利用机器学习和BILP模型的异构云无线接入网络切换方法

摘要: 在异构云无线接入网络（H-CRAN）中，移动用户可能面临糟糕的切换（HO）性能。为了在H-CRAN网络中获得最优的切换性能，提出一种基于机器学习和二进制整数线性规划（binary integer linear programming，BILP）的异构云无线接入网络切换方法（SDHDE）。在基带池中，利用一个无线控制器使用户在无线接入网络（RAN）中的南向API通信中接收HO信息，控制器通过北向API将信息提供给SDHDE，由SDHDE处理每一个用户的HO决策。仿真结果表明，相比其他的较新方案，提出的方案可以有效降低HO失败的百分比，提高网络的吞吐量。