在第五代無線網(wǎng)絡(luò)(簡稱5G)中,由于嚴格的服務(wù)性能要求,預(yù)測服務(wù)可靠性至關(guān)重要。通過結(jié)合人工智能和機器學習,下一代蜂窩系統(tǒng)將可以實現(xiàn)先進的數(shù)據(jù)分析技術(shù),從而達到高效的服務(wù)質(zhì)量管理和網(wǎng)絡(luò)自動化�；谠撍枷�,本文提出了一種含有可靠性計算的無線服務(wù)模型,它通過使用貝葉斯網(wǎng)絡(luò)(Bayesian Network,BN)來緊湊地表示聯(lián)合概率分布。本文首先描述無線網(wǎng)絡(luò)的建模,以進行數(shù)據(jù)采集和機器學習算法的輸入數(shù)據(jù)的生成,然后描述如何應(yīng)用貝葉斯網(wǎng)絡(luò)表示來提供可行的計算過程,從而解決了這一預(yù)測問題。在所研究的貝葉斯網(wǎng)絡(luò)學習階段,基站的負荷、用戶位置和移動速度等特征都影響用戶的接收信噪比(SNR)和信號干擾+噪聲比(SINR),試驗結(jié)果是移動用戶的吞吐量滿足閾值的概率或者次數(shù)。計算機模擬結(jié)果表明,低速移動條件下模型可以很好地預(yù)測網(wǎng)絡(luò)服務(wù)可靠性,并推斷網(wǎng)絡(luò)的隱藏狀態(tài)。針對無線信道中的陰影效應(yīng)對蜂窩小區(qū)中的終端用戶鏈路質(zhì)量的影響,本文提出了一種帶有隱藏節(jié)點的貝葉斯網(wǎng)絡(luò)解決可靠性預(yù)測的方案。在終端用戶移動過程中,無線系統(tǒng)通常要進行實時的數(shù)據(jù)采集。在陰影區(qū)域內(nèi),接收信噪比可能低于一個預(yù)定的閾值或者造成信號的中斷,...

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容及主要工作
    1.4 論文結(jié)構(gòu)安排
第二章 可靠性和貝葉斯網(wǎng)絡(luò)
    2.1 可靠性理論
    2.2 網(wǎng)絡(luò)服務(wù)可靠性
    2.3 貝葉斯定理和相對熵
        2.3.1 先驗概率和后驗概率
        2.3.2 貝葉斯定理
        2.3.3 相對熵
    2.4 貝葉斯網(wǎng)絡(luò)
        2.4.1 貝葉斯網(wǎng)絡(luò)的定義
        2.4.2 貝葉斯網(wǎng)絡(luò)的特性
        2.4.3 貝葉斯網(wǎng)絡(luò)的參數(shù)學習和推理
    2.5 本章小結(jié)
第三章 5G網(wǎng)絡(luò)中用戶吞吐量的可靠性預(yù)測
    3.1 無線網(wǎng)絡(luò)模型
    3.2 隨機變量表示
    3.3 蜂窩網(wǎng)絡(luò)的貝葉斯網(wǎng)絡(luò)表示
        3.3.1 貝葉斯網(wǎng)絡(luò)圖的構(gòu)建
        3.3.2 貝葉斯網(wǎng)絡(luò)的極大似然估計原理
        3.3.3 貝葉斯網(wǎng)路仿真平臺
        3.3.4 貝葉斯網(wǎng)絡(luò)參數(shù)學習
    3.4 蜂窩網(wǎng)絡(luò)的服務(wù)可靠性仿真結(jié)果
    3.5 本章小結(jié)
第四章 基于陰影衰落的用戶吞吐量可靠性預(yù)測
    4.1 系統(tǒng)模型
    4.2 Netica仿真平臺
    4.3 無線網(wǎng)絡(luò)服務(wù)模型的貝葉斯網(wǎng)絡(luò)表示
        4.3.1 含有隱變量的貝葉斯網(wǎng)絡(luò)的構(gòu)建
        4.3.2 不完整數(shù)據(jù)的極大似然估計
        4.3.3 含有隱變量的貝葉斯網(wǎng)絡(luò)的參數(shù)學習
    4.4 網(wǎng)絡(luò)服務(wù)可靠性仿真結(jié)果
        4.4.1 網(wǎng)絡(luò)服務(wù)可靠性的正向推理
        4.4.2 網(wǎng)絡(luò)服務(wù)可靠性的反向推理
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 研究展望
參考文獻
附錄1 攻讀碩士學位期間撰寫的論文
附錄2 攻讀碩士學位期間參加的科研項目
致謝



本文編號：3871898