發(fā)布時(shí)間：2020-11-05 14:41

　　 隨著通信與網(wǎng)絡(luò)技術(shù)的迅速發(fā)展以及移動(dòng)用戶的持續(xù)增長,未來的無線網(wǎng)絡(luò)預(yù)計(jì)將覆蓋支持社會各行各業(yè),形成大規(guī)模互聯(lián)的多業(yè)務(wù)網(wǎng)絡(luò)。因此,有限的網(wǎng)絡(luò)資源及異構(gòu)的業(yè)務(wù)需求成為了移動(dòng)通信中面臨的主要問題,針對此問題,無線網(wǎng)絡(luò)虛擬化(Wireless Network Virtualization,WNV)技術(shù)通過對網(wǎng)絡(luò)的抽象與分割,能夠?qū)崿F(xiàn)多個(gè)獨(dú)立虛擬網(wǎng)絡(luò)對基礎(chǔ)設(shè)施及無線資源的動(dòng)態(tài)共享,從而大幅提升資源利用率,降低網(wǎng)絡(luò)管理難度。然而,WNV中引入的無線資源及特定硬件的虛擬化面臨著無線媒介不確定性、用戶移動(dòng)性、異構(gòu)無線接入技術(shù)等問題,資源的管理、分配及共享方式仍需要進(jìn)一步的研究。首先,文中介紹了虛擬化無線網(wǎng)絡(luò)的研究背景及典型應(yīng)用場景,并對當(dāng)前的研究熱點(diǎn)進(jìn)行了簡要分析。其次,重點(diǎn)描述了虛擬化無線網(wǎng)絡(luò)中的虛擬資源切片策略,深入分析了現(xiàn)有資源切片策略的特點(diǎn)并對其進(jìn)行了歸納總結(jié)。其次,文中提出一種基于用戶聚類的虛擬資源切片策略。通過感知網(wǎng)絡(luò)切片的網(wǎng)絡(luò)、業(yè)務(wù)及社會特征,將不同切片的增益及成本映射到統(tǒng)一的模型中,從而制定資源切片的優(yōu)化框架。隨后,針對用戶對業(yè)務(wù)的主觀偏好及資源需求,將其劃分為不同的特征組,以進(jìn)行業(yè)務(wù)差異化的資源分配。進(jìn)而,感知用戶間的社會關(guān)系,利用元胞自動(dòng)機(jī)模型形成用戶聚類,對特征組狀態(tài)進(jìn)行動(dòng)態(tài)更新。最終提出基于特征組狀態(tài)的啟發(fā)式資源分配算法,實(shí)現(xiàn)高效的虛擬無線資源切片。再次,文中提出一種用戶情境感知的虛擬資源切片策略。建立網(wǎng)絡(luò)切片間的異質(zhì)資源模型,通過對用戶特征的感知,制定感知-決策-反饋的資源切片框架。隨后構(gòu)建用戶的個(gè)性化業(yè)務(wù)情境,對業(yè)務(wù)性能參數(shù)進(jìn)行評估,同時(shí)引入用戶的體驗(yàn)質(zhì)量(Quality of Experience,QoE)指標(biāo),采用貝葉斯網(wǎng)絡(luò)(Bayesian Networks,BNs)感知用戶的語境因素關(guān)系,建立QoE度量模型。進(jìn)而,根據(jù)用戶的實(shí)時(shí)反饋動(dòng)態(tài)調(diào)整異構(gòu)的效用函數(shù),利用遺傳算法從全體候選的資源分配決策中尋找最優(yōu)解,實(shí)現(xiàn)虛擬資源的智能切片。最后,對全文的研究工作進(jìn)行了總結(jié),并對后續(xù)的研究方向進(jìn)行了展望。
【學(xué)位單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN92
【部分圖文】：

重慶郵電大學(xué)碩士學(xué)位論文深綠表示的用戶仍然處在處于特征組 1 與 2 中，這意味著其業(yè)務(wù)配置請求與自身需求趨勢相吻合，即其具有穩(wěn)定的潛在資源需求，而采用淺紅與淺綠色表示的其他用戶顯示出了與其請求的業(yè)務(wù)配置不同的特征組狀態(tài)，其主觀的業(yè)務(wù)行為可能產(chǎn)生復(fù)雜變化，需要?jiǎng)討B(tài)地為其分配資源。同樣的，在圖 3.6 中，采用深黃與深藍(lán)色表示的用戶的需求趨勢與當(dāng)前的業(yè)務(wù)請求相一致，相較于各自組中的其他用戶，其資源需求更為穩(wěn)定。與簡單地考慮業(yè)務(wù)請求以分配資源相比，通過在不同用戶間運(yùn)用差異化的分配策略，能夠適應(yīng)其資源需求變化規(guī)律。

重慶郵電大學(xué)碩士學(xué)位論文深綠表示的用戶仍然處在處于特征組 1 與 2 中，這意味著其業(yè)務(wù)配置請求與自身需求趨勢相吻合，即其具有穩(wěn)定的潛在資源需求，而采用淺紅與淺綠色表示的其他用戶顯示出了與其請求的業(yè)務(wù)配置不同的特征組狀態(tài)，其主觀的業(yè)務(wù)行為可能產(chǎn)生復(fù)雜變化，需要?jiǎng)討B(tài)地為其分配資源。同樣的，在圖 3.6 中，采用深黃與深藍(lán)色表示的用戶的需求趨勢與當(dāng)前的業(yè)務(wù)請求相一致，相較于各自組中的其他用戶，其資源需求更為穩(wěn)定。與簡單地考慮業(yè)務(wù)請求以分配資源相比，通過在不同用戶間運(yùn)用差異化的分配策略，能夠適應(yīng)其資源需求變化規(guī)律。

ux為其實(shí)際被分配的 RB 數(shù)量。圖 3.7 顯示了資源分配誤差隨用戶數(shù)量的變化情況，該誤差取切片周期內(nèi)的平均值，將提出的 UVRS 方案與 CellSlice 方案進(jìn)行比較，其結(jié)果表明，由于基于簡單分組的 CellSlice 方案并沒有針對業(yè)務(wù)的資源需求差異設(shè)計(jì)合理的分配策略，無論業(yè)務(wù)流的形式如何，其無線資源分配情況都十分相似，造成較高的資源分配誤差，與其相比，本章所提出的 UVRS 方案始終能夠?yàn)橛脩舴峙溥m應(yīng)其需求的資源，實(shí)現(xiàn)基于特征組的差異化分配策略。當(dāng)用戶總數(shù)為 30 時(shí)
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李濤;王建東;葉飛躍;馮新宇;張有東;;一種基于用戶聚類的協(xié)同過濾推薦算法[J];系統(tǒng)工程與電子技術(shù);2007年07期

2 王輝;高利軍;王聽忠;;個(gè)性化服務(wù)中基于用戶聚類的協(xié)同過濾推薦[J];計(jì)算機(jī)應(yīng)用;2007年05期

3 馬瑞新;朱明;孟宇;;基于粒子群的輿情網(wǎng)絡(luò)用戶聚類模擬與仿真[J];計(jì)算機(jī)科學(xué);2012年12期

4 查文琴;梁昌勇;曹鐳;;基于用戶聚類的協(xié)同過濾推薦方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2009年06期

5 劉芳先;李國;;基于項(xiàng)目簇偏好的用戶聚類算法[J];現(xiàn)代計(jì)算機(jī);2013年18期

6 彭艷;王小玲;;一種混合聚類算法在用戶聚類中的應(yīng)用研究[J];信息技術(shù);2008年01期

7 李濤;王建東;;基于多層相似性用戶聚類的推薦算法[J];南京航空航天大學(xué)學(xué)報(bào);2006年06期

8 司建波;姚燕;郭蔚瑩;楊芳;;基于模糊聚類的Web用戶聚類方法與實(shí)現(xiàn)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2013年S1期

9 張海濤;唐詩曼;魏明珠;李澤中;;多維度屬性加權(quán)分析的微博用戶聚類研究[J];圖書情報(bào)工作;2018年24期

10 樊同科;;云環(huán)境下基于MapReduce的用戶聚類研究與實(shí)現(xiàn)[J];電子設(shè)計(jì)工程;2016年10期

相關(guān)博士學(xué)位論文 前5條

1 萬淼;基于群智能和隨機(jī)索引的網(wǎng)絡(luò)聚類算法研究[D];北京郵電大學(xué);2011年

2 孫偉健;移動(dòng)通信網(wǎng)中的用戶聚類與KQI分析[D];中國科學(xué)技術(shù)大學(xué);2017年

3 趙潔;基于粒計(jì)算的Web使用挖掘研究[D];華南理工大學(xué);2010年

4 凌海峰;基于ACO的Web使用挖掘方法研究[D];合肥工業(yè)大學(xué);2009年

5 朱鯤鵬;基于Web日志挖掘的智能信息檢索研究[D];哈爾濱工業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張志昊;基于特征感知的虛擬資源切片策略研究[D];重慶郵電大學(xué);2019年

2 張藝;基于用戶偏好和用戶聚類的協(xié)同過濾算法研究[D];西北大學(xué);2018年

3 汪明亮;基于微博數(shù)據(jù)的網(wǎng)絡(luò)輿情分析[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2017年

4 黃瑛;基于用戶聚類和偏好的推薦算法研究[D];安徽理工大學(xué);2017年

5 徐建華;面向營銷數(shù)據(jù)庫的用戶聚類策略及用戶興趣模式研究[D];合肥工業(yè)大學(xué);2008年

6 熊琴巧;基于用戶聚類的個(gè)性化推薦方法研究[D];江西財(cái)經(jīng)大學(xué);2017年

7 寇艷艷;電子商務(wù)推薦系統(tǒng)中用戶聚類問題與用戶興趣變化問題研究[D];中國科學(xué)技術(shù)大學(xué);2011年

8 黃翔;基于選擇路徑和瀏覽頁面的用戶聚類算法研究[D];中南大學(xué);2010年

9 付志濤;基于Web日志的網(wǎng)絡(luò)用戶聚類研究與實(shí)現(xiàn)[D];南京理工大學(xué);2007年

10 蔣超;基于用戶聚類和語義詞典的微博推薦系統(tǒng)[D];浙江大學(xué);2013年

本文編號：2871780