CN102932802A - 软件无线电环境下基于模糊优选理论的终端重构方法 - Google Patents

Abstract

本发明公开了一种软件无线电环境下基于模糊优选理论的终端重构方法，其特征在于所述方法包括以下步骤：（ 1 ）当前终端的终端重构管理器 TRM 从网络重构管理器 NRM 上获取当前终端所在区域的覆盖网络的属性参数；（ 2 ）利用专家打分法来确定覆盖网络的属性参数的权重，通过构造特征值指标优属度矩阵，将所有重构方案划分成两类：优等方案和劣等方案，计算每个重构方案的异优度和异劣度；（ 3 ）根据异优度和异劣度，计算每个方案的隶属度，按照隶属度最大原则，确定最佳重构方案。该方法能够明显体现每个方案的差异度，避免评判结果的均化，计算简便实用，评判过程和结果具有明显的物理涵义，其应用前景非常广阔。

Description

软件无线电环境下基于模糊优选理论的终端重构方法

技术领域

本发明，属于电通信技术领域，涉及一种软件无线电环境下基于模糊优选理论的终端重构方法，尤其涉及一种在IEEE 1900.4框架下，基于多目标模糊决策的终端重构方法。

背景技术

随着无线网络技术的不断发展，同一个区域可能被多个无线网络(如WiFi、WiMax、无线局域网等)覆盖。这些无线网络由不同制造商生产的计算机、网络设备和系统组成，大多运行在不同的通信协议上，支持不同的功能、服务和应用。

现在的多模手机技术使得现实生活中可以让手机在不同技术标准的网络之间进行切换。这项技术使得手机可以支持多种不同的无线电信号处理方式，手机可以根据环境或者实际操作的需要来进行选择，哪个网络技术更能发挥作用，就让手机切换到哪种模式下去工作，如果在一种模式下，手机通信质量不高或者是出现其他不良的通信现象，可以转到另外一个网络模式上工作，大大提高了通信的可靠性，一定程度上解决了手机通信网络系统处于超负荷运转的问题。然而，现有多模技术采用的策略较为简单，基本方法就是将多种模式的功能简单地集成到一个终端上。然而这种方法存在明显的缺点，如所需要的芯片数量多、成本高、功耗高、体积大等等。

IEEE 1900.4标准，规范了异构网络的接口、资源信息及资源选择等方面的问题，其体系结构如图1所示，包括终端测量收集器(TerminalMeasurement Collector，TMC)、终端重构管理器(Terminal ReconfigurationManager，TRM)、终端重构控制器(Terminal Reconfiguration Controller，TRC)、无线接入网(Radio Access Network，RAN)、无线接入网测量收集器(RAN Measurement Collector，PMC)、无线接入网重构控制器(RANReconfiguration Controller，RRC)、运营商频谱管理(Operator SpectrumManager，OSM)、网络重构管理器(Network Reconfiguration Manager，NRM)。在该标准中，终端重构能够很好的解决上述难点。由此，软件无线电技术应运而生，该技术能够实现终端重构。与传统的产品相比，从技术研究开发，到设备制造商、电信运营商，使用该技术来实现的无线通信产品具有无可比拟的优点：一是为技术和产品的研究开发提供一个新概念和通用无线通信平台，大大降低了开发成本和周期；二是为设备制造商降低投资风险，提高经济效益；三是为运营商降低投资风险；四是为最终用户提供了一个通用的终端平台，使得用户无需关心他所在地区和运营商的问题，也有可能获得他所希望得到的新业务。

正是由于可重构终端具有无可比拟的优点，近年来，能够实现终端重构的软件无线电技术得到了长足的发展。软件无线电的基本思想是以一个通用、标准、模块化的硬件平台为依托，通过软件编程来实现无线电台的各种功能，从基于硬件、面向用途的电台设计方法中解放出来。软件无线电强调体系结构的开放性和全面可编程性，通过软件更新改变硬件配置结构，实现新的功能，同时，采用标准的、高性能的开放式总线结构，以利于硬件模块的不断升级和扩展。这就为解决异构网络下的通信问题提供了更加可靠、高效的途径。

现有的终端重构方法分为两类，一类是参考异构网络接入算法来设计重构方法，另一类是基于认知无线网络环境下的终端重构方法。在参考异构网络接入算法来设计重构方法中，有两个代表性的算法，最大概率算法【陈杰等，“基于决策概率的接入网选择”，《现代电子技术》，2008年09期】和基于层次分析法和灰度关联法【Qingyang Song，Jamalipour，A.Networkselection in an integrated wireless LAN and UMTS environment usingmathematical modeling and computing techniques，IEEE WirelessCommunications，12(3)，2005】。最大概率算法涉及到多个QoS(Quality ofService，服务质量)元素，由于QoS元素彼此之间互相制衡，难以处理彼此之间的权重分配。基于层次分析法和灰度关联法能够产生多种重构方案，然而缺点是无法确定每个方案的优劣。基于认知无线网络环境下的终端重构方法中，代表性的方法是基于特征向量法和TOPSIS法的终端重构算法【张文柱等，“IEEE1900.4框架下一种有效的终端重构策略”，西安电子科技大学学报(自然科学版)，27(4)，2010】。然而，仍然存在无法对备用方案的优劣进行排序的不足。

发明内容

本发明目的在于提供一种软件无线电环境下基于模糊优选理论的终端重构方法，克服现有技术中已有方法的种种不足。

为了解决现有技术中的这些问题，本发明提供的技术方案是：

一种软件无线电环境下基于模糊优选理论的终端重构方法，其特征在于所述方法包括以下步骤：

(1)当前终端的终端重构管理器TRM从网络重构管理器NRM上获取当前终端所在区域的覆盖网络的属性参数；

(2)利用专家打分法来确定覆盖网络的属性参数的权重，通过构造特征值指标优属度矩阵，将所有重构方案划分成两类：优等方案和劣等方案，计算每个重构方案的异优度和异劣度；

(3)根据异优度和异劣度，计算每个方案的隶属度，按照隶属度最大原则，确定最佳重构方案。

优选的，所述方法中覆盖网络的属性参数包括覆盖网络的网络吞吐量、信号强度、使用价格。

优选的，所述方法步骤(2)中利用专家打分法确定覆盖网络的属性参数的权重后构造网络中属性参数的权重矩阵W＝[w₁，…，w_m]，其中，w_i为第i个网络属性的参数，m表示网络属性参数的个数；然后对权重矩阵W进行一致性检验，如果检验不成功，则返回继续利用专家打分法确定属性参数的权重后构造络中属性参数的权重矩阵W，否则构造特征值指标优属度矩阵。

优选的，所述方法步骤(2)中特征值指标优属度矩阵为：

$R_{m\×n}=\left(\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\\ ...& ...& ...& ...\\ r_{m1}& r_{m2}& ...& r_{\mathrm{mn}}\end{array}\right)=\left(r_{i,j}\right)$ (I)；

其中，r_ij(1≤i≤m；1≤j≤n)为第j个方案第i个评价因素的优属度；通过优属度矩阵R_m×n获得优等方案G和劣等方案B：

G＝(g₁，…，g_m)

 ＝(r₁₁∨…∨r_1n，…，r_m1∨…∨r_mn)  (II)；

B＝(b₁，…，b_m)

 ＝(r₁₁∧…∧r_1n，…，r_m1∧…∧r_mn) (III)；

其中，g_i(1≤i≤m)表示优等方案中第i个属性参数的值，b_i(1≤i≤m)表示劣等方案中第i个属性参数的值。

优选的，所述方法中步骤(2)中每个方案j的异优度和异劣度按照如下公式进行计算：

$d(R_j,G)={\left[\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(w_i(r_{\mathrm{ij}}-g_i)\right)}^2\right]}^{1/2}$ (IV)；

$d(R_j,B)={\left[\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(w_i(r_{\mathrm{ij}}-b_i)\right)}^2\right]}^{1/2}$ (V)；

其中R_j＝(r_1i，…，r_mj)，d(R_j，G)表示异优度，d(R_j，B)表示异劣度；w_i(1≤i≤m)为网络的第i个属性参数的权重；r_ij(1≤i≤m；1≤j≤n)为第j个方案第i个评价因素的优属度，m指网络属性参数个数，n指重构方案的个数。

优选的，所述方法中步骤(3)中的最优模糊分化矩阵方案优属度U按照如下公式：

U_1×n＝(u₁₁，u₁₂，…，u_1n)      (VI)；

其中 $u_{1j}=\frac{1}{1+\left[\frac{{\mathrm{\Σ}}_{i=1}^m{\left(w_i\right|r_{\mathrm{ij}}-g_i\left|\right)}^2}{{\mathrm{\Σ}}_{i=1}^m{\left(w_i\right|r_{\mathrm{ij}}-b_i\left|\right)}^2}\right]}=\frac{1}{1+\frac{d{(R_j,G)}^2}{d{(R_j,B)}^2}}.$

优选的，所述方法中步骤(3)依据每个方案的隶属度，在O(n)的时间内确定最优方案。

本发明的方法利用专家打分法和模糊优选理论法，并结合用户对QoS的需求，对终端重构的所有备用方案进行有效排序，选出最佳重构方案，为终端重构提供了一种有效的方法。其中首先通过专家打分法，对难以采用技术方法进行定量分析的因素做出估算，得出各项指标的权重举证，然后确定各项指标的优属度矩阵，最后，采用模糊优选理论就可以获得各方案的优劣排序。该方法具体可以按照如下步骤进行：

步骤一：从终端重构管理器和网络重构管理器中获取当前终端所处区域的网络的各种属性(如网络吞吐量、信号强度、使用价格等)；

步骤二：利用专家打分法，确定网络中各项性能指标的权重矩阵W；假设网络中有m项性能指标，包括网络吞吐率、延迟等，则权重矩阵W＝[w₁，…，w_m]；

步骤三：对权重矩阵W进行一致性检验，如果检验不成功，则返回步骤二重新计算权重，否则，进行步骤四；

步骤四：构造特征值指标优属度矩阵R_m×n(假设有m个重构方案)：

$R_{m\×n}=\left(\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\\ ...& ...& ...& ...\\ r_{m1}& r_{m2}& ...& r_{\mathrm{mn}}\end{array}\right)=\left(r_{i,j}\right)$ (I)；

其中，r_ij(1≤i≤m；1≤j≤n)为第j个方案第i个评价因素的优属度。

步骤五：根据优属度矩阵R_m×n，得到优等方案G和劣等方案B；

G＝(g₁，…，g_m)

 ＝(r₁₁∨…∨r_1n，…，r_m1∨…∨r_mn)   (II)；

B＝(b₁，…，b_m)

 ＝(r₁₁∧…∧r_1n，…，r_m1∧…∧r_mn)  (III)；

其中，g_i(1≤i≤m)表示优等方案中第i个属性参数的值，b_i(1≤i≤m)表示劣等方案中第i个属性参数的值。

步骤六：根据权重矩阵W、优属度矩阵R_m×n、优等方案G、劣等方案B，得到每个方案j的异优度d(R_j，G)和异劣度d(R_j，B)；假设R_j＝(r_1j，…，r_mj)，d(R_j，G)表示异优度，d(R_j，B)表示异劣度，则：

$d(R_j,G)={\left[\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(w_i(r_{\mathrm{ij}}-g_i)\right)}^2\right]}^{1/2}$ (IV)；

$d(R_j,B)={\left[\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left(w_i(r_{\mathrm{ij}}-b_i)\right)}^2\right]}^{1/2}$ (V)；

步骤七：计算最优模糊分化矩阵方案优属度U；

U_1×n＝(u₁₁，u₁₂，…，u_1n)        (VI)；

其中， $u_{1j}=\frac{1}{1+\left[\frac{{\mathrm{\Σ}}_{i=1}^m{\left(w_i\right|r_{\mathrm{ij}}-g_i\left|\right)}^2}{{\mathrm{\Σ}}_{i=1}^m{\left(w_i\right|r_{\mathrm{ij}}-b_i\left|\right)}^2}\right]}=\frac{1}{1+\frac{d{(R_j,G)}^2}{d{(R_j,B)}^2}}.$

步骤八：经过以上步骤，可以获得每一个方案隶属于优等方案的隶属度，即方案隶属度。依据每个方案的隶属度，利用线性时间复杂度为O(n)的方法即可确定最优方案；从而完成了对终端重构方案的选择。

其中专家打分法是指通过匿名方式征询有关专家的意见，对专家意见进行统计、处理、分析和归纳，客观地综合多数专家经验与主观判断，对大量难以采用技术方法进行定量分析的因素做出合理估算，经过多轮意见征询、反馈和调整后，对债权价值和价值可实现程度进行分析的方法。模糊优选的理论基础为模糊集合论与相对隶属度理论，多用于解决多目标决策方案的优选问题。

相对于现有技术中的方案，本发明的优点是：

本发明通过专家打分法获得重构方案各种属性的权值，比较准确地反映网络应用对各个属性的需求，同时对权重进行一致性检验，能够避免产生某单一属性权重过大的问题。

本发明使用模糊优选理论，通过构造特征值指标优属度矩阵，获得相应的优等方案和劣等方案，再结合各项属性的权值，获得每个重构方案的异优度，综合评价所有重构方案，计算得到最优模糊分化矩阵方案优属度，最终确定最优方案。整个重构过程理论概念清晰，能够明显体现每个方案的差异度，避免评判结果的均化，计算简便实用，评判过程和结果具有明显的物理涵义。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为现有技术中IEEE 1900.4标准的体系结构图；

图2为本发明终端重构方法的流程示意图。

具体实施方式

以下结合具体实施例对上述方案做进一步说明。应理解，这些实施例是用于说明本发明而不限于限制本发明的范围。实施例中采用的实施条件可以根据具体厂家的条件做进一步调整，未注明的实施条件通常为常规实验中的条件。

实施例

本实施例遵循IEEE1900.4标准的体系结构，如图1所示。按照图2所示进行软件无线电环境下基于模糊优选理论的终端重构。具体方法详述如下：

步骤1，终端从网络重构管理器中获得相应网络的各种属性参数，如网络的吞吐量、安全性等；

步骤2，根据用户不同的QoS需求，采用专家打分法确定各项属性参数的权值，这些权值放映了不同的QoS需求对不同性能的重视程度。专家打分法通过不断地反馈和调整，对权重进行分析。

假设有m个属性、k个专家，首先构建一个判断矩阵：

$W=\left(\begin{array}{cccc}{w}_{11}& w_{12}& ...& w_{1k}\\ w_{21}& w_{22}& ...& w_{2k}\\ ...& ...& ...& ...\\ w_{m1}& w_{m2}& ...& w_{\mathrm{mk}}\end{array}\right)$ (VII)

其中，w_ij表示第j(1≤j≤k)个专家对第i(1≤i≤m)个属性指标的打分。

计算矩阵W中所有元素之和，为

$\mathrm{Sum}\left(W\right)=\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{w}_{\mathrm{ij}}$ (VIII)

计算矩阵W中每行元素的和，为

$\mathrm{Sum}\left(W_i\right)=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{w}_{\mathrm{ij}}$ (IX)

计算属性的权值矩阵Z，为

$Z=(z_1,...,z_m)=(\frac{\mathrm{Sum}\left(W_1\right)}{\mathrm{Sum}\left(W\right)},...,\frac{\mathrm{Sum}\left(W_m\right)}{\mathrm{Sum}\left(W\right)})$ (X)

步骤3，为了确保权值的合理性，需要进行一致性检验，计算矩阵W的最大特征值λ_max，然后计算一致性指标CI值

再计算一致性比率CR值(CR＝CI/RI，其中RI为平均随机一致性指标，可通过查表1(平均随机一致性指标)获得相应值)。如果CR≥0.1，说明W中的打分不合理，应重新打分；否则，矩阵Z中的各元素即为相应的属性权重。

n	1	2	3	4	5	6	7	8
									RI	0	0	0.58	0.90	1.12	1.24	1.32	1.41
n	9	10	11	12	13	14	15
									RI	1.45	1.49	1.51	1.48	1.56	1.57	1.58

表1平均随机一致性指标

步骤4，初始时，每个重构方案的所有属性参数都可通过网络重构管理器获得，设n个重构方案，m个属性的初始矩阵为H，

$H=\left(\begin{array}{cccc}{h}_{11}& h_{12}& ...& h_{1n}\\ h_{21}& h_{22}& ...& h_{2n}\\ ...& ...& ...& ...\\ h_{m1}& h_{m2}& ...& h_{\mathrm{mn}}\end{array}\right)$ (XI)

其中，h_ij(1≤i≤m，1≤j≤n)表示第j个方案的第i个属性指标。由此，构造指标优属度矩阵R_m×n，

$R_{m\×n}=\left(\begin{array}{cccc}{r}_{11}& r_{12}& ...& r_{1n}\\ r_{21}& r_{22}& ...& r_{2n}\\ ...& ...& ...& ...\\ r_{m1}& r_{m2}& ...& r_{\mathrm{mn}}\end{array}\right)=\left(r_{i,j}\right)$ (XII)

构造方法如下：

1)用max{h_i}表示矩阵H中第i行的最大值，min{h_i}表示矩阵H中第i行的最小值，h_ij表示矩阵H中第i行第j列的值；

2)如果属性参数越小方案越优，则

$r_{ij}=\left\{\begin{array}{ccc}1& ,& h_{\mathrm{ij}}=\min \left\{h_i\right\}\\ \frac{\max \left\{h_i\right\}-h_{\mathrm{ij}}}{\max \left\{h_i\right\}-\min \left\{h_i\right\}}& ,& \min \left\{h_i\right\}\≤h_{\mathrm{ij}}\≤\max \left\{h_i\right\}\\ 0& ,& h_{\mathrm{ij}}=\max \left\{h_i\right\}\end{array}\right.$ (XIII)

3)如果属性参数越大方案越优，则

$r_{ij}=\left\{\begin{array}{ccc}1& ,& h_{\mathrm{ij}}=\max \left\{h_i\right\}\\ \frac{h_{\mathrm{ij}}-\min \left\{h_i\right\}}{\max \left\{h_i\right\}-\min \left\{h_i\right\}}& ,& \min \left\{h_i\right\}\≤h_{\mathrm{ij}}\≤\max \left\{h_i\right\}\\ 0& ,& h_{\mathrm{ij}}=\min \left\{h_i\right\}\end{array}\right.$ (XIV)

步骤5，依据公式2和3，计算相对优等方案G(简称优等方案)和相对劣等方案B(简称劣等方案)。

步骤6，依据公式4和5，为第j个方案计算相应的异优度d(R_j，G)和异劣度d(R_j，B)。

步骤7，依据公式7，计算得到最优模糊分化矩阵方案优属度。

步骤8，根据步骤6中的最优模糊分化矩阵方案优属度，按隶属度最大原则，可在O(n)的时间内确定最优方案。

本实施例软件无线电环境下基于模糊优选理论的终端重构方法为了避免出现单一属性权重过大的情况，采用专家打分法来确定每个属性的权值。接下来，为了克服一般模型中采用线性加权算子使评判结果趋于均化的问题，采用模糊优选理论，它的概念清晰，能够避免评判结果的均化，计算简便实用，评判过程和结果具有明显的物理涵义。

综上所述，采用本实施例的方法能够实现软件无线电环境下基于模糊优选理论的终端重构，通过专家打分方法，并进行一致性检验，确定各个属性参数的权重，一定程度上消除了一般方法中权重的随意性；其次，该方案理论概念清晰，能够明显体现每个方案的差异度，避免评判结果的均化，计算简便实用，评判过程和结果具有明显的物理涵义。由此可见，本发明具有实质性技术特点和显著的技术进步，其应用前景非常广阔。

上述实例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人是能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (7)

1. 一种软件无线电环境下基于模糊优选理论的终端重构方法，其特征在于所述方法包括以下步骤：

（1）当前终端的终端重构管理器TRM从网络重构管理器NRM上获取当前终端所在区域的覆盖网络的属性参数；

（2）利用专家打分法来确定覆盖网络的属性参数的权重，通过构造特征值指标优属度矩阵，将所有重构方案划分成两类：优等方案和劣等方案，计算每个重构方案的异优度和异劣度；

（3）根据异优度和异劣度，计算每个方案的隶属度，按照隶属度最大原则，确定最佳重构方案。

2. 根据权利要求1所述的方法，其特征在于所述方法中覆盖网络的属性参数包括覆盖网络的网络吞吐量、信号强度、使用价格。

3. 根据权利要求2所述的方法，其特征在于所述方法步骤（2）中利用专家打分法确定覆盖网络的属性参数的权重后构造网络中属性参数的权重矩阵W=[W₁,...,W_m]，W_i为网络的第i个属性参数的权重，且1≤i≤m，m指属性参数个数；然后对权重矩阵进行一致性检验，如果检验不成功，则返回继续利用专家打分法确定属性参数的权重后构造络中属性参数的权重矩阵，否则构造特征值指标优属度矩阵。

4. 根据权利要求3所述的方法，其特征在于所述方法步骤（2）中特征值指标优属度矩阵为：

                  （I）；

其中，r_ij为第j个方案第i个评价因素的优属度，且1≤i≤m，1≤j≤n；通过优属度矩阵R_m×n获得优等方案G和劣等方案B：

              （II）；

              （III）；

其中，g_i表示优等方案中第i个属性参数的值，且1≤i≤m，b_i表示劣等方案中第i个属性参数的值，m指属性参数个数，n指重构方案的个数，且1≤i≤m。

5. 根据权利要求4所述的方法，其特征在于所述方法中步骤（2）中每个方案的异优度和异劣度按照如下公式进行计算：

                             （IV）；

                  （V）；

其中R_j=(r_1j,...,r_mj)，d(R_j,G)表示异优度，d(R_j,B)表示异劣度；W_i为网络的第i个属性参数的权重，且1≤i≤m；r_ij为第j个方案第i个评价因素的优属度，且1≤i≤m，1≤j≤n；m指属性参数个数，n指重构方案的个数。

6. 根据权利要求5所述的方法，其特征在于所述方法中步骤（3）中的最优模糊分化矩阵方案优属度U按照如下公式：

                        （VI）；

其中

。

7. 根据权利要求6所述的方法，其特征在于所述方法中步骤（3）依据每个方案的隶属度，在O(n)的线性时间内确定最优方案。

Images