CN109661009B - 基于移动性预测的用户面切换方法 - Google Patents

基于移动性预测的用户面切换方法 Download PDF

Info

Publication number
CN109661009B
CN109661009B CN201910108550.8A CN201910108550A CN109661009B CN 109661009 B CN109661009 B CN 109661009B CN 201910108550 A CN201910108550 A CN 201910108550A CN 109661009 B CN109661009 B CN 109661009B
Authority
CN
China
Prior art keywords
user
sbs
switching
prediction
tcp
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910108550.8A
Other languages
English (en)
Other versions
CN109661009A (zh
Inventor
彭燕
周一青
刘玲
田霖
原进宏
石晶林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Computing Technology of CAS
Original Assignee
Institute of Computing Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Computing Technology of CAS filed Critical Institute of Computing Technology of CAS
Priority to CN201910108550.8A priority Critical patent/CN109661009B/zh
Publication of CN109661009A publication Critical patent/CN109661009A/zh
Application granted granted Critical
Publication of CN109661009B publication Critical patent/CN109661009B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/0005—Control or signalling for completing the hand-off
    • H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
    • H04W36/00837—Determination of triggering parameters for hand-off
    • H04W36/008375—Determination of triggering parameters for hand-off based on historical data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/16—Performing reselection for specific purposes
    • H04W36/18—Performing reselection for specific purposes for allowing seamless reselection, e.g. soft reselection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/16—Performing reselection for specific purposes
    • H04W36/22—Performing reselection for specific purposes for handling the traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/30—Reselection being triggered by specific parameters by measured or perceived connection quality data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W36/00—Hand-off or reselection arrangements
    • H04W36/24—Reselection being triggered by specific parameters
    • H04W36/32—Reselection being triggered by specific parameters by location or mobility data, e.g. speed data

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明采用基于内容的混合协同滤波预测算法改善超密集组网中用户面接入目标SBS的预测精度。整合基于内容的滤波和协同滤波，形成基于内容的混合协同滤波算法CCHF，并基于CCHF预测的目标SBS基础上，并考虑目标基站和源基站的信号强度变化，提供一种软切换机制“CCHF‑handover”来增加边缘用户的SINR和降低HIR。与现有切换方法相比，本发明所提方法可以有效提升预测精度，增加SINR，降低切换中断频率HIR，进而提升TCP吞吐量，保障用户的服务质量。

Description

基于移动性预测的用户面切换方法
技术领域
本发明涉及无线通信领域，尤其涉及超密集组网中用户面切换机制，具体地说，本发明涉及一种基于移动性预测的用户面切换方法。
背景技术
在无线通信中，超密集网络(ultra-dense cellular networks,UDNs)可以有效提升网络容量。在UDNs中，越来越多的微基站(small base stations,SBS)部署在已有的宏基站(macro base station,MBS)覆盖范围内。因此，当用户移动时，会发生频繁的无线切换。研究者提出U/C(user/control plane)分离的架构来降低控制面的切换频率，即用户的控制面接入宏基站，用户面接入微基站。当用户在同一个宏基站的覆盖范围内移动时，控制面无需切换，但是用户面仍会发生频繁的切换，因此U/C分离架构下的用户面切换问题是非常值得研究的。采用传统切换会降低用户面切换性能，原因主要有以下两点：
(1)用户处于小区边缘时，信干噪比(signal to interference and noiseratio，SINR)低，用户只能接入一个SBS，当用户移动到源SBS边缘，即将发生切换时，用户受到周围其他SBS的严重干扰，导致其信噪比降低，误码率高，数据包传输出错丢失；
(2)切换中断率(单位时间内的中断时间，handover interruption ratio,HIR)高，传统切换的“先断后连”即用户先断开与源SBS的连接再接入目标SBS的方式导致无线传输中断、数据包丢失；
传统切换的低SINR和高HIR降低了系统的传输性能。现有研究普遍采用物理层的吞吐量作为性能指标，但是，在实际网络中，TCP(Transport Control Protocol)吞吐量能更好地代表用户的服务质量(quality of service，QoS)。当出现低SINR或者是发生切换中断时，数据包丢失，TCP窗口迅速减小；用户切换到目标SBS后，传输链路重新建立，SINR得到迅速提升，TCP的“慢启动”机制控制TCP窗口缓慢增加，由此可以看出，低SINR和高HIR会严重影响TCP吞吐量，因此，TCP吞吐量可作为主要的性能指标来评判用户的服务质量。
现有的移动性预测通过有效预测用户的目标SBS可以有效改善切换过程中的低SINR和高HIR。人们的移动行为从表面上来看存在着很大的随机性，但其背后却蕴藏着巨大的规律性，大部分人通常花费大量的时间在固定的地点和固定的轨迹上，这就产生了规律的轨迹。采用DTMM(discrete-time Markov model)预测用户切换的目标SBS，如果预测正确，本次基于DTMM的DTMM-Handover的切换中断时间减小，否则，执行传统切换。总的来说，DTMM-Handover可以降低HIR，但是不能改善蜂窝边缘用户的SINR。因此，用户的TCP吞吐量仍然会快速下降。此外，基于DTMM的预测方法仅适用于规则轨迹，即只有针对用户访问过的SBS集合，预测才是有效的。在用户历史轨迹比较稀疏或者是用户进入新的区域时，其所访问过的SBS是非常少的，当前驻留的SBS可能不会存在于其所访问过的SBS集合中，从而无法正确预测用户的下一个SBS。因此，这类非规则轨迹势必会导致预测性能的急剧下降。
综上所述，现有的切换机制，无法有效保障用户的高SINR并降低切换中断率，因此无法保障稳定的网络性能，严重影响用户体验。也迫切需要能够提供移动性预测的准确性。
发明内容
因此，本发明的目的在于克服上述现有技术的缺陷，提供一种新的基于移动性预测的用户面切换方法，用于超密集组网中用户面在微基站SBS间的切换，用户的控制码接入宏基站MBS。
本发明的目的是通过以下技术方案实现的：
根据本发明的第一方面，提供一种基于内容的混合协同滤波方式，对用户的目标SBS进行预测，提高预测精度，包括如下步骤：
s1、根据用户的历史移动轨迹，进行基于内容的滤波，对所述用户的规则轨迹进行预测；
s2、根据所述用户的相似用户的历史移动轨迹，进行协同滤波，对所述用户的非规则轨迹进行预测；
s3、基于所述用户的规则轨迹预测和非规则轨迹预测，进行所述用户所有类型的轨迹预测，得到用户的预测目标SBS；
其中，上述步骤s1包括：
s1.1、采用用户的历史切换SBS序列表示用户移动轨迹信息，用户的历史切换SBS序列由用户顺序接入的SBS编号表示；
s1.2、基于步骤s1.1中用户的历史切换SBS序列，应用于基于内容的滤波，实现对用户的规则轨迹进行预测。
上述步骤s2包括:
s2.1、基于步骤s1.1中用户的历史切换SBS序列，结合相似度门限值，确定用户的相似用户簇；相似度门限值通过实验预先确定；
s2.2、基于步骤s2.1中确定的用户的相似用户簇，应用于协同滤波，实现对用户的非规则轨迹进行预测。
上述步骤s3包括：
基于预定义的信息熵门限值进行所述用户所有类型的轨迹预测，所述信息熵门限值通过实验预先确定。
根据本发明的第二方面，提供一种软切换机制，增加边缘用户的SINR，同时降低HIR，保障TCP吞吐量。包括如下步骤：
s4、当用户移动到源SBS边缘且满足提前接入条件时，用户提前接入预测目标SBS。
上述步骤s4中将TCP吞吐量作为分析判定用户面切换质量的判定依据，包括：
s4.1、测量用户对源SBS的平均信号接收强度、对预测目标SBS的平均信号接收强度以及对邻近SBS的平均信号接收强度得到用户的测量报告；
s4.2、根据步骤s4.1中测量的用户对源SBS的平均信号接收强度和对预测目标SBS的平均信号接收强度，结合预定义的提前接入门限值，在满足预测目标SBS提前接入条件时，用户提前接入预测目标SBS；若不满足预测目标提前接入条件时，转到步骤s4.5；所述提前接入门限值根据实验进行确定，优选方式下，提前接入门限值设置≤8dB；
s4.3、根据步骤s4.1中得到的用户的测量报告，判断是否满足传统切换条件，若满足，MBS确定真正的目标SBS，转到步骤s4.4；若不满足，继续执行步骤s4.3；
s4.4、判断真正的目标SBS与预测目标SBS是否一致，若是一致，断开用户与源SBS的连接；若不一致，断开用户与源SBS的连接，用户接入真正的目标SBS，再断开用户与预测目标SBS的连接；
S4.5、根据步骤s4.1中得到的用户的测量报告，判断是否满足传统切换条件，若满足，MBS确定真正的目标SBS，断开用户与源SBS的连接，用户接入真正的目标SBS；若不满足，继续执行步骤s4.5。
上述步骤s4还包括：
构建从物理层到数据链路层以及数据链路层到TCP层的跨层模型，实现物理层信干噪比和切换中断率与TCP层TCP吞吐量的关系转换；
所述物理层，采用自使用调制编码建立信干噪比和误块率的关系，当切换中断出现时，所有传输块丢失，出现误块率；规定数量的物理层的传输块组成数据链路层的帧；
所述数据链路层采用自动重传请求协议来重传丢失的传输块，每个传输块具有重传次数上限，当超过重传次数上限仍未传输成功时，出现误帧率；规定数量的数据链路层的帧组成TCP层的包；误块率导致误帧率，误帧率导致TCP层的丢包率；
所述TCP层采用拥塞控制算法，根据丢包率调整TCP发送窗口的大小即TCP吞吐量。
本发明的“软切换”机制是针对网络层设计的，将TCP吞吐量作为分析判定用户面切换质量的判定依剧，本发明构建从物理层到数据链路层以及数据链路层到TCP层的跨层模型，实现物理层信干噪比和切换中断率与TCP层TCP吞吐量的关系转换；所述物理层，采用自使用调制编码建立信干噪比和误块率的关系，当切换中断出现时，所有传输块丢失，出现误块率；规定数量的物理层的传输块组成数据链路层的帧；所述数据链路层采用自动重传请求协议来重传丢失的传输块，每个传输块具有重传次数上限，当超过重传次数上限仍未传输成功时，出现误帧率；规定数量的数据链路层的帧组成TCP层的包；误块率导致误帧率，误帧率导致TCP层的丢包率；所述TCP层采用拥塞控制算法，根据丢包率调整TCP发送窗口的大小即TCP吞吐量。
本发明基于内容的混合协同滤波预测算法(content-based collaborativehybrid filters，CCHF)能够有效改善用户面接入目标SBS的预测精度，同时，整合基于内容的滤波和协同滤波，形成基于内容的混合协同滤波算法。其中，基于内容的滤波利用该用户的个人移动轨迹信息进行预测，协同滤波利用该用户的所有相似用户的移动轨迹信息来改善预测效果，通过挖掘个人及相似用户的移动信息，CCHF可以精确地预测用户即将接入的目标SBS。在上述基于CCHF预测的目标SBS基础上，并考虑目标基站和源基站的信号强度变化，本发明提供一种软切换机制“CCHF-handover”来增加边缘用户的SINR和降低HIR。当用户移动到源SBS边缘时，用户可以提前接入预测目标SBS，用户与源SBS和目标SBS同时连接可以增加边缘用户的SINR，同时降低HIR，因此，CCHF-handover可以有效降低丢包率(packet loss rate,PLR)，提升TCP吞吐量。根据CCHF的预测结果及目标SBS和源SBS的信号强度，MBS将用户提前接入预测目标SBS。当传统切换条件满足时，用户已经提前接入到实际的目标SBS，只需要断开与源基站的连接，用户提前接入目标基站可以提高信噪比并降低切换中断率。
与现有切换方法相比，本发明所提方法可以有效提升预测精度，增加SINR，降低切换中断频率HIR，进而提升TCP吞吐量，保障用户的服务质量。
附图说明
以下参照附图对本发明实施例作进一步说明，其中：
图1是现有的U/C分离的UDN网络架构示意图；
图2是SINR和HIR与TCP吞吐量的映射关系示意图；
图3描述了根据本发明一个实施例的CCHF-handover的过程；
图4是本发明一个实施例的方法和传统DTMM预测方法的预测精度示意图；
图5是本发明一个实施例的方法和传统DTMM预测方法在不同接入门限值对应的覆盖率示意图；
图6是本发明一个实施例的方法和传统DTMM预测方法的切换中断率示意图；
图7是本发明一个实施例的方法和传统DTMM预测方法中用户移动过程中的TCP吞吐量。
具体实施方式
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
为了使本发明的目的、技术方案、设计方法及优点更加清楚明了，以下结合附图通过具体实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
1、概括说来，本发明提出了一种基于CCHF(content-based collaborativehybrid filters)预测算法来改善预测精度的方法，然后基于CCHF预测结果，提出一种切换方式(CCHF-handover)，以改善边缘用户的SINR并降低HIR。
2、首先介绍一下本发明的CCHF预测算法的基本思想。
现有的移动性预测算法仅在规则轨迹的预测上具有较好效果，即只有针对用户访问过的SBS集合，预测才是有效的，在非规则轨迹势必会导致预测性能的急剧下降。但是，发明人通过分析用户轨迹的关系，指出大量不同用户的轨迹存在相似性，轨迹之间的相似性可以用于提高非规则轨迹的预测精度。因此，联合挖掘用户个人的移动轨迹和相似用户的移动轨迹来做位置预测是非常必要的。为了实现用户的所有轨迹(随机轨迹和规则轨迹)的高精度预测，发明人基于推荐系统(参见Q.Li,B.M.Kim,“An approach for combiningcontent-based and collaborative filters,”International Workshop onInformation Retrieval with Asian Languages,pp.17-24,2006)中常用的两个推荐算法：基于内容的滤波和协同滤波，通过整合两者的优点，设计了基于内容的混合协同滤波算法。其中，基于内容的滤波利用该用户的个人移动轨迹信息进行预测，协同滤波利用该用户的所有相似用户的移动轨迹信息来改善预测效果。因此，通过挖掘个人及相似用户的移动信息，CCHF可以精确地预测用户即将接入的目标SBS。本申请采用历史切换SBS序列(historical handover sequence,HHS)来表示用户移动轨迹信息。HHS由用户顺序接入的SBS编号序列表示。概括说来，CCHF预测算法包含两个步骤：第一步，基于用户的HHS，为每个用户构建一个MS-transfer矩阵和一个group-transfer矩阵。MS-transfer矩阵是利用用户的个人的HHS序列生成的，应用于基于内容的滤波，实现规则轨迹的预测。Group-transfer矩阵是利用该用户的相似用户簇(下文定义)的HHS序列生成的，应用于协同滤波，实现非规则轨迹的预测。第二步，基于预定义的门限值整合基于内容的滤波和协同滤波，为所有类型的轨迹实现精确预测。
以下参照附图并结合实施例，对本发明进行详细描述。
如图1所示，U/C分离的UDN网络架构中，用户(mobile station,MS)的控制面接入到MBS传输控制信令，用户的用户面接入到SBS传输用户数据。用户数据传输采用客户端服务器模式，TCP是该模式下广泛采用的传输控制协议，且TCP吞吐量能比较好的反应用户的QoS。给定一个用户，多个服务SBS采用最大比合并时，用户的SINR可以表示为
Figure GDA0003195276360000071
其中，BΩ为所有SBS的集合，Bs为用户的服务SBS的集合，P为SBS的发射功率，rk为该用户与SBSk的距离，α为用户到SBS的路损指数，hk是用户到SBSk的复信道系数，幅度服从均值为1的瑞利分布、相位在[0，2π)均匀分布，
Figure GDA0003195276360000072
是背景高斯白噪声的方差。服务SBS的集合可能只包含源SBS，或者同时包含源SBS和预测目标SBS。
现有的切换方法普遍采用物理层的吞吐量作为性能指标，而没有考虑网络高层的性能，但是，在实际网络中，TCP(Transport Control Protocol)吞吐量能更好地代表用户的服务质量(quality of service，QoS)。图2是SINR和HIR与TCP吞吐量的映射关系示意图。在物理层，本发明采用自适应调制编码(Modulation and Coding Scheme)，建立SINR和误块率(block error rate,BLER)的关系。当切换中断出现时，所有传输块丢失，即BLER＝1。Nb个物理层的传输块组成一个数据链路层的帧。数据链路层采用自动重传请求(automaticrepeat request,ARQ)协议来重传丢失的传输块，每个传输块的最大重传次数是Nre。因此，误帧率
Figure GDA0003195276360000073
Nl个数据链路层的帧组成一个TCP层的包。因此，丢包率
Figure GDA0003195276360000074
TCP层采用拥塞控制算法，根据PLR调整TCP发送窗口的大小。根据拥塞控制算法，如果接收端正确接收到发送的TCP包，TCP发送窗口逐渐增加，否则，重传丢失的TCP包，发送窗口迅速减小。在超密集网络频繁的用户面切换过程中，低SINR和高HIR导致高BLER,高FER和高PLR。因此，TCP拥塞控制算法会频繁迅速地降低TCP发送窗口大小，从而导致TCP吞吐量性能严重下降。在超密集网络频繁的用户面切换过程中，低SINR和高HIR导致高BLER,高FER和高PLR。因此，TCP拥塞控制算法会频繁迅速地降低TCP发送窗口大小，从而导致TCP吞吐量性能严重下降。为了改善超密集网络的TCP吞吐量性能，本发明采用CCHF(content-based collaborative hybrid filters)预测算法来改善预测精度，并基于CCHF预测结果，采用CCHF-handover改善边缘用户的SINR并降低HIR，保障TCP吞吐量。
根据本发明的一个实施例，用户i利用个人的HHS生成MS-transfer矩阵TMS,i,所述MS-transfer矩阵TMS,i表示如下：
Figure GDA0003195276360000081
其中，tp,q表示用户i从SBSp切换到SBSq的概率，n是在一个MBS覆盖范围内的SBS的个数；当用户i首次进入该MBS的覆盖区域时，MBS将TMS,i进行初始化，用户在每个SBS以相同的概率切换到邻居SBS，以零概率切换到其他SBS，即
Figure GDA0003195276360000082
且
Figure GDA0003195276360000083
其中，SBSq是SBSp的邻居SBS,SBSq#不是SBSp的邻居SBS，m是SBSp的邻居个数；当用户从SBSp切换到SBSq，采用在线更新算法更新TMS,i(参见A.Mohamed,O.Onireti,M.A.Imran,A.Imran and R.Tafazolli,“Predictive and Core-Network Efficient RRC Signallingfor Active State Handover in RANs With Control/Data Separation,”IEEETransactions on Wireless Communications,pp.1423-1436,2017)，增加用户从SBSp切换到SBSq的概率tp，q，减小用户从SBSp切换到其他邻居SBS的概率。group-transfer矩阵利用用户的相似用户簇的HHS序列生成，应用于协同滤波，针对任一用户i，基于用户i的HHS，采用调整的Jaccard系数来表示用户i和用户j的相似性Si,j，
Figure GDA0003195276360000091
其中，Ci(SBSΩ→SBSΩ)表示用户i的HHS，Ci(SBSΩ→SBSΩ)∩Cj(SBSΩ→SBSΩ)表示用户i和用户j的HHS的交集，即用户i和用户j均接入过的SBS集合；当Si,j大于给定的相似度门限值gthr时，将用户j加入到用户i的相似簇Ji中，用户i的group-transfer矩阵为
Figure GDA0003195276360000092
基于预定义的信息熵门限值，整合上述基于内容的滤波和协同滤波，采用香农信息熵E来计算基于内容的滤波可靠度，其中，信息熵E为
Figure GDA0003195276360000093
E越大表示基于内容的滤波算法预测结果的可靠程度越低，即该轨迹的非规则性越强。如果E小于预定义的信息熵门限值hthr，该轨迹具有较强的规则性，基于内容的滤波预测是足够精确的，否则，E大于等于预定义的信息熵门限值hthr，用户i需要借助相似用户簇Ji的HHS，采用协同滤波来改善预测效果,整合基于内容的滤波和协同滤波后，用户i的SBS转移矩阵为Ti＝TMS,i·δ(E)+Tgroup,i·(1-δ(E)),其中，
Figure GDA0003195276360000094
通过以上描述的CCHF预测得到用户可能接入的目标SBS。假设源SBS的平均接收信号强度(average received signal strength,ARSS)为Ps，预测目标SBS的平均接收信号强度为Pt，其中Pt＝Prt -α。
图3描述根据本发明的一个实施例的CCHF-handover的过程。首先，根据用户的测量报告，MBS进行预测目标SBS的接入决策，判断用户是否需要提前接入预测目标SBS。如果Ps和Pt满足Ps-Pt≤Sthr(dB),即预测目标基站的提前接入条件满足，用户通过图3步骤1-3提前接入预测目标SBS，预测切换发生，用户同时接入源SBS和预测目标SBS。同时，MBS执行切换决策得到实际的目标SBS。当传统切换条件满足，即在一段时间内(切换观测时间)，源SBS的ARSS持续比目标SBS的ARSS低某个给定的值(切换信号强度偏移值)，传统切换发生。如果预测正确，用户已经提前接入到实际的目标SBS，其只需要通过图3的步骤4-6断开与源SBS的连接。如果预测是错误的，用户可能出现两种情况。第一种情况，用户已经接入错误的预测SBS，其需要通过步骤4-11断开与源SBS的连接，接入实际的目标SBS，最后断开与错误预测SBS的连接。第二种情况，用户未接入错误预测的SBS，传统切换发生，用户需要通过步骤4-8断开与源SBS的连接，接入实际的的目标SBS。
根据本发明的再一个实施例，提出一种基于移动性预测的用户面切换方法，用于超密集组网中用户面在微基站SBS间的切换，用户的控制面接入宏基站MBS，包括如下步骤：
ss1、采用基于内容的混合协同滤波方式预测用户切换的预测目标SBS，转到步骤ss2；
ss2、测量用户对源SBS的平均信号接收强度PS、对预测目标SBS的平均信号接收强度Pt以及对邻近SBS平均信号接收强度，得到用户的测量报告，同时执行步骤ss3和步骤ss7；
ss3、判断用户是否需要接入预测目标SBS，以提前接入门限值Sthr作为判断依据，提前接入门限值设置为Sthr≤14dB,若PS-Pt≤Sthr，则满足提前接入条件，转到步骤ss4，若PS-Pt＞Sthr，则不满足提前接入条件，转到步骤ss19；
ss4、MBS向预测目标SBS发送接入请求，预测目标SBS进行接纳控制，为用户分配资源，转到步骤ss5；
ss5、预测目标SBS向MBS发送接入确认，告知MBS其允许用户接入；转到步骤ss6；
ss6、MBS通过RRC连接重配置消息通知用户接入预测目标SBS，用户接入预测目标SBS完成，转到步骤ss8；
ss7、根据步骤ss2中的测量报告，执行切换决策，判断是否满足传统切换条件，
当传统切换条件满足时，MBS确定真正的目标SBS，转到步骤ss8；
当传统切换条件不满足时，继续执行步骤ss7；
ss8、在已经接入预测目标SBS和步骤ss7得到的真正的目标SBS的情况下，判断预测目标SBS是否与步骤ss7得到的真正的目标SBS一致，若是一致，则预测正确，转到步骤ss9；若是不一致，则预测错误，转到步骤ss12；
ss9、MBS向源SBS发送连接断开请求，源SBS释放分配给用户的资源，转到步骤ss10；
ss10、源SBS向MBS发送连接断开确认，转到步骤ss11；
ss11、MBS通过RRC连接重配置消息通知用户断开与源SBS的连接，用户断开与源SBS的连接，用户面切换完成；
ss12、MBS向源SBS发送连接断开请求，源SBS释放分配给用户的资源，转到步骤ss13；
ss13、源SBS向MBS发送连接断开确认，转到步骤ss14；
ss14、MBS向步骤ss7得到的真正的目标SBS发送接入请求，步骤ss7得到的真正的目标SBS进行接纳控制，为用户分配资源，转到步骤ss15；
ss15、步骤ss7得到的真正的目标SBS向MBS发送接入确认，告知MBS其允许用户接入，转到步骤ss16；
s16、MBS向预测目标SBS发送连接断开请求，预测目标SBS释放分配给用户的资源；转到步骤ss17；
ss17、预测目标SBS向MBS发送连接断开确认，转到步骤ss18；
ss18、MBS向用户发送RRC连接重配置消息，用户断开与预测目标SBS的连接，接入步骤ss7得到的真正的目标SBS，用户面切换完成；
ss19、根据步骤ss2中的用户的测量报告，执行切换决策，判断是否满足传统切换条件，
当传统切换条件满足时，MBS确定真正的目标SBS，转到步骤ss20；
当传统切换条件不满足时，继续执行步骤ss19；
ss20、MBS向源SBS发送连接断开请求，源SBS释放分配给用户的资源，转到步骤ss21；
ss21、源SBS向MBS发送连接断开确认，转到步骤ss22；
ss22、MBS向步骤ss19得到的真正的目标SBS发送接入请求，步骤ss19得到的真正的目标SBS进行接纳控制，为用户分配资源，转到步骤ss23；
ss23、步骤ss19得到的真正的目标SBS向MBS发送接入确认，告知MBS其允许用户接入，转到步骤ss24；
ss24、MBS向用户发送RRC连接重配置消息，用户断开与源SBS的连接，接入实际的目标SBS，用户面切换完成。
其中，步骤ss1中采用基于内容的混合协同滤波方式预测用户切换的预测目标SBS，包括如下步骤:
ss1-1、基于用户的历史切换SBS序列HHS，为每个用户构建一个MS-transfer矩阵和一个group-transfer矩阵，MS-transfer矩阵利用用户的个人HHS序列生成，应用于基于内容的滤波，进行规则轨迹下的用户面切换目标SBS的预测；group-transfer矩阵利用用户的相似用户簇的HHS序列生成，应用于协同滤波，进行非规则轨迹下的用户面切换目标SBS的预测；
ss1-2、基于预定义的信息熵门限值hthr，整合基于内容的滤波和协同滤波，为所有类型轨迹的用户面切换目标SBS进行预测。
以表1为一个实施例参数，采用本发明的基于移动性预测的用户面切换方法进行用户面切换，分析用户接入SBS的预测精度、不同接入门限值对应的覆盖率、切换中断率以及TCP吞吐量进行详细说明，同时与现有DTMM方式进行对比。
表1
Parameter Value Parameter value
SBS密度 1000/km<sup>2</sup> TCP包长度 1460Bytes
P 30dBm TCP最大窗口值 500
α 4 往返时间 50ms
用户速度 50km/h TCP超时 0.4s
边缘用户 30％ N<sub>re</sub> 3
N<sub>b</sub> 1 N<sub>l</sub> 3
带宽 75MHz TCP模型 Reno[4]
h<sub>thr</sub> 0.3 g<sub>thr</sub> 0.2
SBS服从PPP(泊松点过程)随机分布，以60个用户在100天的移动轨迹为例，用户1-10是规则用户(0％随机用户)，其每一天的轨迹都是规则的，用户11-20是20％随机用户，即其20％的天数(20天)的轨迹是随机的，剩余的80％天数的轨迹是规则的，用户21-30、31-40、41-50、51-60分别为40％、60％、80％、100％随机用户，所有用户在100天的移动轨迹作为实施例分析基础。
如图4所示，不同类型的用户分别采用本发明CCHF方式和DTMM预测的预测精度。可以看到，随着用户随机性的增加，相比于DTMM，本发明CCHF的预测增益更加明显。对于100％随机用户，CCHF的预测精度提升超过1倍。CCHF和DTMM的平均预测精度分别为83％和67％，即CCHF的平均预测精度提升约24％。CCHF能够提供更高的预测精度，是因为CCHF可以通过挖掘个人及相似用户的HHS更精确地预测随机轨迹。
如图5所示，为了更好地评估SINR性能，对不同接入门限值Sthr对应的覆盖率进行了研究。覆盖率定义为SINR大于某个给定阈值的概率，给定阈值取值为-7.5dB，传统切换的切换观测时间为200毫秒，切换信号强度偏移值为3dB。可以看出，在CCHF-handover，随着Sthr的增加，覆盖率增加，但是当Sthr大于8dB时，覆盖率基本不再增加。这是因为，随着Sthr的增加，用户可以更早地接入预测目标基站，SINR可以得到改善，但是当Sthr过大时，用户与预测目标基站的距离非常远，提前接入预测目标基站对用户SINR的改善非常有限。此外，CCHF-handover的边缘用户和所有用户的覆盖率可以分别达到89％和95％，DTMM-handover的边缘用户和所有用户的覆盖率分别是56％和82％。因此，CCHF-handover可以显著提高用户的覆盖率。
如图6所示，所有用户的切换中断率，切换中断率定义为用户单位时间内的切换次数乘以每次切换的中断时间。传统切换每次切换的中断时间为56毫秒。预测切换发生时，DTMM-handover的切换中断时间为29毫秒，CCHF-handover的切换中断时间为0毫秒。从图6中可以看出，传统切换的HIR通常在3％到5％。CCHF-handover和DTMM-handover可以有效降低HIR，对于低随机性用户，改善效果更加明显。可是，随着用户随机性增加，DTMM-handover的预测失效，DTMM-handover性能接近于传统切换。但是，CCHF可以通过协同滤波挖掘相似用户的HHS实现随机轨迹的精确预测，因此CCHF-handover仍然可以有效降低HIR。CCHF-handover,DTMM-handover和传统切换的HIR分别为0.6％，2.8％和3.8％。因此，CCHF-handover可以有效降低HIR。
如图7所示，以40％随机用户的移动轨迹为例，其在移动过程中TCP吞吐量相比于传统切换，DTMM-handover和CCHF-handover可以显著改善TCP吞吐量。在传统切换中，用户在蜂窝边缘的低SINR和在切换过程中的切换中断导致TCP包丢失，TCP的拥塞控制机制控制TCP窗口迅速减小。当切换完成，用户接入新的SBS，SINR迅速恢复，但是TCP的“慢启动”控制TCP窗口缓慢增加。TCP窗口的迅速减小和TCP窗口的缓慢增加严重降低了用户的TCP吞吐量。DTMM-handover通过降低HIR，可以改善TCP吞吐量，但是用户在蜂窝边缘的低SINR和剩余的切换中断仍然会降低TCP吞吐量。CCHF-handover可以同时改善边缘用户的低SINR和切换中断，因此可以提供更加稳定的TCP吞吐量。CCHF-handover,DTMM-handover和传统切换的平均TCP吞吐量分别为98Mbps,25Mbps和16Mbps，因此，CCHF-handover可以显著提高TCP吞吐量。
本发明采用基于内容的混合协同滤波预测算法(content-based collaborativehybrid filters，CCHF)改善用户面接入目标SBS的预测精度。整合基于内容的滤波和协同滤波，形成基于内容的混合协同滤波算法。其中，基于内容的滤波利用该用户的个人移动轨迹信息进行预测，协同滤波利用该用户的所有相似用户的移动轨迹信息来改善预测效果，通过挖掘个人及相似用户的移动信息，CCHF可以精确地预测用户即将接入的目标SBS。在上述基于CCHF预测的目标SBS基础上，并考虑目标基站和源基站的信号强度变化，本发明提供一种软切换机制“CCHF-handover”来增加边缘用户的SINR和降低HIR。当用户移动到源SBS边缘时，用户可以提前接入预测目标SBS，用户与源SBS和目标SBS同时连接可以增加边缘用户的SINR，同时降低HIR，因此，CCHF-handover可以有效降低丢包率(packet loss rate,PLR)，提升TCP吞吐量。根据CCHF的预测结果及目标SBS和源SBS的信号强度，MBS将用户提前接入预测目标SBS。当传统切换条件满足时，用户已经提前接入到实际的目标SBS，只需要断开与源基站的连接，用户提前接入目标基站可以提高信噪比并降低切换中断率。
与现有切换方法相比，本发明所提方法可以有效提升预测精度，增加SINR，降低切换中断频率HIR，进而提升TCP吞吐量，保障用户的服务质量。
需要说明的是，虽然上文按照特定顺序描述了各个步骤，但是并不意味着必须按照上述特定顺序来执行各个步骤，实际上，这些步骤中的一些可以并发执行，甚至改变顺序，只要能够实现所需要的功能即可。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以包括但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。
以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (11)

1.一种基于移动性预测的用户面切换方法，用于超密集组网中用户面在微基站SBS间的切换，用户的控制面接入宏基站MBS，其特征在于，所述基于移动性预测的用户面切换方法包括如下步骤：
s1、根据用户的历史移动轨迹，进行基于内容的滤波，对所述用户的规则轨迹进行预测；其中，所述s1包括：
s1.1、采用用户的历史切换SBS序列表示用户移动轨迹信息，用户的历史切换SBS序列由用户顺序接入的SBS编号表示；
s1.2、基于步骤s1.1中用户的历史切换SBS序列，应用于基于内容的滤波，实现对用户的规则轨迹进行预测；
s2、根据所述用户的相似用户的历史移动轨迹，进行协同滤波，对所述用户的非规则轨迹进行预测；其中，所述步骤s2包括:
s2.1、基于步骤s1.1中用户的历史切换SBS序列，结合相似度门限值，确定用户的相似用户簇；
s2.2、基于步骤s2.1中确定的用户的相似用户簇，应用于协同滤波，实现对用户的非规则轨迹进行预测；
s3、基于所述用户的规则轨迹预测和非规则轨迹预测，进行所述用户所有类型的轨迹预测，得到用户的预测目标SBS；
s4、当用户移动到源SBS边缘且满足提前接入条件时，用户提前接入预测目标SBS并与源SBS保持连接，其中，所述步骤s4包括：
s4.1、测量用户对源SBS的平均信号接收强度、对预测目标SBS的平均信号接收强度以及对邻近SBS的平均信号接收强度得到用户的测量报告；
s4.2、根据步骤s4.1中测量的用户对源SBS的平均信号接收强度和对预测目标SBS的平均信号接收强度，结合预定义的提前接入门限值，在满足预测目标SBS提前接入条件时，用户提前接入预测目标SBS，其中，所述提前接入条件是源SBS的平均信号接收强度和对预测目标SBS的平均信号接收强度之差小于或等于提前接入门限值。
2.根据权利要求1所述的一种基于移动性预测的用户面切换方法，其特征在于，
所述步骤s3包括：基于预定义的信息熵门限值进行所述用户所有类型的轨迹预测，其中，
所述信息熵门限值通过实验预先确定。
3.根据权利要求1所述的一种基于移动性预测的用户面切换方法，其特征在于，
所述步骤s4还包括：
s4.3、根据步骤s4.1中得到的用户的测量报告，判断是否满足传统切换条件，若满足，MBS确定真正的目标SBS，转到步骤s4.4；若不满足，继续执行步骤s4.3；
s4.4、判断真正的目标SBS与预测目标SBS是否一致，若是一致，断开用户与源SBS的连接；若不一致，断开用户与源SBS的连接，用户接入真正的目标SBS，再断开用户与预测目标SBS的连接。
4.根据权利要求1所述的一种基于移动性预测的用户面切换方法，其特征在于，在步骤s4.2中判断不满足预测目标SBS提前接入条件时，所述步骤s4还包括：
S4.5、根据步骤s4.1中得到的用户的测量报告，判断是否满足传统切换条件，若满足，MBS确定真正的目标SBS，断开用户与源SBS的连接，用户接入真正的目标SBS；若不满足，继续执行步骤s4.5。
5.根据权利要求1所述的一种基于移动性预测的用户面切换方法，其特征在于，所述提前接入门限值根据实验进行确定。
6.根据权利要求5所述的一种基于移动性预测的用户面切换方法，其特征在于，所述提前接入门限值设置≤8dB。
7.根据权利要求1所述的一种基于移动性预测的用户面切换方法，其特征在于，
在所述步骤s4中，将TCP吞吐量作为分析判定用户面切换质量的判定依据。
8.根据权利要求1所述的一种基于移动性预测的用户面切换方法，其特征在于，所述相似度门限值通过实验预先确定。
9.根据权利要求7所述的一种基于移动性预测的用户面切换方法，其特征在于，所述步骤s4还包括：
构建从物理层到数据链路层以及数据链路层到TCP层的跨层模型，实现物理层信干噪比和切换中断率与TCP层TCP吞吐量的关系转换；
所述物理层，采用自适应调制编码建立信干噪比和误块率的关系，当切换中断出现时，所有传输块丢失，出现误块率；规定数量的物理层的传输块组成数据链路层的帧；
所述数据链路层采用自动重传请求协议来重传丢失的传输块，每个传输块具有重传次数上限，当超过重传次数上限仍未传输成功时，出现误帧率；规定数量的数据链路层的帧组成TCP层的包；误块率导致误帧率，误帧率导致TCP层的丢包率；
所述TCP层采用拥塞控制算法，根据丢包率调整TCP发送窗口的大小即TCP吞吐量。
10.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至9中任一项所述方法的步骤。
11.一种用于移动性预测的计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9中任一项所述的方法的步骤。
CN201910108550.8A 2019-02-03 2019-02-03 基于移动性预测的用户面切换方法 Active CN109661009B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910108550.8A CN109661009B (zh) 2019-02-03 2019-02-03 基于移动性预测的用户面切换方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910108550.8A CN109661009B (zh) 2019-02-03 2019-02-03 基于移动性预测的用户面切换方法

Publications (2)

Publication Number Publication Date
CN109661009A CN109661009A (zh) 2019-04-19
CN109661009B true CN109661009B (zh) 2021-10-15

Family

ID=66122224

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910108550.8A Active CN109661009B (zh) 2019-02-03 2019-02-03 基于移动性预测的用户面切换方法

Country Status (1)

Country Link
CN (1) CN109661009B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112783950B (zh) * 2021-02-01 2024-04-23 西北工业大学 一种基于信息熵的人类移动可预测性量化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103167570A (zh) * 2011-12-19 2013-06-19 中国科学院声学研究所 一种室内蜂窝网络网中的切换触发与判决方法及系统
CN105764100A (zh) * 2016-01-29 2016-07-13 北京邮电大学 一种面向密集小站部署的基于虚拟小区设计的移动性增强方案
CN105933940A (zh) * 2016-05-24 2016-09-07 安徽科技学院 超密集网络中基于协同基站分簇的无缝切换方法
CN107249200A (zh) * 2017-05-10 2017-10-13 西安交通大学 一种应用模糊预测模型的切换方法
CN107466012A (zh) * 2017-08-24 2017-12-12 北京邮电大学 在室内家庭网络下基于移动性预测的网络切换优化方法
CN108966273A (zh) * 2018-06-12 2018-12-07 北京交通大学 高低频协作组网中基于切换辅助微基站的越区切换方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1775978B1 (en) * 2005-06-15 2009-07-29 Alcatel Lucent A method for uplink interference coordination in single frequency networks, a base station and a mobile network therefor
WO2011160682A1 (en) * 2010-06-22 2011-12-29 Telefonaktiebolaget Lm Ericsson (Publ) Pre-emptive access network switching
WO2012159336A1 (zh) * 2011-07-21 2012-11-29 华为技术有限公司 一种预测目标小区的方法及装置
CN103731916B (zh) * 2014-01-14 2017-07-07 上海河广信息科技有限公司 一种基于无线网络的用户位置预测系统和方法
CN105678246B (zh) * 2015-12-31 2018-09-18 浙江工业大学 一种基于基站标号轨迹的运动模式挖掘方法
CN106604343B (zh) * 2016-11-25 2020-04-10 厦门大学 一种小区虚拟化的方法及装置
CN108271233A (zh) * 2016-12-31 2018-07-10 中国移动通信集团吉林有限公司 一种小区切换方法及网络设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103167570A (zh) * 2011-12-19 2013-06-19 中国科学院声学研究所 一种室内蜂窝网络网中的切换触发与判决方法及系统
CN105764100A (zh) * 2016-01-29 2016-07-13 北京邮电大学 一种面向密集小站部署的基于虚拟小区设计的移动性增强方案
CN105933940A (zh) * 2016-05-24 2016-09-07 安徽科技学院 超密集网络中基于协同基站分簇的无缝切换方法
CN107249200A (zh) * 2017-05-10 2017-10-13 西安交通大学 一种应用模糊预测模型的切换方法
CN107466012A (zh) * 2017-08-24 2017-12-12 北京邮电大学 在室内家庭网络下基于移动性预测的网络切换优化方法
CN108966273A (zh) * 2018-06-12 2018-12-07 北京交通大学 高低频协作组网中基于切换辅助微基站的越区切换方法

Non-Patent Citations (11)

* Cited by examiner, † Cited by third party
Title
"Personalized Mobile Searching Approach Based on Combining Content-Based Filtering and Collaborative Filtering";Feng Zhao; Fengwei Yan; Hai Jin; Laurence T. Yang; Chen Yu;《IEEE Systems Journal》;20150910;全文 *
An Adaptive Handover Trigger Strategy for 5G C/U Plane Split Heterogeneous Network;Huijuan He; Xiaohong Li; Zhiyong Feng; Jianye Hao; Xiaofei Wang;;《 2017 IEEE 14th International Conference on Mobile Ad Hoc and Sensor Systems (MASS)》;20171116;全文 *
An improved collaborative filtering algorithm combining content-based algorithm and user activity;Jiaqi Fan; Weimin Pan; Lisi Jiang;《 2014 International Conference on Big Data and Smart Computing》;20140217;全文 *
Control/User Plane Decoupled Architecture Utilizing Unlicensed Bands in LTE Systems;Hao Song; Xuming Fang; Li Yan; Yuguang Fang;《 IEEE Wireless Communications》;20171027;全文 *
Handover Scheme for 5G C/U Plane Split Heterogeneous Network in High-Speed Railway;Hao Song; Xuming Fang; Li Yan;《 IEEE Transactions on Vehicular Technology》;20140412;全文 *
Mobility Prediction for Traffic Offloading in Cloud Cooperated MM Wave 5G Networks;Dimitrios Liarokapis;《 2017 9th IEEE-GCC Conference and Exhibition (GCCCE)》;20180830;全文 *
一种基于模糊控制的负载均衡决策机制;杜红艳; 周一青; 田霖;《高技术通讯》;20151115;全文 *
下一代移动通信网络控制管理关键技术;韩雪; 黄亮; 钱蔓藜; 石晶林;《集成技术》;20120915;全文 *
基于业务识别的移动通信网络流量卸载机制研究;韩雪;黄亮;周一青;黄伊;胡金龙;《系统仿真学报》;20131206;全文 *
第五代移动通信系统5G标准化展望与关键技术研究;周一青; 潘振岗; 翟国伟; 田霖;《数据采集与处理》;20150715;全文 *
面向通信与计算融合的5G移动增强/虚拟现实;周一青;孙布勒;齐彦丽;彭燕;刘玲;《电信科学》;20180820;全文 *

Also Published As

Publication number Publication date
CN109661009A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
US8121094B2 (en) Method for managing cross-layer handover
RU2452133C2 (ru) Способ и устройство для обработки исторической информации по мобильной станции в системе беспроводной связи
US7489929B2 (en) Hard handoff procedure for dedicated and high speed shared channels
US6754494B1 (en) Mobile communication system having a learning-type handover control method
CN112367640B (zh) 基于移动边缘计算的v2v模式多任务卸载方法及系统
US7424297B2 (en) Soft handoff system, mobile terminal having the same, and soft handoff method
US20070293235A1 (en) Congestion Control Method For Wireless Communication System and Base Station Control Apparatus
Lee et al. Intelligent dual active protocol stack handover based on double DQN deep reinforcement learning for 5G mmWave networks
CN110324853A (zh) 一种防卡顿移动通信网络切换方法及相应网络架构
CN102984773A (zh) Lte-wlan网间互通下的wlan切换方法及装置
JP2004007565A (ja) ハンドオフ・プロセス期間中のＱｏＳ劣化の低減
Huang et al. Self-adapting handover parameters optimization for SDN-enabled UDN
JP2003324761A (ja) データリンク伝送制御方法、移動通信システム、データリンク伝送制御装置、基地局、移動局、移動局制御プログラム及びコンピュータ読み取り可能な記録媒体
CN109661009B (zh) 基于移动性预测的用户面切换方法
CN108966273A (zh) 高低频协作组网中基于切换辅助微基站的越区切换方法
CN103139839A (zh) 移动负载均衡的方法和系统
CN1949916B (zh) 一种第三代移动通信系统中克服软切换掉话的方法
Baik et al. 5G mmWave Multiple Active Protocol Stack Optimized Deep Learning Handover
CN101982993B (zh) 一种移动终端越区切换方法
François Performing and making use of mobility prediction
CN1748433B (zh) 无线通信系统中的网络辅助小区重新选择及其方法
Peng et al. Prediction-based user plane handover for TCP throughput enhancement in ultra-dense cellular networks
Zhang et al. An adaptive resource reservation strategy for handoff in wireless CDMA cellular networks
Dahiya et al. An Improved Handoff Algorithm for Heterogeneous Wireless Networks.
CN101969677B (zh) 移动控制装置和越区切换控制方法及移动通信系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant