一种新的异构无线接入网垂直切换方法＊

凌毓涛，易本顺，吴建斌，瞿少成

（1.武汉大学电子信息学院，湖北武汉 430072； 2.华中师范大学信息技术系，湖北武汉 430079）

为适应用户随时随地接入网络获取服务的需求，各种无线接入网络，如UMTS，WLAN和WiMAX等正不断融合和发展，它们一起构成了泛在、异构的网络环境.但这些网络在覆盖范围、带宽和资费等方面存在差异，其适用的场景各有侧重，如：WLAN适合在商场、机场等覆盖范围较小的“热点”区域提供较高的传输速率，而UMTS则在较大的覆盖范围内提供较低的传输速率.为保证移动终端获得良好的服务质量，应采用合理的决策方法，实现异构无线接入网络间透明、无缝的垂直切换.

鉴于此，本文提出了一种新的垂直切换决策算法.该算法使用RSS及其累积量作为切换触发条件，避免了频繁的触发切换；并且利用基于模糊理论的量化决策方法，综合考虑了网络端和用户端的相关因素进行网络选择，在提高切换准确度、避免不必要的切换和减少信令开销的同时，降低了算法的复杂度，同时满足了网络和用户的需求.

1 系统模型

在异构无线网络中，由于用户的移动，终端会从一个网络移动到另一个网络，为保持会话的连续性，需要采用切换技术.如果这两个网络的类型不同，那么移动终端将进行垂直切换；反之，则进行水平切换，本文重点讨论的是垂直切换.对于处于网络重叠覆盖区域内的终端，将有多个接入网可供选择.由于在实际场景中，UMTS和WLAN所构成的异构无线网络具有代表性，为了便于进行定量仿真分析，不失一般性，假定异构无线网络系统包括一个UMTS和若干WLAN接入网络，UMTS覆盖整个区域范围，而WLAN则处于UMTS的覆盖范围内，其模型如图1所示，该模型可以很容易地扩展到具有更多种无线接入网络的场景.

图1 异构无线网络系统模型Fig.1 Heterogeneous wireless networks system model

计算移动终端在不同类型网络中的RSS所用到的信道传播模型不同.在UMTS中，如果终端和基站之间的距离为d，则RSSUMTS（d）［8］为：

式中：Pt是发射功率；PL（d）是在传输距离为d处的路径损耗；Xσ表示阴影效应，它是一个均值为零、标准差为σ的高斯随机变量，而σ根据环境取值为6～12dB.

式中：S是由传输环境决定的路径损耗常数，单位为dBm；n是路径损耗指数，表示路径损耗随距离增长的速率，取值范围为2～4.

在WLAN中，计算RSS的传播模型［8］为：

式中：γ表示传输的环境因子.

2 算法描述

2.1 基于终端控制的切换

在2G和3G无线网络中，采用的是移动终端辅助网络控制的切换方式，通过移动终端向网络发送测量报告，然后由网络根据这些测量结果来做出切换决策.这种方式更多地考虑网络资源的利用率和系统负载均衡等方面的问题，而对用户端方面考虑较少.然而在异构环境中，为了给用户选择最优的网络，除了考虑网络的状态，还需要考虑应用的需求、移动终端的状态以及用户偏好等方面的因素，特别是当用户数量很大时，这些信息通过信令发送到网络会大大增加系统的信令开销和时延.鉴于移动终端的计算能力越来越强大，可以将网络设备的管理开销分布到各个终端，而且终端也更容易获取电池电量、用户偏好和相邻接入网状态等方面的信息.因此，本文采用由终端控制的切换方式.

基于终端控制的切换主要由3个功能模块组成：网络接口管理模块、用户数据库模块和切换管理模块，如图2所示.

图2 终端控制的切换框架Fig.2 Terminal－controlled handoff framework

网络接口管理模块：该模块的主要功能是实现对网络接口的有效管理，如：监测接口的状态、收集接口的测量信息等.

用户数据库模块：该模块提供图形用户接口让用户可以对网络选择中需要考虑的指标进行设置，同时对切换失败或QoS较差的接入网进行记录，降低其被选择的优先等级.

切换管理模块：垂直切换过程可分为3个阶段，接入网发现、切换决策和切换执行.因此，切换管理模块包括以下3个子模块：

1）接入网发现子模块：根据收集到的信息及时发现附近的可用接入网.

2）切换决策子模块：包括2部分，首先决定是否需要发起切换，以及确定切换的候选网络；其次，根据切换准则从可用网络中选择最优网络作为切换目标网络，即接入网选择.

3）切换执行子模块：通过某些垂直切换支持协议完成切换的实施过程，将正在进行的通信会话从切换前网络中的接入点转移至目标网络中的新接入点.

2.2 切换触发机制

为了避免由于乒乓效应所导致的频繁切换，本算法引入了切换计时器，以RSSWLAN及其累积量作为切换触发的判决条件，分为以下2种情况：

1）若移动终端处于UMTS状态，其切换过程的算法描述见表1.经过扫描，如果移动终端接收到的WLANi的信号强度RSSi高于其阈值Rth，将会触发切换计时器开始计时；然后，需要判断在一个计时周期T内，高于Rth的接收信号强度（RSS′i）之和是否大于能量阈值Rs（Rs＝Rth·L／2，L为一个计时周期内的采样次数）.若∑RSS′i＞Rs，则将WLANi加入到垂直切换候选列表.依次对所有检测到的WLAN进行如上处理.

表1 移动终端处于UMTS状态时的切换算法描述Tab.1 Algorithm description of handoff from UMTS

2）若移动终端处于WLAN状态，其切换过程的算法描述见表2.若当前WLAN的接收信号强度RSSc＜Rth，则触发计时一个周期；若在该周期内，高于阈值Rth的信号强度之和小于Rs，则依次判断其他的WLAN是否满足能量阈值条件，若满足则加入到水平切换列表中.

在切换触发阶段之后，若判断需要进行切换，则还需要进行接入网选择，以确定切换目标网络.

表2 移动终端处于WLAN状态时的切换算法描述Tab.2 Algorithm description of handoff from WLAN

2.3 网络选择

模糊逻辑方法是介于传统人工智能的符号推理和传统控制理论的数值计算之间的方法，它能够适应无线网络的动态条件和垂直切换的复杂性.如文献［7］采用传统的基于模糊逻辑控制的方法包括模糊化、模糊推理和解模糊3个阶段.典型的模糊控制系统如图3所示，其中，建立模糊推理规则库是模糊推理环节的关键.规则库是一组语言控制规则，即一系列以IF－THEN形式表示的模糊条件判断语句.在网络选择问题中，假设只有2个候选网络，需要评价的准则有5个，而每个准则参量有3个隶属度函数，则最多可以建立310个推理规则；而且，随着候选网络、评价准则以及隶属度函数的数量增加，该规则库的规模还会呈指数级扩大.这会使计算复杂度大大增加，造成切换决策会产生较大的延时，实时性较差，甚至会导致切换失败.为了降低计算的复杂度，本文采用基于模糊逻辑的量化决策算法，该算法不需要建立逻辑推理规则库.

切换目标网络的选择实际上是一个多准则决策问题，选取不同的准则参量对于垂直切换的性能会产生很大的影响，因此，为了充分考虑网络端和用户端的情况，本算法选取了5个参量：1）RSS，反映了通信链路质量，且蜂窝网和WLAN的RSS差异很大；2）系统的可用带宽（BA），反映了系统的业务负载情况，可用带宽不足是产生呼叫阻塞及掉话的主要原因；3）连接时延（Delay），是反映网络QoS的重要指标；4）移动终端的功耗（Power），在垂直切换的目标网络选择过程中，特别是当电池电量比较低时，用户会倾向于选择具有更低功耗的网络，而移动终端在蜂窝网中的功耗要小于在WLAN中的功耗；5）接入资费（Cost），是从用户的角度出发，反映了用户的偏好，对于不同的运营商和网络类型，其资费往往不同，用户更希望选择价格便宜的网络.本算法包括3个步骤：模糊化、量化评价和量化决策.

图3 模糊控制系统Fig.3 Fuzzy control system

2.3.1 模糊化

如图4所示的隶属函数有5个模糊集：非常低（VL），低（L），中等（M），高（H）和非常高（VH）.常数Cmin，C1，C2，C3，C4和Cmax，可以根据所考虑网络的各准则参量取不同的值.本算法中采用的准则参量的隶属度表示为：μc＝［μVL，μL，μM，μH，μVH］.以RSS为例，对于UMTS网络，在合理的范围内，先确定Cmin和Cmax的取值分别为－120dBm和－100 dBm，则相应的其他常数C1，C2，C3和C4可根据等间距的原则确定为－116dBm，－112dBm，－108 dBm和－104dBm.如果输入量RSS＝P，则该网络中模糊变量RSS的隶属度为［0，0，0.85，0.15，0］.

图4 隶属函数Fig.4 Membership function

2.3.2 量化评价

准则参量的量化系数反映了各模糊集的重要程度，表示为Qc＝［QVL，QL，QM，QH，QVH］.由于不同的准则参量所具有的网络选择特性不同，同时为了简化算法，可以根据经验选取各准则参量的固定量化系数.例如，RSS和可用带宽都是值越大，选择该网络的概率也就越大，因此可以取QRSS／BA＝［0，0.25，0.5，0.75，1］；而对于连接时延、功耗和资费，由于其具有的网络选择特性和前者相反，因此可以取QDelay／Power／Cost＝［1，0.75，0.5，0.25，0］.对于某一候选网络i，各准则参量的量化评价值Vi，c可以计算为：Vi，c＝.

2.3.3 量化决策

为了在网络利用率和用户的满意度之间进行平衡，每个准则参量的量化评价值需要赋权以反映其在网络选择中的重要性.为此，网络i的量化决策值可以定义为：

为实现准则参量权重的动态调整，对于每个参量权重可以计算为：W＝，此处f是量化评价值

ccVi，c的均值（mc）和方差（σc）的函数，它们可以估计为式中，N是候选网络的数量.根据均值和方差可以得到fc＝exp（－mc＋σc）.所有参量的量化评价值确定后，可计算F＝fRSS＋fBW＋fDelay＋fPower＋fCost.

最后，选择具有最大量化决策值的网络作为切换目标.

3 仿真分析

通过仿真实验，本文分析比较了所提出的算法、基于RSS的算法（RSS1算法）［9］以及基于RSS和迟滞的算法（RSS2算法）［2］的部分性能指标，主要是垂直切换次数和垂直切换掉话率.

网络仿真环境如图1所示，该异构无线网络由一个UMTS网络和3个WLAN组成.网络拓扑的覆盖范围设置为1 000m×1 000m，其中心坐标为（0，0）；UMTS基站的中心坐标为（0，0），可以覆盖整个区域；而每个WLAN具有相同的小区半径100 m，其AP的中心坐标分别为（－200，0），（200，0）和（340，60）.移动节点的数量为50个，采用随机游走的移动方式，其移动方向是随机的，速度为5～20 m／s.仿真中需要用到的其他参数见表3.

表3 仿真参数Tab.3 Simulation parameters

在仿真中考虑2种业务类型，即固定比特率和可变比特率的业务.对于前者，在UMTS和WLAN中的传输速率分别为100kbps和200kbps；而对于后者，在UMTS中的传输速率为10～384kbps，在WLAN中的传输速率为10kbps～1.5Mbps.假设它们都以泊松分布到达该异构网络，到达率为λ（calls／s），所占比例分别为30%和70%，业务的平均保持时间服从指数分布，其均值μ为150s.我们进行了10次独立的仿真，每次仿真时间为1 000s，最后对结果取平均值.

图5显示了在不同到达率的情况下各算法的垂直切换次数.本文提出的算法产生的垂直切换次数最少，而RSS1算法的结果最差.所有算法的垂直切换次数都会随着到达率的增加而增加，但本文方法的垂直切换次数随到达率的增加而平缓地增加，而其他两种方法是显著增加.在图6中，由于所提出的算法是根据模糊量化决策方法来确定最优的网络，这样可以避免切换到RSS很强但是没有足够带宽用于切换连接的网络.其结果是，本文算法的垂直切换掉话率要小于RSS1和RSS2算法的掉话率.

图5 不同到达率下的垂直切换次数Fig.5 The number of vertical handoff under various arrival rates

图6 不同到达率下的垂直切换掉话率Fig.6 The dropping probabilities of vertical handoff under various arrival rates

图7 不同移动速度下的垂直切换次数Fig.7 The number of vertical handoff under various movement velocities

图8 不同移动速度下的垂直切换掉话率Fig.8 The dropping probabilities of vertical handoff under various movement velocities

为研究不同的垂直切换算法受移动性影响时的性能，本文对不同移动速度下的性能指标进行评价.如图7所示，提出的算法在不同速度下都获得了最少的垂直切换次数，而RSS1算法的垂直切换次数最多.此外，所有算法的垂直切换次数都随着移动速度的增加而增加.图8中，可以看出本算法的垂直切换掉话率很低，而RSS1和RSS2算法的掉话率随移动速度的提高而上升.其原因是这2种算法中，移动节点都利用RSS作为切换决策依据，它们会选择RSS最强的网络作为目标网络.结果是具有最强RSS的网络很快会耗尽其可用带宽，从而导致掉话率较高.

4 结 论

为了提高垂直切换的准确度，本文综合考虑了网络端和用户端的多个重要因素，提出了一种新的垂直切换算法.该算法一方面通过引入RSS累积量，改进了基于RSS的切换触发机制，避免频繁地触发切换，减少了不必要的切换次数；另一方面，由于模糊逻辑能够适应无线网络状态的变化，同时考虑到垂直切换算法的复杂性，通过引入基于模糊逻辑的量化决策方法，有效地从可用的候选网络中选择最优的网络，并且降低了计算的复杂度.仿真结果表明，该算法对于减少不必要的垂直切换次数和降低垂直切换掉话率等性能方面有较大改善.

［1］ STEMM M，KATZ R H.Vertical handoffs in wireless overlay networks［J］.Mobile Networking and Applications－Special Issue on Mobile Networking in the Internet，1998，3（4）：335－350.

［2］ MARICHAMY P，CHAKRABARTI S，MASKARA S L.Performance evaluation of handoff detection schemes［C］／／Conference on Convergent Technologies for Asia－Pacific Region.Washington，DC：IEEE，2003：643－646.

［3］ WANG H，KATZ R，GIESE J.Policy－enabled handoffs across heterogeneous wireless networks［C］／／Proceedings of the 2nd IEEE Workshop on Mobile Computing Systems and Applications.Washington，DC：IEEE，1999：51－60.

［4］ SONG Q Y，JAMALIPOUR A.A quality of service negotiation－based vertical handoff decision scheme in heterogeneous wireless systems［J］.European Journal of Operational Research，2008，191：1059－1074.

［5］ LEE W J，KIM E K，KIM J H，et al.Movement－aware vertical handoff of WLAN and mobile WiMAX for seamless ubiquitous access［J］.IEEE Transactions on Consumer Electronics，2009，53：1268－1275.

［6］ 梁立涛，纪阳，张平.基于模糊层次分析法的异构系统网络选择算法［J］.北京邮电大学学报，2007，30（2）：71－75.LIANG Li－tao，JI Yang，ZHANG Ping.Network selection algorithm based on fuzzy analytic hierarchy process in heterogeneous systems［J］.Journal of Beijing University of Posts and Telecommunications，2007，30（2）：71－75.（In Chinese）

［7］ STOYANOVA M，MAHONEN P.Algorithmic approaches for vertical handoff in heterogeneous wireless environment［C］／／Wireless Communications and Networking Conference.Washington，DC：IEEE，2007：3780－3785.

［8］ BING Hong－yang，HE Chen，JIANG Ling－ge.Performance analysisof vertical handover in a UMTS－WLAN integrated network［C］／／Personal，Indoor and Mobile Radio Communications.Washington，DC：IEEE，2003：187－191.

［9］ ZHANG Ning，HOLTZMAN J M.Analysis of handoff algorithms using both absolute and relative threshold［J］.IEEE Transactions on Vehicular Technology，1996，45（1）：174－179.