CN109462861B - 一种面向电力无线专网的分层异构网络接入协同选择方法 - Google Patents

Abstract

本发明涉及一种面向电力无线专网的分层异构网络接入协同选择方法。构建备选网络的静态性能指标模型，建立各个网络基于协同学的协同度效用函数；构建动态性能指标模型，建立网络负载率方差和用户终端平均体验质量效益函数；根据建立的效用函数构建协同接入选择多目标优化模型，求解当前各备选网络的各个效用值，进行非支配排序和拥挤距离计算并对其进行升序排列，选择排序值为1的备选网络作为接入选择策略的Pareto解集；根据获得的Pareto解集，从中选择均衡网络协同度、网络负载均衡以及用户终端平均体验质量的最优解。本发明接入选择策略通过联合优化静态性能指标和动态性能指标，保证了各个性能指标之间的均衡性，从而确保网络侧和用户侧都可以取得性能的提升，且实现了异构网络资源得到合理的利用，提升了网络的整体性能。

Description

一种面向电力无线专网的分层异构网络接入协同选择方法

技术领域

本发明属于无线电力通信领域，具体涉及一种面向电力无线专网的分层异构网络接入协同选择方法。

背景技术

随着国网公司“两个一流”建设的不断深化以及“一体两翼”战略布局的逐步展开，建设“安全、泛在、友好”的通信网络势在必行。无线专网技术以其独特的优势在智能电网中发挥着重大作用，是解决配用电全覆盖、信息全采集的关键。然而单一电力无线专网受自身位置、周围地形、高层楼宇遮挡等的影响，导致部分地区存在盲、弱覆盖等问题。目前，考虑到国内电力无线专网主要采用230MHz和1800MHz两个频段进行组网，并且WLAN与LTE网络融合在应对数据流量增长、用户体验提升等方面发挥的重大作用，融合LTE230、LTE1800以及WLAN的分层异构网络成为解决上述问题的关键。为了满足分层异构网络环境下终端用户的QoS需求以及充分利用多种网络之间的互补特性，需要提出合理、高效的网络接入选择策略来保证网络侧负载均衡、提升用户侧用户体验质量以及降低用户中断概率。

目前，关于异构网络接入选择策略的研究大多只考虑某一动态性能指标(SINRmax策略考虑接入信号强度、MLB策略考虑负载程度等)或静态性能指标(网络可用带宽、频谱效率、覆盖范围等)，因而传统接入选择策略无法均衡上述性能指标的差异性，不利于用户终端高效、合理的接入最优网络。

发明内容

本发明的目的在于提供一种面向电力无线专网的分层异构网络接入协同选择方法，考虑LTE230、LTE1800以及WLAN网络重叠覆盖的分层异构无线网络场景下的接入协同选择策略，其目的是一方面为了解决现阶段电力无线专网存在承载业务种类单一、资源利用率不高等问题；另一方面，是为了解决由于目前缺乏异构网络接入选择策略中缺乏对负载程度、接入信号强度等动态性能指标以及可用带宽、频谱效率、覆盖范围等网络静态性能指标的联合研究，从而引发网络整体性能和用户体验质量降低等问题。

为实现上述目的，本发明的技术方案是：一种面向电力无线专网的分层异构网络接入协同选择方法，包括如下步骤：

步骤S1、构建备选网络的静态性能指标模型，建立各个网络基于协同学的协同度效用函数；

步骤S2、构建动态性能指标模型，建立网络负载率方差和用户终端平均体验质量效益函数；

步骤S3、根据建立的效用函数构建协同接入选择多目标优化模型，求解当前各备选网络的各个效用值，进行非支配排序和拥挤距离计算并对其进行升序排列，选择排序值为1的备选网络作为接入选择策略的Pareto解集；

步骤S4、根据获得的Pareto解集，从中选择均衡网络协同度、网络负载均衡以及用户终端平均体验质量的最优解。

在本发明一实施例中，所述步骤S1具体实现如下：

对于分层异构网络中的I个备选网络，其属性子***S_x(x∈{1,2,...,X})包含l_x个序参量，单个序参量j(j∈{1,2,...,l_x})所代表的网络性能指标表示为r_xj；对于取值越大网络性能越好的正效用序参量，属性子***S_x中第j个序参量的有序度A_xj计算公式为：

而对于负效用序参量，则属性子***S_x中第j个序参量的有序度A_xj计算公式为：

式中，

分别表示单个序参量j的最大值和最小值；引入ξ_j因子，用来放大或缩小该序参量j在所在属性子***中的影响；

属性子***S_x的有序度Q_x计算公式为：

网络i的协同度Ψ_i计算公式为：

ω_x为属性子***S_x对于网络***整体影响的权重，计算公式为：

式中，

***协同度效用函数计算公式为：

式中，a_mi为二进制变量，a_mi＝1表示用户终端m接入网络i，否则，a_mi＝0；M表示用户终端总数。

在本发明一实施例中，所述步骤S2具体实现如下：

构建动态性能指标模型，建立网络负载率方差和用户终端平均体验质量效益函数，其中负载率方差效益函数计算公式为：

式中，

b_mi为用户终端m接入网络i时占用的带宽，C_i表示接入网络i的可用带宽；

用户体验质量计算公式为：

式中，R_m为用户终端m的传输速率，R_min和R_max分别为最小传输速率和最大传输速率需求；MOS_m(R_m)＝1，表示用户十分不满意，MOS_m(R_m)＝4.5，表示用户十分满意；α，β分别通过R_m＝R_min，MOS_m(R_m)＝1和R_m＝R_max，MOS_m(R_m)＝4.5求得；R_m计算公式为：

R_m＝b_mi log₂(1+b_mip₀ g_mi/σ²)

式中，b_mi＝a_mib_m，b_m为用户终端m的带宽需求，p₀为单位带宽上的发射功率，g_mi为用户终端m接入网络i时的信道增益；σ²表示加性高斯白噪声功率；

则用户终端的平均体验质量效用函数计算公式为：

在本发明一实施例中，所述步骤S3具体实现如下：

根据建立的效用函数构建协同接入选择多目标优化模型，接入选择多目标优化模型为：

式中，f₁表示第一个目标，f₂表示第二个目标，f₃表示第三个目标；

表示任意用户终端m只能选择一个网络接入；

表示接入网络i的所有用户终端占用的资源不能大于该网络的可用带宽。

在本发明一实施例中，所述步骤S4具体实现如下：

根据获得的Pareto解集，从中选择均衡网络协同度、网络负载均衡以及用户终端平均体验质量的最优解，计算公式为：

式中，J表示Pareto解集中解的个数，f_{o max}表示第o个目标的上界，o＝1,2,3；由于Pareto解集中用户终端最终的接入方案不能保证网络协同度、网络负载均衡以及用户体验质量同时最优，但可以希望

越小越好，因而其为目标f₁、f₂和f₃的较好折衷，从而与均衡网络协同度、网络负载均衡以及用户体验质量的最优协同接入方案保持一致。

相较于现有技术，本发明具有以下有益效果：

1、本发明所述的接入选择策略通过联合优化静态性能指标和动态性能指标，保证了各个性能指标之间的均衡性，从而确保网络侧和用户侧都可以取得性能的提升；

2、本发明所述的接入选择策略能为用户终端选择所有性能指标整体最优的网络进行接入，当某一性能不满足用户终端接入后其性能最优时，可以考虑其他性能，因而可供用户接入的备选网络相较于单一性能指标的最优接入方案增多，这样会使异构网络资源得到合理的利用，提升了网络的整体性能。

附图说明

图1为本发明是本发明仿真中所使用的网络拓扑结构；

图2是本发明所述的接入选择策略与SINRmax接入选择策略以及MLB接入选择策略的用户传输实时业务时的网络负载率方差对比结果。

图3是本发明所述的接入选择策略与SINRmax接入选择策略以及MLB接入选择策略的用户传输非实时业务时的网络负载率方差对比结果。

图4是本发明所述的接入选择策略与SINRmax接入选择策略以及MLB接入选择策略的用户传输实时业务时的中断概率对比结果。

图5是本发明所述的接入选择策略与SINRmax接入选择策略以及MLB接入选择策略的用户传输非实时业务时的中断概率对比结果。

图6是本发明所述的接入选择策略与SINRmax接入选择策略以及MLB接入选择策略的用户传输实时业务时的平均体验质量对比结果。

图7是本发明所述的接入选择策略与SINRmax接入选择策略以及MLB接入选择策略的用户传输非实时业务时的平均体验质量对比结果。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明了一种面向电力无线专网的分层异构网络接入协同选择方法，应用于多个网络重叠覆盖的分层异构无线网络场景，在本实施例中，采用的网络拓扑结构如附图1所示。本发明提出的接入选择策略包括以下步骤：首先确定频谱效率、可用带宽、功耗、费用、丢包率以及时延等作为本发明接入协同选择策略的静态性能指标，同时确定网络侧负载均衡以及用户侧中断概率和用户体验质量作为本发明接入协同选择策略的动态性能指标；其次，根据备选网络的静态性能指标值计算各个备选网络的协同度，并根据初始化的用户终端接入选择矩阵计算整个***的协同度效用函数值；然后，根据初始化的接入选择矩阵计算整个***的负载率方差效用函数值以及用户体验质量效用函数值，利用改进非支配排序遗传算法求解多目标接入选择模型中最优的接入选择矩阵Pareto解集；最后，根据获得的Pareto解集，选择均衡网络协同度、网络负载均衡以及用户体验质量的折中解确定为最佳的用户接入策略。具体步骤如下：

步骤S1、构建备选网络的静态性能指标模型，建立各个网络基于协同学的协同度效用函数；

对于分层异构网络中的I个备选网络，其属性子***S_x(x∈{1,2,...,X})包含l_x个序参量，单个序参量j(j∈{1,2,...,l_x})所代表的网络性能指标表示为r_xj；对于取值越大网络性能越好的正效用序参量(如吞吐量、可用信道数等)，属性子***S_x中第j个序参量的有序度A_xj计算公式为：

而对于负效用序参量(如功耗、费用、丢包率等)，则属性子***S_x中第j个序参量的有序度A_xj计算公式为：

式中，

分别表示单个序参量j的最大值和最小值；引入ξ_j因子，用来放大或缩小该序参量j在所在属性子***中的影响；

属性子***S_x的有序度Q_x计算公式为：

网络i的协同度Ψ_i计算公式为：

ω_x为属性子***S_x对于网络***整体影响的权重，计算公式为：

式中，

***协同度效用函数计算公式为：

式中，a_mi为二进制变量，a_mi＝1表示用户终端m接入网络i，否则，a_mi＝0；M表示用户终端总数。

步骤S2、构建动态性能指标模型，建立网络负载率方差和用户终端平均体验质量效益函数，其中负载率方差效益函数计算公式为：

式中，

b_mi为用户终端m接入网络i时占用的带宽，C_i表示接入网络i的可用带宽；

用户体验质量计算公式为：

式中，R_m为用户终端m的传输速率，R_min和R_max分别为最小传输速率和最大传输速率需求；MOS_m(R_m)＝1，表示用户十分不满意，MOS_m(R_m)＝4.5，表示用户十分满意；α，β分别通过R_m＝R_min，MOS_m(R_m)＝1和R_m＝R_max，MOS_m(R_m)＝4.5求得；R_m计算公式为：

R_m＝b_milog₂(1+b_mip₀g_mi/σ²)

式中，b_mi＝a_mib_m，b_m为用户终端m的带宽需求，p₀为单位带宽上的发射功率，g_mi为用户终端m接入网络i时的信道增益；σ²表示加性高斯白噪声功率；

则用户终端的平均体验质量效用函数计算公式为：

步骤S3、根据建立的效用函数构建协同接入选择多目标优化模型，求解当前各备选网络的各个效用值，进行非支配排序和拥挤距离计算并对其进行升序排列，选择排序值为1(Pareto前沿)的备选网络作为接入选择策略的Pareto解集；接入选择多目标优化模型为：

式中，f₁表示第一个目标，f₂表示第二个目标，f₃表示第三个目标；

表示任意用户终端m只能选择一个网络接入；

表示接入网络i的所有用户终端占用的资源不能大于该网络的可用带宽。

在本实施例中，采用改进非支配排序遗传算法求解接入选择矩阵，具体过程如下：

个体基因长度等于用户终端数量，种群规模为100，进化代数为100，

子步骤1：假设初始化种群为

其中

表示一个个体，N为种群规模。初始化迭代次数t＝0。种群中每个个体是协同接入选择优化变量。由于协同接入选择优化变量是离散型变量，同时为了提升算法的运算效率，本文采用十进制整数编码的方式为每个个体进行编码。即

子步骤2：对协同接入选择优化变量数值的变异，从而扩大搜索空间，避免陷入局部陷阱，变异计算公式是：

式中，

表示第n个个体

取值的上界，

表示第n个个体

取值的下界，δ_n表示变异常量，计算公式是：

式中r_n表示产生(0,1)之间的随机数，m_um为变异算子，m_um＝20。

对变异产生的数值进行取整，计算公式是：

式中，符号

表示向下取整。

子步骤3：对选择的两个父代种群个体进行交叉，从而保证父代个体的分量能够被继承，计算公式是：

式中β_n表示交叉常量，计算公式是：

式中u_n表示产生(0,1)之间的随机数，m_uc为交叉算子，m_uc＝20。

子步骤4：根据非支配排序和拥挤距离计算结果选择进入下一代种群。计算所有种群个体的目标函数值，比较变异交叉后产生的t+1代个体

与t代个体

的目标值，若个体

支配个体

则个体

进入种群X^t+1，否则个体

进入种群X^t+1；若个体

与个体

的目标值相同，则比较个体

与个体

的拥挤距离，且拥挤距离较大的个体进入种群X^t+1。其中个体

支配个体

满足

f_o(·)表示第o个优化目标函数，＜表示左边劣于右边，当目标函数为最大化目标时，表示小于，否则表示大于。O表示优化目标的个数。拥挤距离为每个个体的O个目标函数值的欧式距离。

步骤S4、根据获得的Pareto解集，从中选择均衡网络协同度、网络负载均衡以及用户终端平均体验质量的最优解，计算公式为：

式中，J表示Pareto解集中解的个数，f_omax表示第o个目标的上界，o＝1,2,3；由于Pareto解集中用户终端最终的接入方案不能保证网络协同度、网络负载均衡以及用户体验质量同时最优，但可以希望

越小越好，因而其为目标f₁、f₂和f₃的较好折衷，从而与均衡网络协同度、网络负载均衡以及用户体验质量的最优协同接入方案保持一致。

利用计算机仿真方法来佐证本发明所述接入选择策略的优越性。附图2-7为承载智能配电通信实时和非实时业务不同带宽需求下本发明所述接入选择策略与经典的SINRmax接入选择策略以及负载均衡(Multi-Radio Access Selection Load Balance，MLB)接入选择策略的对比结果。

通过仿真结果可以看出，本发明所公开的接入选择策略的负载均衡性能优于SINRmax接入选择策略，并在中断概率和用户平均体验质量性能方面要优于MLB接入选择策略。这是因为本发明所述策略考虑了静态性能指标和动态性能指标之间的均衡性，能够完整的表征网络的整体性能，用户终端能够合理的选择整体性能较好的网络进行接入，分层异构网络资源能够得到合理的分配。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (3)

1.一种面向电力无线专网的分层异构网络接入协同选择方法，其特征在于，包括如下步骤：

步骤S1、构建备选网络的静态性能指标模型，建立各个网络基于协同学的协同度效用函数；

步骤S2、构建动态性能指标模型，建立网络负载率方差和用户终端平均体验质量效益函数；

步骤S3、根据建立的效用函数构建协同接入选择多目标优化模型，求解当前各备选网络的各个效用值，进行非支配排序和拥挤距离计算并对其进行升序排列，选择排序值为1的备选网络作为接入选择策略的Pareto解集；

步骤S4、根据获得的Pareto解集，从中选择均衡网络协同度、网络负载均衡以及用户终端平均体验质量的最优解；

所述步骤S1具体实现如下：

对于分层异构网络中的I个备选网络，其属性子***S_x(x∈{1,2,...,X})包含l_x个序参量，单个序参量j(j∈{1,2,...,l_x})所代表的网络性能指标表示为r_xj；对于取值越大网络性能越好的正效用序参量，属性子***S_x中第j个序参量的有序度A_xj计算公式为：

而对于负效用序参量，则属性子***S_x中第j个序参量的有序度A_xj计算公式为：

式中，

分别表示单个序参量j的最大值和最小值；引入ξ_j因子，用来放大或缩小该序参量j在所在属性子***中的影响；

属性子***S_x的有序度Q_x计算公式为：

网络i的协同度Ψ_i计算公式为：

ω_x为属性子***S_x对于网络***整体影响的权重，计算公式为：

式中，

***协同度效用函数计算公式为：

式中，a_mi为二进制变量，a_mi＝1表示用户终端m接入网络i，否则，a_mi＝0；M表示用户终端总数；

所述步骤S2具体实现如下：

构建动态性能指标模型，建立网络负载率方差和用户终端平均体验质量效益函数，其中负载率方差效益函数计算公式为：

式中，

b_mi为用户终端m接入网络i时占用的带宽，C_i表示接入网络i的可用带宽；

用户体验质量计算公式为：

式中，R_m为用户终端m的传输速率，R_min和R_max分别为最小传输速率和最大传输速率需求；MOS_m(R_m)＝1，表示用户十分不满意，MOS_m(R_m)＝4.5，表示用户十分满意；α，β分别通过R_m＝R_min，MOS_m(R_m)＝1和R_m＝R_max，MOS_m(R_m)＝4.5求得；R_m计算公式为：

R_m＝b_mi log₂(1+b_mip₀ g_mi/σ²)

式中，b_mi＝a_mib_m，b_m为用户终端m的带宽需求，p₀为单位带宽上的发射功率，g_mi为用户终端m接入网络i时的信道增益；σ²表示加性高斯白噪声功率；

则用户终端的平均体验质量效用函数计算公式为：

2.根据权利要求1所述的一种面向电力无线专网的分层异构网络接入协同选择方法，其特征在于，所述步骤S3具体实现如下：

根据建立的效用函数构建协同接入选择多目标优化模型，接入选择多目标优化模型为：

式中，f₁表示第一个目标，f₂表示第二个目标，f₃表示第三个目标；

表示任意用户终端m只能选择一个网络接入；

表示接入网络i的所有用户终端占用的资源不能大于该网络的可用带宽。

3.根据权利要求2所述的一种面向电力无线专网的分层异构网络接入协同选择方法，其特征在于，所述步骤S4具体实现如下：

根据获得的Pareto解集，从中选择均衡网络协同度、网络负载均衡以及用户终端平均体验质量的最优解，计算公式为：

式中，J表示Pareto解集中解的个数，f_omax表示第o个目标的上界，o＝1,2,3；由于Pareto解集中用户终端最终的接入方案不能保证网络协同度、网络负载均衡以及用户体验质量同时最优，但可以希望

越小越好，因而其为目标f₁、f₂和f₃的较好折衷，从而与均衡网络协同度、网络负载均衡以及用户体验质量的最优协同接入方案保持一致。

Images