通信技术
通信技術
통신기술
Communications Technology
2015年
11期
1285-1289
,共5页
魏伍%张更新%吕晶%杨晗竹
魏伍%張更新%呂晶%楊晗竹
위오%장경신%려정%양함죽
集合经验模式分解%本征模态函数%人工神经网络%ARMA
集閤經驗模式分解%本徵模態函數%人工神經網絡%ARMA
집합경험모식분해%본정모태함수%인공신경망락%ARMA
EEMD%IMF%artificial neural networks%ARMA
针对卫星网络业务具有自相似的特点,介绍了一种基于集合经验模式分解的业务组合预测方法(EEMD).该方法利用EEMD的分解特性,将具有自相似的网络流量分解成多个只具备短相关性的本征模态函数(IMF),这样便可使用传统的流量预测算法进行预测.文中使用人工神经网络与自回归滑动平均模型(ARMA)这两种方法进行预测.最后将多个本征模态函数(IMF)预测的结果相加作为原始信号的预测结果,实验证明此方法有更高的精度.为了迎合卫星实时性的需求,给出了硬件的框架,该框架采用DSP与FPGA相结合的构架实现连续数据的EEMD实时处理.
針對衛星網絡業務具有自相似的特點,介紹瞭一種基于集閤經驗模式分解的業務組閤預測方法(EEMD).該方法利用EEMD的分解特性,將具有自相似的網絡流量分解成多箇隻具備短相關性的本徵模態函數(IMF),這樣便可使用傳統的流量預測算法進行預測.文中使用人工神經網絡與自迴歸滑動平均模型(ARMA)這兩種方法進行預測.最後將多箇本徵模態函數(IMF)預測的結果相加作為原始信號的預測結果,實驗證明此方法有更高的精度.為瞭迎閤衛星實時性的需求,給齣瞭硬件的框架,該框架採用DSP與FPGA相結閤的構架實現連續數據的EEMD實時處理.
침대위성망락업무구유자상사적특점,개소료일충기우집합경험모식분해적업무조합예측방법(EEMD).해방법이용EEMD적분해특성,장구유자상사적망락류량분해성다개지구비단상관성적본정모태함수(IMF),저양편가사용전통적류량예측산법진행예측.문중사용인공신경망락여자회귀활동평균모형(ARMA)저량충방법진행예측.최후장다개본정모태함수(IMF)예측적결과상가작위원시신호적예측결과,실험증명차방법유경고적정도.위료영합위성실시성적수구,급출료경건적광가,해광가채용DSP여FPGA상결합적구가실현련속수거적EEMD실시처리.
