MEC辅助的Inactive状态用户动态位置管理方案

移动边缘计算(mobile edge computing, MEC)作为5G网络架构演进的关键技术,能够满足系统对于吞吐量、时延及智能化要求。同时,5G引入用户(user equipment, UE)无线资源控制(radio resource control, RRC)Inactive状态作为用户的主要状态。在分析MEC的特点、网络架构、装置结构的基础上,基于Inactive状态特点,对当前Inactive状态的寻呼和位置跟踪方案进行分析和对比,提出一种基于MEC的UE数据包缓存和动态位置管理方案,该方案由部署在靠近无线接入网(radio access network,RAN)基站侧的MEC缓存Inactive UE数据包,并更新UE的RAN通知区域(RAN notification area,RNA)。和传统的方案相比,该方案能有效解决锚点gNB(5G NodeB)的容量问题,并且实现UE有效的位置管理。     

无线移动网络中基于学习的寻呼策略

在无线移动网络中,位置管理是一个非常重要的课题,降低其费用成为近年来的一个研究热点.位置管理用于跟踪移动台,其由两部分组成:位置更新和寻呼.由于现行寻呼策略对移动台所处位置区中的所有小区进行同时寻呼,所以该策略造成了极大的网络资源浪费.本文通过对已发生的寻呼信息进行利用和学习,提出了一种基于学习的两阶段寻呼策略.仿真实验结果表明,本文提出的寻呼策略能极大地降低寻呼费用,特别是当移动台的呼叫移动比较小时尤为有效.     

LEO卫星通信系统位置管理的多星选择策略

针对低轨卫星移动通信系统用户在多星覆盖的情况下的位置注册问题,提出了仰角和覆盖时间加 权策略。这种策略既可保证注册卫星覆盖移动终端的时间长,又可保证移动终端处于低仰角的概率低,保 证较好的寻呼信道条件,减少了位置更新和寻呼移动终端的信令开销。     

一种基于标识分离映射网络的子网移动性管理方案

标识分离映射网络成功实现了身份与位置分离,解决了单点移动性问题,但是没有考虑子网移动性管理的问题。在此基础上提出一种基于分级多层映射机制的子网移动性支持方案,通过子网多身份标识到唯一路由标识的多对一映射机制,在实现子网整体移动性支持的同时,又降低了网络整体信令开销和切换时延开销,优化了网络性能。仿真结果说明,在子网移动过程中,与普通节点单独注册相比,采用基于分级多层映射机制的块注册方式,可以有效降低网络整体信令开销和切换时延开销,尤其是核心网的信令开销,从而避免核心网资源的浪费,提高网络的整体性能。     

一体化网络中支持寻呼的移动性管理机制

一体化网络是一种基于身份信息和位置信息分离的网络体系结构,能够有效支持主机的移动性.但随着用户数量的增多,信令开销可能成为制约网络发展的瓶颈之一.为了有效地减少移动过程中的信令开销,本文在一体化网络体系结构的基础上,提出了一种支持寻呼的移动性管理机制.此外,本文还建立了解析模型,导出了信令开销的计算公式,并分析了不同系统参数对信令花费的影响.性能分析结果表明,寻呼机制能够减少信令开销,从而增强了网络的性能.     

无线网络基于距离的位置管理建模和开销分析

针对无线网络如何精确计算位置管理开销这一问题,采用嵌入式马尔科夫链作为移动模型描述移动终端在二维蜂窝网络的运动,通过建立两个连续呼叫间隔内位置更新的模型分析呼叫到达和小区驻留时间均为一般分布时基于距离的位置管理方案的位置更新次数和位置管理总开销,对无线网络进行性能评估。通过分析得到如下结论：（1）位置更新次数是距离闽值的减函数;（2）位置管理开销是距离阂值的凸函数;（3）当所选取的距离阈值较小时,位置更新开销影响位置管理开销较大;当所选取距离阈值较大时,寻呼开销影响位置管理开销较大。通过仿真分析验证了理论分析的正确性。     

移动IPV6中基于用户移动模式的位置管理

首先在移动IPV6协议中引入了寻呼功能,并定义了用户的两种状态--活动状态和空闲状态,其次针对不同的用户移动模式,提出了基于时间、用户历史和用户个体属性的移动模式,利用该模式以及用户的状态对移动IPV6的位置管理策略进行改进,在移动IPV6中提出了基于用户移动模式的位置管理策略(P-MIP-PBS),模拟结果表明该位置管理策略显著地减少了位置注册信令开销,提高了系统的性能.     

PCS网络中基于方向的自适应位置管理模型

研究了个人通信服务网络中的位置管理问题 ,提出了基于方向的自适应位置管理方法 (ADBU) ,该方法有效地减小了整个系统的位置管理总开销 .移动终端周期地检测其运动方向 ,当它的改变超过预先设定的阈值时 ,系统将更新它在数据库中的位置信息 .采用了高斯 -马尔科夫模型来模拟移动终端的运动方向 ,然后通过自适应反馈控制方法来调整移动终端的最佳方向阈值 ,从而减小其位置管理开销 .仿真结果表明ADBU的位置管理开销要明显小于基于距离的位置管理方法 ,也小于直线式寻呼位置管理方法 .     

基于群用户管理的高速铁路GSM专用网络的位置更新方法

提出一种高速铁路GSM专用网络的位置更新方法.该方法基于群用户管理,将移动用户划分为两个或两个以上的群,当列车到达新的位置区时,对不同的用户群依次进行位置更新,根据用户分组情况设定相应虚拟位置区,当延迟位置更新的群用户有新呼叫到达时,网络使用虚拟位置区进行寻呼以减少掉话率.性能分析结果表明,该方法有效的节省了信令开销和无线信道资源.     

Ad Hoc网络NLRP路由协议及其开销函数

目的 研究移动Ad Hoc网络路由协议的规模性开销函数。方法 运用所提出的节点位置路由协议(NLRP,Node Location Routing Protocol)和节点移动性分析模型,推导了与位置更新和目的节点搜索有关的开销函数。结果 路由协议的总开销是凸函数,最佳位置更新阈值决定了路由开销。结论 对于给定的路由协议,网络的规模性取决于路由开销。根据路由请求到达的分布规律和节点的移动性,建立协议的开销函数,是进行网络优化和规模性研究的关键。     

一种基于MPLS的微移动管理新架构

因多协议标记交换(MPLS)技术将扩展用于未来移动网络的无线接入子网,于是提出将MPLS和移动IP微移动技术结合。在分析已有微移动方案的基础上,提出一种基于MPLS的微移动管理新架构。通过在域内增设一个存储漫游主机信息的本地移动管理服务器(LMMS)和若干寻呼服务器(PS),提供寻呼功能,消除网络瓶颈,并支持服务质量(QoS)保证。最后详细描述了注册、切换等信令流程,总结了新方案的技术优势。     

基于多目标粒子群算法的无人机通信三维位置部署及优化研究

考虑无人机作为临时基站与地面终端用户通信问题,文中研究了节点的三维部署及功率分配的优化问题,以提高系统的能效和用户的覆盖率。首先,考虑了无人机通信节点的三维位置部署和链路传播模型,构建了无人机通信系统模型,并提出了以能效和覆盖率为目标的优化问题。然后,采用多目标粒子群算法对该非线性规划问题进行有效求解,得到其最优解。最后,仿真结果表明,该方案不仅能提高无人机网络的能效和覆盖率,而且能实现优化的节点三维位置部署和功率分配。同时,所提出的多目标粒子群算法与随机算法、贪婪算法相比,可减少迭代次数,防止陷入局部最优解。     

自适应动态周期下的移动水声网络自定位算法

针对移动水声网络中定位精度与通信开销之间的矛盾,提出一种自适应动态周期下的移动水声网络自定位算法.该算法根据系统状态估计与观测采样之间的残差,设计自适应的动态周期选择机制和非均匀的动态更新网络定位周期,进而实现非均匀动态周期下的移动水声网络高精度预测定位.该算法无需大量通信观测即可实现移动节点位置的实时跟踪,达到了定位精度与通信开销间的平衡.仿真结果表明,所提算法既保证了网络的定位估计精度,又减小了冗余定位通信开销,实现了有限通信开销下的高精度定位,更适用于精度要求高且通信带宽有限的水下环境中.     

传感器中基于连通支配集的区域覆盖控制算法

针对现有无线传感器网络区域覆盖控制算法很难在确保网络连通率的同时对网络覆盖率和能耗进行优化的问题,本文提出一种基于连通支配集的区域覆盖控制(area coverage control based on connected dominating set,ACCBCDS)算法。当节点随机分布于监测区域后,未连通的节点移向Sink节点直至网络实现全连通,之后利用三着色算法构建网络连通支配集,Sink节点对非连通支配节点进行集中式优化调整,让非连通支配节点移至更优位置。在优化调整的过程中同时考虑了网络连通率、覆盖率和节点移动距离。仿真结果表明,与典型的基于虚拟力的区域覆盖控制(area coverage control based on virtual forces,ACCBVF)算法相比较,本文提出的ACCBCDS算法能使网络在确保全连通的前提下获得更高覆盖率,并能减少网络覆盖控制中的移动能耗。     

基于曼哈顿距离模糊C聚类及粒子群优化的中继车辆选择算法

针对车辆自组织网络中的多跳广播通信场景,基于曼哈顿距离模糊C聚类(Manhattan distance-based FCM,简称MFCM)和粒子群优化(particle swarm optimization,简称PSO),提出中继车辆选择算法.该算法先用MFCM对广播网络中的车辆进行初始分簇,再用PSO优化簇心位置.通过仿真实验对多种算法进行比较,结果表明:相对于其他算法,所提算法的信干噪比分布最优、簇维护开销最低、数据包接收率最高.     

针对变电站场景下目标的检测及跟踪

目标跟踪在视频监控、人机交互及图像压缩等领域发挥着重要作用。为了解决DSST(Discriminative Scale Space Tracking)跟踪算法需要手动标记初始帧的位置、实时速度和更新策略的问题,提出了一种改进的DSST跟踪算法。该算法在DSST算法的基础上融合了检测算法和图像缩放算法,同时引入了APCE(average peak-to correlation energy)置信度指标,使用变电站和benchmark数据集对其进行了测试,并与FCT(Fast Compressive Tracking)及Staple等算法相比,结果表明该算法提高了跟踪精度,缩短了每帧的运行时间,且在背景、尺度变化及遮挡等方面表现出较强的鲁棒性。     

协同网络下分布式跟踪的动态传感器管理

协同网络系统采用分等级的分布式信息处理结构,在实现对杂波中多目标的精确跟踪时,需要考虑量测起源不确定性问题和传感器对目标及局部融合中心的同时分配问题.针对上述问题,文中提出了一种适用于分布式跟踪的动态传感器管理方法.首先以修正Riccati差分方程的解作为目标跟踪性能的评价标准,据此构建传感器管理的目标函数,然后根据分层优化策略,利用蚁群算法实时求近似优解,最后基于分布式融合算法获取多目标的最优跟踪轨迹.仿真结果表明,与NN分簇和MV分簇两种传感器管理方法相比,文中所提方法具有更高的目标跟踪精度和网络资源利用率.     

基于概率感知模型和量子粒子群算法的移动节点部署

为了解决监测区域的传感器节点部署问题,设计了一种基于概率感知模型和量子粒子群算法的移动节点部署方法。首先,在 传 统 概 率 感 知 模 型 中 加 入 节 点 剩 余 能 量 因 素 进 而 得 到 改 进 的 概 率 感 知 模 型 * ,然后基于改进的概率感知模型设计了多目标优化的节点部署模型,在优化模型中考虑了网络覆盖率和能量因素。最后定义了基于量子粒子群算法来获得节点的最优位置对应的Pareto最优解的优化算法(即将粒子编码为节点部署方案,采用最小化网络能耗和最大化网络覆盖率为粒子的Pareto目标,引导粒子在可行解空间不断更新位置寻求最优解)。仿真实验结果表明:文中方法能正确地实现监测区域的传感器节点部署,能实现较为均匀的网络覆盖,与其他方法相比,具有较高的网络覆盖率和较长的网络生命周期,具有较大的优越性。(注：*处代表公式)
     

异步无线传感网络同时定位与跟踪算法

针对异步无线传感网络环境下同时节点定位和目标跟踪问题,提出了一种可以同时进行传感器节点定位和目标跟踪的算法.该算法利用增广状态向量法对目标状态和节点位置进行同时估计,并利用固定点平滑算法对目标状态进行最优估计,实现了异步无线传感网络环境下的目标状态的最优估计以及节点位置的估计.结合节点位置和目标状态的增广状态向量取代了传统目标跟踪算法中的状态向量,在滤波算法中被用于节点位置和目标状态的同时估计.仿真实验证明:在相同的测量次数和通信次数情况下,本算法不但能够取得更高的节点位置估计精度和目标状态估计精度,而且能够取得更多目标状态的估计结果.     

一种基于无线传感器网络的分布式目标跟踪算法

将无线传感器网络与接收信号强度指示测距技术相结合,研究了移动目标的分布式跟踪算法。根据传感器节点与移动目标的相对位置,将节点动态组织成簇,簇头节点作为簇的数据处理中心,利用扩展卡尔曼滤波形成对移动目标位置的本地估计。随着目标的移动,本地估计在簇头节点间传递。仿真结果表明,基于无线传感器网络的分布式目标跟踪算法在精度、收敛性和实时性等方面达到很好的跟踪效果。