一種適用于5G融合網絡的接入選擇算法

鄭文三，張治中，賀　姿

(重慶郵電大學 通信網測試工程研究中心 重慶 400065)

?

一種適用于5G融合網絡的接入選擇算法

鄭文三，張治中，賀姿

(重慶郵電大學 通信網測試工程研究中心 重慶 400065)

提出一種適用于5G融合網絡的接入選擇算法:灰色層次分析法(grey analytic hierarchy process, GAHP)。該算法基于層次分析法的思想，結合網絡性能和用戶體驗類指標選出QoS參數，對其進行分類處理；運用模糊理論將用戶偏好轉化為定量參數，結合灰色關聯法對QoS參數進行篩選，并對候選網絡進行排序選擇。仿真表明，GAHP在負載均衡方面優于傳統算法，可以更加快速準確地選擇最優網絡，提高用戶滿意度。

5G融合網絡； 層次分析法； 灰色關聯； 負載均衡； 用戶體驗

0　引　言

5G是面向2020年以后移動通信需求而發展的新一代移動通信系統，根據移動通信的發展規律，5G將具有超高的頻譜利用率和能效，在傳輸速率和資源利用率等方面較4G移動通信提高一個量級或更高，其無線覆蓋性能、傳輸時延、系統安全和用戶體驗也將得到顯著提高[1]?，F有的和其他還在發展的移動通信網絡也各有優勢，例如無線保真(wireless fidelity，WiFi)的優勢在于組網靈活、傳輸速率高、易于維護和成本低等。5G與這些網絡的融合可以結合它們各自的優勢，有效地實現蜂窩網分流并且大幅提高用戶體驗質量，這將成為未來移動通信發展的必然趨勢[2]。為了最大化用戶體驗質量，如何在5G的融合網絡中選擇符合用戶偏好和網絡特征的最優網絡是學術界和產業界的研究熱點。

針對該問題，目前已有多種解決方案。文獻[3]運用馬爾科夫鏈算法的思想來進行異構網絡的網絡選擇，雖然得到了理想的結果，但是它的空間維度和計算復雜度會隨著用戶數量的變化而顯著增加，不利于工程實現；文獻[4]提出了一種基于用戶體驗的異構網絡接入選擇算法，結合網絡狀態和用戶偏好，實現了對用戶體驗質量的最大化，但是其用戶偏好因素是主觀且不變的，無法與用戶進行交互;文獻[5]提出了一種基于模糊邏輯的WLAN/3G異構網絡接入選擇算法，通過考慮用戶的移動速度和移動方向等多個動態因素來進行網絡選擇，但是因為沒有考慮到各個網絡的資源分配問題，容易導致整個網絡負載不均衡；文獻[6-9]也提到了很多方法，但是這些方法在進行網絡選擇時都具有一定局限性，只能在特定環境下才能發揮其性能。

基于此，本文提出一種適用于5G融合網絡的選擇算法，灰色層次分析法(grey analytic hierarchy process, GAHP)。該算法基于層次分析法思想，并且結合模糊理論和灰色關聯度理論進行數據處理，不僅增強了用戶體驗，同時還解決了傳統層次分析法因主觀因素高和選擇不準確的問題。

1　系統模型

未來移動通信系統，將是多種無線接入網絡同時存在，互相補充的復雜異構網絡[1]。在研究5G融合網絡的時候，現有的無線局域網(wireless local area network，WLAN)標準802.11a和802.11b網絡性能明顯都低于未來預期的5G網絡，所以，本文選擇802.11ax作為WLAN的參考標準。802.11ax是802.11ac的后續升級版，工作在5G頻段，它是5G融合網絡的熱門研究對象。

假定系統模型包括5G網絡、長期演進(long term evolution，LTE)網絡、全球微波互聯接入(worldwide interoperability for microwave access，WIMAX)和無線局域網接入點WLAN(802.11ax)，其分布情況如圖1所示。

2　灰色層次分析算法實現

2.1QoS參數的選擇

根據我國IMT-2020(5G)推進組發布的《5G概念白皮書》，下一代移動通信網絡是以用戶體驗為中心的[2]，所以，在5G的融合網絡中用戶會根據其偏好和網絡性能選擇接入最優網絡，而影響其選擇的因素有很多，比如網絡帶寬、傳輸功率、網絡安全以及用戶對網絡價格的敏感程度等。

圖1　系統結構模型Fig.1　System architecture model

根據以上分析，把影響網絡選擇的服務質量(quality of service，QoS)參數分為網絡指標和用戶體驗2類。

在網絡指標方面，本文參考文獻[4]，選取網絡時延、網絡帶寬、數據傳輸速率和丟包率作為其判定標準，這些指標可以衡量網絡指標的優劣；在用戶體驗方面，由于很多指標是抽象模糊的，在計算之前需要把它們具體化，比如安全性、無縫性和用戶習慣等。為了不失一般性，本文選擇現實生活中用戶比較關心的安全性和價格2個指標作為用戶體驗的判決因素[6]。綜合考慮上述這些因素，選取網絡時延、網絡帶寬、數據傳輸速率、丟包率、價格和安全性6個指標作為網絡選擇的QoS參數，即

2.2QoS參數的處理

定義1|QoS|+，代表越大越好型的QoS參數，即該QoS參數越大代表該網絡性能越好，比如網絡安全性，數據傳輸速率等；

定義2|QoS|-，代表越小越好型的QoS參數，即該QoS參數越小代表該網絡性能越好，比如網絡時延，丟包率等。

在傳統的2G或者3G移動通信網絡中，網絡選擇只需要考慮吞吐量、時延和數據傳輸速率等可以反映網絡性能的參數。下一代移動通信網絡是以用戶體驗為中心的網絡，在進行網絡選擇時還需要考慮用戶的喜好。但是用戶體驗類的參數大部分都是抽象的模糊指標，即只能通過程度量詞(如：一般，好，很好等)來表示相關指標的優劣。所以，在算法開始之前，通過模糊理論把這些抽象數據進行具體化，清晰化。借鑒文獻[10]思想，本文根據用戶體驗類參數的特征，首先確定模糊集中程度量詞的隸屬函數μ(x)，然后利用常用的去模糊法-重心法對抽象的數據進行具體化。其表達式為

(1)

對用戶體驗類參數進行去模糊化以后，需要對所有的QoS參數進行歸一化。參數歸一化是處理多目標決策問題必須的步驟，它可以將不同量綱的參數處理成具有可比性的無量綱數據。|QoS|+和|QoS|-的歸一化和后期處理要分開進行，這樣才能更加準確地選擇最優網絡。

假設所處網絡環境中有m個網絡，影響網絡選擇的QoS參數有n個。首先需要建立多目標參數矩陣為

(2)

(2)式中：aij代表第i個網絡的第j個QoS參數的值。

對|QoS|+，歸一化公式為

(3)

(3)式中：bij代表第i個網絡的第j個QoS參數的歸一化值；maxij為第i個網絡的第j個QoS參數的最大值，對于|QoS|+來說，參數都會有一個最大的門限值，這個值為maxij；thresholdij為第i個網絡的第j個QoS參數的門限值，各個QoS參數都必須有一個滿足其最低性能的門限值，這個值為thresholdij。

對|QoS|-，歸一化公式為

(4)

(4)式中：minij代表第i個網絡中第j個QoS參數的最小值，與|QoS|+所不同的是，|QoS|-的最優狀態由其最小的門限值來表示。歸一化之后即可得到標準化的QoS參數矩陣為

(5)

2.3QoS參數的篩選

影響網絡選擇的QoS參數之間的關聯性過高會影響后期在進行網絡選擇時權重的分配，從而使選擇結果出現偏差。本文通過灰色理論，計算QoS參數之間的關聯度，篩選掉關聯度過高的QoS參數。QoS參數之間的獨立無關性可以使算法的結果更加準確。首先借鑒文獻[9]的思想來計算QoS參數之間的關聯度，計算公式為

(6)

(6)式中：γij代表第i個與第j個QoS參數之間的關聯度；ρ為分辨系數，ρ越大，分辨率越大，由參考文獻[10]，此處取ρ為0.5。得到這些QoS參數的灰色關聯度矩陣為

(7)

然后，把關聯度過高的QoS參數篩選出來，進行排除，得到新的QoS參數矩陣。

2.4確定QoS參數權重

移動互聯網的發展是5G發展的主要驅動力，現有固定互聯網的業務越來越多地移植到移動通信領域，未來5G的業務將在現有基礎上更加豐富。傳統的語音通話業務比例將降低，而視頻，音頻等形式的多媒體業務種類和比例都將增加。參考3GPP對移動網絡系統中的業務的分類，本文根據5G業務之間不同QoS特征將所有業務分為4類：后臺類、流媒體類、會話類和交互類業務[10]。表1詳細列出了4類業務QoS需求特點及典型業務。

表1　5G業務分類Tab.1　5G business categories

本文借鑒層次分析法思想[5]，根據不同業務對各類QoS的不同要求，分別確定出4種業務下QoS參數的權重。

首先，建立QoS參數之間相互比較得出的判斷矩陣C為

(8)

(8)式中：cij代表第i個QoS參數和第j個QoS參數對網絡選擇的影響大小之比，其中，cij=1/cji，cij的值如表2所示。

表2　cij參考值Tab.2　cij reference

然后根據判斷矩陣算出其對應的各個QoS參數的權重[11]。通過把矩陣的每一行累計相乘得到該行的乘積為

(9)

計算Wi的n次方根，方法為

(10)

(11)

D=(d1,d2,…,dn)即為對應的影響網絡選擇的QoS參數的權重。

在計算出QoS參數的權重之后，還需要對該矩陣進行一致性檢驗，因為該矩陣有太多的主觀因素，所以，需要通過一致性檢驗來驗證其可靠性[12]。

在得到QoS參數矩陣和各個業務的QoS權重以后，本文通過它們得到每種業務的QoS判決矩陣形式為

(12)

本文借鑒TOPSIS算法[13]思想，依據QoS判決矩陣對用戶在使用該業務的情況下的網絡進行排序。前文已經提到過QoS參數可以分為|QoS|+和|QoS|-，本文在求理想解和負理想解的時候對不同的QoS參數分開進行處理。|QoS|+在求理想解的時候應該取最大值，在求解負理想解的時候應該取最小值。|QoS|-在取理想解的時候應該取最小值，在求負理想解的時候應該取最大值。假設第一個參數是|QoS|-，其他參數是|QoS|+，則計算正理想解和負理想解的公式分別為

(13)

(14)

(15)

QoS判決矩陣每一行都對應一個候選網絡，分別算出計算它們和正理想解FBest和負理想解FWorst之間的距離G+和G-，構成距離矩陣G為

(16)

最后，候選對象的貼進度為

(17)

貼進度P值的大小代表了網絡的好壞。在考慮負載均衡的情況下，本文按照上述排序依次選擇接入的網絡即是最優網絡[14]。依照上述方法，可以求出用戶在使用其他業務時各自的貼進度排序，從而選出最優網絡。

至此，本文完成了GAHP的運算過程，算法的整體流程如圖2所示。

圖2　GAHP算法流程圖Fig.2　Flowchart of AHP algorithm

總的來講，該算法通過模糊理論使網絡選擇的過程加入用戶偏好的指標，然后通過灰色理論減輕了傳統層次分析法主觀因素占比大對結果產生的影響，整個處理流程通過正負參數的分類處理使結果更加準確。最終，通過對候選網絡排序選出最優網絡。

3　仿真及分析

為了說明本文所提GAHP算法特點，這里通過仿真來分析算法的性能。網絡的各項QoS參數原始數據如表3所示。其中，WIMAX和LTE(4G)網絡的網絡指標參數參照現有網絡即得，并結合國內外的發展趨勢[2]預設出5G和WLAN(802.11ax)網絡的網絡指標參數，參考各運營商調查結果，設置4個網絡的價格和安全性。

表3　候選網絡QoS參數原始數據Tab.3　QoS parameters’ raw data of candidate networks

3.1仿真過程和結果分析

依據(1)-(4)式對QoS參數原始數據進行處理(模糊化和歸一化)，得到QoS參數處理后的數據，如表4所示。

表4　QoS參數處理后數據Tab.4　processed data of QoS parameters

根據(6)式得到QoS參數間關聯度矩陣

從以上矩陣可以看到，關聯度超過0.9的只有帶寬和數據傳輸速率這2個QoS參數，過高的關聯度會嚴重影響網絡選擇的準確性。根據要求，把帶寬指標篩選掉，只留下數據傳輸速率指標，經過篩選后的QoS參數數據如表5所示。

表5　網絡參數經過灰色度篩選后的數據Tab.5　network parameters of the gray filtered

然后，根據(11)式，再結合不同業務的QoS需求，本文通過層次分析法可以分別得到4種業務在5個QoS參數上的權重。

D1={0.132,0.159,0.209,0.080,0.420}

D2={0.144,0.145,0.316,0.313,0.082}

D3={0.369,0.300,0.153,0.077,0.101}

D4={0.119.0.226,0.197,0.386,0.072}

通過權重和最終的QoS參數數據得到QoS判決矩陣，然后根據(13)-(17)式，分別對4種業務下的網絡排序選擇，得到4種業務下各個網絡的貼進度分別為

會話類業務P1={0.847,0.815,0.171,0.232}；

交互類業務P2={0.814,0.819,0.253,0.206}；

流媒體類業務P3={0.719,0.766,0.110,0.337}；

后臺類業務P4={0.849,0.706,0.173,0.344}。

可以得到4種業務下各個候選網絡的排序：

會話類業務5G>WLAN>4G>WIMAX；

交互類業務WLAN>5G>WIMAX>4G；

流媒體類業務WLAN>5G>4G>WIMAX；

后臺類業務5G>WLAN>4G>WIMAX。

各個網絡的優劣程度如圖3所示。

圖3　4個備選網絡四種業務的網絡選擇Fig.3　Four business’ network selection of candidate networks

由圖3可知，會話類、交互類、流類和后臺類4種業務類型選擇的網絡分別是5G，WLAN(802.11ax)，WLAN(802.11ax)，5G。根據國內外的發展趨勢，未來移動通信網絡5G和WLAN(802.11ax)在各個QoS參數性能方面都將優于現有網絡，因此，在用戶比較少的情況下，4種業務都將從這2個網絡中做出選擇[15]。比較符合4種業務的QoS需求，因為會話業務對帶寬和數據傳輸速率的要求比較低，而對網絡時延和抖動的要求比較高，而未來的5G網絡在這2個方面都比較有優勢；流類業務對帶寬和丟包率的要求較高，所以，WLAN是最佳選擇；交互類和后臺類屬于非實時業務，對時延要求比較低，但是一個隊丟包率要求高，一個對資費要求偏高，因此，分別適合接入WLAN和5G網絡。

3.2GAHP算法性能分析

為了體現GAHP算法在負載均衡性能方面的優越性。在用戶數量不同的情況下分別進行網絡選擇。仿真設定用戶的業務類型隨機確定，并且4種網絡的容納用戶量相同。由此可以獲得使用GAHP算法，4個候選網絡在隨機業務的情況下被選擇的概率變化趨勢如圖4所示。

圖4　GAHP算法中各網絡的接入概率Fig.4　Access probability of each network in GAHP algorithm

作為比較，用參考文獻[16]中的AHP-TOPSIS算法在相同仿真環境下進行仿真，4種網絡被選擇概率的趨勢如圖5所示。

圖5　AHP-TOPSIS算法中各網絡的接入概率Fig.5　Access probability of each network in AHP-TOPSIS

由圖5可以看出，剛開始在用戶數量比較少時，網絡選擇了各個參數都較高的5G和WLAN(802.11ax)網絡，隨著用戶數量的增加，這2個網絡的負載增大，可用資源減少，用戶開始接入WIMAX和4G網路，最終，4種網絡的被選擇率都趨近于25%。雖然GAHP算法和AHP-TOPSIS得到的結果是一樣的，但是GAHP算法在用戶量為10的時候已經基本收斂，而傳統AHP-TOPSIS算法在用戶量為100的時候才完全收斂。GAHP算法的收斂速度明顯快于傳統AHP-TOPSIS算法，說明其在負載均衡方面的性能要優于AHP-TOPSIS算法。

為了檢驗GAHP算法是否可以提高用戶滿意度。定義用戶的平均滿意度Muser為

(18)

(18)式中：m和n分別表示融合網絡中的網絡數量和數量；Ui表示用戶ui想要接入的最佳網絡。用戶最終接入的網絡在其偏好排序中越高則其滿意度越高。

在前述的仿真環境下，計算出在用戶數目不同的情況下的用戶滿意度，并與傳輸速率優先算法(rate priority,RP)和最大負載均衡算法(maximun load balancing algorithm,MLB)[16]進行對比，結果如圖6所示。

圖6　用戶滿意度示意圖Fig.6　Customer satisfaction schematic

由圖6可以看出，傳輸速率優先算法優先保證用戶在接收數據時的傳輸速率，保證了用戶的利益，當用戶數量比較少時，用戶滿意度較高，但是隨著用戶數量的增多，網絡負載失衡導致網絡性能下降，用戶滿意度也開始下降。MLB算法優先保證網絡的負載均衡，在進行網絡選擇的時候忽略了用戶的需求，導致用戶滿意處于較低水平。而GAHP算法能夠保障用戶在不同業務情況下快速準確地選擇最優網絡，因此，用戶平均滿意度曲線比較平穩和理想。仿真表明，GAHP算法可以提高用戶的平均滿意度。

4　結　論

本文以5G融合網絡為背景，提出一種基于傳統層次分析法的GAHP接入選擇算法。利用模糊理論，使用戶偏好類參數成為可處理的網絡選擇QoS參數，運用灰色關聯法篩選QoS參數，并通過對參數分類處理使結果更加準確。仿真結果表明，該算法綜合考慮了網絡性能和用戶體驗2類評價指標，在保證用戶體驗的情況下，確保了網絡選擇的準確性和合理性，并且在負載均衡方面的性能優于其他算法。

[1]尤肖虎, 潘志文, 高西奇, 等. 5G 移動通信發展趨勢與若干關鍵技術[J]. 中國科學: 信息科學, 2014, 44(5): 551-563.

YOU Xiaohu, PAN Zhiwen, GAO Xiqi, et al. The development trend and numbers 0f key technologies of 5G mobile communications[J] .Scientia Sinica Informationis, 2014, 44(5): 551-563.

[2]IMT-2020(5G)推進組. 5G概念白皮書[EB/OL].(2015-02-15)[2016-10-02]. http:∥210.56.209.74/zh/documents/list/1.2015.2.

IMT-2020(5G) Promotion Group. White Paper on 5G Concept[EB/OL].(2015-02-15)[2016-10-02]. http:∥210.56.209.74/zh/documents/list/1.2015.2.

[3]IMT-2020(5G) Promoting group. 5G concept paper[EB/OL]. (2015-02-15)[2016-10-02]. http:∥210.56.209.74/zh/documents/list/1.2015.2.

[4]MA Bin,DENG Hong,XIE Xianzhong, et al. An optimized vertical handoff algorithm based on Markov process in vehicle heterogeneous network[J]. Communications, China, 2015, 12(4): 106-116.

[5]SINGHROVA A, PRAKASH N. Vertical handoff decision algorithm for improved quality of service in heterogeneous wireless networks[J]. IET Communications, 2012, 6(2): 211-223.

[6]ABBAS N, SAADE J J. A fuzzy logic based approach for network selection in WLAN/3G heterogeneous network[C]∥2015 12th Annual IEEE Consumer Communications and Networking Conference (CCNC). Las Vegas: IEEE Press, 2015: 631-636.

[7]PORJAZOSKI M, POPOVSKI B. Radio access technology selection algorithm for heterogeneous wireless networks based on service type, user mobility and network load[C]∥2011 10th International Conference on Telecommunication in Modern Satellite Cable and Broadcasting Services (TELSIKS). Nis: IEEE Press, 2011, 2: 475-478.

[8]KOVACS I Z, LASE V A D, MICHAELSEN P H, et al. Performance of SON for RSRP-based LTE/WLAN access network selection[C]∥2014 11th International Symposium on Wireless Communications Systems (ISWCS). Barcelona: IEEE Press, 2014: 360-364.

[9]REN S, LIU Y, ZHOU X, et al. A novel peer selection mechanism in heterogeneous wireless peer-to-peer networks[C]∥2013 19th IEEE International Conference on Networks (ICON). Singapore: IEEE Press, 2013: 1-7.

[10] LOPEZ-BENITEZ M, GOZALVEZ J. Common radio resource management algorithms for multimedia heterogeneous wireless networks[J]. Mobile Computing, IEEE Transactions on, 2011, 10(9): 1201-1213.

[11] XU Z, LIAO H. Intuitionistic fuzzy analytic hierarchy process[J]. Fuzzy Systems, IEEE Transactions on, 2014, 22(4): 749-761.[12]TSAIHY,HUANGYL.Ananalytichierarchyprocess-basedriskassessmentmethodforwirelessnetworks[J].Reliability,IEEETransactionson,2011,60(4):801-816.

[13]BOOSTANIMEHRH,BJARGAVAVK.UnifiedanddistributedQoS-drivencellassociationalgorithmsinheterogeneousnetworks[J].WirelessCommunications,IEEETransactionson, 2015, 14(3): 1650-1662.

[14]KUMARAKS,SULEESATHIRAR.PredictiveRSSwithfuzzylogicbasedverticalhandoffalgorithminheterogeneouswirelessnetworks[C]∥2010InternationalSymposiumonCommunicationsandInformationTechnologies(ISCIT).Tokyo:IEEEPress, 2010: 1235-1240.

[15]PIAMARATK,KSENTINIA,VIHOC,etal.QoE-awareverticalhandoverinwirelessheterogeneousnetworks[C]∥2011 7thInternationalWirelessCommunicationsandMobileComputingConference(IWCMC).Istanbul:IEEEPress, 2011: 95-100.

[16]SGORAA,VERGADOSDD,CHATZIMISIOSP.Anaccessnetworkselectionalgorithmforheterogeneouswirelessenvironments[C]∥2010IEEESymposiumonComputersandCommunications(ISCC).Riccione:IEEEPress, 2010: 890-892.

鄭文三(1989-)，男，河南新鄉人，碩士研究生，主要研究方向為5G移動通信系統總體技術、通信網測試技術。E-mail：18983676042@189.cn。

張治中(1972-)，男，湖北恩施人，教授，博士生導師，主要研究方向為第三、四、五代移動通信網絡架構、測試及優化技術。

賀姿(1984-)，女，湖北十堰市人，東北大學碩士研究生，主要研究方向為異構網絡的無縫接入技術，空間信息網動態拓撲控制算法。

(編輯：劉勇)

s：The National High Technology Research and Development Program of China (“863” program)(2014AA015706); The Program of Innovative Research Team Constructing Plan of the Higher Education Institution in Chongqing(KJTD201312)

A network accessing algorithm for 5G integrated networks

ZHENG Wensan, ZHANG Zhizhong, HE Zi

(Communication Networks Testing Engineering Research Center, Chongqing University of Posts and Telecommunications,Chongqing 400065, P.R. China)

A new algorithm GAHP(grey analytic hierarchy process) for access network selection in 5G integrated networks is proposed. Firstly, this algorithm, which is based on analytic hierarchy process, takes the preference of users and parameters of network performance for the purpose that the QoS parameters are chosen and processed separately. Then, it transfers user preference into quantity parameters with the Fuzzy Theory and filters the QoS parameters through the Grey Theory. Finally, candidate networks are ranked and chosen. Simulation indicates that GAHP performs better than traditional network selection algorithms, and it can select the best network faster and more accurately, which will improve user satisfaction.

5G integrated networks; analytic hierarchy process(AHP); grey correlation; load balancing; user experience

10.3979/j.issn.1673-825X.2016.05.013

2015-07-01

2016-05-10通訊作者：鄭文三18983676042@189.cn

國家“863”計劃項目(2014AA015706)；重慶高校創新團隊建設計劃(KJTD201312)

TN929.5;TP391

A

1673-825X(2016)05-0694-07