一种异构网络接入选择方法与流程

本发明设计了一种的异构网络接入选择方法，属于无线通信领域。

背景技术：

异构融合网络是未来无线通信网络发展趋势之一，异构网络提供了无处不在的无线环境，可以支持不同的无线接入技术，为了满足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、高效的资源管理方案来保证通信服务质量。合理的异构无线网络接入选择方法能够降低阻塞率、提升吞吐量、实现负载均衡，保证用户信息传输的高速性、安全性和可靠性，从而为用户提供更优质的网络体验。

目前，关于异构无线网络接入选择方法的研究大多会考虑接入信号强度、负载程度、阻塞率等性能指标，但某些性能指标之间具有较强的相关性，在传统接入选择过程中会加重这些指标的重要性系数，使网络实际性能计算存在偏差，不利于移动终端高效、准确的接入最优网络。

技术实现要素：

本发明公开了在无线通信领域内的一种异构无线网络接入选择方法，其目的是为了解决目前异构无线网络接入选择方法中对时延、负载程度、剩余带宽以及接入信号强度等性能指标(以下简称为性能指标)的相关性缺乏考虑从而影响用户体验和网络综合性能的问题。该方法具体包含以下步骤：

步骤1：通过采集备选网络与终端的性能指标构建标准化判决矩阵，计算两两指标的相关系数，并在此基础上定义独立系数(表示任一指标与其他指标的相关性)，构成的向量为独立系数向量。其中标准化判决矩阵的建立方法是：

对异构无线网络中m个备选网络和n个性能指标构建判决矩阵，并对判决矩阵中的元素进行标准化处理得到标准化判决矩阵:

式中，bij表示第i个备选网络第j个性能指标的标准化值。

其中，独立系数向量的建立方法是：

根据备选网络所采集到的性能指标的历史样本数据，计算两两性能指标之间的相关性。根据得到的相关性值，构建性能指标的独立系数向量C＝{c1,c2,c3,...,cn}，其中cx的计算公式是：

式中，rxy表示两两性能指标之间的相关性，其计算公式是：

其中，和分别为性能指标px和py的第k个历史样本数据值，和分别表示性能指标px和py的所有历史样本的均值。

步骤2：根据加权求和的方法建立接入选择模型，在该接入选择模型中引入独立系数向量构造关于权重的离差函数并以离差最大化为目标建立适应度函数，通过优化算法计算出最优权重值；其中接入选择模型是：

z＝Bλ

式中，z＝(z1,z2,...,zi,...,zm)表示备选网络的总体效用值向量，其中元素zi表示第i个备选网络的总体效用值；B为标准化判决矩阵；λ＝(λ1,λ2,...,λj,...,λn)表示性能指标所对应的权重值向量，其中元素λj为第j个性能指标所对应的权重值，权重值向量的计算方法是：

λ＝argmax(Q(w)),

式中，w表示权重值向量变量；argmax(Q(w))表示使函数Q(w)取得最大值时的w值，函数Q(w)的计算公式是：

其中，wj为第j个性能指标所对应的权重值变量，并满足和的条件，bij表示第i个备选网络第j个性能指标的标准化值，cj为第j个性能指标的独立系数值；

步骤3：根据构建的接入选择模型和最优权重得到当前各备选网络的总体效用值并对其进行降序排列，选择总体效用值最大的备选网络进行接入。

与现有技术相比本发明的有益效果是：

1本发明所述的接入选择方法通过消除两两性能指标之间的相关性，得到更准确的网络性能，为移动终端接入最优网络提供更实际的数据支持。

2本发明所述的接入选择方法能为用户选择性能最优的网络进行接入，当某一性能较优的网络因用户数量增多而性能下降时，本发明所述的接入选择方法会分配新到用户到其它性能更优的网络进行接入，这样会使异构网络资源得到合理的分配，提升了网络的整体性能。

利用计算机仿真方法来佐证本发明所述接入选择方法的优越性。附图2、3、4为本发明所述接入选择方法与文献1(华北电力大学李文猛《基于遗传算法的智能配电异构无线网络接入选择方法》)所述接入选择方法的对比结果；附图5、6为本发明所述的接入选择方法与文献2(北京邮电大学孙卓在《异构无线分组网络中的接入选择机制》)所述接入选择机制的对比结果。

通过仿真结果可以看出，本发明所公开的接入选择方法在负载均衡、阻塞率和切换频率方面要优于文献1所述的接入选择方法，在阻塞率和切换频率方面要优于文献2所述的接入选择机制。这是因为本发明所述方法去除了指标之间的相关性，能够准确的表征网络的整体性能，终端能够准确的选择整体性能最好的网络进行接入，异构网络资源能够得到合理的分配。

附图说明

图1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方法与文献1所述的接入选择方法的负载均衡情况对比结果；

图3是本发明所述的接入选择方法与文献1所述的接入选择方法的阻塞率对比结果；

图4是本发明所述的接入选择方法与文献2所述的接入选择机制的负载均衡情况对比结果；

图5是本发明所述的接入选择方法与文献2所述的接入选择机制的阻塞率对比结果；

图6是本发明所述的接入选择方法与文献1和文献2所述的接入选择机制的切换率对比结果。

具体实施方式

下面结合附图对本发明进行详尽描述。

本发明公开的接入选择方法应用于多个网络重叠覆盖的区域，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方法包括以下步骤：首先根据采集到的时延、负载程度等实时性能指标值建立标准化判决矩阵，并根据性能指标的历史样本数据计算独立系数向量；然后，根据已经建立的标准化判决矩阵和独立系数向量构建接入选择模型，通过优化算法求解接入选择模型中最优权重系数；最后计算出最优权重系数下的网络效用值，终端根据网络效用值确定最佳网络进行接入。具体步骤如下：

步骤1：通过采集网络与终端的性能指标构建标准化判决矩阵和独立系数向量。其中标准化判决矩阵的建立方法是：

对异构无线网络中m个备选网络和n个性能指标构建判决矩阵，并对判决矩阵中的元素进行标准化处理得到标准化判决矩阵。

其中，bij表示第i个备选网络第j个性能指标的标准化值。

步骤1中独立系数向量的建立方法是：

根据备选网络所采集到的性能指标的历史样本数据，计算两两性能指标之间的相关性。根据得到的相关性值，构建性能指标的独立系数向量C＝{c1,c2,c3,...,cn}，其中cx的计算公式是：

式中，rxy表示两两性能指标之间的相关系数，其计算公式是：

式中，和分别为性能指标px和py的第k个历史样本数据值；和分别表示性能指标px和py的所有历史样本的均值。

步骤2：根据加权求和的方法建立接入选择模型，在该接入选择模型中引入独立系数向量构造关于权重的离差函数并以离差最大化为目标建立适应度函数，通过优化算法计算计算出最优权重值；其中接入选择模型是：

z＝Bλ

式中，z＝(z1,z2,...,zi,...,zm)表示备选网络的总体效用值向量，其中元素zi表示第i个备选网络的总体效用值；B为标准化判决矩阵；λ＝(λ1,λ2,...,λj,...,λn)表示性能指标所对应的权重值向量，其中元素λj为第j个性能指标所对应的权重值，权重值向量的计算方法是：

λ＝argmax(Q(w)),

式中，w表示权重值向量变量；argmax(Q(w))表示使函数Q(w)取得最大值时的w值，函数Q(w)的计算公式是：

其中，wj为第j个性能指标所对应的权重值变量，并满足和的条件，bij表示第i个备选网络第j个性能指标的标准化值，cj为第j个性能指标的独立系数值。

在本实施例中，采用混沌免疫优化算法求解最大权重指标向量λ，具体过程如下：

抗体长度等于性能指标数量，种群规模为50，进化代数为200，

子步骤1：假设表示第k代第l个抗体，其中每个抗体其元素表示第j个性能指标权重值。采用混沌映射的方法产生规模为L的初代抗体初代抗体中元素的计算公式是：

式中，δl,j为δ混沌序列中第l组第j个元素；δ混沌序列是在三维混沌系统完全进入混沌状态时，对状态变量δ进行分组采样得到的序列，记做

{δl,j|(l＝1,2,…,50,j＝1,2,…,n)}。所使用的三维混沌方程是：

式中，分别代表δ、η、γ的微分运算。

子步骤2：计算每个抗体的适应度函数值大小，按降序排列，若满足或k＝200则终止算法并输出结果否则选取前10％抗体放入抗体记忆库中，转子步骤3。

子步骤3：对抗体进行免疫选择、交叉、变异操作产生新抗体，并将新抗体与抗体记忆库中抗体组合产生下一代抗体转至子步骤2。

步骤3：根据构建的接入选择模型和最优权重计算得到当前各备选网络的总体效用值并对其进行降序排列，选择总体效用值最大的备选网络进行接入。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。