C-RAN架构具有集中化、协作、云化、清洁等特点,被认为是未来无线接入网的一个重要发展方向。未来移动通信网络因节点密度高、数据量大,造成网络的负载预测和负载均衡复杂度高。而稀疏矩阵由于含有大量零元素,能够降低计算复杂度,已成为数值计算领域一种必需的关键技术。因此将稀疏矩阵技术应用到无线网络的负载预测和负载均衡就具有重要意义。针对现有C-RAN架构下基于马尔科夫负载预测模型中没有利用大规模网络状态转移矩阵的稀疏性,造成线性方程组的求解复杂度高的问题,提出对网络状态转移矩阵进行分块迭代,每次等分4块,并分别定义4个块矩阵的偏移量。当属于同一行的块矩阵的偏移量有一个是零矩阵时,直接得出所求矩阵对应块的元素全部为零,然后进行下一次迭代;当属于同一行的块矩阵偏移量都不为零矩阵时,通过对矩阵方程组变形处理,转换成迭代格式,再进行分块处理,从而降低求解的复杂度。结合仿真定量分析稀疏矩阵稀疏度的临界值问题,给出稀疏度与计算量之间的关系,并对其合理性进行证明。针对外部环境的动态变化,对负载转移矩阵的修正方案进行设计。仿真结果表明,本算法能够在不影响预测准确度前提下,降低负载转移矩阵的求解复杂度。针对C-RAN架构下基于马尔科夫负载预测的负载均衡机制,当网络规模很大时,现有算法采用迭代的方式调整功率存在复杂度高的问题,提出一种利用稀疏矩阵预测的负载均衡机制。该机制以最小化负载转移关联度和最小化负载转移均衡度为目标,结合图论中Ncut切割算法获得最佳稀疏矩阵分块,达到负载转移矩阵降维和除零的目的,分块后重新计算各块的负载转移矩阵,并利用负载转移矩阵进行负载预测,最后结合预测的负载,确定功率调整步长,并行调整各块内小区的导频信号功率以实现负载均衡。仿真结果表明,该负载均衡机制能够降低负载均衡的复杂度。