一种基于移动趋势量化的多属性垂直切换判决算法-潘甦.pdf

《一种基于移动趋势量化的多属性垂直切换判决算法-潘甦.pdf》由会员分享，可在线阅读，更多相关《一种基于移动趋势量化的多属性垂直切换判决算法-潘甦.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第 38 卷第 2 期 电 子 与 信 息 学 报 Vol . 38No.2 2016 年 2 月 Journal of Electronics & Information Technology Feb. 2016 一种基于移动趋势量化的多属性垂直切换判决算法 潘 甦*梁 宇刘胜美(南京邮电大学宽带无线通信与传感网技术教育部重点实验室 南京 210003) (东南大学移动通信国家重点实验室 南京 210096) 摘 要：由于对终端移动趋势的不明确， 基站容易盲目发起切换，并导致较高的切换失败率。 该文在 LTE-WiMAX网络构成的异构无线网络环境下对现有的垂直切换算法进行了优化。该优化算法考

2、虑了终端移动趋势， 利用趋势量化参数来推断终端最终的目标区域， 解决已有判决算法中存在的不必要切换过多的问题，提高切换成功率。 在衰落信道下的计算机仿真结果表明，该优化算法可以减小切换中的切换失败率，从而提高网络的切换性能。 关键词：异构网络；垂直切换；多属性判决；移动趋势 中图分类号： TN929.5 文献标识码： A 文章编号：1009-5896(2016)02-0269-07 DOI: 10.11999/JEIT150443 A Multi-attribute Vertical Handoff Decision Algorithm Based on Motion Trend Quanti

3、fication PAN SuLIANG YuLIU Shengmei(Key Laboratory of Broadband Wireless Communication and Sensor Network Technology, Ministry of Education, Nanjing University of Posts and Telecommunications, Nanjing 210003, China) (National Mobile Communications Research Laboratory, Southeast University, Nanjing 2

4、10096, China) Abstract: The base station will initiate handoff blindly and cause high failure rate of handoff if the knowledge of the terminal,s motion trend is absent. An optimized algorithm is proposed to optmize existing vertical handoff algorithm in the LTE-WiMAX heterogeneous wireless network s

5、ystem. The proposed algorithm uses the motion trend quantification to estimate goal cells and restrict unnecessary handoff so as to increase success rate of handoff. The computer simulation results in fading channel show that the optimized algorithm can reduce the failure rate of handoff during the

6、handoff process and enhance the handoff performance of network. Key words: Heterogeneous network; Vertical handoff; Multi-attribute decision; Motion trend 1 引言1 3由于不同接入网络特性上存在差异 ，在异构网络环境下为 保证用户体验，需对终端的移动性管理提出更高的要求。移动性管理 主要对终端的位置进行管理，为终端在移动下的业务连续性提供保证，垂直切换控制4 7是其中最重要的部分之一。 目前 已有许多文献提出了各自的垂 直切换算收稿日期：

7、2015-04-20；改回日期 2015-10-19；网络出版： 2015-12-04 *通信作者：潘甦 基金项目：国家自然 科学 基金(61271235) ， 东南大学国家移动通信重点实验室开放基金(2011D07) ， 江苏高校优势学科建设工程资助项目“信息与通信工程” Foundation Items: The National Natural Science Foundation of China (61271235), Open Research Found of the National Mobile Communications Research Laboratory, Sou

8、theast University (2011D07), Priority Academic Program Development of Jiangsu Higher Education Institutions-Information and Communication Engineering 法。文献 8,9提出考虑 接收信号强度(R eceived Signal Strength, RSS)、可用带宽、业务资费等参数的多属性判决切换算法。该 判决算法仅对网络瞬时状况进行评判而没有分析用户移动趋势， 用户移动轨迹的随机性容易导致基站盲目发起切换， 由此引起的过度切换( 乒乓效应， pin

9、g-pong effect)会影响用户体验。 终端的移动并不完全随机，而是有一定趋势性 。 考虑终端的移动趋势，可以提高对切换目标小区的预见性判断 ，降低切换失败率。多篇文献尝试在 切换判决算法中对终端 的移动模式进行考虑。 文献 10提出了一种考虑移动趋势的多参数模糊逻辑切换判决算法，其策略为通过考察前后两个时刻的 RSS 来判定终端相对 接入点 (Access Point, AP) WiFi 的移动趋势作为启动模糊判决的前提。 文献 10定性考察了 终端移动趋势，没有 量化 移动趋势的强度，在启动模糊逻辑判决算法后，无法缓解网络参数如 RSS 等的抖动干扰，容易放弃覆盖范围较小但可用的 W

10、LAN 接入点。 文献1 1利用马尔可夫过程270 电 子 与 信 息 学 报 第 38 卷 对终端的移动趋势参数进行预测， 但 当用户进入新基站覆盖区域时由于缺少历史移动信息，该算法会暂时失效； 文献 12提出了一种考虑终端速度标量大小 的 切换策略，主要思想是在不同覆盖范围的网络中将终端速度映射成不同的模糊值，但该算法在低速环境会发生退化，无法起到优化作用。 总体来说，现有针对多参数判决13 15的一些改善 算法尝试通过考虑终端移动模式参数，如移动趋势、移动速度等来优化切 换效果， 但仅进行了定性考量，无法从终端移动趋势角度对备选基站 作出数值化的评判 ，导致其判决算法容 易退化成传统的多

11、属性判决算法，失去优化切换效果的作用。究其原因 ，这些算法没有对趋 势的强度作出量化，无法单独给出终端对每个基站的移动趋势强度，没有对用户移动轨迹进行分析。 本文在 OFDM(Orthogonal Frequency Division Multiplexing)技术16 18场景下提出一种考虑终端移动趋势的多属性判决垂直切换算法。现今 主流无线网络(如 LTE, WiFi, WiMax 等)均使用了 OFDM技术， 在此技术背景下进行算法设计有普遍的应用场景。 利用 OFDM 符号特性可以方便地估计终端在各备选基站 方向上的速度分量， 用速度分量的归一化结果来表征移动趋势 ， 不仅可以 得到终

12、端 对所有备选基站的移动趋势，同时这种趋势的强度也得到了精确的量化。通过对终端移动趋势进行分析，可以对切换目标基站进行预判，并限制过度切换的发生，提高切换成功率。 对移动趋势强度进行量化，使得移动趋势这一模糊因素可以数值化表达，便于与其他切换判决参数一起进行多属性分析。 文章剩余部分安排为： 第 2 节介绍 OFDM 系统环境下终端移动趋势及强度量化的方法；第 3 节描述考虑了移动趋势的垂直切换算法；第 4 节为系统仿真及结果；第 5 节为结束语。 本文的创新点主要有： (1)利用终端移动产生的多普勒频移，来分别获取终端在各基站方向上的速度分量，有效地对终端速度进行了矢量分解； (2)对速度分

13、量进行归一化用以衡量终端对各基站的移动趋势，并对移动趋势进行了精确的量化； (3)针对用户移动轨迹进行了分析。 2 移动趋势判断及量化 本文的切换 策略基于以下考虑：如果终端前往某个基站的趋势比前往其他基站更明显，则终端前往乃至停留在 该基站 覆盖 区域的可能性更大，切换算法应该倾向于使终端连接至该基站；反之，则应倾向于放弃该基站。 “趋势 ” 只是主观概念， 只有对这一因素量化分析，才能 准确地 将其 考虑进切换判决算法中 。 本文采用如下策略：将移动台速度矢量在各备选基站方向上作矢量分解，考察终端速度在每个基站方向上的分量大小，并将其视为移动趋势强度的量化依据。其理论依据主要基于以下思想：

14、速度分量19的大小在很大程度上可以反映出终端的移动趋势，如果 终端 在某一基站方向上的速度分量值 较大，则终端前往该基站的趋势比前往其他基站更强烈。 本文算法在 估计速度分量的基础上设计移动趋势参数。 具体步骤为： (1)计算基站方向上的最大多普勒频移； (2)判断终端移动状态； (3)计算基站方向上速度分量；(4)生成移动趋势强度参数值。 由多普勒频移公式可得m c r cccos ( )/f ff vv， 此处cv 为电磁波传播速度，cf 为原信号载波频率，rf为接收信号频率。最大多普勒频移 为df ，即df crff 。 为终端移动方向与终端和基站连线方向的夹角，如图 1 所示。 因此，

15、 图 1 终端在基站( 接入点) 方向上的速度分量 m dc ccos ( / )ff vv (1) mcosv 为终端移动速度mv 在 基站方向上的分量大小。分别计算各基站接收信号的频偏， 可得到 终端移动速度mv 在 基站方向上的分量大小mcosv ，进而在此基础上生成移动趋势参数。 2.1 计算最大多普勒频移 由于df 对信道造成的时间选择性衰落影响可通过符号自相关反映，所以 计算 OFDM 符号自相关可以获得df 的信息20 23。 为了减小由多径时延引起的码间干扰，在 OFDM系统中一般会在相邻的 OFDM符号之间插入循环前缀作为保护间隔。 OFDM 符号的循环结构如图 2 所示。

16、插入保护间隔后完整的 第 2 期 潘 甦等： 一种基于移动趋势量化的多属性垂直切换判决算法 271 图 2 OFDM 符号的循环结构 OFDM 符号长度sT 为s()T G NT 。 T 为单个信号持续时间， G 为保护间隔信号数。 设高斯白噪声信道噪声均值为0N ，方差为 ，接收端得到的第 k 个接收信号为 iqii rrr k s k n k r k jr ksknk jsknk (2) 式中 ()sk 为发送信号， ()nk 为复白噪声信号， irk, qrk分别为接收信号的实部和虚部。 发送信号、噪声信号的期望分别为 EEE2 222iq ( ) ( ) ( )22sksk sk (3

17、) EE2 22i q0() ()= /2nk nk N(4) 考虑df 对信道造成的时间选择性衰落影响，接收信号的自相关函数为 Eii qqii20d 0() () ()( )(2 ) ( )22rr r rC C rkrkJf N (5) 其中0()J 为第 1 类零阶贝塞尔函数； () 为冲激响应函数。 接收到的 OFDM 符号归一化自相关函数为 ii1d2i1qq12q1( ( )( )(, )2 ( ( )( ( )( )2 ( ( )GkGkGkGkr i k N T r i kTc f NTr i k N Tr i k N T r i kTr i k N T (6) 其中 ( 1

18、)( )i i N G T 。 ()sk 与 ()nk 相互独立，在样本足够多的情况下，则 qqii2200()()(, )rrrrdC NTC NTc f NTNN(7) 将式(5 )代入式( 7)中得 ds 0d220011( , ) (2 )+1 / 1+ /c f NT J f NTNN(8) 对 OFDM 接收符号作自相关运算求取上式左边，便可以数值求得最大多普勒频移df 。 2.2 判断终端移动状态 对终端移动状态利用两次 RSS 之差来判断。 为减 少阴影衰落干扰对移动状态判断的影响，采取对RSS 分组选择代表值的方法进行比较。设一段时间内 RSS 抽样集合为12 N, ,rr

19、r ，且 N ML ，将集合中采样值每 L 一组进行分组，得到共 M 组采样值。选取每组中最大的采样值作为该组代表值，记为,maxir ，它是该组中受阴影衰落影响最小的采样值。选取代表值后的 RSS 集合为max 1,max 2,max= , , ,R rr ,maxMr 。 设计参数,max 1,maxdciirr 为状态标识，用以判断终端移动状态： (1)dc 0 ：标识终端前往目标基站； (2)dc 0 ：标识终端远离基站； (3)dc 0 ：标识终端静止。 2.3 计算速度分量 设计m dc ccos ( / )ff vv为速度分量模值参数，其用以表示速度在各备选基站方向上矢量分量的大

20、小。 取 mmmcos , dc 0coscos , dc 0vvvv(9) 当 v 为正值时表示终端正前往目标基站，其绝对值越大则这种前往的趋势越大，反之， v 为负值时表示终端正远离目标基站，其绝对值越大则这种远离的趋势越大。 2.4 生成移动趋势强度参数 设计参数 arctan ( )/ 12vxT(10) 为移动趋势归一化参数，用以表示终端在目标基站方向上的移动趋势强度的量化值。 参数通过对 ()vx进行归一化来量化用户移动趋势强度，其满足移动趋势量化要求：( 1)大小与 ()vx 正相关，定义域为(,) ，可以对所有速度范围进行量化； (2)值域为(0,1 )，是一个归一化值，便于与

21、其他切换判决参数比较； (3)采用多普勒频移求取速度分量时，由于低速情况下多普勒频移不明显，用户移动趋势差距不易区分，而 actan 函数在低速时导数较大，可在量化时提高对低速场景下用户移动趋势差距的敏感度。 x 为终端的位置坐标， ()vx 表示 v 是一个与终端位置坐标有关的变量。 系数是趋势敏感度调节因子，对 arctan( / )x 求导有 (arctan( / ) 1/x 21/1 ( / ) x ，相同 x 时 越大导数值越大，arctan( / )x 函数越陡峭，其对 x 变化越敏感。多普272 电 子 与 信 息 学 报 第 38 卷 勒效应明显程度与终端速度呈负相关，当实际应

22、用时，速度不高时多普勒效应不明显，可以设置较高的 系数来方便比较不同基站间的移动趋势差异 ，此时系统对速度的变化更加敏感；反之，设置较低的 可以降低系统对速度变化的敏感度。 设置基本与速度大小成反比，在不同速度区间有11v 22v 。实际场景下 v 值大致在 10100 km/h 区间取值，此时 取值范围即为 110，可根据场景下终端速度区间选定合适的 值。 可以证明， T 参数具有如下特征： (1)T 值域为(0,1)，定义域为 (,) ； (2)T 可以表示移动趋势强度： T =0.5 时，表示终端静止； T 0.5 时，表示终端前往目标基站，越接近 1 则前往基站的趋势强度越大； T 0

23、.5 时，表示终端远离目标基站，越接近 0 则远离基站的趋势强度越大。 2.5 移动轨迹分析 切换过程中乒乓效应的产生，很大一方面是由于用户在移动中的往返运动造成的，即用户移动轨迹在某段时间呈现乒乓运动的特征，此类行为 可能会反复触发切换操作，即产生乒乓效应。 进行乒乓运动的用户在移动轨迹上的特征为在较短时间间隔内移动速度及方向发生快速改变。 利用前面获取的速度分量信息，可以对移动轨迹进行分析，判断是否有乒乓运动的特征，即对式(11) 进行判断： ikkiMv (11) i 表示当前采样时刻，kv 表示 k 时刻终端在基站径向方向上的分量大小。式(11) 的含义是对 M 个采样时刻的速度分量进

24、行绝对值求和判断，当结果不 大于预设的判断门限 ，则认为终端在这段时间内移动轨迹呈现乒乓运动的特征。在终端呈现乒乓运动的时候应对切换触发作出限制以减少不必切换的产生，另一方面也可以减少算法数据处理量，提高算法效率。 3 考虑移动趋势的垂直切换算法 如前所述，本文提出在已有的多属性判决(multi-attribute decision)垂直切换算法的基础上加入 终端移动趋势参数来优化切换性能。多属性判决方法的决策方法有简单 线性加权(SWA )法、层次系数 (AHP)法等。这里我们用简单加权法作为实施示例 来反映本文 提出的运动趋势量化方法在多属性垂直切换中的应用，该运动趋势量化方法也适用于 其

25、他多属性判决方法。 多属性判决的输 入参数包括：RSS 为 从 各个备选基站获得的接收信号强度； BW为各个备选基站的可用带宽；T 为 终端在各个基站方向上的移动趋势强度。 本文提出的切换策略包括归一化参数、计算加权因子、生成多属性判决值、判定切换 4 个部分。 3.1 归一化参数 为将不同量纲参数统一比较， 需对参数进行归一化操作。 (1)RSS 的归一化函数: 定义 ()Rx 为 终端 从各个备选基站获得的接收信号强度，th()Rx为设定的接收信号强度阈值，max()Rx为终端可获得的接收信号强度最大值。这里 x 表示终端的位置坐标。RSS的归一化函数为 thRththmax th0, 0

26、 ( )() (), ()()Rx RRx R xRx RR Rx (12) (2)BW 的归一化函数: 定义 ()Bx 为各个备选基站的可用带宽，max()Bx为可用带宽的最大值。构造的 BW 的归一化函数如下： maxmaxBmax(), 0 ()()1, ( )BxBx BBxBx B(13) 因为 T 参数已满足值域(0 ,1)的条件，因此无需再对其进行归一化处理。为保持下面描述上的统一，取TT 。 3.2 计算加权因子 合理的加权因子应满足以下两个特点：可以随着各个参数的变化而动态变化； 可以在多属性判决中突出差异化比较明显的参数。基于以上要求构造如式(14) 加权因子： iiRBT

27、, i R,Bw或 T (14) i 是各个备选基站的参数归一化变量i,1( ),x i,2 i,(), , ()nxx 的标准差，其中 i 取 R, B 或 T, R, B, T 分别用以标识接收信号强度 RSS，可用带宽 BW，移动趋势强度 T 3 个参数。第 2 个下标标识不同的备选基站，即 2i i, i,11()nnkkkkx (15) 3.3 生成多属性判决值 得到上述参数后，便可以利用其对应的加权因子求出多属性判决值。该值作为评判备选基站性能的标准，通过将 3 个归一化参数与对应的加权因子加权后相加得到。即 R R, B B, T T,() () () ()k kkkDxw xw

28、 xw x(16) k 用来标识不同的备选基站。 3.4 判定切换 计算出各备选基站的多属性判决值后便可实施第 2 期 潘 甦等： 一种基于移动趋势量化的多属性垂直切换判决算法 273 切换判决。 首先要对式( 11)进行判定，即先要分析终端是否进行往返运动，若速度分量条件满足式(1 1)则不进行切换判定， 以减少过度切换和算法数据法处理量；否则 将多属性判决值最大的基站判定为最优基站，即 b 12() max (), (), , ()nDx Dx Dx Dx (17) b()Dx对应的基站被判断为最优基站。若终端当前即连接至该基站，则无需进行切换；否则，切换操作实施， 终端切换至最优基站，完

29、成一次垂直切换。 4 系统模型及仿真分析 算法仿真场景为 WLAN 与 LTE 构成的异构网络。 大尺度衰落考虑了基于 COST231-Hata 模型的路径损耗和阴影效应， 小尺度衰落采用 jakes 模型构建。LTE 网络与 WLAN 网络速率分别固定设为 2 Mbps 和 2.4 Mbps。 切换时延和采样时间间隔均为 2 s。系统参数如表 1 所示。 表1 仿真系统参数 参数项 LTE 网络 WLAN 网络 发射功率( dBm) 44 30 覆盖半径( m) 1000 150 载波频率( MHz) 2000 2400 信道模型 COST 231-Hata 网络场景如图 3 所示，构建如图

30、所示的坐标系，在(1000,1000 ), (-1000,1000), (-1000,-1000), (1000，-1000)4 点各有 4 个 LTE 基站，不失一般性，每个基站范围内随机产生 4 个 WLAN 接入点(AP ), AP之间、AP 与基站之间距离要大于 300 m。在(0,0 )处构建一个 LTE 基站。 随机产生 200 个用户，初始速率在 180 km/h 之间，移动轨迹采用如下高斯-马尔可夫移动模型24,25： 2,(1 ) (1 )n n gnss s s (18) 图 3 系统仿真网络场景 21,(1 ) (1 )n n gn (19) 其中，ns 和n 分别是移动

31、终端在 n 时刻的速率和方向，1ns和1n是对速率和方向在时刻 n+1 时的预测值。 s 和 分别是速率和方向的期望，均为常数值。,gns 和,gn 是服从高斯分布的随机变量。 参数是 移动记忆级别因子， 在 0,1内取值。 取值和速率范围有关，具体为： 130 km/h 内取 0.5, 3060 km/h 内取 0.7, 6080 km/h 内取 0.85, 参数取 5。 用文献1 0中未对移动趋势进行量化的切换算法(MHA )作比较。当用户在切换时延内离开目标基站/ 接入点的覆盖范围时认为切换失败。 图 4 展示了两种算法的切换失败率的比较，可以看出随着移动速率的增大， MHA 和本文算法

32、的切换失败率都是随之上升的，但本文算法的失败率明显上升得 比较缓慢，只是随着速率变大稍微有些增加，而 MHA 则在速率变大时失败率大大增加。这是由于本文算法对用户的移动趋势作出了精确量化分析，并通过移动轨迹分析限制往返运动的用户发起不必要切换，从而保证了较高的切换成功率。 图 5 展示了用户数据速率随着速率的变化。仿真统计用户在整个仿真过程中的平均数据速率，当用户切换失败时认为连接中断，数据速率为 0。随着速率的提高可以发现 MHA 的用户数据速率明显 图 4 切换失败率比较 图 5 用户数据速率变化比较 274 电 子 与 信 息 学 报 第 38 卷 降低，这主要是由于其切换判决不合理导致

33、切换失败较多，从而造成了连接丢失。由于 WLAN 网络覆盖面积较小，切换失败多是在用户向 WLAN 网络切换时发生，因此用户不能充分利用 WLAN 的高速传输，这也是 MHA 数据速率降低的另一原因。 5 结论 本文提出了一种考虑移动趋势的垂直切换算法，将 终端 的 移动趋势及强度考虑进传统的多属性判决算法中，以改善切换性能。 考虑 终端移动趋势后，提升了切换判决预见性，减少了终端因为 RSS等网络参数 抖动、用户往返运动 而盲目切换的现象的发生，防止了不必要切换的产生，一方面 提高了切换成功率，另一方面也改善了用户数据速率。 参 考 文 献 1 AHMED A, BOULAHIA L M,

34、and GAITI D. Enabling vertical handover decisions in heterogeneous wireless networks: A state-of-the-art and a classificationJ. IEEE Communications Surveys & Tutorials, 2014, 16(2): 776-811. 2 LIM J and HONG D. Mobility and handover management for heterogeneous networks in LTE-advancedJ. Wireless Pe

35、rsonal Communications, 2013, 72(4): 2901-2912. 3 KIM Y, KO H, PACK S, et al. Mobility-aware call admission control algorithm with handoff queue in mobile hotspotsJ. IEEE Transactions on Vehicular Technology, 2013, 62(8): 3903-3912. 4 WANG S, FAN C, HSU C H, et al. A vertical handoff method via self-

36、selection decision tree for internet of vehiclesJ. IEEE Systems Journal, 2014. doi:10.1109/JSYST.2014.2306210. 5 刘胜美, 孟庆民, 潘甦, 等. 异构无线网络中基于 SINR 和层次分析法的 SAW 垂直切换算法研究J. 电子与信息学报, 2011, 33(1): 235-239. doi: 10.3724/SP.J.1146.2010.00154. LIU S M, MENG Q M, PAN S, et al. A simple additive weighting verti

37、cal handoff algorithm based on SINR and AHP for heterogeneous wireless networksJ. Journal of Electronics & Information Technology, 2011, 33(1): 235-239. doi: 10.3724/SP.J.1146.2010.00154. 6 ANUPAMA K S S, GOWRI S S, RAO B P, et al. An intelligent vertical handoff decision algorithm for geterogeneous

38、 wireless networksC. ICT and Critical Infrastructure: Proceedings of the 48th Annual Convention of Computer Society of India-Vol. I, Visakhapatnam, 2014: 331-339. 7 YANG P, SUN Y, LIU C, et al. A novel fuzzy logic based vertical handoff decision algorithm for heterogeneous wireless networksC. 2013 1

39、6th IEEE International Symposium on Wireless Personal Multimedia Communications (WPMC), Atlantic City, NJ, 2013: 1-5. 8 BO S, LIN L, and FENG D. The multi-attribute vertical handoff algorithm based on node mobilityC. 2014 5th IEEE International Conference on Software Engineering and Service Science

40、(ICSESS), Beijing, 2014: 1146-1149. 9 JOHNSON S B, NATH S, and VELMURUGAN T. An optimized algorithm for vertical handoff in heterogeneous wireless networksC. 2013 IEEE Conference on Information & Communication Technologies (ICT), Jeju Island, 2013: 1206-1210. 10 YANG T and RONG P. A fuzzy logic vert

41、ical handoff algorithm with motion trend decisionC. 2011 6th IEEE International Forum on Strategic Technology (IFOST), Harbin, China, 2011, 2: 1280-1283. 11 LI Bin and LIU Shengmei. Vertical handoff algorithm based on mobility predictionJ. Communication and Network, 2013, 39(1): 93-95. 12 GE Kun, JI

42、 Hong, and LI Xi. A speed sensitive vertical handoff algorithm based on fuzzy controlC. 5th IEEE International Conference on Wireless Communications, Networking and Mobile Computing, 2009. WiCom,09, Beijing, 2009: 1-4. 13 马彬, 谢显中, 廖晓峰. 车辆异构网络中预测垂直切换算法 J. 电子与信息学报, 2015, 37(4) : 874-880. doi: 10.11999

43、/ JEIT140845. MA B, XIE X Z, and LIAO X F. Prediction vertical handoff algorithm in vehicle heterogeneous networkJ. Journal of Electronics & Information Technology, 2015, 37(4): 874-880. doi: 10.11999/JEIT140845. 14 LEE S K, SRIRAM K, KIM K, et al. Vertical handoff decision algorithms for providing

44、optimized performance in heterogeneous wireless networksJ. IEEE Transactions on Vehicular Technology, 2009, 58(2): 865-881. 15 OMHENI N, ZARAI F, OBAIDAT M S, et al. A novel vertical handoff decision making algorithm across Heterogeneous Wireless NetworksC. 2014 IEEE International Conference on Comp

45、uter, Information and Telecommunication Systems (CITS), 2014: 1-6. 16 DENG S, YI X, DENG M, et al. Reduced-guard-interval OFDM using digital sub-band-demultiplexingJ. IEEE Photonics Technology Letters, 2013, 25(22): 2174-2177. 17 GAO X, WANG X, ZOU Y, et al. An efficient OFDM with adaptive guard int

46、erval for amplify and forward relay systemsC. 2013 IEEE Vehicular Technology Conference (VTC Fall), 7. Las Vegas, NV, 2013: 1-5. 18 杨赞 , 赵辉 , 赵玉萍 . 基于循环平稳性的异构网 OFDM 系统窄带干扰消除J. 电子与信息学报, 2012, 34(9): 2208-2212. doi: 10.3724/SP.J.1146.2012.00144. YANG Z, ZHAO H, and ZHAO Y P. Cyclostationarity-based narrowband interference suppression for OFDM systems in 第 2 期 潘 甦等： 一种基于移动趋势量化的多属性垂直切换判