CN105704771B - 异构网中基于负载均衡和QoS的模块化切换方法 - Google Patents

Abstract

本发明涉及一种异构网中基于负载均衡和QoS的模块化切换方法，属于移动通信技术领域。该方法针对下一代异构环境中无缝切换问题，综合考虑了网络性能、用户偏好和负载情况三方面因素，能快速准确地切换至最优网络。该切换方法具体包括：选择合适的切换参数并进行归一化处理；将已选参数划分至两个模块——网络性能(NQ)模块和用户偏好(UP)模块，对于NQ模块采用逼近理想解排序法(TOPSIS)得到结果Q_i，对于UP模块则利用模糊逻辑得到结果P_i；再引入网络中的负载因子α，得出一个综合评分Z。本发明符合下一代网络以“用户体验为中心”的发展趋势，可以减少因统一处理参数个数过多的计算复杂度，在满足用户服务质量的同时，均衡网络负载，具有良好的应用前景。

Description

异构网中基于负载均衡和QoS的模块化切换方法

技术领域

本发明属于移动通信技术领域，涉及一种异构网中基于负载均衡和QoS的模块化切换方法。

背景技术

随着移动通信技术的快速发展，现阶段的通信网络已不能满足人们对各种各样业务的需求，并且下一代移动通信系统将处于多种无线接入网络同时存在，相互补充的异构环境，如WLAN、WiMAX以及LTE、5G等。这些网络融合作为一种能提高网络性能的方法，取得了广泛认可。因此，如何在异构网络共存的场景下为用户提供无缝切换是下一代异构网络亟待解决的难点之一。

考虑切换方案时需注意，不同网络间的切换参数迥异，且不同用户或相同用户不同业务对各个切换参数的要求也差异较大，因此，如何衡量切换参数权重十分关键。多属性决策方法因能综合考虑网络中的多种参数而得到广泛应用，但现阶段的切换方法仅仅考虑了单一处理切换参数，即在用户发起切换时，根据当前时刻所有决策参数构成的判决矩阵或模糊准则来选择最优网络。随着参数个数的增加，导致多属性判决矩阵的阶数大、遵守的模糊准则数多，难度高。

另外，网络的负载均衡性也会在一定程度上影响用户的通信过程。要保证高优先级用户及部分业务用户的体验，负载因子必不可少。

发明内容

有鉴于此，本发明的目的在于提供一种异构网中基于负载均衡和QoS的模块化切换方法，该方法解决了传统方案计算时间长、网络选择性能较差的问题；能够均衡网络负载，提高用户满意度。

为达到上述目的，本发明提供如下技术方案：

一种异构网中基于负载均衡和QoS的模块化切换方法，该方法包括以下步骤：

S1：当用户发起网络切换请求时，获取当前状态下的各候选网络性能(NetworkPerformance，NQ)参数和用户偏好(User Preference，UP)参数，并对NQ参数进行归一化处理；

S2：将归一化后的NQ参数输入到切换决策系统(Handover Decision System，HDS)的NQ模块，利用TOPSIS得到输出Q_i；

S3：将UP参数输入到HDS系统的UP模块，利用模糊逻辑得到输出P_i；

S4：根据各候选网络当前的负载情况，确定负载因子α；

S5：将各候选网络的Q_i、P_i和α按一定权重比例构成最终的综合得分；

S6：对各候选网络的综合得分进行排序，选择最优网络执行切换。

进一步，所述步骤S1具体包括：

S11：将NQ参数进一步分为效益型参数和成本型参数；效益型参数是指越大越好型QoS，即该类参数越大NQ越好；成本型参数是指越小越好型QoS，即该类参数越小NQ越好；

S12：将效益型参数转化为归一化值

其中，G_i表示第i个网络效益型参数的归一化值；V_i为网络i当前时刻的效益型参数值；V_max表示网络i可提供的最大效益型参数值，V_min表示网络i可提供的最小效益型参数值，在还有资源可用的情况下，网络必有各个效益型参数的最低门限值为V_min；

S13：将成本型参数转化为归一化值

其中，F_i表示第i个网络成本型参数的归一化值；D_max表示该网络下的成本型参数指标的最大值，对于糟糕的网络环境，各成本型参数总会有一个最大门限值D_max；D_i为当前网络i的成本型参数值；相似的，D_min表示网络i成本型参数的最小值，在资源最大利用率下，成本型参数存在一个最小门限值，即D_min。

进一步，所述步骤S2具体包括：

S21：对NQ模块，利用归一化后的NQ参数，建立标准多参数决策矩阵A

其中，a_ij表示第i个网络中第j个NQ参数归一化后的值；

S22：构建层次化结构模型，为各NQ参数执行赋权，该层次化结构模型中的目标层是选择最佳NQ模块，准则层是NQ参数，方案层是候选网络，根据各NQ参数之间的相对重要性，得到权重W＝[W₁,W₂,...W_n]^T；

S23：利用步骤S22获得的权重W对步骤S21构建的归一化决策矩阵A中各参数加权，生成加权标准化矩阵V

其中，v_ij＝a_ij×w_j，i＝1,2,L m；j＝1,2,L n；

S24：确定正理想解V⁺和负理想解V^-，其中对于成本型NQ参数来说，V⁺＝minv_ij，V^-＝maxv_ij；对于效益型NQ参数来说，V⁺＝maxv_ij，V^-＝minv_ij；

S25：通过计算n维Euclid得到各候选网络NQ参数与理想解之间的距离

S26：计算候选网络各NQ参数与最优参数值的贴近程度

根据各个网络Q_i的大小，得到所有候选网络NQ模块的优劣排序。

进一步，所述步骤S3具体包括：

S31：对UP模块，根据各UP参数的隶属度函数定义其模糊输入集；

S32：将各UP参数的模糊集输入到模糊逻辑系统；

S33：根据模糊准则推理，并经过去模糊化得出结果P_i。

进一步，采用重心法得到最终UP模块的清晰输出数值P_i。

进一步，所述步骤S4具体包括：

S41：根据各候选网络当前状态下已服务的用户数，确定整个系统的平均用户数量X

其中，m表示当前候选网络的个数，U_i表示网络i服务的用户数；

S42：定义此时各候选网络的负载因子α：当某小区网络服务的用户数量低于平均值X，则处于负载较轻状态，即α＝1/2；当某小区网络服务的用户数量处于平均值X与X+μ之间，则处于负载一般状态，其中μ为不大于15的常数，即α＝1；当某小区网络服务的用户数量大于X+μ，则处于负载较重状态，即α＝2。

进一步，在步骤S5包括，根据步骤S2，S3，S4分别得到各候选网络的Q_i、P_i和α，计算综合得分：

其中，λ∈(0,1)，典型值取λ＝0.5。

本发明的有益效果在于：本发明提供的方法综合考虑了网络QoS和负载因子，将QoS性能参数划分至NQ模块和UP模块，分别采用不同方式处理，并有效引入负载权重，降低了切换时延和故障率，解决现有技术中因负载不均衡导致的用户切换不合理等问题。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为适用于本发明实施例中切换方法的异构网络场景示意图；

图2为本发明所述方法的流程示意图。

具体实施方式

本发明实施例提供了一种异构网中基于负载均衡和QoS的模块化切换方法，用于提高切换的准确度。通过对切换参数的筛选，分为NQ参数和UP参数，并输入对应的模块进行处理，然后引入负载因子，提高网络在负载均衡方面的性能，最后求各个决策因子的权重和，根据最终的综合得分排序，选择得分最高的候选网络执行切换。

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1为适用于本发明实施例中切换方法的异构网络场景示意图。图1所示的未来异构环境包括以下四种网络：下一代移动通信(5G)网络、LTE网络、WIMAX网络和WLAN(802.11ac)网络。本发明实施例针对异构网络中，如何为用户选择最优的网络进行切换的问题，提供了一种准确选择候选网络的方法，并且保证了网络的负载均衡性。

图2为本发明实施例提供的一种异构网络中基于负载均衡和QoS的模块化切换方法的流程图。该方法包括以下步骤：

101：当用户发起网络切换请求时，获取当前状态下的各候选网络性能(NetworkPerformance，NQ)参数和用户偏好(User Preference，UP)参数，并对NQ参数进行归一化处理；

102：将归一化后的NQ参数输入到切换决策系统(Handover Decision System，HDS)系统的NQ模块，利用TOPSIS得到输出Q_i；

103：将UP参数输入到HDS系统的UP模块，利用模糊逻辑得到输出P_i；

104：根据各候选网络当前的负载情况，确定负载因子α；

105：将各候选网络的Q_i、P_i和α按一定权重比例构成最终的综合得分；

106：对各候选网络的综合得分进行排序，选择最优网络执行切换。

其中，各候选网络组成异构场景，可以包括如图1所示的下一代移动通信(5G)网络、LTE网络、WIMAX网络和WLAN(802.11ac)网络，还可以包括3G、2G等其他无线网络。

每个候选网络的切换决策参数各种各样，选取的NQ参数可包括网络时延，数据传输速率、丢包率、抖动等；选取的UP参数可包括网络价格、网络安全性以及用户对网络价格的敏感程度等。

首先执行步骤101，对每个候选网络的切换参数进行选择并分类，考虑到不同种类的NQ参数的量纲不同，所以需要对其进行归一化处理。具体流程如下：

1011：将NQ参数进一步分为效益型参数和成本型参数；效益型参数是指越大越好型QoS，即该类参数越大NQ越好；成本型参数是指越小越好型QoS，即该类参数越小NQ越好；

1012：将效益型参数转化为归一化值

其中，G_i表示第i个网络效益型参数的归一化值；V_i为网络i当前时刻的效益型参数值；V_max表示网络i可提供的最大效益型参数值，V_min表示网络i可提供的最小效益型参数值，在还有资源可用的情况下，网络必有各个效益型参数的最低门限值为V_min。

1013：将成本型参数转化为归一化值

其中，F_i表示第i个网络成本型参数的归一化值；D_max表示该网络下的成本型参数指标的最大值，对于糟糕的网络环境，各成本型参数总会有一个最大门限值D_max；D_i为当前网络i的成本型参数值；相似的，D_min表示网络i成本型参数的最小值，在资源最大利用率下，成本型参数存在一个最小门限值，即D_min。

其中，NQ参数中的效益型参数包括带宽、传输速率等，成本型参数包括网络时延、丢包率、抖动等。各NQ参数经归一化处理后数值如表1所示：

表1

网络	带宽	速率	时延	丢包率	抖动
						5G	0.780	0.767	0.651	0.15	0.526
802.11ac	1	1	0.699	0.25	0.593
						WIMAX	0.488	0.466	1	0.4	0.742
LTE	0.520	0.434	1	0.4	0.751

在经过对各候选网络NQ参数依次进行归一化处理后，执行步骤102，利用TOPSIS算法计算NQ模块的输出Q_i，具体包括以下步骤：

1021：对NQ模块，利用归一化后的NQ参数，建立标准多参数决策矩阵A

其中，a_ij表示第i个网络中第j个NQ参数归一化后的值；

1022：构建层次化结构模型，为各NQ参数执行赋权，该层次化结构模型中的目标层是选择的最佳NQ模块，准则层是NQ参数，方案层是候选网络，根据各NQ参数之间的相对重要性，得到权重W＝[W₁,W₂,...W_n]^T。

1023：利用步骤1022获得的权重W对步骤1021构建的归一化决策矩阵A中各参数加权，生成加权标准化矩阵V

其中，v_ij＝a_ij×w_j，i＝1,2,L m；j＝1,2,L n；

1024：确定正理想解V⁺和负理想解V^-，其中对于成本型NQ参数来说，V⁺＝minv_ij，V^-＝maxv_ij；对于效益型NQ参数来说，V⁺＝maxv_ij，V^-＝minv_ij；

1025：通过计算n维Euclid得到各候选网络NQ参数与理想解之间的距离

1026：计算候选网络各NQ参数与最优参数值的贴近程度

根据各个网络Q_i的大小，得到所有候选网络NQ模块的优劣排序。

其中，各参数权重由层次分析法(AHP)获得，需注意，对于用户发起的不同业务，其NQ参数的权重侧重点是不一样的。用户所使用的业务类型包括但不限定于：会话类、流媒体类、交互类以及背景类。业务类型与NQ参数的敏感程度如表2所示：

表2

业务类型	传输速率(带宽)	时延	抖动	丢包率
					会话类	弱	强	强	弱
流媒体类	强	弱	强	中
					交互类	中	强	弱	强
背景类	中	弱	弱	强

接下来执行步骤103，确定UP模块的输出，与用户相关的参数大部分都是主观的，是抽象的模糊指标，因此采用模糊逻辑算法得到P_i，具体步骤如下：

1031：对UP模块，根据各UP参数的隶属度函数定义其模糊输入集；

1032：将各UP参数的模糊集输入到模糊逻辑系统；

1033：根据模糊准则推理，并经过去模糊化得出结果P_i。

采用重心法将模糊数值进行转换，得到清晰输出：

其中，x表示UP参数模糊集取值范围中的变量；μ(x)为该模糊集的隶属函数。

继续执行步骤104，根据各候选网络当前的负载情况，确定负载因子α，其具体步骤如下：

1041：根据各候选网络当前状态下已服务的用户数，确定整个系统的平均用户数量X

其中，m表示当前候选网络的个数，U_i表示网络i当前服务的用户数；

1042：定义当前各候选网络的负载因子α：

当某小区网络服务的用户数量低于平均值X，则处于负载较轻状态，即α＝1/2；

当某小区网络服务的用户数量处于平均值X与X+μ之间，则处于负载一般状态，其中μ为不大于15的常数，即α＝1；

当某小区网络服务的用户数量大于X+μ，则处于负载较重状态，即α＝2；。

继续执行步骤105，计算Q_i、P_i和α的权重和，得到最终得分，其具体步骤包括：

根据步骤102，103，104分别得到各候选网络的Q_i、P_i和α，计算综合得分：

其中，λ∈(0,1)，典型值取λ＝0.5；

最后执行步骤106，根据最终得分Z的排序值，选择分数最高的候选网络作为用户切换的目标网络。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (5)

1.一种异构网中基于负载均衡和QoS的模块化切换方法，其特征在于：该方法包括以下步骤：

S1：当用户发起网络切换请求时，获取当前状态下的各候选网络性能(NetworkPerformance，NQ)参数和用户偏好(User Preference，UP)参数，并对NQ参数进行归一化处理；

S2：将归一化后的NQ参数输入到切换决策系统(Handover Decision System，HDS)的NQ模块，利用TOPSIS得到输出Q_i；

所述步骤S2具体包括：

S21：对NQ模块，利用归一化后的NQ参数，建立标准多参数决策矩阵A

其中，a_ij表示第i个网络中第j个NQ参数归一化后的值；

S22：构建层次化结构模型，为各NQ参数执行赋权，该层次化结构模型中的目标层是选择最佳NQ模块，准则层是NQ参数，方案层是候选网络，根据各NQ参数之间的相对重要性，得到权重W＝[W₁,W₂,...,W_n]^T；

S23：利用步骤S22获得的权重W对步骤S21构建的归一化决策矩阵A中各参数加权，生成加权标准化矩阵V

其中，v_ij＝a_ij×w_j，i＝1,2,…m；j＝1,2,…n；

S24：确定正理想解V⁺和负理想解V^-，其中对于成本型NQ参数来说，V⁺＝min v_ij，V^-＝maxv_ij；对于效益型NQ参数来说，V⁺＝max v_ij，V^-＝min v_ij；

S25：通过计算n维Euclid得到各候选网络NQ参数与理想解之间的距离

S26：计算候选网络各NQ参数与最优参数值的贴近程度

根据各个网络Q_i的大小，得到所有候选网络NQ模块的优劣排序；

S3：将UP参数输入到HDS系统的UP模块，利用模糊逻辑得到输出P_i；

S4：根据各候选网络当前的负载情况，确定负载因子α；

S5：将各候选网络的Q_i、P_i和α按一定权重比例构成最终的综合得分；

所述步骤S5包括，根据步骤S2，S3，S4分别得到各候选网络的Q_i、P_i和α，计算综合得分：

其中，λ∈(0,1)；

S6：对各候选网络的综合得分进行排序，选择最优网络执行切换。

2.根据权利要求1所述的一种异构网中基于负载均衡和QoS的模块化切换方法，其特征在于：所述步骤S1具体包括：

S11：将NQ参数进一步分为效益型参数和成本型参数；效益型参数是指越大越好型QoS，即该类参数越大NQ越好；成本型参数是指越小越好型QoS，即该类参数越小NQ越好；

S12：将效益型参数转化为归一化值

其中，G_i表示第i个网络效益型参数的归一化值；V_i为网络i当前时刻的效益型参数值；V_max表示网络i可提供的最大效益型参数值，V_min表示网络i可提供的最小效益型参数值，在还有资源可用的情况下，网络必有各个效益型参数的最低门限值为V_min；

S13：将成本型参数转化为归一化值

其中，F_i表示第i个网络成本型参数的归一化值；D_max表示该网络下的成本型参数指标的最大值，对于糟糕的网络环境，各成本型参数总会有一个最大门限值D_max；D_i为当前网络i的成本型参数值；相似的，D_min表示网络i成本型参数的最小值，在资源最大利用率下，成本型参数存在一个最小门限值，即D_min。

3.根据权利要求1所述的一种异构网中基于负载均衡和QoS的模块化切换方法，其特征在于：所述步骤S3具体包括：

S31：对UP模块，根据各UP参数的隶属度函数定义其模糊输入集；

S32：将各UP参数的模糊集输入到模糊逻辑系统；

S33：根据模糊准则推理，并经过去模糊化得出结果P_i。

4.根据权利要求3所述的一种异构网中基于负载均衡和QoS的模块化切换方法，其特征在于：采用重心法得到最终UP模块的清晰输出数值P_i。

5.根据权利要求1所述的一种异构网中基于负载均衡和QoS的模块化切换方法，其特征在于：所述步骤S4具体包括：

S41：根据各候选网络当前状态下已服务的用户数，确定整个系统的平均用户数量X

其中，m表示当前候选网络的个数，U_i表示网络i服务的用户数；

S42：定义此时各候选网络的负载因子α：当某小区网络服务的用户数量低于平均值X，则处于负载较轻状态，即α＝1/2；当某小区网络服务的用户数量处于平均值X与X+μ之间，则处于负载一般状态，其中μ为不大于15的常数，即α＝1；当某小区网络服务的用户数量大于X+μ，则处于负载较重状态，即α＝2。