论文部分内容阅读
随着通信业的发展,移动通信信道容量的分配及评估直接关系到通信的质量,为此移动话务量作为信道容量的直接衡量标准而日益受到大家的重视。准确的话务量预测可使信道得到充分的利用,并有效的防止信道堵塞现象的发生。目前,移动话务量预测成为广大学者研究的一个重要问题。
针对这个问题,本文开展研究工作。
首先,基于移动话务量数据的特征分析及回声状态网络(Echo State Network,ESN)原理的学习,提出适应于移动话务量特征的基于ESN的移动话务量预测方案。并在此基础上,构建该预测方案的matlab语言仿真平台及C语言仿真平台,从软件仿真的角度分析并论证了该方案的可行性及有效性,对比这两种仿真平台的预测结果表明:其预测精度基本相同,但C语言仿真平台具有较高的运算效率。
虽然基于ESN的移动话务量预测方案具有较好的预测精度,但仍待进一步提高,且ESN模型不适合解决移动话务量这种多尺度序列的预测问题。针对该问题,引入小波分析这一经典处理多尺度序列预测问题的的处理方法,将小波分析和ESN预测模型相结合,提出两种改进的预测方法。
(1)小波回声状态网络模型:采用内嵌模式,提出将小波神经元作为储备池中基本信息处理单元。应用该模型预测带噪多尺度正弦序列,经仿真实验验证了该模型的有效性,最终,将此模型成功应用于移动话务量的预测问题。
(2)针对现有的基于级联模式的小波分解回声状态网络模型方法的边界效应及误差累积问题,提出改进的抗边界效应小波分解回声状态网络模型。应用该模型预测带噪多尺度正弦序列及ESTSP会议的3个序列(该会议提出小波分解回声状态网络模型),经仿真实验验证了该模型的有效性,最终将此模型成功应用于移动话务量的预测问题。