基于Q学习的LTE/WLAN网络接入控制算法研究

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:wanshixian
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着无线通信技术的不断发展,人们对于通信的无缝性、高速性及网络泛在化的要求不断提高,单一网络已经很难满足用户的需求。因此,异构网络的融合成为满足用户日益增长的通信需求的良好解决方案。第四代移动通信技术长期演进(Long Term Evolution, LTE)系统和无线局域网(WirelessLocal Area Network, WLAN)分别作为广覆盖通信和高速率通信的代表,二者的融合势不可挡,受到了广泛的关注。而其中接入控制技术的研究成为提高整个异构网络性能的关键。然而,传统的接入控制方法缺少对网络特性的特征分析,不能结合信道状态和网络资源状况进行在线动态的接入控制,以实现用户服务质量保障、网络负载均衡和提高资源利用率的较好平衡。针对上述问题,本文提出一种基于Q学习的LTE/WLAN异构网络接入控制算法。具体研究内容为:首先,在LTE和WLAN接入控制关键技术研究的基础上,对基于Q学习的接入控制算法进行了研究。结合LTE和WLAN接入控制技术的特点,提出了Q学习接入控制算法基本理论框架,将Q学习算法与接入控制进行良好融合。其次,从LTE和WLAN信道状态分析可接入子网候选集和用户的时频资源效率。然后,对网络的容量和资源分配机制进行分析,分别对两个网络建立了分析模型,从而构建了Q学习机器交互所需的环境。最后,建立了Q学习接入控制系统模型,在进行合理的参数选择之后,进行仿真验证。通过与WLAN优先的接入控制算法进行仿真结果比较分析,本文提出的Q学习接入控制算法能够更好地实现动态自适应接入控制,保障了更低的掉话率、更高的有效呼叫到达率和更好的负载均衡,在相同数量资源的情况下,提高了异构网络的资源利用率,承载了更多的用户并为其保障了基本业务需求。
其他文献
稀疏表示通过信号在过完备字典上的分解,得到信号的一个简洁的表达。由于信号稀疏表示的优良特性,信号稀疏性的研究越来越受到人们的重视,信号稀疏表示也被应用到信号处理的许多
随着高速互联网业务以及数据业务的全面发展,通信业务对传输带宽的需求不断提高,光传输网络的容量以及网络中断对业务造成的影响也越来越大。因此如何保证光传输网络的安全性和
无线传感器网络(WSNs)在军事、工农业控制、环境监测等相关领域有着广阔的应用前景,作为基于WSNs的应用的基础,节点定位技术是WSNs中极其重要的技术之一。一方面,精确的位置
针对森林火灾的智能视频处理技术是一个新的领域,与室内近距离的视频火灾检测有较大的差别。由于森林环境范围广,因此火灾发生点的距离往往距离观测点较远;由于自然环境的不
在拍摄过程中,常常由于摄像器材抖动或拍摄场景的快速运动,导致图像模糊。这种由于成像传感器与拍摄场景的相对运动导致的图像模糊,称作运动模糊,本文研究的相机抖动模糊也属
随着智能终端多媒体业务以及用户对数据传输需求的飞速增长,物联网已经成为未来通信业务的另一个重要发展方向。M2M作为物联网最广泛的应用形式,得到了学术界和应用界的广泛
随着无线通信技术的高速发展以及智能终端设备的普及,人们对于无线通信的质量要求越来越高,而频谱资源的匮乏和低的频谱利用率成为制约无线通信发展与应用的瓶颈。认知无线电是
起重机械在我国重工业领域应用广泛。其数量庞大,结构复杂,超负荷的工作量使得安全事故日益频发。当前利用常规检测对起重机械进行检测耗时费力,需要起重机停止作业。而对起重机械在运行状态下的关键部位的结构损伤却很难及时发现,导致起重机械检测合格后依然会在运行时发生重大事故。故亟需解决起重机械实时监测的问题。基于此种需求,本文以国家质检公益性行业科研专项《基于光纤声发射传感器的大型起重机械局部损伤监测系统研
目标检测是目标跟踪与识别等研究的基础,其方法的好坏与跟踪、识别以及处理的精度息息相关。现实生活中,由于图像或视频采集的过程中受到不同光照或气候、局部遮挡、阴影、拍摄视角、目标尺度改变以及旋转等因素的影响,导致目标的外观形态特征有了很大变化,这些都给目标检测带来了巨大的挑战。针对静止场景和动态背景两种情况下目标检测存在的主要问题,本文主要研究基于学习的目标检测方法。提取高压输电线路中的电力线、监测输
随着通信技术的不断发展,下一代移动通信对通信系统传输的有效性和可靠性提出了更高要求。频谱利用率和信道衰落是无线通信系统需要面对的主要问题。分块传输技术,包括单载波