一种基于多属性决策的认知无线网络接入选择方法

本发明涉及无线通信，具体为一种基于多属性决策的认知无线网络接入选择方法。

背景技术：

1、接入网选择在认知无线网络中也被称为频谱切换。术语切换或迁移是指用户终端从原接入的基站或接入点切换到另一个基站或接入点的过程。例如，将正在进行的会话从当前基站或接入点无缝地转移到其它基站或接入点，如图1所示。切换分三个阶段完成：在第一个阶段主要是进行切换信息的收集，分析和处理；第二个阶段利用第一阶段获得的网络属性信息进行切换决策；最后根据决策结果分配网络资源，建立新的链路，接入所选的网络。

2、在水平切换时切换决策通常基于单个网络的属性(比如信号强度，带宽)。在垂直切换时通常使用网络的多个属性来进行切换决策，也称为多属性决策。传统的通信网络相对单一，其中大部分移动终端都是单模的，基本上只涉及水平切换。然而，在当前认知异构无线网络环境下，无线通信正逐步从网络驱动系统向以用户为中心、服务驱动的系统转变。特别是随着5g(第5代移动网络)的出现，大多数移动终端都是智能多模的，多种无线接入网络并存，相互补充。如umts(通用移动通信系统)，4g(第四代移动电话通信技术标准)、wi-fi(无线保真)，wimax(微波接入的全球互操作性)和5g等。如何在满足用户需求的前提下选择接入网，减少切换次数，降低异常率，提高网络资源利用率成为研究的重点。

3、近年来，人们提出了一些认知无线网络接入选择算法。chen等人提出了一种基于rssi的算法。该算法的原理是移动节点可以感知到每个接入点的信号强度，从而选择信号强度最大的接入点。shi等人提出了一种基于径向基(rfb)模糊神经网络的接入网选择方法，主要涉及链路层负载均衡和自适应调制机制。vegni等人提出了一种基于数据传输速率的算法，该算法对当前服务网络和候选网络的数据传输速率进行评估，在获得数据传输速率增益的情况下接入候选网络。guan等人中提出了一种根据网络频谱利用率对相邻信道进行分类的概率模型。该模型的思想是，从用户可以在不影响主用户使用的情况下访问主用户的频谱资源，从而最大限度地利用频谱资源。sharna等人中提出了一种基于马尔可夫决策过程的网络接入选择算法，该算法主要关注网络带宽和连接延迟。tawil等人提出了一种基于简单加性加权(saw)的垂直切换决策方法，将接入网选择的计算转移到网络侧，减少了移动终端的处理开销。dingde jiang,liuwei huo等提出了结合多指标和基于效用的车辆到基础设施网络联合选择方法。该文综合考虑网络成本、能源效率、带宽、信号强度和延迟建立效用函数。选择网络能源效率作为进行网络选择的关键指标。为了寻求模型的最优解，提出了一种启发式多指标接入选择算法。

4、这些方法大多集中在网络协议栈的特定层、特定属性和特定流量类型上，而没有考虑到多种流量类型的差异，经常导致乒乓切换(无效切换)和排名异常现象，在严重的情况下甚至会导致服务中断。

技术实现思路

1、本发明的目的是：针对现有技术中由于没有考虑到多种流量类型的差异，经常导致乒乓切换(无效切换)和排序异常现象的问题，提出一种基于多属性决策的认知无线网络接入选择方法。

2、本发明为了解决上述技术问题采取的技术方案是：

3、一种基于多属性决策的认知无线网络接入选择方法，包括以下步骤：

4、步骤一：获取候选网络，并获取每个候选网络的属性以及属性的属性值，所述属性包括接收信号强度、带宽、可靠性和延迟；

5、步骤二：根据每个候选网络的属性以及属性的属性值构造决策矩阵d，决策矩阵d表示为：

6、

7、其中，1≤i≤m，1≤j≤n，dij表示第i个候选网络的第j个属性值，cj表示第j个决策属性，neti表示第i个候选网络，m表示候选网络的个数，n表示候选网络的属性的个数；

8、步骤三：将决策矩阵d进行规范化，得到决策矩阵b，所述决策矩阵b表示为：

9、

10、其中，bij表示决策矩阵归一化后的第i个候选网络的第j个属性值；

11、所述将决策矩阵d进行规范化的具体步骤为：

12、将每个候选网络的属性划分为效益型和成本型，其中，属性值越大越好的属性划分为效益型，属性值越小越好的属性划分为成本型，之后对划分后的效益型属性和成本型属性进行归一化处理；

13、步骤四：采用层次分析法计算每个候选网络的网络属性权重向量w；

14、步骤五：根据权重向量w对决策矩阵b进行加权，得到矩阵v，矩阵v表示为：

15、

16、其中，w1-wn表示网络属性1至网络属性n的权重；

17、步骤六：构建积极理想网络或消极理想网络，所述积极理想网络中的属性为效益型时，该属性的属性值为各列中最大值，所述积极理想网络中的属性为成本型时，该属性的属性值为各列中最小值，所述消极理想网络中的属性为效益型时，该属性的属性值为各列中最小值，所述积极理想网络中的属性为成本型时，该属性的属性值为各列中最大值；

18、步骤七：计算每个候选网络与积极理想网络的距离以及每个候选网络与消极理想网络的距离并根据和得到每个候选网络与积极理想网络或消极理想网络的相对贴近度ci，然后，通过对贴近度ci值由大到小的排序，得到候选网络的优先顺序，最后，选择ci值最大的网络进行访问。

19、进一步的，所述步骤四中采用层次分析法计算每个候选网络的网络属性权重向量w的具体步骤为：

20、步骤四一：构造属性两两比较矩阵p，所述两两比较矩阵p表示为：

21、

22、其中，元素pij为属性i和属性j对于最终目标的相对重要性，pji＝1/pij，当i＝j时，pij＝1；

23、步骤四二：根据属性两两比较矩阵p，获取矩阵p中所有特征值，并选取最大特征值λmax，之后基于λmax得到一致性指数ci，其中，获取矩阵p中所有特征值表示为：

24、det(p-iλ)＝0

25、其中，i表示单位阵；

26、一致性指数ci表示为：

27、

28、步骤四三：基于一致性指数ci计算一致性比cr，cr表示为：

29、cr＝ci/ri

30、其中，ri表示随机一致性指数；

31、步骤四四：进行一致性检验，若cr小于0.1，则计算最大特征值λmax对应的权重向量w，表示为：

32、pw＝λw

33、max

34、若cr不小于0.1，则更新两两比较矩阵p，并重复上述步骤，直至cr小于0.1，得到权重向量w。

35、进一步的，所述对划分后的效益型和成本型属性进行归一化处理表示为：

36、

37、

38、其中，bbenefit表示效益类型属性的规范化值，bcost表示成本类型属性的规范化值。

39、进一步的，所述积极理想网络中属性的属性值表示为：

40、

41、其中i＝1,2,…,m，j∈(1,2,…,n|j是效益指标)，j'∈(1,2，…，n|j'是成本指标)，vij表示第i个网络的第j个属性值，表示各属性在所有候选网络中的最佳值。

42、进一步的，所述消极理想网络中属性的属性值表示为：

43、

44、进一步的，所述表示为：

45、

46、进一步的，所述表示为：

47、

48、进一步的，所述贴近度ci表示为：

49、

50、本发明的有益效果是：

51、本技术利用跨层网络属性信息(如吞吐量、时延、抖动、价格、丢包率等)构造决策矩阵，利用层次分析法分别计算四种流量类型的各属性权重，进而用排序方法topsis计算每个候选网络得分。本技术并不基于单一的属性指标，而是基于认知网络中多个跨层属性的组合，因此本技术具有更少的切换次数和排序异常率。从而减少了不必要的切换和乒乓效应，增强了切换的稳定性，提升了网络qos和用户体验，促进了网络资源的利用率的提高。