利用移动用户常访位置进行追踪的优化方案

### 利用移动用户常访位置进行追踪的优化方案 #### 1. 引言 在无线通信系统中，定位移动用户是一项重要任务。传统的基本HLR/VLR定位方案在定位被叫用户时效率较低。当呼叫用户B时，通常先搜索用户A常访问的路由区域（RAs），若未找到A，则搜索A的归属位置寄存器（HLR）以获取其当前位置。然而，维护的常访位置数量m存在一个平衡问题：若m过大，当在记录的RAs中未找到移动用户时会产生过多开销；若m过小，仅使用少量RAs成功定位被叫用户的机会低，很可能需借助HLR定位，导致定位成本仍然较高。因此，我们的目标是找到应维护的最佳RAs数量，以最小化平均定位成本。 #### 2. 常访位置优先（FVLF）方案 我们使用一个名为FVL（常访位置）的表来维护移动用户（MU）的常访位置信息。该表包含两列，第一列存储常被其他用户呼叫的移动用户（被叫用户）的ID，第二列存储移动用户常访问的RAs，且每个条目的RAs按移动用户出现在特定RA的概率降序保存。每个拜访位置寄存器（VLR）为该注册区域内常被呼叫的MU维护这样一个表。 当MU i被呼叫时，FVLF方案的具体步骤如下： 1. 若MU i未在FVL表中找到，执行步骤6；否则，继续以下操作。 2. 将FVL表中MU i的常访位置复制到列表PossibleRA。 3. 若PossibleRA列表为空，转到步骤6；否则，选择列表中当前找到MU i概率最高的第一个RA，记为RA if。 4. 移动交换中心（MSC）向RA if数据库发送请求以定位MU i。 5. 若RA if成功定位MU i，其MSC向呼叫者的MSC确认并建立连接，协议停止；否则，从PossibleRA中移除RA if，返回步骤3。 6. 采用基本HLR/VLR定位方案定位MU i。 该方案的流程可用以下mermaid流程图表示： ```mermaid graph TD; A[MU i被呼叫] --> B{MU i在FVL表中?}; B -- 否 --> F[采用基本HLR/VLR方案]; B -- 是 --> C[复制常访位置到PossibleRA]; C --> D{PossibleRA列表为空?}; D -- 是 --> F; D -- 否 --> E[选择RA if并发送请求]; E --> G{RA if成功定位MU i?}; G -- 是 --> H[确认并建立连接]; G -- 否 --> I[移除RA if]; I --> E; ``` 如果被叫用户出现在其常访位置的可能性较高，例如为0.8，那么很有可能在不访问被叫用户HLR的情况下定位到该用户，从而避免高额的定位成本。然而，PossibleRA列表过长，若无法通过预存的RAs定位到被叫用户，开销将显著增加；列表过短，成功定位被叫用户的可能性低，定位成本可能仍然较高。因此，预存RAs列表应存在一个最佳长度，使定位成本最小化。 #### 3. 成本模型 为简化研究，研究人员通常将HLR和VLR之间的通信建模为两种成本：C h（从VLR向HLR发送请求的平均成本）和C v（从VLR向另一个VLR发送请求的平均成本）。不同的HLR和VLR与通信网络硬件的关联在方案设计中简单地视为C h/C v的不同比例。 成本模型中使用的参数如下表所示： | 符号 | 含义 | | ---- | ---- | | C Basic | 基本HLR/VLR定位方案的预期成本 | | C FVLF | FVLF方案的预期成本 | | C h | 从VLR向HLR发送请求的平均成本 | | C v | 从VLR向另一个VLR发送请求的平均成本 | | D h | 在HLR数据库中搜索用户配置文件的平均成本 | | D v | 在VLR数据库中搜索用户配置文件的平均成本 | | n | 呼叫者的MSC已知的MU的位置数量 | | m | 预存的RAs数量 | | m opt | 预存的RAs的最佳数量 | | P i | 使用PossibleRA列表中第i个预存RA找到被叫用户的概率 | | π | MSC在n个RAs中定位到MU的总概率 | 基本HLR/VLR定位方案的定位成本为： \[C_{Basic} = 4 \cdot C_{h} + D_{h} + D_{v}\] FVLF方案的预期定位成本为： \[C_{FVLF} =