0 引言

　　隨著無線接入技術的飛速發展，各種各樣的通信技術已隨處可見，例如WLAN、IEEE802.16、WiMAX、藍牙等。網絡也由2G發展到3G、B3G、4G，正在向5G發展。因此異構必然成為未來無線網絡發展的趨勢，同時，隨著芯片集成技術等相關技術的發展，也使得終端用戶具備接入多個網絡的能力。

　　在異構環境下，當終端用戶發起接入時，很明顯與單一網絡覆蓋的接入情況有顯著區別，這是因為終端用戶首先將面臨接入選擇問題，而單一網絡覆蓋的情況下是不需要考慮的。同時，網絡側也將面臨接入控制問題，同樣是因為在異構無線環境下，終端用戶能夠選擇不同的無線網絡接入，而選擇接入不同的無線網絡，終端用戶所獲得的體驗完全不同。如果網絡選擇不合理，不僅影響終端的用戶體驗，還會影響到整個異構無線網絡的資源利用率。針對在這種多終端、多網絡共存的背景下，每個終端用戶如何選擇最合適的網絡接入這一問題，已展開了相關研究。

　　文獻[1]提出了一種異構環境下動態網絡負載架構，重點分析了此架構下終端用戶接入網絡的流程，并進行了詳細說明，但在接入中進行分配用戶時，只考慮用戶的帶寬請求和信號強度兩個參量，對于其他一些影響因素，如 QoE等參量并沒有過多考慮。文獻[2]提出了一種基于希爾伯特空間向量范數的網絡選擇算法，該策略通過利用向量間的幾何關系來選擇與用戶需求最優的網絡，并通過構建一個“容忍空間”來控制用戶是否接入新網絡。該算法在控制垂直切換頻率方面具有很好的有效性，但該算法很有可能造成多個終端用戶選擇到同一個條件很好的網絡，造成該網絡負載過重的問題。文獻[3]則是結合基于模糊綜合評價法和層次分析方法所提出的一種網絡選擇算法，主要通過隸屬度來選擇最優網絡，使得異構環境下各個網絡達到負載均衡。除了網絡選擇算法以外，也有通過其他方法達到負載均衡的，文獻[4-5]就分別通過能量控制和編碼控制來滿足各個網絡間的負載均衡。

　　同時，對終端側用戶來說，在接入選擇過程中，也存在各種判決指標,它們對最終選擇結果也存在不同程度的影響。例如信號強度，候選網絡的信號強度越好，則越有可能被用戶選為接入網絡，而另一方面針對成本這樣的判決指標，如果候選網絡的服務費用越高，則終端用戶越有可能拒絕接入。事實上，在異構無線環境下, 接入選擇的決策過程可以根據具體情況采用不同的決策方法[6]，例如模糊函數法[7]、層次分析法（AHP）[8-9]。目前在很多文獻中通過AHP方法來為多個不同的判決指標確定權重因子，然后利用權重以及相關的算法得到最終接入的網絡，但是由AHP方法給出的權重因子，其本身也存在著一定的主觀性。

　　為了使得決策結果更加客觀準確，本文通過采用修正的AHP方法得到權重因子，結合終端用戶自身需求，巧妙地利用向量間的距離關系得到一個終端用戶可接受的備選網絡集，網絡側在終端用戶的備選網絡集中，按其業務的優先級順序并同時考慮各個網絡的負載情況為終端用戶選擇合適的網絡，將終端用戶分配到合適的網絡。

1 模型描述

　　圖1描述了異構無線場景，在此場景下，終端用戶已具備可以連接入多個無線網絡的能力。同時在異構網絡中采用集中式管理策略，增加了聯合無線資源管理(Common Radio Resource Management，CRRM)模塊[10]，其主要功能是用來協調各個網絡的相關資源，同時對所有申請接入的終端用戶進行聯合接入控制。

　　針對圖1，每個網絡的無線資源管理(Radio Resource Management，RRM)實體不僅要執行原有網絡中的任務，而且還需要把本網絡的資源負載情況以及相關信息上報CRRM，由CRRM實體結合終端用戶和各個網絡的相關信息來進行決策判斷，判斷是否允許終端用戶的接入請求以及接入到哪個網絡，最終決策結果將返回給相關的RRM實體，由該RRM實體執行決策內容。

2 方法描述

　　當多個終端用戶同時發起接入請求時，第一步首先解決終端用戶接入的問題，即接入選擇問題。每個終端用戶根據自己的體驗、需求及各個網絡的情況選擇出可接入的網絡集合。第二步解決終端用戶最終接入的問題，即接納控制問題。由網絡側根據各個網絡的情況以及終端用戶的備選網絡集將其分配到合適的網絡中。

　　因為異構場景中存在多個終端用戶和多個網絡，假設網絡的個數為t，發起接入請求的終端用戶個數為u。方法具體過程如下：

　　(1)終端用戶根據自身需求和網絡情況得出備選網絡。例如：誤碼率、信號強度、網絡計費、網絡時延等，這些參量可根據實際情況選擇作為用戶的需求和網絡情況。

　　首先假設向量Y，Y=(y1，y2，…，yn，…，ym)，其中，Y中的元素yn(0≤n≤m)可表示誤碼率、網絡時延等，向量中每個元素的權重通過AHP方法獲得，W=(w1，w2，…，wm)。本文采用向量范數來表示用戶的目標函數L[2]：

　　為了得到向量中的元素對目標函數的影響，假設式(3)中的n為連續變量，求偏導，從而得到：

　　從式(5)可以得出，n的變化對L的影響的定量描述。

　　事實上，每個網絡所能提供的服務與終端用戶的目標存在一定差距，當然這種差距很明顯不能超過終端用戶的最大容忍度。為終端用戶的目標向量，Y=(y1，y2，…，ym)為網絡的實際向量，向量中的元素代表誤碼率、網絡計費、時延等。為終端用戶的最大容忍度，其中，dn表示向量元素D中第n個元素的最大容忍度。結合以上分析，則當時，表示用戶拒絕接入該網絡，yn和n分別為網絡的實際向量Y和終端用戶目標向量中第n個元素。

　　同時對于式(5)。因此，在由AHP方法給出的權重因子向量W后，為了排除主觀因素，增加所得結果的客觀性，需要對向量W進行修正，得到修正后的權重因子W=(w1，w2，…，wm)如下：

　　因為P為終端用戶對該網絡的不滿意度，所以P越大則表示該用戶對該網絡的不滿意度越大，反之P越小則對該網絡的不滿意度越小。因此對第i個終端用戶，當Pij≤Di，表示第j個網絡可作為終端用戶接入的網絡，加入備選接入網絡集合。當Pij>Di，則表示第i個終端用戶拒絕接入第j個網絡。

　　對第i個終端用戶，當判斷完異構場景下所有網絡后，便可得到此用戶的可接入備選網絡集。

　　(2)當網絡側得到每個終端用戶備選的接入網絡集合后，并不會立刻把終端用戶分配到網絡中去，因為在不考慮網絡側條件的情況下，有可能某個網絡的條件特別好，而最后所有終端用戶都選擇接入這個網絡，造成此網絡的擁塞。因此對用戶來說最好的網絡，從網絡側角度出發并不一定是最適合的網絡。本文從負載均衡的角度出發，結合終端用戶的需求，按照業務優先級順序來分配接入的終端用戶。

　　假設終端用戶集合為U=(u1，u2，…，ui，…，uu)，在集合中每個終端用戶需要的帶寬為BU=(Bu1，Bu2，…，Buu)，同時定義每個網絡剩余的帶寬為BN=(BN1，BN2，…，BNt)。

　　當CRRM得到用戶的備選接入網絡集以及各個網絡的不滿意度后，考慮到終端用戶的QoS，網絡側按照終端用戶的業務優先級順序進行分配。例如：終端用戶i的業務優先級最高，則網絡側對此終端用戶首先分配。

　　本文從剩余資源的角度出發進行考慮，具體算法如下：

　　首先得到一個所有網絡的平均資源剩余率，記為Q：

　　如果式(10)在第j個網絡得到最小值，則CRRM實體將終端用戶i分配到第j個網絡。當用戶i分配到網絡j后，網絡側會對該網絡的資源進行更新，該網絡剩余的帶寬更新為BNj-Bui，同時，網絡的平均資源剩余率Q也更新，更新完畢后，再找出業務優先級次低的用戶，按式(10)再次進行分配，直到所有的用戶分配完畢。整個算法流程圖如圖2所示。

　　從圖2中可以看出，異構場景下，當多個終端用戶在多個網絡覆蓋區域同時發起接入時，首先由終端用戶根據自身需求建立一個備選接入網絡集，然后由CRRM根據收集的網絡側相關信息把發起接入的終端用戶分配到合適的網絡中。因此本方法即考慮了終端用戶的利益，又結合了網絡本身的情況。

3 仿真結果

　　為了驗證算法的有效性，采用MATLAB工具進行了仿真。異構環境下，在終端用戶側，終端用戶的到達率服從均值為的泊松分布，取值從1到5，并且每個終端用戶需求的帶寬服從均值為2的均勻分布。在網絡側，可接入的網絡總數目為4，分別設為網絡1、網絡2、網絡3、網絡4，同時為了體現網絡時變性，對部分參數增加了抖動。選取的網絡參數如下：用戶偏好(o)、網絡參數數值如表1所示。

　　同時，將本文所提算法與文獻[3]中所提的網絡選擇算法進行對比，分析本算法的性能。

　　圖3表示隨著終端用戶到達率的增加，每個網絡的資源剩余率Q的變化情況。當?姿值較小時，此時一個網絡就可以承載接入的終端用戶。在仿真中，由于網絡1最符合用戶的選擇，所以不管是對比算法還是本文所提算法，網絡1的資源剩余量都比較低。隨著?姿值的進一步增加，到達的終端用戶數將會越來越多，因此相應的所需帶寬也就越來越大，所以在圖形中4個網絡的剩余資源率呈現慢慢變少趨勢。但相對于對比算法，本文所提算法會從負載均衡的角度出發，將終端用戶分配到其他可以接受的網絡中，而對比算法的分配結果導致了網絡1的負載過重，從圖3中可以明顯觀察出的值越大，網絡1的資源剩余率越低，即負載相對于另外3個網絡過重。

　　圖4反映的是隨著終端用戶到達率的增加，每個網絡的剩余帶寬。相對于圖3、圖4可以明顯看出，在對比算法中，網絡1的負載較大，網絡2的負載明顯較輕，而在本文所提的算法中，4個網絡的剩余資源則都很接近，有效的保證了4個網絡間的負載平衡，說明了本算法的有效性。

　　圖5表示的是隨著的增加，兩種算法中終端用戶總的接入成功率的比較。隨著接入用戶數目的增加，接入成功率呈現下降趨勢，這是因為網絡的負載能力有限，終端用戶數目的增加必然導致成功接入用戶數目的減少，但本文所提算法的接入成功率明顯高于對比算法的接入成功率。

4 結論

　　本文提出了一種基于負載平衡的網絡選擇方法，首先，從終端用戶的角度出發，通過修正后的AHP得到終端用戶的不滿意度，再比較其不滿意度與最大容忍度之間的幾何關系，從而獲得終端用戶的備選網絡集，然后再從網絡側的角度出發，按終端業務申請接入的業務優先級順序，從負載均衡的角度出發，由網絡側為終端用戶分配最終的接入網絡。本方法既考慮了終端用戶的利益，提高了接入成功率，又兼顧了網絡側的利益，保證了負載均衡。仿真結果也表明本文所提方法不僅能夠讓終端用戶有效地進行選擇，同時也盡量保證了各個網絡間的負載均衡。

參考文獻

　　[1] Ha Jeounglak，Kim JiYeon，Kim Jin-up，et al.Dynamic

　　load balancing architecture in heterogeneous wireless network

　　environment[C].In Proc.of Comm.and Inform.Tech.，9th

　　Internet Symposium，2009：248-253.

　　[2] 孫雷，田輝，沈東明，等.一種基于Hilbert空間向量范數

　　的網絡選擇算法[J].北京郵電大學學報，2009，32(4)：

　　54-58.

　　[3] 梁立濤，紀陽，張平.基于模糊層次分析法的異構系統網

　　絡選擇算法[J].北京郵電大學學報，2007，30(2)：1-5.

　　[4] Pathak Parth H，Dutta Rudra.Impact of power control on

　　relay load balancing in wireless sensor networks[C].In

　　WCNC 2010，2010：1-6.

　　[5] CHANG B J，WU C H.Adaptive load balancing MDP-

　　based approach of two-dimensional spreading for VSF-

　　OFCDM in 4G next-generation cellular communications[J].

　　IEEE Transactions on Vehicular Technology，2009，58(3)：

　　1143-1156.

　　[6] WANG L，BINET D,MADM-based network selection in

　　heterogeneous wireless networks：a simulation study[C].In

　　Proc.of IEEE VITAE’09，2009：2603-2607.

　　[7] Xu Yubin，Li Limin，Boon-Hee Soong，et al.Fuzzy Q-

　　learning based vertical handoff control for vehicular hetero-

　　geneous wireless network[C].2014 IEEE International Con-

　　ference on Communications(ICC)，2014：5653-5658.

　　[8] BERNARDON D P，SPERANDIO M，GARCIA V J，et al.

　　AHP decision-making algorithm to allocate remotely con-

　　trolled switches in distribution networks[J].IEEE Transactions

　　on Power Delivery，2011，26(3)：1884-1892.

　　[9] 魏淑芝，朱琦.基于網絡選擇的視頻通信帶寬博弈算法[J].

　　通信學報，2015(36)：216-224.

　　[10] 3GPP TR 25.891 v0.3.0.Improvement of RRM across

　　RNS and RNS/BSS(release 6)[S].http://www.3gpp.org/

　　DynaReport/25891.htm.