论文部分内容阅读
随着高速铁路向智能化、数字化、信息化方向发展,无线通信业务需求不断拓展,多种接入网共存的异构无线网络,成为未来铁路移动通信网络架构的发展趋势。然而,既有铁路移动通信系统GSM-R属于数字窄带移动通信技术,系统仅有2×4MHz带宽,业务承载能力有限,并且相邻频段已被占用,因此难以增加GSM-R系统容量,即使下一代铁路移动通信系统LTE-R,也无法承载未来高数据速率业务的应用,以及旅客宽带接入服务的需求,铁路通信无线频谱资源短缺的问题将愈显突出。认知无线电(CR)技术为缓解频谱短缺问题提供了一种可行性的思路:结合铁路移动通信系统的安全性与稳定性原则,高铁运营的关键业务(列控和调度通信等)由铁路专网(GSM-R/LTE-R)承载,其他大数据量通信业务关系到高铁服务质量,但不涉及铁路运输安全,当超出专网承载能力时,则由认知用户通过感知到的可用空闲频谱,选择出最佳的接入网络,实现有效的资源分配。在网络选择过程中,如何在不同地区的不同时间段里快速有效的找到满足用户需求的空闲频谱,最大限度的提高用户满意度,成为无线通信领域的研究重点。本文基于智能优化决策算法研究高铁通信环境下的认知异构网络选择问题,主要工作和创新点如下:(1)高铁通信环境下的网络选择算法研究。深入分析总结了高铁用户在网络选择过程中存在的问题:(1)用户业务具有多样性,不同业务类型对网络参数有不同的要求和满意度;(2)目前的异构网络选择算法主要侧重于网络属性未发生变化时的当前接入判决,未考虑选择了目标网络之后的网络属性动态变化对移动用户、网络回报函数和切换判决条件的影响;(3)不断增长的业务类型及用户需求对网络接入的响应时间和接入决策的准确性提出了更高的要求,单一的智能优化算法已无法满足。(2)认知异构网络选择算法优化研究。针对高铁用户在认知异构网络环境中的网路选择问题,提出一种基于马尔可夫决策过程(Markov Decision Process,MDP)的网络选择优化算法。考虑不同类型的业务需求,基于高铁用户的服务质量(Quality of Service,QoS)属性构建了MDP模型及其回报函数,采用层次分析法(Analytic Hierarchy Process,AHP)计算网络属性权重;根据用户业务类型的不同和网络时变特性设计了网络切换判决条件,通过遗传-模拟退火算法(Genetic Algorithm and Simulated Annealing,GA-SA)对MDP模型进行求解,使用户能无缝切换至长期期望回报值最大的网络。(3)认知异构网络选择算法仿真研究。通过Matlab仿真实验,将本文算法与其它论文所提相似算法进行性能分析对比,结果表明:该算法具有良好的收敛性能,能够保证不同业务类型的用户获得较为满意的期望回报值,同时具有较低的网络切换次数。