无线蜂窝网络中的移动台实现小区快速选择方法

摘要

本发明涉及一种无线蜂窝网络中的移动台实现小区快速选择方法，包括进行位置小区移动性预测处理得到预测小区优先级排序列表、根据优先级最高的小区从小区信息数据库中获取小区信息、进行小区信道测量并判断是否满足小区驻扎要求、根据结果驻扎在该小区或继续从预测小区优先级排序列表中取出未进行过信道测量的小区重新进行上述处理操作。采用该种无线蜂窝网络中的移动台实现小区快速选择方法，利用驻留过的历史小区列表信息采用相应的预测算法进行移动性预测，从而明显缩短了小区选择的等待时间，大幅度改善了用户体验，而且在很大程度上提高了通信服务质量，优化了网络资源和工作流程，而且过程简单方便快捷，工作性能稳定可靠，适用范围较广泛。

说明书

技术领域

本发明涉及移动通信领域，特别涉及移动通信系统移动台小区选择技术领域，具体是指一种无线蜂窝网络中的移动台实现小区快速选择方法。

背景技术

在无线蜂窝通信系统中，移动台为了与网络通信必须选择一个合适的小区驻扎，之后才能可靠的接收和解析系统信息，取得相关参数来配置上下行信道，使用驻扎小区的无线资源，得到网络运营商提供的服务，所以小区选择对于移动台来说是一个必要的过程。

小区选择一般是由一些事件(如开机)来触发的。移动台在接收到一个小区选择请求后，无线资源控制模块会要求移动台针对指定的公共陆地移动网络或者是等效公共陆地移动网络尝试小区驻扎，当驻扎到一个满足正常服务要求的小区后，移动台得到正常驻扎状态所能提供的服务。

小区选择过程会发生在在通用移动通信系统中的无线资源控制层所划分的空闲态或者连接态，通用移动通信系统的连接态又分为FACH、URA_PCH、CELL_PCH、DCH四种状态。由于连接态下的三个子状态FACH、URA_PCH、CELL_PCH中没有专门的双向链路被分配于移动台和基站之间，所以小区选择可以发生在这三个状态，如应无线资源承载(Radio Bear，RB)重配的请求信息而发生的小区选择。这不同于GSM以及其他的第二代移动通信系统，第二代移动通信系统的无线资源协议状态虽然也是被分为两个状态，空闲态和连接态，但是其连接态并没有进一步划分。在第二代移动通信系统的连接态下，一个专门的双向链路是被分配存在于移动台和基站之间，所以说在第二代移动通信系统中，连接态和空闲态的边界是非常清楚的，由于已经建立了专门的双向链路，所以小区选择不可以发生在GSM中的连接态下。

小区选择过程主要是由移动台协议栈的接入层实现，非接入层也能够通过如指定公共陆地移动网络列表或者是禁止位置区列表来影响接入层的过程，在移动台的接入层主要用了测量和系统信息评估这两个功能实体来实现小区选择过程，测量实体首先在指定的频带范围内进行频带扫描，在这个频带中并非所有的频点都会有信号存在，因为在一个无线资源环境中，为了避免相互干扰或者冲突，在进行网络规划的时候分配给重叠小区以不连续的频点，这些频点可能属于不同的运营商，扫描频带完成后，移动台可以测得当前无线环境中是否存在无线信号，以及存在几个无线信号，扫描结果形成一个测量结果列表。每一个测量结果都代表唯一的小区信息。当该小区的测量结果所包含的信号强度足以解码该小区的系统信息时，就利用这个小区信息配置下行广播信道，接收这个小区的系统信息，送入系统信息评估实体进行评估，当评估结果满足驻扎要求时，则表明移动台成功驻扎上这个小区，小区选择过程结束，在移动台成功驻扎上一个小区以后，在空闲态和FACH、CELL_PCH、URA_PCH状态下移动台会随着用户的移动而利用小区重选程序不断地重选到新的小区，实现移动台连接移动性，在DCH状态下，利用小区切换程序也可以实现移动性，这样移动台就可以形成一个曾经驻扎过的小区历史列表，这个小区历史列表保存有驻扎过的小区的频点和扰码信息。

现有小区选择方法对于测量实体来说，主要有两种方式，一种是初始测量，另一种是存贮信息测量，首先介绍初始测量，这种方式是移动台在国际电信联盟推荐的所有通用移动通讯系统频带以及所在国政府规定的频带上进行全频带扫描，收集测量结果，但是由于根据发展的需要，国际电联推荐的频带会不断增多，所以会造成扫描范围过大而导致测量时间过长。这种现象通常反映为当移动台初次漫游到别的国家时开机时间特别长的现象。对于存贮信息测量方式来说，移动台把关机前驻扎小区的邻小区列表的小区信息包括频点和扰码保存到非易失性存贮区或者用户身份模块卡中，这样当移动台要进行小区选择时，通常可优先尝试测量这些小区，但是由于用户关机时所在的小区具有随机性，导致其邻小区列表也不具有可靠性，所以这种测量方式也往往会导致失败，进而促使移动台扩大范围进行初始测量，以求从全频带扫描过程中，测得无线信号。因此希望能够有一种方法预知所选择的小区。

同时，在实际的生活工作中，绝大多数用户的活动都是有规律的，一般有一条或多条路径，也就是说用户所携带的移动台的小区历史列表也是有规律的，那么就能通过移动预测技术预测用户下一个进入的小区。同时，随着微处理器技术的不断进步，移动台的处理能力变得非常强大，为满足用户需求所涉及的各种处理都能在移动台中实现。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种能够明显缩短小区选择的时间、大幅度改善用户体验、提高通信服务质量、简单方便快捷、工作性能稳定可靠、适用范围较为广泛的无线蜂窝网络中的移动台实现小区快速选择方法。

为了实现上述的目的，本发明的无线蜂窝网络中的移动台实现小区快速选择方法如下：

该无线蜂窝网络中的移动台实现小区快速选择方法，所述的移动台中设置有历史路径寄存器和小区信息数据库，其主要特点是，所述的方法包括以下步骤：

(1)移动台根据外界的触发条件，启动小区选择；

(2)移动台根据历史路径寄存器中的用户运动的历史路径信息进行位置小区移动性预测处理操作，并得到相应的预测小区优先级排序列表；

(3)移动台根据所述的预测小区优先级排序列表中优先级最高的小区从所述的小区信息数据库中获取相应的小区信息；

(4)移动台根据所述的小区信息进行小区信道测量和判断是否满足小区驻扎要求的处理操作；

(5)如果小区信道测量和系统信息评估均满足小区驻扎要求，则移动台驻扎在该小区，并将相应的小区信息保存至所述的历史路径寄存器中，完成小区选择并结束；

(6)如果小区信道测量或系统信息评估不满足小区驻扎要求，则判断所述的预测小区优先级排序列表中是否有未进行过信道测量的小区存在；

(7)如果是，则移动台根据该未进行过信道测量的小区中的优先级最高的小区从所述的小区信息数据库中获取相应的小区信息，并返回上述步骤(4)；

(8)如果否，则移动台将所支持的所有频带中的全部频点加入所述的预测小区优先级排序列表中，任意选取其中一个未进行过信道测量的小区，并根据该小区从所述的小区信息数据库中获取相应的小区信息返回上述步骤(4)。

该无线蜂窝网络中的移动台实现小区快速选择方法中的外界的触发条件可以为移动台开机、移动台从连接态回到空闲态或者无线蜂窝网络侧有相应的触发请求。

该无线蜂窝网络中的移动台实现小区快速选择方法中的位置小区移动性预测处理操作，包括以下步骤：

(11)移动台从所述的历史路径存储器中取得用户的历史路径信息；

(12)使用部分匹配预测算法对历史路径信息中的各个小区的概率分布进行计算处理；

(13)移动台根据预设的配置条件对各个小区的概率分布进行调整处理；

(14)移动台根据调整处理得到的各个小区的概率分布对各个小区进行优先级排序，并生成预测小区优先级排序列表。

该无线蜂窝网络中的移动台实现小区快速选择方法中的对各个小区的概率分布进行调整处理，具体为：

根据以下公式对各个小区的概率分布进行调整：

p′(β)＝p(β)×w_β；

其中，p(β)为调整处理前小区β的概率分布，p′(β)为调整处理后小区β的概率分布，w_β为调整权值。

该无线蜂窝网络中的移动台实现小区快速选择方法中的对各个小区进行优先级排序，具体为：

根据各个小区的概率分布从大到小进行排序，其中概率最大的小区优先级最高，概率最小的小区优先级最低。

该无线蜂窝网络中的移动台实现小区快速选择方法中的小区信息包括小区的绝对无线频道号和主扰码。

该无线蜂窝网络中的移动台实现小区快速选择方法中的小区信道测量和判断是否满足小区驻扎要求的处理操作，包括以下步骤：

(41)移动台首先在主同步信道上进行时隙同步，然后在辅同步信道上实现帧同步并得到该小区的扰码组；

(42)移动台根据所述的扰码组与公共导频信道进行相关性匹配，并得到相关性最大的扰码，即为该小区的扰码；

(43)移动台测量公共导频信道的信号信噪比以及信号码片能量；

(44)判断所述的信号码片能量或者信道信噪比是否高于移动台预设的阈值；

(45)如果否，则返回小区信道测量不满足小区驻扎要求的结果；

(46)如果是，则利用信道测量过程中的信道同步信息同步到广播信道上；

(47)如果同步不成功，则返回系统信息评估不满足小区驻扎要求的结果；

(48)如果同步成功，则在预设的时间范围内接收必要的系统消息，并对所述的信号码片能量和信号信噪比以及系统消息中的参数进行评估；

(49)如果评估成功，则返回小区信道测量和系统信息评估均满足小区驻扎要求的结果；否则返回小区信道测量或系统信息评估不满足小区驻扎要求的结果。

该无线蜂窝网络中的移动台实现小区快速选择方法中的对所述的信号码片能量和信号信噪比以及系统消息中的参数进行评估，包括以下步骤：

(481)判断该小区驻扎要求是正常小区驻扎要求还是任意小区驻扎要求；

(482)如果是正常小区驻扎要求，则判断该小区所属的接入网类型是否满足与非接入层指定的核心网类型兼容、小区所属的公共陆地移动网络是否满足在非接入层指定的公共陆地移动网络列表之内、小区是否满足并非禁止小区、小区所属的位置区是否并非在非接入层维护的禁止位置区列表内、小区信号质量是否满足预设的规定标准；

(483)如果均满足，则返回评估成功的结果；否则返回评估不成功的结果；

(484)如果是任意小区驻扎要求，则判断该小区是否满足并非禁止小区、小区信号质量是否满足预设的规定标准；

(485)如果均满足，则返回评估成功的结果；否则返回评估不成功的结果。

采用了该发明的无线蜂窝网络中的移动台实现小区快速选择方法，由于其利用了人的活动的客观规律性进行移动性预测，并在一定的周期内移动台存储驻留过的小区列表并保存所驻留小区的信息，利用驻留过的历史小区列表信息采用相应的预测算法进行移动性预测，根据预测结果和对应的小区信息就可以很快地测得待测小区的公共导频信道的信号码片能量和信号信噪比，从而明显缩短了小区选择的等待时间，大幅度改善了用户体验，而且在很大程度上提高了通信服务质量，优化了网络资源和工作流程，而且过程简单方便快捷，工作性能稳定可靠，适用范围较为广泛。

附图说明

图1为本发明的无线蜂窝网络中的移动台实现小区快速选择方法的整体工作流程图。

图2为本发明的无线蜂窝网络中的移动台实现小区快速选择方法中的移动性预测处理操作流程图。

图3为本发明的无线蜂窝网络中的移动台实现小区快速选择方法的真实网络环境的拓扑结构模型示意图。

图4为本发明的无线蜂窝网络中的移动台实现小区快速选择方法中PPM移动预测方案对历史路径解析后的概率模型示意图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。

请参阅图1至图4所示，该无线蜂窝网络中的移动台实现小区快速选择方法，所述的移动台中设置有历史路径寄存器和小区信息数据库，其中，所述的方法包括以下步骤：

(1)移动台根据外界的触发条件，启动小区选择；所述的触发条件可以为移动台开机、移动台从连接态回到空闲态或者无线蜂窝网络侧有相应的触发请求；

(2)移动台根据历史路径寄存器中的用户运动的历史路径信息进行位置小区移动性预测处理操作，并得到相应的预测小区优先级排序列表；该位置小区移动性预测处理操作，包括以下步骤：

(a)移动台从所述的历史路径存储器中取得用户的历史路径信息；

(b)使用部分匹配预测算法对历史路径信息中的各个小区的概率分布进行计算处理；

(c)移动台根据预设的配置条件对各个小区的概率分布进行调整处理，具体为：

根据以下公式对各个小区的概率分布进行调整：

p′(β)＝p(β)×w_β；

其中，p(β)为调整处理前小区β的概率分布，p′(β)为调整处理后小区β的概率分布，w_β为调整权值；

(d)移动台根据调整处理得到的各个小区的概率分布对各个小区进行优先级排序，

并生成预测小区优先级排序列表；该对各个小区进行优先级排序，具体为：

根据各个小区的概率分布从大到小进行排序，其中概率最大的小区优先级最高，概率最小的小区优先级最低；

(3)移动台根据所述的预测小区优先级排序列表中优先级最高的小区从所述的小区信息数据库中获取相应的小区信息；所述的小区信息包括小区的绝对无线频道号和主扰码；

(4)移动台根据所述的小区信息进行小区信道测量和判断是否满足小区驻扎要求的处理操作，包括以下步骤：

(a)移动台首先在主同步信道上进行时隙同步，然后在辅同步信道上实现帧同步并得到该小区的扰码组；

(b)移动台根据所述的扰码组与公共导频信道进行相关性匹配，并得到相关性最大的扰码，即为该小区的扰码；

(c)移动台测量公共导频信道的信号信噪比以及信号码片能量；

(d)判断所述的信号码片能量或者信道信噪比是否高于移动台预设的阈值；

(e)如果否，则返回小区信道测量不满足小区驻扎要求的结果；

(f)如果是，则利用信道测量过程中的信道同步信息同步到广播信道上；

(g)如果同步不成功，则返回系统信息评估不满足小区驻扎要求的结果；

(h)如果同步成功，则在预设的时间范围内接收必要的系统消息，并对所述的信号码片能量和信号信噪比以及系统消息中的参数进行评估，包括以下步骤：

(i)判断该小区驻扎要求是正常小区驻扎要求还是任意小区驻扎要求；

(ii)如果是正常小区驻扎要求，则判断该小区所属的接入网类型是否满足与非接入层指定的核心网类型兼容、小区所属的公共陆地移动网络是否满足在非接入层指定的公共陆地移动网络列表之内、小区是否满足并非禁止小区、小区所属的位置区是否并非在非接入层维护的禁止位置区列表内、小区信号质量是否满足预设的规定标准；

(iii)如果均满足，则返回评估成功的结果；否则返回评估不成功的结果；

(iv)如果是任意小区驻扎要求，则判断该小区是否满足并非禁止小区、小区信号质量是否满足预设的规定标准；

(v)如果均满足，则返回评估成功的结果；否则返回评估不成功的结果；

(j)如果评估成功，则返回小区信道测量和系统信息评估满足小区驻扎要求的结果；否则返回小区信道测量或系统信息评估不满足小区驻扎要求的结果；

(5)如果小区信道测量和系统信息评估均满足小区驻扎要求，则移动台驻扎在该小区，并将相应的小区信息保存至所述的历史路径寄存器中，完成小区选择并结束；

(6)如果小区信道测量或系统信息评估不满足小区驻扎要求，则判断所述的预测小区优先级排序列表中是否有未进行过信道测量的小区存在；

(7)如果是，则移动台根据该未进行过信道测量的小区中的优先级最高的小区从所述的小区信息数据库中获取相应的小区信息，并返回上述步骤(4)；

(8)如果否，则移动台将所支持的所有频带中的全部频点加入所述的预测小区优先级排序列表中，任意选取其中一个未进行过信道测量的小区并根据该小区从所述的小区信息数据库中获取相应的小区信息返回上述步骤(4)。

在实际使用当中，本发明的方法的基本思想是利用人的活动的客观规律性，进行移动性预测。在一定的周期内，移动台存储驻留过的小区列表并保存所驻留小区的信息。利用驻留过的历史小区列表信息采用部分匹配预测(PPM，Prediction by Partial Matching)算法进行移动性预测，根据预测结果和对应的小区信息就可以很快地测得待测小区的公共导频信道的信号码片能量和信号信噪比，大大缩短小区选择时间，改善用户体验。

为了实现上述目的，移动台中还需要增加以下两个存储器：

(1)历史路径存储器——该存储器中存储在一定时间周期内曾经驻扎过的小区列表，仅保存小区标识，如“abca表示分别在小区a、b、c中驻扎之后又回到小区a中；

(2)小区信息数据库——用于存储在历史路径存储器中出现的各小区信息，如小区a、b、c的分别的绝对无线频道号(ARFCN，Absolute Radio Frequency Channel Number)和主扰码(PSC，Primary Scrambling Code)等信息，如果是在GSM中还需要存储基站识别码(BSIC，Base Station Identity Code)，这些信息可以唯一标识一个小区。

本发明的小区选择方法分为三个部分：

(1)小区信息存储——移动台在某个特定小区驻扎成功后，保存该小区的信息。首先是小区的标识，存入到历史路径存储器中，用于唯一确定该小区；第二是小区本身的信息，存入小区信息数据库中。在通用移动通信系统UMTS中，小区信息绝对无线频道号ARFCN加上主扰码PSC与小区标识存在一一对应关系。另外如果需要还可以存储小区的其他一些信息用于对该小区的评估，如路由区标识(Routing Area Identity，RAI)等。

(2)移动性预测——从历史路径存储器中获取预测的特征数据——历史小区列表，使用部分匹配预测方案进行预测，得到各小区的概率分布，根据可配置的条件对各小区的概率采用权值方式进行调整，最后按照概率的大小顺序进行优先级排序。

(3)小区选择——根据之前预测的结果，尝试在优先级最高的小区上驻扎，由于在小区信息数据库中已经存储该小区的信息，所以可以加快小区选择过程。如果尝试没有成功，依次尝试预测结果列表中的其他小区直到成功，如果还是不能在这些小区中驻扎，则说明用户进入了新小区，那么只能扩大范围到移动台所支持的所有频点上进行尝试。

由于人类活动的主观意识，在绝大多数情况下移动台都在预测的结果的小区中移动，那么基于移动性的小区选择方法将大大缩短小区选择的时间。

下面对本发明中所使用的网络模型、用户移动性模型和移动性预测方案等作简单的介绍：

一、网络模型

之前对无线蜂窝网络的大多数研究中，经常使用规则的图形模型，如六边形、正方形小区，但这些模型并不能准确地表示真实的蜂窝网络。由于基站天线的发射模式和无线传播环境的不同，真实的小区形状会各不相同。由于本发明与小区本身的形状结构无关，可以采用更加真实的网络模型，模型如下：

G＝(V，E)；

其中，顶点集V表示基站的集合，这里假设每个基站控制单一小区；边集E表示相邻的小区对。图3是这种网络模型的一个例子，其中

V＝{a，b，c，...，g}；

E＝{(a，b)，(a，d)，...，(f，g)}。

二、移动性模型

随机游走模型(Random Walk Model)被广泛应用于个体运动特征的研究中，在该模型中，移动用户离开当前小区进入各个相邻小区的概率是相同的。但是在现实生活中，移动用户的活动通常带有目的性，且随着所处环境的不同有着不同的动向，因此不能采用随机游走模型。本发明使用了k阶马尔可夫模型，在这个模型下用户的移动性可以用一个符号序列来表示，如C₁，C₂，C₃，......，C_i，......，其中，C_i表示移动台所访问的小区标识。由于用户下一个位置与他之前运动的历史相关，可以假设符号序列C₁，C₂，......，C_i，......由k阶马尔可夫信源产生，用户运动到特定小区的概率与用户当前所在小区和最近经过的小区列表相关，这也与客观事实相符。

三、小区驻留时间，信道占用时间

小区驻留时间(Cell Residence Time)是指移动用户在某个特定小区中驻留的时间总长。信道占用时间(Channel Holding Time)是指移动用户一次通信过程在相同小区中占用信道的时间，由于通信过程能在不同小区中切换，信道占用时间应该小于呼叫保持时间。在特定的时间段内，如果在某个小区中移动用户的小区驻留时间或信道占用时间较长，说明用户在该小区中比较活跃。在相同的情况下，小区选择过程应该优先考虑这类小区。

四、移动预测方案

如果能获知用户将要进入的小区和该小区的先验信息，那么小区选择过程将会变得简单，只需要直接对小区的信号进行测量评估就能确定能否在该小区中驻扎。移动预测技术通过对用户之前位置信息的研究，预测出下一个时间点用户所在的位置，研究表明移动预测能极大的改进蜂窝网络中移动性管理、服务质量保障和资源管理的性能，同样移动位置预测技术也能用于小区选择过程。

部分匹配预测(PPM，Prediction by Partial Matching)是一种自适应的统计数据压缩技术，使用之前的多个字符预测后一个字符，在自然语言的文本中后一个字符与之前多个字符有很高的相关性，请参阅以下文献：

Cleary，J.G.and Witten，I.H.(1984)″Data compression using adaptive coding and partialstring matching，″IEEE Transactions on Communications，32(4)，396-402]。

在实际的生活工作中，用户的运动通常带有主观性，且在大多数情况下用户有自己习惯的路径，因此移动预测算法与PPM数据压缩算法类似，通过用户运动的历史路径信息预测用户即将进入的下一个位置小区。

PPM算法的基础是k阶马尔可夫预测器，马尔可夫信源的前k个不同的符号决定了下一个时刻某个符号的概率。为了使PPM算法很好的运行，需要维护所有0，1，......，k阶的上下文，树(trie)被用来把所有上下文合并到一个单一数据结构中，以下给出了生成这种树伪代码：

Initialize mobility trie:＝null

loop

   wait for a phrase p

   if(exists the mobility trie)

     insert phrase p to the mobility trie

     increase the frequencies for every prefix of phrase p

                  in the mobility trie

    else

       create a mobility trie:＝single phrase p

       initialize the frequencies for every prefix of phrase p

                  in the mobility trie:＝1

    calculate the probabilities of possible location of the mobile

                   based on the frequencies

forever

在预测过程中，如果阶数k太小，用来预测的数据很少，在长时间运行中导致预测结果不是非常准确；如果阶数k太大，大多数上下文将很少发生，会产生零概率问题，在预测时不得不考虑。在考虑上述情况后，本发明选择了一个折中的方案，采用混合模型，这个方案是把不同阶数的预测整合到一起，使用多个不同阶数的模型分别计算概率，并对每个模型分配一个权值，最后对加权后的每个模型的概率取和。

假设最大的阶数是k，下一个字符是β可以根据之前i个字符预测，使用i阶模型预测后概率是p_i(β)，该模型的权值是w_i，那么混合概率可由下面公式计算得到：

$p\left(\beta \right)=\underset{i=0}{\overset{k}{\Sigma }}{w}_i*p_i\left(\beta \right)$

其中权值w_i应该归一化处理。注意当i为0时，每个字符概率是独立的。通常因为高阶的模型往往预测更加准确，模型的阶数越大，赋予的权值应该越大。根据不同的情况，最大的阶数k和权值w_i可以自行设计。下面举例来说明该预测方案是如何工作的：

根据上面介绍的网络模型，存在小区{a，b，c，......，g}，假定用户在此网络覆盖的范围内活动，并且存在四条相对固定的路径：

Path₁＝{a，b，e，f，g，d，b}

Path₂＝{b，c，f，g，d，a}

Path₃＝{a，d，e，g，a}

Path₄＝{a，b，c，e，d，a}

在一定的时间内，移动用户运动的路径服从：

Path₁→Path₂→Path₃→Path₄→Path₃→Path₄→Path₁→Path₂→Path₁→Path₂

从而得到小区列表“abefgdbcfgdadegabcedadegabcedabefgdbcfgdabefgdbcfgda”，总共经历了52个小区。在选定k阶模型后，根据最后两个访问的小区“da”使用PPM算法就可以计算出移动用户进入下个小区的概率分布，图4显示了对该小区列表分别使用k＝0，1和2阶模型后PPM算法操作的情况。下面以小区“b”、“c”、“d”说明概率的分布情况，在k＝0阶预测中，显而易见，在经过的52个小区中有8个“b”、5个“c”、10个“d”小区，那么0阶概率分别是：

$P_0\left(b\right)=\frac{8}{52}=0.154,$$P_0\left(c\right)=\frac{5}{52}=0.096,$$P_0\left(d\right)=\frac{10}{52}=0.192$

在k＝1阶预测中，在小区“a”后有5个“b”、2个“d”小区，那么1阶概率分别是：

$P_1\left(b\right|a)=\frac{5}{7}=0.714,$$P_1\left(c\right|a)=\frac{0}{7}=0,$$P_1\left(d\right|a)=\frac{2}{7}=0.286$

在k＝2阶预测中，在小区“da”后有2个“b”、2个“d”小区，那么2阶概率分别是：

$P_2\left(b\right|\mathrm{da})=\frac{2}{4}=0.5,$$P_2\left(c\right|\mathrm{da})=\frac{0}{4}=0,$$P_2\left(d\right|\mathrm{da})=\frac{2}{4}=0.5$

假定各阶预测的权值分别是w₀＝0.2，w₁＝0.3，w₂＝0.5，进行整合后概率分别是：

$p\left(b\right)=\underset{i=0}{\overset{2}{\Sigma }}{w}_i*p_i\left(b\right)=0.2*0.154+0.3*0.714+0.5*0.5=0.495$

$p\left(c\right)=\underset{i=0}{\overset{2}{\Sigma }}{w}_i*p_i\left(c\right)=0.2*0.096+0.3*0+0.5*0=0.019$

$p\left(d\right)=\underset{i=0}{\overset{2}{\Sigma }}{w}_i*p_i\left(d\right)=0.2*0.192+0.3*0.286+0.5*0.5=0.374$

以此类推，就能获所有经历过的小区的概率分布。考虑用户的活动性，可根据小区驻留时间，信道占用时间等信息对各小区的概率继续进行加权调整，权值可以自行设计，之后就能进行优先级的排序，概率最大的优先级最高，在进行小区选择时优先考虑高优先级的小区。

五、实现考虑

虽然移动微处理器取得了极大的发展，但移动终端设备的处理能力有限，在实现时，为了减少存储器使用空间和计算复杂度，需要限制该数据结构的大小。移动预测方案需要维护一棵概率统计树，一个重要的问题是这个模型如何实现，有许多方法来实现这个树，一个简单的方法是为树中的每个节点创建一个指针数组，每个字符有一个计数器和一个指针。对于小区路径和信息的存储设备，最简单的就是设置该结构的上限M，当到达这个上限时，该结构被刷新和重建；另外最新最少使用(LRU，least-recently-used)策略可更加有效的控制该结构的大小。

本发明关注利用存储的小区信息优化小区选择过程，根据人类活动的客观规律，把移动台在一定周期内已经驻留过的小区存入一个数据库中，形成一个已驻留的历史小区列表，并且采用移动预测算法进行概率排序，根据概率排序优先级形成一个待测小区列表供测量实体进行测量。这样就可以很快地测得待测小区的公共导频信道的信号码片能量和信号信噪比，如果信号码片能量以及信号信噪比能满足解码系统信息的基本要求，则用测得的公共导频信道中的主扰码去配置小区下行广播信道，获得系统信息，根据系统信息做出小区驻扎评估，如果满足要求，则成功驻扎上这个小区，进入正常驻扎状态，注意这个小区不一定信号最好的小区，但一定是信号质量能满足驻扎要求的小区。本发明体现在进一步对小区历史列表信息利用概率进行过滤排序，进一步缩小测量实体的测量范围，减少小区驻扎尝试次数，也就更缩短了小区驻扎时间。

再请参阅图1所示，使用上述方法实现基于移动性的小区选择过程包括以下步骤：

1、小区选择触发——由于用户开机，或从连接态回到空闲态，以及网侧的请求都可以发生小区选择。

2、移动性预测——通过对用户运动的历史路径信息的研究，采用PPM预测算法对路径进行分解和概率计算，得出用户下一个位置小区的概率分布。之后根据配置的条件进行概率调整，最终获得包含有概率信息的小区列表。参阅图2所示移动性预测的具体步骤如下：

(1)特征提取——从小区历史路径存储器中取得用户的历史路径信息即小区列表信息，这个小区列表可以用一个符号序列来表示，如a，b，c，......，x表示在一定时间内用户曾经按顺序在小区a，b，c，......，x中驻扎过，此时仅关注所访问的小区标识。

(2)PPM算法分解——对提取的小区路径特征根据上面介绍的移动预测方案进行概率计算，得到各小区的概率分布p(a)，p(b)，…，p(x)。

(3)权值调整——根据配置条件采用权值方式进行概率调整。如考虑用户在特定小区中的活跃程度进行调整，在该小区中的驻留时间或信道占用时间较长则表明用户在该小区中相对活跃，那么可以适当的提高权值，假设各小区的权值分别为w_a，w_b，…，w_x，那么调整后概率分布是：

p′(a)＝p(a)*w_a

p′(b)＝p(b)*w_b

      .

      .

      .

p′(x)＝p(x)*w_x

(4)按优先级排序的待测小区列表——根据最终调整后的概率分布进行从大到小进行排序，概率最大的小区认为优先级最高。

3、待测小区列表——根据移动性预测结果和小区标识，从小区信息数据库中获取小区的信息，主要是小区的绝对无线频道号和主扰码。

4、测量——对于通用移动通讯系统频分双工模式来说，小区选择的测量实体主要完成对公共导频信道的信道质量和信号强度的测量以及得到公共导频信道的扰码。测量实体首先应该在主同步信道上进行时隙同步，然后在辅同步信道上实现帧同步并得到本小区的扰码组，再利用扰码组和公共导频信道进行相关性匹配，找到相关性最大的扰码，也就是这个小区的扰码。同时测出公共导频信道的信号信噪比以及信号码片能量。

5、阈值判断——根据经验分析，如果信号码片能量或者是信道信噪比高于某个门限值，说明信号质量满足小区驻扎的要求，可以进行广播信道配置操作；反之，可能是由于干扰太大或者是解扩后信号太弱而无法同步到广播信道上，则转到第8步。注意这个门限值可自行设计。

6、广播信道配置——利用测量过程中的信道同步信息，同步到广播信道上，如果同步成功，则转第7步开始接收系统信息；如果不成功则转到第8步。

7、系统信息评估，在一定的时间范围内，接收必要的系统消息，然后针对小区驻扎要求结合测量实体测得的信号码片能量和信号信噪比以及系统信息中的参数进行评估，评估分为两种，一是正常小区驻扎的评估，二是任意小区驻扎的评估。对于正常小区驻扎要求来说，小区必须满足小区所属的接入网类型和非接入层指定的核心网类型兼容，小区所属的公共陆地移动网络在非接入层指定的公共陆地移动网络列表之内，小区并不是禁止小区，小区所属的位置区并不在非接入层维护的禁止位置区列表内，小区信号质量满足规定标准这几个要求。对于任意小区驻扎的评估，则不用管非接入层对接入层执行小区选择过程的影响。如果评估不成功则转到第8步；成功则转第9步。

8、检查待测小区列表中是否还存在小区，如果待测列表中还有其他待测频点，则从待测列表中取出待测频点，转到第四步继续测量，如果待测列表中没有其他待测频点，则扩大为移动台所支持的所有频带的测量，把这些频带中的所有频点送入待测频点列表中，转到第4步继续测量。

9、小区驻扎成功，保存小区标识和小区信息到存储器中。

采用了上述的无线蜂窝网络中的移动台实现小区快速选择方法，由于其利用了人的活动的客观规律性进行移动性预测，并在一定的周期内移动台存储驻留过的小区列表并保存所驻留小区的信息，利用驻留过的历史小区列表信息采用相应的预测算法进行移动性预测，根据预测结果和对应的小区信息就可以很快地测得待测小区的公共导频信道的信号码片能量和信号信噪比，从而明显缩短了小区选择的等待时间，大幅度改善了用户体验，而且在很大程度上提高了通信服务质量，优化了网络资源和工作流程，而且过程简单方便快捷，工作性能稳定可靠，适用范围较为广泛。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。