无线通信网络优化中的QoS应用研究

论文摘要

随着无线通信网络的不断发展，移动通信市场竞争变得日益激烈，只有通过不断提高服务的质量，实行差异化服务、个性化服务才能够留住客户，保住市场和利润。QoS为差异化、个性化服务提供了技术手段，通过对不同QoS的设置，能为不同业务需要的客户提供不同的资源配置和不同的优先等级，从而提高客户使用体验的满意度。目前的移动网络虽然可以支持QoS功能，但功能基本被关闭，而且几乎所有用户的QoS默认设置都是机械的、相同的、且一成不变。另外由于网络的不断发展，早期的QoS设置也已经成为了对用户使用体验造成很大影响的瓶颈。为了更好的利用QoS，为不同用户提供差异化、个性化服务，本文通过对大量数据业务用户的数据包及不同的业务类型、使用时间段、地理分布、VIP用户的使用偏好等信息的分析与研究，对用户使用行为予以建模，从而归纳出对应的最优QoS参数设置。在论文的研究过程中，首先，通过数据挖掘中的聚类方法，对数据业务用户和这些用户所在的小区进行科学分类，确定在不同业务类型上符合“高频次、高流量”标准的VIP用户，确定出网络中用户数大、数据流量大的不同业务类型的“热点小区”，再对热点小区的用户数与业务量做时间序列分析，得出不同业务热点小区中的时序特征与用户行为特征。其次，根据从聚类分析结果中得到的用户实验样本、小区实验样本以及用户行为在时序上的特征。然后，设计QoS实验计划，实验计划考虑了针对不同业务类型的应用及在不同QoS设置组合下，热点小区忙闲时段的性能评估。最后，综合以上研究结果，得出最优QoS实验参数设置。通过上述研究，并将研究成果应用到“移动数据业务QoS配置软件”中，实现系统优化，在移动日常运营管理中，提升手机用户数据业务的差异化、个性化服务能力，达到了提高移动通信服务质量的目的。

论文目录

• 摘要
• Abstract
• 目录
• 附表索引
• 第1章 绪论
• 1.1 背景
• 1.2 数据挖掘
• 1.2.1 数据挖掘原理
• 1.2.2 数据挖掘作用
• 1.2.3 数据挖掘关联规则
• 1.3 聚类算法
• 1.3.1 聚类算法用途
• 1.3.2 硬聚类算法与软聚类算法
• 1.4 QoS 原理
• 1.4.1 QoS 介绍
• 1.4.2 QoS R97/98 和 QoS R99
• 1.4.3 QoS97/98 和 QoS99 的映射关系
• 1.5 论文研究内容
• 1.6 论文组织结构
• 1.7 本章小结
• 第2章 国内外研究现状
• 2.1 MOTOROLA 无线系统对 QoS 的实现
• 2.1.1 MTBR/EGBR
• 2.1.2 THP
• 2.1.3 ARP
• 2.1.4 QoS 对用户的处理
• 2.1.5 PFC 信令支持
• 2.2 华为 QoS 优化解决方案
• 2.3 无线多媒体业务 QoS 优化方案
• 2.3.1 无线多媒体业务 QoS 性能分析
• 2.3.2 无线多媒体业务 QoS 优化方法
• 2.4 本章小结
• 第3章 QoS 优化研究过程
• 3.1 研究方法简介
• 3.2 客户类别分析
• 3.2.1 用户行为数据的采集、清洗与转换
• 3.2.2 聚类分析找出 VIP 用户
• 3.2.3 时序分析找出业务热点小区规律
• 3.3 本章小结
• 第4章 优化方案现场分析
• 4.1 QoS 现场实验
• 4.1.1 Peak Throughput /MBR 设置对用户性能影响
• 4.1.2 Realibility 设置对性能影响
• 4.1.3 初始化编码/PDTCH 设置对小区容量的影响
• 4.1.4 不同业务类型使用流媒体的性能
• 4.1.5 Downgrade 功能
• 4.1.6 实时业务类型和非实时业务类型资源分配测试
• 4.1.7 繁忙小区忙时 VIP 用户修改 QoS 前后性能对比
• 4.1.8 推荐设置
• 4.2 现网小规模应用验证对比
• 4.3 本章小结
• 第5章 优化系统实现
• 5.1 优化系统的功能
• 5.2 优化系统的架构
• 5.3 优化系统的软件实现
• 5.4 本章小结
• 结论
• 参考文献
• 致谢