CN105813123B - 基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法 - Google Patents
基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法 Download PDFInfo
- Publication number
- CN105813123B CN105813123B CN201610177592.3A CN201610177592A CN105813123B CN 105813123 B CN105813123 B CN 105813123B CN 201610177592 A CN201610177592 A CN 201610177592A CN 105813123 B CN105813123 B CN 105813123B
- Authority
- CN
- China
- Prior art keywords
- network
- blocking rate
- call blocking
- prescreening
- weight
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000903 blocking effect Effects 0.000 title claims abstract description 58
- 238000010187 selection method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 18
- 238000003780 insertion Methods 0.000 abstract description 9
- 230000037431 insertion Effects 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 5
- 238000005562 fading Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/02—Access restriction performed under specific conditions
- H04W48/06—Access restriction performed under specific conditions based on traffic conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/18—Selecting a network or a communication service
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,属于异构无线网络接入的技术领域。该算法主要包括三个步骤:候选网络的预筛选、主客观权重结合的网络偏好选择和最佳网络的接入执行。本发明能有效地剔除网络状态相对拥塞及信号微弱的网络,从而提高用户选择最佳网络的效率和服务质量;在预筛选得到的候选网络的基础上,运用传统的主客观结合网络偏好选择算法选出最佳网络,最后根据选网决策的判决结果接入最佳网络。仿真结果表明该算法的判决过程兼顾了网络状态和用户偏好,达到了减少乒乓效应和最大化网络资源利用率的效果,提高了网络接入的准确性和实用性。
Description
技术领域
本发明涉及无线通信领域技术,特别是涉及一种基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,该方法是在异构无线网络环境下使得用户能够更有效地选择最合适的网络进行垂直切换的接入。
背景技术
随着社会生产的发展和人们生活水平的提高,我们对无线通信服务的要求越来越高,渴望能够在信息交换的内容、方式和效率上得到更好的服务。为了更好地为用户提供便捷和多样化的服务,无线通信技术在近几十年内飞速发展,同时也带来了多种类型无线通信网络的发展与共存,而网络接入选择算法的设计是异构无线网络中的关键问题,它直接关系到用户体验和网络资源利用率。
目前国内外学者在网络接入选择算法方面已经做了大量研究,但绝大多数的选网接入算法采用“最合适连接”原则,也即从若干共存的网络中选择性能最适合的网络接入,目标是希望达到业务服务质量最优化,却不利于网络资源的有效利用。而且网络的选择接入需要考虑包括业务需求、网络性能、用户偏好和移动终端特性等等因素,现有的研究尝试在决策过程中能同时将上述因素考虑在内,但现实中却因其运算复杂度高,因而仅仅停留在概念模型阶段,与实际应用还有相当的距离。
接入选择算法在异构无线网络接入选择与切换技术中至关重要,对用户的网络服务质量以及整个网络的运行都会有直接影响。网络接入选择算法应该综合考虑网络状况、网络负载情况、用户移动性等决策因素来更好地满足用户体验。
发明内容
本发明的目的在于提供一种基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,该方法是通过基于预测的呼叫阻塞率预筛选出有限个候选网络,减少了备选网络的个数,在多种无线网络共存的情况下能大大地提高选网的效率,使用户能够有效地选择出最适合移动终端当前业务的网络。
为了实现上述方法,本发明所采用的技术方案为:
一种基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,包括如下步骤:
步骤1:获取网络Ni的呼叫阻塞率基于M/M/Bi/Bi排队***仿真用户请求接入无线网络的场景,其中M/M表示输入过程是泊松流,服务时间服从负指数分布;Bi为网络Ni的带宽,根据Erlang-B模型推导得出用户请求接入的异构网络环境下呼叫阻塞率的计算公式:
其中n为离散化的带宽;采用强度为λ的泊松分布来表征单位时间内请求接入网络的用户数,即λ为用户呼叫率,其呼叫的时间间隔服从参数为的负指数分布;用户接入网络的保持时间服从参数为的负指数分布;上述计算公式将带宽Bi引进呼叫阻塞率的计算公式;以上不仅考虑了网络的带宽属性,还通过呼叫阻塞率反映网络负载率,能更好地描述网络状态;
步骤2:将历史的呼叫阻塞率信息通过GM(1,1)预测模型,得到呼叫阻塞率预测值
步骤3:获取网络Ni当前的接收信号强度通过预筛选判决函数:筛选出的网络Ni列入候选网络S={N1,N2,...,Nm}中,其中H()为单位阶跃函数,Pth和RSSth分别为判断是否成为候选网络的呼叫阻塞率预测值门限和接收信号强度门限;
步骤4:获取m个候选网络的g个网络属性,包括数据传输速率、时延、抖动、丢包率和价格,利用层次分析法得到网络属性的主观权重:w1=[w11,w12,...,w1g]T;利用熵值法得到网络属性的客观权重w2=[w21,w22,...,w2g]T,其中w1i表示网络属性i的主观权重,w2i表示网络属性i的客观权重,i=1,2,3,...,g;
步骤5:基于离差极小化理论将步骤4得到的主客观权重进行均衡,确定最终网络属性的综合权重w=[w1,w2,...,wg];
步骤6:利用步骤5得出的最终综合权重计算出各候选网络的网络效用值其中Rij为归一化网络属性判决矩阵,选择的网络Ni进行切换接入。
本发明公开的基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,属于异构无线网络接入的技术领域。主要包括三个步骤:候选网络的预筛选、主客观权重结合的网络偏好选择和最佳网络的接入执行。在多种无线通信网络共存的情形下,首先基于灰色预测GM(1,1)模型预测出更贴近切换时刻各网络Ni呼叫阻塞率的呼叫阻塞率预测值从而能更准确地反映网络负载率和描述网络状态;接着利用预筛选判决函数预筛选出当前网络状态相对空闲的候选网络S={N1,N2,...,Nm};以上对网络的预筛选为本发明的创新点,能有效地剔除网络状态相对拥塞及信号微弱的网络,从而提高用户选择最佳网络的效率和服务质量;在预筛选得到的候选网络的基础上,运用传统的主客观结合网络偏好选择算法选出最佳网络,最后根据选网决策的判决结果接入最佳网络。仿真结果表明该算法的判决过程兼顾了网络状态和用户偏好,达到了减少乒乓效应和最大化网络资源利用率的效果,提高了网络接入的准确性和实用性。
优选地,所述的步骤2中获得呼叫阻塞率预测值的方法如下:
设已得到的网络Ni呼叫阻塞率为:P(0)={P(0)(i),i=1,2,...,n}=(P(0)(1),P(0)(2),...,P(0)(n)),其中P(0)(i)为网络Ni的呼叫阻塞率,也即为第i个样本值;对P(0)进行一次累加得到:P(1)={P(1)(i),i=1,2,...,n}=(P(1)(1),P(1)(2),...,P(1)(n)),根据GM(1,1)预测模型推导出来的预测方程:来得到呼叫阻塞率的预测值;其中为k时刻呼叫阻塞率的预测值;P(0)(1)为时刻1网络的呼叫阻塞率;分别为一次累加量k和k-1时刻的呼叫阻塞率预测值,a为发展灰数,b为内生控制灰数;
以下为灰色预测GM(1,1)模型预测方程的求解过程:
a.对P(0)进行一次累加得到:P(1)={P(1)(i),i=1,2,...,n}=(P(1)(1),P(1)(2),...,P(1)(n)),其中
b.对P(1)建立以下白化形式的微分方程为:其中a为发展灰数,b为内生控制灰数;解得:
c.利用最小二乘法可求解待估参量得:其中:
d.须将GM模型所得数据累减还原为因为所以又因为所以结合以上步骤可得:
优选地,所述的步骤3当且仅当呼叫阻塞率预测值和接收信号强度同时大于所设定的门限值时,该网络才能提供高QoS(Quality of Service)的业务请求,进而才能被列入用户的候选网络集合S中。
本技术方案通过预筛选函数筛选出有限个候选网络,减少了备选网络的个数,在多种无线网络共存的情况下能大大地提高选网的效率,在此前提条件下结合主客观综合权重值的选网策略,将能有效地选择出最适合移动终端当前业务的网络。
优选地,所述的步骤4中网络属性的主客观权重的计算,在用户端采用层次分析法AHP判断用户的主观偏好,且采用熵值法客观地反映网络属性差异程度,协同了用户偏好和网络状况。
优选地,步骤5中确定综合权重的方法是基于离差极小化理论,其方式为:若网络属性共有L种方法对其进行了权重计算,则网络属性的最终权重集Y可表示为L种方法确立权重的线性组合,表示为:
其中UK表示第K种计算方法确定的权重,表示权重系数。
本发明采用上述技术方案,具有以下有益效果:
(1)基于灰色预测GM(1,1)模型能预测出更贴近切换时刻各网络Ni呼叫阻塞率的呼叫阻塞率预测值从而能更准确地反映网络负载率和描述网络状态;接着利用预筛选判决函数预筛选出当前网络状态相对空闲的候选网络,剔除网络状态相对拥塞及信号微弱的网络,提高了用户选择最佳网络效率和服务质量。
(2)在(1)前提条件下,用户端采用层次分析法AHP判断用户的主观偏好,且采用熵值法客观地反映网络属性差异程度,协同了用户偏好和网络状况得到主客观综合权重值选网策略,将能有效地选择出最适合移动终端当前业务的网络。
附图说明
图1为本发明的流程图。
图2为仿真环境场景图。
图3为各网络呼叫阻塞率预测值。
图4为基于传统主客观权重结合的网络接入选择算法下的网络切换变化。
图5为基于本发明的网络切换变化示意图。
具体实施方式
如图1所示,本发明公开了一种基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,主要涉及3大主要步骤:候选网络的预筛选、主客观权重结合的网络偏好选择和最佳网络的接入执行。在基于图2的仿真场景下,其中参数设置如下:
LTE网络:载波频率:2000MHz;发射功率:33dbm;基站坐标:(0,0);
覆盖半径:1km
WLAN1网络:载波频率:2400MHz;发射功率:27dbm;基站坐标:(200,0);
覆盖半径:0.2km
WLAN2网络:载波频率:2400MHz;发射功率:26dbm;基站坐标:(300,0);
覆盖半径:0.1km
Wimax网络:载波频率:2500MHz;发射功率:23dbm;基站坐标:(600,0);
覆盖半径:0.3km
用户端移动速度为10m/s,且从坐标(0,0)开始以10m/s的速度向右运动。信号的检测间隔为0.4s,切换时延为1s。以某一切换时刻进行仿真分析:
1.候选网络的预筛选
(1)设置LTE,Wimax,WLAN1,WLAN2共四个网络的带宽分别为80mbps,60mbps,40mbps,15mbps;用户业务请求数量分别为100人,80人,60人,50人;平均保持的服务时间为25分钟。通过M/M/Bi/Bi排队***,根据Erlang-B模型得到用户请求接入的异构网络环境下呼叫阻塞率公式:
仿真可以得到LTE,Wimax,WLAN1,WLAN2共四个网络的呼叫阻塞率历史信息。
(2)将(1)得到的呼叫阻塞率历史信息通过GM(1,1)预测模型,得到LTE,Wimax,WLAN1,WLAN2共四个网络呼叫阻塞率预测值如下表1所示:
表1
(3)大尺度衰落考虑路径损耗和阴影效应,小尺度衰落利用jakes模型进行仿真,可以得到各网络实时的接收信号强度
(4)通过预筛选判决函数:筛选出的网络Ni列入候选网络S={N1,N2,...,Nm}中,在本具体实例中,设Pth=0.5,RSSth=-105dbm,由(2)可知各网络预测的呼叫阻塞率中,由于WLAN2的预测呼叫阻塞率高于门限值Pth,因此候选网络中不包括WLAN2。最后的候选网络为:S={NLTE,NWLAN1,NWimax}。
2.主客观权重结合的网络偏好选择
(1)获取3个候选网络的5个网络属性,包括数据传输速率、时延、抖动、丢包率和价格,如下表2所示:
表2网络属性值
(2)利用层次分析法得到网络属性的主观权重:
a.决定与网络属性的相对重要性,两两比较网络属性,比较的结果列在一个方阵A=[aij]g×g,本实例中网络属性个数g=5,A=[aij]5×5如下所示:
b.计算各网络属性权重:
首先:
接着进行归一化:
从而得到网络属性主观权重为:
w1=[w11,w12,...,w1g]T
结合本实例,可以得到基于AHP的主观权重为:
w1=[0.2496,0.5154,0.0936,0.0936,0.0478]
(3)利用熵值法得到网络属性的客观权重:
首先:
通过归一化方法得到标准的网络属性判决矩阵Rij
接着计算网络属性信息熵:
其中K=1
计算差异度:
G(j)=1-E(j)
从而得到网络属性客观权重为:
在本实例中Rij和w2分别为:
w2=[0.1313,0.0596,0.1113,0.3015,0.3961]
(4)基于离差极小化理论,在不同权重之间寻找一致或妥协,极小化其偏差。将主客观权重进行博弈均衡,确定综合权重。具体到本算法,采用层次分析法得到网络属性的主观权重法以及熵值法得到网络属性的客观权重,因此L=2,则基于离差极小化理论可得综合权重为:
基于决策模型:及最优一阶求导条件可求得进而确定综合权重集Y。也即最后的综合权重为:
w=[0.1905,0.2875,0.1025,0.1976,0.2220]
3.最佳网络的接入执行
网络的效用值函数:
其中Rij为归一化网络属性判决矩阵,在本实例中,三个候选网络LTE,Wimax,WLAN1的效用值分别为:0.484,0.4911,0.5747,因此此时最佳网络为WLAN1。
以上为本发明提出的算法在具体实例中的运用步骤展示。
图4和图5分别基于传统主客观权重结合的网络接入选择算法和本发明提出的一种基于预测的呼叫阻塞率预筛选网络的异构网络接入选择算法在上述仿真环境下的网络选择结果。首先,基于传统主客观权重结合的网络接入选择算法在选择网络时依旧接入呼叫阻塞率较高网络状态相对差的网络WLAN2,这会大大降低用户接入时的QoS(Quality0fService),而图5则在预筛选的过程中剔除了呼叫阻塞率较低的和网络负载率相对较高的网络WLAN2,从而表明基于预测的呼叫阻塞率预筛选网络的异构网络接入选择算法很好地通过预测阻塞率预筛选出网络状态相对较好负载率较低的网络,一方面减少了候选网络数量,保证了效率;一方面又能够使用户接入更加合适的网络;其次,图4的切换次数为8次,图5的切换次数减少为5次,这在一定程度上表明了新算法能够降低切换的乒乓效应,使得有效切换率增加。
上述实施例假设接入网络数目为4,所述方法可扩展至多个接入网络融合场景,并可预见其效果将会更加显著。上述实施例不以任何方式限制本发明,任何在本发明的精神原则之内所作出的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (5)
1.一种基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,其特征在于,包括如下步骤:
步骤1:获取网络Ni的呼叫阻塞率基于M/M/Bi/Bi排队***仿真用户请求接入无线网络的场景,其中M/M表示输入过程是泊松流,服务时间服从负指数分布;Bi为网络Ni的带宽,根据Erlang-B模型推导得出用户请求接入的异构网络环境下呼叫阻塞率的计算公式:
其中n为离散化的带宽;采用强度为λ的泊松分布来表征单位时间内请求接入网络的用户数,即λ为用户呼叫率,其呼叫的时间间隔服从参数为的负指数分布;用户接入网络的保持时间服从参数为的负指数分布;
步骤2:将历史的呼叫阻塞率信息通过GM(1,1)预测模型,得到呼叫阻塞率预测值
步骤3:获取网络Ni当前的接收信号强度通过预筛选判决函数:筛选出的网络Ni列入候选网络S={N1,N2,...,Nm}中,其中H()为单位阶跃函数,Pth和RSSth分别为判断是否成为候选网络的呼叫阻塞率预测值门限和接收信号强度门限;
步骤4:获取m个候选网络的g个网络属性,包括数据传输速率、时延、抖动、丢包率和价格,利用层次分析法得到网络属性的主观权重:w1=[w11,w12,...,w1g]T;利用熵值法得到网络属性的客观权重w2=[w21,w22,...,w2g]T;其中w1i表示网络属性i的主观权重,w2i表示网络属性i的客观权重,i=1,2,3,...,g;
步骤5:基于离差极小化理论将步骤4得到的主客观权重进行博弈均衡,确定最终网络属性的综合权重w=[w1,w2,...,wg];
步骤6:利用步骤5得出的最终综合权重计算出各候选网络的网络效用值其中Rij为归一化网络属性判决矩阵,选择的网络Ni进行切换接入。
2.根据权利要求1所述的基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,其特征在于,所述的步骤2中获得呼叫阻塞率预测值的方法如下:
设已得到的网络Ni呼叫阻塞率为:P(0)={P(0)(i),i=1,2,...,n}=(P(0)(1),P(0)(2),...,P(0)(n)),其中P(0)(i)为网络Ni的呼叫阻塞率,也即为第i个样本值;对P(0)进行一次累加得到:P(1)={P(1)(i),i=1,2,...,n}=(P(1)(1),P(1)(2),...,P(1)(n)),根据GM(1,1)预测模型推导出来的预测方程:来得到呼叫阻塞率的预测值;其中为k时刻呼叫阻塞率的预测值;P(0)(1)为时刻1网络的呼叫阻塞率;分别为一次累加量k和k-1时刻的呼叫阻塞率预测值,a为发展灰数,b为内生控制灰数;
以下为灰色预测GM(1,1)模型预测方程的求解过程:
a.对P(0)进行一次累加得到:P(1)={P(1)(i),i=1,2,...,n}=(P(1)(1),P(1)(2),...,P(1)(n)),其中
b.对P(1)建立以下白化形式的微分方程为:其中a为发展灰数,b为内生控制灰数;解得:
c.利用最小二乘法可求解待估参量得:其中:
d.须将GM模型所得数据累减还原为因为所以又因为所以结合以上步骤可得:
3.根据权利要求1所述的基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,其特征在于,所述的步骤3当且仅当呼叫阻塞率预测值和接收信号强度同时大于所设定的门限值时,该网络才能提供高QoS的业务请求,进而才能被列入用户的候选网络集合S中。
4.根据权利要求1所述的基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,其特征在于,所述的步骤4中网络属性的主客观权重的计算,在用户端采用层次分析法AHP判断用户的主观偏好,且采用熵值法客观地反映网络属性差异程度,协同了用户偏好和网络状况。
5.根据权利要求3所述的基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法,其特征在于,步骤5中确定综合权重的方法是基于离差极小化理论,其方式为:若网络属性共有L种方法对其进行了权重计算,则网络属性的最终权重集Y可表示为L种方法确立权重的线性组合,表示为:
其中UK表示第K种计算方法确定的权重,表示权重系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610177592.3A CN105813123B (zh) | 2016-03-25 | 2016-03-25 | 基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610177592.3A CN105813123B (zh) | 2016-03-25 | 2016-03-25 | 基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105813123A CN105813123A (zh) | 2016-07-27 |
CN105813123B true CN105813123B (zh) | 2019-10-25 |
Family
ID=56454740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610177592.3A Active CN105813123B (zh) | 2016-03-25 | 2016-03-25 | 基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105813123B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109413718A (zh) * | 2018-11-13 | 2019-03-01 | 胡青 | 一种船端异构网络环境下最优数字通信模式选择方法 |
CN113873495B (zh) * | 2020-06-30 | 2023-06-13 | 中国联合网络通信集团有限公司 | eSIM卡的网络接入方法和装置 |
CN115190496A (zh) * | 2021-04-02 | 2022-10-14 | 华为技术有限公司 | 一种智能选网的方法及相关装置 |
CN114157764B (zh) * | 2021-12-07 | 2024-07-09 | 迪爱斯信息技术股份有限公司 | Vo-LTE音视频排队调度机坐席线路选择方法及装置 |
CN114585036A (zh) * | 2022-03-14 | 2022-06-03 | 联想(北京)有限公司 | 一种控制方法、装置和电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105246124A (zh) * | 2015-05-18 | 2016-01-13 | 北京工业大学 | 一种异构无线网络联合接纳控制方法 |
CN105376805A (zh) * | 2015-11-24 | 2016-03-02 | 上海师范大学 | 一种基于预测业务带宽可调的异构无线网络负载均衡方法 |
-
2016
- 2016-03-25 CN CN201610177592.3A patent/CN105813123B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105246124A (zh) * | 2015-05-18 | 2016-01-13 | 北京工业大学 | 一种异构无线网络联合接纳控制方法 |
CN105376805A (zh) * | 2015-11-24 | 2016-03-02 | 上海师范大学 | 一种基于预测业务带宽可调的异构无线网络负载均衡方法 |
Non-Patent Citations (3)
Title |
---|
基于主客观权重的异构网络选择算法;王军选等;《无线通信技术》;20140815(第3期);全文 * |
基于组合权重的异构无线网络选择算法;张鹏等;《***工程与电子技术》;20091015(第10期);全文 * |
异构无线网络中基于权重平衡的接入选择算法;廖腾飞;《广东通信技术》;20120315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN105813123A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105813123B (zh) | 基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法 | |
CN104185248B (zh) | 一种基于分级的异构网联合接入控制方法 | |
CN105873112B (zh) | 一种异构网络中多模终端垂直切换方法 | |
CN104185221A (zh) | 一种基于自适应权重调整的垂直网络切换方法 | |
CN107484209B (zh) | 一种考虑用户QoS的网络负载均衡垂直切换方法 | |
CN109788488A (zh) | 一种网络站点的规划方法和装置 | |
CN111641681A (zh) | 基于边缘计算和深度强化学习的物联网服务卸载决策方法 | |
CN109286959A (zh) | 一种基于层次分析法的异构无线网络垂直切换方法 | |
Sucharitha et al. | An autonomous adaptive enhancement method based on learning to optimize heterogeneous network selection | |
CN109474338A (zh) | 一种室内VLC-WiFi混合通信***接入选择方法 | |
CN105992252A (zh) | 用户设备ue的ue上下文的处理方法和装置 | |
Zhu et al. | Adaptive multi-access algorithm for multi-service edge users in 5G ultra-dense heterogeneous networks | |
Mehbodniya et al. | A fuzzy extension of VIKOR for target network selection in heterogeneous wireless environments | |
CN110519776A (zh) | 一种雾计算***中的均衡聚类和联合资源分配方法 | |
CN114885388B (zh) | 联合rss预测的多业务类型自适应切换判决方法 | |
CN112020098A (zh) | 负荷均衡方法、装置、计算设备及计算机存储介质 | |
Abid et al. | A utility-based handover decision scheme for heterogeneous wireless networks | |
CN108882377A (zh) | 基于认知的lte-r中资源分配方法 | |
CN113490248B (zh) | 一种多模终端切换方法及装置 | |
Krishnakumar et al. | Machine learning based spectrum sensing and distribution in a cognitive radio network | |
CN110933691B (zh) | 一种用于专用融合网络中基于相对熵和理想解的垂直切换方法 | |
Yang et al. | A novel fuzzy logic based vertical handoff decision algorithm for heterogeneous wireless networks | |
CN105516636B (zh) | 一种基于视频通信的异构网络多接入资源分配方法 | |
WO2023226216A1 (zh) | 一种可用于6G的智能Rank下行速率优化的方法 | |
Ouyang et al. | An vertical handover introduced by adaptive mechanism based on fuzzy analytic hierarchy process for heterogeneous networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |