Ericssion的切换算法研究后的整理
Ericssion的切换算法说明
爱立信切换算法说明1爱立信切换算法概述爱立信网络的切换分为以下几种类型：切换类型有：1、更好小区切换a、往低层切换（即优先级更高）的切换b、在同层间的更好小区切换（切换主要基于信号强度大小）c、往高层切换（即优先级更低）的切换2、紧急切换a、质量差紧急切换(质量差紧急切换时，只用基本排序中的队列进行切换，不进行网络和分层网的调整）b、TA过远紧急切换3、O/U同心圆的切换(Overlaid/Underlaid subcell change)4、小区内切换(Intra-cell)5、快速移动的处理6、负荷分担(Cell Load Sharing)Ericssion切换算法的核心是“更好小区切换”，也就是往比服务小区更好的邻小区进行切换。
没有所谓的电平触发门限，也没有边缘切换的概念。
更好小区是相对于服务小区来说的，在K算法中，更好的定义由参数KHYST来定义，KHYST一般定义3－5dB,说明更好小区是比服务小区信号高3－5dB的小区，当更好小区始终排在服务区前面持续4-5秒钟后，即发生更好小区切换，其中4-5秒钟时间是系统设定的，在参数配置中不能修改时间长度。
因为移动通信网络结构的日益复杂，双频网络的引入，在更好小区切换中引入了分层设置的概念，该概念是基于网络覆盖的分层覆盖。
在一个大城市移动网络中，一般会有三种不同类型的小区，一种是大宏蜂窝小区，用于大面积的室外全覆盖（900M宏蜂窝小区），一种是小宏蜂窝小区，用于热点区域的话务吸收覆盖用（1800M宏蜂窝小区），一种是微蜂窝小区，用于室内覆盖用。
Ericssion针对该网络结构，设计了分层网络概念，不同的层拥有不同的优先级，在不同层间的切换有单独的参数控制。
分层网络中，layer1的优先级最高，为微蜂窝，layer2为次，主要是1800M 宏蜂窝小区，layer3优先级最低，为900M宏蜂窝小区。
层间切换门限由以下参数定义：LAYERTHR和LAYERHYST。
reshaping算法学习
Ecognition之Remove Objects算法讲解一、基本介绍：合并图像对象域中的图像对象。
每个图像对象被合并到具有最大公共边界的相邻图像对象中。
该算法对去除细小破碎对象特别有帮助。
二、理论学习：该算法对于消除杂乱特别有帮助可以选择形状合并或是颜色合并。
形状合并的默认设置，意味着它要合并到与他共享最长边界的图像对象中，同时还可以设置最小公共边界阈值。
另一种是通过颜色合并，可以通过颜色阈值控制合并效果只有色差值小于阈值才会对其进行合并。
三、举例说明：图1现在我们想通过像素块的面积大小来优化黄色对象，例如将像素块小于等于4的对象转为灰色类对象。
那么就可以像以下操作：图2得到如下效果图：图3如果情况稍微复杂一点多了一个橙色类，并且我们的目标类为橙色和灰色对象，现在本文希望将像素块小于等于10的黄色对象合并为灰色或橙色对象：图4具体如何操作与图2类似只需要修改像素面积和目标类。
其结果如下：图5虽然我们的目标类是灰色和橙色但是被圈出来的区域仍然被合并到了灰色其原因在于灰色对象与黄色对象共享边界更多。
但是如果我们将形状修改为颜色，结果看起来就会有所不同。
图6其原因在于从光谱信息上来看黄色与橙色更加的接近。
图7如果我们想合并小于等于10像素的黄色类到橙色类中这种情况是不成立的，因为上图中黄色类和橙色类是没有邻接关系的。
四、实例练习此处以成都市2020年30m遥感影像局部截图为例。
图8 分类体系与结果如下：图91、基于形状合并可以看到部分不透水地面内存有少量农用地，现在我们希望将面积小于等于10个像素块的农用地合并到不透水面中，此时我们就可以利用remove object算法。
具体步骤如下：图10图11可以清晰的看到面积小于10个像素块的农田被合并到了不透水面（具有最大邻接边）当中。
2、基于颜色合并以上算法基于形状，那么我们看看基于颜色阈值会有什么不同的地方。
图12图13执行算法后可以发现小块的1个像素块的农用地合并为了不透水面，稍大且与其他类邻近的农用地合并为了其他类，其原因在于光谱的相似性更强。
重构替换算法 -回复
重构替换算法-回复什么是重构替换算法？重构替换算法（Refactoring Replacement Algorithm）是一种在软件工程中常用的技术，用于改进代码的设计、可读性和可维护性。
通过使用重构技术，开发人员可以对现有的代码进行调整和修改，以提高代码的质量和性能。
当开发人员在开发或维护一个软件系统时，他们经常会遇到需要修改现有代码的情况，如修复bug、优化性能、添加新功能等。
而重构替换算法就是一种可以帮助解决这些问题的方法。
重构替换算法的核心原则是“不改变代码的功能”，也就是说，通过重构替换算法修改的代码在功能上应该与原来的代码保持一致。
这样做的目的是避免引入新的错误或导致现有的代码无法正常工作。
重构替换算法可以应用于各种编程语言和开发环境中。
在实际应用中，开发人员通常会结合使用一些常见的重构技术，如提取方法、内联方法、转移函数等，来实现代码的重构和替换。
下面将以一个示例来详细介绍重构替换算法的过程。
假设我们有一个简单的函数，用于计算一个整数数组的平均值。
现在我们要重构这个函数，将其优化为使用另一种更高效的算法来计算平均值。
pythondef calculate_average(numbers):sum = 0count = len(numbers)for number in numbers:sum += numberaverage = sum / countreturn average首先，我们需要分析原有代码的问题和需要改进的地方。
在这个例子中，原有代码的问题是它使用了一个循环来逐个累加数组中的元素，并且使用一个额外的变量来保存数组的长度。
这种算法在处理大型数组时可能效率较低。
接下来，我们可以使用一个更高效的算法来替换原有的代码。
在本例中，我们可以使用内置函数`sum()`来计算数组元素的总和，这样可以避免使用循环。
同时，我们可以使用`len()`函数来计算数组的长度，从而避免使用额外的变量。
克鲁斯卡尔算法的原理 -回复
克鲁斯卡尔算法的原理-回复克鲁斯卡尔算法是一种用于解决最小生成树（Minimum Spanning Tree，简称MST）问题的贪婪算法。
在图论中，最小生成树是图的所有顶点连接形成的一棵树，该树的所有边的权重之和最小。
克鲁斯卡尔算法的主要原理是通过不断选择图的最小权重边，逐步构建最小生成树。
重复以下步骤直到形成最小生成树：1. 创建一个空集合，用于存储最小生成树的边。
2. 对图的所有边按照权重进行排序。
3. 从最小权重的边开始，逐个考虑每条边：a. 如果将该边添加到最小生成树中不会形成环路，则将其添加到最小生成树的边集合中。
b. 如果该边会形成环路，则放弃该边并考虑下一条边。
4. 重复步骤3直到最小生成树的边集合包含了图的所有顶点，即所有顶点都被连接。
下面我们逐一解析克鲁斯卡尔算法的原理步骤。
步骤1：创建一个空集合，用于存储最小生成树的边。
这个集合被称为最小生成树的边集合。
开始时，它是一个空集合，没有任何边。
步骤2：对图的所有边按照权重进行排序。
对图中的所有的边按照权重进行升序排列。
这样可以保证在后续步骤中，我们总是选择最小权重的边。
步骤3.1：从最小权重的边开始，逐个考虑每条边。
从排序后的边集合中，选择权重最小的边开始考虑。
步骤3.2：如果将该边添加到最小生成树中不会形成环路，则将其添加到最小生成树的边集合中。
为了判断是否会形成环路，我们可以使用并查集数据结构。
并查集可以帮助我们快速判断两个顶点是否属于同一个连通分量。
如果两个端点属于同一个连通分量，则添加这条边会形成环路，所以我们需要放弃这条边。
如果两个端点不属于同一个连通分量，我们可以将这条边添加到最小生成树的边集合中，并合并两个连通分量。
步骤3.3：如果该边会形成环路，则放弃该边并考虑下一条边。
如果判断添加该边会形成环路，则放弃这条边，考虑下一条边。
步骤4：重复步骤3直到最小生成树的边集合包含了图的所有顶点。
重复进行步骤3，直到最小生成树的边集合中包含了图的所有顶点。
ERICSSON 3算法简介
爱立信算法的应用摘要：本文介绍了在LOCATING过程中处理基本排队时所用到的一种算法—ERICSSON 3算法，探讨了通过该算法控制切换的方法。
（只涉及爱立信设备）关键词：切换 LOCATING ERICSSON 1 ERICSSON 3 优化1、引言随着移动通信的迅速发展，运营商之间的竞争也越来越激烈，手机用户对网络质量的不满甚至投诉，导致运营商可能收入的流失，而竞争对手的存在会导致手机用户的脱离，导致该部分收入的永久流失，激烈的竞争将对终端用户的服务质量推到了最前线。
在所有的无线因素中，切换偷帧严重影响到SQI及PESQ指标，换句话说，切换将影响到用户感知。
但是切换又是保持接续和保持较好的通信链路所必须的，所以优化的重点是减少一些不必要的强信号切换，这里所谓的不必要的强信号切换是指原本在服务小区就能提供较好的服务水平，但是由于存在几个和服务小区接收信号强度相当或者略大于服务小区的邻区，而这时如果发生了切换，则可以认为此次切换是多余的切换。
如果频繁发生此类的切换，将严重影响到用户感知，所以必须尽可能避免此类情况发生，此时，ERICSSON 3算法将会有它的用武之地。
ERICSSON 3并不是GSM规范算法，而是爱立信公司在R7开始自发研究的一套定位算法，其设计思想是减少一些不必要的强信号切换，从而减少总切换数、减少切换掉话。
通过对此算法长时间的研究，笔者总结出一些应用经验，总结如下文。
2、ERICSSON 3算法简介切换是蜂窝移动网络的特点之一，因此也是移动网络优化的重点，是保证服务质量的重要环节。
切换可以被认为是蜂窝通信中最复杂和最重要的过程，移动台的运动或附近环境的变化，导致了由衰落、障碍物和干扰引起的信号变化，这就是启动切换的主要原因。
切换无疑是呼叫期间处理的最关键性的过程，它用于保证无线资源在相同小区内变化（小区内切换），或在两个小区间变换（小区间切换），或者在同一MSC内或者不同MSC之间变换时的连续性。
K―means算法及其改进算法共4页
K―means算法及其改进算法0引言聚类分析是指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。
它是一种重要的数据挖掘技术，是分析数据并从中发现有用信息的一种有效手段，被广泛应用在商业、生物、地理、保险业、因特网等方面。
作为统计学的一个分支和一种无监督的学习方法，聚类从数学分析的角度提供了一种准确、细致的分析工具。
1 K-means算法K-means算法首先随机地在N个对象中选取k个数，作为初始聚类中心（即把N个对象分为k个簇），采用距离作为相似性的评价指标，认为两个对象的距离越近，其相似度就越大。
相似度通过一个簇中对象的平均值来计算。
然后按最小距离原则将N个对象划分到不同的簇中。
最后不断迭代计算聚类中心和调整各对象的类别，最终使每个对象到其判属的聚类中心的距离的平方和最小。
步骤如下：（1）在N个对象中随机地选取k个数作为初始聚类中心，即c1…ck；（2）将N个对象按最小距离原则找到离它最近的聚类中心ci，并将其划分到ci所标明的簇中；（3）计算每个簇中对象的均值，并且该均值作为该簇新的聚类中心；（4）重复（2）―（3）步，直到没有对象或很少的对象被分配到不同的簇中。
2改进的K-means算法2.1 K-means++算法K-means++算法相较于K-means算法的不同之处是在对初始聚类中心的选取上，不同于K-means的随机选取，K-means++只有第一个初始聚类中心是随机选取的，其余k-1个则是根据一定的概率来有目地选择初始聚类中心。
比传统的K-means算法在速度和精确性上都有了显著地提高。
步骤如下：（1）在N个对象中随机地选取1个数作为初始聚类中心，即c1；（2）以概率P继续在N个对象中随机地选取新的数作为下一个初始聚类中心，即ci；其中，P为选取新的聚类中心的概率：p=D（x）2/D（x）2式中，D（x）表示一个对象到已经选择好的初始聚类中心的最小距离；（3）重复步骤（2）直到选择到k个初始聚类中心；（4）同K-means算法步骤（2）―（4）；2.2基于均衡化评价函数的K-means改进算法由上式，可以看出不需要事先给定k值而自动生成聚类的数目，为实际应用提供了很大的便利。
莱文斯坦因算法
莱文斯坦因算法
莱文斯坦因算法，也被称为编辑距离（Edit Distance），是一种用来计算两个字串之间，通过替换、插入、删除等操作将一个字符串转换成另一个字符串所需的最少操作次数的算法。
这个概念由俄罗斯科学家弗拉基米尔·莱文斯坦（Levenshtein）于1965年提出。
算法过程如下：
1. 如果其中一个字符串为空，则返回另一个字符串的长度。
如果两个字符串都不为空，则初始化一个(n+1) x (m+1)的矩阵d，其中n和m分别是两个字符串的长度。
矩阵的第一个行和列的值从0开始增长。
2. 扫描两个字符串，对于每个位置(i, j)，如果str1[i]等于str2[j]，则temp设置为0；否则temp设置为1。
然后矩阵点d[i, j]等于min(d[i-1, j]+1, d[i, j-1]+1, d[i-1, j-1]+temp)。
其中d[i-1, j]+1表示增加操作，d[i, j-1]+1表示删除操作，d[i-1, j-1]+temp 表示替换操作。
3. 扫描完后，返回矩阵的最后一个值d[n][m]，它就是两个字符串的最小编辑距离。
这个算法在自然语言处理、数据挖掘、信息检索等领域有广泛的应用，比如拼写检查、翻译、基因序列分析等。
d i s t a n c e 算 法 小 结
18种和“距离(distance)”、“相似度(similarity)”相关的量的小结在计算机人工智能领域，距离(distance)、相似度(similarity)是经常出现的基本概念，它们在自然语言处理、计算机视觉等子领域有重要的应用，而这些概念又大多源于数学领域的度量(metric)、测度(measure)等概念。
?这里拮取其中18种做下小结备忘，也借机熟悉markdown的数学公式语法。
常见的距离算法和相似度（相关系数）计算方法1.常见的距离算法1.1欧几里得距离（Euclidean?Distance）以及欧式距离的标准化（Standardized Euclidean distance）1.2马哈拉诺比斯距离（Mahalanobis?Distance）1.3曼哈顿距离（Manhattan?Distance）1.4切比雪夫距离（Chebyshev?Distance）1.5明可夫斯基距离（Minkowski?Distance）1.6海明距离（Hamming distance）2.常见的相似度（系数）算法2.1余弦相似度（Cosine?Similarity）以及调整余弦相似度（Adjusted?Cosine?Similarity）2.2皮尔森相关系数（Pearson?Correlation?Coefficient）2.3Jaccard相似系数（Jaccard?Coefficient）2.4Tanimoto系数（广义Jaccard相似系数）2.5对数似然相似度-对数似然相似率2.6互信息-信息增益，相对熵-KL散度2.7信息检索--词频-逆文档频率（TF-IDF）2.8词对相似度--点间互信息3.距离算法与相似度算法的选择（对比）1.常见的距离算法1.1欧几里得距离（Euclidean?Distance）公式：标准欧氏距离的思路：现将各个维度的数据进行标准化：标准化后的值?=?(?标准化前的值?－?分量的均值?)?-分量的标准差，然后计算欧式距离欧式距离的标准化（Standardized Euclidean distance）公式：1.2马哈拉诺比斯距离（Mahalanobis?Distance）公式：关系：若协方差矩阵是对角矩阵，公式变成了标准化欧氏距离；如果去掉马氏距离中的协方差矩阵，就退化为欧氏距离。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
目录（后附切换原理）1、Ericssion双频切换特点概述第 2 页，共16页2、Ericssion 切换算法排序的具体实现第 3 页，共16页2.1、基本排序Basic ranking 第 3 页，共16页2.1.1Ericssion 两种算法排序的共同点第 3 页，共16页2.2排序的分类第 4 页，共16页2.2.1Ericssion 1号算法第 4 页，共16页2.2.2、Ericssion 3 号算法第 5 页，共16页2.3排序过程中根据网络功能进行排序的调整第 5 页，共16页2.3.1组织排序列表第 5 页，共16页3、切换类型和判决条件第 12 页，共16页3.1切换类型第 13 页，共16页3.2各种切换类型的判决条件第 13 页，共16页3.2.1紧急切换(BQ和TA) 第 13 页，共16页3.2.2小区内切换第 14 页，共16页3.2.3快速移动的切换第 14 页，共16页3.2.4同心圆的切换第 15 页，共16页（Overlaid/Underlaid subcell change) 第 15 页，共16页3.2.5负荷分担第 16 页，共16页Ericssion的切换算法研究后的整理1、Ericssion双频切换特点概述Ericssion的双频网分为3层，绝对分层为layer1，layer2，layer3。
其中layer1的优先级最高，为1800或者微蜂窝，layer2为900M 的宏蜂窝，layer3为伞状蜂窝。
Ericssion的切换算法的核心是往更好小区切换，也就是在排序中排在最前面的小区切换，没有所谓的电平触发门限，也没有边缘切换的概念。
当最好小区始终排在服务区前面持续4-5秒钟后，即发生更好小区切换，其中4-5秒钟时间是系统设定的，在参数配置中不能修改时间长度。
切换类型有：1、普通更好小区切换中有3种各为a、往低层切换（即优先级更高）的切换b、在同层间的更好小区切换c、往高层切换（即优先级更低）的切换2、紧急切换a、BQ(质量差紧急切换时，只用基本排序中的队列进行切换，不进行网络和分层网的调整）b、TA3、O/U同心圆的切换(Overlaid/Underlaid subcell change)4、小区内切换(Intra-cell)5、快速移动的处理6、负荷分担(Cell Load Sharing)从以上可以看出各个切换类型的触发条件分别如下：1、更好小区持续5秒钟2、TA、BQ3、同心圆中的改变4、由于干扰引起小区内切换、5、快速移动时切换到宏小区、6、负荷过大时采用负荷分担切换（具体触发条件在后面有更详细的描述）排序原则：1、Ericssion 1号算法是根据路径损耗和接收电平进行K、L排序2、Ericssion 3号算法只是根据接收电平进行排序2、Ericssion 切换算法排序的具体实现图1 切换执行的过程2.1、基本排序Basic ranking2.1.1Ericssion 两种算法排序的共同点 有二种类型，通过参数EVALTYPE(Evaluation type )来设定，当EVALTYPE =1时采用路径损耗和接收电平做为排序的原则，比较复杂。
当EVALTYPE =3时只采用接收电平做为排序的准则，比较简单，目前网上都是采用这种算法进行基本排序。
两种算法的共同点：1）、 对基站TCH 输出功率的校正2）、 用最小允许接收电平来对小区进行初步的裁剪，把不满足最小允许接收电平的小区去掉。
必须满足MSRXMIN n(Lower limit of signal strength in MS )和BSRXMIN(Lower limit of signal strength )n. SS_DOWNn>=MSRXMIN 和 SS_UPn>=BSRXMIN3）、有信号电平惩罚的进行信号电平的惩罚，相当于信号电平减去一个惩罚值。
P_SS_DOWNn=SS_DOWNp-LOC_PENALTYp-HCS_PENALTYp 其中p 为被惩罚的小区LOC_PENALTYp 是指Handover fail 、Bad quality urgency handover 、Excessive timing advance urgency handoverHCS_PENALTYp 是指当手机在宏蜂窝上移动时，对进入的微蜂窝小区有一个惩罚值，防止微蜂窝小区进入排序，导致在宏蜂窝上快速移动时会切入微蜂窝。
2.2排序的分类2.2.1Ericssion 1号算法图2 Ericssion 算法1的流程• Ericssion 1号 算法首先把信号电平高的和信号电平低的分离开来；邻近小区不满足足够电平（Sufficient level condition)的被认为是K 小区，排序时按照信号电平进行排序，满足足够电平的被认为是L 小区，排序时按照路径损耗进行排序。
• Sufficient level conditions 的定义 有二个参数MSRXSUFF(Sufficient signal strength in MS )和BSRXSUFF(Sufficient signal strength )做为Threshold 。
M 准则低于其中一个就不进入排序K-算法L-算法其中TROFFSET(Signal strength negative or positive offset when transitionbetween K-cells and L-cells)和TRHYST(Signal strength hysteresis in dB when transition between K- andL-cells)一个做为偏移，另外一个做为磁滞来调节。
因为不用此类基本排序算法，具体从略2.2.2、Ericssion 3 号算法Ericssion 3号算法比 1号简单，除了与 1 号算法相同的3个步骤外，它只采用接收信号电平进行排序而不考虑路径损耗。
2.2.2.1排序中所用的参数OFFSETn(Signal strength negative offset in dB when evaluating cells with Ericsson3 algorithm)、HYSTEP、LOHYST(Signal strength hysteresis in dB when evaluating low signal strength cells)、HIHYST(Signal strength hysteresis in dB when evaluating high signal strength cells)。
当邻区的接收电平高于服务小区，更大的磁滞HIHYST被采用，当邻区的接收电平低于服务小区时，更小的磁滞LOHYST被采用。
RANKs=SS_DOWNsRANKn=p_SS_DOWNn-OFFSETn-HYSTn排序后的结果如下：2.3排序过程中根据网络功能进行排序的调整2.3.1组织排序列表经过基本排序后，小区按照双频网中的HCS(Hierarchical Cell Structure)的结构进行重新调整。
所有的小区均被划分为11种HCS的类别，如果几个小区在同一类别中再按照基本排序中的顺序进行排列。
分类：•服务小区s--指服务小区•邻近小区1 Layer1-3,分为1-3层，其中层1的优先级最高2 在基本排序中比服务小区高或低b(Better)serving cell with higher rankingw(Worse)serving cell with lower ranking3 信号强度高于或低于层间改变门限o(Over) 表示层间门限已满足u(Under)表示层间门限不满足4 对于层1和层2的每一个小区，有一个层间切换门限(LEVTHR)和磁滞（LEVHYST)，对层3的小区没有层间门限和磁滞的设定。
5 对于服务小区，LEVTHR-LEVHYST，用来判断服务小区是否高于层间的门限，后面的综合排序做准备对邻近小区，LEVTHR+LEVHYST，用来判断邻近小区是否高于层间门限，为后面的综合排序做准备最后通过与层间门限与服务小区的比较，得到如下的一张表格。
相当于把每个小区都划分成其中的一类，同一类中的小区按照基本排序中的顺序排列，而其中类别的排序结果则依赖于以下的几种情况：• 服务小区属于哪一层• 服务小区的信号强度是否高于或低于LEVTHR-LEVHYST • 如果分配请求达到时，分配到更差小区是否允许 • 是否过大的TA 检测到 • 是否有小区内切换请求• Overlaid/Underlaid subcell change(同心圆之间的小区变化）Layer1+++SLayer2Layer31、当服务小区在Layer 1，且信号电平高于门限时，类别排序如下对上述情况的总结：1）、当没有直接重试请求、TA、O/U、Intra-cell handover request时属于正常切换；也就是说，当服务小区在层1且信号高于层间门限时，肯定不会切换到层2上去，只会在同层1更好小区间切换，并且只会切换到比服务小区信号电平更好同时也是高于自己层间切换门限的一个小区1bo。
----12）、当服务小区在层1且信号高于层间门限时，并且有Intra-cell Handover request 和Overlaid/Underlaid 的小区改变时，由于O/U的优先级比较高，因此会发生O/U的切换，会切换到并且只会切换到比服务小区信号电平更好同时也是高于自己层间切换门限的一个小区1bo或者自己服务小区。
----2，3，4.3）当服务小区在层1且信号高于层间门限时，并且有过大的TA紧急切换时，它的排序小区首先发生TA紧急切换，侯选小区的排序是1bo,1wo,2bo,2wo,3b,3w,2bu,2wu,1bu,1wu,s；也就是说首先切换到层间门限满足的小区，排序时先排层间门限满足的小区，再排层间门限没有满足的小区并且层2的排在层1的前面。
-----5，6，7，84） 9-10相当于有分配请求时包括如直接重试、重试到更好小区或更差小区，并且分配到更差小区(AW)功能没有打开时，它的排序是1bo，s，1bu。
也就是会只指配到层1的小区。
2、服务小区在层1，而它的信号强度低于它的门限值上述排序原则分析如下：当服务小区在层1且信号电平低于门限值时，切换到更高层就被允许了。
正常切换时，1bo，2bo,3b,2bu,1bu3、服务小区在层2，而它的信号强度高于它的门限值4、服务小区在层2，而它的信号强度低于它的门限值5、服务小区在层3总结对正常切换时的侯选小区排序原则：服务小区在层1，且高于层间门限1bo服务小区在层1，且低于层间门限1bo,2bo,3b,2bu,1bu服务小区在层2，且高于层间门限1bo,1wo,2bo,1bu服务小区在层2，且低于层间门限1bo,1wo,2bo,3b,2bu,1bu服务小区在层3 1bo,1wo,2bo,2wo,3b,2bu,1bu1、如果在层1而电平低于本层间门限（-80dBm），就会首先在同层里寻找更好小区1bo；然后引导往高层切换2bo；2、如果在层2而电平高于本层门限，就会首先在层1里面找层1中高于层间门限的小区而不管电平是否比服务小区更好1bo,1wo。