CN101754226B - 认知无线网络环境下终端的重构方法 - Google Patents

Abstract

本发明公开了一种认知无线网络环境下终端的重构方法，它属于通信技术领域，主要解决终端频繁重构、不能有效决策的问题，其具体过程为：(1)获取覆盖网络终端所处区域的网络的各种属性数据；(2)应用特征向量法确定接入网络的各个属性的权重；(3)根据重构方案的各种属性，构造加权规范化决策矩阵；(4)列出理想解和负理想解；(5)计算虚拟的最劣解；(6)计算各重构方案到理想解和虚拟的最劣解的距离；(7)计算各重构方案的综合评价指数；(8)排列各重构方案的优劣次序，选定最优的方案接入网络。本发明能够有效确定重构方案各种属性的权重，选定最优的重构方案接入网络，可用于认知网络环境下的终端重构。

Description

认知无线网络环境下终端的重构方法

技术领域

本发明属于通信技术领域，涉及终端的重构方法，可用于在认知无线网络环境下多模终端的重构。

背景技术

在当今的无线通信领域，特别是在认知无线通信网络中，宽带服务的需求日益增长，这就使得对多模可重构终端的需求更加迫切。多模终端的重构方法对于保证网络的服务质量至关重要。而在认知网络中最重要的通信场景是在异构网络环境下的通信。所谓异构网络，是在一个应用场景中有可能被多个运营商，多个无线接入网所覆盖的网络。无线接入网包括UMTS，WIMAX 802.16d/e，WLAN等不同的网络。当前，为了规范异构网络的模块、接口、资源信息及资源选择等诸方面问题，出现了不同标准。例如IEEE 1900.4标准，是目前已出现的同类标准中最完善的一个，其系统结构见图1。

在IEEE 1900.4标准的系统中，对终端进行重构具有实际的意义。在终端具有重构功能之前，解决终端的多模功能的基本方法就是将多种模式的功能简单集成到一个终端上，比如2G蜂窝网络中使用的GSM与CDMA双模手机，以及最近新出现的2G模式与3G双卡双模手机所采用的简单系统集成技术。这种技术有明显缺点，如所需要的芯片数量多，体积、成本和功耗均较高等。具有重构功能的无线终端在可用无线电资源和用户通信需求方面具有计算智能，并依据这些需求重新配置通信功能及相关参数，既具软件无线电的特征，又具有智能感知和决策的能力。重构方法在可重构终端的管理方面具有重要地位。在研究终端重构的方法这个方面，目前还很少有文献提出。用人工方法选择工作模式可以作为可重构终端的重构依据，但这个方法的缺点之一是效率低，其二是在考虑多个因素的时候难以取得最优解，因此有必要研究高效的重构方法。

在IEEE 1900.4标准的系统中，为了进行终端重构，达到资源优化的目的，一般情况下需要执行的流程包括搜集背景信息、生成频谱分配策略、制定频谱分配决策、生成无线资源选择策略和在终端重构管理器执行终端重构等步骤，其中网络重构管理器与终端重构管理器之间的信息交互流程见图2。

考虑终端重构与异构网络接入之间密切相关，现有技术通常参考有关的异构网络接入算法来设计终端重构方法，例如最大策略概率算法、基于层次分析法和灰度关联法。但在实际应用中，最大概率算法由于涉及多个服务质量QoS元素的效应函数比较复杂，难以进行合适的定义，因此不容易处理QoS因素的权重问题，比如吞吐量、时效性、可靠性、安全性和代价之间的重要性。层次分析法和灰度关联法虽然能有效处理各QoS因素的权重问题，但该算法在最后进行决策重构的时候不能将各备选方案有效排序，难以直观确定多个备选方案的优劣。

发明内容

本发明的目的在于克服上述已有方法的不足，提出一种认知无线网络环境下终端的重构方法，来解决网络重构管理器和终端重构管理器之间的无线资源的选择，进而指导终端进行重构，以有效处理各QoS因素的权重问题，实现在重构时将各备选方案进行有效地排序，选出最优的方案。

为实现上述目的，本发明的技术方案包括如下过程：

(1)从终端重构管理器和网络重构管理器中获取反映覆盖终端所处区域的网络的各种属性数据；

(2)根据终端所在位置处的网络覆盖情况及用户对不同服务质量QoS的需求，确定接入网络的各个属性数据的权重，得到一个权重向量ω，

ω＝[ω₁，ω₂，...，ω_n]^T

其中ω_j，j＝1，2，...，n表示重构方案第j个属性值的权重；

(3)构造加权规范化决策矩阵

构造加权规范化决策矩阵为：

其中x_ij表示第i个重构方案的第j个经过加权规范化后的属性值；

(4)根据加权规范化决策矩阵X，得到矩阵X中每个效益型属性的最大值和每个成本型属性的最小值组成的理想解

其中

i＝1，2，...，m，j＝1，2，...，n；

(5)根据加权规范化决策矩阵X，得到矩阵X中每个成本型属性的最大值和每个效益型属性的最小值组成的负理想解

其中

i＝1，2，...，m，j＝1，2，...，n；

(6)根据理想解X⁺和负理想解X^-，得到一个理想解X⁺和负理想解X^-的延长线上的一个虚拟的最劣解

其中 $x_j^{*}=2x_j^{-}-x_j^{+},j=\mathrm{1,2},...,n;$

(7)根据理想解和虚拟的最劣解，运用欧氏距离公式，计算m个重构方案X_i到理想解的距离d_i ⁺和m个重构方案X_i到虚拟的最劣解的距离d_i ^*：

$d_i^{+}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(x_{\mathrm{ij}}-x_j^{+})}^2},i=\mathrm{1,2},...,m;$

$d_i^{*}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(x_{\mathrm{ij}}-x_j^{*})}^2},i=\mathrm{1,2},...,m;$

(8)根据m个重构方案到理想解与虚拟的最劣解的距离，得到m个重构方案的综合评价指数：

$c_i=d_i^{*}/d_i^{*}+d_i^{+},i=\mathrm{1,2},...,m;$

(9)根据m个重构方案的综合评价指数大小，排列m个重构方案的优劣次序，并选定综合评价指数最大的方案作为接入网的最优方案。

本发明与现有技术相比，具有如下优点：

1.本发明通过一个属性相互比较的判断矩阵获得重构方案各种属性的权重，能够有效地在终端用户喜好、接入网的应用类别以及网络服务质量QoS的所有因素之间进行权衡，解决了各重构方案不同属性之间的矛盾性；

2.本发明通过构造加权规范化决策矩阵，获得各重构方案到理想解和虚拟的最劣解的距离，可以更科学、更快捷地对各重构方案的优劣进行排序，并选定最优的方案接入网络，避免终端频繁地重构。

附图说明

图1是现有IEEE 1900.4的系统结构图；

图2是现有网络重构管理器与终端重构管理器之间的信息交互流程；

图3是本发明的流程示意图；

图4是本发明的仿真场景。

具体实施方式

以下参照附图3和附图4对本发明的具体实施方式和效果进行详细描述。

参照附图3，采用本发明进行终端重构的步骤如下：

步骤1，从终端重构管理器和网络重构管理器中获取反映覆盖终端所处区域的网络的各种属性数据，这些属性数据包括获取网络的吞吐量、时效性、可靠性、安全性和使用价格。

步骤2，根据终端所在位置处的网络覆盖情况及终端用户对不同服务质量QoS的需求，确定接入网络的各个属性数据的权重组成的一个权重向量。

权重主要包含并反映决策人对目标的重视程度、各目标属性值的差异度、各目标属性值的可靠度这三种因素。特征向量法是决定权重的有效方法之一，该方法通过一个属性相互比较的判断矩阵A求矩阵的最大特征值，对应的特征向量即所求的权重向量：

首先，决策人把各个属性的重要性做成对比较，设有n个属性需要比较，把第i个属性相对第j个属性的相对重要性记为a_ij，并将a_ij作为第i个属性权值ω_i与第j个属性权值ω_j之比的近似值，a_ij≈ω_i/ω_j；

对n个属性进行成对比较，得到n×n阶的目标重要性判断矩阵A：

接着，设权重向量ω＝[ω₁，ω₂，...，ω_n]^T，其中T表示转置，则由上式可得Aω≈nω，即

(A-nI)ω≈0

式中I为单位矩阵，如果目标重要性判断矩阵A中的值估计准确，上式严格等于0，此时n为矩阵A的一个特征值，ω为矩阵A在特征值等于n时的特征向量；

最后，对矩阵A的最大特征值为λ_max，用一致性比率CR对矩阵A中的各元素进行一致性检验，

CR＝CI/RI

其中

RI为同阶矩阵的平均随机一致性指标，如表1所示

表1平均随机一致性指标

n	1	2	3	4	5	6	7	8	9
										RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41	1.46

如果CR＞0.1，说明A中的各元素一致性估计太差，应重新估计矩阵A中的各元素，反之说明矩阵A中的各元素的一致性可以接受，此时得到矩阵A的最大特征值λ_max对应的特征向量ω即权重向量：

ω＝[ω₁，ω₂，...，ω_n]^T，其中T表示转置；

步骤3，构造加权规范化决策矩阵。

设一个多属性决策问题的备选方案集为X{X1，X2，...，Xm}，衡量方案优劣的属性向量为Y{Y1，Y2，...，Yn}，这时方案集X中的每个方案Xi(i＝1，...，m)的n个属性值构成的向量Yi＝{y_i1，y_i2，...，y_in}，能唯一地表征方案Xi的优劣，因此我们可以通过构造加权规范化决策矩阵来表示m个重构方案的n个属性值。

首先，设m个重构方案，n个属性的决策矩阵Y：

其中y_ij表示第i个重构方案的第j个属性值，i＝1，2，...，m，j＝1，2，...，n；

接着，对决策矩阵Y进行规范化，得到规范化决策矩阵Z：

其中Z_ij表示第i个重构方案的第j个经过规范化后的属性值；

本方法用到的规范化公式为：

$z_{\mathrm{ij}}=y_{\mathrm{ij}}/\sqrt{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{y}_{\mathrm{ij}}^2},i=\mathrm{1,2},...,m;j=\mathrm{1,2},...,n;$

最后，用权重向量ω＝[ω₁，ω₂，...，ω_n]^T对规范化决策矩阵Z进行处理，得到加权规范化决策矩阵X：

其中x_ij＝ω_j*z_ij表示第i个重构方案的第j个经过加权规范化后的属性值。

步骤4，根据加权规范化决策矩阵得到理想解。

理想解X⁺是一个方案集中并不存在的虚拟最佳方案，它的每个属性值都是决策矩阵中该属性最好的值，即效益型属性。

根据加权规范化决策矩阵X，得到矩阵X中每个效益型属性的最大值和每个成本型属性的最小值组成的理想解

其中

i＝1，2，...，m，j＝1，2，...，n；

步骤5，根据加权规范化决策矩阵得到负理想解。

负理想解X^-是一个方案集中并不存在的虚拟最差方案，它的每个属性值都是决策矩阵中该属性最差的值，即成本型属性。

根据加权规范化决策矩阵X，得到矩阵X中每个成本型属性的最大值和每个效益型属性的最小值组成的负理想解

其中i＝1，2，...，m，j＝1，2，...，n。

步骤6，根据理想解和负理想解，得到一个理想解X⁺和负理想解X^-的延长线上的一个虚拟的最劣解。

在这里，通过改进的TOPSIS法来获得虚拟的最劣解。TOPSIS法是逼近理想解的排序方法，它借助多属性问题的理想解和负理想解对各种方案进行排序。在n维空间中，将方案集X中的备选方案Xi与理想解X⁺和负理想解X^-的距离进行比较，既靠近理想解又远离负理想解的方案就是最佳方案。为了在出现某两个备选方案与理想解的距离相同时，区分这两个方案的优劣，改进的TOPSIS法在理想解X⁺和负理想解X^-的延长线上找出一个虚拟的最劣解X^*＝(2X^-)-(X⁺)，并用X^*代替负理想解X^-。

根据理想解X⁺和负理想解X^-，得到一个理想解X⁺和负理想解X^-的延长线上的一个虚拟的最劣解

其中 $x_j^{*}=2x_j^{-}-x_j^{+},j=\mathrm{1,2},...,n.$

步骤7，根据理想解和虚拟的最劣解，运用欧氏距离公式，计算m个重构方案X_i到理想解的距离d_i ⁺和m个重构方案X_i到虚拟的最劣解的距离d_i ^*：

$d_i^{+}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(x_{\mathrm{ij}}-x_j^{+})}^2},i=\mathrm{1,2},...,m;$

$d_i^{*}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(x_{\mathrm{ij}}-x_j^{*})}^2},i=\mathrm{1,2},...,m.$

步骤8，根据m个重构方案到理想解与虚拟的最劣解的距离，得到m个重构方案的综合评价指数：

$c_i=d_i^{*}/d_i^{*}+d_i^{+},i=\mathrm{1,2},...,m.$

步骤9，根据各个重构方案的综合评价指数大小排列优劣次序，并选定综合评价指数最大的方案作为接入网的最优方案。

本发明的效果可以通过以下仿真进一步说明：

1.仿真条件

在无线终端重构以选择合适的接入网络的过程中，都是要保证特定的服务目的。我们希望达到的目的是接入网络的总体最优，这由方案的决策属性来决定。在本发明中，终端重构时考虑网络的主要属性包括吞吐量α，时效性β，可靠性γ，安全性δ以及使用价格ε。将α，β，γ，δ，ε作为决策矩阵中的属性数据。这些属性可以有子属性，子属性的权重也是用特征向量法求出。其中：时延ζ，响应时间η，抖动θ，这三个子属性决定时效性β；误码率

突发错误μ，平均每个数据包的重发概率ν这三个子属性，决定可靠性γ。

2.仿真场景

参照附图4，仿真场景假设有三个地方，办公室、机场和去机场的路上。其中办公室可以用到的无线接入网络有WLAN_1，WLAN_2，UMTS，WiMAX 802.16e，其中WLAN_1，WLAN_2是具有不同属性值的Wi-Fi；机场可以用到的无线接入网络有Wi-Fi，UMTS，WiMAX 802.16e；去机场的路上可以用到的无线接入网络只有UMTS和WiMAX 802.16e。

3.仿真内容

根据实际应用，分为三种情况分别进行仿真。

第一种情况是，一个移动多模终端最开始在办公室需要接收会议语音和视频，接收完毕后离开办公室去机场，这时终端用户可以选择WLAN_1，WLAN_2，UMTS，WiMAX802.16e中的任意一个接入网络。

根据属性α，β，γ，δ和ε构造的判断矩阵为：

$A=\left[\begin{array}{ccccc}1& 4/7& 1& 7& 6\\ 7/4& 1& 7/4& 49/4& 42/4\\ 1& 4/7& 1& 7& 6\\ 1/7& 4/49& 1/7& 1& 6/7\\ 1/6& 4/42& 1/6& 7/6& 1\end{array}\right]$

由矩阵A得到λ_max＝5，CI＝0，此时有良好的一致性，将对应的特征向量归一化，得ω₀＝[0.2463 0.4311 0.2463 0.0352 0.0411]；

根据判断矩阵A中β的子属性ζ，η和θ构造的判断矩阵为：

$A1=\left[\begin{array}{ccc}1& 1& 1/8\\ 1& 1& 1/8\\ 8& 8& 1\end{array}\right]$

由矩阵A1得到λ_max＝3，CI＝0，此时有良好的一致性，结合矩阵A，将特征向量归一化，得到β各子属性的权重向量为ω₁＝[0.043 0.043 0.345]；

根据判断矩阵A中γ的子属性

μ和ν构造的判断矩阵为：

$A2=\left[\begin{array}{ccc}1& 13/33& 13/3\\ 33/13& 1& 11\\ 3/13& 1/11& 1\end{array}\right]$

由矩阵A2得到λ_max＝3，CI＝0，此时有良好的一致性，结合矩阵A，将特征向量归一化，得到γ各子因素的权重向量为ω₂＝[0.065 0.166 0.015]。

由ω₀、ω₁、ω₂得到第一种情况的权重向量：ω＝[0.246 0.043 0.043 0.3450.065 0.166 0.015 0.035 0.041]，具体权重如表2所示：

表2第一种情况的权重

设定不同接入网的各属性数据，第一种情况的接入网各属性数据构成的决策矩阵、规范化决策矩阵、加权规范化决策矩阵如表3所示：

表3第一种情况的决策矩阵、规范化决策矩阵、加权规范化决策矩阵

根据第一种情况的加权规范化决策矩阵，得到的理想解X⁺、负理想解X^-和虚拟最劣解X^*＝(2X^-)-(X⁺)分别为：

X⁺＝[0.1699 0.0125 0.0096 0.1015 0.0000 0.0559 0.0038 0.0198 0.0031]

X^-＝[0.0136 0.0314 0.0288 0.2029 0.0458 0.1118 0.0094 0.0132 0.0310]

X^*＝[-0.1427 0.0503 0.0480 0.3043 0.0916 0.1677 0.0150 0.0066 0.0589]

根据得到的理想解和虚拟的最劣解，获得每个重构方案与理想解和虚拟最劣解的距离：

$D^{+}=\left[d_i^{+}\right]=\left[\begin{array}{cccc}0.1745& 0.1036& 0.1068& 0.1454\end{array}\right]$

$D^{*}=\left[d_i^{*}\right]=\left[\begin{array}{cccc}0.2733& 0.3644& 0.3587& 0.2661\end{array}\right]$

根据每个重构方案与理想解和虚拟最劣解的距离，得到每个重构方案的综合评价指数：

c₁＝0.6102，c₂＝0.7786，c₃＝0.7705，c₄＝0.6467，

根据每个方案的综合评价指数，对重构方案进行排序，c₂＞c₃＞c₄＞c₁，因此终端重构成WLAN_1模式，选择WLAN_1接入点接入网络。

第二种情况是，在去机场的路上发送一些电子邮件及文件。此时只有UMTS和WiMAX 802.16e可供终端用户接入网络，得到的权重向量ω＝[0.246 0.043 0.043 0.3450.065 0.166 0.015 0.035 0.041]，具体权重如表4所示：

表4第二种情况的权重

设定不同接入网的各项属性数据，第二种情况构成的决策矩阵、规范化决策矩阵、加权规范化决策矩阵如表5所示：

表5第二种情况的决策矩阵、规范化决策矩阵、加权规范化决策矩阵

根据第二种情况的加权规范化决策矩阵，由仿真得到的综合评价指数c₁＝0.5009＜c₂＝0.9790，因此终端重构成802.16e模式，选择WiMAX 802.16e接入点接入网络。

第三种情况是，到达机场后继续发送文件直至发送完毕。此时终端用户可以选择UMTS，WiMAX802.16e，WLAN_A接入网络，得到的权重向量ω＝[0.246 0.043 0.0430.345 0.065 0.166 0.015 0.035 0.041]，具体权重如表6所示：

表6第三种情况的权重

设定不同接入网的各项属性数据，第三种情况相应的决策矩阵、规范化决策矩阵、加权规范化决策矩阵如表7所示：

表7第三种情况的决策矩阵、规范化决策矩阵、加权规范化决策矩阵

根据第三种情况的加权规范化决策矩阵，由仿真得到综合评价指数c₂＝0.9394＞c₃＝0.6312＞c₁＝0.5081，因此终端重构成Wi-Fi模式，选择Wi-Fi接入点接入网络。

从以上仿真效果可以看到，本发明能够根据终端用户的需要，在不同属性的接入网络之间进行权衡，得到重构方案各种属性的权重，并能更科学、更快捷地对各重构方案的优劣进行排序，选定最优的重构方案接入网络，避免终端频繁地重构。

Claims (3)

1.一种认知无线网络环境下终端的重构方法，包括如下过程：

(1)从终端重构管理器和网络重构管理器中获取反映覆盖终端所处区域的网络的各种属性数据；

(2)根据终端所在位置处的网络覆盖情况及用户对不同服务质量QoS的需求，确定接入网络的各个属性数据的权重，确定接入网络的各个属性数据的权重组成的一个权重向量ω：

首先，决策人把各个属性的重要性做成对比较，设有n个属性需要比较，把第i个属性相对第j个属性的相对重要性记为a_ij，并将a_ij作为第i个属性权值ω_i与第j个属性权值ω_j之比的近似值，a_ij≈ω_i/ω_j；

对n个属性进行成对比较，得到n×n阶的目标重要性判断矩阵A：

接着，设权重向量ω＝[ω₁，ω₂，...，ω_n]^T，其中T表示转置，则由上式得Aω≈nω，即(A-nI)ω≈0，

式中I为单位矩阵，如果目标重要性判断矩阵A中的值估计准确，上式严格等于0，此时n为矩阵A的一个特征值，ω为矩阵A在特征值等于n时的特征向量；

最后，对矩阵A的最大特征值为λ_max，用一致性比率CR对矩阵A中的各元素进行一致性检验，CR＝CI/RI，

其中 RI为同阶矩阵的平均随机一致性指标，

如果CR＞0.1，说明A中的各元素一致性估计太差，应重新估计矩阵A中的各元素，反之说明矩阵A中的各元素的一致性可以接受，此时得到矩阵A的最大特征值λ_max对应的特征向量ω即权重向量： 

ω＝[ω₁，ω₂，...，ω_n]^T，其中T表示转置；

(3)构造加权规范化决策矩阵为：

其中x_ij表示第i个重构方案的第j个经过加权规范化后的属性值；

(4)根据加权规范化决策矩阵X，得到矩阵X中每个效益型属性的最大值和每个成本型属性的最小值组成的理想解 

其中 

i＝1，2，...，m，j＝1，2，...，n；

(5)根据加权规范化决策矩阵X，得到矩阵X中每个成本型属性的最大值和每个效益型属性的最小值组成的负理想解 

其中 

i＝1，2，...，m，j＝1，2，...，n；

(6)根据理想解X⁺和负理想解X^-，得到一个理想解X⁺和负理想解X^-的延长线上的一个虚拟的最劣解 

其中

(7)根据理想解和虚拟的最劣解，运用欧氏距离公式，计算m个重构方案X_i到理想解的距离 

和m个重构方案X_i到虚拟的最劣解的距离 

(8)根据m个重构方案到理想解与虚拟的最劣解的距离，得到m个重构方案的综合评价指数：

(9)根据m个重构方案的综合评价指数大小，排列m个重构方案的优劣次序，并选定综合评价指数最大的方案作为接入网的最优方案。

2.根据权利要求书1所述的认知无线网络环境下终端的重构方法，过程(1)所述的从终端重构管理器和网络重构管理器中获取反映覆盖终端所处区域的网络的各种属性数据，包括获取网络的吞吐量、时效性、可靠性、保密性和使用价格。

3.根据权利要求书1所述的认知无线网络环境下终端的重构方法，其中过程(3)所述的构造加权规范化决策矩阵，按如下过程构造：

(3a)设m个重构方案，n个属性的决策矩阵Y：

其中y_ij表示第i个重构方案的第j个属性值，i＝1，2，...，m，j＝1，2，...，n；

(3b)对决策矩阵Y进行规范化，得到规范化决策矩阵Z：

其中z_ij表示第i个重构方案的第j个经过规范化后的属性值；

(3c)用权重向量ω＝[ω₁，ω₂，...，ω_n]^T对规范化决策矩阵Z进行处理，得到加权规范化决策矩阵： 

其中x_ij＝ω_j*z_ij表示第i个重构方案的第j个经过加权规范化后的属性值。 

Images