现存的无线网络由于具有不同的特点和应用背景以及受到技术发展、研究和产业等方面的利益驱动,很难被相互取代;同时,通过有效地部署异构无线网络,运营商可以获得更高的收益。因此未来的无线通信系统势必仍然是异构网络。频谱资源的日益紧张和用户对于业务服务质量(Quality of Service, QoS)要求的提高成为目前无线网络研究中急需解决的两个问题,于是对现有异构无线网络进行合理的融合并加以有效的接入管理成为解决上述问题的唯一途径。异构无线网络的融合框架是整个融合问题的前提和基础,任何无线接入管理算法的实现都是依据和建立在该框架之上的;接入选择是整个无线接入管理中的关键核心技术,其性能的好坏直接影响到频谱效率(Spectrum efficiency)和用户的QoS;移动预测作为接入管理中的另一关键技术,它能够有效地辅助资源管理和移动性管理机制实现降低掉线率(垂直切换时由于资源不足引起的)、切换时延以及寻呼信令负荷等目标。因此,研究异构无线网络的融合框架、接入选择和移动预测算法具有十分重要的意义。　　在这样的背景下,本文针对上述三种异构无线网络接入管理关键技术进行研究,以下是研究的几个主要方面。　　第一,异构无线网络接入管理的技术理论基础。从技术和商业背景两方面对现有异构无线网络融合框架进行对比和分析,发现基于多无线资源管理(Multi-Radio Resource Management, MRRM)和通用链路层(General Link Layer, GLL)的融合框架能够支持灵活、高效的接入管理算法,适应不同的商业背景以及具有较好的扩展性,因此本文将其作为后续接入管理算法研究的基础框架。为了估算异构无线网络中用户接入链路的数据速率以及验证接入管理算法的性能,本文给出了一个通用无线链路的建模方法,该方法利用修改后的Shannon容量公式有效地近似带有自适应调制编码机制(Adaptive Modulation and Coding, AMC)的无线链路容量。深入分析接入选择增益(Access selection gain)的类型及产生的原因和背景为接入选择和多接入分组调度算法的研究奠定理论基础。　　第二,异构无线网络的移动预测算法。针对无需借助全球定位系统( Gl obal Positioning System, GPS)类移动预测算法中的主流算法——基于马尔科夫(Markov)模型的移动预测算法在异构无线网络环境中缺乏有效的位置描述单元以及对位置发生变化的时间预测准确度不高的问题,提出了联合时间与位置移动预测算法:深入分析了异构与同构无线网络中移动预测的本质区别并在此基础上利用重叠覆盖区域来描述用户的位置,从而为异构无线网络移动预测算法的研究提供必要的前提条件;然后利用Phase-type分布建模用户在重叠覆盖区内的驻留时间并其引入基于Ma rkov模型的预测算法中来提高时间预测准确度;仿真结果表明,该算法的预测准确度相对于基于Ma rkov模型的预测算法提高了65.6％。针对需要借助GP类移动预测算中存在的对未知类型和复杂且不规则的移动轨迹预测精度不高的问题,提出了基于局部支持向量回归( S Local Support Vector Regression,)的自适应移动预测算法;该算法使用拟合移动轨迹的方法避免了由于缺乏移动轨迹先验知识所带来的问题,同时借助L LSV R SV R对复杂、无规则函数拟合精度高的特点有效地提高了预测性能;该算法相对于基于 ARIMA(Autoregressive Integrated Moving Averge)和基于ART(Adaptive Resonance Theory)的这两种经典移动预测算法具有更高的预测精度,但需要预先设定所需历史数据的大小;于是,本文在基于LSVR算法的基础上，设计并融合了一个自组织模糊神经网络控制器(Self-organizing Fuzzy Neural Network Controller, SOFNNC)来实现算法的自适应能力;仿真结果表明,基于LSVR的移动预测算法通过融合SOFNNC后能够适应移动特性的动态变化且具有较好的稳定性。　　第三,异构无线网络接入选择算法。针对目前接入选择算法缺乏考虑网络资源分配方式以及有效接入控制机制的问题,本文提出了一个联合接入控制与选择算法;在深入研究和分析不同类型的资源分配方式对于实际接入速率的影响并给出了接入速率的估算公式,然后在此基础上结合用户业务需求进行接入控制和选择联合决策。该算法能够降低由准入新用户引起的掉线率以及高负载情况下的阻塞率,进而提高了用户的满意度。鉴于目前接入选择算法缺少考虑在竞争模式下用户以自我利益最大化为目标的理性接入选择行为,本文提出了基于非合作博弈(Non-cooperative game)的接入选择算法;该算法将利用纳什均衡获得的博弈策略作为用户的最终接入选择结果,有效地避免了用户不断进行接入选择而造成的系统不稳定问题;仿真结果表明,基于非合作博弈的接入选择算法不仅能合理描述用户的理性行为,还能适应网络的动态变化,为对采用竞争模式的用户进行有效的无线接入管理提供了依据。同时为能够在大策略空间中实现快速求解,本为使用离散量子粒子群优化(Discrete Quantum Particle Swarm Optimization, DQPSO)算法求解纳什均衡,并根据接入选择问题的具体要求对DQPSO进行适当的改进,仿真表明该算法相对于遗传算法(Genetic Algorithm, GA)具有更快的收敛速度。　　第四,异构无线网络多接入分组调度算法。针对目前实时分组业务的多接入分组调度算法均缺乏考虑频谱效率以及算法执行时间的问题,本文提出了一个基于效用函数的异构无线网络多接入分组调度算法。首先在有效带宽(Effective bandwidth)理论的基础上给出一个以保证实时业务 QoS的同时不分配过多资源为准则的调度效用函数;然后兼顾考虑最大化吞吐量的目标,建立多接入分组调度算法的数学模型。进而,为了快速求解调度算法中的优化问题,本文采用Hopfield神经网络解决算法执行时间的问题,给出一种基于Hopfield神经网络的快速求解方法。　　仿真结果表明,本文提出的基于效用函数的多接入分组调度算法相对于M-LWDF(Modified Largest Weighted Delay First)和MCD(Maximum Cost Deduciton)两种经典分组调度算法,能够在满足实时业务对时延要求的基础上，提高频谱效率,降低由于超时所造成的丢包率以及减少了时延抖动。