本文關(guān)鍵詞：異構(gòu)網(wǎng)絡(luò)中用戶移動(dòng)預(yù)測(cè)與切換管理技術(shù)研究

  更多相關(guān)文章： 異構(gòu)網(wǎng)絡(luò) 移動(dòng)性管理 移動(dòng)預(yù)測(cè) 切換管理 QoE

【摘要】：異構(gòu)網(wǎng)絡(luò)是下一代5G無(wú)線通信系統(tǒng)的重要發(fā)展趨勢(shì)和研究方向之一。異構(gòu)網(wǎng)絡(luò)中的移動(dòng)性管理是研究異構(gòu)網(wǎng)絡(luò)的一個(gè)重要課題,其性能的優(yōu)劣直接影響異構(gòu)網(wǎng)絡(luò)整體性能以及用戶服務(wù)質(zhì)量(Quality of Service,Qo S)。異構(gòu)網(wǎng)絡(luò)中各種接入技術(shù)自身特點(diǎn)不盡相同,在物理頻段、組網(wǎng)方式、業(yè)務(wù)需求、業(yè)務(wù)終端的接入能力以及各個(gè)接入子網(wǎng)絡(luò)運(yùn)營(yíng)管理等方面都存在異構(gòu)性,使得異構(gòu)網(wǎng)絡(luò)的移動(dòng)性管理與以往的同構(gòu)網(wǎng)絡(luò)的移動(dòng)性管理具有很大不同,也面臨更多挑戰(zhàn)。因此,異構(gòu)網(wǎng)絡(luò)的移動(dòng)性管理引起了學(xué)術(shù)界廣泛的關(guān)注。異構(gòu)網(wǎng)絡(luò)的移動(dòng)性管理中,有效的移動(dòng)預(yù)測(cè)能夠使移動(dòng)性管理變得更加智能而有效,而完善的切換管理機(jī)制則能夠?qū)崿F(xiàn)用戶在異構(gòu)網(wǎng)絡(luò)各個(gè)接入子網(wǎng)絡(luò)之間的無(wú)縫接入和切換,避免掉話。因此,本文將重點(diǎn)研究異構(gòu)網(wǎng)絡(luò)的移動(dòng)性管理中的這兩項(xiàng)關(guān)鍵技術(shù)。作為后面幾章的移動(dòng)預(yù)測(cè)和切換管理算法的基礎(chǔ)性研究,本文首先給出異構(gòu)網(wǎng)絡(luò)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、網(wǎng)絡(luò)狀態(tài)參數(shù)分析以及新的用戶移動(dòng)模型的建立。其中,單小區(qū)和多小區(qū)不同拓?fù)浣Y(jié)構(gòu)的介紹和分析,為后文針對(duì)兩種不同的網(wǎng)絡(luò)場(chǎng)景設(shè)計(jì)移動(dòng)預(yù)測(cè)和切換管理算法提供了模型基礎(chǔ);網(wǎng)絡(luò)狀態(tài)參數(shù)分析是本文切換管理最重要的切換決策依據(jù);新的用戶移動(dòng)模式的引進(jìn)更加符合實(shí)際異構(gòu)網(wǎng)絡(luò)環(huán)境中用戶的移動(dòng)規(guī)律,不僅能使用戶的移動(dòng)預(yù)測(cè)更具實(shí)際意義,而且能提高異構(gòu)網(wǎng)絡(luò)的移動(dòng)性管理的合理性和客觀性。移動(dòng)預(yù)測(cè)的目標(biāo)是提高網(wǎng)絡(luò)的智能性。本文針對(duì)異構(gòu)網(wǎng)絡(luò)的單小區(qū)拓?fù)浣Y(jié)構(gòu)的特點(diǎn),依據(jù)經(jīng)典的移動(dòng)模型,提出改進(jìn)的Markov移動(dòng)預(yù)測(cè)(Improved Markov Mobility Prediction,IMMP)算法。相對(duì)于其他算法,該算法的復(fù)雜度低,預(yù)測(cè)準(zhǔn)確度較高。另外,針對(duì)更為復(fù)雜的異構(gòu)網(wǎng)絡(luò)多小區(qū)拓?fù)浣Y(jié)構(gòu)的特點(diǎn),在新的移動(dòng)模型下,提出了基于多值支持向量機(jī)(Support Vector Machine,SVM)的移動(dòng)預(yù)測(cè)算法,更加準(zhǔn)確的預(yù)測(cè)具有宏移動(dòng)范圍的用戶的位置。切換管理的目標(biāo)是提高網(wǎng)絡(luò)能力和收益。本文以異構(gòu)網(wǎng)絡(luò)中各子網(wǎng)絡(luò)的網(wǎng)絡(luò)端狀態(tài)因素為切換判決因素,提出適合于異構(gòu)網(wǎng)絡(luò)單小區(qū)拓?fù)浣Y(jié)構(gòu)的改進(jìn)的Markov決策過(guò)程(Improved Markov Decision Process,IMDP)垂直切換算法,提高了網(wǎng)絡(luò)容量,降低了新用戶呼叫阻塞率和切換用戶掉話率。另外,綜合考慮網(wǎng)絡(luò)狀態(tài)因素和用戶Qo S約束,提出更適合于無(wú)線異構(gòu)網(wǎng)絡(luò)多小區(qū)拓?fù)浣Y(jié)構(gòu)的基于Q學(xué)習(xí)的多小區(qū)混合切換算法。通過(guò)在線Q學(xué)習(xí)的方法,實(shí)現(xiàn)各個(gè)子網(wǎng)絡(luò)間垂直和水平的混合切換。在保證用戶Qo S的前提下,提高了網(wǎng)絡(luò)容量和網(wǎng)絡(luò)利用率。此外,用戶對(duì)無(wú)線業(yè)務(wù)質(zhì)量要求的提高導(dǎo)致各個(gè)網(wǎng)絡(luò)間的競(jìng)爭(zhēng)十分激烈。網(wǎng)絡(luò)能夠更好的滿足用戶體驗(yàn)質(zhì)量(Quality of Experience,Qo E)才能在競(jìng)爭(zhēng)中獲勝并獲得長(zhǎng)遠(yuǎn)的利益。影響用戶Qo E的有客觀Qo S參數(shù)因素以及業(yè)務(wù)資費(fèi)和終端能耗等主觀因素�；诖�,本文提出基于隨機(jī)神經(jīng)網(wǎng)絡(luò)(Random Neural Network,RNN)的Qo E評(píng)估算法,找到Qo E與Qo S的映射關(guān)系。然后,以用戶Qo E為切換決策的系統(tǒng)狀態(tài),綜合考慮業(yè)務(wù)資費(fèi)和終端能耗,提出基于Qo E的區(qū)分業(yè)務(wù)優(yōu)先級(jí)的多智能體Q學(xué)習(xí)切換算法,以最大化用戶Qo E為目標(biāo),最終提高了網(wǎng)絡(luò)收益。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN929.5
，

本文編號(hào)：1211556