无线通信网络资源分配方法.pdf

无线通信网络资源分配方法摘要：针对现有无线网络资源分配面临的资源分配不合理问题,提出基于机器学习的无线通信网络资源分配方法研究。在网络资源接入时设定优先级,然后进行中继转发,最后利用比例公平算法对无线通信网络资源进行合理分配。通过实验得到,提出的基于机器学习的无线通信网络资源分配方法,能够有效解决资源分配不合理的问题。关键词：机器学习；无线通信；网络资源；分配方法0引言随着高新智能移动客户端数量的增加和各种新颖的移动数据服务的出现,对无线通信网络资源的需求正在以爆炸式的速度增长,同时也使得无线通信网络资源的分配面临着严峻的挑战。无线通信网络资源的分配问题和人们对网络资源的需求这两者间的矛盾日益突出。并且无线通信网络资源存在着不合理分配、资源利用率不高等问题,这些问题严重弱化了网络的性能。因此,对无线通信网络资源分配方法的研究成为当务之急。基于机器学习,在网络资源接入时设定优先级,然后通过中继转发,最后利用比例公平算法完成了对无线通信网络资源的合理分配。以期为满足各种业务需求和提高网络资源利用率提供一些方法上的借鉴。1基于机器学习的无线通信网络资源分配方法设计机器学习是人工智能的核心,机器学习能够为无线通信网络资源的分配方法提供相关的理论支撑。接下来,我们对基于机器学习的无线通信网络资源分配方法进行深入地探析[1]。无线通信网络资源的转发是无线网络节点在进行协作通信即网络资源传输的过程中,中继点为了将接收到的网络资源传输到目的节点,对传输资源采取相应的处理方式以便保持正常的无线通信。无线通信网络资源的分配则是针对无线网1/4络节点传输来的无线通信网络资源按照比例公平算法进行分配[2]。1.1优先级的设定无线通信网络资源的接入是通过在无线专网制定信道上划分不同时隙,使得不同类型的无线通信业务之间能够按照设定的优先级选择不同的时隙,然后在对应的时隙上共用一条频段,利用时隙隔离完成物理层上无线通信网络资源在多业务空口上的隔离接入。其接入具体的实现过程是在有多个业务终端发送接入传输申请时,根据不同业务的传输需求对其进行优先级的设定。1.2无线通信网络资源的转发在中心基站接入无线通信网络资源后,当网络资源节点距离分配业务节点较远时,通过增加中继节点来实现无线通信网络资源的顺利分配,中继节点的主要任务也就是完成无线通信网络资源的转发以便进行网络资源的转发。为了保证无线通信网络资源转发的顺利完成,采用解码转发方式进行。网络业务端每个信源发送端以广播的形式把自身的资源信息发送出去,网络资源目的接收端与中继节点同时对这一信号进行侦听和接受。1.3无线通信网络资源的分配无线通信网络资源的分配主要是针对从中心基站接入并通过中继节点转发的网络资源,采用比例公平算法进行分配,在保证一定的无线通信网络容量的前提下,充分考虑资源分配的公平因素,最大化无线通信网络中各业务用户平均分配率的对数和称为比例公平分配调度P．2实验结果与分析上述采用提出的基于机器学习的无线通信网络资源分配方法实现了对网络资源的合理分配,为提高无线通信网络资源的利用提供保障,充分的证明了基于机器学习的无线通信网络资源分配方法的可行性,但是其有效性还有待进一步研究。因此,采2/4用对比实验对提出的基于机器学习的无线通信网络资源分配方法的有效性进行实验。2.1实验参数设置对比实验主要采用提出的基于机器学习的无线通信网络资源分配方法与传统的网络资源分配方法进行实验,为了方便实验的进行,将提出的基于机器学习的无线通信网络资源分配方法设为实验组,将传统的网络资源分配方法设置为对照组。由于实验采用的是两种方法对无线通信网络资源进行分配,无法对其实验过程参数进行统一。为了得到准确的实验数据,对实验外部环境参数进行统一。2.2实验数据分析以上述设置的实验外部环境参数为依据进行实验,对无线通信网络资源分配方法的资源传输速率进行实验。由于实验组与对照组机制的不同,无法对其进行直接的对比分析。为此,采用统计软件对实验数据进行记录与对比分析。实验组的网络资源分配率明显的高于对照组的网络资源分配率,实验组的网络资源分配率最高值能达到98%,平均值为89%。而对照组的网络传输速率最高值仅为35%,平均值为29%。说明提出的基于机器学习的无线通信网络资源分配方法具备极高的有效性。3结语提出的基于机器学习的无线通信网络资源分配方法实现了对网络资源快速合理的分配,同时采用比例公平算法兼顾的资源分配的公平性。但是其仍然存在较大的上升空间,因此,需要对其进行进一步的研究与分析。参考文献：[1]梁景舒,顾俊峰,李江,等.机器学习经典算法在无线设备故障预警用户投诉行为的应用[J].中国新通信,2018,v.20(8):96-99.[2]李萌,司鹏搏,孙恩昌,等.基于部分可观察马尔可夫决策过程的受控无线网络3/4系统动态资源分配[