CN101415210A - 一种确定目标网络的方法和设备 - Google Patents

Abstract

本发明实施例公开了一种确定目标网络的方法，包括：监测到用户设备UE需要切换时，根据UE当前的业务类型确定业务参数；将业务参数的理想值作为参考网络的业务参数值，并根据参考网络的业务参数值确定参考网络的评价值；确定UE当前的业务类型在每个备选网络中的业务参数值，并根据每个备选网络的业务参数值确定每个备选网络的评价值；将参考网络的评价值与每个备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络，通过本发明实施例解决了现有技术中应用多属性决策理论进行垂直切换算法确定目标网络，会影响整个网络负载失衡，异构资源遭到极大的浪费的问题。本发明实施例同时公开了一种确定目标网络的设备。

Description

一种确定目标网络的方法和设备

技术领域

本发明涉及无线网络通信技术，特别涉及一种确定目标网络的方法和设备。

背景技术

目前在多种无线接入技术共存的情况下，为了应用高效的无线移动业务，要求充分利用现有各无线接入技术的优势，最终实现运营商成本最低化与效益最大化，并保证用户体验最佳化的目标。在异构网络融合覆盖的条件下，当移动终端跨越网络边界、通信环境恶化、用户主观改变业务需求以及网络自主调整网络负载时，都可能引发垂直切换。

传统水平切换均以信号强度作为参考标准，异构网络间的垂直切换将依赖更多的标准进行且各种因素的重要性会随着时间变化而变化，比如某一时刻最佳的链路可能一段时间后会被其它无线链路超过，这使得切换决策变得更加复杂。当前的垂直切换方法主要有两种：一种是基于策略的垂直切换方法，另一种是基于模糊逻辑理论的垂直切换方法。基于策略的垂直切换方法是通过计算不同的代价函数(Cost Function)来确定网络，代价函数是移动台状态、网络状态、应用业务状态、计费、电池功率、用户喜好等因素的函数。基于模糊逻辑理论的垂直切换方法是将输入参数进行模糊化，再根据模糊逻辑推理规则对输入的模糊集合进行综合评估，获得模糊输出量，最后进行解模糊化，选择出最优的网络进行切换。

由于异构网络不同于传统单一网络，它始终呈现出的是多属性以及多需求特性。所谓多属性、多需求指的是网络在提供的数据速率、覆盖范围等性能方面各不相同，而用户往往希望选择接入到能同时满足其多方面要求的网络中去比如提供较大带宽的同时价格较低。因此在算法设计时需要综合考虑多种因素，并尽可能多地考虑到各参数之间的相互约束和平衡问题。

目前已经开始将多属性决策(Multiple Attribute Decision Making，MADM)理论运用到异构无线网络环境下的垂直切换当中，用于目标切换网络的选择。当需要发生切换时，利用MADM决策理论，将各备选网络进行排序，并最终选择最佳目标网络。目前，应用MADM理论进行垂直切换算法设计的方案主要有四种：简单加权和法(Simple Additive Weighting，SAW)，逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution，TOPSIS)，乘法指数权重(Multiplicative Exponent Weighting，MEW)和(灰度关联分析GreyRelational Analysis，GRA)。

1.在SAW中，每一个候选网络i的得分由每一个参数j的归一化值r_ij乘以参数j的权重值w_j，并将得到的数值相加。所选网络

为：

$A_{\mathrm{SAW}}^{*}=\arg \underset{i\∈M}{\max }\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{w}_j{r}_{\mathrm{ij}}$

其中N表示参数的数目，M表示候选网络的数目。

SAW总共分为以下几个步骤：

首先对需要考虑的所有参数进行归一化，不同的参数对应不同的归一化方法。

$r_{\mathrm{ij}}=\frac{x_{\mathrm{ij}}}{x_j^{\max }}$

上式是对“越大越好”的参数的归一化方法，对“越小越好”这一类的参数，如下式：

$r_{\mathrm{ij}}=\frac{x_j^{\min }}{x_{\mathrm{ij}}}$

将每个参数归一化以后，通过与既定的相对应的权重值相乘，得到最终的结果。

例如，假设决策矩阵如下所示：

$D=\begin{array}{c}{A}_1\\ A_2\\ A_3\\ A_4\end{array}\left[\begin{array}{cccccc}10& 30& 80& 0.909& 1& 0.5\\ 7& 40& 80& 0.909& 0.091& 0.5\\ 1& 80& 20& 0.283& 0.909& 1\\ 2& 40& 40& 0.283& 0.717& 1\end{array}\right]$

语音和文件下载的权重因数wx和w_d分别为：

w_v＝[0.167 0.167 0.094 0.239 0.239 0.094]

w_d＝[0.239 0.239 0.094 0.094 0.167 0.167]

“越大越好”的参数的归一化方法得到归一化决策矩阵为：

$D\′=\begin{array}{c}{A}_1\\ A_2\\ A_3\\ A_4\end{array}\left[\begin{array}{cccccc}0.1& 0.375& 1& 1& 1& 1\\ 0.143& 0.5& 1& 1& 0.091& 1\\ 1& 0.167& 0.25& 0.311& 0.909& 0.5\\ 0.5& 0.239& 0.375& 0.311& 0.717& 0.5\end{array}\right]$

根据语音和文件下载的权重以及归一化决策矩阵，最终计算得到Av，Ad分别如下：

A_v＝[0.746 0.557 0.696 0.495]

A_d＝[0.636 0.524 0.767 0.507]

根据业务类型选择网络的评价值最大的网络作为目标网络。

但是SAW没有一套完备的权重确定算法，对于目标网络的选择，有可能造成权重分配不合理，从而导致目标网络选择失败，并且会影响整个网络负载失衡，异构资源遭到极大的浪费，而且SAW通过计算各个备选网络的评价值，选择具有最大评价值的网络作为切换的目标网络，这种决策方式并不说明最适合当前用户的当前业务需求。例如，基于IP的语音呼叫(Voice overIP，VoIP)用户并不需要可提供很大带宽的网络来满足其业务需求，如果在综合评价时选择了具有大带宽的网络作为切换的目标网络，虽然可充分满足业务需求，但是带宽资源的利用率会变得极低，对于整个通信网络来说是资源的损失。

2.在TOPSIS中，候选网络是与理想解最接近的网络。理想解通过每一个参数的最优值得到。令表示候选网络i与理想解的相对接近度。所选网络

为：

$A_{\mathrm{TOP}}^{*}=\arg \underset{i\∈M}{\max }{c}_i^{*}$

TOPSIS总共分为以下几个步骤：

首先对参数进行归一化，并将所有参数写成矩阵形式，即成为一个归一化矩阵，每个元素的计算如下式：

$r_{\mathrm{ij}}=\frac{x_{\mathrm{ij}}}{\sqrt{\underset{i=1}{\overset{4}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}^2}}$

然后将归一化矩阵与对应的权重因数相乘得到一个新的矩阵。

在新的矩阵中，根据每一项参数是“越大越好”还是“越小越好”挑出最大或最小的那个值组成一个1*n的一维向量，同时再挑出一组与上次规则相反的一维向量，即从“越大越好”的参数中挑出一个最小值，从“越小越好”的参数中挑出一个最大值。得到的结果如下：

$A^{*}=\left[v_1^{*}{v}_2^{*}{v}_3^{*}{v}_4^{*}{v}_5^{*}{v}_6^{*}\right]$

$A^{-}=\left[v_1^{-}{v}_2^{-}{v}_3^{-}{v}_4^{-}{v}_5^{-}{v}_6^{-}\right]$

再利用这两组值分别求归一化参数的方差：

$S_{i*}=\sqrt{\underset{i=1}{\overset{6}{\mathrm{\Σ}}}{(v_{\mathrm{ij}}-v_j^{*})}^2}$

$S_{i^{-}}=\sqrt{\underset{i=1}{\overset{6}{\mathrm{\Σ}}}{(v_{\mathrm{ij}}-v_j^{-})}^2}$

最后各个候选网络的最终结果如下式：

$C_{i^{*}}=\frac{S_{i^{-}}}{(S_{i^{-}}+S_{i^{*}})}$

根据每个网络

的不同值最终选定切换的目标网络。

例如采用与SAW相同的决策矩阵D和权重因数w_v、w_d，加权归一化后的矩阵V是：

$V=\begin{array}{c}{A}_1\\ A_2\\ A_3\\ A_4\end{array}\left[\begin{array}{cccccc}0.134& 0.049& 0.064& 0.161& 0.156& 0.030\\ 0.094& 0.065& 0.064& 0.161& 0.014& 0.030\\ 0.013& 0.130& 0.016& 0.050& 0.142& 0.060\\ 0.027& 0.065& 0.024& 0.050& 0.112& 0.060\end{array}\right]$

获取理想解A^*和负理想解A^-

$A^{*}=\left[v_1^{*}{v}_2^{*}{v}_3^{*}{v}_4^{*}{v}_5^{*}{v}_6^{*}\right]$

$=\{\left(\underset{i}{\max }{v}_{\mathrm{ij}}\right|j\∈J),\left(\underset{i}{\min }{v}_{\mathrm{ij}}\right|j\∈J\′)\}=\left[\begin{array}{cccccc}0.013& 0.130& 0.064& 0.161& 0.155& 0.030\end{array}\right]$

$A^{-}=\left[v_1^{-}{v}_2^{-}{v}_3^{-}{v}_4^{-}{v}_5^{-}{v}_6^{-}\right]$

$=\{\left(\underset{i}{\min }{v}_{\mathrm{ij}}\right|j\∈J),\left(\underset{i}{\max }{v}_{\mathrm{ij}}\right|j\∈J\′)\}=\left[\begin{array}{cccccc}0.134& 0.049& 0.016& 0.050& 0.014& 0.060\end{array}\right]$

其中J与收益参数相关，J′与成本参数相关。

计算每一种方案与理想解和负理想解的距离

S^*＝[0.146 0.176 0.125 0.146]

S^-＝[0.189 0.131 0.194 0.146]

最终得到语音和文件下载与理想解的相对接近度

和

$C_v^{*}=\left[\begin{array}{cccc}0.564& 0.429& 0.607& 0.501\end{array}\right]$

$C_d^{*}=\left[\begin{array}{cccc}0.382& 0.369& 0.730& 0.571\end{array}\right]$

根据业务类型选择网络的评价值最大的网络作为目标网络。

TOPSIS仍然没有一套完备的权重确定算法，多数的研究只是根据经验直接给出或者结合模糊逻辑理论对“重要、一般、不重要”等级别给出一概数，很难对算法参数所需权重做出精确的赋值，当没有稳定的权重确定算法时，很可能降低算法的可靠性，虽然提出了理想解的概念，但是其构造脱离了业务的实际需求，仍然是对于网络参数“最值”的一种处理，并且理想解完全是由各项参数的“最值”组成，使异构资源更容易出现失衡的情况。

3.在MEW中，与上述两种方法类似，每一行i对应一个候选网络，每一列j对应一种属性，网络的得分S_i由各属性(或参数)的权重乘积确定。

$S_i=\underset{j=1}{\overset{N}{\mathrm{\Π}}}{x}_{\mathrm{ij}}^{w_j}$

其中x_ij表示候选网络i的属性j，w_j表示属性j的权重，并且 ${\mathrm{\Σ}}_{j=1}^N{w}_j=1.$

上述方程中，w_j是收益参数

的正指数幂，是成本参数

的负指数幂。因为由MEW得到的网络得分没有上界，所以方便将每一个网络与正理想网络A^**进行比较。

正理想网络A^**这个网络被定义为对于每一个参数都具有最佳值的网络。对一个收益参数，最佳值是最大值。对一个成本参数，最佳值是最小值。

网络i与正理想解的取值比率由下式计算：

$R_i=\frac{{\mathrm{\Π}}_{j=1}^N{x}_{\mathrm{ij}}^{w_j}}{{\mathrm{\Π}}_{j=1}^N{\left(x_{\mathrm{ij}}^{**}\right)}^{w_j}}$

其中0≤R_i≤1。

则所选网络为：

$A_{\mathrm{MEW}}^{*}=\arg \underset{i\∈M}{\max }{R}_i$

MEW与TOPSIS的整体思路相同，即选择与正理想解(TOPSIS中称为理想解)最接近的网络作为切换的目标网络，所不同的是决策矩阵的构成不同，以及备选网络与正理想解距离的计算方法不同。MEW的决策矩阵各元素是各参数值的权重次幂，而TOPSIS的决策矩阵各元素是各参数与权重的乘积；MEW通过比率式计算与正理想解得接近程度，而TOPSIS计算的是Euclid距离。虽然两种方案在计算方法上有差别，但其整体思路基本一致。不同的计算方法可能出现不同的数值结果，但是并不能解决固有的问题，即：MEW与TOPSIS都存在相同的问题。

4.在GRA中，排序是通过建立与一个正理想网络的灰度关联得到的。归一化过程是处理所要求的收益与成本参数和计算的各个网络的灰度关联系数(GRC)。GRC是用来描述每个候选网络和理想网络之间相似性的得分。所选网络是与理想网络具有最高相似性的网络。所选网络

为：

$A_{\mathrm{GRA}}^{*}=\arg \underset{i\∈M}{\max }{\mathrm{\Γ}}_{0,i}$

其中Γ_0，i是网络i的GRC。

GRA总共分为以下几个步骤：

数值归一化，定义最理想序列和计算GRC。

假设比较n个序列(X₁，X₂，…X_n)，每个序列有k个元素，即

X_i＝(x_i(1)，x_i(2)，…x_i(k))

其中i＝1，2，…n。

序列数值的归一化按照三种情况(越大越好，越小越好，越平均越好)执行，如下：

$x_i^{*}\left(j\right)=\frac{x_i\left(j\right)-l_j}{u_j-l_j}$

$x_i^{*}\left(j\right)=\frac{u_j-x_i\left(j\right)}{u_j-l_j}$

$x_i^{*}\left(j\right)=1-\frac{|x_i\left(j\right)-m_j|}{\max \{u_j-m_j,m_j-l_j\}}$

其中u_j＝max{x₁(j)，x₂(j)，…x_n(j)}，l_j＝min{x₁(j)，x₂(j)，…x_n(j)}，m_j是越平均越好情况中的目标值，j＝1，2，…k。

理想序列(X₀)在越大越好，越小越好或越平均越好三种情况下分别定义为包含上界，下界或平均界。GRC由下式计算：

${\mathrm{GRC}}_i=\frac{1}{m}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\frac{{\mathrm{\Δ}}_{\min }+{\mathrm{\Δ}}_{\max }}{{\mathrm{\Δ}}_i+{\mathrm{\Δ}}_{\max }}$

其中 ${\mathrm{\Δ}}_i=|x_0^{*}\left(j\right)-x_i^{*}\left(j\right)|,$ ${\mathrm{\Δ}}_{\max }=\underset{(i,j)}{\max }\left({\mathrm{\Δ}}_i\right),$ ${\mathrm{\Δ}}_{\min }=\underset{(i,j)}{\min }\left({\mathrm{\Δ}}_i\right).$

是计算一组随着i和j独立变化数值的最大(最小)值函数。

将GRC最大的序列对应的网络作为目标网络。

GRA与TOPSIS的整体思路相同，虽然改变了与理想解相似程度的计算方法，但是并不能解决固有的问题，即：GRA与TOPSIS都存在相同的问题。

综上所述，现有的应用MADM理论进行垂直切换算法确定目标网络，会造成目标网络选择失败，影响整个网络负载失衡，异构资源遭到极大的浪费。

发明内容

本发明实施例提供一种确定目标网络的方法和设备，用以解决现有技术中应用MADM理论进行垂直切换算法确定目标网络，会影响整个网络负载失衡，异构资源遭到极大的浪费的问题。

本发明实施例提供的一种确定目标网络的方法包括：

监测到用户设备UE需要切换时，根据所述UE当前的业务类型确定业务参数；

监测到用户设备UE需要切换时，根据所述UE当前的业务类型确定业务参数；

将所述业务参数的理想值作为参考网络的业务参数值，并根据所述参考网络的业务参数值确定所述参考网络的评价值；

确定所述UE当前的业务类型在每个备选网络中的业务参数值，并根据每个所述备选网络的业务参数值确定每个所述备选网络的评价值；

将所述参考网络的评价值与每个所述备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络。

本发明实施例提供的一种确定目标网络的设备包括：

监测模块，用于监测用户设备UE是否需要切换；

业务模块，用于在所述监测模块监测到所述UE需要切换时，根据所述UE当前的业务类型确定业务参数；

第一评价值确定模块，用于将所述业务参数的理想值作为参考网络的业务参数值，并根据所述参考网络的业务参数值确定所述参考网络的评价值；

第二评价值确定模块，用于确定所述UE当前的业务类型在每个备选网络中的业务参数值，并根据每个所述备选网络的业务参数值确定每个所述备选网络的评价值；

目标网络确定模块，用于将所述参考网络的评价值与每个所述备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络。

本发明实施例监测到用户设备UE需要切换时，监测到用户设备UE需要切换时，根据所述UE当前的业务类型确定业务参数；将所述业务参数的理想值作为参考网络的业务参数值，并根据所述参考网络的业务参数值确定所述参考网络的评价值；确定所述UE当前的业务类型在每个备选网络中的业务参数值，并根据每个所述备选网络的业务参数值确定每个所述备选网络的评价值；将所述参考网络的评价值与每个所述备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络，从而减轻了网络的负载，提高了网络资源的利用率。

附图说明

图1为本发明实施例确定目标网络的设备结构示意图；

图2为本发明实施例第一种确定目标网络的方法流程示意图；

图3为本发明实施例第二种确定目标网络的方法流程示意图；

图4为本发明实施例仿真场景示意图；

图5为本发明实施例的虚拟目标网络(Virtual Target Network，VTN)与现有技术的SAW和TOPSIS在VoIP业务下权重值平均分配的切换次数示意图；

图6为本发明实施例的VTN与现有技术的SAW和TOPSIS在VoIP业务下权重值平均分配的带宽性价比示意图；

图7为本发明实施例的VTN与现有技术的SAW和TOPSIS在VoIP业务下权重值按业务固定分配的切换次数示意图；

图8为本发明实施例的VTN与现有技术的SAW和TOPSIS在VoIP业务下权重值按业务固定分配的带宽性价比示意图；

图9为本发明实施例的VTN与现有技术的SAW和TOPSIS在流业务下权重值平均分配的切换次数示意图；

图10为本发明实施例的VTN与现有技术的SAW和TOPSIS在流业务下权重值平均分配的带宽性价比示意图；

图11为本发明实施例的VTN与现有技术的SAW和TOPSIS在流业务下权重值按业务固定分配的切换次数示意图；

图12为本发明实施例的VTN与现有技术的SAW和TOPSIS在流业务下权重值按业务固定分配的带宽性价比示意图。

具体实施方式

在本发明实施例中：为了使切换后的网络更合理，根据UE的业务确定对应的参数，并将参数的理想值作为参考网络的业务参数值，使得其它备选网络与参考网络进行比较，将符合条件的备选网络作为目标网络，这样使得切换后的网络更合理，从而能够提高网络的利用率以及用户体验。

下面结合说明书附图对本发明实施例作进一步详细描述。

如图1所示，本发明实施例确定目标网络的设备包括：监测模块10、业务模块20、第一评价值确定模块30、第二评价值确定模块40和目标网络确定模块50。

监测模块10，与业务模块20连接，用于监测UE是否需要切换。

业务模块20，与监测模块10和第一评价值确定模块30连接，用于在监测模块10监测到UE需要切换时，根据UE当前的业务类型确定业务参数。

第一评价值确定模块30，与业务模块20和目标网络确定模块50连接，用于将业务模块20确定的业务参数的理想值作为参考网络的业务参数值，并根据该参考网络的业务参数值确定参考网络的评价值。

其中，第一评价值确定模块30还可以进一步包括：第一归一化模块300、第一权重确定模块310和第一加权平均模块320。

第一归一化模块300，用于将业务模块20确定的业务参数的理想值作为参考网络的业务参数值，将该参考网络的业务参数值归一化，确定该业务参数值的归一化属性值。

第一权重确定模块310，用于根据第一归一化模块300确定的参考网络的业务参数值的归一化属性值，通过信息熵方法确定该业务参数值的权重值。

第一加权平均模块320，用于根据第一归一化模块300确定的参考网络的业务参数值的归一化属性值以及第一权重确定模块310确定参考网络的业务参数值的权重值，通过加权平均算子确定参考网络的评价值。

第二评价值确定模块40，与业务模块20和目标网络确定模块50连接，用于确定UE当前的业务类型在每个备选网络中的业务参数值，并根据每个备选网络的业务参数值确定每个备选网络的评价值。

其中，第二评价值确定模块40中确定的备选网络为至少满足下列一种条件的网络：

符合设置的网络协商参数、高于设置的信号强度门限值和满足UE当前的业务要求。

其中，评价值确定模块40还可以进一步包括：第二归一化模块400、第二权重确定模块410和第二加权平均模块420。

第二归一化模块400，用于确定UE当前的业务类型在每个备选网络中的业务参数值，将每个备选网络的业务参数值归一化，确定每个备选网络的业务参数值的归一化属性值。

第二权重确定模块410，用于根据第二归一化模块400确定的每个备选网络的业务参数值的归一化属性值，通过信息熵方法确定每个备选网络的业务参数值的权重值。

第二加权平均模块420，用于根据第二归一化模块400确定的每个备选网络的业务参数值的归一化属性值以及第二权重确定模块410确定的每个备选网络的业务参数值的权重值，通过加权平均算子确定每个备选网络的评价值。

目标网络确定模块50，与第一评价值确定模块30和第二评价值确定模块40连接，用于将第一评价值确定模块30确定的参考网络的评价值与第二评价值确定模块40确定的每个备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络。

其中，目标网络确定模块50还可以进一步包括：排序模块500和判断模块510。

排序模块500，用于将第一评价值确定模块30确定的参考网络的评价值与第二评价值确定模块40确定的每个备选网络的评价值进行排序。

判断模块510，用于比较备选网络中UE所在的当前网络的评价值和参考网络的评价值的大小，若UE所在的当前网络的评价值大于参考网络的评价值，则将UE所在的当前网络作为目标网络；若UE所在的当前网络的评价值不大于参考网络的评价值，则将最接近参考网络的评价值的备选网络作为目标网络。

其中，确定目标网络确定模块还可以进一步包括：存储模块520和系统开销确定模块530。

存储模块520，用于保存系统开销阈值。

系统开销确定模块530，用于确定UE从所在的当前网络切换到每个备选网络需要的系统开销值。

则判断模块510还可以进一步包括：第一模块5100和第二模块5110。

第一模块5100，用于若UE所在的当前网络的评价值大于参考网络的评价值，则将UE所在的当前网络作为目标网络。

第二模块5110，用于若UE所在的当前网络的评价值不大于参考网络的评价值，将系统开销确定模块530确定的系统开销值不大于存储模块520存储的系统开销阈值，并且最接近参考网络的评价值的备选网络作为目标网络。

在本实施例中，判断模块还可以进一步包括：计算模块5120。

计算模块5120，用于将参考网络的评价值分别与每个备选网络的评价值做差，并取绝对值，将最小的绝对值对应的备选网络作为最接近参考网络的评价值的备选网络。

如图2所示，本发明实施例第一种确定目标网络的方法包括下列步骤：

步骤200、监测到UE需要切换时，根据UE当前的业务类型确定业务参数。

其中，UE需要切换的触发条件包括但不限于下列条件中的一种或几种：

无线链路质量、用户服务质量(QoS)参数、上下文信息、安全性、接入技术类型、用户移动特性的改变。

其中，根据业务类型确定业务参数的方式有很多：

比如：将业务类型划分为实时业务、准实时业务和非实时业务。

实施业务可以包括：IP语音(VoIP)等话音业务，其参数包括但不限于下列参数中的一种或几种：

接收信号强度，时延、抖动、功耗、用户密度、平均业务持续时间、用户移动性、价格等；

准实时业务可以包括：视频流业务等，其参数包括但不限于下列参数中的一种或几种：

接收信号强度、时延、功耗、吞吐量、用户密度、用户移动性、峰值比特率、丢包率、带宽、价格等；

非实时业务可以包括：数据业务、环球网(Web)浏览业务等，其参数包括但不限于下列参数中的一种或几种：

接收信号强度、吞吐量、带宽、丢包率、功耗、价格等。

上面提到的业务分类以及业务类型对应的参数可以根据具体需求进行划分、添加、删除等操作。

步骤201、将业务参数的理想值作为参考网络的业务参数值，并根据参考网络的业务参数值确定该参考网络的评价值。

其中，每个业务参数都有最理想的业务参数值，将每个参数最理想的数值作为参考网络的业务参数值，这样该参考网络就是UE切换后最理想的网络，这个参考网络是与其他备选网络进行比较的虚拟网络。

业务类型参数有可能是模糊类参数，比如：用户满意度参数为好，中，差，这样就必须对模糊参数进行量化处理，量化处理的方法有很多，比如利用模糊逻辑等理论方法。

在本实施例中，确定参考网络的评价值包括下列步骤：

1.将参考网络的业务参数值归一化，确定该业务参数值的归一化属性值。

由于不同的业务参数值有可能出现不同的衡量标准，比如：有的业务参数值越大越好，有的业务参数值越小越好，这样就必须将每个业务参数值统一成一个标准。

这里，将业务参数分为效益型和成本型，效益型的参数包括带宽等，这些参数的共同特点是参数值越大越好，根据下面公式确定效益型参数的归一化属性值：

$r_{\mathrm{ij}}=\frac{x_{\mathrm{ij}}}{\underset{i}{\max }\left(x_{\mathrm{ij}}\right)}$

其中，r_ij为第i个网络的第j个属性的归一化属性值，x_ij为第i个网络的第j个业务参数值。

成本型的参数包括价格、功耗等，这些参数的共同特点是参数值越小越好，根据下面公式确定成本型参数的归一化属性值：

$r_{\mathrm{ij}}=\frac{\underset{i}{\min }\left(x_{\mathrm{ij}}\right)}{x_{\mathrm{ij}}}$

其中，r_ij为第i个网络的第j个属性的归一化属性值，x_ij为第i个网络的第j个业务参数值。

当然，还可以根据需要将业务参数分为其他类型，只要能够将业务类型参数归一化即可。

2.根据确定的参考网络的业务参数值的归一化属性值，通过信息熵方法确定该业务参数值的权重值。

每一个业务参数值的权重值取决于当时的网络条件及业务特性，比如：网络所能提供的带宽都基本相同时，带宽信息在决策过程中的作用就应很小，其它参数如价格等可能将会起到比较大的作用，利用信息熵方法可以分配给带宽较小的权重值，其它参数较大的权重值，这样即能平等考虑网络的带宽情况，也能考虑到其它参数的重要性。

假设m个网络，每个网络有n个业务参数值，则决策矩阵D可以表示为：

$D=\left[\begin{array}{cccc}{x}_{11}& x_{12}& \·\·\·& x_{1n}\\ x_{21}& x_{22}& \·\·\·& x_{2n}\\ \·& \·& & \·\\ \·& \·& & \·\\ \·& \·& & \·\\ x_{m1}& x_{m2}& \·\·\·& x_{\mathrm{mn}}\end{array}\right]$

定义网络关于业务参数值j的评价P_ij为：

$P_{\mathrm{ij}}=\frac{x_{\mathrm{ij}}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{x}_{\mathrm{ij}}}$

即对于每一业务参数值j，P_ij为每个备选网络所提供的该项业务参数值在所有备选网络提供的该业务参数值中所占的比例。

网络关于属性j的评价P_ij的熵E_j定义为：

$E_j=-k\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{P}_{\mathrm{ij}}\ln P_{\mathrm{ij}}$

信息偏差度d_j定义为：

d_j＝1-E_j

设定信息熵参考值为1，k为常量，k＝1/1nm，能够保证0≤E_j≤1，即保证E_j小于参考值1。

进一步的，这里熵的参考值的设定可以使得参数间能够在统一的标准下进行权重的确定，也就是说根基根据需要进行设置但必须保证E_j小于参考值，当E_j的值越接近参考值时，说明该参数提供的信息量越小，即需要赋予的权重值就越小。

利用信息偏差度d_j即可定义属性j的权重w_j

$w_j=\frac{d_j}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{d}_j}$

另外，由于不同网络带宽的差别可能是多个数量级的差异，比如全球移动通信网络(Global System for Mobile Communications，GSM)和无线局域网(Wireless Local Area Network，WLAN)，带宽可能从几十～几百K至几十～几百M之间变化，当采用熵理论进行权重确定时，带宽数量级差别较大的网络之间的综合评价很可能只依赖于带宽来决定，这样有可能引起对网络的评价的不合理。为了解决该问题，对带宽这一类具有多个数量级差异的特殊参数可以考虑进行特殊的处理：

对于VoIP这类实时性要求严格，但对带宽要求不高的业务，可认为当前所有网络均能满足带宽需求，将不再考虑带宽对网络选择的影响，在决策矩阵中不含有带宽参数；

对于流这类对带宽要求较高的业务，由于其带宽的需求往往限定在某一范围之内，当网络所能提供的带宽超出带宽需求的上界时，将其限定为上界值参与决策运算。具体的上界值根据不同的业务类型会有不同的标准，由网络侧给出。

这样既能够保留网络在带宽能力上的优势，又能够减少悬殊的带宽值对决策算法带来的不利影响。

3.根据确定的参考网络的业务参数值的归一化属性值以及权重值，通过加权平均算子(WAA)确定参考网络的评价值。

参考网络的评价值是通过下面公式确定的：

$Z_i=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{r}_{\mathrm{ij}}{w}_j$

其中，r_ij为第i个网络的第j个属性的归一化属性值，w_j为第j个属性的权重值，n为每个网络的业务参数的个数。

步骤202、确定UE当前的业务类型在每个备选网络中的业务参数值，并根据每个备选网络的业务参数值确定每个备选网络的评价值。

每个业务参数在不同的网络中都有不同的业务参数值，这些数值并不是定值，是根据网络的状态在不断变化，这就需要在UE需要切换时获取业务参数在不同网络中的当前的业务参数值。

备选网络为至少满足下列一种条件的网络：

符合设置的网络协商参数、高于设置的信号强度门限值和满足UE当前的业务要求。

在本实施例中，网络协商参数包括但不限于下列参数中的一种或几种：

网络安全性级别、接入技术类型、用户等级、用户预订业务类型等等。

满足UE当前的业务要求，即备选网络必须能够满足UE当前业务参数的最低值。比如：UE进行Web浏览业务，则所有的备选网络必须能够使UE切换后，继续进行Web浏览业务。

其中，业务类型参数有可能是模糊类参数，比如：用户满意度参数为好，中，差，这样就必须对模糊参数进行量化处理，量化处理的方法有很多，比如利用模糊逻辑等理论方法。

在本实施例中，确定确定每个备选网络的评价值包括下列步骤：

1.将每个备选网络的业务参数值归一化，确定每个备选网络的业务参数值的归一化属性值。

2.根据确定的每个备选网络的业务参数值的归一化属性值，通过信息熵方法确定每个备选网络的业务参数值的权重值。

3.根据确定的每个备选网络的业务参数值的归一化属性值以及权重值，通过加权平均算子确定每个备选网络的评价值。

具体确定每个备选网络的评价值的方法与确定参考网络的评价值的方法类似，不再赘述。

步骤203、将确定的参考网络的评价值与确定的每个备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络。

其中，备选网络中包括UE所在的当前网络，确定目标网络包括下列步骤：

1.将确定的参考网络的评价值与确定的每个备选网络的评价值进行排序。

2.若UE所在的当前网络的评价值大于参考网络的评价值，则将UE所在的当前网络作为目标网络；若UE所在的当前网络的评价值不大于参考网络的评价值，则将最接近参考网络的评价值的备选网络作为目标网络。

如果当前网络的评价值大于参考网络的评价值，则认为UE所在的当前网络能够满足UE目前的业务要求，所以不用进行切换。

进一步的，还可以设定系统开销阈值，确并定UE从所在的当前网络切换到每个备选网络需要的系统开销值，则若UE所在的当前网络的评价值不大于参考网络的评价值时，将系统开销值不大于系统开销阈值，并且最接近参考网络的评价值的备选网络作为目标网络。

设定系统开销阈值，可以将切换后的网络给用户带来的益处与切换所付出的开销进行比较，也就是说，如果切换代价过高，系统开销比切换后的网络给用户带来的益处高，则不进行切换，这样能够保证带来更好的用户体验。

在本实施例中，确定最接近参考网络的评价值的备选网络的步骤包括：

将参考网络的评价值分别与每个备选网络的评价值做差，并取绝对值；

将最小的绝对值对应的备选网络作为最接近参考网络的评价值的备选网络。

如图3所示，本发明实施例第二种确定目标网络的方法包括下列步骤：

步骤300、在UE满足触发准则后，查看是否设定网络协商参数，如果是，则执行步骤301；否则，执行步骤302。

步骤301、将满足网络协商参数的网络作为备选网络，并执行步骤302。

其中，还可以根据信号强度门限和/或满足UE当前业务进行备选网络的筛选。

步骤302、根据UE当前的业务类型确定业务参数。

步骤303、将确定的业务参数的理想值作为参考网络的业务参数值，并确定业务参数在每个备选网络中的业务参数值，将模糊类参数值进行量化处理。

步骤304、将每个网络的业务参数值归一化，确定每个业务参数值的归一化属性值。

步骤305、根据确定的业务参数值的归一化属性值，通过信息熵方法确定参考网络和每个备选网络的业务参数值的权重值。

步骤306、根据确定的业务参数值的归一化属性值以及该业务参数值对应的权重值，通过加权平均算子确定参考网络和每个备选网络的评价值。

步骤307、将每个网络的评价值进行排序。

步骤308、查看UE所在的当前网络的评价值是否大于参考网络的评价值，如果是，则执行步骤309；否则，执行步骤310。

步骤309、将UE所在的当前网络作为目标网络，执行步骤311。

步骤310、将系统开销值不大于设置的系统开销阈值，并且最接近参考网络的评价值的备选网络作为目标网络。

如果没有设置系统开销阈，则只需要将最接近参考网络的评价值的备选网络作为目标网络。

步骤311、通知UE切换到确定的目标网络中。

为了更好的说明本发明实施例能够解决现有技术的问题，对本发明实施例的方法进行仿真，第一种仿真是验证本发明实施例的正确性以及合理性；第二种仿真是在相同环境下，与SAW和TOPSIS进行比较。

仿真使用的Matlab仿真平台。

仿真场景如图4所示，系统中存在大范围覆盖的通用分组无线服务(General Packet Radio Service，GPRS)网络和热点覆盖的无线局域网络(Wireless Local Area Network，WLAN)。其中包含两个GPRS网络的基站、两个WLAN网络的基站，其大致分布的位置和覆盖范围如图4。GPRS网络的两个基站的位置坐标和WLAN网络的两个基站的位置坐标分别为：G1：(0，1000)；G2：(1000，0)；W1：(450，450)；W2：(550，550)。移动台可以在给定的起始位置选择任意运动方向做匀速直线运动。移动台的初始位置坐标为(500，500)。

在距离基站或接入点d(m)的位置处，接收信号强度的信道传播模型为

RSS(d)＝Pt-PL(d)+Xσ_dB

其中Pt为基站或接入点的发射功率，PL(d)为d处的路径损耗，Xσ为阴影衰落模型，Xσ是均值为零，标准差为σ的高斯随机变量。σ与传播环境有关，一般在6到12dB间取值。

在d处的路径损耗定义为：

PL(d)＝S+10·n·log(d)_dB

其中S表示路径损耗常数，它与传播环境有关。n表示路径损耗因子，在2到4间取值。

在WLAN和GPRS传播环境中的仿真参数具体设置见表1：

 

参数	WLAN	GPRS
			Pt	0.01Watt	1Watt
S	28.7dB	19dB
			n	3.3	4
σ	7dB	6dB
			门限值	-115dB	-139dB

表1 传播参数设置

仿真中考虑两种业务类型：VoIP和流(streaming)业务。

仿真中考虑的业务参数包括时延、丢包、带宽和价格。

第一种仿真：

仿真场景一如图4，移动终端从初始位置出发，沿-45°的方向即东南方向作直线运动，速度为10m/s，初始处于W1网络，业务类型为VoIP业务。由于接收信号强度恶化触发切换，此刻可获备选网络有W2、G2网络。在当前网络都能满足VoIP这类实时业务的带宽需求的前提下，不考虑带宽因素，仿真中备选网络的业务参数由时延、丢包和价格组成。W1、W2、G2以及VTN状态如表2所示：

 

网络/基站	时延(秒)	丢包(/106)	价格(元)
				W1	0.2	20	0.4
W2	0.22	20.584	0.7
				G2	0.29509	70	0.02
VTN	0.1	15	0.02

表2 备选网络集合参数特征

由本切换算法计算得出的上表中四个网络的评价值分别为：

 

网络/基站	W1	W2	G2	VTN
					Z	0.2078	0.1834	0.8039	1

表3 备选网络的评价值

排序结果为：

Z(VTN)>Z(G2)>Z(W1)>Z(W2)

由于W1的评价值低于VTN的综合评价值，而G2的综合评价值远高于W1，根据本发明实施例的算法，将切换至G2网络。

对照表2可以看出，对于VoIP业务，虽然G2网络的时延和丢包都高于VTN的参考值，但是很明显处于合理的范围之内，并不影响用户的QoS保证，同时，G2网络价格在可获网络中最低；而W2网络虽然在时延、丢包上性能较好，但价格为最高；综合比较，G2网络应当是用户切换的最佳网络。从而得出仿真结果与理论分析一致。

仿真场景二如图4，移动终端从初始位置出发，沿36.8°的方向即约东北方向作直线运动，速度为15m/s，初始处于W2网络，业务类型为流业务。由于接收信号强度恶化触发切换，此刻可获备选网络有W1、G1、G2网络。仿真中备选网络的业务参数由时延、丢包、带宽和价格组成。W1、W2、G1、G2以及虚拟目标网VTN状态如表4所示：

 

网络/基站	时延(秒)	丢包(/106)	带宽(Mbps)	价格(元/单位时间)
					G1	0.35	60	0.5	0.6
W1	1.3544	168.44	5	0.1
					W2	1.4	212.37	100	0.1
G2	0.3	60	0.5	0.8
					VTN	1.2	200	4	0.1

表4 备选网络集合参数特征

按照本发明实施例提出的对具有较大数量级差异参数进行处理，W2网络的带宽被限定为20M。

由本切换算法计算得出的上表中网络的综合评价值如表5所示：

 

网络/基站	G1	W1	W2	G2	VTN
						Z	0.325	0.4048	0.7687	0.3424	0.3778

表5 备选网络集合的综合评价值

排序结果为：

Z(W2)>Z(W1)>Z(VTN)>Z(G2)>Z(G1)

由于W2的综合评价值高于VTN的综合评价值，将不进行切换。

对照表4可以看出，W2网络值在提供流业务所能够接受的时延和丢包率的情况下，能够提供最低的价格和尽可能高的带宽。不能够提供流业务所需求的带宽以及价格偏高的G1和G2网络获得的评价值最低。仿真结果与理论分析一致。

该仿真主要比较本发明提出的算法与SAW、TOPSIS算法的性能优劣性。评价指标为：切换次数和带宽性价比(Bandwidth Cost Ratio，BCR)。其中，切换次数为用户在运动100秒时间内所进行的垂直切换的总次数。定义BCR为所获带宽与价格之比。BCR越大表明性价比越高，也即算法性能越优。

第二种仿真：

仿真场景如图4，系统初始业务参数如表6所示：

 

网络/基站	时延(秒)	丢包(/106)	带宽(Mbps)	价格(元)
					G1	0.35	100	0.5	0.6
W1	1	220	5	0.1
					W2	1.4	180	100	0.1
G2	0.3	70	0.5	0.8

表6 各基站的初始参数特征

以上参数为网络初始值。在不同的通信环境下，参数会因网络状态的变化而发生改变。

仿真中分别比较了VoIP业务和流业务。其中，各业务标准参数(即VTN参数值)如表7所示：

 

业务类型	时延(秒)	丢包(/106)	带宽(Mbps)	价格(元)
					VoIP	0.4	80	/	Min(C)
Streaming	1.2	200	4	Min(C)

表7 业务需求参数设置

其中Min(C)为备选网络中价格的最低值。

需要说明的是，VTN的参考值因业务类型而有所差异，是用户最佳体验的理论参考值。

对于SAW、TOPSIS算法，考虑两种权重值分配方式：平均分配和按业务类型固定分配。其中，VoIP业务下平均分配权重值W＝[1/3 1/3 1/3]，流业务下平均分配权重值W＝[0.25 0.25 0.25 0.25]，按业务类型固定分配权重值如表8，表9：

 

参数	时延	丢包	价格
				权重值	0.45	0.25	0.3

表8 VoIP业务下固定权重值分配情况

 

参数	时延	丢包	带宽	价格
					权重值	0.1	0.1	0.4	0.4

表9 流业务下固定权重值分配情况

用户在初始位置上以不同的速率随机地选择任意一个方向运动，触发切换的条件设定为接收信号强度的恶化。考虑到传播模型中随机变量的存在，仿真均进行多次，结果取平均值。

对于VoIP和流业务，均分为两种情况考察切换次数和带宽性价比(BCR)。

仿真结果如图5—图12所示。从图中可以看出，本发明实施例的切换次数均低于SAW与TOPSIS，这是由于VTN的设置以及系统开销阈值的设置减少了不必要的切换次数，并保证了UE通信过程的稳定性。

本发明实施例的带宽性价比均高于SAW和TOPSIS。这是由于在切换过程中本发明实施例算法是根据实际的业务参数值来动态调整权重，并且目标网络选定为最适合当前业务的网络，而不是“最值”网络，从而保证用户QoS的同时也提高了网络资源利用率。可见，本发明实施例实现以最小的资源代价换取业务的连续性以及QoS保证。

需要说明的是本仿真重在算法性能优劣的比较。仿真的数值结果依仿真过程中设定的参数而定。

本领域的技术人员应该明白，上述的本发明实施例中的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。应该明白，这些具体实施中的变化对于本领域的技术人员来说是显而易见的，不脱离本发明的精神保护范围。

从上述实施例中可以看出：本发明实施例监测到用户设备UE需要切换时，根据所述UE当前的业务类型确定业务参数；将所述业务参数的理想值作为参考网络的业务参数值，并根据所述参考网络的业务参数值确定所述参考网络的评价值；确定所述UE当前的业务类型在每个备选网络中的业务参数值，并根据每个所述备选网络的业务参数值确定每个所述备选网络的评价值；将所述参考网络的评价值与每个所述备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络，从而减轻了网络的负载，提高了网络资源的利用率，增加了网络的可用性，提高了用户体验。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (14)

1、一种确定目标网络的方法，其特征在于，该方法包括：

监测到用户设备UE需要切换时，根据所述UE当前的业务类型确定业务参数；

将所述业务参数的理想值作为参考网络的业务参数值，并根据所述参考网络的业务参数值确定所述参考网络的评价值；

确定所述UE当前的业务类型在每个备选网络中的业务参数值，并根据每个所述备选网络的业务参数值确定每个所述备选网络的评价值；

将所述参考网络的评价值与每个所述备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络。

2、如权利要求1所述的方法，其特征在于，所述备选网络为至少满足下列一种条件的网络：

符合设置的网络协商参数、高于设置的信号强度门限值和满足所述UE当前的业务要求。

3、如权利要求1所述的方法，其特征在于，所述根据所述参考网络的业务参数值确定所述参考网络的评价值的步骤包括：

将所述参考网络的业务参数值归一化，确定该业务参数值的归一化属性值；

根据所述参考网络的业务参数值的归一化属性值，通过信息熵方法确定该业务参数值的权重值；

根据所述参考网络的业务参数值的归一化属性值以及权重值，通过加权平均算子确定所述参考网络的评价值。

4、如权利要求1所述的方法，其特征在于，所述根据每个所述备选网络的业务参数值确定每个所述备选网络的评价值的步骤包括：

将每个所述备选网络的业务参数值归一化，确定每个所述备选网络的业务参数值的归一化属性值；

根据每个所述备选网络的业务参数值的归一化属性值，通过信息熵方法确定每个所述备选网络的业务参数值的权重值；

根据每个所述备选网络的业务参数值的归一化属性值以及权重值，通过加权平均算子确定每个所述备选网络的评价值。

5、如权利要求1所述的方法，其特征在于，所述备选网络中包括所述UE所在的当前网络，则所述将所述参考网络的评价值与每个所述备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络包括：

将所述参考网络的评价值与每个所述备选网络的评价值进行排序；

若所述UE所在的当前网络的评价值大于所述参考网络的评价值，则将所述UE所在的当前网络作为目标网络；

若所述UE所在的当前网络的评价值不大于所述参考网络的评价值，则将最接近所述参考网络的评价值的所述备选网络作为目标网络。

6、如权利要求5所述的方法，其特征在于，设定系统开销阈值，确定所述UE从所在的当前网络切换到每个所述备选网络需要的系统开销值，若所述当前网络的评价值不大于所述参考网络的评价值，

则将所述系统开销值不大于所述系统开销阈值，并且最接近所述参考网络的评价值的所述备选网络作为目标网络。

7、如权利要求5或6所述的方法，其特征在于，所述将最接近所述参考网络的评价值的所述备选网络作为目标网络的步骤包括：

将所述参考网络的评价值分别与每个所述备选网络的评价值做差，并取绝对值；

将最小的绝对值对应的所述备选网络作为目标网络。

8、一种确定目标网络的设备，其特征在于，该设备包括：

监测模块，用于监测用户设备UE是否需要切换；

业务模块，用于在所述监测模块监测到所述UE需要切换时，根据所述UE当前的业务类型确定业务参数；

第一评价值确定模块，用于将所述业务参数的理想值作为参考网络的业务参数值，并根据所述参考网络的业务参数值确定所述参考网络的评价值；

第二评价值确定模块，用于确定所述UE当前的业务类型在每个备选网络中的业务参数值，并根据每个所述备选网络的业务参数值确定每个所述备选网络的评价值；

目标网络确定模块，用于将所述参考网络的评价值与每个所述备选网络的评价值进行比较，根据比较结果从备选网络中选择一个网络作为目标网络。

9、如权利要求8所述的设备，其特征在于，所述备选网络为至少满足下列一种条件的网络：

符合设置的网络协商参数、高于设置的信号强度门限值和满足所述UE当前的业务要求。

10、如权利要求8所述的设备，其特征在于，所述第一评价值确定模块包括：

第一归一化模块，用于将所述业务参数的理想值作为参考网络的业务参数值，将所述参考网络的业务参数值归一化，确定该业务参数值的归一化属性值；

第一权重确定模块，用于根据所述参考网络的业务参数值的归一化属性值，通过信息熵方法确定该业务参数值的权重值；

第一加权平均模块，用于根据所述参考网络的业务参数值的归一化属性值以及权重值，通过加权平均算子确定所述参考网络的评价值。

11、如权利要求8所述的设备，其特征在于，所述第二评价值确定模块包括：

第二归一化模块，用于确定所述UE当前的业务类型在每个备选网络中的业务参数值，将每个所述备选网络的业务参数值归一化，确定每个所述备选网络的业务参数值的归一化属性值；

第二权重确定模块，用于根据每个所述备选网络的业务参数值的归一化属性值，通过信息熵方法确定每个所述备选网络的业务参数值的权重值；

第二加权平均模块，用于根据每个所述备选网络的业务参数值的归一化属性值以及权重值，通过加权平均算子确定每个所述备选网络的评价值。

12、如权利要求10所述的设备，其特征在于，所述目标网络确定模块包括：

排序模块，用于将所述参考网络的评价值与每个所述备选网络的评价值进行排序；

判断模块，用于若所述UE所在的当前网络的评价值大于所述参考网络的评价值，则将所述UE所在的当前网络作为目标网络，若所述UE所在的当前网络的评价值不大于所述参考网络的评价值，则将最接近所述参考网络的评价值的所述备选网络作为目标网络。

13、如权利要求12所述的设备，其特征在于，所述目标网络确定模块还包括：

存储模块，用于保存系统开销阈值；

系统开销确定模块，用于确定所述UE从所在的当前网络切换到每个所述备选网络需要的系统开销值；

则所述判断模块包括：

第一模块，用于若所述UE所在的当前网络的评价值大于所述参考网络的评价值，则将所述UE所在的当前网络作为目标网络；

第二模块，用于若所述UE所在的当前网络的评价值不大于所述参考网络的评价值，将所述系统开销值不大于所述系统开销阈值，并且最接近所述参考网络的评价值的所述备选网络作为目标网络。

14、如权利要求12或13所述的设备，其特征在于，所述判断模块还包括：

计算模块，用于将所述参考网络的评价值分别与每个所述备选网络的评价值做差，并取绝对值，将最小的绝对值对应的所述备选网络作为最接近所述参考网络的评价值的所述备选网络。

Images