異構(gòu)網(wǎng)絡(luò)中用戶移動預(yù)測與切換管理技術(shù)研究.pdf

1、異構(gòu)網(wǎng)絡(luò)是下一代5G無線通信系統(tǒng)的重要發(fā)展趨勢和研究方向之一。異構(gòu)網(wǎng)絡(luò)中的移動性管理是研究異構(gòu)網(wǎng)絡(luò)的一個重要課題，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，QoS）。異構(gòu)網(wǎng)絡(luò)中各種接入技術(shù)自身特點不盡相同，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接入子網(wǎng)絡(luò)運營管理等方面都存在異構(gòu)性，使得異構(gòu)網(wǎng)絡(luò)的移動性管理與以往的同構(gòu)網(wǎng)絡(luò)的移動性管理具有很大不同，也面臨更多挑戰(zhàn)。因此，

2、異構(gòu)網(wǎng)絡(luò)的移動性管理引起了學(xué)術(shù)界廣泛的關(guān)注。
　　異構(gòu)網(wǎng)絡(luò)的移動性管理中，有效的移動預(yù)測能夠使移動性管理變得更加智能而有效，而完善的切換管理機制則能夠?qū)崿F(xiàn)用戶在異構(gòu)網(wǎng)絡(luò)各個接入子網(wǎng)絡(luò)之間的無縫接入和切換，避免掉話。因此，本文將重點研究異構(gòu)網(wǎng)絡(luò)的移動性管理中的這兩項關(guān)鍵技術(shù)。
　　作為后面幾章的移動預(yù)測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模型的建立。其中，單小區(qū)和多小

3、區(qū)不同拓?fù)浣Y(jié)構(gòu)的介紹和分析，為后文針對兩種不同的網(wǎng)絡(luò)場景設(shè)計移動預(yù)測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)；新的用戶移動模式的引進更加符合實際異構(gòu)網(wǎng)絡(luò)環(huán)境中用戶的移動規(guī)律，不僅能使用戶的移動預(yù)測更具實際意義，而且能提高異構(gòu)網(wǎng)絡(luò)的移動性管理的合理性和客觀性。
　　移動預(yù)測的目標(biāo)是提高網(wǎng)絡(luò)的智能性。本文針對異構(gòu)網(wǎng)絡(luò)的單小區(qū)拓?fù)浣Y(jié)構(gòu)的特點，依據(jù)經(jīng)典的移動模型，提出改進的Markov移動預(yù)測（Im

4、proved Markov Mobility Prediction，IMMP）算法。相對于其他算法，該算法的復(fù)雜度低，預(yù)測準(zhǔn)確度較高。另外，針對更為復(fù)雜的異構(gòu)網(wǎng)絡(luò)多小區(qū)拓?fù)浣Y(jié)構(gòu)的特點，在新的移動模型下，提出了基于多值支持向量機（Support Vector Machine，SVM）的移動預(yù)測算法，更加準(zhǔn)確的預(yù)測具有宏移動范圍的用戶的位置。
　　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

5、素，提出適合于異構(gòu)網(wǎng)絡(luò)單小區(qū)拓?fù)浣Y(jié)構(gòu)的改進的Markov決策過程（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QoS約束，提出更適合于無線異構(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。通過在線Q學(xué)習(xí)的方法，實現(xiàn)各個子網(wǎng)絡(luò)間垂直和水平的混合切換。在保證用戶QoS的前提下，提高了網(wǎng)絡(luò)容量和網(wǎng)絡(luò)利用率

6、。
　　此外，用戶對無線業(yè)務(wù)質(zhì)量要求的提高導(dǎo)致各個網(wǎng)絡(luò)間的競爭十分激烈。網(wǎng)絡(luò)能夠更好的滿足用戶體驗質(zhì)量（Quality of Experience，QoE）才能在競爭中獲勝并獲得長遠的利益。影響用戶 QoE的有客觀 QoS參數(shù)因素以及業(yè)務(wù)資費和終端能耗等主觀因素?；诖?，本文提出基于隨機神經(jīng)網(wǎng)絡(luò)（Random Neural Network，RNN）的QoE評估算法，找到QoE與QoS的映射關(guān)系。然后，以用戶 QoE為切換決策的系統(tǒng)