CN102448143B - 基于认知的接入网络选择方法 - Google Patents

Abstract

本发明公开了一种基于认知的接入网络选择方法，主要解决现有方法没有综合考虑无线局域网中用户的移动性和网络当前负载情况而易造成网间切换频繁，网络资源利用不合理的问题。其实现过程为：蜂窝网络周期地预测蜂窝小区和WLAN小区中请求接入的用户数，以及WLAN小区中用户的整体移动性分布情况，以最优网络性能为目标，计算出最优的接入判决门限；当WLAN小区中有新业务请求时，蜂窝网比较用户移出概率与接入网络选择判决门限值，并根据比较结果通知用户选择相应的网络接入。本发明能适应网络环境的变化，降低了蜂窝网络和WLAN网络之间的网间切换次数，并提高了提高网络的吞吐量。

Description

基于认知的接入网络选择方法

技术领域

本发明属于移动通信技术领域，涉及一种基于认知的接入网络选择方法，适用于蜂窝网络和无线局域网WLAN融合的异构网络环境中。

背景技术

随着无线通信技术的高速发展，各种新的无线接入技术层出不穷，未来网络将是一个融合多种无线接入技术的复杂网络。图1中给出了一个以蜂窝网络和WLAN网络为代表的异构无线网络融合场景。蜂窝网络覆盖范围广，能为用户提供良好的移动性支持，但受限于宝贵的频谱资源，网络吞吐量较小，无法有效满足用户高速数据业务需求，且扩容成本较高。WLAN网络覆盖范围小，对用户的移动性支持较差，但网络吞吐量较大，能很好地解决在小覆盖范围内大量集中的业务需求，且建设成本较低。可见，蜂窝网络和WLAN网络具有较好互补性，两者结合能有效提高网络的业务承载能力，蜂窝网络和WLAN网络融合组网将会是下一代移动通信发展的一种网络结构形态。

在蜂窝网络和WLAN网络融合环境中，蜂窝网络通常为全网络覆盖，我们称蜂窝网络单一覆盖区域为蜂窝小区，蜂窝网络和WLAN网络重叠覆盖区域为WLAN小区。在重叠覆盖区域中，如何为用户选择一个合适网络并为其提供服务是亟需解决的一个关键问题。若用户都选择接入蜂窝网络，将造成蜂窝网络负荷过重，新业务阻塞概率较高；若用户都选择接入WLAN网络，由于用户的移动性，会造成蜂窝网络和WLAN网络之间的网间切换较频繁。因此，一个合理的接入网络选择方法显得尤为重要。

现有方法中，考虑到WLAN网络具有成本较低、容量较大等特点，通常采用WLAN网络优先的接入网络选择方法。在WLAN网络优先接入网络选择方法中，WLAN网络作为蜂窝网络的有效补充，为蜂窝网络分担负荷，但该方法并没有考虑WLAN网络中用户的移动性，当部分移动性较强的用户接入WLAN网络后，会频繁地切换到蜂窝网络，既增加了网络切换带来的信令开销，又降低了正在接受服务用户的满意度；同时该接入网络选择方法并没有实时地考虑蜂窝网络和WLAN网络当前的负载情况，会出现WLAN网络负荷较重、蜂窝网络负荷较轻，而WLAN网络中有新接入业务请求时，按照该方法会仍然选择WLAN网络接入，造成网络资源利用不合理的结果。

发明内容

本发明的目的在于避免上述已有技术的不足，提供一种基于认知的接入网络选择方法，该方法综合考虑蜂窝网络和WLAN网络的负载情况以及WLAN小区中用户的整体移动性分布信息，以有效减少网络间切换的次数，降低网络切换带来的信令开销，提高用户的满意度；同时将WLAN小区中新请求接入的业务合理的分配到两个网络中，使网络资源利用更加充分。

实现本发明目的的技术思路是：蜂窝网络周期地预测下一时间段内蜂窝小区和WLAN小区中请求接入的用户数，以及WLAN小区中用户的整体移动性分布情况，以最优网络性能为目标，计算出最优的接入判决门限；当WLAN小区中有新业务请求时，蜂窝网络依据该判决门限值执行用户接入网络选择决策，具体步骤包括如下：

(1)将蜂窝网络和WLAN网络的时间轴等分为长度为T的时间段，当蜂窝小区或WLAN小区中有新呼叫请求时，蜂窝网络记录每段时间内用户请求接入的起始时刻并在用户呼叫结束时，记录其截止时刻若请求接入的用户处于WLAN小区，WLAN网络感知用户当前的移动速率、方向和距离无线局域网接入点AP的距离，根据感知得到的信息计算用户在接受服务过程中移出WLAN小区的概率并提交给蜂窝网络记录；

(2)当蜂窝网络和WLAN网络的时间到达每个时间段的截止时刻时，执行步骤(3)，否则转步骤(5)；

(3)假设当前为第k个时间段截止时刻，蜂窝网络根据步骤(1)记录得到的信息，统计当前时间段蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及用户的平均服务时间T_s；并预测下一时间段内蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及WLAN小区中用户移出概率的概率密度函数f(τ)，τ∈[0，1]；

(4)蜂窝网络根据步骤(3)预测得到的下一时间段内蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及WLAN小区中用户移出概率的概率密度函数f(τ)，计算最优的接入网络选择判决门限值γ_th：

γ_th＝arg min[P_b(γ)]，

P_b(γ)表示全网络中新呼叫请求的阻塞概率，由下式算出：

P_b(γ)＝η·W_percent·P_b，w(γ)+(1-η·W_percent)·P_b，c(γ)，

其中表示WLAN小区中请求接入用户数占全网络请求接入用户数的比例，W_percent是WLAN小区中用户移出概率小于最优判决门限值的概率，即WLAN小区中用户选择接入WLAN网络的平均概率，

$W_{\mathrm{percent}}=P(p_{\mathrm{out}}^i\≤\mathrm{\γ})={\∫}_0^{\mathrm{\γ}}f\left(\mathrm{\τ}\right)\mathrm{d\τ},$

表示WLAN网络中新呼叫请求的阻塞概率，

表示蜂窝网络中新呼叫请求的阻塞概率，

式中C_w表示WLAN网络的容量，C_c表示蜂窝网络的容量，

${\mathrm{\η}}_w={\tilde{n}}_w\·\frac{T_s}{T}\·{\∫}_0^{\mathrm{\γ}}f\left(\mathrm{\τ}\right)\mathrm{d\τ}\·[1-\frac{1}{2}\·{\∫}_0^{\mathrm{\γ}}\mathrm{\τ}\·f\left(\mathrm{\τ}\right)\mathrm{d\τ}]$ 表示选择接入WLAN网络的话务量，

${\mathrm{\η}}_c={\tilde{n}}_c\·\frac{T_s}{T}+{\tilde{n}}_w\·\frac{T_s}{T}\·[{\∫}_{\mathrm{\γ}}^{1}f\left(\mathrm{\τ}\right)\mathrm{d\τ}+\frac{1}{2}\·{\∫}_0^{\mathrm{\γ}}\mathrm{\τ}\·f\left(\mathrm{\τ}\right)\mathrm{d\τ}]$ 表示选择接入蜂窝网络的话务量，

其中WLAN小区中用户移出概率变量τ的取值区间为[0，1]，γ∈[0，1]表示接入网络选择判决门限值，为预测得到的下一时间段内蜂窝小区中请求接入的用户数，为预测得到的下一时间段内WLAN小区中请求接入的用户数，f(τ)为预测得到的WLAN小区中用户移出概率的概率密度函数；

(5)若请求接入用户处于WLAN小区，蜂窝网络比较用户的移出概率和接入网络选择判决门限值，根据比较结果，通知用户选择相应的网络接入；接入网络选择过程执行完成后，返回步骤(1)。

本发明与现有接入网络选择方法相比，具有如下优点：

(1)本发明综合考虑了蜂窝网络、WLAN网络的负载情况以及WLAN小区中用户的整体移动分布信息，以最优网络性能为目标，计算出最优的接入网络选择判决门限值，而后依据该门限值做接入网络选择决策，有效降低了网间切换次数；

(2)本发明选择一个合适的接入网络选择判决门限值，可以将WLAN小区中新请求接入的业务，合理地分配到蜂窝网络和WLAN网络中，使得网络资源利用更加充分合理，全网络新呼叫阻塞概率降低。

(3)本发明周期性地预测下一时间段内蜂窝小区和WLAN小区中请求接入用户数以及WLAN小区中用户移出概率的概率密度函数，并根据预测结果，动态调整接入网络选择判决门限值，具有自适应特性。

附图说明

图1是本发明适用的场景图；

图2是本发明基于认知的接入网络选择方法的流程图；

图3是本发明流程图中执行接入网络选择的子流程图；

图4是本发明预测得到的WLAN小区中请求接入用户数与实际请求接入用户数的对比图；

图5是本发明接入网络选择判决门限值与最优理论门限值的对比图；

图6是本发明与现有接入网络选择方法网络阻塞概率的对比图；

图7是本发明与现有接入网络选择方法切换概率的对比图。

具体实施方式：

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述：

本发明适用于图1所示的场景，场景中包含蜂窝网络和WLAN网络两种不同的接入网络，场景中通用无线资源管理模块CRRM负责协调网络中不同接入网络间无线资源管理，其中包括本发明提到的接入网络选择模块。

参照图2，本发明利用图1所示的场景，进行接入网络选择的实现步如下：

步骤1，网络环境信息的感知；

1.1)将蜂窝网络和WLAN网络的时间轴等分为长度为T的时间段，本实例取T＝600s，但不局限于600s，

1.2)当蜂窝小区或者WLAN小区中有新呼叫请求时，蜂窝网络记录每段时间内用户请求接入的起始时刻并在用户呼叫结束时，记录其截止时刻若请求接入的用户处于WLAN小区，WLAN网络感知用户当前的移动速率、方向和距离无线局域网接入点AP的距离，根据所感知的信息计算用户在接受服务过程中移出WLAN小区的概率并提交给蜂窝网络记录；

概率的计算公式如下：

$p_{\mathrm{out}}^i={\∫}_{T_{\mathrm{dwell}}}^{\∞}{u}_s\·e^{-u_s\·t}\mathrm{dt},$

其中u_s为统计得到的用户平均服务时间T_s的倒数，T_dwell表示用户在WLAN小区中滞留的时间，其中T_dwell可由下式计算出：

$T_{\mathrm{dwell}}=\frac{r\·\cos \mathrm{\θ}+\sqrt{R^2-{(r\·\sin \mathrm{\θ})}^2}}{v},$

其中v为检测用户当前的移动速率，r为用户距离AP的距离，θ为用户移动方向和用户到AP连线之间的夹角，R为WLAN网络覆盖区域的半径。

步骤2，当蜂窝网络和WLAN网络的时间到达每个时间段的截止时刻时，执行步骤3，否则转步骤5；

步骤3，假设当前为第k个时间段截止时刻，蜂窝网络根据步骤1记录得到的信息，统计当前时间段蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及用户平均的服务时间T_s；并预测下一时间段内蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及WLAN小区中用户移出概率的概率密度函数f(τ)，τ∈[0，1]；

3.1)统计用户平均服务时间T_s：

蜂窝网络根据步骤1记录的用户请求接入网络的起始时刻截止时刻信息，统计用户的平均服务时间T_s：

$T_s=\frac{1}{N}\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(t_{\mathrm{end}}^i-t_{\mathrm{init}}^i)$

其中N表示统计的每段时间内请求接入网络的用户数，分别表示第i个用户请求接入网络的起始时刻和截止时间；

3.2)采用指数平滑预测方法，预测下一时间段蜂窝小区中请求接入的用户数按如下步骤进行：

3.2a)建立指数平滑预测方程：

$N_k^c={\mathrm{ax}}_k^c+(1-a)(N_{k-1}^c+b_{k-1}^c);$

$b_k^c=N_k^c-N_{k-1}^c;$

式中分别表示第k段时间和第k-1段时间内，蜂窝小区中请求接入用户数的趋势值，表示统计得到的第k段时间内请求接入蜂窝小区中的用户数，表示第k段时间请求接入蜂窝小区中用户数的趋势增量，a为平滑系数，0＜α＜1，平滑系数值的大小需要根据实际情况选取，其值越小时对数据的平滑能力越强，但对数据的变化的敏感性变弱，这里取α＝0.2，初值选取为

3.2b)根据上述预测方程，得到下一时间段内蜂窝小区中请求接入用户数的预测值

${\tilde{n}}_c=N_k^c+b_k^c;$

3.3)采用指数平滑预测方法，预测下一时间段WLAN小区中请求接入的用户数按如下步骤进行：

3.3a)建立指数平滑预测方程：

$N_k^w={\mathrm{ax}}_k^w+(1-a)(N_{k-1}^w+b_{k-1}^w);$

$b_k^w=N_k^w-N_{k-1}^w;$

式中分别表示第k段时间、第k-1段时间内，WLAN小区中请求接入用户数的趋势值，表示统计得到的第k段时间内请求接入WLAN小区中的用户数，表示第k段时间请求接入WLAN小区中用户数的趋势增量，a为平滑系数，0＜α＜1，平滑系数值的大小需要根据实际情况选取，其值越小时对数据的平滑能力越强，但对数据的变化的敏感性变弱，这里取α＝0.2，初值选取为

3.3b)根据上述预测方程，得到下一时间段内WLAN小区中请求接入的用户数预测值

${\tilde{n}}_w=N_k^w+b_k^w;$

3.4)使用非参数概率密度估计中常用的直方图法，对WLAN小区中用户整体移动性分布，即的概率密度函数f(τ)进行估计，按如下步骤进行：

3.4a)将的取值区间[0，1]等分为L个小区间，L＝100，区间表示为D_j＝[(j-1)·h，j·h]，j＝1，2，…，L，即每个区间宽度为h＝1/L，记k_j为每段时间内，WLAN小区中请求接入用户的移出概率处于D_j区间的用户数，每段时间开始时刻设置k_j初始值为零，当WLAN小区中有新呼叫请求时，计算该用户移出概率若处于区间D_j，则k_j＝k_j+1；

3.4b)每段时间截止时刻，统计各区间的用户数k_j，估计得到WLAN小区中用户移出概率的概率密度函数f(τ)为：

$f\left(\mathrm{\τ}\right)=\frac{k_j}{h\·\underset{j=1}{\overset{L}{\mathrm{\Σ}}}{k}_j},\mathrm{\τ}\∈D_j;$

步骤4.蜂窝网络根据步骤3预测得到的下一时间段内蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及WLAN小区中用户移出概率的概率密度函数f(τ)，计算接入网络选择判决门限值γ_th：

γ_th＝arg min[P_b(γ)]，

P_b(γ)表示全网络中新呼叫请求的阻塞概率，由下式算出：

P_b(γ)＝η·W_percent·P_b，w(γ)+(1-η·W_percent)·P_b，c(γ)，

其中表示WLAN小区中请求接入用户数占全网络请求接入用户数的比例，W_percent是WLAN小区中用户移出概率小于最优判决门限值的概率，即WLAN小区中用户选择接入WLAN网络的平均概率，

$W_{\mathrm{percent}}=P(p_{\mathrm{out}}^i\≤\mathrm{\γ})={\∫}_0^{\mathrm{\γ}}f\left(\mathrm{\τ}\right)\mathrm{d\τ},$

表示WLAN网络中新呼叫请求的阻塞概率，

表示蜂窝网络中新呼叫请求的阻塞概率，

式中C_w表示WLAN网络的容量，C_c表示蜂窝网络的容量，

${\mathrm{\η}}_w={\tilde{n}}_w\·\frac{T_s}{T}\·{\∫}_0^{\mathrm{\γ}}f\left(\mathrm{\τ}\right)\mathrm{d\τ}\·[1-\frac{1}{2}\·{\∫}_0^{\mathrm{\γ}}\mathrm{\τ}\·f\left(\mathrm{\τ}\right)\mathrm{d\τ}]$ 表示选择接入WLAN网络的话务量，

${\mathrm{\η}}_c={\tilde{n}}_c\·\frac{T_s}{T}+{\tilde{n}}_w\·\frac{T_s}{T}\·[{\∫}_{\mathrm{\γ}}^{1}f\left(\mathrm{\τ}\right)\mathrm{d\τ}+\frac{1}{2}\·{\∫}_0^{\mathrm{\γ}}\mathrm{\τ}\·f\left(\mathrm{\τ}\right)\mathrm{d\τ}]$ 表示选择接入蜂窝网络的话务量，

其中WLAN小区中用户移出概率变量τ的取值区间为[0，1]，γ∈[0，1]表示接入网络选择判决门限值，为预测得到的下一时间段内蜂窝小区中请求接入的用户数，为预测得到的下一时间段内WLAN小区中请求接入的用户数，f(τ)为预测得到的WLAN小区中用户移出概率的概率密度函数；

步骤5，网络选择执行过程。

参照图3，本步骤的具体实施步骤如下：

若请求接入用户处于WLAN小区，蜂窝网络比较用户的移出概率和接入网络选择判决门限值，若用户移出概率低于该判决门限值，则蜂窝网络通知用户选择WLAN网络接入，否则通知用户选择蜂窝网络接入；接入网络选择过程执行完成后，返回步骤1。

本发明方法的优点可以通过仿真结果进一步说明：

1.仿真场景与条件

图1是本发明方法的仿真场景，其中蜂窝网络和WLAN网络资源总数均为50，简单起见，用户通话的平均时间为120s，请求接入业务分别占用蜂窝网络和WLAN网络一个单位的资源，仿真时间为12h，蜂窝小区和WLAN小区中新呼叫请求的平均到达率如下表1所示，其中呼叫的到达服从泊松分布。

表1：蜂窝小区和WLAN小区中新呼叫请求的平均到达率

时间t(H)	0-3	3-6	6-9	9-12
					蜂窝小区中新呼叫到达率	0.15	0.15	0.15	0.15
WLAN小区中新呼叫到达率	0.15+0.05t	0.45-0.05t	-0.45+0.1t	1.35-0.1t

2.仿真内容及仿真结果

仿真一：将本发明预测得到WLAN小区中请求接入的用户数与实际请求接入用户数进行对比，仿真结果如图4所示。图4表明，本发明中采用的指数平滑预测算法预测误差精度较高。

仿真二：将本发明接入网络选择判决门限值与最优判决门限值进行对比，仿真结果如图5所示。图5表明，本发明具有较好的自适应性，能根据预测结果动态调整接入网络选择判决门限值，该门限值十分接近最优判决门限值。

仿真三：将本发明与现有WLAN网络优先、随机接入网络选择方法网络的阻塞概率进行对比，仿真结果如图6所示。图6表明，采用本方法后网络资源利用更加充分，网络的吞吐量提高，网络中新呼叫的阻塞概率降低。

仿真四：将本发明与现有WLAN网络优先、随机接入网络选择方法的切换概率进行对比，仿真结果如图7所示。图7表明，采用本方法后能有效地降低了蜂窝网络和WLAN网络之间的网间切换次数。

Claims (6)

1.一种基于认知的接入网络选择方法，包含以下步骤：

(1)将蜂窝网络和WLAN网络的时间轴等分为长度为T的时间段，当蜂窝小区或WLAN小区中有新呼叫请求时，蜂窝网络记录每段时间内用户请求接入的起始时刻并在用户呼叫结束时，记录其截止时刻若请求接入的用户处于WLAN小区，WLAN网络感知用户当前的移动速率、方向和距离无线局域网接入点AP的距离，根据感知得到的信息计算用户在接受服务过程中移出WLAN小区的概率并提交给蜂窝网络记录；

(2)当蜂窝网络和WLAN网络的时间到达每个时间段的截止时刻时，执行步骤(3)，否则转步骤(5)；

(3)假设当前为第k个时间段截止时刻，蜂窝网络根据步骤(1)记录得到的信息，统计当前时间段蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及用户的平均服务时间T_s；并预测下一时间段内蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及WLAN小区中用户移出概率的概率密度函数f(τ)，τ∈[0,1]；

(4)蜂窝网络根据步骤(3)预测得到的下一时间段内蜂窝小区中请求接入的用户数和WLAN小区中请求接入的用户数以及WLAN小区中用户移出概率的概率密度函数f(τ)，计算最优的接入网络选择判决门限值γ_th：

γ_th＝argmin[P_b(γ)]，

P_b(γ)表示全网络中新呼叫请求的阻塞概率，由下式算出：

P_b(γ)＝η·W_percent·P_bw(γ)+(1-η·W_percent)·P_bc(γ)，

其中表示WLAN小区中请求接入用户数占全网络请求接入用户数的比例，W_percent是WLAN小区中用户移出概率小于最优判决门限值的概率，即WLAN小区中用户选择接入WLAN网络的平均概率，

$W_{\mathrm{percent}}=P(p_{\mathrm{out}}^i\≤\mathrm{\γ}){\∫}_0^{\mathrm{\γ}}f\left(\mathrm{\τ}\right)\mathrm{d\τ},$

表示WLAN网络中新呼叫请求的阻塞概率，

表示蜂窝网络中新呼叫请求的阻塞概率，

式中C_w表示WLAN网络的容量，C_c表示蜂窝网络的容量，

${\mathrm{\η}}_w={\tilde{n}}_w\·\frac{T_s}{T}\·{\∫}_0^{\mathrm{\γ}}f\left(\mathrm{\τ}\right)\mathrm{d\τ}\·[1-\frac{1}{2}\·{\∫}_0^{\mathrm{\γ}}\mathrm{\τ}\·f\left(\mathrm{\τ}\right)\mathrm{d\τ}]$ 表示选择接入WLAN网络的话务量，

${\mathrm{\η}}_c={\tilde{n}}_c\·\frac{T_s}{T}+{\tilde{n}}_w\·\frac{T_s}{T}\·[{\∫}_{\mathrm{\γ}}^{1}f\left(\mathrm{\τ}\right)\mathrm{d\τ}+\frac{1}{2}\·{\∫}_0^{\mathrm{\γ}}\mathrm{\τ}\·f\left(\mathrm{\τ}\right)\mathrm{d\τ}]$ 表示选择接入蜂窝网络的话务量，

其中WLAN小区中用户移出概率变量τ的取值区间为[0,1]，γ∈[0,1]表示接入网络选择判决门限值，为预测得到的下一时间段内蜂窝小区中请求接入的用户数，为预测得到的下一时间段内WLAN小区中请求接入的用户数，f(τ)为预测得到的WLAN小区中用户移出概率的概率密度函数；

(5)若请求接入用户处于WLAN小区，蜂窝网络比较用户的移出概率和接入网络选择判决门限值，根据比较结果，通知用户选择相应的网络接入；接入网络选择过程执行完成后，返回步骤(1)。

2.根据权利要求1所述的基于认知的接入网络选择方法，其中步骤(1)所述的根据所感知的信息计算用户在接受服务过程中移出WLAN小区的概率其计算公式如下：

$p_{\mathrm{out}}^i={\∫}_{T_{\mathrm{dwell}}}^{\∞}{u}_s\·e^{-u_s\·t}\mathrm{dt},$

其中u_s为统计得到的用户平均服务时间T_s的倒数，T_dwell为用户在WLAN小区中滞留的时间，其中T_dwell可由下式计算出：

$T_{\mathrm{dwell}}=\frac{r\·\cos \mathrm{\θ}+\sqrt{R^2-{(r\·\sin \mathrm{\θ})}^2}}{v},$

其中v为检测用户当前的移动速率，r为用户距离AP的距离，θ为用户移动方向和用户到AP连线之间的夹角，R为WLAN网络覆盖区域的半径。

3.根据权利要求1所述的基于认知的接入网络选择方法，其中步骤(3)所述的统计用户平均服务时间T_s，可由下式计算出：

$T_s=\frac{1}{N}\·\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(t_{\mathrm{end}}^i-t_{\mathrm{init}}^i),$

其中N表示统计的每段时间请求接入网络的用户数，分别表示第i个用户请求接入网络的起始时刻和截止时间。

4.根据权利要求1所述的基于认知的接入网络选择方法，其中所述步骤(3)中预测下一时间段内蜂窝小区中请求接入的用户数按如下步骤进行：

3a）建立指数平滑预测方程：

$N_k^c={\mathrm{ax}}_k^c+(1-a)(N_{k-1}^c+b_{k-1}^c);$

$b_k^c=N_k^c-N_{k-1}^c;$

式中分别表示第k段时间和第k-1段时间内，蜂窝小区中请求接入用户数的趋势值，表示统计得到的第k段时间内请求接入蜂窝小区中的用户数，表示第k段时间请求接入蜂窝小区中用户数的趋势增量，a为平滑系数，0＜a＜1，平滑系数值的大小需要根据实际情况选取，其值越小时对数据的平滑能力越强，但对数据的变化的敏感性变弱，这里取a＝0.2，初值选取为

3b）根据上述预测方程，得到下一时间段内蜂窝小区中请求接入用户数的预测值

${\tilde{n}}_c=N_k^c+b_k^c.$

5.根据权利要求1所述的基于认知的接入网络选择方法，其中所述步骤(3)中预测下一时间段内WLAN小区中请求接入的用户数按如下步骤进行：

3c）建立指数平滑预测方程：

$N_k^w={\mathrm{ax}}_k^w+(1-a)(N_{k-1}^w+b_{k-1}^w);$

$b_k^w=N_k^w-N_{k-1}^w;$

式中分别表示第k段时间、第k-1段时间内，WLAN小区中请求接入用户数的趋势值，表示统计得到的第k段时间内请求接入WLAN小区中的用户数，表示第k段时间请求接入WLAN小区中用户数的趋势增量，a为平滑系数，0＜a＜1，平滑系数值的大小需要根据实际情况选取，其值越小时对数据的平滑能力越强，但对数据的变化的敏感性变弱，这里取a＝0.2，初值选取为

3d）根据上述预测方程，得到下一时间段内WLAN小区中请求接入的用户数预测值

${\tilde{n}}_w=N_k^w+b_k^w.$

6.根据权利要求1所述的基于认知的接入网络选择方法，其中所述步骤(3)中使用非参数概率密度估计中常用的直方图法，对WLAN小区中用户整体移动性分布，即的概率密度函数f(τ)进行估计，按如下步骤进行：

3e）将的取值区间[0,1]等分为L个小区间，L=100，区间表示为D_j＝[(j-1)·h,j·h],j＝1,2,...,L，即每个区间宽度为h＝1/L，记k_j为每段时间内WLAN小区中请求接入用户的移出概率处于D_j区间的用户数，每段时间开始时刻设置k_j初始值为零，当WLAN小区中有新呼叫请求时，计算该用户移出概率若处于区间D_j，则k_j＝k_j+1；

3f）每段时间截止时刻，统计各区间的用户数k_j，估计得到WLAN小区中用户移出概率的概率密度函数f(τ)为：

$f\left(\mathrm{\τ}\right)=\frac{k_j}{h\·\underset{j=1}{\overset{L}{\text{\Σ}}}{k}_j},\mathrm{\τ}\∈D_j.$