CN103476080A - 基于滞留时间的自适应垂直切换方法 - Google Patents

基于滞留时间的自适应垂直切换方法 Download PDF

Info

Publication number
CN103476080A
CN103476080A CN2013104106405A CN201310410640A CN103476080A CN 103476080 A CN103476080 A CN 103476080A CN 2013104106405 A CN2013104106405 A CN 2013104106405A CN 201310410640 A CN201310410640 A CN 201310410640A CN 103476080 A CN103476080 A CN 103476080A
Authority
CN
China
Prior art keywords
base station
terminal
residence time
tau
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013104106405A
Other languages
English (en)
Inventor
宋文广
赵海涛
姚凌云
李大鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZHENJIANG QINGSI NETWORK SCIENCE & TECHNOLOGY Co Ltd
Original Assignee
ZHENJIANG QINGSI NETWORK SCIENCE & TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ZHENJIANG QINGSI NETWORK SCIENCE & TECHNOLOGY Co Ltd filed Critical ZHENJIANG QINGSI NETWORK SCIENCE & TECHNOLOGY Co Ltd
Priority to CN2013104106405A priority Critical patent/CN103476080A/zh
Publication of CN103476080A publication Critical patent/CN103476080A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明在原有基于多属性决策的垂直切换方法的基础上,将用户在某基站覆盖范围内的滞留时间考虑在内,发明了一种基于滞留时间的自适应垂直切换方法(MAAV),该方法利用用户运动信息来估测用户在某基站覆盖范围内的滞留时间,根据滞留时间动态调整滞留时间所对应的权重,使得在滞留时间满足切换条件时,随着滞留时间的增大,滞留时间所起的作用越小,最后利用简单加权法SAW将滞留时间与现有的多属性垂直切换方法效用结合来进行判决,与现有的基于多属性决策的垂直切换方法比较,采用本发明切换方法能够有效减少不必要的切换次数,提高服务质量。

Description

基于滞留时间的自适应垂直切换方法
技术领域:
本发明属于通信领域,具体涉及异构网络切换领域。
背景技术
下一代网络是集成当前各种无线接入技术的网络,最重要的特征就是异构性,可以表现为各种无线接入技术在接入带宽、系统时延、资费标准、安全性能等上面的不同。不仅如此,用户的业务需求也是多种多样的,不同的业务对系统性能的要求也有所不同。因此,与水平切换决策不同,垂直切换的决策需要考虑的因素很多,包括业务类型、服务资费、网络状态、系统性能、安全性、移动速度和用户偏好等,属于不确定多属性判决问题。水平切换策略中基于信号强度RSS的切换判决方法不在适用于垂直切换。需要研究高效可行的切换判决方法和实用的控制方式达到系统性能最优化以及资源的有效利用。
由于异构网络需要考虑的很多,因而解决异构网络的切换判决问题最终是一个多属性判决问题。例如基于接收信号强弱(RSS)、网络费用等来选择要切换的网络[LING Yu-tao,YI Ben-shun,ZHUQiu-ping.Vertical handoff decision strategy in wireless overlay networks[C].//Proceedings of the 5thInternational Conference on Wireless Communications,Networking and Mobile Computing.2009:1-3];通过用户效用函数和网络系统最优策略来选择网络[Majed Haddad,Salah Eddine Elayoubi,Eitan Altman.A.HybridApproach for Radio Resource Management in Heterogeneous Cognitive Networks[J].IEEE JOURNAL ONSELECTED AREAS IN COMMUNICATIONS,VOL.29,NO.4,APRIL2011];采用动态加权选择方法获得接口的代价函数[Nie J,He x,Zhou z,et al.Benefit-driven handoff between WMAN andWLAN[C]//Proceedings of the2005IEEE Military Communications Conference(MILCOM2005),Atlantic City,NJ,USA,2005:2223—2229]。这些都是对多属性判决的具体研究,其主要的思想是针对网络的特性考虑影响判决的重要属性,依据属性参数的特点设定不同的加权值,计算网络的效益/代价函数作为垂直切换判决的依据。
现有的多属性判决方法没有考虑用户的运动状态,用户的运动状态反映在用户在基站覆盖范围内的滞留时间上,这会对切换判决造成影响。如用户在基站边缘的往返运动,沿着基站边缘的圆周运动等,在这种情形下若不考虑运动形式会造成不必要的切换,降低服务质量。将用户运动相关因素考虑在内,并与网络性能相关因素结合起来进行切换判决能够降低切换次数,提高服务质量。
文献[Nancy S,Ahmed K.A mobility prediction architecture based on contextual knowledge and spatialconceptual maps[J].IEEE Transactions on Mobile Computing,2005,4(6):537-551]中采用了基于代价函数的方法。方案考虑了不同网络的性能参数,如接入带宽、时延、费用、安全性,可以充分发挥各种接入网络的优势,较好地实现最佳链接。该方法对各个参数进行了归一化处理,利用简单加权法SAW求和,比较不同网络的代价,选出最适合的切换目标网络。与基于RSS的垂直切换方法相比,该方法充分考虑了网络性能的不同,增加了系统吞吐量,降低了服务费用,提高了系统资源的利用率。
该方法采用多属性判决虽然综合考虑了不同网络的性能参数如信噪比SNR、代价、带宽等,提高了系统吞吐量以及资源利用率。但是,没有将用户的运动状况考虑在内,在用户某些运动情况下(如往返运动)就可能发生“乒乓”切换,大量用户发生这种情况会让系统的性能严重下降,接收到的服务质量也会降低。
文献[Feng He,Furong Wang.Position aware vertical handoff decision algorithm in heterogeneous wirelessnetworks[C].International Conference on Wireless Communications,Networking and Mobile Computing,2008:1-5]采用运动预测的垂直切换方法。该方法重点考虑了终端的运动速度、方向、运动模型对切换造成的影响。根据接收信号的强度RSS的变化来估测终端与基站之间的距离变化。通过RSS的历史记录信息估测运动速度,然后估计出终端在某基站覆盖范围内的滞留时间,这可以减少不必要的切换,提高通信质量。
该方法虽然考虑用户的运动状态但是忽略了系统的特性。由于异构网络中网络性能的差异很大,其所提供的带宽、服务质量、资费等不同,所以该方法不能让系统的性能达到最优化,系统的资源利用率不能合理的利用。该方法只适用于简单的异构网络情形,对于复杂的异构网络切换环境,不能保证用户能够实时接入最佳的网络,也不能合理分配异构网络资源,这样造成一定程度的资源浪费。
发明内容
发明目的:提出了基于滞留时间的自适应垂直切换方案。在该方案中综合考虑了两类参数,一类是用户运动状态决定的参数(用滞留时间表示);第二类是与网络性能相关的无线接入技术决定的参数(如接入带宽、时延、费用等)。这两类参数直接影响垂直切换的性能。本发明结合两类参数各自的优点,将相关参数均考虑在内,并动态调整不同参数的权重,提出了新的自适应垂直切换方法。该方法能够避免“乒乓”效应,减少不必要切换的同时,能够考虑系统的性能,提高用户的服务质量。
技术方案:
首先要通过用户状态信息来估测用户在基站覆盖范围内的滞留时间,然后计算滞留时间参数的权重。再与其他的切换判决参数进行归一化处理,最终得到用于垂直切换的属性集合,根据各个属性的值计算效益函数来判断是否需要进行切换。
基于滞留时间的自适应垂直切换方法(MAAV)的详细方法描述如下:
第一步,根据用户终端检测到的周围基站/无线接入点的广播信号,若接收信号强度RSS大于某个门限值,则将该基站加入到候选网络集合BS,
BS={BS1,BS2,...,BSN}    (1)
RSSi>RSSi,thres    (2)
其中,RSSi是来自基站BSi的接受信号强度;RSSi,thtes是终端与该基站进行正常通信的RSS最小值。不同的无线接入技术,RSSi,thres可能不同。
第二步,利用GPS-MAV方法即GPS位置信息计算用户在各个候选基站覆盖范围内的滞留时间集合T,
T = { t dwell 1 , t dwell 2 , . . . , t dwell N } - - - ( 3 )
式中,
Figure BDA0000379793200000032
是用户在基站BSi覆盖范围内的滞留时间。具体方法如下:
如图5,WLAN基站的位置是点O,其坐标为(x0,y0);终端MN的当前位置是点D,其坐标为(xN,yN);终端的当前速度为大小vt,其方向与向量
Figure BDA0000379793200000033
相同;基站与终端确定的射线为其中线段OD为基站与终端之间的距离;射线
Figure BDA0000379793200000035
与x轴正向方向相同;终端运动方向
Figure BDA0000379793200000036
与x轴正向
Figure BDA0000379793200000037
所成的角度为
Figure BDA0000379793200000039
基站和终端连线
Figure BDA00003797932000000310
与x轴正向
Figure BDA00003797932000000311
的夹角为θt,且0≤θt<2π;
对终端速度vt做矢量分解;其在方向的分量大小为vBS->MN,其垂直方向的分量大小为vvertical;速度分量vvertical不影响基站和终端之间的距离,基站和终端之间距离受到速度分量为vBS->MN的影响;另外,v'是终端的另一时刻的速度,是与v'相对应的夹角;根据上面的假设,可以表示出速度分量vBS->MN和vvertical,即
Figure BDA00003797932000000314
Figure BDA00003797932000000315
若vBS->MN>0,则终端与基站之间的距离增大,接收信号强度RSS逐渐减小;若vBS->MN<0,则终端与基站之间的距离减小,接收信号强度RSS逐渐增大;
夹角θt是向量
Figure BDA00003797932000000316
与向量
Figure BDA00003797932000000317
所成的夹角,即为(xN-x0,yN-y0)与(1,0)确定的夹角;所以
&theta; t = arccos ( x N - x 0 ( x N - x 0 ) 2 + ( y N - y 0 ) 2 ) , ( y N - y 0 ) &GreaterEqual; 0 2 &pi; - arccos ( x t - x 0 ( x N - x 0 ) 2 + ( y N - y 0 ) 2 ) , ( y N - y 0 ) < 0 - - - ( 6 )
前一时刻的终端坐标为(xN-1,yN-1);由于相邻的两次位置更新的时间间隔很小,可以认为终端在这个周期内做匀速直线运动;因而,在一个周期内终端的运动方向就可以由这两个时刻的位置坐标(xN,yN)和(xN-1,yN-1)来确定,即
考虑到用户运动的随机性,在进行速度分解时,采用的是最近一段时间内角度
Figure BDA00003797932000000320
的平均值
Figure BDA00003797932000000321
式中,α是指数分布平滑因子,
Figure BDA0000379793200000042
是由位置信息pk和pk-1计算得到的;
终端与WLAN基站的当前距离dt
d t = ( x N - x 0 ) 2 + ( y N - y 0 ) 2 - - - ( 9 )
终端最新的位置信息pN和pN-1运动速度大小vt为,
v t = | &Delta;d | &Delta;t = ( x N - x N - 1 ) 2 + ( y N - y N - 1 ) 2 | t N - t N - 1 | - - - ( 10 )
考虑到用户运动的随机性,在进行速度分解时,采用的是一段时间内速度大小vt的平均值
Figure BDA0000379793200000045
v ~ t = ( 1 - &alpha; ) &Sigma; k = 1 N &alpha; N - k v k - - - ( 11 )
式中,vk是由位置信息pk和pk-1计算得到的;
所以,速度在
Figure BDA0000379793200000047
方向的分量大小vBS->MN分量大小可表示为
Figure BDA0000379793200000048
若GPS位置信息更新周期TGPS很小并可以连续取得样值,那么,角度平均值
Figure BDA0000379793200000049
速度大小平均值
Figure BDA00003797932000000410
就可以表示为,
Figure BDA00003797932000000411
v ~ t = ( 1 - &alpha; ) &Integral; 0 N &alpha; N - i v i di - - - ( 14 )
用户运动的随机性使速度大小和方向都不是恒定的;一种情况就是在某点基站覆盖边缘做往返运动;此时,终端的平均速度大小
Figure BDA00003797932000000413
的值可能很大,但在一段时间内的位移是很小的;若按照上式来求滞留时间时,得到的结果是有很大误差的,在此提出一个新参数,即有效位移因子β,
&beta; = | d N - d 0 | &Sigma; i = 1 N dis i , i - 1 - - - ( 15 )
dis i , i - 1 = ( x i - x i - 1 ) 2 + ( y i - y i - 1 ) 2 - - - ( 16 )
有效位移因子β反应了终端相对于原来位置移动的比例大小;
估算出用户在当前基站覆盖范围内的滞留时间tdwell,即
t dwell _ dispose = R WLAN - d t | v BS - > MN | - - - ( 17 )
t dwell _ factor = R WLAN - d t &beta; | v ~ t | - - - ( 18 )
tdwell=min{tdwell_dispose,tdwell_factor}         (19)
第三步,根据用户在某候选基站BSi覆盖范围的滞留时间
Figure BDA0000379793200000052
计算综合判决中用到的权重αi,其可以表示为
&alpha; i = exp ( - t dwell i / t handoff _ delay ) - - - ( 20 )
其中,thandoff_delay是切换时延。那么,候选基站BSi的综合效用值
Figure BDA0000379793200000054
就可以表示为,
U total i = &alpha; i f dwell i + ( 1 - &alpha; i ) U performance i - - - ( 21 )
f dwell i = - 1 &alpha; i , t dwell i &le; t handoff _ delay 1 , t dwell i > t handoff _ delay - - - ( 22 )
其中,
Figure BDA0000379793200000057
是BSi的性能效用值,
Figure BDA0000379793200000058
是滞留时间
Figure BDA0000379793200000059
的规范化值。可见,滞留时间
Figure BDA00003797932000000510
越大,αi越小,滞留时间对
Figure BDA00003797932000000511
的影响越小,性能效用值
Figure BDA00003797932000000512
Figure BDA00003797932000000513
的影响越大。也就是说,在滞留时间较小时,
Figure BDA00003797932000000514
起主要作用;在滞留时间较大时,性能效用值
Figure BDA00003797932000000517
起主要作用。当滞留时间
Figure BDA00003797932000000518
小于切换时延
Figure BDA00003797932000000519
时,综合效用值
Figure BDA00003797932000000520
小于零,即基站BSi几乎没有可能被选为切换目标基站。
第四步,归一化处理网络性能参数,如带宽、时延、费用,并利用简单加权法SAW计算各个候选基站的性能效用值
Figure BDA00003797932000000521
U performance i = &omega; B f B i + &omega; &tau; f &tau; i + &omega; C f C i - - - ( 23 )
其中,ωB,ωτ,ωC分别为带宽、时延、费用的权重,
Figure BDA00003797932000000523
是与其对应的归一化值。综合式5和式6,就可以得到综合效用值
Figure BDA00003797932000000524
U total i = &alpha; i + ( 1 - &alpha; i ) &omega; B f B i + ( 1 - &alpha; i ) &omega; &tau; f &tau; i + ( 1 - &alpha; i ) &omega; C f C i - - - ( 24 )
另外,带宽、时延、费用等参数的单位不同,而且不同无线网络的同一参数的取值范围也相差较大,这就给这些不同参数之间的比较和综合评价造成了很大困难。所以,本方法对这些参数进行了归一化处理,使得归一化的数值不大于1。另外,带宽越大,服务质量QoS越好;时延和费用越小,用户体验越好;效用值Ui越大,该网络的性能越好。费用一般是固定的,可以设为常数。
对于带宽的规范化值
Figure BDA0000379793200000061
可以表示为,
f B i = - 1 ( 1 - &alpha; ) &omega; B , B i &le; B min B i - B min B max - B min , B min < B i < B max 1 , B i &GreaterEqual; B max - - - ( 25 )
对于时延的规范化值
Figure BDA0000379793200000063
可以表示为,
f &tau; i = - 1 ( 1 - &alpha; ) &omega; &tau; , &tau; i &GreaterEqual; &tau; max &tau; max - &tau; i &tau; max - &tau; min , &tau; min < &tau; i < &tau; max 1 , &tau; i &le; &tau; min - - - ( 26 )
从公式7和公式8可以看出,带宽和时延的规范化值均不大于1。在带宽/时延不满足用户应用的最低需求时,将此时的规范化值代入公式7,就可得到综合效用值
Figure BDA0000379793200000065
是小于零的。即此时综合效用值
Figure BDA0000379793200000066
很小,被选为切换目标基站的可能性很小。这就可以有效地避免用户终端切换到大部分性能参数非常好,而仅仅有一个参数不满足用户需求的候选基站中去。
第五步,利用步骤三和步骤四,分别求出候选网络集合BS中各个基站BSi所对应的综合效用值
Figure BDA0000379793200000067
以及当前服务基站的综合效用值
Figure BDA0000379793200000068
如果当前服务基站不是最佳服务基站,则需要执行切换过程。即
U total t arg et = max { U total i } - - - ( 27 )
其中,为综合效用最大值,其对应的基站为BStarget。本文提出的MAAV方法流程如图1所示。
有益效果
(1)本专利提出了基于滞留时间的自适应垂直切换方法,该方案在多属性判决中考虑了用户的运动状态,即把表征用户运动状态的滞留时间计算的权值引入多属性判决。仿真结果说明能够减少覆盖边缘不必要切换,提高系统的服务质量。
(2)本专利提出的自适应切换方法能根据滞留时间动态调整所对应的权重,滞留时间大权重小,其他判决属性其主要作用,反之亦然。这样考虑整体系统性能的同时也将用户运动状态考虑在内,能够适应切换环境的变化。
附图说明
图1基于滞留时间的自适应垂直切换方法流程图
图2用户运动轨迹图
图3不同距离下的切换次数比较
图4不同距离EM下的QoS比较
图5用户速度矢量分解图
仿真分析
仿真网络环境采用的网络模型是1个UMTS基站和1个WLAN无线接入点。一共有100个用户。每个用户的运动速度为3m/s,从点S出发做匀速直线运动到点E,再从点E出发返回到点S。点M是WLAN无线接入点覆盖边缘上的点,线段SM的长度为20m;线段EM的长度的最小值为0,最大值为Lmax,服从均匀分布。用户运动轨迹如图2所示。
用户业务对网络性能的要求为:(1)带宽最小为1Mbps,最大为6Mbps;(2)时延最大为50ms,最小为20ms(3)服务费用越小越好。UMTS网络的带宽为2Mbps,时延为20ms,服务费用为0.8;WLAN网络的带宽为11Mbps,时延为41ms,服务费用为0.4。另外,带宽、时延、费用的权重依次为ωB=0.5,ωτ=0.2,ωC=0.3。
下面比较了本专利提出的基于滞留时间的自适应垂直切换方法(MAAV)与现有的基于简单加权法的垂直切换方法(SAW),并在切换次数和用户服务质量QoS上做了比较。其中,切换次数比较如图2所示。
从图3可以看出,随着距离EM最大值的增大,MAAV和SAW方法所对应的切换次数都不断增大,但MAAV方法的切换次数始终比SAW方法的切换次数要少。这是因为当用户进入WLAN网络覆盖范围的距离比较小时,是不发生切换的,否则就会导致“乒乓效应”,甚至会导致会话中断。MAAV方法正是考虑了用户运动因素,避免了这种情况,从而减小不必要切换次数。
由图4可以看出,在最大距离EM较小时,MAAV和SAW方法的服务质量QoS不断下降,这是因为切换次数的增加导致服务质量的下降。而后随着最大距离EM的增大,MAAV和SAW方法的服务质量QoS不断上升,且两种方法的QoS差距越来越小,这是因为距离EM的增大使得用在处在WLAN网络内的时间较长,WLAN网络的性能优势补偿了切换造成的QoS损失。但是,MAAV方法的服务质量始终比SAW方法的服务质量要高。所以,本文提出的MAAV方法可以充分考虑用户的要求,提高用户服务质量。
综合图3和图4,基于运动感知的自适应垂直切换方法(MAAV)与现有的基于多属性决策的垂直切换方法(SAW)相比,不仅可以减小不必要的切换,避免“乒乓效应”,还可以提高用户服务质量QoS。另外,该方法便于与现有的各种多属性判决方法结合使用,提高切换判决性能。
具体实施方式
所有的切换过程如图1所示,实施步骤如下:
步骤1,根据用户终端检测到的周围基站/无线接入点的广播信号,若接收信号强度RSS大于某个门限值,则将该基站加入到候选网络集合BS={BS1,BS2,…,BSN}。
步骤2,利用GPS位置信息计算用户在各个候选基站覆盖范围内的滞留时间集合
T = { t dwell 1 , t dwell 2 , . . . , t dwell N } .
步骤3,根据用户在某候选基站BSi覆盖范围的滞留时间
Figure BDA0000379793200000082
计算综合判决中用到的权重αi
步骤4,归一化处理网络性能参数,如带宽、时延、费用,并利用简单加权法SAW计算各个候选基站的性能效用值。
步骤5,利用步骤3和步骤4,分别求出候选网络集合BS中各个基站BSi所对应的综合效用值
Figure BDA0000379793200000083
以及当前服务基站的综合效用值
Figure BDA0000379793200000084
如果当前服务基站不是最佳服务基站,则需要执行切换过程。

Claims (2)

1.一种基于滞留时间的自适应垂直切换方法,其特征在于,将用户在基站覆盖范围内的滞留时间加入多属性垂直切换判决中,并计算其权重;将滞留时间属性和其他判决属性结合起来,动态调整各属性权重以适应不同切换情形;此方法的步骤如下:
步骤1,根据用户终端检测到的周围基站/无线接入点的广播信号,若接收信号强度RSS大于某个门限值,则将该基站加入到候选网络集合BS,
BS={BS1,BS2,...,BSN}       (1)
RSSi>RSSi,thres              (2)
其中,RSSi是来自基站BSi的接受信号强度;RSSi,thres是终端与该基站进行正常通信的RSS最小值;不同的无线接入技术,RSSi,thres可能不同;
步骤2,利用GPS位置信息计算用户在各个候选基站覆盖范围内的滞留时间集合T,
T = { t dwell 1 , t dwell 2 , . . . , t dwell N } - - - ( 3 )
式中,
Figure FDA0000379793190000012
是用户在基站BSi覆盖范围内的滞留时间;
步骤3,根据用户在某候选基站BSi覆盖范围的滞留时间
Figure FDA0000379793190000013
计算综合判决中用到的权重αi,其可以表示为
&alpha; i = exp ( - t dwell i / t handoff _ delay ) - - - ( 4 )
其中,thandoff_delay是切换时延;那么,候选基站BSi的综合效用值
Figure FDA0000379793190000015
就可以表示为,
U total i = &alpha; i f dwell i + ( 1 - &alpha; i ) U performance i - - - ( 5 )
f dwell i = - 1 &alpha; i , t dwell i &le; t handoff _ delay 1 , t dwell i > t handoff _ delay - - - ( 6 )
其中,
Figure FDA0000379793190000022
是BSi的性能效用值,
Figure FDA0000379793190000023
是滞留时间的规范化值;
步骤4,归一化处理网络性能参数,如带宽、时延、费用,并利用简单加权法SAW计算各个候选基站的性能效用值
U performance i = &omega; B f B i + &omega; &tau; f &tau; i + &omega; C f C i - - - ( 7 )
其中,ωB,ωτ,ωC分别为带宽、时延、费用的权重,是与其对应的归一化值;综合式5和式6,就可以得到综合效用值
Figure FDA0000379793190000028
U total i = &alpha; i + ( 1 - &alpha; i ) &omega; B f B i + ( 1 - &alpha; i ) &omega; &tau; f &tau; i + ( 1 - &alpha; i ) &omega; C f C i - - - ( 8 )
另外,带宽、时延、费用等参数的单位不同,而且不同无线网络的同一参数的取值范围也相差较大,这就给这些不同参数之间的比较和综合评价造成了很大困难;所以,本方法对这些参数进行了归一化处理,使得归一化的数值不大于1;
对于带宽的规范化值
Figure FDA00003797931900000210
可以表示为,
f B i = - 1 ( 1 - &alpha; ) &omega; B , B i &le; B min B i - B min B max - B min , B min < B i < B max 1 , B i &GreaterEqual; B max - - - ( 9 )
对于时延的规范化值
Figure FDA00003797931900000212
可以表示为,
f &tau; i = - 1 ( 1 - &alpha; ) &omega; &tau; , &tau; i &GreaterEqual; &tau; max &tau; max - &tau; i &tau; max - &tau; min , &tau; min < &tau; i < &tau; max 1 , &tau; i &le; &tau; min - - - ( 10 )
从公式7和公式8可以看出,带宽和时延的规范化值均不大于1;在带宽/时延不满足用户应用的最低需求时,将此时的规范化值代入公式7,就可得到综合效用值
Figure FDA0000379793190000032
是小于零的;即此时综合效用值很小,被选为切换目标基站的可能性很小;这就可以有效地避免用户终端切换到大部分性能参数非常好,而仅仅有一个参数不满足用户需求的候选基站中去;
步骤5,利用步骤3和步骤4,分别求出候选网络集合BS中各个基站BSi所对应的综合效用值
Figure FDA0000379793190000034
以及当前服务基站的综合效用值如果当前服务基站不是最佳服务基站,则需要执行切换过程;即
U total t arg et = max { U total i } - - - ( 11 ) .
2.根据权利要求1所述的基于滞留时间的自适应垂直切换方法,其特征在于用户的滞留时间利用GPS信息计算(即GPS-MAV方法),方法如下:
WLAN基站的位置是点O,其坐标为(x0,y0);终端MN的当前位置是点D,其坐标为(xN,yN);终端的当前速度为大小vt,其方向与向量
Figure FDA00003797931900000310
相同;基站与终端确定的射线为
Figure FDA0000379793190000037
其中线段OD为基站与终端之间的距离;射线与x轴正向方向相同;终端运动方向
Figure FDA00003797931900000312
与x轴正向
Figure FDA00003797931900000313
所成的角度为
Figure FDA0000379793190000038
Figure FDA0000379793190000039
基站和终端连线
Figure FDA00003797931900000314
与x轴正向
Figure FDA00003797931900000315
的夹角为θt,且0≤θt<2π;
对终端速度vt做矢量分解;其在
Figure FDA00003797931900000316
方向的分量大小为vBS->MN,其垂直方向的分量大小为vvertical;速度分量vvertical不影响基站和终端之间的距离,基站和终端之间距离受到速度分量为vBS->MN的影响;另外,v’是终端的另一时刻的速度,是与v’相对应的夹角;根据上面的假设,可以表示出速度分量vBS->MN和vvertical,即
Figure FDA00003797931900000414
Figure FDA00003797931900000415
若vBS->MN>0,则终端与基站之间的距离增大,接收信号强度RSS逐渐减小;若vBS->MN<0,则终端与基站之间的距离减小,接收信号强度RSS逐渐增大;夹角θt是向量
Figure FDA0000379793190000044
与向量
Figure FDA0000379793190000045
所成的夹角,即为(xN-x0,yN-y0)与(1,0)确定的夹角;所以
&theta; t = arccos ( x N - x 0 ( x N - x 0 ) 2 + ( y N - y 0 ) 2 ) , ( y N - y 0 ) &GreaterEqual; 0 2 &pi; - arccos ( x t - x 0 ( x N - x 0 ) 2 + ( y N - y 0 ) 2 ) , ( y N - y 0 ) < 0 - - - ( 14 )
前一时刻的终端坐标为(xN-1,yN-1);由于相邻的两次位置更新的时间间隔很小,可以认为终端在这个周期内做匀速直线运动;因而,在一个周期内终端的运动方向就可以由这两个时刻的位置坐标(xN,yN)和(xN-1,yN-1)来确定,即
Figure FDA0000379793190000047
考虑到用户运动的随机性,在进行速度分解时,采用的是最近一段时间内角度
Figure FDA0000379793190000048
的平均值
Figure FDA0000379793190000049
Figure FDA00003797931900000410
式中,α是指数分布平滑因子,
Figure FDA00003797931900000411
是由位置信息pk和pk-1计算得到的;
终端与WLAN基站的当前距离dt
d t = ( x N - x 0 ) 2 + ( y N - y 0 ) 2 - - - ( 17 )
终端最新的位置信息pN和pN-1运动速度大小vt为,
v t = | &Delta;d | &Delta;t = ( x N - x N - 1 ) 2 + ( y N - y N - 1 ) 2 | t N - t N - 1 | - - - ( 18 )
考虑到用户运动的随机性,在进行速度分解时,采用的是一段时间内速度大小vt的平均值
Figure FDA0000379793190000053
v ~ t = ( 1 - &alpha; ) &Sigma; k = 1 N &alpha; N - k v k - - - ( 19 )
式中,vk是由位置信息pk和pk-1计算得到的;
所以,速度在
Figure FDA0000379793190000055
方向的分量大小vBS->NN分量大小可表示为
Figure FDA00003797931900000517
若GPS位置信息更新周期TGPS很小并可以连续取得样值,那么,角度平均值
Figure FDA0000379793190000057
速度大小平均值
Figure FDA0000379793190000058
就可以表示为,
Figure FDA0000379793190000059
v ~ t = ( 1 - &alpha; ) &Integral; 0 N &alpha; N - i v i di - - - ( 22 )
用户运动的随机性使速度大小和方向都不是恒定的;一种情况就是在某点基站覆盖边缘做往返运动;此时,终端的平均速度大小
Figure FDA00003797931900000511
的值可能很大,但在一段时间内的位移是很小的;若按照上式来求滞留时间时,得到的结果是有很大误差的,在此提出一个新参数,即有效位移因子β,
&beta; = | d N - d 0 | &Sigma; i = 1 N dis i , i - 1 - - - ( 23 )
dis i , i - 1 = ( x i - x i - 1 ) 2 + ( y i - y i - 1 ) 2 - - - ( 24 )
有效位移因子β反应了终端相对于原来位置移动的比例大小;
估算出用户在当前基站覆盖范围内的滞留时间tdwell,即
t dwell _ dispose = R WLAN - d t | v BS - > MN | - - - ( 25 )
t dwell _ factor = R WLAN - d t &beta; | v ~ t | - - - ( 26 )
tdwell=min{tdwell_dispose,tdwell_factor}        (27)。
CN2013104106405A 2013-09-10 2013-09-10 基于滞留时间的自适应垂直切换方法 Pending CN103476080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013104106405A CN103476080A (zh) 2013-09-10 2013-09-10 基于滞留时间的自适应垂直切换方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013104106405A CN103476080A (zh) 2013-09-10 2013-09-10 基于滞留时间的自适应垂直切换方法

Publications (1)

Publication Number Publication Date
CN103476080A true CN103476080A (zh) 2013-12-25

Family

ID=49800740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013104106405A Pending CN103476080A (zh) 2013-09-10 2013-09-10 基于滞留时间的自适应垂直切换方法

Country Status (1)

Country Link
CN (1) CN103476080A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107613532A (zh) * 2017-08-31 2018-01-19 重庆邮电大学 车辆异构网络中基于逗留时间预测的模糊垂直切换方法
CN108271233A (zh) * 2016-12-31 2018-07-10 中国移动通信集团吉林有限公司 一种小区切换方法及网络设备
WO2020063921A1 (zh) * 2018-09-29 2020-04-02 闻泰通讯股份有限公司 无线网络自主优化方法、装置、设备和介质
CN111917468A (zh) * 2020-06-29 2020-11-10 西安理工大学 VLC/Wi-Fi无线异构网中一种降低切换次数的实现方法
CN112040520A (zh) * 2020-08-20 2020-12-04 Oppo(重庆)智能科技有限公司 网络切换方法、装置、终端设备及计算机存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040233868A1 (en) * 2003-02-21 2004-11-25 Kabushiki Kaisha Toshiba Atuomatic wireless connection selection
US20050094609A1 (en) * 2003-09-29 2005-05-05 Kabushiki Kaisha Toshiba Wireless communication apparatus and wireless communication method
JP2009206621A (ja) * 2008-02-26 2009-09-10 National Institute Of Information & Communication Technology アクセスポイント選択処理装置,アクセスポイント選択方法およびアクセスポイント選択処理プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040233868A1 (en) * 2003-02-21 2004-11-25 Kabushiki Kaisha Toshiba Atuomatic wireless connection selection
US20050094609A1 (en) * 2003-09-29 2005-05-05 Kabushiki Kaisha Toshiba Wireless communication apparatus and wireless communication method
JP2009206621A (ja) * 2008-02-26 2009-09-10 National Institute Of Information & Communication Technology アクセスポイント選択処理装置,アクセスポイント選択方法およびアクセスポイント選択処理プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李彬: "基于运动感知的垂直切换算法研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108271233A (zh) * 2016-12-31 2018-07-10 中国移动通信集团吉林有限公司 一种小区切换方法及网络设备
CN107613532A (zh) * 2017-08-31 2018-01-19 重庆邮电大学 车辆异构网络中基于逗留时间预测的模糊垂直切换方法
WO2020063921A1 (zh) * 2018-09-29 2020-04-02 闻泰通讯股份有限公司 无线网络自主优化方法、装置、设备和介质
CN111917468A (zh) * 2020-06-29 2020-11-10 西安理工大学 VLC/Wi-Fi无线异构网中一种降低切换次数的实现方法
CN112040520A (zh) * 2020-08-20 2020-12-04 Oppo(重庆)智能科技有限公司 网络切换方法、装置、终端设备及计算机存储介质
CN112040520B (zh) * 2020-08-20 2023-02-17 Oppo(重庆)智能科技有限公司 网络切换方法、装置、终端设备及计算机存储介质

Similar Documents

Publication Publication Date Title
He et al. A simple and robust vertical handoff algorithm for heterogeneous wireless mobile networks
CN101835235B (zh) 基于认知的异构网络路由方法
Lahby et al. Optimal vertical handover based on TOPSIS algorithm and utility function in heterogeneous wireless networks
Alkhawlani et al. Multi-criteria vertical handover by TOPSIS and fuzzy logic
CN103476080A (zh) 基于滞留时间的自适应垂直切换方法
Liu et al. Intelligent handover triggering mechanism in 5G ultra-dense networks via clustering-based reinforcement learning
Sharma et al. Fuzzy logic based handover decision system
CN103686914A (zh) 基于服务偏好和网络条件的垂直切换方法snvho
CN112492656B (zh) 一种基于强化学习的无线网络接入点切换方法
CN103024845B (zh) 一种基于umts和wlan的自适应垂直切换方法
CN114025331B (zh) 基于异构网络的交通系统及异构网络环境下网络选择方法
Goyal et al. Vertical handoff in heterogeneous wireless networks: A tutorial
Kunarak et al. Multi-criteria vertical handoff decision algorithm for overlaid heterogeneous mobile IP networks
Alablani et al. Applying a dwell time-based 5G V2x cell selection strategy in the city of los angeles, California
Ei et al. A trajectory-aware handoff algorithm based on GPS information
CN103458476A (zh) 基于gps位置信息的运动感知垂直切换方法
Patel et al. Quality dependent vertical handover decision algorithm for Fourth Generation (4G) heterogeneous wireless networks
He et al. A vertical handoff decision algorithm based on fuzzy control in WiMAX and TD-SCDMA heterogeneous wireless networks
Kaleem et al. Application of fuzzy TOPSIS for weighting the system attributes in overlay networks
Alkhawlani Multi-criteria vertical handover for heterogonous networks
Alyousfi et al. Optimization of vertical handover performance using elimination based MCDM algorithm
Ni et al. Optimal mobility-aware handoff in mobile environments
Pahal et al. Multi-criteria handoff decision algorithms in wireless networks
Xie et al. Performance analysis of ultra-dense heterogeneous network switching technology based on region awareness Bayesian decision
Peng et al. Context-aware vertical handoff decision scheme in heterogeneous wireless networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20131225

WD01 Invention patent application deemed withdrawn after publication