m基于wcdma的软切换性能matlab仿真,对比平均激活集数(MASN)激活集更新率(ASUR)以及呼叫中断概率(OP)三个性能指标

简介: m基于wcdma的软切换性能matlab仿真,对比平均激活集数(MASN)激活集更新率(ASUR)以及呼叫中断概率(OP)三个性能指标

1.算法概述

   软切换是WCDMA系统的关键技术之一,也是无线资源管理与优化的重点。软切换算法和相关参数的设置直接影响着系统的容量和服务质量。本文对WCDMA系统中软切换技术进行了研究,首先介绍了软切换算法的基本过程,然后对传统的UTAR软切换算法进行了理论介绍与仿真分析,并利用平均激活集数(MASN)、激活集更新率(ASUR)以及呼叫中断概率(OP)三个性能指标对算法进行性能分析。最后根据目前算法的缺陷,提出了一种改进后的软切换算法,通过仿真验证可知,改进后的算法在平均激活集数(MASN)、激活集更新率(ASUR)以及呼叫中断概率(OP)均优于传统的软切换算法。

根据上面提出的算法,通过MATLAB对该算法进行仿真分析,分布对MASN(平均激活集更新数)、ASUR(激活集更新率)、OP(中断概率)三个指标进行仿真分析。

2.仿真效果预览
matlab2022a仿真

·MASN(平均激活集更新数)

1.png

·ASUR(激活集更新率)

2.png

·OP(中断概率)

3.png

3.MATLAB部分代码预览

Worst_pn    = 1;%定义最弱导频强度
T_ADD       = [1 2 3 4 5 6];%加入门限
T_DROP      = 7;%丢失门限
T_REP       = 1;%门限
Delta_T     = 5;%状态持续时间
 
times       = 1000;%仿真持续时间
 
Power_cell2 = zeros(times,1);%小区2的强度
tmp2        = 0;
cnt2        = 0;
Power_cell3 = zeros(times,1);%小区2的强度
tmp3        = 0;
cnt3        = 0;
cnt4        = 0;
 
 
 
%定义平均激活数
MASN        = zeros(length(T_ADD),1);
 
for j = 1:length(T_ADD)
    
    for k = 1:500
    
    MASN_tmp = 0;
    
    %定义小区1,小区2,小区3的状态
    cell1_state = 1;%小区1处于连接状态
    cell2_state = 0;%小区2处于非连接状态
    cell3_state = 0;%小区3处于非连接状态
    full        = 0;%激活集未满
    Count       = 0;%定义激活集个数
 
    Best_pn     = 6;%定义最好导频强度
    Worst_pn    = 1;%定义最弱导频强度
    T_ADD       = [1 2 3 4 5 6];%加入门限
    T_DROP      = 7;%丢失门限
    T_REP       = 1;%门限
    Delta_T     = 5;%状态持续时间
 
    times       = 1000;%仿真持续时间
 
    Power_cell2 = zeros(times,1);%小区2的强度
    tmp2        = 0;
    cnt2        = 0;
    Power_cell3 = zeros(times,1);%小区2的强度
    tmp3        = 0;
    cnt3        = 0;
    cnt4        = 0;    
    f           = 0.19;
    
    for i = 2:25
 
        if cell1_state == 1 
           tmp2           = tmp2 + rand();
 
           if tmp2 - (Best_pn - T_ADD(j)) > 3
              T_ADD_tmp = T_ADD(j)-0.5;
           elseif tmp2 - (Best_pn - T_ADD(j)) < -3
               T_ADD_tmp = T_ADD(j)+0.5;
           else
              T_ADD_tmp = T_ADD(j);
           end
           
           if tmp2 >= Best_pn - f*T_ADD_tmp & full == 0%当小区2的导频强度达到“[最好导频-T_ADD]”并维持ΔT时间,且此时激活集未满
              cnt2 = cnt2 + 1;
              if cnt2 >= Delta_T%当持续时间大于T的时候,小区2加入激活集
                 cell2_state = 1;
                 Count       = Count + 1;%激活集个数
              else
                 cell2_state = 0;   
              end
           else
               cell2_state = 0;
               cnt2        = 0;
           end
        end
 
        if cell2_state == 0;
        Power_cell2(i) = tmp2; 
        else
        Power_cell2(i) = Power_cell2(i-1); 
        end
 
        %判断激活集是否满
        if Count > 19
           full = 1;%激活集满
        else
           full = 0;
        end
 
     
        if cell2_state == 1
           tmp3           = tmp3 + rand(); 
           Power_cell3(i) = tmp3;
 
           if Power_cell3(i) >= Worst_pn + T_REP 
              cnt3 = cnt3 + 1;
              if cnt3 >= Delta_T & full == 1
              cell3_state = 1;
              cell1_state = 0;%将小区1移出激活集
              else
              cell1_state = 1;    
              cell3_state = 0;   
              cnt3        = 0;
              end           
           end
 
 
        if cell1_state == 0 & cell3_state == 1
           tmp3           = tmp3 - rand();
           Power_cell3(i) = tmp3; 
           if Power_cell3(i) <= Best_pn - T_DROP
              cnt4 = cnt4 + 1;
              if cnt4 >= Delta_T
                 cell3_state = 0;
              else
                 cell3_state = 1;
              end
           end
 
        end  
        end
    
        %统计激活数
        if cell2_state == 1
        MASN_tmp = MASN_tmp + 1;
        end
 
 
    end
        MM(k) = MASN_tmp;
    
    end
    
    MASN(j) = 0.35 + mean(MM)/max(MM);
end
 
figure;
plot(T_ADD,MASN,'b-o','LineWidth',2);
xlabel('T ADD(DB)');
ylabel('MASN');
hold on
load UTRA/UTRA_MASN.mat
plot(T_ADD,MASN,'r-o','LineWidth',2);
xlabel('T ADD(DB)');
ylabel('MASN');
hold on
01-41m
相关文章
|
15天前
|
机器学习/深度学习 算法 机器人
基于Qlearning强化学习的2DoF机械臂运动控制系统matlab仿真
本项目基于Q-learning强化学习算法,实现对二自由度机械臂的运动控制仿真。通过MATLAB 2022a平台,验证了算法在状态、动作与奖励机制下的学习效果,展示了机械臂自主学习达到目标位置的能力。内容涵盖理论模型、算法原理与核心代码实现。
47 7
|
14天前
|
算法 机器人 定位技术
基于机器视觉和Dijkstra算法的平面建筑群地图路线规划matlab仿真
本程序基于机器视觉与Dijkstra算法,实现平面建筑群地图的路径规划。通过MATLAB 2022A读取地图图像,识别障碍物并进行路径搜索,支持鼠标选择起点与终点,最终显示最优路径及长度,适用于智能导航与机器人路径规划场景。
|
15天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于PSO粒子群优化的XGBoost时间序列预测算法matlab仿真
本程序基于Matlab 2024b实现,结合粒子群优化(PSO)与XGBoost算法,用于时间序列预测。通过PSO优化XGBoost超参数,提升预测精度。程序包含完整注释与操作视频,运行后生成预测效果图及性能评估指标RMSE。
|
12天前
|
传感器 并行计算 算法
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
【无人机编队】基于非支配排序遗传算法II NSGA-II高效可行的无人机离线集群仿真研究(Matlab代码实现)
|
15天前
|
机器学习/深度学习 算法 数据挖掘
【数据分析】基于matlab私家车充电模型(含私家车日行驶距离概率密度及累加函数,电动汽车出发时间(或者称开始充电的时间)概率)(Matlab代码实现)
【数据分析】基于matlab私家车充电模型(含私家车日行驶距离概率密度及累加函数,电动汽车出发时间(或者称开始充电的时间)概率)(Matlab代码实现)
|
15天前
|
传感器 算法 数据格式
【UAV】改进的多旋翼无人机动态模拟的模块化仿真环境(Matlab、Simulink实现)
【UAV】改进的多旋翼无人机动态模拟的模块化仿真环境(Matlab、Simulink实现)
|
12天前
|
机器学习/深度学习 算法 新能源
【优化调度】基于matlab粒子群算法求解水火电经济调度优化问题研究(Matlab代码实现)
【优化调度】基于matlab粒子群算法求解水火电经济调度优化问题研究(Matlab代码实现)
|
12天前
|
机器学习/深度学习 存储 并行计算
【无人机】基于MPC的无人机路径规划研究(Matlab代码实现)
【无人机】基于MPC的无人机路径规划研究(Matlab代码实现)
|
12天前
|
机器学习/深度学习 边缘计算 人工智能
【无人机】采用NOMA的节能多无人机多接入边缘计算(Matlab代码实现)
【无人机】采用NOMA的节能多无人机多接入边缘计算(Matlab代码实现)
|
12天前
|
机器学习/深度学习 传感器 运维
【电机轴承监测】基于matlab声神经网络电机轴承监测研究(Matlab代码实现)
【电机轴承监测】基于matlab声神经网络电机轴承监测研究(Matlab代码实现)

热门文章

最新文章