移动预测对提高无线网络的服务质量等有着非常重要的作用,已经成为一个比较重要和热门的研究方向。本文的主要研究内容包括:(1)提出了一个基于EM算法的混合Markov模型,在基本不降低移动预测精度的前提下,解决了高阶Markov模型存在的状态空间膨胀问题;(2)将BP神经网络和Elman神经网络用于移动预测,并通过引入输出反馈改进Elman神经网络,提高了Elman神经网络的移动预测精度;(3)将数据挖掘引入到移动预测领域,提出了基本挖掘算法和增量挖掘算法,通过挖掘和匹配常见移动模式,实现了较高精度的移动预测,避免了对移动轨迹的建模问题;(4)提出了一个用于移动预测的隐Markov模型,将移动用户的出行意图作为一个状态变量加入模型,并建立了基于该隐Markov模型的预测算法;(5)利用移动预测信息,提出了对WLAN中MAC层切换算法的改进,缩短了MAC层切换的信道扫描延迟,对提高WLAN中无线应用的服务质量有比较重要的作用。