李丹陽(yáng)，張治中，鄭文三

(重慶郵電大學(xué) 通信網(wǎng)測(cè)試工程研究中心,重慶 400065)

?

基于多屬性分塊決策的5G切換算法

李丹陽(yáng)，張治中，鄭文三

(重慶郵電大學(xué) 通信網(wǎng)測(cè)試工程研究中心,重慶 400065)

為了解決5G異構(gòu)網(wǎng)絡(luò)在切換過(guò)程中單一處理切換參數(shù)的片面性問(wèn)題，提出了一種適用于5G的新的切換算法，該算法基于多屬性分塊決策(modular multi-attribute decision making, M-MADM)理論，把切換參數(shù)分為2個(gè)模塊，采用TOPSIS與層析分析相結(jié)合的方法選擇最優(yōu)網(wǎng)絡(luò)QoS(network QoS, NQ)模塊，其次利用模糊邏輯得到用戶(hù)偏好(user preference, UP)模塊，再對(duì)最終滿(mǎn)意度(degree of satisfaction, DS)模塊作一次模糊處理，選擇最優(yōu)結(jié)果執(zhí)行切換。仿真結(jié)果表明，M-MADM算法與傳統(tǒng)算法相比，可減少時(shí)延，降低切換失敗率，并能快速準(zhǔn)確地切換至最優(yōu)網(wǎng)絡(luò)，提高用戶(hù)滿(mǎn)意度。

5G異構(gòu)網(wǎng)絡(luò)；層次分析法；TOPSIS；模糊邏輯；用戶(hù)滿(mǎn)意度

0　引　言

作為面向2020年以后的下一代移動(dòng)通信系統(tǒng)，5G在傳輸速率及資源利用率方面必要優(yōu)于長(zhǎng)期演進(jìn)(long term evolution,LTE)網(wǎng)絡(luò)，能夠滿(mǎn)足用戶(hù)超高移動(dòng)性、超大流量密度的需求，為用戶(hù)提供云桌面、高清視頻、虛擬現(xiàn)實(shí)、在線游戲等極致業(yè)務(wù)體驗(yàn)[1]。當(dāng)然，現(xiàn)存的其他移動(dòng)通信網(wǎng)絡(luò)也各有特點(diǎn)，如無(wú)線保真(wireless fidelity,WiFi)的特點(diǎn)在于傳輸速率高、組網(wǎng)方便、成本低以及靈活性強(qiáng)等。5G與這些網(wǎng)絡(luò)融合作為一種能提高網(wǎng)絡(luò)性能的方法，取得了廣泛認(rèn)可。因此，如何在5G與這些網(wǎng)絡(luò)共存的場(chǎng)景下為用戶(hù)提供無(wú)縫切換是下一代異構(gòu)網(wǎng)絡(luò)亟待解決的難點(diǎn)之一。此時(shí)，選擇一種好的切換算法變得至關(guān)重要[2]。

針對(duì)該問(wèn)題，目前已有多種解決方案。文獻(xiàn)[3]運(yùn)用了排隊(duì)論算法的思想選擇最優(yōu)網(wǎng)絡(luò)執(zhí)行切換，雖能得到較理想結(jié)果，但隨著用戶(hù)數(shù)量的增加，切換時(shí)延會(huì)顯著增大；文獻(xiàn)[4]提出了一種基于用戶(hù)行為的切換優(yōu)化算法，該算法根據(jù)用戶(hù)速度和所用流量大小進(jìn)行分類(lèi)，選擇不同的度量標(biāo)準(zhǔn)進(jìn)行切換，降低了乒乓切換和故障率，但由于用戶(hù)速度是隨時(shí)變化的，不能對(duì)其切換參數(shù)進(jìn)行最優(yōu)選擇；文獻(xiàn)[5]采用卡爾曼濾波器與模糊邏輯相結(jié)合的切換方法，可以自適應(yīng)地調(diào)節(jié)切換參數(shù)，提高切換成功率，但是因?yàn)闆](méi)有考慮到各個(gè)網(wǎng)絡(luò)的負(fù)載問(wèn)題，用戶(hù)滿(mǎn)意度不高；文獻(xiàn)[6-9]介紹了利用TOPSIS算法對(duì)網(wǎng)絡(luò)間的切換進(jìn)行判決，然而隨著切換參數(shù)增多，其復(fù)雜度大大增加，不利于工程實(shí)現(xiàn)。

另外，不同網(wǎng)絡(luò)間的切換參數(shù)迥異，且不同用戶(hù)或相同用戶(hù)不同業(yè)務(wù)對(duì)各個(gè)切換參數(shù)的要求也相差較大，因此，如何衡量切換參數(shù)權(quán)重也十分關(guān)鍵。多屬性決策算法因能綜合考慮網(wǎng)絡(luò)中的多種參數(shù)而得到廣泛應(yīng)用，但現(xiàn)階段的切換算法[10-13]僅僅考慮了單一處理切換參數(shù)，即在用戶(hù)發(fā)起切換時(shí)，根據(jù)當(dāng)前所有決策參數(shù)構(gòu)成的判決矩陣或模糊準(zhǔn)則來(lái)選擇最優(yōu)網(wǎng)絡(luò)。隨著參數(shù)個(gè)數(shù)的增加，會(huì)導(dǎo)致多屬性判決矩陣的階數(shù)大、遵守的模糊準(zhǔn)則數(shù)多，難度高。

因此，本文提出了一種基于多屬性分塊決策(modular multi-attribute decision making, M-MADM)的5G切換算法。該算法將切換參數(shù)進(jìn)行模塊化分類(lèi)，針對(duì)不同模塊分別采用TOPSIS和模糊邏輯算法處理，解決了傳統(tǒng)算法計(jì)算時(shí)間長(zhǎng)、網(wǎng)絡(luò)選擇性能較差的問(wèn)題，提高用戶(hù)滿(mǎn)意度。

1　異構(gòu)網(wǎng)絡(luò)模型

未來(lái)移動(dòng)通信系統(tǒng)，將是多種無(wú)線接入網(wǎng)絡(luò)同時(shí)存在，相互補(bǔ)充的復(fù)雜異構(gòu)網(wǎng)絡(luò)[14]，多種無(wú)線技術(shù)共存的通信場(chǎng)景越發(fā)容易進(jìn)入人們的視野。從2G，3G，LTE到下一代移動(dòng)通信(5G)，蜂窩網(wǎng)絡(luò)的發(fā)展一直致力于給人們帶來(lái)新的體驗(yàn)；無(wú)線局域網(wǎng)(wireless local area networks,WLAN)協(xié)議標(biāo)準(zhǔn)經(jīng)歷從802.11a/b/g/n到目前熱門(mén)的802.11ac/ad，其理論上可支持近7 Gbit/s的吞吐量；全球微波互聯(lián)接入(worldwide interoperability for microwave access,WIMAX)作為“最后一公里”寬帶無(wú)線接入方案，近年來(lái)備受關(guān)注。用戶(hù)在前述眾多網(wǎng)絡(luò)交叉的通信中，很容易發(fā)生水平或垂直切換，而垂直切換相對(duì)于水平切換來(lái)說(shuō)，對(duì)整個(gè)系統(tǒng)的要求更高、難度更大，這在異構(gòu)網(wǎng)絡(luò)中不可避免。

假設(shè)未來(lái)異構(gòu)通信系統(tǒng)模型主要包括5G網(wǎng)絡(luò)、LTE網(wǎng)絡(luò)、WIMAX以及WLAN(802.11ac)，其分布情況如圖1所示。

圖1　異構(gòu)網(wǎng)絡(luò)模型Fig.1　Heterogeneous network model

2　切換參數(shù)模塊化

2.1切換參數(shù)的選擇

根據(jù)我國(guó)IMT-2020(5G)推進(jìn)組發(fā)布的《5G概念白皮書(shū)》，下一代移動(dòng)通信系統(tǒng)將是以用戶(hù)體驗(yàn)為中心的[15]，用戶(hù)在5G的異構(gòu)環(huán)境中往往會(huì)根據(jù)自己偏好以及網(wǎng)絡(luò)實(shí)際性能選擇切換目標(biāo)網(wǎng)絡(luò)，而影響其選擇的因素有很多，比如傳輸功率、丟包率以及用戶(hù)普遍比較關(guān)心的價(jià)格和網(wǎng)絡(luò)安全問(wèn)題等。

因此，在M-MADM切換算法中，把用作輸入量的切換決策參數(shù)分為2類(lèi)：①與用戶(hù)有關(guān)的偏好因素，包括網(wǎng)絡(luò)安全及價(jià)格，用戶(hù)對(duì)各種網(wǎng)絡(luò)都有自己的傾向，而這些傾向指標(biāo)往往是抽象模糊的，需要在計(jì)算之前將其具體化；②與網(wǎng)絡(luò)性能相關(guān)的量化指標(biāo)，本文選擇了傳輸速率、時(shí)延、抖動(dòng)和丟包率。

2.2參數(shù)分塊處理

本文根據(jù)參數(shù)的不同特性，在傳統(tǒng)單一處理切換參數(shù)的基礎(chǔ)上，將切換決策系統(tǒng)(handoff design

system, HDS)分成三大模塊[16]：網(wǎng)絡(luò)QoS(network QoS,NQ)模塊、用戶(hù)偏好(user preference,UP)模塊和最終滿(mǎn)意度(degree of satisfaction,DS)模塊，其示意圖如圖2所示。

圖2　多屬性分塊設(shè)計(jì)Fig.2　Design of modular multi-attribute

NQ模塊中的參數(shù)可進(jìn)一步分為效益型參數(shù)和成本型參數(shù)。效益型參數(shù)是指越大越好型QoS，即該類(lèi)參數(shù)越大網(wǎng)絡(luò)性能越好，例如傳輸速率等；成本型參數(shù)是指越小越好型QoS，即該類(lèi)參數(shù)越小網(wǎng)絡(luò)性能越好，例如時(shí)延、抖動(dòng)、丟包率等。將NQ模塊的輸出和UP模塊的輸出輸入到下一模塊DS，由DS模塊評(píng)估候選網(wǎng)絡(luò)最終得分，選擇最優(yōu)網(wǎng)絡(luò)執(zhí)行切換。

3　切換參數(shù)歸一化

為了計(jì)算的準(zhǔn)確性，不同參數(shù)間的單位度量需一致。因此，參數(shù)歸一化是處理多屬性分塊決策問(wèn)題中不可忽略的步驟。

3.1傳輸速率

不同無(wú)線網(wǎng)絡(luò)使用的資源不同，分配給用戶(hù)的帶寬也有大有小，因此，可提供的傳輸速率差別較大。為了保證切換判決的正確性，在各網(wǎng)絡(luò)性能比較之前，需對(duì)網(wǎng)絡(luò)的可用傳輸速率進(jìn)行歸一化。

(1)

(1)式中：Gi表示第i個(gè)網(wǎng)絡(luò)可用速率的歸一化值；Vi為網(wǎng)絡(luò)i當(dāng)前的傳輸速率；Vmax表示網(wǎng)絡(luò)i可提供的最大傳輸速率，對(duì)于速率來(lái)說(shuō)，因網(wǎng)絡(luò)資源的有限性，總有一個(gè)最大的門(mén)限值速率為Vmax。相似地，Vmin表示網(wǎng)絡(luò)i可提供的最小傳輸速率，在還有資源可用的情況下，網(wǎng)絡(luò)必有一個(gè)最低的門(mén)限值速率為Vmin。

3.2時(shí)延

不同網(wǎng)絡(luò)可根據(jù)自身網(wǎng)絡(luò)條件采用集中式資源管理或分布式資源管理，因此，在不同機(jī)制下的網(wǎng)絡(luò)連接時(shí)延大有不同。時(shí)延的歸一化方式定義為

(2)

(2)式中：Fi表示第i個(gè)網(wǎng)絡(luò)時(shí)延的歸一化值；Dmax表示該網(wǎng)絡(luò)下的最大時(shí)延，對(duì)于糟糕的網(wǎng)絡(luò)環(huán)境，總會(huì)有一個(gè)最大時(shí)限值Dmax；Di為當(dāng)前網(wǎng)絡(luò)i的時(shí)延；相似地，Dmin表示網(wǎng)絡(luò)i的最小時(shí)延，在資源最大利用率下，所經(jīng)歷的時(shí)延存在一個(gè)最小門(mén)限值，即Dmin。

對(duì)丟包率和抖動(dòng)來(lái)說(shuō)，其歸一化參照時(shí)延的處理方式，這里不再做詳細(xì)介紹。

4　多屬性分塊決策算法

4.1NQ模塊

NQ模塊是網(wǎng)絡(luò)QoS模塊，其指標(biāo)可以用具體數(shù)值衡量。研究表明，TOPSIS算法在評(píng)估量化參數(shù)方面有較高精度[9]。因此，本文采用TOPSIS作為NQ模塊的判決依據(jù)。

另外，在未來(lái)5G網(wǎng)絡(luò)中，隨著視頻、音頻等多媒體業(yè)務(wù)比例不斷上升，用戶(hù)關(guān)注的QoS不再僅僅局限于速率和時(shí)延，本文新添抖動(dòng)和丟包率2個(gè)因素。

為了降低計(jì)算量，將其中的時(shí)延、抖動(dòng)、丟包率組成的成本型參數(shù)分為一類(lèi)處理。

假設(shè)所處異構(gòu)場(chǎng)景中存在m個(gè)網(wǎng)絡(luò)，影響網(wǎng)絡(luò)切換的成本型參數(shù)有n個(gè)，首先需建立成本型參數(shù)組成的多目標(biāo)決策矩陣。

(3)

(3)式中：aij表示第i個(gè)網(wǎng)絡(luò)中第j個(gè)成本型參數(shù)的值。

將(3)式參照(2)式對(duì)各成本型參數(shù)歸一化，得到標(biāo)準(zhǔn)的成本型參數(shù)矩陣

(4)

(4)式中:bij表示第i個(gè)網(wǎng)絡(luò)中第j個(gè)成本型參數(shù)歸一化后的值。

各成本型參數(shù)的權(quán)重由層次分析法[12]獲得，先建立各成本型參數(shù)間兩兩比較的判決矩陣

(5)

(5)式中，cij表示第i個(gè)成本型參數(shù)和第j個(gè)成本型參數(shù)對(duì)網(wǎng)絡(luò)切換的影響大小，其中，cij=1/cji，cii=1，cij的具體值可參考表1。

然后根據(jù)判決矩陣計(jì)算出各個(gè)成本型參數(shù)的權(quán)重[13]。權(quán)重計(jì)算步驟如下。

1)將判決矩陣中的每一行進(jìn)行相乘，得到每一行元素的乘積

(6)

2)計(jì)算Mi的n次方根

(7)

(8)

W=[W1,W2,…,Wn]T即為各成本型參數(shù)對(duì)應(yīng)的權(quán)重。

在求得各成本型參數(shù)權(quán)重后，還應(yīng)對(duì)該矩陣進(jìn)行一致性檢驗(yàn)，參照表2中隨機(jī)一致性指標(biāo)(random consistency endex,RI)的值，計(jì)算一致性比率(consistency ratio,CR)，若CR<0.1時(shí)，則C的不一致性在容許范圍內(nèi)。

表2　RI值Tab.2　Values of RI

根據(jù)得到的各成本型參數(shù)決策矩陣及其權(quán)重，其加權(quán)標(biāo)準(zhǔn)化矩陣V的形式如下，其值為

(9)

(10)

(11)

再計(jì)算各參數(shù)與理想解之間的距離，該距離是通過(guò)計(jì)算n維Euclid得到

(12)

(13)

最后計(jì)算各參數(shù)與最優(yōu)參數(shù)值的貼近程度

(14)

貼近度AQvalue表示此時(shí)成本型參數(shù)帶來(lái)的網(wǎng)絡(luò)性能值。AQvalue越大，其輸出越優(yōu)。

如圖2所示，此時(shí)AQvalue將與效益型參數(shù)一起作為NQ的輸入，為了得到NQ模塊的最優(yōu)輸出，需再做一次TOPSIS算法。

(15)

再計(jì)算正負(fù)理想解。對(duì)于效益型參數(shù)，求正理想解時(shí)應(yīng)取最大值，求負(fù)理想解時(shí)應(yīng)取最小值。G+，G-分別表示正理想解和負(fù)理想解，其值為

(16)

(17)

(18)

此時(shí)，Qvalue為二次TOPSIS算法計(jì)算出的NQ模塊性能，Qvalue越大，表示該網(wǎng)絡(luò)QoS性能越好。

比較兩組家屬的滿(mǎn)意程度；ICU糖尿病酮癥酸中毒血糖糾正的時(shí)間、酸中毒糾正的時(shí)間、住院的平均日數(shù)；護(hù)理前后血糖餐前餐后監(jiān)測(cè)狀況、酸中毒癥狀積分、生存質(zhì)量；酮癥酸中毒后搶救失敗率。

4.2UP模塊

UP模塊包含的是用戶(hù)偏好類(lèi)指標(biāo)，對(duì)于5G異構(gòu)環(huán)境下的切換，其比重將大大增加。通常這類(lèi)指標(biāo)是抽象模糊的，即只能通過(guò)程度量詞(如：高、中、低等)來(lái)表示相關(guān)參數(shù)的優(yōu)劣程度。而在眾多切換算法中，模糊邏輯算法具有高效處理抽象因素的特點(diǎn)[13]，本文選擇它對(duì)UP模塊進(jìn)行處理。

定義UP模塊的模糊邏輯系統(tǒng)輸入量有：①價(jià)格；②安全性。

定義價(jià)格的模糊輸入集為M={高，中，低}，安全性的模糊輸入集S={高，中，低} ，此時(shí)遵守的模糊準(zhǔn)則[16]為32=9，部分模糊準(zhǔn)則如表3所示。

表3　UP模塊模糊準(zhǔn)則Tab.3　Fuzzy rules of UP modular

模糊推理的輸出是一個(gè)模糊集，其結(jié)果需去模糊化。常用的去模糊化方法為重心法[16]，其表達(dá)式為

(19)

(19)式中：x表示該模糊集取值范圍中的變量；μ(x)為該模糊集的隸屬函數(shù)；Pvalue是去模糊化后輸出的清晰值，即為UP模塊的最終輸出。

4.3DS模塊

將NQ模塊的輸出Qvalue和UP模塊的輸出Pvalue作為DS模塊的輸入，繼續(xù)采用模糊邏輯作為網(wǎng)絡(luò)的最終判決算法。

相似地，定義Qvalue的模糊集為Q={高，中，低}，Pvalue的模糊集為P={高，中，低}，遵守的模糊準(zhǔn)則[16]為32=9，其部分模糊準(zhǔn)則如表4所示。

表4　DS模塊模糊準(zhǔn)則Tab.4　Fuzzy rules of DS modular

將推理出的模糊結(jié)果仍依照重心法去模糊化

(20)

(20)式中：y表示該模糊集取值范圍中的變量；μ(y)為該模糊集的隸屬函數(shù)；Dvalue是去模糊化后輸出的清晰值，即為DS模塊的最終輸出。

至此，本文完成了多屬性分塊決策(modular multi-attribute decision making, M-MADM)切換算法的全部過(guò)程。將最終輸出Dvalue進(jìn)行大小排序，選擇得分最高的網(wǎng)絡(luò)執(zhí)行切換。圖3為M-MADM算法的流程圖。

圖3　M-MADM流程圖Fig.3　Flowchart of M-MADM

5　仿真與分析

為了評(píng)估本文所提M-MADM算法的性能特點(diǎn)，采用Matlab軟件構(gòu)建異構(gòu)網(wǎng)絡(luò)場(chǎng)景，并對(duì)該算法的性能進(jìn)行仿真分析。

5.1仿真過(guò)程

異構(gòu)網(wǎng)絡(luò)場(chǎng)景由目前熱門(mén)的無(wú)線網(wǎng)絡(luò)組成，系統(tǒng)模型見(jiàn)圖1，其各項(xiàng)切換參數(shù)數(shù)據(jù)如表5所示。其中，WIMAX，WLAN(802.11ac)和LTE網(wǎng)絡(luò)的QoS指標(biāo)都參照現(xiàn)有網(wǎng)絡(luò)，5G網(wǎng)絡(luò)參數(shù)是根據(jù)國(guó)內(nèi)外目前的發(fā)展趨勢(shì)[15]假設(shè)得到；參考各運(yùn)營(yíng)商的調(diào)研結(jié)果，依次設(shè)置4個(gè)網(wǎng)絡(luò)的用戶(hù)偏好類(lèi)指標(biāo)。

表5　候選網(wǎng)絡(luò)切換參數(shù)Tab.5　Handoff parameters of candidate networks

用戶(hù)在使用不同業(yè)務(wù)時(shí)，對(duì)速率和時(shí)延等的要求是不同的，因此，需根據(jù)用戶(hù)當(dāng)前業(yè)務(wù)類(lèi)型確定切換參數(shù)的權(quán)重，使用戶(hù)能切換至更優(yōu)的網(wǎng)絡(luò)，提高用戶(hù)滿(mǎn)意度。參考3GPP劃分的業(yè)務(wù)類(lèi)型，根據(jù)5G的業(yè)務(wù)能力，仿真中假設(shè)用戶(hù)可使用會(huì)話類(lèi)、流媒體類(lèi)、互動(dòng)類(lèi)以及后臺(tái)類(lèi)4種業(yè)務(wù)，其特征如表6所示。

表6　業(yè)務(wù)分類(lèi)Tab.6　Business Categories

將表5中的網(wǎng)絡(luò)性能參數(shù)(速率、時(shí)延、丟包率、抖動(dòng))經(jīng)(1)，(2)式歸一化處理后，得到結(jié)果如表7所示。

表7　歸一化后的NQ數(shù)據(jù)Tab.7　Normalized data for NQ

對(duì)成本型參數(shù)結(jié)合(8)式計(jì)算其在各類(lèi)業(yè)務(wù)上的權(quán)重(依次為時(shí)延、丟包率、抖動(dòng))分別為

W1={0.159,0.080,0.116}

W2={0.145,0.132,0.201}

W3={0.200,0.177,0.164}

W4={0.126,0.286,0.108}

將權(quán)重和歸一化后的參數(shù)值相乘，得到成本型參數(shù)組成的決策矩陣，經(jīng)(10)-(14)式，得到此時(shí)4個(gè)候選網(wǎng)絡(luò)(依次為5G，WLAN，WIMAX，LTE)對(duì)應(yīng)各類(lèi)業(yè)務(wù)的AQ輸出分別為

AQvalue1={0.847,0.815,0.271,0.339}

AQvalue2={0.793,0.866,0.128,0.221}

AQvalue3={0.718,0.792,0.286,0.204}

AQvalue4={0.855,0.832,0.173,0.347}

計(jì)算速率和AQ的權(quán)重

經(jīng)(15)-(18)式，得到NQ模塊的輸出

Qvalue1={0.804,0.799,0.326,0.402}

Qvalue2={0.813,0.848,0.205,0,317}

Qvalue3={0.782,0.811,0.438,0.293}

Qvalue4={0.854,0.719,0.187,0.358}

對(duì)于用戶(hù)偏好類(lèi)參數(shù)(價(jià)格、安全性)，經(jīng)模糊推理和(19)式處理后，得到UP模塊輸出

Pvalue1={0.796,0.655,0.219,0.478}

Pvalue2={0.733,0.751,0.347,0.462}

Pvalue3={0.693,0.720,0.315,0.276}

Pvalue1={0.810,0.767,0.289,0.452}

將各個(gè)業(yè)務(wù)下的Qvalue和Pvalue再經(jīng)DS模塊的模糊推理和(20)式去模糊化后，得到4個(gè)候選網(wǎng)絡(luò)最終得分排序

會(huì)話類(lèi)業(yè)務(wù)5G>WLAN>LTE>WIMAX

流媒體業(yè)務(wù)WLAN>5G>LTE>WIMAX

互動(dòng)類(lèi)業(yè)務(wù)WLAN>5G>WIMAX>LTE

后臺(tái)類(lèi)業(yè)務(wù)5G>WLAN>LTE>WIMAX

從結(jié)果來(lái)看，會(huì)話類(lèi)、流媒體類(lèi)、互動(dòng)類(lèi)、后臺(tái)類(lèi)4種業(yè)務(wù)面臨切換時(shí)將優(yōu)先選擇的網(wǎng)絡(luò)分別為5G，WLAN，WLAN和5G。在網(wǎng)絡(luò)負(fù)載不高的情況下，4種業(yè)務(wù)都將從5G和WLAN中做出切換選擇。根據(jù)移動(dòng)通信的發(fā)展趨勢(shì)，未來(lái)5G和WLAN確實(shí)在各個(gè)性能方面都將優(yōu)于傳統(tǒng)網(wǎng)絡(luò)。

5.2算法評(píng)估

為了體現(xiàn)M-MADM算法可快速準(zhǔn)確切換至最佳網(wǎng)絡(luò)的性能優(yōu)勢(shì)，本文在用戶(hù)數(shù)量不同的情況下進(jìn)行切換選擇，并選用傳統(tǒng)模糊層次分析法[13]與其作比較。仿真假設(shè)用戶(hù)使用的業(yè)務(wù)類(lèi)型隨機(jī)分配，且4種網(wǎng)絡(luò)容納的用戶(hù)數(shù)相同。

傳統(tǒng)的越區(qū)切換過(guò)程中，在多個(gè)用戶(hù)發(fā)起切換請(qǐng)求時(shí)，因小區(qū)資源的有限性，不可避免會(huì)發(fā)生碰撞，造成切換請(qǐng)求失敗。圖4為不同用戶(hù)數(shù)量下切換失敗率的比較。當(dāng)用戶(hù)數(shù)少時(shí)，2種算法的切換失敗率相差不大，但隨著用戶(hù)增多，切換請(qǐng)求量大，傳統(tǒng)模糊層次分析法因不區(qū)分用戶(hù)業(yè)務(wù)類(lèi)型，其單一的網(wǎng)絡(luò)排序在最佳網(wǎng)絡(luò)的接入用戶(hù)數(shù)達(dá)到飽和后，不能使后續(xù)用戶(hù)繼續(xù)切換至最佳網(wǎng)絡(luò)，導(dǎo)致切換失敗率比較高。

圖4　不同用戶(hù)數(shù)量下的切換失敗率Fig.4　Handover failure rate for different users

圖5比較了2種算法在不同用戶(hù)數(shù)量下的切換時(shí)延。從圖5中可以看出，M-MADM算法在用戶(hù)數(shù)量低于70時(shí)的切換時(shí)延更高，是因?yàn)镸-MADM算法在對(duì)全部切換參數(shù)輸入判決前需分塊處理，增大了信令開(kāi)銷(xiāo)；但當(dāng)用戶(hù)數(shù)量高于70以后，模糊層次分析法因用戶(hù)切換請(qǐng)求的失敗概率增大，其時(shí)延也會(huì)顯著增加。

圖5　不同用戶(hù)數(shù)量下的平均切換時(shí)延Fig.5　Average switching delay for different users

為了進(jìn)一步評(píng)估該算法下的用戶(hù)滿(mǎn)意度，定義用戶(hù)的平均滿(mǎn)意度PS為

(21)

(21)式中：Ns表示用戶(hù)成功切換至想要的網(wǎng)絡(luò)；Nf則表示用戶(hù)沒(méi)有切換至想要的網(wǎng)絡(luò)。

在前述環(huán)境下，對(duì)用戶(hù)發(fā)起的10次切換請(qǐng)求進(jìn)行仿真后，計(jì)算此時(shí)的用戶(hù)滿(mǎn)意度，并與模糊層次分析法相比較，結(jié)果如圖6所示。

圖6　用戶(hù)滿(mǎn)意度示意圖Fig.6　User satisfaction schematic

從圖6可以看出，M-MADM在用戶(hù)滿(mǎn)意度方面基本維持在70%左右，是因?yàn)閷⑶袚Q參數(shù)分塊，其可以調(diào)整不同業(yè)務(wù)下的NQ參數(shù)權(quán)重，并根據(jù)用戶(hù)自己的UP參數(shù)，快速準(zhǔn)確地切換至用戶(hù)想要的最優(yōu)網(wǎng)絡(luò)。

通常一個(gè)算法的復(fù)雜度是由其輸入量決定的，當(dāng)決策的參數(shù)個(gè)數(shù)多，采取傳統(tǒng)TOPSIS算法建立的切換決策矩陣的階數(shù)就越大；若使用傳統(tǒng)模糊邏輯法，其所要遵守的模糊準(zhǔn)則也會(huì)相應(yīng)增加。而M-MADM在判決前首先將切換參數(shù)進(jìn)行分模塊處理，相當(dāng)于減少了各自的輸入量。因此，M-MADM在復(fù)雜度或計(jì)算量上，都要比單獨(dú)使用模糊邏輯算法或TOPSIS算法低。

6　結(jié)束語(yǔ)

本文以5G異構(gòu)網(wǎng)絡(luò)為背景，在傳統(tǒng)算法的基礎(chǔ)上，提出了一種適用于5G的M-MADM切換算法。該算法把切換決策參數(shù)劃分至NQ，UP模塊，分別對(duì)其采用TOPSIS算法和模糊邏輯算法處理，然后將其結(jié)果輸入DS模塊，作模糊推理得到最終結(jié)果。與傳統(tǒng)算法相比，M-MADM可以有效地減少切換時(shí)延、降低切換失敗率，并在很大程度上滿(mǎn)足了用戶(hù)的切換請(qǐng)求，使用戶(hù)滿(mǎn)意度維持在較高水平。

[1]IMT-2020(5G)推進(jìn)組. 5G網(wǎng)絡(luò)技術(shù)架構(gòu)[EB/OL].(2015- 01- 02)[2015-12-20]. http://210.56.209.74/zh/documents/list/1.2015.1.

IMT-2020(5G) Group. Network technology architecture of 5G[EB/OL].(2015- 01- 02)[2015-12-20]. http://210.56.209.74/zh/documents/list/1.2015.1.

[2]賀昕，李斌． 異構(gòu)無(wú)線網(wǎng)絡(luò)切換技術(shù)[M]．北京: 北京郵電大學(xué)出版社，2008: 6-7．

HE Xin, LI Bin. Handoff in heterogeneous wireless networks [M]. Beijing: Beijing University of Posts and Telecommunications Press, 2008: 6-7.

[3]SUN Yong. Vertical Handoff Decision Algorithm in Heterogeneous Wireless Network Based on Queuing Theory[C]∥Advanced Communication Technology (ICACT), 2015 17th International Conference on. Pyeong Chang, South Korea: IEEE, 2015, 7: 550-556.

[4]HEGAZY R D, NASR O A. A User Behavior Based Handover Optimization Algorithm for Heterogeneous Wireless Networks[C]∥Wireless Communications and Networking Conference(WCNC).NV,USA:IEEE,2015,3:1255-1260.[5]IWAN Kustiawan, CHI Kuanghui. Handoff Decision Using a Kalman Filter and Fuzzy Logic in Heterogeneous Wireless Networks[J]. IEEE COMMUNICATIONS LETTERS, 2015(10): 2258-2261.

[6]LIU Shengmei, PAN Su, XU Minghai. An improved TOPSIS vertical handoff algorithm for heterogeneous wireless networks[C]∥Communication Technology (ICCT), 2010 12th IEEE International Conference on. Nanjing, China: IEEE, 2010, 11: 750-754.

[7]CHEN Shyiming.Fuzzy Multiple Attributes Group Decision-Making Based on Ranking Interval Type-2 Fuzzy Sets and the TOPSIS Method[J].Systems,Man,and Cybernetics:Systems,IEEE Transactions on,2014(12):1665-1673.

[8]BRAJKOVIC E, SJEKAVICA T, VOLARIC T. Optimal wireless network selection following students' online habits using fuzzy AHP and TOPSIS methods[C]∥Wireless Communications and Mobile Computing Conference (IWCMC), 2015 International. Dubrovnik, Croatia: IEEE, 2015, 8: 397-402.

[9]LAHBY M, CHERKAOUI L, ADIB A.An enhanced-TOPSIS based network selection technique for next generation wireless networks[C]∥Telecommunications (ICT), 2013 20th International Conference on. Ayia Napa, Cyprus: IEEE, 2013, 5: 1-5.

[10] SGORA A, VERGADOS D D, CHATZIMISIOS P. An access network selection algorithm for heterogeneous wireless environments[C]∥Computers and Communications (ISCC), 2010 IEEE Symposium on. Riccione, Italy: IEEE, 2010: 890-892.

[11] AGOULMINE N, CHERKAOUI E H, TONI L. Multi-criteria Optimization of Access Selection to Improve the Quality of Experience in Heterogeneous Wireless Access Networks [J]. Vehicular Technology, IEEE Transactions on, 2012(12):1785-1800.

[12] SINGHROVA A, PRAKASH N. Vertical handoff decision algorithm for improved quality of service in heterogeneous wireless networks [J]. IET communications, 2012, 6(2): 211-223.

[13] XU Z, LIAO H. Intuitionistic fuzzy analytic hierarchy process [J]. Fuzzy Systems, IEEE Transactions on, 2014, 22(4): 749-761.

[14] 尤肖虎,潘志文,高西奇,等.5G移動(dòng)通信發(fā)展趨勢(shì)與若干關(guān)鍵技術(shù)[J].中國(guó)科學(xué):信息科學(xué),2014(5):551-563.

YOU Xiaohu, PAN Zhiwen, GAO Xiqi, et al. The development trend and numbers of key technologies of 5G mobile communications[J]. Scientia Sinica: Informationis suence. 2014(5):551-563.

[15] IMT-2020(5G)推進(jìn)組. 5G概念白皮書(shū)[EB/OL].(2015-01-02)[2015-12-30]. http://210.56.209.74/zh/documents/list/1.2015.2.

IMT-2020(5G) Group. White poper of 5G concept[EB/OL].(2015-01-02)[2015-12-30]. http://210.56.209.74/zh/documents/list/1.2015.2.

[16] THANACHAI T,ANJUM P,PRATIT S.Adaptive.Modular Fuzzy-based Handover Decision System for Heterogeneous Wireless Networks[J].International Journal of Networks and Communications,2013,3(1):25-38.

李丹陽(yáng)(1992-)，女，重慶銅梁人，碩士研究生，主要研究方向?yàn)?G與WIFI融合組網(wǎng)架構(gòu)、異構(gòu)網(wǎng)無(wú)線資源管理方案。E-mail：584111163@qq.com。

張治中(1972-)，男，湖北恩施人，教授，博士生導(dǎo)師，主要研究方向?yàn)榈谌?、四、五代移?dòng)通信網(wǎng)絡(luò)架構(gòu)、測(cè)試及優(yōu)化技術(shù)。

鄭文三(1989-)，男，碩士研究生，主要研究方向?yàn)?G移動(dòng)通信系統(tǒng)總體技術(shù)、通信網(wǎng)測(cè)試技術(shù)。

(編輯：劉勇)

s：The National High Technology Research and Development Program of China (“863” Program)(2015AA01A705,2014AA01A706); The Program of Innovative Research Team Constructing Plan of the Higher Education Institution in Chongqing(KJTD201312)

Handoff algorithm in 5G based on modular multi-attribute decision making method

LI Danyang, ZHANG Zhizhong, ZHENG Wensan

(Communication Networks Testing Engineering Research Center, Chongqing University of Posts and Telecommunications,Chongqing 400065, P.R. China)

In order to solve the problem of unilateral processing parameters of switching for 5G heterogeneous networks, a new handoff algorithm based on modular multi-attribute decision making(M-MDAM) is proposed. M-MDAM divides handoff parameters into two parts, firstly, a method combining TOPSIS and AHP was used to select the best network QoS(NQ) module; Secondly, using fuzzy logic to get user preference(UP) module, then made the degree of satisfaction(DS) module for a fuzzy treatment, choosing the best optimal network to perform handover. Simulation results indicate: M-MDAM algorithm not only reduces switch delay and handoff failure rate, but also selects the best network faster and more accurately, which will improve user satisfaction.

5G heterogeneous networks; analytic hierarchy process(AHP); TOPSIS; fuzzy logic; user satisfaction

考值 Tab.1

重要性標(biāo)度兩兩比較重要性定義解釋1兩者同樣重要兩者對(duì)目標(biāo)的貢獻(xiàn)相同3前者比后者稍微重要經(jīng)驗(yàn)和判斷偏向前者重要于后者5前者比后者明顯重要經(jīng)驗(yàn)和判斷強(qiáng)烈認(rèn)為前者重要于后者7前者比后者非常重要非常強(qiáng)烈地認(rèn)為前者重要于后者,可以證實(shí)9前者比后者極端重要有最肯定的依據(jù)表明前者比后者重要很多2,4,6,8表示上述相鄰判決的中間值

10.3979/j.issn.1673-825X.2016.05.017

2015-12-31

2016-06-17通訊作者：李丹陽(yáng)584111163@qq.com

國(guó)家高技術(shù)研究發(fā)展計(jì)劃(“863”計(jì)劃)(2015AA01A705，2014AA01A706);重慶高校創(chuàng)新團(tuán)隊(duì)(KJTD201312)

TN929.5

A

1673-825X(2016)05-0721-08