基于流量识别技术和Q学习的快速切换方法技术

本发明专利技术提出一种基于流量识别技术和Q学习的快速切换方法，主要解决在异构超密集蜂窝网络中小区分簇的快速切换问题。该方法主要分为两个部分：信息采集和动态切换决策过程。信息采集阶段主要包括收集到的网络状态信息、用户数据信息等，然后采用DFI识别技术识别业务类型，以及采用基于HYM的切换方法找到满足切换条件的基站集合，之后将这些数据作为Q学习模型的输入进行Q学习，在动态切换决策中根据指定的策略来输出训练结果，找到最优的切换策略，与传统的切换策略相比，大大减少了信令成本开销，确保了无线网络资源的合理利用。

Fast handover method based on traffic identification technology and Q-learning

The invention provides a fast handoff method based on traffic identification technology and Q learning, which mainly solves the fast handoff problem of cell clustering in heterogeneous ultra-dense cellular networks. This method is mainly divided into two parts: information acquisition and dynamic switching decision-making process. In the information acquisition stage, the network status information and user data information are collected, and then the service types are identified by DFI identification technology, and the base station sets satisfying the switching conditions are found by using the handover method based on HYM. Then these data are used as input of Q-learning model for Q-learning, and the training results are output according to the specified strategy in the dynamic handover decision-making. To find the optimal handover strategy, compared with the traditional handover strategy, it greatly reduces the signaling cost and ensures the rational use of wireless network resources.

【技术实现步骤摘要】
基于流量识别技术和Q学习的快速切换方法
本专利技术涉及无线通讯
，尤其是一种基于流量识别技术和Q学习的快速切换方法。
技术介绍
由于终端用户对带宽的需求越来越大，对体验质量的期望也越来越高，所以多层传统宏小区和小区密集部署，以增加网络覆盖和容量。为了满足不断增长的移动多媒体业务数据需求，运行商不断地增加基站的覆盖密度形成了超密集网络，以此来满足用户的业务需求。异构蜂窝网络是指在传统的宏蜂窝网络中部署一些低成本、体积小并且覆盖范围小的小型蜂窝节点，比如家庭基站(femtocell)、微微蜂窝(picocell)和中继。另外，由于小型蜂窝基站的覆盖范围变小，还带来了诸如终端频繁切换等问题。目前最为普遍的切换算法通过比较信号强度指标进行切换判决。最常用的传统切换算法-基于滞后门限的切换，以信号强度(ReceivedSignalStrength，RSS)、滞后余量(HysteresisMargin，HYM)(滞后余量表示服务小区与邻近小区间的RSS差值)和驻留时间(MeanResidenceTime，MRT)(驻留时间即为RSS差值所必须维持的时间)。移动终端在不断检测服务基站和相邻基本文档来自技高网...

【技术保护点】
1.基于流量识别技术和Q学习的快速切换方法，其特征在于，包括步骤：(1)样本采集：获取网络中已知业务类型的用户数据信息和相应的网络状态信息作为样本数据；用户数据信息包括：用户身份信息、用户会话产生的数据流信息、用户到各个基站的信号强度、用户切换到各基站的信令开销；网络状态信息包括基站位置、基站剩余可用带宽；(2)用采集到的样本数据训练深度流检测模型，深度流检测模型用于根据输入的用户数据流信息识别用户的业务类型；(3)采用基于HYM的切换方法，根据样本数据得到符合切换条件的基站的集合J；(4)构建用户状态空间S和动作集合A；记用户状态空间中的某一用户状态为s，s中包括用户的业务类型、网络中各基站...

【技术特征摘要】
1.基于流量识别技术和Q学习的快速切换方法，其特征在于，包括步骤：(1)样本采集：获取网络中已知业务类型的用户数据信息和相应的网络状态信息作为样本数据；用户数据信息包括：用户身份信息、用户会话产生的数据流信息、用户到各个基站的信号强度、用户切换到各基站的信令开销；网络状态信息包括基站位置、基站剩余可用带宽；(2)用采集到的样本数据训练深度流检测模型，深度流检测模型用于根据输入的用户数据流信息识别用户的业务类型；(3)采用基于HYM的切换方法，根据样本数据得到符合切换条件的基站的集合J；(4)构建用户状态空间S和动作集合A；记用户状态空间中的某一用户状态为s，s中包括用户的业务类型、网络中各基站的剩余可用带宽、用户到各个基站的信号强度、用户切换到各基站的信令开销；动作集合A中的某一动作aj表示用户切换到基站j，j∈J；(5)构建激励函数：其中，μ1、μ2、μ3为权重系数，Bavj表示基站j的剩余可用带宽，Bav为网络中剩余可用带宽总量，HORj为用户切换到基站j的信令开销，HORtar为预设的...

【专利技术属性】
技术研发人员：余雪勇，程晨，渠苗苗，王太宝，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32