CN102088748A - 基于自回归模型预测的用户切换触发时间选择方法 - Google Patents

Abstract

本发明公开了一种基于自回归模型预测的用户切换触发时间选择方法。主要解决现有方法中用户过早或过晚触发切换导致切换失败的问题。其实现过程是：用户发起切换请求，终端开始监测其接收到切换目标网络的信号强度；终端利用AR模型对其接收切换目标网络的信号强度进行预测，确定用户触发切换时间的最早界限T₁；终端利用AR模型对其接收当前服务网络的信号强度进行迭代预测，确定用户触发切换时间的最晚界限T₂；根据预测得到的切换触发时间最早界限T₁和最晚界限T₂，确定出最佳切换触发时间T；用户在最佳切换触发时间T开始执行切换流程。本发明能够为用户切换选择最佳的触发时间，有效的降低切换失败概率，可用于移动用户在异构网络之间进行切换的触发时间选择。

Description

基于自回归模型预测的用户切换触发时间选择方法

技术领域

本发明属于通信技术领域，涉及一种在认知无线网络环境下，用户移动过程中的切换触发时间选择方法，可用于异构网络条件下用户的切换触发时间选择。

背景技术

近年来，无线通信行业得到了较大的发展，各种无线接入技术的涌现组成了一个复杂的异构无线网络环境。同时人们对无线业务服务质量的要求也越来越高，希望能够随时随地的获得网络服务。然而，由于不同接入网络工作在不同的频段，覆盖的范围大小也各不相同，如WLAN网络只覆盖城市的某些热点地区，WiMAX网络只在城市的某些核心区域实现覆盖，而GSM/GPRS蜂窝网络则基本可以实现陆地区域的全部覆盖。当用户移动出当前网络覆盖范围时，终端必须将正在连接的链路切换到另一个网络中去，从而保证用户正在进行的业务的连续性。切换选择的触发时间是否恰当直接影响到用户切换过程中所获得的服务质量和切换的成败与否。因此，如何为切换用户选择一个最佳的切换触发时间就显得极为重要。

切换触发时间选择与网络覆盖半径、用户移动速度、终端接收信号强度、切换类型和网络架构等密切相关。用户的移动速度与终端接收信号强度直接影响到用户切换过程中的业务体验，而不同切换类型和网络架构则导致切换的时间延迟不同。终端过早的触发切换，会导致当前服务网络资源的浪费，同时也可能由于切换目标网络尚未准备好等原因导致切换失败；终端过晚触发切换，会导致切换过程中用户数据的丢失，造成业务不连续甚至切换失败等。在认知无线网络环境下，用户和基站都具有认知功能。因此，最佳的切换触发时间选择方法必须在充分发挥系统认知功能的同时，综合考虑网络覆盖半径、用户移动速度、终端接收信号强度、切换类型和网络架构等因素。

目前，关于切换触发时间选择的研究基本可以分为基于门限方法和基于预测方法两类。在基于门限的方法中，终端首先设定一个稍大于其在当前服务网络中接收灵敏度的信号强度门限。在用户的移动过程中，终端周期性检测其接收到当前服务网络的信号强度，一旦发现该信号强度低于所设定的门限值时，就触发切换过程。如S.Woon在The 17th Annual IEEE International Symposium on Personal，Indoor and Mobile Radio Communications(PIMRC’06)《Effective Link Triggers to Improve Handover Performance》一文中就提出了基于门限的切换触发时间选择方法。首先在理想信道下，对以恒定参考速度移动的用户的切换过程进行理论分析后得到切换触发的门限，然后推导出以非参考速度移动的用户的切换触发门限。但是该方法在阴影衰落和信道状况变化影响下性能较差，不能够找到最佳的切换触发时间。同时针对用户不同的移动速度而设定相应的切换触发门限，导致算法适应性较差，。研究者们后来又提出基于预测的方法，终端利用接收到当前服务网络的信号强度信息预测未来信号强度的变化趋势，从而确定到最佳的切换触发时间。如Sang-Jo Yoo在Wireless personal communications，2010《Timely Effective Handover Mechanism in Heterogeneous Wireless Networks》一文中就提出了一种基于最小均方LMS预测的切换触发时间选择方法。该方法首先对切换过程的时延进行估计，然后采用LMS算法预测终端接收到当前网络的信号强度，预测步长根据切换耗时估计结果确定。但是该算法只考虑到了用户终端接收到当前服务网络的信号强度信息，并没有考虑到切换目标网络的状况。因而，该方法只能在一定程度上减小晚切换造成的影响，并不能实现为用户找到最佳的切换触发时间的目标。

此外，现有切换触发时间选择方法都没有考虑到网络覆盖状况变化情况下的切换触发时间选择问题，导致方法的适应性较差，在当前服务网络与切换目标网络的重叠覆盖区域较小时，用户的切换失败概率较高。

发明内容

本发明针对上述现有切换触发时间选择方法的不足，提出一种基于自回归模型预测的用户切换触发时间选择方法，以降低用户的切换失败概率，实现为切换用户选择最佳切换触发时间的目标。

实现本发明的技术关键在于利用自回归AR模型对终端接收到当前服务网络和切换目标网络的信号强度进行预测，并利用预测结果确定最佳的切换触发时间。具体实现步骤包括如下：

(1)用户发起切换请求，终端开始监测其接收到切换目标网络的信号强度，直到该信号强度值大于设定的预测门限时为止；

(2)终端利用自回归模型对其接收到切换目标网络的信号强度进行预测，确定用户触发切换时间的最早界限T₁；

(3)终端利用自回归模型对其接收到当前服务网络的信号强度进行如下迭代预测，确定用户触发切换时间的最晚界限T₂：

(3a)设定用户终端在当前服务网络中的接收灵敏度：P_rxth；

(3b)在T₁时刻开始，用户终端以T_samp为周期对当前服务网络的信号强度进行采样，得到采样序列x_p(n)；

(3c)对采样序列x_p(n)进行加权平滑处理，得到平滑后的信号强度序列y_p(n)：

y_p(n)＝α*y_p(n-1)+(1-α)*x_p(n)

其中，α为加权平滑系数，它满足0≤α≤1；

(3d)根据平滑后得到的信号强度序列y_p(n)，终端对其接收到当前服务网络的信号强度进行迭代预测，设置初始迭代次数m＝1，初始预测步长T_h为切换时延估计值，T_samp是信号强度采样周期；

(3e)设定预测步长为K_m＝m*K₀，利用自回归模型预测终端接收到当前服务网络K_m步之后的信号强度值：

n为开始预测时刻；

(3f)若预测值

满足

结束预测，反之令m自增，重新执行步骤(3e)直到结束预测；

(3g)将预测结束时刻作为用户触发切换的最晚界限T₂；

(4)根据预测得到的切换触发时间最早界限T₁和最晚界限T₂，确定最佳切换触发时间：

(5)用户在最佳切换触发时间T开始执行切换流程。

本发明与现有技术相比具有如下主要优点：

(1)本发明由于采用AR模型预测方法，能够较好的预测用户终端接收到当前服务网络与切换目标网络的信号强度，减小阴影衰落效应和信道状况变化对切换触发时间选择的影响，对具有不同运动速度的用户的切换具有很好的适应性，降低了用户切换的失败概率；

(2)本发明由于综合考虑终端接收到当前服务网络和切换目标网络的信号强度，通过AR模型预测方法分别确定用户触发切换的最早界限T₁和最晚界限T₂，最终选择

作为切换触发时间，在网络覆盖情况变化的条件下，具有很好的适应性，能够实现为用户选择最佳切换触发时间的目标。

附图说明

图1是本发明的应用场景图；

图2是本发明的实现流程图；

图3是本发明在用户切换分组丢失概率性能上的理论验证图；

图4是本发明在用户切换失败概率性能上的理论验证图；

图5是本发明与现有切换触发时间选择方法在不同网络覆盖条件下的用户切换分组丢失概率性能比较图；

图6是本发明与现有切换触发时间选择方法在不同网络覆盖条件下的用户切换失败概率性能比较图；

图7是本发明与现有切换触发时间选择方法在不同网络覆盖条件下切换触发时间选择结果的比较图。

具体实施方式

以下对本发明的原理以及技术方案做进一步的描述：

参照图2，本发明的实现流程包括如下：

步骤1，用户发起切换请求，终端监测其接收到切换目标网络的信号强度。

1.1终端设定开始预测切换目标网络信号强度的门限值P′_init；

1.2用户发起切换请求后，终端监测其接收到切换目标网络的信号强度，直到该信号强度高于预测门限P′_init时为止。

步骤2，终端利用自回归模型对其接收到切换目标网络的信号强度进行预测，确定用户触发切换时间的最早界限T₁。

2.1)终端设定在切换目标网络中的接收灵敏度P′_rxth；

2.2)利用Sang-Jo Yoo在Military Communications Conference，2008(MILCOM 2008)《Predictive Handover Mechanism based on Required Time Estimation in HeterogeneousWireless Networks》一文中提出的方法，对用户切换的时延进行估计，得到估计值T_h；

2.3)用户终端以T_samp为周期对切换目标网络的信号强度进行采样，得到采样序列x_n(n)；

2.4)对采样序列x_n(n)进行加权平滑处理，得到平滑后的信号强度序列y_n(n)：

y_n(n)＝α*y_n(n-1)+(1-α)*x_n(n)

其中，α为加权平滑系数，它满足0≤α≤1；

2.5)根据平滑后得到的信号强度序列y_n(n)，终端利用自回归模型对其接收到切换目标网络的信号强度进行预测，设定预测步长为

得到K₀步之后的信号强度预测值：

n为开始预测时刻；

2.6)若预测值满足

结束预测，反之令n自增，重新执行步骤2.5)，直到预测值满足

时为止，结束预测；

2.7)将预测结束时刻作为用户触发切换的最早界限T₁。

步骤3，终端利用自回归模型对其接收到当前服务网络的信号强度进行迭代预测，确定用户触发切换时间的最晚界限T₂。

3.1)终端设定在当前服务网络中的接收灵敏度P_rxth；

3.2)在T₁时刻开始，用户终端以T_samp为周期对当前服务网络的信号强度的进行采样，得到采样序列x_p(n)；

3.3)对采样序列x_p(n)进行加权平滑处理，得到平滑后的信号强度序列y_p(n)：

y_p(n)＝α*y_p(n-1)+(1-α)*x_p(n)

其中，α为加权平滑系数，它满足0≤α≤1；

3.4)根据平滑后得到的信号强度序列y_p(n)，终端对其接收到当前服务网络的信号强度进行迭代预测，设置初始迭代次数m＝1，初始预测步长

T_h为切换时延估计值，T_samp是信号强度采样周期；

3.5)设定预测步长为K_m＝m*K₀，利用自回归模型预测终端接收到当前服务网络K_m步之后的信号强度值：

n为开始预测时刻；

3.6)若预测值

满足

结束预测，反之令m自增，重新执行步骤3.5)，直到预测值

满足

时为止，结束预测；

3.7)将预测结束时刻作为用户触发切换的最晚界限T₂；

步骤4，确定最佳切换触发时间。

根据预测得到的切换触发的最早界限T₁和最晚界限T₂，确定最佳切换触发时间为 $T=\frac{T_1+T_2}{2}.$

步骤5，用户终端在最佳切换触发时刻T开始执行后续的切换流程。

以下通过一个仿真实验对本发明的技术效果做详细描述：

1)仿真的系统参数

仿真的场景如图1所示，考虑用户从GSM网络切换到WiMAX网络，它们的覆盖半径分别设定为3000m和1500m。GSM采用Okumura-Hata信道传输模型，WiMAX采用Cost231-Hata信道传输模型。信号在传输过程中受到的阴影衰落影响服从均值为0方差为2的高斯分布。用户接收信号强度的加权平滑系数设定为α＝0.9。用户终端在GSM网络中的接收灵敏度设定为-110dBm，在WiMAX网络中的接收灵敏度设定为-100dBm。终端开始预测WiMAX网络信号强度的门限设定为-110dBm。

2)仿真内容与结果

仿真1，衡量用户选择不同时间触发切换对用户分组丢失概率和切换失败概率的影响。

固定GSM网络基站和WiMAX网络基站之间的距离为3000m，用户移动速度变化范围是1～20m/s，分别选择用户在T₁，

和T₂不同时刻触发切换进行多次的切换仿真实验，衡量在不同时刻触发切换对用户分组丢失概率和切换失败概率的影响，得到图3和图4所示结果。从图3可以看出，过晚触发切换，导致切换过程中的用户分组丢失概率较高，而在

时刻之前触发切换，基本可以避免切换过程中的分组丢失。从图4可以看出，过早或者过晚触发切换都会导致较高的切换失败概率，只有在

时刻时触发切换得到的切换失败概率最低。

综合以上分析，确定

就是用户触发切换的最佳时间；此外，从图3和图4中还可以看出，具有不同移动速度的用户发起切换时，得到的用户分组丢失概率和切换失败概率性能基本维持不变，说明采用本发明能够很好的适应具有不同移动速度的用户的切换。

仿真2，衡量在网络覆盖状况变化条件下应用本发明方法时用户的切换性能。

固定用户移动速度为10m/s，分别设定GSM网络基站和WiMAX网络基站之间的距离为1500m、1800m、…和4500m。对比固定切换触发门限方法TH、单独预测当前服务网络信号强度方法SP和本发明方法PS的在用户分组丢失概率、切换失败概率和切换触发时间选择结果上的性能，得到如图5、图6和图7所示结果。

从图5中可以看出，本发明能够有效的降低用户切换失败的概率，在网络覆盖重叠区域较大时，切换失败概率基本维持在0左右；在网络覆盖重叠区域较小时，由于受到阴影衰落等的影响，可能会造成用户处于盲区，导致切换失败概率有所上升。

从图6中可以看出，由于TH和SP都只根据当前服务网络信号强度确定切换触发时间，所以切换过程的分组丢失概率基本维持不变。PS综合考虑当前服务网络和切换目标网络的信号强度，当网络重叠区域较小时，用户为了降低切换失败概率，只能在终端靠近当前服务网络覆盖区域的边缘时触发切换，而此时终端接收到当前服务网络的信号强度较低，导致切换过程中分组丢失率较高。

从图7中可以看出，在网络重叠覆盖情况变化时，现有TH和SP切换触发时间基本维持不变，而本发明PS的切换触发时间最为接近理想触发时间。说明本发明能够很好的适应网络覆盖条件变化的情况，实现为用户选择最佳切换触发时间的目标。

Claims (2)

1.一种基于自回归模型预测的用户切换触发时间选择方法，包括如下步骤：

(1)用户发起切换请求，终端开始监测其接收到切换目标网络的信号强度，直到该信号强度值大于设定的预测门限时为止；

(2)终端利用自回归模型对其接收到切换目标网络的信号强度进行预测，确定用户触发切换时间的最早界限T₁；

(3)终端利用自回归模型对其接收到当前服务网络的信号强度进行如下迭代预测，确定用户触发切换时间的最晚界限T₂：

(3a)设定用户终端在当前服务网络中的接收灵敏度：P_rxth；

(3b)在T₁时刻开始，用户终端以T_samp为周期对当前服务网络的信号强度进行采样，得到采样序列x_p(n)；

(3c)对采样序列x_p(n)进行加权平滑处理，得到平滑后的信号强度序列y_p(n)：

y_p(n)＝α*y_p(n-1)+(1-α)*x_p(n)

其中，α为加权平滑系数，它满足0≤α≤1；

(3d)根据平滑后得到的信号强度序列y_p(n)，终端对其接收到当前服务网络的信号强度进行迭代预测，设置初始迭代次数m＝1，初始预测步长

T_h为切换时延估计值，T_samp是信号强度采样周期；

(3e)设定预测步长为K_m＝m*K₀，利用自回归模型预测终端接收到当前服务网络K_m步之后的信号强度值：

n为开始预测时刻；

(3f)若预测值

满足结束预测，反之令m自增，重新执行步骤(3e)直到结束预测；

(3g)将预测结束时刻作为用户触发切换的最晚界限T₂；

(4)根据预测得到的切换触发时间最早界限T₁和最晚界限T₂，确定最佳切换触发时间：

(5)用户在最佳切换触发时间T开始执行切换流程。

2.根据权利要求1所述的基于自回归模型预测的用户切换触发时间选择方法，其中步骤(2)所述的利用自回归模型预测用户终端接收切换目标网络的信号强度，按如下步骤进行：

(2a)设定用户终端在切换目标网络中的接收灵敏度P′_rxth；

(2b)根据切换时延估计值T_h和终端的信号强度采样周期T_samp，确定进行信号强度预测的步长：

(2c)用户终端以T_samp为周期对切换目标网络的信号强度进行采样，得到采样序列x_n(n)；

(2d)对采样序列x_n(n)进行加权平滑处理，得到平滑后的信号强度序列y_n(n)：

y_n(n)＝α*y_n(n-1)+(1-α)*x_n(n)

其中，α为加权平滑系数，它满足0≤α≤1；

(2e)根据平滑后得到的信号强度序列y_n(n)，终端利用自回归模型对其接收切换目标网络的信号强度进行预测，设定预测步长为K₀，得到K₀步之后的信号强度预测值：n为开始预测时刻；

(2f)若预测值

满足

结束预测，反之令n自增，重新执行步骤(2e)，直到结束预测；

(2g)将预测结束时刻作为用户触发切换的最早界限T₁。

Images