[发明专利]超密集异构无线网络中基于神经网络的网络选择方法

说明书

本发明请求保护一种超密集异构无线网络中基于神经网络的网络选择方法，属于移动通信领域，具体包括以下步骤：首先，基于网络参数，预测未来终端从接入网络中所得到的累计传输速率，将其定义为终端所获得的网络收益。其次，根据网络收益是否小于阈值来判断是否触发网络判决，以缓解因网络高动态性导致的终端频繁切换问题。最后，使用鲸鱼算法优化后的神经网络，将接收信号强度和休眠概率作为输入，得到输出值进行最终切换判决。仿真结果表明，该算法能够自适应高动态性网络环境触发切换，在减少不必要切换的同时提升终端满意度，提升系统整体性能。

技术领域

本发明属于移动通信领域，具体是超密集异构无线网络中的网络选择方法。

背景技术

随着5G网络技术的不断发展，势必与当前的无线网络环境共同组成更加复杂的超密集异构无线网络环境，共同为移动终端提供多种无线网络服务。但是，超密集组网会带来较高的能耗问题，为解决高能耗问题，引入休眠机制以在一定程度降低能耗，此举会进一步增强网络的动态性；同时，移动终端在速度较快的情况下，会在这种高动态的网络环境下触发不必要的切换，造成选网性能下降，如何降低终端触发不必要的切换，以保证选网性能，已成为该领域研究的热点问题。

文献[Hasan M M,Kwon S,Oh S.Frequent-Handover Mitigation in Ultra-Dense Heterogeneous Networks[J].IEEE Transactions on Vehicular Technol ogy,2019,68(1):1035-1040]提出一种基于驻留时间估计的网络选择算法，在进行网络选择时，通过对终端进行分类，以降低切换次数。文献[Zhao Y,Li W,Lu S.Navigation-drivenhandoff minimization in wireless networks[J].Journal of Network and ComputerApplications,2016,74(oct.):11-20]设定在终端行驶到网络接入点边缘时触发切换，然后利用贪婪算法得到一组切换数量最小的选网序列。文献[Bin MA,Mengxue WANG,Xianzhong XIE.Handoff Algorithm Based on Location Prediction in Ultra-denseHeterogeneous Wireless Network[J].Journal of Electronics and InformationTechnology,2020,42(12):2899-2907]为缓解车辆行驶过程中的频繁切换问题，利用高斯马尔可夫移动模型，预测车辆下一时刻的位置，以筛选出满足终端服务质量的候选网络集，进而寻找最佳网络进行接入。文献[Arshad R,Elsawy H,Sorour S,et al.Handover Management in 5G and Beyond:A Topology Aware Skipping Approach[J].IEEE Access,2016,PP(99):1-1]提出了一种基于拓扑感知的选网跳跃算法。通过考虑网络的接收信号强度(Receive Signal Strength,RSS)、带宽等参数进行网络评分，在车辆行驶过程中将评分较低的网络跳过，以减少网络接入次数，并与传统的最佳连接方案进行了比较。

上述文献基于不同的网络选择算法降低不必要的切换，提升网络性能；但是，未考虑在引入休眠机制的超密集异构无线网络场景中进行仿真，在该网络场景中，由于引入休眠机制以节能，基站会因为突然休眠，导致其数量发生动态改变，继而导致网络动态性增强，网络拓扑结构时变性提高。同时，由于终端自身的高速移动特性，在移动过程中可能存在较长时间无法持续稳定的享受到某一网络服务的情况，导致网络动态性进一步加剧，此时选择合适的目标网络难度更大，切换更加频繁。因此，上述算法对于这一严峻问题，关注不足。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种超密集异构无线网络中基于神经网络的网络选择方法。本发明的技术方案如下：

一种超密集异构无线网络中基于神经网络的网络选择方法，其包括以下步骤：