CN102547833A - 基于移动预测的异构网络预切换方法 - Google Patents

Abstract

本发明公开了属于移动通信技术领域的基于移动预测的异构网络预切换方法。本发明提出一种基于移动预测的异构网络预切换方法，通过预测移动终端的速度，判断其在网络切换时刻的坐标，计算预切换的门限值，从而改进了门限值计算方式。本发明的有益效果为：通过移动预测算法预测终端在预切换过程中的移动距离，较为精确地计算出预切换门限值，从而减少了终端在切换过程中的丢包率，提高了当前网络的资源利用率。

Description

基于移动预测的异构网络预切换方法

技术领域

本发明属于移动通信技术领域，尤其涉及基于移动预测的异构网络预切换方法。

背景技术

随着通信技术的不断发展，异构无线网络已受到越来越广泛的关注。当用户的多模终端具备访问多个覆盖网络的功能时，异构无线网络的切换问题变得尤为重要。在切换过程中，不仅需要考虑同种网络小区间的水平切换，还要考虑不同网络间的垂直切换。垂直切换作为移动终端在不同类型接入网络间的一种移动性切换模式，是多种网络融合的基础，也成为异构无线网络发展的关键特征和核心技术。

异构无线网络间的垂直切换流程需要使用预切换机制，预切换是指当移动终端在当前网络链路未断开之前，就开始目标网络接入的操作过程。在异构无线网络下，多模终端实时检测当前服务网络的链路质量，当链路质量下降超过预切换门限值时，终端立即向上层服务实体发送相应的LGD(Link_Going_Down)事件消息。切换管理模块在接收到该事件消息后，将会激活对应的目标网络接口，并开始连接目标网络。在断开当前服务网络链路之前预先完成目标网络的接入，这样可以很大程度上降低切换过程中的数据丢包率。预切换机制根据切换门限值作为启动切换操作的标志，通过切换协议预先扫描信道，显著降低了因路由更新的滞后而造成的数据分组丢失和切换延时。目前，国内外学者已经对预切换机制切换协议做了大量研究，主要思想是通过改进切换协议来保证网络较小的切换时延。其中，许多研究集中在信道掩码的预先信道扫描方法上，该类算法主要在预先信道扫描的过程中对扫描到的接入节点进行数据包的预转移和预恢复操作，有效降低了系统的切换时延。但其切换门限值设置较高，终端在信号质量较好的情况下也会进行预切换操作，导致当前网络资源利用不充分。为此，基于自适应门限的预切换机制获得了极大的关注，该机制能够根据业务类型和当前网络的负载情况，自适应调整切换门限系数，设置符合当前网络信号质量的门限，由于终端在移动过程中的速度和当前网络的信号质量不停地变化，因此如何根据这些变化设置合理的门限成为了预切换机制研究的关键。但是在传统的自适应门限值的预切换算法中，设置门限值时需要用到移动终端下一时刻的位置信息，而现有的算法并没能对位置信息做出合理地估计，而是将其近似替代，这样导致设置的门限值会出现一定偏差，资源利用不充分的问题仍然存在。

发明内容

本发明针对上述缺陷公开了基于移动预测的异构网络预切换方法。它包括以下步骤：

1)将终端进行预切换的物理时延作为记录终端移动信息的时间间隔Δt；根据移动终端内置的GPS以Δt的时间间隔对其位置信息进行记录，移动终端的位置信息包括终端的坐标、速度和接收到当前网络WLAN的信号质量Q_j；

2)由步骤1)给出的移动终端的位置信息，根据移动预测算法预测终端t_j+1时刻的位置坐标

并通过信号质量计算公式预测t_j+1时刻的终端信号质量Q_j+1；

3)设定最差信号质量Q_LD＝9.8064×10^-10W，将其与Q_j+1进行比较，若Q_j+1∈(9.7×10^-10，1.8×10^-9)，则进行下一步骤，否则返回步骤1)；

4)根据终端在t_j时刻坐标

和终端在t_j+1时刻的坐标的预测值

计算预切换的门限系数a；并得到预切换门限值Q_LGD；

5)将预切换门限值Q_LGD分别与Q_j、Q_j+1进行比较，若Q_j＞Q_LGD且Q_j+1＜Q_LGD，则进入步骤6)；若Q_j＞Q_LGD且Q_j+1＞Q_LGD，则返回步骤1)；

6)当终端信号质量下降至Q_LGD时，开始执行预切换过程，完成后返回步骤1)。

所述步骤2)包括以下步骤：

201)采用步骤1)中的时间间隔Δt，在历史记录中取前n个时刻终端的移动速度

与终端的当前速度

一并作为预测样本值，n取5～8；

终端速度为矢量，则给定的n+1个样本值以矢量形式将其分解在x，y轴上的坐标表示如下式所示：

202)建立多项式表示终端速度的变化形式，再代入步骤201)中n+1个样本值计算多项式的各项系数；

用多项式

表示终端在t_j-n时刻至t_j时刻的时间段内变化的函数，使用下式表示：

设t_i表示第i个样本点的时刻，且t_j-n≤t_i≤t_j，此时移动终端速度的样本值为则预测数列与样本值的误差B用下式表示：

$B=\underset{i=j-n}{\overset{j-1}{\mathrm{\Σ}}}{[{\stackrel{\→}{V}}_i-({\stackrel{\→}{b}}_0+{\stackrel{\→}{b}}_{1}i+{\stackrel{\→}{b}}_2{i}^2...+{\stackrel{\→}{b}}_k{i}^k)]}^2$

为求出系数组

将b₀-b_k分别视为一个变量，当误差B为最小值时，可令B对每个变量偏导数

为零，则能得到k阶方程组，如下式所示：

$\left\{\begin{array}{c}{\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^0\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^0{\stackrel{\→}{V}}_i\\ {\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^2\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{k+1}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1{\stackrel{\→}{V}}_i\\ \begin{array}{ccccccccc}.& .& .& .& \text{.}& \text{.}& \text{.}& \text{.}& \text{.}\\ .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .\end{array}\\ {\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{k+1}\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{2k}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k{\stackrel{\→}{V}}_i\end{array}\right.$

通过高斯消元法解出系数组

的值，将其代入

中，得到速度多项式的表达式

根据表达式

的变化趋势，预测终端在t_j+1时刻的速度，如下式所示：

203)对所得多项式

进行修正，具体说明如下：

为实际的终端速度样本点，

表示修正前终端在t_j+1时刻速度的预测值，即为步骤202)中由预测出来的速度值，

表示修正后终端在t_j+1时刻速度的预测值，

表示修正的误差值，

表示t_i时刻的实际速度样本值，令

则修正后的样本值

可由下式得到：

上式中，

表示t_i时刻终端速度实际样本值的修正值，

表示t_i时刻终端速度的预测值与实际样本值的误差值；

将

取代步骤202)中的

然后重复步骤202)就能得到修正后的多项式预测曲线

204)根据修正后的多项式预测曲线

求出t_j+1时刻的终端的速度的预测值

205)根据修正前在t_j时刻终端速度的预测值

和修正后t_j+1时刻的终端的速度的预测值

通过下式计算得到终端t_j+1时刻的坐标的预测值

206)由终端t_j+1时刻的坐标的预测值

得到t_j+1时刻终端与基站的距离的预测值d_j+1，并结合单位距离d₀、信号衰减单位距离接收到的信号质量P(d₀)以及平坦衰落信道的衰减指数β，通过以下公式得到t_j+1时刻的终端信号质量的预测值Q_j+1：

$Q_{j+1}=-10\mathrm{\βP}\left(d_0\right){\log }_2\left(\frac{d_{j+1}}{d_0}\right).$

所述步骤4)包括以下步骤：

假设t_j时刻开启预切换机制，通过基站的坐标

终端在t_j时刻坐标

和终端在t_j+1时刻的坐标的预测值

可分别求出终端处于t_j时刻、t_j+1时刻与基站的距离d_j、d_j+1；若t_j时刻开始执行预切换过程，则有d_LGD＝d_j，d_LD＝d_j+1；根据以下两式能得到预切换过程中的切换门限系数a；

Δd＝d_LD-d_LGD

$a={|1-\frac{\mathrm{\Δd}}{d_0}{\left(\frac{Q_{\mathrm{LD}}}{P\left(d_0\right)}\right)}^{\frac{1}{\mathrm{\β}}}|}^{-\mathrm{\β}}$

根据下式计算出预切换门限值Q_LGD：

Q_LGD＝aQ_LD。

本发明的有益效果为：本发明通过移动预测算法预测终端在预切换过程中的移动距离，较为精确地计算出预切换门限值，从而减少了终端在切换过程中的丢包率，提高了当前网络的资源利用率。

附图说明

图1是基于移动预测的异构网络预切换方法的流程图；

图2是预切换机制的门限值示意图；

图3是终端在WLAN小区边缘的移动过程示意图；

图4是多项式拟合曲线的修正过程示意图；

图5a是策略一的估算位置与实际位置的误差波形示意图；

图5b是策略二的估算位置与实际位置的误差波形示意图；

图5c是策略三的估算位置与实际位置的误差波形示意图；

图6是三种算法的丢包率示意图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

实施例

在实施例中，设定在WLAN和WiMAX网络的异构融合网络中，终端正处于WLAN小区边缘，向WiMAX网络进行预切换的过程，在下述步骤中用t_j表示当前时刻，对应离散时间样本下的第j个样本点，t_i作为离散时间样本下的第i个样本点，取值区间在[t_j-n，t_j]内，小写v表示预测的多项式或数值，大写V表示实际的多项式或数值。图1为基于移动预测的异构网络预切换方法的流程图，该方法包括：

1)将终端进行预切换的物理时延作为记录终端移动信息的时间间隔Δt；根据移动终端内置的GPS以Δt的时间间隔对其位置信息进行记录，移动终端的位置信息包括终端的坐标、速度和接收到当前网络WLAN的信号质量Q_j；

图2是预切换机制的门限值示意图，Q_LGD为预切换门限值，即发送LGD事件消息的信号质量门限值，d_LGD为链路信号质量下降至Q_LGD时终端到基站的距离；最差信号质量(即链路不能进行数据传输时的信号质量)为Q_LD，d_LD为链路信号质量下降至Q_LD时终端到基站的距离。假设在当前网络中，从终端链路信号质量降至Q_LGD的时刻到它接入目标网络时刻的时延为t_H，本发明的目标是让t_H尽可能趋近于终端进行预切换的物理时延Δt，由此使得终端在链路信号质量下降至Q_LD时已自动切换到新的目标网络，从而保证切换的可靠性。在图2中，A点到B点的距离差为Δd，且有近似公式：

Δd≈vt_H

其中，v为终端移动的平均速度。由式(1)可知，若t_H不变，则Δd与v成正比。由于t_H取值为Δt，v由终端自身的移动速度决定，由此通过调整Q_LGD的值来使得Δd满足终端移动速度和切换时延的要求。

图3是终端在WLAN小区边缘的移动过程示意图，

表示在t_j时刻终端的位置坐标，d_j表示t_j时刻移动终端与基站的距离，θ为终端移动路径与小区边缘的夹角，D表示移动终端在预切换过程中的移动距离。

2)由步骤1)给出的移动终端的位置信息，根据移动预测算法预测终端t_j+1时刻的位置坐标

并通过信号质量计算公式预测t_j+1时刻的终端信号质量Q_j+1；

201)采用步骤1)中的时间间隔Δt，在历史记录中取前n个时刻终端的移动速度

与终端的当前速度

一并作为预测样本值，n取5～8；

终端速度为矢量，则给定的n+1个样本值以矢量形式将其分解在x，y轴上的坐标表示如下式所示。

202)建立多项式表示终端速度的变化形式，再代入步骤201)中n+1个样本值计算多项式的各项系数；

用多项式

表示终端在t_j-n时刻至t_j时刻的时间段内变化的函数，使用下式表示：

设t_i表示第i个样本点的时刻，且t_j-n≤t_i≤t_j，此时移动终端速度的样本值为

则预测数列与样本值的误差B用下式表示：

$B=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{[{\stackrel{\→}{V}}_i-({\stackrel{\→}{b}}_0+{\stackrel{\→}{b}}_{1}i+{\stackrel{\→}{b}}_2{i}^2\·\·\·{+\stackrel{\→}{b}}_k{i}^k)]}^2$

为求出系数组

将b₀-b_k分别视为一个变量，当误差B为最小值时，可令B对每个变量偏导数

为零，则能得到k阶方程组，如下式所示：

$\left\{\begin{array}{c}{\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^0\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^0{\stackrel{\→}{V}}_i\\ {\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^2\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{k+1}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1{\stackrel{\→}{V}}_i\\ \begin{array}{ccccccccc}.& .& .& .& \text{.}& \text{.}& \text{.}& \text{.}& \text{.}\\ .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .\end{array}\\ {\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{k+1}\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{2k}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k{\stackrel{\→}{V}}_i\end{array}\right.---\left(5\right)$

通过高斯消元法解出系数组的值，将其代入中，得到速度多项式的表达式

根据表达式

的变化趋势，预测终端在t_j+1时刻的速度，如下式所示：

203)对所得多项式

进行修正，具体说明如下：

为实际的终端速度样本点，

表示修正前终端在t_j+1时刻速度的预测值，即为步骤202)中由预测出来的速度值，

表示修正后终端在t_j+1时刻速度的预测值，

表示修正的误差值，

表示t_i时刻的实际速度样本值，令

本发明给出的曲线修正思想为，通过改变原样本值，使得修正后的预测曲线更接近真实情况。则修正后的样本值

可由下式得到。

上式中，

表示t_i时刻终端速度实际样本值的修正值，

表示t_i时刻终端速度的预测值与实际样本值的误差值；

将

取代步骤202)中的

然后重复步骤202)就能得到修正后的多项式预测曲线

图4给出了当n＝5时多项式拟合曲线的修正过程示意图；拟合的预测曲线如虚线部分所示。

204)根据修正后的多项式预测曲线

求出t_j+1时刻的终端的速度的预测值

205)根据修正前在t_j时刻终端速度的预测值

和修正后t_j+1时刻的终端的速度的预测值

通过下式计算得到终端t_j+1时刻的坐标的预测值

206)由终端t_j+1时刻的坐标的预测值得到t_j+1时刻终端与基站的距离的预测值d_j+1，并结合单位距离d₀、信号衰减单位距离接收到的信号质量P(d₀)以及平坦衰落信道的衰减指数β，通过以下公式得到t_j+1时刻的终端信号质量的预测值Q_j+1：

$Q_{j+1}=-10\mathrm{\βP}\left(d_0\right){\log }_2\left(\frac{d_{j+1}}{d_0}\right).$

3)设定最差信号质量Q_LD＝9.8064×10^-10W，将其与Q_j+1进行比较，根据经验设定，若Q_j+1∈(9.7×10^-10，1.8×10^-9)，则进行下一步骤，否则返回步骤1)；

4)根据终端在t_j时刻坐标

和终端在t_j+1时刻的坐标的预测值

计算预切换的门限系数a；并得到预切换门限值Q_LGD；

所述步骤4)包括以下步骤：

如图3所示，假设t_j时刻开启预切换机制，通过基站的坐标终端在t_j时刻坐标

和终端在t_j+1时刻的坐标的预测值

可分别求出终端处于t_j时刻、t_j+1时刻与基站的距离d_j、d_j+1。若t_j时刻开始执行预切换过程，则有d_LGD＝d_j，d_LD＝d_j+1；根据以下两式能得到预切换过程中的切换门限系数a；

Δd＝d_LD-d_LGD

$a={|1-\frac{\mathrm{\Δd}}{d_0}{\left(\frac{Q_{\mathrm{LD}}}{P\left(d_0\right)}\right)}^{\frac{1}{\mathrm{\β}}}|}^{-\mathrm{\β}}$

根据下式计算出预切换门限值Q_LGD：Q_LGD＝aQ_LD。

5)将预切换门限值Q_LGD分别与Q_j、Q_j+1进行比较，若Q_j＞Q_LGD且Q_j+1＜Q_LGD，则进入步骤6)；若Q_j＞Q_LGD且Q_j+1＞Q_LGD，则返回步骤1)；

6)当终端信号质量下降至Q_LGD时，开始执行预切换过程，完成后返回步骤1)。

目前，针对预切换机制的性能评价有多种方式，本发明采用以下两个最常用的指标对基于移动预测的异构网络预切换方法进行评价：

1)移动预测误差

本发明运用多项式预测算法得到预测坐标(v_x，v_y)，真实坐标为(V_x，V_y)，以终端200个时刻的速度位置信息为样本记录，步骤1)中的预测时间间隔Δt＝0.5s，误差表示为：

$\mathrm{err}=\sqrt{{(v_x-V_x)}^2+{(v_y-V_y)}^2}$

2)预切换丢包率

本发明运用移动预测算法精确预测终端切换完成时刻的坐标，改进预切换门限值计算方式，使得预切换过程中的丢包率明显下降。计算方式如下：设定移动终端在切换过程中每秒发送1000个数据包。发送包的个数表示为N，丢包个数表示为n_miss，丢包率表示为：

$\mathrm{drop}=\frac{n_{\mathrm{miss}}}{N}\×100\%$

根据上述指标，本文从以下两个方面对仿真结果进行阐述：

1)不同预测算法对预测位置误差的影响

定义路径的多项式回归算法为“策略一”，如图5a所示，该算法以多项式表示终端的移动路径，预测其下一时刻的坐标；平均速度预测算法为“策略二”，如图5b所示，该算法以前一时刻的速度乘以一个向量

表示下一时刻的速度，从而计算下一时刻终端的坐标，其中

本发明的预测算法为“策略三”，如图5c所示，可以看到策略二的误差波动性较小，但总体误差偏高；策略一预测误差总体相对前者较小，但其波动性较大，这是因为该算法易受到实际速度方向变化的影响。策略三总体误差相对最小，且波动性也比较平稳。因此，本发明能够较准确地预测移动终端的位置。

2)不同预切换算法对切换丢包率的影响

图6为移动终端在三种算法预切换机制下的丢包率意义图。设定移动终端在切换过程中每秒发送1000个数据包。本发明将固定门限值的预切换算法(Pre-Scanning and Dynamic Caching for Fast Handoff，PSDC)和传统的自适应门限值的预切换算法(Pre-handoff MechanismwithAdaptive Threshold，PMAT)作为对比算法。固定门限值的预切换算法定义预切换门限值，终端接收当前网络的信号质量一旦低于该门限值，立即启动预切换过程，图6中分别设定其门限值为1.03、1.08、1.14和1.18；传统的自适应门限值的预切换算法根据终端移动速度实时调整预切换门限值，终端接收当前网络的信号质量一旦低于该门限值，立即启动预切换过程；为本发明的算法是基于预测的自适应门限预切换算法(Pre-handoff Mechanism with Adaptive Threshold based onMobile Prediction，PMATMP)。

在固定门限值的预切换算法中，当移动终端速度很快时，还未接入目标网络就与当前网络断开，从而出现较大的丢包率，另外门限值设置过高会造成当前网络的利用率不够充分。在自适应门限值的预切换算法中，实时调整门限值基本保证了预切换在不同速度下，既完成目标网络的切换，又充分利用当前网络资源，但该算法总体丢包率与本发明相比仍然偏高。在本发明中，预切换的传输丢包率不随速度的变化出现较大波动，且该算法总体丢包率偏小，能够满足终端在垂直切换中数据的正常传输要求，同时当前网络资源得到充分利用，因此，本发明的预切换机制更合理。

本发明针对固定门限值的预切换算法和自适应门限值的预切换算法的不足，提出一种基于移动预测的异构网络预切换方法，通过预测移动终端的速度，判断其在网络切换时刻的坐标，计算预切换的门限值，从而改进了门限值计算方式。本发明比现有的固定门限值的预切换算法和自适应门限值的预切换算法更加有效和优越。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (3)

1.基于移动预测的异构网络预切换方法，其特征在于，它包括以下步骤：

1)将终端进行预切换的物理时延作为记录终端移动信息的时间间隔Δt；根据移动终端内置的GPS以Δt的时间间隔对其位置信息进行记录，移动终端的位置信息包括终端的坐标、速度和接收到当前网络WLAN的信号质量Q_j；

2)由步骤1)给出的移动终端的位置信息，根据移动预测算法预测终端t_j+1时刻的位置坐标

并通过信号质量计算公式预测t_j+1时刻的终端信号质量Q_j+1；

3)设定最差信号质量Q_LD＝9.8064×10^-10W，将其与Q_j+1进行比较，若Q_j+1∈(9.7×10^-10，1.8×10^-9)，则进行下一步骤，否则返回步骤1)；

4)根据终端在t_j时刻坐标

和终端在t_j+1时刻的坐标的预测值

计算预切换的门限系数a；并得到预切换门限值Q_LGD；

5)将预切换门限值Q_LGD分别与Q_j、Q_j+1进行比较，若Q_j＞Q_LGD且Q_j+1＜Q_LGD，则进入步骤6)；若Q_j＞Q_LGD且Q_j+1＞Q_LGD，则返回步骤1)；

6)当终端信号质量下降至Q_LGD时，开始执行预切换过程，完成后返回步骤1)。

2.根据权利要求1所述的基于移动预测的异构网络预切换方法，其特征在于，所述步骤2)包括以下步骤：

201)采用步骤1)中的时间间隔Δt，在历史记录中取前n个时刻终端的移动速度

与终端的当前速度

一并作为预测样本值，n取5～8；

终端速度为矢量，则给定的n+1个样本值以矢量形式将其分解在x，y轴上的坐标表示如下式所示：

202)建立多项式表示终端速度的变化形式，再代入步骤201)中n+1个样本值计算多项式的各项系数；

用多项式

表示终端在t_j-n时刻至t_j时刻的时间段内变化的函数，使用下式表示：

设ti表示第i个样本点的时刻，且t_j-n≤t_i≤t_j，此时移动终端速度的样本值为则预测数列与样本值的误差B用下式表示：

$B=\underset{i=j-n}{\overset{j-1}{\mathrm{\Σ}}}{[{\stackrel{\→}{V}}_i-({\stackrel{\→}{b}}_0+{\stackrel{\→}{b}}_{1}i+{\stackrel{\→}{b}}_2{i}^2\·\·\·{+\stackrel{\→}{b}}_k{i}^k)]}^2$

为求出系数组

将b₀-b_k分别视为一个变量，当误差B为最小值时，可令B对每个变量偏导数

为零，则能得到k阶方程组，如下式所示：

$\left\{\begin{array}{c}{\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^0\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^0{\stackrel{\→}{V}}_i\\ {\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^2\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{k+1}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^1{\stackrel{\→}{V}}_i\\ \begin{array}{ccccccccc}.& .& .& .& \text{.}& \text{.}& \text{.}& \text{.}& \text{.}\\ .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .\end{array}\\ {\stackrel{\→}{b}}_0\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k\right)+{\stackrel{\→}{b}}_1\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{k+1}\right)+\·\·\·+{\stackrel{\→}{b}}_k\left(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^{2k}\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{i}^k{\stackrel{\→}{V}}_i\end{array}\right.$

通过高斯消元法解出系数组

的值，将其代入

中，得到速度多项式的表达式

根据表达式

的变化趋势，预测终端在t_j+1时刻的速度，如下式所示：

203)对所得多项式进行修正，具体说明如下：

为实际的终端速度样本点，

表示修正前终端在t_j+1时刻速度的预测值，即为步骤202)中由

预测出来的速度值，

表示修正后终端在t_j+1时刻速度的预测值，

表示修正的误差值，表示t_i时刻的实际速度样本值，令

则修正后的样本值

可由下式得到：

上式中，

表示t_i时刻终端速度实际样本值的修正值，

表示t_i时刻终端速度的预测值与实际样本值的误差值；将

取代步骤202)中的然后重复步骤202)就能得到修正后的多项式预测曲线

204)根据修正后的多项式预测曲线

求出t_j+1时刻的终端的速度的预测值

205)根据修正前在t_j时刻终端速度的预测值和修正后t_j+1时刻的终端的速度的预测值

通过下式计算得到终端t_j+1时刻的坐标的预测值

206)由终端t_j+1时刻的坐标的预测值

得到t_j+1时刻终端与基站的距离的预测值d_j+1，并结合单位距离d₀、信号衰减单位距离接收到的信号质量P(d₀)以及平坦衰落信道的衰减指数β，通过以下公式得到t_j+1时刻的终端信号质量的预测值Q_j+1：

$Q_{j+1}=-10\mathrm{\βP}\left(d_0\right){\log }_2\left(\frac{d_{j+1}}{d_0}\right).$

3.根据权利要求1所述的基于移动预测的异构网络预切换方法，其特征在于，所述步骤4)包括以下步骤：

假设t_j时刻开启预切换机制，通过基站的坐标

终端在t_j时刻坐标

和终端在t_j+1时刻的坐标的预测值

可分别求出终端处于t_j时刻、t_j+1时刻与基站的距离d_j、d_j+1；若t_j时刻开始执行预切换过程，则有d_LGD＝d_j，d_LD＝d_j+1；根据以下两式能得到预切换过程中的切换门限系数a；

Δd＝d_LD-d_LGD

$a={|1-\frac{\mathrm{\Δd}}{d_0}{\left(\frac{Q_{\mathrm{LD}}}{P\left(d_0\right)}\right)}^{\frac{1}{\mathrm{\β}}}|}^{-\mathrm{\β}}$

根据下式计算出预切换门限值Q_LGD：Q_LGD＝aQ_LD。

Images