0 引言

　　随着无线接入技术的飞速发展，各种各样的通信技术已随处可见，例如WLAN、IEEE802.16、WiMAX、蓝牙等。网络也由2G发展到3G、B3G、4G，正在向5G发展。因此异构必然成为未来无线网络发展的趋势，同时，随着芯片集成技术等相关技术的发展，也使得终端用户具备接入多个网络的能力。

　　在异构环境下，当终端用户发起接入时，很明显与单一网络覆盖的接入情况有显著区别，这是因为终端用户首先将面临接入选择问题，而单一网络覆盖的情况下是不需要考虑的。同时，网络侧也将面临接入控制问题，同样是因为在异构无线环境下，终端用户能够选择不同的无线网络接入，而选择接入不同的无线网络，终端用户所获得的体验完全不同。如果网络选择不合理，不仅影响终端的用户体验，还会影响到整个异构无线网络的资源利用率。针对在这种多终端、多网络共存的背景下，每个终端用户如何选择最合适的网络接入这一问题，已展开了相关研究。

　　文献[1]提出了一种异构环境下动态网络负载架构，重点分析了此架构下终端用户接入网络的流程，并进行了详细说明，但在接入中进行分配用户时，只考虑用户的带宽请求和信号强度两个参量，对于其他一些影响因素，如 QoE等参量并没有过多考虑。文献[2]提出了一种基于希尔伯特空间向量范数的网络选择算法，该策略通过利用向量间的几何关系来选择与用户需求最优的网络，并通过构建一个“容忍空间”来控制用户是否接入新网络。该算法在控制垂直切换频率方面具有很好的有效性，但该算法很有可能造成多个终端用户选择到同一个条件很好的网络，造成该网络负载过重的问题。文献[3]则是结合基于模糊综合评价法和层次分析方法所提出的一种网络选择算法，主要通过隶属度来选择最优网络，使得异构环境下各个网络达到负载均衡。除了网络选择算法以外，也有通过其他方法达到负载均衡的，文献[4-5]就分别通过能量控制和编码控制来满足各个网络间的负载均衡。

　　同时，对终端侧用户来说，在接入选择过程中，也存在各种判决指标,它们对最终选择结果也存在不同程度的影响。例如信号强度，候选网络的信号强度越好，则越有可能被用户选为接入网络，而另一方面针对成本这样的判决指标，如果候选网络的服务费用越高，则终端用户越有可能拒绝接入。事实上，在异构无线环境下, 接入选择的决策过程可以根据具体情况采用不同的决策方法[6]，例如模糊函数法[7]、层次分析法（AHP）[8-9]。目前在很多文献中通过AHP方法来为多个不同的判决指标确定权重因子，然后利用权重以及相关的算法得到最终接入的网络，但是由AHP方法给出的权重因子，其本身也存在着一定的主观性。

　　为了使得决策结果更加客观准确，本文通过采用修正的AHP方法得到权重因子，结合终端用户自身需求，巧妙地利用向量间的距离关系得到一个终端用户可接受的备选网络集，网络侧在终端用户的备选网络集中，按其业务的优先级顺序并同时考虑各个网络的负载情况为终端用户选择合适的网络，将终端用户分配到合适的网络。

1 模型描述

　　图1描述了异构无线场景，在此场景下，终端用户已具备可以连接入多个无线网络的能力。同时在异构网络中采用集中式管理策略，增加了联合无线资源管理(Common Radio Resource Management，CRRM)模块[10]，其主要功能是用来协调各个网络的相关资源，同时对所有申请接入的终端用户进行联合接入控制。

　　针对图1，每个网络的无线资源管理(Radio Resource Management，RRM)实体不仅要执行原有网络中的任务，而且还需要把本网络的资源负载情况以及相关信息上报CRRM，由CRRM实体结合终端用户和各个网络的相关信息来进行决策判断，判断是否允许终端用户的接入请求以及接入到哪个网络，最终决策结果将返回给相关的RRM实体，由该RRM实体执行决策内容。

2 方法描述

　　当多个终端用户同时发起接入请求时，第一步首先解决终端用户接入的问题，即接入选择问题。每个终端用户根据自己的体验、需求及各个网络的情况选择出可接入的网络集合。第二步解决终端用户最终接入的问题，即接纳控制问题。由网络侧根据各个网络的情况以及终端用户的备选网络集将其分配到合适的网络中。

　　因为异构场景中存在多个终端用户和多个网络，假设网络的个数为t，发起接入请求的终端用户个数为u。方法具体过程如下：

　　(1)终端用户根据自身需求和网络情况得出备选网络。例如：误码率、信号强度、网络计费、网络时延等，这些参量可根据实际情况选择作为用户的需求和网络情况。

　　首先假设向量Y，Y=(y1，y2，…，yn，…，ym)，其中，Y中的元素yn(0≤n≤m)可表示误码率、网络时延等，向量中每个元素的权重通过AHP方法获得，W=(w1，w2，…，wm)。本文采用向量范数来表示用户的目标函数L[2]：

　　为了得到向量中的元素对目标函数的影响，假设式(3)中的n为连续变量，求偏导，从而得到：

　　从式(5)可以得出，n的变化对L的影响的定量描述。

　　事实上，每个网络所能提供的服务与终端用户的目标存在一定差距，当然这种差距很明显不能超过终端用户的最大容忍度。为终端用户的目标向量，Y=(y1，y2，…，ym)为网络的实际向量，向量中的元素代表误码率、网络计费、时延等。为终端用户的最大容忍度，其中，dn表示向量元素D中第n个元素的最大容忍度。结合以上分析，则当时，表示用户拒绝接入该网络，yn和n分别为网络的实际向量Y和终端用户目标向量中第n个元素。

　　同时对于式(5)。因此，在由AHP方法给出的权重因子向量W后，为了排除主观因素，增加所得结果的客观性，需要对向量W进行修正，得到修正后的权重因子W=(w1，w2，…，wm)如下：

　　因为P为终端用户对该网络的不满意度，所以P越大则表示该用户对该网络的不满意度越大，反之P越小则对该网络的不满意度越小。因此对第i个终端用户，当Pij≤Di，表示第j个网络可作为终端用户接入的网络，加入备选接入网络集合。当Pij>Di，则表示第i个终端用户拒绝接入第j个网络。

　　对第i个终端用户，当判断完异构场景下所有网络后，便可得到此用户的可接入备选网络集。

　　(2)当网络侧得到每个终端用户备选的接入网络集合后，并不会立刻把终端用户分配到网络中去，因为在不考虑网络侧条件的情况下，有可能某个网络的条件特别好，而最后所有终端用户都选择接入这个网络，造成此网络的拥塞。因此对用户来说最好的网络，从网络侧角度出发并不一定是最适合的网络。本文从负载均衡的角度出发，结合终端用户的需求，按照业务优先级顺序来分配接入的终端用户。

　　假设终端用户集合为U=(u1，u2，…，ui，…，uu)，在集合中每个终端用户需要的带宽为BU=(Bu1，Bu2，…，Buu)，同时定义每个网络剩余的带宽为BN=(BN1，BN2，…，BNt)。

　　当CRRM得到用户的备选接入网络集以及各个网络的不满意度后，考虑到终端用户的QoS，网络侧按照终端用户的业务优先级顺序进行分配。例如：终端用户i的业务优先级最高，则网络侧对此终端用户首先分配。

　　本文从剩余资源的角度出发进行考虑，具体算法如下：

　　首先得到一个所有网络的平均资源剩余率，记为Q：

　　如果式(10)在第j个网络得到最小值，则CRRM实体将终端用户i分配到第j个网络。当用户i分配到网络j后，网络侧会对该网络的资源进行更新，该网络剩余的带宽更新为BNj-Bui，同时，网络的平均资源剩余率Q也更新，更新完毕后，再找出业务优先级次低的用户，按式(10)再次进行分配，直到所有的用户分配完毕。整个算法流程图如图2所示。

　　从图2中可以看出，异构场景下，当多个终端用户在多个网络覆盖区域同时发起接入时，首先由终端用户根据自身需求建立一个备选接入网络集，然后由CRRM根据收集的网络侧相关信息把发起接入的终端用户分配到合适的网络中。因此本方法即考虑了终端用户的利益，又结合了网络本身的情况。

3 仿真结果

　　为了验证算法的有效性，采用MATLAB工具进行了仿真。异构环境下，在终端用户侧，终端用户的到达率服从均值为的泊松分布，取值从1到5，并且每个终端用户需求的带宽服从均值为2的均匀分布。在网络侧，可接入的网络总数目为4，分别设为网络1、网络2、网络3、网络4，同时为了体现网络时变性，对部分参数增加了抖动。选取的网络参数如下：用户偏好(o)、网络参数数值如表1所示。

　　同时，将本文所提算法与文献[3]中所提的网络选择算法进行对比，分析本算法的性能。

　　图3表示随着终端用户到达率的增加，每个网络的资源剩余率Q的变化情况。当?姿值较小时，此时一个网络就可以承载接入的终端用户。在仿真中，由于网络1最符合用户的选择，所以不管是对比算法还是本文所提算法，网络1的资源剩余量都比较低。随着?姿值的进一步增加，到达的终端用户数将会越来越多，因此相应的所需带宽也就越来越大，所以在图形中4个网络的剩余资源率呈现慢慢变少趋势。但相对于对比算法，本文所提算法会从负载均衡的角度出发，将终端用户分配到其他可以接受的网络中，而对比算法的分配结果导致了网络1的负载过重，从图3中可以明显观察出的值越大，网络1的资源剩余率越低，即负载相对于另外3个网络过重。

　　图4反映的是随着终端用户到达率的增加，每个网络的剩余带宽。相对于图3、图4可以明显看出，在对比算法中，网络1的负载较大，网络2的负载明显较轻，而在本文所提的算法中，4个网络的剩余资源则都很接近，有效的保证了4个网络间的负载平衡，说明了本算法的有效性。

　　图5表示的是随着的增加，两种算法中终端用户总的接入成功率的比较。随着接入用户数目的增加，接入成功率呈现下降趋势，这是因为网络的负载能力有限，终端用户数目的增加必然导致成功接入用户数目的减少，但本文所提算法的接入成功率明显高于对比算法的接入成功率。

4 结论

　　本文提出了一种基于负载平衡的网络选择方法，首先，从终端用户的角度出发，通过修正后的AHP得到终端用户的不满意度，再比较其不满意度与最大容忍度之间的几何关系，从而获得终端用户的备选网络集，然后再从网络侧的角度出发，按终端业务申请接入的业务优先级顺序，从负载均衡的角度出发，由网络侧为终端用户分配最终的接入网络。本方法既考虑了终端用户的利益，提高了接入成功率，又兼顾了网络侧的利益，保证了负载均衡。仿真结果也表明本文所提方法不仅能够让终端用户有效地进行选择，同时也尽量保证了各个网络间的负载均衡。

参考文献

　　[1] Ha Jeounglak，Kim JiYeon，Kim Jin-up，et al.Dynamic

　　load balancing architecture in heterogeneous wireless network

　　environment[C].In Proc.of Comm.and Inform.Tech.，9th

　　Internet Symposium，2009：248-253.

　　[2] 孙雷，田辉，沈东明，等.一种基于Hilbert空间向量范数

　　的网络选择算法[J].北京邮电大学学报，2009，32(4)：

　　54-58.

　　[3] 梁立涛，纪阳，张平.基于模糊层次分析法的异构系统网

　　络选择算法[J].北京邮电大学学报，2007，30(2)：1-5.

　　[4] Pathak Parth H，Dutta Rudra.Impact of power control on

　　relay load balancing in wireless sensor networks[C].In

　　WCNC 2010，2010：1-6.

　　[5] CHANG B J，WU C H.Adaptive load balancing MDP-

　　based approach of two-dimensional spreading for VSF-

　　OFCDM in 4G next-generation cellular communications[J].

　　IEEE Transactions on Vehicular Technology，2009，58(3)：

　　1143-1156.

　　[6] WANG L，BINET D,MADM-based network selection in

　　heterogeneous wireless networks：a simulation study[C].In

　　Proc.of IEEE VITAE’09，2009：2603-2607.

　　[7] Xu Yubin，Li Limin，Boon-Hee Soong，et al.Fuzzy Q-

　　learning based vertical handoff control for vehicular hetero-

　　geneous wireless network[C].2014 IEEE International Con-

　　ference on Communications(ICC)，2014：5653-5658.

　　[8] BERNARDON D P，SPERANDIO M，GARCIA V J，et al.

　　AHP decision-making algorithm to allocate remotely con-

　　trolled switches in distribution networks[J].IEEE Transactions

　　on Power Delivery，2011，26(3)：1884-1892.

　　[9] 魏淑芝，朱琦.基于网络选择的视频通信带宽博弈算法[J].

　　通信学报，2015(36)：216-224.

　　[10] 3GPP TR 25.891 v0.3.0.Improvement of RRM across

　　RNS and RNS/BSS(release 6)[S].http://www.3gpp.org/

　　DynaReport/25891.htm.