CN106413017A - 异构网络中面向终端个性化服务的模糊垂直切换方法 - Google Patents

Abstract

本发明请求保护一种异构无线网络中面向终端个性化服务的模糊垂直切换方法。针对终端不同类型的应用在服务质量(QoS)需求上的差异，考虑了网络负载状态的动态变化对切换性能的影响，从两个方面开展性能优化：首先在网络发现阶段，通过预测候选网络在切换时刻的负载状态，对候选网络进行筛选；其次在切换判决阶段，根据每类应用对QoS参数的不同需求范围，设计不同的隶属度函数。实验结果表明，本发明能有效降低切换阻塞率，提高系统吞吐量，并能根据终端的应用类型合理地选择切换网络，满足了终端的个性化服务需求。

Description

异构网络中面向终端个性化服务的模糊垂直切换方法

技术领域

本发明属于异构无线网络中的垂直切换方法，属于移动通信领域。特别是涉及一种利用负载预测和模糊推理进行垂直切换的方法。

背景技术

在异构无线网络中，终端的连接从一种网络转换到另一种网络时发生的切换称为垂直切换。垂直切换技术是异构无线网络中移动性管理的关键技术之一，直接关系到用户的服务质量。目前大多数针对垂直切换方法的研究都是基于确定的、精确的参数信息，然而，在垂直切换时，用户偏好、参数的重要性程度等都具有一定的模糊性，此外测量的误差和网络本身的动态性也会导致获得的属性值具有模糊性。因此，为了准确的刻画和处理这些模糊信息，提高切换性能，近年来不少研究者将模糊逻辑运用到了垂直切换方法中。

文献[Kaleem F,Mehbodniya A,et al.Dynamic Target Wireless NetworkSelection Technique Using Fuzzy Linguistic Variables[J].China Communications,2013,10(1):1-16]首先采用分层的模糊推理系统对切换必要性进行评估，然后使用逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)选择最佳切换网络。但是此方法不能充分考虑不同类型应用对QoS参数的不同需求范围，因此，不能满足终端的个性化服务需求。文献[Kantubukta V,Maheshwari S,Mahapatra S,et al.Energy and quality of service aware FUZZY-technique fororder preference by similarity to ideal solution based vertical handoverdecision algorithm for heterogeneous wireless networks[J].The Institution ofEngineering and Technology,2013,2(3):103-114]通过将模糊集合引入到TOPSIS中，消除了经典TOPSIS方法存在的排名异常问题。但是没有考虑候选网络的负载状态对垂直切换性能的影响，当网络负载过高，可用信道资源不能满足终端的切换需求时，将会发生切换阻塞，降低切换性能。文献[杨剑波.多模智能终端在异构无线网络中的垂直切换技术研究[D].中国人民解放军信息工程大学,解放军信息工程大学,2013]提出一种基于直觉模糊多属性的垂直切换方法，该方法通过负载估计的方法对候选网络进行筛选，作者根据不同类型业务对误码率的要求估计每类业务的平均信道资源需求数，将候选网络中剩余资源小于需求的网络删除。但是作者只根据判决时刻的负载状态进行网络筛选，而未考虑切换时刻的负载状态变化，不能有效保证所选网络在切换时刻的可用性。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种异构网络中面向终端个性化服务的模糊垂直切换方法。本发明的技术方案如下：

一种异构网络中面向终端个性化服务的模糊垂直切换方法，其根据终端不同类型的应用在服务质量QoS需求上的差异设计以下垂直切换步骤：

101、首先在网络发现阶段，通过预测候选网络在切换时刻的负载状态，对候选网络进行筛选；

102、其次在切换判决阶段，划分终端的应用类型并根据每类应用对QoS参数的需求范围，设计不同的隶属度函数，其中QoS参数包括带宽、时延、抖动和丢包率，然后获取步骤101筛选后的候选网络的QoS参数信息，将QoS参数输入到模糊推理系统中，根据设计的隶属度函数进行模糊推理、反模糊化，系统最后的输出是网络的得分值，最后比较每个网络的得分值，选择得分值最大的网络作为最佳切换网络，完成垂直切换。

进一步的，所述终端的应用根据3GPP标准分为四种，分别是会话类应用、交互类应用、流类应用和后台类应用，然后选取带宽、时延、抖动和丢包率这四种参数作为评价候选网络QoS的指标，并根据每类应用对每种参数的具体需求范围设计隶属度函数。

进一步的，所述异构无线网络模型由LTE和WLAN两种接入技术组成，LTE和WLAN均采用OFDM调制，并将一个时隙和一个子信道构成的二维单元作为系统的基本信道资源单位，假定系统中每个候选网络都支持L种不同的业务，每种业务的呼叫到达率和离开率均服从泊松分布，并且每种业务的单个呼叫所需的平均信道资源为C_i(i＝1,2,3,…L)。

进一步的，所述步骤101中在网络发现阶段，通过预测候选网络在切换时刻的负载状态，对候选网络进行筛选具体包括步骤：

终端进行周期性扫描，检测周围可用网络，在发现可用网络k后，获取网络的信道资源总数当前负载以及每种业务的呼叫到达率和离开率(i＝1,2,3,…L)；

根据以上信息可得到网络k中，业务i在单位时间内增加个呼叫的概率为：

减少个呼叫的概率为：

单位时间内由业务i增加的负载可表示为：

则网络k中单位时间内所有业务增加的负载可表示为：

则候选网络k在切换时刻的负载可表示为

切换时刻的可用信道资源可表示为：

对于每一个候选网络，当切换时刻负载过重，可用信道资源小于业务的接入需求时，切换请求将会被拒绝；假设切换时发起的呼叫为第l种呼叫，l＝1,2,3,…L，则切换时刻第k个候选网络中切换被阻塞的概率可表示为：

将式(6)代入式(7)可计算出切换时发生阻塞的概率，将阻塞概率大于门限值的网络从候选网络中删除。

进一步的，所述并根据每类应用对每种参数的具体需求范围设计隶属度函数。每种参数有三个模糊集，分别为：低、中、高。其中模糊集“低”和“高”使用梯形隶属度函数，表达式为：

模糊集“中”使用三角隶属度函数，表达式为:

带宽作为评价指标时，会话类应用的隶属度函数为低(a＝0,b＝0,c＝5,d＝64)中(a＝5,b＝64,c＝300)高(a＝64,b＝300,c＝20000,d＝20000)；交互类应用的隶属度函数为低(a＝0,b＝0,c＝50,d＝350)中(a＝50,b＝350,c＝600)高(a＝350,b＝600,c＝20000,d＝20000)；流类应用的隶属度函数为低(a＝0,b＝0,c＝50,d＝2000)中(a＝50,b＝2000,c＝10000)高(a＝2000,b＝10000,c＝20000,d＝20000)；后台类应用的隶属度函数为低(a＝0,b＝0,c＝10,d＝500)中(a＝10,b＝500,c＝1000)高(a＝500,b＝1000,c＝20000,d＝20000)。

时延作为评价指标时，会话类应用的隶属度函数为低(a＝0,b＝0,c＝30,d＝75)中(a＝30,b＝75,c＝100)高(a＝75,b＝100,c＝1000,d＝1000)；交互类应用的隶属度函数为低(a＝0,b＝0,c＝50,d＝110)中(a＝50,b＝110,c＝270)高(a＝110,b＝270,c＝1000,d＝1000)；流类应用的隶属度函数为低(a＝0,b＝0,c＝150,d＝400)中(a＝150,b＝400,c＝600)高(a＝400,b＝600,c＝1000,d＝1000)；后台类应用的隶属度函数为低(a＝0,b＝0,c＝300,d＝650)中(a＝300,b＝650,c＝900)高(a＝650,b＝900,c＝1000,d＝1000)。

抖动作为评价指标时，会话类应用的隶属度函数为低(a＝0,b＝0,c＝5,d＝20)中(a＝5,b＝20,c＝40)高(a＝20,b＝40,c＝500,d＝500)；交互类应用的隶属度函数为低(a＝0,b＝0,c＝20,d＝40)中(a＝20,b＝40,c＝60)高(a＝40,b＝60,c＝500,d＝500)；流类应用的隶属度函数为低(a＝0,b＝0,c＝10,d＝30)中(a＝10,b＝30,c＝50)高(a＝30,b＝50,c＝500,d＝500)；后台类应用的隶属度函数为低(a＝0,b＝0,c＝70,d＝150)中(a＝70,b＝150,c＝200)高(a＝150,b＝200,c＝500,d＝500)。

丢包率作为评价指标时，会话类应用的隶属度函数为低(a＝0,b＝0,c＝10^-4,d＝10^-3)中(a＝10^-4,b＝10^-3,c＝10^-2)高(a＝10^-3,b＝10^-2,c＝10^-1,d＝10^-1)；交互类应用的隶属度函数为低(a＝0,b＝0,c＝10^-6,d＝10^-5)中(a＝10^-6,b＝10^-5,c＝10^-4)高(a＝10^-5,b＝10^-4,c＝10^-1,d＝10^-1)；流类应用的隶属度函数为低(a＝0,b＝0,c＝10^-5,d＝10^-4)中(a＝10^-5,b＝10^-4,c＝10^-3)高(a＝10^-4,b＝10^-3,c＝10^-1,d＝10^-1)；后台类应用的隶属度函数为低(a＝0,b＝0,c＝10^-5,d＝10^-4)中(a＝10^-5,b＝10^-4,c＝10^-3)高(a＝10^-4,b＝10^-3,c＝10^-1,d＝10^-1)。

本发明的优点及有益效果如下：

1.本发明针对负载状态的动态变化引起的切换阻塞问题，利用判决时刻的负载状态预测切换时刻的负载状态，并根据预测结果对候选网络进行筛选，有效降低阻塞率。

2.根据每类应用对QoS参数的不同需求范围设计不同的隶属度函数，在进行垂直切换时，终端能根据当前应用类型合理地选择切换网络，有效提高系统吞吐量，满足终端的个性化服务需求。

附图说明

图1是本发明提供优选实施例带宽在四类应用中的隶属度函数；

图2为时延在四类应用中的隶属度函数；

图3为抖动在四类应用中的隶属度函数；

图4为丢包率在四类应用中的隶属度函数；

图5为模糊推理系统结构示意图；

图6为异构无线网络系统模型；

图7为不同方法的切换阻塞率对比；

图8为不同方法的系统吞吐量对比；

图9为不同方法的平均切换次数对比；

图10为会话类应用中不同方法的候选网络排名；

图11为交互类应用中不同方法的候选网络排名；

图12为流类应用中不同方法的候选网络排名；

图13为后台类应用中不同方法的候选网络排名。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明的技术方案如下：

该方法综合考虑了网络负载状态的动态变化对切换性能的影响和不同类型的应用对QoS参数的不同需求范围，不仅能降低切换阻塞率，提高系统吞吐量，还能根据终端的应用类型合理地选择切换网络。

本发明提出的垂直切换方法包括以下步骤：

步骤一、首先根据3GPP标准将应用类型分为四种，分别是会话类应用、交互类应用、流类应用和后台类应用，然后选取带宽、时延、抖动和丢包率这四种参数作为评价候选网络QoS的指标，并根据每类应用对每种参数的具体需求范围设计图1-4所示的隶属度函数。

步骤二、本发明中的异构无线网络模型由LTE和WLAN两种接入技术组成，LTE和WLAN均采用OFDM调制，并将一个时隙和一个子信道构成的二维单元作为系统的基本信道资源单位。假定系统中每个候选网络都支持L种不同的业务，每种业务的呼叫到达率和离开率均服从泊松分布，并且每种业务的单个呼叫所需的平均信道资源为C_i(i＝1,2,3,…L)。

步骤三、终端进行周期性扫描，检测周围可用网络。在发现可用网络k后，获取网络的信道资源总数当前负载以及每种业务的呼叫到达率和离开率(i＝1,2,3,…L)。

步骤四、根据以上信息可得到网络k中，业务i在单位时间内增加个呼叫的概率为：

减少个呼叫的概率为：

单位时间内由业务i增加的负载可表示为：

则网络k中单位时间内所有业务增加的负载可表示为：

则候选网络k在切换时刻的负载可表示为

切换时刻的可用信道资源可表示为：

对于每一个候选网络，当切换时刻负载过重，可用信道资源小于业务的接入需求时，切换请求将会被拒绝。假设切换时发起的呼叫为第l(l＝1,2,3,…L)种呼叫，则切换时刻第k个候选网络中切换被阻塞的概率可表示为：

将式(6)代入式(7)可计算出切换时发生阻塞的概率，将阻塞概率大于门限值的网络从候选网络中删除。

步骤五、首先获取剩余候选网络的QoS参数信息，然后将QoS参数输入到图5所示的模糊推理系统中，并根据终端当前应用类型选择步骤一设计的隶属度函数进行模糊推理，最后比较每个网络的得分值，选择得分值最大的网络作为最佳切换网络，完成垂直切换。

我们首先对隶属度函数的设计进行分析，根据3GPP标准，终端不同类型的应用对QoS参数的需求是不同的，如64kbps的带宽能满足会话类应用的需求，但是完全不能满足流类应用的需求。因此，本发明根据每类应用的不同需求范围设计了不同的隶属度函数，下面给出具体的参数需求分析：

(1)带宽：候选网络的带宽是指候选网络所能提供的最大数据传输速率。不同类型的应用对带宽有不同的需求范围，以会话类应用为例，保持正常通信所需的数据速率为64kbps。当带宽大于64kbps时，通信质量随着带宽的增大而提高，而达到300kbps以上时，通信质量将不再发生明显提升。而当带宽小于64kbps时，会降低会话的服务质量，还可能会造成通话的中断，而带宽小于5kbps时，无法进行通信。

(2)时延：四类应用中，会话类应用对时延最为敏感，当时延为75ms左右时，能保证通话的正常进行。时延越小，声音越清晰，通话质量越好，小于30ms时，声音质量已经很好，不再有明显的变化。而时延大于100ms时，用户无法正常通信。

(3)抖动：抖动是指时延的变化。会话类应用和流类应用对抖动的要求较为严格。例如在流类应用中，抖动为30ms左右时，数据的传输可以保持一定的连续性和稳定性。抖动越小，流数据传输的稳定性越高，当抖动小于10ms时，服务质量不会再有明显提升。而抖动越大，接收端的数据流越不稳定，当抖动大于50ms时，服务质量会急剧下降，甚至造成传输中断。

(4)丢包率：丢包率是指一定时间内丢失数据包的数目占所有发送数据包的比值。交互类应用对丢包率最为敏感，当丢包率为10^-5左右时，用户可以正常的进行信息交互，丢包率越低，用户体验到的服务质量越好，当小于10^-6时，服务质量不再受丢包率影响。而当丢包率大于10^-5时，通信质量将会下降。大于10^-4时，将严重影响信息交互。

根据上述分析，本发明设计了图1-4所示的隶属度函数。

为了对本发明进行验证，我们在MATLAB平台上进行仿真实验，并设置如下仿真场景：场景内分布有1个LTE和4个WLAN，如图6所示，LTE和WLAN的半径分别为1000m和150m。终端的移动速度为65km/h。每隔一段时间随机改变运动方向，系统呼叫到达率和离开率均服从泊松分布，平均服务时间为60s。

为了进一步突出本发明的优越性，将本发明所提方法(Proposed VerticalHandover Algorithm,P-VHA)与TOPSIS方法、文献[杨剑波.多模智能终端在异构无线网络中的垂直切换技术研究[D].中国人民解放军信息工程大学,解放军信息工程大学,2013]中基于直觉模糊多属性的垂直切换方法(Intuitionist Fuzzy based Vertical HandoverAlgorithm,IF-VHA)和本发明中不进行负载筛选，只对隶属度函数进行改进的模糊垂直切换方法(Membership Function based Vertical Handover Algorithm,M-VHA)进行比较分析，TOPSIS采用AHP(Analytic Hierarchy Process,层次分析法)赋权，参数权值如表1所示。仿真中，假设终端在垂直切换决策时刻t获得的候选网络的QoS参数如表2所示，根据参数值得到图10-13所示的网络排名结果。

表1

表2

图7为四种方法的阻塞率曲线。可以看出，当λ≤2时，四种方法的阻塞率都很小，几乎为零。当λ>2时，M-VHA、TOPSIS和IF-VHA随着系统呼叫到达率的增加，阻塞率都明显增大，而本文方法的阻塞率在λ>4开始增加。此外，在相同到达率的情况下，本文方法的阻塞率最低。这是因为本文方法考虑了切换时刻负载状态的动态变化，通过对切换时刻的网络负载进行预测分析，剔除了不满足要求的网络，因此有效减少了切换阻塞率。

本文以流媒体应用为例，分析比较了四种方法在不同会话到达率下的吞吐量和平均切换次数。图8为四种方法的吞吐量随呼叫到达率的变化曲线。可以看出，当λ≤6时，四种方法的吞吐量都随着呼叫到达率的增加而迅速增加。IF-VHA和M-VHA在λ>6时吞吐量不再明显增加，而本文方法和TOPSIS方法的吞吐量在λ>8时不再明显增加。此外，在相同到达率的情况下，本文方法的吞吐量始终高于其它三种方法。这是因为在垂直切换判决时，IF-VHA和TOPSIS方法都不能充分考虑不同类型应用对QoS参数的需求，不能保证正常的数据传输；而M-VHA阻塞率高，网络资源的利用率低。本文方法则通过预测切换时刻的负载状态对候选网络进行筛选，并根据应用需求范围设计隶属度函数，充分考虑了负载状态的动态变化对切换性能的影响和每类应用在QoS需求上的差异，降低了阻塞和掉话的可能，从而有效保证数据流持续高效的传输。图9为四种方法的平均切换次数随呼叫到达率的变化曲线。可以看出，本文方法的平均切换次数始终略高于IF-VHA方法，但是低于TOPSIS方法，说明本文方法在提高吞吐量的同时，能有效降低不必要的切换次数。

由图10-13所示的网络排名可以看出，四类应用中，三种方法只有交互类应用的网络选择结果相同，都是以WLAN3作为最佳切换网络。

图10显示本文方法和IF-VHA均以LTE作为会话类应用的最佳切换网络，而TOPSIS则将WLAN3作为最佳切换网络。由上述参数需求分析可知，对于会话类应用，WLAN3的时延较大，不能满足会话类应用的QoS需求，LTE虽然提供的带宽很小，但是完全能满足应用需求。因此，将LTE作为最佳切换网络较为合适。

图12显示本文方法将WLAN3作为流类应用的最佳切换网络，而TOPSIS和IF-VHA则将WLAN2作为最佳切换网络。由上述参数需求分析可知，WLAN2的抖动过大，不能保证数据的正常传输，因此不适合作为切换的目标网络。所以，本文的选择结果更为合理。

图13显示本文方法中WLAN1、WLAN2和WLAN3的网络排名基本相同，而TOPSIS方法中WLAN2明显优于其它网络。由上述参数需求分析可知，WLAN1、WLAN2和WLAN3都能满足后台类应用的需求，都可作为目标网络。如果终端当前接入的网络为上述三个网络之一，则可继续保持当前连接，从而避免不必要的切换。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (5)

1.一种异构网络中面向终端个性化服务的模糊垂直切换方法，其特征在于，根据终端不同类型的应用在服务质量QoS需求上的差异设计以下垂直切换步骤：

101、首先在网络发现阶段，通过预测候选网络在切换时刻的负载状态，对候选网络进行筛选；

102、其次在切换判决阶段，划分终端的应用类型并根据每类应用对QoS参数的需求范围，设计不同的隶属度函数，其中QoS参数包括带宽、时延、抖动和丢包率，然后获取步骤101筛选后的候选网络的QoS参数信息，将QoS参数输入到模糊推理系统中，根据设计的隶属度函数进行模糊推理、反模糊化，系统最后的输出是网络的得分值，最后比较每个网络的得分值，选择得分值最大的网络作为最佳切换网络，完成垂直切换。

2.根据权利要求1所述的面向终端个性化服务的模糊垂直切换方法，其特征在于，所述终端的应用根据3GPP标准分为四种，分别是会话类应用、交互类应用、流类应用和后台类应用，然后选取带宽、时延、抖动和丢包率这四种参数作为评价候选网络QoS的指标，并根据每类应用对每种参数的具体需求范围设计隶属度函数。

3.根据权利要求1或2所述的面向终端个性化服务的模糊垂直切换方法，其特征在于，所述异构无线网络模型由LTE和WLAN两种接入技术组成，LTE和WLAN均采用OFDM调制，并将一个时隙和一个子信道构成的二维单元作为系统的基本信道资源单位，假定系统中每个候选网络都支持L种不同的业务，每种业务的呼叫到达率和离开率均服从泊松分布，并且每种业务的单个呼叫所需的平均信道资源为C_i(i＝1,2,3,…L)。

4.根据权利要求3所述的面向终端个性化服务的模糊垂直切换方法，其特征在于，所述步骤101中在网络发现阶段，通过预测候选网络在切换时刻的负载状态，对候选网络进行筛选具体包括步骤：

终端进行周期性扫描，检测周围可用网络，在发现可用网络k后，获取网络的信道资源总数当前负载以及每种业务的呼叫到达率和离开率

根据以上信息可得到网络k中，业务i在单位时间内增加个呼叫的概率为：

$P(X=m_i^k)=\frac{{\left({\mathrm{\λ}}_i^k\right)}^{m_i^k}}{m_i^k!}{e}^{-{\mathrm{\λ}}_i^k}---\left(1\right)$

减少个呼叫的概率为：

$P(X=n_i^k)=\frac{{\left({\mathrm{\μ}}_i^k\right)}^{n_i^k}}{n_i^k!}{e}^{-{\mathrm{\μ}}_i^k}---\left(2\right)$

单位时间内由业务i增加的负载可表示为：

$C_i^k=(m_i^k-n_i^k)C_i---\left(3\right)$

则网络k中单位时间内所有业务增加的负载可表示为：

${\mathrm{\ΔC}}^k=\underset{i=1}{\overset{L}{\Σ}}{C}_i^k=\underset{i=1}{\overset{L}{\Σ}}(m_i^k-n_i^k)C_i---\left(4\right)$

则候选网络k在切换时刻的负载可表示为

$L_h^k=L_d^k+{\mathrm{\ΔC}}^k=L_d^k+\underset{i=1}{\overset{L}{\Σ}}(m_i^k-n_i^k)C_i---\left(5\right)$

切换时刻的可用信道资源可表示为：

$C_h^k=C_{max}^k-L_h^k=C_{max}^k-L_d^k-\underset{i=1}{\overset{L}{\Σ}}(m_i^k-n_i^k)C_i---\left(6\right)$

对于每一个候选网络，当切换时刻负载过重，可用信道资源小于业务的接入需求时，切换请求将会被拒绝；假设切换时发起的呼叫为第l种呼叫，l＝1,2,3,…L，则切换时刻第k个候选网络中切换被阻塞的概率可表示为：

$P_b^k=P(C_h^k<C_l)---\left(7\right)$

将式(6)代入式(7)可计算出切换时发生阻塞的概率，将阻塞概率大于门限值的网络从候选网络中删除。

5.根据权利要求2所述的面向终端个性化服务的模糊垂直切换方法，其特征在于，所述并根据每类应用对每种参数的具体需求范围设计隶属度函数，每种参数有三个模糊集，分别为：低、中、高。其中模糊集“低”和“高”使用梯形隶属度函数，表达式为：

$A\left(x\right)=\left\{\begin{array}{cc}0,& x<a\\ \frac{x-a}{b-a},& a\&le;x<b\\ 1,& b\&le;x<c\\ \frac{d-x}{d-c},& c\&le;x<d\\ 0,& d\&le;x\end{array}\right.---\left(8\right)$

模糊集“中”使用三角隶属度函数，表达式为:

$A\left(x\right)=\left\{\begin{array}{cc}0,& x<a\\ \frac{x-a}{b-a},& a\&le;x<b\\ \frac{c-x}{c-b},& b\&le;x<c\\ 0,& c\&le;x\end{array}\right.---\left(9\right).$