一种用于事件驱动 M2M 流量预测的定向信息学习框架
信息论
2018-08-28 v1 math.IT
摘要
机器类通信（MTC）中事件驱动流量引发的传输突发会导致随机接入资源拥塞、包冲突和长时延。本文提出一种定向信息（DI）学习框架，用于预测事件驱动 MTC 中的源流量。通过用一串二元随机变量捕获过去事件期间的传输历史，计算不同机器类设备（MTD）之间的 DI，并用于预测可能报告事件的 MTD 集合。分析与仿真结果表明，所提 DI 学习方法能够揭示报告同一事件的不同 MTD 间传输的相关性及其数据传输顺序。所提算法与呈现的结果表明，DI 可用于实现事件驱动 MTC 的有效预测性资源分配。
引用
@article{arxiv.1808.08788,
title = {A Directed Information Learning Framework for Event-Driven M2M Traffic Prediction},
author = {Samad Ali and Walid Saad and Nandana Rajatheva},
journal= {arXiv preprint arXiv:1808.08788},
year = {2018}
}