本发明属于物联网技术领域，具体涉及一种物联网节点接入通道优化选择方法。
背景技术：
随着移动通信的高速发展、无线接入技术的日趋演进以及终端服务质量需求的不断攀升，多种无线技术并存提供多样化的网络服务成为主要趋势。多种网络相互补充、相互促进融合，共同满足物联网终端个性化、多样化的QoS需求。当终端设备位于这样的异构网络中时就面临着网络的选择接入。接入何种网络才能在满足终端自身的网络需求的同时保证网络的资源得到有效利用。
现在已有的网络接入选择方案也有很多。通过网络接收信号强度来进行网络选择的，这种方案只是简单的把网络接收信号强度作为网络选择接入决策依据。还有基于博弈论的网络选择方法，它将网络接入选择建模为一个博弈模型，其中博弈的参与者是异构网络覆盖下的终端用户群，并分别采用总群进化和强化学习算法来达到博弈的动态均衡，这样能避免因网络拥塞而导致网络接入选择性能下降。还有以影响网络接入选择的多个属性作为判决指标，采用基于多属性决策的方法进行网络接入选择。近年又出现了基于模糊神经网络的网络接入方法。分别结合粒子群算法及能效效用函数为模糊神经网络的输入设定初始值，由训练好的神经网络自适应地作出决策以达到异构网络的负载均衡。
现有网络接入方案的技术缺陷包括：
1)不能很好的满足不同业务类型终端的网络需求；
2)不能保证长期保证网络的资源利用率。
技术实现要素：
本发明的目的是提供一种物联网节点接入通道优化选择方法，解决在全IP异构无线网络架构下，网络融合中的网络选择问题，能够长期保证网络资源得到有效利用，并且能满足不同终端的网络需求。
本发明提供了一种物联网节点接入通道优化选择方法，包括：
步骤1，根据现实网络场景中不同互联网应用对网络性能的需求，将物联网终端的不同网络需求区分为后台类、流类、交互类及会话类业务；
步骤2，在区分业务类型的基础上，基于马尔可夫模型进行网络接入。
进一步地，步骤1包括：
基于层次分析法确定网络属性参数的权重，以区分不同业务的网络需求，具体包括：
根据层次分析法目标和选取的误码率、网络负载、时延、时延抖动、可用带宽属性，构建层次结构模型；
针对多种不同业务的不同网络性能需求，按照层次分析法的9级标度法，分别构造两个两两比较的判别矩阵，不同业务类型的终端根据其业务需要选择不同的判别矩阵，得到不同的网络属性权重值；
基于得到的不同的网络属性权重值，计算得到不同业务类型的权重因子。
进一步地，步骤2具体包括：
1)终端监测模块监测到终端业务改变，通知移动性管理模块，移动性管理模块收到终端业务改变信息后向网络接入模块发起检测网络环境信息的请求；
2)网络接入模块通过无线网口收集网络相关信息，把收集到的信息返回至移动性管理模块；
3)移动性模块启动网络选择功能，采用基于马尔可夫模型的接入算法选定最优的接入网络，移动性管理模块向网络管理系统发送网络接入请求；
4)网络管理系统根据当前网络状态确定是否响应请求，若网络请求被接收，终端设备接入新的网络。
进一步地，基于马尔可夫模型的接入算法选定最优的接入网络包括：
(1)单次收益函数的确定：
不同终端在进行网络选择切换后会获得单次收益，表达式如下：
式中，r(s,a,s′)表示终端在从网络状态s的条件下，采取动作a后转移到下一个网络状态后获得的即刻收益；P(s,a,s′)表示当次转移的概率；r可正可负，如果r为正则表示网络接入后能获得较好性能，反之则表示接入的网络不能满足需求；
加入无线网络的多个状态参数，根据其权重的加权构建收益函数r(s,a,s′),可得：
r(s,a,s′)＝ωDrD(s,a,s′)+ωPrP(s,a,s′)+ωBrB(s,a,s′)+ωErE(s,a,s′)+ωLrL(s,a,s′)；
式中，y∈Y＝{D,P,B,E,L}代表各个网络参数,y∈Y＝{D,P,B,E,L}表示网络参数y的即刻收益，ωi表示收益函数所对应的权重；
(2)多次收益函数的迭代：
令决策目标函数为O，则O表示为：
式中，r＝r(s,a,s′)代表不同业务类型的终端在该决策时刻的收益；γ表示反应选择短期收益还是长期收益的折扣因子，当γ＝1时表示把决策选择为长期收益，决策目标转化为：
决策目标转化后的上式代表各个决策时刻得到的平均收益，把π定义为终端采取一次切换动作的策略则有π:S→A,即π(s)表示在网络状态s下会采取确定动作且概率为1；
令Vπ(s,a)为状态动作函数，其表示在状态s下采取策略π给出的动作a所获得的长期期望收益，期望收益函数Vπ(s,a)表示为:
式中，Eπ[]表示在策略π和状态转移概率P分布上的期望；
(3)网络接入策略的确定：
对于任意网络状态s和当下采取的动作a，在策略下的期望收益函数Vπ(s,a)表示为:
式中，R(s,a)表示网络状态转移后的即刻收益；
在每个决策时刻寻找最优网络选择策略，使得不同业务类型的终端在当前网络状态s和动作a下，根据π策略进行网络选择得到最大的期望收益，即对于任意s∈S,a∈A和策略π满足V*(s,a)≥Vπ(s,a)。
与现有技术相比本发明的有益效果是：
能够满足物联网终端不同业务的网络需求，同时还能提升网络资源利用率。
附图说明
图1是本发明构建的层次结构模型；
图2是本发明基于马尔可夫模型的网络接入方法流程图。
具体实施方式
下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。
本实施例提供了一种物联网节点接入通道优化选择方法，包括：
步骤1，根据现实网络场景中不同互联网应用对网络性能的需求，将物联网终端的不同网络需求区分为后台类、流类、交互类及会话类业务；
步骤2，在区分业务类型的基础上，基于马尔可夫模型进行网络接入。
通过该物联网节点接入通道优化选择方法，能够满足物联网终端不同业务的网络需求，同时还能提升网络资源利用率。
下面对本发明作进一步详细说明。
1、区分物联网终端的不同网络需求。
首先根据现实应用情况分析得出4种基本业务类型：
根据现实网络场景中的不同互联网应用，可以按照它们对网络性能的需求不同分为几类。通常情况下，可以将按照其业务划分为四种类型：后台类业务、流类业务、交互类业务、会话类业务。它们的典型特征分析如下。
1)后台类业务：其代表应用包括电子邮件、MS、MMS等。
后台类业务一般采用尽力而为的传输方式，其对网络时延以及时延抖动都有较高的容忍度。为了保证电子邮件等应用内容的完整性和一致性，此类业务要求网络有较低的误码率。
2)流类业务：其代表应用包括流媒体、电子凭证、FTP下载等。
流类业务的数据传输具有单向性，并不需要太多的交互操作。没有交互操作意味着时限并不是特别重要，因此该类业务对网络时延要求不高。为了保证用户的使用体验，此类业务不能断流，必须保证稳定性和持续性，因此时延抖动和丢包率成为影响此业务的关键参数。除此之外，对于流媒体业务来说还对带宽有更大的需求，所以比特率对于此类业务也相对重要。
3)交互类业务：其代表应用包括移动搜索、电子商务、互联网浏览等。
交互类业务的很多应用都是客户端和服务器模式(C/S模式)，用户在进行操作的时候是能够感受到网络反馈的。因此传输时延就成为此类业务的重要网络参数。时延抖动并不会影响用户体验，因此这类业务对时延抖动敏感程度很低。作为这种交互类的商业应用，还比较关注的一点是网络必须保证数据的准确性，所以丢包率和误码率对此类业务也较为重要。
4)会话类业务：其代表应用包括即时通讯、电视会议等。
会话类业务主要用于人与人之间的沟通，而人类的感觉器官对于此类业务非常灵敏，因此该业务属于实时性业务。如果会话类业务传输时延太大，这将影响用户的使用体验，而且视频类业务如果时延抖动过大会导致画面变形。因此传输时延和时延抖动是其接入网络时要考虑的关键因素。从丢包率角度看，因为短暂的画面模糊或者语音暂停一般人是感受不到的，所以此类业务对丢包率要求并不高。
通过上述的定性分析可以看出，网络属性参数对保证不同应用的服务质量非常重要。因此需要合理的接入网络才能保证优秀的用户体验。
接着可以通过层次分析法分别获取4种不同业务网络属性权重。
通过上述的分析，在异构网络系统中，不同类型业务对网络性能的需求有较大的区别。为了区别不同的业务的网络需求，本发明利用层次分析方法来确定网络属性参数的权重，详细步骤可以分解如下：
1)建立层次结构模型：根据技术方法目标和已经选取的五个属性(误码率、网络负载、时延、时延抖动、可用带宽)，构建的层次结构模型如图1所示。
2)构造判别矩阵：针对多种不同业务的不同网络性能需求，按照层次分析法的9级标度法，可以分别构造两个两两比较的判别矩阵，不同业务类型的终端可以根据自己的业务需要选择不同的判别矩阵，从而得到不同的网络属性权重值。判别矩阵的形式如式(1)所示。
令Z＝(zij)5*5,其中zij代表了不同业务类型对两种参数的敏感程度，同时表示了其对网络性能的影响程度。可以得到多个不同的判别矩阵。
3)通过判断矩阵计算状态属性权重：令ωi分别表示了无线网络的各种属性的权重值，根据表达式子2可以得到不同业务类型的权重因子。
2、基于马尔可夫模型的网络接入方法。接入的基本流程如图2所示。
1)终端业务改变，终端监测模块将这一变化通知给移动性管理模块。移动性管理模块在收到这些信息后便向网络接入模块发起检测网络环境信息的请求。
2)网络接入模块通过无线网口收集网络相关信息，随后把收集到的信息返回给移动性管理模块。
3)移动性模块启动网络选择功能。采用基于MDP改进的选网算法选定最优的接入网络。移动性管理模块给网络管理系统发送网络接入请求。
4)网络管理系统根据当前网络状态确定是否响应请求。一旦网络请求被接收，终端设备就能够接入新的网络。
基于马尔可夫模型的网络接入算法。
1)单次收益函数的确定。
任意一个t时刻,网络状态s接纳动作a转移到下一个网络状态会获得单次收益r(s,a),在不同终端采取切换动作后若取得的r值越大则表示此决策时刻选择切换的网络性能更好，同时终端业务获得的网络服务质量也就越好。不同终端在进行网络选择切换后会获得单次收益，表达式如(3)所示。
r(s,a,s′)表示终端在从网络状态s的条件下，采取动作a后转移到下一个网络状态后获得的即刻收益,P(s,a,s′)表示当次转移的概率。r可正可负，因为不同状态转移可能产生不同的收益。如果r为正则表示网络接入后能获得较好性能，反之则表示接入的网络不能满足需求。
现在加入无线网络的多个状态参数，然后根据其权重的加权构建收益函数r(s,a,s′),可得:
r(s,a,s′)＝ωDrD(s,a,s′)+ωPrP(s,a,s′)+ωBrB(s,a,s′)+ωErE(s,a,s′)+ωLrL(s,a,s′) (4)
其中y∈Y＝{D,P,B,E,L}代表各个网络参数,y∈Y＝{D,P,B,E,L}表示网络参数y的即刻收益，ωi表示收益函数所对应的权重。代表了各个网络参数在构建收益函数中起的作用程度,最后将影响网络选择的策略。
2)多次收益函数的迭代
把决策时间尺度加长，可以看到，随着时间的推移，将会得到一个非连续的收益序列。为了得到长期最大的收益，只需要求得这个收益序列的期望即可。因此令决策目标函数为O。则O可表示为：
其中r＝r(s,a,s′)代表不同业务类型的终端在该决策时刻的收益。γ则表示反应选择短期收益还是长期收益的折扣因子，当γ＝1时表示把决策选择为长期收益，决策目标转化为：
式(6)代表各个决策时刻得到的平均收益。若把π定义为终端采取一次切换动作的策略则有π:S→A,即π(s)表示在网络状态s下会采取确定动作且概率为1。令Vπ(s,a)为状态动作函数，其表示在状态s下采取策略π给出的动作a所获得的长期期望收益，它能够预测长期收益的情况。能够从长远角度反映当前选择动作的好坏，期望收益函数Vπ(s,a)可表示为:
其中Eπ[]表示在策略π和状态转移概率P分布上的期望。
3)网络接入策略的确定。
每次网络切换都会得到一个切换收益，通过一段时间的累积即可得到一个收益函数序列，最后通过数学期望可以求得一段时间内的平均收益。平均收益的多少即代表网络切换的好坏。
对于任意网络状态s和当下采取的动作a，在策略下的期望收益函数Vπ(s,a)可表示为:
其中R(s,a)可以理解为网络状态转移后的即刻收益。
在每个决策时刻寻找最优网络选择策略，使得不同业务类型的终端在当前网络状态s和动作a下，根据π策略进行网络选择可以得到最大的期望收益，即对于任意s∈S,a∈A和策略π满足V*(s,a)≥Vπ(s,a)。在这种情况下终端就能选择一个合适的网络接入。
本发明提供的物联网节点接入通道优化选择方法，能够满足物联网终端不同业务的网络需求，同时还能提升网络资源利用率。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。