下一代蜂窩無線網(wǎng)絡(luò)需要支持超可靠,低延遲的通信,并且需要支持在高度動態(tài)的環(huán)境中實時智能地管理大量物聯(lián)網(wǎng)設(shè)備。不僅如此,下一代蜂窩網(wǎng)絡(luò)還需要具有智能化的管理功能,從而能夠根據(jù)不同的網(wǎng)絡(luò)與用戶狀態(tài)對蜂窩網(wǎng)絡(luò)管理策略進行調(diào)整。這些要求只能通過在無線基礎(chǔ)設(shè)施和終端用戶設(shè)備上集成機器學(xué)習(xí)的方法來實現(xiàn)。因此,研究如何利用機器學(xué)習(xí)算法與人工智能技術(shù)對蜂窩通信網(wǎng)絡(luò)實現(xiàn)自組織地、智能化地、實時地管理與控制具有較高的價值。機器學(xué)習(xí)算法在蜂窩通信網(wǎng)絡(luò)中主要分為兩大應(yīng)用:一是對蜂窩網(wǎng)絡(luò)環(huán)境進行識別并根據(jù)網(wǎng)絡(luò)環(huán)境對網(wǎng)絡(luò)資源與用戶進行管理與調(diào)度,二是利用網(wǎng)絡(luò)的已有數(shù)據(jù)對網(wǎng)絡(luò)狀態(tài)進行預(yù)測,從而優(yōu)化網(wǎng)絡(luò)性能。本文的研究內(nèi)容主要包括如何利用機器學(xué)習(xí)算法對網(wǎng)絡(luò)頻譜資源與用戶進行調(diào)度與管理,如何利用機器學(xué)習(xí)算法對網(wǎng)絡(luò)狀態(tài)與用戶行為進行預(yù)測,以及如何優(yōu)化機器學(xué)習(xí)算法使其適用于蜂窩無線網(wǎng)絡(luò)環(huán)境。具體而言,本文首先介紹了新型網(wǎng)絡(luò)的架構(gòu)以及基于新型網(wǎng)絡(luò)架構(gòu)的無線蜂窩網(wǎng)絡(luò)所存在的技術(shù)問題。然后詳細介紹了如何利用機器學(xué)習(xí)算法對授權(quán)與非授權(quán)頻譜資源管理、對緩存管理、對UAV的部署與規(guī)劃以及對360°內(nèi)容傳輸和緩存的管理。論文的具體研究內(nèi)... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：170 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１－１?新型網(wǎng)絡(luò)架構(gòu)??網(wǎng)絡(luò)將由核心網(wǎng)、云化的基帶處理單元、無線接入網(wǎng)、以及其間的傳輸鏈路組成

找到最優(yōu)的資源分配方案。??（４）遷移學(xué)習(xí)：遷移學(xué)習(xí)［３５］指的是將一個場景所學(xué)習(xí)的知識運用到另一個場景。??在無線通信中，用戶分布，數(shù)據(jù)速率要求，以及可用帶寬均會隨著時間的變化而變??化。當網(wǎng)絡(luò)環(huán)境發(fā)生改變時，傳統(tǒng)的學(xué)習(xí)算法必須通過重新執(zhí)行來適應(yīng)環(huán)境的變化。??這將大大増大算法的復(fù)雜度。而遷移學(xué)習(xí)能將先前的學(xué)習(xí)模型運用于新的網(wǎng)絡(luò)環(huán)境??中，從而避免了機器學(xué)習(xí)算法重新執(zhí)行，增強了機器學(xué)習(xí)算法對不同網(wǎng)絡(luò)環(huán)境的適??應(yīng)能力。??（５）分布式學(xué)習(xí)：以上四種學(xué)習(xí)算法均是集中式的算法。它們執(zhí)行的前提條件是??訓(xùn)練數(shù)據(jù)都位于同一地點，例如，在云端或者基站處。然而，在無線網(wǎng)絡(luò)中，由于用??戶的移動性，用戶數(shù)據(jù)常常分布于多個基站處。因此，分布式的機器學(xué)習(xí)算法可以??使各個基站利用自己收集的數(shù)據(jù)對機器學(xué)習(xí)模型進行訓(xùn)練，從而生成一個多基站共??享的機器學(xué)習(xí)模型。這個共享的機器學(xué)習(xí)模型可以用來預(yù)測和分析用戶的所有行為。??１．１．３．２神經(jīng)網(wǎng)絡(luò)概述??

圖１－４?一個展開的循環(huán)神經(jīng)網(wǎng)絡(luò)的架構(gòu)??神經(jīng)網(wǎng)絡(luò)善于處理連續(xù)的數(shù)據(jù)，而深度神經(jīng)網(wǎng)絡(luò)則善于處理高維數(shù)據(jù)。于是，這里??將詳細介紹循環(huán)神經(jīng)網(wǎng)絡(luò)、脈沖神經(jīng)網(wǎng)絡(luò)以及深度神經(jīng)網(wǎng)絡(luò)。??（１）循環(huán)神經(jīng)網(wǎng)絡(luò)??循環(huán)神經(jīng)網(wǎng)絡(luò)［３６］是一種允許下一層神經(jīng)元與上一層神經(jīng)元反向連接的神經(jīng)網(wǎng)??絡(luò)，如圖１－３所示。循環(huán)神經(jīng)網(wǎng)絡(luò)中的這種簡單的連接變化使得循環(huán)神經(jīng)網(wǎng)絡(luò)中的每??個輸出不僅取決于循環(huán)神經(jīng)網(wǎng)絡(luò)現(xiàn)在的輸入，而且還取決循環(huán)神經(jīng)網(wǎng)絡(luò)的歷史輸入，??如圖１－４所示。循環(huán)神經(jīng)網(wǎng)絡(luò)的這種特性使其可以分析序列形式的信息以及動態(tài)的、??時間上有關(guān)聯(lián)的用戶行為，例如用戶移動模式預(yù)測、字體識別或者語音識別。具體而??言，一個循環(huán)神經(jīng)網(wǎng)絡(luò)可以用來預(yù)測無線網(wǎng)絡(luò)中用戶以及移動設(shè)備的移動模式。這??些移動模式都與用戶曾經(jīng)訪問過的地點有關(guān)。循環(huán)神經(jīng)網(wǎng)絡(luò)還可以用來預(yù)測無線網(wǎng)??絡(luò)中用戶的內(nèi)容請求。這是因為無線網(wǎng)絡(luò)用戶的請求內(nèi)容取決于用戶過去的內(nèi)容請??

【參考文獻】：
期刊論文
[1]C-RAN:面向綠色的未來無線接入網(wǎng)演進[J]. 王曉云,黃宇紅,崔春風(fēng),陳奎林,陳沫.  中國通信. 2010(03)



本文編號：2966163