CN102111838A - 基于rss变化趋势的自适应垂直切换方法 - Google Patents

Abstract

一种无线网络技术领域的基于RSS变化趋势的自适应垂直切换方法，通过为当前服务网络设置切换触发阈值，为各个候选网络设置切换执行阈值；然后测量当前服务网络和所有候选网络的接收信号强度值以及当前服务网络的往返时延值，经归一化处理后生成信号强度序列和时延序列；再对信号强度序列和时延序列分别求平均值后更新所有网络的网络评价值，并对切换触发阈值和切换执行阈值进行优化，实现自适应垂直切换。本发明利用线性加权法对异构网络进行评价，同时根据接收信号强度的变化趋势自适应地调整切换判决阈值，实现了快速、准确的垂直切换。

Description

基于RSS变化趋势的自适应垂直切换方法

技术领域

本发明涉及的一种无线网络技术领域的方法，具体是一种基于RSS变化趋势的自适应垂直切换方法。

背景技术

随着无线接入技术多元化的发展和商业运营模式的多样性，近年来，异构网络融合技术成为众多学者研究的热门课题。异构网络的互联互通是未来通信网络的主要特征。目前，无线异构网络主要包括基于802.11的WiFi网络，Cdma 2000，CDMA-1x EVDO，WCDMA和Wimax等网络。垂直切换作为支持无线异构网络融合技术中的重要控制功能，用来保证用户跨异构网络移动时的通信连续性，一般包括网络发现、切换判决、切换执行三个步骤。其中的切换判决影响着网络选择的准确性，是垂直切换的关键。

无线异构网络的垂直切换判决算法一般以简单、切换速度快、低时延、减少不必要切换次数等因素作为标准。传统的切换算法是现有的垂直切换判决算法有很多，主要有：基于接收信号强度、基于判决函数、多属性判决、基于模糊逻辑和神经网络、上下文感知等。所有的这些算法大多是试图从减少不必要切换次数，达到更准确切换的目的。尽管目前对垂直切换判决的研究日渐增多，但是改善乒乓效应和提高命中率这两个矛盾的问题依然需要进一步研究解决。

经过对现有技术文献的检索发现，A.Majlesi和BH.Khalaj两人在2002年IEEE第13次PIMRC国际研讨会第5卷2446-2451页上发表的文章″an adaptive fuzzy logic based handoffalgorithm for interworking between wlans and mobile networks″(一种WLAN和蜂窝网之前的基于自适应模糊逻辑的垂直切换算法)中考虑到终端的移动速度和WLAN网络的拥塞程度对垂直切换决策的影响，并在原有的RSS切换阈值加迟滞电平的传统方法的基础上，相应地提出了一种通过衡量终端的移动速度和WLAN网络拥塞程度的自适应调整迟滞门限的算法。该方法能有效地减少由这两种因素带来的不必要的切换，抑制了乒乓效应。但是它存在两个不足之处：1)没有考虑到切换延时和丢包率；2)只以RSS作为判定标准，不能完全准确的反映网络情况。

发明内容

本发明针对现有技术存在的上述不足，提供一种基于RSS变化趋势的自适应垂直切换方法，采用接收信号强度(RSS)和往返时延(RTT)两个评价指标，利用线性加权法对异构网络进行评价，同时根据接收信号强度的变化趋势自适应地调整切换判决阈值，实现了快速、准确的垂直切换。

本发明是通过以下技术方案实现的，本发明包括如下步骤：

步骤一，为当前服务网络设置切换触发阈值，为各个候选网络设置切换执行阈值。

所述的切换触发阈值在当前服务网络的网络评价值低于该值时触发切换；

所述的切换执行阈值在候选网络的网络评价值高于该值时终端接入候选网络并将该候选网络作为服务网络。

步骤二，测量当前服务网络和所有候选网络的接收信号强度值以及当前服务网络的往返时延值，经归一化处理后生成信号强度序列和时延序列；

所述的归一化处理包括：对接收信号强度进行归一化和对往返时延进行归一化，其中：

2.1)接收信号强度进行归一化具体是：

${\mathrm{RSS}}_{\mathrm{norm}}=\frac{{\mathrm{RSS}}_{\mathrm{real}}\×100}{{\mathrm{RSS}}_{\max }},$

其中：RSS_real为本次实际测得的接收信号强度，RSS_norm为归一化后的信号强度值，取值范围为0～100，RSS_max为被测网络的最大信号强度；

2.2)对往返时延进行归一化具体是：

${\mathrm{RTT}}_{\mathrm{norm}}=\frac{({\mathrm{RTT}}_{\max }-{\mathrm{RTT}}_{\mathrm{real}})\×100}{{\mathrm{RTT}}_{\max }},$

其中：RTT_real为实测往返时延值，RTT_norm为往返时延的归一化值，取值范围为0～100，RTT_max为实际测量出的RTT的最大值。

所述的信号强度序列具体由该网络最近N次测量后归一化的接收信号强度值组成，具体为：

所述的时延序列记录当前服务网络最近N次测量后归一化的往返时延值组成，具体为： $\stackrel{\→}{\mathrm{RTT}}=\left\{\mathrm{RTT}\right[0],\mathrm{RTT}[1],......,\mathrm{RTT}[N-1\left]\right\}.$

步骤三，对信号强度序列和时延序列分别求平均值后更新当前服务网络和候选网络的网络评价值，并对切换触发阈值和切换执行阈值进行优化；

所述的网络评价值是指：V＝w₁×M_RSS+w₂×M_RTT，其中：M_RSS为信号强度序列的平均值，M_RTT为时延序列的平均值，w₁和w₂分别为对应的加权系数且w₁+w₂＝1，w₁∈(0，1]，w₂∈[0，1)，对于候选网络的加权系数：w₁＝1，w₂＝0。

所述的优化是指：通过对该差分序列进行线性加权运算，得到RSS的差分变化加权和dSum，然后根据dSum的值修正切换执行阈值和切换触发阈值。

1)对于所有候选网络，根据dSum的值设定调整执行步长并自适应调整切换执行阈值，然后比较网络评价值与调整后的切换执行阈值：如果网络评价值大于切换执行阈值，则将该候选网络列入目标网络集，否则返回步骤二；

2)对于当前服务网络，根据dSum的值设定调整触发步长并自适应调整切换触发阈值，然后比较网络评价值与调整后的切换触发阈值的关系：当网络评价值大于切换触发阈值，则保留当前服务网络并返回步骤二；否则触发切换，从目标网络集中选择网络评价值最高的网络进行接入，实现自适应垂直切换。

所述的计算RSS差分变化加权和dSum，具体是：

$\mathrm{dSum}=\underset{i}{\mathrm{\Σ}}\×\left(\mathrm{RSS}\right[i]-\mathrm{RSS}[i-1\left]\right)$

其中k_i为加权系数，满足k_i∈(0，1)，

所述的设定调整执行步长是指：执行步长

其中：r_c∈(0，1)，p为比例系数，λ_c∈(0，p)。

所述的自适应调整切换执行阈值是指：当dSum≥0时，VTH＝VTH-λ_c，否则VTH＝VTH。

所述的设定调整触发步长是指：触发步长

其中：r_s∈(0，1)，q为比例系数，λ_s∈(0，q)。

所述的自适应调整切换触发阈值是指：当dSum≥0，VTL＝VTL-λ_s，否则VTL＝VTL+λ_s。

所述的目标网络集是指所有网络评价值大于切换触发阈值的候选网络的集合。

与现有技术相比，本发明具有如下有益效果：采用RSS和RTT两个参数作为评价网络质量的参数，能够准确的反应网络提供服务的能力；根据RSS变化趋势，自适应地调整切换门限，做到提前切换，从而降低丢包率。

附图说明

图1为本发明的流程图；

图2为实施例中的网络拓扑图；

图3为实施例中的终端运动模型图；

图4为实施例与现有垂直切换方法的切换点对比图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例中，两种异构网络为WiFi和3G，网络结构如图2所示。当前服务网络为WiFi，候选网络为3G，终端用户沿不同的方向按不同的速度v在这两种网络之间来回匀速运动，其运动模型如图3所示。分别使用本发明所述方法与现有的垂直切换方法控制移动终端进行切换，最终得到图4所示的切换点对比图。

如图1所示，本实施例包括如下步骤：

步骤一，为当前服务网络设置切换触发阈值VTL，为各个候选网络设置切换执行阈值VTH。在本案例中，WiFi网络的切换触发阈值VTL＝60，3G网络的切换执行阈值VTH＝70。

步骤二，获取当前网络和候选网络的接收信号强度值以及当前服务网络的往返时延值，并通过归一化处理生成信号强度序列和时延序列。

获取各网络接收信号强度RSS，对于WiFi网络，在Linux操作系统下，通过读取/proc文件系统中的特殊文件/proc/net/wireless来访问802.11网卡驱动模块，获取其测量出的RSS。而对3G网络，使用AT命令读取网卡测量信息得到RSS。

对当前服务网络的RTT的获取，具体是采用ICMP协议，向网关发送ICMP ECHO请求包，并在包的数据部分记录发送时间，待收到网关的ICMPECHO REPLY数据包后，读取记录在其数据部分中的发送时间与当前的接收时间求差，此差值即为移动终端与网关之间的RTT。

对上面所得的3G网络的RSS值、WiFi网络的RSS值和RTT值进行归一化处理，具体方法为：

对于3G网络而言：

${\mathrm{RSS}}_{\mathrm{norm}\_3G}=\frac{{\mathrm{RSS}}_{\mathrm{real}\_3G}\×100}{{\mathrm{RSS}}_{\max \_3G}}$

用上式所得的归一化的RSS值更新3G网络的RSS序列

对于WiFi网络而言：

${\mathrm{RSS}}_{\mathrm{norm}\_\mathrm{WiFi}}=\frac{{\mathrm{RSS}}_{\mathrm{real}\_\mathrm{WiFi}}\×100}{{\mathrm{RSS}}_{\max \_\mathrm{WiFi}}}$

${\mathrm{RTT}}_{\mathrm{norm}\_\mathrm{WiFi}}=\frac{({\mathrm{RTT}}_{\max \_\mathrm{WiFi}}-{\mathrm{RTT}}_{\mathrm{real}\_\mathrm{WiFi}})\×100}{{\mathrm{RTT}}_{\max \_\mathrm{WiFi}}}$

用上式所得的归一化的RSS值更新WiFi网络的RSS序列

用所得的归一化的RTT值更新WiFi网络的RTT序列

步骤三：根据

计算3G网络的平均RSS值M_{RSS_3G}，具体公式为：

$M_{\mathrm{RSS}\_3G}=\left(\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{RSS}{\left[i\right]}_{3G}\right)/N$

根据

计算WiFi网络的平均RSS值M_{RSS_WiFi}，具体公式为：

$M_{\mathrm{RSS}\_\mathrm{WiFi}}=\left(\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{RSS}{\left[i\right]}_{\mathrm{WiFi}}\right)/N$

根据

计算WiFi网络的平均RTT值M_{RTT_WiFi}具体公式为：

$M_{\mathrm{RTT}\_\mathrm{WiFi}}=\left(\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\mathrm{RTT}{\left[i\right]}_{\mathrm{WiFi}}\right)/N$

计算3G网络和WiFi网络的网络评价值V_3G和V_WiFi，具体地：

对3G网络：

V_3G＝w₁×M_{RSS_3G}+w₂×M_{RTT_3G}

其中w₁＝1，w₂＝0

对WiFi网络：

V_WiFi＝(w₁×M_{RSS_WiFi}+w₂×M_{RTT_WiFi})

其中w₁＝0.8，w₂＝0.2

计算候选网络3G的RSS差分变化加权和dSum_3G，具体公式为：

${\mathrm{dSum}}_{3G}=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{k}_i\×(\mathrm{RSS}{\left[i\right]}_{3G}-\mathrm{RSS}{[i-1]}_{3G})$

计算当前服务网络WiFi的RSS差分变化加权和dSum_WiFi，具体公式为：

${\mathrm{dSum}}_{\mathrm{WiFi}}=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{k}_i\×(\mathrm{RSS}{\left[i\right]}_{\mathrm{WiFi}}-\mathrm{RSS}{[i-1]}_{\mathrm{WiFi}})$

以上k_i序列取：

计算候选网络3G的调整执行步长λ_3G，具体方法如下：

${\mathrm{\λ}}_{3G}=p(1-{r_{3G}}^{\left|{\mathrm{dSum}}_{3G}\right|})$

本实施例中p＝10，r_3G＝0.5

使用计算得到的调整执行步长λ_3G自适应调整候选网络3G的VTH，具体方法如下：

1)当dSum_3G≥0，VTH＝VTH-λ_3G

2)当dSum＜0，VTH＝VTH

比较V_3G和VTH的大小，如果V_3G＞VTH，则将3G网络加入目标网络集，否则，返回步骤二。

计算当前服务网络WiFi的调整触发步长λ_WiFi，具体方法如下：

${\mathrm{\λ}}_{\mathrm{WiFi}}=q(1-{r_{\mathrm{WiFi}}}^{\left|{\mathrm{dSum}}_{\mathrm{WiFi}}\right|})$

本实施例中q＝10，r_WiFi＝0.5

使用计算得到的调整触发步长λ_WiFi自适应调整当前服务网络WiFi的切换触发阈值VTL，具体方法如下：

1)当dSum_WiFi≥0，VTL＝VTL-λ_WiFi

2)当dSum_WiFi＜0，VTL＝VTL+λ_3WiFi

比较V_WiFi和VTL的大小，如果V_WiFi＜VTL，则触发切换，从目标网络集中选择网络评价值最高的网络进行接入，否则，继续使用WiFi网络，返回步骤二。

实验网络参数如下表1所示，按照以上步骤得到的实验结果如图4所示。

表1网络参数表

参数名	参数值	参数名	参数值	参数名	参数值
						d1	142.83m	d0	300m	δ	10m
R(WLAN)	150m	R(3G)	1km	VT WLAN	-80dBm
						VT_3G	-105dBm	N(窗口大小)	16	T(采样间隔)	1/20

其中d₁为理论的切换点到圆心的距离。

图4(a)(b)所示的是低速情况下(最大速度为v＝2m/s)，移动终端在该两种网络间运动的情况。途中标出了移动终端发生垂直切换的位置。由图4(a)(b)可以看出，相比于传统的基于RSS的垂直切换方法，本发明所使用的垂直切换方法能有效地根据终端接收信号强度的变化趋势自适应的调整切换阈值，提前做出正确的切换。

图4(c)(d)所示的是高速情况下(最大速度为v＝10m/s)，移动终端在该两种网络运动的情况。与图4(a)(b)相比，可以看出随着移动终端运动速度的增大，终端实际的切换发生位置距离理论切换触发点越来越远，但发明所提出的自适应切换方法比传统切换方法更接近理论切换点。

Claims (10)

1.一种基于RSS变化趋势的自适应垂直切换方法，其特征在于，包括如下步骤：

步骤一，为当前服务网络设置切换触发阈值，为各个候选网络设置切换执行阈值；

步骤二，测量当前服务网络和候选网络的接收信号强度值以及当前服务网络的往返时延值，经归一化处理后生成信号强度序列和时延序列；

步骤三，对信号强度序列和时延序列分别求平均值后更新当前服务网络和候选网络的网络评价值，并对切换触发阈值和切换执行阈值进行优化，实现自适应垂直切换。

2.根据权利要求1所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，步骤一中所述的切换触发阈值在当前服务网络的网络评价值低于该值时触发切换；所述的切换执行阈值在候选网络的网络评价值高于该值时终端接入候选网络并将该候选网络作为服务网络。

3.根据权利要求1所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，所述的归一化处理包括：对接收信号强度进行归一化和对往返时延进行归一化，其中：

2.1)接收信号强度进行归一化具体是：

${\mathrm{RSS}}_{\mathrm{norm}}=\frac{{\mathrm{RSS}}_{\mathrm{real}}\×100}{{\mathrm{RSS}}_{\max }},$

其中：RSS_real为本次实际测得的接收信号强度，RSS_norm为归一化后的信号强度值，取值范围为0～100，RSS_max为被测网络的最大信号强度；

2.2)对往返时延进行归一化具体是：

${\mathrm{RTT}}_{\mathrm{norm}}=\frac{({\mathrm{RTT}}_{\max }-{\mathrm{RTT}}_{\mathrm{real}})\×100}{{\mathrm{RTT}}_{\max }},$

其中：RTT_real为实测往返时延值，RTT_norm为往返时延的归一化值，取值范围为0～100，RTT_max为实际测量出的RTT的最大值。

4.根据权利要求1所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，步骤二中所述的信号强度序列具体由该网络最近若干次测量后归一化的接收信号强度值组成；所述的时延序列记录当前服务网络最近若干次测量后归一化的往返时延值组成。

5.根据权利要求1或2所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，所述的网络评价值是指：V＝w₁×M_RSS+w₂×M_RTT，其中：M_RSS为信号强度序列的平均值，M_RTT为时延序列的平均值，w₁和w₂分别为对应的加权系数且w₁+w₂＝1，w₁∈(0，1]，w₂∈[0，1)，对于候选网络的加权系数：w₁＝1，w₂＝0。

6.根据权利要求1所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，所述的优化是指：通过对该差分序列进行线性加权运算，得到RSS的差分变化加权和dSum：

1)对于所有候选网络，根据dSum的值设定调整执行步长并自适应调整切换执行阈值，然后比较网络评价值与调整后的切换执行阈值：当网络评价值大于切换执行阈值，则将该候选网络列入目标网络集，否则返回步骤二；

2)对于当前服务网络，根据dSum的值设定调整触发步长并自适应调整切换触发阈值，然后比较网络评价值与调整后的切换触发阈值的关系：当网络评价值大于切换触发阈值，则保留当前服务网络并返回步骤二；否则触发切换，并从目标网络集中选择网络评价值最高的网络进行接入，实现自适应垂直切换。

7.根据权利要求6所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，所述的计算RSS差分变化加权和dSum，具体是：

$\mathrm{dSum}=\underset{i}{\mathrm{\Σ}}\×\left(\mathrm{RSS}\right[i]-\mathrm{RSS}[i-1\left]\right)$

其中k_i为加权系数，满足k_i∈(0，1)，

8.根据权利要求6所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，所述的设定调整执行步长是指：执行步长

其中：r_c∈(0，1)，p为比例系数，λ_c∈(0，p)；所述的设定调整触发步长是指：触发步长

其中：r_s∈(0，1)，q为比例系数，λ_s∈(0，q)。

9.根据权利要求6或8所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，所述的自适应调整切换执行阈值是指：当dSum≥0时，VTH＝VTH-λ_c，否则VTH＝VTH；所述的自适应调整切换触发阈值是指：当dSum≥0，VTL＝VTL-λ_s否则VTL＝VTL+λ_s。

10.根据权利要求1所述的基于RSS变化趋势的自适应垂直切换方法，其特征是，所述的目标网络集是指：所有网络评价值大于切换触发阈值的候选网络的集合。

Images