改進的移動網絡數據業務忙時檢測算法

劉俊霞， 賈振紅， 覃錫忠， 常 春， 王 浩

（①新疆大學 信息與工程學院，新疆 烏魯木齊 830046；②中國移動通信集團新疆分公司，新疆 烏魯木齊 830000；③新疆機電職業技術學院，新疆 烏魯木齊 830011）

0 引言

由于無線頻譜資源有限，移動網絡中每個基站可用的載頻數受限，該區域內的用戶使用網絡資源的時間又相對集中，因此，在GSM網絡中存在相當多的忙時、忙點、忙區，特別是在推出(E)GPRS服務后，使這個問題變得更加突出。網絡忙時和小區忙時，基站忙時和移動交換中心忙時，不同小區的忙時是不同的；無線網絡是以滿足全網忙時話務量需求為目標進行規劃和建設的，故正確的忙時檢測顯得尤為重要。

1 忙時檢測算法

其中m是測試次數，NX是X取離散值的個數，RU(X)的取值為[0,1]，m＞NX，當RU(X)=0時表示X是常量，其分布具有顯著特征，當RU(X)=1時表明X服從均勻分布[1-4]。

文獻[4]用上述相對熵理論檢測EDGE網絡忙時,取某個特定的時間測量網絡的用戶數X，計算RU(X)的值，分析X的分布特性。該方法中相對熵RU(X)公式（1）的計算結果受觀測次數m的影響，若則當且僅當時，RU(X)=1，此時X的分布具有最大的不確定性，并不是我們檢測忙時所要的。因此只有當m＞NX時，相對熵理論才能用于檢測忙時，此方法受觀測次數的影響，具有一定的局限性。

2 改進的忙時檢測算法

改進算法采用相對條件熵

在(E)GPRS網絡中，X是具有一維特征的觀測變量，是不同時刻的用戶數,A是X取特定值的集合。令是采樣次數，mi是ai在m次采樣中出現的次數；讓

將采樣數據值，分成2類S和R。S是A的子集，S中所有元素均大于R中所有元素，是的最小整數，則S中的元素的分布具有忙時特性，R中元素的分布接近均勻分布，無忙時特性。所以S中的元素即為檢測出的忙時。

3 案例分析

數據從移動現網某小區提取，利用改進的忙時檢測算法檢測出該小區忙時是23點、0點和1點。

若將該小區的吞吐量值從現網數據中提取，可以得到如圖1所示。

圖1 現網某小區一周內24小時的平均吞吐量

可以看出吞吐量最大的時間是23點，0點和1點，與用本文采用的基于條件相對熵忙時檢測算法結果是一致的，證明了該算法的有效性。

4 結語

無線網絡是以滿足全網忙時話務量需求為目標進行規劃和建設的，故忙時檢測在數據網絡中變得越來越重要，本文將忙時算法進行改進可以準確的管理并檢測出數據網絡的忙時，不僅可以提高載頻利用率還能更合理的分配網絡資源，從而為網絡優化提供依據。

[1]馮桂,林其偉,陳東華.信息論與編碼技術[M].北京:清華大學出版社,2007:20-21.

[2]THOMAS M, CORER J, THOMAAS A.信息論基礎[M].北京:機械工業出版社,2008:2-3.

[3]賈世樓,信息論基礎[M].第 2版.哈爾濱:哈爾濱工業大學出版社,2004:35-36.

[4]LIU Lu, ZHOU Wenan, MA Fei, et al. QOE-oriented EDGE Network Busy Time Detection and Analysis[C].USA:IEEE International Conference on.,2009:232-236.

[5]XU Kuai, ZHANG Zhili, SUPRATIK Bhattacharyya. Profiling Internet Backbone Traffic: Behavior Models and Applications[C]. USA, Proceedings of the 2005 Conference on Applications, Technologies, Architectures, and Protocols for Computer Communications,2005: 169-180.