针对融合IEEE802.11ad的LTE-A异构网络中的用户接入体验质量(quality of experience,QoE)问题,本文通过引入接入竞争时间窗口函数,构造一种适用于异构网络用户接入退避行为的3DMarkov链模型,考虑不同业务类型用户体验质量,分析系统服务...
详细信息
针对融合IEEE802.11ad的LTE-A异构网络中的用户接入体验质量(quality of experience,QoE)问题,本文通过引入接入竞争时间窗口函数,构造一种适用于异构网络用户接入退避行为的3DMarkov链模型,考虑不同业务类型用户体验质量,分析系统服务质量(quality of service,QoS),采用典型的平均意见得分(mean opinion score,MOS)评价方法映射得到用户Qo E性能指标.计算机仿真结果表明,在系统带宽一定情形下,融合IEEE802.11ad的LTE-A异构网络可以提高包括吞吐量、时延、丢包率等指标的系统QoS和包括MOS的用户QoE.
在室内指纹定位中,室内环境会影响以接收信号强度指标(Received Signal Strength Indicator,RSSI)或信道状态信息(Channel State Information,CSI)的指纹数据,使得采集指纹数据构建的数据库具有不稳定性和不可靠性的特点,从而影响定位...
详细信息
在室内指纹定位中,室内环境会影响以接收信号强度指标(Received Signal Strength Indicator,RSSI)或信道状态信息(Channel State Information,CSI)的指纹数据,使得采集指纹数据构建的数据库具有不稳定性和不可靠性的特点,从而影响定位准确率和精度。基于此,本文提出了时间反演(Time Reversal,TR)联合到达时间(Time Of Arrival,TOA)测距的指纹定位技术。首先在定位区域建立坐标系,离线阶段采集两个已知参考点至网格点的距离作为指纹构建数据库,以坐标距离作为指纹可以忽略环境对指纹数据的影响,进而提高定位准确率;其次,在线阶段通过TR技术的空时聚焦性联合TOA,测出距离作为新指纹,与距离指纹进行对比匹配,根据相似度得出目标点的位置坐标。最后通过仿真结果得出:本方案实现了6 m的室内定位,并且定位误差在0.44 m以内,对比传统指纹定位,减小了指纹数据复杂度,提高了系统的鲁棒性和定位精度。
异构网络中视频流分层组播的层速率优化问题主要涉及分层数、分层速率和用户链路带宽,针对层速率优化NP-hard问题,本文提出一种基于用户簇的分层组播层速率优化UC-LRAO(layer rate allocation optimization with user cluster)算法.根...
详细信息
异构网络中视频流分层组播的层速率优化问题主要涉及分层数、分层速率和用户链路带宽,针对层速率优化NP-hard问题,本文提出一种基于用户簇的分层组播层速率优化UC-LRAO(layer rate allocation optimization with user cluster)算法.根据用户数对视频流进行分层,确定每层用户数和各用户承载分层视频流的带宽,采用最大流–最小割的Edmonds-Karp算法和层内网络编码实现每层用户视频流的传输链路所需带宽的分配.基于预定视频流分层的层数要求,利用用户分簇对原分层重新合并,从而优化分配分层速率和链路带宽.仿真结果表明所提出的算法可以提高系统吞吐量.
暂无评论