通過預測平滑的傳輸塊大小來控制應用的操作的系統和方法與流程

示例實施例總體上涉及用于通過預測平滑的傳輸塊大小來控制應用的操作的系統和方法。

背景技術：

圖1圖示了傳統的第三代合作伙伴項目長期演進(3gpplte)網絡10。網絡10包括互聯網協議(ip)連接接入網絡(ip-can)100和ip分組數據網絡(ip-pdn)1001。ip-can100通常包括：服務網關(sgw)101；分組數據網絡(pdn)網關(pgw)103；策略和計費規則功能(pcrf)106；移動性管理實體(mme)108和e-utran節點b(enb)105(即基站，出于本文中的目的，術語基站和enb可互換地使用)。雖然未示出，但是eps的ip-pdn1001部分可以包括應用或代理服務器、媒體服務器、電子郵件服務器等。

在ip-can100內，enb105是被稱為演進的通用移動電信系統(umts)陸地無線電接入網絡(eutran)的部分，并且包括sgw101、pgw103、pcrf106、以及mme108的ip-can100的部分被稱為演進的分組核心(epc)。盡管圖1中僅示出了單個enb105，但是應當理解，eutran可以包括任何數目的enb。類似地，盡管圖中僅示出了單個sgw、pgw、以及mme，但是應當理解，epc可以包括任何數目的這些核心網絡元件。

enb105為一個或多個用戶設備(ue)110提供無線資源和無線電覆蓋。也就是說，任何數目的ue110可以被連接(或被附接)到enb105。enb105在操作上耦合到sgw101和mme108。

sgw101路由和轉發用戶數據分組，同時還在ue的enb間切換期間用作用戶平面的移動錨點。sgw101還用作第三代合作伙伴項目長期演進(3gpplte)與其他3gpp技術之間的移動性的錨點。對于空閑ue110，當下行鏈路數據到達ue110時，sgw101終止下行鏈路數據路徑并且觸發尋呼。

pgw103通過作為ue110的流量的進入/退出點來在ue110與外部分組數據網絡(例如，ip-pdn)之間提供連接。如已知的，給定的ue110可以具有與多于一個pgw103的同時連接用于訪問多個pdn。

pgw103還執行策略執行、針對ue110的分組過濾、計費支持、合法攔截和分組篩選，上述各項中的每個都是公知的功能。pgw103還用作3gpp與非3gpp技術之間的移動性的錨點，非3gpp技術諸如全球微波接入互操作性(wimax)和第三代合作伙伴項目2[3gpp2碼分多址(cdma)1x和增強的語音數據優化(evdo)]。

仍然參考圖1，enb105也在操作上耦合到mme108。mme108是eutran的控制節點，并且負責空閑模式ue110尋呼和標記(tagging)過程，包括重傳。mme108還負責在ue到網絡的初始附接期間以及在包括核心網(cn)節點重定位的lte內切換期間為ue選擇特定sgw。mme108通過與家庭訂戶服務器(hss)交互來認證ue110，hss在圖1中未示出。

非接入層(nas)信令在mme108處終止，并且負責生成和向ue110分配臨時標識。mmn108還檢查ue110對于駐留在服務提供商的公共陸地移動網絡(plmn)的授權，并且執行ue110漫游限制。mme108是網絡中用于nas信令的加密/完整性保護的終止點，并且處理安全密鑰管理。

mme108還利用接口來提供用于lte與2g/3g接入網絡之間的移動性的控制平面功能，該接口具有來自sgsn(未示出)并且在mme108處終止的接口。

策略和計費規則功能(pcrf)106是制定策略決策和設置計費規則的實體。它可以訪問訂戶數據庫，并且在3gpp架構中扮演如在3gppts23.303“策略和計費控制架構(policyandchargingcontrolarchitecture)”中所規定的角色。

應用服務器(as)102是駐留在ip-pdn1001中的服務器/節點，其與ue110接口連接以便在ue110上運行應用。as102可以例如是社交網站主機、用于在線電影的服務提供商等。

圖2圖示了傳統的e-utran節點b(enb)105。enb105包括：存儲器225；處理器210；調度器215；無線通信接口220；用于每個承載的mcs計算的功能230；累積來自215和210的度量的傳輸塊大小/調制和編碼方案/物理資源塊(tmp)度量205；以及回程接口235。處理器210也可以被稱為核心網絡實體處理電路、epc實體處理電路等。處理器210控制enb105的功能(如本文中所描述的)，并且在操作上耦合到存儲器225和通信接口220。

enb105可以包括服務在各個幾何覆蓋扇區區域內的ue110的一個或多個小區或扇區。每個小區可以分別包含圖2所描繪的元件。在整個本文檔中，術語enb、小區、或扇區可以可互換地使用。

仍然參考圖2，通信接口220包括各種接口，包括連接到用于向/從ue110傳輸/接收(有線地和/或無線地)控制和數據信號的一個或多個天線、或者經由控制平面或接口連接到其他epc網絡元件和/或ran元件的一個或多個傳輸器/接收器。回程接口235是與ip-can100內的sgw101以及mme108接口連接的enb105的部分。調度器215調度要由enb105向ue110傳輸以及從ue110接收的控制和數據通信。存儲器225可以緩沖和存儲正在向enb105傳輸和從enb105接收的數據。

每個傳輸時間間隔(tti)(通常等于1毫秒)，調度器215可以在下行鏈路方向(即，從enb105傳輸到ue110)和上行鏈路方向(即，在enb105處從ue110接收數據，其通過回程235被接收)上通過無線鏈路向攜帶數據的不同承載分配一定數目的物理資源塊(prb)。“承載”可以被理解為用于交換信息以在ue110上運行應用的鏈路或信道。調度器215可以確定調制和編碼方案(mcs)，調制和編碼方案(mcs)可以定義每hz每秒有多少比特的信息被包裝在所分配的數目的prb中。后者由3gppts36.213表7.1.7.1-1和7.1.7.2.1-1(其內容通過引用整體并入)定義，其中mcs由0到28之間的數字定義，其中較高的mcs值指示更多的比特可以被分配在多個prb中。表7.1.7.1-1和7.1.7.2.1-1包括針對給定的所分配的數目的prb和mcs值可以被包括在每個tti發送的prb中的數據比特數的查找表。mcs由調度器使用由ue110報告的信道質量指示符(cqi)值來計算，cqi值又可以從信號與干擾和噪聲比(sinr)的形式的所測量的ue110無線信道條件來導出。

調度器215可以基于表示業務優先級層級的服務質量(qos)類標識符(qci)來進行prb分配決策。目前在lte中定義了9個qci類，1表示最高優先級，9表示最低優先級。qci1至4被保留用于保證比特率(gbr)類，調度器針對gbr維持某些特定的數據流qos特性。qci5至9被保留用于各類盡最大努力業務。

傳統上，tmp度量205可以通過確定物理資源塊(prb)的數目和最佳調制和編碼方案(mcs)來計算要通過無線接口220在下行鏈路方向上向ue傳輸的數據分組的適當的傳輸塊大小(tbs)，如在標準3gppts36.213中提供的查找表中所定義的。然而，由于3gppts36.213查找表的凹度(concavity)，tbs值的預測(當僅從查找表導出時，其中預測的mcs和預測的prb被輸入到該查找表)可能是容易出錯的。此外，精確地預測tbs的難度至少由兩個原因引起。首先，已知mcs取決于承載的信道質量信息和信噪比(sinr)，而prb的數目取決于資源分配策略和各種網絡狀態變量(例如，物理信道狀態、流量/數據負載和小區間干擾水平)。因此，除了精細的結構和快速現象局限之外，所需的tbs也受到上述所有變量的影響。這意味著所需的tbs可能會隨著時隙到時隙而顯著變化。其次，任何嘈雜的和/或不精確的測量或報告可能會增加達成預測的回歸模型的難度。

傳統上，使用以下基本步驟來確定對于確定tbs的興趣度量：

1.ue從enb接收下行鏈路傳輸。

2.ue通過接收信號中的嵌入導頻音調來計算接收信號的sinr。

3.ue基于容量計算(用于加性白高斯噪聲或awgn信道，作為示例)來計算信道質量指示符(cqi)，并且將該cqi報告給enb。

4.enb接收cqi并且確定ue的sinr。

5.enb通過使用小區負載與enb調度算法的結合來獲取要在下一傳輸時間索引(tti)中分配給ue的物理資源塊(prb)的數目。

6.在(4)中計算的sinr用于在下一tti為ue選擇適當的調制編碼方案(mcs)。因此，mcs嚴格地是信道質量驅動的度量。

7.在上述(5)和(6)中計算的mcs和prb用于通過3gppts36.213的查找表的方式來計算用于在下一tti中傳輸的適當的傳輸塊大小(tbs)。

傳統上，在確定信道質量和/或鏈路質量預測方面進行了大量的研究。然而，基于mcs和prb信息來預測適當的未來tbs值尚未明確定義。預測未來tbs值的精確值可以用于更好地控制應用級別的行為，特別是對于視頻應用，并且這種類型的預測也可以用于其他應用。

技術實現要素：

至少一個示例實施例涉及一種導出平滑的傳輸塊大小以控制應用的操作的方法。

在一個示例實施例中，該方法包括由至少一個網絡節點的一個或多個處理器獲取歷史時間序列數據，歷史時間序列數據包括歷史傳輸塊大小信息、歷史調制和編碼方案信息、以及歷史物理資源塊利用信息；由一個或多個處理器基于歷史時間序列數據來預測未來值信息，未來值信息包括調制和編碼方案未來值和物理資源塊未來值；由一個或多個處理器產生使第一輸入數據回歸到第一輸出數據的映射函數，第一輸入數據包括歷史調制和編碼方案信息和歷史物理資源塊利用信息，第一輸出數據包括歷史傳輸塊大小信息；由一個或多個處理器通過向映射函數中輸入未來值信息來預測平滑的傳輸塊大小；以及由一個或多個處理器向網絡節點導出平滑的傳輸塊大小以控制應用的操作。

在一個示例實施例中，該方法包括其中平滑的傳輸塊大小的導出包括將平滑的傳輸塊大小導出到用戶設備處的應用服務器以及應用客戶服務器中的至少一個以便控制應用的操作。

在一個示例實施例中，該方法還包括在預測未來值信息之前平滑歷史時間序列數據，其中未來值信息是平滑的未來值信息。

在一個示例實施例中，該方法包括其中基于歷史時間序列數據的未來值信息的預測包括使用自回歸積分移動平均(arima)回歸建模來預測未來值信息。

在一個示例實施例中，該方法包括其中基于歷史時間序列數據的未來值信息的預測包括未來值信息被量化為第一離散數字集合和第二離散數字集合，第一離散數字集合是調制和編碼方案未來值，第二離散數字集合是物理資源塊未來值。

在一個示例實施例中，該方法包括其中平滑的傳輸塊大小的預測還包括通過向映射函數中輸入第一離散數字集合和第二離散數字集合來預測第三離散數字集合，映射函數是函數回歸模型，第三離散數字集合是傳輸塊大小未來值。

在一個示例實施例中，方法包括其中第一離散數字集合、第二離散數字集合、以及第三離散數字集合每個被指派觀察周期，其中觀察周期是預先選擇的、可調節的、以及可適應的中的一項。

在一個示例實施例中，該方法包括其中平滑的傳輸塊大小的預測還包括平滑傳輸塊大小未來值，平滑利用平滑帶寬和距離度量經由內核來實現，平滑帶寬和距離度量是預先選擇的、可調節的、以及可適應的中的一項。

在一個示例實施例中，該方法包括其中未來值信息和預測的平均傳輸塊大小針對可比實際時間提前的可選擇的時間增量而被確定。

在一個示例實施例中，該方法包括其中獲取步驟在e-nodeb處執行，并且預測、產生、以及預測步驟在e-nodeb外部的管理實體處執行。

在一個示例實施例中，該方法還包括將調制和編碼方案未來值和物理資源塊未來值中的至少一個導出到在用戶設備處的應用服務器和應用客戶端中的至少一個，以便控制應用的操作。

至少一個示例實施例涉及網絡節點。

在一個示例實施例中，網絡節點包括一個或多個處理器，處理器被配置為：獲取歷史時間序列數據，歷史時間序列數據包括歷史傳輸塊大小信息、歷史調制和編碼方案信息、以及歷史物理資源塊利用信息；基于歷史時間序列數據來預測未來值信息，未來值信息包括調制和編碼方案未來值和物理資源塊未來值；產生使第一輸入數據回歸到第一輸出數據的映射函數，第一輸入數據包括歷史調制和編碼方案信息以及歷史物理資源塊利用信息，第一輸出數據包括歷史傳輸塊大小信息；通過向映射函數中輸入未來值信息來預測平滑的傳輸塊大小；以及向網絡節點導出平滑的傳輸塊大小以控制應用的操作。

在一個示例實施例中，網絡節點包括其中一個或多個處理器還被配置為通過將平滑的傳輸塊大小導出到在用戶設備處的應用服務器和應用客戶服務器中的至少一個來導出平滑的傳輸塊大小，以便控制應用的操作。

在一個示例實施例中，網絡節點包括其中一個或多個處理器還被配置為在預測未來值信息之前平滑歷史時間序列數據，其中未來值信息是平滑的未來值信息。

在一個示例實施例中，網絡節點包括其中所述一個或多個處理器進一步被配置為基于歷史時間序列數據來預測未來值信息包括使用自回歸積分移動平均(arima)回歸建模來預測未來值信息。

在一個示例實施例中，網絡節點包括其中一個或多個處理器還被配置為：通過未來值信息被量化為第一離散數字集合和第二離散數字集合來基于歷史時間序列數據而預測未來值信息，第一和第二離散數字集合是調制和編碼方案未來值，第二離散數字集合是物理資源塊未來值。

在一個示例實施例中，網絡節點包括其中一個或多個處理器還被配置為通過向映射函數中輸入第一離散數字集合和第二離散數字集合來預測第三離散數字集合，以預測平滑的傳輸塊大小，映射函數是函數回歸模型，第三離散數字集合是傳輸塊大小未來值。

在一個示例實施例中，網絡節點包括其中一個或多個處理器還被配置為針對第一離散數字集合、第二離散數字集合、以及第三離散數字集合中的每個指派觀察周期，其中觀察期是預先選擇的、可調節的、以及可適應的中的一項。

在一個示例實施例中，網絡節點包括其中一個或多個處理器還被配置為通過平滑傳輸塊大小未來值來預測平滑的傳輸塊大小，平滑利用平滑帶寬和距離度量經由內核來實現，平滑帶寬和距離度量是預先選擇的、可調節的、以及可適應的中的一項。

在一個示例實施例中，網絡節點包括其中一個或多個處理器還被配置為將調制和編碼方案未來值和物理資源塊未來值中的至少一個導出到用戶設備處的應用服務器和應用客戶端中的至少一個，以便控制應用的操作。

附圖說明

通過參考附圖詳細地描述示例實施例，示例實施例的上述和其他特征和優點將變得更加明顯。附圖旨在描繪示例實施例，并且不應當被解釋為限制權利要求的預期范圍。除非明確指出，否則附圖不應當被視為按比例繪制。

圖1圖示了傳統的第三代合作伙伴項目長期演進(3gpplte)網絡；

圖2圖示了傳統的e-utran節點b(enb)；

圖3a是描繪根據示例實施例的用于預測傳輸塊大小(tbs)的一般方法的流程圖；

圖3b是描繪根據示例實施例的用于預測傳輸塊大小(tbs)和將預測傳送到應用服務器和客戶端的一般方法的另一流程圖；

圖4圖示了根據示例實施例的重新配置的e-nodeb；

圖5是根據示例實施例的預測傳輸塊大小(tbs)的方法；

圖6圖示了根據示例實施例的重新配置的3gpplte網絡；以及

圖7圖示了根據示例實施例的另一重新配置的3gpplte網絡。

具體實施方式

雖然示例實施例能夠具有各種修改和替代形式，但是其實施例作為示例在附圖中示出，并且將在本文中詳細描述。然而，應當理解，并不意圖將示例實施例限于所公開的特定形式，而是相反，示例實施例將覆蓋落入權利要求的范圍內的所有修改、等同和替代方案。在附圖的描述中，相同的附圖標記指代相同的元件。

在更詳細地討論示例實施例之前，應當注意，一些示例實施例被描述為被描繪為流程圖的過程或方法。雖然流程圖將操作描述為順序過程，但是很多操作可以并行地、并發地或同時地被執行。此外，操作的順序可以被重新布置。過程可以在它們的操作完成時終止，但是也可以具有圖中未包括的附加步驟。過程可以對應于方法、功能、過程、子例程、子程序等。

下文討論的方法中的一些由流程圖來說明，可以由硬件、軟件、固件、中間件、微代碼、硬件描述語言、或其任何組合來實現。當由軟件、固件、中間件或微代碼來實現時，用于執行必要的任務的程序代碼或代碼段可以存儲在機器或計算機可讀介質中，諸如存儲介質，諸如非暫態存儲介質。處理器可以執行必要的任務。

出于描述示例實施例的目的，本文中公開的特定結構和功能細節僅僅是代表性的。然而，本發明可以以很多替代形式來實施，并且不應當被解釋為僅限于本文中闡述的實施例。

應當理解，盡管本文中可以使用術語第一、第二等來描述各種元件，但是這些元件不應當受這些術語的限制。這些術語僅用于將一個元件與另一元件區分開。例如，第一元件可以被稱為第二元件，并且類似地，第二元件可以被稱為第一元件，而沒有脫離示例實施例的范圍。如本文中使用的，術語“和/或”包括一個或多個相關聯的列出的項目的任何和所有組合。

應當理解，當元件被稱為“連接”或“耦合”到另一元件時，其可以直接連接或耦合到另一元件，或者可以存在中間元件。相反，當元件被稱為“直接連接”或“直接耦合”到另一元件時，不存在中間元件。用于描述元件之間的關系的其他詞語應當以類似的方式來解釋(例如，“在…之間”與“直接在…之間”，“相鄰”與“直接相鄰”等)。

本文中使用的術語僅用于描述特定實施例的目的，而非旨在限制示例實施例。如本文中使用的，單數形式的“一”、“一個”和“該”也旨在包括復數形式，除非上下文另有明確指示。還應當理解，術語“包括”、“包括了”、“包含”和/或“包含了”當在本文中使用時規定所陳述的特征、整體、步驟、操作、元件和/或部件的存在，但是不排除一個或多個其他的特征、整體、步驟、操作、元件和/或部件和/或其組合存在或添加。

還應當注意，在一些替代實現中，所提到的功能/動作可以不按圖中所示的順序來進行。例如，取決于所涉及的功能/動作，連續示出的兩個圖實際上可以被同時執行或者有時可以以相反的順序被執行。

除非另有定義，否則本文中使用的所有術語(包括技術和科學術語)具有與示例實施例所屬領域的普通技術人員通常理解的相同的含義。還應當理解，例如，在通常使用的字典中定義的術語應當被解釋為具有與其在相關領域的上下文中的含義一致的含義，并且不應當以理想化或過度正式的意義來解釋，除非明確如此定義。

示例實施例和相應的詳細描述的部分以計算機存儲器中的數據位的操作的軟件或算法和符號表示來呈現。這些描述和表示是本領域普通技術人員有效地將其工作的實質傳達給本領域普通技術人員的描述和表示。算法作為在這里使用的術語并且如其通常使用地被認為是導致期望結果的自相容的步驟序列。這些步驟是需要物理量的物理操作的步驟。通常，雖然不一定，這些量采取能夠被存儲、傳送、組合、比較、以及以其他方式操縱的光、電、或磁信號的形式。已經證明，有時，主要是出于普遍使用的原因，將這些信號稱為比特、值、元素、符號、字符、項、數字等是方便的。

在下文的描述中，將參考可以被實現為執行特定任務或實現特定抽象數據類型的程序模塊或功能過程(包括例程、程序、對象、組件、數據結構等)并且可以使用現有網絡元件處的現有硬件來實現的操作(例如，以流程圖的形式)的動作和符號表示來描述說明性實施例。這樣的現有硬件可以包括一個或多個中央處理單元(cpu)、數字信號處理器(dsp)、專用集成電路、現場可編程門陣列(fpga)計算機等。

但是，應當記住，所有這些和類似的術語都應當與適當的物理量相關聯，并且僅僅是適用于這些量的便利的標簽。除非另有說明，或如從討論中顯而易見，諸如“處理”或“計算”或“計算出”或“確定”或“顯示”等術語是指計算機系統或類似的電子計算設備的動作和處理，其將被表示為計算機系統的寄存器和存儲器內的物理、電子量的數據操作以及變換成類似地被表示為計算機系統存儲器或寄存器、或其他這樣的信息存儲、傳輸或顯示設備內的物理量的其他數據。

還應當注意，示例實施例的軟件實現的方面通常在某種形式的程序存儲介質上被編碼或者通過某種類型的傳輸介質來實現。程序存儲介質可以是諸如磁性(例如，軟盤或硬盤驅動器)或光學(例如，光盤只讀存儲器或“cdrom”)等任何非暫態存儲介質，并且可以是只讀的或隨機訪問的。類似地，傳輸介質可以是雙絞線對、同軸電纜、光纖、或本領域已知的一些其他合適的傳輸介質。示例實施例不受任何給定實現的這些方面的限制。

一般方法：

當前示例實施例通常被引向精確地預測平均(平滑的)未來傳輸塊大小(tbs)值。tbs定義有多少字節在傳輸塊中被傳輸，并且從該觀點來看，所需的tbs可以不是固定的，因為這種需求可能會在一段時間內改變。因此，平均tbs值可能有助于主動地改進/優化網絡鏈路以支持分組調度和路由。這種改進/優化可以特別有助于支持諸如視頻等應用，當tbs值可能被錯誤地實現時，該應用可能會經歷顯著的降級。

一般來說，ue所經歷的sinr可能是可用的，以便預測sinr的預期未來值。例如，cqi可以從sinr被導出，并且在enb處，cqi可以用于計算mcs。因此，過去的mcs和sinr值可以被保存到enb內的存儲器中。prb可以由特別地基于用戶行為和數據需求的小區負載而被指定，并且過去的prb使用也可以被保存到enb內的存儲器中。通過使用過去的mcs和prb使用數據用于特定承載，函數回歸技術可以用于通過以下方式來計算tbs的未來值：一般性地預測mcs/prb的平均(平滑的)未來值，根據mcs/prb信息來確定tbs的函數關系，然后使用該信息來預測tbs的平均未來值。應當注意，可以獲得平滑的預測值，因為度量可以在回歸(使用函數或自回歸積分移動平均(arima)回歸類型)被執行以學習模型之前被平滑，然后模型可以用于預測未來值。

根據示例實施例，在預測未來tbs值時可能涉及的方法如圖3所示。該示例實施例涉及兩層結構，包括：預測mcs和多個prb，然后使用預測的mcs/prb信息來預測tbs值。參考圖3a，下文示出(標記為i.-iv.)和描述了四個基本步驟：

i.平滑時間序列數據：該步驟跟蹤歷史tbs、msc、以及prb值，以編譯對于這些歷史(過去的)值的離散值時間序列數據。這些歷史時間序列值可以被“平滑”(如下文在圖5的步驟s502中所述的)，以便產生平滑的歷史(過去的)以及值。平滑的一個示例是平均操作。例如，每個tti度量的m個值可以被求和并除以m，以產生可以由以及來表示的平滑的度量時間序列。在平滑之前，度量可以每個tti(1毫秒)可用一次。在平滑之后，度量可以每m個tti被獲得(m以毫秒為單位)。在本文檔的其余部分，該m個持續時間可以被稱為1個時間增量或1個平滑時間間隔。

ii.預測平滑的未來mcs和prb值：使用平滑的和值，然后可以使用回歸建模來確定未來的mcs值，其可以被表示為和公知的自回歸積分移動平均(arima)建模可以用于為和過程生成arima模型。arima建模和預測在本領域是公知的，并且例如在“時間序列分析(timeseriesanalysis)”,georgee.p.box,gwilymm.jenkins,gregoryc.reinsel,第三版,普倫蒂斯霍爾,1994,第7-18頁和“自動時間序列預測：r的預測分組(automatictimeseriesforecasting:theforecastpackageforr)”,r.j.hyndman與y.khandakar,統計軟件學報,第27卷,no.3,2008年7月(其全部內容通過引用并入本文)中所描述的。和可以獨立地建模成arima過程，其中可以導出模型，并且可以使用該模型來計算預測值和預測可以在實際時間之前一個時間增量發生，但是該預測可以被推廣到在實際時間之前的n個時間增量，其中n>1。

iii.在“訓練階段”使用過去的平滑的的值與過去的平滑的和產生函數回歸映射函數：過去的平滑值和可以用作“訓練輸入”以創建產生輸出的函數回歸模型。具體地，該“訓練輸入”可以與可以被認為是“訓練輸出”的“平滑的”預測tbs值相比較以定義函數回歸模型。函數回歸函數也可以如下定義。

1.輸入x可以被定義成其中i可以是平滑的度量的時間索引時間增量(i＝1,2,3,...,n；n可以是訓練序列長度)。

2.輸出可以被建模成其中i可以是平滑的度量的時間索引(i＝1,2,3,...,n；n可以是訓練序列長度)。

3.關系可以通過使用以下參考文獻來導出：“函數數據分析中的統計計算：r分組fda.usc(statisticalcomputinginfunctionaldataanalysis:therpackagefda.usc)”,manuelfebrero-bande,manueloviedodelafuente,統計軟件學報，第51卷,第4期，2012年10月(其內容通過引用整體并入)。

使用此建模，可以導出以下函數：

其中如上文所定義的，y(輸出)和x(輸入)可以被建模為與如下相關：

yi＝r(xi)+∈i等式2

其中∈i可以是錯誤項，并且k可以是合適的內核(諸如triweight內核或本領域公知的其他內核)。

其中，1{|u|≤1}可以是指示符函數，其值在激勵(braced)條件滿足的情況下為1，否則為0，h可以是平滑參數(即，平滑帶寬)并且可以通過驗證準則來被預定義或優化(參見上文參考文獻)。函數可以被估計為函數回歸。d(x，xi)可以是點x與xi之間在歐幾里得意義上的距離度量。

iv.預測平滑的tbs：使用的經訓練的未來值，(i＝n+1,n+2,n+3,...，其中n是觀測間隔中的時間增量的數目)可以如下預測：

基于上文描述的四個一般的tbs預測步驟，應當理解，這些步驟都可以在重新配置的enb105a的傳輸塊大小預測器(tbsf)240中實現(參見圖4，下文更詳細地描述)。或者，可選地，四個步驟可以分布在ip-can網絡內，如圖3b所示。具體地，如圖3b所示，步驟(i)可以在重新配置的enb105b處完成，并且平滑和預測值以及可以通過ip-pdn1001被發送到單獨的節點240b。例如，節點240b可以是可以由可以與enb105a的處理器210分離的處理器來控制的、重新配置的ip-can網絡100b(參見圖7，下面描述)中的獨立的專用服務器。在節點240b中，可以實現預測步驟(ii)-(iv)，然后可以與可以運行應用的ue110中的應用服務器102和應用客戶端110a共享所得到的未來的平滑的預測值。epc(增強的分組核心)包括圖1的框101、103、106、108。

圖4圖示了根據示例實施例的重新配置的e-nodeb105a。在本實施例中，上文關于圖3a描述的一般預測步驟(i)-(iv)可以在重新配置的enb105a內的傳輸塊大小預測器(tbsf)240中實現。具體地，下文關于圖5的詳細方法步驟來更詳細地描述tbsf240的功能。

圖5是根據示例實施例的預測傳輸塊大小(tbs)的方法。這些步驟可以在tbsf240(圖4所示)中執行。在步驟s500中，可以在tbsf240處收集歷史(過去的)tbs、mcs、以及prb數據。tbsf240可以從tmp度量205獲得該信息。具體地，tmp度量205從在調度器215發生的調度傳輸來導出mcs值，并且tmp度量205通過與調度器215和mcs計算器230的接口通信來導出tbs和prb值。歷史(過去的)時間序列信息可以表示為tbsp、mcsp、以及prbp。

在步驟s502中，tbsf240可以“平滑”歷史時間序列值tbsp、mcsp、以及prbp。“平滑”的目的是調節歷史時間序列數據以去除這些值的突變，然后將數據用作“訓練數據”進行回歸建模(參見下文的步驟s506)。為此，平滑方法可以應用于時間序列值以捕獲歷史數據的模式，其可以是無噪聲、微小尺度結構和/或快速現象。歷史時間序列數據的“平滑的”值可以分別表示為以及平滑的另一影響可以是減少處理器每秒所需的操作。因為平滑操作可以以平均窗口的速率進行。因此，如果平滑超過100毫秒的窗口，則處理時間可能是在按照每個tti進行處理的情況下的100倍。

為了執行平滑，可以在最后的n個時間單位上應用平滑函數，其中n可以是可調節的值。作為示例，因為mcs、prb、以及tbs數據通常可以在tmp度量205處以約1毫秒的時間增量可獲得，所以n個時間單位可以是對應于毫秒數目的可調節值。然而，在n個時間單位期間，如果ue110在n個時間單位期間沒有任何調度的傳輸，則prb可以為零。在這種情況下，可以應用簡單的平滑函數以對在比n個時間單位更大的時間周期內的所有非零項進行求和。例如，可以使用1秒的時間周期，其中所有非零項可以被除以非零項的數目的和以提供平均值。因此，該平均值可以被認為是該項的“平滑的”歷史時間序列值。可以對tbs值執行類似的方法。

在平滑函數可以在prb被指派的多個時間單位上應用的情況下，mcs值的平滑可能與prb和tbs值的平滑不同。如果感興趣的ue在特定tti處不能被指派prb，則mcs值可能是不相干的。

由于mcs值的唯一性，可以應用各種公知的數據平滑方法/算法。這些公知的方法/算法可以包括使用移動平均值、內核平滑器或卡爾曼濾波器。可以根據感興趣的預測范圍(horizon)來選擇平滑窗口。預測范圍可以定義為了預測未來mcs值可能期望的未來時間單位的數目。如果可能需要短期預測(幾十毫秒到幾百毫秒)，則可以選擇小窗口，而如果可能需要相對較長的平滑窗口，則可以使用長期預測(1秒到幾十秒)。平滑窗口尺寸的選擇可以由想要提前多久預測來決定，只要可以執行一步前瞻預測。如果希望預測將來的1秒，則過去的值需要以1秒的間隔被平均。另一考慮可以是每秒的操作次數。較大的平均降低了處理單元的運行負載。另一考慮可以是，應用可以指定在將來的預測中需要提前多久執行預測，或者該應當以什么時間粒度來使得預測可用于應用。例如，如果該應用每1秒鐘更改其狀態，則可以選擇平均窗口為1秒寬。如果應用狀態以100毫秒的速率變化，則應選擇平均窗口大小為100毫秒。平滑和平均在這里可互換地使用。平滑是一個通用術語，平均是平滑算法的一個示例。

在步驟s502的結論中，tbsf240可以確定可以被表示為以及的可以被“平滑”的歷史(過去的)時間序列數據的整個集合。在平滑操作中，平滑的輸出可以被量化為mcs、prb、以及tbs的值可以屬于的離散數字集合。作為示例，mcs的典型值的范圍在集合{0,1,...,31}內。prb和tbs也屬于有限離散值集合。

在步驟s504中，tbsf240可以使用公知的預測方法來預測平滑的mcs和prb值。具體地，預測方法可以通過捕獲與時間有關的序列的隨機模式，學習用于基于這些值的歷史時間序列數據來預測未來的mcs和prb值的模型。公知的預測方法可以包括自回歸方法，其中時間序列預測模型可以是自回歸積分移動平均(arima)模型。用于產生向量值數據的擴展可以包括多變量時間序列模型，諸如向量自回歸(var)，以便在基于向量的模型中預測mcs和prb值。平滑的mcs和prb的預測(未來)值可以分別被表示為和在arima預測操作中，預測的輸出可以被量化為可以包括mcs和prb的值的離散數字集合。作為示例，典型的mcs值集合可以是集合{0,1,...,28}。prb也可以屬于有限離散集合。假設和是arima過程，則可以擬合線性模型，其中可以導出arima模型，并且可以使用模型來預測未來的值和這些值可以在實際時間之前1個時間增量或者(相對于實際時間)在多個時間增量之前被預測。arima建模和預測在本領域是公知的，并且例如在“時間序列分析(timeseriesanalysis)”,georgee.p.box,gwilymm.jenkins,gregoryc.reinsel,第三版,普倫蒂斯霍爾,1994,第7-18頁和“自動時間序列預測：r的預測分組(automatictimeseriesforecasting:theforecastpackageforr)”,r.j.hyndman和y.khandakar,統計軟件學報,第27卷,no.3,2008年7月中被描述(其中的每個的全部內容通過引用并入本文)。

在步驟s506中，tbsf240可以產生根據“訓練階段”的等式1(如上所述)來對輸出和輸入對的函數關系進行建模的函數回歸映射函數。具體地，和平滑的過去值可以用作“訓練輸入”樣本，而作為的歷史的平滑的時間序列可以用作“訓練輸出”樣本，以便擬合函數回歸映射。在擬合中，可以使用距離度量來計算輸入訓練數據點到模型的輸入變量的距離(d(x，xi))。距離可以是滿足規范距離屬性的任何度量。參數(h)可以用于選擇平滑操作的帶寬。(h)可以基于優化、試驗和錯誤來導出，或者該值可以是預定義的。可以使用內核來平滑距離，其中示例內核在等式3中顯示。但是，也可以使用本領域公知的其他內核。然后可以使用整個訓練集的平滑的值來形成函數關系該步驟中的輸入值可以是和(來自步驟s502)，其中參數可以是k、h、以及n(其中n可以是訓練序列長度)。輸出可以是回歸函數估計(參見等式5)。在該回歸函數計算中，輸入和輸出訓練樣本可以被量化為mcs、prb、以及tbs的值可以屬于的離散數字集合。作為示例，mcs的典型集合可以是集合{0,1,...,28}。prb和tbs也可以屬于有限離散集合。在評估時，x的可能值只能在可以定義mcs和prb的有限集值處有意義。可以用于產生映射函數的可能的公知的回歸模型可以是高斯過程、函數線性、或非線性回歸。可以適用于預測tbs值的公知的回歸模型可以被包括在“函數數據分析中的統計計算：r分組fda.usc(statisticalcomputinginfunctionaldataanalysis:therpackagefda.usc)”,manuelfebrero-bande和manueloviedodelafuente,r學報,第51卷第4期,64-72,2012年10月中(其全部內容通過引用并入)。

在步驟s508中，tbsf240可以使用在步驟s506中確定的映射函數來預測tbs的未來值，并且這些值可以被表示為使用等式5，到映射函數中的輸入可以包括平滑的預測(未來的)值和在該步驟中，輸入可以是來自步驟s504的和(以給定的未來時間間隔)，并且回歸函數可以從步驟s506來導出。輸出可以是在可以被定義輸入和的時間索引處的預測的在函數回歸預測的輸出操作中，預測的輸出可以被量化為tbs值可以屬于的離散數字集合。

一旦tbsf240預測值，該信息可以被傳送到應用層，到應用服務器102(參見圖6和7)，或到ue110的應用服務器102和/或應用客戶端110a。還可以導出調制和編碼方案以及物理資源塊的未來值。基于該導出的信息，應用服務器102和/或應用客戶端110a可以改變應用的行為。具體地，預測的值(以及和值)可以被導出以控制應用的速率。例如，該信息可以用于預測未來的吞吐量，包括預測小區負載和信道質量，同時還預測調度器行為(即系統行為)。

例如，對于超文本傳輸協議(http)自適應流(has)，預測的值可以控制應用的操作，或控制應用的速率。基于所計算的網絡吞吐量的估計，has客戶端可以從服務器請求更高或更低的視頻質量。因此，tbs預測可以使得has客戶端能夠準確地了解信道的速率并且相應地適配has行為。除了根據預測的網絡速率來為客戶端提供預測能力之外，適配可以是基于預測的值來限制客戶端所請求的視頻質量增加或減小的形式。這種適配可以為用戶實現更平滑的視頻回放以及更好的體驗質量。

例如，對于傳輸控制協議(tcp)應用，預測的值也可以控制應用的操作，或控制應用的速率。tcp應用使用來自接收實體的確認來調節傳輸速率。因此，如果運行tcp應用的實體具有未來網絡速率的知識，則該信息可以使得tcp能夠避免重傳。這可能導致更好地利用網絡資源，同時接收實際數據而無需頻繁重傳。重傳的減少可以實現更好的用戶體驗。

例如，對于視頻電話，預測的值也可以控制應用的操作，或控制應用的速率。視頻會議中涉及的視頻編碼速率(例如)可能受益于信道吞吐量的估計以調節視頻編碼速率。例如，該視頻應用可以基于網絡的估計來增加視頻速率。因此，預測的值使得視頻編解碼器能夠選擇網絡可以能夠支持的更合適的編碼速率。基于tbs知識的編解碼器進而可以以較少的抖動和延遲、更好的終端用戶體驗和更平滑的視頻對話來遞送視頻。

對于在相機的遙控操作、汽車的控制區域網絡(can)、飛機的控制等中的網絡預測控制理論，預測的值也可以控制應用的操作，或控制應用的速率。在這些應用中，網絡可以使用網絡延遲的估計，其中控制理論中的延遲可以改變系統的穩定性。因此，tbs值的高級知識可以有助于控制實體，可以使得這些應用能夠在適配控制環路帶寬時考慮網絡速率以優化穩定性。這可能產生更穩定的網絡控制和可能更少的設計網絡，從而降低成本。

預測的和值可以用于未來的承載率。mcs值可以指示能夠指示速率的比特/秒/hz的速率。prb值可以指示可以在ue處接收的載波的塊的數目，并且該信息可以除以可以由載波支持的塊的總數目，以指示ue可以接收的帶寬的部分。已知該帶寬信息，則ue和enodeb所需的網絡資源可以被準確地預測。

預測的以及值也可以預測整個系統。如上文所述，mcs、prb、以及tbs值定義信道、小區負載、用戶行為、enodeb算法等。這些依賴關系中的每個可以在arima(用于mcs和prb)和函數回歸(用于tbs)中被捕獲。已知這些模型意味著系統表現的整體知識。arima過程的依賴性經由等式1在函數回歸模型中被捕獲。

圖6圖示了根據示例實施例的重新配置的3gpplte網絡10a。網絡10a可以包括重新配置的enb105a，enb105a包括tbsf240(在圖4中詳細示出，并且在圖5中在功能上描述)。tbsf240可以與as102和/或ue110共享值，以便改善ue110上的應用性能。

圖7圖示了根據示例實施例的另一重新配置的3gpplte網絡10b。在本實施例中，tbsf240的功能可以分為兩個位置。具體地，傳輸塊大小預測代理(tbsfa)240a可以執行如圖5所描述的步驟s500和s502的功能。然后，tbsfa240a然后將從步驟s502導出的平滑的歷史數據傳輸到傳輸塊大小預測管理器(tbsfm)240b，其中tbsfm240b是可以然后執行圖5的步驟s504、s506、以及s508的功能的管理實體。

tbsfm240b可以是可以由專用處理器控制的獨立的專用服務器。或者，替代地，tbsfm240b可以被包括在ip-can100b的現有節點中。tbsfm240b越靠近enb105b的tbsfa240a，系統可以更響應于向as102和/或ue110提供預測的值，以便幫助確定系統吞吐量并且提高可以在ue110上運行的應用的性能。

另外，應當理解，不需要僅被發送到as102和/或客戶端ue110。相反，該信息可以被發送到策略服務器，策略服務器可以使用每個ue的信息以基于總的每個ue信息來生成單獨的ue策略，其總體目標是輔助enb吞吐量并且支持服務提供商策略。

平滑的過去值可以另外被傳輸到云計算集群，在云計算集群中，可以在并行計算集群中執行預測。然后可以將這樣的預測值分配給ue110和as102(參見圖7)。應當注意，對于復雜的網絡，系統中將有多個ue和應用服務器。云計算平臺將協調平滑的度量收集并且以有意義的方式將預測值分配給ue和應用服務器，使得僅相關的負載信息可以被遞送到相應的ue和應用服務器。例如，如果ue可以由第一應用服務器來服務，則向ue發送針對另一應用服務器所服務的另一小區中的不同ue的預測值是不相干的。如果ue屬于特定小區，則應當僅使用與該特定小區相關聯的度量來形成該ue的預測。此外，通過網絡功能虛擬化，創建mcs、prb、以及tbs值的enodeb功能可以位于云中。因此，本應用的內容將支持在云中進行用于建模、預測、平滑的計算。

應當理解，雖然示例實施例涉及lte網絡，但是這些實施例也可以應用于其他無線接入網絡，在這樣的其他無線接入網絡中，用于傳輸數據流量的無線資源可以由相應的無線接入技術調度器根據小區負載等以及每hz每秒計算的比特數被分配用于資源分配(類似于ltemcs)。這樣的技術的示例包括但不限于3gppwcdma、umts、3gpp2evdo、wimax、wi-fi。

已經描述了示例實施例，顯而易見的是，這些示例實施例可以以很多方式變化。這樣的變化不應當被認為是偏離示例實施例的預期精神和范圍，并且對于本領域技術人員顯而易見的所有這樣的修改旨在被包括在所附權利要求的范圍內。