基于机器学习的室内异构网络研究

作     者：马成宇 

作者单位：吉林化工学院 

学位级别：硕士

导师姓名：张慧颖

授予年度：2024年

学科分类：080904[工学-电磁场与微波技术] 12[管理学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080402[工学-测试计量技术及仪器] 0804[工学-仪器科学与技术] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：异构网络 随机森林 强化学习 公平性指数 

摘      要：可见光通信技术作为一种新型的无线通信技术,使得能够实现照明的地方就能实现无线通信。然而,由于光的直线传播特征决定了其在盲区和遮挡情况下无法提供有效的通信服务,这就衍生出了可见光通信和射频通信的结合,因此结合Li Fi-Wi Fi的室内异构通信网络应运而生。 然而异构网络存在着如何高效接入和网络切换的固有问题,如何实现高效接入和切换选择就是本文所解决的问题。目前最简单的方法就是使用硬件切换,然而这种方法不能实现无缝切换,而且还会影响到用户的上网体验,并且以往的接入点选择算法模拟环境较为简单,不能很好的体现出真实生活中可能遇见的情况,基于此,本文提出一种能够适应复杂室内环境的基于随机森林的网络接入选择算法,提出的算法能在复杂室内环境下保证用户的高效接入和切换,极大的提高了用户的吞吐量,然而此算法在保证用户吞吐量的同时很难满足用户的公平性,基于此本文又提出一种能在满足用户吞吐量的同时,又能提高用户公平性的基于强化学习的网络接入选择算法。 本论文主要研究包括以下两点: (1)针对复杂室内环境下混合Li Fi-Wi Fi异构网络接入点选择困难的问题提出一种基于随机森林模型的混合Li Fi-Wi Fi网络接入点选择算法。所提出的网络接入点选择算法利用多个网络的信道特性,通过模拟不同的室内复杂环境,采集不同位置用户在不同情况下的接收信号强度和信噪比等值,构建训练集,使模型能够适应现实生活在可能出现的各种复杂的环境。仿真结果表明,与传统网络选择算法相比,该算法的平均可实现吞吐量提高了约82%,尤其是在室内情况较为复杂时,平均可实现吞吐量可提高约160%。并且在用户移动时,本文提出的算法可比传统算法切换次数显著减少20%左右。 (2)基于随机森林的网络接入点选择算法考虑到了异构网络接入选择中吞吐量的问题,但未考虑到不同用户的不同情况,忽略了用户公平性这一问题,基于此本文提出了一种基于强化学习的混合Li Fi-Wi Fi网络接入点选择算法,以用户长期最大化的吞吐量和用户满意度为奖励,随机模拟用户所在位置,并获取用户的属性值建立数据集进行训练,最终得到最优的网络接入点分配选择。经仿真结果表明,本文提出的方法与传统算法相比,在访问用户数达到最大值时,仍可以提高用户40%-70%的吞吐量,用户平均满意度仍可达40%以上,用户公平指数可达0.82。提出的算法在提高用户吞吐量的同时,可以让大部分用户有较高的满意度,提高了用户之间的公平性,很好地解决了网络接入选择中无法兼顾提高吞吐量的同时保持较高公平性的问题。