CN101064952A - 异构无线网络中的分布式无线资源管理系统和方法 - Google Patents

Abstract

本发明提供一种在异构系统中的无线接入网络之间管理无线资源的方法，包括步骤：异构系统中的无线网络向其覆盖范围内的移动终端广播接入信息；移动终端在接收到无线网络广播的接入信息后，根据所述移动终端的网络选择算法选取一个最优的无线网络来承载业务；无线网络实时地监控网络侧的收益，当无线网络的收益下降幅度超过预定的门限值时，所述无线网络触发调控算法，以调节所述无线网络的竞争系数。

Description

异构无线网络中的分布式无线资源管理系统和方法

技术领域

本发明涉及异构无线网络中的分布式无线资源管理系统和方法，特别是一种在异构网络(Heterogeneous Network)中融合用户侧的接入选择算法(Access Selection Algorithm)和网络侧的调控算法(Adjustment Algorithm)，基于种群竞争的分布式联合无线资源管理系统和方法，使无线网络能够依据运营状况动态地调整价格参数，从而能够影响用户接入网络的选择，并进而在一定条件下使网络运营商的收益最大化，同时还降低了用户的呼叫阻塞率。

背景技术

未来的B3G网络将是一个以异构性为特点的多种无线接入技术互相融合的复合网络环境。P.Magnusson，J.Lundsjo，J.Sachs，P.Wallentin发表的题为“Radio resource management distribution in a beyond 3G multi-radioaccess architecture”(参见Proc.GLOBECOM，vol.6，Nov.2004，pp.3472-3477)的文章，D.Cavalcanti，D.Agrawal，C.Cordeiro，B.Xie and A.Kumar发表的题为“Issues in integrating cellular networks WLANs，AND MANETs：a futuristic heterogeneous wireless network”(参见IEEE WirelessCommunications，vol.12，Jun.2005，pp.30-41)的文章，X.Yang，J.Bigham，L.Cuthbert发表的题为“Resource management for service providers inheterogeneous wireless networks”(参见IEEE Wireless Communications andNetworking Conference 2005，vol.3，Mar.2005，pp.1305-1310的文章，以及W.H.Zhang发表的题为“Bearer service allocation and pricing inheterogeneous wireless networks”(参见Proc.IEEE Int.Conf.Communication，May 2005，pp.1367-1371)的文章中对此做了描述。

一方面，不同的无线接入网络之间需要相互合作来满足各种业务需求。另一方面，每个网络都有各自的经济利益，这种利益上的冲突导致无线接入网络之间还是一种相互竞争的关系。P.Demestichas，V.Stavroulaki，发表的题为“Issues in introducing resource brokerage functionality in B3Gcomposite radio environments，”(参见IEEE Wireless Commun.Mag.，vol.11，Oct.2004，pp.32-40)的文章对此做了描述。在已有的一些对异构网络的研究中，只强调了异构网络间的合作关系而忽略了竞争关系。就目前针对异构网络的研究来看，多数的研究集中在讨论如何为用户选择一个最优的无线网络来承载相应的业务。这种纯从用户角度出发的接入网络的选择算法必然会将网络置于一种比较被动的位置。对于性能稍差一些的网络而言，可能会出现没有用户接入的情况。从网络的角度来看，如何最大化网络的收益是异构网络研究领域内一个需要重点研究的问题。其中，异构网络选择算法和网络侧的调控算法是与之相关的两个关键的技术。

网络选择算法是从用户的角度出发，综合评估各个无线接入网络的性能，进而选择最优的一个无线接入网络来承载业务。在现有的网络选择技术中，有些算法仅简单地考虑异构无线通信系统中不同网络之间相互比较的单个因素，例如，服务质量(QoS)，信号强度等，通过简单的比较进而确定最优的无线接入网络。例如，C.X.Guo，Z.H.Guo，Q.Zhang，W.W.Zhu发表的题为“A seamless and proactive end-to-end mobility solution forroaming across heterogeneous wireless networks，”(参见in IEEE J.Select.Areas Commun.，vol.22，June.2004，pp.834-848)的文章，和G.Fodor，A.Furuskar，and J.Lundsjo发表的题为“On access selection techniques inalways best connected networks”(参见ITC Specialist Seminar onPerformance Evaluation of Wireless and Mobile Systems，Aug.2004)的文章。目前，也有些算法利用一些数学方法综合考虑了多种不同的因素，例如，A.Majlesi，and B.H.Khalaj发表的题为“An adaptive fuzzy logic basedhandoff algorithm for interworking between WLANs and mobile networks”的文章(参见The 13th IEEE International Symposium on Personal，Indoor andMobile Radio Communications，vol.5，Sept.2002，pp.2446-2451)，R.Agusti，O.Salient，J.Perez-Romero，L.Giupponi发表的题为“A fuzzy-neural basedapproach for joint radio resource management in a beyond 3G framework”的文章(参见Proc.Int.Quality of Service in Heterogeneous Wired/WirelessNetworks，2004，pp.216-224)，和Q.Y.Song，A.Jamalipour发表的题为“Network selection in an integrated wireless LAN and UMTS environmentusing mathematical modeling and computing techniques(AHP)的”文章(参见IEEE Wireless Communications，vol.12，June.2005，pp.42-48)中公开了一些综合考虑多种不同的因素来进行网络选择的方法。这些数学方法包括：例如，模糊逻辑(Fuzzy Logic)、层次分析法(Analysis Hierarchy Processing)等，通过一系列相对复杂的操作来比较两个网络中多方面的因素，进而获得一个最优的无线接入网络。然而，这些方法都没有分析用户的一种长期接入的行为，即不能利用一种数学模型来描述其行为，致使在网络侧无法定量地依据用户的行为进行相应的调整。

网络侧的调控算法是网络依据实时的运行情况，动态地调整网络的状态参数，进而影响用户的选择行为以达到原来的既定目标。这种目标可以是网络的收益，也可以是其它的最优化目标。

终端侧的网络选择技术基于用户的角度选择一个最优的无线接入网络，而网络侧的调控技术则是要保证网络侧的最终收益。然而，目前还没有任何方案将终端侧的选择算法和网络侧的调控算法进行融合，以此来达到在一定条件下最大化网络运营商的收益，同时还降低了用户的呼叫阻塞率。

发明内容

本发明的目的是提供一种异构无线网络中的分布式无线资源管理系统和方法，能够融合用户侧的接入选择算法和网络侧的调控算法，基于种群竞争模型的对无线资源进行管理，从而依据运营状况而动态的调整价格参数，从而能够影响用户的接入网络选择。

根据本发明的一个方面，提供一种在异构系统中的无线接入网络之间管理无线资源的方法，包括步骤：异构系统中的无线网络向其覆盖范围内的移动终端广播接入信息；移动终端在接收到无线网络广播的接入信息后，根据所述移动终端的网络选择算法选取一个最优的无线网络来承载业务；无线网络实时地监控网络侧的收益，当无线网络的收益下降幅度超过预定的门限值时，所述无线网络触发调控算法，以调节所述无线网络的竞争系数。

根据本发明的另一个方面，提供一种在异构系统中的无线接入网络之间管理无线资源的系统，包括：代理装置，设置在无线网络侧，用于实时监控网络侧的收益，当无线网络的收益下降幅度超过预定的门限值时，所述无线网络触发调控算法，以调节所述无线网络的竞争系数；网络选择装置，设置移动终端侧，用于根据接收到的相应无线网络广播的网络状态信息，计算对相应网络的选择概率，并选择接入概率大的网络进行接入。

根据本发明的再一个方面，提供一种在异构系统中的无线接入网络之间管理无线资源的方法，所述异构系统至少包括第一无线网络和第二无线网络，所述方法包括步骤：第一和第二无线网络向其覆盖范围内的移动终端广播各自的网络状态参数；移动终端在接收到各个无线网络广播的网络状态参数后，根据所述移动终端的网络选择算法计算对各个无线网络的接入概率，并选择接入所计算的接入概率大的无线网络；所述第一和第二无线网络实时地监控各自网络的收益，当所述第一和/或第二无线网络的收益下降幅度超过预定的门限值时，所述第一和/或第二无线网络触发相应的调控算法，以调节第一和/或第二无线网络的网络状态参数，从而维护所述第一无线网络和所述第二无线网络共存。

本发明借鉴了生物领域中经典的种群竞争模型，提出了一种能够有效融合终端侧的网络选择算法和网络侧的调控算法的机制，将终端侧的网络选择与网络侧的调控技术有机地结合起来，彼此之间互相完成特定的任务，达到更优的效果。通过这种融合，同时满足用户和网络侧的利益。

附图说明

通过阅读和理解下面参考附图对本发明优选实施例所做的详细描述，将使本发明的这些和其它目的、特征、和优点变得显而易见。其中：

图1A和1B是表示根据本发明的异构无线网络的应用示意图；

图2是说明根据本发明实施例在用户侧执行的选择算法的流程图；

图3是说明根据本发明实施例计算用户侧接入网络的接入概率的流程图；

图4是说明根据本发明实施例的网络侧算法执行点状态的示意图；

图5是根据本发明实施例的网络侧调控过程的流程图；

图6是说明根据本发明实施例获取最优价格的流程图；

图7是根据本发明实施例的无线资源管理系统的配置方框图；

图8是说明根据本发明实施例的网络侧算法执行点功能划分示意图；

图9a和9b是传统方案与本发明方案的网络收益比较示意图；

图9c是传统方案与本发明方案的呼损率比较示意图；和

图10a和10b是传统方案与本发明方案在用户数呈正弦变化时的收益比较示意图。

具体实施方式

下面参照附图对作为本发明实施例的异构无线接入网络的无线资源管理方法和系统进行详细说明，在描述过程中省略了对于本发明来说是不必要的细节和功能，以防止对本发明的理解造成混淆。

本发明借鉴了生物领域中经典的种群竞争模型，提出了一种能够有效融合终端侧的网络选择算法和网络侧的调控算法的机制。为了更好地理解本发明的原理，下面对生物种群之间竞争和依存关系，以及由此对本发明给出的启示进行描述。

在生物界中，生物种群之间的竞争关系对种群数量的增长具有抑制作用，下面的表达式(1)和(2)给出了种群之间的竞争模型(L-V模型)。有关的具体内容可以参考尚玉昌撰写的名为“普通生态学”的书(参见尚玉昌，普通生态学，第二版，北京大学出版社，2002，pp.83-187)。

$\frac{{\mathrm{dN}}_1}{\mathrm{dt}}=r_1{N}_1\left(\frac{K_1-N_1-{\mathrm{\α}}_{12}{N}_2}{K_1}\right)---\left(1\right)$

$\frac{{\mathrm{dN}}_2}{\mathrm{dt}}=r_2{N}_2\left(\frac{K_2-N_2-{\mathrm{\α}}_{21}{N}_1}{K_2}\right)---\left(2\right)$

其中，N₁和N₂分别表示种群1和种群2的数量，它们各自的环境负荷量为K₁和K₂(在不发生竞争的情况下)，每个种群或物种中单个个体的瞬时增长率分别为r₁和r₂。通过引入竞争系数α₁₂和α₂₁来反映两个种群之间的竞争关系：α₁₂是种群2的竞争系数，是指种群2中的每个个体对种群1中的个体的竞争抑制作用；同样，α₂₁是物种1的竞争系数，是指种群1中的每个个体对种群2的个体的竞争抑制作用。如果两个物种要共存，必须满足下面的表达式(3)，即，两个物种的数量都不为零，达到稳定平衡。

K₁/α₁₂＞K₂且K₂/α₂₁＞K₁                            (3)

此时可以通过下面的方程(4)和(5)计算得到两个物种的数量： $\frac{K_1-N_1-{\mathrm{\α}}_{12}{N}_2}{K_1}=0$ 即N₁＝K₁-α₁₂N₂                    (4) $\frac{K_2-N_2-{\mathrm{\α}}_{21}{N}_1}{K_2}=0$ 即N₂＝K₂-α₂₁N₁                    (5)

为了在无线网络中应用L-V模型，需要将无线网络的特征映射到L-V模型中。其映射关系见下表：

种群生态学	异构无线通信系统
		种群	不同网络中的业务
种群数量	单个网络的总业务量
		种群个体出生	业务产生
种群个体死亡	业务结束
		共用资源	用户
环境负荷量	共同覆盖区域内的所有用户所能给网络带来的业务量
		稳定平衡	两个网络都存在业务

在具有两种或多种不同类型无线网络的异构无线通信系统中，覆盖区域内的用户根据网络所广播的参数，基于一定的接入算法分别地、独立地对两种接入网络进行接入。该用户可能：

(1)不选择网络接入；

(2)选择网络接入。

用户对网络的不断选择过程可以看作是一种选择概率的变化过程。在t+1时刻，当用户存在业务需求时，首先计算各个网络的初始接入概率。可以令t时刻网络I和网络II的接入用户数分别为N_1(t)和N_2(t)，那么，t+1时刻用户针对两个网络的初始接入概率可以用下面的表达式(6)和(7)表示。

$x_{(t+1)}=\frac{N_{1\left(t\right)}}{K}(2-\frac{N_{1\left(t\right)}}{K})---\left(6\right)$

$y_{(t+1)}=\frac{N_{2\left(t\right)}}{K}(2-\frac{N_{2\left(t\right)}}{K})---\left(7\right)$

在实际情况中，用户对两个网络的选择并不是完全独立的。在用户完成了一次选择之后，用户对该网络有所体验和了解，因此在下次选择中会考虑这种感受，从而影响下次对另一个网络选择的概率。这体现了不同网络之间的竞争。具体而言：如果某个用户在t时刻的网络选择中选择了一种网络，例如网络II，则在t+1时刻的网络选择中该用户以y_(t+1)的概率选择网络II(与无竞争情况相同)，但是以x_(t+1)-Δx_(t+1)的概率选择网络I(体现了竞争)。这是因为该用户已经享受了网络II的优质服务，因此相比其它用户而言选择网络I的概率要低(其它用户此时选择网络I的概率为x_(t+1))。这里的Δx反映了网络II对网络I的竞争，网络II相比网络I的优势程度越大，该用户在下次选择中对网络I的选择概率降低的就越多。

由于用户在进行网络选择时会同时考虑价格、接入带宽、信号质量等参数，本发明定义了反映网络II对网络I的竞争的量Δx_(t+1)为，该竞争量可以用下面的表达式(8)表示：

${\mathrm{\Δx}}_{(t+1)}=\frac{N_{1\left(t\right)}}{K}\·\frac{P_1/P_2}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_2/{\mathrm{SS}}_1}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_2/B_1}{{\mathrm{\β}}_B}---\left(8\right)$

同样，反映网络I对网络II的竞争的量Δy_(t+1)可以用下面的表达式(9)表示：

${\mathrm{\Δy}}_{(t+1)}=\frac{N_{2\left(t\right)}}{K}\·\frac{P_2/P_1}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_1/{\mathrm{SS}}_2}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_1/B_2}{{\mathrm{\β}}_B}---\left(9\right)$

在公式(8)和(9)中，P_i是网络i的价格；SS_i是网络i的信号强度统计量，表示的是该网络中信号强度超过一定门限的用户数；B_i是网络i提供的单位带宽。β_P，β_SS，β_B是归一化因子(向量)，具体地讲，β_P＝P_max/P_min；β_SS＝SS_max/SS_min；β_B＝B_max/B_min。根据本发明，β_P，β_SS，β_B的值在0到1的范围内，以使不同的异构无线接入网络能够保持共存。

综合上述用户进行网络选择时考虑的两个方面，可以确定用户在t+1时刻进行网络选择时，对网络I的接入概率变化情况为：

(1)在t时刻选择网络II的用户(用户数为N_2(t))以概率x_(t+1)-Δx_(t+1)选择网络I；

(2)其它用户(用户数为K-N_2(t))仍以概率x_(t+1)选择网络I。

那么，下一次网络I中的用户数可以用表达式(10)表示：

N_1(t+1)＝N_2(t)·(x_(t+1)-Δx_(t+1))+(K-N_2(t))·x_(t+1)       (10)

       ＝Kx_(t+1)-N_2(t)Δx_(t+1)

则在这种情况下，t+1时刻网络I的用户数的变化可以用表达式(11)表示：

$\frac{{\mathrm{dN}}_{1(t+1)}}{\mathrm{dt}}=N_{1(t+1)}-N_{1\left(t\right)}$

$={\mathrm{Kx}}_{(t+1)}-N_{2\left(t\right)}{\mathrm{\Δx}}_{(t+1)}-N_{1\left(t\right)}$       (11)

$=N_{1\left(t\right)}\frac{K-N_{1\left(t\right)}-N_{2\left(t\right)}\·\frac{P_1/P_2}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_2/{\mathrm{SS}}_1}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_2/B_1}{{\mathrm{\β}}_B}}{K}$

同样，对于网络II而言：

(1)t时刻选择网络I的用户(用户数为N_1(t))以概率y_(t+1)-Δy_(t+1)选择网络II；

(2)其它用户(用户数为K-N_1(t))仍以概率y_(t+1)选择网络II。

则在这种情况下，t+1时刻网络II的用户数的变化可以用表达式(12)表示：

$\frac{{\mathrm{dN}}_{2(t+1)}}{\mathrm{dt}}=N_{2(t+1)}-N_{2\left(t\right)}$

$={\mathrm{K\Δy}}_{(t+1)}-N_{1\left(t\right)}{\mathrm{\Δy}}_{(t+1)}$      (12)

$=N_{2\left(t\right)}\frac{K-N_{2\left(t\right)}-N_{1\left(t\right)}\·\frac{P_2/P_1}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_1/{\mathrm{SS}}_2}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_1/B_2}{{\mathrm{\β}}_B}}{K}$

表达式(11)和(12)反映了网络中用户数的变化情况，由于用户接入不同的网络所产生的业务量有所差异，因此可以定义下面的公式(13)至(16)：

T₁＝ρ₁N₁                   (13)

T₂＝ρ₂N₂                   (14)

K₁＝ρ₁K                      (15)

K₂＝ρ₂K                      (16)

在公式(13)至(16)中，ρ_i表示单个用户在网络i(i＝1，2，...n)中平均产生的业务量。T_i(i＝1，2，...n)表示网络i的业务量，K_i(i＝1，2，...n)表示网络i的环境负荷量。那么，根据式(13)至(16)可以计算得到两个网络的业务量变化情况如下面的表达式(17)和(18)所示：

$\frac{{\mathrm{dT}}_1}{\mathrm{dt}}={\mathrm{\ρ}}_1\frac{{\mathrm{dN}}_1}{\mathrm{dt}}=T_1\frac{K_1-T_1-T_2\·\frac{{\mathrm{\ρ}}_1}{{\mathrm{\ρ}}_2}\·\frac{P_1/P_2}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_2/{\mathrm{SS}}_1}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_2/B_1}{{\mathrm{\β}}_B}}{K_1}$ (17)

${=T}_1\frac{K_1-T_1-T_2\·{\mathrm{\α}}_{12}}{K_1}$

$\frac{d{T}_2}{\mathrm{dt}}{=\mathrm{\ρ}}_2\frac{{\mathrm{dN}}_2}{\mathrm{dt}}=T_2\frac{K_2-T_2-T_1\·\frac{{\mathrm{\ρ}}_2}{{\mathrm{\ρ}}_1}\·\frac{P_2/P_1}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_1/{\mathrm{SS}}_2}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_1/B_2}{{\mathrm{\β}}_B}}{K_2}$ (18)

$=T_2\frac{K_2-T_2-T_1\·{\mathrm{\α}}_{21}}{K_2}$

在上面的公式(17)和(18)中分别引入了变量α₁₂，α₂₁，分别被称为网络II对网络I的竞争系数，和网络I对网络II的竞争系数，两个竞争系数可以分别定义如下面的表达式(19)和(20)所示：

${\mathrm{\α}}_{12}=\frac{{\mathrm{\ρ}}_1}{{\mathrm{\ρ}}_2}\·\frac{P_1/P_2}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_2/{\mathrm{SS}}_1}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_2/B_1}{{\mathrm{\β}}_B}---\left(19\right)$

${\mathrm{\α}}_{21}=\frac{{\mathrm{\ρ}}_2}{{\mathrm{\ρ}}_1}\·\frac{P_2/P_1}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_1/{\mathrm{SS}}_2}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_1/B_2}{{\mathrm{\β}}_B}---\left(20\right)$

由公式(17)和(18)可以看出，两个网络中所承载的业务量的增长符合L-V模型，由此可以使用种群生态学中的数学方法来分析和预测异构无线网络中的业务量分布。另外，在网络竞争系数α₁₂，α₂₁分别考虑了相应网络的价格，带宽和信号强度。可以理解，网络的价格降低会增加用户对该接入网络的选择。同样，带宽和信号强度的改变也产生相应的效果。但这种改变不是无限制的，而是要遵循使两个网络能够共存的原则。

此外，依据式(15)、(16)、(19)和(20)，可以验证K₁/α₁₂＞K₂和K₂/α₂₁＞K₁成立，就是说，满足不等式(3)。根据L-V模型可知，经过用户若干次的选择，两个网络肯定能够达到稳定平衡，即两个网络中都有一定得业务量。稳定平衡条件下的业务量可以通过联立对公式(4)和(5)求解而得到，其形式可以用公式(21)表示。

$T_i=\frac{K_i-K_{-i}{\mathrm{\α}}_{i,-i}}{1-{\mathrm{\α}}_{i,-i}{\mathrm{\α}}_{-i,i}}---\left(21\right)$

通过上述描述可以看到，异构无线网络的竞争模型及相互依存的关系完全可以借助种群生态学中的模型来进行分析，并由此预测异构无线网络中的业务量分布。

下面结合附图详细说明根据本发明对异构无线网络的业务量分布进行预测和管理的实施例。

图1A和1B分别示出了根据本发明的异构无线网络的应用场景。本发明所应用的场景可能有以下两种场景。在图1A所示的场景I中，两种异构的无线接入网络的覆盖范围部分重叠。在图1B所示的场景II中，一种无线接入网络的覆盖范围完全包含另外一种无线接入网络的覆盖范围。应该指出，本发明所提出的预测和管理方法只适用于异构无线接入网络具有重叠覆盖范围的无线接入，以使用户和网络二者都可以进行选择。

图2是表示在t+1时刻的用户侧选择算法的流程图。在所述的接入算法中，用户首先计算对不同无线接入网络，即网络I和网络II的接入概率，然后比较两个接入概率的值。选取接入概率大的网络接入。就是说，对用户侧选择的接入网络进行预干预。如图2所示，首先，在步骤S201，用户侧从不同的无线网络接收相应网络广播的价格、带宽等信息、并确定接收的信号强度。作为实例，用户侧可以是诸如移动电话，个人数字助理(PDA)，和便携式计算机之类的移动无线通信装置。另外，为了简化起见，本发明中以两个异构无线接入网络为例来描述异构无线接入网络中的无线资源预测和管理。可以理解，本发明不限于此，其基本构思和概念可以推广到多个异构无线接入网络的情况。

应该指出，用户侧对网络接入概率是依据相应网络所提供的状态参数决定的，例如，网络的价格，带宽，和信号强度等参数决定的。接入概率依据这些参数的不同而改变。

接下来，在步骤S202，根据用户侧根据从不同的异构无线接入网络接收的价格，带宽以及信号强度等信息，利用上述公式(6)计算对网络I的接入概率x_t+1。同样，在步骤S203，利用公式(7)计算对网络II的接入概率y_t+1。接下来，在步骤S204比较对两个网络的接入概率的大小。如果对网络I的接入概率x_t+1大于对网络II的接入概率y_t+1，流程则进行到步骤S205，接入网络I。否则，流程进入步骤S206，接入网络II。就是说，用户侧根据所计算的接入概率，选择接入概率较大的网络接入。

图3示出了用户侧计算上面提到的接入概率(t+1时刻)的流程图。首先，在步骤S301，用户侧确定要接入的网络的已接入用户数量和相应网络可容纳的最大用户数量。此后，在步骤S302，确定此次计算的统计概率，其中统计概率

其中接入用户数和最大用户数都是针对某个具体的备选接入网络而言。接下来，在步骤S303计算相应网络的初始接入概率p_i＝2p-p²。然后，在步骤S304判断该用户侧在前一时刻(t)是否接入了邻居网络(即共同覆盖所述用户侧的另一个异构无线接入网络)。在接下来的步骤S305和S306中，如公式(22)所示计算惩罚概率。

考虑到用户选择接入网络时网络之间的竞争关系，在本发明中引入了惩罚概率。在计算惩罚概率时考虑到了网络之间的竞争系数α。

如果在步骤S304判断用户侧在前一时刻(t)接入过邻居网络，流程则进行到步骤S305。如前所述，考虑到对相应网络之间的平衡关系，计算惩罚概率p_p＝αp。如果在步骤S304判断用户侧在前一时刻(t)未接入邻居网络，流程则进行到步骤S306，计算惩罚概率p_p＝0。在步骤S305和S306之后，流程进行到步骤S307，计算相应网络在t+1时刻的接入概率p_t+1＝p_i-p_p。然后结束用户侧的计算接入概率的过程。

根据上面的公式(19)和(20)给出的网络II对网络I的竞争系数α₁₂，和网络I对网络II的竞争系数α₂₁，当用户计算网络I的接入概率时， $\mathrm{\α}=\frac{{\mathrm{\ρ}}_2}{{\mathrm{\ρ}}_1}\·{\mathrm{\α}}_{12}=\frac{P_1/P_2}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_2/{\mathrm{SS}}_1}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_2/B_1}{{\mathrm{\β}}_B};$ 当用户计算网络II的接入概率时， $\mathrm{\α}=\frac{{\mathrm{\ρ}}_1}{{\mathrm{\ρ}}_2}\·{\mathrm{\α}}_{21}=\frac{P_2/P_1}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_1/{\mathrm{SS}}_2}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_1{B}_2}{{\mathrm{\β}}_B}.$ 其中P_i，SS_i，以及β_P，β_SS，β_B与前面所定义的含义相同。上式中α可以有两种方案获得，一种是由网络侧计算并广播给终端；另一种方案是网络将所用的价格，信号强度统计量，带宽信息广播给终端，用终端负责计算该值。

图4示出了网络侧算法执行点状态示意图。在本发明中，网络侧在不同的阶段执行不同的功能。具体地讲，网络侧在运营时可以分为初始配置阶段，正常运行阶段以及调控阶段。首先，在步骤S401，异构无线接入网络执行初始配置阶段，网络I和网络II需要执行调控功能(将在后面参考如图5描述)。当完成调控后，在步骤S402，整个网络进入了正常运行阶段。网络I和II在该阶段中执行监控功能。如果网络检测到网络的收益的下降幅度超过一个预定的门限值， $\frac{O_t-O_{t+1}}{O_t}>{\mathrm{\ϵ}}_o,$ 则触发调控算法而进入到调控阶段。其中ε_o可依据具体情况设置不同的值。网络则在步骤S403执行调控阶段，网络I和II执行调控算法以获取在当前无线条件下所能对应的最优价格策略。结束调控后，网络I和网络II恢复到正常运行阶段。

图5示出了异构无线接入网络执行调控过程的流程图。具体地讲，在步骤S501，相应的网络收集本网和相邻网络的状态参数。然后，在步骤S502，进行业务量估计。每个网络依据自身所提供的网路参数以及邻居网络的状态，根据上面给出的公式(19)至(21)以及网络中的参数，可以采用下面的公式(23)估计网路的业务量。

$T_i=\frac{K_i-K_{-i}{\mathrm{\α}}_{i,-i}}{1-{\mathrm{\α}}_{i.-i}{\mathrm{\α}}_{-i,i}}=\frac{{\mathrm{\ρ}}_{i}K}{{\mathrm{\β}}_P^2{\mathrm{\β}}_{\mathrm{SS}}^2{\mathrm{\β}}_B^2-1}({\mathrm{\β}}_P^2{\mathrm{\β}}_{\mathrm{SS}}^2{\mathrm{\β}}_B^2-\frac{{\mathrm{SS}}_{-i}}{{\mathrm{SS}}_i}\frac{B_{-i}}{B_i}\frac{P_i}{P_{-i}}{\mathrm{\β}}_P{\mathrm{\β}}_{\mathrm{SS}}{\mathrm{\β}}_B)---\left(23\right)$

其中K是覆盖范围内的总用户数量，ρ_i是业务量因子，表示单个用户在网络中能产生的业务量。此后，在步骤S503，确定目标函数。基于公式(23)获得的业务量利用下面的公式(24)计算网络的目标函数，以确定本网的最优价格。

$O_i=T_i{P}_i-{\mathrm{cP}}_i^2---\left(24\right)$

本网的最优价格是使得目标函数O_i达到最大值所对应的价格，即如下面的公式(25)所示。

(25)

$=\frac{1}{2}\frac{{\mathrm{\β}}_P{\mathrm{\β}}_{\mathrm{SS}}{\mathrm{\β}}_B{P}_{-i}}{\frac{{\mathrm{SS}}_{-i}}{{\mathrm{SS}}_i}\frac{B_{-i}}{B_i}+\frac{{\mathrm{cP}}_{-i}}{K_i}({\mathrm{\β}}_P{\mathrm{\β}}_{\mathrm{SS}}{\mathrm{\β}}_B-\frac{1}{{\mathrm{\β}}_P{\mathrm{\β}}_{\mathrm{SS}}{\mathrm{\β}}_B})}$

从公式(25)中可以看出，本网的最优价格的获得取决于邻网的价格策略。因此，在步骤S505，网络之间交互调控结果(该步骤将参考图6的交互价格过程进行描述)，最终可以获得同时满足两个网络目标函数最大化的价格策略。此后，结束对网络参数的调控算法。该步骤负责将所获得的价格策略传递到所对应的相邻无线网络，并由网络广播给用户。根据本发明的实施例，广播参数有两种方案：一种方案是由网络直接计算相应的参数并广播计算所得到的竞争系数(例如，网络接入价格，带宽，信号强度等参数)。另一种方案是由网络广播更新的价格参数，以及信号强度统计量和带宽，终端接收到该信息后计算相应网络的竞争系数。

图6示出了网络中执行的迭代算法以获取最优价格的流程图。参考图6，首先，作为例子，在图中的网络I侧触发要调控的网络，将调整过后的价格发送给邻居网络(例如，图中的网络II)。作为邻居的网络II接收到网络I广播的价格参数后，依据上面的公式(25)P_i＝arg max O_i(□)＝f_i(P_-i)计算对于本网的最优化价格参数，并将计算得到的价格与本网的目前所提供的最优价格进行比较。如果所计算的价格与目前的最优价格不一致，就将网络的价格参数更新为计算后的最优价格参数，并将此价格参数传递给发起调控的网络I。网络I在接收到网络II反馈的价格参数后，触发执行相似的操作以获得最优的价格策略。应该指出，可以采用公式|P_i(n+1)-P_i(n)|＜ε_P来判断前后两次价格是否一致。依据计算的精度ε_P可以取不同的值，例如0.01或是0.001。重复网络I和II之间的参数交互过程，直到两个网络不能增长收益为止。此时，结束网络之间的价格交互。

图7是根据本发明实施例在异构无线网络中执行分布式无线资源管理系统的架构图。为了支持实施本发明，与现有的无线接入网络相比，本发明的无线接入网络增加了支持网络侧算法的代理装置71。用户设备增加了网络选择装置72。作为实例，用户设备可以是诸如移动电话，个人数字助理，便携式计算机之类的移动通信设备。

作为例子，代理装置71通过Hr接口与已有的无线网络进行连接。其中，Hr接口须承载必要的信息，例如包括：网络价格，提供的带宽，及信号强度的统计量。另一方面，不同的代理装置之间通过Ha接口连接。Ha接口是一个逻辑接口，在具体实现时例如可以通过因特网来实现。Ha接口所承载的信息也包括网络价格，提供的带宽，及信号强度的统计量。图8示出了有关代理装置的详细示意。本发明的实现场景可以具有以下四个特点：

1)在配置上，一个代理装置可以根据自身的容量配置所管辖的无线接入网络的范围，例如，一个代理装置可以管辖一个RNS，也可以管辖多个RNS；

2)在实现上，因为代理装置可以是一个逻辑实体。因此它可以是一个独立的物理实体，也可以集成到其他物理实体中，例如置于无线网络控制器(RNC)中；

3)在控制触发方面，代理装置只在具有多种无线接入网络重叠覆盖的区域所对应的无线网络中发生作用；

4)在控制对象上，由于不同区域的用户分布和业务分布存在差异性，所以代理装置的控制是以小区为单位进行的。在用户终端侧，由网络选择装置71执行用户接入网络的选择算法。用户终端在接收到相应网络广播的信息后，网络选择装置对接收到的信息进行处理，以计算对相应网络的选择概率，并选择接入概率大的网络进行接入。

另外，代理装置的功能不仅能够通过硬件实现，而且也可以通过将执行上述功能的软件程序装载到网络控制器的存储器中，由网络控制器控制网络中的相应设备来实现。实现代理装置的程序可以存储在诸如磁盘，光盘闪存，半导体存储器之类的记录介质中，并且从记录介质装载到网络控制器中，以控制网络侧的操作，从而实现各种上述功能。

图8示出了代理装置71的内部功能结构图。代理装置是多代理体系的一个核心实体，用于根据本发明在网络侧执行相应的算法。代理装置的内部可以分为三层，分别是感知层，反应层以及记忆层。感知层主要负责感知周边环境的变化，收集相关的包括价格，带宽以及信号强度在内的信息，并判断是否需要将收集到的信息送往反应层进行处理。感知层包括无线感知单元81和协作感知单元82。无线感知单元81通过Hr接口周期性地(T1)接收无线网络侧的状态参数信息，并以预定的周期T₂(T₂＜T₁)定时地将此信息直接送往反应层中的控制单元进行处理。这种方式中的时间粒度可以依据实际情况做出具体的设定。此外，无线感知单元还将调控处理后更新的价格等参数通过Hr接口反馈给所代理的无线网络。协作感知单元82通过Ha接口收集其它代理装置的网络状态参数，并Ha接口向其他代理装置传递本网络的网络状态参数。

另外，反应层是代理装置的核心控制部分，对异构无线接入网络的资源进行宏观调控。图8中控制单元是反应层的核心部分。如图8所示，控制单元83可以包括网络参数处理单元831以及L-V模型验证单元832。网络参数处理单元831分析异构无线接入网络的状况，计算网络间的竞争系数，调整诸如价格，带宽，和信号强度之类的网络状态参数，以使本网的目标函数最大化。另外，网络参数处理单元831还与相邻网络的代理装置共同完成网络状态参数协商交互过程，以使两个网络目标函数均达到最大。另外，控制单元83将协商后更新的网络状态参数通过网络参数处理单元831向上传送到记忆层以及向下传送到感知层，并设定无线感知单元的门限参数。L-V模型验证单元832对调整结果进行验证，以确定其是否符合L-V模型。

另外，记忆层是代理装置的智能体现。对于相似的无线网络状态参数，代理装置不必每次都启动调控算法来获取最优的价格。记忆单元84可以通过将以往的调控结果直接传递到控制单元83，然后由控制单元83利用已有的调控结果来获得最优的价格参数。这样可以提高调控的速度。

图9a和9b是现有技术的无线资源管理与根据本发明的无线资源管理的性能比较示意图。其中图9a是网络I的收益情况的比较示意图，图9b是网络II的收益情况的比较示意图。如图9a和9b所示，可以令网络I初始提供的带宽比网络II高，两个网络的初始价格以及初始的信号强度一致。按照传统方法，在100秒时，网络I的信号强度变差。从图9a和9b中可以看出，采用本发明的方法时，在前100秒中两个网络都可以获得比传统的随机算法(RS)或是高带宽优先(HBW)算法更高的网络收益。在100秒时，网络I的信号质量变差，导致网络I的竞争能力减弱，在传统的没有调控算法支持的情况下，网络I的收益急剧下降，而利用本发明的方法，可以调整价格而重新改变两个网络的竞争关系，从而最大限度的维持了网络I的收益。同时网络II采用本发明的方法可以获得更高的网络收益，如图9a和9b所示。图9c则比较了使用本发明的算法、传统的随机算法、和高带宽优先算法时的呼叫阻塞率。从图9c中可以看出，本发明比已有的方法大大降低用户的呼叫阻塞率。

图10a和10b是表示在用户数以正弦规律变化的情况下本发明与传统方案在收益上的比较示意图。在比较时，总用户数以 $U=20\sin \left(\frac{2\mathrm{\πt}}{100}\right)+100$ 的规律变化。如图10a和10b所示，在整个过程中，本发明方法的能够保证两个网络的收益始终比传统方案下获得的网络收益高。

本发明利用了生物界中的L-V竞争方程来定量分析两个竞争网络平衡后的业务量，并且把估计的业务量与网络收益的相结合，从而作为对网络进行价格调控的基础。这种基于L-V的调控机制是建立在所述的用户接入选择算法能够保证网络的业务量增长符合L-V模型的基础之上的。

本发明既能保证用户侧的需求，降低了用户的接入阻塞率。同时还为网络侧提供了一种新的分布式管理机制来保证网络的收益。

至此已经结合优选实施例对本发明进行了描述。本领域技术人员应该理解，在不脱离本发明的精神和范围的情况下，可以进行各种其它的改变、替换和添加。因此，本发明的范围不应该被理解为被局限于上述特定实施例，而应由所附权利要求所限定。

Claims (23)

1.一种在异构系统中的无线接入网络之间管理无线资源的方法，包括步骤：

异构系统中的无线网络向其覆盖范围内的移动终端广播接入信息；

移动终端在接收到无线网络广播的接入信息后，根据所述移动终端的网络选择算法选取一个最优的无线网络来承载业务；

无线网络实时地监控网络侧的收益，当无线网络的收益下降幅度超过预定的门限值时，所述无线网络触发调控算法，以调节所述无线网络的竞争系数。

2.根据权利要求1所述的方法，其中所述异构系统中包括至少两个覆盖范围重叠的异构无线网络。

3.根据权利要求1或2所述方法，其中所述移动终端执行网络选择算法的步骤包括接收不同的异构无线网络广播的接入信息，基于不同的异构无线网络广播的接入信息分别计算对不同的异构无线网络的接入概率的步骤。

4.根据权利要求3所述的方法，进一步包括比较计算的对不同的异构无线网络的接入概率的大小，以选择接入概率较大的无线网络接入的步骤。

5.根据权利要求3所述的方法，其中计算对不同的异构无线网络的接入概率的步骤包括根据网络的已接入用户数量及最大用户数量计算统计概率

并根据所述统计概率计算来作为对相应无线网络的初始接入概率的步骤p_i。

6.根据权利要求5所述的方法，其中根据下面的表达式计算所述初始概率

                        p_i＝2p-p²。

7.根据权利要求6所述的方法，进一步包括判断所述移动终端在前一时刻(t)是否接入了邻居网络，以便按照下面的表达式确定惩罚概率

其中α表示不同的无线接入网络之间的竞争系数。

8.根据权利要求7所述的方法，其中当移动终端接入第一网络时，通过表达式(1)计算所述竞争系数α

$\mathrm{\α}=\frac{{\mathrm{\ρ}}_2}{{\mathrm{\ρ}}_1}{\·\mathrm{\α}}_{12}=\frac{P_1/P_2}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_2/{\mathrm{SS}}_1}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_2/B_1}{{\mathrm{\β}}_B}---\left(1\right);$

当移动终端接入第二网络时，通过表达式(2)计算所述竞争系数α

$\mathrm{\α}=\frac{{\mathrm{\ρ}}_1}{{\mathrm{\ρ}}_2}{\·\mathrm{\α}}_{21}=\frac{P_2/P_1}{{\mathrm{\β}}_p}\frac{{\mathrm{SS}}_1/{\mathrm{SS}}_2}{{\mathrm{\β}}_{\mathrm{ss}}}\frac{B_1/B_2}{{\mathrm{\β}}_B}---\left(2\right)$

其中P_i是网络i的价格，SS_i是网络i的信号强度统计量，表示网络中的信号强度超过一定门限的用户数，B_i是网络i提供的单位带宽，β_P，β_SS，β_B是归一化向量，其中β_P＝P_max/P_min，β_SS＝SS_max/SS_min，β_B＝B_max/B_min。

9.根据权利要求8所述的方法，其中由相应的无线网络计算相应的竞争系数α并广播给移动终端。

10.根据权利要求8所述的方法，其中由相应的无线网络广播价格，信号强度统计量，带宽信息给终端，由终端计算所述无线网络的竞争系数α。

11.根据权利要求7至10中的任何一项所述的方法，进一步包括计算对相应无线网络的当前的接入概率的步骤，其中所述当前接入概率等于所述初始接入概率减去惩罚概率。

12.根据权利要求1所述的方法，进一步包括当无线网络检测到网络收益的下降幅度超过预定的门限值时，触发调节算法从而调节竞争系数的步骤。

13.根据权利要求12所述的方法，进一步包括所述调节所述无线网络的竞争系数的步骤包括相应的无线网络根据本网和相邻网络的状态参数来估计相应网络的业务量的步骤。

14.根据权利要求13所述的方法，进一步包括基于获得的业务量计算网络的目标函数，以确定本网络的最优价格的步骤。

15.根据权利要求14所述的方法，进一步包括与相邻的无线网络交互调节结果，并依据邻网的状态参数调节本网的状态参数，直到不能增大收益为止的步骤。

16.根据权利要求1所述的方法，其中所述接入信息包括相应无线网络的接入价格，带宽，信号强度统计量。

17.一种在异构系统中的无线接入网络之间管理无线资源的系统，包括：

代理装置，设置在无线网络侧，用于实时监控网络侧的收益，当无线网络的收益下降幅度超过预定的门限值时，所述无线网络触发调控算法，以调节所述无线网络的竞争系数；

网络选择装置，设置移动终端侧，用于根据接收到的相应无线网络广播的网络状态信息，计算对相应网络的选择概率，并选择接入概率大的网络进行接入。

18.根据权利要求17所述的系统，其中所述代理装置还包括无线感知单元，用于周期性地接收无线网络侧的状态信息，以及将经过调节的状态信息反馈给无线网络，以改变所述无线网络的竞争系数。

19.根据权利要求17所述的系统，其中所述代理装置还包括协作感知单元，用于收集的其它无线网络的状态信息，和向其它无线网络传递本网络的状态信息。

20.根据权利要求17所述的系统，其中所述代理装置还包括控制单元，分析无线网络之间的竞争系数，调整本网络的状态信息，并在相邻无线网络之间交互相应的网络状态信息，以使相应的网络收益达到最大。

21.根据权利要求17所述的系统，其中所述网络状态信息包括相应无线网络的接入价格，带宽，信号强度统计量。

22.一种在异构系统中的无线接入网络之间管理无线资源的方法，所述异构系统至少包括第一无线网络和第二无线网络，所述方法包括步骤：

第一和第二无线网络向其覆盖范围内的移动终端广播各自的网络状态参数；

移动终端在接收到各个无线网络广播的网络状态参数后，根据所述移动终端的网络选择算法计算对各个无线网络的接入概率，并选择接入所计算的接入概率大的无线网络；

所述第一和第二无线网络实时地监控各自网络的收益，当所述第一和/或第二无线网络的收益下降幅度超过预定的门限值时，所述第一和/或第二无线网络触发相应的调控算法，以调节第一和/或第二无线网络的网络状态参数，从而维护所述第一无线网络和所述第二无线网络共存。

23.根据权利要求1所述的方法，其中所述第一无线网络与所述第二无线网络的覆盖范围至少部分重叠。

Images