[发明专利]基于5G网络的自适应切换触发策略实现方法

摘要

本发明公开了一种基于5G网络的自适应切换触发策略实现方法，包括利用FastDTW算法实现轨迹相似度的计算；基于获取的轨迹相似度计算结果，利用DBSCAN算法对轨迹进行聚类；进行HMM模型的训练；从多个HMM模型中根据最大相似度选择恰当的HMM模型，进行RSSI值的预测，从而为是否触发切换做判断。与传统的切换策略相比，本发明能够预测基站的接收信号强度值，从而帮助MN实现精准及时的切换触发判决，进而提高移动用户MN的通话质量。

主权项

1.一种基于5G网络的自适应切换触发策略实现方法，其特征在于，该实现方法包括以下步骤：步骤1、利用FastDTW算法实现轨迹相似度的计算，具体步骤包括：遍历每条轨迹并以最低分辨率初始化轨迹，检测轨迹的长度，如果轨迹的长度低于输入轨迹的最小长度，那么轨迹之间的相似度将会通过DTW算法进行计算并且返回结果，否则，创建两条轨迹点数量减半的轨迹作为输入轨迹，最后，用于存储轨迹相似度的相似度矩阵会作为结果返回；计算轨迹之间的相似度公式如下：其中，DTW(D_i,D_j)表示轨迹D_i和D_j的相似度，m和n分别表示轨迹D_i和D_j的空间长度，dist(D₁；D_j)表示轨迹D_i和D_j之间的欧式距离，Rest(D_i)和Rest(D_j)表示轨迹D_i和D_j去除第一个轨迹点；步骤2、基于获取的轨迹相似度计算结果，利用DBSCAN算法对轨迹进行聚类，具体步骤包括：首先标记聚类的簇个数为0；遍历输入的轨迹相似度矩阵的每一个点p，并将该点设置为已经访问过的点；以点p为基础向外扩散，将还没有被访问的任意一点作为起始访问点，然后在该点的ε邻域进行查找，找所有在ε领域范围minPts之内的点，如果候选集N的长度小于minPts，则设置该点为噪音点，否则，创建一个新的轨迹簇，并对该簇进行扩展；对该簇进行扩展使用expandCluster算法，处理过程为：将轨迹相似度矩阵D、候选集N、轨迹簇C、半径参数ε和密度阈值minPts作为输入，扩展后的簇C作为结果；其中，ε表示轨迹簇邻域距离的阈值，minPts表示形成一个密集区域所需的最小点数；步骤3、进行HMM模型的训练，具体步骤包括：以轨迹集C和网格尺寸Sizeg作为输入，以轨迹分段结果作为输出，将段的id初始值设为1；遍历轨迹集中的每一个轨迹点pi，如果当前轨迹点没有被访问过，将该点的id设置为c，并且设置该点为已经访问过的点；进一步遍历轨迹集中的所有点p_j，如果p_i和p_j之间的距离小于网格尺寸Size，则把该点的id设置为c，并且设置该点为已经访问过的点，HMM模型Q表示为Q＝{C,H,O,π,A,B}；其中，C表示任意一个轨迹簇的轨迹集，H表示隐状态集合{h_i|i＝1,2,...,n}，n表示隐状态的总数目，O表示指观察状态的集合{o_k|k＝1,2,...,m}，m表示观察状态的总数目，π＝{π_i}表示HMM模型的初始状态概率矩阵，A＝{a_ij}表示隐状态转移概率矩阵，a_ij＝P{H(t+1)＝h_j|H(t)＝h_i}表示从隐状态h_i转移到隐状态h_j的概率，j＝1,2,...,n；h_j∈H；B＝{b_ik}表示从隐状态到显状态的转移概率矩阵，其中b_ik＝P{O(t+1)＝o_k|H(t)＝h_i}表示从隐状态h_i转移到观察状态o_k的概率，t表示当前时刻，t+1表示下一时刻；步骤4、从多个HMM模型中根据最大相似度选择恰当的HMM模型，进行RSSI值的预测，从而为是否触发切换做判断，所述RSSI值预测的具体步骤包括：获得输入轨迹的轨迹点之间的最小长度Min_Dis；确认Min_Dis是否满足HMM模型的要求；遍历每个轨迹点获取轨迹点之间的距离，并且判断该距离是否满足放大要求；利用前向算法计算出现概率最大的状态，其中概率最大状态的中心点对应为预测位置；在预测位置所能接收到的宏蜂窝和微蜂窝的RSSI值以通过WINNER2模型计算得到，并且该值用于触发判决。