大数据与通信.ppt

Communication Research Center 大数据与通信 姓 名： 学 号： 什么是大数据 大数据的“4V”特征 1 2 大数据的“4V”特征 大数据的时代背景 21世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等极大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。 互联网（社交、搜索、电商）、移动互联网（微博）、物联网（传感器，智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。 “大数据”的诞生： 半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变革的程度。它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。信息爆炸的学科如天文学和基因学，创造出了“大数据”这个概念*。如今，这个概念几乎应用到了所有人类智力与发展的领域中。 大数据时代的背景 TB PB ZB EB 大量新数据源的出现则导致了非结构化、半结构化数据爆发式的增长 根据IDC 监测，人类产生的数据量正在呈指数级增长，大约每两年翻一番，这个速度在2020 年之前会继续保持下去。这意味着人类在最近两年产生的数据量相当于之前产生的全部数据量 数据量增加 数据结构日趋复杂 这些由我们创造的信息背后产生的这些数据早已经远远超越了目前人力所能处理的范畴 大数据时代正在来临.. 大数据时代到来 Volume 海量的数据规模 Variety 多样的数据类型 Value Velocity 快速的数据流转 巨大的数据价值 大数据的4V特征 大数据怎么用 大数据时代的背景 大数据的处理过程及关键技术 大数据的应用 1 2 大数据的处理过程及关键技术 大数据采集 大数据的处理过程及关键技术 大数据的处理过程及关键技术 大数据的处理过程及关键技术 通过用户行为分析实现精准营销是大数据的典型应用，但是大数据在各行各业特别是公共服务领域具有广阔的应用前景 消费行业 金融服务 食品安全 医疗卫生 军事 交通环保 电子商务 气象 大数据的应用 互联网 智能电网 大数据与通信 大数据时代的背景 大数据背景下的信号处理 大数据驱动下的移动通信网络 1 2 大数据背景下的信号处理 [1] 《大数据背景下的信号处理》。2013 压缩感知。它作为一个新的采样理论，通过开发信号的稀疏特性，在远小于Nyquist?采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理采用优化方法处理压缩样本。 大数据背景下的信号处理 信息融合 原因： 多传感器组网信息量大且单一节点冗余多精度差 模型 JDL模型，Byod控制环，瀑布模型，Dasarathy模型，混合模型 数学方法 尔曼滤波方法、非线性滤波方法、贝叶斯估计法、证据理论方法、模糊推理方法、随机集理论方法 大数据背景下的信号处理 智能传感技术 目的 将部分信号处理任务前移至传感器节点, 以减轻通信、存储和后续处理的负担 实现 一是许多感兴趣的信号的信息量远少于原始数据量, 位于高维原始传感数据空间的一个非常低的子集中，智能传感器直接获取这种信息 二是当前, 硬件技术飞速发展, 使得可以低成本地在传感器节点配置足够的计算资源, 来进行信号处理. 大数据背景下的信号处理 高速信号处理 产生原因– 数据量增大 从 GSM迁移到 LTE, 计算量需求从大约 10 个 MOPS (每秒百万次运算) 提高到 10 万甚至 100 万 MOPS, 如此才可以提供 LTE 所要求的 10 ～ 100 Mbps 数据传输性能 发展方向 多核信号处理器、高速多处理器互联技术、高性能开放式标准总线架 大数据背景下的信号处理 大数据与通信 大数据时代的背景 大数据背景下的信号处理 大数据驱动下的移动通信网络 1 2 [1] 《大数据驱动的绿色通信网络》。2013 大数据驱动的移动通信网络 提高有限网络资源利用率 基于现网大数据的分析与应用 大数据的网络承载 提高有限网络资源利用率—虚拟化 目前国际上对虚拟化理论的研究还主要集中在计算机及计算机网络领域． 在该领域，研究者主要从计算机逻辑架构的不同层面进行计算机的虚拟化过程，包括指令集层、硬件抽象 ( hardware abstraction layer，HAL) 层、操作系统层和应用层 当前的虚拟化技术研究主要针对有线网络，无线网络虚拟化仍是一个难题．无线网络虚拟化仍是一个难题． 当前的无线接入网络是多种不同的网络垂直独立共存，不同网络支持不同