基于移动终端业务的多接入网络选择算法

陶　洋，苏建松

(重庆邮电大学 通信与信息工程学院，重庆 400065)



基于移动终端业务的多接入网络选择算法

陶洋，苏建松

(重庆邮电大学 通信与信息工程学院，重庆 400065)

提出了一种基于移动终端业务的多接入网络选择算法，该算法将网络选择的单位从终端转向业务，并通过如下3个步骤为业务确定一个最优接入网络集合：首先，通过充分考虑业务的实际QoS需求以及终端速度的影响，确定各决策因素的权重；其次，通过效用函数模型确定各接入网络的效用函数矩阵；最后，通过最优接入网络集确定适合业务传输的最优接入网络组合。仿真结果表明：提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合，同时能大幅度提高终端网络的吞吐量。

异构网络；多模终端；接入网络选择；业务

目前支持移动多样化业务的通信系统正朝着下一代宽带移动通信(5G)发展[1]。与此同时，随着移动蜂窝通信技术的高速发展，宽带无线接入技术也得到了迅猛发展。然而越来越多的接入技术应运而生，但目前还没有一种接入网络能够完全满足大覆盖范围、高移动性、高带宽、低时延和低丢包等要求[2]。由于各种接入网络的优势和使用场合各不相同，接入网络间很难取代，而且仅使用单个网络根本无法满足多样化宽带业务的需求[3]。所以，未来移动通信的发展趋势是现有的及即将出现的各种异构无线接入网络的相互融合、彼此联通，同时充分发挥各无线接入网络的优势，为用户提供具有QoS(Quality of Service)保障的服务[4]。

针对上述问题，本文提出了一种基于业务的多接入网络选择算法(Multi-access Network Selection Algorithm Based on Flow，FlowB-MNS)。FlowB-MNS就是解决单一业务的最优多接入网络的选择问题，即根据当前网络状况、业务实际QoS需求为业务确定一个最优接入网络集。

1　接入网的选择算法

1.1网络选择决策因素权重确定

本文从两个角度考虑了网络QoS因素的权重：第一，业务对网络QoS因素的需求权重Wβn；第二，终端移动速度对网络QoS的影响权重WV。假设接入网络选择的各网络QoS因素的合成权重向量为W

W=[wRSS,wBW,wD,WPLR]

(1)

然后利用式(2)计算各网络QoS属性因子的权重值

(2)

式中：Wxi表示原始向量Wβn及WV第i个元素；x为1时，代表Wβn，x为2时，代表WV。

将向量Wβn，WV带入式(2)，便可求出合成权重向量

W=[wRSS,wBW,wD,wPLR]=

(3)

1.2效用函数

效用函数[5]模型定义网络效用值如

(4)

式中：Wi表示用户对QoS参数Ri的需求权重；Ri表示该参数的归一化值。

本文使用单平滑参数二次指数平滑方法，得到在时刻t，无线网络接口i(i∈[1,N])所采集到的接收信号强度、带宽、时延以及丢包率经过二次平滑处理分别表示为RSSi(2)(t)，BWi(2)(t)，Di(2)(t)以及PLRi(2)(t)。

(5)

由此可得，在有K个无线接入网络覆盖的环境下，其各接入网络的效用函数矩阵可表示为U，即

(6)

1.3基于业务的多接入网络选择算法

在上文基础之上，本节将重点介绍基于业务的多接入网络选择算法，其目的是为每个业务确定一个最优接入网络集。该过程包含两个步骤：第一，网络初步筛选；第二，确定最优接入网络集。通过第一步的筛选将过滤掉不满足业务基本需求的网络。第二步通过遍历各可用网络的组合，找出效益值最高的接入网络集合，使得业务流能同时接入到该集合中的多个网络，在保证业务传输质量的同时，达到终端吞吐量最大及网络资源利用率最高的目的。确定最优接入网络集包含如下两个步骤：

步骤一，网络初步筛选。依据业务的基本需求对所有的覆盖网络进行初步筛选，筛选条件如下，对任一覆盖网络i

a1:RSSi>RSSth

a2:BWi>Rmin

a3:if(Networkiis WLAN andV>20 km/h)

Networkiis not selected

(7)

式中：RSSth为不同网络接收信号门限值；Rmin为业务最小传输速率需求。

步骤二，确定最优接入网络集。定义T为各种接入网络组合选择情况下的总效益矩阵，则其中一种网络组合选择方案的总效益矩阵为Tn，计算如

(8)

式中：Tn为一个2×1的矩阵；M表示多接入网络选择结果向量，其中一种可能的选择情况表示为Mn=[m1,m2,…,mK-1,mk]，mx=1或者mx=0，x∈[1,K]，当mx=1时，表示第x个接入网络被选择，业务将接入到该网络，当mx=0时，表示第x个接入网络不被选择，业务将不会接入到该网络；tx表示网络组合选择方式总数，后面将详细介绍其计算方法。

在多接入网络选择结果向量M中元素取值为零，表示该网络不被选择。假设经过初步筛选不满足需求的网络的个数为j，即M中零的个数为“j”，则

(9)

式中：K为当前覆盖的网络总数。

最优接入网络集Mi为Kn取得最大值时的Mn，Kn计算如下

Kn=Tn11/Tn21

(10)

式中：Tn11表示第n种网络选择组合情况下，总效益矩阵Tn的第1行第1列元素值；Tn21表示第n种网络选择组合情况下，总效益矩阵Tn的第2行第1列元素值。

综上所述，最优接入网络集确定如下

(11)

即接入网络集为Mi=[m1,m2,…,mk-1,mK]时，所确定的接入网络集为当前速度下基于业务的最优接入网络集，其能保证业务接入到速率最高、时延最低、负载较小的单个或者多个网络。

2　仿真与性能分析

2.1仿真场景及参数设置

仿真场景包含：UMTS，WLAN及WiMAX网络。WLAN采用IEEE802.11b的系统参数配置。WLAN1以点C(4 250，3 000)为中心、以100 m为半径的圆区域。WLAN2以点D(4 350，3 000)为中心、以100 m为半径的圆区域，其中WLAN1和WLAN2之间有100 m的重叠覆盖区域。UMTS网络以点B(3 000，3 000)为中心、以3 000 m为半径的圆区域。WiMAX网络以点E(5 000，3 000)为中心、以1 500 m为半径的圆区域。在每次仿真过程中，移动终端均从点A(0，3 000)出发，以速度V匀速直线向点F运动，如图1所示。

图1　网络覆盖场景设置

FlowB-MNS所选取的网络QoS评价因子包括接收信号强度、时延、带宽、丢包率，其均为时变参数。各网络的具体参数设置如表1所示。

表1参数设置

网络时延/ms带宽/(Mbit·s-1)丢包率UMTS70～1500.03～20.001～0.002WLAN1180～2309～110.001～0.003WLAN2180～2309～110.001～0.003WiMAX150～25010～150.001～0.002

本文采用的无线传输损耗模型[7]，如表2所示。

表2无线传输损耗模型

网络发射功率/dBm覆盖半径/m无线链路损耗(WLAN中d单位为m,其余为km)UMTS433000152.19+48.63lgdWLAN13010040.04+35.188lgdWLAN23010040.04+35.188lgdWiMAX401500143.38+38.72lgd

根据发射功率及无线损耗模型，利用下式便可求得网络的接收信号强度

RSSi(d)=Pt-PLOSS(d)+X(uPL,σPL)

(12)

式中：Pt为基站的发射功率，是常量；X(uPL,σPL)为以uPL为均值、σPL为方差的一个高斯随机衰落过程，在UMTS及WiMAX中X(uPL,σPL)=X(0,8),在WLAN中X(uPL,σPL)=X(0,6)。由此可得，各网络的接收信号强度如下

(13)

2.2结果分析

为得出网络选择结果，首先需要计算出各类业务对网络QoS的需求权重，然后根据效用函数以及最优接入网络确定过程确定最优接入网络集。

(14)

最终求得考虑终端速度影响的业务QoS需求权重，如表3所示。

表3V=5 km/h的业务QoS需求权重

业务类型考虑终端速度的业务QoS需求权重(RSS,BW,D,PL)会话类W=[0.30,0.21,0.23,0.26]交互类W=[0.29,0.20,0.19,0.32]流媒体类W=[0.31,0.25,0.15,0.29]后台类W=[0.28,0.20,0.21,0.31]

2.2.1接入网络选择结果对比

下面将详细分析3种算法的网络选择结果。如图2和图3分别为V=5 km/h以及V=75 km/h时的流媒体类及会话类业务的接入网络选择结果，可以看出：1)与基于普通加权法的网络选择算法(SAW-NS)[8]相比，该方法克服了传统的单接入网络选择算法不能同时利用多网络的缺点，同时在终端的移动过程中会大大减少网络重选的次数。2)与基于终端控制的并行接入网络选择策略(TBPA-NS)[6]相比，FlowB-MNS在接入网络集的确定过程中，综合考虑了多种因素，最终根据不同业务的QoS需求以及当前网络质量确定最优接入网络集。因此，其克服了以时延最小为条件的缺陷，从而其能在保证业务QoS的同时，最大限度地利用具有高带宽优势的其他网络的资源。3)由于SAW-NS、TBPA-NS算法均不考虑速度对网络选择的影响，因此不同速度下其网络选择结果不变。但是在FlowB-MNS下，随着速度的增大，其对接收信号强度以及丢包率的影响变大，最终使得业务QoS需求发生变化，因此依据业务的QoS需求及实际网络状况进行网络选择的结果便会发生变化。

图2　V=5 km/h的接入网络选择结果

图3　V=75 km/h的接入网络选择结果

2.2.2终端吞吐量对比

吞吐量其一般以兆比特每秒为单位[9]。计算如

(15)式中：βi为接入网络i吞吐量的实际利用率[9]，详细设置如表4所示；Bi为接入网络i给终端分配的带宽；RSSi(t)为在时刻t接入网络i的信号强度；n0为理想化为加性高斯白噪声的多模终端的噪声功率。

表4吞吐量实际利用率设置

参数UMTSWiMAXWLAN1WLAN2βi0.850.700.650.65

由于本文是以多模终端为基础的区分业务类型的接入网络选择算法，因此定义终端的吞吐量为：时刻t，当前所有业务的网络选择结果向量M中所选网络的实时吞吐量总和，即

(16)

式中：i是M中标记为“1”的网络。当多模移动终端从网络覆盖场景中的A点分别以5 km/h，75 km/h的速度匀速直线运动至F点的过程中，其在不同的位置会选择不同的接入网络。根据网络选择结果对终端实时的吞吐量进行计算，图4、图5即为终端吞吐量对比图。从图中可以看出：本文所提出的多接入网络选择算法的终端吞吐量较其他两类算法有较明显的优势，无论在低速或者较高速情况下，其在4 000～4 600 m均出现了吞吐量的峰值。

图4　V=5 km/h时终端吞吐量

图5　V=75 km/h时终端吞吐量

从以上的分析可得，本文所提的多接入网络选择算法在多网络覆盖的场景下能获得更高的聚合吞吐量，在较少网络覆盖的场景下，也会尽力从业务需求的角度出发，选择能满足业务QoS需求的网络。

3　总结

本文介绍了基于业务的多接入网络选择算法，其通过考虑业务实际的QoS需求以及终端速度的影响科学地确定了网络选择过程中各决策因素的权重，并通过改进的效用函数模型求取各网络的效益值，最终通过最优接入网络集确定过程为业务选择出聚合效益值最高的网络组合，即最优接入网络集。同时本文完成了对FlowB-MNS的仿真验证，结果表明：FlowB-MNS能将不同的业务接入到不同的网络，由于权重确定的合理性，该多接入网络选择算法较其他两种算法能有效地提高终端的吞吐量。

[1]朱晓光.WLAN与移动网络的融合技术[J].移动通信，2013，10(1)：66-71.

[2]KIRAN A，BRAHMJIT S，RAJESH K. Network selection algorithm based on link quality parameters for heterogeneous wireless networks[J]. Optik-international journal for light and electron optics，2014，125(14)：3657-3662.

[3]SINGH J，ALPCAN T，AGRAWAL P，et al. A markov decision process based flow assignment framework for heterogeneous network access[J]. Wireless network，2010，16(2)：481-495.

[4]DOU J，XIA Y，CHEN X. Future network applications，network model，and development strategy[C]//Sixth International Conference on Broadband Communications，Networks and Systems，BROADNETS 2009. Spain：IEEE Computer Society，2009：1-8.

[5]CHANG B J，CHEN J F. Cross-layer-based adaptive vertical handoff with predictive RSS in heterogeneous wireless networks[J]. IEEE transactions on vehicular technology，2008，57(6)：3679-3692.

[6]XIE G，CHEN H，XIE L，et al. A user-preference-aware terminal-controlled access network selection scheme in heterogeneous wireless networks[C]//2013 IEEE 78th Vehicular Technology Conference(VTC). Las Vegas: Institute of Electrical and Electronics Engineers Inc，2013：479-481.

[7]SAVITHA K，CHANDRASEKAR C. Vertical handover decision schemes using SAW and WPM for network selection in heterogeneous wireless networks[J]. Global journal of computer science and technology，2011，11(9)：19-24.

[8]SAVITHA K，CHANDRASEKAR C. Vertical handover decision schemes using SAW and WPM for network selection in heterogeneous wireless networks[J]. Global journal of computer science and technology，2011，11(9)：19-24.

[9]YONGHOON C，HOON K，SANG H，et al. Joint resource allocation for parallel multi-radio access in heterogeneous wireless networks[J]. IEEE transactions on wireless communication，2010，9(11)：3324-3329.

责任编辑：许盈

New multi-access network selection algorithm based on business of mobile

TAO Yang，SU Jiansong

(DepartmentofCommunicationandInformationTechnology,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)

A multi-access network selection algorithm basing on business is proposed in this paper. This algorithm takes the business as the basic unit of network selection, and determines the optimal set of networks by the following three steps: firstly, determine the weights of each factors after having make full consideration of the actual QoS requisition of business and the influence caused by the speed of terminals; secondly, using utility function to define the utility of networks; at last, an optimal access network sets is found for each business. The simulation results indicate that the algorithm can select the optimal set of networks according to the speed of moving terminals and business requirements, and it can also improve the throughput of terminals.

heterogeneous network；multi-mode terminal；access network selection；business

TN915；TN943

ADOI：10.16280/j.videoe.2016.06.015

重庆市“121”科技支撑示范工程(CSTC2014ZKTJCCXBX0027)

2015-11-16

文献引用格式：陶洋，苏建松. 基于移动终端业务的多接入网络选择算法[J].电视技术，2016，40(7)：65-69.

TAO Y，SU J S. New multi-access network selection algorithm based on business of mobile [J].Video engineering，2016，40(7)：65-69.