移动通信基站端为了更有效地进行模式切换,需要测量一些物理量,例如信号与干扰加噪声比(Signal to interference plus noise ratio,SINR)、用户的移动速度等。本文利用上行正交频分复用(Orthogonal frequency division multiplexing,OFDM)系统中的解调参考信号(De-modulation reference signal,DMRS)频域信道信息,在计算自相关系数时引入修正因子和限制因子,有效地减小了噪声影响,并且使自相关系数计算公式适用于有或无直射径的不同信道条件。在不同信道模型和信噪比(Signal to noise ratio,SNR)下进行的仿真结果表明,本文方法可以稳定、准确地估计终端移动速度。
为优化未来多层无线网络覆盖中视频业务的体验质量(quality of experience,QoE),在基于生物信息学的细胞吸引子选择模型上研究多维吸引子选择算法,对每个接入网视频业务的吸引力进行建模,设置参数控制吸引子吸引力度和算法收敛速度,当QoE低于用户容忍阈值时,该模型会根据当前QoE值重新计算各个接入网应分得的视频流量,使当前视频QoE值重新达到用户要求。仿真结果表明,通过持续的反馈-调整闭环机制,使该方法在网络变差时优化视频业务QoE。
在Femtocell家庭基站(Femtocell Base Station,FBS)组成的异构网络中,为提升网络的频谱效率,FBS与Macrocell宏基站(Macrocell Base Station,MBS)一般要求是同频部署,然而同频部署会产生同信道干扰。为了实现FBS的大规模部署,降低网络同信道干扰影响变得尤为重要。该文提出一种基于Q-learning的子信道分配方案,既保证大量部署的FBS不会对MBS带来过高的跨层干扰,同时也降低了FBS之间的同层干扰。同时针对FBS稀疏部署和密集部署的场景,分别进行了算法的仿真验证,其仿真结果表明该算法降低了干扰,验证了理论的正确性。
