劉軍，李曉楠

(電子科技大學 通信抗干擾技術(shù)國家級重點實驗室, 四川 成都 611731)

1 引言

隨著無線通信技術(shù)的迅速發(fā)展，不同無線網(wǎng)絡的部署快速增加。具有多種通信制式的多模無線終端在時域、頻域和空域可以同時感知多個異構(gòu)無線接入網(wǎng)絡的存在[1～3]。優(yōu)化合理的網(wǎng)絡切換判決算法能夠充分利用網(wǎng)絡異構(gòu)性獲取更大的接入增益[4～9]。對于一個支持多種模式的終端用戶，可選擇不同的通信技術(shù)接入不同的網(wǎng)絡。網(wǎng)絡選擇不僅直接影響用戶的服務質(zhì)量，同時還對網(wǎng)絡的資源利用和業(yè)務的負載均衡產(chǎn)生影響。異構(gòu)網(wǎng)絡切換算法在保證已有用戶服務質(zhì)量的前提下，最大化網(wǎng)絡資源利用率，使異構(gòu)網(wǎng)絡能夠最大限度地服務于更多的用戶。在多無線網(wǎng)絡的切換判決算法設計中，需考慮多種因素，例如信號強度、網(wǎng)絡負載、業(yè)務需求、用戶喜好等。由于網(wǎng)絡技術(shù)的差異性，在不同無線網(wǎng)絡中影響網(wǎng)絡切換判決的因素不易統(tǒng)一量化表示，常用方法很難進行有效的網(wǎng)絡切換判決。上述特點給網(wǎng)絡選擇算法的設計帶來一定難度。

現(xiàn)有的切換判決算法一般是基于信號質(zhì)量、傳輸速率或收益，按照公平資源共享或優(yōu)先級區(qū)分的原則進行，這類算法通常用于同構(gòu)網(wǎng)絡，難以用于影響因素不易統(tǒng)一量化表征的異構(gòu)網(wǎng)絡。本文針對WLAN/蜂窩異構(gòu)網(wǎng)絡，采用模糊層次分析法進行切換判決，根據(jù)網(wǎng)絡的狀態(tài)信息、用戶偏好、用戶業(yè)務特征等參數(shù)選擇最有效、最合適的接入網(wǎng)絡，為用戶提供最佳服務。層次性分析法(AHP, analytic hierarchy process)[10]是20世紀70年代由美國運籌學家T.L.Saaty提出的，它吸收了利用行為科學的特點，對決策者的經(jīng)驗判斷給予量化，是一種有效的多目標/多屬性決策方法。

文獻[5]提出了一種基于AHP的模糊多屬性決策的異構(gòu)網(wǎng)絡切換判決算法。文獻[12,13]提出了基于信干噪比(SINR)和層次分析法的簡單加權(quán)(SAW,simple additive weight)垂直切換算法。文獻[14]基于SAW和AHP對WiMAX網(wǎng)絡和UMTS網(wǎng)絡的切換判決算法進行了研究。文獻[15]提出了一種基于逼近理想解排序(TOPSIS, technique for order preference by similarity to ideal solution)的AHP切換判決算法。文獻[16]基于SAW和AHP對UMTS網(wǎng)絡和WLAN網(wǎng)絡的切換判決算法進行了研究。但這些研究并沒有對切換判決算法的時延及帶寬敏感性進行評估。

此外，文獻[17]對 AHP算法進行了改進，將AHP算法的解劃分為確定型和概率型。文獻[18]提出了一種基于神經(jīng)網(wǎng)絡的模糊切換判決算法，并針對SAW法進行了性能仿真分析。文獻[19]提出了一種基于迭代TOPSIS法的網(wǎng)絡切換判決算法。但這些研究并沒有專門針對SAW法和TOPSIS法進行對比分析。

針對 WLAN/蜂窩異構(gòu)網(wǎng)絡，本文提出了一種基于模糊層次分析法的網(wǎng)絡切換判決算法。算法綜合考慮了網(wǎng)絡狀態(tài)及用戶業(yè)務特征，分別采用SAW法和TOPSIS法對網(wǎng)絡組合權(quán)向量進行了計算，并給出了相應的仿真結(jié)果。

2 采用AHP進行網(wǎng)絡切換判決

異構(gòu)網(wǎng)絡融合技術(shù)可以使用戶在不同網(wǎng)絡自由切換。用戶不僅要獲得網(wǎng)絡連接，而且總是期望獲得最佳連接（ABC, always best connected）的服務質(zhì)量。在多種網(wǎng)絡共存的情況下，網(wǎng)絡切換判決算法不但要考慮不同網(wǎng)絡的接收信號強度RSS、誤碼率BER、基站與移動臺之間的距離等，還要考慮用戶偏好、業(yè)務類型、收費價格等因素，因此，目標網(wǎng)絡的選擇成為一個多目標/多屬性決策問題，這正好符合AHP多目標決策的設計思想。

基于AHP的多目標切換算法模型如圖1所示。

圖1 基于AHP 的多目標切換算法層次模型

AHP方法把復雜問題分解成不同的組成因素，又將這些因素按支配關(guān)系分組形成階梯層次結(jié)構(gòu)，通過兩兩比較的方式確定層次中各因素的相對重要性。然后進行綜合判斷，確定各方案相對重要度的總排序。整個過程體現(xiàn)了人們分解—判斷—綜合的思維特征。AHP算法步驟:首先，分析評價系統(tǒng)中各基本要素之間的關(guān)系，建立系統(tǒng)的遞階層次結(jié)構(gòu)；其次，對同一層次的各要素關(guān)于上一層次中某一準則的重要性進行兩兩比較，構(gòu)造判斷矩陣；然后，由判斷矩陣計算被比較要素對于該準則的相對權(quán)重；最后，計算各層要素相對于總目標的合成總權(quán)重，如圖2所示。

1) 構(gòu)建遞階層次

將有關(guān)參數(shù)按照屬性自上而下地分解成若干層次:最上層為目標層，最下層為方案層或決策層，中間為準則層。準則層可以有一個或幾個層次。當準則層元素過多時，需進一步分解出子準則層。同一層各因素從屬于上一層因素，或?qū)ι蠈右蛩赜杏绊?，同時又支配下一層的因素或受到下層因素的影響。在異構(gòu)網(wǎng)絡切換判決中，我們的目標層是ABC；決策層是當前可選擇的網(wǎng)絡，如GSM、WCDMA、WiMAX、UMTS、WLAN 等。在設計準則層時，主要考慮網(wǎng)絡的QoS:帶寬、時間特性(timeliness)、可靠性、可接入性、安全性、價格、用戶偏好等參數(shù)。

圖2 基于AHP的切換判決算法流程

2) 構(gòu)造成對比較矩陣

用成對比較法和表1中的1～9比較尺度構(gòu)造成對比較矩陣，比較準則層n個參數(shù)X1，X2，…，Xn對上一層的影響。采用的方法是:每次取2個因素Xi和 Xj比較其對目標因素的影響，并用 aij表示，全部比較的結(jié)果用成對比較矩陣表示，即

表1 網(wǎng)絡屬性i j之間重要性對比[10]

3) 計算各參數(shù)的權(quán)向量

在確定了參數(shù)的重要性之后，按照如下步驟計算參數(shù)的權(quán)值。

① 計算判決矩陣每一行元素的乘積

② 計算iW的n次方根

③ 對向量做歸一化處理，即

得到（w1,w2,…,wm）作為評價參數(shù)權(quán)重。

4) 一致性檢驗

① 當成對比較矩陣A為一致陣A時有

此時存在唯一的非0最大特征根，且λ=λmax=n 。

② 當成對比較矩陣A不是一致陣時，一般有λmax≥ n ，此時

所以，可以取其平均值作為檢驗成對比較矩陣的準則，一致性指標為

實際操作時發(fā)現(xiàn)，成對比較矩陣A的維數(shù)越大，判斷的一致性越差，故應放寬對高維矩陣的一致性要求。于是引入平均一致性指標RI來校正一致性檢驗指標。RI可以通過RI修正值表查到（如表2所示）。

表2 RI的修正值

于是，新的一致性檢驗指標為

當 CR＜ 0.1時，認為成對比較矩陣A的不一致程度在容許范圍之內(nèi)，可用其特征向量作為權(quán)向量。否則，對成對比較矩陣A重新進行成對比較，構(gòu)造新的成對比較矩陣A。

5) 計算組合權(quán)向量

用SAW或TOPSIS法計算各層因素相對于系統(tǒng)收益(總目標)的合成權(quán)重，權(quán)重大的網(wǎng)絡接入最佳，最終做出決策。

3 判決屬性去模糊處理

假設用戶當前有3個網(wǎng)絡可以選擇，一個覆蓋整個區(qū)域的UMTS網(wǎng)絡以及2個覆蓋范圍較小的無線局域網(wǎng)（WLAN1和WLAN2），分別用網(wǎng)絡C1、C2、C3表示。當移動終端檢測到這3種可接入網(wǎng)絡，并且擁有這3種網(wǎng)絡的接入權(quán)限，則開始執(zhí)行AHP多目標切換判決算法。判決需要考慮的參數(shù)有:信號強度、帶寬、價格、時延、誤比特率、安全，分別用 X1、X2、X3、X4、X5、X6表示。3 個網(wǎng)絡的參數(shù)對比如表3所示。

表3 UMTS，WLAN1，WLAN2的參數(shù)

表4 模糊變量轉(zhuǎn)化

對各判決參數(shù)采用文獻[20]的方法，按照表 4采用尺度3的5個檔次分別量化，得到判決矩陣D，如表5所示。

表5 判決矩陣D

4 AHP網(wǎng)絡切換判決算法

4.1 建立成對比較矩陣

如圖2所示，針對話音業(yè)務和下載業(yè)務需求的不同對信號強度、帶寬、價格、時延、誤比特率、安全逐個進行成對比較，建立AHP矩陣。話音業(yè)務各切換判決因素的成對比較結(jié)果如表6所示，下載業(yè)務各切換判決因素的成對比較結(jié)果如表7所示。

表6 話音業(yè)務各切換判決因素成對比較矩陣Av

表7 下載業(yè)務各切換判決因素成對比較矩陣Ad

由式(2)～式(4)得到話音業(yè)務AHP矩陣Av的特征向量Wv和下載業(yè)務AHP矩陣Ad的特征向量Wd

4.2 一致性的檢驗

對于話音和下載業(yè)務，其一致性檢驗結(jié)果如表8所示。

表8 一致性檢驗結(jié)果

由表8可知，話音業(yè)務和下載業(yè)務的AHP矩陣均通過一致性檢驗。

4.3 組合權(quán)向量計算

4.3.1 SAW法組合權(quán)向量計算

簡單加權(quán)法（SAW, simple additive weight）是多屬性決策中最常用的方法，其計算方法為先將各屬性進行歸一化，再計算各評選方案 k的加權(quán)和C[ k]，之后再依據(jù) C[ k]的大小對各個方案進行排序，其值越大（或越?。?，表示該方案越好。

若有 m個候選網(wǎng)絡，n個決策屬性。假設 xij為待選方案i的評估準則j的評估值，若準則為收益（越大越好）時

將判決矩陣D按照式（11）和式（12）歸一化得到矩陣DSAW，如表9所示。

表9 歸一化判決矩陣DSAW

再將式(9)和式(10)表示的向量分別乘以DSAW的轉(zhuǎn)置矩陣，得到話音業(yè)務和下載業(yè)務的組合權(quán)向量

4.3.2 TOPSIS法權(quán)向量計算

逼近理想解排序 (TOPSIS，technique for order preference by similarity to ideal solution) 法所基于的原則是被選網(wǎng)絡與理想解決方案之間的差距最小并且與最差解決方案的差距最大。確定的理想方案由所有可能的最優(yōu)屬性值構(gòu)成，最差解決方案則由所有可能的最差屬性值構(gòu)成?？梢詫㈥P(guān)于n個屬性 m個網(wǎng)絡的多屬性決策問題視為n維空間中m個點構(gòu)成的幾何系統(tǒng)進行處理。此時，所有方案可作為該系統(tǒng)的解。判決結(jié)果則選擇與理想解在幾何空間上有最小歐幾里德距離的方案。令C[k]表示被選網(wǎng)絡k與理想解決方案的貼近程度，則最優(yōu)網(wǎng)絡為

理想解就是各待選方案中效益準則值最大、成本準則值最小者；反之，效益準則值最小、成本準則值最大的就是負理想解，在選擇方案時就以距離理想解最近，且距離負理想解最遠的方案為最佳方案。若有m個候選網(wǎng)絡，n個決策因素，則各因素的歸一化計算方法為

將判決矩陣D按照式（15）歸一化，得到歸一化判決矩陣DTOP，如表10所示。

表10 歸一化判決矩陣DTOP

按照式（16），可以得到話音業(yè)務的加權(quán)判決矩陣Vv和下載業(yè)務的加權(quán)判決矩陣Vd，如表11和表12所示。

表11 話音業(yè)務的加權(quán)判決矩陣Vv

表12 下載業(yè)務的加權(quán)判決矩陣Vd

按照式（17）和式（18）求出正理想解A+與負理想解A-(其中J為準則是收益（越大越好）時，'J為準則是代價（越小越好）時)。話音業(yè)務和下載業(yè)務的正理想解和負理想解分別為

則話音業(yè)務和下載業(yè)務的分離測度分別為

根據(jù)式（24）算出與理想解的相對接近度，即得到各網(wǎng)絡的加權(quán)值

進而獲得話音業(yè)務和下載業(yè)務的組合權(quán)向量

4.4 結(jié)果分析

比較上述2種算法，得到不同算法下各網(wǎng)絡的排名，如表13所示。

表13 SAW和TOPSIS網(wǎng)絡排名對比下載業(yè)務

對于話音業(yè)務，2種算法都把C1網(wǎng)絡作為首選網(wǎng)絡，這是合理的，因為話音業(yè)務對時延要求較高，而C1是時延最小的網(wǎng)絡。而次選網(wǎng)絡則有所不同，簡單加權(quán)將 C3網(wǎng)絡列為次選，而 TOPSIS法則將C2網(wǎng)絡列為次選，這也是好理解的，因為 C2網(wǎng)絡在信號強度和誤比特率上優(yōu)于C3網(wǎng)絡，但在價格，時延和安全性上C3網(wǎng)絡卻占有優(yōu)勢，因此導致次選網(wǎng)絡不同。對于下載業(yè)務，2種算法都把C2作為首選網(wǎng)絡，因為C2網(wǎng)絡提供了較大的帶寬和較小的誤比特率。此外，對于下載業(yè)務2種算法的其余備選網(wǎng)絡排名也完全一致。

假定其他參數(shù)的權(quán)重不變，改變時延參數(shù)的權(quán)重，分別用簡單加權(quán)法和TOPSIS法計算出各網(wǎng)絡的得分。得到簡單加權(quán)法和TOPSIS法對時延的敏感度曲線如圖3和圖4所示。從中可以看出，隨著時延權(quán)重的增加，C1的得分急劇上升，C2的得分急劇下降，C3的得分略有變化，保持相對平穩(wěn)。同時，可發(fā)現(xiàn)，2種算法對時延都較為敏感，其中TOPSIS法中C1網(wǎng)絡和C2網(wǎng)絡的得分變化更為劇烈，可見它對時延參數(shù)更為敏感。

圖3 SAW對時延的敏感度

假定其他參數(shù)的權(quán)重不變，改變帶寬參數(shù)的權(quán)重，分別用簡單加權(quán)法和TOPSIS法計算出各網(wǎng)絡的得分。得到簡單加權(quán)法和TOPSIS法對帶寬的敏感度如圖5和圖6所示。從中可以看出，隨著帶寬權(quán)重的增加，各個網(wǎng)絡排名基本不變，但網(wǎng)絡的得分差距隨著帶寬權(quán)重的增加而加大，有利于系統(tǒng)做出判決。

圖4 TOPSIS對時延的敏感度

圖5 SAW對帶寬的敏感度

圖6 TOPSIS對帶寬的敏感度

5 結(jié)束語

本文提出的基于層次分析法的切換判決算法綜合考慮多種因素，把網(wǎng)絡切換判決問題建模為模糊多屬性層次決策問題，并設計了相應的網(wǎng)絡切換判決算法。在計算網(wǎng)絡組合權(quán)向量部分給出了簡單加權(quán)法和TOPSIS法2種方法。得出了話音業(yè)務和下載業(yè)務待選網(wǎng)絡的綜合排名。最后通過分析簡單加權(quán)法和TOPSIS法對時延和帶寬參數(shù)的敏感度，比較了2種算法在垂直切換方面的性能。仿真表明TOPSIS法與SAW法相比，更適合時延敏感業(yè)務的網(wǎng)絡切換判決。

[1]DAMNJANOVIC A, MONTOJO J, YONGBIN W E I, et al.A survey on 3GPP heterogeneous networks[J].IEEE Wireless Communications,2001, 18(3):10-21.

[2]GHOSH C, ROY S, CAVALCANTI D.Coexistence challenges for heterogeneous cognitive wireless networks in TV white spaces[J].IEEE Wireless Communications, 2011, 18(4):22-31.

[3]GOZALVEZ J.Heterogeneous wireless networks [mobile radio][J].IEEE Vehicular Technology Magazine, 2011, 6(2):9-13.

[4]SHAFIEE K, ATTAR A, LEUNG V C M.Optimal distributed vertical handoff strategies in vehicular heterogeneous networks[J].IEEE Journal on Selected Areas in Communications, 2011, 29(3):534-544.

[5]ZHANG W H.Handover decision using fuzzy MADM in heterogeneous networks[A].Wireless Communications and Networking Conference[C].2004.653-658.

[6]LIU M, LI Z C, GUO X B, et al.Performance evaluation of vertical hand off decision algorithms in heterogeneous wireless networks[A].Global Telecommunications Conference[C].2006.1-5.

[7]STEVENS-NAVARRO E, LIN Y X, WONG V W S.An MDP-based vertical handoff decision algorithm for heterogeneous wireless networks[J].IEEE Transactions on Vehicular Technology, 2008, 57(2):1243-1254.

[8]STEVENS-NAVARRO E, WONG V W S.Comparison between vertical handoff decision algorithms for heterogeneous wireless networks[A].IEEE 63rd Vehicular Technology Conference[C].2006.947-951.

[9]MARTINEZ-MORALES J D, PINEDA-RICO U, STEVENSNAVARRO E.Performance comparison between MADM algorithms for vertical handoff in 4G networks[A].20107th International Conference on Electrical Engineering Computing Science and Automatic Control (CCE)[C].2010.309-314.

[10]許樹伯.層次分析原理[M].天津:天津大學出版社, 1998.XU S B.The Principle of Analytic Hierarchy Process[M].Tianjin:Tianjin University Press, 1998

[11]KUNARAK S, SULEESATHIRA R.Predictive RSS with fuzzy logic based vertical handoff algorithm in heterogeneous wireless networks[A].2010 International Conference on Advanced Technologies for Communications (ATC)[C].2010.189-194.

[12]LIU S M, PAN S, MI Z K, et al.A simple additive weighting vertical handoff algorithm based on SINR and AHP for heterogeneous wireless networks[A].2010 International Conference on Intelligent Computation Technology and Automation (ICICTA)[C].2010.347-350.

[13]劉勝美, 孟慶民, 潘甦等.異構(gòu)無線網(wǎng)絡中基于 SINR和層次分析法的 SAW 垂直切換算法研究[J].電子與信息學報, 2011, 33(1):235-239.LIU S M, MENG Q M, PAN S, et al.A simple additive weighting vertical handoff algorithm based on SINR and AHP for heterogeneous wireless networks[J].Journal of Electronics & Information Technology,2011, 33(1):235-239.

[14]CUI H Y, YAN Q J, CAI Y L, et al.Heterogeneous network selection using a novel multi-attribute decision method[A].Third International Conference on Communications and Networking in China[C].2008.153-157.

[15]LIU S M, PAN S, XU M H.An improved TOPSIS vertical handoff algorithm for heterogeneous wireless networks[A].201012th IEEE International Conference on Communication Technology (ICCT)[C].2010.750-754.

[16]梁立濤, 紀陽, 張平.基于模糊層次分析法的異構(gòu)系統(tǒng)網(wǎng)絡選擇算法[J].北京郵電大學學報, 2007, 30(2):71-75.LIANG L T, JI Y, ZHANG P.A network selection algorithm based on fuzzy analytic hierarchy process in heterogeneous systems[J].Journal of Beijing University of Posts and Telecommunications, 2007, 29(2):71-75.

[17]RAMIREZ R A V, RAMOS R V M.A vertical handoff decision algorithm which considers the uncertainty during the decision making process[A].IFIP International Conference on Wireless and Optical Communications Networks[C].2009.1-6.

[18]CALHAN A, CEKEN C.An adaptive neuro-fuzzy based vertical handoff decision algorithm for wireless heterogeneous networks[A].2010 IEEE 21st International Symposium on Personal Indoor and Mobile Radio Communications (PIMRC)[C].2010.2271-2276.

[19]DHAR J, KIRAN S R, REDDY K Y.Network selection in heterogeneous wireless environment:a ranking algorithm[A].Third International Conference on Wireless Communication and Sensor Networks[C].2007.41-44.

[20]LATVAKOSKI E J, LAURILA P J.Application based access system selection concept for all IP mobile terminals[A].Global Telecommunications Conference[C].2002.2984-2988.