基于最优加权多属性决策的LWA网络接入点选择算法

申 滨，徐 浪，周晓勇，闫 伟

(重庆邮电大学通信与信息工程学院 重庆 南岸区 400065)

近年来，移动数据业务量伴随着物联网等产业的快速发展呈现出爆炸式增长，业界提出了诸如大规模MIMO、毫米波通信、密集异构蜂窝网络等新技术，力求提升网络系统容量和数据传输速率[1-3]。目前，LTE 网络负载剧增，IEEE 802.11 无线局域网(WLAN)成为补充LTE 网络的有效解决方案。LWA 网络通过利用WLAN 网络中大量部署的AP来传输LTE 网络的部分数据，以达到减轻eNB 负载的目的[4]。LWA 被认为是提高系统容量与用户体验移动数据速率有效的技术之一[5-6]。

LWA 网络在带来技术优势的同时，也迎来了一系列的问题与挑战[7]。当LWA 网络中需要服务的UE 较多时，这些UE 并不一定都能获得由eNB 提供的可靠的服务质量(quality of service, QoS)。此时，若UE 仍然保持蜂窝连接通信，则会给eNB造成严重负担，使得UE 可能分配不到足够的资源，造成通信质量下降。为此，LWA 网络接入点选择技术可以选择性能更佳的潜在接入点进行业务连接，从而有效地减轻eNB 的负载，为UE 提供理想的QoS[8-9]。

针对网络接入点选择技术，文献[10]提出一种将LTE 与WLAN 网络的系统吞吐量归一化的方法，该方法根据带宽比值建立了KKT(Karush Kuhn Tucker)条件，UE 可根据KKT 值对LTE 与WiFi技术做出排他性选择。用户体验质量(quality of experience, QoE)从微观方面能较好地体现异构网络的系统性能。为了让UE 获得较好的QoE，文献[11]提出一种异构网络下基于QoE 的接入点选择算法，该算法利用层次分析法(analytic hierarchy process, AHP)计算出事先收集的用户偏好属性的主观权重，将归一化的属性向量与权重向量结合，经过加权迭代计算出UE 对异构网络中所有接入点的满意度，并与满意度最高的接入点连接。然而该算法只将与用户QoE 有关的性能指标纳入了考量范围，没有考虑系统吞吐量。文献[12]提出了一种同时兼顾用户QoE 与系统吞吐量的接入点选择算法。该算法构建了用来衡量各个接入点性能的奖励函数，奖励函数值越大代表选择对应接入点所带来的系统性能越好。虽然此方法带来了系统性能的提升，满足了用户一定程度的需求，却没有考虑小区边缘用户的吞吐量及QoE。文献[13]提出了一种考虑小区边缘用户的基于聚合小区的接入点选择算法。该算法应用层次分析法进行多属性决策的建模，综合考量接入点的用户偏好值与信号质量，最后选择性能最佳的网络接入点进行连接。该方案虽然能够提高包含边缘用户在内的整个系统的吞吐量以及用户的QoE，但可能面临大量用户接入相同的接入点，增加eNB 负载的问题。

综上所述，本文提出一种基于最优加权多属性决策(OWMAD)的LWA 网络接入点选择算法，以期解决网络接入点选择技术目前面临的一些问题。设计了针对决策属性的最优权重的计算方法，通过计算接入点的所有归一化属性的总加权值，UE 选择加权值最小即性能最优的接入点进行连接。由于LWA 网络的每个接入点的容量各不相同、参考信号接收功率(reference signal received power, RSRP)的强度大小不一、时延不稳定且有长有短，这些因素会使接入点性能产生差异，进而影响到LWA 网络的系统吞吐量以及用户的QoS。因此，为了达到系统吞吐量与用户QoS 的综合提升，本文所提方案选取容量、RSRP、时延3 个性能指标构成决策方案的属性集。首先，每个接入点对应属性集的属性值信息由网络端事先从eNB 和AP 收集并保存下来，并生成包含所有待选接入点及其属性值的决策矩阵；其次，对接入点选择方案的决策矩阵进行规范化处理，设计并求解针对决策属性的最优权重；最后，获取每个eNB 和AP 属性加权后的总加权值，并选择出拥有最小加权值的eNB 和AP，同时使UE 与这两个网络接入点执行连接策略。仿真结果表明，本文所提的LWA 网络接入点选择算法不仅能对传统LTE 网络的eNB 负载进行有效分流，并且能显著提升包含边缘UE 吞吐量在内的整个网络的系统吞吐量，同时不会增大系统的平均时延，将其维持在一个较低的水平。

1 系统模型

1.1 网络模型

图1 为LWA 网络的场景示意图。图中外围实线所围区域代表网络中eNB 的覆盖范围，虚线所围区域代表AP 能够覆盖的范围。正如图中eNB与AP 之间的连接线所示，LWA 网络场景下的eNB、AP、UE 之间的连接模式为特有的双连接相互连接模式，即一个eNB 能够连接多个AP，一个AP 也能够连接多个eNB，UE 可以选择与某一个eNB 或者AP 单独连接，也可以选择同时与eNB、AP 保持连接。eNB 和AP 连接采用被3GPP 定义为Xw 的只适用于此两者相连的接口。

图1 网络场景图

根据3GPP 和WLAN 的无线互操作标准，在LWA 网络下eNB 和AP 的部署与管理需要由相同的服务提供商(service provider, SP)提供，而蜂窝网络与WLAN 网络也要采用对应的LTE 标准和IEEE 802.11n 标准。由于LTE 网络与WLAN 网络工作的载波频率相差较大，且两者采用的协议技术存在不同，因此本文忽略异构网络干扰问题，主要考虑LTE 小区之间的同频干扰。

针对LWA 网络下UE 与eNB、AP 之间双连接模式的特点，本文具体设计选择eNB 与AP 两种连接模式下的接入点选择方案。假设eNB 总数为

为了更好地表示LWA 网络中UE、eNB 和AP 的 相 连 关 系， ci,j,k表 示 UEk同 时 与 bi和 ej连 接 所获得的吞吐量，Csum表示系统内所有UE 的吞吐量总和。建立优化目标如下：

由于使用不同网络的无线接入技术，由此可对优化目标分解为：

式中， ci,k表 示 UEk与LWA 网络中的 bi连接所获吞吐量； cj,k表示 UEk与WLAN 网络中的 ej连接所获吞吐量。

UEk与 bi连接所获吞吐量为：

式中， BL代 表 UEk占用的LTE 网络信道带宽；Υbi,k为 U Ek选择LTE 网络的SINR 值：

式中， Pbi表示LTE 网络中 bi的 发射功率；Gbi,k表示bi与 UEk之间的信道增益，此信道增益包含阴影衰落与路径损耗； N0表示噪声功率谱密度。

WLAN 网络下，UE 使用IEEE 802.11 协议规定的竞争方式传输数据，导致彼此间易发生碰撞，因此采用分布式点协调功能机制来应对。 UEk与ej连接所耗的平均传输时长为[13-14]：

式中， Ts、 Tc、 Te、 Tδ分别表示传输成功、发生碰撞、传输错位和空闲时隙的平均时长； Prtr表示站点正在传输的概率； Prs表示站点传输成功的概率：

式中， τ表示一个站点发生一次的概率。

UEk在WLAN 网络下获取的吞吐量表示为：

1.2 问题公式化

对于LWA 网络下接入点选择的多属性决策方案必须考虑几个方面：1) 具体应由LTE 还是WLAN网络来做出中心化选择决策是未知的；2) 根据方案特点需要在LTE 网络的eNB 一侧设置网络端即网络中心选择器；3) 网络端与接入点信息交互产生的额外时延不能忽略。

为了达到系统吞吐量与用户QoS 的综合提升，本文选取了容量、RSRP、时延作为决策属性，设计了一种基于最优加权多属性决策(OWMAD)的LWA 网络接入点选择算法，并设计了关于系统吞吐量的总体效用函数，表示如下：

式中， Ci,j,k表示LWA 网络中 UEk与 bi和 ej相连接所获得的总吞吐量； U(·)表示与总吞吐量相关的效用函数。

式中， ci,k表示 UEk与 bi连 接获取的吞吐量； cj,k表示UEk与 ej连 接获取的吞吐量； Wi,k表示LWA 网络下UEk与 bi连 接 对 应 的 增 益 系 数； Wi,k表 示 UEk与 ej连接对应的增益系数。

2 基于OWMAD 接入点选择算法

2.1 多属性决策及属性集

多属性决策是现代决策科学的一个重要组成部分，其实质是通过一定方式，利用获取的决策信息对有限的待选方案进行排序或择优。每个决策问题主要包含5 个重要因素：决策方案、决策者、决策属性的属性值、属性权重、决策矩阵。决策属性的选取与方案最终目的有直接关系，对于LWA 网络下的接入点选择方案来说，接入点性能是影响属性集的直接因素。因此，为了达到系统吞吐量与用户QoS 的综合提升，本文所提方案选取容量、RSRP、时延此3 个决策属性构建接入点选择方案的属性集。

2.2 决策矩阵及其规范化

LWA 网络包含LTE 网络与WLAN 网络，两种网络下的接入点选择带来的综合性能存在差异，因此，本方案分别针对不同的网络接入点构造决策矩阵。假设LTE 网络下eNB 的属性集包含 ML个属性，WLAN 网络下AP 的属性集包含 MW个属性。所有eNB 及其属性值对应的决策矩阵表示为ANL×ML，所有AP 及其属性值对应的决策矩阵表示为ANW×MW。有：

式中，针对LTE 网络的规范化决策矩阵 RNL×ML中的元素 ril为 bi的 属性l得到规范化处理后的值；针对WLAN 网络的规范化决策矩阵 RNW×MW中的元素rjp为 ej的属性 p得到规范化处理后的值。

2.3 最优权重确定

式中， ωl表 示eNB 的第 l个 属性的权重； ωp表示

2.4 最优方案

为了有效选出性能最佳的接入点，定义UEk可选择的各个接入点的最优方案加权性能值，如下式：

2.5 基于OWMAD 网络接入点选择算法

图2 网络接入点选择时序图

3 仿真验证与分析

3.1 仿真参数设置

表1 仿真参数设置

3.2 对比方案设置

本文设置3 种方案进行仿真对比分析。方案一：无LWA 机制，网络中仅有LTE 网络eNB 可接入的方案；方案二：有LWA 机制，UE 随机选择eNB 和AP 进行连接的接入方案；方案三：有LWA 机制，UE 采用本文所提基于OWMAD 的网络接入点选择算法选择eNB 和AP 进行连接的方案。

3.3 仿真结果分析

图3 为宏小区总吞吐量与UE 数目的关系图。在不同UE 数目的情况下，方案二与方案三的系统总吞吐量均高于方案一。其原因在于LWA 机制引入了WLAN 网络从而增加了系统吞吐量。此外，随着UE 数目的增大，网络中需要传输的数据增多，3 个方案的系统吞吐量呈总体上升趋势，且方案三的系统吞吐量的增量明显优于其他两个方案，这表明所提的OWMAD 网络接入点选择算法能有效提升系统吞吐量。

图3 总吞吐量与UE 数目的关系

图4 为单个UE 的吞吐量概率累积分布图。由图可见，在任意宏小区内，不同UE 数目情况下，方案三的单个UE 总吞吐量均高于另外两个方案。此外，当概率分布为0.7～0.76 时，方案二中单个UE 的吞吐量优于方案一，方案三中单个UE 的吞吐量优于方案二，表明所提OWMAD 网络接入点选择算法能有效提升单个UE 的吞吐量。

图4 单个UE 的吞吐量概率累积分布

图5 为宏小区内单个UE 平均传输时延与UE数目关系图。由图可见，不同UE 数目的情况下，方案二与方案三的平均传输时延均低于方案一。其原因在于LWA 网络的下行传输中，一部分资源可以由AP 传输到UE，且eNB 和AP 能够同时将数据传输到UE。此外，方案三中UE 的平均传输时延低于方案二，这表明所提OWMAD 网络接入点选择算法能有效减少宏小区内UE 的平均传输时延。

图5 平均传输时延与UE 数目的关系

图6 为单个UE 的时延概率分布图。由图可见，任意宏小区内，不同UE 数目的情况下，方案三单个UE 的时延值均低于另外两个方案。当概率分布为0.5～0.55 时，方案二中单个UE 的时延值较方案一减少明显，方案三中单个UE 的时延值较方案二减少明显，这表明所提OWMAD 网络接入点选择算法能有效降低单个UE 的时延。在概率分布在0.7～0.85 时，方案二与方案三的对应曲线发生了钝化现象，其原因在于，当UE 数目较多时，对于LWA 网络下的个别部分区域的UE 来说，由于其所处部分区域内不存在更合适的可供选择的AP 和eNB 接入点，其只能选择LWA 网络整体覆盖范围内距其更远的接入点进行接入。此钝化现象亦能反映出LWA 技术能够对eNB 的负载进行分流，有降低时延的技术优势。

图7 为边缘用户的总吞吐量与UE 数目(宏小区UE 数目)的关系图。由图可见，不同UE 数目的情况下，方案三与方案二的边缘UE 总吞吐量均高于方案一。其根本原因在于，在LTE 覆盖网络的小区边缘，若附近存在WLAN 网络，WLAN 网络信号强度要明显优于LTE 网络，而LWA 网络下对WLAN 网络机制的引入使得边缘地区的UE 可以选择更利于数据传输的WLAN 网络接入点而不是相对更远的eNB，从而大大提升边缘地区UE 的吞吐量，并且不会牺牲非边缘用户的性能。此外，随着UE 数目及边缘地区UE 数目的增加，边缘地区UE 的吞吐量也随之增加。在UE 数目较大的情况下，方案三的边缘地区UE 吞吐量的增量明显优于方案一与方案二，这表明所提OWMAD 网络接入点选择算法能有效提升边缘地区的UE 吞吐量。

图6 单个UE 的时延概率累积分布

图7 边缘总吞吐量与宏小区内UE 数目的关系

4 结 束 语

在LTE 网络与WLAN 网络相融合的LWA 网络下，本文提出的基于OWMAD 的LWA 网络接入点选择方法选取了容量、RSRP、时延3 个决策属性构建了接入点选择方案的属性集，针对eNB与AP 设计了具体的接入点选择方案。本文所提算法达到了系统吞吐量特别是边缘地区UE 吞吐量与用户QoS 的综合提升。相比于传统的LTE 网络接入点选择方案以及LWA 网络中随机选择接入点进行连接的方案，本文所提方案能够提高LWA 网络的频谱利用率，减轻eNB 的负载，保证UE 的QoS需求。仿真结果验证了本文方案的有效性。