小基站网络中移动感知的缓存系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-15页 |
| 1.1.1 第5代通信技术的诞生 | 第13页 |
| 1.1.2 小基站组网的发展 | 第13-15页 |
| 1.2 研究现状 | 第15-16页 |
| 1.3 本文的工作 | 第16页 |
| 1.4 本文的结构 | 第16-19页 |
| 第2章 技术基础 | 第19-39页 |
| 2.1 基于马尔科夫链模型的位置预测技术 | 第19-24页 |
| 2.1.1 马尔科夫链模型 | 第19-20页 |
| 2.1.2 隐马尔科夫模型 | 第20-21页 |
| 2.1.3 混合马尔科夫模型 | 第21-24页 |
| 2.2 基于深度学习的位置预测技术 | 第24-28页 |
| 2.2.1 深度学习的模型概要 | 第24-25页 |
| 2.2.2 变分自动编码器 | 第25-28页 |
| 2.3 逗留规律分析 | 第28-30页 |
| 2.3.1 幂次定律描述逗留规律 | 第28-29页 |
| 2.3.2 幂次定律描和指数衰减联合述逗留规律 | 第29-30页 |
| 2.4 网络编码技术 | 第30-39页 |
| 2.4.1 网络编码 | 第30-32页 |
| 2.4.2 喷泉码 | 第32-39页 |
| 第3章 系统架构与实现 | 第39-59页 |
| 3.1 系统架构与设计 | 第39-42页 |
| 3.1.1 系统架构 | 第39-40页 |
| 3.1.2 系统设计 | 第40-42页 |
| 3.2 单步转移预测模块 | 第42-45页 |
| 3.2.1 基于混合马尔科夫模型 | 第42-44页 |
| 3.2.2 基于条件变分自动编码器 | 第44-45页 |
| 3.3 时间相关预测模块 | 第45-47页 |
| 3.3.1 建立逗留规律模型 | 第46页 |
| 3.3.2 时间相关的位置概率分布 | 第46-47页 |
| 3.3.3 转移发生时刻的概率估计 | 第47页 |
| 3.4 RaptorQ编码文件 | 第47-55页 |
| 3.4.1 填充源符号 | 第48-49页 |
| 3.4.2 预编码 | 第49-52页 |
| 3.4.3 编码 | 第52-53页 |
| 3.4.4 解码 | 第53-55页 |
| 3.5 预缓存决策模块 | 第55-59页 |
| 3.5.1 问题建模 | 第56-58页 |
| 3.5.2 模型求解 | 第58页 |
| 3.5.3 计算复杂度分析 | 第58-59页 |
| 第4章 实验结果与分析 | 第59-71页 |
| 4.1 实验数据集 | 第59-60页 |
| 4.2 单步转移预测 | 第60-65页 |
| 4.2.1 基于混合马尔科夫模型的轨迹预测 | 第60页 |
| 4.2.2 基于变分自动编码器的轨迹预测 | 第60-65页 |
| 4.3 时间相关预测 | 第65页 |
| 4.4 分布式缓存 | 第65-69页 |
| 4.5 实验结果总结 | 第69-71页 |
| 第5章 工作总结与展望 | 第71-73页 |
| 5.1 工作总结 | 第71页 |
| 5.2 工作展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 在读期间发表的学术论文与取得的研究成果 | 第79页 |
