在C-RAN(Centralized,Cooperative,Cloud Radio Access Network)无线网络基于转移矩阵的负载预测方法中,虽然该预测矩阵具有稀疏特性,但是现有的技术缺乏对稀疏特性加以利用,从而造成计算复杂。针对此问题,提出了一种基于稀疏性的预测...在C-RAN(Centralized,Cooperative,Cloud Radio Access Network)无线网络基于转移矩阵的负载预测方法中,虽然该预测矩阵具有稀疏特性,但是现有的技术缺乏对稀疏特性加以利用,从而造成计算复杂。针对此问题,提出了一种基于稀疏性的预测矩阵求解算法。该算法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,然后分块处理。最后,结合仿真定量分析稀疏矩阵稀疏度的临界值问题,给出了稀疏度与计算量之间的关系,并证明了其合理性。仿真结果表明,所提算法能够在不影响预测准确度前提下,降低复杂度。展开更多
文摘在C-RAN(Centralized,Cooperative,Cloud Radio Access Network)无线网络基于转移矩阵的负载预测方法中,虽然该预测矩阵具有稀疏特性,但是现有的技术缺乏对稀疏特性加以利用,从而造成计算复杂。针对此问题,提出了一种基于稀疏性的预测矩阵求解算法。该算法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,然后分块处理。最后,结合仿真定量分析稀疏矩阵稀疏度的临界值问题,给出了稀疏度与计算量之间的关系,并证明了其合理性。仿真结果表明,所提算法能够在不影响预测准确度前提下,降低复杂度。
