異構無線網絡自適應接入算法研究

馬 彬，郭湛彬，謝顯中

(1.重慶郵電大學 計算機科學與技術學院，重慶 400065；2.重慶郵電大學 重慶市計算機網絡與通信技術重點實驗室，重慶 400065)

0 引 言

隨著無線網絡技術的飛速發展，用戶的帶寬和吞吐量需求不斷增加，運營商也在不斷新增各種多樣化的業務，以便給用戶提供更好的服務質量[1-2](quality of service, QoS)。由多種無線接入技術共同組成，可提供多種接入方式、支持終端無縫移動的網絡稱為異構無線網絡[3-4]。網絡選擇算法是異構無線網絡中資源管理的一個研究熱點，網絡選擇算法通?？梢苑譃榻尤刖W絡選擇算法和網絡切換選擇算法。由于不同網絡間的差異性，使得研究高效、公平、穩定的接入或切換算法尤為重要[5-6]。

當前許多文獻都對異構無線網絡中的接入或切換算法進行了研究。文獻[7]根據網絡屬性和終端運動趨勢建立相應的切換概率分布，提出了一種基于用戶偏好的自選擇決策樹切換方法。文獻[8]考慮應用需求和用戶偏好，結合人工蜂群算法(artificial bee colony, ABC)和粒子群算法(particle swarm optimization, PSO)，提出了一種混合智能切換方法。文獻[9]提出了一種基于Q學習(q-learning)的切換算法，結合網絡參數的平均主觀意見分(mean opinion score, MOS)，最大化用戶的體驗質量(quality of experience, QoE)。文獻[10]將終端服務分為實時服務和非實時服務，分別構建相應的獎勵函數，提出了一種基于多臂老虎機(multi-armed bandit, MAB)的切換策略。以上方案雖然具有較好的判決效果，但都存在迭代次數多、無法實時決策的問題，很難應用于實際的網絡場景。

文獻[11]以用戶為中心，提出一種智能切換算法，旨在不影響非實時用戶服務質量的前提下，最大限度地提高用戶滿意度。文獻[12]針對切換算法復雜度過高的問題，通過層次分析法(analytic hierarchy process, AHP)得到參數的權重，分別利用簡單加權法(simple additive weighting, SAW)、逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)、灰色關聯分析法(grey relation analysis, GRA)求解網絡的性能并且對比算法間性能差異。文獻[13]利用移動終端的測速功能，提出了一種權值可變的代價函數切換算法，同時改進了候選網絡集的更新速度。由于沒有考慮用戶接入阻塞率，以上方案選擇的目標接入網絡過于單一，很難適用于用戶數較多時的情況。文獻[14]以最大化網絡吞吐量為目標，將切換問題轉化為多目標優化問題，實現數據傳輸速率最大化的同時降低了用戶的阻塞率，但沒有考慮到網絡場景中用戶數動態變化的情況，缺乏靈活性。

隨著異構無線網絡環境中網絡技術多樣化特征越來越明顯，終端用戶數也在不斷地增加，勢必會帶來網絡接入環境的高動態性。上述網絡接入方案，都針對當前網絡場景做出了較為合理的網絡選擇，卻難以適應未來用戶數增長、候選網絡多的高動態性網絡場景。怎樣合理根據網絡環境的動態變化，自適應或智能地接入最佳網絡，成為一個亟待解決的關鍵問題。

在異構無線網絡中，針對當前的接入算法考慮網絡高動態性欠缺的問題，本文提出一種新的自適應接入算法。該算法網絡系統能夠根據環境中用戶數量及帶寬使用情況，估計接入阻塞率、最大化網絡吞吐量，從而自適應地選擇用戶接入網絡的行為。本文的主要貢獻如下。

1)設計了一個網絡接入阻塞率估計模型。該模型中，網絡系統可以根據新到達用戶數、剩余容納用戶數等因素估計用戶接入網絡的阻塞率，從而有效地減少在接入網絡過程中可能出現的阻塞問題。

2)構建了一個以最大化網絡吞吐量為目標，網絡接入概率為約束條件的優化函數。該函數可以根據網絡中用戶數、可用帶寬、最大傳輸速率等因素，自適應分配用戶的接入選擇。該方法在降低用戶接入阻塞率的同時，更有利于網絡間的負載均衡。

1 系統模型及傳輸速率模型

本文將闡述未來高動態性網絡環境中用戶的接入問題，場景中用戶數量可能存在較多或較少的動態變化情況。用戶分為已接入用戶和新到達用戶，新到達用戶可以選擇不同的網絡進行接入。每個網絡存在總帶寬限制，如果某個網絡接入用戶過多，將導致網絡負載增加，用戶可用帶寬減少，用戶接入阻塞率升高等問題。用戶更加傾向于選擇那些負載較低的網絡進行接入，以降低接入阻塞率，獲得更大傳輸速率。

1.1 系統模型

在異構無線網絡中，存在蜂窩網絡和無線局域網絡等網絡。為了研究方便，本文將蜂窩網絡和無線局域網絡等定義為一個統一的系統模型?？紤]網絡場景中有n個網絡，A為候選網絡集合，i表示任意的網絡，A=(a1,a2,…,an)；m個用戶，U為用戶集合，j表示任意的用戶，U=(u1,u2,…,uj,…,um)。本文引入時隙(time slot)思想，將連續時間劃分為等長的離散時間間隔，并假設每個時刻t的網絡狀態是不變的[15]。

在網絡場景中，用戶可以選擇不同的網絡進行接入。為了描述網絡與用戶的接入關系，本文定義了網絡與用戶的接入關系矩陣。在時刻t，網絡i與用戶j的接入關系可以用接入關系矩陣表示為

u1u2…um

(1)

其中

(2)

(3)

(4)

(4)式中，Ni(t)為網絡i在時刻t可容納的最大用戶數。Ni(t)與已接入用戶數量和用戶可用帶寬有關。

(5)

用戶在接入網絡時希望獲得更多的可用帶寬以提升服務質量。為了方便描述用戶獲得的可用帶寬，本文定義了用戶從網絡獲得的可用帶寬分配矩陣。在時刻t，用戶j從網絡i獲得帶寬可以用帶寬分配矩陣表示為

u1u2…um

(6)

其中

(7)

(8)

(8)式中，Bi為網絡i總帶寬。

1.2 傳輸速率模型

網絡的接收信號強度(received signal strength, RSS)是用戶接入網絡的一個基本條件，接收信號強度反映了網絡的信道質量。在時刻t，用戶j從網絡i獲得的接收信號強度RSSij(t)可表示為[7]

RSSij(t)=ρi-κilg(dij(t))+ξ

(9)

信噪比(signal-to-noise ratio, SNR)為信號功率與噪聲功率的比率，是反映網絡質量的重要參數。在時刻t網絡i對用戶j的信噪比SNRij(t)可近似表示為

(10)

(10)式中，φ為網絡場景中的干擾信號強度。

最大傳輸速率反映網絡傳輸信息的能力。根據香農公式，在時刻t用戶j從網絡i可獲得的最大傳輸速率Rij(t)為

Rij(t)=bij(t)lg(1+SNRij(t))

(11)

(11)式中，bij(t)為在時刻t用戶j可以從網絡i獲得的可用帶寬。

2 帶寬分配及阻塞率模型

用戶希望在獲得更大傳輸速率的同時，降低接入阻塞率。分配給用戶可用帶寬的多少不僅影響用戶服務質量，也會影響網絡可容納的用戶數量。較少的帶寬會降低用戶服務質量；較多的可用帶寬會導致網絡可容納用戶數變少，進而導致新到達用戶接入阻塞率增加。本文在上一節已經給出用戶的傳輸速率模型，本節將介紹用戶帶寬情況及用戶阻塞率模型。

2.1 帶寬分配模型

接入用戶使用的帶寬為bij(t)，則在時刻t網絡i已分配帶寬bused-i(t)為

(12)

已分配帶寬需要滿足用戶的最小帶寬需求，并且低于最大總帶寬限制，所以已分配帶寬應滿足

(13)

Bre-i(t)=Bi-bused-i(t)

(14)

網絡剩余容納用戶數與網絡剩余帶寬有關，網絡剩余帶寬越多，網絡即可容納更多的新到達用戶。在時刻t網絡i剩余容納用戶數Nre-i(t)為

(15)

(15)式中，bneed,j(t)為在時刻t新到達用戶j需要的帶寬，bneed,j(t)≥bmin,j(t)?！癧]”表示向下取整，由于剩余容納用戶數Nre-i(t)Nre-i(t)須是一個整數，所以對得到的值做取整處理。(15)式保證網絡剩余容納用戶數為一個合理值，不會因為網絡接入過多用戶，導致無法滿足用戶基本服務質量需求的情況。

(16)

2.2 阻塞率模型

在每個時刻，網絡系統無法判斷用戶選擇網絡的行為，如果有太多用戶接入相同的網絡，則該網絡的阻塞率便會升高。因此，需要估計用戶的接入行為，以減少接入時被阻塞的概率。

假設用戶選擇接入網絡行為相互獨立，用pi(t)表示在時刻t新到達用戶選擇網絡i作為目標接入網絡的概率，那么用戶不選擇接入網絡i的概率為1-pi(t)。設在時刻t新到達用戶數量為Nnew(t)，那么在時刻t，一共有m′個用戶選擇網絡i的概率βi(m′,t)服從二項分布

(17)

由于選擇網絡的用戶數m′需要多于網絡剩余容納用戶數Nre-i(t)才可能發生阻塞，m′應滿足

Nre-i(t)≤m′≤Nnew(t)

(18)

本文根據網絡中新到達用戶數、網絡剩余容納用戶數設計了接入阻塞率模型。在時刻t，網絡估計用戶接入網絡i的阻塞率PRi(t)為

(19)

若新到達用戶數Nnew(t)不大于網絡i剩余容納用戶數Nre-i(t)，即使所有用戶都接入網絡i也不會發生阻塞，此時阻塞率為0；若新到達用戶數Nnew(t)大于網絡i剩余容納用戶數Nre-i(t)，此時網絡i無法滿足所有新到達用戶的接入需求，則網絡i的接入阻塞概率與其他用戶選擇網絡i的概率pi(t)及網絡i剩余容納用戶數Nre-i(t)有關。

3 自適應的接入算法

3.1 最大化網絡吞吐量期望策略

(20a)

(20a)式描述了以最大網絡吞吐量為目標接入算法。(20a)式分為2項，第1項表示已接入用戶的傳輸速率，其中vj(t)表示已接入用戶；第2項表示未接入用戶傳輸速率與不阻塞概率的乘積，即接入網絡的傳輸速率期望，其中1-PRi(t)表示用戶估計接入網絡的不阻塞概率，1-vj(t)表示未接入用戶。(20b)式和(20c)式表示用戶可以選擇接入網絡，且選擇概率之和為1。(20)式為帶有約束條件的線性規劃問題，可采用內點法進行求解[16]。接入算法執行步驟如算法1。

算法1 接入算法執行步驟

輸入：網絡總帶寬Bi；

接收信號強度RSSij(t)；

干擾信號強度φ；

接入關系矩陣c(t)；

帶寬分配矩陣B(t)；

新到達用戶數Nnew(t)；

輸出：網絡吞吐量η；

目標接入網絡概率pi(t)。

1 for ?ai∈A?ai∈Ado

2 根據(10)式計算信噪比SNRij(t)；

3 根據(11)式計算最大傳輸速率Rij(t)；

4 根據(12)式計算已分配帶寬bused-i(t)；

5 根據(14)式計算剩余帶寬Bre-i(t)；

6 根據(15)式計算剩余容納用戶數Nre-i(t)；

7 根據(20)式迭代；

8 end for。

3.2 網絡分配策略

在獲得網絡場景中用戶接入網絡概率pi(t)后，網絡系統希望有[Nnew(t)·pi(t)][Nnew(t)·pi(t)]個用戶接入網絡i，接下來分配每個用戶的接入行為。由于用戶希望接入傳輸速率更大的網絡，選取當前傳輸速率最大的網絡作為用戶期望接入的網絡。定義一組向量Λ(t)=(λ1(t),λ2(t),…,λn(t))表示用戶希望接入網絡的情況，其中λi(t)表示在時刻t，期望接入網絡i的用戶數量。則可能出現3種情況：

1)λi(t)>[Nnew(t)·pi(t)]，即目前傾向加入網絡i的用戶多于系統預期的目標，則需分配λi(t)-[Nnew(t)·pi(t)]個用戶進入其他網絡，用集合D1(t)表示用戶較多的網絡并記錄相應用戶；

2)λi(t)=[Nnew(t)·pi(t)]，即目前希望加入網絡i的用戶與系統預期加入的用戶數相等，這部分用戶直接接入網絡不做調整；

3)λi(t)<[Nnew(t)·pi(t)]，即目前希望加入網絡i的用戶數少于系統預期的目標，則需分配[Nnew(t)·pi(t)]-λi(t)個用戶進入當前網絡，用集合D2(t)表示用戶較少的網絡。

為了盡量滿足網絡接入策略，將集合D1(t)中每個用戶根據集合D2(t)中的網絡最大傳輸速率Rij(t)進行排序，然后分別選擇[Nnew(t)·pi(t)]-λi(t)個傳輸速率最大的用戶接入集合D2(t)中的網絡i。

4 仿真結果分析

4.1 仿真參數設置

圖1 仿真場景示意圖

表1 網絡仿真參數

為了驗證本文算法能夠適應未來高動態性網絡中的接入問題，并且降低用戶接入阻塞率，增加接入用戶數，提高網絡吞吐量，均衡網絡負載，本文分別設計了新到達用戶阻塞率，接入用戶數，網絡負載率，系統吞吐量幾組實驗來驗證本文算法性能。本文仿真將所提算法(proposed)與研究工作中基于多屬性決策的切換算法(multi attribute decision making, MADM)[12]、基于代價函數權值可變的切換算法(cost function weight-variable, CFWV)[13]、以用戶為中心的多目標切換方案(user centered multi-objective, UCMO)[14]做出了對比分析。

4.2 用戶接入阻塞率

圖2為用戶接入阻塞率隨新到達用戶數的變化情況?？梢钥闯?，相較于其他算法，本文算法在用戶數更多時發生阻塞。隨新到達用戶增長，4種算法的接入阻塞率都呈上升趨勢。本文算法接入阻塞率相較于其他算法上漲較為緩慢，在相同新到達用戶情況下均低于其他算法。這是由于本文算法可以通過估計接入阻塞率，自適應地調整用戶接入網絡的行為，使用戶選擇更加合理的網絡。因此，本文算法相較于其他算法降低了接入阻塞率，提高了用戶體驗。

圖2 用戶接入阻塞率

4.3 接入用戶數

圖3為接入用戶數隨新到達用戶數的變化情況。在用戶數較少時，由于網絡容量充足，4種算法接入用戶數相近，能滿足大部分用戶的接入需求。隨著新到達用戶數增加，算法接入用戶數都不同程度地增加。而本文算法相較于其他算法能滿足更多用戶的接入需求。這是由于本文算法能夠估計網絡中用戶的接入阻塞率，并選擇相應的行為接入網絡，滿足了更多用戶的接入需求。

圖3 接入用戶數

4.4 網絡負載率

圖4為新到達用戶數為40時的網絡負載率，此時網絡還可以容納一定的用戶；圖5為新到達用戶數為110時的網絡負載率，此時新到達用戶數量已超過網絡容量。綜合圖4和圖5的仿真結果，可以看到本文算法網絡負載相較于其他算法差異性更小，這是由于其他算法根據固定的參數選擇網絡，相較于本文算法選擇的目標網絡比較單一。本文算法能夠根據網絡剩余帶寬自適應地分配用戶的接入選擇，為用戶選擇更加合理的網絡，使得網絡負載更加均衡。

圖4 網絡負載率(40用戶)

圖5 網絡負載率(110用戶)

4.5 系統吞吐量

圖6所示為系統吞吐量相較于新到達用戶增加的變化情況。由圖6可以看出，4種算法的系統吞吐量都隨著新到達用戶數的增加而增加。在用戶數較少時，各個算法的系統吞吐量上升較快；在用戶數較多時，由于網絡阻塞率上升，系統吞吐量上升趨勢變緩。在不同新到達用戶數情況下，本文算法系統吞吐量總是優于其他算法。這是由于本文算法能夠根據場景中網絡剩余可容納用戶數及新到達用戶數，調整用戶接入網絡的概率，從而更加合理地分配用戶接入行為，滿足更多用戶的接入需求。

圖6 隨新到達用戶變化的系統吞吐量

圖7所示為系統吞吐量隨時間的變化情況。本文提出算法的系統吞吐量優于其他算法。綜合圖6和圖7可以看出，本文算法相較于其他算法擁有更大的網絡吞吐量，使網絡性能獲得更好提升。

圖7 隨時間變化的系統吞吐量

5 總 結

本文提出了一種異構無線網絡自適應的接入算法，用于解決異構無線網絡算法中難以適應未來高動態性網絡場景進行接入的問題。本文算法能根據網絡環境中新到達用戶數、網絡剩余可容納用戶數，估計接入阻塞率，最大化網絡吞吐量，從而自適應地選擇用戶接入網絡的行為。仿真結果表明，本文所提算法降低了用戶接入阻塞率，增加了接入用戶數，提高了網絡吞吐量，均衡了網絡負載，并且能夠適應未來高動態性網絡。