| DC Field | Value | Language |
|---|
| dc.contributor.author | Жолудь, А. В. | - |
| dc.contributor.author | Козел, В. М. | - |
| dc.date.accessioned | 2020-12-24T06:20:53Z | - |
| dc.date.available | 2020-12-24T06:20:53Z | - |
| dc.date.issued | 2020 | - |
| dc.identifier.citation | Жолудь, А. В. Kpитерий определения величины абонентской нагрузки базовой станции сети связи технологии LTE на основе статистических данных / Жолудь А. В., Козел В. М. // Информационные радиосистемы и радиотехнологии 2020 : материалы Республиканской научно-практической конференции, Минск, 28-29 октября 2020 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск : БГУИР, 2020. – С. 288-291. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/42109 | - |
| dc.description.abstract | В докладе рассматриваются основные ключевые показатели эффективности (далее KPI) оценки производительности системы технологии LTE, которые необходимо учитывать при определении создаваемой абонентской нагрузки базовой станции. Рассматриваются корреляционные взаимосвязи между KPI, характерезующими абонентскую нагрузку. А также описание модели авторегрессии скользящего среднего ARIMA для формирования прогнозных данных временного ряда абонентсокй нагрузки. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | ключевые показатели эффективности | ru_RU |
| dc.subject | оценки производительности системы | ru_RU |
| dc.title | Kpитерий определения величины абонентской нагрузки базовой станции сети связи технологии LTE на основе статистических данных | ru_RU |
| dc.type | Статья | ru_RU |
| local.description.annotation | This paper discusses the main key performance indicators (hereinafter referred to as KPIs) for evaluating the performance of the LTE technology system, which must be taken into account when determining the created subscriber load of the base station. Correlations between KPIs that characterize the subscriber load are considered. As well as a description of the ARIMA moving average autoregression model for generating forecast data for a time series of subscriber loads. | - |
| Appears in Collections: | Информационные радиосистемы и радиотехнологии 2020 : Республиканская научно-практическая конференция
|
