机器类通信业务建模与流量分析

针对机器类通信典型应用的主要特征,建立4类系统级业务模型,分别是静止模型、扩展静止模型、随机游走模型、移动模型,并给出各模型中突发数据和信令开销的估计和预测办法.该预测办法可评估不同应用场景下海量机器类通信终端接入网络时运营商面临的承载压力,据此可导出合理的网络规划和优化策略,以提升用户体验.     

基于高阶统计量的L-DACS1系统自适应干扰消除技术研究

针对L-DACS1（L-band Digital Aeronautical Communication System Type 1）与DME（Distance Measuring Equipment）信号在时域、频域和低阶统计域干扰抑制不理想的问题,本文将L-DACS1与DME时频域交叠的干扰场景建模为确定性信号叠加高斯有色噪声的干扰量化模型,根据两者在高阶统计域的差异特性,提出基于三阶累积量的自适应滤波算法,并引入对数螺线函数改进变步长机制,实现自适应DME干扰消除.仿真结果表明：所提算法具有更高的干扰抑制比和更低的误比特率,但复杂度较高.相关结论可为L-DACS1系统的实际部署提供参考.     

机器类通信流量建模与过载控制

机器类通信(或MTC通信)定义为通过蜂窝网络进行数据传输的机器通信,作为未来泛在网络的重要组成部分,具有广阔的应用前景和市场潜力。为评估MTC接入时的网络性能,以3GPP参考流量模型和G/M/1队列模型的通解为基础,为MTC通信建立Beta/M/1队列模型;通过推导形状参数为任意正整数的Beta分布的概率生成函数的解析解,给出Beta/M/1模型性能评估的求解过程;利用数值分析,给出Beta/M/1模型的主要特征。为解决MTC接入时系统面临的过载问题,提出了3个解决办法,分别是:1)不同属性终端间聚类;2)改变MTC终端到达时间间隔分布;3)分段均匀随机退避算法。所提Beta/M/1模型及分段均匀随机退避算法可作为物联网/MTC通信/海量终端入网性能分析及过载控制的参考模型。