基于灰色关联分析的多网络接入系统模型*

王晓莉， 杨晴雯， 刘淑娴

(新疆大学 信息科学与工程学院， 乌鲁木齐 830046)

无线网络接入技术与日益更新的移动无线接入技术在用户的活动区域交叉使用，由于两者覆盖能力、商业定位不同，技术各有特点，形成了多样化的异构无线网络技术共同生存的局面[1].随着无线网络的进一步发展，基于单个网络的参数选择方法已经无法根据业务需要满足用户的要求.接近理想方案的序数偏好方法TOPSIS(technique for order preference by similarity to ideal solution)中心思想是假设一个正理想方案和一个负理想方案，通过检测候选方案与正理想方案、负理想方案的距离来进行排序.若候选方案最靠近正理想方案同时又最远离负理想方案，则为最佳方案；否则为最差方案.异构无线网络在相互融合的大前提下已经成为整合异构无线网络的主要方法，同时异构无线网络的融合也可以带动新一代无线接入技术的改革与发展[2].为了使业务类型多样化以满足用户的需求，无线网络技术需要在异构无线网络交叉覆盖的情景下合理选择，这就使得无线资源的管理热点定焦在异构无线网络选择接入技术上.同时异构网络选择的算法也在随着技术的发展逐步多样化[3]，在保证能量消耗的大背景下，利用多网络接入技术可使异构无线网络得到高效利用，为用户提供高吞吐量，使用户得到更优质的服务.

1 多网络接入系统模型

多模终端拥有多网络接入性能，其设计结构如图1所示.

图1 多网络接入功能模块框架Fig.1 Function module framework for multi-network access

模块框架主要包括接口控制、信息处理、连接用户与网络以及控制多接入等4个模块，各个模块的具体功能如下：

1) 接口控制模块.模块主要用于信息搜集，包括接收信号强度(received signal strength，RSS)以及网络的可用信道(available channel，AC)等[4]，RSS之外的信息其不负责处理，而是发送到信息处理模块.网络接口的启动与关闭是通过该模块比较RSS与接收信号门阈值来进行控制的，当高于RSS门阈值时，该网络的终端接口将被启动，反之则将被关闭.

2) 信息处理模块.模块依照接口以及用户与网络信息模块供给信息计算信息量以及负载等参数.

3) 用户与网络信息模块.模块用于保存无线网络接入费用、可接入信道数目以及用户喜好等信息.

4) 多接入控制模块.模块挑选可用无线网络并成立可用网络集合，之后选定最优网络集合.最优网络集合的选定是通过相应的网络选择算法进行的，且可以有单、多个网络.最小化信息的传输时延主要是因为移动终端的多模块汇集到移动终端网络单元，且各模块有着高度关联.

2 构建多网络接入参数矩阵

利用多属性决策理论来寻找多网络接入中异构无线网络接入最优解.多属性决策的属性参数有：接入网络的信息量、网络负载均衡程度、接入网络的消耗以及网络接入的成本[5].获得合适的接入网络集合，构建相应的网络参数矩阵，明确网络属性相对权重向量，同时利用灰色关联分析算法锁定最优网络目标，这样便可以建立多属性的决策模型.

当移动用户所在的区域为异构无线网络交叉覆盖区域时，重点是先从所有的无线网络中挑选有价值的网络集合，也就是可接入的网络集合(available network set，ANS)[6].移动终端接口的控制模块中可以选定接入网络集合，同开普勒效应相似，在异构无线网络的覆盖范围内，当终端距离无线接入点(access point，AP)较远时，接收到相对较弱的信号.在这样的背景下，需要消耗很多的发射能量才可以满足终端多网络的连接，相对于连接单网络需要消耗更多的能量.为了解决终端能耗过度损耗的问题，可以对接入网络信号强度进行门阈值限定，以实现对网络的筛选.

将接收的网络信号门阈值用TRSS表示，接收所有高于门阈值的网络信号，且这些信号被终端模块归入到可接入网络集合中，该集合用GANS表示.当移动终端处在N个异构无线网络的状况时，可接入的网络集合为

GANS={i|Bi(t)≥TiRSS，i∈(1，N)}

(1)

式中，Bi(t)为接口控制模块检测信息.

假设M为满足门阈值的异构无线网络的数量，同时，M

(2)

式中：α为信息量的使用率；W为终端可以使用的网络宽带；D为高斯白噪声的功率(均方值为0，方差为5).则目标网络集合可接入信息量为

(3)

负载均衡程度表达式为

(4)

各个网络接入的总代价表示为

(5)

式中，NC为单个网络接入代价.

网络接入消耗表示为

(6)

(Xij)E×E

(7)

式中，E为网络参数的总数.

3 灰色关联分析算法

灰色关联分析算法(greyrelationalanalysis，GRA)[7]可以相对较好地完成离散序列间关联程度的分析.网络参数是通过接口模块对用户及网络信息模块周期性检测获得的，因此，其在时间上是呈离散状态且是连续变换的.将这些网络参数集合划分成不同等级[8]，并将等级最高的目标网络筛选出来作为最优接入网络目标，然后利用网络参数对其进行归一化处理.

灰色关联系数可以用局部灰色关联等级来计算，其表达式为

(8)

灰色关联等级计算表达式为

(9)

式中，w为各个网络参数相应的权重值，则最佳网络集定义为

(10)

本文算法总流程如下：

1) 接口模块主要用来搜集每个网络基站的接收信号强度，同时搜集可接入信道参数，对于搜集范围以外的信号将发送到信息处理模块，接口模块不对这些信息做任何处理.

2) 接口模块确定可接入网络集合后，将接收信号强度与存储用户进行比对，同时完成与其门阈值的比对.当RSS比门阈值高时，将接收入网络集合，同时对应的终端接口也将被启动，以预备网络连接.

3) 获得可接入网络集合后完成单/多网络接入状况分析，选定目标网络集合，其中每个元素分别表示不同网络连接的可能.

4) 将目标网络集合的各个网络参数搜集后，构建网络参数矩阵，同时在用户、网络信息模块中选获网络参数权重向量.

5) 利用灰色关联分析算法对以上信息进行处理，选定最优网络.

4 实验分析

本文多网络接入场景以及设定的参数分别如图2及表1所示.

图2 场景设定(单位：m)Fig.2 Scene settings (unit：m)

同单网络[9]及传统TOPSIS算法[10]相比较，本文算法接入数据量实验结果如图3所示.由图3可知，起初网络资源丰富，用户虽然不断增多，但各个用户都有同时接入多个无线网络的趋势，这样使得平均接入数据量也不断增加.但在网络信道数量有限的情况下，当网络用户继续增加时，用户选择多个无线网络同时接入的趋势也相应减小，用户对无线信道的竞争也逐步加剧，这就使得网络平均数据接入量到达峰顶后都出现下降，用户接入网络时堵塞情况越来越严重.当用户进网数量进一步增加时，网络便进入满负荷工作状态.而灰色关联分析算法则展现出更优越的网络接入数据量性能.

表1 参数设置Tab.1 Parameter settings

图3 接入吞吐量实验结果Fig.3 Experimental results of access throughput

同单网络及传统TOPSIS算法相比较，本文算法单位带宽平均接入代价对比结果如图4所示.

图4 单位带宽的平均接入代价结果Fig.4 Average access cost results of unit bandwidth

单位带宽接入代价可以用数据使用的价格来表示[11].根据图4可知，单位带宽的用户平均接入代价随着用户数量的逐渐增多而迅速扩大，随之达到平稳.多网络接入在用户数量相对很少的状况下是非常受欢迎的，接入代价也因此在很大程度上得到提高.然后，网络选择的规模随着用户数量的进一步增加而逐渐达到平稳状态，接入方式也逐渐稳定，因此，接入代价在达到一定用户数后将逐渐保持不变.同其他两种算法相比，本文算法在单位带宽平均接入代价方面拥有相对更加全面的优势.

同单网络及传统TOPSIS算法相比较，本文算法单位带宽的接入消耗量实验对比结果及网络负载实验对比结果分别如图5、6所示.

图5 单位带宽的接入功耗Fig.5 Access power consumption of unit bandwidth

图6 网络负载Fig.6 Network load

单位带宽的平均接入功耗随着用户数量的增多迅速增加后达到平稳，接入功耗在达到一定用户数后将逐渐保持不变；当入网用户不断增加时，网络负载也随之增加，这是因为网络用户增多，使得网络接入随之增加，这样便会有更加严峻的网路资源争夺，网络负载也越来越大.而相比其他两种算法，灰色关联分析算法在接入功耗与网络负载性能方面优势更为明显.

5 结 论

针对目前网络选择算法的不足，提出了基于灰色关联分析的多网络接入算法.通过判定接收信号强度，为处于异构无线网络覆盖区域的移动终端提供可接入的网络资源.充分兼顾单/多网络接入的状况，结合可接入网络集合，构建了多网络接入参数矩阵.对该算法进行实验仿真结果表明，与单网络及传统TOPSIS算法相比，本文提出的多网络同时连接算法可以明显提升网络性能，为用户提供满意的服务.