作者：张宸祚; 赵百川; 徐兆祺; 郭佳; 杨晨阳预测资源分配预测窗长视频点播用户接入深度学习
摘要：预测资源分配能利用蜂窝网络的残余资源大大提升吞吐量。本文面向视频点播等非实时业务,研究在使95%用户播放视频的卡顿时间小于其预期值时预测资源分配能够使网络支持的非实时业务请求到达率提升多少。为了研究预测窗长对预测资源分配性能的影响,考虑一种性能接近最优解的低复杂度双门限策略,分析了预测窗长度、残余带宽、预测方法、用户接入和小区间干扰对其性能的影响。研究结果表明,通过对所需各种信息设计合理的预测方法,预测误差对双门限策略影响很小;预测窗越长,该策略相对于传统非预测方法的吞吐量增益越大、但增速随窗长增加逐渐变缓;网络残余带宽的方差越大,双门限策略相对于非预测方法的吞吐量增益越大;基于残余带宽的接入方法在异构网络中性能远优于基于接收功率最大的用户接入,且网络负载越重、增益越大。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
