m基于多属性决策判决算法的异构网络垂直切换matlab仿真,异构网络为GSM,TDS,LTE

简介: m基于多属性决策判决算法的异构网络垂直切换matlab仿真,异构网络为GSM,TDS,LTE

1.算法仿真效果
matlab2022a仿真结果如下:

461bff736b68b8acffa1d3e0c65243bf_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
82a1ac8fd244b86c045abc70288e9791_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
e7dec06231f501022efb3ae2b7aaec8d_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
异构网络垂直切换是指在不同的移动通信网络之间进行快速自适应切换的技术。在异构网络中,不同类型的网络可能具有不同的带宽、延迟、信号强度等性能指标,因此在不同的应用场景下,需要采用不同的网络来实现最佳的通信效果。异构网络垂直切换技术可以通过多属性决策判决算法来实现。多属性决策判决算法是一种能够将多个属性的权重考虑进来,从而得出一个最优的决策结果的决策分析方法。在异构网络垂直切换中,多属性决策判决算法可以用来确定何时进行网络切换以及切换到哪个网络。

异构网络垂直切换的过程通常包括以下几个步骤:
数据采集:在每个网络中收集一些关于网络性能的数据,例如延迟、带宽、信号强度等。
属性权重确定:确定每个属性的相对重要性,这通常需要依据具体的应用场景和用户需求来确定。
属性归一化:将各属性值转化为0到1之间的数值,方便进行比较和决策。
属性评估:将各属性值进行综合评估,得到一个综合评分,用来表示当前网络的性能。
决策判定:基于综合评分和属性权重,采用多属性决策判决算法计算出最佳网络,并进行切换。
在异构网络垂直切换中,根据具体的应用场景和用户需求,可以选择不同的判定算法和权重系数来实现最佳的切换效果。
多属性决策判决算法
多属性决策判决算法是一种常用的决策分析方法,它可以将多个属性的权重考虑进来,从而得出一个最优的决策结果。在异构网络垂直切换中,多属性决策判决算法可以用来确定何时进行网络切换以及切换到哪个网络。
在多属性决策判决算法中,每个属性都有一个相对权重,这个权重通常取决于属性的重要性。在异构网络垂直切换中,属性可能包括延迟、带宽、信号强度等指标。
假设有n个属性,每个属性的权重为w1, w2, ..., wn,对应的属性值为x1, x2, ..., xn,那么综合评分可以表示为:
Score = w1x1 + w2x2 + ... + wn*xn
其中,Score表示综合评分,wi表示第i个属性的权重,xi表示第i个属性的数值。
在异构网络垂直切换中,综合评分可以用来表示当前网络的性能,从而确定是否需要进行切换。
GSM、TDS和LTE网络的垂直切换
在GSM、TDS和LTE等异构网络中,垂直切换通常需要考虑延迟、带宽、信号强度等多个属性。下面我们将逐一介绍这些属性在切换中的应用。

延迟
延迟是指数据从源到目的地所需的时间,也称为网络延迟或传输延迟。在移动通信网络中,延迟通常由以下因素造成:
信号传输的时间;
数据包在传输过程中需要经过的路由器的数量;数据包在路由器中的缓存时间。
在移动通信中,延迟是一个非常重要的性能指标。如果延迟过高,就会出现视频卡顿、语音延迟等问题。因此,在切换时,需要考虑延迟的大小。
在GSM、TDS和LTE等网络中,延迟通常以毫秒为单位进行测量。延迟越小,网络响应速度就越快,用户体验就越好。在垂直切换中,可以通过将延迟作为一个属性,将其归一化后,加入到多属性决策判决算法中,以确定最佳网络。
带宽
带宽是指网络中可用的传输速率,也称为网络速度。在移动通信网络中,带宽通常受到以下因素的影响:
在移动通信中,带宽是一个非常重要的性能指标。如果带宽过低,就会出现视频卡顿、语音断续等问题。因此,在切换时,需要考虑带宽的大小。

3.MATLAB核心程序

%参数初始化
%设置每个种类的基站的间隔
R_gsm  = 300;       %GSM基站之间的间隔
R_tds  = 700 ;      %TDS基站之间的间隔
R_lte  = 500;       %LTE基站之间的间隔

P_gsm  = [150,0];   %TDLTE2基站坐标
P_tds  = [0,500];   %TDSCDMA基站坐标
P_lte  = [-150,0];  %TDLTE1基站坐标


F_gsm  = 1900*10^6;
F_tds  = 2020*10^6; %TDSCDMA的频率,根据国内指标,均为B频段:2010M~2025M之间
F_lte  = 2600*10^6; %TDLTE的频率,假设是中移动的38号TDLTE频段:2570M~2620M之间 

%主要研究单个UE
Sp_ms  = [5];       %移动设备速度,由于内存限制,这里将速度涉及为整数形式

Pow_tds= 70;        %功率
Pow_lte= 65;        %功率
Pow_gsm= 60;        %功率
ISFAST = 1;         %是否要考虑快衰落情况
%移动设备必须经过的关键点
VP_ms  = [-600,300;   %A
          -290,105;   %B
           -20, 40;   %C
             0, 40;   %D
            20, 40;   %E
           250,120;   %F
           600,500]  ;%G

type   = 1;%业务类型:1:语音业务,2:数据业务,3:视频模型

%各个网络的接入,断开功率门限值
Rss_gsm_in   = -50;%dbm
Rss_gsm_out  = -65;%dbm
Rss_tds_in   = -55;%dbm
Rss_tds_out  = -70;%dbm
Rss_lte_in   = -50;%dbm
Rss_lte_out  = -65;%dbm

%定义用户运动的距离 
Xp           = 0;
Yp           = 0;
%定义仿真时间参数
delta        = 0.01;
Time         = 300;
t            = 0;
%数组计数器
Ind          = 0;
Ind2         = 0;


%接收功率、最大的传输速率、时延、费用价格
%其中接收功率为实测
POW_gsm  = 0;
Rb_gsm   = 8;
DLY_gsm  = 40;
MNY_gsm  = 0.2;

POW_tds  = 0;
Rb_tds   = 1.28;
DLY_tds  = 20;
MNY_tds  = 0.3;

POW_lte  = 0;
Rb_lte   = 8;
DLY_lte  = 45;
MNY_lte  = 0.1;


%接收功率、最大的传输速率、时延、费用价格 
ViewS    = 20;%减小消耗内存,采样显示结果
相关文章
|
8月前
|
算法
基于MPPT算法的光伏并网发电系统simulink建模与仿真
本课题基于MATLAB/Simulink搭建光伏并网发电系统模型,集成PV模块、MPPT算法、PWM控制与并网电路,实现最大功率跟踪与电能高效并网。通过仿真验证系统在不同环境下的动态响应与稳定性,采用SVPWM与电流闭环控制,确保输出电流与电网同频同相,满足并网电能质量要求。
|
8月前
|
机器学习/深度学习 算法 数据可视化
基于MVO多元宇宙优化的DBSCAN聚类算法matlab仿真
本程序基于MATLAB实现MVO优化的DBSCAN聚类算法,通过多元宇宙优化自动搜索最优参数Eps与MinPts,提升聚类精度。对比传统DBSCAN,MVO-DBSCAN有效克服参数依赖问题,适应复杂数据分布,增强鲁棒性,适用于非均匀密度数据集的高效聚类分析。
|
8月前
|
开发框架 算法 .NET
基于ADMM无穷范数检测算法的MIMO通信系统信号检测MATLAB仿真,对比ML,MMSE,ZF以及LAMA
简介:本文介绍基于ADMM的MIMO信号检测算法,结合无穷范数优化与交替方向乘子法,降低计算复杂度并提升检测性能。涵盖MATLAB 2024b实现效果图、核心代码及详细注释,并对比ML、MMSE、ZF、OCD_MMSE与LAMA等算法。重点分析LAMA基于消息传递的低复杂度优势,适用于大规模MIMO系统,为通信系统检测提供理论支持与实践方案。(238字)
|
9月前
|
机器学习/深度学习 传感器 算法
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)
594 2
|
8月前
|
机器学习/深度学习 数据采集 存储
概率神经网络的分类预测--基于PNN的变压器故障诊断(Matlab代码实现)
概率神经网络的分类预测--基于PNN的变压器故障诊断(Matlab代码实现)
1100 0
|
8月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
328 0
|
8月前
|
传感器 机器学习/深度学习 数据采集
【航空发动机寿命预测】基于SE-ResNet网络的发动机寿命预测,C-MAPSS航空发动机寿命预测研究(Matlab代码实现)
【航空发动机寿命预测】基于SE-ResNet网络的发动机寿命预测,C-MAPSS航空发动机寿命预测研究(Matlab代码实现)
542 0
|
SQL 安全 网络安全
网络安全与信息安全:知识分享####
【10月更文挑战第21天】 随着数字化时代的快速发展,网络安全和信息安全已成为个人和企业不可忽视的关键问题。本文将探讨网络安全漏洞、加密技术以及安全意识的重要性,并提供一些实用的建议,帮助读者提高自身的网络安全防护能力。 ####
481 17
|
SQL 安全 网络安全
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
随着互联网的普及,网络安全问题日益突出。本文将从网络安全漏洞、加密技术和安全意识三个方面进行探讨,旨在提高读者对网络安全的认识和防范能力。通过分析常见的网络安全漏洞,介绍加密技术的基本原理和应用,以及强调安全意识的重要性,帮助读者更好地保护自己的网络信息安全。
368 10
|
存储 SQL 安全
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
随着互联网的普及,网络安全问题日益突出。本文将介绍网络安全的重要性,分析常见的网络安全漏洞及其危害,探讨加密技术在保障网络安全中的作用,并强调提高安全意识的必要性。通过本文的学习,读者将了解网络安全的基本概念和应对策略,提升个人和组织的网络安全防护能力。

热门文章

最新文章