多終端協同接入網絡選擇算法研究*

陳美娟,朱曉榮

（南京郵電大學江蘇省無線通信重點實驗室 南京 210003）

1 引言

隨著接入網絡技術的多樣化，一個用戶擁有多個通信終端已經比較常見，這些終端設備可能通過蜂窩移動通信網絡、固定通信網絡、互聯網、廣電網、家庭網獲得所需的業務。讓用戶放棄已有所有終端，換一部全功能的終端不太可行，反之，在不改變用戶習慣的情況下，充分利用已有終端，通過多終端的協同工作，為用戶提供所需業務，使用戶享受到ABC(always best connect)[1]服務是一個值得研究的課題。

本文首先介紹虛擬終端的概念，然后介紹多終端協同情況下業務的提供方法，接著分析了多終端協同網絡選擇的特點，提出了多終端協同接入網絡選擇（collaborative access network select，CANS）算法，分析了算法性能，最后總結全文。

2 虛擬終端

多個具有通信功能的終端設備，因為某種業務的需要，臨時形成一個“大終端”，當業務結束后各終端設備就解體。稱這種終端設備組為虛擬終端 （virtual terminal，VT）。VT有4個主要特點：第一個是VT中每個成員具有通信功能，例如手機、PC、PDA等，成員可以是單模或者多模；第二個是VT中有一個成員作為主控設備（master），負責VT與外部的通信，同時可管理VT內部各成員之間的通信；第三個是VT中每個成員都可以成為主控設備，最終哪個成為主控設備，由成員之間通過一種簡單的協議商定；第四個是VT中的成員協同完成業務，任務完成后VT解體[2]。VT成員之間的短距離通信不屬于本文研究的內容。

3 多終端協同業務提供方法

為方便說明問題，首先給出虛擬終端時的網絡結構，然后介紹多終端協同的業務提供方法。

3.1 網絡結構

圖1為虛擬終端時的網絡結構，從下往上依次是終端層、接入層、控制層和服務層。與現有網絡的主要區別在終端層、控制層和服務層，終端層提供虛擬終端功能，控制層有網絡控制（network controller，NC）平臺，服務層有服務控制（service controller，SC）平臺。

UE1～UE5均具有短距離通信功能 （例如藍牙）；UE1為高清電視機；UE2～UE5支持多種無線接口。UE2和UE4具有接入 AN1和AN4的能力，UE3具有接入 AN2和AN4的能力，UE5具有接入 AN1、AN2和AN4的能力。

3.2 業務提供方法

用戶希望通過高清電視機UE1看一部高清電影，因為UE1只有短距離通信功能，它發送廣播消息給它可見的終端 UE2～UE5，通過協商，UE4成為本次任務的主控設備，UE2～UE5愿意共同完成這項任務，于是，UE1～UE5構成一個虛擬終端。UE4向網絡控制器NC發送業務請求，請求下載某高清電影，消息中包含UE2～UE5的一些參數，例如支持的接入網絡、用戶的偏好、接收到的網絡信號強度等。

NC接收到請求消息后，執行CANS算法，結果是UE2接入 AN1、UE3接入 AN2、UE4接入 AN4、UE5接入 AN2。

NC執行網絡選擇算法后，向服務控制平臺SC發送請求下載某視頻的請求，SC找到視頻所在的媒體服務器1（MS1），將MS1的地址發送給NC。最后NC發送網絡選擇結果以及MS1的地址給UE4。

上述虛擬終端的業務提供方法如圖2所示。

UE2～UE5下載視頻可以采用Pull或Push方式。Pull方式，即UE2～UE4分別通過網絡選擇確定的AN發送下載視頻的請求；Push方式，即MS1主動發送媒體流給UE2～UE4。這不屬于本文討論的內容。

UE2～UE5接收到視頻流后，通過短距離通信的方式傳遞給UE1，UE1整理視頻流數據后呈現給用戶。

圖2 多終端協同業務提供方法

4 多終端協同網絡選擇算法的特點及應用

4.1 多終端協同網絡選擇的特點

網絡選擇是一個組合優化問題，已有較多文獻對此進行研究[3～8]，通常采用多屬性決策（multiple attribute decision making，MADM）方 法 ，例 如 SAW[3]、GRA[4]、ELECTRE[5]、TOPSIS[6]、AHP[7]、WMC[8]等。已有算法針對單個終端穿越多個網絡時，選擇一個最佳的網絡用于垂直切換。

圖1 網絡結構

本文研究的接入網絡選擇有4個特點，一是針對多個終端；二是多終端協同完成同一項業務；三是需要從M個候選網絡中選擇出N個（N≤M）作為激活網絡。以上特點表明本文研究問題與以往不同，此時需要考慮多個終端同時選擇多個網絡，一方面決定選擇哪幾個接入網絡，另一方面決定各終端工作于哪種模式。網絡選擇的結果有兩種，一是選擇的y個終端接入到y個網絡（當y≤M時），即各終端接入不同的接入網絡；另一個是選擇的y個終端接入到N個網絡（當N≤y時），即有多個終端接入到同一個接入網絡。

多終端協同接入網絡選擇可以借鑒已有網絡選擇算法，因為考慮較多接入網絡和較多終端，所以選擇計算量較小的方法。另外需要注意的是，當多個終端選擇同一接入網絡時，某些網絡參數會改變。

4.2 多終端協同網絡選擇算法

多終端協同網絡選擇，網絡控制平臺確定若干個網絡選擇參數，對候選的多個接入網絡，形成決策矩陣A=(aij)M×N，M為接入網絡數目，N為網絡選擇參數數目，aij表示第i個網絡第j個參數的取值。對A標準化后得到矩陣B=(bij)M×N，對于效益型參數；對于成本型參數

本文基于SAW和MEW（指數權重法）[9]算法，SAW算法目標函數為wj是參數j的權重MEW算法目標函數為當有一個終端選擇接入網絡時，記前述決策矩陣為A1，計算所有接入網絡的目標函數記為F1=[f11,f12,…,f1M]。當有兩個終端選擇同一個接入網絡時，某些網絡參數會變化，記參數改變后的決策矩陣為A2，為便于比較，aj+和aj-用最初的值，同理計算此時的目標函數，記為F2；有D個終端選擇同一個接入網絡時，同理得到A3,A4,…,AD，也計算出目標函數F3,F4,…,FD，矩陣F如式（1）所示。

對于同一接入網絡來說，隨著接入終端數目的增加，目標函數呈現減小的趨勢，因此，將所有目標函數按照從大到小排列，形成數組S，排在S前面的目標函數所對應的接入網絡將被選擇。

對于終端來說，其支持的接入網絡可用多維數組TN來表示，包括tn1,tn2,…,tnd，D為終端數目。例如前述的UE2～UE5，則tn2={AN1,AN4}，tn3={AN2,AN4}，tn4={AN1,AN4}，tn5={AN1,AN2,AN4}。由此形成終端-網絡矩陣Z=(zij)，zij取值為0或者1，如果zij=1，說明終端i可以選擇接入網絡j。根據示例的數組TN可以得到Z矩陣如式（2）所示。

假設S=[f11,f12,f22,f13,f23,f14,…]，則網絡選擇順序依次是 AN1，AN2，AN2，AN3，AN3，AN4……Z矩陣的第一列有 3個“1”，說明有3個終端支持AN1，因為首選的接入網絡是AN1，所以Z矩陣按照從上到下，選擇UE2接入AN1；次選網絡是AN2，對應 Z陣第二列有兩個“1”，選擇UE3接入 AN2；第3個可選的網絡還是AN2，選擇UE5接入AN2；下一個可選的網絡是AN3，沒有終端支持AN3，本輪落空；下一個可選的網絡還是AN3，本輪也落空；再下一個可選的網絡是AN4，選擇UE4接入AN4。依次類推，網絡選擇結果可用多維數組P表示為p2={AN1}，p3={AN2}，p4={AN4}，p5={AN5}……

多終端協同網絡選擇算法流程如圖3所示。

圖3 多終端協同網絡選擇算法流程

本文提出的算法在多個網絡選擇參數中，受接入終端數目影響的參數是可用帶寬（AB）和系統負荷（U）。隨著接入同一網絡的終端數目的改變，AB和U也將改變，AB將被修改為：ABcurrent=AB/num，AB和ABcurrent分別為最初的和多個終端接入后的可用帶寬，num為接入的終端數，也是計算目標函數的次數，如第二次計算則num=2。系統負荷將被修改為：Ucurrent=U+Brequest/ABcurrent，U和Ucurrent分別為最初的和多個終端接入后的系統負荷，Brequest為請求的業務帶寬。

4.3 仿真分析

仿真中假設需要網絡選擇的終端設備有4個，即D=4；網絡控制平臺接收到6個接入網絡的信息，即M=6；網絡選擇參數有8個，即N=8，分別是可用帶寬AB、總帶寬TB、終端接收到的信號強度SS、系統負荷U、延遲DE、抖動J、分組丟失率L和代價C。各參數取值如表1所示。

各參數的權重包括客觀和主觀兩部分，客觀權重采用熵值法[10]計算，主觀權重簡單給出，參數客觀權重與主觀權重的乘積歸一化后為最終權重。

主觀權重有3種情況：CASE1為所有參數權重相同；CASE2設參數AB和L合計占70%的權重，其他參數占30%的權重，即針對數據業務的環境；CASE3設參數AB、D、J合計占70%的權重，其他參數占30%的權重，即針對語音業務的環境。

圖4給出了多終端接入網絡選擇的結果，圖中給出了選擇結果的前6個接入網絡。例如圖（b）說明在CASE2情況下，SAW算法的網絡選擇結果依次是AN6、AN4、AN6、AN5、AN4、AN6，MEW算法的網絡選擇結果依次是AN6、AN4、AN5、AN6、AN4、AN4。

圖5比較了不同算法時的吞吐量，可以看出，隨著協同工作的終端數目的增加，業務吞吐量會增加。在CASE1情況下，當終端數小于或等于2個時，SAW算法的吞吐量等于或大于MEW；當終端數為3、4、5個時，兩者吞吐量相同；當終端數為6時，MEW吞吐量大于SAW。在CASE2和CASE3情況下，當終端數小于等于2個時，兩種算法吞吐量相同；當終端數為3個時，MEW吞吐量大于SAW；當終端數大于3個后，兩者吞吐量相同。

表1 網絡選擇參數取值

圖4 多終端協同接入網絡選擇結果

圖5 吞吐量比較

圖6 代價比較

圖6比較了兩種算法在不同情況下的代價，可以看出，在CASE1情況下，當終端數小于3個時，MEW代價低于SAW，當終端數等于6時，MEW代價高于SAW。在CASE2和CASE3情況下，當終端數小于3個時，兩種算法的代價相同，當終端數為3個時，MEW代價高于SAW，當終端數大于3個時，兩種算法代價相同。

圖7比較了本文提出的算法與隨機選擇法，選擇CASE2情況下，終端數為4個。當隨機選擇接入網絡時，每次選中的網絡都可能不一樣，本次隨機取樣為AN4、AN2、AN2和AN1。可以看出，本文提出的算法其吞吐量遠高于隨機法，但同時付出了較大的代價。

5 結束語

圖7 CANS與隨機法比較

普遍存在的網絡和越來越多的智能終端，提高了人們的生活質量。網絡選擇問題已經從原來的一個終端穿越多個網絡或在多個網絡中選擇一個最佳的網絡接入，發展到虛擬終端情況下多終端協同的接入網絡選擇。本文分析了存在虛擬終端的網絡中，在網絡控制平臺處執行多終端協同的接入網絡選擇算法，該算法實現了在多個候選的網絡中選擇出若干個接入網絡供多個終端使用，保證了整體目標函數的最優化。多終端協同的接入網絡選擇剛剛開始研究，還有許多問題需要解決，今后將對移動情況下多終端協同的接入網絡選擇算法進行研究。

1 Gustafsson E,Jonsson A.Always bestconnected.In:IEEE Wireless Communications,2003

2 胡錚,史巨偉,唐曉晟.基于始終最佳體驗的終端聚合的研究與實現.計算機應用研究,2008(6)

3 Zhang W. Handover decision using fuzzy MADM in heterogeneous networks.In:IEEE Wireless Communications and Networking Conf,Atlanta,USA,2004

4 Qingyang Song,Abbas J.Network selection in an integrated wirelessLAN and UMTS environmentusing mathematical modeling and computing techniques.IEEE Wireless Commun,2005,12(3):42～48

5 Bari F,Leung V.Application of ELECTRE to network selection in a heterogeneous wireless network environment.In:IEEE Wireless Communications and Networking Conf,Hong Kong,China,2007

6 Bakmaz B,Bojkovic Z,Bakmaz M.Network selection algorithm for heterogeneous wireless environment.In:Personal,Indoor and Mobile Radio Communications,Athens,Greece,2007

7 Chen Gu,Yong Zhang,Wenjing Ma.Universal modeling and optimization for multi-radioaccessselection.In:International Conference on Wireless Communications,Networking and Mobile Computing(WiCOM),Beijing,China,2009

8 Y Wang,P Zhang,Y Zhou,et al.Handover management in enhanced MIH framework for heterogeneous wireless networks environment.Journal of Wireless Personal Communications,2010,52(3):615～636

9 Jose D Martinez-Morales, Ulises Pineda-Rico, Enrique Stevens-Navarro. Performance comparison between MADM algorithms for vertical handoff in 4G networks.In:International IEEE Conference on Electrical Engineering Computing Science and Automatic Control(ICEEE),Tuxtla Gutierrez,Mexico,2010