基于机器学习的算法在Femtocell切换过程中的应用研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文档； 允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索；可以 采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质论文 的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 随着 4G 网络的普及，LTE 系统中的关键技术受到越来越多的关注。为了改善室内用户 的通信质量，Femtocell 技术应运而生，Femtocell 基站体积小、功耗低、即插即用，但是 Femtocell 基站的覆盖范围十分有限，常常应用于室内环境。因为室内用户经常会在 Femtocell 网络与 Macrocell 网络之间频繁切换，所以本文注重研究从 Femtocell 网络到 Macrocell 网络的切换管 理过程，并针对该过程提出合适的优化算法。 室内的无线环境相对复杂，移动终端从 Femtocell 网络切换到 Macrocell 网络的过程中， 乒乓效应频繁发生，为了减少切换过程中乒乓切换发生的次数，可以利用一种基于机器学习 的自组织映射算法优化切换的过程。本文根据 Femtocell 网络与 Macrocell 网络之间切换的实 际环境，提出了一种基于核函数的自组织映射算法，并且引入 K 均值算法与自组织映射算法 相结合，形成了一种基于机器学习的二阶聚类算法，通过该二阶聚类算法的优化，Femtocell 网络的切换系统将能够根据手机发送的测量报告，自主地判断移动终端所处的区域，对移动 终端发出的切换请求进行判决。最终达到提升 Femtocell 切换系统性能的目的，抑制大部分不 必要的切换，有效地减少乒乓效应的发生，同时从总体上减少切换的次数，切换过程中的掉 话现象也会相应地有所降低，同时也会减少整个系统的信令开销，提高系统的工作效率。 关键字：Femtocell，切换管理，自组织网络，自组织映射算法，K 均值算法 I Abstract With the popularization of 4G network, people pay more and more attention to the key technologies of LTE system. Femtocell emerges as the times require in order to improve the communication quality of the indoor user. Femtocell has the advantages of small volume, low power consumption, plug and play. But the coverage of Femtocell is limited and Femtocell is usually applied to the indoor environment. Because the indoor user frequently switches between Femtocell and Macrocell, the thesis focuses on the research of handover process from Femtocell to Macrocell and proposes an appropriate optimization algorithm. Due to relatively complex indoor wireless environment, the ping-pong effect occurs frequently in the handover process from Femtocell to Macrocell. In order to reduce the number of ping-pong handover, this thesis proposes the self-organizing