没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
1 引言
社会经济的快速发展、 部署的不断推进以及人们对高质量信息通信的需
求等因素促使无线移动通信技术飞速发展
。下一代无线网络将会是由多种无
线接入技术共同组成,可提供多种接入方式、支持终端无缝移动的异构无线网
络
。网络接入选择是异构无线网络融合的关键技术之一,其主要功能是对用户
的接入请求进行控制,并选择某一个网络为用户提供连接服务
。如何在兼顾用
户和网络两方面的情况下,为用户选择最适合的网络并保证用户的服务质量,
已经成为研究热点。
目前,国内外针对异构无线网络接入选择问题已经提出了以下几类算法:
基于多属性决策的接入选择算法
、基于效用理论的接入选择算法
、基于
马尔可夫过程的接入选择算法
、基于模糊逻辑的接入选择算法
、基于神经
网络的接入选择算法
。其中,文献
提出一种基于信干噪比和层次分析法的
简单加权法( !" )垂直切换算法,利
用层次分析法确定属性矩阵,然后用简单加权法进行判决。文献
提出一种基
于多属性决策的接入选择算法,采用模层次分析法确定类间和类内的权重,再
用马氏距离对替代方案进行排序。文献
提出了一种基于层次分析法和灰色关
联分析的切换网络决策机制。以上基于多属性决策的接入选择算法虽然综合考
虑了网络的属性问题,但属性参数过多会增加算法的复杂度。文献
#
提出了
一系列效用函数,但都停留在传统意义上。文献
提出了一种基于异构无线网
络的终端多接入选择机制,通过效用函数在终端功耗与吞吐量阈值范围内平衡
终端功耗和数据传输速率,以此选择参与并行传输的网卡,能够显著减少不必
要的重复选择。文献
在利用马尔可夫模型分析 个融合网络如何接入的基础
上,针对无线通信网络、陆地无线接入网、无线局域网( $%&'
& (&))的融合网络,提出了一个三维的马尔可夫模型,分别通过负载
和业务 个方面对系统的性能进行了分析。文献
提出了一种基于模糊逻辑的
多准则垂直切换模型。文献
提出了一种基于模糊逻辑的分级垂直切换算法,
将接收信号强度、带宽、时延输入一级模糊逻辑系统,结合规则自适应匹配,
推理出服务质量模糊值,并通过服务质量模糊值对网络进行初步筛选得到候选
网络集;然后通过触发机制触发二级模糊逻辑系统,并将候选网络的服务质量
模糊值、网络负载率、用户接入费用输入二级模糊逻辑系统,同时结合规则自
适应匹配,得到输出判决值,从而选择最佳接入网络。基于模糊逻辑的接入选
择算法虽然将不确定的参数进行准确的表达,但却不具备学习能力。文献
提
出了一种基于神经网络的机器学习方案,将每个属性的估计值转发到神经网络
以选择最佳访问网络。基于神经网络的接入选择算法虽具备学习能力,但无法
处理模糊属性。考虑以上问题,本文将模糊逻辑与神经网络相结合,提出了基
于 蜻 蜓 算 法 ( * & (" & ) 优 化 模 糊 神 经 网 络 ( +%% ,--"
(,& (&))的异构无线网络接入选择算法,即 *#+%%。
本文的主要研究工作分为以下三方面。
.构建了五层模糊神经网络模型,主要包括输入层、模糊化层、 个模糊
推理层以及解模糊层,利用强化学习过程自适应调整模糊神经网络第二层和第
五层隶属度函数参数,训练模糊神经网络。
.*寻优。*寻优过程用于寻找模糊神经网络第二层和第五层高斯隶属
度函数均值和方差的最优初始值,主要是根据蜻蜓群体在自然界的 种行为方
式,利用一定数目的蜻蜓寻找其食物位置和天敌位置,将食物位置作为所求最
优初始值,再用寻优后的初始值进行模糊神经网络训练。
.进行仿真实验,验证本文所提算法的优越性。
2 模糊神经网络模型
本文提出的基于 * 优化模糊神经网络的异构无线网络接入选择算法构建了
五层模糊神经网络,具体结构如图
所示。
/模糊神经网络结构
第一层为输入层。本文的备选网络有 个,分别是通用移动通信系统的长
期演进($01(&!,()、$%
、$%
。网络属性有 个,分
别是带宽 2 和时延 *。本文将所有备选网络的属性设置为输入数据,那么输
入 层 的 输 入 数 据 共 有 3 4 个 , 分 别 是
2
$01
、*
$01
、BWWLAN12$%、DWLAN1*$%、BWWLAN22$%
、DWLAN2*$%,则第一层共有 个节点,每个节点对应一个输入数据,
其输入 I(1)i56.7和输出 O(1)i86.7是相等的,表达式为
I(1)i=O(1)i=x(1)i,j (1)56.486.49:6. 6.
其中,4,:4,x(1)i,j9:6.7是第一层节点 的第 : 个输入数据。
第二层为模糊化层。模糊化层的作用是将输入数据进行模糊化处理。一般
情况下,隶属度函数分为三角隶属度函数、钟形隶属度函数、高斯隶属度函数
和梯形隶属度函数
。本文采用高斯隶属度函数,将输入数据模糊为 低( $
)、中 (;#,)、高(<)个等级,则第二层共有 34
个节点,且一个节点对应一个输入数据,输入 I(2)i56.和输出 O(2)i86.7的表达
式分别为
图 1
图 1模糊神经网络结构
I(2)i=−(x(2)i,j−m(2)i) 2(b(2)i) 2 (2)56.4=69:6.=6..>6?6..>
6.
O(2)i=eI(2)i=e−(x(2)i,j−m(2)i) 2(b(2)i) 2 (3)86.456.4=
69:6.=6..>6?6..> 6.
其中,4@,:4,m(2)i6.7、b(2)i?6.7分别是第二层高斯隶属度
函数的均值和方差,x(2)i,j9:6.是第二层节点 的第 : 个输入数据。
第三层为模糊推理层 。模糊推理的作用在于建立模糊规则,模糊规则采用
@(@的形式。例如“69
49
4.,(6"4.A,其中,9
、9
和 " 分别为
输入和输出数据, 和 分别为 9
和 9
对应的输入数据模糊集, 为输出数据模
糊集
。本文的输入数据有 个,由于每个输入都包含 个模糊集,且该层中的
每个节点都对应不同模糊集的组合,因此经模糊推理后可以得到
4 个模糊
规则,第三层共有 个节点,表
列举了 条规则。
表 1模糊规则举例
剩余19页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3578
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功