一种基于机器学习的频谱碎片避免方法

摘要

本发明涉及一种基于机器学习的频谱碎片避免方法，本方法首先使用机器学习方法中的Elman神经网络预测业务的大小、到达时间及持续时间；然后，将时间和频谱资源抽象成二维资源池，并综合考虑业务的大小和业务持续时间，将每个业务等效为一个矩形块；最后，根据二维packing填充原则将业务矩形块填充至二维资源池，从而减小了网络中的频谱碎片。此外，将每条纤芯上的频谱资源划分为两个子区域，在相邻纤芯之间交替使用每个子区域中的资源，并根据每条纤芯上的业务量动态调整每个子区域的大小，从而降低纤芯之间串扰。本方法能够在降低芯间串扰的同时，降低网络中的频谱碎片，有效地提升了网络的资源利用率并降低了整体阻塞率。