《异构网络环境下的一种新型接入选择算法.doc》由会员分享，可在线阅读，更多相关《异构网络环境下的一种新型接入选择算法.doc（8页珍藏版）》请在三一办公上搜索。
1、精品论文异构网络环境下的一种新型接入选择算法朱鹏1,2，唐碧华1（1. 北京邮电大学电子工程学院，北京 100876；52. 北京邮电大学安全生产智能监控北京市重点实验室，北京 100876） 摘要：接入选择是异构网络移动性管理机制的一个核心问题。用户终端为了选择最合适的网 络进行接入，就必须考虑备选网络的多种参数。本文提出了异构环境下的一种新型接入选择 算法来确保终端达到始终最佳连接，它结合了模糊层次分析法和灰度关联分析法两种多属性 决策方法。模糊层次分析法用来计算备选网络的每个参数的权重，灰度关联分析法用来对备10选网络进行灰度关联分析，从而决定备选网络的优劣排序。仿真结果表明，跟传统接入
2、选择 算法相比，本文提出的算法可以精确的为用户选择最佳的网络进行接入，同时能得到理想的满意度。 关键词：异构接入网络选择；多属性决策；模糊层次分析法；灰度关联分析法 中图分类号：TN929.515A New Access Selection Algorithm in HeterogeneousNetwork EnvironmentZhu Peng1,2, Tang Bihua1(1. Electronic Engineering School, Beijing University of Posts and Telecommunication,20Beijing 100876;2. Beiji
3、ng Key Laboratory of Safe Production & Intelligent Monitoring, Beijing University ofPosts and Telecommunication, Beijing 100876)Abstract: Access selection is a core issue of mobile management in heterogeneous network. In order to select the best network to access, various parameters of the candidate
4、 networks should be25taken into account. To achieve the goal of Always Best Connected (ABC), a new access selectionalgorithm is introduced in this paper, which combines two multiple attributes decision methods (MADM): Fuzzy Analytic Hierarchy Process (FAHP) and Gray Relational Analysis (GRA) methods
5、. The FAHP method is used to determine the weight of each parameter of candidate network, while the GRA method is used to sort the candidate networks. The simulation results30show that the proposed algorithm can be more accurate to select the best network to access and provide ideal degree of users
6、satisfaction compared with the traditional network selection algorithms.Keywords: Heterogeneous access network selection; MADM; FAHP; GRA350引言随着无线通信技术在近现代的飞速发展，不同的无线接入网络层出不穷，包括 3/4G， WLAN，WiMax，卫星网络和 Ad hoc 网络等。这些网络拥有不同的特性，其中任何一种网 络都无法替代其他网络。为了满足不同用户和不同业务的 Qos 需求，这些网络需要协同合 作，以形成一个异构网络系统1。现有的终端都拥有接入各
7、种无线网络的能力，而且终端都40倾向于接入一个最好的网络，因此，找到一种接入选择机制以实现始终最佳连接（ABC）是 现在异构网络研究的一个热点问题2 3。为了达到始终最佳连接，研究者发展出了多种接入选择算法，这些算法包括基于接收信 号强度(RSSI)算法，基于信噪比(SINR)算法4等等，它们的共同特点是只对网络的某一项参基金项目：国家自然科学基金(61272516)；国家自然科学基金（61272518） 作者简介：朱鹏，（1987-），男，硕士生，主要研究方向：异构网络移动性管理。 通信联系人：唐碧华，（1964-），女，教授，主要研究方向：无线宽带传输新方法和新技术、无线传感器 网络技术。
8、 E-mail: bhtang- 8 -数进行衡量，故可以归类为单目标决策方法5。但是对于复杂的异构网络系统，单一的网络45参数并不能代表网络的优劣，要选择最佳的网络，我们就必须考虑网络的一系列参数（如吞 吐量、时延、丢包率、成本和安全性等）。因此，现代的异构网络接入选择机制主要是基于 多目标决策的方式，在此基础上引入了几种多目标决策方法如模糊逻辑、遗传算法、层次分 析法等6 7。在本文中，我们提出了一种新型的接入选择算法，它的主要思想是利用 FAHP 算法决定50备选网络的每一个参数的权重，然后结合灰度关联分析法得到备选网络的加权关联度，进而 得到其优劣度的排序。1算法流程本文算法可以分为两
9、个主要的部分：FAHP 算法用来计算所有网络参数的权重，GRA算法用来计算加权关联度。下图就是算法的框架图：55图 1 FAHP-GRA 接入选择算法模块图Fig. 1 Function Block Diagram of algorithm proposed60FAHP-GRA 算法的具体步骤如下：步骤 1：决定网络参数，构建层次结构模型如下：ABC3GWiMaxWLAN1WLAN2Date rateDelayCostReliabityBandwidth65步骤 2：构建模糊判决矩阵。图 2 层次结构模型Fig. 2 hierarchical structure model根据网络参数构建模糊
10、判决矩阵，矩阵中的每一个元素 rij ，都是三角模糊数，M ( l , m , u ) 模糊数的运算规则如下：M 1 =( l 1, m 1, u 1 ) ; M2 = ( l 2 , m2 , u 2 )M 1 + M2 = ( l 1 +l 2 , m 1 +m 2 , u 1 +u 2 )M 1 M1 ( 12 ( l 1 l 2 . m 1 m, 1 , 1 )2 , u 1 u 2 ) M u m l70 a 1, a 2 , L, a n 是 n 个影响网络选择的参数，将其中参数进行两两比较，就可以得到判决矩阵 ( rij )n n，这里的每一个元素都是三角模糊数，而且矩阵的元素满
11、足条件： rii =1,rij *rji =1(i, j =1,2,L,n)表 1 重要度定义75Tab. 1 Definition of importance重要度 定义1一样重要3稍微重要5比较重要7 很重要9极其重要2,4,6,8 中间值步骤 3：计算初始权重根据模糊判决矩阵，我们可以得到每一个参数 Ci 的初始权重，这里的权重也是三角模糊数。nnnrrD C i = ij ( ) , iij = 1 , 2 , . . . , nj = 1i = 1j = 180步骤 4： 对初始权重进行去模糊化处理，得到最终权重。去模糊化的定义如下：给定两个三角模糊数 M 1(l1, m1, u1)
12、 和 M 2(l 2, m2, u2) ，那么可以得到 M 1 比M 2 大的可能性v() = supmin( x),( y)M 1M 2x y1u M 1u M 2m1 m2v( M M ) = ( d ) = l 2u1m1 m2, u1 l 212 (m1 u1) (m2 l 2)0otherwise85则 M 比其他数个三角模糊数 Mi 大的可能性MM 1 M 2M kMM iV(,L,) = min V (), i = 1, 2,L,k最后可以得到最终权重的定义。d (C i ) = m in V ( D Ci D C 1, DC 2,L, D, DC i 1C i +1,L, D
13、C n )这样就可以得出最终权重向量W = d90( C 1 ) , d ( C2 ) , L, d ( C m ) 步骤 5：确定最优序列和参考序列用 xi= ( xi (1), xi (2),L , xi (n)(i = 1, 2,L , m) 表示 m 个备选网络中第 i 个网络的参数初始序列。根据这些初始序列，我们可以构建出一个最理想网络的最优序列：x0 =( x0 (1), x0 ( 2 ),L , x0 ( n )(i= 1, 2,L , m )95 这里面每一个元素 x 0 ( k) ( k= 1 , 2 , L, n )都是各备选网络初始序列中的相应参数 x i ( k ) (
14、 k数取最小值。= 1 , 2 , L, n )中最好的一个，效益型参数取最大值，成本性参100步骤 6：初始序列转换 得到初始的最优序列和参考序列后，需要进行转换以消除不同量纲的影响。网络的参数可以 被分为两种：越小越好的成本性参数（价格，丢包率，时延等）和越大越好的效益型参数（数 据速率，安全性等）。效益型参数:y ( k ) =x i ( k ) m i n x i ( k ) i 成本型参数:i ma xix i ( k ) m i n x ii( k )max xi (k ) xi (k )y (k ) = i i max x (k ) min x (k )105步骤 7：计算灰色关
15、联度i i i i0iik = r ( y(k ), y (k ) = min + = max 0i (k )max +r ( y 0 ( k ), yi ( k ) 是灰色关联度， 0 i (k ) =y0 (k ) yi (k )是绝对差，min = min min0i (k)i k110是最小绝对差， max = max max 0 i (k ) 是最大绝对差。 (0,1) 是关联系数，一般取 0.5。ik通过灰色关联度可以组成关联矩阵 R = (ik ) n m 。步骤 8：计算加权关联度最后，根据 FAHP 得到的最终权重和 GRA 得到的关联矩阵，就可以得出每一个备选网络的 加权关
16、联度：F = R *W T115通过加权关联度的比较，就可以对备选网络进行优劣度排序。 即最优目标网络为：N best2仿真结果与分析= arg max( f i )i =1,2,L ,m120125图 3 是一个异构网络系统，里面包括了 LTE，WiMax 和两种 WLAN。用户处在可以接 入这四种网络的区域内，利用 FAHP-GRA 算法进行接入选择。图 3 仿真场景图Fig. 3 the simulation scenario我们取备选网络的五种参数作为考量，它们分别是数据速率、时延、成本、丢包率和带 宽。各自的值如下表所示：130表 2 备选网络的各项参数Tab. 2 the attr
17、ibutes of all candidates数据率/Mbps(a1)时延/ms(a2)成本/元(a3)丢包率/%(a4)带宽/MB(a5)LTE201001.0410-3100WiMAX251000.8410-375WLAN113800.22.510-354WLAN227750.3210-3100135在这个仿真场景中，我们构建了相应的模糊判决矩阵，在实际情况中，模糊判决矩阵可以随着实际情况下用户的需求进行动态调整。a1 a2 a3 a4 a5a1 (1,1,1) (2, 3, 4) (1 3,1 2,1) (1/3,1/2,1) (1 7,1 6,1 5) a2 (1/2,1/3,1/4
18、) (1,1,1) (1 3,1 2,1) (1/5,1/4,1/3) (1 5,1 4,1 3) a3 (1, 2, 3) (1, 2, 3) (1,1,1) (1, 2, 3) (1 3,1 2,1) a4 (1, 2, 3) (3, 4, 5) (1 3,1 2,1) (1,1,1) (1 3,1 2,1) a5 (5, 6, 7) (3, 4, 5) (1, 2, 3) (1, 2, 3) (1,1,1) 140得到最终权重与加权关联度如下：W = W a1, W a 2 , W a 3, W a 4, W a 5= 0.2024, 0.1879, 0.1097, 0.4387, 0.
19、0613利用 GRA 算法我们可以得到每个网络每个参数与理想参数的灰色关联度，它们组成下面的矩阵：R = ( ik ) n m 0.50 .3 510.670.33 = 0.60 .3 30 .6 710.6 110.330.330.8 0.330.70 .3 60 .61最终利用如下公式得到四个网络的加权关联度：F = R *W T= 0.5928, 0.3807, 0.6203, 0.5623145150得出在以上用户偏好的设定下，最终的备选网络优劣度排序为：WLAN1LTEWLAN2WiMAX在实际情况中，我们经常会遇到这样一种情况：大量的用户同时产生接入请求，进行 接入选择评估后很可能
20、得到相同的最优目标网络，然后这些用户同时涌入最优目标网络，导 致这个网络可用带宽急剧下降，用户的 Qos 要求得不到保障，最优的目标网络反而变成劣 等的网络，这样的切换同步效应会导致不必要切换。图 5 中展示了各种接入选择算法在不同 初始代价比之下的不必要切换概率对比，初始代价比可以用如下公式定义： = Bcurrent / Btarget其中 Bcurrent是用户所在网络的可用带宽，Btarget是接入目标网络的可用带宽。0.250.2FAHP-GRA MLBRate PriorityUnnecessary handoff probability0.150.10.0501.5 2.25 3
21、 3.75 4.5 5.25 6 6.757.5Initial cost ratio155160165图 4 不必要切换概率的比较Fig. 4 the comparision of unnecessary handoff probability从图 4 中可以看出,当初始代价比升高时，移动负载均衡算法(MLB)和速率优先算法的 不必要切换概率迅速随之升高，而本文提出的算法则缓慢提升。这说明了本文算法可以更为 精确的进行接入选择，不会因为不必要切换造成过高的终端功率开销。从用户的角度来看，满意度的主要影响因素是数据传输速率和成本。当大量用户接入相 同的目标网络时，随着目标网络可用负载降低，可提供
22、的数据传输速率也会降低，网络接入 整体性价比降低。图 5 中展示了本文算法和 MLB 算法与速率优先算法可以提供的用户满意 度对比。当异构网络的用户数变大时，本文提出的算法可以提供较为理想而稳定的用户满意 度，而 MLB 算法专注于平衡异构网络整体负载而忽略用户的体验，所以用户的满意度处在 一个较低的水平，速率优先算法所提供的用户满意度则会随着用户数的增多而平稳下降。由 此可见本文提出算法在用户体验方面的优越性。10.9FAHP-GRA MLBRate Priority0.80.7degree of satisfaction0.60.50.40.30.20.100 5 10 15 20 25
23、30 35 40 4550number of users170175180185190195200图 5 用户满意度的比较Fig. 5 the comparision of users degree of satisfaction3结论本文给出了一种新型的异构网络环境下的接入选择算法，它结合了两种多属性决策机 制：FAHP 和 GRA 算法。模糊层次分析法 FAHP 可以很好的解决不同网络参数的权重确定问题，把用户的主观偏好转化为权重向量；灰度关联分析法 GRA 可以用来计算每一个网络参数序列与理想序列的 灰色关联度。利用权重向量与灰色关联度的结合，就可以得到加权关联度，并进行网络优劣 排序。
24、仿真结果表明，提出的算好可以很好降低不必要切换概率，更为精确的选择最佳网络进 行接入，也能得到更好的用户满意度，是一种优秀的异构网络接入选择算法。参考文献1 BARI F, LEUNG V. Application of ELECTRE to Network Selection in A Heterogeneous Wireless Network Environment A. BARI F. Wireless Communications and Networking ConferenceC. Kowloon, 2007,3810-3815. 2 GUSTAFSSON E, JONSSON
25、A. Always Best Connected J. IEEE Wireless Communication, 2003,10(1):49-55.3 NIYATO D, HOSSAIN E. Dynamics of Network Selection in Heterogeneous Wireless Networks: AnEvolutionary Game Approach J. Vehicular Technology, 2009, 58(4):2008-2017.4 LI M X, XIE D, HU B, et al. Vertical Handoffs for Optimizin
26、g Joint Ratio Resource Management inHeterogeneous Wireless NetworksA.LI M X. Global Mobile CongressC. Shanghai, 2009, 1-6.5 VEGNI A M, TAMEA G, INZERILLI T, et al. A combined Vertical Handover Decision Metric for QoS Enhancement in Next Generation Networks A. VEGNI A M. Wireless and Mobile Computing
27、, Networking and CommunicationsC. Marrakech, 2009, 233-238.6 YAMAGUCHI A, SASAKI M, YAMAZAKI K, et al. Evaluation of Radio Link Selection with Analytic Hierarchy Process Algorithm in Heterogeneous Radio NetworksA. YAMAGUCHI A. Radio and Wireless SymposiumC. Santa Clara, 2012,279-282.7 MOHAMED L, LEGHRIS C, ABDELLAH A. A Survey and Comparison Study on Weighting Algorithms for Access Network SelectionA. MOHAMED L. Wireless On-Demand Network Systems and ServicesC. Courmayeur, 2012,35-38.
