基于多属性分块决策的5G切换算法

李丹阳，张治中，郑文三

(重庆邮电大学 通信网测试工程研究中心,重庆 400065)



基于多属性分块决策的5G切换算法

李丹阳，张治中，郑文三

(重庆邮电大学 通信网测试工程研究中心,重庆 400065)

为了解决5G异构网络在切换过程中单一处理切换参数的片面性问题，提出了一种适用于5G的新的切换算法，该算法基于多属性分块决策(modular multi-attribute decision making, M-MADM)理论，把切换参数分为2个模块，采用TOPSIS与层析分析相结合的方法选择最优网络QoS(network QoS, NQ)模块，其次利用模糊逻辑得到用户偏好(user preference, UP)模块，再对最终满意度(degree of satisfaction, DS)模块作一次模糊处理，选择最优结果执行切换。仿真结果表明，M-MADM算法与传统算法相比，可减少时延，降低切换失败率，并能快速准确地切换至最优网络，提高用户满意度。

5G异构网络；层次分析法；TOPSIS；模糊逻辑；用户满意度

0　引　言

作为面向2020年以后的下一代移动通信系统，5G在传输速率及资源利用率方面必要优于长期演进(long term evolution,LTE)网络，能够满足用户超高移动性、超大流量密度的需求，为用户提供云桌面、高清视频、虚拟现实、在线游戏等极致业务体验[1]。当然，现存的其他移动通信网络也各有特点，如无线保真(wireless fidelity,WiFi)的特点在于传输速率高、组网方便、成本低以及灵活性强等。5G与这些网络融合作为一种能提高网络性能的方法，取得了广泛认可。因此，如何在5G与这些网络共存的场景下为用户提供无缝切换是下一代异构网络亟待解决的难点之一。此时，选择一种好的切换算法变得至关重要[2]。

针对该问题，目前已有多种解决方案。文献[3]运用了排队论算法的思想选择最优网络执行切换，虽能得到较理想结果，但随着用户数量的增加，切换时延会显著增大；文献[4]提出了一种基于用户行为的切换优化算法，该算法根据用户速度和所用流量大小进行分类，选择不同的度量标准进行切换，降低了乒乓切换和故障率，但由于用户速度是随时变化的，不能对其切换参数进行最优选择；文献[5]采用卡尔曼滤波器与模糊逻辑相结合的切换方法，可以自适应地调节切换参数，提高切换成功率，但是因为没有考虑到各个网络的负载问题，用户满意度不高；文献[6-9]介绍了利用TOPSIS算法对网络间的切换进行判决，然而随着切换参数增多，其复杂度大大增加，不利于工程实现。

另外，不同网络间的切换参数迥异，且不同用户或相同用户不同业务对各个切换参数的要求也相差较大，因此，如何衡量切换参数权重也十分关键。多属性决策算法因能综合考虑网络中的多种参数而得到广泛应用，但现阶段的切换算法[10-13]仅仅考虑了单一处理切换参数，即在用户发起切换时，根据当前所有决策参数构成的判决矩阵或模糊准则来选择最优网络。随着参数个数的增加，会导致多属性判决矩阵的阶数大、遵守的模糊准则数多，难度高。

因此，本文提出了一种基于多属性分块决策(modular multi-attribute decision making, M-MADM)的5G切换算法。该算法将切换参数进行模块化分类，针对不同模块分别采用TOPSIS和模糊逻辑算法处理，解决了传统算法计算时间长、网络选择性能较差的问题，提高用户满意度。

1　异构网络模型

未来移动通信系统，将是多种无线接入网络同时存在，相互补充的复杂异构网络[14]，多种无线技术共存的通信场景越发容易进入人们的视野。从2G，3G，LTE到下一代移动通信(5G)，蜂窝网络的发展一直致力于给人们带来新的体验；无线局域网(wireless local area networks,WLAN)协议标准经历从802.11a/b/g/n到目前热门的802.11ac/ad，其理论上可支持近7 Gbit/s的吞吐量；全球微波互联接入(worldwide interoperability for microwave access,WIMAX)作为“最后一公里”宽带无线接入方案，近年来备受关注。用户在前述众多网络交叉的通信中，很容易发生水平或垂直切换，而垂直切换相对于水平切换来说，对整个系统的要求更高、难度更大，这在异构网络中不可避免。

假设未来异构通信系统模型主要包括5G网络、LTE网络、WIMAX以及WLAN(802.11ac)，其分布情况如图1所示。

图1　异构网络模型Fig.1　Heterogeneous network model

2　切换参数模块化

2.1切换参数的选择

根据我国IMT-2020(5G)推进组发布的《5G概念白皮书》，下一代移动通信系统将是以用户体验为中心的[15]，用户在5G的异构环境中往往会根据自己偏好以及网络实际性能选择切换目标网络，而影响其选择的因素有很多，比如传输功率、丢包率以及用户普遍比较关心的价格和网络安全问题等。

因此，在M-MADM切换算法中，把用作输入量的切换决策参数分为2类：①与用户有关的偏好因素，包括网络安全及价格，用户对各种网络都有自己的倾向，而这些倾向指标往往是抽象模糊的，需要在计算之前将其具体化；②与网络性能相关的量化指标，本文选择了传输速率、时延、抖动和丢包率。

2.2参数分块处理

本文根据参数的不同特性，在传统单一处理切换参数的基础上，将切换决策系统(handoff design

system, HDS)分成三大模块[16]：网络QoS(network QoS,NQ)模块、用户偏好(user preference,UP)模块和最终满意度(degree of satisfaction,DS)模块，其示意图如图2所示。

图2　多属性分块设计Fig.2　Design of modular multi-attribute

NQ模块中的参数可进一步分为效益型参数和成本型参数。效益型参数是指越大越好型QoS，即该类参数越大网络性能越好，例如传输速率等；成本型参数是指越小越好型QoS，即该类参数越小网络性能越好，例如时延、抖动、丢包率等。将NQ模块的输出和UP模块的输出输入到下一模块DS，由DS模块评估候选网络最终得分，选择最优网络执行切换。

3　切换参数归一化

为了计算的准确性，不同参数间的单位度量需一致。因此，参数归一化是处理多属性分块决策问题中不可忽略的步骤。

3.1传输速率

不同无线网络使用的资源不同，分配给用户的带宽也有大有小，因此，可提供的传输速率差别较大。为了保证切换判决的正确性，在各网络性能比较之前，需对网络的可用传输速率进行归一化。

(1)

(1)式中：Gi表示第i个网络可用速率的归一化值；Vi为网络i当前的传输速率；Vmax表示网络i可提供的最大传输速率，对于速率来说，因网络资源的有限性，总有一个最大的门限值速率为Vmax。相似地，Vmin表示网络i可提供的最小传输速率，在还有资源可用的情况下，网络必有一个最低的门限值速率为Vmin。

3.2时延

不同网络可根据自身网络条件采用集中式资源管理或分布式资源管理，因此，在不同机制下的网络连接时延大有不同。时延的归一化方式定义为

(2)

(2)式中：Fi表示第i个网络时延的归一化值；Dmax表示该网络下的最大时延，对于糟糕的网络环境，总会有一个最大时限值Dmax；Di为当前网络i的时延；相似地，Dmin表示网络i的最小时延，在资源最大利用率下，所经历的时延存在一个最小门限值，即Dmin。

对丢包率和抖动来说，其归一化参照时延的处理方式，这里不再做详细介绍。

4　多属性分块决策算法

4.1NQ模块

NQ模块是网络QoS模块，其指标可以用具体数值衡量。研究表明，TOPSIS算法在评估量化参数方面有较高精度[9]。因此，本文采用TOPSIS作为NQ模块的判决依据。

另外，在未来5G网络中，随着视频、音频等多媒体业务比例不断上升，用户关注的QoS不再仅仅局限于速率和时延，本文新添抖动和丢包率2个因素。

为了降低计算量，将其中的时延、抖动、丢包率组成的成本型参数分为一类处理。

假设所处异构场景中存在m个网络，影响网络切换的成本型参数有n个，首先需建立成本型参数组成的多目标决策矩阵。

(3)

(3)式中：aij表示第i个网络中第j个成本型参数的值。

将(3)式参照(2)式对各成本型参数归一化，得到标准的成本型参数矩阵

(4)

(4)式中:bij表示第i个网络中第j个成本型参数归一化后的值。

各成本型参数的权重由层次分析法[12]获得，先建立各成本型参数间两两比较的判决矩阵

(5)

(5)式中，cij表示第i个成本型参数和第j个成本型参数对网络切换的影响大小，其中，cij=1/cji，cii=1，cij的具体值可参考表1。

然后根据判决矩阵计算出各个成本型参数的权重[13]。权重计算步骤如下。

1)将判决矩阵中的每一行进行相乘，得到每一行元素的乘积

(6)

2)计算Mi的n次方根

(7)

(8)

W=[W1,W2,…,Wn]T即为各成本型参数对应的权重。

在求得各成本型参数权重后，还应对该矩阵进行一致性检验，参照表2中随机一致性指标(random consistency endex,RI)的值，计算一致性比率(consistency ratio,CR)，若CR<0.1时，则C的不一致性在容许范围内。

表2　RI值Tab.2　Values of RI

根据得到的各成本型参数决策矩阵及其权重，其加权标准化矩阵V的形式如下，其值为

(9)

(10)

(11)

再计算各参数与理想解之间的距离，该距离是通过计算n维Euclid得到

(12)

(13)

最后计算各参数与最优参数值的贴近程度

(14)

贴近度AQvalue表示此时成本型参数带来的网络性能值。AQvalue越大，其输出越优。

如图2所示，此时AQvalue将与效益型参数一起作为NQ的输入，为了得到NQ模块的最优输出，需再做一次TOPSIS算法。

(15)

再计算正负理想解。对于效益型参数，求正理想解时应取最大值，求负理想解时应取最小值。G+，G-分别表示正理想解和负理想解，其值为

(16)

(17)

(18)

此时，Qvalue为二次TOPSIS算法计算出的NQ模块性能，Qvalue越大，表示该网络QoS性能越好。

比较两组家属的满意程度；ICU糖尿病酮症酸中毒血糖纠正的时间、酸中毒纠正的时间、住院的平均日数；护理前后血糖餐前餐后监测状况、酸中毒症状积分、生存质量；酮症酸中毒后抢救失败率。

4.2UP模块

UP模块包含的是用户偏好类指标，对于5G异构环境下的切换，其比重将大大增加。通常这类指标是抽象模糊的，即只能通过程度量词(如：高、中、低等)来表示相关参数的优劣程度。而在众多切换算法中，模糊逻辑算法具有高效处理抽象因素的特点[13]，本文选择它对UP模块进行处理。

定义UP模块的模糊逻辑系统输入量有：①价格；②安全性。

定义价格的模糊输入集为M={高，中，低}，安全性的模糊输入集S={高，中，低} ，此时遵守的模糊准则[16]为32=9，部分模糊准则如表3所示。

表3　UP模块模糊准则Tab.3　Fuzzy rules of UP modular

模糊推理的输出是一个模糊集，其结果需去模糊化。常用的去模糊化方法为重心法[16]，其表达式为

(19)

(19)式中：x表示该模糊集取值范围中的变量；μ(x)为该模糊集的隶属函数；Pvalue是去模糊化后输出的清晰值，即为UP模块的最终输出。

4.3DS模块

将NQ模块的输出Qvalue和UP模块的输出Pvalue作为DS模块的输入，继续采用模糊逻辑作为网络的最终判决算法。

相似地，定义Qvalue的模糊集为Q={高，中，低}，Pvalue的模糊集为P={高，中，低}，遵守的模糊准则[16]为32=9，其部分模糊准则如表4所示。

表4　DS模块模糊准则Tab.4　Fuzzy rules of DS modular

将推理出的模糊结果仍依照重心法去模糊化

(20)

(20)式中：y表示该模糊集取值范围中的变量；μ(y)为该模糊集的隶属函数；Dvalue是去模糊化后输出的清晰值，即为DS模块的最终输出。

至此，本文完成了多属性分块决策(modular multi-attribute decision making, M-MADM)切换算法的全部过程。将最终输出Dvalue进行大小排序，选择得分最高的网络执行切换。图3为M-MADM算法的流程图。

图3　M-MADM流程图Fig.3　Flowchart of M-MADM

5　仿真与分析

为了评估本文所提M-MADM算法的性能特点，采用Matlab软件构建异构网络场景，并对该算法的性能进行仿真分析。

5.1仿真过程

异构网络场景由目前热门的无线网络组成，系统模型见图1，其各项切换参数数据如表5所示。其中，WIMAX，WLAN(802.11ac)和LTE网络的QoS指标都参照现有网络，5G网络参数是根据国内外目前的发展趋势[15]假设得到；参考各运营商的调研结果，依次设置4个网络的用户偏好类指标。

表5　候选网络切换参数Tab.5　Handoff parameters of candidate networks

用户在使用不同业务时，对速率和时延等的要求是不同的，因此，需根据用户当前业务类型确定切换参数的权重，使用户能切换至更优的网络，提高用户满意度。参考3GPP划分的业务类型，根据5G的业务能力，仿真中假设用户可使用会话类、流媒体类、互动类以及后台类4种业务，其特征如表6所示。

表6　业务分类Tab.6　Business Categories

将表5中的网络性能参数(速率、时延、丢包率、抖动)经(1)，(2)式归一化处理后，得到结果如表7所示。

表7　归一化后的NQ数据Tab.7　Normalized data for NQ

对成本型参数结合(8)式计算其在各类业务上的权重(依次为时延、丢包率、抖动)分别为

W1={0.159,0.080,0.116}

W2={0.145,0.132,0.201}

W3={0.200,0.177,0.164}

W4={0.126,0.286,0.108}

将权重和归一化后的参数值相乘，得到成本型参数组成的决策矩阵，经(10)-(14)式，得到此时4个候选网络(依次为5G，WLAN，WIMAX，LTE)对应各类业务的AQ输出分别为

AQvalue1={0.847,0.815,0.271,0.339}

AQvalue2={0.793,0.866,0.128,0.221}

AQvalue3={0.718,0.792,0.286,0.204}

AQvalue4={0.855,0.832,0.173,0.347}

计算速率和AQ的权重

经(15)-(18)式，得到NQ模块的输出

Qvalue1={0.804,0.799,0.326,0.402}

Qvalue2={0.813,0.848,0.205,0,317}

Qvalue3={0.782,0.811,0.438,0.293}

Qvalue4={0.854,0.719,0.187,0.358}

对于用户偏好类参数(价格、安全性)，经模糊推理和(19)式处理后，得到UP模块输出

Pvalue1={0.796,0.655,0.219,0.478}

Pvalue2={0.733,0.751,0.347,0.462}

Pvalue3={0.693,0.720,0.315,0.276}

Pvalue1={0.810,0.767,0.289,0.452}

将各个业务下的Qvalue和Pvalue再经DS模块的模糊推理和(20)式去模糊化后，得到4个候选网络最终得分排序

会话类业务5G>WLAN>LTE>WIMAX

流媒体业务WLAN>5G>LTE>WIMAX

互动类业务WLAN>5G>WIMAX>LTE

后台类业务5G>WLAN>LTE>WIMAX

从结果来看，会话类、流媒体类、互动类、后台类4种业务面临切换时将优先选择的网络分别为5G，WLAN，WLAN和5G。在网络负载不高的情况下，4种业务都将从5G和WLAN中做出切换选择。根据移动通信的发展趋势，未来5G和WLAN确实在各个性能方面都将优于传统网络。

5.2算法评估

为了体现M-MADM算法可快速准确切换至最佳网络的性能优势，本文在用户数量不同的情况下进行切换选择，并选用传统模糊层次分析法[13]与其作比较。仿真假设用户使用的业务类型随机分配，且4种网络容纳的用户数相同。

传统的越区切换过程中，在多个用户发起切换请求时，因小区资源的有限性，不可避免会发生碰撞，造成切换请求失败。图4为不同用户数量下切换失败率的比较。当用户数少时，2种算法的切换失败率相差不大，但随着用户增多，切换请求量大，传统模糊层次分析法因不区分用户业务类型，其单一的网络排序在最佳网络的接入用户数达到饱和后，不能使后续用户继续切换至最佳网络，导致切换失败率比较高。

图4　不同用户数量下的切换失败率Fig.4　Handover failure rate for different users

图5比较了2种算法在不同用户数量下的切换时延。从图5中可以看出，M-MADM算法在用户数量低于70时的切换时延更高，是因为M-MADM算法在对全部切换参数输入判决前需分块处理，增大了信令开销；但当用户数量高于70以后，模糊层次分析法因用户切换请求的失败概率增大，其时延也会显著增加。

图5　不同用户数量下的平均切换时延Fig.5　Average switching delay for different users

为了进一步评估该算法下的用户满意度，定义用户的平均满意度PS为

(21)

(21)式中：Ns表示用户成功切换至想要的网络；Nf则表示用户没有切换至想要的网络。

在前述环境下，对用户发起的10次切换请求进行仿真后，计算此时的用户满意度，并与模糊层次分析法相比较，结果如图6所示。

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

从图6可以看出，M-MADM在用户满意度方面基本维持在70%左右，是因为将切换参数分块，其可以调整不同业务下的NQ参数权重，并根据用户自己的UP参数，快速准确地切换至用户想要的最优网络。

通常一个算法的复杂度是由其输入量决定的，当决策的参数个数多，采取传统TOPSIS算法建立的切换决策矩阵的阶数就越大；若使用传统模糊逻辑法，其所要遵守的模糊准则也会相应增加。而M-MADM在判决前首先将切换参数进行分模块处理，相当于减少了各自的输入量。因此，M-MADM在复杂度或计算量上，都要比单独使用模糊逻辑算法或TOPSIS算法低。

6　结束语

本文以5G异构网络为背景，在传统算法的基础上，提出了一种适用于5G的M-MADM切换算法。该算法把切换决策参数划分至NQ，UP模块，分别对其采用TOPSIS算法和模糊逻辑算法处理，然后将其结果输入DS模块，作模糊推理得到最终结果。与传统算法相比，M-MADM可以有效地减少切换时延、降低切换失败率，并在很大程度上满足了用户的切换请求，使用户满意度维持在较高水平。

[1]IMT-2020(5G)推进组. 5G网络技术架构[EB/OL].(2015- 01- 02)[2015-12-20]. http://210.56.209.74/zh/documents/list/1.2015.1.

IMT-2020(5G) Group. Network technology architecture of 5G[EB/OL].(2015- 01- 02)[2015-12-20]. http://210.56.209.74/zh/documents/list/1.2015.1.

[2]贺昕，李斌． 异构无线网络切换技术[M]．北京: 北京邮电大学出版社，2008: 6-7．

HE Xin, LI Bin. Handoff in heterogeneous wireless networks [M]. Beijing: Beijing University of Posts and Telecommunications Press, 2008: 6-7.

[3]SUN Yong. Vertical Handoff Decision Algorithm in Heterogeneous Wireless Network Based on Queuing Theory[C]∥Advanced Communication Technology (ICACT), 2015 17th International Conference on. Pyeong Chang, South Korea: IEEE, 2015, 7: 550-556.

[4]HEGAZY R D, NASR O A. A User Behavior Based Handover Optimization Algorithm for Heterogeneous Wireless Networks[C]∥Wireless Communications and Networking Conference(WCNC).NV,USA:IEEE,2015,3:1255-1260.[5]IWAN Kustiawan, CHI Kuanghui. Handoff Decision Using a Kalman Filter and Fuzzy Logic in Heterogeneous Wireless Networks[J]. IEEE COMMUNICATIONS LETTERS, 2015(10): 2258-2261.

[6]LIU Shengmei, PAN Su, XU Minghai. An improved TOPSIS vertical handoff algorithm for heterogeneous wireless networks[C]∥Communication Technology (ICCT), 2010 12th IEEE International Conference on. Nanjing, China: IEEE, 2010, 11: 750-754.

[7]CHEN Shyiming.Fuzzy Multiple Attributes Group Decision-Making Based on Ranking Interval Type-2 Fuzzy Sets and the TOPSIS Method[J].Systems,Man,and Cybernetics:Systems,IEEE Transactions on,2014(12):1665-1673.

[8]BRAJKOVIC E, SJEKAVICA T, VOLARIC T. Optimal wireless network selection following students' online habits using fuzzy AHP and TOPSIS methods[C]∥Wireless Communications and Mobile Computing Conference (IWCMC), 2015 International. Dubrovnik, Croatia: IEEE, 2015, 8: 397-402.

[9]LAHBY M, CHERKAOUI L, ADIB A.An enhanced-TOPSIS based network selection technique for next generation wireless networks[C]∥Telecommunications (ICT), 2013 20th International Conference on. Ayia Napa, Cyprus: IEEE, 2013, 5: 1-5.

[10] SGORA A, VERGADOS D D, CHATZIMISIOS P. An access network selection algorithm for heterogeneous wireless environments[C]∥Computers and Communications (ISCC), 2010 IEEE Symposium on. Riccione, Italy: IEEE, 2010: 890-892.

[11] AGOULMINE N, CHERKAOUI E H, TONI L. Multi-criteria Optimization of Access Selection to Improve the Quality of Experience in Heterogeneous Wireless Access Networks [J]. Vehicular Technology, IEEE Transactions on, 2012(12):1785-1800.

[12] 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.

[13] XU Z, LIAO H. Intuitionistic fuzzy analytic hierarchy process [J]. Fuzzy Systems, IEEE Transactions on, 2014, 22(4): 749-761.

[14] 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(5):551-563.

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

[15] IMT-2020(5G)推进组. 5G概念白皮书[EB/OL].(2015-01-02)[2015-12-30]. http://210.56.209.74/zh/documents/list/1.2015.2.

IMT-2020(5G) Group. White poper of 5G concept[EB/OL].(2015-01-02)[2015-12-30]. http://210.56.209.74/zh/documents/list/1.2015.2.

[16] THANACHAI T,ANJUM P,PRATIT S.Adaptive.Modular Fuzzy-based Handover Decision System for Heterogeneous Wireless Networks[J].International Journal of Networks and Communications,2013,3(1):25-38.

李丹阳(1992-)，女，重庆铜梁人，硕士研究生，主要研究方向为5G与WIFI融合组网架构、异构网无线资源管理方案。E-mail：584111163@qq.com。

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。

郑文三(1989-)，男，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。

(编辑：刘勇)

s：The National High Technology Research and Development Program of China (“863” Program)(2015AA01A705,2014AA01A706); The Program of Innovative Research Team Constructing Plan of the Higher Education Institution in Chongqing(KJTD201312)

Handoff algorithm in 5G based on modular multi-attribute decision making method

LI Danyang, ZHANG Zhizhong, ZHENG Wensan

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

In order to solve the problem of unilateral processing parameters of switching for 5G heterogeneous networks, a new handoff algorithm based on modular multi-attribute decision making(M-MDAM) is proposed. M-MDAM divides handoff parameters into two parts, firstly, a method combining TOPSIS and AHP was used to select the best network QoS(NQ) module; Secondly, using fuzzy logic to get user preference(UP) module, then made the degree of satisfaction(DS) module for a fuzzy treatment, choosing the best optimal network to perform handover. Simulation results indicate: M-MDAM algorithm not only reduces switch delay and handoff failure rate, but also selects the best network faster and more accurately, which will improve user satisfaction.

5G heterogeneous networks; analytic hierarchy process(AHP); TOPSIS; fuzzy logic; user satisfaction

考值 Tab.1

重要性标度两两比较重要性定义解释1两者同样重要两者对目标的贡献相同3前者比后者稍微重要经验和判断偏向前者重要于后者5前者比后者明显重要经验和判断强烈认为前者重要于后者7前者比后者非常重要非常强烈地认为前者重要于后者,可以证实9前者比后者极端重要有最肯定的依据表明前者比后者重要很多2,4,6,8表示上述相邻判决的中间值

10.3979/j.issn.1673-825X.2016.05.017

2015-12-31

2016-06-17通讯作者：李丹阳584111163@qq.com

国家高技术研究发展计划(“863”计划)(2015AA01A705，2014AA01A706);重庆高校创新团队(KJTD201312)

TN929.5

A

1673-825X(2016)05-0721-08