CN104185221A - 一种基于自适应权重调整的垂直网络切换方法 - Google Patents

Abstract

本发明涉及一种基于自适应权重调整的垂直网络切换方法，包括以下步骤：终端侧监测各个网络的链路质量，采用基于接收信号强度加门限的判决方法，筛选出可用网络集；终端综合从网络侧获得的参数，通过采用基于网络效用的负载均衡机制，从可用网络集挑选出备选网络；通过自适应权重调整算法调整主客观权重值，再结合TOPSIS算法计算出备选网络的排序，做出最终切换决策。本发明可以实现移动终端准确高效的接入最合适的网络，保障低电量模式的移动终端可以通信的过程更长，从而提高总系统的吞吐量。

Description

一种基于自适应权重调整的垂直网络切换方法

技术领域

本发明涉及信息技术领域中的异构融合网络系统，特别是涉及一种基于自适应权重调整的垂直网络切换方法。

背景技术

随着3G网络的快速推进，WLAN网络在热点地区的规模化部署，加之已经广泛应用的2G网络，形成了泛在的无线异构网络。在异构网络环境下，如何在在多种网络之间完成垂直切换控制过程，从而提高无线资源的利用率，是业界高度关注的问题。

目前，异构融合网络（UMTS和WLAN）中垂直切换控制技术主要有网络为主终端为辅（MAHO）的切换控制方式和以终端为主网络为辅（NAHO）的切换控制方式，在MAHO方式中，需要两种网络间的信息交互和控制，增加网络的系统开销，导致系统资源利用率低下。

因此，异构无线网络垂直切换中宜采用终端为主网络为辅的切换控制方式，终端侧负责监测各个网络的链路质量，并从网络侧获得褚如系统负荷水平，网络可用带宽等参数，通过切换算法处理，最终做出切换决策。

垂直切换过程通常包括网络发现阶段，即移动终端探测可以接入的无线网络；切换决策阶段，即移动终端或者切换控制器根据当前的网络性能，结合已有的切换算法，评估所有的候选接入点，做出最佳切换决策；切换执行阶段，即移动终端根据切换决策的结果执行切换。其中，切换决策阶段是核心，因为该阶段的切换算法直接关系到切换性能。

现有的异构融合网络中垂直切换决策算法主要有基于接收信号强度（RRSI）的决策算法，基于人工智能和模糊逻辑的决策算法，以及基于多属性的决策算法。

基于RSSI的决策方法复杂度较低，在特定的业务需求和网络条件下能够取得相当的性能。基于人工智能和模糊逻辑的决策算法是综合考虑网络性能参数、状态变化等参数来设计多维的切换判决策略，但需要大量学习用户行为偏好，过多干预用户的同时，也增加了算法的复杂度。

基于多属性的决策算法（MADM）主要包括TOPSIS（接近理想方案的序数偏好方法）、AHP（层次分析法）、GRA（灰色关联分析）等算法。基于多属性的决策算法多采用的方案是AHP-GRA多属性算法和AHP-TOPSIS多属性算法。文献[7]采用AHP决定不同特性的网络参数所占的权重，再结合GRA计算网络与最好标准网络的接近程度，从而对可用网络进行排序，但参数设置繁琐，计算复杂。这两种算法只考虑了网络或者终端的主观权重，并未考虑到权重的客观性。

现有的垂直切换决策方法大都基于接收信号强度的垂直切换决策方法，现有技术中的一种基于剩余带宽的垂直切换判决算法，除了接收信号强度外，还将剩余带宽作为一种切换判决指标，但该切换机制依赖所定义的QBSS（QoS Basic Service Set）来进行带宽估计,应用具有很大局限性。因此，仅采用单一的判决指标，或单纯的额外加入限制条件的切换判决指标，而未考虑到实际异构融合网络中网络的复杂性和多种影响因素，并不能准确地选择最合适的接入网络。

发明内容

本发明所要解决的技术问题是提供一种基于自适应权重调整的垂直网络切换方法，能够保障低电量模式的移动终端在UMTS网络和WLAN网络多重覆盖的环境下可以准确高效的接入最适合的网络。

本发明解决其技术问题所采用的技术方案是：提供一种基于自适应权重调整的垂直网络切换方法，包括以下步骤：

（1）终端侧监测各个网络的链路质量，采用基于接收信号强度加门限的判决方法，筛选出可用网络集；

（2）终端综合从网络侧获得的参数，通过采用基于网络效用的负载均衡机制，从可用网络集挑选出备选网络；

（3）通过自适应权重调整算法调整主客观权重值，再结合TOPSIS算法计算出备选网络的排序，做出最终切换决策。

所述步骤（1）包括以下子步骤：终端间歇性扫描和监测各个网络，当检测到当前网络的信号强度小于阈值且接收到其他网络的信号强度大于阈值，或者，周围有其他网络的信号强度大于阈值并且比当前网络优越时，触发切换流程筛选出可用网络集。

所述步骤（2）包括以下子步骤：网络侧将可用网络信息发送给终端，终端通过采用基于网络效用的负载均衡机制，得出接收到的网络效用值，若网络效用值大于规定值，则添加至备选网络。

所述步骤（3）包括以下子步骤：建立AHP层次结构模型，根据业务类型，得出一组网络属性权重值；在网络属性权重值的基础上，终端采用自适应权重调整算法，得出一组主客观权重值；再结合TOPSIS算法计算出备选网络的排序，从而得到最优网络。

所述AHP层次结构模型以目标网络作为目标层、以会话类、流媒体类、交互类和后台类作为业务层、以带宽、时延、信噪比、终端剩余能量百分比和资费作为属性层、以3G网络和WLAN网络作为方案层；比较带宽、时延、信噪比、终端剩余能量百分比、资费对业务层的影响程度，来确定在该层中相对于某一准则所占的比重，得到五个属性的权重系数。

在所述五个属性权重系数的基础上，定义调整权重值，并进行合成得到权重分量，通过归一化使最终的各权重相加之和为一，得到最终权重值。

将各种类型的属性范围转换为无量纲属性，得到决策矩阵，将决策矩阵的每一列与其相应权重向量相乘得到加权标准化决策矩阵，确定加权标准化决策矩阵的正负理想解；然后通过n维欧式距离来测量每个备选方案与正负理想解的距离；最后计算与理想解的相对贴近程度，根据贴近程度的值从小到大排列,排序结果中贴近程度的值越大目标越优,贴近程度的值最大的为最优网络。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明采用终端为主、网络为辅的切换控制方式下，采用三级的垂直切换判决过程。第一级垂直切换判决过程是终端侧监测各个网络的链路质量，采用基于接收信号强度加门限的判决方法，筛选出可用网络集；第二级垂直切换判决过程是终端综合从网络侧获得的参数（如系统负荷水平，网络可用带宽等），通过采用基于网络效用的负载均衡机制，从可用网络集挑选出备选网络；第三级垂直切换判决过程是提出一种自适应权重调整算法，调整用户的主客观权重值，再结合TOPSIS算法计算出备选网络的排序，做出最终切换决策。从而实现移动终端准确高效的接入最合适的网络，保障低电量模式的移动终端可以通信的过程更长，从而提高总系统的吞吐量。

附图说明

图1是WLAN网络和UMTS网络在GGSN处的紧耦合互联模式示意图；

图2是三级垂直切换判决过程框图；

图3是AHP层次结构模型图；

图4是三级垂直切换判决流程图；

图5是实施例的系统场景图；

图6是基于会话类业务的对比图；

图7是当终端电量都为20%时不同的算法对总的吞吐量对比图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于自适应权重调整的垂直网络切换方法，如图1所示，该方法是基于UMTS网络和WLAN网络在GGSN侧融合的紧融合网络架构，但不仅限于此架构。

如图2所示，首先，第一级垂直切换判决过程是终端侧监测各个网络的链路质量，采用基于接收信号强度加门限的判决方法，筛选出可用网络集；其次，第二级垂直切换判决过程是终端综合从网络侧获得的参数（如系统负荷水平，网络可用带宽等），通过采用基于网络效用的负载均衡机制，从可用网络集挑选出备选网络；最后，第三级垂直切换判决过程是提出一种自适应权重调整算法，调整主客观权重值，再结合TOPSIS算法计算出备选网络的排序，做出最终切换决策。

第一级垂直切换判决过程：

移动终端周期性扫描和监测，假设当前网络信号强度为RSS_c，周围其他网络的接收信号强度为RSS_T，切换触发需满足下列条件：

RSS_c≤RSS_TH and RSS_T≥RSS_TH    （1）

或者

RSS_T≥RSS_TH and RSS_T≥RSS_c+ΔRSS    （2）

其中，RSS_TH为阈值，ΔRSS表示周围网络的信号强度大于当前网络的信号强度的值。根据上述接收信号强度加门限的判决方法，筛选出可能网络。

第二级垂直切换判决过程

根据一级判决结果，网络侧将可用网络信息发送给移动终端，终端通过采用基于网络效用的负载均衡机制，得出接收到的网络效用值。假设可用网络的可用带宽为B_可用，最大带宽为B_最大，若满足下列条件：

B_可用/B_最大＝G_T≥ΔTH    （3）

其中ΔTH为带宽余量阈值，则将可用网络添加至备选网络。

第三级垂直切换判决过程

针对第二级判决得出的备选网络，提出了一种基于业务类型的自适应权重调整算法，以获取最优网络。首先，建立AHP层次结构模型，根据业务类型，得出一组网络属性权重值；其次，在网络属性权重值的基础上，终端通过统计用户的话费使用情况和终端的电池电量等参数，采用自适应权重调整算法，得出一组主客观权重值；最后，再结合TOPSIS算法计算出备选网络的排序，从而得到最优网络。

自适应权重调整算法

首先建立新型的AHP层次结构模型，如图3所示。在介于目标层和属性层之间增加了业务层，用于区分业务，以便选择最适合各自业务类型的最优网络。

其次，在AHP层次结构模型图的属性层中，我们定义了5个因素，即可用带宽（α）、时延（β）、SINR（γ）、终端剩余能量百分比（θ）、资费（μ），以比较它们对业务层的影响程度，来确定在该层中相对于某一准则所占的比重w。

w＝F(α β γ θ μ)    （4）

其中w(w₁ w₂ ... w₅)就是对应的5个属性的权重系数。在上述已求的5个属性权重系数的基础上，定义调整权重值为w'(w'₁ w'₂ ...w'₅)，合成后的权重分量可表示为(w₁w'₁ w₂w'₂ ... w₅w'₅)，通过归一化使最终的各权重相加之和为1，最终得到的权重值可表示为W(W₁ W₂ ... W₅)。

然后，将各种类型的属性范围转换为无量纲属性，得到决策矩阵Y。将决策矩阵Y的每一列与其相应权重向量W相乘得到加权标准化决策矩阵V。本方法中，假设带宽和SINR属于效益性指标，时延、能耗和资费属于成本性指标。首先，确定加权标准化决策矩阵的正负理想解；然后通过n维Euclid距离来测量每个备选方案与正负理想解的距离分别为S⁺，S^-；最后计算与理想解的相对贴近程度C⁺。

C⁺＝S^-/(S⁺+S^-),0≤C⁺≤1    （5）

最后，根据C⁺的值从小到大排列,排序结果中C⁺值越大目标越优,C⁺值最大的为最优网络。若排序结果最优网络为当前网络，则不发生切换；若最优网络不是当前网络则发生切换。

如图4所示，三级垂直切换判决过程的步骤如下：

（1）第一级判决过程是首先终端进行周期性的扫描和监测，当检测到当前网络信号强度（RSS）小于阈值且接收到其他网络的RSS大于阈值，或者，周围有其他网络的RSS大于阈值并且比当前网络优越时，可以触发切换流程，执行步骤（2），若无满足条件的网络，则继续扫描；

（2）第二级判决过程是对满足条件的网络定义为可用网络，网络侧把可用网络的网络信息通过广播信号发送给终端，终端通过采用基于网络效用的负载均衡机制，得出接收到的网络效用值，若网络效用值大于规定值，则添加至备选网络，执行步骤（3）；如果没有满足条件的可用网络，则保持原来网络的连接；

（3）第三级判决过程是根据当前网络和备选网络的参数值，通过采用基于业务类型的自适应权重调整切换算法进行判决，计算出最优网络；

（4）若最优网络是当前网络，则保持连接；如果不是当前网络，则执行切换，将业务切换至最优网络；

（5）结束切换。

这个流程的优点在于，在切换触发之后，执行切换算法之前，先对备选网络进行了一次筛选，筛选的标准就是计算可用网络的可用带宽和最大带宽的比值G_T，这个数值可以反映出可用网络的负载情况。我们可根据实际条件设置较为合适的规定值ΔTH，若可用网络的G_T大于规定值，则可认为可用网络的负载状况良好，较为空闲；若小于规定值，则认为可用网络的负载较重，不适合新业务进入，则不作为备选网络，进行接下来的计算。传统的流程在切换触发后，即对网络进行算法计算，这样的的缺点在于，计算出来的最优网络有可能负载较重，当有很多业务同时切入时可能导致有一些业务无法切入，或切入后不能保证用户的QoS，导致用户再次切换，引起“乒乓效应”，而这种方法可以防止这种状况出现，可以更有效的保障用户的QoS。

下面以一个具体的实施例来进一步说明本发明。

异构融合网络中，移动终端匀速在WLAN和UMTS间移动，工作场景如图5所示。在该场景中，UMTS的基站设置在坐标（1000,1000）处，覆盖半径为1000m；WLAN_1的接入点设置在坐标（500,1000）处，WLAN_2的接入点设置在坐标（800,1000）处，WLAN_3的接入点设置在(1150，1000)处，三个网络的覆盖半径均为200m；其中WLAN_1和WLAN_2有100m的重叠区域，WLAN_2和WLAN_3有50m的重叠区域；假设移动终端以5m/s的速度沿直径方向进行匀速直线运动，并且初始状态接入在UMTS网络中，则在移动终端从A点移动到F点的过程中会发生切换的情况分析：

情况一：

当MT从A点移动到B点时，由于WLAN_1的RSS呈增强趋势并且满足触发条件，则进行切换触发，经切换算法选择WLAN_1作为切换网络并执行切换；

情况二：

当MT从B点移动到C点时，由于WLAN_1的RSS的信号强度减弱满足触发条件，并且WLAN_2和UMTS网络均满足触发条件，则触发切换，进行切换判决。在进行可用带宽比较时，由于WLAN_2负载较重不满足条件，因此不作为备选网络，经计算，选择UMTS网络作为切换目标网络，并执行切换；

情况三：

当MT从C点移动到D点时，由于WLAN_3信号强度比UMTS信号要好得多，满足触发条件，并且WLAN_3的负载状况良好，满足条件，进行切换判决，最终选择WLAN_3作为目标网络，执行切换；

情况四：

当MT从D点移动到E点时，WLAN_3的RSS呈下降趋势，并且UMTS网络RSS增强并好于当前网络，满足触发条件，进行切换判决，经计算得出UMTS网络为最优解，则执行切换，切换至UMTS。

以上只是对结果的一种预测，因为发生切换除了和信号强度和网络状况相关，还与用户终端的剩余电量以及用户话费还有业务类型这些变量相关，不同因素发生变化可能导致的结果不同，具体情况需仿真验证。

以一种场景的仿真结果为例，用户A的话费在120元，当电量为70%，正在进行通话，经仿真当他经过WLAN_1时并未发生切换；设置该用户的电量为30%，其他场景不变，当用户经过WLAN_1并且距离WLAN的AP的距离较近时，业务发生了切换。这是因为会话类业务对时延要求高，而UMTS网络更适合该业务，当用户终端电量充足时，对选择无影响，但是当电量不足时，由于终端耗电量和接收到的基站或者AP的发生功率是相关的，接受到的功率越大则耗能越小，反之则越大。因此当终端接收到的WLAN的信号很强的时候回触发生切换，以延长终端的使用时间。

图6是对基于会话类业务的对比，红色线表示当终端电量为80%时，业务选择切换的网络的情况，蓝色线表示当终端电量为20%时，业务选择切换的网络的情况。横坐标表示时间，纵坐标1表示UMTS网络，2表示WLAN_1网络，3表示WLAN_2网络，4表示WLAN_3网络。从仿真结果中可以看出，当终端电量充足时，会话类业务对于时延的权重较大，因此会在经过WLAN_1时，由于WLAN_1的时延较大，因此即使它的信号强度很大，耗能较少，但还是选择了UMTS网络；而终端电量不充足时，在自适应的算法中会加重能耗的权重，因此当终端经过WLAN_1时，由于WLAN_1信号强度较强，终端接收的功率大，自身能耗小，因此该业务会选择WLAN_1网络，以延长终端的使用时间。

图7是当终端电量都为20%时，不同的算法对总的吞吐量的影响。点线代表传统的AH-TOP算法，圈线代表改进的自适应算法。假设用户一直在进行通话业务，用传统的AH-TOP算法，当用户运动了260s时终端能量耗完；用自适应算法，当用户运动了300s时终端能量才耗完。因此采用自适应算法提高了用户的总吞吐量，延长了终端的使用时间。

Claims (7)

1.一种基于自适应权重调整的垂直网络切换方法，其特征在于，包括以下步骤：

（1）终端侧监测各个网络的链路质量，采用基于接收信号强度加门限的判决方法，筛选出可用网络集；

（2）终端综合从网络侧获得的参数，通过采用基于网络效用的负载均衡机制，从可用网络集挑选出备选网络；

（3）通过自适应权重调整算法调整主客观权重值，再结合TOPSIS算法计算出备选网络的排序，做出最终切换决策。

2.根据权利要求1所述的基于自适应权重调整的垂直网络切换方法，其特征在于，所述步骤（1）包括以下子步骤：终端间歇性扫描和监测各个网络，当检测到当前网络的信号强度小于阈值且接收到其他网络的信号强度大于阈值，或者，周围有其他网络的信号强度大于阈值并且比当前网络优越时，触发切换流程筛选出可用网络集。

3.根据权利要求1所述的基于自适应权重调整的垂直网络切换方法，其特征在于，所述步骤（2）包括以下子步骤：网络侧将可用网络信息发送给终端，终端通过采用基于网络效用的负载均衡机制，得出接收到的网络效用值，若网络效用值大于规定值，则添加至备选网络。

4.根据权利要求1所述的基于自适应权重调整的垂直网络切换方法，其特征在于，所述步骤（3）包括以下子步骤：建立AHP层次结构模型，根据业务类型，得出一组网络属性权重值；在网络属性权重值的基础上，终端采用自适应权重调整算法，得出一组主客观权重值；再结合TOPSIS算法计算出备选网络的排序，从而得到最优网络。

5.根据权利要求4所述的基于自适应权重调整的垂直网络切换方法，其特征在于，所述AHP层次结构模型以目标网络作为目标层、以会话类、流媒体类、交互类和后台类作为业务层、以带宽、时延、信噪比、终端剩余能量百分比和资费作为属性层、以3G网络和WLAN网络作为方案层；比较带宽、时延、信噪比、终端剩余能量百分比、资费对业务层的影响程度，来确定在该层中相对于某一准则所占的比重，得到五个属性的权重系数。

6.根据权利要求5所述的基于自适应权重调整的垂直网络切换方法，其特征在于，在所述五个属性权重系数的基础上，定义调整权重值，并进行合成得到权重分量，通过归一化使最终的各权重相加之和为一，得到最终权重值。

7.根据权利要求6所述的基于自适应权重调整的垂直网络切换方法，其特征在于，将各种类型的属性范围转换为无量纲属性，得到决策矩阵，将决策矩阵的每一列与其相应权重向量相乘得到加权标准化决策矩阵，确定加权标准化决策矩阵的正负理想解；然后通过n维欧式距离来测量每个备选方案与正负理想解的距离；最后计算与理想解的相对贴近程度，根据贴近程度的值从小到大排列，排序结果中贴近程度的值越大目标越优,贴近程度的值最大的为最优网络。