摘要:随着通信技术的不断发展,不同制式的无线网络日益增多,用户对无线网络的依赖也逐渐增强,在多种不同制式无线...随着通信技术的不断发展,不同制式的无线网络日益增多,用户对无线网络的依赖也逐渐增强,在多种不同制式无线网络并存的新型网络环境中,如何充分利用不同网络的资源,并为用户提供最满意的服务质量是异构无线网络资源管理所需要解决的重要问题。在多种不同网络资源并存的条件下,如何为用户选择最合适的网络进行接入是本文考虑的第一个问题,本文提出一种基于差异化效用的修正余弦相似度网络选择算法(CUFACS,Characteristic Utility Function Based Adjusted Cosine Similarity Network Selection Algorithm),利用修正的余弦相似度度量法计算候选网络与理想网络的相似度,避免了目前主流的TOPSIS选择算法因局部数据偏大而陷入极值,不能做出合理选择的问题,同时在对不同无线网络的属性归一化方面引入差异化效用函数,将不同属性对网络系统性能和用户满意度的影响考虑到网络选择过程中,使得网络选择的结果更加贴合用户实际应用需求。实验结果表明,本文所提算法可以选择最佳的候选网络,而且在局部数据偏大的情况下不会陷入极值,同时选择结果保证了良好的网络系统性能和用户服务满意度,更加贴合实际应用情况。为了向用户提供持续不间断的最佳网络服务质量,使用户一直置身于最佳网络环境中,在用户需求改变或无线资源发生变化时,即可能面临网络切换的问题,而用户对网络切换的无缝体验是网络服务质量的重点之一,减少网络切换的时延开销则是网络无缝切换体验的必然要求,本文提出了一种基于L-M贝叶斯正则化的BP神经网络回归预测算法,对下一时隙终端接受信号强度进行提前预测,预判是否达到网络切换阈值,以提前触发基于差异化效用的修正余弦相似度网络选择算法开始执行,实验证明本算法预测误差较小,可对下一时隙接收信号强度做出较为准确的提前预测,有效减少网络切换时延。更多还原显示全部