首页 > 编程语言 >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

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

时间:2023-06-24 23:22:22浏览次数:38  
标签:异构 网络 算法 切换 LTE 属性 延迟

1.算法仿真效果

matlab2022a仿真结果如下:

 

 

 

 

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 = w1*x1 + w2*x2 + ... + 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

 

  

 

标签:异构,网络,算法,切换,LTE,属性,延迟
From: https://www.cnblogs.com/51matlab/p/17501869.html

相关文章

  • 2023网络安全 -- 正向连接
    一、正向连接,Linux服务器主动控制windows服务器1、上传nc到windows服务器上运行2、以管理员身份运行cmd3、执行下面命令,监听任意来自8899端口的数据nc-e cmd-lvvp88994、Linux服务器执行如下命令,ip地址为windows服务器的地址ncat192.168.1.18888995、whoami查看当前主机名称,......
  • 计算机网络知识——IP地址和子网掩码
    一、IP地址                IP地址由网络号和主机号组成。每台连在Internet网上的主机有唯一的IP地址。IP地址采用二进制形式,通常以"点分十进制表示法"表示(8个比特为一段,用十进制整数)。IP地址分为A、B、C、D、E五类,下图所示:(本文介绍的都是版本4......
  • 【js学习笔记四】数组双重去重的方式三filter
     目录前言导语运行结果总结前言   我是歌谣我有个兄弟巅峰的时候排名c站总榜19叫前端小歌谣曾经我花了三年的时间创作了他现在我要用五年的时间超越他今天又是接近兄弟的一天人生难免坎坷大不了从头再来歌谣的意志是永恒的放弃很容易但是坚持一定很酷导语   数组......
  • 【计算机网络】IP地址和子网掩码的关系
     目录一、IP地址(1)IP地址分类(2)IP地址构成二、子网掩码三、广播地址四、子网容量相关(1)子网数(2)最大主机数(2)可用主机数总结一、IP地址了解IP地址扮演的角色有助于明白IP地址的含义乃至IP地址和子网掩码的关系IP(InternetProtocol—网际互连协议),是TCP/IP体系中的网络层......
  • 深度卷积神经网络(AlexNet)
    1.AlexNet\(2012\)年,\(AlexNet\)横空出世。使用\(8\)层卷积神经网络,赢得\(ImageNet\2012\)图像识别挑战赛。\(AlexNet\) 网络结构:1.1第一个卷积层卷积运算:原始数据为\(227\times227\times3\)的图像。卷积核尺寸\(11\times11\times3\),步长\(4\),每次......
  • [转载] 常用 Git 命令清单 - 阮一峰的网络日志
    常用Git命令清单作者:阮一峰日期:2015年12月9日我每天使用Git,但是很多命令记不住。一般来说,日常使用只要记住下图6个命令,就可以了。但是熟练使用,恐怕要记住60~100个命令。下面是我整理的常用Git命令清单。几个专用名词的译名如下。Workspace:工作区Index/Stag......
  • U-Net: 专注生物医学分割的卷积神经网络(翻译)
    原文链接:https://arxiv.org/pdf/1505.04597.pdf摘要:普遍认为,优秀的深度神经网络离不开数千个标注训练样本。在本文中,我们提出了一种网络和训练策略:该策略通过使用大量数据增强,从而充分利用带标注的训练样本;该网络结构包括了用于捕获上下文的收缩路径和用于实现精确定位的对称扩......
  • c# 基于wechat_qrcode opencv插件,网络二维码图片批量识别(一)
     一、基本概念  微信开源了其二维码的解码功能,并贡献给OpenCV社区。其开源的wechat_qrcode项目被收录到OpenCVcontrib项目中。从OpenCV4.5.2版本开始,就可以直接使用。该项目github地址: https://github.com/opencv/opencv_contrib/tree/master/modules/wechat_......
  • Kubernetes CNI 网络模型及常见开源组件
    随着容器技术在企业生产系统中的逐步落地,用户对容器云的网络特性要求也越来越高。跨主机容器间的网络互通已经成为基本要求,更高的要求包括容器固定IP地址、一个容器多个IP地址、多个子网隔离、ACL控制策略、与SDN集成等。目前主流的容器网络模型是CoreOS公司推出的Contai......
  • TensorFlow10.4 卷积神经网络-batchnorm
    我们发现这个sigmoid函数在小于-4或者大于4的时候他的导数趋近于0。然后我们送进去的input的值在[-100,100]之间,这样很容易引起梯度弥散的现象。所以我们一般情况下使用ReLU函数,但是我们有时候又不得不使用sigmoid函数。这个时候我们在送到下一层的时候我们应该先经过Normalizatio......