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
|
5天前
|
算法 Serverless
基于魏格纳函数和焦散线方法的自加速光束matlab模拟与仿真
本项目基于魏格纳函数和焦散线方法,使用MATLAB 2022A模拟自加速光束。通过魏格纳函数法生成多种自加速光束,并设计相应方法,展示仿真结果。核心程序包括相位和幅度的计算、光场分布及拟合分析,实现对光束传播特性的精确控制。应用领域涵盖光学成像、光操控和光束聚焦等。 关键步骤: 1. 利用魏格纳函数计算光场分布。 2. 模拟并展示自加速光束的相位和幅度图像。 3. 通过拟合分析,验证光束加速特性。 该算法原理基于魏格纳函数描述光场分布,结合数值模拟技术,实现对光束形状和传播特性的精确控制。通过调整光束相位分布,可改变其传播特性,如聚焦或加速。
|
5天前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
|
2天前
|
机器学习/深度学习 算法 计算机视觉
基于CNN卷积神经网络的金融数据预测matlab仿真,对比BP,RBF,LSTM
本项目基于MATLAB2022A,利用CNN卷积神经网络对金融数据进行预测,并与BP、RBF和LSTM网络对比。核心程序通过处理历史价格数据,训练并测试各模型,展示预测结果及误差分析。CNN通过卷积层捕捉局部特征,BP网络学习非线性映射,RBF网络进行局部逼近,LSTM解决长序列预测中的梯度问题。实验结果表明各模型在金融数据预测中的表现差异。
|
4天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
3天前
|
算法 决策智能
基于SA模拟退火优化算法的TSP问题求解matlab仿真,并对比ACO蚁群优化算法
本项目基于MATLAB2022A,使用模拟退火(SA)和蚁群优化(ACO)算法求解旅行商问题(TSP),对比两者的仿真时间、收敛曲线及最短路径长度。SA源于金属退火过程,允许暂时接受较差解以跳出局部最优;ACO模仿蚂蚁信息素机制,通过正反馈发现最优路径。结果显示SA全局探索能力强,ACO在路径优化类问题中表现优异。
|
5月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
253 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
5月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
149 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
5月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
120 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
8月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)