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(diǎn)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(dòng),很難被相互取代;同時(shí),通過有效地部署異構(gòu)無線網(wǎng)絡(luò),運(yùn)營(yíng)商可以獲得更高的收益。因此未來的無線通信系統(tǒng)勢(shì)必仍然是異構(gòu)網(wǎng)絡(luò)。頻譜資源的日益緊張和用戶對(duì)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(gè)問題,于是對(duì)現(xiàn)有異構(gòu)無線網(wǎng)絡(luò)進(jìn)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(gè)融合問題的前提和基礎(chǔ),任何無線接入管理算法的實(shí)現(xiàn)都是依據(jù)和建立在該框架之上的;接入選擇是整個(gè)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(dòng)預(yù)測(cè)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(dòng)性管理機(jī)制實(shí)現(xiàn)降低掉線率(垂直切換時(shí)由于資源不足引起的)、切換時(shí)延以及尋呼信令負(fù)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(dòng)預(yù)測(cè)

3、算法具有十分重要的意義。
　　在這樣的背景下,本文針對(duì)上述三種異構(gòu)無線網(wǎng)絡(luò)接入管理關(guān)鍵技術(shù)進(jìn)行研究,以下是研究的幾個(gè)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(duì)現(xiàn)有異構(gòu)無線網(wǎng)絡(luò)融合框架進(jìn)行對(duì)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(kuò)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(yàn)證接入管理算法的性能,本文給出了一個(gè)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(jī)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(dòng)預(yù)測(cè)算法。針對(duì)無需借助全球定位系統(tǒng)( Gl obal Positioning System, GPS)類移動(dòng)預(yù)測(cè)算法中的主流算法——基于馬爾科夫(Markov)模型的移動(dòng)預(yù)測(cè)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(duì)位置發(fā)生變化的時(shí)間預(yù)測(cè)準(zhǔn)確度不高的問題,提出了聯(lián)合時(shí)間與位置移動(dòng)預(yù)測(cè)算法:深入分析了異構(gòu)與同構(gòu)無線網(wǎng)絡(luò)

6、中移動(dòng)預(yù)測(cè)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(dòng)預(yù)測(cè)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(shí)間并其引入基于Ma rkov模型的預(yù)測(cè)算法中來提高時(shí)間預(yù)測(cè)準(zhǔn)確度;仿真結(jié)果表明,該算法的預(yù)測(cè)準(zhǔn)確度相對(duì)于基于Ma rkov模型的預(yù)測(cè)算法提高了65.6％。針對(duì)需要借助GP類移動(dòng)預(yù)測(cè)算中存在的對(duì)未知類型和復(fù)雜且不規(guī)則的移動(dòng)軌跡預(yù)測(cè)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(dòng)預(yù)測(cè)算法;該算法使用擬合移動(dòng)軌跡的方法避免了由于缺乏移動(dòng)軌跡先驗(yàn)知識(shí)所帶來的問題,同時(shí)借助L LSV R SV R對(duì)復(fù)雜、無規(guī)則函數(shù)擬合精度高的特點(diǎn)有效地提高了預(yù)測(cè)性能;該算法相對(duì)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(dòng)預(yù)測(cè)算法具有更高的預(yù)測(cè)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(jì)并融合了一個(gè)自組織模糊神經(jīng)網(wǎng)絡(luò)控制器(Self-organizing Fuzzy Neural Network Controller, SOFNNC)來實(shí)現(xiàn)算法的自適應(yīng)能力;仿真結(jié)果表明,基于LSVR的移動(dòng)預(yù)測(cè)算法通過融合SOFNNC后能夠適應(yīng)移動(dòng)特性的動(dòng)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(duì)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(jī)制的問題,本文提出了一個(gè)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(duì)于實(shí)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(jìn)行接入控制和選擇聯(lián)合決策。該算法能夠降低由準(zhǔn)入新用戶引起的掉線率以及高負(fù)載情況下的阻塞率,進(jìn)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(jìng)爭(zhēng)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(jìn)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(dòng)態(tài)變化,為對(duì)采用競(jìng)爭(zhēng)模式的用戶進(jìn)行有效的無線接入管理提供了依據(jù)。同時(shí)為能夠在大策略空間中實(shí)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(duì)DQPSO進(jìn)行適當(dāng)?shù)母倪M(jìn),仿真表明該算法相對(duì)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(duì)目前實(shí)時(shí)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(shí)間的問題,本文提出了一個(gè)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(gè)以保證實(shí)時(shí)業(yè)務(wù) QoS的同時(shí)不分配過多資源為準(zhǔn)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(jìn)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(shí)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(duì)于M-L