gydF4y2Ba,页88 - 93年,曼谷,泰国,2006年10月。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
16. 魏和w·威廉,gydF4y2Ba时间序列分析:单变量和多变量方法gydF4y2Ba,出版,1999。gydF4y2Ba
17. j . Heikkonen t Koskela、k . Kaski和m . Varsta”时间序列预测使用SOM复发和局部线性模型,”gydF4y2Ba研究报告gydF4y2Ba去往B15、赫尔辛基技术大学计算工程实验室,阿尔托,芬兰,1997年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
18. Kamitsuji和r .柴田”有效性的随机神经网络预测下降或上升的东证指数(TOPIX),“gydF4y2Ba研究论文gydF4y2Ba庆应义塾大学,2004。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
19. n . KasabovgydF4y2Ba联结主义发展系统gydF4y2Ba施普林格,伦敦,英国,2003年。gydF4y2Ba
20. f . Haron c . h .勇,o . b . Yaik“时间序列预测使用自适应关联规则,”gydF4y2Ba学报第一国际会议分布式多媒体应用程序框架(DFMA 05)gydF4y2Ba2005年2月,页310 - 314。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
21. m . Cornefjord P.-O。Gaasvik,诉Svensson”,不同的方法优先切换流量与定向重试移动电话系统,”gydF4y2Ba第41届IEEE车辆技术研讨会论文集“通往未来技术在运动”gydF4y2Ba,第553 - 549页,1991年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
22. c . Bisdikian y崔、t . Kwon和m . Naghshineh“呼叫允许控制的自适应多媒体无线/移动网络”gydF4y2Ba《IEEE无线通信和网络会议gydF4y2Ba,2卷,第544 - 540页,1999年。gydF4y2Ba视图:gydF4y2Ba谷歌学术搜索gydF4y2Ba
23. j .侯美国Papavassiliou j·杨,“集成定价的呼叫允许控制以满足QoS需求在蜂窝网络中,“gydF4y2BaIEEE并行和分布式系统gydF4y2Ba,13卷,不。9日,第910 - 898页,2002年。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
24. l·t·李,c·f·吴c . y .曾和刘刘贤美,“动态预订和呼叫允许控制政策对多媒体蜂窝网络,嗯”gydF4y2Ba学报IEEE通信和信息技术国际研讨会(ISCIT 06年)gydF4y2Ba,页82 - 87年,曼谷,泰国,2006年10月。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
25. r . Acharya和j . Tsiligaridis”无线蜂窝网络的聚类预测方案,”gydF4y2Ba《国际研讨会协作技术和系统gydF4y2Ba,页298 - 304年,圣路易斯,密苏里州,美国,2005年5月。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
26. b·m·爱泼斯坦和m·施瓦兹”预测算法允许控制多级流量在蜂窝无线网络,“gydF4y2BaIEEE在选定地区通讯》杂志上gydF4y2Ba,18卷,不。3、523 - 534年,2000页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
27. t·张e . Van Den Berg j . Chennikara p . Agrawal j . c . Chen和t .玉”当地预测资源预订在多媒体无线IP网络切换,”gydF4y2BaIEEE在选定地区通讯》杂志上gydF4y2Ba,19卷,不。10日,1931 - 1941年,2001页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba
28. p . Agrawal美国基肖尔,p·拉马纳坦,k . m . Sivalingam”动态资源分配方案在移动多媒体无线网络切换中,“gydF4y2BaIEEE在选定地区通讯》杂志上gydF4y2Ba,17卷,不。7,1270 - 1283年,1999页。gydF4y2Ba视图:gydF4y2Ba出版商的网站gydF4y2Ba|gydF4y2Ba谷歌学术搜索gydF4y2Ba

版权gydF4y2Ba

版权©2011吴Chen-Feng et al。这是一个开放分布式下文章gydF4y2Ba知识共享归属许可gydF4y2Ba,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。gydF4y2Ba