異構(gòu)無線網(wǎng)絡(luò)接入管理關(guān)鍵技術(shù)研究.pdf

1、現(xiàn)存的無線網(wǎng)絡(luò)由于具有不同的特點和應(yīng)用背景以及受到技術(shù)發(fā)展、研究和產(chǎn)業(yè)等方面的利益驅(qū)動,很難被相互取代;同時,通過有效地部署異構(gòu)無線網(wǎng)絡(luò),運營商可以獲得更高的收益。因此未來的無線通信系統(tǒng)勢必仍然是異構(gòu)網(wǎng)絡(luò)。頻譜資源的日益緊張和用戶對于業(yè)務(wù)服務(wù)質(zhì)量(Quality of Service, QoS)要求的提高成為目前無線網(wǎng)絡(luò)研究中急需解決的兩個問題,于是對現(xiàn)有異構(gòu)無線網(wǎng)絡(luò)進行合理的融合并加以有效的接入管理成為解決上述問題的唯一途徑。異構(gòu)無線

2、網(wǎng)絡(luò)的融合框架是整個融合問題的前提和基礎(chǔ),任何無線接入管理算法的實現(xiàn)都是依據(jù)和建立在該框架之上的;接入選擇是整個無線接入管理中的關(guān)鍵核心技術(shù),其性能的好壞直接影響到頻譜效率(Spectrum efficiency)和用戶的QoS;移動預(yù)測作為接入管理中的另一關(guān)鍵技術(shù),它能夠有效地輔助資源管理和移動性管理機制實現(xiàn)降低掉線率(垂直切換時由于資源不足引起的)、切換時延以及尋呼信令負荷等目標(biāo)。因此,研究異構(gòu)無線網(wǎng)絡(luò)的融合框架、接入選擇和移動預(yù)測

3、算法具有十分重要的意義。
　　在這樣的背景下,本文針對上述三種異構(gòu)無線網(wǎng)絡(luò)接入管理關(guān)鍵技術(shù)進行研究,以下是研究的幾個主要方面。
　　第一,異構(gòu)無線網(wǎng)絡(luò)接入管理的技術(shù)理論基礎(chǔ)。從技術(shù)和商業(yè)背景兩方面對現(xiàn)有異構(gòu)無線網(wǎng)絡(luò)融合框架進行對比和分析,發(fā)現(xiàn)基于多無線資源管理(Multi-Radio Resource Management, MRRM)和通用鏈路層(General Link Layer, GLL)的融合框架能夠支持靈活、高效

4、的接入管理算法,適應(yīng)不同的商業(yè)背景以及具有較好的擴展性,因此本文將其作為后續(xù)接入管理算法研究的基礎(chǔ)框架。為了估算異構(gòu)無線網(wǎng)絡(luò)中用戶接入鏈路的數(shù)據(jù)速率以及驗證接入管理算法的性能,本文給出了一個通用無線鏈路的建模方法,該方法利用修改后的Shannon容量公式有效地近似帶有自適應(yīng)調(diào)制編碼機制(Adaptive Modulation and Coding, AMC)的無線鏈路容量。深入分析接入選擇增益(Access selection gain

5、)的類型及產(chǎn)生的原因和背景為接入選擇和多接入分組調(diào)度算法的研究奠定理論基礎(chǔ)。
　　第二,異構(gòu)無線網(wǎng)絡(luò)的移動預(yù)測算法。針對無需借助全球定位系統(tǒng)( Gl obal Positioning System, GPS)類移動預(yù)測算法中的主流算法——基于馬爾科夫(Markov)模型的移動預(yù)測算法在異構(gòu)無線網(wǎng)絡(luò)環(huán)境中缺乏有效的位置描述單元以及對位置發(fā)生變化的時間預(yù)測準確度不高的問題,提出了聯(lián)合時間與位置移動預(yù)測算法:深入分析了異構(gòu)與同構(gòu)無線網(wǎng)絡(luò)

6、中移動預(yù)測的本質(zhì)區(qū)別并在此基礎(chǔ)上利用重疊覆蓋區(qū)域來描述用戶的位置,從而為異構(gòu)無線網(wǎng)絡(luò)移動預(yù)測算法的研究提供必要的前提條件;然后利用Phase-type分布建模用戶在重疊覆蓋區(qū)內(nèi)的駐留時間并其引入基于Ma rkov模型的預(yù)測算法中來提高時間預(yù)測準確度;仿真結(jié)果表明,該算法的預(yù)測準確度相對于基于Ma rkov模型的預(yù)測算法提高了65.6％。針對需要借助GP類移動預(yù)測算中存在的對未知類型和復(fù)雜且不規(guī)則的移動軌跡預(yù)測精度不高的問題,提出了基于局

7、部支持向量回歸( S Local Support Vector Regression,)的自適應(yīng)移動預(yù)測算法;該算法使用擬合移動軌跡的方法避免了由于缺乏移動軌跡先驗知識所帶來的問題,同時借助L LSV R SV R對復(fù)雜、無規(guī)則函數(shù)擬合精度高的特點有效地提高了預(yù)測性能;該算法相對于基于 ARIMA(Autoregressive Integrated Moving Averge)和基于ART(Adaptive Resonance Theo

8、ry)的這兩種經(jīng)典移動預(yù)測算法具有更高的預(yù)測精度,但需要預(yù)先設(shè)定所需歷史數(shù)據(jù)的大小;于是,本文在基于LSVR算法的基礎(chǔ)上，設(shè)計并融合了一個自組織模糊神經(jīng)網(wǎng)絡(luò)控制器(Self-organizing Fuzzy Neural Network Controller, SOFNNC)來實現(xiàn)算法的自適應(yīng)能力;仿真結(jié)果表明,基于LSVR的移動預(yù)測算法通過融合SOFNNC后能夠適應(yīng)移動特性的動態(tài)變化且具有較好的穩(wěn)定性。
　　第三,異構(gòu)無線網(wǎng)絡(luò)接

9、入選擇算法。針對目前接入選擇算法缺乏考慮網(wǎng)絡(luò)資源分配方式以及有效接入控制機制的問題,本文提出了一個聯(lián)合接入控制與選擇算法;在深入研究和分析不同類型的資源分配方式對于實際接入速率的影響并給出了接入速率的估算公式,然后在此基礎(chǔ)上結(jié)合用戶業(yè)務(wù)需求進行接入控制和選擇聯(lián)合決策。該算法能夠降低由準入新用戶引起的掉線率以及高負載情況下的阻塞率,進而提高了用戶的滿意度。鑒于目前接入選擇算法缺少考慮在競爭模式下用戶以自我利益最大化為目標(biāo)的理性接入選擇行為

10、,本文提出了基于非合作博弈(Non-cooperative game)的接入選擇算法;該算法將利用納什均衡獲得的博弈策略作為用戶的最終接入選擇結(jié)果,有效地避免了用戶不斷進行接入選擇而造成的系統(tǒng)不穩(wěn)定問題;仿真結(jié)果表明,基于非合作博弈的接入選擇算法不僅能合理描述用戶的理性行為,還能適應(yīng)網(wǎng)絡(luò)的動態(tài)變化,為對采用競爭模式的用戶進行有效的無線接入管理提供了依據(jù)。同時為能夠在大策略空間中實現(xiàn)快速求解,本為使用離散量子粒子群優(yōu)化(Discrete

11、Quantum Particle Swarm Optimization, DQPSO)算法求解納什均衡,并根據(jù)接入選擇問題的具體要求對DQPSO進行適當(dāng)?shù)母倪M,仿真表明該算法相對于遺傳算法(Genetic Algorithm, GA)具有更快的收斂速度。
　　第四,異構(gòu)無線網(wǎng)絡(luò)多接入分組調(diào)度算法。針對目前實時分組業(yè)務(wù)的多接入分組調(diào)度算法均缺乏考慮頻譜效率以及算法執(zhí)行時間的問題,本文提出了一個基于效用函數(shù)的異構(gòu)無線網(wǎng)絡(luò)多接入分組調(diào)度

12、算法。首先在有效帶寬(Effective bandwidth)理論的基礎(chǔ)上給出一個以保證實時業(yè)務(wù) QoS的同時不分配過多資源為準則的調(diào)度效用函數(shù);然后兼顧考慮最大化吞吐量的目標(biāo),建立多接入分組調(diào)度算法的數(shù)學(xué)模型。進而,為了快速求解調(diào)度算法中的優(yōu)化問題,本文采用Hopfield神經(jīng)網(wǎng)絡(luò)解決算法執(zhí)行時間的問題,給出一種基于Hopfield神經(jīng)網(wǎng)絡(luò)的快速求解方法。
　　仿真結(jié)果表明,本文提出的基于效用函數(shù)的多接入分組調(diào)度算法相對于M-L