异构无线网络接入选择策略

毕妍

摘要 文章首先对异构无线网络作出综述，探讨异构无线网络接入点选择中所应用的技术方法。重点从异构无线网络接入选择算法的角度展开论述，帮助明确接入点选择与实际需求之间存在的联系，以提升异构无线网络接入稳定性的有效方法，为无线网络接入点算法选择提供有力参照。

[关键词]异构无线网络 接入选择 算法选择

1 异构无线网络综述

异构无线网络的产生对信息交换精准度有明显提升作用，用户在使用异构无线网络时也可以根据自己的信息传输需求，选择不同介入模式，从而达到通过无线接入点配合来实现功能转化的效果。最初异构无线网络是由美国计算机软件科学家提出的，这一网络接入模式与传统的有线网络连接有本质上的区别，可以同时实现多项用户资源的管理操控。并且彼此之间不存在相互影响可以实现用户通过，异构无线网络随时查取信息资源，从而获得更好的用户体验。如果无线网络在不同网络接入点下，功能之间并不兼容，从而也保障了用户对信息查取的高效性，将其应用在移动终端中，用户可以自动对所识别的无线网络进行切换与选择。如果无线网络在不同网络接入点下，功能之间并不兼容。从而也保障了用户对信息查取的高效性，将其应用在移动终端中，用户可以自动对所识别的异构无线网络进行切换与选择。

2 异构无线网络接入选择算法

2.1 决策因素下的接入选择

决策是影响异构无线网络运算方向的决定性因素，基于决策因素下对异构无线网络的接入方法做出选择，最终接入模式更能满足移动网络环境。决策因素结构算法必然是具有多选择性的，异构无线网络可以从网络环境中选择最有利于自己进行数据传输的一种模式。面对不断变化的网络环境，所选择的接入模式也会根据网络运行环境变化而做出改变。实现这一算法选择计划需要对网络环境进行分层，按照不同网络传输速度来进行，同时更应该结合用户对网络接入的主观偏好，综合几项因素后利用最小二成法来展开运算。运算过程是由异构无线网络在虚拟环境中自动完成的，并根据所得到的运算结果来进一步确定接下来的网络接入模式。以决策因素为前提开展的异构无线网络接入点选择，主要考虑用户对网络接入的喜好以及网络传输速度实际情况，综合这两项因素最终所得出的角色必然会符合网络接入点需求，选择的接入点也能为用户带来更好的无线网络体验。

2.2 基于数学模型的接入选择算法

2.2.1 模糊神经网络的接入选择方法

无线网络接入点选择中所处理的数据并不完全是清晰的，也有一部分模糊数据需要在短时间内做出判断，这便要求异构无线网络再进行介入算法选择时，能够兼备模糊处理功能。模糊神经网络接入运算模式，模拟了神经元的分散特征，同时在多个发散性的分支中展开运算，可做到模糊信息是根据大致算得的结果快速划分层次，通过模糊神经网络接入运算大幅度提升了异构无线网络的信息处理速度，在网络接入点选择中，时间也得到明显缩减。模糊神经网络接入点选择运算模式中，不仅仅是要提升运算速度，增大异构无线网络接入点的选择效率，更应该最大程度提升模糊神经元算法中的精准度。避免出现接入的无线网络传输速度较慢，影响用户对移动网络设备使用体验的情况。模糊神经网络属于数学建模算法，虽然处理速度提升明显，但在误差范围上却能达到所规定的标准，并不会引运算速度提升而影响到最终的精准度。

2.2.2 现代人工智能算法应用

现代人工智能算法通常被称为蚁群算法。是目前高级软件开发中普遍应用的一种模式，可同时处理大量信息，并排除无线网络接入中的非线性干扰。应用现在人工智能算法可对异构无线网络接入中接入点所选择的负载问题作出平衡，这样接入无线网络中便不会出现因信道阻塞造成的时间延长。除此之外，现代人工智能算法具有很强的兼容性，能够适应不同软件对无线网络选择中的需求。人工智能算法中，会对异构无线网络选择接入点的时间做出预算，当实际接入时间超出这一预算时，系统那边会自动进行错误评估。判断出影响接入时间的因素，并通过对算法的完善来解决这一问题，提升异构无线网络，接下来对接入点选择的准确度。

2.2.3 学习法算法接入选择

如果无线网络所运行环境具有极强的变化性，需要算法选择在展开接入点判断中能够融合环境因素，应用学习法算法可以满足这一需求，在对接入点进行选择时，异构无线网络会根据以往连接数据中提取出的共同点作出分析。从而判断异构无线网络用户在接入点选择中的偏好，这样便减轻了接下来算法运算承担的任务，实现整体运算效率提升。并且在运算中也会对网络的负载情况作出进一步判断，选择最适合的时机进入到网络中，该算法最大的优势是具备学习能力与记忆功能，因此投入使用后对网络环境适应能力更强。学习算法接入选择模式是当前异构无线网络技术应用的主流，也是技术未来发展中重点研究的方向。确定算法选择方向后，对异构无线网络的使用才能达到资源最大化利用效果，从而为用户营造稳定的运行环境。

3 结语

通过以上文章中论述的内容可以总结到，在设计网络选择算法时应该综合考虑影响网络和用户的多个方面的因素：多目标性：选择算法时要兼顾影响网络选择时的各种决策因素，如QoS、用戶偏好、网络价格、网络带宽、数据速率等。认知功能：选择算法时要考虑异构网络的动态性，需要具有能够适应网络动态变化的能力。端到端目标最优化：网络选择不仅仅是对接入网的选择，还要进行对骨干网络的选择;异构网络资源调整与分配：在选择算法时还要同时考虑用户接入不会对现存的用户通信和网络负载带来失效和超负载的后果，而且不会带来乒乓效应。

参考文献

[1]季石宇，唐良瑞，李淑贤等.基于用户体验质量和系统能耗的异构网络联合接入选择和功率分配策略[J].电信科学，2017，33 （11）： 47-55.

[2]严超，徐赞昊，薛磊冰等，基于VLC+WiFi协同的室内异构无线接入网络[J].光通信技术，2016，40 （09）.

[3]郭稳涛.基于负载均衡的车联网异构网络接入选择机制研究[J].自动化应用，2016 （08）：29-31.