CN112867101A - 一种基于灰度综合评价值的公安异构无线专网选择方法 - Google Patents

一种基于灰度综合评价值的公安异构无线专网选择方法 Download PDF

Info

Publication number
CN112867101A
CN112867101A CN201911190446.4A CN201911190446A CN112867101A CN 112867101 A CN112867101 A CN 112867101A CN 201911190446 A CN201911190446 A CN 201911190446A CN 112867101 A CN112867101 A CN 112867101A
Authority
CN
China
Prior art keywords
network
attribute
matrix
evaluation value
comprehensive
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.)
Granted
Application number
CN201911190446.4A
Other languages
English (en)
Other versions
CN112867101B (zh
Inventor
魏守明
魏帅
何晨光
王彬
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN201911190446.4A priority Critical patent/CN112867101B/zh
Publication of CN112867101A publication Critical patent/CN112867101A/zh
Application granted granted Critical
Publication of CN112867101B publication Critical patent/CN112867101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/18—Selecting a network or a communication service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出一种基于灰度综合评价值的公安异构无线专网选择方法，所述方法通过层次分析法计算出网络属性的主观权重，利用灰色关联分析法求出灰色关联矩阵，最终结合二者得到灰度综合评价值，可以更加准确且全面的判断权值。此外针对不同业务的不同需求，并综合考虑带宽、网络时延、网络抖动以及丢包率等性能，选择最佳网络，为用户提供优质服务。

Description

一种基于灰度综合评价值的公安异构无线专网选择方法
技术领域
本发明属于通信技术领域，特别是涉及一种基于灰度综合评价值的公安异构无线专网选择方法。
背景技术
移动警务融合智能网络架构能够实现公安移动警务应用***从终端到网络，以及各应用层级的深度融合，为***提供了更丰富的通信资源，包括更多类型的终端、更多方式的融合网络以及支撑更多移动警务的应用。其中智能资源适配引擎主要研究融合终端的智能接入机制，以及应用服务中的业务机制。异构无线专网的网络选择作为智能资源适配的重要组成，通过具体方法实现终端和用户的网络选择，为用户提供最佳业务，具有重要的意义。
当前异构无线网络的网络选择有多种，其中基于多属性决策的异构无线网络算法一般分为两部分，一部分是确定权重，另一部分是网络性能排序。对于多属性决策问题，应该首先确定各个属性的相对重要程度，一般由属性权重来反映，权重越大则说明该属性的相对重要程度高，该属性也更加重要。确定权重的方法主要分为主观赋权法和客观赋权法。当前对于异构无线网络的网络选择方法中，层次分析法(AHP)作为主观赋权法用来确定各个网络属性参数的主观权重，先独立评价***中各个网络属性参数之间的关系，建立***的层次结构，进而根据各个网络属性参数对于上一层的重要性构造判断矩阵，接着根据判断矩阵计算各个网络属性参数的主观权重；熵值法作为客观赋权法用来确定各个网络属性参数的客观权重，客观权重的大小体现了各个候选网络中同一网络属性参数之间的差异大小，差别越大说明该网络属性参数对网络选择方法影响越大，其对应的客观权重应该取值更大；此外结合层次分析法和模糊综合评价法的网络选择方法，通过对模糊综合评价模型的分析,提出了计算相对隶属度的方法，由各因素相对隶属度和权重计算总隶属度,并据此选择最优网络；吞吐量作为网络选择中的一个重要因素，基于吞吐量优化的异构网选择方案，以最大化***吞吐量为准则进行网络选择的决策。
以上方法均以某一因素作为判决的标准，考虑不够全面，不能充分反映复杂场景下其他影响因素对于网络选择的影响。此外对于用户的业务类型没有充分考虑，权重的确定较为单一，无法得到正确且全面的属性权重。
发明内容
本发明目的是为了解决现有技术中存在的问题，提出了一种基于灰度综合评价值的公安异构无线专网选择方法。
本发明是通过以下技术方案实现的，本发明提出一种基于灰度综合评价值的公安异构无线专网选择方法，所述方法包括以下步骤：
步骤1、通过层次分析法计算出网络属性的主观权重向量W；
步骤2、利用灰色关联分析法求出灰色关联矩阵R；
步骤3、根据所述主观权重和灰色关联矩阵计算求得各网络综合性能与理想网络的灰度综合评价值Z，Z＝R×WT，所述灰度综合评价值Z中元素zi为第i个备选网络的灰度综合评价值；
步骤4、基于各个备选网络的灰度综合评价值的大小对各备选网络进行排序，根据灰度综合评价值中元素zi的值越大，则该备选网络越接近于理想网络的原则选取最优网络进行连接。
进一步地，所述步骤1包括以下步骤：
步骤1.1、建立网络选择问题的层次结构；
步骤1.2、构造网络属性间判断矩阵；
步骤1.3、计算网络属性参数的权重并得到权重向量W；
步骤1.4、对步骤1.3得到的权重向量W进行一致性检验。
进一步地，所述步骤2包括以下步骤：
步骤2.1、根据实时网络属性值构造判决矩阵A；
步骤2.2、标准化判决矩阵A得到标准化决策矩阵B；
步骤2.3、定义理想网络参考序列；
步骤2.4、计算灰色关联度得到灰色关联矩阵R。
进一步地，所述步骤1.1具体为：
将一个网络决策问题拆解为若干影响该决策的因素，建立层次结构，该层次结构包含如下三个部分：
(1)目标层：使用层次分析法所要解决的问题的目标，即接入最优网络；
(2)准则层：影响目标实现的各种不同网络属性；
(3)方案层：终端移动过程中检测到的备选网络。
进一步地，所述判断矩阵表示用户对准则层中不同属性在实现问题目标时重要性程度的认识，不同层次有相应的判断矩阵，判断矩阵中的元素值通过用户感觉两个属性“哪个更重要”和“重要的程度”来得到；每个层次的属性两两之间进行重要性比较，比较结果构成的矩阵G＝[gij]n×n称作判断矩阵，其中，gij表示属性i相比于属性j的重要性等级，所述判断矩阵的性质为gij＞0,gij＞1且gij＝1/gij(i,j＝1,2,...,n)；
Figure BDA0002293428830000031
所述判断矩阵中的元素满足对角线对称性。
进一步地，所述步骤1.3具体为：
首先将判断矩阵的每一行元素值相乘，计算的公式如下所示：
Figure BDA0002293428830000032
然后对式(1)开n次方根，公式如下所示：
Figure BDA0002293428830000033
最后进行归一化，公式如下所示：
Figure BDA0002293428830000034
其中，Wi表示第i个属性的权重值，即得到了网络属性参数的权重从而得到权重向量W＝{W1,W2,…Wn}。
进一步地，所述步骤2.1具体为：
将测量得到的某时刻网络属性值用矩阵A表示，设定该异构无线专网场景有m个可供选择的备选网络Ni,1≤i≤m，每个备选网络有n个属性Pj,1≤j≤n，得到判决矩阵A为：
Figure BDA0002293428830000041
其中，aij表示第i个备选网络的第j个属性值。
进一步地，在步骤2.2中，
对于效益型属性需要其越大越好，按式(5)进行规范化处理:
Figure BDA0002293428830000042
对于成本型属性需要其越小越好，按式(6)进行规范化处理：
Figure BDA0002293428830000043
从而得到标准化决策矩阵B如下所示：
Figure BDA0002293428830000044
进一步地，在步骤2.3中，对于标准化决策矩阵B，当网络属性为效益型时，定义参考序列为
Figure BDA0002293428830000045
当网络属性为成本型时，定义参考序列为
Figure BDA0002293428830000046
所得参考序列为理想网络。
进一步地，在步骤2.4中，计算灰色关联度:
Figure BDA0002293428830000047
式子中ξ∈[0,1]为辨析系数，
Figure BDA0002293428830000048
为序列和参考序列的两级最小差，
Figure BDA0002293428830000049
为序列和参考序列两级最大差；由此得到灰色关联矩阵R：
Figure BDA0002293428830000051
本发明所述方法通过层次分析法计算出网络属性的主观权重，利用灰色关联分析法求出灰色关联矩阵，最终结合二者得到灰度综合评价值，可以更加准确且全面的判断权值。此外针对不同业务的不同需求，并综合考虑带宽、网络时延、网络抖动以及丢包率等性能，选择最佳网络，为用户提供优质服务。
附图说明
图1为本发明所述基于灰度综合评价值的公安异构无线专网选择方法流程图；
图2为层次结构模型图。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
结合图1和图2，本发明提出一种基于灰度综合评价值的公安异构无线专网选择方法，所述方法包括以下步骤：
步骤1、通过层次分析法计算出网络属性的主观权重向量W；
步骤2、利用灰色关联分析法求出灰色关联矩阵R；
步骤3、根据所述主观权重和灰色关联矩阵计算求得各网络综合性能与理想网络的灰度综合评价值Z，Z＝R×WT，所述灰度综合评价值Z中元素zi为第i个备选网络的灰度综合评价值；
Figure BDA0002293428830000052
wj表示第j个属性的权重值；
步骤4、基于各个备选网络的灰度综合评价值的大小对各备选网络进行排序，根据灰度综合评价值中元素zi的值越大，则该备选网络越接近于理想网络的原则选取最优网络进行连接。
所述步骤1包括以下步骤：
步骤1.1、建立网络选择问题的层次结构；
步骤1.2、构造网络属性间判断矩阵；
步骤1.3、计算网络属性参数的权重并得到权重向量W；
步骤1.4、对步骤1.3得到的权重向量W进行一致性检验。
所述步骤2包括以下步骤：
步骤2.1、根据实时网络属性值构造判决矩阵A；
步骤2.2、标准化判决矩阵A得到标准化决策矩阵B；
步骤2.3、定义理想网络参考序列；
步骤2.4、计算灰色关联度得到灰色关联矩阵R。
所述步骤1.1具体为：
将一个网络决策问题拆解为若干影响该决策的因素，建立层次结构，该层次结构包含如下三个部分：
(1)目标层：使用层次分析法所要解决的问题的目标，即接入最优网络；
(2)准则层：影响目标实现的各种不同网络属性；
(3)方案层：终端移动过程中检测到的备选网络。
所述判断矩阵表示用户对准则层中不同属性在实现问题目标时重要性程度的认识，不同层次有相应的判断矩阵，判断矩阵中的元素值通过用户感觉两个属性“哪个更重要”和“重要的程度”来得到；一般层次分析法基本设置为1-9的维度来表示用户在属性重要性判断上的定量认知情况，如表1为重要性维度的定义。每个层次的属性两两之间进行重要性比较，比较结果构成的矩阵G＝[gij]n×n称作判断矩阵，其中，gij表示属性i相比于属性j的重要性等级，所述判断矩阵的性质为gij＞0,gij＞1且gij＝1/gij(i,j＝1,2,...,n)；
Figure BDA0002293428830000061
所述判断矩阵中的元素满足对角线对称性。
表1重要性标度
Figure BDA0002293428830000071
所述步骤1.3具体为：
首先将判断矩阵的每一行元素值相乘，计算的公式如下所示：
Figure BDA0002293428830000072
然后对式(1)开n次方根，公式如下所示：
Figure BDA0002293428830000073
最后进行归一化，公式如下所示：
Figure BDA0002293428830000074
其中，Wi表示第i个属性的权重值，即得到了网络属性参数的权重从而得到权重向量W＝{W1,W2,…Wn}。
在步骤1.4中，由于人们对于事物认识的多样性，在构造两两判断矩阵时，有可能发生判断冲突的情况，有人觉得属性A比属性B重要，属性B比属性C重要，属性C又比属性A重要，这是由于人的思维具有一定的主观性，难以保持绝对的一致性，所以为了衡量矩阵的一致性，必须对判断矩阵进行一致性检验，检验方法如下：
首先计算一致性参考指标CI：
Figure BDA0002293428830000075
n为判断矩阵的阶数，λmax为判断矩阵的最大特征值。
然后查找一致性指标RI表，如表2所示：
表2 RI参考值
Figure BDA0002293428830000081
最后计算一致性比例系数CR＝CI/RI,当CR的值小于0.1时，说明判断矩阵里面的元素值是合乎常理的，一致性是满足的，得出的权重值是有效的。相反，就应该重新修改判断矩阵里的元素值,再重新计算属性的权重值。
所述步骤2.1具体为：
将测量得到的某时刻网络属性值用矩阵A表示，设定该异构无线专网场景有m个可供选择的备选网络Ni,1≤i≤m，每个备选网络有n个属性Pj,1≤j≤n，得到判决矩阵A为：
Figure BDA0002293428830000082
其中，aij表示第i个备选网络的第j个属性值。
在步骤2.2中，
对于效益型属性(如带宽)需要其越大越好，按式(5)进行规范化处理:
Figure BDA0002293428830000083
对于成本型属性(如时延)需要其越小越好，按式(6)进行规范化处理：
Figure BDA0002293428830000084
从而得到标准化决策矩阵B如下所示：
Figure BDA0002293428830000085
在步骤2.3中，对于标准化决策矩阵B，当网络属性为效益型时，定义参考序列为
Figure BDA0002293428830000091
当网络属性为成本型时，定义参考序列为
Figure BDA0002293428830000092
所得参考序列为理想网络。
在步骤2.4中，灰度关联分析法用于分析不完全不确定的离散序列关联程度。它的基本思想是通过比较数据序列曲线的几何形状的接近程度来判断其联系紧密程度。通过定义一个参考序列，根据序列曲线的形状和变化趋势的相似度，判断参考序列与其他序列的关系是否紧密。灰色关联度表示参考序列和其他序列的相似度，值越大，曲线越接近。
计算灰色关联度:
Figure BDA0002293428830000093
式子中ξ∈[0,1]为辨析系数，通常取0.5，用于减弱最大绝对差太大造成的失真，
Figure BDA0002293428830000094
为序列和参考序列的两级最小差，
Figure BDA0002293428830000095
为序列和参考序列两级最大差；由此得到灰色关联矩阵R：
Figure BDA0002293428830000096
本发明所述方法减少了单一网络判决因素完成网络判决的的片面性，同时避免了所求权重的单一性，以及基于层次分析法的属性权重的主观性和片面性，综合考虑了各因素对网络选择的影响，得出更加准确且全面的判断权值，可以为用户提供最佳的网络接入。
本发明所述方法用于公安异构无线专网的网络选择，可针对不同环境下不同业务的QoS需求、将用户偏好和网络时延抖动等性能综合考虑，选择最佳网络,为专网用户提供优质服务，选择最佳网络进行连接，避免了单一指标不能充分反映复杂场景下的其他影响因素对性能的影响以及传统层次分析法的网络选择主观性过强等问题，从而有效利用网络资源。
以上对本发明所提出的一种基于灰度综合评价值的公安异构无线专网选择方法，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种基于灰度综合评价值的公安异构无线专网选择方法，其特征在于：所述方法包括以下步骤：
步骤1、通过层次分析法计算出网络属性的主观权重向量W；
步骤2、利用灰色关联分析法求出灰色关联矩阵R；
步骤3、根据所述主观权重和灰色关联矩阵计算求得各网络综合性能与理想网络的灰度综合评价值Z，Z＝R×WT，所述灰度综合评价值Z中元素zi为第i个备选网络的灰度综合评价值；
步骤4、基于各个备选网络的灰度综合评价值的大小对各备选网络进行排序，根据灰度综合评价值中元素zi的值越大，则该备选网络越接近于理想网络的原则选取最优网络进行连接。
2.根据权利要求1所述的方法，其特征在于：所述步骤1包括以下步骤：
步骤1.1、建立网络选择问题的层次结构；
步骤1.2、构造网络属性间判断矩阵；
步骤1.3、计算网络属性参数的权重并得到权重向量W；
步骤1.4、对步骤1.3得到的权重向量W进行一致性检验。
3.根据权利要求2所述的方法，其特征在于：所述步骤2包括以下步骤：
步骤2.1、根据实时网络属性值构造判决矩阵A；
步骤2.2、标准化判决矩阵A得到标准化决策矩阵B；
步骤2.3、定义理想网络参考序列；
步骤2.4、计算灰色关联度得到灰色关联矩阵R。
4.根据权利要求2所述的方法，其特征在于：所述步骤1.1具体为：
将一个网络决策问题拆解为若干影响该决策的因素，建立层次结构，该层次结构包含如下三个部分：
(1)目标层：使用层次分析法所要解决的问题的目标，即接入最优网络；
(2)准则层：影响目标实现的各种不同网络属性；
(3)方案层：终端移动过程中检测到的备选网络。
5.根据权利要求4所述的方法，其特征在于：所述判断矩阵表示用户对准则层中不同属性在实现问题目标时重要性程度的认识，不同层次有相应的判断矩阵，判断矩阵中的元素值通过用户感觉两个属性“哪个更重要”和“重要的程度”来得到；每个层次的属性两两之间进行重要性比较，比较结果构成的矩阵G＝[gij]n×n称作判断矩阵，其中，gij表示属性i相比于属性j的重要性等级，所述判断矩阵的性质为gij＞0,gij＞1且gij＝1/gij(i,j＝1,2,...,n)；
Figure FDA0002293428820000021
所述判断矩阵中的元素满足对角线对称性。
6.根据权利要求5所述的方法，其特征在于：所述步骤1.3具体为：
首先将判断矩阵的每一行元素值相乘，计算的公式如下所示：
Figure FDA0002293428820000022
然后对式(1)开n次方根，公式如下所示：
Figure FDA0002293428820000023
最后进行归一化，公式如下所示：
Figure FDA0002293428820000024
其中，Wi表示第i个属性的权重值，即得到了网络属性参数的权重从而得到权重向量W＝{W1,W2,…Wn}。
7.根据权利要求6所述的方法，其特征在于：所述步骤2.1具体为：
将测量得到的某时刻网络属性值用矩阵A表示，设定该异构无线专网场景有m个可供选择的备选网络Ni,1≤i≤m，每个备选网络有n个属性Pj,1≤j≤n，得到判决矩阵A为：
Figure FDA0002293428820000031
其中，aij表示第i个备选网络的第j个属性值。
8.根据权利要求7所述的方法，其特征在于：在步骤2.2中，
对于效益型属性需要其越大越好，按式(5)进行规范化处理:
Figure FDA0002293428820000032
对于成本型属性需要其越小越好，按式(6)进行规范化处理：
Figure FDA0002293428820000033
从而得到标准化决策矩阵B如下所示：
Figure FDA0002293428820000034
9.根据权利要求8所述的方法，其特征在于：在步骤2.3中，对于标准化决策矩阵B，当网络属性为效益型时，定义参考序列为
Figure FDA0002293428820000035
当网络属性为成本型时，定义参考序列为
Figure FDA0002293428820000036
所得参考序列为理想网络。
10.根据权利要求8所述的方法，其特征在于：在步骤2.4中，计算灰色关联度:
Figure FDA0002293428820000037
式子中ξ∈[0,1]为辨析系数，
Figure FDA0002293428820000038
为序列和参考序列的两级最小差，
Figure FDA0002293428820000039
为序列和参考序列两级最大差；由此得到灰色关联矩阵R：
Figure FDA0002293428820000041
CN201911190446.4A 2019-11-28 2019-11-28 一种基于灰度综合评价值的公安异构无线专网选择方法 Active CN112867101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911190446.4A CN112867101B (zh) 2019-11-28 2019-11-28 一种基于灰度综合评价值的公安异构无线专网选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911190446.4A CN112867101B (zh) 2019-11-28 2019-11-28 一种基于灰度综合评价值的公安异构无线专网选择方法

Publications (2)

Publication Number Publication Date
CN112867101A true CN112867101A (zh) 2021-05-28
CN112867101B CN112867101B (zh) 2023-04-11

Family

ID=75995465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911190446.4A Active CN112867101B (zh) 2019-11-28 2019-11-28 一种基于灰度综合评价值的公安异构无线专网选择方法

Country Status (1)

Country Link
CN (1) CN112867101B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025402A (zh) * 2021-12-07 2022-02-08 北京福瑞航行科技有限公司 基于多属性判决的多网融合航空通信网络选择方法及***

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102781072A (zh) * 2012-07-27 2012-11-14 南京邮电大学 基于多属性决策和群组决策的网络选择方法
CN103874132A (zh) * 2014-03-25 2014-06-18 北京工业大学 一种基于用户的异构无线网络接入选择方法
US20150017985A1 (en) * 2013-07-10 2015-01-15 Samsung Electronics Co., Ltd. Systems and methods for handoff in heterogeneous networks
CN104602325A (zh) * 2015-01-20 2015-05-06 重庆邮电大学 一种基于层次分析法的异构无线网络选择方法
KR20160011776A (ko) * 2014-07-22 2016-02-02 성균관대학교산학협력단 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법
CN107734512A (zh) * 2017-09-30 2018-02-23 南京南瑞集团公司 一种基于灰度关联层次分析的网络选择方法
CN107889195A (zh) * 2017-11-16 2018-04-06 电子科技大学 一种区分业务的自学习异构无线网络接入选择方法
CN110418363A (zh) * 2019-08-27 2019-11-05 南京邮电大学 基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102781072A (zh) * 2012-07-27 2012-11-14 南京邮电大学 基于多属性决策和群组决策的网络选择方法
US20150017985A1 (en) * 2013-07-10 2015-01-15 Samsung Electronics Co., Ltd. Systems and methods for handoff in heterogeneous networks
CN103874132A (zh) * 2014-03-25 2014-06-18 北京工业大学 一种基于用户的异构无线网络接入选择方法
KR20160011776A (ko) * 2014-07-22 2016-02-02 성균관대학교산학협력단 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법
CN104602325A (zh) * 2015-01-20 2015-05-06 重庆邮电大学 一种基于层次分析法的异构无线网络选择方法
CN107734512A (zh) * 2017-09-30 2018-02-23 南京南瑞集团公司 一种基于灰度关联层次分析的网络选择方法
CN107889195A (zh) * 2017-11-16 2018-04-06 电子科技大学 一种区分业务的自学习异构无线网络接入选择方法
CN110418363A (zh) * 2019-08-27 2019-11-05 南京邮电大学 基于改进熵权和灰色关联分析法的异构无线网络垂直切换方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李思思: "异构网络下用户移动预测辅助垂直切换算法研究" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114025402A (zh) * 2021-12-07 2022-02-08 北京福瑞航行科技有限公司 基于多属性判决的多网融合航空通信网络选择方法及***

Also Published As

Publication number Publication date
CN112867101B (zh) 2023-04-11

Similar Documents

Publication Publication Date Title
CN107734512B (zh) 一种基于灰度关联层次分析的网络选择方法
CN108419274B (zh) 一种基于效用函数的异构无线网络选择方法
CN108235390B (zh) 一种异构无线网络中基于贝叶斯决策的垂直切换方法
CN107071841B (zh) 异构网络中基于动态权重优化的垂直切换方法
CN111866954B (zh) 一种基于联邦学习的用户选择和资源分配方法
CN102781072B (zh) 基于多属性决策和群组决策的网络选择方法
Liang et al. Network selection algorithm for heterogeneous wireless networks based on service characteristics and user preferences
CN109286959A (zh) 一种基于层次分析法的异构无线网络垂直切换方法
CN109743778B (zh) 一种基于强化学习的资源分配优化方法和***
CN103108382A (zh) 一种基于网络层次分析法的异构网络多属性决策方法
CN108024307B (zh) 一种基于物联网的异构网络接入选择方法及***
CN109151953B (zh) 一种基于用户和网络双侧收益的网络接入选择计算方法
CN104602325A (zh) 一种基于层次分析法的异构无线网络选择方法
CN107889195B (zh) 一种区分业务的自学习异构无线网络接入选择方法
Ramirez-Perez et al. On the effectiveness of multi-criteria decision mechanisms for vertical handoff
CN115277354B (zh) 一种面向指挥控制网络管理***的故障检测方法
Ren et al. A new scheme for IoT service function chains orchestration in SDN-IoT network systems
CN103824127B (zh) 云计算环境下服务的自适应组合优化方法
CN112566219A (zh) 一种电力通信异构网络选择的权重确定方法
Charilas et al. A unified network selection framework using principal component analysis and multi attribute decision making
CN112867101B (zh) 一种基于灰度综合评价值的公安异构无线专网选择方法
CN113504949B (zh) Mar客户端在边缘计算中的任务卸载与参数优化方法及***
CN111800318B (zh) 基于sdn的天地一体化网络认证架构下的接入点决策方法
Modi et al. QoS driven channel selection algorithm for opportunistic spectrum access
CN112508408A (zh) 一种边缘计算下无线资源管理指标的映射模型构建方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant