改善用户体验的垂直切换算法

针对由超密集异构无线网络的超高动态性而引起掉话率不断增长的问题,并考虑到以往基于模糊逻辑相关垂直切换算法的较大时间开销,该文提出一种改善用户体验的垂直切换算法。首先利用5G核心访问和移动管理功能发现终端附近的所有候选网络,同时,利用自组织网络技术的环境感知能力,随时监测网络的运行状况,主动维护网络之间的邻居关系表。然后,引入动态模糊神经网络(DFNN)算法来执行切换判决,将获取到的网络参数数据作为该系统的输入,动态生成对垂直切换有效的规则库,经学习之后,计算得到输出判决值,从而为终端选择最佳接入网络。最后,仿真结果表明,该算法能够明显改善垂直切换过程中的掉话情况,降低切换失败概率。同时,与其他同类算法的时间消耗相比,该算法能够维持在一个较低的水平。     

星地融合网络中基于Q学习的切换算法研究

基于地面辅助基站（ATC）的星地融合网络（MSS-ATC）具有覆盖范围广、用户体验佳的特点,切换机制是该融合网络主要研究的问题之一。针对卫星链路时延大、卫星网用户速度范围广的特点,综合考虑了用户接收信号强度（RSS）和用户运动速度,提出了一种基于卡尔曼滤波和Q学习的切换决策算法。比较了所提算法与传统算法在链路衰减率、切换次数和网络收益的性能,实验结果表明所提算法在性能上得到了很大的提升,并且能很好地适应高速运动状态。     

代价函数权值可变的速度自适应的异构无线网络垂直切换算法

利用移动车载终端的测速功能,针对移动WiMAX网络支持高速移动的特点,本文提出了一种在异构无线网络中的基于车载终端的代价函数权值可变的速度自适应垂直切换算法.该算法使用速度自适应策略克服了网络发现阶段采用测量网络的接收信号强度这种固定且单一的网络发现方式带来的缺点,提高了候选网络集更新速度,改进了高速移动用户网络发现的...     

车辆异构网络中预测垂直切换算法

在车辆异构网络中,针对垂直切换决策时刻之后网络状态的动态变化,提高切换性能问题,提出一种基于马尔可夫过程的预测垂直切换(M-VHO)算法。算法考虑了切换决策后网络状态的动态变化对车辆终端服务质量(QoS)的影响。其基本思路是:在需要垂直切换时,利用马尔可夫过程的转移概率预测未来网络状态的变化;另外,采用模糊逻辑方法确定评价属性参数权重;最后,比较切换决策、切换执行和切换之后时刻的总收益来优化选择最佳切换网络。仿真结果证明,该算法在确保较高负载均衡的情况下,可有效改进车辆终端的平均阻塞率及丢包率,降低乒乓效应,确保了车辆终端的QoS。     

CDMA DO网络与1X网络平滑切换技术实现方案

CDMA EVDO.A制式本身在技术体制上存在一定缺陷,即当DO网络信号恶化到一定程度时,系统会自动从DO网络切换到1X网络,当终端处于1X激活态时后续即便DO网络信号恢复,终端也无法重新切换到DO网络,用户所能体验到的最高下行速率仅为153Kbps,而不是DO网络能提供的最高3.1Mbps的下行速率,严重影响用户体验。为此,本课题重点研究在智能终端侧开发控件,利用控件监控网络状态变化,当终端从DO网络切换到1X网络并进入1X激活态时,强制终端进入休眠态,来重新捕获DO网络的问题,从而改善用户感知,提升网络流量。     

超密集异构无线网络中基于移动轨迹预测的网络切换算法

随着5G技术的广泛应用，网络超密集化部署已成为必然趋势。超密集异构无线网络在实现网络高流量密度、高峰值速率性能的同时，给传统的网络切换算法带来了挑战，处于变速移动的终端会面临更频繁的切换问题，这将导致乒乓效应频率的显著提高，进而影响用户在网体验。针对上述问题，该文提出一种基于终端移动轨迹预测的网络切换算法，适用于各类型用户在高密度无线网络中的垂直切换和水平切换问题。首先，为了更高精度的移动轨迹预测，提出一种基于模糊核聚类和长短期记忆(LSTM)神经网络的预测方法，可以有效预测不同移动模式下用户终端的短时移动轨迹；之后，基于用户当前和预测位置，获取候选网络集合，通过候选集交运算法和指标阈值判断网络切换时机；当切换触发时，使用帝企鹅算法最优化网络选择。仿真结果表明，相比于其他类型的时间序列预测算法，该文提出的轨迹预测算法精度较高；同时相较对比算法，该文所提网络切换算法的切换次数适中，有效避免了乒乓效应，且提高了用户连接的网络质量。     

考虑负载均衡和用户体验的垂直切换算法

在超密集异构无线网络中,针对城区交通高峰期,大规模车载终端短时间聚集性移动引起的网络拥塞问题,该文提出一种考虑负载均衡和用户体验(LBUE)的垂直切换算法。首先,引入网络环境感知模型预测网络未来的拥塞程度,并提出一个融合自组织网络的网络架构,缓解网络拥塞。其次,定义业务适应度和负收益因子,并提出一种基于秩和比(RSR)的自适应切换判决算法,为用户筛选出当前环境下满意度最高的目标网络。实验结果表明,该算法能够有效降低终端接入网络的阻塞率和掉话率,实现网络间负载均衡并提升用户体验。     

一种移动终端快速切换至归属网络的方法研究

文章介绍了当前移动终端切换至归属网络的选网策略和选网特点,然后提出了一种结合移动终端的位置服务功能实现移动终端快速切换至归属网络的方法。通过建立移动终端位置信息属性库和选网模型,并细分终端切换级别,着重阐述了基于选网模型的自动选网算法,最大限度减少用户的国际漫游费用支出,同时也达到提升HPLMN网络利用率,增加HPLMN运营商收入,提升用户网络感知的效果。     

认知蜂窝网络环境下的上行节能方法研究

针对蜂窝网用户在高速数据传输时能耗过高的问题,基于认知蜂窝网络模型,提出了一种通过合理利用认知网络资源进行多网络并发传输的最大能效传输策略。该策略利用多模终端可以同时接入不同网络进行并发传输的特点,建立用户能效模型,并通过研究并发传输时不同网络可用信道状态、能耗和数据传输速率之间的关系,得出使用户能效最大的认知网络资源使用和数据传输速率分配算法。仿真结果表明,该最大能效策略能够有效提升用户的能效。     

混合频谱共享方式下多用户动态频谱分配算法

为解决混合overlay/underlay频谱共享方式下多用户动态频谱分配问题,构建了混合频谱共享方式下动态频谱分配模型,提出了基于Q学习的多用户动态频谱分配算法. 该算法在不对主用户产生有害干扰的前提下,以最大化次用户总吞吐量为目标,构建了与次用户相对应的虚拟次用户作为智能体. 通过与环境交互学习,进行信道和共享方式初选;频谱分配系统根据冲突情况和各智能体的学习结果调整信道分配策略直至次用户间无冲突. 仿真结果表明,该算法在无信道检测和信道先验知识的条件下,能根据前一时隙信道状态和次用户传输速率需求,实现动态信道分配和频谱共享方式确定,避免次用户间冲突,减少主次用户间冲突,有效提升次用户总吞吐量.