基于层次分析法的WLAN/蜂窝网络切换判决算法

刘军，李晓楠

(电子科技大学 通信抗干扰技术国家级重点实验室, 四川 成都 611731)

1 引言

随着无线通信技术的迅速发展，不同无线网络的部署快速增加。具有多种通信制式的多模无线终端在时域、频域和空域可以同时感知多个异构无线接入网络的存在[1～3]。优化合理的网络切换判决算法能够充分利用网络异构性获取更大的接入增益[4～9]。对于一个支持多种模式的终端用户，可选择不同的通信技术接入不同的网络。网络选择不仅直接影响用户的服务质量，同时还对网络的资源利用和业务的负载均衡产生影响。异构网络切换算法在保证已有用户服务质量的前提下，最大化网络资源利用率，使异构网络能够最大限度地服务于更多的用户。在多无线网络的切换判决算法设计中，需考虑多种因素，例如信号强度、网络负载、业务需求、用户喜好等。由于网络技术的差异性，在不同无线网络中影响网络切换判决的因素不易统一量化表示，常用方法很难进行有效的网络切换判决。上述特点给网络选择算法的设计带来一定难度。

现有的切换判决算法一般是基于信号质量、传输速率或收益，按照公平资源共享或优先级区分的原则进行，这类算法通常用于同构网络，难以用于影响因素不易统一量化表征的异构网络。本文针对WLAN/蜂窝异构网络，采用模糊层次分析法进行切换判决，根据网络的状态信息、用户偏好、用户业务特征等参数选择最有效、最合适的接入网络，为用户提供最佳服务。层次性分析法(AHP, analytic hierarchy process)[10]是20世纪70年代由美国运筹学家T.L.Saaty提出的，它吸收了利用行为科学的特点，对决策者的经验判断给予量化，是一种有效的多目标/多属性决策方法。

文献[5]提出了一种基于AHP的模糊多属性决策的异构网络切换判决算法。文献[12,13]提出了基于信干噪比(SINR)和层次分析法的简单加权(SAW,simple additive weight)垂直切换算法。文献[14]基于SAW和AHP对WiMAX网络和UMTS网络的切换判决算法进行了研究。文献[15]提出了一种基于逼近理想解排序(TOPSIS, technique for order preference by similarity to ideal solution)的AHP切换判决算法。文献[16]基于SAW和AHP对UMTS网络和WLAN网络的切换判决算法进行了研究。但这些研究并没有对切换判决算法的时延及带宽敏感性进行评估。

此外，文献[17]对 AHP算法进行了改进，将AHP算法的解划分为确定型和概率型。文献[18]提出了一种基于神经网络的模糊切换判决算法，并针对SAW法进行了性能仿真分析。文献[19]提出了一种基于迭代TOPSIS法的网络切换判决算法。但这些研究并没有专门针对SAW法和TOPSIS法进行对比分析。

针对 WLAN/蜂窝异构网络，本文提出了一种基于模糊层次分析法的网络切换判决算法。算法综合考虑了网络状态及用户业务特征，分别采用SAW法和TOPSIS法对网络组合权向量进行了计算，并给出了相应的仿真结果。

2 采用AHP进行网络切换判决

异构网络融合技术可以使用户在不同网络自由切换。用户不仅要获得网络连接，而且总是期望获得最佳连接（ABC, always best connected）的服务质量。在多种网络共存的情况下，网络切换判决算法不但要考虑不同网络的接收信号强度RSS、误码率BER、基站与移动台之间的距离等，还要考虑用户偏好、业务类型、收费价格等因素，因此，目标网络的选择成为一个多目标/多属性决策问题，这正好符合AHP多目标决策的设计思想。

基于AHP的多目标切换算法模型如图1所示。

图1 基于AHP 的多目标切换算法层次模型

AHP方法把复杂问题分解成不同的组成因素，又将这些因素按支配关系分组形成阶梯层次结构，通过两两比较的方式确定层次中各因素的相对重要性。然后进行综合判断，确定各方案相对重要度的总排序。整个过程体现了人们分解—判断—综合的思维特征。AHP算法步骤:首先，分析评价系统中各基本要素之间的关系，建立系统的递阶层次结构；其次，对同一层次的各要素关于上一层次中某一准则的重要性进行两两比较，构造判断矩阵；然后，由判断矩阵计算被比较要素对于该准则的相对权重；最后，计算各层要素相对于总目标的合成总权重，如图2所示。

1) 构建递阶层次

将有关参数按照属性自上而下地分解成若干层次:最上层为目标层，最下层为方案层或决策层，中间为准则层。准则层可以有一个或几个层次。当准则层元素过多时，需进一步分解出子准则层。同一层各因素从属于上一层因素，或对上层因素有影响，同时又支配下一层的因素或受到下层因素的影响。在异构网络切换判决中，我们的目标层是ABC；决策层是当前可选择的网络，如GSM、WCDMA、WiMAX、UMTS、WLAN 等。在设计准则层时，主要考虑网络的QoS:带宽、时间特性(timeliness)、可靠性、可接入性、安全性、价格、用户偏好等参数。

图2 基于AHP的切换判决算法流程

2) 构造成对比较矩阵

用成对比较法和表1中的1～9比较尺度构造成对比较矩阵，比较准则层n个参数X1，X2，…，Xn对上一层的影响。采用的方法是:每次取2个因素Xi和 Xj比较其对目标因素的影响，并用 aij表示，全部比较的结果用成对比较矩阵表示，即

表1 网络属性i j之间重要性对比[10]

3) 计算各参数的权向量

在确定了参数的重要性之后，按照如下步骤计算参数的权值。

① 计算判决矩阵每一行元素的乘积

② 计算iW的n次方根

③ 对向量做归一化处理，即

得到（w1,w2,…,wm）作为评价参数权重。

4) 一致性检验

① 当成对比较矩阵A为一致阵A时有

此时存在唯一的非0最大特征根，且λ=λmax=n 。

② 当成对比较矩阵A不是一致阵时，一般有λmax≥ n ，此时

所以，可以取其平均值作为检验成对比较矩阵的准则，一致性指标为

实际操作时发现，成对比较矩阵A的维数越大，判断的一致性越差，故应放宽对高维矩阵的一致性要求。于是引入平均一致性指标RI来校正一致性检验指标。RI可以通过RI修正值表查到（如表2所示）。

表2 RI的修正值

于是，新的一致性检验指标为

当 CR＜ 0.1时，认为成对比较矩阵A的不一致程度在容许范围之内，可用其特征向量作为权向量。否则，对成对比较矩阵A重新进行成对比较，构造新的成对比较矩阵A。

5) 计算组合权向量

用SAW或TOPSIS法计算各层因素相对于系统收益(总目标)的合成权重，权重大的网络接入最佳，最终做出决策。

3 判决属性去模糊处理

假设用户当前有3个网络可以选择，一个覆盖整个区域的UMTS网络以及2个覆盖范围较小的无线局域网（WLAN1和WLAN2），分别用网络C1、C2、C3表示。当移动终端检测到这3种可接入网络，并且拥有这3种网络的接入权限，则开始执行AHP多目标切换判决算法。判决需要考虑的参数有:信号强度、带宽、价格、时延、误比特率、安全，分别用 X1、X2、X3、X4、X5、X6表示。3 个网络的参数对比如表3所示。

表3 UMTS，WLAN1，WLAN2的参数

表4 模糊变量转化

对各判决参数采用文献[20]的方法，按照表 4采用尺度3的5个档次分别量化，得到判决矩阵D，如表5所示。

表5 判决矩阵D

4 AHP网络切换判决算法

4.1 建立成对比较矩阵

如图2所示，针对话音业务和下载业务需求的不同对信号强度、带宽、价格、时延、误比特率、安全逐个进行成对比较，建立AHP矩阵。话音业务各切换判决因素的成对比较结果如表6所示，下载业务各切换判决因素的成对比较结果如表7所示。

表6 话音业务各切换判决因素成对比较矩阵Av

表7 下载业务各切换判决因素成对比较矩阵Ad

由式(2)～式(4)得到话音业务AHP矩阵Av的特征向量Wv和下载业务AHP矩阵Ad的特征向量Wd

4.2 一致性的检验

对于话音和下载业务，其一致性检验结果如表8所示。

表8 一致性检验结果

由表8可知，话音业务和下载业务的AHP矩阵均通过一致性检验。

4.3 组合权向量计算

4.3.1 SAW法组合权向量计算

简单加权法（SAW, simple additive weight）是多属性决策中最常用的方法，其计算方法为先将各属性进行归一化，再计算各评选方案 k的加权和C[ k]，之后再依据 C[ k]的大小对各个方案进行排序，其值越大（或越小），表示该方案越好。

若有 m个候选网络，n个决策属性。假设 xij为待选方案i的评估准则j的评估值，若准则为收益（越大越好）时

将判决矩阵D按照式（11）和式（12）归一化得到矩阵DSAW，如表9所示。

表9 归一化判决矩阵DSAW

再将式(9)和式(10)表示的向量分别乘以DSAW的转置矩阵，得到话音业务和下载业务的组合权向量

4.3.2 TOPSIS法权向量计算

逼近理想解排序 (TOPSIS，technique for order preference by similarity to ideal solution) 法所基于的原则是被选网络与理想解决方案之间的差距最小并且与最差解决方案的差距最大。确定的理想方案由所有可能的最优属性值构成，最差解决方案则由所有可能的最差属性值构成。可以将关于n个属性 m个网络的多属性决策问题视为n维空间中m个点构成的几何系统进行处理。此时，所有方案可作为该系统的解。判决结果则选择与理想解在几何空间上有最小欧几里德距离的方案。令C[k]表示被选网络k与理想解决方案的贴近程度，则最优网络为

理想解就是各待选方案中效益准则值最大、成本准则值最小者；反之，效益准则值最小、成本准则值最大的就是负理想解，在选择方案时就以距离理想解最近，且距离负理想解最远的方案为最佳方案。若有m个候选网络，n个决策因素，则各因素的归一化计算方法为

将判决矩阵D按照式（15）归一化，得到归一化判决矩阵DTOP，如表10所示。

表10 归一化判决矩阵DTOP

按照式（16），可以得到话音业务的加权判决矩阵Vv和下载业务的加权判决矩阵Vd，如表11和表12所示。

表11 话音业务的加权判决矩阵Vv

表12 下载业务的加权判决矩阵Vd

按照式（17）和式（18）求出正理想解A+与负理想解A-(其中J为准则是收益（越大越好）时，'J为准则是代价（越小越好）时)。话音业务和下载业务的正理想解和负理想解分别为

则话音业务和下载业务的分离测度分别为

根据式（24）算出与理想解的相对接近度，即得到各网络的加权值

进而获得话音业务和下载业务的组合权向量

4.4 结果分析

比较上述2种算法，得到不同算法下各网络的排名，如表13所示。

表13 SAW和TOPSIS网络排名对比下载业务

对于话音业务，2种算法都把C1网络作为首选网络，这是合理的，因为话音业务对时延要求较高，而C1是时延最小的网络。而次选网络则有所不同，简单加权将 C3网络列为次选，而 TOPSIS法则将C2网络列为次选，这也是好理解的，因为 C2网络在信号强度和误比特率上优于C3网络，但在价格，时延和安全性上C3网络却占有优势，因此导致次选网络不同。对于下载业务，2种算法都把C2作为首选网络，因为C2网络提供了较大的带宽和较小的误比特率。此外，对于下载业务2种算法的其余备选网络排名也完全一致。

假定其他参数的权重不变，改变时延参数的权重，分别用简单加权法和TOPSIS法计算出各网络的得分。得到简单加权法和TOPSIS法对时延的敏感度曲线如图3和图4所示。从中可以看出，随着时延权重的增加，C1的得分急剧上升，C2的得分急剧下降，C3的得分略有变化，保持相对平稳。同时，可发现，2种算法对时延都较为敏感，其中TOPSIS法中C1网络和C2网络的得分变化更为剧烈，可见它对时延参数更为敏感。

图3 SAW对时延的敏感度

假定其他参数的权重不变，改变带宽参数的权重，分别用简单加权法和TOPSIS法计算出各网络的得分。得到简单加权法和TOPSIS法对带宽的敏感度如图5和图6所示。从中可以看出，随着带宽权重的增加，各个网络排名基本不变，但网络的得分差距随着带宽权重的增加而加大，有利于系统做出判决。

图4 TOPSIS对时延的敏感度

图5 SAW对带宽的敏感度

图6 TOPSIS对带宽的敏感度

5 结束语

本文提出的基于层次分析法的切换判决算法综合考虑多种因素，把网络切换判决问题建模为模糊多属性层次决策问题，并设计了相应的网络切换判决算法。在计算网络组合权向量部分给出了简单加权法和TOPSIS法2种方法。得出了话音业务和下载业务待选网络的综合排名。最后通过分析简单加权法和TOPSIS法对时延和带宽参数的敏感度，比较了2种算法在垂直切换方面的性能。仿真表明TOPSIS法与SAW法相比，更适合时延敏感业务的网络切换判决。

[1]DAMNJANOVIC A, MONTOJO J, YONGBIN W E I, et al.A survey on 3GPP heterogeneous networks[J].IEEE Wireless Communications,2001, 18(3):10-21.

[2]GHOSH C, ROY S, CAVALCANTI D.Coexistence challenges for heterogeneous cognitive wireless networks in TV white spaces[J].IEEE Wireless Communications, 2011, 18(4):22-31.

[3]GOZALVEZ J.Heterogeneous wireless networks [mobile radio][J].IEEE Vehicular Technology Magazine, 2011, 6(2):9-13.

[4]SHAFIEE K, ATTAR A, LEUNG V C M.Optimal distributed vertical handoff strategies in vehicular heterogeneous networks[J].IEEE Journal on Selected Areas in Communications, 2011, 29(3):534-544.

[5]ZHANG W H.Handover decision using fuzzy MADM in heterogeneous networks[A].Wireless Communications and Networking Conference[C].2004.653-658.

[6]LIU M, LI Z C, GUO X B, et al.Performance evaluation of vertical hand off decision algorithms in heterogeneous wireless networks[A].Global Telecommunications Conference[C].2006.1-5.

[7]STEVENS-NAVARRO E, LIN Y X, WONG V W S.An MDP-based vertical handoff decision algorithm for heterogeneous wireless networks[J].IEEE Transactions on Vehicular Technology, 2008, 57(2):1243-1254.

[8]STEVENS-NAVARRO E, WONG V W S.Comparison between vertical handoff decision algorithms for heterogeneous wireless networks[A].IEEE 63rd Vehicular Technology Conference[C].2006.947-951.

[9]MARTINEZ-MORALES J D, PINEDA-RICO U, STEVENSNAVARRO E.Performance comparison between MADM algorithms for vertical handoff in 4G networks[A].20107th International Conference on Electrical Engineering Computing Science and Automatic Control (CCE)[C].2010.309-314.

[10]许树伯.层次分析原理[M].天津:天津大学出版社, 1998.XU S B.The Principle of Analytic Hierarchy Process[M].Tianjin:Tianjin University Press, 1998

[11]KUNARAK S, SULEESATHIRA R.Predictive RSS with fuzzy logic based vertical handoff algorithm in heterogeneous wireless networks[A].2010 International Conference on Advanced Technologies for Communications (ATC)[C].2010.189-194.

[12]LIU S M, PAN S, MI Z K, et al.A simple additive weighting vertical handoff algorithm based on SINR and AHP for heterogeneous wireless networks[A].2010 International Conference on Intelligent Computation Technology and Automation (ICICTA)[C].2010.347-350.

[13]刘胜美, 孟庆民, 潘甦等.异构无线网络中基于 SINR和层次分析法的 SAW 垂直切换算法研究[J].电子与信息学报, 2011, 33(1):235-239.LIU S M, MENG Q M, PAN S, et al.A simple additive weighting vertical handoff algorithm based on SINR and AHP for heterogeneous wireless networks[J].Journal of Electronics & Information Technology,2011, 33(1):235-239.

[14]CUI H Y, YAN Q J, CAI Y L, et al.Heterogeneous network selection using a novel multi-attribute decision method[A].Third International Conference on Communications and Networking in China[C].2008.153-157.

[15]LIU S M, PAN S, XU M H.An improved TOPSIS vertical handoff algorithm for heterogeneous wireless networks[A].201012th IEEE International Conference on Communication Technology (ICCT)[C].2010.750-754.

[16]梁立涛, 纪阳, 张平.基于模糊层次分析法的异构系统网络选择算法[J].北京邮电大学学报, 2007, 30(2):71-75.LIANG L T, JI Y, ZHANG P.A network selection algorithm based on fuzzy analytic hierarchy process in heterogeneous systems[J].Journal of Beijing University of Posts and Telecommunications, 2007, 29(2):71-75.

[17]RAMIREZ R A V, RAMOS R V M.A vertical handoff decision algorithm which considers the uncertainty during the decision making process[A].IFIP International Conference on Wireless and Optical Communications Networks[C].2009.1-6.

[18]CALHAN A, CEKEN C.An adaptive neuro-fuzzy based vertical handoff decision algorithm for wireless heterogeneous networks[A].2010 IEEE 21st International Symposium on Personal Indoor and Mobile Radio Communications (PIMRC)[C].2010.2271-2276.

[19]DHAR J, KIRAN S R, REDDY K Y.Network selection in heterogeneous wireless environment:a ranking algorithm[A].Third International Conference on Wireless Communication and Sensor Networks[C].2007.41-44.

[20]LATVAKOSKI E J, LAURILA P J.Application based access system selection concept for all IP mobile terminals[A].Global Telecommunications Conference[C].2002.2984-2988.