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
|
7天前
|
机器学习/深度学习 人工智能 算法
基于DCT和扩频的音频水印嵌入提取算法matlab仿真
本文介绍了结合DCT和扩频技术的音频水印算法,用于在不降低音质的情况下嵌入版权信息。在matlab2022a中实现,算法利用DCT进行频域处理,通过扩频增强水印的隐蔽性和抗攻击性。核心程序展示了水印的嵌入与提取过程,包括DCT变换、水印扩频及反变换步骤。该方法有效且专业,未来研究将侧重于提高实用性和安全性。
|
2天前
|
机器学习/深度学习 算法 计算机视觉
m基于Yolov2深度学习网络的人体喝水行为视频检测系统matlab仿真,带GUI界面
MATLAB 2022a中使用YOLOv2算法对avi视频进行人体喝水行为检测,结果显示成功检测到目标。该算法基于全卷积网络,通过特征提取、锚框和损失函数优化实现。程序首先打乱并分割数据集,利用预训练的ResNet-50和YOLOv2网络结构进行训练,最后保存模型。
12 5
|
5天前
|
机器学习/深度学习 算法 数据挖掘
基于PSO优化的CNN-LSTM-Attention的时间序列回归预测matlab仿真
该文档介绍了使用MATLAB2022A中PSO优化算法提升时间序列预测模型性能的过程。PSO优化前后对比显示了优化效果。算法基于CNN、LSTM和Attention机制构建CNN-LSTM-Attention模型,利用PSO调整模型超参数。代码示例展示了PSO的迭代优化过程及训练、预测和误差分析环节。最终,模型的预测结果以图形形式展示,并保存了相关数据。
|
11天前
|
文字识别 算法 计算机视觉
图像倾斜校正算法的MATLAB实现:图像倾斜角检测及校正
图像倾斜校正算法的MATLAB实现:图像倾斜角检测及校正
15 0
|
14天前
|
机器学习/深度学习 算法
【MATLAB】GA_ELM神经网络时序预测算法
【MATLAB】GA_ELM神经网络时序预测算法
286 9
|
1月前
|
机器学习/深度学习 数据采集 人工智能
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
43 0
|
1月前
|
机器学习/深度学习 算法 计算机视觉
基于yolov2深度学习网络的火焰烟雾检测系统matlab仿真
基于yolov2深度学习网络的火焰烟雾检测系统matlab仿真
|
1月前
|
机器学习/深度学习 算法 计算机视觉
m基于深度学习网络的性别识别系统matlab仿真,带GUI界面
m基于深度学习网络的性别识别系统matlab仿真,带GUI界面
29 2
|
1月前
|
机器学习/深度学习 算法 计算机视觉
基于yolov2深度学习网络的视频手部检测算法matlab仿真
基于yolov2深度学习网络的视频手部检测算法matlab仿真
|
1月前
|
机器学习/深度学习 算法 数据库
基于CNN卷积网络的MNIST手写数字识别matlab仿真,CNN编程实现不使用matlab工具箱
基于CNN卷积网络的MNIST手写数字识别matlab仿真,CNN编程实现不使用matlab工具箱

热门文章

最新文章