高铁环境下LTE-R快速切换算法

为提高高铁LTE网络的切换成功率,改善用户感知,分析高铁信号的特点,提出一种基于用户终端(user equipment,UE)移动方向的铁路下一代移动通信系统(long term evolution for railway,LTE-R)快速切换算法。优化切换判决参数,给出UE移动方向的定位方法,通过双向邻区快表快速确定目的小区,预切换提前完成资源的分配。设计LTE-R快速切换算法的实现信令,理论分析表明,该算法可有效缩短切换时延。仿真结果表明,在高速环境下,具有高切换成功率和低无线掉线率,稳定性好。

基于RBF神经网络的LTE-R切换算法优化

在LTE-R越区切换中,基于A3事件的越区切换算法在列车高速运行时容易出现乒乓效应和无线链路连接失败的问题。为此,提出基于RBF神经网络的越区切换优化算法。采集列车运行在特定环境中不同速度时切换效果较好的hys和ttt参数,并将其发送到RBF神经网络进行训练,得到不同速度下hys和ttt的非线性表达式,根据列车接收到的参考信号质量,加入自矫正项对hys和ttt进行二次调整和优化。在Matlab上进行的仿真实验结果表明,该算法能够降低掉话率和乒乓切换率,提高列车在高速运行环境下的切换成功率及鲁棒性。

基于IGWO-RBF的LTE-R切换算法研究

针对高速铁路LTE-R越区切换中,A3事件下的越区切换算法容易出现乒乓效应(PPE)和无线链路连接失败(WLF)的问题,提出了粒子群优化(PSO)灰狼算法改进的RBF神经网络(IGWO-RBF)的越区切换优化算法。该算法采集大量列车以不同速度(0~100 m/s)运行在特定环境中时切换成功率高的切换迟滞门限(Hys)和触发延迟时间(TTT)参数集,送入改进的RBF神经网络,训练完成后得到不同速度下的Hys和TTT的拟合曲线。根据列车接收到的参考信号接收质量(RSRQ),加入自矫正项对Hys和TTT进行二次优化调整。在matlab上进行仿真实验,结果表明提出的算法减小了掉话率和乒乓切换率,提高了列车在高速环境下的切换成功率及鲁棒性。

基于IGM-BP算法的城轨越区切换研究

针对城市轨道交通列车在越区切换过程中因受到多径效应、同频干扰等因素的影响,引起接收到的参考信号接收功率(RSRP)值波动较大,导致乒乓切换频繁发生的问题,通过结合TD-LTE标准的A3事件,提出一种改进的GM-BP神经网络(IGM-BP)算法。根据车载数据终端(TAU)接收到的t时刻前4组RSRP值,建立灰色模型GM(1,1)并得到一组预测值,将预测值取均值作为期望值,为改善灰色预测算法对数据的波动性适应不理想的问题,再利用BP神经网络算法修正通过灰色预测算法得到的预测值,从而得到期望的RSRP值。仿真结果表明,与传统切换算法和灰色预测算法相比,利用IGM-BP算法可以使RSRP值波动幅度减小,降低乒乓切换率,提高切换成功率。