CN1558579A - 优化业务分配的信道自适应路由方法 - Google Patents

Abstract

本发明提供了一种在移动通信系统中基于接收机的信道自适应来实现最短径路由的方法，所述方法包括步骤：移动台实时收集所述移动通信网络的信息；所述移动台对于与其他移动台之间的信道进行质量估计，并且确定与其他移动台之间的调制速率；所述移动台通过以下的公式计算与其他移动台之间链路i的信道质量因数；基于以下的公式来确定移动台X与移动台Y之间链路i的链路代价；每个所述移动台维持一个链路状态矩阵CSM；基于所述链路状态矩阵，确定所述移动台到目的节点的最短路径和次短径路由；计算向最短路径和次短路径分配业务的优化概率，并且按照上述概率分别向最短路径和次短路径分配业务。

Description

优化业务分配的信道自适应路由方法

技术领域

本发明涉及一种采用自适应调制技术的无线系统，尤其涉及无线路由网络(“Mesh”网络)、自组织(Ad hoc)移动网络和中继系统中的路由方法。

背景技术

自组织(Ad hoc)移动网络方便、快捷、不受时间和地点限制的特点，使其不仅可以单独使用，满足人们直接通信的需求，而且可以叠加在现有基础设施的网络上，以加强覆盖和扩展业务，为用户提供自适应的、灵活的接入服务。

无线路由网络(“Mesh”网络)是一种将宽带业务扩展到大量低端用户市场的有效方案，它降低了对无线视距传输的要求，并且组网形式灵活，代价低廉，是未来通信极具发展前景的十大技术之一。

但是，这些网络面临的主要问题之一是路由选择。优化的路由方法应该是基于目前的网络状态，即应该是动态或自适应的。对于“Mesh”网络、Ad hoc移动网络及中继系统来讲，由于其动态的拓扑结构和无线资源的限制，使路由算法的研究更富有挑战性。

无线通信系统的性能受移动无线信道的制约，而无线信道是极其复杂的。路径损失、信号的多径传输以及移动引起的多普勒频移等都将使信号产生衰落，同时无线用户的大量增加和不断增长的对高速多媒体业务的需求，要求未来无线网络能够提供更高的数据速率和更大的带宽。这种需求并非不可达到，优化信道状况的自适应调制和编码技术，可以极大地提高带宽利用率。如果将自适应调制技术引入“Mesh”网络、移动Ad hoc网络及中继系统中，并作为选择路由的判据，则有可能获得源节点到目的节点之间的最小传输时延和最大吞吐量。

考虑链路状态的路由协议中，基于关联的按需路由协议(ABR)，其主要目标在于提供节点间最稳定的路径，这样可以降低重建路由的频率，从而降低开销，节省带宽资源。信号稳定路由(SSR)将建立一条最短并且都在强信号链路上的最佳路径，它同样考虑了连接的稳定度问题。基于分集码的多径路由协议，对每个数据分组进行编码，并以优化的方法将编码后的信息在多条路径上分配，以最小化分组丢失率，平衡业务，改进系统的端到端时延性能。

但是，如果只考虑信道状况，以调制速率的高低为判据来选择路由，有可能使所有节点都选择最高调制速率的链路，这样势必会在某些接收节点处造成拥塞，引起大的时延和分组丢失，从而浪费宝贵的无线资源。

发明内容

考虑到无线信道的不可靠和不稳定因素，本发明提出一种适用于“Mesh”网络、自组织移动Ad hoc网络和中继系统的路由方法，即优化业务分配的信道自适应路由方法(OSD-CASPR)。如果源节点和目的节点之间存在着多条路径，根据本发明的方法能够根据不同的路径带宽来优化分组在这些路径上的路由，以实现整个网络平均分组时延最小的目标。

根据本发明，提供了一种在移动通信系统中优化业务分配的信道自适应路由方法，所述方法包括步骤：

(1)移动台实时收集所述移动通信网络的信息；

(2)所述移动台对于与其他移动台之间的信道进行质量估计，并且确定与其他移动台之间的调制速率；

(3)所述移动台通过以下的公式计算与其他移动台之间链路i的信道质量因数： $Q_i\left(t\right)=\frac{C_i\left(t\right)}{C_0},$

其中i＝0，1，2，...k-1，C₀代表最佳信道状态条件下的最大传输速率，C_i代表两个移动台X和Y之间链路i的实际调制速率；

(4)基于以下的公式来确定移动台X与移动台Y之间链路i的链路代价：

$C_{\mathrm{XY}}=\frac{1}{Q_{\mathrm{XY}}}$

其中Q_xy是移动台X与移动台Y之间链路i的信道质量因数；

(5)每个所述移动台维持一个链路状态矩阵CSM，即

 CSM＝{E(x，y)_N×N|1≤x，y≤N}

$E(x,y)=E_x^y\left(t\right)=\frac{1}{Q_{\mathrm{XY}}}$ $E_x^y\left(t\right)\∈\{\∞,E_0,E_{1_{,}},...E_i...E_{k-1}\};$

(6)基于所述链路状态矩阵，确定所述移动台到目的节点的最短路径和次短径路由；

(7)通过以下公式计算向最短路径分配业务的优化概率P₁ ^*： $P_1^{*}=\frac{\sqrt{V_1}}{\sqrt{V_1}+\sqrt{V_2}}+\frac{\sqrt{V_1\×V_2}}{\mathrm{a\λ}\×(\sqrt{V_1}+\sqrt{V_2})}\×(\sqrt{V_1}-\sqrt{V_2}),$ 其中V₁，V₂是最短路径和次短路径的瓶颈容量，a示分组的长度，λ是节点的分组到达率。通过以下公式计算向次短路径分配业务的优化概率P₂ ^*：

$P_2^{*}=1-P_1^{*}$

这里， $0\&le;\mathrm{\&lambda;}{P}_i^{*}<{\mathrm{\&mu;}}_i,$ 其中μ_i是链路i的链路容量；

(8)按照上述概率分别向最短路径和次短路径分配业务。

下面介绍本专利中将要用到的术语：

R：候选路由集，由路由选择算法产生。

δ_r ⁱ：链路i被选择作为路由r的链路的概率。

λ_r：r路径上的分组到达率

C_r ⁱ(t)：r路径上i链路的容量，所以链路i的服务速率为 ${\mathrm{\&mu;}}_r^i=\frac{C_r^i\left(t\right)}{a},$ 也就是以分组表示的链路容量。

V_r(t)：路径r的瓶颈容量，是随时间而变化的， $r=\mathrm{1,2},...$

$V_r\left(t\right)=\min \left\{C_r^i\left(t\right)\right\},i=\mathrm{1,2},...,$

以分组表示的容量为： ${\mathrm{\&mu;}}_r\left(t\right)=\frac{V_r\left(t\right)}{a}$ P_r(t)：在时间t，选择路径r路由分组的概率，P_r(t)∈[0，1]

      并且∑P_r(t)＝1P_r ^*(t)：对应于优化目标函数的P_r(t)。

T_r(t)：时间t，经过路径r的稳态平均分组时延。

附图说明

下面参考附图并结合实施例详细描述本发明，其中：

图1是多径分配业务的示意图；

图2是单径和两径分组时延性能的比较。

具体实施方式

如图1所示，多径路由就是指源节点和目的节点之间存在有多条候选路径。下面结合具体实施例来描述本发明的自适应路由方法。

第一步，对信道进行分析建模：

自适应调制系统中，信道的信噪干扰比(SINR)已经被量化为若干阶，并与一定的调制方式一一对应，因此，自适应调制系统的信道变迁转移可以用多状态马尔可夫链来表示。

在瑞利信道下，令A代表接受信号的信噪比，则A与信号包络的平方成正比。A的概率密度分布是指数形式的，可以写成 $p_A\left(a\right)=\frac{1}{\mathrm{\&rho;}}\exp \{-\frac{a}{\mathrm{\&rho;}}\}$ 这里，ρ＝E[A]，  a≥0      (1)

令f_m代表最大多普勒频移，在蜂窝移动通信中， $f_m=\frac{v}{\mathrm{\&lambda;}},$ 其中，v为移动台的速度，λ为波长。而在移动Ad hoc网络中，相互通信的双方都在运动，具有双倍的移动性，这时的最大多普勒频移 $f_m=f_{m1\&RightArrow;2}=\frac{v1+v2}{c}{f}_c,$ 其中，v₁、v₂为节点的速度，f_c为载频。则单位时间内，信噪比衰落至某一给定水平a的次数(类似于电平通过率，可称为信噪比通过率)N_a是一个由f_m和p_A(a)共同影响的函数，则有：

$N_a=\sqrt{\frac{2\mathrm{\&pi;a}}{\mathrm{\&rho;}}}{f}_m\exp \{-\frac{a}{\mathrm{\&rho;}}\}--\left(2\right)$

令0＝A₀＜A₁＜A₂＜…＜A_K＝∞为SNR的阈值。可以将瑞利信道的信噪比量化为K个状态。如果a∈[A_k，A_k+1)，则称a属于状态s_k，k＝0，1，…，K-1，而这些状态，在自适应调制系统中，可以与不同的调制编码组合方式相对应。

根据式(1)，可以写出信噪比在k状态的稳态概率为：

$p_k={\&Integral;}_{A_k}^{A_{k+1}}\frac{1}{\mathrm{\&rho;}}\exp \{-\frac{x}{\mathrm{\&rho;}}\}\mathrm{dx}=\exp \{-\frac{A_k}{\mathrm{\&rho;}}\}-\exp \{-\frac{A_{k+1}}{\mathrm{\&rho;}}\}--\left(3\right)$

在我们的研究中，假定信道的衰落足够慢，使得状态的改变只可能发生在相邻状态之间。这个假设在实际应用中的意义在于对信道的预测和反馈能够跟得上信道的变化。令p_i，j表示状态i，j之间的转移概率，则有p_i，j＝0，|i-j｜＞1。

基于这样的假设，下面求转移概率p_i，j。

由于转移只能在相邻状态之间。那么，事件：从状态k向状态k-1的转移概率应当是阈值为A_k的信噪比通过率除以每秒内发生k状态的次数。设链路的符号速率为Rsymbols/s，则每秒内，发生k状态的次数可以用每秒内在k状态传送的符号数目R^k来表示，并有

R^k＝R×p_k。           (4)记每秒内SINR下降至门限A_k之下的次数为N_k，k＝1，2，3，…，K-1。

由(2)，有

$N_k=\sqrt{\frac{2\mathrm{\&pi;}{A}_k}{\mathrm{\&rho;}}}{f}_m\exp \{-\frac{A_k}{\mathrm{\&rho;}}\}--\left(5\right)$

则，可得马尔可夫链的转移概率为：

$p_{k,k+1}=\frac{N_{k+1}}{R^k},k=\mathrm{0,1,2,3},...,K-2----\left(6\right)$

$p_{k,k-1}=\frac{N_k}{R^k},k=\mathrm{1,2,3},...,K-2.--\left(7\right)$

p_k，k＝1-p_k，k+1-p_k，k-1，k＝1，2，3，…，K-2    (8)

p_0，0＝1-p_0，1；p_K-1，K-1＝1-p_K-1，K-2        (9)

可以通过马尔可夫链的平衡特性验证上述推导。

例如，在状态S₀，根据平衡方程，有p₀×p_0，1＝p₁×p_1，0                                  (10)将(4)-(6)式代入(10)，方程左右两边都等于N₁/R同样，可以验证状态S_k下的平衡方程。p_k×(p_k，k+1+p_k，k-1)＝p_k-1×p_k-1，k+p_k+1×p_k+1，k    (11)再将(4)-(6)式代入(11)，可以看到方程左边为

$\frac{R^k}{R}\&times;(\frac{N_{k+1}}{R^k}+\frac{N_k}{R^k})=\frac{1}{R}(N_{k+1}+N_k)$

方程右边等于

$\frac{R^{k-1}}{R}\&times;\frac{N_k}{R^{k-1}}+\frac{R^{k+1}}{R}\&times;\frac{N_{k+1}}{R^{k+1}}=\frac{1}{R}(N_{k+1}+N_k)$

方程左右两边是相等的，这证明上述的转移概率和稳态概率求取方法能够满足马尔可夫链的稳态平衡特性。

上面讨论中，(3)式中的A₀、A₁、A₂、…A_K等值都是预先设定的。因此，信道信噪比(SNR)处于状态S_k的概率分布仅与ρ有关。如果发射功率一定，接收机结构相同，则ρ的大小主要受路径损耗的影响。不同的位置，移动台的ρ值不一样，使得它们所对应的马尔可夫链的稳态概率和各状态间的转移概率也不一样。另外，如果能够测量出节点的移动速度，根据公式 $f_m=f_{m1\&RightArrow;2}=\frac{v1+v2}{c}{f}_c$ 以及式(4)-(6)式可以估算出状态转移概率。如果节点移动速度不能够测量，则需要节点依据实际测量的SNR变化情况，直接进行统计分析，求出状态转移概率。

SNR的状态是与一定的调制阶数和信道编码方案一一对应的，而调制阶数和信道编码方案又对应着一定的链路传输速率。因此，我们可以将上述马尔可夫链的各个状态与相应的链路传输速率相对应，就得到了速率变化的马尔可夫链路模型。

信道自适应最短径路由的研究中，由于运用有限状态马尔可夫信道模型对衰落信道进行建模，并且采用了自适应信道编码和调制技术。移动终端之间的时变信道所产生的信道吞吐量也是时变的。这样就可以在路由的研究中，将物理层的技术细节屏蔽起来，使得研究易于进行。

第二步，建立路由表，用矩阵来记录每对节点之间的即时链路状况和转移到下一状态的概率。

第三步，计算信道质量因数。如果用S＝{C₀，C₁，…C_k-1}代表一系列有限的信道状态，C₀代表最好信道状态条件下的最大传输速率(也就是对应于最高的调制阶数)，C_i代表两个终端之间链路i的实际调制速率，则两个终端之间链路i的信道质量因数为： $Q_i\left(t\right)=\frac{C_i\left(t\right)}{C_0}$ i＝0，1，2，...k-1，由它反映信道质量的好坏。所以，最好链路的质量因数是1，而其它链路的质量因数随着C_i的减小而小于1。

第四步，计算链路代价。在基于接收机的信道自适应最短径路由(RB-CASPR)中，链路代价是

$C_{\mathrm{XY}}=\frac{1}{Q_{\mathrm{XY}}}$

其中， 是X到Y链路代价的信道质量部分。

第五步，每个移动台维持一个链路状态矩阵(CSM)。

CSM＝{E(x，y)_N×N|1≤x，y≤N}

$E(x,y)=E_x^y\left(t\right)=\frac{1}{Q_{\mathrm{XY}}},$ $E_x^y\left(t\right)\&Element;\{\&infin;,E_0,E_{1_{,}},...E_i...E_{k-1}\}$

如果E_x ^y(t)不等于无穷，则说明节点x能够直接发送数据包给节点y。否则，节点x和节点y则不能直接通信。

第六步，根据连接状态矩阵CSM，每一个源移动台利用基于贝尔曼-福特(Bellman-Ford)最短路径算法的距离向量方法来寻找最短径和次短径路由。

第七步，计算每条路径上分配业务的概率，并按照概率分配业务。

根据前面的定义，路径r上的分组到达率为λP_r。在时间t，路径r上的稳态平均分组时延：

${\stackrel{\&OverBar;}{T}}_r\left(t\right)=\frac{1}{{\mathrm{\&mu;}}_r\left(t\right)-\mathrm{\&lambda;}{P}_r\left(t\right)}$

             这里，λP_r(t)≤μ_r(t)链路i上的全部分组到达率为： $\underset{r\&Element;R}{\mathrm{\&Sigma;}}{\mathrm{\&lambda;}}_r{\mathrm{\&delta;}}_r^i{P}_r$ 所以整个网络时延： $\stackrel{\&OverBar;}{T}=\frac{1}{\mathrm{\&gamma;}}\underset{i\&Element;A}{\mathrm{\&Sigma;}}\frac{\underset{r\&Element;R}{\mathrm{\&Sigma;}}{\mathrm{\&lambda;}}_r{\mathrm{\&delta;}}_r^i{P}_r}{\frac{C_r^i}{a}-\underset{r\&Element;R}{\mathrm{\&Sigma;}}{\mathrm{\&lambda;}}_r{\mathrm{\&delta;}}_r^i{P}_r}$ 路由选择问题是确定路由选择概率P_r，使：

$\stackrel{\&OverBar;}{T}=\min \left\{\frac{1}{\mathrm{\&gamma;}}\underset{i\&Element;A}{\mathrm{\&Sigma;}}\frac{\underset{r\&Element;R}{\mathrm{\&Sigma;}}{\mathrm{\&lambda;}}_r{\mathrm{\&delta;}}_r^i{P}_r}{\frac{C_r^i}{a}-\underset{r\&Element;R}{\mathrm{\&Sigma;}}{\mathrm{\&lambda;}}_r{\mathrm{\&delta;}}_r^i{P}_r}\right\}--\left(1\right)$

约束条件：

$a\underset{r\&Element;R}{\mathrm{\&Sigma;}}{\mathrm{\&lambda;}}_r{\mathrm{\&delta;}}_r^i{P}_r\&le;C_r^i---\&ForAll;i\&Element;A--\left(2\right)$

$\underset{r\&Element;R}{\mathrm{\&Sigma;}}{P}_r=1--\left(3\right)$

约束关系(2)保证每一条链路上的业务量不超过其容量，(3)式保证每一分组一条路由。上述是多选择、多约束条件的优化问题，即是一个NP完备问题。

考虑到寻找路由以及存储路由表的代价和开销，在本发明中将多径路由限制为两条路径。也就是OSD-CASPR在寻路过程中，根据信道质量因数，不仅保留最小代价路径，同时还保存了源节点到目的节点之间的次小代价路径。

在OSD-CASPR路由中，如果业务量较小时，则利用单路径传输全部业务，这时即为CASPR路由；当业务量增加到一定程度时，则利用最短路径和次短路径传输业务。

下面讨论两条路径上的业务分配问题。

若要求这两条路径的链路总代价平衡，这时应该有：

$\frac{\&PartialD;(P_1\&times;\stackrel{\&OverBar;}{T_1})}{\&PartialD;P_1}|P_1^{*}=\frac{\&PartialD;(P_2\&times;\stackrel{\&OverBar;}{T_2})}{\&PartialD;P_2}|P_2^{*}\&le;\frac{\&PartialD;(P_l\&times;\stackrel{\&OverBar;}{T_l})}{\&PartialD;P_l}|P_l^{*}=0---\&ForAll;l\&NotEqual;\mathrm{1,2}$

也就是

$\frac{{\mathrm{\&mu;}}_1}{{({\mathrm{\&mu;}}_1-\mathrm{\&lambda;}{P}_1^{*})}^2}=\frac{{\mathrm{\&mu;}}_2}{{({\mathrm{\&mu;}}_2-\mathrm{\&lambda;}{P}_2^{*})}^2}$

可以得出，选择路径V₁分配业务的优化概率：

$P_1^{*}=\frac{\sqrt{{\mathrm{\&mu;}}_1}}{\sqrt{{\mathrm{\&mu;}}_1}+\sqrt{{\mathrm{\&mu;}}_2}}+\frac{\sqrt{{\mathrm{\&mu;}}_1\&times;{\mathrm{\&mu;}}_2}}{\mathrm{\&lambda;}\&times;(\sqrt{{\mathrm{\&mu;}}_1}+\sqrt{{\mathrm{\&mu;}}_2})}\&times;(\sqrt{{\mathrm{\&mu;}}_1}-\sqrt{{\mathrm{\&mu;}}_2})$

即 $P_1^{*}=\frac{\sqrt{V_1}}{\sqrt{V_1}+\sqrt{V_2}}+\frac{\sqrt{V_1\&times;V_2}}{\mathrm{a\&lambda;}\&times;(\sqrt{V_1}+\sqrt{V_2})}\&times;(\sqrt{V_1}-\sqrt{V_2})$

选择路径V₂分配业务的优化概率：

$P_2^{*}=1-P_1^{*}$

这里， $0\&le;\mathrm{\&lambda;}{P}_i^{*}<{\mathrm{\&mu;}}_i,$ 其中μ_i是链路i的链路容量。如果两条路径的瓶颈容量为：

${\mathrm{\&mu;}}_{12}=\underset{l=1}{\overset{2}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_l$

根据前面的讨论可以有下面的业务分配算法：在路径1上分配业务：

${\mathrm{\&mu;}}_1-\frac{\sqrt{{\mathrm{\&mu;}}_1}\&times;({\mathrm{\&mu;}}_{12}-\mathrm{\&lambda;})}{\underset{l=1}{\overset{2}{\mathrm{\&Sigma;}}}\sqrt{{\mathrm{\&mu;}}_l}},i=\mathrm{1,2}$

即 $\frac{V_1}{a}-\frac{\sqrt{V_1}\&times;(\frac{V_{12}}{a}-\mathrm{\&lambda;})}{\underset{l=1}{\overset{2}{\mathrm{\&Sigma;}}}\sqrt{V_l}},$ i＝1，2，其中a是分组的长度。在路径2上分配业务：

${\mathrm{\&mu;}}_2-\frac{\sqrt{{\mathrm{\&mu;}}_2}\&times;({\mathrm{\&mu;}}_{12}-\mathrm{\&lambda;})}{\underset{l=1}{\overset{2}{\mathrm{\&Sigma;}}}\sqrt{{\mathrm{\&mu;}}_l}},i=\mathrm{1,2}$

       即 $\frac{V_2}{a}-\frac{\sqrt{V_2}\&times;(\frac{V_{12}}{a}-\mathrm{\&lambda;})}{\underset{l=1}{\overset{2}{\mathrm{\&Sigma;}}}\sqrt{V_l}},i=\mathrm{1,2}$

图2显示的是单路径与两路径路由的性能比较。可以看出，在低业务量时(λ≤4.6分组/秒)，单路径路由时延性能好于两路径路由。因两路径路由中的次小代价路径的信道不一定处于好的状态，所以当业务量较小时，利用最小代价路由，可以获得好的时延性能。但随着业务量的增加(λ＞4.6分组/秒)，CASPR有可能在某些节点处形成拥塞，性能变差。如果这时采用两路径路由，就可以改善网络性能，如图中所示。而OSD-CASPR路由充分利用两种路由性能好的一面(即低业务量时，应用单路径路由；高业务量时，应用两路径路由)，这样可以获得较小的网络时延。

但OSD-CASPR路由中业务量的阈值，即单路径与两路径路由的切换点，要通过实验来确定。另外，OSD-CASPR是利用每条路径的瓶颈容量进行业务分配的，所以有可能存在某些链路带宽浪费的现象。

Claims (5)

1.一种在移动通信系统中优化业务分配的信道自适应路由方法，所述方法包括步骤：

(1)移动台实时收集所述移动通信网络的信息；

(2)所述移动台对于与其他移动台之间的信道进行质量估计，并且确定与其他移动台之间的调制速率；

(3)所述移动台通过以下的公式计算与其他移动台之间链路i的信道质量因数： $Q_i\left(t\right)=\frac{C_i\left(t\right)}{C_0},$

其中i＝0，1，2，...，k-1，C_o代表最佳信道状态条件下的最大传输速率，C_i代表两个移动台X和Y之间链路i的实际调制速率；

(4)基于以下的公式来确定移动台X与移动台Y之间链路i的链路代价：

$C_{\mathrm{XY}}=\frac{1}{Q_{\mathrm{XY}}}$

其中Q_xy是移动台X与移动台Y之间链路i的信道质量因数；

(5)每个所述移动台维持一个链路状态矩阵CSM，即

CSM＝{E(x，y)_N×N|1≤x，y≤N}

$E(x,y)=E_x^y\left(t\right)=\frac{1}{Q_{\mathrm{XY}}}$

$E_x^y\left(t\right)\&Element;\{\&infin;,E_0,E_{1,},...E_i...E_{k-1}\};$

(6)基于所述链路状态矩阵，确定所述移动台到目的节点的最短路径和次短径路由；

(7)通过以下公式计算向最短路径分配业务的优化概率P₁ ^*：

$P_1^{*}=\frac{\sqrt{V_1}}{\sqrt{V_1}+\sqrt{V_2}}+\frac{\sqrt{V_1\&times;V_2}}{\mathrm{a\&lambda;}(\sqrt{V_1}+\sqrt{V_2})}\&times;(\sqrt{V_1}-\sqrt{V_2}),$ 其中V₁，V₂是最短路径和次短路径的瓶颈容量，α示分组的长度，λ是节点的分组到达率。通过以下公式计算向次短路径分配业务的优化概率几P₂ ^*：

$P_2^{*}=1-P_1^{*}$

这里， $0\&le;\mathrm{\&lambda;}{P}_i^{*}<{\mathrm{\&mu;}}_i,$ 其中，μ_i是链路i的链路容量；

(8)按照上述概率分别向最短路径和次短路径分配业务。

2.根据权利要求1的方法，其中所述移动台利用按需路由协议或者表驱动路由实时收集所述移动通信网络的信息。

3.根据权利要求1的方法，其中所述信道质量因数Q_i(t)≤1。

4.根据权利要求1的方法，其中最佳信道状态条件下的最大传输速率通过最高的调制阶数实现。

5.根据权利要求1的方法，其中所述移动台基于所述链路状态矩阵，并且利用基于Bellman-Ford最短路径算法的距离向量方法确定所述移动台到目的节点的最短路径。