异构网络接入选择是面向未来ABC网络中一项十分关键的技术。异构网络中接入选择需要达到的目标是：第一能够为用户接入最佳网络,为用户提供“持续连接”服务；第二能够整合所有网络资源,达到较高的网络资源利用率,也就是达到用户与网络两个层面的双赢。然而传统的接入选择算法往往在这两个目标上无法兼顾,因此需要在前人研究的基础上寻求更优的接入选择算法。本课题的研究具有非常重要的意义。本课题对异构无线网络接入选择算法进行了研究,研究内容主要包括：基于有效容量的接入选择算法及其改进算法和基于网络参数预测的动态接入选择算法。论文的主要工作内容如下：在基于有效容量的接入选择算法研究方面,论文首先从理论上对信道容量和有效容量分别进行了分析,并比较两者在实际通信中的作用。通过分析比较我们得出有效容量是对物理层服务过程的服务能力的一种量化描述,它是信道容量在考虑了传输业务的QoS约束之后的一种信道容量的特例。该理论指出当链路层业务排队时延大于业务可允许的最大时延之后,业务的QoS就会下降。因此为了保障用户的服务质量,在计算网络吞吐量时应当以网络有效容量为准。根据以上分析作者提出的基于有效容量的接入选择算法,该算法以达到网络有效容量最大化为目标,为每一个接入终端选择一个网络信道接入仿真结果表明,该算法与随机选择算法相比能够有效提高整体网络的吞吐量。在其改进算法中,作者引进多属性决策过程进一步优化原算法,改进算法首先进行多属性决策为终端用户确定目标接入网络,其次按照有最大化网络有效容量算法为目标接入网络相同的用户排列优先级,优先级高的优先接入网络。通过仿真分析可以看出该算法能够在提高网络的吞吐量的同时减少用户服务的时延。由于网络参数的时变性,使得周期性测量网络参数的结果的精确性较差,同时网络参数的变化还会引起接入选择结果的变化,因此在基于参数预测的动态接入选择算法中作者采用了卡尔曼滤波过程对一段时间内的网络参数进行预测,然后以预测参数建立网络参数动态变化矩阵,对传统的静态多属性决策过程进行了改进。仿真结果表明卡尔曼滤波能够有效的对下一时刻网络参数的变化趋势进行预测,且改进后的算法在单一网络负载量逐渐增加的情况下能够有效的将用户分配到其他负载较小的网络,减少业务的阻塞率。