多终端协同接入网络选择算法研究*

陈美娟,朱晓荣

（南京邮电大学江苏省无线通信重点实验室 南京 210003）

1 引言

随着接入网络技术的多样化，一个用户拥有多个通信终端已经比较常见，这些终端设备可能通过蜂窝移动通信网络、固定通信网络、互联网、广电网、家庭网获得所需的业务。让用户放弃已有所有终端，换一部全功能的终端不太可行，反之，在不改变用户习惯的情况下，充分利用已有终端，通过多终端的协同工作，为用户提供所需业务，使用户享受到ABC(always best connect)[1]服务是一个值得研究的课题。

本文首先介绍虚拟终端的概念，然后介绍多终端协同情况下业务的提供方法，接着分析了多终端协同网络选择的特点，提出了多终端协同接入网络选择（collaborative access network select，CANS）算法，分析了算法性能，最后总结全文。

2 虚拟终端

多个具有通信功能的终端设备，因为某种业务的需要，临时形成一个“大终端”，当业务结束后各终端设备就解体。称这种终端设备组为虚拟终端 （virtual terminal，VT）。VT有4个主要特点：第一个是VT中每个成员具有通信功能，例如手机、PC、PDA等，成员可以是单模或者多模；第二个是VT中有一个成员作为主控设备（master），负责VT与外部的通信，同时可管理VT内部各成员之间的通信；第三个是VT中每个成员都可以成为主控设备，最终哪个成为主控设备，由成员之间通过一种简单的协议商定；第四个是VT中的成员协同完成业务，任务完成后VT解体[2]。VT成员之间的短距离通信不属于本文研究的内容。

3 多终端协同业务提供方法

为方便说明问题，首先给出虚拟终端时的网络结构，然后介绍多终端协同的业务提供方法。

3.1 网络结构

图1为虚拟终端时的网络结构，从下往上依次是终端层、接入层、控制层和服务层。与现有网络的主要区别在终端层、控制层和服务层，终端层提供虚拟终端功能，控制层有网络控制（network controller，NC）平台，服务层有服务控制（service controller，SC）平台。

UE1～UE5均具有短距离通信功能 （例如蓝牙）；UE1为高清电视机；UE2～UE5支持多种无线接口。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 业务提供方法

用户希望通过高清电视机UE1看一部高清电影，因为UE1只有短距离通信功能，它发送广播消息给它可见的终端 UE2～UE5，通过协商，UE4成为本次任务的主控设备，UE2～UE5愿意共同完成这项任务，于是，UE1～UE5构成一个虚拟终端。UE4向网络控制器NC发送业务请求，请求下载某高清电影，消息中包含UE2～UE5的一些参数，例如支持的接入网络、用户的偏好、接收到的网络信号强度等。

NC接收到请求消息后，执行CANS算法，结果是UE2接入 AN1、UE3接入 AN2、UE4接入 AN4、UE5接入 AN2。

NC执行网络选择算法后，向服务控制平台SC发送请求下载某视频的请求，SC找到视频所在的媒体服务器1（MS1），将MS1的地址发送给NC。最后NC发送网络选择结果以及MS1的地址给UE4。

上述虚拟终端的业务提供方法如图2所示。

UE2～UE5下载视频可以采用Pull或Push方式。Pull方式，即UE2～UE4分别通过网络选择确定的AN发送下载视频的请求；Push方式，即MS1主动发送媒体流给UE2～UE4。这不属于本文讨论的内容。

UE2～UE5接收到视频流后，通过短距离通信的方式传递给UE1，UE1整理视频流数据后呈现给用户。

图2 多终端协同业务提供方法

4 多终端协同网络选择算法的特点及应用

4.1 多终端协同网络选择的特点

网络选择是一个组合优化问题，已有较多文献对此进行研究[3～8]，通常采用多属性决策（multiple attribute decision making，MADM）方 法 ，例 如 SAW[3]、GRA[4]、ELECTRE[5]、TOPSIS[6]、AHP[7]、WMC[8]等。已有算法针对单个终端穿越多个网络时，选择一个最佳的网络用于垂直切换。

图1 网络结构

本文研究的接入网络选择有4个特点，一是针对多个终端；二是多终端协同完成同一项业务；三是需要从M个候选网络中选择出N个（N≤M）作为激活网络。以上特点表明本文研究问题与以往不同，此时需要考虑多个终端同时选择多个网络，一方面决定选择哪几个接入网络，另一方面决定各终端工作于哪种模式。网络选择的结果有两种，一是选择的y个终端接入到y个网络（当y≤M时），即各终端接入不同的接入网络；另一个是选择的y个终端接入到N个网络（当N≤y时），即有多个终端接入到同一个接入网络。

多终端协同接入网络选择可以借鉴已有网络选择算法，因为考虑较多接入网络和较多终端，所以选择计算量较小的方法。另外需要注意的是，当多个终端选择同一接入网络时，某些网络参数会改变。

4.2 多终端协同网络选择算法

多终端协同网络选择，网络控制平台确定若干个网络选择参数，对候选的多个接入网络，形成决策矩阵A=(aij)M×N，M为接入网络数目，N为网络选择参数数目，aij表示第i个网络第j个参数的取值。对A标准化后得到矩阵B=(bij)M×N，对于效益型参数；对于成本型参数

本文基于SAW和MEW（指数权重法）[9]算法，SAW算法目标函数为wj是参数j的权重MEW算法目标函数为当有一个终端选择接入网络时，记前述决策矩阵为A1，计算所有接入网络的目标函数记为F1=[f11,f12,…,f1M]。当有两个终端选择同一个接入网络时，某些网络参数会变化，记参数改变后的决策矩阵为A2，为便于比较，aj+和aj-用最初的值，同理计算此时的目标函数，记为F2；有D个终端选择同一个接入网络时，同理得到A3,A4,…,AD，也计算出目标函数F3,F4,…,FD，矩阵F如式（1）所示。

对于同一接入网络来说，随着接入终端数目的增加，目标函数呈现减小的趋势，因此，将所有目标函数按照从大到小排列，形成数组S，排在S前面的目标函数所对应的接入网络将被选择。

对于终端来说，其支持的接入网络可用多维数组TN来表示，包括tn1,tn2,…,tnd，D为终端数目。例如前述的UE2～UE5，则tn2={AN1,AN4}，tn3={AN2,AN4}，tn4={AN1,AN4}，tn5={AN1,AN2,AN4}。由此形成终端-网络矩阵Z=(zij)，zij取值为0或者1，如果zij=1，说明终端i可以选择接入网络j。根据示例的数组TN可以得到Z矩阵如式（2）所示。

假设S=[f11,f12,f22,f13,f23,f14,…]，则网络选择顺序依次是 AN1，AN2，AN2，AN3，AN3，AN4……Z矩阵的第一列有 3个“1”，说明有3个终端支持AN1，因为首选的接入网络是AN1，所以Z矩阵按照从上到下，选择UE2接入AN1；次选网络是AN2，对应 Z阵第二列有两个“1”，选择UE3接入 AN2；第3个可选的网络还是AN2，选择UE5接入AN2；下一个可选的网络是AN3，没有终端支持AN3，本轮落空；下一个可选的网络还是AN3，本轮也落空；再下一个可选的网络是AN4，选择UE4接入AN4。依次类推，网络选择结果可用多维数组P表示为p2={AN1}，p3={AN2}，p4={AN4}，p5={AN5}……

多终端协同网络选择算法流程如图3所示。

图3 多终端协同网络选择算法流程

本文提出的算法在多个网络选择参数中，受接入终端数目影响的参数是可用带宽（AB）和系统负荷（U）。随着接入同一网络的终端数目的改变，AB和U也将改变，AB将被修改为：ABcurrent=AB/num，AB和ABcurrent分别为最初的和多个终端接入后的可用带宽，num为接入的终端数，也是计算目标函数的次数，如第二次计算则num=2。系统负荷将被修改为：Ucurrent=U+Brequest/ABcurrent，U和Ucurrent分别为最初的和多个终端接入后的系统负荷，Brequest为请求的业务带宽。

4.3 仿真分析

仿真中假设需要网络选择的终端设备有4个，即D=4；网络控制平台接收到6个接入网络的信息，即M=6；网络选择参数有8个，即N=8，分别是可用带宽AB、总带宽TB、终端接收到的信号强度SS、系统负荷U、延迟DE、抖动J、分组丢失率L和代价C。各参数取值如表1所示。

各参数的权重包括客观和主观两部分，客观权重采用熵值法[10]计算，主观权重简单给出，参数客观权重与主观权重的乘积归一化后为最终权重。

主观权重有3种情况：CASE1为所有参数权重相同；CASE2设参数AB和L合计占70%的权重，其他参数占30%的权重，即针对数据业务的环境；CASE3设参数AB、D、J合计占70%的权重，其他参数占30%的权重，即针对语音业务的环境。

图4给出了多终端接入网络选择的结果，图中给出了选择结果的前6个接入网络。例如图（b）说明在CASE2情况下，SAW算法的网络选择结果依次是AN6、AN4、AN6、AN5、AN4、AN6，MEW算法的网络选择结果依次是AN6、AN4、AN5、AN6、AN4、AN4。

图5比较了不同算法时的吞吐量，可以看出，随着协同工作的终端数目的增加，业务吞吐量会增加。在CASE1情况下，当终端数小于或等于2个时，SAW算法的吞吐量等于或大于MEW；当终端数为3、4、5个时，两者吞吐量相同；当终端数为6时，MEW吞吐量大于SAW。在CASE2和CASE3情况下，当终端数小于等于2个时，两种算法吞吐量相同；当终端数为3个时，MEW吞吐量大于SAW；当终端数大于3个后，两者吞吐量相同。

表1 网络选择参数取值

图4 多终端协同接入网络选择结果

图5 吞吐量比较

图6 代价比较

图6比较了两种算法在不同情况下的代价，可以看出，在CASE1情况下，当终端数小于3个时，MEW代价低于SAW，当终端数等于6时，MEW代价高于SAW。在CASE2和CASE3情况下，当终端数小于3个时，两种算法的代价相同，当终端数为3个时，MEW代价高于SAW，当终端数大于3个时，两种算法代价相同。

图7比较了本文提出的算法与随机选择法，选择CASE2情况下，终端数为4个。当随机选择接入网络时，每次选中的网络都可能不一样，本次随机取样为AN4、AN2、AN2和AN1。可以看出，本文提出的算法其吞吐量远高于随机法，但同时付出了较大的代价。

5 结束语

图7 CANS与随机法比较

普遍存在的网络和越来越多的智能终端，提高了人们的生活质量。网络选择问题已经从原来的一个终端穿越多个网络或在多个网络中选择一个最佳的网络接入，发展到虚拟终端情况下多终端协同的接入网络选择。本文分析了存在虚拟终端的网络中，在网络控制平台处执行多终端协同的接入网络选择算法，该算法实现了在多个候选的网络中选择出若干个接入网络供多个终端使用，保证了整体目标函数的最优化。多终端协同的接入网络选择刚刚开始研究，还有许多问题需要解决，今后将对移动情况下多终端协同的接入网络选择算法进行研究。

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

2 胡铮,史巨伟,唐晓晟.基于始终最佳体验的终端聚合的研究与实现.计算机应用研究,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