In telecommunication baseband signal processing systems, thousands of tasks are executed every millisecond. These tasks take in dierent parameters and cause heavy load to the system. The aim of the thesis is to build proper mathematical models for these tasks, enabling the prediction of their load given the corresponding parameters. For each task, data samples of task load measure and corresponding parameters are provided. No prior knowledge on the task load and its parameters is available. By studying the data samples, an explicit, accurate and simple model is expected. Graphical skills like scatter plots are used as a preliminary analysis of the data. Then rst-order and second-order linear models, piecewise-linear models and tree-based models are taken as prototypes for the task modeling. Methods like stepwise linear regression and partial correlation analysis are applied to select proper parameters from many available parameters to simplify the models. An automatic tool is further developed to automate the whole modeling process. There are 17 tasks in total. For 15 tasks, acceptable models are built with a RMSE lower than 2 times of the estimated noise standard deviation with the assumption of a Gaussian noise, while for the other 2, no adequate models are given. Reasons for not getting acceptable models are discussed and suggestions on future work are proposed. / I telekommunikationssystem utförs tusentals uppgifter varje millisekund. Dessa uppgifter tar in olika parametrar och orsakar stor belastning på systemet. Syftet med avhandlingen är att bygga riktiga matematiska modeller för dessa uppgifter som gör det möjligt att förutsäga deras last givet motsvarande parametrar. För varje uppgift har datasampel med lastutnyttjande och motsvarande parametrar tillhandahållits. En explicit, exakt och enkel modell önskas. Spridningsdiagram används som en preliminär analys av datat. Sedan används första ordningens och andra ordningens linjära modeller, styckvis-linjära modeller och trädbaserade modeller som prototyper för uppgiftsmodellering. Metoder som styckvis linjär regression och partiell korrelationsanalys tillämpas för att välja rätt parametrar från många tillgängliga parametrar för att förenkla modellerna. Ett automatisk verktyg har utvecklats för att automatisera hela modelleringsprocessen. Det finns 17 uppgifter totalt. För 15 av 17 uppgifter hittades acceptabla modeller byggda med ett RMSE lägre än 2 gånger standardavvikelsen av det uppskattade bruset med antagandet om ett gaussiskt brus. För de andra två uppgifterna hittades inga adekvata modeller. Skäl till att inte få acceptabla modeller diskuteras och förslag på framtida arbete föreslås.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-160953 |
| Date | January 2014 |
| Creators | Liu, Chang |
| Publisher | KTH, Signalbehandling |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | EES Examensarbete / Master Thesis ; XR-EE-SB 2014:004 |
Page generated in 0.0016 seconds