专利名称：基于认知的异构网络路由方法
技术领域：
本发明属于无线通信技术领域，涉及路由方法，具体的说是一种在异构网络中基 于认知的异构网络路由方法，用于无线网络中移动终端在多种网络重叠覆盖的区域选择一 条合适的路径传输业务。
背景技术：
随着通信技术的不断发展，由于现在的频谱资源都是固定分配的，整个频谱空间 中可用的频谱资源越来越少，频谱资源分配不均已是目前亟待解决的问题之一。由于当前 网络环境受到多种因素如频谱资源的紧缺、电波传输特性的约束等方面的制约而无法继续 扩展，因此需要研究一种能够充分利用各种网络的资源并保证网络服务质量的提高的新技 术。未来网络的趋势是逐步走向认知化、融合化、泛在化，即认知网络。认知网络是具 备一个通过感知当前网络条件并做出计划与决策，从而根据条件做出进一步的行动的认知 过程的网络体系，能够学习和预测网络环境并以此做出随后的决策。同时，多种网络融合也 是未来网络发展的趋势所在，异构网络融合具有多方面的优势，如提高网络可扩展性，充分 利用网络资源，更好的满足用户需求等。因此，需要设计一种合理的异构网络路由方法来解 决以上问题，即在多种网络重叠覆盖区域都希望能选择一个最合适当前用户的网络用户传 输业务。在具有认知能力的异构网络环境下，如何合理利用网络资源并尽可能满足用户和 网络的双方需求，用户如何通过自身的认知能力选择一个合适的网络传输业务，即进行网 络切换，以达到网络性能的提高，是路由选择算法的难点所在。目前出现很多关于异构网络选择方法的研究，现今已有算法主要是基于模糊逻辑 的算法，基于某些因素如RSS，功率，时延等QoS需求的算法，基于效用的网络选择算法，以 及基于确定参数加权的决策方法等。这些算法仅考虑了网络的部分环境因素，没有考虑用 户喜好与用户类型和网络环境之间的相互作用，而且也忽视了异构网络的动态复杂的环境 特性，无法很好的适应异构网络的复杂异构性和动态变化性，并且不能对网络环境进行认 知和预测，无法达到未来网络发展趋势的要求。
发明内容
本发明目的在于克服上述已有技术的不足，提供一种基于认知的异构网络路由方 法，以适应异构网络的复杂性和动态变化性，综合考虑用户喜好与用户类型和网络环境之 间的相互作用，对环境进行认知和预测，满足未来网络发展的需求。为实现上述目的，本发明的路由方法包括如下步骤(1)移动终端周期性的获取当前可用的网络类型，感知网络环境状态，采用 Q-Iearning方法对网络环境状态进行估计获取各网络环境状态的估计值，并求出端到端时 延及其估计值；(2)移动终端根据获得的网络环境状态，对网络可用带宽f。ap、网络使用费用f_。和端到端时延Tt。tal进行归一化处理，获取端到端时延、网络可用带宽和网络使用费用的权 重值，并通过以下函数式，选择效用值最大的网络<formula>formula see original document page 5</formula>其中，<formula>formula see original document page 5</formula>是基于多参数的效用 函数，O1为网络剩余可用带宽的权重值，ω2为网络使用费用的权重值，ω3为端到端时延 的权重值，以上权重值采用层次分析法求得；(3)根据获得的效用值最大的网络，移动终端以概率P = 0. 9选择该网络，以概率 I-P选择其它可用的网络，作为用于业务传输的目标网络；(4)移动终端根据获得的目标网络进行业务传输，判断该目标网络与当前的网络 是否相同，如果相同，则移动终端直接用该网络传输业务；否则，移动终端发出切换请求，从 当前网络切换到目标网络中，将业务通过目标网络继续传输，同时更新网络环境状态以及 各状态的估计值，当业务传送到骨干网中时，移动终端对骨干网中的节点也做出一样的行 为，以保证业务传输路径的最优化。本发明与现有技术相比，具有如下优点1)本发明由于在移动终端在业务传输过程中利用对环境的认知能力，对网络环境 状态进行预测与估计，使得移动终端获取的环境状态情况更加逼近真实情况，而不是一味 地相信网络环境状态的历史信息，且能预测网络未来一段时间的环境状态趋势，有利于移 动终端做出符合网络资源分配情况的选择，降低了网络拥塞的产生，也在网络资源分配以 及网络资源利用率上得到很好的改善与提高；2)本发明由于在移动终端采用结合多参数的效用函数作为选择网络的准则，因而 减少了移动终端对单个环境因素的过分依赖，更符合移动终端所处的整体网络环境情况， 以便于移动终端选择更符合自身要求的网络用于业务传输，能达到网络资源的均衡以及网 络资源利用率的提高；3)本发明由于在移动终端采用以一定概率来选择用于传输业务的网络，通过减小 移动终端始终选择某一个效用最优的网络的概率，降低由此引起的网络拥塞，从而降低了 业务丢包率，提高了业务成功传输的概率；也提高了一部分次优网络的利用率，从而在资源 利用率上得到改善。仿真结果表明，与现有方法相比，本发明提高了网络资源利用率以及业务传输的 成功概率，降低了业务传输的端到端时延以及丢包率，实现了网络负载均衡，提高了网络通 信性能。
图1是本发明使用的基本应用场景图；图2是本发明的异构网络路由方法流程图；图3是本发明使用的场景拓扑图；图4是现有网络路由方法获得的丢包率仿真图；图5是现有网络路由方法获得的网络成功传输比率仿真图；图6是现有网络路由方法获得的端到端时延仿真图；图7是本发明提出的网络路由方法获得的丢包率仿真图8是本发明提出的网络路由方法获得的网络成功传输比率仿真图；图9是本发明提出的网络路由方法获得的端到端时延仿真图。
具体实施方式
为清楚说明本发明中的方法，下面给出了应用场景图及流程图并结合附图详细说 明。本发明应用在如图1所示的异构网络的应用场景中，该场景为在一个由无线局域 网WLAN，通用分组无线网络GPRS和广带无线接入网络WiMAX的多种类型的网络部分重叠覆 盖的区域，当前移动终端在业务传输过程中可以选择已覆盖到本身的任何一个网络用于传 输业务，而非局限于某种特定的网络；移动终端为找到一个更符合当前网络环境状态情况 且满足自身需求的网络进行业务传输，在整个过程中需要移动终端在多种网络之间选择其 中一个网络进行业务传输，并且不断预测网络环境状态的情况，从而获得一条传输业务的 最佳路径。参照图2，本发明的路由步骤如下步骤1，移动终端周期性获取当前可用的网络集合Net(i) = {N(j), j = 1 η} 及其对应的网络环境状态，其中网络类型包括无线局域网WLAN、通用分组无线网络GPRS和 广带无线接入网络WiMAX，移动终端当前使用的网络为N(i)，网络环境状态包括网络可用 带宽f。ap、网络使用费用fPri。以及数据传输速率rat(N(i)，N(j))、切换时延sw(N(i)，N(j)) 和接入时延ac(N(i)，N(J))；将效用值最大的网络序号net_nUm的初始值置为0，时延估计
值初始置为30，最大效用值max初始置为0。步骤2，移动终端根据获得的网络环境状态，采用具有认知能力的Q-Iearning方 法预测与估计网络环境状态，根据以下公式，获得各状态的估计值，求出所需的端到端时延
Ttotal以及时延估计值込、(#(/),#(_/·))rat_e (N(i)，N(j)) = rat (N(i)，N(j)) + λ rat [rat_e (N(i)，N(j)) -rat (N(i)， N(j))]ac_e (N (i)，N (j)) = ac (N (i)，N (j)) + λ ac [ac_e (N (i)，N (j)) -ac (N (i)，N (j))]sw_e (N (i)，N (j)) = sw(N (i)，N (j)) + λ sw [sw_e (N (i)，N (j)) -sw (N (i)，N (j))]Ttolal = sw—e(N(i),N(J)^ac_<N{f),N(J))+pk/ra—式N{i\N{jy}+ min &^N(J)Mk))
keNet(f)JQt_e,(7V(0,iV(y)) = Λ Qt_e;(7V(/),iV(y)) + (1 - A)[ry + max Qt_e7("(/)，>'⑷)]
J keNet{j)J其中，rat_e(N(i)，N(j))为数据传输速率估计值，λ rat为数据传输速率的估计速 度，sw_e(N(i)，N(j))为从网络N⑴切换到网络N(j)所需的切换时延估计值，Xsw为切换 时延的估计速度，ac_e(N(i)，N(j))为接入时延估计值，λ a。为接入时延的估计速度，pk为
要传输的业务大小，TV(Q)为业务从网络N(j)通过网络N(k)传输的端到端时
延估计值，λ为Q值的估计速度，为业务从网络N(j)传输到网络N(j)所获得的效用值。步骤3，移动终端根据获得的网络环境状态，对网络可用带宽、网络使用费用以及 端到端时延，通过以下公式进行归一化处理<formula>formula see original document page 7</formula>其中BWmin为网络可获得的最小可用带宽，BWmax为网络可获得的最大可用带宽， Pricemin为网络使用需付的最小费用，Pricemax为网络使用需付的最大费用，Tmin为业务传输 的最小端到端时延，Tfflax为业务传输允许的最大端到端时延。步骤4，移动终端根据获得的端到端时延、网络可用带宽和网络使用费用的归一化 值，采用层次分析法获取端到端时延、网络可用带宽和网络使用费用的权重值，根据三者不 同的相对影响程度分配影响程度等级，各等级的值可在1 9之内的整数中随机选取，影响 程度等级越高，选择的数值越小，反之，影响程度等级越低，选择的数值越大，假设首次随机 选取的影响程度等级为1、2、5，得到一个由影响程度等级构成的比较矩阵W
<formula>formula see original document page 7</formula>步骤5，根据获得的比较矩阵W，通过IW-XmaxEl =0求出最大特征值λ _，其中E 为3X3的单位矩阵；然后由一致性指标公式CI= (λ_-η)/(η-1)求出Cl，其中η为比较 矩阵W的维数；并根据获得的一致性指标Cl，由一致性比率指标公式CR = CI/RI求出CR，其 中RI为随机一致性指标，不同的η值有固定的RI值，可通过查找随机一致性指标表得到。步骤6，根据求得的CR判断矩阵是否能够接受，当CR < 0. 1时认为比较矩阵W可 以接受，则通过Wx= λΜχΧ求出最大特征值λ_对应的特征向量χ = (χι，χ2，χ3)τ，将求得 的X1, x2，X3值作为时延、带宽以及费用的权重值ω” ω2，ω 3，完成各个状态的权重值求解 过程；否则，认为比较矩阵W不能接受，则继续执行步骤3重新选择能够接受的比较矩阵，再 计算权重值。步骤7，根据获得的权重值，采用基于多参数的效用函数，综合各种参数对路由选 择的效用，通过以下函数式，选择效用值最大的网络并将对应网络序号存储在net_nUm中Max Ui = Fi (fcap, fpric, Ttotal)Fi (fcap, fpric, Ttotal) = ω : (Bfffflax-fcap) + ω 2fpric+ ω 3Ttotal其中，O1为网络剩余可用带宽的权重值，BWmax为该网络分配的总带宽，ω2为网络 使用费用的权重值，ω3为端到端时延的权重值。步骤8，根据获得的效用值最大的网络，移动终端在W，l]区间内随机选取一个实 数作为选择网络的概率P，如果P < 0. 9成立，则移动终端选择效用值最大的网络作为传输 业务的目标网络，否则在集合Net (i) = {N(j), j = 1 η}中随机取任意一个可用网络作 为目标网络。步骤9，移动终端根据获得的目标网络进行业务传输，判断该目标网络与当前的网络是否相同，如果相同，则移动终端直接用该网络传输业务；否则，移动终端发出切换请求， 从当前网络切换到目标网络中，将业务通过目标网络继续传输。步骤10，移动终端完成以上的业务传输后，重新更新网络及其环境状态参数，即把 切换后的网络作为移动终端当前使用的网络，并获取该网络下的新的环境状态参数，继续 选择用于业务传输的网络，当业务传送到骨干网中时，移动终端对骨干网中的节点也做出 一样的行为，以保证业务传输路径的最优化。本发明的效果可以通过以下仿真进一步说明仿真条件采用MATLAB的仿真环境。图3是本发明方法的应用场景拓扑图，该拓扑图表示移动终端需要将业务从源端 网络发送到目的端网络，其中节点1为源端网络，节点9为目的端网络，移动终端可以自由 接入任何网络传输业务。网络环境包括WLAN、WiMAX、GPRS网络及其相应的骨干网络，不同 类型的网络有不同的数据传输速率、接入时延、分配的网络可用带宽以及网络使用费用。移 动终端当前使用的网 络为WLAN网络。如图4，图5和图6所示，在采用现有的网络路由方法中，由于受到不同类型的网络 之间资源不能共享的约束，大量业务到达会使当前网络长期处于拥塞饱和状态，因而到达 的业务无法立即得到服务，造成计时器超时，使得丢包率迅速增加，网络中业务成功传输比 率因大量的丢包而呈现大幅度的下降，等待服务的业务也因为网络拥塞而被迫停止等待传 输，因而端到端时延也迅速增加；同时，由于网络之间资源不能共享，网络间不均勻的业务 到达使得各网络之间负载不均衡，资源利用率相对较低。如图7，图8和图9所示，采用本发明提出的方法，移动终端具有对网络环境的认 知能力，能够通过感知网络环境状态来对网络做出相应的有效的估计和预测，然后根据预 测情况通过采用多参数的效用函数作为选择网络的准则，并以一定概率选择一个用于业务 传输的网络，该网络不一定是当前使用的网络。因此，在大量业务到达时，由于移动终端的 认知能力使得选择的网络能够获知网络的拥塞情况，因此业务不会被大量阻塞，丢包率只 有较小幅度增加的趋势，同时网络成功传输比率也不会因为大量业务的到达而大幅度的降 低，端到端时延也只是缓慢的增加而后降低到一定的值后就不再有较大波动。可见本发明 的方法能更好的实现网络资源负载均衡，提高网络资源利用率，改善网络性能。
权利要求
一种基于认知的异构网络路由方法，包括如下步骤(1)移动终端周期性的获取当前可用的网络类型，感知网络环境状态，采用Q-learning方法对网络环境状态进行估计获取各网络环境状态的估计值，并求出端到端时延及其估计值；(2)移动终端根据获得的网络环境状态，对网络可用带宽fcap、网络使用费用fpric和端到端时延Ttotal进行归一化处理，获取端到端时延、网络可用带宽和网络使用费用的权重值，并通过以下函数式，选择效用值最大的网络Max Ui＝Fi(fcap，fpric，Ttotal)其中，Fi(fcap，fpric，Ttotal)＝ω1(BWmax-fcap)+ω2fpric+ω3Ttotal是基于多参数的效用函数，ω1为网络剩余可用带宽的权重值，ω2为网络使用费用的权重值，ω3为端到端时延的权重值，以上权重值采用层次分析法求得；(3)根据获得的效用值最大的网络，移动终端以概率P＝0.9选择该网络，以概率1-P选择其它可用的网络，作为用于业务传输的目标网络；(4)移动终端根据获得的目标网络进行业务传输，判断该目标网络与当前的网络是否相同，如果相同，则移动终端直接用该网络传输业务；否则，移动终端发出切换请求，从当前网络切换到目标网络中，将业务通过目标网络继续传输，同时更新网络环境状态以及各状态的估计值，当业务传送到骨干网中时，移动终端对骨干网中的节点也做出一样的行为，以保证业务传输路径的最优化。
2.根据权利要求1所述的网络选择路由方法，其中步骤(1)所述的网络环境状态， 包括网络可用带宽f。ap、网络使用费用fpH。以及数据传输速率rat(N(i)，N(j))、切换时延 sw (N⑴，N (j))和接入时延ac (N⑴，N (j))。
3.根据权利要求1所述的网络选择路由方法，其中步骤(1)所述的感知网络环境状态， 如下步骤进行(3a)移动终端获取当前可用的所有网络类型，用集合Net(i)表示，Net(i) = {N(j), j = 1 n}，网络类型包括无线局域网WLAN，通用分组无线网络GPRS和广带无线接入网络 WiMAX ；(3b)针对网络类型，获取其对应的网络环境状态，并通过下式得到数据传输速率，接入 时延以及切换时延的估计值rat_e (N ⑴，N (j)) = rat (N (i)，N (j)) + 入 rat [rat_e (N (i)，N (j)) -rat (N (i)，N (j))] ac_e (N (i)，N (j)) = ac (N (i)，N (j)) + 入 ac [ac_e (N (i)，N (j)) -ac (N (i)，N (j))] sw_e (N(i)，N(j)) = sw(N(i)，N(j)) + 入 sw[sw_e (N(i)，N(j)) -sw(N(i)，N(j))] 其中，入@为数据传输速率的估计速度，rat_e(N(i)，N(j))为数据传输速率的估计值， 入3。为接入时延的估计速度，ac_e(N(i)，N(j))为接入时延的估计值，X sw为切换时延的估 计速度，sw_e(N(i),N(j))为切换时延的估计值；(3c)根据上述得到的估计值，通过下式得到移动终端在业务传输时所需的端到端时延Ttotal :<formula>formula see original document page 2</formula>其中，pk为业务大小，pk/rat_e(N(i), N(j))为业务在网络之间传输所需的时间，为t务从_络N(j) fflilN^N(k)传输所fW勺端到端W延估i十值；(3d)移动终端对于获取的环境状态，采用Q-learning方法进行估计，得到业务从网^ N(i)通过网络N(j)继续传输的端到端时延估计值<formula>formula see original document page 3</formula>其中，A为Q值的估计速度，为业务从网络N(i)传输到网络N(j)所获得的效用值。
4.根据权利要求1所述的网络选择路由方法，其中步骤(2)所描述的状态权重值 2，《3，通过以下步骤求得(4a)根据时延、带宽以及费用相对于移动终端的影响程度，分配三者不同的影响程度 等级，各等级的值可在1 9之内的整数中随机选取，影响程度等级越高，选择的数值越小， 反之，影响程度等级越低，选择的数值越大，假设首次随机选取的影响程度等级为1、2、5，得 到一个由影响程度等级构成的比较矩阵W <formula>formula see original document page 3</formula> (4b)根据获得的比较矩阵W，通过| W- A _E | = 0求出最大特征值\ _，其中E为3 X 3 的单位矩阵；(4c)根据获得的最大特征值入.，由一致性指标公式CI = (Afflax-n)/(n-l)求出CI， 用该指标进行一致性校验，其中n为比较矩阵W的维数；(4d)根据获得的一致性指标CI，由一致性比率指标公式CR = CI/RI求出CR，其中RI 为随机一致性指标，不同的n值有固定的RI值，可通过查找随机一致性指标表得到；(4e)当CR<0. 1时，认为比较矩阵W可以接受，则通过Wx=入.求出最大特征值入. 对应的特征向量x= 0^，&，。\将求得的^2，知值作为各个状态的权重值…，《2，《3， 完成各个状态的权重值求解过程；否则，认为比较矩阵W不能接受，则继续执行步骤(4a)重 新选择能够接受的比较矩阵，再计算权重值。
全文摘要
本发明公开了一种基于认知的异构网络路由方法，主要解决现有方法仅考虑网络部分环境因素，忽略异构网络环境的动态复杂性，无法对环境进行认知与预测的问题，其步骤为首先，判断当前可用的网络类型，感知网络环境状态，采用Q-learning方法对网络环境状态进行估计并求出端到端时延及其估计值；其次，根据感知的网络环境状态，采用基于多参数的效用函数得到各网络的效用值；然后以概率P＝0.9选择效用值最大的网络，以概率1-P选择其他可用网络作为目标网络；最后，用目标网络继续传输业务，执行网络切换，同时更新网络环境状态。本发明提高了网络资源利用率，实现了网络的负载均衡，可用于异构网络环境中。
文档编号H04W40/02GK101835235SQ20101015501
公开日2010年9月15日 申请日期2010年4月23日 优先权日2010年4月23日
发明者刘勤, 吴晓庆, 张文柱, 李建东, 李红艳, 李维英, 盛敏, 赵林靖 申请人:西安电子科技大学