CN102612060A - 一种基于熵值计算的跨层设计兼容性的评判方法 - Google Patents

Abstract

本发明公开了一种基于熵值计算的跨层设计兼容性的评判方法，利用熵的定义并引用跨层体验这一概念，建立一种判断各跨层优化兼容性的评判标准。实现了在一个系统中使用多个跨层优化设计时各个方案之间兼容性的问题，在保证系统效率的前提下，使优化结果最大化。

Description

一种基于熵值计算的跨层设计兼容性的评判方法

技术领域

本发明属于无线通信的跨层设计技术领域，涉及一种基于熵值计算的跨层设计兼容性的评判方法。

背景技术

在对未来无线网络资源管理的研究中，由于受到无线通信环境复杂的影响，经常使用跨层这一手段，从协议栈的宏观角度去优化系统性能。跨层设计机制通过在协议栈的各层之间传递特定的信息来协调协议栈各层之间的工作过程，使之与无线通信环境相适应，从而使系统能够满足各种业务的不同需求。同时，随着近年来跨层优化技术的提出与发展，各种跨层优化设计方案层出不穷，但是在一个系统中综合使用这些跨层设计方案还存在一些不足，同时，这种设计方式也可能带来一些问题：

1)这些跨层设计虽然对系统中的某个参数的性能进行提升但是往往是以牺牲其他的参数性能为代价的。比如以牺牲吞吐量的代价来改善队列时延和分组丢弃率(Feroz A.Bokhari，Halim Yanikomeroglu，William K.Wong，Cross-layer Resource Scheduling for Video Traffic in the Downlink ofOFDMA-Based Wireless 4G Networks[J].EURASIP Journal on WirelessCommunication and Networking，2009.)。虽然通过跨层设计优化了切换失误率和切换信令时延，却通过复杂的信令设计增加了系统冗余度和系统负担(Shantidev Mohanty，Ian F.Akyildiz，A Cross-layer(Layer 2+3)HandoffManagement Protocol for Next-Generation Wireless Systems[J].IEEETransactions on Mobile computing，vol.5，No.10，October 2006.)。众所周知，如今的系统都是面向多业务的综合性的，那么某个参数性能的下降势必将会影响以该参数为主的一系列业务群的下降。

2)跨层设计打破了传统网络分层间的独立性(C.D.Iskander and P.T.Mathiopoulos，Fast simulation of diversity Nakagami fading channels usingfinite-state Markov models[J]，IEEE Trans.On Broadcasting，vol.49，no.3，pp.269-277，2003)，但同时也失去网络设计的规律性、结构化，使得全网络设计和优化极其复杂，特别是试图进行实时动态优化时。例如，当任何一层发生变化时，整个系统可能需要进行重新设计和部署。

3)跨层设计机制在协议栈之间引入了相关性，从而可能严重影响系统的可扩展性，系统的实现和维护变得十分困难，而且系统的标准化工作可能很难进行。

4)跨层设计带来的负面影响。在众多纷杂的跨层设计中，两者或多种以上跨层优化的并存有可能对系统带来一些负面影响。例如，信令混乱导致信令系统开销增大，系统性能降低甚至崩溃。然而，至今为止，国内外尚没有相关标准对跨层设计提出相应的要求与规范，也没有一个综合使用这些跨层设计技术的评判标准。因此，跨层优化设计的兼容性这一问题又凸显出来。

发明内容

本发明解决的问题在于提供一种基于熵值计算的跨层设计兼容性的评判方法，对系统中使用的跨层技术进行判断、取舍，在保证系统工作效率的前提下实现更多的优化目标。

本发明是通过以下技术方案来实现：

一种基于熵值计算的跨层设计兼容性的评判方法，包括以下步骤：

1)系统根据当前的跨层方案设置一个能够接纳新的跨层方案所允许的跨层熵的目标值；

2)首先对各个系统性能QoS参数相关的KPI进行计算，识别单一服务业务的KPI；然后根据跨层优化的目标和业务的属性分配各KPI权值，再根据KPI和KPI所分配的各个权值计算跨层方案所产生的跨层熵；

3)将步骤2)所得的跨层熵与步骤1)的目标值进行比较：

如果跨层熵大于目标值，则放弃该跨层优化；如果所得跨层熵小于目标值，则所采用的跨层方案可以在不给系统带来负担的同时对相关参数进行优化；

4)在所得跨层熵小于目标值的情况下，计算CoE来确定跨层体验，反映当前跨层优化带来的优劣：

包括直接描述系统QoS现状的KPI和用户可观的角度上描述当前系统状态的KQI的计算。

所述的跨层熵代表跨层的程度，熵越大，跨层复杂度越大，跨层信令越多，系统负担开销大，鲁棒性越小。

所述的跨层熵的目标值设置在0到1之间，0表示系统没有应用跨层优化技术，1表示系统使用了全部的跨层优化技术，混乱度最高。

所述的各个系统性能QoS参数相关KPI的计算包括：平均时延、平均抖动和丢包率的计算，其中：

平均时延的计算为： $D_{\mathrm{avg}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_r\left(i\right)-t_s\left(i\right)---\left(1\right)$

t_s(i)是发送第i个包的时间，t_r(i)为接收第i个包的时间，n为发送的总的包数，D_avg为端到端的平均时延；

平均抖动的计算为：

$J_{\mathrm{avg}}=\frac{\mathrm{\Σ}|(R(i+1)-S(i+1))-(R\left(i\right)-S\left(i\right))|}{N}---\left(2\right)$

S(i)为分组从发送端的发送时间，R(i)为分组到达接收端的时间，N为分组的数量；

丢包率的计算为： $P_L=\frac{N_1}{N_2}\×100\%---\left(3\right)$

P_L为丢包率，N₁是总丢包数，N₂是总发送包的数量。

所述计算跨层方案所产生的跨层熵是利用熵权法，以某个跨层方案作为一个评价单位，以各个KPI作为评价指标进行计算。

所述利用熵权法进行计算为：

系统由于多种跨层设计带来的效应会出现多种不同的状态，每种状态出现概率为P_i(i＝1，2，…，m)，则系统的熵E为：

$E=-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_i\ln p_i;$

若有m个被评价的跨层方案，n个作为评价指标的KPI，则有原始数据矩阵R＝(r_ij)_m×n，r_ij为原始数据矩阵的元素；首先计算第j个指标下第i个被评价单位的比重p_ij：

$p_{\mathrm{ij}}=\frac{r_{\mathrm{ij}}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{r}_{\mathrm{ij}}}$

然后计算第j个指标的熵E_j： $E_j=-k\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(p_{\mathrm{ij}}*\ln p_{\mathrm{ij}}),$ k＝1/lnm；

计算第j个指标的权重q_j： $q_j=\frac{1/E_j}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}1/E_j},$ $\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q}_j=1,$ q_j∈[0，1]

利用归一化得出的值即为引入该跨层后的熵值。

与现有技术相比，本发明具有以下有益的技术效果：

本发明提供的基于熵值计算的跨层设计兼容性的评判方法，利用熵的定义并引用跨层体验这一概念，建立一种判断各跨层优化兼容性的评判标准。实现了在一个系统中使用多个跨层优化设计时各个方案之间兼容性的问题，在保证系统效率的前提下，使优化结果最大化。

本发明提供的基于熵值计算的跨层设计兼容性的评判方法，针对在同一系统中使用不同跨层方案间兼容性的问题；虽然跨层设计虽然一方面对系统的某些参数性能进行了提升，但是也会对系统中其他参数性能造成下降，而多种跨层设计并存也会对增加信令的复杂度造成信令冗余和系统效率的下降。引入了不同跨层方案之间兼容性评判标准可以有效解决这些问题，使系统利用率最大化。

本发明提供的基于熵值计算的跨层设计兼容性的评判方法，通过熵的计算来进行评判。熵用来表示任何一种能量在空间中分布的均匀程度，能量分布的越均匀，熵就越大，一个体系的能量完全均匀分布时，这个系统的熵就达到了最大值，熵表明了体系的混乱程度，熵越大，则表明系统越混乱。在跨层熵中，跨层熵代表了跨层的程度，熵越大，跨层复杂度越大，同时跨层信令越多，系统负担开销大，鲁棒性越小。

本发明提供的基于熵值计算的跨层设计兼容性的评判方法，建立以系统各QoS参数为主的KPI与KQI(Key Quality Indicator)评价模式，最能体现系统当前QoS状态，反映当前系统性能。跨层熵的计算是以通过KPI及KQI参数归一化及熵权法分配权值而得到的，能够体现系统性能。使用跨层体验(Cross-layer of Experience)，类比与服务体验(Quality of Experience)直接描述跨层好坏。通过接近量化的方法来表示网络或系统对跨层的体验与感受，反映当前跨层优化带来的优劣。

附图说明

图1为本发明的计算流程图；

图2为CoE评价体系示意图；

图3为LTE-A跨层优化模型示意图。

具体实施方式

本发明提供的基于熵值计算的跨层设计兼容性的评判方法，首先，系统先前根据先前使用的跨层优化方案设置一个跨层熵的目标值或源值。然后，在引入一个或多个新的跨层优化设计时，系统要先计算这个跨层设计对各个KPI的影响，也就是识别单一业务的KPI并对其进行计算，并根据跨层优化对系统性能的提升和占用系统资源的程度确定各跨层熵的权值，然后计算混合业务下跨层熵的值。所得的值与目标值相比较，根据熵增原理对现有跨层熵的值进行判断，如果超出跨层熵的目标值，则说明新引入的跨层设计其产生的系统开销和资源占用等负面影响要比其带来的优化效果还要多。因此不建议使用该优化方案。同时，如果得到的跨层熵的值小于跨层的目标值，则说明新引入的跨层优化方案可以对提升系统中参数的性能，并根据所得到的跨层熵的值计算CoE。下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。

参见图1，基于熵值计算的跨层设计兼容性的评判方法，包括以下步骤：

1)系统根据当前的跨层方案设置一个能够接纳新的跨层方案所允许的跨层熵的目标值；

系统根据当前使用的跨层优化方案设置目标值。根据熵增原理，该值具有增大的趋势，但是会有一个限值。此限值即为决定该系统是否容纳新跨层设计方案的最大值。

所述的跨层熵代表了跨层的程度，熵越大，跨层复杂度越大，同时跨层信令越多，系统负担开销大，鲁棒性越小。

2)首先对各个系统性能QoS参数相关的KPI进行计算，识别单一服务业务的KPI；然后根据跨层优化的目标和业务的属性分配各KPI权值，再根据KPI和KPI所分配的各个权值计算跨层方案所产生的跨层熵；具体的：

识别单一服务业务的KPI：主要是对各个系统性能QoS参数相关的KPI(Key Performance Indicator)的计算，而各KPI包括平均时延，丢包率，抖动等与QoS相关的参数(参见图2)；

其分别计算如下：

计算平均时延的公式如下

$D_{\mathrm{avg}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_r\left(i\right)-t_s\left(i\right)---\left(1\right)$

其中，t_s(i)是发送第i个包的时间，t_r(i)为接收第i个包的时间，n为发送的总的包数，D_avg为端到端的平均时延，单位为ms。

平均抖动定义是任意两个连续成功传输的分组时延差的平均值，计算的公式如下所示：

$J_{\mathrm{avg}}=\frac{\mathrm{\Σ}|(R(i+1)-S(i+1))-(R\left(i\right)-S\left(i\right))|}{N}---\left(2\right)$

其中S(i)为分组从发送端的发送时间，R(i)为分组到达接收端的时间，N为分组的数量。

丢包率的定义是丢失的包数量与发送的总包数之比，计算公式如下

$P_L=\frac{N_1}{N_2}\×100\%---\left(3\right)$

其中P_L为丢包率(％)，N₁是总丢包数，N₂是总发送包的数量。

通过以上计算得出各KPI参数的提升或下降。

而各KPI权值的分配为：根据跨层优化的目标和业务的属性分配各KPI权值。比如在对时延参数进行优化的跨层设计中，运用在语音类等对时延敏感性较强的业务时，则增加对时延KPI的权值，使之在计算跨层熵时所占的比重增加；如在对提高检错能力的跨层优化设计中，则丢包率和抖动所占的权值增加。

则跨层熵的计算为：根据之前所计算的KPI和分配的各个权值，运用数学方法计算跨层熵，首先通过公式(1)、公式(2)及公式(3)计算各QoS指标(即各KPI)的变化，再通过熵权法来分配权系数(即各KQI)。

利用熵权法的计算各KQI的计算步骤如下：

系统在跨层优化时可能会出现多种不同的状态，每种状态出现概率为P_i(i＝1，2，…，m)，则系统的熵就定义如下：

$E=-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_i\ln p_i;---\left(4\right)$

假设现在有m个被评价单位，n个评价指标，则有原始数据矩阵R＝(r_ij)_m×n。那么以某个跨层方案作为一个评价单位，以各个KPI作为评价指标，因此对于第j个指标，其信息熵为：

$E_j=-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_{\mathrm{ij}}\ln p_{\mathrm{ij}};---\left(5\right)$

其中

$p_{\mathrm{ij}}=\frac{r_{\mathrm{ij}}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{r}_{\mathrm{ij}}}---\left(6\right)$

从上面两个公式(5)、(6)可以得出：如果某个指标的信息熵E_j越小，就表明这个指标的所能够提供的信息越大，变异程度也越大，在综合评价中所起的作用就愈大，在这里也就意味着它的权重也就越大；反之，某个指标的信息熵E_j越大，那么他的权重就会相应的很小。因此，在具体分析的过程中，就可以根据其指标变化的大小，利用信息熵的概念来确定每个评价指标的权重，再对所有的指标进行加权计算，得出被评价对象的综合得分。

具体的计算步骤如下：

2.1)根据公式(6)计算第j个指标下第i个被评价单位的比重。

2.2)计算第j个指标的熵：

$E_j=-k\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(p_{\mathrm{ij}}*\ln p_{\mathrm{ij}}),$ 其中k＝1/lnm                                        (7)

2.3)计算第j个指标的权重

$q_j=\frac{1/E_j}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}1/E_j},$ $\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q}_j=1,$ q_j∈[0，1]                            (8)

2.4)最后计算被评价对象的最终排序(可选操作)

V＝∑q_j*p_ij                       (9)

最后，利用归一化得出的值即为引入该跨层后的熵值。

3)将步骤2)所得的跨层熵与步骤1)的目标值进行比较：

如果计算所得的跨层熵大于既定的目标值，根据熵的定义，说明引入后的系统比预期所估计的复杂和混乱，放弃该跨层优化；如果所得值小于预定值，则说明新引入的跨层优化可以在不给系统带来负担的同时对相关参数进行优化。

4)如果计算后的跨层熵满足系统要求，则计算CoE来确定跨层体验，反映当前跨层优化带来的优劣；

CoE是跨层体验，是评价跨层设计之间兼容性与跨层技术应用于系统之上并产生影响的一个判断标准。它与具体的跨层技术相关联，从用户的角度判断系统当前性能，对应用的跨层技术作出主观感知。

CoE是评价跨层兼容性和跨层对系统影响的标准，CoE的评价标准体系如图2所示。由图2所知，CoE的评价体系由两级提取得出。关键性能指标KPI代表底层指标，由时延，丢包率，抖动和额外信令开销组成，直接描述了系统QoS现状，反映了当前系统性能。关键质量指标KQI以系统为中心，站在用户可观的角度上描述当前系统状态。KQI由KPI指标所反映的对系统直观的影响组成，他们分别是跨层处理效率，跨层可靠性和跨层费用。KQI可以由一个或多个KPI描述。因此，CoE的计算与统计能够准确地反映跨层设计对系统所带来的影响。

具体的根据LTE-A网络特点进一步说明：

LTE-A技术是LTE技术的后续演进。无线接口协议栈被分为三层：物理层、数据链路层和网络层，都属于AS层。AS层主要负责无线接口相连接的相关功能。物理层位于无线接口协议栈最底层，提供物理介质中比特流传输所需要的所有功能。数据链路层在负责无线承载信令和用户业务数据的传输、加密和完整性保护。网络层负责完成接入网和终端之间交互的所有信令处理。与之相反，NAS层主要负责与接入技术无关、独立于无线接入相关的功能及流程。主要包括会话管理，用户管理，安全管理和计费。

很多跨层设计都会设计到AS层和NAS层之间的数据与信令交换。

LTE-A跨层优化设计：

LTE-A是无线系统，因此，很多针对无线系统的跨层设计也同样适用。我们从AS层(物理层，数据链路层，网络层)和NAS层(传输层，应用层)之间的信息提供和交互入手，分析在各个层之间进行跨层交互的可行性。

物理层：在跨层设计中物理层所能提供的信息，其中包括传输功率，误比特率和编解码信息。

与数链层的跨层交互功能可以是：链路层能够通过增加发送攻率来降低物理层的误比特率，同样，链路层也能够通过采用更强的差错控制机制来降低误比特率。但是，增加发送功率及采用较强的差错控制机制都会增加系统的功耗，因此，需要采用联合控制的方式来改善系统性能。物理层与网络层的跨层交互功能包括：物理层的信道状态信息能够被网络层来改变其传输路径，例如，网络层根据信道状态信息利用路由功能在不同的信道上传输不同优先级的数据。在应用层，用户能够根据其业务需求对物理层的特征进行调整。像数字视频这样的多媒体业务可根据其从物理层获得的信道状态信息对编码速率进行调整。

数据链路层：数链层所能提供的信息，包括：FEC机制，重传数据帧的数量和长度，无线信道的可用时间信息和切换发起及完成的时间等。与应用层的交互是不同的应用程序有不同的QoS需求，链路层能够根据相应的业务需求对数据帧进行不同的处理。例如，具有低时延需求的数据帧将得到优先处理，而可靠性需求高的数据帧在前向纠错/自动请求重发方面将得到更强的纠错编码及更多的重传次数。其与网络层的跨层交互是：移动IP主要用来在移动主机改变子网位置时进行切换。移动IP的切换将会引入时延，因为它是在IP层检测到网络的变化后而进行的切换。在移动设备上进行的对信号强度的持续检测没有被移动IP的切换过程所利用，而利用信道信号强度这样的链路层信息将能够减少移动IP切换带来的时延。与物理层的交互是根据当前的信道条件及物理层的功耗情况，调整链路层的差错控制机制从而减少传输错误，并调整数据帧的长度来提高吞吐量。此外，利用物理层的信号处理技术能够实现链路层对媒体接入的控制。

网络层：LTE-A系统中RRC层对应的是网络层，RRC协议模块功能包括：系统信息广播(NAS层相关和AS层相关)，寻呼，RRC连接建立/维护/释放，安全功能密匙管理，无线承载管理，移动性管理(包括UE测量上报和控制、切换、UE小区选择和重选、切换时候上下文传输)，MBMS服务通知，MBMS服务承载管理，QoS管理，UE测量报告和控制，NAS直传消息传输。

RRC层能提供的信息有无线承载管理信息，切换相关信息，UE测量报告信息等

与其他层的信息交互包括：与物理层：各个物理接口上的误比特率能够用来引导网络层在不同的物理接口上进行切换及数据转发。与链路层：利用链路层的切换信息将有助于移动IP协议减少其切换时延。传输层可利用移动IP的切换信息来控制其定时器，从而避免不必要的数据分组重传。

传输层：传输层主要负责在网络上进行端到端的连接控制。所能提供的信息包括往返时间、重传超时时间、最大传输单位、接收窗口、拥塞窗口、数据丢失数量及实际吞吐量。

与应用层的信息交互为：应用层将QoS需求传递给TCP层，根据这种信息，TCP层能够调整其接受窗口。另一方面，TCP将数据分组丢失率及吞吐量信息提供给应用层，应用层能够利用其提供的信息调整发送速率。与网络层：由于TCP具有重传机制及回退机制，移动IP引起的切换时延会引起TCP链接的定时器超时，从而导致TCP吞吐量下降。而TCP通过获取移动IP的切换信息就能够避免因定时器超时而产生不必要的拥塞控制，从而改善TCP连接的流量。

应用层：应用层能够向其他层传递其QoS需求，例如：时延范围、时延抖动、吞吐量及分组丢失率。与传输层的交互方式是：应用层将其QoS需求传递给传输层，传输层则能够根据不同的业务调整其发送窗口及接收窗口值，从而提供应用层的性能。与网络层之间：不同业务的QoS需求使得网络层能够采用不同的物理网络接口来传输数据。链路层能够为具有不同QoS需求的业务提供不同的发送优先级。与物理层：根据信道状态，应用层能够采取不同的信源编码方式来生成业务。

参见图3，LTE-A跨层的优化示意图：

要将上述跨层优化引入到系统中势必将要对系统性能进行重新评估，而这些跨层优化所造成的系统信令开销增大，信令和数据传输复杂等负面效应也有可能完全抵消跨层优化所带来的正面效果。采用以下操作进行跨层优化兼容性的判断：

首先，设定一个跨层熵的目标值，由于使用到了归一化，因此，跨层熵的取值范围是在0到1之间。0代表系统没有应用跨层优化技术，1代表系统使用了全部的跨层优化技术，混乱度最高，复杂度最高。通常情况下1值是取不到的。

然后，对各KPI进行计算，各KPI包括平均时延，丢包率，抖动等与QoS相关的参数；

按照公式(1)计算平均时延、按照公式(2)计算平均抖动、按照公式(3)计算丢包率；

并提出了三种描述跨层的指标，这三种KQI分别是：跨层设计对处理效率的提升(KQI₁)；跨层设计对系统可靠性的影响(KQI₂)和跨层所产生的费用(KQI₃)。这三种KQI也相应由几种QoS参数表示。其中时延对应着KQI₁，抖动和丢失率对应着KQI₂，额外信令开销对应着KQI₃。

在分配权值上，按照优化的目标来运用熵权法来分配各KQI的权值，所得结果再通过归一化就得到跨层熵的值。

在被考查对象的指标体系中，有的指标是越大越好，被称之为正向指标，比如对时延敏感的语言类业务进行优化时，KQI₁的比例就相对大；而有的指标是越小越好，被称之为逆向指标，同样在语音类业务中，不能要求它的误码率跟数据类业务的误码率保持一致。对这两类指标数据如果直接用同一运算来进行处理显然是不合适的。同时，由于不同指标体系之间的单位量纲与含义不同，其量值有时会相差很大，所以还要进行指标的无量纲处理。因此，进一步采用如下处理方法对指标数据矩阵R＝(r_ij)_m×n进行标准化处理：

第一类正向指标(r_1j，r_2j，r_3j，…，r_mj)的标准化处理：

${r^{\′}}_{\mathrm{ij}}=\frac{r_{\mathrm{ij}}-\underset{j}{\min }{r}_{\mathrm{ij}}}{\underset{j}{\max }{r}_{\mathrm{ij}}-\underset{j}{\min }{r}_{\mathrm{ij}}}---\left(10\right)$

第二类逆向指标的标准化处理：

${r^{\′}}_{\mathrm{ij}}=\frac{\underset{j}{\max }{r}_{\mathrm{ij}}-r_{\mathrm{ij}}}{\underset{j}{\max }{r}_{\mathrm{ij}}-\underset{j}{\min }{r}_{\mathrm{ij}}}---\left(11\right)$

公式(10)和(11)中，r′_ij表示第j个指标下第i个被考查对象数据的标准化结果，r_ij表示第i个被考查对象在第j个指标中的有量纲值，

表示该指标统计中的最小值，

表最大值。且规定当r′_ij为0，也就是(公式5)p_ij为0时，p_ijlnp_ij＝0。这样，再将r′_ij代入到(公式6)中，按上述的熵权法计算步骤，就可得出一个客观赋权排序。

熵权法是一种综合考虑各个因素提供的信息量的基础上计算综合指标的数学方法。作为一个客观综合赋权法，其主要依据各个指标传递给决策者信息量的大小来确定权值。运用熵权法，可以准确地反映QoS各指标所含的信息量，可解决QoS的KPI中各指标信息量较大、准确进行量化难的问题。并进一步把主、客观两种权重相结合得到一综合权重，以使评价结果更合理、全面。所得值与目标值进行比对，如果目标值大于所得值则认为跨层优化有效，否则，系统不接纳该跨层优化。

Claims (6)

1.一种基于熵值计算的跨层设计兼容性的评判方法，其特征在于，包括以下步骤：

1)系统根据当前的跨层方案设置一个能够接纳新的跨层方案所允许的跨层熵的目标值；

2)首先对各个系统性能QoS参数相关的KPI进行计算，识别单一服务业务的KPI；然后根据跨层优化的目标和业务的属性分配各KPI权值，再根据KPI和KPI所分配的各个权值计算跨层方案所产生的跨层熵；

3)将步骤2)所得的跨层熵与步骤1)的目标值进行比较：

如果跨层熵大于目标值，则放弃该跨层优化；如果所得跨层熵小于目标值，则所采用的跨层方案可以在不给系统带来负担的同时对相关参数进行优化；

4)在所得跨层熵小于目标值的情况下，计算CoE来确定跨层体验，反映当前跨层优化带来的优劣：

包括直接描述系统QoS现状的KPI和用户可观的角度上描述当前系统状态的KQI的计算。

2.如权利要求1所述的基于熵值计算的跨层设计兼容性的评判方法，其特征在于，所述的跨层熵代表跨层的程度，熵越大，跨层复杂度越大，跨层信令越多，系统负担开销大，鲁棒性越小。

3.如权利要求1所述的基于熵值计算的跨层设计兼容性的评判方法，其特征在于，所述的跨层熵的目标值设置在0到1之间，0表示系统没有应用跨层优化技术，1表示系统使用了全部的跨层优化技术，混乱度最高。

4.如权利要求1所述的基于熵值计算的跨层设计兼容性的评判方法，其特征在于，所述的各个系统性能QoS参数相关KPI的计算包括：平均时延、平均抖动和丢包率的计算，其中：

平均时延的计算为： $D_{\mathrm{avg}}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{t}_r\left(i\right)-t_s\left(i\right)---\left(1\right)$

t_s(i)是发送第i个包的时间，t_r(i)为接收第i个包的时间，n为发送的总的包数，D_avg为端到端的平均时延；

平均抖动的计算为：

$J_{\mathrm{avg}}=\frac{\mathrm{\Σ}|(R(i+1)-S(i+1))-(R\left(i\right)-S\left(i\right))|}{N}---\left(2\right)$

S(i)为分组从发送端的发送时间，R(i)为分组到达接收端的时间，N为分组的数量；

丢包率的计算为： $P_L=\frac{N_1}{N_2}\×100\%---\left(3\right)$

P_L为丢包率，N₁是总丢包数，N₂是总发送包的数量。

5.如权利要求1所述的基于熵值计算的跨层设计兼容性的评判方法，其特征在于，所述计算跨层方案所产生的跨层熵是利用熵权法，以某个跨层方案作为一个评价单位，以各个KPI作为评价指标进行计算。

6.如权利要求5所述的基于熵值计算的跨层设计兼容性的评判方法，其特征在于，所述利用熵权法进行计算为：

系统由于多种跨层设计带来的效应会出现多种不同的状态，每种状态出现概率为P_i(i＝1，2，…，m)，则系统的熵E为：

$E=-\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_i\ln p_i;$

若有m个被评价的跨层方案，n个作为评价指标的KPI，则有原始数据矩阵R＝(r_ij)_m×n，r_ij为原始数据矩阵的元素；首先计算第j个指标下第i个被评价单位的比重p_ij：

$p_{\mathrm{ij}}=\frac{r_{\mathrm{ij}}}{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{r}_{\mathrm{ij}}}$

然后计算第j个指标的熵E_j： $E_j=-k\underset{i=1}{\overset{m}{\mathrm{\Σ}}}(p_{\mathrm{ij}}*\ln p_{\mathrm{ij}}),$ k＝1/lnm；

计算第j个指标的权重q_j： $q_j=\frac{1/E_j}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}1/E_j},$ $\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{q}_j=1,$ q_j∈[0，1]

利用归一化得出的值即为引入该跨层后的熵值。

Images