基于信号强度及车辆速度切换判决算法.docVIP

基于信号强度及车辆速度切换判决算法 　　【摘要】 本文提出了基于接收信号强度与车辆速度的切?Q判决算法，基于模糊逻辑控制利用速度大小得到动态迟滞参数，并联合接收信号接收强度作为新的触发切换请求的判断依据，并根据速度方向准确评估车辆运动趋势，确定目标基站，避免错误切换次数，减少了切换判决的时间。并搭建仿真平台，对算法性能进行评估 【关键词】 车载网络 切换判决 迟滞参数 模糊逻辑 一、引言 切换是指用户处于移动状态时，可能会穿过不同小区的覆盖范围，为保证用户服务质量，无线承载由当前小区改为相邻小区的操作过程。切换机制作为无线网络移动性管理中非常重要的一个方面，其性能的优劣会直接影响用户的服务质量。日益发展的车联网系统对切换技术提出了更高的要求。由于车辆节点的高速移动性，对于低速用户适合的切换参数，对于处于高速行驶状态的车载用户来说，则很容易发生过晚切换（甚至无线链路失败）。传统的切换判决算法并不能完美地反映车辆的运动趋势，更不能适应车辆速度动态调整切换参数，在尽可能降低切换时延的基础上，提高切换成功率 为了弥补传统切换判决算法上的不足，目前有很多研究都在其基础上做出了进一步的改进。在切换判决的过程中尽可能利用已知的用户信息，包括移动台的运动速度、运动方向、信号强度变化等，提高切换性能，改善用户体验。文献[1～2]是基于GPS辅助对切换算法进行改进，把相邻基站的直连线的中垂线作为小区边界，当移动台位置与边界的距离小于固定阀值时触发切换。然而实际情况中由于无线信道的剧烈变化，实用价值并不大；文献[3]是通过测量列车触发预承载时所在位置的统计平均值作为参考点，并根据列车移动状态信息，来降低切换失败率。文献[4]提出了基于速度估计的切换参数优化算法，在通过对移动速度进行低、中、高分级调节切换触发时间TTT，然而没有充分利用到移动台的位置信息 为了获得切换更高的准确性和系统的更好性能，本文提出了基于接收信号强度与车辆速度的切换判决算法。通过GPS辅助，基于速度大小动态调整迟滞因子，联合信号接收强度引入新的触发切换请求的判断依据，在提高切换成功率的前提下，尽量减少“乒乓效应”；并根据车辆速度方向更准确的评估其运动趋势，避免错误切换次数，减少了切换判决的时间 二、基于速率的迟滞因子动态调整 目前，3GPP TR 36.902技术规范已明确提出移动鲁棒性优化MRO可针对以下切换参数进行优化：触发时间（TTT），迟滞因子（Hyst），小区偏置参数（CIO），小区重选参数（CRS）。可见，用户的速度等级信息对MRO中切换优化有着较为直接的影响。接下来主要讨论迟滞参数对切换性能的影响 传统切换算法是基于RSS固定切换迟滞参数，并延迟触发的A3切换算法。即满足式（1）时，触发切换判决 RSSnew RSSorigin+Hyst （1） 其中RSSnew 为目的基站接收信号强度，RSSorigin为服务小区信号接收强度，Hyst 为基于速度v大小的动态值 但是在车载通信网络中，由于节点的高速移动性，传统切换算法下切换成功率有着明显的下降。本文将迟滞参数作为一个基于速率的动态值进行调整。当车辆高速行驶时，需要降低切换迟滞因子，进而提高车辆高速运行情境下的切换成功率；当车辆行驶缓慢时，则需要保持相对高的切换迟滞因子，保证车辆低速运行时乒乓切换事件频率较低。因此是一个关于速度v的减函数 此时切换判决公式调整为如下： 由于信息有限以及无线网络的动态性，我们无法得到基于速度的准确建模。因此在这里引入模糊逻辑算法的概念。模糊逻辑算法无需了解被控对象的精确模型并且可以模拟人脑思维进行智能控制，根据车辆速率调整迟滞参数。在模糊逻辑系统设计中，主要分为以下三个部分：信息参数模糊化、规则库的建立、反模糊化 （1）模糊化 在模糊化过程中，我们需要测量每个输入量，并根据每个输入的语言变量对应于模糊序列元素的隶属度，对模糊序列内的元素赋值，范围为0～1。车辆速度的隶属度函数如图1所示。车辆节点使用隶属函数计算车辆速度v输入因子对应的等级（Very Low，Low，Medium，High或Very High）分别对应车辆实际速度0km/h，30km/h，60km/h，90km/h，120km/h。隶属度函数可表示为： （2）规则库 基于车辆速度大小的模糊输入量，车辆节点可以使用如表1定义的规则库进行计算当前迟滞因子值。模糊逻辑控制中规则库均是根据专家经验或实践得出的。后续模糊逻辑推理就是参考模糊规则库，根据得到的输入量，给出系统所需要的控制量 在规则库设定中，我们可以看到速度越高，设定的迟滞参数就越低，符合实际需求 （3）反模糊化 反模糊化通过一个输出隶属度函数将得到的模糊集合转变为一