无线通信网络综合优化研究.doc

无线通信网络综合优化研究 无线通信网络在现代信息技术的发展推动下，逐渐融入人们的生活当中，下面就为大家带来了无线通信网络综合优化研究，感兴趣的朋友可以看一看哦！ 摘要：在现代信息技术的发展推动下，无线通信网络逐渐渗入到人们日常生活与工作的各个角落。因此，文章就基于用户行为的无线通信网络综合优化展开研究，研究介绍了无线网络的用户行为特点，进一步提出了无线通信网络综合优化策略，具体实施包括采集与分析用户行为数据、应用基于用户行为的网络优化技术、探究基于用户行为的网络功能拓展，意在为无线通信网络技术的完善与发展，提供一定参考与借鉴。 当前无线通信网络的应用已经十分广泛，其高速传输特点，受到了广大用户的喜爱，但网络功能与网络稳定性方面，还存在一定的不足，致使用户体验还有很大的提升空间。因此，从用户行为的角度出发，探究无线通信网络综合优化策略，对促进无线通信网络技术及其应用水平的提升能够起到显著作用。 1无线通信网络的用户行为分析 当前无线通信网络发展领域，致力于实现宽带无线业务的互联网化、异构化、多媒体化与安全可靠，而用户分析能够为相关发展目标的实现。无线通信网络当中的用户行为分析，主要运用数据采集与数据挖掘技术，对我国现有的商用无线通信网络的相关数据，在此基础上构建数据分析模型，可以得出我国无线通信用户的行为特征差异与规律，深入分析还可得到用户群体的移动特性，能够为当前无线通信网络的创新优化提供充足的数据支持，还能帮助提升无线通信网络质量，增强用户体验度。在无线通信网络发展进程中，网络优化是提升网络服务质量的重要途径，无线网络发展进程中，网络稳定性、混合网络的选择与切换等问题的研究，还需要不断突破1。国家统计局公布数据显示，xx年互联网普及率达到55.8%，互联网上网人数7.72亿人，增加4074万人，其中手机上网人数7.53亿人，增加5734万人。移动互联网接入流量246亿G，比上年增长162.7%。由此可见，在无线通信网络覆盖范围不断扩大的发展形势下，用户行为最具普遍性与广泛性；而从数据的角度来看，运用无线通信用户的行为数据，在制定综合优化方案的过程中，具有不可替代的应用优势。 2基于用户行为的无线通信网络综合优化策略 2.1用户行为数据采集与分析 当用户使用无线通信网络时，产生的所有数据都与用户的行为有关，而这种行为数据的产生与获取，涉及到多种限制条件，包括网络容量、处理能力以及用户的个人隐私等，所以在收集用户行为数据的过程中，无法全面收集所有的数据，而是要根据限制条件，最大程度获取用户行为数据信息量。2.1.1用户行为信息量分析无线通信网络在设计过程中，会采用层次化设计方式，将不同的通信功能模块区分开，这种设计模式能够让不同层次的功能定义更加清晰，利用定义好的接口完成层次间的交互，能够最大程度增强系统的兼容性与可扩展性。而用户行为同样也在各层次之间进行交互，在不同网络层次能够采集到具有一定差异的用户行为数据，这些数据代表着用户不同的行为侧面。由于用户行为本身的复杂性，所以产生的数据并无完全是正交的，这就要求在采集用户行为数据的过程中，要有效协调数据规模、采集设备成本与采集难度等，在这些限制条件之下，以最小的代价获得更多有效的用户行为信息，即用户行为信息量分析的目的。2.1.2用户行为数据采集用户行为数据的主要有两个，分别是终端侧与网络侧，其中，终端侧与用户更为接近，能够提取出更加丰富的数据；而网络侧的数据资源集中，可以实现大规模数据的一次性采集，且采集成本相对比较低。在实际研究过程中，为了尽量扩大研究群体，重点采集网络侧数据，终端侧数据为辅助部分，且在实际采集过程中，尽量选择靠近终端的位置设置数据采集点，能够获得更大的信息量，对此，Abis接口是最好的选择。基于用户行为的无线通信网络综合优化，在用户行为分析这一阶段，采集、分析、重现用户行为数据，能够得到具体的用户行为，包括用户移动性数据、业务发生的时间与地理参数、用户业务类型等。综合采集数据，从个体行为出发，进一步分析用户的群体行为，能够总结得到用户行为的一般性规律，进而为无线通信网络工作提供可靠指导。 2.2基于用户行为的网络优化技术应用 在无线通信网络发展进程中，网络关键性能指标一直都是网络优化工作的目标，但没有结合用户行为这一影响因素的综合优化方案，很难达到理想的优化效果。以网络同步建立为例，网络同步问题源于时分多址系统。在时分多址系统当中，涉及到一个重要参数，即时间提前量（TA），TA属于离散参量，表示的是信号从移动台传播至基站的过程中由于距离问题而引发的传播延时2。TA是影响网络同步问题的关键因素之一，在无线通信网络综合优化的过程中，提升TA精度是主要思路，而基于用户行为的同步方法，利用用户行为的连续性特点，通过一个滤波器来实现对信号的平滑，在去除大部分干扰之后，能够显著提升TA的精度，为快速建立同步奠定了良好的基础。在同步问题的基础上，还应进一步考虑信道传播模型与信道衰减问题。其中，信道衰减是指接收端获取到的无线射频信号，相比于最初发射信号的能量有所减少，传播路径大于波长，对此一般可将其定义为：PL（dB）=10log(Pt/Pr)；式中的Pt与Pr分别表示发射信号与接收信号的能量，d表示距离，且d0。在无线射频信号传输过程中，若传输空间为自由空间，则接收端获得的信号能量，将仅与传播距离d有关，可将其定义为：Pr（d）=（Pt?Gt?Gr?2）/（162?d2?L）；式中的Gt与Gr分别表示发射端与接收端的增益；而L则为射频信号传输过程中的损耗因子，与传播路径没有关系；为无线射频信号的波长。由于d0，所以在应用传播模型的过程中，可事先取一个距离参考点d0，其典型值应为1m。在研究过程中，考虑到现实环境当中自由空间并不常见这一问题，因此需要对上述定义模型进行一定的修正，得到最终的定义模型：PL（d）=PL（d0）+10log（d/d0）+X；式中的是修正参数，当无线射频信号的传输介质为自由空间时，=2，而当实际环境中介质不是自由空间时，则2；X表示0均值方差为的高斯变量。在信道传输模型当中，信道衰减对网络覆盖范围的大小能够起到决定性作用。 2.3基于用户行为的网络功能拓展分析 为充分实现基于用户行为的无线通信网络综合优化，在有效采集数据、正确运用优化技术的基础上，需要采用改进后的模糊C-均值聚类算法提取用户行为数据。2.3.1模糊C-均值聚类算法模糊C-均值聚类算法的原理，就是FCM将n个向量xi（i=1，2，n）分成c个模糊组，完成分组之后，进一步确定各组的中心聚类，算法的应用目的就是获取代表不相似目标函数的最小值3。FCM是一种模糊划分方式，其特点在于可对数据点属于聚类的程度进行明确表示，表示方法就是运用（0，1）中的值的隶属度函数值。需要注意的是，FCM是一个迭代过程，若要通过FCM来确定各聚类组的聚类中心ci与隶属矩阵U，则需要进行如下步骤：从（0，1）中获取一个随机数，目的是对U进行初始化操作，由此能够保证矩阵满足相应条件；计算c个聚类中心c，（i=1,2，c）；计算价值函数，并判断计算结果，当价值函数小于指定阈值时，则算法程序可以结束，若价值函数大于或等于指定阈值，则需要重新计算新的隶属矩阵U。2.3.2优化FCM算法模拟退火算法，被广泛应用在求解最大规模的组合优化研究领域，且算法的实际应用效果良好。在基于用户行为的无线通信网络综合优化过程中，可运用模拟退火算法，对FCM聚类进行相应改进，即利用模拟退火算法确定初始化聚类中心，过程如下：设定初始状态S0，此时i=0，应保持S（0）=S0，同时设定初始温度T；令T=T1，并运用T1与S1调用Metrop-olis抽样算法，获得的返回状态S，即为这一步骤的解：S1=S；依据实际需求进行降温处理，确保T=Ti+1；式中的Ti+1小于Ti，而i=i+1；对比终止条件，若不满足终止条件，则需要返回步骤重新确定初始化聚类中心；若满足终止条件，则直接继续最后一个步骤；若确定当前解S1为最优解，则可以直接输出结果，并结束算法。2.3.3无线网络通信用户行为实例分析利用改进后的FCM算法，能够对经过预处理的用户数据进行模糊聚类，结合实际数据进行分析之后，根据最终的聚类结果，得到了3类用户行为特征，其中，第一类用户上午对无线通信网络的使用频次要远高于晚上；第二类用户对无线通信网络的使用频次较为均衡；第三类用户晚上对无线通信网络的使用频次要远高于上午，使用时长的最大值在第三类用户当中。进一步分析用户的通信行为与移动性。在城市当中，为尽量保证无线通信网络的全面覆盖，往往需要布置多个基站，一般来说，每个基站的覆盖范围应该在800-3000m之间4。在研究过程中，需要通过提取用户行为指标，包括移动范围与移动规律，来分析用户的移动性特征。其中，为准确描述用户的移动范围，需要选取一个月内用户访问过的基站总数，根据访问数据即可明确用户在这一个月内的移动范围；而移动规律则需要通过用户的信息量熵来表示度量不确定性。通过分析能够发现，第一类用户群体对基站的访问数量要对于第二类与第三类用户群体，但差距并不是很明显。由此可见，白天使用无线通信用户频次较高的用户，对应的移动范围也相对较大，这一结论