异构蜂窝网络中基于HMM的用户行为预测方法
针对异构蜂窝网络(heterogeneous cellular networks,HCN)环境下,传统的切换管理策略极少综合考虑热点地区用户的移动偏好与移动特征的问题,提出一种基于隐式马尔科夫模型( hidden Markov model,HMM)对热点地区用户行为进行感知的方法. 首先,该方法基于人类自相似性最小行走移动( self-similar least-action human walk, SLAW)模型模拟热点地区用户移动路径,并使用HMM对用户行为建模;然后,通过用户的移动序列预测对应的移动时间;最后,通过仿真实验分析不同采样时间和不同基站密度对用户行为预测的影响,为设计合理的切换管理方案提供具体的设置参数. 结果表明,该方法提升了热点地区用户行为预测的准确率,确保热点地区基站对即将到来的切换请求做出有效准备.
异构蜂窝网络、隐式马尔科夫模型(HMM)、人类自相似性最小行走移动(SLAW)模型、行为预测、切换管理
45
TN 929.53
北京市科技计划资助项目Z171100004717001;北京市自然科学基金资助项目L172049;北京工业大学研究生科技基金资助项目ykj-2017-00850
2019-10-30（万方平台首次上网日期，不代表论文的发表时间）
共9页
937-945
