多业务CDMA网络中基于中断概率的CAC算法

为了提高码分多址接入(CDM A)系统的资源利用率和吞吐量,保证实时业务的服务质量(Q oS),提出了两种基于用户中断概率的呼叫接纳控制(CAC)算法。两种算法分别将平均或者最大中断概率定义为业务的服务质量,对用户的呼叫进行接纳控制。基于平均中断概率的策略能够提高系统的吞吐量和无线资源的利用率,而基于最大中断概率的呼叫接纳控制策略可以提供更好的Q oS保证。通过仿真,比较了基于平均中断概率的CAC算法与基于资源预留的CAC算法。结果表明:该文提出的算法在系统负载较大时,系统的中断概率能够降低50%以上;同时不需要预留资源,提高了系统的资源利用率。     

多业务异构网络的呼叫接纳控制

呼叫接纳控制作为异构网络系统资源管理的重要部分,直接影响整个网络资源使用的有效性,因此在异构网络环境下设计一个合理有效的接纳控制策略至关重要.考虑了异构网络中的呼叫接入问题,根据各类服务的带宽需求以及提供的利润差异,针对其随机分布的特性,建立连续时间Markov分析模型,提出一种基于缓存的呼叫接入控制算法,并采取迭代策略对算法进行优化.仿真实验验证了算法的有效性,最终的控制策略是系统长期平均利润最大化的最优策略.     

基于预留带宽门限和传输等级的带宽分配算法

针对异构无线网络融合环境下多业务传输资源分配问题,提出一种基于预留带宽门限和业务传输等级自适应的分布式带宽分配算法.根据移动终端多宿主传输特性和异构网络分布式资源管理模型,通过构建传输业务的网络效用函数,在传输等级Qo S需求和业务容量约束条件下,将其建模成凸优化问题;根据用户业务请求接入变化,自适应的调整预留带宽门限和业务传输等级,采用动态优化的迭代算法求得最优带宽分配矩阵.仿真结果显示,所提算法在保证网络低的通信开销和满足Qo S需求基础上,达到最大化网络的效用函数和降低业务呼叫阻塞概率的效果.     

低轨卫星通信系统中的一种呼叫接入控制策略

对于低轨卫星通信系统(LEO)的每个小区来说,随时都有大量的新呼叫切换呼叫到达,并要求在本小区内分配有限的信道资源进行通信。这就需要一种呼叫接入算法具有优化系统性能,改善呼叫阻塞率和信道利用率等参数,因此提出了一种呼叫接入控制算法PGC（part guard channels）,即部分接入算法,此算法除吸取传统的预留信道GC(guard channels)算法已有的优点外,还进行了一些改进,使系统的新呼叫阻塞率和切换呼叫掉话率得到了更好的平衡,在分析GC和PGC的几种子算法的基础上,进行计算机仿真,并给出了相应的仿真结果,最后在服务等级、信道占用率等重要参数方面对2种算法进行了对比分析。      

一种无线移动网络接入控制新算法

提出了一种基于实测的呼叫接入控制算法．该算法在为每个会话提供合适的服务质量等级的同时,确保切换呼叫的掉线率低于预定义的目标值,同时提高系统统计复用增益(系统允许接入呼叫连接数)．该算法根据切换呼叫掉线数目和掉线概率来预测下一时刻可能的切换掉线数,据此动态调整预留门限值．同时采用Hopfield神经网络在所有已接入连接和允许接入的新呼叫间自适应和公平地分配带宽资源．仿真结果表明,该算法可保证掉线概率在目标值范围内,同时可降低新呼叫阻塞率,从而提高了系统的统计复用增益．     

基于OPNET的DMR随机接入算法的仿真研究

在OPNET平台上建立了DMR(Digital Mobile Radio)集群基站控制信道随机接入的模型,并根据DMR空口协议各种呼叫类型的空口占用特点及其发生概率,对随机接入中的各种退避算法进行了仿真,比较了线性退避算法和二进制退避算法,通过仿真得出在二进制退避算法下,DMR集群控制信道中的随机接入具有更好的吞吐率和延时等综合性能。     

低轨卫星通信系统中的一种呼叫接入控制策略

对于低轨卫星通信系统(LE0)的每个小区来说，随时都有大量的新呼叫切换呼叫到达，并要求在本小区内分配有限的信道资源进行通信。这就需要一种呼叫接入算法具有优化系统性能，改善呼叫阻塞率和信道利用率等参数，因此提出了一种呼叫接入控制算法PGC(part guard channels)，即部分接入算法，此算法除吸取传统的预留信道GC(guard channels)算法已有的优点外，还进行了一些改进，使系统的新呼叫阻塞率和切换呼叫掉话率得到了更好的平衡，在分析GC和PGC的几种子算法的基础上，进行计算机仿真，并给出了相应的仿真结果，最后在服务等级、信道占用率等重要参数方面对2种算法进行了对比分析。     

基于Q学习的有限时间随机线性二次最优控制

针对系统状态和控制均依赖于噪声的随机线性离散时间系统,采用基于值迭代的Q学习迭代算法求解模型参数部分未知的有限时间随机线性二次(SLQ)最优控制问题。首先给出SLQ最优控制问题可达性条件和适应性条件,并通过矩阵拉格朗日乘子算法得到最优控制增益矩阵序列以及相应的随机代数Riccati方程(SARE)。其次,以值迭代算法为基础定义Q函数,利用Q学习迭代算法获得每个最优控制增益矩阵所对应的迭代控制增益矩阵序列和H矩阵序列。该算法依赖于系统状态信息,摆脱了系统模型参数部分未知的限制,并证明控制增益矩阵序列收敛到各自的最优控制增益矩阵,H矩阵序列收敛到各自的最优H矩阵。最后通过一个仿真实例说明了Q学习迭代算法的有效性。     

异构无线网络中基于效用的负载均衡方法

在基本通用分配算法(GAP)的基础上,提出异构无线网络下的均衡GAP算法和纵向效用GAP算法,目的是将N个业务均衡地分配到M个无线接入网(radio access network,RAN)中.均衡GAP算法分配业务时,选择剩余容量最大的那个RAN接入;而纵向效用GAP算法分配业务时,首先根据各个RAN可提供的数据传输速率,计算每个业务在不同RAN下的纵向效用值,然后选择纵向效用值最大的那个RAN接入业务.仿真结果表明,两种GAP算法都能够使得系统中的负载均衡分配,同时能够有效降低系统的呼叫阻塞率、提高系统平均吞吐量.与基本GAP算法和均衡GAP算法相比,纵向效用GAP算法既能对各RAN的负载进行均衡分配,又具有较低的呼阻率和较高的平均吞吐量.     

一阶非线性随机系统的学习优化控制

文章研究了一阶连续时间非线性随机系统的优化控制问题,通过勒贝格采样方法将其建模为半Markov决策过程,采用基于事件驱动和Q学习方法,给出了折扣和平均优化准则下统一的优化算法;仿真实验表明,该算法处理一阶非线性随机系统的最优控制问题,可以获得较好的优化效果。