《移动通信网络中自适应的寻呼策略研究.pdf》由会员分享，可在线阅读，更多相关《移动通信网络中自适应的寻呼策略研究.pdf（3页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、C o m p u t e rE n g i n e e r i n ga n dA p p l i c a t i o n s计算机工程与应用2 0 0 7,4 3(1 0)1引言随着无线移动通信系统的发展,移动用户的数量迅速增长,用户对无线服务也提出了更高的要求。在移动通信网络中,为了随时随地为移动用户(下称移动台)提供服务,位置管理被用于跟踪移动台,它包括两个基本操作:位置更新和寻呼。位置更新是移动台将其位置信息告诉系统,而寻呼是系统查找移动台的过程。目前,各国正在使用的移动通信网络(如G S M),将通信覆盖区域分为许多位置区(L A,L o c a t i o nA r e a),每
2、个位置区由一些小区(c e l l)即基站的无线电覆盖范围组成,以实现位置管理。这些网络所采用的寻呼策略(下称“基本寻呼策略”)为:当有呼叫到达时,系统对移动台所处的位置区中的所有小区进行同步寻呼。由于移动台只在组成位置区的众多小区中的一个小区,因此,基本寻呼策略造成了无线信道等资源的浪费,同时,由于系统本身对信令的承受能力有限,所以当呼叫信令增加时,就会产生信道拥挤甚至阻塞等问题。为此,学者们在降低寻呼费用和减少呼叫信令方面做了大量研究,如环状搜索位置管理策略 1,按概率分批寻呼的位置管理策略 2,呼叫延迟限制下的最优顺序寻呼 3,利用预测移动台的位置顺序查找策略 4,多个移动台并行搜寻策略
3、 4,基于小区分布密度信息的智能寻呼策略 6,基于移动台在各小区的概率的最优寻呼策略 7,确保以不小于一个事先给定的概率在第一寻呼阶段找到移动台的二阶段寻呼策略等 8。在未来的无线移动通信系统中,需要一种高效的、智能的且易于在网络中实施的寻呼策略以满足不断增长的无线服务需求。本文基于增强学习 9 理论与方法,提出了多阶段智能寻呼策略,通过学习寻呼过程所获得的移动台位置信息,动态调整各阶段所寻呼的小区,以降低寻呼费用。该策略能够自适应移动台的移动及呼入模型,使寻呼代价及时延保持在较低的水平。移动通信网络中自适应的寻呼策略研究谭福成1,朱艺华2,朱帆3T A NF u-c h e n g1,Z H
4、 UY i-h u a2,Z H UF a n31.浙江工业大学 信息管理与决策优化研究所,杭州3 1 0 0 3 22.浙江工业大学 信息工程学院,杭州3 1 0 0 3 23.浙江工业大学 国际学院,杭州3 1 0 0 3 21.I n s t i t u t eo f I n f o r m a t i o nI n t e l l i g e n c e&D e c i s i o nO p t i m i z a t i o n,Z h e j i a n gU n i v e r s i t yo f T e c h n o l o g y,H a n g z h o u3 1 0
5、 0 3 2,C h i n a2.C o l l e g eo f I n f o r m a t i o nE n g i n e e r i n g,Z h e j i a n gU n i v e r s i t yo f T e c h n o l o g y,H a n g z h o u3 1 0 0 3 2,C h i n a3.I n t e r n a t i o n a l C o l l e g e,Z h e j i a n gU n i v e r s i t yo f T e c h n o l o g y,H a n g z h o u3 1 0 0 3 2,C
6、 h i n aT A N F u-c h e n g,Z H U Y i-h u a,Z H U F a n.R e s e a r c h o n a d a p t i v e p a g i n g s c h e me si n mo b i l e c o mmu n i c a t i o n n e t w o r k s.C o mp u t e rE n g i n e e r i n ga n dA p p l i c a t i o n s,2 0 0 7,4 3(1 0):1 3 2-1 3 4.A b s t r a c t:L o c a t i o nm a n
7、 a g e m e n ti su s e di nm o b i l ec o m m u n i c a t i o nn e t w o r k st ot r a c kM o b i l eT e r m i n a l s(M T s).I th a st w ob a s i co p e r a t i o n s:l o c a t i o nu p d a t ea n dp a g i n g.U n d e re x i s t i n gl o c a t i o nm a n a g e m e n ts c h e m e s,a ne n t i r el o
8、 c a t i o na r e ac o n s i s t i n go fal o to fc e l l si sp a g e dc o n c u r r e n t l yt ol o c a t ea nM T,w h i c hc o n s u m e sd r a m a t i c a l l yn e t w o r k sr e s o u r c e s,s i n c et h eM To n l yr e s i d e so n eo ft h ep a g e dc e l l s.B a s e do nr e i n f o r c e m e n
9、tl e a r n i n g,m u l t i-s t a g ei n t e l l i g e n tp a g i n gs c h e m e sa r ep r o p o s e d,w h i c hl e a r n sM T sl o c a t i o ni n f o r m a t i o no b t a i n e di np r e v i o u sp a g i n gp r o c e s s e sa n dt h ec e l l si n c l u d e di ne a c hp a g i n gs t a g ea r ed y n a
10、 m i c a l l ya d j u s t e d,s ot h a tp a g i n gc o s ti sr e d u c e d.S i m u l a t i o nr e s u l t si l l u s t r a t et h a tt h ep a g i n gc o s tc a nb er e d u c e dc o n s i d e r a b l yb yp r o p o s e dm u l t i-s t a g ep a g i n gs c h e m e s.K e yw o r d s:m o b i l ec o m m u n
11、i c a t i o nn e t w o r k;m o b i l i t ym a n a g e m e n t;l o c a t i o nm a n a g e m e n t;p a g i n g摘要:移动通信网络中,位置管理用于跟踪移动台,有位置更新和寻呼两个基本操作。现行位置管理策略在查找移动台时对整个位置区进行同步寻呼,由于位置区由众多小区组成,而移动台只在其中一个小区,所以现行策略造成了网络资源的大量浪费。该文基于增强学习理论与方法,提出了自适应的多阶段智能寻呼策略,通过学习寻呼过程所获得的移动台位置信息,动态调整各阶段所寻呼组的小区,以降低寻呼费用。仿真实验结果表
12、明,所提出的寻呼策略能较大地降低寻呼代价。关键词:移动通信网络;移动性管理;位置管理;寻呼文章编号:1 0 0 2-8 3 3 1(2 0 0 7)1 0-0 1 3 2-0 3文献标识码:A中图分类号:T P 3 9 3基金项目:国家自然科学基金(t h eN a t i o n a lN a t u r a lS c i e n c eF o u n d a t i o no fC h i n au n d e rG r a n tN o.6 0 4 7 3 0 9 7,N o.6 0 6 7 3 1 7 7);浙江省自然科学基金(t h eN a t u r a l S c i e n
13、c eF o u n d a t i o no f Z h e j i a n gP r o v i n c eo f C h i n au n d e rG r a n t N o.Z 1 0 5 1 8 5);教育部及浙江省留学回国基金资助课题。作者简介:谭福成(1 9 7 9-),男,硕士研究生,主要研究方向为移动计算、移动性管理策略;朱艺华(1 9 6 1-),男,博士,教授,博士生导师,主要研究方向为移动计算、移动自组织网络、智能决策与优化。1 3 2C o m p u t e rE n g i n e e r i n ga n dA p p l i c a t i o n s计算机
14、工程与应用2 0 0 7,4 3(1 0)2自适应寻呼策略首先引入几个符号。假设移动台所处的位置区中有N个小区,分别用c1,c2,cN表示,记!=c1,c2,cN。以pt(ci)表示第t次呼入到达时选择小区ci进行寻呼的概率(简称小区选择概率),Qt(ci)表示第t次呼入到达时寻呼小区ci之后ci所获得的报酬(i=1,2,N),cL F表示最近一次寻呼时找到移动台的小区。本文将要提出的自适应寻呼策略将位置区中的所有小区分n组,按组依次寻呼,每次寻呼一组,每组中所有小区同步寻呼。如果寻呼了某组之后找到移动台,则寻呼停止,同时赋予报酬r给找到移动台的小区。本文利用p u r s u i t增强学习
15、方法 9,其基本思想如下:在第t次呼入到达需要选择小区时,对!中除cL F外的所有小区,按小区选择概率pt-1(ci)(i=1,2,N)从大到小进行分组,并将cL F放在第一组。在寻呼结束之后,按以下两式对小区选择概率进行更新:pt(c*)=pt-1(c*)+(1-pt-1(c*)(1)pt(c)=pt-1(c)+(0-pt-1(c),(c!,c c*)(2)其中,是一常数,c*=a r g m a xc!Qt(c),即小区c*是第t次呼叫之后报酬最优的小区。下面给出n阶段(即n组)自适应寻呼算法(简称“自适应寻呼”)。初始化:令t=0,Qt(c)=0及pt(c)=0(c!),计算每组小区个数
16、k=*Nn。在移动台的第t次呼入到达时,进行以下操作:(1)t=t+1,s=0。(2)将集合!-cL F中的所有小区按其选择概率pt-1(c)(c!-cL F)从大到小进行排列,得到c 1,c 2,c N,将序列cL F,c 1,c 2,c N分成n组:G1,G2,Gn(前面n-1级每组k个小区,剩下的小区全部归入第n组),即G1=CL F,c 1,c 2,c k-1,G2=c k,c k+1,c 2 k-1,Gn=c(n-1)k,c(n-1)k+1,c N。(3)s=s+1。在Gs中同步寻呼移动台。如果找到移动台,转到(4);否则,转到(3)。(4)对找到移动台的小区cL F的报酬进行更新:
17、Qt(CL F)=Qt-1(CL F)+#(r-Qt-1(CL F)其中0$1为常数,r为报酬。(5)令c*=a r g m a xc%Qt(c),即小区c*是第t次呼叫之后报酬最优的小区,按式(1)及式(2)对小区选择概率进行更新。(6)E n d。3仿真实验及结果分析在仿真实验中,假定移动台的呼入到达过程服从泊松分布,呼入到达率为&,移动台在各小区的逗留时间服从G a m m a分布,均值为1/,则呼入移动比C M R=&/。寻呼区为一个由1 0 0个小正方形组成的大正方形(边长1 0个小正方形),每个小正方形代表一个小区,即N=1 0 0。假定移动台的移动规则如下:当移动台位于位置区内部
18、时,以1/8相等概率向邻近的8个小区漫游;当它位于位置区的顶点时,以1/3相等概率向邻近的3个小区漫游;当它位于位置区的边线上(非顶点)时,以1/5相等概率向邻近的小区漫游。取=0.0 1,$=0.9,n=4,r=1 0,分别取C M R=0.0 1,0.1,1,1 0,计算2 0 0次运行的平均值,可以得到图1-图5。图1与图2分别反映了“自适应寻呼”与“基本寻呼策略”的代价与时延比值。由图1与图2可以看出:“自适应寻呼”的代价与时延均比“基本寻呼策略”小,且随着C M R的变化而变化。图3与图4分别反映了“无学习寻呼”(在寻呼时,不管移动台访问过的小区历史记录,每次按照固定小区分组,依次按
19、组寻呼)与“基本寻呼策略”的代价与时延比值。从图3与图4可以看出,“无学习寻呼”的代价及时延显得杂乱无章。图5显示了“自适应寻呼”与“无学习寻呼”的代价变化率:(C1-C2)/C2其中,C1表示“自适应寻呼”的代价,C2表示“无学习寻呼”的代价。从图5(a)可以看出,当C M R=0.1时,“自适应寻呼”的代价比“无学习寻呼”的代价减少5%到1 5%,而图5(b)中,当C M R=谭福成,朱艺华,朱帆:移动通信网络中自适应的寻呼策略研究1 3 3C o m p u t e rE n g i n e e r i n ga n dA p p l i c a t i o n s计算机工程与应用2 0
20、 0 7,4 3(1 0)(上接8 3页)输入模式归于Ri类;若与库中所有模式相比较,均不满足这个条件,就可判断为新输入模式不属于任何一个现有类。也可设计基于最小距离的分类器,即将X与Ri之间的距离作为分类准则,与哪一个向量最近就将X归入哪一类。表2中最大贴近度是用1减去输入向量与所有标准向量之间的最短距离得到的。表中的识别结果是以7 0%作为模糊模式识别的阈值,当X与某个参考向量Ri的贴近度大于这个阈值时,就确定X属于这个模式。若最大贴近度小于这个阈值,则认为X不属于任何现有的模式,在表中填入“无”。由表2可发现,相同输入时,计算出的欧氏距离要普遍大于海明距离,故阈值的设定要相应于算法。经大
21、量的仿真发现,在小范围人群中,识别的正确率达1 0 0%。5结论本文介绍了如何将基于特征向量的模式识别转变为两个模糊集的格贴近度或距离的计算问题,给出基于距离的模糊模式识别方法在掌形身份识别系统中的具体应用。算法具有计算简单、意义明确、实用等优点,其难点在于如何构建隶属度函数。采用正态分布函数作特征向量的隶属度函数,往往能使问题得到简化,但方差的确定需要设计合理的算法或大量的统计实验。如果使用的特征参数比较单一,在标准模式较多时,识别正确率会有所下降,这时可适当增加特征向量的维数。文中所介绍算法可推广使用于系统在训练和识别时,其特征向量提取过程具有一定随机误差的模式识别场合。(收稿日期:2 0
22、 0 6年5月)参考文献:1 Wa n gJG,T a nTN.An e wf a c ed e t e c t i o nm e t h o db a s e do ns h a p ei n f o r m a t i o n J .P a t t e r nR e c o g n i t i o nL e t t e r s,2 0 0 0,2 1(6):4 6 3-4 7 1.2 聂传虹.模糊神经网络应用于数据融合中实现目标的身份识别 J .桂林航天工业高等专科学校学报,2 0 0 2(2):7-1 2.3 蓝金辉,马宝华,蓝天,等.多传感器最大属性数据融合及其目标识别应用 J .清华
23、大学学报:自然科学版,2 0 0 0,4 0(4):2 1-2 3.4 陆正刚,杨杰.模糊逻辑及其在数据融合中的应用 J .红外与激光工程,2 0 0 0,2 9(5):5 6-5 9.5 彭祖赠,孙韫玉.模糊数学及其应用 M .武汉:武汉大学出版社,2 0 0 2:2 7 6-3 1 0.1 0时,可以减少3 0%到5 0%。“自适应寻呼”与“无学习寻呼”的时延的变化率也有类似的结果,此处就不一一画出。4结束语位置管理在移动通信网络中占有极为重要的地位,随着移动用户数的不断增长,小区尺寸的不断减小,基本寻呼策略的效率越来越低,因此,设计一种高效、智能以及实施简单的寻呼策略对于位置管理而言迫在
24、眉睫。本文所提出的策略简单易行,且能够动态适应移动台的呼入及移动变化。(收稿日期:2 0 0 6年1 1月)参考文献:1 朱艺华,高济,周根贵,等.蜂窝网络中环状搜索移动性管理策略 J .电子学报,2 0 0 3,3 1(1 1):1 6 5 5-1 6 5 8.2 朱艺华,肖刚,史定华,等.按概率分批寻呼的位置管理策略 J .通信学报,2 0 0 4,2 5(8):8 2-8 6.3 R o s eC,Y a t e sR.M i n i m i z i n gt h ea v e r a g ec o s t o f p a g i n gu n d e rd e l a yc o n s
25、 t r a i n t s J .A C M JWi r e l e s sN e t w o r k s,1 9 9 5,1(2):2 1 1-2 1 9.4 K o u k o u t s i d i sI,T h e o l o g o uM.A c o m b i n a t i o no fo p t i m a lp a r t i t i o n i n ga n dl o c a t i o np r e d i c t i o nt oa s s i s tp a g i n gi nm o b i l ec e l l u l a rn e t-w o r k s J .
26、I n tlJ o u r n a lo fWi r e l e s sI n f o r m a t i o nN e t w o r k s,K l u w e rA-c a d e m i cP u b l i s h e r s-S p r i n g e r,2 0 0 4,1 1(3):1 2 3-1 2 9.5 G a uRH,H a a sZJ.C o n c u r r e n t l ys e a r c h i n gf o r m o b i l eu s e r si nc e l-l u l a r n e t w o r k s J .I E E EC o m m
27、 u n i c a t i o n sL e t t e r s,2 0 0 3,7(6):2 8 7-2 8 9.6 K w o nCW,H a nI 1,C h oD H.I m p r o v e dp a g i n gs c h e m eb a s e do nd i s t r i b u t i o nd e n s i t yi n f o r m a t i o no fu s e r si nm o b i l ec o m m u n i c a t i o ns y s t e m s J .I E I C ET r a n sC o m m u n,2 0 0 3
28、,E 8 6-B(4):1 4 6 6-1 4 7 1.7 K r i s h n a m a c h a r iB,G a uR H,Wi c k e rSB,e ta l.O p t i m a ls e q u e n t i a lp a g i n gi nc e l l u l a rn e t w o r k s J .Wi r e l e s sN e t w o r k s,2 0 0 4,1 0(2):1 2 1-1 3 1.8 Z h uY i-h u a,L e u n gV C M.D e r i v a t i o no fm o v i n gd i s t a
29、n c ed i s t r i-b u t i o nt oe n h a n c es e q u e n t i a lp a g i n gi nd i s t a n c e-b a s e dm o b i l i t ym a n a g e m e n tf o rP C Sn e t w o r k s J .I E E E T r a n s a c t i o n so nWi r e l e s sC o m m u n i c a t i o n s,2 0 0 6,5(1 1).9 S u t t o nR S,B a r t oA G.R e i n f o r c e m e n tl e a r n i n g:a ni n t r o d u c t i o n M.S.l.M I TP r e s s,1 9 9 8.1 3 4