CN102256266B - 一种面向用户应用的自适应接入网络选择实现装置及方法 - Google Patents

Abstract

本发明公开了一种自适应接入网络选择实现装置及方法，属于通信技术领域。感知终端自身的宏微观特性，根据用户应用状态和使用偏好分析确定业务敏感变量，基于终端特性、应用需求及网络状态等信息进行网络使用优先级和业务QoS敏感度优先级排序，根据历史数据对不同网络进行自适应建模，获取用户终端接入网络后的QoS特性，根据信息智能管理模块的指导信息及网络智能模拟模块的实际输出进行接入网络的判定，执行网络间的切换处理。本发明自适应优化选择接入异构网络，有效实现接入网络异构特性面向用户透明化及应用业务特性面向终端通用化。

Description

一种面向用户应用的自适应接入网络选择实现装置及方法

技术领域

本发明涉及异构网络领域通信优化技术，尤其涉及异构接入网络中资源管理和接入网络选择的自适应管理方法。

背景技术

未来的通信网络将会是各种不同接入技术之间共存且无法相互替代的异构融合网络。各种不同网络接入技术如WiFi、WiMAX、UMTS，甚至包括卫星网络及MANET(Mobile Ad Hoc Networks)等其他无线网络均可以实现基于IP的语音、数据及多媒体业务，这些接入方式互联互通构成无缝融合的异构网络，如图1所示。

不同接入网络因其技术的差异性以及彼此不兼容的特点给用户和运营商均带来诸多不便，例如正在服务的应用业务难以在不同的网络间保持实时通畅，终端在多网融合区域通信时，缺乏支持接入网络优化选择的统一方法；运营商则面临如何充分利用网络资源以实现网络效用最大化的问题。另一方面，随着流媒体等业务的发展，用户应用业务呈现多样性的特点，各种综合性业务层出不穷，因而，传统的支持单接口的用户终端难以满足用户业务及融合网络需求，迫切需要研发支持多接口、异构接入网络融合的、通用化移动终端。

在多网络融合场景下，多模终端用户应能够根据各接入网络特性、用户终端特性及业务需求，优化选择接入网络。由于各接入网络的异构性，用户业务特性的复杂性及用户网络选择倾向的各异性，如何有效实现各类复杂因素的综合分析与折衷，智能地、自适应地为用户选择最优接入网络具有重要理论及工程意义。

如申请号为200610002102.2的中国专利申请“一种用于移动流媒体传输的无缝切换的方法”，提出一种用于无线移动网中的移动流媒体传输的无缝切换方法,采用多路自适应传输速率调节，实现传输层的无缝切换，以便最大可能地利用接收端的可用带宽，实现移动流媒体在传输层的稳定传输与平滑切换。其技术特点是调节单一，对网络的动态适应性较弱。申请号为200610079453的中国专利申请“异构无线网络中的分布式无线资源管理系统和方法” 主要通过比较各接入网负载因素，确定终端切换目标网络。其技术特点是优化形式固定、缺乏灵活性；不适于复杂可变的现行网络环境，面对网络环境的日益复杂性和业务应用的综合性趋势，目前仍没有很好的解决网络选择问题的方法。

发明内容

本发明针对未来异构网络融合技术支持面向用户透明、智能的、自适应的网络接入应用需求而提出，提供了一种基于移动终端自学习、自适应的异构网络选择实现装置、方法，支持多模用户终端对异构融合网络状态信息、用户个性化信息及用户业务特性的实时收集及智能处理，根据终端特性、应用需求及网络状态信息自适应优化选择接入网络，实现接入网络异构特性面向用户透明化、应用业务特性面向终端通用化，增强多模终端对综合业务应用的支持能力以及复杂应用场景的自适应能力，并有效提升融合网络综合性能、提高用户QoS满意度。

本发明解决其技术问题所采用的技术方案包括：在用户终端设备中增加一种面向用户自适应的异构网络选择装置，基于信息感知平面、资源优化平面以及网络终端交互平面三层平面化的设计思想，通过用户终端的自学习、自优化，实现对异构无线网络资源的智能管理，并满足面向未来的移动终端通用化的发展趋势。

本发明提出一种自适应的异构网络选择装置包括：

终端特性感知模块：该功能模块读取终端特性信息，包括移动终端速度、位置、电池电量及服务费用等，根据周期测定增量更新相应信息，通过与信息智能管理模块的交互，实现对移动终端特性的信息管理及前期处理。

用户应用分析模块：该功能模块感知获取用户业务特性，分析业务对接入网络性能需求，为信息智能管理模块提供业务敏感变量优先级排序的数据基础。

网络信息收集模块：该功能模块通过网络监测模块获取可用网络各层信息，将监测到的各接入网物理层、数据链路层、网络层及传输层的状态参数实时传送至信息智能管理模块，作为网络预选择参数信息。

信息智能管理模块：该模块接收来自终端特性感知模块、用户应用分析模块及网络信息收集模块的数据，根据终端特性信息、用户业务需求特性及可用网络状态信息，对候选网络进行优先级排序，确定候选网络使用优先级，并对业务敏感变量进行优先级排序，以确定接入网络服务质量特性的优先级，并智能反馈至资源优化平面的网络选择判决模块。

网络智能模拟模块：该模块利用神经网络所具有的模拟逼近非线性函数的特征，对来自信息智能管理模块的数据进行非线性映射，模拟接入网络业务敏感特性与用户应用需求的相关性。基于神经网络建模思想，将经信息智能管理模块处理的终端特性及网络状态信息作为输入信号，将用户应用分析特性作为阈值信号和教师信号，通过学习各网络接入及运行过程，获得网络QoS参量在不同网络模拟中的权值，并将这些优化权值传送到网络选择判决模块，同时转发自信息智能管理模块处理后的关于网络选择判别变量的信息给网络选择判决模块。如可根据公式                                                

确定网络

中第

个输入优化参量对服务质量的第

个特性参量的优化权值。根据公式

确定网络

中第

个输入优化参量对业务服务质量的第

个特性参量的下一次优化权值，对权值进行更新。

网络选择判决模块：该模块接收通过信息智能管理模块处理得到的关于切换准则信息以及网络智能模拟模块输出的优化权值等信息，根据线性加权的原则判决选择最优接入网络，同时反馈给网络智能模拟模块当接入最优网络后的实时更新信息，指导切换执行模块进行网络的切换工作。

网络监测模块：多模终端的各接口监测可用的接入网络状态信息，并传送至网络信息收集模块，同时接收由信息智能管理模块发出的关于网络使用的优先级等信息，从而控制接口状态。

切换执行模块：该模块主要功能为根据上层判决模块提供的信息以及接口状况，在不同网络之间执行链路层和网络层的切换工作。

本发明还提出一种面向用户应用的自适应接入网络选择方法，终端特性感知模块感知获得移动终端自身的运动状态、能量消耗、及费用信息；用户应用分析模块对用户历史数据分析，获得用户的使用偏好，用户偏好使用时段、业务类别、业务量，为信息智能管理模块提供数据；网络信息收集模块收集网络信息，获取可用网络各层状态信息，将其状态信息实时传送至信息智能管理模块；信息智能管理模块接收终端特性感知模块、用户应用分析模块及网络信息收集模块的数据，根据终端特性、用户业务特性及可用网络状态信息，对候选网络进行优先级排序，对业务敏感变量进行优先级排序，并反馈至网络智能模拟模块；网络智能模拟模块对信息智能管理模块的数据进行非线性映射，模拟接入网络业务敏感特性与用户应用需求的相关性，通过学习各网络接入及运行过程，获得网络QoS参量在不同网络中的权值，并将这些优化权值传送到网络选择判决模块；网络选择判决模块，根据优化权值判决选择最优接入网络。

本发明提出了一种面向用户应用的自适应接入网络选择实现装置及方法，根据具体业务的不同特性以及当前网络的不同状态，综合判定网络接入决策。本发明的优势还在于其框架的通用性及易扩展性，能够进行动态调整以适应可变复杂网络环境。

本发明解决在多网络融合场景下，多模终端用户能够根据各接入网络特性、用户终端特性及业务需求，优化选择接入网络。对各类复杂因素综合分析智能地、自适应地为用户选择最优接入网络具有重要理论及工程意义。

附图说明

图1为能够用于实现本发明的一个异构网络通信系统的拓扑结构示意图；

图2为本发明实现终端自适应异构网络选择的装置架构图；

图3为终端特性感知模块架构图；

图4为信息智能管理模块架构图；

图5为网络优先级确定流程图；

图6为业务敏感优先级确定流程图；

图7为网络智能模拟模块流程图；

图8为网络选择判决模块流程图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

本发明提供一种面向用户透明、自适应环境的异构网络选择装置及选择方法，图2所示为本发明所述异构网络选择装置架构，包括：信息感知平面、资源优化平面、网络终端交互平面。其中，终端特性感知模块、用户应用分析模块、网络信息收集模块、信息智能管理模块位于信息感知平面；网络智能模拟模块、网络选择判决模块位于资源优化平面；网络监测模块、切换执行模块位于网络终端交互平面，通过网络终端交互平面连接多种异构网络。各模块具体实现方式如下：

1. 终端特性感知模块：感知关于移动终端自身的信息，获得终端运动状态、能量消耗、及费用信息。采用分布式收集模式和集中式处理模式，通过移动终端内设信息收集机制感知终端的宏微观信息，并提供给信息感知平面的信息智能管理模块及资源优化平面的网络智能模拟模块。如图3所示为终端特性感知模块结构图。通过对终端内部关于宏观信息(如速度、位置)的收集分析，可获取该移动终端当前移动速度，预期未来移动状态及速度等信息；通过对微处理器缓存内容的分析，获取该终端能量状态，不同网络中的费用使用状况（可用费用、已用费用、单价等）信息，利用统一的通道分别向信息智能管理模块提供用户的运动状态、能量状态以及费用状态等信息，并向资源优化平面提供终端需优化参量状态信息。

终端特性感知模块感知获得以下信息：移动终端总电量E及可用电量、终端运动速度V、终端当前位置

，网络

对应的总费用F、单价

及可用费用

等信息；

2. 用户应用分析模块：实现用户应用偏好的全面解析和具体应用的标准要求分析。该模块的实现基于如下假设：

1) 用户不常换终端设备，终端通过学习获得的使用偏好即用户的偏好；

2) 移动终端对业务透明，即移动终端对业务具有通用性。

该模块具体实现为：根据资源优化平面反馈的相应信息和用户相关应用的历史信息，分析出用户对具体业务的使用频率、使用时间以及网络的使用效率，用来指导信息智能管理模块的优先级处理工作；并获知用户业务类型，业务连接时延D、掉线率

、吞吐量

、时延抖动

等方面的阈值

以及业务历史数据；同时将具体应用的相关参量的阈值和可达到的实际值传送至网络智能模拟模块，分别作为网络模拟的阈值信号和教师信号，从而为网络智能模拟模块提供数据信息基础。

3. 网络信息收集模块：该模块主要实现对不同接入网络的相关信息的收集及初步处理的功能，可以获知诸如某网络忙闲状态，用户接收信号强度，网络可用资源（如可用带宽、连接时延等）等信息，从而为信息智能处理模块提供预处理信息，同时也为网络智能模拟模块提供来自网络侧的优化参量信息。网络侧获知在网络

中终端的接收信号强度

、网络可用带宽

、总带宽

、连接时延等信息。

4. 信息智能管理模块：对来自终端特性感知模块、用户应用分析模块以及网络信息收集模块信息的智能化预处理，并提供给网络智能模拟模块，作为网络智能模拟的数据基础。智能化预处理包括接入网络优先级排序及应用所需求的网络选择判定参量优先级排序。

图4给出了信息智能管理模块功能架构图，其中信息存储单元及信息更新单元分别实现对输入信息的存储及更新；综合信息分析单元通过对信息进行综合分析，确定接入网络使用优先级信息及具体业务判定标准的判定变量优先级信息；智能信息反馈单元为网络选择判决模块提供网络使用优先级信息以及业务敏感特性优先级信息。

1）接入网络优先级排序：

来自终端特性感知模块的信息作为优化变量用于网络优先级的预处理，即将终端用户能量、运动特征、网络使用费用以及终端偏好等各种特性通过模糊逻辑判决方法，确定各接入网络的使用优先级，并去除不符合要求的低优先级网络信息。

来自网络信息收集模块的信息用于分析处理不同网络状态，以得到不同网络资源信息及效用信息，为网络智能模拟模块提供数据支持。

具体如下：

对于网络

（可包括网络UMTS，WiMAX，WiFi；），其优先级为各种特性优先级影响的效果和，可以表示为

，其中

表示网络

对应终端第

个特性的优先级，

可取1，2，3，…代表不同优先级，其中

表明优先级最高，

，分别代表终端移动速度、电量、网络使用成本等特性。

图5为信息智能管理模块综合信息分析单元实现接入网络优先级排序的流程。

2）网络选择判定参量优先级排序

来自用户应用分析模块的信息用于网络选择判定参量优先级的预处理，即对于不同业务应用类型，信息智能管理模块分析出具体判定参量（如吞吐量、连接时延、丢包率等）的不同优先级，进行参量优先级排序，并预先去除业务不敏感的判定参量，从而为网络智能模拟模块和网络选择判决模块提供参考信息。

具体方法如下： 

根据业务的不同类型以及用户历史使用的数据进行综合判定，确定服务质量(QoS)特性参量为连接时延、时延抖动、包丢失率、带宽要求等，记，

为第类QoS的优先级，对于不同业务类型，对应不同

排序，如语音业务对连接时延更敏感，因而

高于其它QoS特性优先级，而对于交互式业务，带宽要求较高，即

较其它QoS特性优先级高。

图6为信息智能管理模块综合信息分析单元实现业务敏感参量优先级排序的流程图。

5. 网络智能模拟模块：该模块主要实现不同网络状态下基于终端自学习的网络特性模拟功能。

网络智能模拟模块利用神经网络所具有的模拟逼近非线性函数的特征，对来自信息智能管理模块的数据进行非线性映射，模拟接入网络业务敏感特性与用户应用需求的相关性。将经信息智能管理模块处理的终端特性及网络状态信息作为输入信号，将QoS特性参量作为阈值信号和教师信号，通过学习各网络接入及运行过程，获得网络QoS特性参量在不同网络模拟中的权值，并将这些优化权值传送到网络选择判决模块，同时转发自信息智能管理模块处理后的关于网络选择判别变量的信息给网络选择判决模块。

本发明基于神经网络设计思想，建模移动终端接入某网络所获得的服务质量与该网络性能参量之间的非线性映射关系。

对不同接入网络的状态及特性的学习过程定义参量如下：记输入优化参量类型数目为M，融合的网络数目为N，输出业务敏感特性参量类型数目为L，学习过程的输入优化变量矩阵

，权值矩阵为

，保证业务正常通信的阈值信号矩阵为

，网络学习过程教师信号为

，实际输出信号矩阵为

；构建输入优化变量矩阵

，其中，

表示在网络中第

个输入优化参量的值；记网络

的输入向量

，

，代表N个异构接入网络，其中，

分别表示网络UMTS，WiMAX，WiFi；，代表M个网络建模输入参量，如

分别代表接收信号强度、网络可用带宽、竞争窗口、接入延时和终端运动速度；其中，

表示除IEEE 802.11网络外其他网络均无活动窗口优化参量，例如

表示在UMTS网络中移动终端接收信号强度值；输出信号矩阵为

，其中，

表示选择第

个网络时的第

个服务质量判定参量的输出值，

可分别表示业务时延、掉线率、吞吐量、抖动等；记

为网络

的L个业务敏感判定参量的实际输出值矢量；由于相同优化参量在不同网络中的权值不同，对于网络有

，

表示网络

中第

个输入优化参量对某业务服务质量的第

个特性参量的权值，如

表示在UMTS中终端接收信号强度对业务时延影响强度值；阈值信号矩阵

，其中，根据不同应用业务，

可取时延阈值

，丢包率阈值

，吞吐量阈值

，抖动阈值等。教师信号矩阵

，其中

表示第

个网络的各业务敏感判定参量的理想输出值，网络

在学习中的第

个业务敏感判定参量的输出值

。

根据历史数据可以得到网络输入优化变量

和教师信号

的具体值，通过用户分析模块可得到关于应用的阈值信号矩阵

，可并行模拟各接入网络状态及特性。对于网络

学习过程如下：

（1）初始化。首先，随机产生一组在（0,1）之间均匀分布的权值数据，分别赋给各个

，如图7所示，输入信号经过线性加权及阈值信号

的偏置，并通过非线性激励函数的映射，得到输出信号矢量

，表示用户接入网络后获得的各服务质量参量组成的矢量。此处可选择Sigmoid函数

作为非线性激励函数，也可选择其他函数作为激励函数，其中，a为常数，标示函数

对变量

的敏感程度；

（2）权值更新。在得到输出信号后，为了实现输出信号与教师信号的平滑拟合，可根据输出信号与教师信号之间的差值及输入信号来进行权值的更新，网络中第

个输入优化参量对某业务服务质量的第

个特性参量的权值更新为：

，其中

为学习率，可取常数0.1~0.3，

为学习次数，

表示对应第

次学习的优化权值。

表示学习过程中第个网络的第

个业务敏感判定参量的理想输出值，表示学习过程中第

个网络的第

个业务敏感判定参量的实际输出值，表示网络

中第

个输入优化参量的输入值；

（3）精度判定。经过若干次权值的更新后，当输出值与教师信号的差值低于一定误差精度范围时，学习过程结束，完成网络建模。

经过学习过程，可建立不同网络中各类输入优化参量与输出服务质量参量之间的非线性映射关系模型，为网络选择判决模块进行具体的网络选择决策提供了预判决数据平台。

6. 网络选择判决模块：该模块根据信息智能管理模块确定的接入网络优先级及业务敏感参量优先级信息，基于网络智能模拟模块优化后的网络参量信息进行接入网络选择。如图8所示，该模块主要包括线性加权处理、网络判决处理、资源分配及信息反馈、优化管理四个单元，其中线性加权单元根据网络智能模拟模块确定的权值矩阵，可得业务敏感参量对应实际系统输入的对应优化权值，通过线性加权各输入变量可得优化业务敏感参量对应的非线性函数输入值，并将其传输至网络判决单元。网络判决单元根据信息智能管理模块给出的业务敏感参量优先级排序，以及网络智能模拟模块输出的优化权值，确定最优候选接入网络。由于本发明所采用的非线性激励函数具有递增性，因此可以利用函数输入自变量的相对大小表征输出业务敏感参量的大小，即以优先级最高的业务敏感参量相应的优化权值对输入参量进行线性加权，选择最优输出值所对应的接入网络。信息反馈单元接收来自网络判决单元的判决信息和优化管理单元的资源分配信息，将其反馈至信息智能处理模块，使之实时更新相应历史信息，为后续学习提供数据基础；优化管理单元根据信息智能管理模块的信息，对网络切换资源进行预分配，从而指导切换执行模块进行网络切换。

7. 网络监测模块：该模块通过多模终端的网络接口监测到可用网络，得到不同接入网络的状态信息，并且进行周期性状态信息更新，以满足终端持续的自适应自学习状态。 

8. 切换执行模块：该模块根据网络选择判决模块提供的切换目标网络的信息进行具体应用场景下的链路层切换和业务流的重定向工作。

以上所述，仅为本发明比较贴切的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易找到变换或替代部分实施细节，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应该以权力要求的保护范围为准。

Claims (4)

1.一种面向用户应用的自适应接入网络选择装置，其特征在于，包括：

(1)终端特性感知模块，感知获得移动终端自身的运动状态、能力消耗、及费用信息；

(2)用户应用分析模块，分析用户历史数据，获得用户的使用偏好，用户的使用时段、业务类别、业务量，为信息智能管理模块提供数据；

(3)网络信息收集模块：对网络信息定向性收集，获取可用网络各层状态信息，将其状态参数实时传送至信息智能管理模块；

(4)信息智能管理模块，接收终端特性感知模块、用户应用分析模块及网络信息收集模块的数据，根据终端特性、用户业务特性及可用网络状态信息，对候选网络进行优先级排序，对业务敏感变量进行优先级排序，并反馈至网络智能模拟模块；

(5)网络智能模拟模块，对信息智能管理模块的数据进行非线性映射，模拟接入网络业务敏感特性与用户应用需求的相关性，将用户QoS特性作为阈值信号和教师信号，通过学习各网络接入及运行过程，获得QoS特性在不同网络中的优化权值，并将这些优化权值传送到网络选择判决模块，根据输出信号与教师信号之间的差值及输入信号进行优化权值的更新，并将这些优化权值传送到网络选择判决模块，所述获得QoS特性在不同网络中的优化权值具体为：根据公式 ${\left(w_{\mathrm{jk}}\right)}_{L\×M}^i=\left(\begin{array}{ccc}{w}_{11}^i& K& w_{1M}^i\\ M& O& M\\ w_{L1}^i& L& w_{\mathrm{LM}}^i\end{array}\right)$ 确定网络i中第k个输入优化参量对服务质量的第j个特性参量的优化权值，其中，M为优化参量类型数目、L为输出业务敏感特性参量类型数目，所述输出信号的获取具体包括，输入信号向量x_i，经过线性加权及阈值信号θ的偏置，并通过非线性激励函数的映射，调用公式：获得输出信号yⁱ，进行优化权值的更新具体包括，根据公式

确定网络i中第k个输入优化参量对业务服务质量的第j个特性参量的下一次优化权值，其中，η为学习率，t为学习次数，t_ji、y_ji分别表示第i个网络的第j个业务敏感判定参量的理想输出值、实际输出值，x_ki表示网络i中输入信号向量x_i的第k个输入优化参量，阈值信号包括：时延阈值、丢包率阈值、吞吐量阈值、抖动阈值；

(6)网络选择判决模块，根据优化权值选择最优接入网络。

2.根据权利要求1所述的自适应接入网络选择装置，其特征在于，根据业务类型以及用户使用的历史数据确定的服务质量特性参量为连接时延、时延抖动、包丢失率、带宽的优先级排序。

3.一种面向用户应用的自适应接入网络选择方法，其特征在于，包括以下步骤：终端特性感知模块感知获得移动终端自身的运动状态、能量消耗、及费用信息；用户应用分析模块对用户历史数据分析，获得用户的使用偏好，用户偏好使用时段、业务类别、业务量，为信息智能管理模块提供数据；网络信息收集模块收集网络信息，获取可用网络各层状态信息，将其状态信息实时传送至信息智能管理模块；信息智能管理模块接收终端特性感知模块、用户应用分析模块及网络信息收集模块的数据，根据终端特性、用户业务特性及可用网络状态信息，对候选网络进行优先级排序，对业务敏感变量进行优先级排序，并反馈至网络智能模拟模块；网络智能模拟模块对信息智能管理模块的数据进行非线性映射，模拟接入网络业务敏感特性与用户应用需求的相关性，将用户QoS特性作为阈值信号和教师信号，通过学习各网络接入及运行过程，获得网络QoS参量在不同网络中的权值，并将这些优化权值传送到网络选择判决模块，所述获得QoS特性在不同网络中的优化权值具体为：根据公式 ${\left(w_{\mathrm{jk}}\right)}_{L\×M}^i=\left(\begin{array}{ccc}{w}_{11}^i& K& w_{1M}^i\\ M& O& M\\ w_{L1}^i& L& w_{\mathrm{LM}}^i\end{array}\right)$ 确定网络i中第k个输入优化参量对服务质量的第j个特性参量的优化权值，其中，M为优化参量类型数目、L为输出业务敏感特性参量类型数目，所述输出信号的获取具体包括，输入信号向量x_i，经过线性加权及阈值信号θ的偏置，并通过非线性激励函数的映射，调用公式：

获得输出信号yⁱ，进行优化权值的更新具体包括，根据公式确定网络i中第k个输入优化参量对业务服务质量的第j个特性参量的下一次优化权值，其中，η为学习率，t为学习次数，t_ji、y_ji分别表示第i个网络的第j个业务敏感判定参量的理想输出值、实际输出值，x_ki表示网络i中输入信号向量x_i的第k个输入优化参量，阈值信号包括：时延阈值、丢包率阈值、吞吐量阈值、抖动阈值；网络选择判决模块，根据优化权值判决选择最优接入网络。

4.根据权利要求3所述的自适应接入网络选择方法，其特征在于，其特征在于，根据业务类型以及用户使用的历史数据确定的服务质量特性参量为连接时延、时延抖动、包丢失率、带宽的优先级排序。

Images