异构无线网络中负载平衡算法的分析与仿真

《异构无线网络中负载平衡算法的分析与仿真》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、东北大学硕士学位论文摘要异构无线网络中负载平衡算法的研究与仿真摘要随着无线移动通信技术的蓬勃发展，第三代移动通信技术已经成为全球移动通信的主流。现存的商用无线移动通信技术，包括第二代的GSM网络、2．5代的GPRS、EDGE技术，也包括第三代移动通信技术(3G)中的WCDMA、CDMA2000和TD．SCDMA技术。下一代移动通信网络将是多种无线接入技术的融合体，形成异构无线网络。以往在各种接入网络中的负载平衡机制，对于未来的异构无线网络将不再适用，因此需要设计新的有效的负载平衡算法。针对异构无线网络中的负载平衡问题，提出了基于层次分析法和多属性判决的负载平衡算法(AMLB)，通

2、过分析呼叫的多种属性得到呼叫的重要性值。再利用这个重要性值指导系统进行呼叫准入控制和垂直切换判决。但AMLB算法在新呼叫性能上还存在一定的局限。针对此问题，在AMLB算法的基础上，提出了基于人工神经网络的动态门限负载平衡算法(BP．AMLB)。利用BP神经网络进行非线性函数值近似，得到输入和输出间的映射关系。根据此映射，BP．AMLB算法动态调整小区负载低门限，以改善AMLB算法的新呼叫阻塞率性能。为验证和评估所提出算法的性能，在MATLABR2008a上设计了异构无线网络负载平衡算法的仿真平台，并比较AMLB算法和BP．AMLB算法相对于传统STLB算法的性能情况。同传统STL

3、B算法的比较结果表明，AMLB算法能有效地降低垂直切换呼叫掉线率，并保障高级别呼叫的QoS。BP．AMLB在AMLB算法基础上，对新呼叫阻塞率起到进一步的改善。关键词：异构无线网；负载平衡；层次分析法；多属性判决；人工神经网络II●懑、A：l-，●东北大学硕士学位论文AbstractResearchandSimulationsonLoadBalancingAlgorithmsinHeterogeneousWirelessNetworksAbstractWiththewirelessmobilecommunicationtechnologytoflourish，thethirdge

4、nerationmobilecommunicationtechnologyhasbecomethemainstreamoftheglobalmobilecommunications．Existingcommercialwirelessmobilecommunicationtechnologiesincludesthesecond-generationnetworks(suchasGSM)，2．5一generation(suchasGPRSandEDGEtechnology)andthethird—generationmobilecommunicationtechnology(su

5、chasWCDMA，CDMA2000andTD—SCDMAtechnology)．Next—generationmobilecommunicationsnetworkwillbeaheterogeneousinterworkingarchitectureofvariouswirelessaccesstechnologies．Theloadbalancingalgorithmsofthesingleacc．esstechnologycannotsuitthefutureheterogeneouswirelessnetworks，whichneedstodesignanovel，ef

6、fectiveloadbalancingalgorithm．Tosolvetheloadbalancingproblemforheterogeneouswirelessnetworks，aloadbalancingalgorithm，namedAMLB，whichisbasedonanalytichierarchyprocessandmulti—attributedecisionmakingisproposed．Thisalgorithmguidesthesystem’Scalladmissioncontrollingandverticalhandoffdecisionbythe

7、calls’importancevalueswhichisacquiredbyanalyzingthecalls’variousattributes．ButAMLBalgorithmisstillnotenoughincompetentforimprovingtheperformanceofnewcalls．Tosolvethisproblem，analgorithmnamedBP-AMLB，whichisbasedonBPartificialneuralnetworkandfo