[发明专利]在室内家庭网络下基于移动性预测的网络切换优化方法

说明书

本发明公开了一种在室内家庭网络下基于移动性预测的网络切换优化方法，属于移动通信领域，首先，分析室内用户行为特征，将预测时间分为若干时间段，在每一时间段根据用户移动特征进行预测。其次，考虑室内拓扑结构对用户移动轨迹的影响，训练生成所有的可能轨迹，在这些轨迹上进行用户轨迹的预测。此外，由于穿墙损耗的影响，距同一FAP相同距离位置的连接概率将发生变化，提出调整特殊位置的连接概率来保证选取最优的下一切换目标FAP。根据仿真结果可以看出，采用本发明所提预测方法来进行网络切换的优化，有效地减少了不必要的切换次数，并增加了用户的滞留时间，保证室内用户持续性通信服务。

技术领域

本发明属于移动通信领域，具体地说，是指一种在室内家庭网络下基于移动性预测的网络切换优化方法。

背景技术

随着室内数据流量急剧增长，提升室内通信质量成为未来无线网络研究的热点领域。家庭基站的部署可以扩展室内网络覆盖范围并提升网络容量。在家庭基站密集部署的室内场景中，复杂的建筑物结构以及多变的用户移动行为将导致切换的频繁发生，为了保证用户持续性服务，将移动性预测技术引入，通过预测用户位置来优化切换过程。

在切换频繁发生的情况下，利用移动性预测技术可以优化切换过程，减少不必要的切换次数。然而，在室内环境中，复杂的拓扑结构以及多变的用户行为使得精确预测更加困难，现有的预测模型不再适用于室内用户移动性预测。

在宏基站和家庭基站构成的分层网络中，参考文献1提出一种自适应切换机制，该机制根据用户历史的位置信息很好地解决了宏基站和家庭基站之间切换的问题，但是该机制没有考虑在密集部署家庭基站之间的切换，随着用户在室内的移动，频繁地切换将发生，容易造成用户通信的中断。参考文献[1]:W.Nasrin and J.Xie,A self-adaptivehandoff decision algorithm for densely deployed closed-group femtocellnetworks,201512th Annual IEEE International Conference on Sensing,Communication,and Networking(SECON),Seattle,WA,2015,pp.390-398.。

室内通信环境中，参考文献2提出一种基于HMM(Hidden Markov Model，隐马尔科夫模型)的切换机制。当用户进入预测区域，根据用户当前位置和历史的移动信息来预测用户下一位置，从而选取合理的切换基站。但是该机制采取用户随机游走模型，在复杂的室内拓扑结构场景中不能正确反映用户移动特性，从而影响预测的精确性。参考文献[2]:A.B.Cheikh,M.Ayari,R.Langar,G.Pujolle,and L.A.Saidane,“Optimized handoff withmobility prediction scheme using hmm for femtocell networks,”in 2015IEEEInternational Conference on Communications(ICC),June 2015,pp.3448–3453。

在室内环境下，由于用户多变的移动特性，分析用户行为特征是必须考虑的。同时，复杂的室内拓扑结构影响了用户的移动轨迹，如何合理预测移动轨迹是必须要解决的。文献3提出一种基于马尔科夫模型的预测方案，根据当前位置来预测下一位置区域，但不规则运动的增加将会降低预测性能结果。参考文献[3]：G.Liu and G.M.Jr,“A class ofmobile motion prediction algorithms for wireless mobile computing andcommunications,”Mobile Networks and Applications,vol.1,no.2,pp.113–121,1996。

以上现有技术没有考虑用户行为特征随时间的变化，使得预测精确性降低。此外，由于建筑物结构影响，用户移动轨迹的预测需要考虑实际拓扑结构，避免不存在的预测路径从而提高预测精度来选择最优的切换目标基站。