人脑可根据先前经验和当前感知经验对模糊事件做出合理的判断，如进行语音识别、视觉分析和模式辨别等。利用人脑的这一优势，美国L.A.Zadeh 教授模仿人脑对不确定性概念判断的能力和利用经验进行推理的思维方式[147]，提出模糊集理论。经过进一步的研究，又提出了用模糊语言进行系统描述的方法，为模糊逻辑奠定了理论基础。在铁路通信中，通信场景复杂多变，同时信号传播过程中会受到阴影衰落和信道在高速场景下会发生突变，都会对信号接收产生复杂影响。在高铁场景下，无缝切换根据天线接收基站信号是否满足A3 事件进行切换触发，且没有对首天线接收目标eNB 信号强度与切换前尾天线接收源eNB 信号强度进行比较，可能造成切换后通信质量变差的情况。考虑到这一问题，本节提出基于模糊逻辑的无缝切换算法。为选择合适的切换时机，该算法将首天线接收目标eNB 信号强度、尾部天线接收源eNB 信号强度以及移动终端的位置作为模糊逻辑系统的输入，利用模糊逻辑系统推理出合适的切换迟滞门限值。
模糊逻辑是对模糊的、自然语言的表达和描述进行操作与利用。模糊逻辑系统如图8.19 所示，可分为四部分：模糊化模块、知识库模块、模糊推理模块和去模糊化模块。其各模块功能如下：
（1）模糊化模块：模糊推理需要的输入是模糊变量，而终端测量的信号值以及所在位置都是精确值，因此需要此模块将这些精确变量做离散化处理后，转变为模糊语言变量[147]。
（2）知识库模块：该模块包含了输入变量的模糊隶属度函数，用于刻画输入变量对模糊语言集合元素的隶属程度，通过隶属度函数曲线描述精确变量对模糊集合元素的相关强度。另外，此模块还包含模糊规则，模糊规则本质是模糊系统输入和输出的二元模糊关系，就是当输入某个模糊变量集则系统输出特定输出值。
（3）模糊推理模块：此模块是模糊逻辑系统的核心，推理机制是评估模糊输入集与每条模糊规则的相关度，然后综合相关度得到一个模糊集合。(www.xing528.com)
（4）去模糊化集合：本节要利用模糊逻辑系统输出确定的切换迟滞门限值，而模糊推理的结果是模糊集合，这就需使用去模糊化方法对推理结果进行去模糊化，本节选择使用最大隶属度函数法。
图8.19 模糊逻辑系统结构图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
