研究意义
通过预测网络未来信息（如用户轨迹、网络流量等），并基于未来信息进行网络资源预先分配能够有效地提高网络资源利用率，从而提升网络性能（如系统能效、谱效等）。在现有工作中，对于预测资源分配策略性能增益的研究结果都是通过仿真或者实验的方式得到的。这种评估方法能够得到特定场景下的性能增益，但无法确定影响性能增益的关键因素。除此以外，通过机器学习等方法对未来信息进行预测需要付出成本。因此，需要研究在什么样的场景下采用预测资源分配策略的性能增益较大，性能增益的上限有多大，哪些因素会对预测资源分配策略的性能增益产生影响。
本文工作
本文分析了预测资源分配策略相对于被动传输策略的性能增益。考虑一个多小区网络，基站同时服务实时用户和非实时用户，在保证实时用户服务质量的前提下，利用残余资源服务非实时用户。首先建模了使服务非实时用户传输时间最短的预测资源分配优化问题。然后从最优策略的求解中得到启发，利用次序统计量理论推导出预测资源分配策略相对于非预测资源分配策略的性能增益，得到性能增益的闭合表达式及在预测窗长无穷时的性能增益上界。基于该性能增益的闭合表达式，能够分析影响增益的几个核心因素，包括预测窗长、网络流量的猝发性、小区半径和用户移动性。
分析结果表明：
(1) 对于非移动用户，预测资源分配策略同样能获得性能增益。增益的上界与ζ系数成反比，其中ζ系数定义为残余带宽均值的平方与其标准差的比值。通过分析网络流量实测数据，我们发现当网络实时业务繁忙时该系数较小。因此，当实时业务繁忙时，预测资源分配策略的增益上限更高。
(2) 对于移动用户，我们发现预测资源分配策略的性能增益不依赖于移动速度，而是随着用户在预测窗内所穿过的小区个数略微增加。分析和仿真结果表明，当网络繁忙时(即实时业务流量大、每个用户请求的文件大、非实时用户数多时) 和小区半径大时，预测资源分配策略性能增益的上界较大。
本文的创新点在于：首次理论分析了影响预测资源分配性能增益的关键因素、以及这些因素如何影响性能增益。这一分析为预测资源分配的实际应用提供了理论指导。
实验结果
图1给出了预测资源分配性能增益随着ζ系数的变化趋势。通过结果可以观察到，当ζ系数较小时，性能增益更大。这验证了理论分析。
对于用户移动场景，考虑一个用户沿着道路以恒定的速度穿越小区，残余带宽在预测窗内不发生变化。用户在预测窗内穿越不同个数的小区时性能增益的数值结果和仿真结果如图2所示。
图2 不考虑阴影衰落时，用户穿越小区个数对性能的影响
从该图可看出，用户穿越小区的个数几乎不影响性能增益，这与理论分析结果一致。然而，当考虑阴影衰落时，用户在预测窗内穿越不同个数的小区时性能增益的仿真结果如图3所示。图3 考虑阴影衰落时，用户穿越小区个数对性能的影响
预测资源分配策略的传输时间随小区数的增加而减少，而非预测资源分配策略的传输时间不随小区数的变化而变化，因此性能增益随小区数的增加而增加。这是因为当考虑阴影衰落时，小区间平均数据率的波动模式不同，用户在穿越更多小区时会有更多机会到达信道条件好的位置。
全文下载:
http://engine.scichina.com/doi/10.1007/s11432-022-3769-9
版权声明：本文内容转自互联网，本文观点仅代表作者本人。本站仅提供信息存储空间服务，所有权归原作者所有。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至1393616908@qq.com 举报，一经查实，本站将立刻删除。
