基于信道质量预测的L2-Trigger触发方法研究

为了使移动IP可满足实时应用,有文献提出采用二层触发器的方法提前触发三层切换,但是却未能提出明确可行的触发方法,文章通过对移动节点切换过程中信道质量的变换的研究,提出了基于信道质量预测的触发方案,并且通过计算机仿真进行了验证。

一种用于自适应跳频无线信道质量预测算法

分析了2．4G频段无线信道增加节点的存储开销、滞后现象、质量丢包现象等缺点以及产生的原因，最大限度解决这些问题，提出了适合无线传感器网络实现的无线信道质量预测算法。算法综合利用RSSI（接收信号强度指示）和LQI（信道质量指示）构造出两个信道质量指标Sm和delta，分析它们的分布特征，通过符号化近似聚合方法把数据包的这两个数据映射到不同的符号，总结信道质量变差之前的符号作为模式，根据样本与模式之间的距离来确定信道质量变化的概率，达到信道质量预测的目的。

基于信道质量预测的ISA 100.11a网络跳信道算法

ISA100.11a标准中的跳信道技术可以通过不停地更换网络通信信道来降低与其它同频段无线技术的相互干扰。当网络在部分信道受到的干扰非常大时,继续"跳到"此信道进行通信会导致网络丢包率大大提高。针对此问题,文中设计了一种基于信道质量预测的自适应跳信道算法。该算法通过对信道接收信号强度指示值(RSSI)进行指数平滑预测来更新跳信道序列,从而有效避免了在受干扰严重的信道进行通信的现象。实验结果显示,改进后方法的丢包率降到非自适应时的20%(时隙跳信道模式)和7%(慢跳信道模式)。

基于改进GAN的光信道传输质量预测算法

低裕量设计可以提高网络资源利用效率,而光信道传输质量预测可以辅助完成低裕量自动化网络配置。传输质量容易受到各种光损伤因子的影响,为拓展此研究领域,以Q因子为通信质量的度量标准,提出了一种基于改进的生成式对抗网络(Generative Adversarial Network,GAN)的多变量光信道传输质量预测模型。实验结果表明,该模型可以实现传输质量的精准预测。此外,该模型的预测性能优于其他先进模型。

基于交叉递归图理论的光信道性能分析方法

为了及时准确地识别和处理光路故障,实现透明和实时的网络智能化管理,针对光信道状态性能监测提出一种基于交叉递归图理论的光信道性能分析方法。首先,该方法利用交叉递归图可视化邻近信道的状态参数分析影响信道的动力学特性;然后,通过定量分析方法来量化2个序列系统的同步特性。仿真结果表明,光信道性能与邻近信道状态参数具有相似的动力学形态,证实了其潜在的关联特性。

基于神经网络预测CQI的LTE下行调度

提出一种基于神经网络预测信道质量指示(CQI)的长期演进下行调度方法,设计了基于神经网络的CQI预测模型,使用系统中已获得的CQI历史值来预测调度时刻的当前CQI值,调度器使用此预测值进行调度.仿真结果表明,该方法对由CQI延迟所导致的系统性能下降有明显改善.