基于隐马尔可夫模型的通信态势估计方法

冯
涛，黄开枝，徐天顺：基于隐马尔可夫模型的通信态势估计方法
7
有效的利用行为模式特征预测通信行为的算法，但是该 算法只是针对单个终端通信行为进行研究的。而在实际 网络中，特定区域内会存在多个终端同时产生的大量通 信行为数据，如何从这些数据中提取出能全面描述终端 行为特征的有效数据，对当前区域的宏观通信态势进行 估计是需要解决的问题之一。 终端通信行为在 U、T、L、S 及运动状态等方面都 存在一定的行为特征，特别当时间点不同时，区域终端 的通信行为会存在差异性。根据这一特点，本文提出一种 基于隐马尔可夫模型(HMM)的区域通信态势估计方法。
态势进行估计，是本文需要解决的问题。主要包括以 下 2 个方面：(1) 如何从大量通信行为数据中，提取出 能全面描述终端行为特征的有效数据，并提取行为特 征。(2) 如何利用区域终端行为模式特征，进行通信态 势估计。
3
区பைடு நூலகம்通信态势估计
在行为模式挖掘过程中，T 、L、S 是 3 个重要的
模式特征，区域通信态势估计主要是对区域内终端所 处位置 及其 发生 通行 行为 进行研 究。 根据 时间 段不 同，区域内终端可能处于不同的运动状态，且伴随不 同的通信行为。例如，终端在早晨上班路上，以较大 概率处于运动状态，同时需要特定的服务 ( 新闻、天 气 ) ；在上班期间，一般长时间处于静止状态，且通 信行为种类和数量都较多；在下午则以相反的方向下 班。因此，根据时间点的不同，对通信行为进行分类。 终端在基站范围内运动时 ，会在基站之间 ( 同一 基站或不同基站 ) 不停地切换，将切换过程看作终端 在两节点之间的转移过程，用 A [aij ] 表示其状态转 移概率。终端在运动过程中，同时会发生不同的通信 行为 S ，用 B [bik ] 表示终端在基站 i 发生通信行为
————————————
基金项目：国家自然科学基金资助项目(61171108) 作者简介：冯 涛(1988－)，男，硕士研究生，主研方向：无线移动通信；黄开枝，副教授；徐天顺，研究员 收稿日期：2012-02-27 修回日期：2012-05-21 E-mail：aifengtao@163.com
第 39 卷 第 2 期
表 1 区域通信行为表
用户 1 2 3 统计结果 {B1:S1, B2:S2, B5:S2, B8:S3, B8:S2, B7:S4} {B4:S1, B4:S2, B4:S2, B1:S3, B2:S2, B3:S4, B6:S1, B5:S3} {B8:S1, B9:S2, B9:S2, B6:S3, B5:S2}
1
概述
近年来，随着无线通信技术的快速发展，越来越多
利用数据挖掘技术可以从数据库中获知有用信息，对区 域内通信态势进行估计，更好地为移动通信服务[1-2]。 通信态势估计需要从大量的通信数据中挖掘终端的 行为模式特征，包括移动终端(U)、通信行为发生的时间 (T)、地点(L)、通信行为(S)以及它们之间的内在联系等， 文献[3-5]通过对 U、L、T、S 展开研究，给出了一种利 用结构树挖掘 U、L、T、S 之间相互关系的联合算法， 但该算法需要人为设定最小监督值，用于排除通信行为 中的小概率事件，随着监督值的变化，算法性能及复杂 度变化较大，无法进行自适应调整。文献[6]给出了一种
的人通过移动网络获取各种资讯，享受移动网络带来的 便捷，如获取多媒体信息、收发邮件以及导航定位等。 不同区域内移动终端的通信行为存在着差异性，提前获 知不同区域内的通信态势，包括终端位置移动、通信行 为种类及数量等，可合理地分配通信服务模块，有效地 避免通信需求增多所带来的通信拥堵及需求减少时带来 的通信模块闲置，提高服务效率。同时，由于计算机计 算及存储功能的不断发展， 大量的通信数据被存储下来，
图 2 通信态势估计算法 图1 区域基站 布局示意图
综上所述， 区域通信态势估计主要包括 2 个部分： (1) 将数据库中大量通信行为按发生时刻的不同进行
因此，如何利用大量历史通信数据，对当前通信
8
计 算 机 工 程
2013 年 2 月 15 日
划分，并根据不同时间段的通信行为提取行为特征； (2) 构建隐马尔可夫模型，对区域通信态势进行估计。 3.1 时间段划分 通信行为划分的方法是使基站中的事件发生频次的
差异性最大 ，如上班时间、居民区所在基站的事件发 生频次应当小于办公区事件发生频次。具体步骤如下： (1)将一天 24 h 作为一个时间周期， 平均划分为 K 个 时间段，K 值越大，则通信态势估计时间越精确，本文 中取 K=256。 (2)计算所有事件发生次数均值 ，遍历获知的通信 行为，统计事件发生次数大于 的时间点，得到大频度 时间点序列 U。 (3)计算大频度时间点序列中相邻两点之间的平均时 间间隔 ， 统计两点之间时间间隔大于均值 的次数 N， 则待划分的时间段数目为 N+1。 (4)如图 3 所示，最优时间点应使得各区间的事件频 次标准差 F x 最大：
第 39 卷 第 2 期 Vol.39 No.2 ·专栏·
计 算 机 工 程 Computer Engineering
文章编号：1000—3428(2013)02—0006—06 文献标识码：A
2013 年 2 月 February 2013
中图分类号：TN929.5
基于隐马尔可夫模型的通信态势估计方法
U o 表示移动终端； ti 表示事件发生的时刻； B j 表示事
隐马尔可夫模型中的隐藏状态转移，将终端在基站发 生通信 行为 的过 程看 作隐 藏状态 到观 察状 态的 转移 过程，从而完整地描述出终端在基站内的运动过程。 区域通信态势估计的具体步骤如图 2 所示。
件发生时终端所处的基站； Sk 表示终端发生的通信事 件。伴随着计算机计算及存储功能的发展，大量包含终 端属性信息 U、L、T、S 的数据被存储在数据库中。
Bi , , Bn ) i 1, 2, , n 表示，基站覆盖情况如图 1 所
假 设 某 一 地 区 有 n 个 基 站 ， 用 B ( B1 , B2 , ,
示。当终端在基站覆盖范围内运动时，会在基站内留下 各种 行 为 痕迹 ， 如 切换 、 短信 、 通 话、 上 网 等， 用 S ( S1 , S2 , , Si , , Sm ) i 1, 2, , m 表示。因此，终 端每一次通信行为记录可表示为 {U o , ti , B j , Sk } ，其中，
Communication Situation Estimating Method Based on HMM
FENG Tao1, HUANG Kai-zhi1, XU Tian-shun2
(1. National Digital Switching System Engineering & Technological Research Center, Zhengzhou 450002, China; 2. Military Representative Office of Signal Corps, Zhengzhou 450002, China) 【Abstract】In the process of mobile communication, the service efficiency is low if the communication situation cannot be known in advance. Aiming at this question, this paper proposes a method for communication situation estimating based on the Hidden Markov Model(HMM). In general, user behaviors change as the time goes. It utilizing this feature gives a time slots division method and concrete algorithm according to the difference of efficiency, genetic algorithm or traversal algorithm. Then by mining the relationship between time, location and service, it builds HMM. This paper utilizes Viterbi algorithm to predict the communication situation. Simulation results show that the location predicting success rate is 73 % and the behavior predicting success rate is 75% when the pattern feature value is 0.8. 【Key words】Hidden Markov Model(HMM); communication situation; pattern feature; genetic algorithm; state transfer; behavior characteristic DOI: 10.3969/j.issn.1000-3428.2013.02.002
F x
length x 1 i 1

1 Nc N s
2 Li [c, s ] Li c 1 s 1
Nc N s
Sk 概率。因此，可以将终端在基站之间的转移看作
2
态势估计问题
终端位于基站覆盖范围内时，包含 2 个状态：静止
(steady)和运动(move)。终端处于运动状态时，会频繁地 在不同基站之间切换，当终端需要数据服务时，位置切 换必然会带来数据延迟以及重传，从而导致通信服务效 率降低。因此，有必要对区域内终端未来通信态势进行 预测，包括区域内大部分终端的位置、通信状态等，从 而合理地分配通信服务模块，更好地为终端服务。
[6]
状态主要根据下一节点(基站)进行判定， 若当前节点与下 一节点相同，则判为静止状态，否则为运动状态。对于 行为序列中的最后一个节点，由于无法获知终端此时的 运动状态，并且相对于数据库中大量数据而言，单一节 点可以忽略不计，因此在进行行为模式统计时，最后一 个节点可以不计算在内。对于表 1 所示的通信行为数据 库，统计所得结果如图 4 所示，在图 4(a)中，非对角线 元素为 2 个不同基站之间的转移次数，对角线元素由二 维数据组成，第 1 维表示终端停留在某一基站的次数， 第 2 维表示终端到达同一基站的次数(到达一次次数增加 一次)。在图 4(b)中，s 表示在相应的基站发生的通信行 为，每一个元素均由二维数据构成，第 1 维表示终端处 于静止状态时发生某一通信行为的次数，第 2 维表示终 端处于运动状态时发生某一通信行为的次数。
冯 涛 1，黄开枝 1，徐天顺 2
(1. 国家数字交换系统工程技术研究中心，郑州 450002；2. 通信兵军代室，郑州 450002) 摘 要：针对移动通信过程中通信态势无法被预知导致的服务效率较低问题，给出一种基于隐马尔可夫模型的区域通信态 势估计方法。根据不同时间点的通信行为特征具有差异性的特点，对通信行为按不同的时间段进行划分，并自适应地给出 具体的划分算法，即遗传法或遍历法。挖掘终端行为发生时间、地点以及通信行为之间的内在联系，构建隐马尔可夫模型， 利用维特比译码算法对区域内终端位置及通信行为进行估计。仿真结果表明，当模式特征值取 0.8 时，该方法的终端位置 预测成功率在 73%左右，通信行为预测成功率在 75%左右。 关键词：隐马尔可夫模型；通信态势；模式特征；遗传算法；状态转移；行为特征