異構無線網絡環境下的切換觸發時間選擇算法

閆繼壘，李建東，趙林靖

（西安電子科技大學 綜合業務網理論和關鍵技術國家重點實驗室，陜西 西安 710071）

1 引言

隨著無線通信行業的發展，各種無線接入網絡紛紛涌現，如WLAN、WiMAX、Bluetooth等，它們與傳統的蜂窩網絡一起組成了一個復雜的異構無線網絡環境。與此同時，無線終端也從單接口模式向多模化發展，即具備多種網絡接口，能夠同時接入不同類型的無線網絡。然而，由于覆蓋范圍有限，任何一種網絡都不可能滿足所有移動用戶的需求。因此，如何保證用戶在移動過程中能夠獲得持續有效的通信服務成為了目前人們研究的重點。

切換技術是保證移動用戶業務連續性的重要手段。目前對于切換問題的研究主要集中于2方面：切換目標網絡選擇[1～3]和切換觸發時間選擇[4～7]。文獻[1,2]都對異構網絡環境下的垂直切換目標網絡選擇決策算法進行了總結和分類，對比了不同方法的實現復雜度和有效性。文獻[3]通過合理地定義效用函數，移動用戶能夠在切換次數和吞吐量上獲得很好折中。文獻[4]和文獻[5]以媒質無關切換(MIH, media independent handover)為基礎，能夠根據用戶的移動速度設定相應的切換觸發門限，但是在用戶移動速度變化的場景下就很難準確得到終端切換觸發門限值，適用性較差。文獻[6]和文獻[7]都是利用終端接收的信號強度來預測在當前服務網絡中的接收門限，從而確定切換觸發時間，不同的是文獻[6]采用了LMS(least mean square)模型進行預測，文獻[7]采用了AR(auto- regression)模型進行預測。本文首先理論分析了最佳切換觸發時間應滿足的條件，該條件適用于終端在具有不同網絡重疊覆蓋情況下的異構網絡間進行切換。然后在對切換耗時進行估計的基礎上，利用自回歸模型對用戶終端接收到當前服務網絡和切換目標網絡的信號強度進行預測，從而獲得最佳切換觸發時間的預測值。仿真結果表明，本文方法能夠準確預測終端的最佳切換觸發時間，降低切換失敗概率和用戶的分組丟失概率。

2 系統模型

2.1 問題建模

移動用戶進行切換的目的是為了保證其正在進行的業務的連續性。衡量切換性能的2大指標是切換失敗概率和分組丟失概率，即如何在保證成功切換的前提下最小化用戶業務的分組丟失。因此，切換觸發時間選擇可以建模為如下的優化問題：

其中，Ploss(t)是在t時刻觸發切換時用戶業務的分組丟失概率，Phf(t)是在t時刻觸發切換時的切換失敗概率。

在如圖1所示切換場景中，用戶從網絡N1的BS處以恒定速度v0向網絡N2的AP運動。假設用戶在t時刻與BS的距離為d1，與AP的距離為d2=L-d1，則此時終端接收到2個網絡的信號強度值(dB)分別為

其中，P1( d1)為終端與BS距離為d1時接收到N1的平均功率；P2( d2)為終端與AP距離為d2時接收到N2的平均功率；Cδ1和Cδ2為信號在傳輸過程中受到的陰影衰落影響，它們分別服從均值為0、標準差為δ1和δ2的正態分布(dB)。

圖1 用戶切換

定義終端能夠正確解調接收信號數據的最小接收信號強度值為其在該網絡下的接收靈敏度。假設用戶終端在N1中的接收靈敏度為Prxth1，在N2中的接收靈敏度為Prxth2，終端執行切換所需要的時間為Th。若不考慮陰影衰落等因素造成的接收信號強度波動(Cδ1=Cδ2=0)，那么RSS1( t)為單調遞減函數，RSS2( t)為單調遞增函數。很明顯，為了避免用戶切換失敗，終端必須在T1=TLU-Th和T2=TLD-Th之間觸發切換，其中，TLU為終端接收到N2的信號強度值恰好上升到Prxth2的時間，TLD為終端接收到N1的信號強度值恰好下降到Prxth1的時間。即切換觸發時間t必須滿足

用戶業務的分組丟失是由于終端接收到網絡的信號強度小于終端的接收靈敏度所導致的。在N1中，終端接收的信號強度值為RSS1( t)= P1( v0t)+Cδ1，由于Cδ1服從均值為0、標準差為δ1的正態分布，因此RSS1( t)＜Prxth1的概率為P{ RSS1( t)＜Prxth1}。同理有P{ RSS2( t)＜Prxth2}。為了避免切換失敗，終端需要在[T1, T2]之間觸發切換，此時用戶業務的分組丟失由2部分組成：切換完成前在N1中的分組丟失和切換完成后在N2中的分組丟失。假設終端在t時刻觸發切換，此時用戶的分組丟失概率可以表示為

所以優化模型進一步變為

2.2 最佳切換觸發時間

將上述目標函數(7)對t求導，得到：

在把上式再對t求導，得到：

在用戶從網絡N1的BS處以恒定速度v0向網絡N2的AP運動的過程中，P1( v0(t+Th))是t的單調遞減函數，P2( L-v0(t+Th))是t的單調遞增函數，即：所以有恒成立。根據凸優化理論[8]，可以確定上述優化問題是一個凸問題。令topt為理論上的最佳切換觸發時間，則有

由于N1和N2是相鄰網絡，它們所處的地理環境基本相同，終端接收到2個網絡基站的信號強度受到的陰影衰落影響基本相當，故而可以假設δ1=δ2，則有

如圖1所示，終端在TLU時刻接收到網絡N2的信號強度恰好為該網絡的接收靈敏度，即有P2( L-v0TLU)=Prxth2，而此時終端也一定處在網絡N1的覆蓋范圍內，即有P1( v0TLU)≥Prxth1。由于P1( v0t)是t的單調遞減函數和P2( L-v0t)是t的單調遞增函數，并結合式(13)，證明topt+Th≥TLU。同樣，可以證明topt+Th≤TLD。又由于TLU=T1+Th，TLD=T2+Th故而T1≤topt≤T2。最終可以看出，滿足原優化問題(7)、(8)、(9)的終端最佳觸發切換時間topt一定滿足式(14)：

實際無線環境中，終端接收到網絡的信號強度是受到路徑損耗和陰影衰落2部分影響，為此式(14)可以轉化為如下最優性條件：

其中，ε為一個很小的正數。

3 算法設計

根據前面的分析，為了能夠準確地預測最佳切換觸發時間，終端首先需要對切換所需要的時間Th進行估計，根據估計結果確定進行信號強度預測的步長。然后終端采用自回歸(AR)模型分別預測其接收到2個網絡的信號強度，若預測值滿足式(16)，那么t時刻就是最佳切換觸發時間的預測值，即=t。

3.1 切換耗時估計

用戶在異構網絡之間進行切換時，多模終端可以同時使用不同的網絡接口進行通信。因此終端在與切換目標網絡基站建立連接的過程中，可以繼續使用與原網絡基站之間的鏈路進行數據傳輸。切換耗時[9]可以分為原接口耗時(Th1)和新接口耗時(Th2)，即Th=Th1+Th2。其中，Th1又包括：鏈路層的獲取目標網絡信息時間(Th1-nbr)和切換告知時間(Th1-ind)，以及網絡層的切換時間(TFH)，即Th1=Th1-nbr+Th1-ind+TFH；Th2包括：掃描切換目標網絡時間(Th2-scn)和切換執行時間()，即。在終端執行切換時，原網絡接口和新網絡接口可以同時進行，所以總的切換耗時如下：

在文獻[10]提出的分層分布式網絡資源管理架構的基礎上，對用戶在異構網絡之間的切換耗時(Th)進行估計。如圖2所示，用戶由GSM網絡向WiMAX網絡切換，各環節的耗時估計值分別為=2(φσ+θ+θ+HNNθ +θ)、=2(φσ+σ+σ+HMRσ+σ)、、=2(φσ)、=，其中，σ表示單位信息在相鄰物理實體之間的傳輸時延，φ表示無線鏈路中可能存在傳輸碰撞等導致的時間開銷，θ表示相鄰功能實體之間的傳輸時延，HMR為GSM網絡的移動交換中心(MSC)與WiMAX網絡的路由之間的跳數，HNN為管理2個網絡的網絡重構管理器(NRM)之間的跳數。為網絡層切換的時延，根據所采用的具體切換協議而定。和分別為WiMAX網絡的同步和搜索、基本能力協商、關鍵信息交互和鑒權、注冊時間[9]。

圖2 切換耗時估計

3.2 預測模型

在獲得切換耗時估計結果之后，采用AR模型[11]分別對終端接收到當前服務網絡和切換目標網絡的信號強度進行預測，預測模型如圖3所示。終端以Tsamp為間隔對其接收到網絡的信號強度進行采樣，將得到的采樣值X={x( n), x( n-1),…,x( n-p+1)}作為輸入序列。若終端切換耗時的估計值為，則其進行接收信號強度預測的預測步長K可以通過式(18)確定：

其中，Δt為預測余量，Δt≥0。

圖3 AR預測模型

AR模型的預測結果如下所示：

其中，Wopt={ωopt(0),ωopt(1),…,ωopt(p-1)}為采用最小均方誤差準則時得到的預測器的最佳權系數向量。

由于終端在短時間間隔內采樣得到的接收信號強度會有比較大的波動，為預測帶來一定的難度。因此采用加權平滑(WMPM)方法[12]對采樣得到的信號強度進行處理，具體如下：

其中，α(0≤α≤1)為平滑系數，y( n)為加權平滑后的信號強度值。

3.3 最佳切換觸發時間預測

1) 用戶發起切換請求，首先對終端的切換耗時進行估計，得到估計結果。

2) 終端監測其接收到N2網絡的信號強度，直至監測到該信號強度大于設定的預測門限值Pinit時為止，此時的時間為Tinit。

3) 終端以Tsamp為周期對接收到N1和N2的信號強度分別進行采樣，得到采樣序列X1和X2；然后采用加權平滑方法進行處理，得到信號強度序列Y1和Y2。

4 性能仿真

考慮用戶由GSM網絡基站向WiMAX網絡基站移動的場景，GSM采用Okumura-Hata路徑損耗模型[13]，WiMAX采用Cost231-Hata路徑損耗模型[13]，分別如下所示：

其中，fc為載波頻率(MHz)，hb為基站發射天線高度(m)，hm為移動終端天線高度(m)，α(hm)=3.2[lg11.75hm]2-4.97為市區天線校正因子(dB)，d為基站與移動終端之間的距離(km)。各網絡參數的具體設置與文獻[13]一致，如表1所示。

表1 信道傳輸模型參數設置

在GSM網絡與WiMAX網絡覆蓋狀況如圖4所示變化時，對比以下幾種切換觸發時間選擇算法的性能。

固定門限觸發(TH)算法：根據文獻[4]，PLGD=ηPrxth1(η＞1)，PLGD表示觸發鏈路即將下降信號(LGD)的信號強度值。一旦終端監測到其接收到N1的信號強度低于PLGD時，就觸發切換過程。

單一預測當前服務網絡信號強度(SP)算法：根據文獻[5]，終端只預測其接收到N1的信號強度，預測步長為K，若預測值小于，就觸發切換過程，其中，為補償后終端在N1中的接收靈敏度。

本文算法（PS）：終端分別預測接收到N1和N2的信號強度，最終確定最佳切換觸發時間的預測值。

由于導致終端接收信號強度波動的陰影衰落是服從正態分布的，在統計意義上其均值為0，因此可以把滿足式(14)的切換觸發時間作為理想最佳切換觸發時間，并把在此時觸發的切換的性能作為衡量各種算法的基準。

圖4 網絡覆蓋狀況變化

仿真時的具體參數設置：終端的移動速度為v0=10m/s，信號強度采樣的間隔為Tsamp=10ms，終端開始預測接收信號強度的門限Pinit=-95dB，切換耗時估計值設定為=200ms，預測余量Δt=0，加權平滑系數α=0.9，預測結束門限ε=0.5。假設信號受到陰影衰落的影響服從均值為0、方差為4的正態分布(dB)。PS算法采用10階的AR預測模型，SP算法采用5階的LMS預測模型，接收靈敏度補償系數為c=1，TH算法中LGD信號門限設置為η=1.5。

采用MATLAB仿真軟件對比不同的切換觸發時間選擇算法，考察以下2種切換性能指標：切換失敗概率和用戶的分組丟失概率。切換失敗有以下2種原因：用戶在完成切換前，終端接收到N1的信號強度就已經下降到接收靈敏度之下；用戶在切換完成后，終端接收到N2的信號強度尚未達到接收機靈敏度要求。根據終端選擇的切換觸發時間t的不同，用戶的分組丟失概率如式(24)所示：

圖5給出了不同算法選擇的切換觸發時間對比。隨著網絡覆蓋狀況的變化，理想最佳切換觸發時間也在變化。然而TH算法和SP算法只考慮終端接收到GSM網絡的信號強度，因而所選擇的切換觸發時間基本固定，對環境的適應性較差。PS算法綜合考慮終端接收到GSM和WiMAX的信號強度，能夠較為準確地預測理想最佳切換觸發時間，而且能夠很好適應網絡覆蓋狀況的變化。

圖5 切換觸發時間對比

圖6給出了不同切換觸發時間選擇算法的切換失敗概率。理想最佳切換觸發時間總是能夠保證用戶成功切換。在基站間距較大時，由于TH算法選擇的切換觸發時間較早，切換完成后終端接收到WiMAX的信號強度尚未達到接收靈敏度要求，因此具有很高的切換失敗概率。在基站間距離較小時，由于SP算法選擇的切換觸發時間較晚，切換完成前終端接收到GSM的信號強度可能就已經低于接收靈敏度，從而會存在一定的切換失敗概率；當基站間距離變大時，切換完成后終端接收到WiMAX的信號強度尚未達到接收靈敏度要求就變成了用戶切換失敗的主要原因。PS算法選擇的切換觸發時間最接近于最佳觸發時間，只是在網絡基站間距較大時，會由于預測誤差的影響導致用戶出現一定的切換失敗現象。

圖6 切換失敗概率對比

圖7給出了不同切換觸發時間選擇算法下用戶的分組丟失率。最佳切換觸發時間能夠最小化用戶的分組丟失概率。隨著基站之間距離變大，TH算法和SP算法都會過早觸發切換，根據式(24)，用戶的分組丟失概率與切換失敗概率基本一致。而PS算法能夠有效地降低用戶的分組丟失率。

圖7 用戶分組丟失概率對比

5 結束語

分析了移動用戶在異構網絡環境下的切換觸發時間選擇問題，給出了在理想最佳切換觸發時間點處，終端接收到切換前后2種網絡的信號強度所應滿足的條件。在切換耗時估計和信號強度預測的基礎上，提出了一種最佳切換觸發時間的預測算法。仿真結果表明，本算法能夠有效地降低用戶的切換失敗概率和分組丟失率。在網絡重疊覆蓋區域變化的情況下，具有較好的適應性。

[1] KASSAR M, KERVELLA B, PUJOLLE G. An overview of vertical handover decision strategies in heterogeneous wireless networks[J].Computer Communications, 2008, 31(10): 2607-2620.

[2] YAN X H, AHMET Y, NARAYANAN S. A survey of vertical handover decision algorithms in fourth generation heterogeneous wireless networks[J]. Computer Networks, 2010, 54(11):1848-1863.

[3] LEE D, HAN Y, HWANG J. QoS-based vertical handoff decision algorithm in heterogeneous systems[A]. Personal, Indoor and Mobile Radio Communications[C]. Helsinki, Finland, 2006.

[4] WOON S, GOLMIE N, SEKERCIOGLU Y A. Effective link triggers to improve handover performance[A]. Personal, Indoor and Mobile Radio Communications[C]. Helsinki, Finland, 2006.

[5] MA C, FALLON E, QIAO Y S. VOSHM-a velocity optimized seamless handover mechanism for WiMAX networks[A]. The 9th IT & T Conference[C]. Dublin, Ireland, 2009.

[6] YOO S J, CYPHER D, GOLMIE N. LMS predictive link triggering for seamless handovers in heterogeneous wireless networks[A]. Military Communications Conference[C]. Orlando Florida, 2007.

[7] PARK J, LIM Y. A handover prediction model and its application to link layer triggers for fast handover[J]. Wireless Personal Communications, 2010, 52(3):501-516.

[8] BOYD S, VANDENBERGHE L. Convex Optimization[M]. Cambridge, UK: Cambridge Univ Press, 2004.

[9] YOO S J, CYPHER D, GOLMIE N. Predictive handover mechanism based on required time estimation in heterogeneous wireless networks[A].Military Communications Conference[C]. San Diego,CA, 2008.

[10] 盛敏. 認知無線網絡網間資源聯合管理系統架構子報告[R]. 2010.SHENG M. Joint Resource Management System Architecture in Cognitive Wireless Networks[R]. 2010.

[11] 張樹京, 齊立心. 時間序列分析[M]. 北京: 清華大學出版社, 2003.ZHANG S J, QI L X. Time Series Analysis[M]. Beijing: Tsinghua University Press, 2003.

[12] MELIA T, OLIVA A, SOTO I. Analysis of the effect of mobile terminal speed on WLAN/3G vertical handovers[A]. Global Telecommunications Conference[C]. San Francisco, CA, 2006.

[13] 吳偉陵, 牛凱. 移動通信原理[M]. 北京: 電子工業出版社, 2005.WU W L, NIU K. Mobile Communication Principle[M]. Beijing: Publishing House of Electronics Industry, 2005.