CN105007601A - 一种异构网络的网络选择方法及装置 - Google Patents

Abstract

本发明涉及一种异构网络的网络选择方法及装置，属于移动通信技术领域。该方法包括以下步骤：S1：对M个候选网络中每个候选网络，得到关联度低于预定阈值的N种网络参数，M和N为大于1的整数；S2：确定所述N种网络参数中每种网络参数对应的服务质量参数在所述M个候选网络中的最小值和最大值，所述服务质量参数为所述网络参数与所述网络参数的权重的乘积；S3：利用所述N种网络参数中每种网络参数的属性，以及确定出的最大值和最小值，确定所述M个候选网络中每个候选网络的排序值；S4：根据确定出的排序值，选择一个候选网络作为用户设备UE接入的网络。本发明可以减少关联度过高的网络参数的权重之和，使得网络参数的权重分配更加客观，进而提高网络选择的准确度，并且可以提高网络在负载均衡方面的性能。

Description

一种异构网络的网络选择方法及装置

技术领域

本发明属于移动通信技术领域，涉及一种异构网络的网络选择方法及装置。

背景技术

随着4G网络的商用和广泛部署，用户可以享受到越来越高速的数据业务。移动互联网的发展是移动通信的主要驱动力。未来移动通信的业务种类和需求必将在现有基础上更加丰富。没有任何一种无线接入技术可以同时最优地满足用户不同的业务需求，所以为了最大化用户体验质量，融合这些异构的网络来给用户提供更好的服务是下一代网络的发展趋势。

在未来的移动通信***中，多种无线接人网络同时存在，相互补充，无缝集成到统一的异构网络环境中。多种无线接入技术的特征包括：带宽、覆盖范围、可靠性、费用等。如何根据上述特征参数，快速准确的选择满足用户QoS需求的最优网络成为近年的研究热点之一。

发明内容

有鉴于此，本发明的目的在于提供一种异构网络的网络选择方法及装置，用于提高网络选择的准确度和网络的负载均衡。

为达到上述目的，本发明提供如下技术方案：

一种异构网络的网络选择方法，包括以下步骤：

S1：对M个候选网络中每个候选网络，得到关联度低于预定阈值的N种网络参数，M和N为大于1的整数；

S2：确定所述N种网络参数中每种网络参数对应的服务质量参数在所述M个候选网络中的最小值和最大值，所述服务质量参数为所述网络参数与所述网络参数的权重的乘积；

S3：利用所述N种网络参数中每种网络参数的属性，以及确定出的最大值和最小值，确定所述M个候选网络中每个候选网络的排序值；

S4：根据确定出的排序值，选择一个候选网络作为用户设备UE接入的网络。

进一步，所述步骤S1具体包括：

S11：对M个候选网络中每个候选网络的P种网络参数，确定任两种网络参数的关联度，P为大于等于N的整数；

S12：去除关联度高于所述预定阈值的两种网络参数中的任一种网络参数，得到所述N种网络参数。

进一步，所述S11中对M个候选网络中每个候选网络的P种网络参数，确定任两种网络参数的关联度，包括：

将所述P种网络参数分为所述越大越好型参数和所述越小越好型参数，其中，属于所述越大越好型参数的网络参数越大，对网络效用越有益，属于所述越小越好型参数的网络参数越小，对网络效用越有益；

确定所述P种网络参数中属于所述越大越好型参数的网络参数的归一化值；

确定所述P种网络参数中属于所述越小越好型参数的网络参数的归一化值；

利用所述P种网络参数的归一化值，确定任两种网络参数的关联度。

进一步，所述步骤S3具体包括以下步骤：

S31：确定所述N种网络参数中值越大，对网络效用越有益的参数的属性为越大越好型参数，并确定所述N种网络参数中值越小，对网络效用越有益的参数的属性为越小越好型参数；

S32：利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最大值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最小值，确定最佳网络参数；

S33：利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最小值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最大值，确定最差网络参数；

S34：利用所述最佳网络参数、所述最差网络参数，确定所述M个候选网络中每个候选网络的排序值。

进一步，所述利用最佳网络参数、最差网络参数，确定所述M个候选网络中每个候选网络的排序值，包括：

确定所述M个候选网络中每个候选网络的N种网络参数与最佳网络参数的距离和与最差网络参数的距离；

根据确定出的距离，获得所述M个候选网络中每个候选网络的排序值。

本发明还提供了一种异构网络的网络选择装置，包括筛选单元、比较单元、确定单元、选择单元；

所述筛选单元用于对M个候选网络中每个候选网络进行筛选，得到关联度低于预定阈值的N种网络参数，M和N为大于1的整数；

所述比较单元用于确定所述N种网络参数中每种网络参数对应的服务质量参数在所述M个候选网络中的最小值和最大值，所述服务质量参数为所述网络参数与所述网络参数的权重的乘积；

所述确定单元用于利用所述N种网络参数中每种网络参数的属性，以及确定出的最大值和最小值，确定所述M个候选网络中每个候选网络的排序值；

所述选择单元用于根据确定出的排序值，选择一个候选网络作为用户设备UE接入的网络。

进一步，所述筛选单元用于：

对M个候选网络中每个候选网络的P种网络参数，确定任两种网络参数的关联度，P为大于等于N的整数；

去除关联度高于所述预定阈值的两种网络参数中的任一种网络参数，得到所述N种网络参数。

进一步，所述筛选单元用于：

将所述P种网络参数分为所述越大越好型参数和所述越小越好型参数，其中，属于所述越大越好型参数的网络参数越大，对网络效用越有益，属于所述越小越好型参数的网络参数越小，对网络效用越有益；

确定所述P种网络参数中属于所述越大越好型参数的网络参数的归一化值；

确定所述P种网络参数中属于所述越小越好型参数的网络参数的归一化值；

利用所述P种网络参数的归一化值，确定任两种网络参数的关联度。

进一步，所述确定单元用于：

确定所述N种网络参数中值越大，对网络效用越有益的参数的属性为越大越好型参数，并确定所述N种网络参数中值越小，对网络效用越有益的参数的属性为越小越好型参数；

利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最大值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最小值，确定最佳网络参数；

利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最小值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最大值，确定最差网络参数；

利用所述最佳网络参数、所述最差网络参数，确定所述M个候选网络中每个候选网络的排序值。

进一步，所述确定单元用于：

确定所述M个候选网络中每个候选网络的N种网络参数与最佳网络参数的距离和与最差网络参数的距离；

根据确定出的距离，获得所述M个候选网络中每个候选网络的排序值。

本发明的有益效果在于：本发明对网络参数进行筛选，对于关联度过高的两个参数，去掉任一参数，仅保留一个参数，因此，筛选后的网络参数的关联度低。利用筛选后的网络参数进行网络选择，可以减少关联度过高的网络参数的权重之和，使得网络参数的权重分配更加客观，进而提高网络选择的准确度，并且可以提高网络在负载均衡方面的性能。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为适用于本发明实施例中网络选择的方法的异构网络的示意图；

图2为本发明实施例提供的一种异构网络的网络选择方法的流程图；

图3为本发明实施例中步骤101的详细流程图；

图4为本发明实施例中步骤103的详细流程图；

图5为本发明实施例提供的一种网络选择装置的示意图。

具体实施方式

本发明实施例提供一种异构网络的网络选择方法及装置，用于提高网络选择的准确度度，并且提高网络在负载均衡方面的性能。通过对网络参数进行筛选，对于关联度过高的两个参数，去掉任一参数，仅保留一个参数，因此，筛选后的网络参数的关联度低。利用筛选后的网络参数进行网络选择，可以减少关联度过高的网络参数的权重之和，使得网络参数的权重分配更加客观，进而提高网络选择的准确度，并且提高网络负载均衡方面的性能。

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1为适用于本发明实施例中网络选择的方法的异构网络的示意图。图1所示的异构网络包括以下四种网络：LTE网络(即：4G网络)、3G网络、WIMAX网络、WLAN网络。本发明实施例针对异构网络中，如何为UE选择最优的网络进行接入的问题，提供了一种准确选择网络的方法，并且保证网络的负载均衡。

图2为本发明实施例提供的一种异构网络的网络选择方法的流程图。该方法包括以下步骤：

步骤101：对M个候选网络中每个候选网络，得到关联度低于预定阈值的N种网络参数，M和N为大于1的整数；

步骤102：确定所述N种网络参数中每种网络参数对应的服务质量参数在所述M个候选网络中的最小值和最大值，所述服务质量参数为所述网络参数与所述网络参数的权重的乘积；

步骤103：利用所述N种网络参数中每种网络参数的属性，以及确定出的最大值和最小值，确定所述M个候选网络中每个候选网络的排序值；

步骤104：根据确定出的排序值，选择一个候选网络作为用户设备UE接入的网络。

其中，M个候选网络组成异构网络。M个候选网络可以包括图1所示的LTE网络、3G网络、WIMAX网络、WLAN网络，还可以包括1G网络、2G网络等其他无线网络。

每个候选网络的网络参数有多种，例如：网络时延、网络带宽、数据传输速率、丢包率、安全性、网络价格、用户本身的经济承受能力以及用户对网络价格的敏感程度等。

首先执行步骤101，对每个候选网络的网络参数进行筛选，选出关联度低于预定阈值的P种网络参数。参考图3，图3为本发明实施例中步骤101的详细流程图。步骤101包括以下步骤：

步骤1011：对M个候选网络中每个候选网络的P种网络参数，确定任两种网络参数的关联度，P为大于等于N的整数；

步骤1012：去除关联度高于所述预定阈值的两种网络参数中的任一种网络参数，得到所述N种网络参数。

考虑到P种网络参数中的每种网络参数可能是抽象的模糊指标，所以在执行步骤1011之前，可以通过模糊理论先把P种网络参数进行去模糊化。可以使用去模糊法-重心法对P种网络参数进行去模糊化。

在对M个候选网络中每个候选网络的P种网络参数进行去模糊化后，考虑到不同种类的网络参数的量纲不同，导致P种网络参数之间不具有可比性。所以需要对对M个候选网络中每个候选网络的P种网络参数进行归一化。

在进行归一化的过程中，考虑到P种网络参数中每种网络参数的属性，即：P种网络参数中有些种类的网络参数的属性为越大越好型参数，而有些种类的网络参数的属性为越小越好型网络参数，所以根据P种网络参数中每种网络参数的属性，对属于越大越好型的网络参数和属于越小越好型的网络参数分别采用不同的公式进行归一化。即：

将所述P种网络参数分为所述越大越好型参数和所述越小越好型参数，其中，属于所述越大越好型参数的网络参数越大，对网络效用越有益，属于所述越小越好型参数的网络参数越小，对网络效用越有益；

确定所述P种网络参数中属于所述越大越好型参数的网络参数的归一化值；

确定所述P种网络参数中属于所述越小越好型参数的网络参数的归一化值。

具体地，首先根据P种网络参数的属性进行划分，将P种网络参数分为两种类型：越大越好型参数和越小越好型参数。其中，越大越好型参数是指：网络参数的数值越大，对网络效用越有益。例如：网络安全性，数据传输速率等。越大越好型参数是指：网络参数的数值越小，对网络效用越有益。例如：网络时延，丢包率等。

对于P种网络参数中属于越大越好型参数的网络参数，采用如下公式进行归一化处理：

$b_{ij}=\frac{a_{ij}-{\mathrm{threshold}}_{ij}}{{\max }_{ij}-{\mathrm{threshold}}_{ij}}$

其中，a_ij表示M个候选网络中的第i个候选网络的第j种网络参数的原始数据；b_ij表示M个候选网络中的第i个候选网络的第j种网络参数的归一化值，取值范围为0至1；max_ij表示M个候选网络中的第i个候选网络的第j种网络参数的最大门限值，如果第j种网络参数的值为max_ij，则第j种网络参数对网络效用的有益程度达到最大；threshold_ij表示M个候选网络中的第i个候选网络的第j种网络参数的最小门限值，如果第j种网络参数的值为threshold_ij，则第j种网络参数对网络效用产生影响。

对于P种网络参数中属于越小越好型参数的网络参数，采用如下公式进行归一化处理：

$b_{ij}=\frac{{\mathrm{threshold}}_{ij}-a_{ij}}{{\mathrm{threshold}}_{ij}-{\min }_{ij}}$

其中，a_ij表示M个候选网络中的第i个候选网络的第j种网络参数的原始数据；b_ij表示M个候选网络中的第i个候选网络的第j种网络参数的归一化值，取值范围为0至1；min_ij表示M个候选网络中的第i个候选网络的第j种网络参数的最小门限值，如果第j种网络参数的值为min_ij，则第j种网络参数对网络效用的有益程度达到最大；threshold_ij表示M个候选网络中的第i个候选网络的第j种网络参数的最大门限值，如果第j种网络参数的值为threshold_ij，则第j种网络参数对网络效用产生影响。

在经过对P种网络参数依次进行去模糊化处理以及归一化处理后，利用P种网络参数的归一化值，确定任两种网络参数的关联度。

首先按照如下公式计算P种网络参数中任两个网络参数之间的关联度：

${\mathrm{\γ}}_{ij}=\frac{1}{m}\underset{k=1}{\overset{m}{\Σ}}\frac{\underset{i}{\min }\underset{j}{\min }\left|b_{ki}-b_{kj}\right|+\mathrm{\ρ}\underset{i}{\max }\underset{j}{\max }\left|b_{ki}-b_{kj}\right|}{\left|b_{ki}-b_{kj}\right|+\mathrm{\ρ}\underset{i}{\max }\underset{j}{\max }\left|b_{ki}-b_{kj}\right|}$

其中，m表示参数的个数；b_ij表示M个候选网络中的第i个候选网络的第j种网络参数的归一化值，取值范围为0至1；γ_ij表示P种网络参数中第i种网络参数与第j种网络参数之间的关联度；ρ为分辨系数，此处取为0.5。

然后执行步骤1012，对于关联度高于预定阈值的两个网络参数，去掉任一网络参数，仅保留一个网络参数，筛选后得到N种网络参数。其中，预定阈值可以根据需要人为设定或软件设定。对网络选择的准确度要求越高，将预定阈值设置得越小。

在执行完步骤101后，执行步骤102。步骤102中的服务质量参数为网络参数与网络参数的权重的乘积。

对于UE发起的不同业务，同一网络参数的权重不同。UE发起的业务可以分为四大种类:会话类业务、流媒体类业务、交互类业务和后台类业务。

在计算出N种网络参数中每种网络参数对应的服务质量参数后，由于有M个候选网络，所以对于每种网络参数，都有M个服务质量参数，从M个服务质量参数中可以确定出最大值和最小值。

接下来执行步骤103，参考图4，图4为本发明实施例中步骤103的详细流程图。步骤103包括：

步骤1031：确定所述N种网络参数中值越大，对网络效用越有益的参数的属性为越大越好型参数，并确定所述N种网络参数中值越小，对网络效用越有益的参数的属性为越小越好型参数；

步骤1032：利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最大值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最小值，确定最佳网络参数；

步骤1033：利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最小值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最大值，确定最差网络参数；

步骤1034：确定所述M个候选网络中每个候选网络的N种网络参数与最佳网络参数的距离和与最差网络参数的距离；

步骤1035：根据确定出的距离，获得所述M个候选网络中每个候选网络的排序值。

具体地，对于属性为越大越好型参数的网络参数在计算最佳网络参数的时候应该取最大值，在计算最差网络参数的时候应该取最小值。对于属性为越小越好型参数的网络参数在计算最佳网络参数的时候应该取最小值，在计算最差网络参数的时候应该取最大值。

由于执行完步骤102后，已经确定了N种网络参数中每种网络参数在M个候选网络中的最大值和最小值，所以可以结合N种网络参数中每种网络参数的属性，利用确定出的最大值和最小值，计算很粗最佳网络参数和最差网络参数。

接着，利用欧几里得距离的数学公式，计算每个候选网络的N种网络参数与最佳网络参数的距离G₊，并计算每个候选网络的N种网络参数与最差网络参数的距离G_-。

最后，按照如下公式确定M个候选网络中每个候选网络的贴近度P：

$P=\frac{G_{-}}{G_{-}+G_{+}}$

将计算出的贴近度P作为排序值，对M个候选网络进行排序，P值越大的候选网络排序就越靠前；与之相反，P值越小的候选网络排序就越靠后。

最后，执行步骤104，根据M个候选网络的排序值，选择一个候选网络作为UE接入的网络。

基于与本发明实施例提供的网络选择的方法相同的发明构思，本发明实施例还提供了一种网络选择的装置，参考图5，图5为本发明实施例提供的一种网络选择装置的示意图。网络选择的装置包括：

筛选单元51，用于对M个候选网络中每个候选网络，得到关联度低于预定阈值的N种网络参数，M和N为大于1的整数；

比较单元52，用于确定所述N种网络参数中每种网络参数对应的服务质量参数在所述M个候选网络中的最小值和最大值，所述服务质量参数为所述网络参数与所述网络参数的权重的乘积；

确定单元53，用于利用所述N种网络参数中每种网络参数的属性，以及确定出的最大值和最小值，确定所述M个候选网络中每个候选网络的排序值；

选择单元54，用于根据确定出的排序值，选择一个候选网络作为用户设备UE接入的网络。

可选的，所述筛选单元51用于：

对M个候选网络中每个候选网络的P种网络参数，确定任两种网络参数的关联度，P为大于等于N的整数；

去除关联度高于所述预定阈值的两种网络参数中的任一种网络参数，得到所述N种网络参数。

可选的，所述筛选单元51用于：

将所述P种网络参数分为所述越大越好型参数和所述越小越好型参数，其中，属于所述越大越好型参数的网络参数越大，对网络效用越有益，属于所述越小越好型参数的网络参数越小，对网络效用越有益；

确定所述P种网络参数中属于所述越大越好型参数的网络参数的归一化值；

确定所述P种网络参数中属于所述越小越好型参数的网络参数的归一化值；

利用所述P种网络参数的归一化值，确定任两种网络参数的关联度。

可选的，所述确定单元53用于：

确定所述N种网络参数中值越大，对网络效用越有益的参数的属性为越大越好型参数，并确定所述N种网络参数中值越小，对网络效用越有益的参数的属性为越小越好型参数；

利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最大值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最小值，确定最佳网络参数；

利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最小值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最大值，确定最差网络参数；

利用所述最佳网络参数、所述最差网络参数，确定所述M个候选网络中每个候选网络的排序值。

可选的，所述确定单元53用于：

确定所述M个候选网络中每个候选网络的N种网络参数与最佳网络参数的距离和与最差网络参数的距离；

根据确定出的距离，获得所述M个候选网络中每个候选网络的排序值。

本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本发明实施例对网络参数进行筛选，对于关联度过高的两个参数，去掉任一参数，仅保留一个参数，因此，筛选后的网络参数的关联度低。利用筛选后的网络参数进行网络选择，可以减少关联度过高的网络参数的权重之和，使得网络参数的权重分配更加客观，进而提高网络选择的准确度，并且在负载均衡方面优于传统算法。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (10)

1.一种异构网络的网络选择方法，其特征在于：包括以下步骤：

S1：对M个候选网络中每个候选网络，得到关联度低于预定阈值的N种网络参数，M和N为大于1的整数；

S2：确定所述N种网络参数中每种网络参数对应的服务质量参数在所述M个候选网络中的最小值和最大值，所述服务质量参数为所述网络参数与所述网络参数的权重的乘积；

S3：利用所述N种网络参数中每种网络参数的属性，以及确定出的最大值和最小值，确定所述M个候选网络中每个候选网络的排序值；

S4：根据确定出的排序值，选择一个候选网络作为用户设备UE接入的网络。

2.根据权利要求1所述的一种异构网络的网络选择方法，其特征在于：所述步骤S1具体包括：

S11：对M个候选网络中每个候选网络的P种网络参数，确定任两种网络参数的关联度，P为大于等于N的整数；

S12：去除关联度高于所述预定阈值的两种网络参数中的任一种网络参数，得到所述N种网络参数。

3.根据权利要求2所述的一种异构网络的网络选择方法，其特征在于：所述S11中对M个候选网络中每个候选网络的P种网络参数，确定任两种网络参数的关联度，包括：

将所述P种网络参数分为所述越大越好型参数和所述越小越好型参数，其中，属于所述越大越好型参数的网络参数越大，对网络效用越有益，属于所述越小越好型参数的网络参数越小，对网络效用越有益；

确定所述P种网络参数中属于所述越大越好型参数的网络参数的归一化值；

确定所述P种网络参数中属于所述越小越好型参数的网络参数的归一化值；

利用所述P种网络参数的归一化值，确定任两种网络参数的关联度。

4.根据权利要求1至3中任一项所述的一种异构网络的网络选择方法，其特征在于：所述步骤S3具体包括以下步骤：

S31：确定所述N种网络参数中值越大，对网络效用越有益的参数的属性为越大越好型参数，并确定所述N种网络参数中值越小，对网络效用越有益的参数的属性为越小越好型参数；

S32：利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最大值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最小值，确定最佳网络参数；

S33：利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最小值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最大值，确定最差网络参数；

S34：利用所述最佳网络参数、所述最差网络参数，确定所述M个候选网络中每个候选网络的排序值。

5.根据权利要求4所述的一种异构网络的网络选择方法，其特征在于：所述利用最佳网络参数、最差网络参数，确定所述M个候选网络中每个候选网络的排序值，包括：

确定所述M个候选网络中每个候选网络的N种网络参数与最佳网络参数的距离和与最差网络参数的距离；

根据确定出的距离，获得所述M个候选网络中每个候选网络的排序值。

6.一种异构网络的网络选择装置，其特征在于：包括筛选单元、比较单元、确定单元、选择单元；

所述筛选单元用于对M个候选网络中每个候选网络进行筛选，得到关联度低于预定阈值的N种网络参数，M和N为大于1的整数；

所述比较单元用于确定所述N种网络参数中每种网络参数对应的服务质量参数在所述M个候选网络中的最小值和最大值，所述服务质量参数为所述网络参数与所述网络参数的权重的乘积；

所述确定单元用于利用所述N种网络参数中每种网络参数的属性，以及确定出的最大值和最小值，确定所述M个候选网络中每个候选网络的排序值；

所述选择单元用于根据确定出的排序值，选择一个候选网络作为用户设备UE接入的网络。

7.根据权利要求6所述的一种异构网络的网络选择装置，其特征在于：所述筛选单元用于：

对M个候选网络中每个候选网络的P种网络参数，确定任两种网络参数的关联度，P为大于等于N的整数；

去除关联度高于所述预定阈值的两种网络参数中的任一种网络参数，得到所述N种网络参数。

8.根据权利要求7所述的一种异构网络的网络选择装置，其特征在于：所述筛选单元用于：

将所述P种网络参数分为所述越大越好型参数和所述越小越好型参数，其中，属于所述越大越好型参数的网络参数越大，对网络效用越有益，属于所述越小越好型参数的网络参数越小，对网络效用越有益；

确定所述P种网络参数中属于所述越大越好型参数的网络参数的归一化值；

确定所述P种网络参数中属于所述越小越好型参数的网络参数的归一化值；

利用所述P种网络参数的归一化值，确定任两种网络参数的关联度。

9.根据权利要求6至8中任一项所述的一种异构网络的网络选择装置，其特征在于：所述确定单元用于：

确定所述N种网络参数中值越大，对网络效用越有益的参数的属性为越大越好型参数，并确定所述N种网络参数中值越小，对网络效用越有益的参数的属性为越小越好型参数；

利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最大值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最小值，确定最佳网络参数；

利用所述N种网络参数中属性为所述越大越好型参数的网络参数对应的服务质量参数的最小值，和属性为所述越小越好型参数的网络参数对应的服务质量参数的最大值，确定最差网络参数；

利用所述最佳网络参数、所述最差网络参数，确定所述M个候选网络中每个候选网络的排序值。

10.根据权利要求9所述的一种异构网络的网络选择装置，其特征在于：所述确定单元用于：

确定所述M个候选网络中每个候选网络的N种网络参数与最佳网络参数的距离和与最差网络参数的距离；

根据确定出的距离，获得所述M个候选网络中每个候选网络的排序值。