根据运营商的经验，4G业务一般发生于室内，其中更有25%左右的业务是发生在家庭环境之中的。因此，室内覆盖成为4G部署中的重中之重。家庭基站的引入主要是为了满足高质量的室内覆盖的要求。Femtocell覆盖范围小，规划也相对随机。这样将Femtocell引入宏蜂窝网络必然会带来一定的干扰问题。因此，本文在家庭基站上行干扰分析的基础上，利用上行干扰分析的仿真结果，即家庭基站中断容量和中断概率等参数，考虑在一个宏基站和多个家庭基站部署情况下的移动用户接入控制的问题。由于在异构网络共存场景下，移动用户对于接入网络的选择通常都不会仅仅基于某一个参数。然而，传统的多属性决策问题中输入参数都是一些精确的数值，但现实生活中，很多概念是无法用精确的数学参数描述的，因此考虑利用模糊数学的概念并利用模糊推理的方法来解决网络接入决策中很多因素难以量化的问题，同时考虑到引入神经网络的自学习能力，将权值的确定问题予以解决。因此，本文采用模糊神经网络(Fuzzy Neural Network, FNN)作为接入控制算法的数学模型。在接入控制算法方面，本文针对异构网络垂直切换过程中容易发生的乒乓切换的问题，提出引入了移动用户运动速度预判决模块，将运动速度较大的用户直接选择接入或切换至宏基站网络，这样就避免了该用户在刚刚接入家庭基站网络后不久就很快移动出该范围而造成的乒乓切换的问题。同时，因为网络负载均衡在提高网络资源利用率方面起到至关重要的作用，本文将网络负载作为接入控制算法的一个关键参数。综上所述，本文通过建立四层的模糊神经网络模型，经过专家数据样本对模糊神经网络的训练，得到一种智能的接入控制算法。通过对用户移动模型的建立，能够真实地反映用户在这种异构环境下的接入控制过程。利用这样的仿真场景，针对本算法和仅基于RSS的传统接入控制算法在接入及切换过程中的各种参数进行仿真对比分析。仿真结果表明，本文提出的算法在乒乓切换次数方面比仅基于RSS的传统算法有较大的改进。同时，本算法在呼叫到达率相同时具有较低的阻塞率和掉话率，也具有更大的负载均衡度。也就是说在同样的条件下，利用本算法进行接入控制能够使网络容纳更多的用户数，也就是使网络资源得到更充分的利用。