复杂切换场景下异构无线网络选择算法研究

论文摘要

随着无线移动通信技术的飞速发展,未来的B3G/4G移动通信系统将会是由多种无线接入技术融合而成的异构网络。其中移动节点如何选取一个最适合的网络,成为异构网络融合的关键问题之一,吸引了大量国内外学者与研究机构对该问题进行深入研究与探讨。因此,本文针对复杂切换场景下的异构无线网络选择算法进行研究。其主要内容如下:1、本文采用一种复杂的异构无线网络切换场景。该场景由多种无线接入网络融合而成,移动节点也同时具有多种天线,用于支持多种网络的空中接口。2、本文提出一种基于MDP模型的网络选择算法。其特色之处是利用基于混沌时间序列与支持向量机相结合的方法进行网络流量预测,将网络流量预测值所反映的网络下一时段的利用率作为网络选择算法的一项重要影响因素,从而实现各网络间的负载均衡。本算法同时还考虑了接收信号强度RSS、节点的速度和方向、目标网络的费率以及电量消耗率等诸多因素,各个因素的权重是根据用户喜好的不同、利用AHP算法来确定的。然后通过MPI算法来计算MDP模型的期望总回报值,最终选择回报值最大的作为当前最优的目标网络。3、仿真结果表明,本文提出的网络选择算法实现了网络间的负载均衡,在丢包率与有效吞吐量等网络性能上优于传统的以带宽为优先影响因素的网络选择算法。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 论文主要内容
• 2 异构无线网络融合与复杂切换场景
• 2.1 WLAN 和GPRS 结合的场景
• 2.2 WiMAX 与Wi-Fi 互联的场景
• 2.3 TD-SCDMA 与WiMAX 联合组网的场景
• 2.4 复杂切换场景
• 3 马尔科夫决策过程理论基础
• 3.1 MDP 基本概念及发展状况
• 3.2 MDP 的构成
• 3.2.1 决策时刻与周期
• 3.2.2 状态与行动集
• 3.2.3 回报值与转移概率
• 3.2.4 决策规则
• 3.2.5 策略
• 3.3 MDP 的基本模型
• 3.3.1 有限阶段模型
• 3.3.2 无限阶段模型
• 4 异构无线网络选择算法
• 4.1 基于MDP 的网络选择算法
• 4.1.1 决策时刻与周期
• 4.1.2 状态与行动集
• 4.1.3 回报值与转移概率
• 4.1.4 决策规则与策略
• 4.2 网络流量预测方法
• 4.2.1 混沌时间序列分析
• 4.2.2 支持向量机预测算法
• 4.3 影响因素的权重计算方法
• 5 模型仿真与实验
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢