基于QoE 的室内VLC⁃RF 异构网络动态接入算法

翟 雷，倪 菊，覃琦超，吴 琪

（1.桂林电子科技大学 信息与通信学院，广西 桂林 541004；2.湖北大学 计算机与信息工程学院，湖北 武汉 430062）

0 引言

室内无线接入技术是移动互联网的重点，在未来的网络架构中融合多种优势互补的接入网络将是一个必然的趋势。可见光无线通信（VLC）系统集照明和通信于一体，具有传输速率高，安全保密性强，不占用频谱资源和部署快速、简单等特性，在家庭信息智能控制系统、办公通信网络系统、公共场所的信息查询和寻路系统都有良好的应用前景[1]。但由于VLC 采用视距传输方式，遮挡干扰会导致用户的移动终端（Mobile Terminal，MT）频繁地切换网络，从而增加移动管理开销，并且发射端的光路重叠会使光信号相互叠加，对接收端的正常通信造成干扰。而RF 在室内网络布局具有较好的移动稳定性，将二者结合构成VLC⁃RF 异构网络，不仅可以满足更高的传输速率，且当用户在室内移动时，判断并接入当前最佳网络，可以更好地发挥两个网络性能优势，使得用户体验质量（Quality of Experience，QoE）得到提升。

关于异构网络接入判决的研究，有基于简单加权、层次分析法、博弈论、马尔科夫决策[2]等非智能算法，以及基于模糊规则、强化学习和自适应算法等智能算法[3⁃5]。尽管传统基于基于层次分析（Analytic Hierarchy Process，AHP）的接入方案，能够解决代价函数中各元素间的权重问题，但很难避免人为主观判断对判决结果的影响[6]。因此近年来，越来越多的研究人员将多属性决策方法应用到异构网络中进行网络择优[7⁃10]。文献[7]提出了一种基于实用程序的模糊⁃AHP 的网络切换算法，该算法结合效用函数与加权和算法，在如视频直播会议等实时场景考虑了用户偏好、网络条件和能耗等问题。文献[8]提出了一种结合AHP 和两人合作博弈（CG）模型，该算法弥补了经典AHP 在比较不同候选人的标准值方面的不足，优化了执行决策的判决准则。文献[9]提出多属性判决和TOPSIS的网络垂直切换方法，该方法首先用AHP对决策进行建模，并使用两种改进的TOPSIS方法用于异构网络中的切换管理。文献[10]提出了一种结合博弈论的网络选择算法，该算法考虑到NOMA 混合VLC⁃RF 网络的特殊性，提出了一种新颖的效用函数，最后，提出了联合形成算法以及有效的功率分配策略。上述诸多结合多属性判决的网络接入方法在一些方面都具有自身的优势和特点，但并未考虑由于光照原因带来的室内不同区域的VLC 链路特性，不能有效整合用户的位置与当前的目标网络性能差异，以实时执行网络优化。本文提出一种以用户QoE 为优化目标的异构网络动态接入算法，该算法能显著减少网络切换次数。

1 系统模型

1.1 基于VLC⁃RF 室内异构无线接入网架构

室内环境下，VLC⁃RF 异构网络具有下行链路带宽远大于上行链路带宽、室内用户位置变化和建筑格局易造成VLC 信号质量下降或中断等特性。如图1 所示，本文的上行链路由Femto 基站的RF 信号提供稳定的传输，下行链路使用RF 与VLC 网络结合形成双链路信道，既能提供高速的下行传输速率，当下行可见光传输质量不佳或中断时，也能切换至RF 信号继续传输，提供无缝的通信体验以保证用户的QoE 最佳。

图1 室内多用户VLC⁃Femto 网络系统模型

1.2 室内布局方案

在家庭或中小型室内办公场景布局中，房间内部一般均匀分布LED 光源，此时采用VLC 可以获得较好的信号覆盖，但在用户移动至房间边缘等处，VLC 信号易受遮挡。本文考虑一种家庭多用户VLC⁃RF 异构网络架构。如图2 所示，该室内环境由VLC 信号和Femto 基站的RF 信号共同覆盖，MT 的接入判决和链路分配由服务器控制。4 个兼具照明和通信功能的VLC AP 在天花板上与路由器相连，每一个AP 都可以使用VLC 的全部带宽。房间里部署了一座Femto 基站，其RF 信号稳定覆盖整个房间，并且所有设备都与服务器相连接，室内用户携带着多模MT 在该房间中随机移动。为保证室内照明需求，VLC 采用有重叠区域的布置方案，在处于灯光重叠的中心区域用户，会受到周围光强的共信道干扰。

图2 室内VLC⁃RF 异构网络信道模型

2 基于QoE 的异构网络接入算法

2.1 视距区域下的接入检测算法

室内场景的视距区域包括一般光照区域和中心的光照重叠区域。MT 在VLC 覆盖区域通常接入VLC 网络，处于光强重叠区时VLC 信号不佳，使用基于多属性判决的层次分析AHP 加权和（Analytic Hierarchy Process Addictive Weighting，AHPAW）算法检测并接入当前最佳网络，其中使用指数标度法建立判决矩阵更符合人类思维判断，更适用于基于QoE的异构网络接入判决。

2.1.1 多属性参数的计算

本算法将以下6 个网络性能参数作为判决属性：传输速率、带宽、接收信号强度、误码率、丢包率、网络时延。

为了消除各个判决属性之间的量纲差异，需要对其进行标准化。带宽利用率、传输速率和接收信号强度皆属于递增参量，参照文献[11]，可以按照式（1）标准化处理：

式中：kij是候选网络i的第j个属性值；Sij表示标准化之后候选网络i的第j个属性值。

对于网络时延、丢包率和误码率则属于递减参量，可以按照式（2）标准化处理：

在原属性值经过标准化后，得出判决矩阵S，表示为：

2.1.2 建立权重比较判决矩阵

在构造权重比较判决矩阵时，各属性的权重之比尤为重要。由于指数标度下判决矩阵的一致性相较于1⁃9 标度下判决矩阵的一致性更符合人们的思维判断[12]，更适用于基于QoE 的异构网络接入判决，因此本文采用指数标度法建立权重比较判决矩阵。首先将各属性互相比较的重要程度分为同样重要、稍微重要、明显重要、强烈重要、极端重要等，并分别以感觉判断等级cij表示，cij=0,1,2,…，且i,j=1,2,…,n。由韦伯⁃费希纳定律可知，当主观感觉呈算数级数增长时，客观差别呈几何级数增长[13]，则可设相邻两级客观重要性比率为a(a>1)，于是ci与cj的客观重要性比率为：

式中：wi，wj分别为ci，cj的客观重要性程度；并称为ci对cj的客观差别判决，因此建立比较判决矩阵A=，其中，i,j=1,2,…,n,，a值视 相 邻 两 级间差别大小，取适当大于1 的数，可使各级的区别有一定的精度，更符合人的判决思维，cij允许取任意实数。

2.1.3 计算权重向量

权重向量可以通过特征值法求得。确定a值后即可计算比较判决矩阵A的最大特征值λmax及其对应的特征向量x，即Ax=λmax⋅x，将x归一化后就可以得到权重向量。

2.1.4 AHP 与加权和算法相结合

利用AHP 方法得到权值后，将各个候选网络的每个属性标准化后的值，与其对应的权重的乘积进行累加，计算出每个候选网络的总评分值Ei：

式中：xj是第j个属性所对应的权重；sij是标准化后第i个网络的第j个属性的值。通过Ei择优选出分值最高的网络，该网络即为当前最优网络。

2.2 非视距区域下的接入检测算法

由于MT 移动至房间边缘等处或人为干扰，VLC信号易受遮挡导致链路中断，此时判定MT 进入非视距区域。令MT 暂时接入RF 网络，使用匈牙利算法（Hungarian Algorithm，HA）检测各个MT 接收到的VLC光照强度，并合理分配至各个网络。算法具体实现如下：

1）通过MT 接收到的光照强度值，与接收到的RF信号强度值单位化消除量纲差异[14]，生成新的信号强度系数矩阵Ψ M×N。

2）若M=N，则直接进入步骤3）；若M>N且M为N的整数倍，则将矩阵分解为若干个N阶方阵和1 个(M-N)×N矩阵，若干个N阶方阵直接进入步骤3），(M-N)×N矩阵添加0 元素使其变为N阶方阵。

3）找出系数矩阵每一行元素中的最小值，然后该行的每个元素都减去该最小值。

4）找出系数矩阵中每一列的最小值，并让其所在列的所有元素减去这一列的最小值。

5）做直线覆盖所有的0 元素，且以直线最小的方案为最终方案。

6）最优方案判断：当直线数目为N时，执行步骤9）；否则，执行步骤7）。

7）找出划线外元素的最小值。

8）没有划直线的行的所有元素减去该最小值；划直线的列的所有元素加上该最小值，返回步骤5）。

9）此时系数矩阵的每行与每列至少有一个零值，标记零值并与原系数矩阵的元素一一对应，则得出最佳分配，未接入VLC 网络的MT 返回步骤1）。

2.3 VLC 与RF 异构网络接入判决流程

本算法将用户所持有的MT 所在区域分为非视距区域与视距区域。当MT 移出VLC 网络或VLC 链路被遮挡时，则判定该MT 处于非视距区域，接入到RF 链路，使用HA 检测以及重新分配最佳网络给MT；当MT 处于VLC 网络或光照重叠区域时，判定该MT 处于视距区域，接入到VLC 链路，使用基于多属性判决的层次分析加权和算法判决VLC 和RF 的状况，并接入最佳网络。具体流程图如图3 所示。

图3 VLC⁃RF 异构网络动态接入算法流程图

3 仿真分析

本文采用的布局中，单个房间VLC 光源采用5 m×5 m×3 m 的室内模型，室内光源布局采用4 组LED，每组LED含有50个LED，每个LED之间的间距为0.01 m，LED阵列组安装在距离接收平面2.15 m 的天花板上，接收平面距室内地面0.85 m。取LED 的半功率角为70°，在距地面0.85 m 处的接收平面上，设定室内平面光强大于1 300 lx 的区域为视距区域，其余为非视距区域。直射链路光照度分布如图4 所示。

由图4 可知，在距地面0.85 m 的接收平面上，其光照度处于900～1 400 lx 的国际标准范围内，能够满足室内充足照明的要求。

图4 室内接收光强分布

在室内场景中，由于MT 具有移动性，且室内场景中不同区域的VLC 和RF 网络各属性不同，导致MT 在室内不同区域接收到的各网络属性参数都不同，因此参考文献[8⁃14]，为方便计算将各个参数取平均，系统仿真的平均参数设定如表1 所示。

表1 系统仿真平均参数设置

在传统的层次分析加权和算法中，判决矩阵的建立运用1⁃9 标度法，本文算法的判决矩阵运用指数标度法，表2 为仿真参数的设置。

表2 指数标度法与1⁃9 标度法参数设置

表3，表4 为两种标度的各决策参数的相对重要性程度。

表3 1⁃9 标度各决策参数的相对重要性程度

表4 指数标度各决策参数的相对重要性程度

假定MT 在5 m×5 m 的室内环境中从随机位置出发，每次移动距离为0.125 m，按照随机方向分别移动100～1 000 次，并且相同移动次数的位移路径相同。令MT 分别使用AHPAW 算法[15]、HA 算法以及本文的AHPAW⁃HA 算法进行仿真。

图5 反映的是移动次数和网络接入次数的关系。当MT 移动多次后，本文算法的网络接入次数均少于其他两种算法，并且随着移动次数的增多，室内角落、光线重叠等判决过程复杂的区域也增多，各算法的网络接入次数差距越来越大。由此看出，本文算法能够显著减小整体的网络切换次数，有效降低MT 的“乒乓效应”，使用户QoE 得到提升。

图5 三种算法的网络接入次数比较

图6 为在使用AHPAW 算法中，权重比较判决矩阵使用指数标度法和使用1⁃9 标度法的对比。从图6 中可以看出，指数标度法的a值取在略大于1 的情况下更符合人们主观思维判断[12]，并且取不同数值的情况下其网络判决正确率相较于1⁃9 标度法，其网络切换率提高了35%～50%。

图6 使用指数标度法和使用1⁃9 标度法的比较

不同移动次数与MT 接入到的当前网络性能的关系如图7～图9 所示。传输速率、接收信号强度和网络时延是用户较为敏感的网络属性，通过对比可以发现，同等移动次数下，本文算法相较其他算法表现的网络性能更为突出，能为用户提供更高的网络传输速率、更大的接收信号强度和更低的网络时延，更符合面向QoE 的优化目标。

图7 平均传输速率比较

图8 平均接收信号强度比较

图9 平均时延比较

4 结语

本文针对室内VLC⁃RF 异构网络架构中的网络动态接入问题进行研究，建立室内异构网络信道模型，根据VLC 链路特点将室内分为视距区域和非视距区域。在视距区域使用AHPAW 算法计算出当前最佳接入网络，并使用指数标度法建立比较判决矩阵，更符合人思维判断，更适用于基于QoE 的异构网络接入判决。在非视距区域使用改进适应HA 算法的分配方式，使其更适用于VLC 室内场景的用户动态接入情况。通过与其他方案仿真对比，证明本文的方案能够显著减小整体的网络切换次数，同时具备更好的网络性能，使用户QoE 得到提升。