CN110418363A - 基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法 - Google Patents

Abstract

本发明公开了一种基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，包括1、分析异构网络中垂直切换场景，2、一种改进熵权法，3、通过灰色关联分析法求得每个候选网络与理想网络的灰色关联度，4、根据步骤2和步骤3的结果，求得候选网络与理想网络的灰色加权关联度，并对此进行排序，获得最佳的候选网络。本发明可以有效减少切换次数和降低反转现象，与其他垂直切换判决算法相比具有更好的性能。

Description

基于改进熵权和灰色关联分析法的异构无线网络垂直切换 方法

技术领域

本发明涉及一种异构无线网络垂直切换算法，通过垂直切换算法更好地实现异构网络中多模终端的垂直切换，属于无线通信技术领域。

背景技术

随着无线通信和信息技术的快速发展，下一代无线系统将包括多个无线网络，如UMTS，4G，WLAN等。这些无线网络在类型，容量，带宽，技术等方面存在差异，网络系统和结构变得越来越复杂。这种复杂的异构无线网络环境更加要求终端具能够灵活，快速，准确的在不同网络之间切换。同时对于不同的服务区域，MMT需要访问不同的网络。但是，由于网络性能和终端服务方式的不同，单一类型的网络永远无法满足用户的所有需求。因此为终端提供更好的网络服务，在复杂的异构无线网络中选择最合适的网络对于终端来说时极其重要的，提高终端垂直切换的能力，成为下一代网络发展的必然发展趋势。

发明内容

发明目的：为了解决复杂的异构网络环境中，多模终端选择最佳的接入网络的问题，本发明提供一种基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，本发明能更好地选择最佳的接入网络，同时能减少垂直切换的次数以及翻转现象。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，未来的网络场景将是由多个网络和多个多模终端(MMT)组成，主要包括4G、UMTS、UMTS、WIFI等。因此在具有不同服务以及不同网络的环境下，为MMT提供无缝切换和最佳连接变得极其重要。垂直切换将是下一代无线网络的关键技术。本发明使用改进的熵权法获得网络属性的客观权重，其次通过灰色关联分析法获得候选网络与理想网络的灰色关联度。最后将两者结合并获得候选网络加权关联度，同时对加权关联度进行排序从而选择出最佳网络并进行切换。具体包括以下步骤：

步骤1，根据异构网络中垂直切换场景确定候选网络以及每个网络拥有的属性；

步骤2，根据步骤1得到的候选网络以及每个网络拥有的属性采用改进熵权法获得每个候选网络属性的客观权重：

有m个候选网络，同时每个网络拥有n个属性，决策矩阵定义为：

X＝(x_ab)_m×n a＝1,2,...,m,b＝1,2,...,n (1)

其中，X表示决策矩阵，x_ab表示第a个候选网络第b个属性的决策；

将第a个候选网络第b个属性的决策进行标准化处理，对标准化处理后的值进行归一化处理，得到相应的归一化参数r_ab；

则每个属性的信息熵为：

其中，p_b表示第b个属性的信息熵，t表示1/ln(n)；

每个属性的客观权重表示为：

其中，e_b＝1-P_b，w_b表示第b个属性的的客观权重；

步骤3，通过灰色关联分析法求得每个候选网络与理想网络的灰色关联度；

将候选网络的每个属性的最佳值作为参考序列，且每个网络存在n个属性，参考序列为：

X₀＝(x₀(1),x₀(2),...,x₀(b),...,x₀(n)) (6)

比较序列为：

X_a＝(x_a(1),x_a(2),...,x_a(b),...,x_a(n)),a＝1,2,...m (7)

其中，X₀表示参考序列，x₀(b)表示候选网络第b个属性的最佳值，X_a表示比较序列，x_a(b)表示第a个候选网络第b个属性的实际值；

由于每个网络属性的物理意义以及数量级的不同，需要对其继续无量纲化处理：

参考序列和比较序列之间的两级最小和最大差异分别为：

最后求得每个候选网络与理想网络的灰色关联度为：

其中，ζ_a(b)表示每个候选网络与理想网络的灰色关联度，ρ表示分辨系数；

步骤4，根据步骤2得到的每个候选网络属性的客观权重和步骤3得到的每个候选网络与理想网络的灰色关联度，求得候选网络与理想网络的灰色加权关联度，并对此进行排序，获得最佳的候选网络；

所述步骤4中求出候选网络与理想网络之间的灰色加权关联度，并对此进行排序，具体方法如下：

结合公式(5)和公式(10)求得候选网络的加权关联度：

其中，r_a表示候选网络与理想网络的灰色加权关联度，

对候选网络与理想网络的灰色加权关联度进行排序，选取灰色加权关联度最大的作为最佳的接入网络，完成网络的垂直切换；

优选的：步骤2中标准化公式为：

其中，y_ab表示属性参数标准化值，表示属性的最大值，表示属性的最小值。

优选的：步骤2中对标准化值进行归一化处理，得到相应的归一化参数r_ab：

其中，r_ab表示归一化参数。

优选的：所述分辨系数ρ∈(0,1)。

优选的：所述分辨系数ρ取0.5。

本发明相比现有技术，具有以下有益效果：

第一，本发明充分考虑了网络的多个属性，考虑了影响网络切换的多种因素，更贴切实际异构网络环境。

第二，本发明对熵权法进行了改进，添加了数据标准化处理部分，保证了数据的合理性、公平性。

第三，本发明将改进的熵权法和灰色关联分析法进行结合，能更好地选择最佳的接入网络，同时能减少垂直切换的次数以及翻转现象

附图说明

图1为基于改进熵权和灰色关联分析法的异构无线网络决策算法方案设计流程图。

图2为异构无线网络场景图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，如图1所示，主要包括分析异构网络垂直切换场景、运用改进熵权法获得网络属性权重、运用灰色关联分析法获得候选网络与理想网络的关联度、结合改进熵权法和灰色关联分析法求得加权关联度并排序，具体包括以下步骤：

步骤1，分析异构网络中垂直切换场景。随着通信和信息技术的快速发展，未来网络系统和结构变得越来越复杂。未来网络系统将会是由多种网络包括4G、UMTS1、WIFI以及多模终端MMT组成的异构无线网络环境，其将会是由多种网络包括4G、UMTS1、WIFI以及多模终端MMT组成的异构无线网络环境，这些无线网络在类型，容量，带宽，技术等方面存在较大差异。如何在这些异构网络中实现垂直切换需要首先进行场景分析确定候选网络以及每个网络拥有的属性。

步骤2，根据步骤1的分析结果，提出一种改进熵权法。通过改进熵权法获得每个候选网络属性的客观权重作为网络选择的参考依据。

假设有m个候选网络，同时每个网络拥有n个属性，因此决策矩阵可以定义为：

X＝(x_ab)_m×n a＝1,2,...,m,b＝1,2,...,n (1)

其中，a表示第a个候选网络，b表示网络a的第b个属性。将数据进行标准化处理，标准化公式是：

其中，y_ab表示属性参数标准化值，表示属性的最大值，表示属性的最小值。

对标准化值进行归一化处理：

r_ab表示归一化处理后的参数，因此可求得每个属性的信息熵为：

通常网络属性的信息熵越小，则提供的信息越多，权重越大。因此为了将权重和网络属性的信息熵成正相关，取e_b＝1-P_b。eb的值越大，属性重要性越高，即属性权重越大。属性的客观权重可以表示为：

步骤3，通过灰色关联分析法求得每个候选网络与理想网络的灰色关联度。

将候选网络的每个属性的最佳值作为参考序列，每个网络存在n个属性，因此参考序列可以定义为：

X₀＝(x₀(1),x₀(2),...,x₀(n)) (6)

将比较序列定义为：

X_a＝(x_a(1),x_a(2),...,x_a(n)),a＝1,2,...m (7)

由于每个网络属性的物理意义以及数量级的不同，所以需要对其继续无量纲化处理：

因此，参考序列和比较序列之间的两级最小和最大差异可以分别定义为：

最后可以求得灰色关联度为：

其中ρ表示分辨系数，ρ∈(0,1)，一般ρ取0.5。

步骤4，根据步骤2和步骤3的结果，求得候选网络与理想网络的灰色加权关联度，并对此进行排序，求得最佳的候选网络。

结合公式(5)和公式(10)求得候选网络的加权关联度为：

对候选网络的关联度进行排序，选取关联度最大的作为最佳的接入网络，完成网络的垂直切换。

综上所述，本发明是对异构网络中网络拓扑结果复杂、传统垂直切换算法切换次数和反转率较高提出一种基于改进熵权和灰色关联分析法的异构无线网络垂直切换决策算法。该方法充分考虑了网络的多个属性，考虑了影响网络切换的多种因素，更贴切实际异构网络环境。

对熵权法进行了改进，添加了数据标准化处理部分，保证了数据的合理性、公平性。同时将改进的熵权法和灰色关联分析法进行结合，更好地选择最佳的接入网络，相比现有的算法减少垂直切换的次数以及翻转现象。仿真结果表明，该算法可以有效减少切换次数和降低反转现象。与其他垂直切换判决算法相比具有更好的性能。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，其特征在于，包括以下步骤：

步骤1，根据异构网络中垂直切换场景确定候选网络以及每个网络拥有的属性；

步骤2，根据步骤1得到的候选网络以及每个网络拥有的属性采用改进熵权法获得每个候选网络属性的客观权重：

有m个候选网络，同时每个网络拥有n个属性，决策矩阵定义为：

X＝(x_ab)_m×n a＝1,2,...,m,b＝1,2,...,n (1)

其中，X表示决策矩阵，x_ab表示第a个候选网络第b个属性的决策；

将第a个候选网络第b个属性的决策进行标准化处理，对标准化处理后的值进行归一化处理，得到相应的归一化参数r_ab；

则每个属性的信息熵为：

其中，p^b表示第b个属性的信息熵，t＝1/ln(n)；

每个属性的客观权重表示为：

其中，e_b＝1-P_b，w_b表示第b个属性的的客观权重；

步骤3，通过灰色关联分析法求得每个候选网络与理想网络的灰色关联度；

将候选网络的每个属性的最佳值作为参考序列，且每个网络存在n个属性，参考序列为：

X₀＝(x₀(1),x₀(2),...,x₀(b),...,x₀(n)) (6)

比较序列为：

X_a＝(x_a(1),x_a(2),...,x_a(b),...,x_a(n)),a＝1,2,...m (7)

其中，X₀表示参考序列，x₀(b)表示候选网络第b个属性的最佳值，X_a

表示比较序列，x_a(b)表示第a个候选网络第b个属性的实际值；

由于每个网络属性的物理意义以及数量级的不同，需要对其继续无量纲化处理：

参考序列和比较序列之间的两级最小和最大差异分别为：

最后求得每个候选网络与理想网络的灰色关联度为：

其中，ζ_a(b)表示每个候选网络与理想网络的灰色关联度，ρ表示分辨系数；

步骤4，根据步骤2得到的每个候选网络属性的客观权重和步骤3得到的每个候选网络与理想网络的灰色关联度，求得候选网络与理想网络的灰色加权关联度，并对此进行排序，获得最佳的候选网络；

所述步骤4中求出候选网络与理想网络之间的灰色加权关联度，并对此进行排序，具体方法如下：

结合公式(5)和公式(10)求得候选网络的加权关联度：

其中，r_a表示候选网络与理想网络的灰色加权关联度，

对候选网络与理想网络的灰色加权关联度进行排序，选取灰色加权关联度最大的作为最佳的接入网络，完成网络的垂直切换；

2.根据权利要求1所述基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，其特征在于：步骤2中标准化公式为：

其中，y_ab表示属性参数标准化值，表示属性的最大值，表示属性的最小值。

3.根据权利要求2所述基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，其特征在于：步骤2中对标准化值进行归一化处理，得到相应的归一化参数r_ab：

其中，r_ab表示归一化参数。

4.根据权利要求3所述基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，其特征在于：所述分辨系数ρ∈(0,1)。

5.根据权利要求4所述基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法，其特征在于：所述分辨系数ρ取0.5。