基于HSUPA 2MS功能开闭提升用户感知的研究
用户感知专项优化报告
中国移动通信用户感知专项张保鹏2012-10-23一．概述 (3)二．XXX用户感知分析 (3)1.整体分析 (3)2.网络覆盖/信号强度问题分析 (4)2.1弱覆盖基于平均接收电平的分析问题 (4)2.2具体的下行电平<-90dbm采样点占比较高的小区： (5)2.3各BSC下行电平<-90dbm采样点占比>10%的小区个数 (6)2.4分区域（BSC）统计平均TA情况 (8)2.5 MR综合分析需要处理的弱覆盖小区 (10)3.语音通话分析 (11)3.1 关键KPI (11)3.2 高掉话、高拥塞分析 (12)3.3 高干扰分析 (17)3.4 半速率分析 (18)3.5 仿真基站原理及危害 (20)4.手机上网分析 (21)三．根据用户感知分析制定相应解决方案 (21)1.网络覆盖/信号强度相应解决方案 (21)1.1载频功率和载频功率等级调整类： (21)1.2接入类参数和功控类参数调整类： (22)1.3调整方位角或者俯仰角类： (22)1.4 新加基站、直放站或者室分类： (24)2.语音通话相应解决方案 (25)2.1 高掉话、高拥塞小区处理 (25)2.2高干扰小区处理 (37)2.3半速率小区处理 (39)2.4 仿真基站应对策略 (40)3. 手机上网问题解决方案 (41)四．方案执行结果和遗留问题 (42)1.网络覆盖/信号强度解决方案执行情况 (42)1.1 执行情况 (42)1.2 优化效果 (42)1.3 遗留问题 (43)2.语音通话相应解决方案执行情况 (44)2.1 执行情况 (44)2.2 优化效果 (46)2.3 遗留问题 (47)3.手机上网问题解决方案执行情况 (48)4.部分投诉处理 (48)五．总结（优化总成果及后续思路） (50)一．概述随着移动通信的高速发展，通信网络面临着严峻的挑战。
一方面由于移动用户数的迅速发展，GSM系统网络规模也不断扩大，网络质量虽然也得到不断的提高，但限于频率资源的匮乏，网络问题也随之越来越多。
《2024年以用户为中心的无蜂窝大规模MIMO系统的资源管理研究》范文
《以用户为中心的无蜂窝大规模MIMO系统的资源管理研究》篇一一、引言随着移动互联网的快速发展，用户对无线通信的需求日益增长，传统蜂窝网络架构已无法满足高数据速率和低时延的需求。
因此，无蜂窝大规模MIMO（Multiple-Input Multiple-Output）系统作为一种新型的无线通信技术，逐渐成为研究热点。
无蜂窝大规模MIMO系统以其高频谱效率和能量效率、高系统容量等优势，被广泛应用于下一代无线通信网络中。
本文以用户为中心，对该系统的资源管理进行深入研究。
二、无蜂窝大规模MIMO系统概述无蜂窝大规模MIMO系统通过增加基站天线数量和用户间协作，实现高频谱效率和系统容量。
其核心思想是消除传统蜂窝网络中的小区边界，使所有用户共享相同的频谱资源。
该系统具有以下特点：1. 高频谱效率：通过大规模天线阵列，提高信号处理能力和空间分辨率。
2. 能量效率：通过优化功率分配和资源调度，降低能耗。
3. 用户协作：通过用户间协作和干扰管理，提高系统整体性能。
三、资源管理研究在无蜂窝大规模MIMO系统中，资源管理是提高系统性能的关键技术之一。
本文从用户角度出发，对资源管理进行深入研究。
1. 用户需求分析：根据用户的数据传输需求、时延要求等，对用户进行分类和优先级划分。
2. 资源分配：根据用户需求和系统状态，合理分配频谱、功率和时间等资源。
采用基于图论的优化算法和机器学习方法，实现动态资源分配。
3. 干扰管理：通过优化信号处理和资源调度，降低用户间干扰。
采用干扰对齐、干扰消除等技术，提高系统性能。
4. 能量管理：通过优化功率分配和节能技术，降低系统能耗。
采用绿色通信技术，实现能源的高效利用。
四、研究方法与实验结果本文采用理论分析和仿真实验相结合的方法，对无蜂窝大规模MIMO系统的资源管理进行研究。
1. 理论分析：通过建立数学模型和优化算法，分析资源管理的关键因素和影响因素。
2. 仿真实验：通过搭建仿真平台，模拟无蜂窝大规模MIMO 系统的运行过程，验证理论分析的正确性和有效性。
提升用户感知的无线参数自动化诊断方法研究
子 模 块 ９ 多制 ： 式异 系统 间互操 作预警分析
× １ｒ， （＋ ） 其中ｒ ／
为 惩 罚 系数
子模块２ 专项 ： 网 络 优 化 分 析参 数阔值核查 （ 区分子场景）
子 模 块３ 特 殊 ： 覆 盖 场 景 下 参 数 阈 值 核 查 （ 分子场景） 区
一
予 模 块 ４ 自定 ： 义 参 数 规 贝 ｊ Ｉ 预 警 分 析 （ 可扩展）
违规项条数Ｎ×自定 义规 则 基 准 权 重 Ｕ
将 总权重排 序后 ，作为预警依据 ，
与 各 子 项核 查 违 规 结 果 一 同 按 序 动 态 输 出
（ｒ其数为／ １） 中 ／ ＋罚系 ｒ 惩｝
模块Ｃ： 参数 阔值预 警分析规则的建立
和 导 入
子模块 ５ 参 ： 数间关联规 则 预 分析
违规项条数Ｎ Ｘ参数关联 规则基准权重Ｕ×（＋ ） １ｒ， 其 中ｒ 惩 罚 系 数 为
子模块８ 单制式 ： 系统 内 邻 区 参数 预 警 分 析
违 规 项 条 教 Ｎ× 互操作分析各子场 景 规 姐 基 准权 重 Ｕ ｑ
子 模 块 １影 响 ： 客 户 感 知 的 参 数 阈 值 核 查 （ 区分 子 场 景 ）
赶 规项 条数Ｎｘ各子 场 景 规贝 基 准权 重／ ｑ Ｕ×（＋ ）其 ／ 予模 块６ 网元 １ ｒｌ ： 中ｒ 为惩罚 系数／ 闯参 数 设 罴 一 致性 预警 分 析
违 规 项 条数 Ｎ ×网 元 间一致性规 舞基准 Ｕ 权重Ｕ×（＋ ）其 中 １ｒｌ ｒ 惩 罚 系数 为 ／
源数据实施全网深度分析，并对输出的违规结果进行综合加权评价后，迭代式的将当前最严重的问题隐患推 送至优化分析人员， 实现了对无线网络的精细化分析和自 动化诊断。
2017年度国家自然科学基金资助项目清单-G管理科学部-G01管理科学与工程
71771106 71771090 71771123 71771072 71771222 71771080 71771158 71771201 71771114 71771129 71771108 71771053 71771128 71771139 71771002 71771190 71771127 71771138 71771219 71771179 71771184 71771221 71771186 71771039 71771038 71771029 71771079 71771145 71771046 71771110 71771182 71771203 71771210 71771069 71771097 71771223 71771177 71771061 71771064 71771104 71771040 71771075 71771063 71771196 71771118 71771169 71771159 71771010 71771077 71771148 71771212 71771204 71771131
ห้องสมุดไป่ตู้
71771076 71771024 71771205 71771071 71771074 71771105 71771033 71771101 71771207 71771066 71771162 71771111 71771073 71771119 71771224 71771187 71771211 71771133 71771209 71771022 71771060 71771092 71771088 71771102 71771160 71771122 71771095 71771120 71771035 71771112 71771195 71771213 71771085 71771041 71771009 71771152 71771004 71771132 71771084 71771044 71771173 71771134 71771121 71771070 71771143 71771045 71771098 71771135 71771146 71771003
认知无线电网络抗恶意用户节能协作频谱感知策略
认知无线电网络抗恶意用户节能协作频谱感知策略任晓岳;陈长兴【摘要】针对当前认知无线电网络协作频谱感知策略存在能量消耗过大且未考虑恶意用户存在及通信链路中断的问题,提出一种基于信誉管理系统的节能协作频谱感知策略.首先对系统信誉值和感知报告总数的表达式进行推导分析,建立感知策略模型,对恶意用户进行有效抑制.进一步提出策略对应的虚警和漏检概率估计方法及其闭合表达式,深入分析通信链路中断带来的影响.最后仿真结果表明,在达到相同检测目标情况下,提出的节能策略所需感知报告数量较传统策略更少,有效降低了能量消耗.感知性能在通信链路存在中断情况下受到的影响更小.%In view of problems existing in the collaborative spectrum sensing strategy of cognitive radio networks, for example, too much energy consumption and lack of considerations about malicious users and interrupted communication link, a new collaborative spectrum sensing strategy is proposed based on the energy-efficient method and trust management system.Firstly, the expressions of the trust values and the total amount of spectrum sensing reports are derived and analyzed.And the sensing model is set up to suppress effectively behaviors of malicious users.Secondly, the estimation method and the closed expression of the false alarm and missed detection probability are proposed corresponding to the proposed strategy, and the impact of the communication link interruption is analyzed further.Finally, the simulation results show that the required reports of the proposed energy-efficient strategy are fewer than those of the traditional strategy, which means that energy consumption is effectively reduced.The effect ofinterrupted communication link on sensing performance is smaller withthe help of the proposed strategy.【期刊名称】《系统工程与电子技术》【年(卷),期】2017(039)006【总页数】11页(P1347-1357)【关键词】认知无线电网络;恶意用户;节能;频谱感知【作者】任晓岳;陈长兴【作者单位】空军工程大学理学院, 陕西西安 710051;空军工程大学理学院, 陕西西安 710051【正文语种】中文【中图分类】TN92认知无线电技术(cognitive radio, CR)是解决频谱资源紧缺问题的有效途径之一[1]。
基于OpenBTS的多频点移动终端身份感知与管理系统研究
关键词： 移动通信； 身份感知； 基站； 安全 监管
１前言
并让它们最 终输出结果汇Байду номын сангаас进 同一个数 据库 ， 从而达 到多频 点
与Ｏ ｐ ｅ ｎ Ｂ Ｔ Ｓ 相关 的有三个进 程 （ １ ） Ｇ Ｓ Ｍ 网络 作为当今应 用最广泛 的系统， 对其通信过程 中得 身份监管以及 监控 的目的 。 ｒ ａ ｎ ｓ ｃ ｅ ｉ ｖ ｅ ｒ ，（ ２ ） Ｏ ｐ ｅ ｎ Ｂ Ｔ Ｓ ，（ ３ ） Ａ ｓ ｔ ｅ ｒ ｉ ｓ ｋ 。 其 中， Ｏ ｐ ｅ ｎ Ｂ Ｔ Ｓ 进 信息安 全监管尤为重 要。 而传统 的监管技术是通 过核心网警用 Ｔ
只是作为网络内部用户手机 身份的一种标 识， 在实 际应用中， 与 ５ 总结
用户密切相关 的则是Ｍ Ｓ Ｉ Ｓ Ｄ Ｎ ， 即用户手机号码 。 Ｍ Ｓ Ｉ Ｓ Ｄ Ｎ 号不仅 系统利用， 如移动支付、 身份 认证等 。 在 本文中我们深入研究 了Ｏ ｐ ｅ ｎ Ｂ Ｔ Ｓ 的程 序架 构， 提 出一种 将结果存入同一个数 据库 ， 以达到 同时覆盖多个 Ｇ Ｓ Ｍ ２ Ｇ 频点，
—
利用Ｍ ｙ Ｓ Ｑ Ｌ 在Ｌ ｉ ｎ ｕ ｘ 操 作系统下提 供的数据 库 用户手机 Ｉ Ｍ Ｓ Ｉ ／ Ｉ Ｍ Ｅ Ｉ 号 的方 法。 此 方法虽然可 以快速准确 的获 进行 统一管 理。 Ａ Ｐ Ｉ 以及脚 本编程 就可 以完成这个任务。 取用户手机 的Ｉ Ｍ Ｓ Ｉ ￥ ￣ Ｉ Ｍ Ｅ Ｉ 号身份信息， 但是Ｉ Ｍ Ｓ Ｉ 号以及Ｉ Ｍ Ｅ Ｉ 号
《2024年以用户为中心的无蜂窝大规模MIMO系统的资源管理研究》范文
《以用户为中心的无蜂窝大规模MIMO系统的资源管理研究》篇一一、引言在移动互联网迅猛发展的今天，如何确保高速、可靠、高效的数据传输是通信技术面临的主要挑战。
无蜂窝大规模MIMO （Multiple-Input Multiple-Output）系统因其能同时服务多个用户并提高频谱效率的特性，成为当下研究的热点。
本篇论文将深入探讨以用户为中心的无蜂窝大规模MIMO系统的资源管理问题，分析其核心技术、关键挑战和未来发展方向。
二、无蜂窝大规模MIMO系统概述无蜂窝大规模MIMO系统通过使用大量的天线和用户间协作的方式，大幅提高了频谱效率和数据传输速率。
该系统不再以传统的蜂窝小区为划分单位，而是以用户为中心进行资源分配，使得频谱资源得到更合理的利用。
三、资源管理关键技术1. 用户数据流量管理：无蜂窝大规模MIMO系统需要对用户的数据流量进行精细化管理，包括流量预测、调度和分配等环节。
这要求系统能够实时感知用户需求，并根据不同用户的需求和实时状态进行动态调整。
2. 无线资源分配：无线资源分配是资源管理的核心环节。
在无蜂窝大规模MIMO系统中，需要考虑到多用户间的干扰问题，通过智能算法实现无线资源的合理分配，确保每个用户都能获得所需的资源并保持通信质量。
3. 能量管理：由于无蜂窝大规模MIMO系统需要大量的计算和传输工作，能量管理显得尤为重要。
系统需要采取有效的节能措施，如动态调整天线数量、优化传输功率等，以降低能耗，实现绿色通信。
四、用户为中心的资源管理策略在无蜂窝大规模MIMO系统中，资源管理策略应围绕用户需求进行设计。
这包括根据用户的实时状态、数据需求和移动性等因素，动态调整资源分配策略。
具体策略包括：1. 需求感知：通过收集用户的反馈信息以及网络环境数据，实时感知用户的需求变化。
2. 智能调度：根据用户的需求和实时状态，利用智能算法进行资源的智能调度和分配。
3. 优先级管理：对不同用户的服务需求进行优先级排序，确保重要用户的通信质量。
hourglass module理解
hourglass module理解1. 引言1.1 概述本文将对Hourglass Module进行深入理解和探讨。
Hourglass Module是一种基于卷积神经网络的模块化结构，被广泛应用于图像处理、计算机视觉和人工智能领域。
它在目标检测、姿态估计等任务中取得了显著的成果，并且具有很高的应用潜力。
1.2 文章结构本文主要分为五个部分：引言、Hourglass Module理解、Hourglass Module 组成部分、Hourglass Module的优势与不足以及结论。
其中，引言部分将对文章的背景和整体结构进行介绍，为读者提供全面了解该主题的框架。
1.3 目的本文旨在深入理解Hourglass Module这一卷积神经网络模块，探索其设计原理和应用领域，并剖析其组成部分。
同时，将重点评估Hourglass Module在实际应用中所具备的优势，并指出其不足之处。
最后，在总结中对Hourglass Module的重要性和发展前景进行归纳，并提出未来研究方向建议，以期推动相关领域的科学研究发展。
通过阅读本文，希望读者能够全面理解并掌握Hourglass Module的核心思想和应用价值。
2. Hourglass Module 理解2.1 什么是Hourglass ModuleHourglass Module（沙漏模块）是一种深度学习模型的组成部分，它被广泛应用于人体姿态估计、目标检测等计算机视觉任务中。
该模块的设计灵感来自于沙漏的形状，具有自上而下和自下而上的信息流动方式。
Hourglass Module通过构建多个堆叠的子网络，在不同层级对特征进行提取、传播和预测。
每个子网络由特定结构的卷积层、池化层和残差连接构成，以实现对输入数据的有效处理。
2.2 Hourglass Module 的设计原理Hourglass Module的设计原理旨在解决姿态估计等问题中存在的难点，如遮挡、多样性姿势等。
门窗开合状态网络监测系统
门窗开合状态网络监测系统
作者：舒云
来源：《发明与创新·中学生》 2019年第1期
人们在生活中经常忘记关好门窗，引发很多安全隐患。
基于在高中物理中学习的霍尔器件原理，我设计了一套门窗开合状态网络监测系统。
一、设计思路
要完成门窗开合状态的网络监测，需要完成三项基本功能：检测开合状态；检测蓝牙传输；采集开合状态信息，实现用户对门窗开合状态的终端监测。
门窗开合网络监测系统的框架设计如下图。
二、设计原理
1.门窗开合状态的检测
将微功耗全极性霍尔开关 HAL13S安装在门或窗户边缘固定的地方，将磁铁安装在门窗可以活动的、霍尔器件能感应到的地方。
霍尔开关器件中有持续的微小工作电流，当门窗闭合时，磁铁安装的位置正好贴近霍尔器件所在的位置，磁场强度发生变化，霍尔器件输出信号，表示门窗已经闭合；当门窗打开时，磁铁远离开关器件，输出信号消失。
2.门窗开合状态信息的蓝牙传输
将霍尔开关器件和蓝牙收发器安装在一块电路板上，实现门窗开合状态信息的蓝牙传输。
蓝牙收发器使用蓝牙低功耗模块，将霍尔开关的信号输出端连接到蓝牙低功耗模块的一个引脚上，蓝牙低功耗模块能检测开关的信号变化，通过蓝牙收发装置，将信号变化发送到连接的蓝牙主机上，蓝牙主机通过网络把检测到的门窗开合状态发送给服务器。
3.网络监测设计
通过在Linux环境下的python开发的小程序，将蓝牙低功耗模块传输的门窗开合状态信息以MQTT协议发送到网络服务器。
网络服务器可为多个用户提供门窗开合信息的订阅，因此可实现所有家庭成员对门窗开合状态的即时监测。
如果利用先进的升降装置对门窗进行改造，结合本系统还可以实现对门窗开合的远程控制。
HSUPA技术配置与性能验证
HSUPA技术配置与性能验证
蔡鹏
【期刊名称】《山东通信技术》
【年(卷),期】2010(030)003
【摘要】HSUPA增强技术是3GPP在其K6版本上提出的上行分组增强技术,可大大提升无线网络上行的速率.继HSDPA技术在中国移动TD-SCDMA网络全面应用后,HSUPA技术已经成为TD-SCDMA网络发展的下一个令人关注的技术热点.【总页数】2页(P37-38)
【作者】蔡鹏
【作者单位】中国移动山东公司青岛分公司,青岛,266071
【正文语种】中文
【中图分类】TN91
【相关文献】
1.基于新分层小区的TD-HSUPA系统容量性能分析 [J], 李方伟;林国彪;朱江
2.基于ZSP500的HSUPA编码模块的子系统级功能验证 [J], 黄俊伟;陈扬
3.TD—HSUPA性能仿真研究 [J], 李健;彭木根;张翔;宋刚
4.TD-HSUPA系统双极化智能天线性能仿真研究 [J], 江甲沫;王文博;彭木根;张翔
5.TD-HSUPA性能与组网策略分析 [J], 郭建光;陈新
因版权原因，仅展示原文概要，查看原文内容请购买。
基于数据分析的电力用户用电特征研究
基于数据分析的电力用户用电特征研究陈谧【期刊名称】《自动化仪表》【年(卷),期】2022(43)9【摘要】针对目前电力数据维度高、特征复杂、难以进行有效电力用户分析等问题,提出了基于用户电力特征的分割网络模型。
首先,基于卷积神经网络(CNN)对电力用户用电特征进行编码,从而分析用户在相邻时段内用电记录的相关性。
其次,为了减少信息冗余和高维数据带来的维度爆炸或噪声干扰影响,对电力用户用电记录进行多角度特征提取。
接着,基于反卷积网络解码器从提取的特征中重构原始记录,从而可以在无监督的情况下对用户的用电行为进行建模。
最后,基于改进粒子群优化(PSO)算法进行超参数优化,从而提高模型训练效率。
在仿真阶段,以某电力公司500名用户用电数据为例,对用户用电行为进行分类分析。
分析结果表明,经特征提取后,支持向量机(SVM)、变分自编码(VA)、生成对抗网络(GAN)和所提模型轮廓系数分别提升2.58%、4.24%、0.39%和0.86%。
经所提改进PSO算法优化后,网络训练性能较传统PSO算法和无优化模型分别提升3.693倍和2.111倍。
该模型可用于电力用户分析,为电力企业提高用户服务质量提供一定的借鉴。
【总页数】6页(P100-105)【作者】陈谧【作者单位】广东电网有限责任公司惠州供电局【正文语种】中文【中图分类】TH-39【相关文献】1.电力用户用电信息采集系统不良数据分析研究2.基于负荷特性分析的电力用户用电行为特征研究3.基于负荷数据分析的用户侧用电感知与失电影响评估方法研究4."放管服"背景下我国电力体制改革成效评估及优化路径研究——基于重庆市1486家用电企业电力面板数据分析5.基于大数据分析的电力用户行为画像构建方法研究因版权原因，仅展示原文概要，查看原文内容请购买。
提升用户安全体验
提升用户安全体验
佚名
【期刊名称】《网管员世界》
【年(卷),期】2008(000)006
【摘要】联想网御强力推出UTM及IPS两系列共5款新品，这将大幅提升用户的安全体验。
【总页数】1页(P13)
【正文语种】中文
【中图分类】TP393.08
【相关文献】
1.面向用户安全使用体验的银行ATM排列设计 [J], 曹建中
2.面向用户安全使用体验的银行ATM排列设计 [J], 曹建中;;
3.基于ACT理论的用户安全体验认知过程研究 [J], 刘志斌
4.“四服务”提升并网用户安全风险管控及应急处置能力的探索和实践 [J], 陶欢;陈烨
5.基于流程特征的用户安全驾驶移交体验 [J], 陈圳濠;谭浩
因版权原因，仅展示原文概要，查看原文内容请购买。
基于性能感知预测的云服务推荐模型
基于性能感知预测的云服务推荐模型汪佳祯;迟焕醒;王木涵;史双田【摘要】互联网上出现越来越多的云服务,面对种类繁多的云服务,如何准确地在众多云服务中把符合用户需求并且性能好价格低的服务推荐给用户成为云服务推荐的研究热点.现有的服务推荐方法往往只是根据当前云服务的历史性能记录为用户进行推荐,并没有充分考虑云服务的性能趋势.针对上述问题,本文提出了一种基于性能预测的服务推荐模型,该模型利用共轭梯度改进人工神经网络对云服务的性能进行预测,使用层次分析法对性能,价格等因素进行综合比较计算,最终为用户推荐最为合适的云服务.实验结果表明,使用改进神经网络对服务性能进行预测能够获得较高的准确度,层次分析法可以综合考虑服务的性能与价格,为用户推荐最为合适的云服务.%A growing number of cloud services have emerged on the Internet. In the face of a wide variety of cloud services, how to recommend high quality and low price service meeting the users' requirements to the user accurately has become a focus in cloud service recommendation field. Currently, many services recommendation methods are often just basedon the current service status without taking into account the performance trend of cloud service. For this reason, this paper proposes a services recommendation model based on performance prediction. The model uses improved artificial neural network based on conjugate gradient to predict the performance of cloud services. Factors such as performance and prices can be compared and calculated by using AHP (Analytic Hierarchy Process), and then the most suitable cloud service would be recommended to the users. The experimental results show that the prediction accuracy would behigher by using improved neural network predicting service performance method, and AHP can recommend the most suitable service to the user according to comprehensively considering the performance and price of services.【期刊名称】《计算机系统应用》【年(卷),期】2017(026)005【总页数】5页(P210-214)【关键词】云服务;性能感知;神经网络;层次分析法【作者】汪佳祯;迟焕醒;王木涵;史双田【作者单位】中国石油大学(华东) 计算机与通信工程学院, 青岛 266000;中国石油大学(华东) 计算机与通信工程学院, 青岛 266000;中国石油大学(华东) 计算机与通信工程学院, 青岛 266000;中国石油大学(华东) 计算机与通信工程学院, 青岛266000【正文语种】中文目前,云服务以其“按需使用”的方式降低信息处理和存储投资为广大中小型企业所欢迎,这意味着计算能力也可以作为一种商品通过互联网进行流通[1].随着云服务的发展,越来越多的用户也开始使用云服务.用户在使用云服务时,不仅关注服务的功能,同时也关注服务的性能及价格等问题.例如在IaaS基础设施即服务(Infrastructure as a Service)中,服务提供商会根据用户提出的不同服务性能需求进行收费.在进行云服务推荐时,主要根据云服务的性能进行推荐,同时也适当考虑价格因素对推荐结果的影响.已有的云服务推荐方法在处理服务性能时,会根据服务注册中心的数据进行推荐[2],并没有考虑到服务性能的动态变化.例如云服务A性能比较高,服务推荐系统会推荐用户使用该云服务,那么随着用户的增多,该服务的性能会显著下降;如果继续向该服务推荐用户则会造成后续用户的使用体检降低.现有的云服务推荐系统并没有考虑到云服务的性能由于使用该服务的用户数量变化而引起服务性能的变化.针对该问题本文提出了基于性能预测的服务推荐模型,该模型首先利用改进神经网络对服务性能进行预测,其次通过层次分析法计算出性价比最高的服务推荐给用户.本文安排如下:第二节提出基于性能预测的云服务推荐模型,对模型中的各个部分进行说明,介绍了每一部分在服务推荐计算中的作用及步骤;第三节针对模型中的关键部分及关键算法进行相关实验;第四节分析实验结果,验证本文提出的方法的有效性.第五节对本文推荐方法进行总结;第六节总结本文工作并对后续工作进行了展望.2.1 用户及服务数据收集对用户及服务数据进行收集是性能预测的前提[3].对用户数据的收集包括用户端的监测数据:响应时间,花费等;对服务的数据主要包括服务端CPU、内存、硬盘、网络吞吐量的的运行情况及用户数量等信息.通过获取这些数据,可以分析出服务使用数量与服务性能之间的关系,从而为服务推荐提供参考.2.2 基于性能感知的服务推荐模型云服务性能指的是一个云服务响应处理用户请求的能力[4].在基于性能感知的服务推荐模型中,用户根据自身需求提出服务申请,服务资源计算模块计算所需服务资源;服务资源列表中存储各个服务的实时资源状态用于性能预测;性能预测模块预测服务性能并将结果交予层次分析系统;层次分析系统给出服务推荐序列,同时更新服务资源列表.图1为基于性能感知的云服务推荐模型的结构图.该模型主要包括三个部分:1)服务资源列表.以4元组的形式存储存储服务资源使用剩余情况,格式为:<CPU_Count,BandWidth, Mem_size,HardDisk>分别表示CPU使用率(%)、网络带宽(Mb/s)、内存大小(GB)及硬盘(GB).需要进行性能预测计算时,从服务资源列表中获取服务资源信息,计算推荐完毕后根据服务推荐情况更新列表.2)性能预测:根据历史记录训练改进BP神经网络,根据服务资源剩余进行性能预测并将预测结果交予服务计算推荐模块.3)服务推荐计算:利用层次分析法,通过性能构造比较矩阵并计算权重,得到服务推荐优先级列表并为用户推荐.2.3 改进神经网络算法服务的性能主要与服务资源有关(CPU,内存,带宽等),由于性能与资源之间的关系是非线性的[5],难以建立一个确定的映射关系,而神经网络的优点在于能够利用已有的历史数据不断训练调整,可以满足预测要求,预测结果够最大程度接近实际情况.除上述优点外,神经网络也有自身缺点:可能陷入局部最小、训练时间长、网络冗余大.为了减少训练时间,提高训练精度,本文采用共轭梯度法来优化神经网络.模型拓扑结构包括输入层(input),隐层(hide layer)和输出层(output layer),如图2所示.在输入层,输入参数分别为CPU使用率(%),网络带宽(Mb),内存大小(GB)以及硬盘大小(GB),输出为响应时间(S),服务调用成功率(%),传输速率(Kb/s),隐含层数为3层. 使用共轭梯度法改进后的神经网络搜索方向为上一次搜索方向与负梯度方向共轭方向.设g0为梯度方向,p0为它的负方向,有:选取共轭方向作为新的搜索方向,在当前梯度的负方向上增加一次搜索方向:对于修正系数的选取步骤如下:1)仿真次数设为k,随机产生n维权向量尺度因子 bl取0.影响参数s及调整参数l 为5.0×10-5和5.0×10-7.2)令k循环自增,有3)对尺度做调整4)计算评价参数其中是步长,当评价参数大于等于零时,假如mod(k, n)=0,按原来梯度方向重新计算 , 否则若评价参数大于 q,减小尺1度因子从而减少误差;若评价参数小于 2q,增加尺度因子;如此计算最终得到学习结果.2.4 服务推荐计算层次分析法把研究对象作为一个系统,按照分解,比较判断,综合的思维方式进行决策,是系统分析的重要工具,非常适合解决多目标决策问题[6],因此本文选定该方法解决服务推荐问题.2.4.1 层次分析法在服务推荐计算中的步骤1)建立层次模型结构:目标层为最优服务;准则层为服务性能指标:响应时间,传输速率,服务调用成功率,价格;方案层为备选服务,构造层次模型如图3.2)构造比较矩阵:若服务性能指标数为i,那么备选服务对应服务性能指标的比较矩阵有i个,分别每个比较矩阵大小为j(j是备选服务数).对应的是服务性能指标r,那么Ar的最大特征值对应的归一化特征向量就是全体备选服务相对于服务性能指标 r 的权重向量,那么权重矩阵就是全体备选服务在全体服务指标下的权重向量集合. 3)计算单排序权向量并做一致性检验; 4)计算总排序权向量并做一致性检验;5)根据服务性能指标的权重向量Wj和备选服务的权重矩阵WAll,得到备选服务的综合值最终推荐值最大的服务Maxwj2.4.2 服务推荐实例服务1:调用成功率94%;平均响应时间4.141秒;传输速率0.985Mbps,收费0.33元/时服务2:调用成功率99.2%;平均响应时间11.043秒;传输速率0.209Mbps,收费0.51元/时服务3:调用成功率99.2%;平均响应时间2.9秒;传输速率0.02Mbps,收费0.4元/时构造比较矩阵:通过计算我们求得这个矩阵的最大特征值查阅数据可知该四阶矩阵对应RI=0.90.判断矩阵一致性通过检验 ,对应归一化权重向量为WT={-0.1515, 0.0983,0.4366,-0.3136}(考虑到响应时间,费用越小越好)比较矩阵为权重向量同理可得则权重向量构成的矩阵为该计算结果即为服务推荐序列,值越大则推荐优先度最高,因此向用户推荐服务2.3.1 实验准备为了检验本文中改进神经网络算法对服务性能预测的准确性,本实验通过在亚马逊弹性计算云(Amazon elastic computer cloud,Amazon EC2)上运行SEPCWeb2009软件,监测EC2运行的CUP使用率等服务性能变化情况.SEPCWeb2009是由标准性能评估公司 (Standard Performance Evaluation Corpiration, SPEC)开发的软件基准测试软件,用于测试Web服务器的静态和动态页面响应能力.本文选择激活函数为purelin函数,训练函数trainlm函数,训练目标误差0.000001,最大迭代次数5000,学习率0.1.3.2 BP神经网络训练与验证一共进行1000组测试,选取前900组对神经网络进行训练,取最后100组作对照试验.试验结果如图4-图6所示.图5 是传输速率的预测结果,左图是实际预测传输速率和期望预测传输速率的对比图,右图为预测误差.图6 是响应时间的预测结果,左图是实际预测响应时间和期望预测响应时间的对比图,右图为预测误差.3.3 层次分析法效果验证本文在4台电脑上各自部署一个服务,同一个用户申请8次相同服务,对服务性能进行预测后利用层次分析法计算推荐优先级队列,情况如下:服务1共推荐3次,服务2推荐2次,服务3推荐2次,服务4推荐1次,服务推荐队列变化情况的发生是由于服务性能随着用户的使用而不断变化,实验证明该方法可以根据服务资源变化而导致服务性能波动的情况为用户推荐出当前状态下最优的服务,从而避免因为推荐用户过多而导致服务性能下降,用户使用体验降低情况的发生,有效提高使用体验;同时,层次分析法还将性能与价格结合在一起计算,符合云服务推荐的要求.通过上述实验我们可以发现,使用改进神经网络对服务性能进行预测,误差波动范围比较小,在实际应用中增加训练样本的数量还可以进一步提高预测精度,该实验结果证明该方法可以用来对服务性能进行预测.层次分析法在模拟服务推荐时,当有新的用户被推荐至某服务,服务推荐队列随之发生变化,证明该方法可以在服务推荐计算时有效考虑服务性能的波动,动态向用户推荐服务,从而避免服务性能下降而导致用户使用体验降低情况的发生.综上,本文提出的基于性能预测的云服务推荐模型可以对云服务性能进行准确预测,并根据预测结果为用户进行云服务推荐.目前,针对云服务推荐问题国内外学者展开了深入研究,并取得了一定成果.文献[7]针对服务推荐过程中性能预测不准确的问题,通过使用排队论的方法建立服务性能预测模型以此来预测性能,提出一种优化的性能预测模型.但是该模型主要考虑CPU 与性能的关系而忽略网络、带宽以及硬盘等对于服务性能的影响.文献[8]使用相似度计算来计算各服务的性能,根据结果为用户进行服务推荐.该方法使用相似度系数用于描述数据性能之间的线性相关关系,在实际并不能很好地解释客观性能数据之间的相似性.文献[9]提出云服务选择框架,该框架根据候选服务的服务质量及虚拟机的模拟参数做为参考为用户进行云服务推荐.该方法只是根据服务注册信息进行模拟计算推荐,并没有考虑到性能的动态变化情况.文献[10]提出一种基于信任的云服务推荐系统,该系统分别计算云服务的直接和推荐信任度,根据信任度的计算结果为用户推荐最可信的服务.上述研究在进行云服务推荐时都根据性能预测结果为用户进行服务推荐[11],但是并没有考虑到服务性能变化的动态性,使用上述推荐系统会出现由于用户增加而导致的服务性能严重下降情况的发生(服务调用丢失率高,响应时间长,传输速率慢等).针对现有推荐模型的不足,本文使用通过共轭梯度法改进后的神经网络来动态预测服务性能;在进行服务推荐时,综合考虑多种因素,使用权重向量来代表每一个具体影响因素,向量的不同值代表不同因素对于推荐的影响程度[12].本文针对服务性能动态变化的问题,提出一种基于性能感知预测的云服务推荐模型,该模型使用改进人工神经网络对服务性能进行预测,采用层次分析法计算推荐优先级.通过试验证明人工神经网络预测法对于不同资源环境下的服务性能有较高的预测准确率,层次分析法可以根据服务性能变化而改变服务推荐优先级.本文主要不足是在层次分析法中构建权重矩阵时,各因素的权重向量值的确定方法相对固定,没有根据每个用户的实际偏好量身定制,这是后面工作应解决的问题.1 Gmbh ICE.Cloud-Managed Wi-Fi Market to Reach$2.5 Billion by 2018,IDC Says.Wifi Wlan,2014.2 Garcia DF,Garcia J,Entrialgo J,et al.A QoS control mechanism to provide service differentiation and overload protection to Internet scalable servers.IEEE Trans.on Services Computing,2009,2(1):3–16.3 Tsesmetzis D,Roussaki I,Sykas E.QoS-aware service evaluation and selection.European Journal of Operational Research,2008,191(3):1101–1112.4 Jiang D,Pierre G,Chi CH.Autonomous resource provisioning for multi-service web applications.International Conference on World WideWeb,WWW 2010.Raleigh,North Carolina, USA.April,2010.471–480.5 Lorenzi L,Mercier G,Melgani F.Support vector regression with kernel combination for missing data reconstruction. IEEE Geoscience&Remote Sensing Letters,2013,10(2): 367–371.6 Shao L,Zhang J,Wei Y,et al.Personalized QoS prediction for Web services via collaborative filtering.IEEE International Conference on Web Services.2007.439–446.7 Han SM,Hassan M,Yoon CW,et al.Efficient service recommendation system forcloud computing market. International Conference on Interaction Sciences: Information Technology,Culture andHuman.ACM.2009. 839–845.8 Zeng L,Benatallah B,Dumas M,et al.Quality driven web services composition.Proc.ofthe 12th International Conference on World Wide Web.ACM.2003.411–421.9 Köksalan M,Zionts S.Multiple criteria decision making in thenew millennium.LectureNotesinEconomics& MathematicalSystems,2001,31(5):358.10 Yao X,Liu Y.A new evolutionary system for evolving artificial neural networks.IEEE Trans.on Neural Networks, 1997,8(3):694–713.11 Kong D,Zhai Y.Trust based recommendation system in service-oriented cloud computing.International Conference on Cloud and Service Computing.2012.176–179.12 Kant K,Won Y.Server capacity planning for web traffic workload.IEEE Trans.on Knowledge&Data Engineering, 1999,11(5):731–747.。
感知用户 优化生活:大唐移动iNOMS EXPT系统用户感知体系解决方案
感知用户优化生活：大唐移动iNOMS EXPT系统用户感知体
系解决方案
何宇鑫
【期刊名称】《移动通信》
【年(卷),期】2011(35)17
【摘要】文章介绍了大唐移动iNOMS EXPT系统用户感知体系解决方案,指出其真正实现了在一个平台上进行用户感知提升优化并做到失分要因责任分配,该系统在十余个城市得以运用,实践证明有助于提升运营商客户感知与忠诚度.
【总页数】4页(P84-87)
【作者】何宇鑫
【作者单位】大唐移动通信设备有限公司
【正文语种】中文
【相关文献】
1.大唐移动iNOMS网络规划优化产品解决方案 [J],
2.基于用户感知的移动网络优化体系及关键技术 [J], 程晓军;苗守野;景洪水;商冶;王睿
3.追求卓越提升用户感知——简析大唐移动小区深度覆盖解决方案 [J], 吴恒;张大鹏;刘龙山
4.面向5G的移动互联网用户感知大数据分析体系构建 [J], 邱喆
5.用户感知视角下移动健康App的质量评价指标体系研究 [J], 刘艳华
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于HSUPA 2MS功能开闭提升用户感知的研究【摘要】为了改善HSUPA业务的用户感知，重点研究HSUPA 2ms功能对系统的影响并选取一个RNC进行验证分析。
结果表明，相对R99和10ms UPA，开启HSUPA 2ms功能包将消耗CE资源并会对负荷较重的站点带来系统冲击，但可以加快HSUPA的调度，缩短RTT，增加HSUPA吞吐量，从而改善HSUPA业务的用户感知。
【关键词】HSUPA 网络优化用户感知网络负荷doi：10.3969/j.issn.1006-1010.2016.06.013 中图分类号：TN929.533 文献标识码：A 文章编号：1006-1010（2016）06-0057-04引用格式：刘涛，李鹏旭. 基于HSUPA 2MS功能开闭提升用户感知的研究[J]. 移动通信，2016，40（6）：57-60.1 引言随着3G网络的成熟，网络优化的重点也从通话质量转移到上下行速率方面，基于此，本文将重点研究HSUPA 2ms 功能对系统的影响，和R99及10ms UPA相比较，2ms UPA消耗的CE资源较大，这将给负荷较重的站点带来系统冲击。
但开通2ms功能，可加快HSUPA的调度，缩短RTT，增加HSUPA吞吐量，从而改善HSUPA业务的用户感知。
在目前网络负荷情况下，开启HSUPA 2ms功能究竟是否值得推广，本文通过在深圳市选取一个RNC，开启2ms功能来进行比对验证分析。
2 HSUPA 2ms功能实现原理开通2ms的目的是为了加快HSUPA的调度，缩短RTT，增加HSUPA吞吐量，从而改善HSUPA业务的用户感知。
开启HSUPA 2ms功能包后最直接的效果是2ms用户比例和2ms 到10ms的迁移次数均会大幅上升。
带来的相应变化就是分组域数据业务上下行净荷流量有所上升，HSUPA单用户平均吞吐率上升。
HSUPA 2ms ETTI能够降低空口时延，提升传输速率。
但较短的ETTI降低了时域交织保护能力，需要UE更高的发射功率和更好的信道条件，否则可能实际性能并不如10ms ETTI。
因此需要根据HSUPA业务的吞吐量、信号质量和网络负荷等条件动态分配和动态调整ETTI，以充分发挥2ms ETTI的HSUPA性能，从而提升HSUPA整体性能。
HSUPA 2ms ETTI功能包含有下列子功能，即下述七个子功能需要同时打开。
（1）基于用户面吞吐量触发的ETTI迁移当空口覆盖不佳或接入小区资源不足时，为了提高接入成功率，初始会将UE建立在UPA 10ms上。
后续UE移动到覆盖较好区域或者小区资源变充足时，需要将有上行速率需求，特别是上行高速率需求的UPA 10ms UE迁移到UPA 2ms。
这种迁移通过“基于用户面吞吐量触发的ETTI迁移”来实现。
（2）HSUPA ETTI的分配策略增强HSUPA ETTI的分配策略增强算法，综合考虑了UE所处位置的信号质量和当前小区的负荷。
只有当UE信道质量高于门限且小区负荷低于门限时才考虑配置2ms ETTI，否则考虑选择配置10ms ETTI。
（3）HSUPA 2ms TTI拥塞控制当新的业务请求由于上行CE资源不足而接纳失败时，通过将已经接入的低优先级HSUPA 2ms业务迁移到10ms ETTI来获得更多的可用CE，以提高后续新业务的接入成功率。
（4）小区组CE接纳校准HSUPA的调度器在Node B实现，由于HSUPA速率的动态特点，不同UL SF下实时消耗的UL CE是不同的。
开通“小区组CE接纳校准”功能，可以实时获得Node B当前的UL CE 使用情况，更准确地进行CE资源的接纳和拥塞控制。
（5）Node B上报HSUPA接纳资源指示由于UPA速率的动态特点，不同UL SF下实时消耗的UL CE是不同的，进而导致小区、小区组上行实时消耗的CE值变化较大。
这种实时性的变化使RNC较难感知。
为了适应CE变化的实时性，引入“Node B上报HSUPA接纳资源指示”功能。
当上行实时CE利用率超过“允许2ms ETTI业务接入门限”时，Node B指示RNC不再建立2ms ETTI业务；当上行实时CE利用率超过“允许10ms ETTI业务接入门限”时，Node B指示RNC不再建立HSUPA业务。
（6）SRB on EDCHSRB on EDCH特性支持在E-DCH信道上承载RRC信令和NAS层信令传输，所有SRB复用到一条独立的MAC-d Flow上，能显著加快Uu口信令流程，降低后续业务建立的呼叫时延。
（7）HSUPA 2ms TTI及5.76Mbps峰值速率该功能通过参数配置允许使用四条E-DPDCH信道，从而可以支持HSUPA 5.76Mbps的峰值速率，使得用户可以使用较高速率进行业务上传。
需关闭的四个关联子功能如下：（1）CE接纳下沉功能：HSUPA接纳资源指示打开而且是对CE接纳下沉功能的优化。
（2）2ms TTI与10ms TTI间基于覆盖的自动切换：因为验证效果不大且增加了大量的6B事件上报，决定不打开。
（3）2ms单HARQ（最小2 CE消耗）：新一代的ZTE基带板，无论是否开启2ms单HARQ，单位用户消耗的最小CE 值都为2，开启2ms单HARQ在CE容量方面没有提升。
2ms 单HARQ功能尚未被充分验证，暂不打开。
（4）2ms HSUPA时分调度：2ms HSUPA时分调度功能尚未被充分验证，暂不打开。
打开2ms功能包在获取上述增益的同时也有如下代价：因为2ms转10ms的次数大量增多，从而掉话率抬升。
另外，后RAB指派成功率也会下降。
目前发现，SRB over EDCH打开会带来较多的分组域RB建立空口超时，但考虑到后续其它HSPA+特性都是需要SRB on EDCH的，该开关仍然需要打开。
因此打开2ms功能包后RAB指派成功率，主要是分组域RAB指派成功率会有一定下降。
通过调整信令最大重传次数为最大，提高使用2ms的RSCP和Ec/N0门限要求，能得到一定的恢复，但比起打开2ms功能包前的RAB指标还是会有0.06%左右的下降。
3 HSUPA 2ms功能验证根据上述的HSUPA 2ms功能，开通参数配置进行外场验证，观察相应的KPI统计、网络基础KPI统计、设备运行状况及用户投诉等其它情况。
选用的是深圳市RNC3482，其于2015年3月25日开启UPA 2ms功能。
3.1 2ms用户的比例HSUPA 2ms TTI的用户比例大幅上升，从几乎为0上升到接近24%，具体如图1所示。
3.2 RRC连接成功率以及RAB指派成功率RRC连接建立成功率、电路域RAB建立成功率平稳。
RAB 指派成功率主要是指电路域RAB指派成功率和分组域RAB指派成功率下降了0.06%左右。
因为打开2ms功能后，SRB over EDCH会带来大量的分组域RAB指派建立失败的RAB数目，无线接口流程失败，RB建立空口超时，所以分组域RAB指派成功率会有一定下降。
通过调整信令最大重传次数为最大，提高使用2ms的RSCP和Ec/N0门限要求，能得到一定的恢复，但比起打开2ms功能包前RAB指标还是会有0.06%左右的下降，具体如图2所示。
3.3 掉话率电路域业务掉话率（HSUPA）和分组域业务掉话率（HSDPA）均有明显下降，幅度约为0.2%，具体如图3所示。
3.4 DPA、UPA用户数DPA、UPA用户数均有所下降，下降幅度约为800左右，如图4所示。
3.5 分组域数据业务上下行净荷流量分组域数据业务上行净荷流量和分组域数据业务下行净荷流量也有明显的下降，其中，上行净荷流量下降的更为明显，如图5和图6所示。
4 遗留问题及后续改进建议开通2ms功能包后，2ms用户比例大量增加，但是因为RB空口超时大量增加引起RAB建立成功率恶化。
RAB建立成功率恶化的风险需要现场密切关注。
2ms功能开启将会导致RAB建立成功率下降及分组域掉线率略为上升，为最大程度降低影响，计划采取下列措施：（1）OMMR侧参数“用于ETTI转换的Ec/N0门限”由默认的-12dB下调至-8dB，提高2ms的门槛。
（2）OMMR侧参数“用于ETTI转换的ROT门限”由默认的6下调为4，即在RTWP为-102dBm以上的水平，不启用2ms接纳。
（3）OMMB侧参数“允许建2ms UPA的最高门限”由默认的60%下调为40%，即CE资源超过40%，不启用2ms。
（4）提取最近一周每15分钟粒度的CE资源平均利用率，其最大值超过70%而且为纯BPC基带板配置的站点，在脚本制作时，提前关闭小区级的2ms支持开关。
5 结束语从上面的验证结果可以看出，开通HSUPA 2ms ETTI功能包，可以达到提升HSUPA用户感知，降低时延和增加吞吐率的目的。
验证结果表明HSUPA 2ms ETTI功能已具备长期商用的能力。
参考文献：[1] Harri Holma，Antti toskala. WCDMA技术与系统设计[M]. 北京：机械工业出版社，2004.[2] 姜波. WCDMA关键技术详解[M]. 北京：人民邮电出版社，2008.[3] 华为技术有限公司. GSM无线网络规划与优化[Z]. 2011.[4] 张卫钢. 通信原理与通信技术[M]. 西安：西安电子科技大学出版社，2012.[5] 移动通信俱乐部3G本土化研究组. 3GPP TS 25.401V3.10.0（2002-06）中文版[Z]. 2010.[6] 程堂柏. WCDMA系统的上行干扰浅析[J]. 移动通信，2006（7）：55-58.[7] 黄标，彭木根，王文博. 第三代移动通信系统干扰共存研究[J]. 电信科学，2004（7）：34-39.[8] 3GPP TS 25.331. Radio Resource Control（RRC）；protocol specification[EB/OL]. （2002-05-11）. http：//www.quintillion.co.jp/3GPP/Specs/25331-810.pdf.[9] 3GPP TS 25.133. Requirements for support of radio resource management（FDD）[EB/OL]. （2002-05-11）. http：///ftp/tsg_ran/TSG_RAN/TSGR_06/Docs/Pdfs/RP -99768.PDF.[10] 陈洪涛，管海峰. WCDMA微蜂窝基站实现完美室内覆盖[EB/OL]. （2005-01-11）[2011-01-20]. http：///201/a137642.html.★。