王瓏璋，李翠然

(蘭州交通大學(xué) 電子與信息工程學(xué)院，蘭州 730070)

0 引 言

由于各種無線接入技術(shù)的差異和單一網(wǎng)絡(luò)技術(shù)無法滿足用戶多樣化的需求，促使異構(gòu)無線網(wǎng)絡(luò)融合成為必然。異構(gòu)網(wǎng)絡(luò)的切換技術(shù)是實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)融合的關(guān)鍵技術(shù)之一，合理的切換不僅可以優(yōu)化網(wǎng)絡(luò)資源，還可以為用戶提供高速率、高安全和低延時(shí)的多樣化服務(wù)質(zhì)量(Quality of Service，QoS)需求。

傳統(tǒng)的垂直切換算法一般基于接收信號(hào)質(zhì)量進(jìn)行判決，這類算法盡管復(fù)雜度低，實(shí)現(xiàn)較簡(jiǎn)單[1-3]，但選網(wǎng)考慮因素過于單一。為此，文獻(xiàn)[4]使用博弈論和馬爾科夫鏈模型分析了異構(gòu)無線網(wǎng)絡(luò)接入選擇的競(jìng)爭(zhēng)；文獻(xiàn)[5]提出了改進(jìn)Markov過程的切換算法，降低了切換次數(shù)，減小了網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)膩G包率；文獻(xiàn)[6]提出了基于卡方距離和業(yè)務(wù)類別的主觀權(quán)重與網(wǎng)絡(luò)目標(biāo)屬性協(xié)作策略的網(wǎng)絡(luò)接入選擇算法，相比之下，該類算法無法根據(jù)環(huán)境的改變來自適應(yīng)地調(diào)整相關(guān)因素的權(quán)重；為了實(shí)現(xiàn)在變化環(huán)境中自適應(yīng)地調(diào)整各網(wǎng)絡(luò)屬性的權(quán)重，以確保用戶端接入更優(yōu)的網(wǎng)絡(luò)，文獻(xiàn)[7]提出了基于人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)垂直切換算法，其中調(diào)整權(quán)重的階躍因子通過梯度和近似后的海森矩陣表示，該算法降低了切換阻塞率，增大了網(wǎng)絡(luò)總吞吐量，在一定程度上達(dá)到了動(dòng)態(tài)調(diào)整權(quán)重值的目的；文獻(xiàn)[8]提出了基于層次分析法(Analytic Hierarchy Process，AHP)的自適應(yīng)垂直切換算法，但該方法計(jì)算權(quán)重主觀性太強(qiáng)；文獻(xiàn)[9]針對(duì)文獻(xiàn)[8]的問題，提出了基于模糊層次分析法(Fuzzy Analytic Hierarchy Process，F(xiàn)AHP)的自適應(yīng)垂直切換算法。

針對(duì)上述問題，本文提出了一種基于模糊層次—熵權(quán)法的自適應(yīng)垂直切換算法，該算法一方面為提高用戶的QoS考慮將網(wǎng)絡(luò)能耗作為用戶終端網(wǎng)絡(luò)切換的關(guān)鍵因素，另一方面提出了具體的自適應(yīng)模型來動(dòng)態(tài)調(diào)整各網(wǎng)絡(luò)屬性權(quán)重值。相較于其他算法，該算法能夠有效減少網(wǎng)絡(luò)的切換次數(shù)，在一定程度上均衡了網(wǎng)絡(luò)負(fù)載，提高了終端電池的使用時(shí)間。

1 系統(tǒng)模型

異構(gòu)網(wǎng)絡(luò)是不同類型網(wǎng)絡(luò)通過各種網(wǎng)絡(luò)技術(shù)相互重疊和相互融合形成的無線網(wǎng)絡(luò)環(huán)境。建立如圖1所示的異構(gòu)網(wǎng)絡(luò)仿真場(chǎng)景模型，該模型包括無線局域網(wǎng) (Wireless Local Area Networks，WLAN)、長(zhǎng)期演進(jìn) (Long Term Evolution，LTE)和通用移動(dòng)通信系統(tǒng) (Universal Mobile Telecommunications System，UMTS) 3種無線網(wǎng)絡(luò)環(huán)境，無線接入網(wǎng)絡(luò)均采用正交頻分復(fù)用(Orthogonal Frequency Division Multiplexing，OFDM)技術(shù)。該網(wǎng)絡(luò)模型中，網(wǎng)絡(luò)選擇決策點(diǎn)在終端側(cè)采用終端選擇算法，網(wǎng)絡(luò)側(cè)作為輔助，所以網(wǎng)絡(luò)選擇算法模型大體上分為兩個(gè)部分：終端側(cè)和網(wǎng)絡(luò)側(cè)。終端側(cè)需要完成的主要操作有：網(wǎng)絡(luò)發(fā)現(xiàn)、網(wǎng)絡(luò)切換請(qǐng)求的發(fā)起、各網(wǎng)絡(luò)屬性參數(shù)和終端性能參數(shù)的收集、網(wǎng)絡(luò)選擇切換的執(zhí)行和候選網(wǎng)絡(luò)的判決等操作[10]。

圖1 異構(gòu)網(wǎng)絡(luò)仿真場(chǎng)景模型

2 基于模糊層次-熵自適應(yīng)垂直切換算法

這里利用基于模糊層次[11]—熵權(quán)法的自適應(yīng)機(jī)制來動(dòng)態(tài)調(diào)整相應(yīng)屬性的權(quán)重值。對(duì)網(wǎng)絡(luò)屬性進(jìn)行處理時(shí)，應(yīng)該明確網(wǎng)絡(luò)屬性是效益型屬性還是成本型屬性。例如帶寬和信噪比等屬于效益型屬性，值越大說明網(wǎng)絡(luò)性能越好；相反，時(shí)延等屬性屬于成本性屬性，值越小說明網(wǎng)絡(luò)性能越好。

文中分別采用式(1)和(2)對(duì)效益型和成本型屬性進(jìn)行標(biāo)準(zhǔn)化處理。令xij為第i個(gè)網(wǎng)絡(luò)下的第j個(gè)網(wǎng)絡(luò)屬性值，且i=1,2,…,m；j=1,2,…,n；m為候選網(wǎng)絡(luò)個(gè)數(shù)；n為各候選網(wǎng)絡(luò)屬性個(gè)數(shù)。則有

2.1 FAHP確定主觀權(quán)重

(1) 構(gòu)造模糊判決矩陣

(2) 計(jì)算模糊權(quán)重

由式(5)可得，初始權(quán)重向量D=(d1,d2,…,dn)，di為第i個(gè)屬性的權(quán)重值，且

式中：minV()為V的最小值。

(3) 標(biāo)準(zhǔn)化

2.2 熵權(quán)法確定客觀權(quán)重

信息論中，信息熵是衡量系統(tǒng)之間差異的度量標(biāo)準(zhǔn)。候選網(wǎng)絡(luò)間某個(gè)屬性的差異越大，則信息熵Ei值越小且屬性提供的信息越多；反之亦然。根據(jù)屬性間差異，使用信息熵計(jì)算屬性權(quán)重步驟如下：

(1) 網(wǎng)絡(luò)參數(shù)標(biāo)準(zhǔn)化

首先將第i個(gè)網(wǎng)絡(luò)的網(wǎng)絡(luò)屬性參數(shù)j利用式(1)和(2)進(jìn)行標(biāo)準(zhǔn)化處理，處理結(jié)果記作Yij。

(2) 求各網(wǎng)絡(luò)屬性的信息熵

根據(jù)信息熵的定義，一組數(shù)據(jù)的信息熵為

(3) 確定各屬性權(quán)重

2.3 綜合權(quán)重及優(yōu)化函數(shù)的構(gòu)建

本文既考慮到?jīng)Q策者的主觀偏好，又確保決策的客觀真實(shí)性，達(dá)到了主觀與客觀的統(tǒng)一。在分別得到終端對(duì)于網(wǎng)絡(luò)屬性的主、客觀權(quán)重之后，文中引入加權(quán)法將主、客觀權(quán)重通過線性組合的方式來確定綜合權(quán)重，其綜合權(quán)重的構(gòu)造及計(jì)算如下：

式中：α和β為決策者對(duì)主、客觀權(quán)重占綜合權(quán)重的信任程度；wi為第i個(gè)網(wǎng)絡(luò)屬性的權(quán)重值?？紤]所有方案的綜合評(píng)價(jià)目標(biāo)值越大越好，構(gòu)建如下優(yōu)化模型[14]計(jì)算α和β：

當(dāng)函數(shù)F取最大值時(shí)，分別確定α和β的值，其中

2.4 自適應(yīng)調(diào)整權(quán)重

自適應(yīng)動(dòng)態(tài)調(diào)整權(quán)重意味著移動(dòng)終端能夠根據(jù)用戶體驗(yàn)自適應(yīng)動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)屬性的權(quán)重值。假設(shè)對(duì)網(wǎng)絡(luò)第j個(gè)屬性的權(quán)重值wj進(jìn)行動(dòng)態(tài)調(diào)整，則權(quán)重的調(diào)整方式需滿足下式[15]：

式中，p為一個(gè)大于1的常數(shù)，p的大小決定了權(quán)重值動(dòng)態(tài)變化的速度快慢，因此，p合理的取值至關(guān)重要。

通常，移動(dòng)終端電量損耗的確切值很難計(jì)算，因此將p與終端電量損耗的百分比進(jìn)行關(guān)聯(lián)，通過移動(dòng)終端電量損耗的百分比動(dòng)態(tài)調(diào)整p值:

式中：λ為影響因子，λ的取值大小會(huì)間接影響各網(wǎng)絡(luò)屬性權(quán)重值的自適應(yīng)變化速度；e為終端電量損耗的百分比；σ為常數(shù)。此外還存在一種情況是，當(dāng)移動(dòng)終端剩余電量極低時(shí)，如果當(dāng)前網(wǎng)絡(luò)環(huán)境發(fā)生變化觸發(fā)網(wǎng)絡(luò)切換，最后造成終端用戶電量耗盡和用戶體驗(yàn)降低時(shí)，文中設(shè)置閾值剩余電量百分比γ，即當(dāng)終端觸發(fā)切換請(qǐng)求且終端剩余電量百分比小于閾值百分比((1-e)>γ)時(shí)，禁止移動(dòng)終端執(zhí)行網(wǎng)絡(luò)切換，以延長(zhǎng)終端的通信時(shí)間。

2.5 網(wǎng)絡(luò)判決

在移動(dòng)終端收集了切換決策所需的所有信息后，切換進(jìn)入網(wǎng)絡(luò)決策決斷。在這一階段引入成本函數(shù)進(jìn)行網(wǎng)絡(luò)預(yù)判決。首先輸入候選網(wǎng)絡(luò)的所有網(wǎng)絡(luò)參數(shù)，通過比較當(dāng)前網(wǎng)絡(luò)的成本與候選網(wǎng)絡(luò)的成本[8]確定是否執(zhí)行切換。候選網(wǎng)絡(luò)i的成本函數(shù)值Ci表示為

該算法偽代碼可表示如下：

輸入：N=移動(dòng)終端初始電量，w=各網(wǎng)絡(luò)屬性初始權(quán)重值，p為常數(shù)，γ=閾值剩余電量百分比，h=終端執(zhí)行切換次數(shù)；

輸出：執(zhí)行切換。

fori=1 tondo

RE(i)=移動(dòng)終端剩余電量，Net(i)=初始狀態(tài)下終端隨機(jī)接入網(wǎng)絡(luò)，Cost(i)=目標(biāo)候選網(wǎng)絡(luò)接入成本；

ifCost(i)=候選網(wǎng)絡(luò)接入成本最小值&&Net(i)≠目標(biāo)切入網(wǎng)絡(luò)

ifRE(i)﹥?chǔ)?/p>

Net(i)=執(zhí)行切換；

h=h+1;

else

Net(i)=不執(zhí)行切換；

h=h;

end if

else

Net=不執(zhí)行切換；

h=h;

end if

w=更新各網(wǎng)絡(luò)屬性權(quán)重；

p=更新步長(zhǎng)因子；

end for。

3 仿真分析

3.1 仿真參數(shù)

在實(shí)驗(yàn)仿真過程中，假定終端用戶隨機(jī)分布在圖1所示的網(wǎng)絡(luò)覆蓋范圍中，并在每個(gè)方向上隨機(jī)移動(dòng)；另外，移動(dòng)終端均為多模終端，并假設(shè)多模式移動(dòng)終端檢測(cè)到的網(wǎng)絡(luò)屬性參數(shù)如表1所示。本文采用LTE、UMTS和WLAN 3種接入技術(shù)組成的異構(gòu)無線網(wǎng)絡(luò)環(huán)境，使用Matlab R2016A 64 bit為仿真實(shí)驗(yàn)平臺(tái)。假設(shè)網(wǎng)絡(luò)環(huán)境和終端設(shè)備與文獻(xiàn)[16]相同，實(shí)驗(yàn)開始時(shí)終端電量為滿狀態(tài)，另外經(jīng)計(jì)算可得決策者對(duì)主、客觀權(quán)重占綜合權(quán)重的信任程度分別為α=0.531和β=0.469；閾值剩余電量百分比γ=5%。本實(shí)驗(yàn)除網(wǎng)絡(luò)能耗因素外，還考慮了時(shí)延、抖動(dòng)和丟包率3個(gè)關(guān)鍵因素，并在終端電量損耗的每個(gè)百分比下進(jìn)行1 000次模擬，最后取最理想值。本文提出的算法將與自適應(yīng)—AHP算法和自適應(yīng)—FAHP算法進(jìn)行對(duì)比仿真實(shí)驗(yàn)，并將從以下幾個(gè)方面進(jìn)行仿真和分析：各網(wǎng)絡(luò)屬性的權(quán)重變化趨勢(shì)、網(wǎng)絡(luò)能耗權(quán)重值在3種算法中的比較以及λ和σ對(duì)網(wǎng)絡(luò)能耗權(quán)重值的影響程度、網(wǎng)絡(luò)平均切換率和網(wǎng)絡(luò)選擇概率等。網(wǎng)絡(luò)屬性參數(shù)如表1所示。

表1 網(wǎng)絡(luò)屬性變換范圍表

3.2 結(jié)果與分析

不同類別業(yè)務(wù)具有不同的QoS需求，因此QoS的重要性也不同，根據(jù)1～9標(biāo)度法[12]，表2針對(duì)會(huì)話類業(yè)務(wù)建立網(wǎng)絡(luò)屬性的判決矩陣，表3所示為不同屬性對(duì)應(yīng)的主、客觀權(quán)重值及綜合權(quán)重值。

表2 會(huì)話類業(yè)務(wù)判決矩陣

表3 不同屬性的權(quán)重值

在本文建立的模擬場(chǎng)景下，假設(shè)多模式移動(dòng)終端能檢測(cè)到候選網(wǎng)絡(luò)的各網(wǎng)絡(luò)屬性參數(shù)。圖2所示為隨著終端電量的損耗，各網(wǎng)絡(luò)屬性權(quán)重值的變化趨勢(shì)，其中W1、W2、W3和W4分別為時(shí)延、抖動(dòng)、丟包率和網(wǎng)絡(luò)能耗的權(quán)重值。不難看出，當(dāng)終端電量充足時(shí)，4個(gè)屬性的權(quán)重值變化都比較緩慢；但當(dāng)電量消耗40%時(shí)，時(shí)延、抖動(dòng)和丟包率的權(quán)重值開始有下降趨勢(shì)，相反網(wǎng)絡(luò)能耗的權(quán)重值開始有了明顯的上升趨勢(shì)，顯然在移動(dòng)終端電量充足時(shí)，終端用戶對(duì)切換網(wǎng)的網(wǎng)絡(luò)能耗并不在意，此刻其他網(wǎng)絡(luò)屬性顯得更重要些。但當(dāng)電量消耗80%時(shí)，網(wǎng)絡(luò)能耗的權(quán)重值已超過其他所有網(wǎng)絡(luò)屬性的權(quán)重值，其最大權(quán)重值達(dá)0.451，此時(shí)用戶切換到能耗更小網(wǎng)絡(luò)的意愿會(huì)越來越強(qiáng)烈。顯然，本文自適應(yīng)動(dòng)態(tài)調(diào)整權(quán)重的方式是符合用戶實(shí)際需求的。

圖2 網(wǎng)絡(luò)屬性的權(quán)重變化趨勢(shì)

圖3對(duì)比了3種算法在隨終端電能消耗網(wǎng)絡(luò)能耗屬性權(quán)重的變化趨勢(shì)。顯然，前期這3種算法對(duì)應(yīng)網(wǎng)絡(luò)能耗的權(quán)重值相差較小。隨著終端電量的不斷消耗，網(wǎng)絡(luò)能耗的權(quán)重值均不斷增加。值得注意的是，傳統(tǒng)自適應(yīng)算法的網(wǎng)絡(luò)能耗權(quán)重值呈線性增長(zhǎng)，而本文所提算法在終端電量消耗30%前，權(quán)重值幾乎沒有發(fā)生變化，直到終端能耗超過40%時(shí)，其權(quán)重值才有了明顯的增長(zhǎng)趨勢(shì)，呈指數(shù)型增加。當(dāng)終端能耗為57%時(shí)，本文算法的權(quán)重值超過了傳統(tǒng)自適應(yīng)算法。顯然，本文自適應(yīng)算法以指數(shù)的關(guān)系來描述該變化趨勢(shì)更切實(shí)際。

由圖2和3可知，隨著終端電量的損耗，網(wǎng)絡(luò)能耗屬性的權(quán)重值呈指數(shù)型連續(xù)增長(zhǎng)，但不難發(fā)現(xiàn)，當(dāng)電量消耗40%時(shí)，其權(quán)重值就開始呈顯著增長(zhǎng)趨勢(shì)，但在實(shí)際生活中，不會(huì)因其權(quán)重值增長(zhǎng)過快而影響用戶的整體上網(wǎng)體驗(yàn)。

圖3 權(quán)重的增長(zhǎng)趨勢(shì)圖

圖4分析了影響因子λ對(duì)自適應(yīng)權(quán)重值的影響。當(dāng)λ和σ一定時(shí)，權(quán)重大小隨能耗的增大而增大。當(dāng)σ一定時(shí)，權(quán)重值與λ成正比。當(dāng)λ一定時(shí)，權(quán)重值隨σ的增大而減小。λ=2對(duì)應(yīng)的權(quán)值增長(zhǎng)趨勢(shì)過快，而λ=3對(duì)應(yīng)的權(quán)值增長(zhǎng)趨勢(shì)過于平緩；當(dāng)終端電量的損耗百分比小于40%時(shí)，λ對(duì)權(quán)重大小的影響不明顯，能耗大于40%后，不同λ對(duì)權(quán)重值影響明顯。在λ=5/2且終端電量損耗80%時(shí)，其網(wǎng)絡(luò)能耗屬性的權(quán)重值超越其他各網(wǎng)絡(luò)屬性的權(quán)重值，且其權(quán)重值最大時(shí)達(dá)到0.451。綜合分析，當(dāng)影響權(quán)重的因子σ=60、λ=5/2時(shí)，最符合用戶的實(shí)際需求。

圖4 影響因子λ和σ對(duì)網(wǎng)絡(luò)能耗屬性權(quán)重值的自適應(yīng)影響程度

網(wǎng)絡(luò)平均切換率是指群體移動(dòng)終端平均執(zhí)行切換的比率，通過比較算法的平均切換次數(shù)可以說明算法的判決準(zhǔn)確性。由圖5可知，本文提出的改進(jìn)算法在一定程度上減小了網(wǎng)絡(luò)切換次數(shù)。這是由于算法引入了主客觀加權(quán)的綜合權(quán)重確定方法，加強(qiáng)了各個(gè)屬性之間的關(guān)聯(lián)性，削弱了不確定的決策判決結(jié)果，與傳統(tǒng)自適應(yīng)算法相比，可以有效提升自適應(yīng)算法性能，降低了網(wǎng)絡(luò)切換率，抑制了乒乓效應(yīng)的發(fā)生。

圖5 網(wǎng)絡(luò)平均切換率對(duì)比圖

圖6所示為隨著終端電量的損耗，移動(dòng)終端在WLAN、UMTS和LTE 3網(wǎng)之間的切換狀態(tài)。在會(huì)話類業(yè)務(wù)下，LTE網(wǎng)絡(luò)能耗最大而時(shí)延最小，WLAN網(wǎng)絡(luò)正好相反，當(dāng)終端電量充足時(shí)，用戶會(huì)優(yōu)先選擇能滿足當(dāng)前業(yè)務(wù)需求的網(wǎng)絡(luò)，而當(dāng)電量不足或較低時(shí)，終端用戶會(huì)以一種折中的方式接入能耗小而網(wǎng)絡(luò)性能次之的WLAN網(wǎng)絡(luò)。

圖6 終端用戶在UMTS、WLAN和LTE 3網(wǎng)之間的切換狀態(tài)

圖7 候選網(wǎng)絡(luò)選擇概率圖

網(wǎng)絡(luò)負(fù)載均衡度能夠很好地衡量網(wǎng)絡(luò)資源利用率。圖7所示為3種算法分別對(duì)候選網(wǎng)絡(luò)的選擇概率狀況。仿真結(jié)果表明，3種算法中，WLAN網(wǎng)絡(luò)被用戶選擇的概率最高，這是由于WLAN網(wǎng)絡(luò)QoS較優(yōu)且網(wǎng)絡(luò)能耗較小。但不難發(fā)現(xiàn)，在其他兩種算法中，選擇WLAN網(wǎng)絡(luò)的概率特別高，而選擇LTE和UMTS的概率又特別低，這容易造成WLAN網(wǎng)絡(luò)負(fù)載過重及網(wǎng)絡(luò)性能下降的現(xiàn)象，近而導(dǎo)致LTE和UMTS網(wǎng)絡(luò)資源浪費(fèi)。相反，本文算法在一定程度上均衡了網(wǎng)絡(luò)負(fù)載，緩解了網(wǎng)絡(luò)壓力，提高了網(wǎng)絡(luò)資源的合理高效分配和異構(gòu)無線網(wǎng)絡(luò)的整體性能。

4 結(jié)束語(yǔ)

本文針對(duì)當(dāng)前異構(gòu)無線網(wǎng)絡(luò)中垂直切換算法存在的問題，通過引入主、客觀綜合權(quán)重的自適應(yīng)方法，考慮了網(wǎng)絡(luò)切換判決屬性間的關(guān)聯(lián)性，削弱了不確定決策判決結(jié)果的發(fā)生率。仿真結(jié)果表明，本文所提自適應(yīng)垂直切換算法性能更優(yōu)，相比之下，該算法減小了網(wǎng)絡(luò)切換率，避免了頻繁切換現(xiàn)象的發(fā)生，在一定程度上緩解了乒乓效應(yīng)；其次，算法對(duì)候選網(wǎng)絡(luò)的選擇更加均衡，這不僅提高了網(wǎng)絡(luò)資源利用率，還提升了用戶滿意度。此外，在終端電量充足時(shí)對(duì)網(wǎng)絡(luò)能耗權(quán)重的影響較小，而在終端電量不足時(shí)，網(wǎng)絡(luò)能耗的權(quán)重值呈指數(shù)型增長(zhǎng)，這更加符合用戶的實(shí)際需求。