多网络接入协同选择与聚合算法

发布时间：2019-09-12 01:40

【摘要】：针对异构无线网络场景,本文提出了一种基于协同学的多网络并行接入协同聚合算法,该算法基于吞吐量、可用信道数、功耗、费用及丢包率等多个参数构建了网络协同度评价体系,将属性要求作为协同子系统,属于同一属性的不同参数作为子系统的序参量,序参量之间相互协同和制约,以更加全面地衡量聚合网络的整体性能。多网络聚合过程分为两步:首先计算单个网络的协同度,以判断该网络是否为参与聚合的候选网络,多个候选网络的各种排列组合可以得到多种网络的候选方案;候选方案采用属性聚合形成聚合网络,然后计算聚合网络的协同度,选择协同度最大的多网络聚合方案。仿真结果证明,本文算法能够更加合理分配信道,降低用户接入阻塞率,增加用户的平均吞吐量和系统容量,同时降低单位吞吐量对应的功耗和费用。
【图文】：

无线网络,异构,场景,多网络

节给出异构无线网络场景以及实现协同多网络并行传输的系统模型;第3节给出基于协同学的多网络聚合算法;第4节通过仿真验证与对比分析本文算法性能;第5节总结本文。2系统模型如图1所示，异构网络由UMTS，WiMAX，WLAN1，WLAN2和WLAN3五个网络组成(三个WLAN分属于三个不同的运营商)。本文提出的算法中用户终端拥有并行多模无线网络接口，可以支持接收来自同一个业务分流到多条无线链路并行传输的数据流。而业务分流与多接入过程对于用户是透明的，多网络选择后形成聚合链路，以并行传输的方式为用户提供数据服务。图1异构无线网络场景Fig．1Scenarioofheterogeneouswirelessnetwork26

协同学,聚合模型

对接收信号强度RSS瞬时值进行预处理。预处理后的RSS值和网络状态信息一起作为多接入聚合系统的决策变量。单网络协同度计算模块计算每个可用网络的协同度，体现单个网络各属性的协同程度，用于判断该个网络是否为参与聚合的候选网络。参与聚合的候选网络形成多网络方案进入网络属性聚合模块进行聚合，，聚合模块的输出为各个多网络聚合的候选方案。网络聚合协同度计算模块用于计算各种网络聚合方案的协同度，协同度最大的为网络聚合最优方案，网络接入执行模块依据最优方案完成对多网络方案中个网络物理连接。图2基于协同学的多接入聚合模型Fig．2Paralleltransmissionmulti-accessmodelbasedonsynergetictheory3基于协同学的多网络接入选择与聚合算法3．1网络参数的获取与处理图1所示的异构网络场景中，N个基站分属不同网络，基站集合定义{RAT1，RAT2，…，RATN}。考虑终端实际使用情况，算法首先判断网络i可用条件为，终端接收到来自网络i信号强度大于终端接收信号强度阈值，并且接入基站i的功耗要小于终端功耗阈值，即判断条件为:RSSi≥RSSlowPi≤Phigh{(3)其中RSSi为终端基站i的接收信号强度，RSSlow为终端接收信号强度阈值，Pi为终端接入网络i的功耗，Phigh为终端功耗阈值。若网络满足式(3)，则表示该网络可用，记RATi=1，否则RATi=0，i=1，2，…，M。只对可用网络中进行协同度计算，可以有效减少协同网络聚合过程中的计算量。在终端当前接入的聚合网络中，只要有一个参与聚合的网络发生了变化，本文则认为终端进行了一次垂直切换。由于用户的移动性和无线网络环境的动态性，移动终端的接收信号强度RSS瞬时值变化较大，可能会导致网络选择发生波?
【作者单位】：南京邮电大学江苏省无线通信重点实验室;南京邮电大学教育部宽带无线通信与传感网技术重点实验室;
【基金】：国家自然科学基金(61571234,61631020) 国家重点基础研究发展计划“973”计划(2013CB329005) 江苏省自然科学基金(BK20140894) 江苏省普通高校研究生科研创新计划项目(KYLX16_0659)
【分类号】：TN92

【相似文献】