一种适用于5G融合网络的接入选择算法

郑文三，张治中，贺　姿

(重庆邮电大学 通信网测试工程研究中心 重庆 400065)



一种适用于5G融合网络的接入选择算法

郑文三，张治中，贺姿

(重庆邮电大学 通信网测试工程研究中心 重庆 400065)

提出一种适用于5G融合网络的接入选择算法:灰色层次分析法(grey analytic hierarchy process, GAHP)。该算法基于层次分析法的思想，结合网络性能和用户体验类指标选出QoS参数，对其进行分类处理；运用模糊理论将用户偏好转化为定量参数，结合灰色关联法对QoS参数进行筛选，并对候选网络进行排序选择。仿真表明，GAHP在负载均衡方面优于传统算法，可以更加快速准确地选择最优网络，提高用户满意度。

5G融合网络； 层次分析法； 灰色关联； 负载均衡； 用户体验

0　引　言

5G是面向2020年以后移动通信需求而发展的新一代移动通信系统，根据移动通信的发展规律，5G将具有超高的频谱利用率和能效，在传输速率和资源利用率等方面较4G移动通信提高一个量级或更高，其无线覆盖性能、传输时延、系统安全和用户体验也将得到显著提高[1]。现有的和其他还在发展的移动通信网络也各有优势，例如无线保真(wireless fidelity，WiFi)的优势在于组网灵活、传输速率高、易于维护和成本低等。5G与这些网络的融合可以结合它们各自的优势，有效地实现蜂窝网分流并且大幅提高用户体验质量，这将成为未来移动通信发展的必然趋势[2]。为了最大化用户体验质量，如何在5G的融合网络中选择符合用户偏好和网络特征的最优网络是学术界和产业界的研究热点。

针对该问题，目前已有多种解决方案。文献[3]运用马尔科夫链算法的思想来进行异构网络的网络选择，虽然得到了理想的结果，但是它的空间维度和计算复杂度会随着用户数量的变化而显著增加，不利于工程实现；文献[4]提出了一种基于用户体验的异构网络接入选择算法，结合网络状态和用户偏好，实现了对用户体验质量的最大化，但是其用户偏好因素是主观且不变的，无法与用户进行交互;文献[5]提出了一种基于模糊逻辑的WLAN/3G异构网络接入选择算法，通过考虑用户的移动速度和移动方向等多个动态因素来进行网络选择，但是因为没有考虑到各个网络的资源分配问题，容易导致整个网络负载不均衡；文献[6-9]也提到了很多方法，但是这些方法在进行网络选择时都具有一定局限性，只能在特定环境下才能发挥其性能。

基于此，本文提出一种适用于5G融合网络的选择算法，灰色层次分析法(grey analytic hierarchy process, GAHP)。该算法基于层次分析法思想，并且结合模糊理论和灰色关联度理论进行数据处理，不仅增强了用户体验，同时还解决了传统层次分析法因主观因素高和选择不准确的问题。

1　系统模型

未来移动通信系统，将是多种无线接入网络同时存在，互相补充的复杂异构网络[1]。在研究5G融合网络的时候，现有的无线局域网(wireless local area network，WLAN)标准802.11a和802.11b网络性能明显都低于未来预期的5G网络，所以，本文选择802.11ax作为WLAN的参考标准。802.11ax是802.11ac的后续升级版，工作在5G频段，它是5G融合网络的热门研究对象。

假定系统模型包括5G网络、长期演进(long term evolution，LTE)网络、全球微波互联接入(worldwide interoperability for microwave access，WIMAX)和无线局域网接入点WLAN(802.11ax)，其分布情况如图1所示。

2　灰色层次分析算法实现

2.1QoS参数的选择

根据我国IMT-2020(5G)推进组发布的《5G概念白皮书》，下一代移动通信网络是以用户体验为中心的[2]，所以，在5G的融合网络中用户会根据其偏好和网络性能选择接入最优网络，而影响其选择的因素有很多，比如网络带宽、传输功率、网络安全以及用户对网络价格的敏感程度等。

图1　系统结构模型Fig.1　System architecture model

根据以上分析，把影响网络选择的服务质量(quality of service，QoS)参数分为网络指标和用户体验2类。

在网络指标方面，本文参考文献[4]，选取网络时延、网络带宽、数据传输速率和丢包率作为其判定标准，这些指标可以衡量网络指标的优劣；在用户体验方面，由于很多指标是抽象模糊的，在计算之前需要把它们具体化，比如安全性、无缝性和用户习惯等。为了不失一般性，本文选择现实生活中用户比较关心的安全性和价格2个指标作为用户体验的判决因素[6]。综合考虑上述这些因素，选取网络时延、网络带宽、数据传输速率、丢包率、价格和安全性6个指标作为网络选择的QoS参数，即

2.2QoS参数的处理

定义1|QoS|+，代表越大越好型的QoS参数，即该QoS参数越大代表该网络性能越好，比如网络安全性，数据传输速率等；

定义2|QoS|-，代表越小越好型的QoS参数，即该QoS参数越小代表该网络性能越好，比如网络时延，丢包率等。

在传统的2G或者3G移动通信网络中，网络选择只需要考虑吞吐量、时延和数据传输速率等可以反映网络性能的参数。下一代移动通信网络是以用户体验为中心的网络，在进行网络选择时还需要考虑用户的喜好。但是用户体验类的参数大部分都是抽象的模糊指标，即只能通过程度量词(如：一般，好，很好等)来表示相关指标的优劣。所以，在算法开始之前，通过模糊理论把这些抽象数据进行具体化，清晰化。借鉴文献[10]思想，本文根据用户体验类参数的特征，首先确定模糊集中程度量词的隶属函数μ(x)，然后利用常用的去模糊法-重心法对抽象的数据进行具体化。其表达式为

(1)

对用户体验类参数进行去模糊化以后，需要对所有的QoS参数进行归一化。参数归一化是处理多目标决策问题必须的步骤，它可以将不同量纲的参数处理成具有可比性的无量纲数据。|QoS|+和|QoS|-的归一化和后期处理要分开进行，这样才能更加准确地选择最优网络。

假设所处网络环境中有m个网络，影响网络选择的QoS参数有n个。首先需要建立多目标参数矩阵为

(2)

(2)式中：aij代表第i个网络的第j个QoS参数的值。

对|QoS|+，归一化公式为

(3)

(3)式中：bij代表第i个网络的第j个QoS参数的归一化值；maxij为第i个网络的第j个QoS参数的最大值，对于|QoS|+来说，参数都会有一个最大的门限值，这个值为maxij；thresholdij为第i个网络的第j个QoS参数的门限值，各个QoS参数都必须有一个满足其最低性能的门限值，这个值为thresholdij。

对|QoS|-，归一化公式为

(4)

(4)式中：minij代表第i个网络中第j个QoS参数的最小值，与|QoS|+所不同的是，|QoS|-的最优状态由其最小的门限值来表示。归一化之后即可得到标准化的QoS参数矩阵为

(5)

2.3QoS参数的筛选

影响网络选择的QoS参数之间的关联性过高会影响后期在进行网络选择时权重的分配，从而使选择结果出现偏差。本文通过灰色理论，计算QoS参数之间的关联度，筛选掉关联度过高的QoS参数。QoS参数之间的独立无关性可以使算法的结果更加准确。首先借鉴文献[9]的思想来计算QoS参数之间的关联度，计算公式为

(6)

(6)式中：γij代表第i个与第j个QoS参数之间的关联度；ρ为分辨系数，ρ越大，分辨率越大，由参考文献[10]，此处取ρ为0.5。得到这些QoS参数的灰色关联度矩阵为

(7)

然后，把关联度过高的QoS参数筛选出来，进行排除，得到新的QoS参数矩阵。

2.4确定QoS参数权重

移动互联网的发展是5G发展的主要驱动力，现有固定互联网的业务越来越多地移植到移动通信领域，未来5G的业务将在现有基础上更加丰富。传统的语音通话业务比例将降低，而视频，音频等形式的多媒体业务种类和比例都将增加。参考3GPP对移动网络系统中的业务的分类，本文根据5G业务之间不同QoS特征将所有业务分为4类：后台类、流媒体类、会话类和交互类业务[10]。表1详细列出了4类业务QoS需求特点及典型业务。

表1　5G业务分类Tab.1　5G business categories

本文借鉴层次分析法思想[5]，根据不同业务对各类QoS的不同要求，分别确定出4种业务下QoS参数的权重。

首先，建立QoS参数之间相互比较得出的判断矩阵C为

(8)

(8)式中：cij代表第i个QoS参数和第j个QoS参数对网络选择的影响大小之比，其中，cij=1/cji，cij的值如表2所示。

表2　cij参考值Tab.2　cij reference

然后根据判断矩阵算出其对应的各个QoS参数的权重[11]。通过把矩阵的每一行累计相乘得到该行的乘积为

(9)

计算Wi的n次方根，方法为

(10)

(11)

D=(d1,d2,…,dn)即为对应的影响网络选择的QoS参数的权重。

在计算出QoS参数的权重之后，还需要对该矩阵进行一致性检验，因为该矩阵有太多的主观因素，所以，需要通过一致性检验来验证其可靠性[12]。

在得到QoS参数矩阵和各个业务的QoS权重以后，本文通过它们得到每种业务的QoS判决矩阵形式为

(12)

本文借鉴TOPSIS算法[13]思想，依据QoS判决矩阵对用户在使用该业务的情况下的网络进行排序。前文已经提到过QoS参数可以分为|QoS|+和|QoS|-，本文在求理想解和负理想解的时候对不同的QoS参数分开进行处理。|QoS|+在求理想解的时候应该取最大值，在求解负理想解的时候应该取最小值。|QoS|-在取理想解的时候应该取最小值，在求负理想解的时候应该取最大值。假设第一个参数是|QoS|-，其他参数是|QoS|+，则计算正理想解和负理想解的公式分别为

(13)

(14)

(15)

QoS判决矩阵每一行都对应一个候选网络，分别算出计算它们和正理想解FBest和负理想解FWorst之间的距离G+和G-，构成距离矩阵G为

(16)

最后，候选对象的贴进度为

(17)

贴进度P值的大小代表了网络的好坏。在考虑负载均衡的情况下，本文按照上述排序依次选择接入的网络即是最优网络[14]。依照上述方法，可以求出用户在使用其他业务时各自的贴进度排序，从而选出最优网络。

至此，本文完成了GAHP的运算过程，算法的整体流程如图2所示。

图2　GAHP算法流程图Fig.2　Flowchart of AHP algorithm

总的来讲，该算法通过模糊理论使网络选择的过程加入用户偏好的指标，然后通过灰色理论减轻了传统层次分析法主观因素占比大对结果产生的影响，整个处理流程通过正负参数的分类处理使结果更加准确。最终，通过对候选网络排序选出最优网络。

3　仿真及分析

为了说明本文所提GAHP算法特点，这里通过仿真来分析算法的性能。网络的各项QoS参数原始数据如表3所示。其中，WIMAX和LTE(4G)网络的网络指标参数参照现有网络即得，并结合国内外的发展趋势[2]预设出5G和WLAN(802.11ax)网络的网络指标参数，参考各运营商调查结果，设置4个网络的价格和安全性。

表3　候选网络QoS参数原始数据Tab.3　QoS parameters’ raw data of candidate networks

3.1仿真过程和结果分析

依据(1)-(4)式对QoS参数原始数据进行处理(模糊化和归一化)，得到QoS参数处理后的数据，如表4所示。

表4　QoS参数处理后数据Tab.4　processed data of QoS parameters

根据(6)式得到QoS参数间关联度矩阵

从以上矩阵可以看到，关联度超过0.9的只有带宽和数据传输速率这2个QoS参数，过高的关联度会严重影响网络选择的准确性。根据要求，把带宽指标筛选掉，只留下数据传输速率指标，经过筛选后的QoS参数数据如表5所示。

表5　网络参数经过灰色度筛选后的数据Tab.5　network parameters of the gray filtered

然后，根据(11)式，再结合不同业务的QoS需求，本文通过层次分析法可以分别得到4种业务在5个QoS参数上的权重。

D1={0.132,0.159,0.209,0.080,0.420}

D2={0.144,0.145,0.316,0.313,0.082}

D3={0.369,0.300,0.153,0.077,0.101}

D4={0.119.0.226,0.197,0.386,0.072}

通过权重和最终的QoS参数数据得到QoS判决矩阵，然后根据(13)-(17)式，分别对4种业务下的网络排序选择，得到4种业务下各个网络的贴进度分别为

会话类业务P1={0.847,0.815,0.171,0.232}；

交互类业务P2={0.814,0.819,0.253,0.206}；

流媒体类业务P3={0.719,0.766,0.110,0.337}；

后台类业务P4={0.849,0.706,0.173,0.344}。

可以得到4种业务下各个候选网络的排序：

会话类业务5G>WLAN>4G>WIMAX；

交互类业务WLAN>5G>WIMAX>4G；

流媒体类业务WLAN>5G>4G>WIMAX；

后台类业务5G>WLAN>4G>WIMAX。

各个网络的优劣程度如图3所示。

图3　4个备选网络四种业务的网络选择Fig.3　Four business’ network selection of candidate networks

由图3可知，会话类、交互类、流类和后台类4种业务类型选择的网络分别是5G，WLAN(802.11ax)，WLAN(802.11ax)，5G。根据国内外的发展趋势，未来移动通信网络5G和WLAN(802.11ax)在各个QoS参数性能方面都将优于现有网络，因此，在用户比较少的情况下，4种业务都将从这2个网络中做出选择[15]。比较符合4种业务的QoS需求，因为会话业务对带宽和数据传输速率的要求比较低，而对网络时延和抖动的要求比较高，而未来的5G网络在这2个方面都比较有优势；流类业务对带宽和丢包率的要求较高，所以，WLAN是最佳选择；交互类和后台类属于非实时业务，对时延要求比较低，但是一个队丢包率要求高，一个对资费要求偏高，因此，分别适合接入WLAN和5G网络。

3.2GAHP算法性能分析

为了体现GAHP算法在负载均衡性能方面的优越性。在用户数量不同的情况下分别进行网络选择。仿真设定用户的业务类型随机确定，并且4种网络的容纳用户量相同。由此可以获得使用GAHP算法，4个候选网络在随机业务的情况下被选择的概率变化趋势如图4所示。

图4　GAHP算法中各网络的接入概率Fig.4　Access probability of each network in GAHP algorithm

作为比较，用参考文献[16]中的AHP-TOPSIS算法在相同仿真环境下进行仿真，4种网络被选择概率的趋势如图5所示。

图5　AHP-TOPSIS算法中各网络的接入概率Fig.5　Access probability of each network in AHP-TOPSIS

由图5可以看出，刚开始在用户数量比较少时，网络选择了各个参数都较高的5G和WLAN(802.11ax)网络，随着用户数量的增加，这2个网络的负载增大，可用资源减少，用户开始接入WIMAX和4G网路，最终，4种网络的被选择率都趋近于25%。虽然GAHP算法和AHP-TOPSIS得到的结果是一样的，但是GAHP算法在用户量为10的时候已经基本收敛，而传统AHP-TOPSIS算法在用户量为100的时候才完全收敛。GAHP算法的收敛速度明显快于传统AHP-TOPSIS算法，说明其在负载均衡方面的性能要优于AHP-TOPSIS算法。

为了检验GAHP算法是否可以提高用户满意度。定义用户的平均满意度Muser为

(18)

(18)式中：m和n分别表示融合网络中的网络数量和数量；Ui表示用户ui想要接入的最佳网络。用户最终接入的网络在其偏好排序中越高则其满意度越高。

在前述的仿真环境下，计算出在用户数目不同的情况下的用户满意度，并与传输速率优先算法(rate priority,RP)和最大负载均衡算法(maximun load balancing algorithm,MLB)[16]进行对比，结果如图6所示。

图6　用户满意度示意图Fig.6　Customer satisfaction schematic

由图6可以看出，传输速率优先算法优先保证用户在接收数据时的传输速率，保证了用户的利益，当用户数量比较少时，用户满意度较高，但是随着用户数量的增多，网络负载失衡导致网络性能下降，用户满意度也开始下降。MLB算法优先保证网络的负载均衡，在进行网络选择的时候忽略了用户的需求，导致用户满意处于较低水平。而GAHP算法能够保障用户在不同业务情况下快速准确地选择最优网络，因此，用户平均满意度曲线比较平稳和理想。仿真表明，GAHP算法可以提高用户的平均满意度。

4　结　论

本文以5G融合网络为背景，提出一种基于传统层次分析法的GAHP接入选择算法。利用模糊理论，使用户偏好类参数成为可处理的网络选择QoS参数，运用灰色关联法筛选QoS参数，并通过对参数分类处理使结果更加准确。仿真结果表明，该算法综合考虑了网络性能和用户体验2类评价指标，在保证用户体验的情况下，确保了网络选择的准确性和合理性，并且在负载均衡方面的性能优于其他算法。

[1]尤肖虎, 潘志文, 高西奇, 等. 5G 移动通信发展趋势与若干关键技术[J]. 中国科学: 信息科学, 2014, 44(5): 551-563.

YOU Xiaohu, PAN Zhiwen, GAO Xiqi, et al. The development trend and numbers 0f key technologies of 5G mobile communications[J] .Scientia Sinica Informationis, 2014, 44(5): 551-563.

[2]IMT-2020(5G)推进组. 5G概念白皮书[EB/OL].(2015-02-15)[2016-10-02]. http:∥210.56.209.74/zh/documents/list/1.2015.2.

IMT-2020(5G) Promotion Group. White Paper on 5G Concept[EB/OL].(2015-02-15)[2016-10-02]. http:∥210.56.209.74/zh/documents/list/1.2015.2.

[3]IMT-2020(5G) Promoting group. 5G concept paper[EB/OL]. (2015-02-15)[2016-10-02]. http:∥210.56.209.74/zh/documents/list/1.2015.2.

[4]MA Bin,DENG Hong,XIE Xianzhong, et al. An optimized vertical handoff algorithm based on Markov process in vehicle heterogeneous network[J]. Communications, China, 2015, 12(4): 106-116.

[5]SINGHROVA A, PRAKASH N. Vertical handoff decision algorithm for improved quality of service in heterogeneous wireless networks[J]. IET Communications, 2012, 6(2): 211-223.

[6]ABBAS N, SAADE J J. A fuzzy logic based approach for network selection in WLAN/3G heterogeneous network[C]∥2015 12th Annual IEEE Consumer Communications and Networking Conference (CCNC). Las Vegas: IEEE Press, 2015: 631-636.

[7]PORJAZOSKI M, POPOVSKI B. Radio access technology selection algorithm for heterogeneous wireless networks based on service type, user mobility and network load[C]∥2011 10th International Conference on Telecommunication in Modern Satellite Cable and Broadcasting Services (TELSIKS). Nis: IEEE Press, 2011, 2: 475-478.

[8]KOVACS I Z, LASE V A D, MICHAELSEN P H, et al. Performance of SON for RSRP-based LTE/WLAN access network selection[C]∥2014 11th International Symposium on Wireless Communications Systems (ISWCS). Barcelona: IEEE Press, 2014: 360-364.

[9]REN S, LIU Y, ZHOU X, et al. A novel peer selection mechanism in heterogeneous wireless peer-to-peer networks[C]∥2013 19th IEEE International Conference on Networks (ICON). Singapore: IEEE Press, 2013: 1-7.

[10] LOPEZ-BENITEZ M, GOZALVEZ J. Common radio resource management algorithms for multimedia heterogeneous wireless networks[J]. Mobile Computing, IEEE Transactions on, 2011, 10(9): 1201-1213.

[11] XU Z, LIAO H. Intuitionistic fuzzy analytic hierarchy process[J]. Fuzzy Systems, IEEE Transactions on, 2014, 22(4): 749-761.[12]TSAIHY,HUANGYL.Ananalytichierarchyprocess-basedriskassessmentmethodforwirelessnetworks[J].Reliability,IEEETransactionson,2011,60(4):801-816.

[13]BOOSTANIMEHRH,BJARGAVAVK.UnifiedanddistributedQoS-drivencellassociationalgorithmsinheterogeneousnetworks[J].WirelessCommunications,IEEETransactionson, 2015, 14(3): 1650-1662.

[14]KUMARAKS,SULEESATHIRAR.PredictiveRSSwithfuzzylogicbasedverticalhandoffalgorithminheterogeneouswirelessnetworks[C]∥2010InternationalSymposiumonCommunicationsandInformationTechnologies(ISCIT).Tokyo:IEEEPress, 2010: 1235-1240.

[15]PIAMARATK,KSENTINIA,VIHOC,etal.QoE-awareverticalhandoverinwirelessheterogeneousnetworks[C]∥2011 7thInternationalWirelessCommunicationsandMobileComputingConference(IWCMC).Istanbul:IEEEPress, 2011: 95-100.

[16]SGORAA,VERGADOSDD,CHATZIMISIOSP.Anaccessnetworkselectionalgorithmforheterogeneouswirelessenvironments[C]∥2010IEEESymposiumonComputersandCommunications(ISCC).Riccione:IEEEPress, 2010: 890-892.

郑文三(1989-)，男，河南新乡人，硕士研究生，主要研究方向为5G移动通信系统总体技术、通信网测试技术。E-mail：18983676042@189.cn。

张治中(1972-)，男，湖北恩施人，教授，博士生导师，主要研究方向为第三、四、五代移动通信网络架构、测试及优化技术。

贺姿(1984-)，女，湖北十堰市人，东北大学硕士研究生，主要研究方向为异构网络的无缝接入技术，空间信息网动态拓扑控制算法。

(编辑：刘勇)

s：The National High Technology Research and Development Program of China (“863” program)(2014AA015706); The Program of Innovative Research Team Constructing Plan of the Higher Education Institution in Chongqing(KJTD201312)

A network accessing algorithm for 5G integrated networks

ZHENG Wensan, ZHANG Zhizhong, HE Zi

(Communication Networks Testing Engineering Research Center, Chongqing University of Posts and Telecommunications,Chongqing 400065, P.R. China)

A new algorithm GAHP(grey analytic hierarchy process) for access network selection in 5G integrated networks is proposed. Firstly, this algorithm, which is based on analytic hierarchy process, takes the preference of users and parameters of network performance for the purpose that the QoS parameters are chosen and processed separately. Then, it transfers user preference into quantity parameters with the Fuzzy Theory and filters the QoS parameters through the Grey Theory. Finally, candidate networks are ranked and chosen. Simulation indicates that GAHP performs better than traditional network selection algorithms, and it can select the best network faster and more accurately, which will improve user satisfaction.

5G integrated networks; analytic hierarchy process(AHP); grey correlation; load balancing; user experience

10.3979/j.issn.1673-825X.2016.05.013

2015-07-01

2016-05-10通讯作者：郑文三18983676042@189.cn

国家“863”计划项目(2014AA015706)；重庆高校创新团队建设计划(KJTD201312)

TN929.5;TP391

A

1673-825X(2016)05-0694-07