隐马尔可夫物联网模型的流量预测与快速上行
网络与互联网体系结构
2022-09-14 v1 信息论
math.IT
摘要
在本工作中，我们提出一种由二值马尔可夫事件控制的物联网网络新型流量预测与快速上行框架。首先，我们应用隐马尔可夫模型（HMM）的前向算法，通过快速上行授权将可用资源调度给具有最大似然激活概率的设备。此外，我们评估了以浪费传输时隙数衡量的后悔度（regret）指标来评价预测性能。接着，我们构建了一个公平性优化问题，以在尽可能减小后悔度的同时最小化信息年龄。最后，我们提出一种迭代算法，在实时应用中估计模型超参数（激活概率），并应用所提流量预测方案的在线学习版本。仿真结果表明，所提算法在后悔度、系统使用效率与信息年龄方面优于时分多址（TDMA）与免授权（GF）随机接入等基线模型。
引用
@article{arxiv.2209.05939,
title = {Traffic Prediction and Fast Uplink for Hidden Markov IoT Models},
author = {Eslam Eldeeb and Mohammad Shehab and Anders E. Kalor and Petar Popovski and Hirley Alves},
journal= {arXiv preprint arXiv:2209.05939},
year = {2022}
}
备注
in IEEE Internet of Things Journal, 2022