基于DCNN-LSTM负荷预测算法的5G基站节能系统研究

摘要：

伴随着5G网络的大规模快速建设,运营商乃至整体通信行业的能耗压力在同步凸显.通过节能降耗实现行业可持续发展成为当前5G网络发展的新研究方向.以小区物理资源块(physical resource block,PRB)利用率为负荷评估指标,对小区指标进行深度特征提取,提出了一套深度卷积神经网络和长短期记忆(DCNN-LSTM)深度学习算法模型实现PRB利用率未来值预测,进一步结合小区瞬时任务中大小包比例,对各种基站设定动态化的节能策略.并引入网络能耗管理网元,对整体5G接入网络的能耗进行动态化统一管理,在保障无线网络服务质量的基础上,实现了5G基站的智能化节能运作.

关键词：5G基站节能、改进型LSTM算法、5G系统设计

所属期刊栏目：39

分类号：TN929.5

资助基金：国家自然科学基金No.U1809211

在线出版日期：2023-05-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：133-141