異構網絡中用戶移動預測與切換管理技術研究.pdf

1、異構網絡是下一代5G無線通信系統(tǒng)的重要發(fā)展趨勢和研究方向之一。異構網絡中的移動性管理是研究異構網絡的一個重要課題，其性能的優(yōu)劣直接影響異構網絡整體性能以及用戶服務質量（Quality of Service，QoS）。異構網絡中各種接入技術自身特點不盡相同，在物理頻段、組網方式、業(yè)務需求、業(yè)務終端的接入能力以及各個接入子網絡運營管理等方面都存在異構性，使得異構網絡的移動性管理與以往的同構網絡的移動性管理具有很大不同，也面臨更多挑戰(zhàn)。因此，

2、異構網絡的移動性管理引起了學術界廣泛的關注。
　　異構網絡的移動性管理中，有效的移動預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實現(xiàn)用戶在異構網絡各個接入子網絡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網絡的移動性管理中的這兩項關鍵技術。
　　作為后面幾章的移動預測和切換管理算法的基礎性研究，本文首先給出異構網絡的網絡拓撲結構、網絡狀態(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)不同拓撲結構的介紹和分析，為后文針對兩種不同的網絡場景設計移動預測和切換管理算法提供了模型基礎；網絡狀態(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網絡環(huán)境中用戶的移動規(guī)律，不僅能使用戶的移動預測更具實際意義，而且能提高異構網絡的移動性管理的合理性和客觀性。
　　移動預測的目標是提高網絡的智能性。本文針對異構網絡的單小區(qū)拓撲結構的特點，依據(jù)經典的移動模型，提出改進的Markov移動預測（Im

4、proved Markov Mobility Prediction，IMMP）算法。相對于其他算法，該算法的復雜度低，預測準確度較高。另外，針對更為復雜的異構網絡多小區(qū)拓撲結構的特點，在新的移動模型下，提出了基于多值支持向量機（Support Vector Machine，SVM）的移動預測算法，更加準確的預測具有宏移動范圍的用戶的位置。
　　切換管理的目標是提高網絡能力和收益。本文以異構網絡中各子網絡的網絡端狀態(tài)因素為切換判決因

5、素，提出適合于異構網絡單小區(qū)拓撲結構的改進的Markov決策過程（Improved Markov Decision Process，IMDP）垂直切換算法，提高了網絡容量，降低了新用戶呼叫阻塞率和切換用戶掉話率。另外，綜合考慮網絡狀態(tài)因素和用戶QoS約束，提出更適合于無線異構網絡多小區(qū)拓撲結構的基于Q學習的多小區(qū)混合切換算法。通過在線Q學習的方法，實現(xiàn)各個子網絡間垂直和水平的混合切換。在保證用戶QoS的前提下，提高了網絡容量和網絡利用率

6、。
　　此外，用戶對無線業(yè)務質量要求的提高導致各個網絡間的競爭十分激烈。網絡能夠更好的滿足用戶體驗質量（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)務資費和終端能耗等主觀因素。基于此，本文提出基于隨機神經網絡（Random Neural Network，RNN）的QoE評估算法，找到QoE與QoS的映射關系。然后，以用戶 QoE為切換決策的系統(tǒng)