结构化压缩感知在无线通信网络流量预测中的应用研究

摘要

随着绿色通信的提出，提高通信网络的能量效率逐渐成为研究热点。在目前的蜂窝网络系统中，基站的功率是根据小区内峰值用户流量下的功率要求而设定的，这与实际用户的流量的变化不相符，造成了网络能量的浪费。因此，准确地预测蜂窝网络中流量的变化，能够为网络资源的动态分配提供依据，提高网络的能量效率。以往的研究已经证明，由于用户行为在时间和空间上的规律性变化，造成了蜂窝网络中流量数据呈现出周期性平稳变化特性，从而使整个流量数据具有冗余性以及时间和空间上的结构特性，这种冗余性又造成了流量数据构成的矩阵具有低秩特性，所以我们可以将流量数据信号等同于稀疏信号。
　　 压缩感知是一种一种处理具有稀疏特性的海量数据的新兴方法，其核心思想是将数据采样和数据压缩结合，利用信号中的稀疏特性，以远低于那奎斯特采样率的速率对同时实现对信号的采样和压缩过程，并在目的端用压缩感知恢复算法对信号进行精确重构。其对于海量数据的高效采样压缩和精确恢复的能力，推动了其在无线通信网络中的广泛应用。
　　 本文主要研究了压缩感知的基本理论，分别从信号的稀疏化模型构建、观测矩阵的设计、恢复算法的设计三个方面具体介绍了压缩感知的基础理论。并总结了压缩感知理论在无线通信网络OSI模型下各层应用现状，主要包括物理层的频谱感知、信道估计，网络层的基于路由选择的数据采集、网络监测，应用层的异常事件监测、用户定位等。
　　 本文主要研究了基于块状稀疏信号的压缩感知改进理论，以及基于空时压缩感知在蜂窝网络流量预测中的应用。实际的信号处理中，常常由于采样的方式以及环境差异造成信号携带了大量的结构化信息，尤其以块状稀疏信号最为常见，因此，我们提出了基于块状稀疏信号的稀疏模型定义、观测矩阵的设计原则以及设计方法、恢复算法的设计。同时，将结构化的压缩感知应用到蜂窝网络流量预测之中，挖掘了流量信息携带的空间时间结构特征，提出了空时压缩感知方法，并且精确地预测了蜂窝网络流量的变化。