【摘 要】
:
无线和移动网络技术近些年来得到了迅猛发展,层出不穷的无线通信系统为用户提供了异构的网络环境,包括无线个域网(如Bluetooth)、无线局域网(如WLAN)、无线城域网(如WiMAX)、公
论文部分内容阅读
无线和移动网络技术近些年来得到了迅猛发展,层出不穷的无线通信系统为用户提供了异构的网络环境,包括无线个域网(如Bluetooth)、无线局域网(如WLAN)、无线城域网(如WiMAX)、公众移动通信网(如2G、3G)、卫星网络,以及Ad hoc网络、无线传感器网络等。这些各种现有的以及未来新兴的无线接入技术在一定时期内将会共同存在。这就需要不同类型的网络之间互通和融合来弥补单一网络在特性上的差异,从而随时随地为用户提供高质量的服务。其中垂直切换是异构无线网络融合的关键技术之一。本文所研究的网络选择算法是垂直切换过程中的切换决策部分。网络选择算法所处理的数据来自于系统发现阶段采集到的数据,通过决策计算选择出最优目标网络,为切换的最终执行做好准备。
本文针对垂直切换过程中的网络选择问题进行了研究,主要包括以下几个方面:
1、在Wi-Fi和WiMAX网络基础上设计了典型的异构无线网络切换场景,并在此场景中展开对网络选择算法的研究。
2、将各选网络和移动节点作为讨价还价的双方,在对讨价还价博弈模型改进的基础上,通过博弈求解,选择最优的目标网络。
3、最后进行仿真实验,对本文提出的算法进行验证。实验表明,在完成最优目标网络选择的同时,本文提出的算法还能够最大化移动节点的收益,并且实现网络方的负载平衡。
其他文献
在当今社会中,计算机技术被越来越多地应用在在行人导航、大型场馆的人员疏散、时空环境下的交通网络优化、交通网络的评价分析等方面,它们可以统称为时空优化问题。但是在具
支持向量机(Support Vector Machine, SVM)最初于20世纪90年代由Vapnik提出,它采用和传统方法不同的统计学习理论(SLT)为基础,是借助最优化方法解决机器学习问题的一种数据挖
无线多媒体传感器网络的可用频谱有限且通信中干扰严重,如何保障多媒体数据传输的服务质量,是其面临的重要挑战。论文引入认知无线电技术,以满足多媒体流传输的实时性和带宽
使用存储虚拟化技术能够更加充分地发挥存储区域网SAN系统可用性强、扩展性好等特点。在基于带外SAN架构的存储虚拟化系统中,元数据服务器负责整合异构的存储资源和组织元数
随着国民经济的快速发展,各行各业对电能质量的要求不断提高。电力系统无功优化是保证系统安全、经济运行的一种有效手段,是降低网络有功损耗、提高电压质量的重要措施。因此
聚类分析作为数据挖掘中十分重要的一个组成部分,逐渐被许多商家和企业所应用,而聚类分析在一定程度上,受到数据源中待分析数据的线性与非线性制约,在遇到数据之间存在非线性
随着因特网的普及,新闻网页已经成为人们获取信息的一个主要来源之一。但面对浩瀚的信息量,人们需要借助某种方式来快速、准确地搜集自己感兴趣的信息。话题检测与追踪(Topic
随着互联网技术的发展和网络环境的改善,Web应用程序获得了飞速的发展,越来越多的传统本地程序纷纷推出Web版。有着广泛应用的高精度浮点运算可以移植成为Web应用程序,开发出
当前无线电频谱可用频段已经基本分配完毕,引入认知无线电技术可满足应急通信系统对频谱资源的需求。论文针对应急通信系统的特点对频谱检测和信道分配问题进行了深入研究并
随着多媒体信息技术的高速发展及网络的日益普及,来自社会各个领域的数字图像的数量与日俱增,图像的存储和管理成为一项繁重的工作。如何从巨大的图像库中准确又快速的找到用