基于GLV模型的异构网络联合无线资源管理

谢健骊，李翠然，廉小萍

(兰州交通大学 电子与信息工程学院，甘肃 兰州 730070)



基于GLV模型的异构网络联合无线资源管理

谢健骊，李翠然，廉小萍

(兰州交通大学 电子与信息工程学院，甘肃 兰州 730070)

为使不同的无线接入网络协同工作，实现异构无线网络的接纳控制,基于生态学种群竞争与异构无线网络资源管理的映射关系，提出了一种分布式联合无线资源管理(JRRM)算法。建立了基于Gause-Lotka-Volterra (GLV)的异构网络业务量预测模型，根据预测的业务量是否达到共存状态来调整网络参数，以使各网络的业务量达到稳定平衡状态。性能分析与仿真结果表明，该算法可以均衡各个网络的业务量，减少竞争对于网络的影响，使不同网络运营商均获得了一定收益。

异构无线网络；联合无线资源管理；业务量预测；种群竞争；GLV模型

0　引言

未来移动通信的发展趋势不是建设一个崭新的具有各种完备功能的网络，而是不同无线网络间的任意切换并且保持通信的连续性。不同无线接入技术在容量、覆盖、数据速率和移动性支持等方面均存在一定差异性，单一的网络不能同时满足用户的服务质量(QoS)，多层覆盖的全IP异构网络可以达到低时延、高带宽和服务范围广等需求[1]。联合无线资源管理(JRRM)是实现不同异构网络协同工作的关键技术之一。

接纳控制(JAC)是实现JRRM的重要功能，针对JAC的JRRM研究主要包括：① 基于自适应门限策略的JAC算法[2]，它根据系统参数、环境及负载状况的动态变化而设置自适应门限值，网络通过是否超过门限值来判定是否接纳；② 基于业务策略的JAC算法[3]，其优点是可以提高用户的服务体验，缺点是可能导致整个系统的负载分布不均衡；③ 基于分层策略的JAC算法[4]，分层设计能够有效均衡各层之间的负载，为了减少切换次数和提高资源的利用率，为各层设计不同的接入控制策略成为解决JAC问题的关键；此外，还有基于交互策略的JAC算法、基于区域区分策略的JAC算法、基于多属性策略的JAC算法和基于经济学理论的JAC算法等。

上述算法在优化系统吞吐量和阻塞率等方面取得了较好的性能，实现了异构无线网络的接纳控制，然而它们对于所属不同运营商的无线接入网络之间竞争关系的研究略显不足。为解决有些算法可能实现了接纳控制，但却使得某1个或某些网络没有用户接入而导致的运营商之间收益严重不均衡问题，本文引入经济学、生物学领域中的相关模型对不同运营商之间的竞争行为进行建模。根据生态学中的种群竞争理论，提出基于GLV模型的分布式JRRM算法，以使不同网络运营商均可获得一定收益。

1　种群竞争的GLV模型

在生态学中，种群可以被定义为占有一定空间和一定时间的同一物种个体的集合体[5]。资源是实体，可以促进种群数量增长并且在增长过程中被消耗。不同种群之间的关系可能是多样的。然而，竞争关系是普遍的，且有种群内部的资源利用的斗争，竞争导致种群数量的变化。GLV模型是描述生态系统中n个物种相互竞争的一个非常简单、有效的模型[6-7]，可由n个一阶微分方程描述：

(1)

式中，Ni为种群i的数量；ri为种群i的增长率；αij为种群i和种群j间的竞争系数。

在实际的异构无线网络环境中，并不希望存在某一个网络中没有业务量(业务量严重不均衡)的情况出现，即要求满足dNi/dt≥0，i=1,2,…n。令Ki表示当前网络环境下能够承担的种群i的数量，于是可得判断异构网络是否符合稳定平衡条件的不等式为[8]：

(2)

当同时满足n组不等式(2)时，该系统能够达到稳定平衡状态，此时种群数量稳定且种群能够共存。

2　种群竞争与网络资源管理间的映射

异构网络中，不同的无线接入网络(RAN)为同覆盖的区域内的用户提供通信服务。随着用户接入到某无线接入网络的概率变化，则在各个无线接入网络的业务量就会发生相应变化，这种变化的起因是用户接入概率的改变，接入概率的改变使不同RAN中的业务具有了繁殖能力。由此，用户可以映射为资源，不同无线网络中的服务可以映射为不同种群，不同RAN的用户吸引力可以映射为在共同覆盖区域内的由于有限的用户数量的种群竞争。用户选择一个RAN来满足业务需求，可以看作是种群个体的出生。当服务开始，一个RAN占据用户直到服务结束。该业务的结束相当于种群个体的死亡。

作为结果，可以应用不同种群的关系来反映在分布式JRRM中的不同RAN的关系。不同RAN在JRRM的控制下自由竞争，且分布式JRRM的目标是在没有RAN荒废的条件下为所有RAN获得经营效益。因此，生态学的平稳能够映射为JRRM中的利益平衡。于是，可以将异构网络中的业务量变化用生态学中的种群数量变化来预测。具体映射关系如表1所示[9]。

表1　映射关系

3　异构网络的GLV模型资源管理

3.1资源管理竞争系数

在异构无线网络中，竞争系数与不同网络中的价格、带宽、信号强度和时延等相关。竞争系数的变量包括：

① 价格：P∈[Pmin，Pmax]，其中Pmin为网络提供的最小价格，Pmax为用户能够忍受的最大价格。

② 用户带宽：B∈[Bmin，Bmax]，其中Bmin为提供业务所需的最小带宽，Bmax为网络提供的最大带宽。

③ 信号强度：SS∈[SSmin，SSmax]，表示某个网络连接的信号强度。其中SSmin为用户所需的最小信号强度，SSmax为网络提供的最大信号强度。

④ 时延：T∈[Tmin，Tmax]，其中Tmin网络提供的最小时延，T为用户能够忍受的最大时延。

竞争系数可被定义为：

(3)

式中，

β=kPPmax/Pmin+kBBmax/Bmin+kSSSSmax/SSmin+kTTmax/Tmin。

(4)

式中，β为竞争系数αij标准化到[0,1]的值，它表示在异构无线网络中价格、网络支持带宽、信号强度和时延的可能最大不同；kP、kB、kSS和kT分别为竞争系数变量的权重。

3.2基于GLV模型的网络参数调整算法

如果各个网络能够达到均衡状态，则不需要进行参数调整。当环境负载改变时，可能导致网络参数不满足式(2)，于是触发了网络参数的调整。在调整被触发之后，通过对环境负载的监控来确定调整方向。调整过程中应遵循以下原则[10]：αij应该降低到能够满足式(2)；一个网络的调整不应该打破另一个网络的平衡状态。

基于以上原则，调整算法分为如下步骤：

① 确定网络i的调整方向，比如减低价格、增加带宽、增大信号强度或是减小时延。

② 对于当前已知的量(Pi、Bi、SSi、Ti)，可以通过调整其中一个的大小来达到目的。例如，对于网络i来说调整价格使网络达到稳定平衡，则可以根据式(2)和式(3)计算得出：

(5)

式中，

(6)

③ 当且仅当Pmax_i>Pmin_i，Pmax_i>Pmin，Pmin_iBmax，进行到步骤⑤；若Bi

④ 在P∈[Pmin_i，Pmax_i]中随机选择一个价格值作为价格的调整结果。调整过程以Bi、Pi和SSi、Ti当前值结束。

⑤Bi超出了网络i所支持的带宽，无法调整使其满足式(2)。则增加SSi。若SSi>SSmax，进行到步骤⑥；若SSi

⑥SSi超出了最大范围，无法调整使其满足不等式(2)。则增加Ti。若Ti>Tmax，进行到步骤⑦；若Ti

⑦Ti超出了最大范围，无法调整使其满足不等式(2)。因此，将错误情况报告给上层管理模块说明在此情况下没有合适的调整值。

令每个用户在网络i中平均产生的业务量为1，通过对GLV竞争模型的分析，在种群竞争的过程中，当种群达到平衡稳定的状态时，dNi/dt=0，i=1,2,…n。则网络i的业务量为：

(7)

4　仿真分析

本文以3个网络为例进行仿真。仿真场景如图1所示。仿真环境由2个WLAN接入点(AP)和1个UMTS基站(BTS)组成，其中，UMTS覆盖整个区域，包括WLAN-1和WLAN-2覆盖区域。WLAN-1和WLAN-2分别采用802.11a和802.11g标准。802.11a/g两个标准均支持54 Mbps速率。UMTS包括各种版本，仿真中以R8(LTE)版本为例，其数据速率为100 Mbps。

图1　异构无线网络仿真场景

在仿真过程中，所有的用户均可同时接入多个网络，网络参数如表2所示。

表2　调整前各个网络的参数

异构网络环境下的用户参数设定如下：用户业务所需最小的带宽Bmin为1 Mbps，用户能够承受的最大价格Pmax为15，用户所能忍受的最大时延Tmax为150 ms，SSmin为-110 dBm，SSmax为-50 dBm。同时令价格、带宽、信号强度和时延同等重要，即kP=kB=kSS=kT=0.25，K1=100；K2=54；K3=54。

网络在调整之前的业务量变化如图2所示。可以看出，在网络进行调整之前，3个网络不能达到稳定平衡的状态，网络2的业务量被抑制。为了使3个网络达到稳定平衡状态，需要根据调整算法对网络2的价格进行调整。图3和图4分别给出了过度调整之后和适当调整后的网络业务量变化趋势。在图3中，当调整网络2的价格到0.01时，由于调整值不满足保持稳定平衡的不等式，即网络2的价格调整超出范围，导致网络3的业务量逐渐下降，无法保持各网络的稳定平衡，不利于网络共存。在图4中，当调整网络2的价格到2时，各网络中的业务量均可达到稳定平衡，3个网络实现了共存，不同网络的运营商均能获得收益。

图2　调整之前的网络业务量

图3　过度调整后的网络业务量

图4　适当调整后的网络业务量

5　结束语

本文将种群竞争GLV模型有效地用于异构无线网络资源管理中，较好地解决了异构网络的业务量不均衡问题。下一步工作将研究不同调整方向，比如减低价格、增加带宽、增大信号强度或是减小时延与各网络达到稳定平衡状态的性能差异性，以较小通信代价实现更为有效的异构网络无线资源管理。

[1]李军.异构无线网络融合理论与技术实现[M].北京:电子工业出版社,2009.

[2]GAO K,OZDEMIR O,PADOS D A， et al.Joint Admission Control and Resource Allocation in Cognitive Code-division Networks[C]∥International Workshop on Signal Processing Advances in Wireless Communications (SPAWC),Cesme Turkey,2012:149-153.

[3]温小军.LTE系统中接纳控制的研究[D].北京:北京邮电大学,2010.

[4]LIAN R R,TIAN H,FEI W C,et al.QoS-aware Load Balancing Algorithm for Joint Group Call Admission Control in Heterogeneous Networks[C]∥IEEE 75th Vehicular Technology Conference (VTC Spring),Yokohama,2012:1-5.

[5]HOSSAIN M F,MUNASINGHE K S,JAMALIPOUR A.Ecological Competition Based Resource Control for Sustainable Heterogeneous Wireless Networks[C]∥IEEE 22nd International Symposium on Personal,Indoor and Mobile Radio Communications (PIMRC),Toronto:Canada,2011:1 361-1 365.

[6]LI D,CROSS M C,ZHENG Z G.Effect of Spatial Patterns on Population Size[J].Physica A:Statistical Mechanics and its Applications,2012,391(23):6 016- 6 023.

[7]REHM A M,SCRIBNER E Y,FATHALLAH-SHAYKH H M.Proper Orthogonal Decomposition for Parameter Estimation in Oscillating Biological Networks[J].Journal of Computational and Applied Mathematics,2011,258(3):135-150.

[8]李必文,余盛利.Lotka-Volterra型N-种群自治竞争系统的一些新结果[J].应用数学学报,2004,27(3):556-564.

[9]张平,冯志勇.认知无线网络[M].北京:科学出版社,2010.

[10]GUANG Y,JIE C,KAI Y,et al.Joint Radio Resource Management based on the Species Competition Model[C]∥IEEE Wireless Communications & Networking Conference (WCNC),Las Vegas:American,2006(1):52-57.

谢健骊男，(1972—)，博士，副教授。主要研究方向：无线通信网络、认知无线电。

李翠然女，(1975—)，博士，教授。主要研究方向：无线通信网络、轨道交通通信。

GLV-based Joint Radio Resource Management in Heterogeneous Wireless Network

XIE Jian-li,LI Cui-ran,LIAN Xiao-ping

(SchoolofElectronics&InformationEngineering,LanzhouJiaotongUniversity,LanzhouGansu730070,China)

To make the different radio access networks work together and achieve the admission control in heterogeneous wireless network,based on the mapping relationship of ecological competition and heterogeneous radio resources management,this paper proposes a distributed joint radio resource management (JRRM) algorithm.It establishes a GLV-based heterogeneous network traffic prediction model.Moreover,it adjusts the network parameters according to whether the predicted traffic achieves coexistence state or not,to achieve the traffic stable equilibrium state.Performance analysis and simulation results show that the algorithm can balance the network traffic,reduce the networks competition effect,and make the profits for different operators.

heterogeneous wireless networks;joint radio resource management;traffic prediction；ecological competition;GLV model

10.3969/j.issn.1003-3106.2016.08.01

2016-05-09

国家自然科学基金资助项目(61261014)；甘肃省自然科学基金资助项目(148RJZA037)。

TN92

A

1003-3106(2016)08-0001-04

引用格式：谢健骊，李翠然，廉小萍.基于GLV模型的异构网络联合无线资源管理[J].无线电工程,2016,46(8):1-4.