CN103781157A - 一种基于多网络并行传输的异构网络接入决策方法 - Google Patents

一种基于多网络并行传输的异构网络接入决策方法 Download PDF

Info

Publication number
CN103781157A
CN103781157A CN201410015704.6A CN201410015704A CN103781157A CN 103781157 A CN103781157 A CN 103781157A CN 201410015704 A CN201410015704 A CN 201410015704A CN 103781157 A CN103781157 A CN 103781157A
Authority
CN
China
Prior art keywords
network
scheme
aggregation scheme
user
power consumption
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201410015704.6A
Other languages
English (en)
Inventor
朱琦
张丽娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201410015704.6A priority Critical patent/CN103781157A/zh
Publication of CN103781157A publication Critical patent/CN103781157A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明是一种基于多网络并行传输的异构网络接入决策方法，该方法将多网络的选择问题看作多个网络聚合方案的选择问题，对各个候选网络聚合方案计算与正理想方案的相对接近程度，选出能提供最佳服务质量的多网络聚合方案，从而提高用户吞吐量，降低用户的单位吞吐量对应的功耗和费用，保证网络的负载均衡。具体步骤如下：将用户所有可接入网络集合的任意非空子集作为一个聚合方案，满足阈值条件的聚合方案成为候选网络聚合方案，采用逼近理想值排序法计算每个聚合方案与正理想方案的相对接近程度，选出能提供最佳服务质量的聚合方案，作为多网络接入方案，实现多网络并行传输。

Description

一种基于多网络并行传输的异构网络接入决策方法
 
技术领域
本发明属于通信技术领域，涉及一种基于多网络并行传输的异构网络接入决策方法。
 
背景技术
随着无线接入技术的迅速发展，下一代网络的发展趋势是各种接入技术协同工作的异构网络。各种无线接入技术在覆盖范围、***容量、服务质量和移动性支持等都各有优势，彼此难以取代，因此需尽可能利用更多资源来完成用户的服务需求。异构融合网络环境下，网络的异构性和差异性较大，用户在网络初始化状态首先需要对网络进行选择，然后随着用户地理位置的改变，业务的变化，以及网络本身的变化，需要重新选择网络，网络切换过程中应尽量保证用户的服务质量，因而异构无线网络中如何选择最优网络是通信领域中研究的一个热点问题。
异构网络中的网络选择问题是典型的多属性决策问题，为了提供用户满意的QoS和最小化服务代价，网络选择除了考虑接收信号强度，还需要根据网络、应用、用户和终端相关的QoS、偏好、服务价格、安全等级、移动性等多种因素进行判断。网络选择问题可以通过结合用户主观需求和网络本身的性能对网络进行选择，可以采用基于神经网络和模糊逻辑的多属性决策算法，可以采用基于博弈理论的定价策略和网络选择方法，可以从负载均衡考虑网络接入选择问题，也可以建立效用函数获得最佳的网络接入方案。
但是目前的网络选择问题都限制在用户只能接入单个网络，随着终端处理能力的不断提高，多模移动终端同时连接到多个无线网络将成为可能。多种无线技术并行接入可以提高网络容量、增大传输带宽、提高资源利用率、提高用户服务质量等，因此将单一网络选择问题延伸到了多网络聚合方案选择的问题。本发明将网络选择问题拓展到多网络聚合方案的选择，利用吞吐量和功耗阈值条件确定候选网络聚合方案，建立多属性决策矩阵并采用逼近理想值排序法对各个候选网络聚合方案计算与正理想方案的相对接近程度，从中选出与正理想方案最接近的网络聚合方案作为多网络接入方案。
 
发明内容
技术问题：本发明的目的是提供一种能够充分利用无线网络资源，改善用户服务质量，提高用户吞吐量，降低用户的单位吞吐量对应的功耗和费用，保证网络负载均衡的基于多网络并行传输的异构网络接入决策方法。
技术方案：本发明的基于多网络并行传输的异构网络接入决策方法，包括以下步骤：
1）确定用户所有可接入网络的集合                                               
Figure 2014100157046100002DEST_PATH_IMAGE002
：分别计算每个用户收到来自各个网络的接收信号强度
Figure 2014100157046100002DEST_PATH_IMAGE004
，其中
Figure 2014100157046100002DEST_PATH_IMAGE006
为网络序号，
Figure 2014100157046100002DEST_PATH_IMAGE008
，
Figure 2014100157046100002DEST_PATH_IMAGE010
为异构网络中所有网络个数，然后按照如下标准构建用户所有可接入网络的集合：若
Figure 227377DEST_PATH_IMAGE004
不小于网络
Figure 2014100157046100002DEST_PATH_IMAGE012
的信号强度门限
Figure 2014100157046100002DEST_PATH_IMAGE014
，则将该网络的序号
Figure 659495DEST_PATH_IMAGE012
归入集合
Figure 946163DEST_PATH_IMAGE002
，否则该网络的序号
Figure 805535DEST_PATH_IMAGE012
不归入集合
Figure 414371DEST_PATH_IMAGE002
；
2）将所述步骤1）确定的用户所有可接入网络的集合
Figure 384601DEST_PATH_IMAGE002
的任意非空子集为一个聚合方案，计算每个聚合方案的包括聚合吞吐量和聚合功耗的至少两种聚合属性：
3）根据吞吐量和功耗阈值条件确定候选网络聚合方案：根据所述步骤2）中得到的每个聚合方案的聚合吞吐量和聚合功耗，判断是否同时满足以下条件：
聚合功耗
Figure 2014100157046100002DEST_PATH_IMAGE016
不大于功耗最高门限
Figure 2014100157046100002DEST_PATH_IMAGE018
，
聚合吞吐量
Figure 2014100157046100002DEST_PATH_IMAGE020
不小于吞吐量最低门限，
若同时满足上述两个条件，则将该非空子集作为一个候选网络聚合方案；
4）对所述步骤3）中确定的候选网络聚合方案建立多属性决策矩阵
Figure DEST_PATH_IMAGE026
，采用逼近理想值排序法计算每个候选网络聚合方案与正理想方案的相对接近程度
Figure DEST_PATH_IMAGE028
；
5）将候选网络聚合方案与正理想方案的相对接近程度作为效用函数，选取效用函数值最大的
Figure 674822DEST_PATH_IMAGE028
所对应的候选网络聚合方案作为用户接入的最优网络聚合方案
Figure DEST_PATH_IMAGE030
，即
Figure DEST_PATH_IMAGE032
。
本发明方法的步骤2）中，根据以下公式分别计算每个聚合方案的聚合吞吐量和聚合功耗：
Figure DEST_PATH_IMAGE034
， 
Figure DEST_PATH_IMAGE036
，
其中
Figure 895588DEST_PATH_IMAGE020
为聚合吞吐量，
Figure DEST_PATH_IMAGE038
为网络
Figure 669509DEST_PATH_IMAGE012
提供的吞吐量，为聚合功耗，
Figure DEST_PATH_IMAGE040
为接入网络
Figure 1450DEST_PATH_IMAGE012
消耗的功耗，
Figure 319299DEST_PATH_IMAGE024
代表集合
Figure 896911DEST_PATH_IMAGE002
的非空子集。
本发明的一种优选方案中，步骤2）中，还根据以下公式分别计算每个聚合方案的聚合费用和聚合负载均衡两种聚合属性：
，
Figure DEST_PATH_IMAGE044
，
其中
Figure DEST_PATH_IMAGE046
为聚合费用，为网络
Figure 6818DEST_PATH_IMAGE012
的支付费用，
Figure 316577DEST_PATH_IMAGE024
代表集合
Figure 178180DEST_PATH_IMAGE002
的非空子集，
Figure DEST_PATH_IMAGE050
为聚合负载均衡，
Figure DEST_PATH_IMAGE052
为非空子集
Figure 293903DEST_PATH_IMAGE024
的所有元素个数， 
Figure DEST_PATH_IMAGE054
为非空子集中网络
Figure 258317DEST_PATH_IMAGE012
的负载度，
Figure DEST_PATH_IMAGE058
为异构网络的总体负载度。
本发明方法中，步骤4）的具体流程为：
a）采用向量规范法对多属性决策矩阵
Figure 801294DEST_PATH_IMAGE026
进行规范化处理，得到标准化的决策矩阵
Figure DEST_PATH_IMAGE060
；
b）根据下式计算加权标准化决策矩阵
Figure DEST_PATH_IMAGE062
：
Figure DEST_PATH_IMAGE064
，
Figure DEST_PATH_IMAGE066
，
Figure DEST_PATH_IMAGE068
，
其中为加权标准化决策矩阵
Figure 546265DEST_PATH_IMAGE062
中第
Figure DEST_PATH_IMAGE072
行第
Figure DEST_PATH_IMAGE074
列对应的元素值，
Figure DEST_PATH_IMAGE076
为所述步骤3）中确定的候选网络聚合方案的个数，为聚合属性的个数，
Figure DEST_PATH_IMAGE080
为用户对第
Figure 387051DEST_PATH_IMAGE074
个聚合属性的偏好权重且
Figure DEST_PATH_IMAGE082
，
Figure DEST_PATH_IMAGE084
为标准化的决策矩阵
Figure DEST_PATH_IMAGE086
中第
Figure 471550DEST_PATH_IMAGE072
行第
Figure 123111DEST_PATH_IMAGE074
列对应的元素值；
c）确定所有候选网络聚合方案的正理想方案
Figure DEST_PATH_IMAGE088
和负理想方案
Figure DEST_PATH_IMAGE090
：正理想方案
Figure 27482DEST_PATH_IMAGE088
是由加权标准化决策矩阵
Figure 422692DEST_PATH_IMAGE062
中每一列元素的最优值
Figure DEST_PATH_IMAGE092
所组成的方案，负理想方案
Figure DEST_PATH_IMAGE094
是加权标准化决策矩阵
Figure 367557DEST_PATH_IMAGE062
中每一列元素的最劣值
Figure DEST_PATH_IMAGE096
所组成的方案；
d）分别计算候选网络聚合方案与正、负理想方案的欧几里德距离：候选网络聚合方案与正理想方案的距离为
Figure DEST_PATH_IMAGE098
，候选网络聚合方案与负理想方案的距离为
Figure DEST_PATH_IMAGE100
，其中
Figure DEST_PATH_IMAGE102
；
e）根据下式计算每个候选网络聚合方案与正理想方案的相对接近程度
Figure 905221DEST_PATH_IMAGE028
：
Figure DEST_PATH_IMAGE104
。
本发明将单个的网络选择问题拓展到多网络聚合方案的选择，利用吞吐量和功耗阈值条件确定候选网络聚合方案，建立多属性决策矩阵并采用逼近理想值排序法选出各个候选网络聚合方案与正理想方案最接近的方案作为多网络接入方案，实现了较好的多网络接入决策。
本发明方法将用户所有可接入网络集合
Figure 636416DEST_PATH_IMAGE002
的任意非空子集
Figure 692097DEST_PATH_IMAGE024
作为一个聚合方案，满足阈值条件的聚合方案成为候选网络聚合方案，对每个聚合方案的聚合属性计算与正理想方案的相对接近程度，选出能提供最佳服务质量的网络聚合方案，能够充分利用无线网络资源，从而改善用户服务质量，提高用户吞吐量，降低用户的单位吞吐量对应的功耗和费用，保证网络的负载均衡。
有益效果：本发明与现有技术相比，具有以下优点：      
1.将多网络聚合的选择问题看作是多个网络聚合方案的选择问题，只有满足吞吐量和功耗阈值条件的聚合网络方案才能作为候选网络聚合方案，既满足用户的服务需求，又降低了计算复杂度，对各个候选网络聚合方案计算与正理想方案的相对接近程度，选出性能最优的作为多网络接入方案，实现了最理想的多网络决策。
2.不同于传统的单网络接入方法，提出的多网络接入方法可以充分利用所有空闲资源为用户提供服务，从而大大提高网络利用率，也提高了用户服务质量。 
3.本发明的多网络接入方法相比单网络接入方法可以提高不同用户数下的用户平均吞吐量，降低用户的单位吞吐量对应的功耗和费用，保证网络的负载均衡，从而为用户提供较好的QoS。
 
附图说明
图1为本发明方法的流程示意图。
图2为随用户数变化的用户平均吞吐量的仿真结果图。
图3为随用户数变化的单位吞吐量对应的功耗的仿真结果图。
图4为随用户数变化的单位吞吐量对应的费用的仿真结果图。
 
具体实施方式
下面结合实施例和说明书附图对发明的技术方案进行详细说明： 
本发明的思路是将单个的网络选择问题拓展到多网络聚合方案的选择，利用吞吐量和功耗阈值条件确定候选网络聚合方案，建立多属性决策矩阵并采用逼近理想值排序法选出各个候选网络聚合方案与正理想方案最接近的方案作为多网络接入方案，该方案的性能越接近理想方案因而性能最好。
基于多网络并行传输的异构网络接入决策方法的总体流程图见附图1。
本发明的基于多网络并行传输的异构网络接入决策方法，包括以下步骤：
1）确定用户所有可接入网络的集合
Figure 446426DEST_PATH_IMAGE002
：分别计算每个用户收到来自各个网络的接收信号强度
Figure 511334DEST_PATH_IMAGE004
，其中
Figure 34719DEST_PATH_IMAGE012
为网络序号，
Figure 261301DEST_PATH_IMAGE008
，
Figure 502927DEST_PATH_IMAGE010
为异构网络中所有网络个数，首先需要确定信道衰落模型，假设采用简化的大尺度和阴影衰落模型，定义在
Figure DEST_PATH_IMAGE106
时刻移动终端与待机状态的无线网络基站
Figure 105947DEST_PATH_IMAGE012
的距离为处的路径损耗
Figure DEST_PATH_IMAGE110
为
Figure DEST_PATH_IMAGE112
                    (1)
其中
Figure DEST_PATH_IMAGE114
为参考距离，为在参考距离
Figure 670789DEST_PATH_IMAGE114
处网络
Figure 333851DEST_PATH_IMAGE012
的路径损耗，
Figure DEST_PATH_IMAGE118
是路径损耗指数，与无线环境和基站特性有关，
Figure DEST_PATH_IMAGE120
，为满足高斯分布的均值为
Figure DEST_PATH_IMAGE124
，方差为
Figure DEST_PATH_IMAGE126
的阴影衰落。另外，假设基站的固定发射功率为
Figure DEST_PATH_IMAGE128
，则在
Figure 408433DEST_PATH_IMAGE106
时刻距离基站
Figure 703148DEST_PATH_IMAGE108
处的移动终端收到来自基站
Figure 537112DEST_PATH_IMAGE012
的接收信号强度为
Figure DEST_PATH_IMAGE130
                           (2)
然后按照如下标准构建用户所有可接入网络的集合
Figure 432573DEST_PATH_IMAGE002
：若不小于网络
Figure 789922DEST_PATH_IMAGE012
的信号强度门限
Figure 290173DEST_PATH_IMAGE014
，则将该网络的序号
Figure 976370DEST_PATH_IMAGE012
归入集合
Figure 245677DEST_PATH_IMAGE002
，否则该网络的序号
Figure 421443DEST_PATH_IMAGE012
不归入集合
Figure 408991DEST_PATH_IMAGE002
，从而确定用户所有可接入网络的集合
Figure 695616DEST_PATH_IMAGE002
为
Figure DEST_PATH_IMAGE132
                           (3)
其中
Figure 85009DEST_PATH_IMAGE014
为网络的信号强度门限。
2）将步骤1）确定的用户所有可接入网络的集合
Figure 578624DEST_PATH_IMAGE002
的任意非空子集为一个聚合方案，表示为
Figure DEST_PATH_IMAGE134
                           (4)
其中为非空子集
Figure 368091DEST_PATH_IMAGE024
的所有元素个数，且不超过集合
Figure 70511DEST_PATH_IMAGE002
内的元素个数。假设基站
Figure 636622DEST_PATH_IMAGE012
的最小接收功率阈值为
Figure DEST_PATH_IMAGE136
，由于手机终端发射功率太小会导致基站无法接收来自移动终端的信号，为保证数据的正常传输，在
Figure 607DEST_PATH_IMAGE106
时刻距离基站
Figure 689077DEST_PATH_IMAGE108
处的终端最小发射功率
Figure DEST_PATH_IMAGE138
为
Figure DEST_PATH_IMAGE140
                            (5)
终端在
Figure 872934DEST_PATH_IMAGE106
时刻与基站
Figure 305053DEST_PATH_IMAGE012
连接的功耗为固定功耗与实际传输功耗之和，即接入网络
Figure 461227DEST_PATH_IMAGE012
消耗的功耗为
Figure DEST_PATH_IMAGE142
                         (6)
其中
Figure DEST_PATH_IMAGE144
和
Figure DEST_PATH_IMAGE146
分别为终端的固定发射功耗和固定接收功耗，
Figure 445233DEST_PATH_IMAGE138
为
Figure 54069DEST_PATH_IMAGE106
时刻终端与基站
Figure 24299DEST_PATH_IMAGE012
进行数据传输的最小发射功率，实际传输功耗与终端最小发射功率成正比，假定该正比系数为
Figure DEST_PATH_IMAGE148
，则根据以下公式计算每个聚合方案的聚合功耗为
Figure 97297DEST_PATH_IMAGE036
                            (7)
利用香农信道容量公式计算网络
Figure 65253DEST_PATH_IMAGE012
提供的吞吐量
Figure 223702DEST_PATH_IMAGE038
为
Figure DEST_PATH_IMAGE150
                       (8)
其中
Figure DEST_PATH_IMAGE152
表示吞吐量的实际利用效率，
Figure DEST_PATH_IMAGE154
为用户接入无线网络
Figure 59940DEST_PATH_IMAGE012
分配的带宽，
Figure 987444DEST_PATH_IMAGE004
为来自无线网络基站
Figure 126302DEST_PATH_IMAGE012
的接收信号功率，
Figure DEST_PATH_IMAGE156
为加性高斯白噪声功率，根据以下公式计算每个聚合方案的聚合吞吐量为
                                (9)
网络
Figure 406116DEST_PATH_IMAGE012
的单位时间费用为
Figure 188127DEST_PATH_IMAGE048
，根据以下公式计算每个聚合方案的聚合费用
Figure 497886DEST_PATH_IMAGE046
为
Figure 630927DEST_PATH_IMAGE042
                                 (10)
网络
Figure 684334DEST_PATH_IMAGE012
的信道总数为
Figure DEST_PATH_IMAGE158
，
Figure 648747DEST_PATH_IMAGE106
时刻网络中剩余的空闲信道数为
Figure DEST_PATH_IMAGE160
，则网络
Figure 191724DEST_PATH_IMAGE012
的负载度为
Figure DEST_PATH_IMAGE162
                            (11)
覆盖区域内共有
Figure 812061DEST_PATH_IMAGE010
个无线接入网，则所有网络的总体负载空闲度为
                          (12)
利用负载度的方差衡量网络的负载均衡，方差值越小说明各个网络的负载空闲度越接近，即网络的负载均衡性越好，反之则负载均衡性越差，根据以下公式计算每个聚合方案的聚合负载均衡为
Figure 465897DEST_PATH_IMAGE044
                       (13)
3）根据吞吐量和功耗阈值条件确定候选网络聚合方案：为了提高网络选择算法的效率和兼顾用户对网络性能的要求，用户可以设定服务性能的阈值，比如吞吐量不低于阈值且功耗不高于阈值
Figure 139640DEST_PATH_IMAGE018
的方案
Figure 981695DEST_PATH_IMAGE024
才能成为候选方案
Figure DEST_PATH_IMAGE166
，阈值门限
Figure 439221DEST_PATH_IMAGE022
和
Figure 315910DEST_PATH_IMAGE018
按照用户需要达到的服务性能来设定，根据步骤2）中得到的每个聚合方案的聚合吞吐量和聚合功耗，判断是否同时满足以下条件：
聚合功耗不大于功耗最高门限
Figure 467722DEST_PATH_IMAGE018
，
聚合吞吐量
Figure 666623DEST_PATH_IMAGE020
不小于吞吐量最低门限，
若同时满足上述两个条件，则将该非空子集
Figure 391182DEST_PATH_IMAGE024
作为一个候选网络聚合方案，最终得到候选网络聚合方案为
                     (14)
4）将多接入网络选择问题转化为多个候选方案的多属性决策问题，对步骤3）中确定的候选网络聚合方案建立多属性决策矩阵
Figure 207828DEST_PATH_IMAGE026
，候选网络聚合方案的个数为
Figure 530542DEST_PATH_IMAGE076
，则候选网络聚合方案的集合表示为
Figure DEST_PATH_IMAGE170
，每个候选网络聚合方案
Figure DEST_PATH_IMAGE172
都有步骤2）中确定的个聚合属性且，表示为
Figure DEST_PATH_IMAGE176
，多属性决策矩阵
Figure 457139DEST_PATH_IMAGE026
为
                (15)
其中
Figure 794580DEST_PATH_IMAGE072
代表候选网络聚合方案的编号，
Figure 438050DEST_PATH_IMAGE074
代表聚合属性的编号，
Figure 835534DEST_PATH_IMAGE068
，然后采用逼近理想值排序法计算每个候选网络聚合方案与正理想方案的相对接近程度，具体流程为：
a）采用向量规范法对多属性决策矩阵
Figure 564455DEST_PATH_IMAGE026
进行规范化处理，将各个属性去量纲化，对矩阵
Figure 705587DEST_PATH_IMAGE026
采用向量规范法得到标准化的决策矩阵
Figure DEST_PATH_IMAGE180
，
Figure DEST_PATH_IMAGE182
中第
Figure 265881DEST_PATH_IMAGE072
行第
Figure 99845DEST_PATH_IMAGE074
列对应的元素值为
Figure DEST_PATH_IMAGE184
                                           (16)
b）根据下式计算加权标准化决策矩阵
Figure 112800DEST_PATH_IMAGE062
：
Figure 995306DEST_PATH_IMAGE064
，
Figure 410106DEST_PATH_IMAGE066
，
Figure 414971DEST_PATH_IMAGE068
                (17)
其中
Figure 852906DEST_PATH_IMAGE070
为加权标准化决策矩阵
Figure 335840DEST_PATH_IMAGE062
中第
Figure 870727DEST_PATH_IMAGE072
行第
Figure 984176DEST_PATH_IMAGE074
列对应的元素值，
Figure 971724DEST_PATH_IMAGE076
为步骤3）中确定的候选网络聚合方案的个数，
Figure 196032DEST_PATH_IMAGE078
为聚合属性的个数，为用户对第
Figure 684091DEST_PATH_IMAGE074
个聚合属性的偏好权重且
Figure 96618DEST_PATH_IMAGE082
，
Figure 186934DEST_PATH_IMAGE084
为标准化的决策矩阵
Figure 368516DEST_PATH_IMAGE086
中第
Figure 620506DEST_PATH_IMAGE072
行第
Figure 582646DEST_PATH_IMAGE074
列对应的元素值；
c）确定所有候选网络聚合方案的正理想方案和负理想方案
Figure 512742DEST_PATH_IMAGE090
：正理想方案
Figure 873316DEST_PATH_IMAGE088
是由加权标准化决策矩阵中每一列元素的最优值
Figure 692553DEST_PATH_IMAGE092
所组成的方案，负理想方案
Figure 645466DEST_PATH_IMAGE094
是加权标准化决策矩阵
Figure 442520DEST_PATH_IMAGE062
中每一列元素的最劣值
Figure 113673DEST_PATH_IMAGE096
所组成的方案，四个聚合属性中吞吐量取值越大性能越好，是效益型属性，而功耗、费用和网络负载均衡取值越小代表网络聚合方案的性能越好，是成本型属性，因而候选网络聚合方案的正理想方案
Figure 287166DEST_PATH_IMAGE088
为
Figure DEST_PATH_IMAGE186
          (18)
负理想方案
Figure 422481DEST_PATH_IMAGE094
为
           (19)
d）分别计算候选网络聚合方案与正、负理想方案的欧几里德距离：候选网络聚合方案与正理想方案
Figure 452754DEST_PATH_IMAGE088
的距离为
Figure 548886DEST_PATH_IMAGE098
,
Figure DEST_PATH_IMAGE190
                   (20)
候选网络聚合方案与负理想方案的距离为
,
Figure 451486DEST_PATH_IMAGE190
                   (21)
e）根据下式计算每个候选网络聚合方案与正理想方案的相对接近程度
Figure 34914DEST_PATH_IMAGE028
： 
Figure 346946DEST_PATH_IMAGE104
                         (22)
当候选网络聚合方案与负理想方案的距离
Figure DEST_PATH_IMAGE192
越大，与正理想方案的距离
Figure DEST_PATH_IMAGE194
越小时，
Figure 394537DEST_PATH_IMAGE028
越接近1，表明与正理想方案越接近；而当
Figure 772472DEST_PATH_IMAGE192
越小，
Figure 843196DEST_PATH_IMAGE194
越大时，
Figure 958919DEST_PATH_IMAGE028
越接近0，表明与负理想方案越接近。
5）将候选网络聚合方案与正理想方案的相对接近程度
Figure 798699DEST_PATH_IMAGE028
作为效用函数，选取效用函数值最大的所对应的候选网络聚合方案作为用户接入的最优网络聚合方案
Figure 634117DEST_PATH_IMAGE030
，即
Figure DEST_PATH_IMAGE196
                          (23)
综上所述，将多网络的选择问题看作多个网络聚合方案的选择问题，对各个满足吞吐量和功耗阈值条件的候选网络聚合方案计算与正理想方案的相对接近程度，选出性能最优的作为多网络接入方案，实现了较好的多网络决策。如附图2所示是当用户数改变时用户平均吞吐量的仿真结果，基于多网络并行传输的异构网络接入决策方法的用户平均吞吐量明显大于传统的单网络接入方法，并且通过附图3和附图4可见本发明方法可以有效降低用户的单位吞吐量对应的功耗和费用，因而说明基于多网络并行传输的异构网络接入决策方法能充分利用网络资源，为用户提供满意的QoS。

Claims (4)

1.一种基于多网络并行传输的异构网络接入决策方法，其特征在于，该方法包括以下步骤： 
1）确定用户所有可接入网络的集合                                                ：分别计算每个用户收到来自各个网络的接收信号强度
Figure 701810DEST_PATH_IMAGE002
，其中
Figure 2014100157046100001DEST_PATH_IMAGE003
为网络序号，
Figure 202061DEST_PATH_IMAGE004
，
Figure 684995DEST_PATH_IMAGE005
为异构网络中所有网络个数，然后按照如下标准构建用户所有可接入网络的集合
Figure 219882DEST_PATH_IMAGE001
：若
Figure 67752DEST_PATH_IMAGE002
不小于网络
Figure 55300DEST_PATH_IMAGE006
的信号强度门限
Figure 2014100157046100001DEST_PATH_IMAGE007
，则将该网络的序号
Figure 341925DEST_PATH_IMAGE006
归入集合
Figure 731318DEST_PATH_IMAGE001
，否则该网络的序号
Figure 15669DEST_PATH_IMAGE006
不归入集合
Figure 490512DEST_PATH_IMAGE001
；
2）将所述步骤1）确定的用户所有可接入网络的集合
Figure 252932DEST_PATH_IMAGE001
的任意非空子集为一个聚合方案，计算每个聚合方案的包括聚合吞吐量和聚合功耗的至少两种聚合属性：
3）根据吞吐量和功耗阈值条件确定候选网络聚合方案：根据所述步骤2）中得到的每个聚合方案的聚合吞吐量和聚合功耗，判断是否同时满足以下条件：
聚合功耗
Figure 496831DEST_PATH_IMAGE008
不大于功耗最高门限
Figure 14400DEST_PATH_IMAGE009
，
聚合吞吐量
Figure 914223DEST_PATH_IMAGE010
不小于吞吐量最低门限
Figure 480334DEST_PATH_IMAGE011
，
若同时满足上述两个条件，则将该非空子集
Figure 578740DEST_PATH_IMAGE012
作为一个候选网络聚合方案；
4）对所述步骤3）中确定的候选网络聚合方案建立多属性决策矩阵
Figure 204893DEST_PATH_IMAGE013
，采用逼近理想值排序法计算每个候选网络聚合方案与正理想方案的相对接近程度
Figure 654329DEST_PATH_IMAGE014
；
5）将候选网络聚合方案与正理想方案的相对接近程度
Figure 758551DEST_PATH_IMAGE014
作为效用函数，选取效用函数值最大的
Figure 977043DEST_PATH_IMAGE014
所对应的候选网络聚合方案作为用户接入的最优网络聚合方案
Figure 836415DEST_PATH_IMAGE015
，即
Figure 445251DEST_PATH_IMAGE016
。
2.根据权利要求1所述的基于多网络并行传输的异构网络接入决策方法，其特征在于，所述步骤2）中，根据以下公式分别计算每个聚合方案的聚合吞吐量和聚合功耗：
Figure 511138DEST_PATH_IMAGE017
，
Figure 521819DEST_PATH_IMAGE018
，
其中为聚合吞吐量，
Figure 648224DEST_PATH_IMAGE019
为网络提供的吞吐量，
Figure 287333DEST_PATH_IMAGE008
为聚合功耗，
Figure 426190DEST_PATH_IMAGE020
为接入网络
Figure 71935DEST_PATH_IMAGE006
消耗的功耗，代表集合
Figure 369241DEST_PATH_IMAGE001
的非空子集。
3.根据权利要求2所述的基于多网络并行传输的异构网络接入决策方法，其特征在于，所述步骤2）中，还根据以下公式分别计算每个聚合方案的聚合费用和聚合负载均衡两种聚合属性：
Figure 679000DEST_PATH_IMAGE021
，
Figure 812041DEST_PATH_IMAGE022
，
其中
Figure 865448DEST_PATH_IMAGE023
为聚合费用，
Figure 767545DEST_PATH_IMAGE024
为网络
Figure 310521DEST_PATH_IMAGE006
的支付费用，
Figure 602963DEST_PATH_IMAGE012
代表集合
Figure 522377DEST_PATH_IMAGE001
的非空子集，
Figure 216664DEST_PATH_IMAGE025
为聚合负载均衡，
Figure 930542DEST_PATH_IMAGE026
为非空子集
Figure 975858DEST_PATH_IMAGE012
的所有元素个数， 
Figure 433384DEST_PATH_IMAGE027
为非空子集
Figure 982177DEST_PATH_IMAGE028
中网络
Figure 132536DEST_PATH_IMAGE006
的负载度，
Figure 399569DEST_PATH_IMAGE029
为异构网络的总体负载度。
4.根据权利要求1、2或3所述的基于多网络并行传输的异构网络接入决策方法，其特征在于，所述步骤4）的具体流程为：
a）采用向量规范法对多属性决策矩阵
Figure 395207DEST_PATH_IMAGE013
进行规范化处理，得到标准化的决策矩阵
Figure 64086DEST_PATH_IMAGE030
；
b）根据下式计算加权标准化决策矩阵
Figure 385346DEST_PATH_IMAGE031
：
，
Figure 939004DEST_PATH_IMAGE033
，
Figure 524706DEST_PATH_IMAGE034
，
其中
Figure 688971DEST_PATH_IMAGE035
为加权标准化决策矩阵
Figure 998773DEST_PATH_IMAGE031
中第
Figure 539475DEST_PATH_IMAGE036
行第
Figure 917367DEST_PATH_IMAGE037
列对应的元素值，为所述步骤3）中确定的候选网络聚合方案的个数，
Figure 106089DEST_PATH_IMAGE039
为聚合属性的个数，
Figure 450483DEST_PATH_IMAGE040
为用户对第
Figure 10777DEST_PATH_IMAGE037
个聚合属性的偏好权重且
Figure 516845DEST_PATH_IMAGE041
，
Figure 795379DEST_PATH_IMAGE042
为标准化的决策矩阵
Figure 677885DEST_PATH_IMAGE043
中第
Figure 30369DEST_PATH_IMAGE036
行第
Figure 769654DEST_PATH_IMAGE037
列对应的元素值；
c）确定所有候选网络聚合方案的正理想方案
Figure 207589DEST_PATH_IMAGE044
和负理想方案：正理想方案
Figure 225409DEST_PATH_IMAGE044
是由加权标准化决策矩阵中每一列元素的最优值所组成的方案，负理想方案
Figure 550714DEST_PATH_IMAGE047
是加权标准化决策矩阵
Figure 940108DEST_PATH_IMAGE031
中每一列元素的最劣值
Figure 224458DEST_PATH_IMAGE048
所组成的方案；
d）分别计算候选网络聚合方案与正、负理想方案的欧几里德距离：候选网络聚合方案与正理想方案
Figure 433723DEST_PATH_IMAGE044
的距离为
Figure 461722DEST_PATH_IMAGE049
，候选网络聚合方案与负理想方案
Figure 705621DEST_PATH_IMAGE045
的距离为
Figure 160873DEST_PATH_IMAGE050
，其中
Figure 123013DEST_PATH_IMAGE051
；
e）根据下式计算每个候选网络聚合方案与正理想方案的相对接近程度
Figure 689124DEST_PATH_IMAGE014
：
Figure 787530DEST_PATH_IMAGE052
。
CN201410015704.6A 2014-01-14 2014-01-14 一种基于多网络并行传输的异构网络接入决策方法 Pending CN103781157A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410015704.6A CN103781157A (zh) 2014-01-14 2014-01-14 一种基于多网络并行传输的异构网络接入决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410015704.6A CN103781157A (zh) 2014-01-14 2014-01-14 一种基于多网络并行传输的异构网络接入决策方法

Publications (1)

Publication Number Publication Date
CN103781157A true CN103781157A (zh) 2014-05-07

Family

ID=50572852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410015704.6A Pending CN103781157A (zh) 2014-01-14 2014-01-14 一种基于多网络并行传输的异构网络接入决策方法

Country Status (1)

Country Link
CN (1) CN103781157A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104202798A (zh) * 2014-09-25 2014-12-10 国家电网公司 电力无线通信异构多网环境中的网络选择方法
CN104469848A (zh) * 2014-11-06 2015-03-25 中国科学院计算技术研究所 一种异构接入网络之间负载均衡的方法
CN105516636A (zh) * 2015-11-25 2016-04-20 南京邮电大学 一种基于视频通信的异构网络多接入资源分配方法
CN106413015A (zh) * 2016-11-28 2017-02-15 中国联合网络通信集团有限公司 一种网络接入切换方法及装置
CN106535226A (zh) * 2016-10-17 2017-03-22 南京邮电大学 一种基于协同学理论的多网络协同选择和聚合方法
CN107318118A (zh) * 2017-06-27 2017-11-03 广东工业大学 一种基于反馈计算的无线异构网络负载均衡方法
CN107333273A (zh) * 2017-01-30 2017-11-07 南京邮电大学 基于灰色关联分析的多网络接入方法
CN107995126A (zh) * 2017-12-12 2018-05-04 中国联合网络通信集团有限公司 负载均衡路由分析方法及负载均衡路由分析器
CN108112044A (zh) * 2018-02-27 2018-06-01 华南理工大学 一种基于正态模糊数的异构无线网络选择方法
CN109618373A (zh) * 2019-01-15 2019-04-12 Oppo广东移动通信有限公司 链路选取方法及相关装置
CN109799420A (zh) * 2019-02-13 2019-05-24 临沂大学 一种物联网家电的物联网功能检测***及检测方法
CN110519782A (zh) * 2019-09-24 2019-11-29 广东电网有限责任公司 一种通信网多通道选择方法及装置
CN112118602A (zh) * 2020-08-27 2020-12-22 重庆邮电大学 基于区间二型模糊神经网络的垂直切换算法
CN115834387A (zh) * 2023-02-14 2023-03-21 之江实验室 一种网络柔性适配方案选择***和方法
CN116600268A (zh) * 2023-05-17 2023-08-15 中国人民解放军海军工程大学 基于船舶编队异构无线网络的自适应业务网关及控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FAROOP BARI,ET AL: "Multi-Attribuye Network Selection by Iterative TOPSIS for Heterogeneous Wireless Access", 《IEEE CONSUMER COMMUNICATION AND NETWORKING CONFERENCE》 *
陈高翔: "基于终端的异构无线网络接入选择算法研究", 《万方学位论文数据库》 *

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104202798B (zh) * 2014-09-25 2019-01-04 国家电网公司 电力无线通信异构多网环境中的网络选择方法
CN104202798A (zh) * 2014-09-25 2014-12-10 国家电网公司 电力无线通信异构多网环境中的网络选择方法
CN104469848B (zh) * 2014-11-06 2018-06-01 中国科学院计算技术研究所 一种异构接入网络之间负载均衡的方法
CN104469848A (zh) * 2014-11-06 2015-03-25 中国科学院计算技术研究所 一种异构接入网络之间负载均衡的方法
CN105516636B (zh) * 2015-11-25 2018-08-24 南京邮电大学 一种基于视频通信的异构网络多接入资源分配方法
CN105516636A (zh) * 2015-11-25 2016-04-20 南京邮电大学 一种基于视频通信的异构网络多接入资源分配方法
CN106535226A (zh) * 2016-10-17 2017-03-22 南京邮电大学 一种基于协同学理论的多网络协同选择和聚合方法
CN106413015A (zh) * 2016-11-28 2017-02-15 中国联合网络通信集团有限公司 一种网络接入切换方法及装置
CN106413015B (zh) * 2016-11-28 2020-02-11 中国联合网络通信集团有限公司 一种网络接入切换方法及装置
CN107333273A (zh) * 2017-01-30 2017-11-07 南京邮电大学 基于灰色关联分析的多网络接入方法
CN107318118A (zh) * 2017-06-27 2017-11-03 广东工业大学 一种基于反馈计算的无线异构网络负载均衡方法
CN107318118B (zh) * 2017-06-27 2020-01-14 广东工业大学 一种基于反馈计算的无线异构网络负载均衡方法
CN107995126A (zh) * 2017-12-12 2018-05-04 中国联合网络通信集团有限公司 负载均衡路由分析方法及负载均衡路由分析器
CN107995126B (zh) * 2017-12-12 2021-08-03 中国联合网络通信集团有限公司 负载均衡路由分析方法及负载均衡路由分析器
CN108112044A (zh) * 2018-02-27 2018-06-01 华南理工大学 一种基于正态模糊数的异构无线网络选择方法
CN108112044B (zh) * 2018-02-27 2020-06-19 华南理工大学 一种基于正态模糊数的异构无线网络选择方法
CN109618373A (zh) * 2019-01-15 2019-04-12 Oppo广东移动通信有限公司 链路选取方法及相关装置
WO2020147627A1 (zh) * 2019-01-15 2020-07-23 Oppo广东移动通信有限公司 链路选取方法及相关装置
CN109799420A (zh) * 2019-02-13 2019-05-24 临沂大学 一种物联网家电的物联网功能检测***及检测方法
CN110519782A (zh) * 2019-09-24 2019-11-29 广东电网有限责任公司 一种通信网多通道选择方法及装置
CN110519782B (zh) * 2019-09-24 2023-04-14 广东电网有限责任公司 一种通信网多通道选择方法及装置
CN112118602A (zh) * 2020-08-27 2020-12-22 重庆邮电大学 基于区间二型模糊神经网络的垂直切换算法
CN112118602B (zh) * 2020-08-27 2022-07-01 重庆邮电大学 基于区间二型模糊神经网络的垂直切换方法
CN115834387A (zh) * 2023-02-14 2023-03-21 之江实验室 一种网络柔性适配方案选择***和方法
CN116600268A (zh) * 2023-05-17 2023-08-15 中国人民解放军海军工程大学 基于船舶编队异构无线网络的自适应业务网关及控制方法

Similar Documents

Publication Publication Date Title
CN103781157A (zh) 一种基于多网络并行传输的异构网络接入决策方法
Khan et al. A hybrid-fuzzy logic guided genetic algorithm (H-FLGA) approach for resource optimization in 5G VANETs
Zhao et al. Social-aware resource allocation for device-to-device communications underlaying cellular networks
Kwon et al. Distributed resource allocation through noncooperative game approach in multi-cell OFDMA systems
CN110798851B (zh) 无线异构网络的能量效率和负载均衡的联合优化方法
CN106454850A (zh) 蜂窝异构网络能效优化的资源分配方法
CN102457937B (zh) 一种异构网络中的接入方法和设备
CN103686914A (zh) 基于服务偏好和网络条件的垂直切换方法snvho
Sun et al. Revised reinforcement learning based on anchor graph hashing for autonomous cell activation in cloud-RANs
CN110234155A (zh) 一种基于改进topsis的超密集网络接入选择方法
CN106912074A (zh) 一种在异构网络中基于回传链路容量的用户关联方法
CN110166088A (zh) 以用户为中心的无小区mimo***的功率控制算法
CN108965009A (zh) 一种基于势博弈的负载已知用户关联方法
CN114337976A (zh) 一种联合ap选择与导频分配的传输方法
Yang et al. Maximal energy efficient task scheduling for homogeneous fog networks
CN105072620A (zh) 基于网络虚拟化的运营商间资源共享方法
CN102752757B (zh) 在频谱聚合过程中按照最小浪费准则优化频谱分配的方法
CN103237331A (zh) 一种固定中继的多跳蜂窝网络的路径选择方法
CN102395158A (zh) 移动通信***中考虑用户服务质量要求的负载均衡优化方法
Feng et al. Power-spectrum trading for full-duplex D2D communications in cellular networks
CN104080091A (zh) 分层异构网络中基于负载预测分组的家庭基站频谱分配方法
CN104581974B (zh) 超密集网络中基于正交资源的动态基站协作方法
CN111343721B (zh) 一种最大化***广义能效的d2d分布式资源分配方法
CN111866952A (zh) 一种基于用户组偏好集中度差异的d2d概率式缓存放置方法
CN109150333B (zh) 基于能量共享的分布式基站远程天线单元选择方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140507