m移动通信系统中越区切换算法的matlab仿真,对比MASN,ASUR,OP

简介: m移动通信系统中越区切换算法的matlab仿真,对比MASN,ASUR,OP

1.算法仿真效果
matlab2022a仿真结果如下:

555255f5df4237bf5b91042d228872ca_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
9323e7bed074e8f5137b7aa3bd45c6b0_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
743a647d033fd5a27a40576d2723bd92_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

2.算法涉及理论知识概要
硬切换,就是强制切换,其最大的特点是:“先断后连”。在硬切换过程中,用户移动设备仅仅保持与一个基站链接,一旦切换操作被激活,其马上会切断原有的连接,然后再与新的基站建立连接。从一个基站切换到另个基站的过程中,通信链路有短暂的中断。这个中断的时间长短将影响用户的通话。而且硬切换具有另一个缺陷,就是在区域边界出会频繁的出现反复切换的现象,这也是所谓的乒乓效应。当信道衰落效应存在的时候,会更进一步加剧乒乓效应。解决这个问题的办法是,通过滞后参数来延迟执行的时间,从而避免频繁切换的问题,但这将会要求小区边界有一个较高的发送功率,这就导致了给其他用户带了通话干扰。从而导致系统的容量的下降,影响了小区内整体的通话质量。图1就是硬切换的物理结构:

2885d6e9a306c2745c9f4f23132fd9a2_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

   通常情况下,硬切换测量过程对移动台设备的要求比较高。如果需要进行不同频率的硬切换操作,那么其首先需要做一个操作,即测量多个小区的导频信号强度。这就导致了硬切换过程中会引致另一个严重的缺陷,硬切换的基本原理如图2所示:

ebe192919a3fcf1bc4276071a53b5416_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

     如上图所示,当一个移动用户从小区1走向小区2的时候,小区1基站和用户移动台之间物理距离逐渐变大,这就导致用户移动设备接收到来自小区1基站的信号不断减弱,当这个信号小于一个门限的时候,便会激活硬切换过程。硬切换就会切断移动用户与基站的连接,同时启动与基站2的连接,从而完成一个硬切换的过程。

软切换

    软切换在其切换过程中,软切换不需要另外单独设置设备的频率的时候,也不会出现中断的情况,通常情况下,软切换可以分为软切换过程和更软切换过程两种切换过程。软切换:当用户移动台设备开始与一个新的小区基站建立联系的时候,并不立即中断与原来基站之间的通信,即“先连后断”。

image.png

    区分软切换和硬切换主要看它们发生的时间,后者是在某一个时间点上,而前者则不同,它是在一段时间内。

       在软切换中,只要满足触发条件,在新基站的导频强度不小于原来基站的导频强度之前,移动台都会进入软切换状态并建立新的连接。移动台会同时和至少两个基站保持连接,直到与原来的基站断开连接。因此软切换是一个“先建后断”的过程。

   而在硬切换过程中,如果移动台从a小区的边缘向b小区移动时,移动台会不断地测量b小区的导频信号强度,当b小区比a小区的导频强度大于迟滞边界时,硬切换就发生了。硬切换发生的同时,在与新基站建立连接之前,先要断开与原来基站的连接。所以说,硬切换是一个“先断后建”的过程。

3.MATLAB核心程序

%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
full        = 0;%激活集未满
Count       = 0;%定义激活集个数

Best_pn     = 10;%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;

%定义平均激活数
ASUR        = zeros(length(T_ADD),1);

for j = 1:length(T_ADD)

    for k = 1:200

    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
    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;
    tmp3        = 0;
    cnt3        = 0;
相关文章
|
7天前
|
算法 数据安全/隐私保护 索引
OFDM系统PAPR算法的MATLAB仿真,对比SLM,PTS以及CAF,对比不同傅里叶变换长度
本项目展示了在MATLAB 2022a环境下,通过选择映射(SLM)与相位截断星座图(PTS)技术有效降低OFDM系统中PAPR的算法实现。包括无水印的算法运行效果预览、核心程序及详尽的中文注释,附带操作步骤视频,适合研究与教学使用。
|
15天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
14天前
|
算法
基于HASM模型的高精度建模matlab仿真
本课题使用HASM进行高精度建模,介绍HASM模型及其简化实现方法。HASM模型基于层次化与自适应统计思想,通过多层结构捕捉不同尺度特征,自适应调整参数,适用于大规模、高维度数据的分析与预测。MATLAB2022A版本运行测试,展示运行结果。
|
10天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
40 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
10天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
48 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
15天前
|
运维 算法
基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
本程序基于Lipschitz李式指数进行随机信号特征识别和故障检测。使用MATLAB2013B版本运行,核心功能包括计算Lipschitz指数、绘制指数曲线、检测故障信号并标记异常区域。Lipschitz指数能够反映信号的局部动态行为,适用于机械振动分析等领域的故障诊断。
|
16天前
|
机器学习/深度学习 算法 芯片
基于GSP工具箱的NILM算法matlab仿真
基于GSP工具箱的NILM算法Matlab仿真,利用图信号处理技术解析家庭或建筑内各电器的独立功耗。GSPBox通过图的节点、边和权重矩阵表示电气系统,实现对未知数据的有效分类。系统使用MATLAB2022a版本,通过滤波或分解技术从全局能耗信号中提取子设备的功耗信息。
|
30天前
|
算法 安全 数据安全/隐私保护
基于game-based算法的动态频谱访问matlab仿真
本算法展示了在认知无线电网络中,通过游戏理论优化动态频谱访问,提高频谱利用率和物理层安全性。程序运行效果包括负载因子、传输功率、信噪比对用户效用和保密率的影响分析。软件版本:Matlab 2022a。完整代码包含详细中文注释和操作视频。
|
16天前
|
算法 调度
基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
车间作业调度问题(JSSP)通过遗传算法(GA)和模拟退火算法(SA)优化多个作业在并行工作中心上的加工顺序和时间,以最小化总完成时间和机器闲置时间。MATLAB2022a版本运行测试,展示了有效性和可行性。核心程序采用作业列表表示法,结合遗传操作和模拟退火过程,提高算法性能。
|
17天前
|
存储 算法 决策智能
基于免疫算法的TSP问题求解matlab仿真
旅行商问题(TSP)是一个经典的组合优化问题,目标是寻找经过每个城市恰好一次并返回起点的最短回路。本文介绍了一种基于免疫算法(IA)的解决方案,该算法模拟生物免疫系统的运作机制,通过克隆选择、变异和免疫记忆等步骤,有效解决了TSP问题。程序使用MATLAB 2022a版本运行,展示了良好的优化效果。
下一篇
无影云桌面