基于運動趨勢的模糊邏輯垂直切換算法

陶 洋，彭 蓉，黃宏程

(重慶郵電大學軟件技術中心，重慶 400065)

當今網絡存在多種無線技術，比如WiFi，GSM，UMTS，WiMAX等。下一代網絡(next generation network，NGN)的概念是由多種不同技術網絡組成的一種異構網絡結構［1］。

移動性管理技術是實現NGN的關鍵技術之一，而切換管理對移動性管理尤為重要。切換就是指為了保證用戶從一個無線接入點(Access Point，AP)接入另一個AP時仍能持續連接的處理過程［2］。移動節點(Mobile Node，MN)有水平切換和垂直切換兩種過程。在同種網絡接入技術中，從一個基站接入另一基站，稱為水平切換;如果MN從不同網絡中的一個基站接入另一基站，則稱為垂直切換。與水平切換算法相比，垂直切換算法需要考慮更多的參數以保證用戶的移動性［3］。

當移動節點在UMTS和WLAN構成的異構網絡移動時，需要考慮到多種參數來進行垂直切換，比如RSS、數據傳輸率、成本開銷［4］和用戶速度等。現有的垂直切換技術主要沿用水平切換中的算法和機制，普遍存在切換時延大、切換效率低等問題。

模糊邏輯方法能夠適應無線異構網絡的動態條件和垂直切換算法的復雜性。目前有很多算法都將模糊邏輯控制引入到垂直切換算法中。文獻［1］采用自適應的模糊邏輯垂直切換算法，將數據率、開銷、RSSI和節點速度作為模糊邏輯系統的輸入。文獻［2］基于WWAN和WLAN提出一種模糊邏輯垂直切換算法，但是現在大多數異構網絡都是在無線異構網絡間進行的切換，因此該算法缺少應用場景。這類算法的主要問題是系統開銷比較大，并且會造成一定程度的乒乓效應，不能為用戶提供良好的質量服務。

本文提出一種基于運動趨勢的模糊邏輯垂直切換算法。該算法分為預判定、模糊邏輯控制及切換判決三個過程。在預判定階段根據MN的運動趨勢及接收信號強度RSS濾除掉不適宜接入WLAN的網絡信息，有效減少了不必要的數據量和系統開銷。然后，將RSS、網絡的可用帶寬B和網絡開銷C送入模糊邏輯控制器，通過參數的歸一量化最終得到網絡綜合性能值VCPN，最后綜合考慮VCPN和駐留時間Tdw來進行網絡切換判決。在判決階段加入駐留時間Tdw，可以有效消除乒乓效應。仿真結果顯示，PRE－MT算法能夠有效減少系統開銷，消除乒乓效應，提高網絡切換性能。

1 基于運動趨勢的模糊邏輯垂直切換算法

假設WLAN總是存在于UMTS覆蓋范圍中，并且UMTS和WLAN網絡的信號始終存在，MN是具有雙模功能的移動節點，該節點能夠分別與UMTS網絡中的基站(BS)、WLAN 中的接入點(AP)進行通信［5］。為了保證MN在不同網絡中運動時仍能保持持續的網絡連接，本文提出了PRE－MT算法，該算法包括預判定、模糊邏輯控制和切換判決階段。

在預判定階段，根據最近n次收到的來自WLAN的RSSW來判斷節點的運動趨勢MTMN，并計算出WLAN的RSSW和UMTS的RSSU之間的差值DRSS，并記錄DRSS=0時刻的T0，以便于在第三階段引入駐留時間值。這樣做可以有效減少進入模糊邏輯控制階段的采樣點，降低系統開銷;然后將預判定后提取到的RSS、網絡的可用帶寬B和網絡開銷C送入模糊邏輯控制模塊，得到各參數的隸屬度后進行歸一量化;最終，通過綜合考慮網絡綜合性能值VCPN和Tdw來進行垂直切換判決。所以引入Tdw是為了更有效地減少乒乓效應的產生。算法結構框如圖1所示。

圖1 算法結構框圖

1.1 預判定階段

由于從WLAN切換到UMTS的過程是對稱的，因此在這里僅介紹從UMTS切換到WLAN的過程。首先判斷MN是否處于WLAN網絡覆蓋范圍中。當MN的運動速度太快，大于判定門限V0時，就直接判定MN停留在原網絡中，這大大降低了需要經過模糊處理的信號量，減少了系統開銷［5］。

在許多文獻中［6－8］都是采用在接收端設置接收信號門限值來提取信號。由于采用了預判定，因此在提取信息的時候條件應適當放寬，在UMTS網絡和WLAN網絡中的RSS預判定門限分別為THU和THW。在這里還加入了MN的運動趨勢作為判定條件，是因為當RSSU已經觸發了該網絡的預判定門限，但是還未達到WLAN的預判定門限時，如果MN的運動趨勢是靠近WLAN的AP運動，那么仍然可以提取該信息。因此使用MN的速度V，RSS和MN的運動趨勢MTMN來進行預判定。

當做出預判定后，需要根據提取的信息量計算DRSS，DRSS為兩個網絡的信號強度差值，公式為

然后記錄當DRSS=0的時刻T0，以便在第三階段引入駐留時間值。根據MN最近n次RSSW(n)的變化情況，得出MN的運動趨勢。如果RSS(k－1)＜RSS(k)，?k∈{2，3，…，n}，這表示 MN 在靠近 AP的方向上運動，令MTMN=1;當 RSS(k－1)＞RSS(k)，?k∈ {2，3，…，n}，表示MN在遠離AP的方向上運動，令MTMN=－1;其他情況令MTMN=0。

從UMTS到WLAN的預判決流程如圖2所示。

圖2 從UMTS到WLAN的預判決流程圖

1.2 模糊邏輯控制

采用模糊邏輯控制算法來進行參量的處理，是因為網絡中的某些參數無法用定量的值來進行表示［9］。比如網絡帶寬，用戶只能用快、一般和慢來表示個人感覺。因此本文將模糊邏輯控制算法運用到該算法中。

進入模糊邏輯控制階段后，根據文獻［3］中的方法，首先對經過預判定處理后的當前接收信號強度RSS、可用帶寬B和網絡開銷C這3個參數進行模糊化，分別得到不同網絡3個參數的隸屬度;然后對其進行歸一化處理，得到3個參量隸屬度的量化值QEV;最后根據這3個量化值得到網絡的綜合性能值VCPN，選擇VCPN大的網絡進行切換。該方法對模糊邏輯算法進行了簡化，使算法更易于應用。

1)參量的模糊化

之所以只選擇3個參量進行模糊處理，一是因為RSS是垂直切換的重要參數，帶寬是衡量網絡性能的重要指標，網絡開銷是基于用戶的考慮;二是因為如果進入模糊處理的參量過多，系統開銷就會很大，處理速度也會因此變得很慢，對于MN硬件要求就比較高［11］。

隸屬度函數如圖3所示，有5個集合:很低(VL)，低(L)，中(M)，高(H)，很高(VH)。常量 Mmin，M2，M3，M4和Mmax需要根據不同的網絡來進行設定。參量的隸屬度函數為

式中:i=RSS，B，C。比如，設定候選網絡的RSS=P，那么μRSS= ［0，0，0，0.18，0.55］RSS。

圖3 RSS的隸屬度函數

2)歸一量化

參量量化 Qi=［QVL，QL，QM，QH，QVH］i，根據不同的網絡所設定［3］。根據經驗當i=RSS，B的時候定義Qi=［0，0.25，0.5，0.75，1］i。當 i=C 的時候定義 Qi=［1，0.75，0.5，0.25，1］i。每個參量量化值就可以表示為

式中:k=WLAN，UMTS;i=RSS，B，C。

3)加權處理

因為在網絡綜合性能的判決中每個參數所占的比重不一樣，所以還需對QEVk，i進行加權處理。最終得出的網絡綜合性能值VCPNk為

式中:k=WLAN，UMTS。

因為只涉及到兩個網絡，因此采用固定加權處理，公式為

1.3 切換判決

考慮到乒乓效應的問題，故在最終做出切換判決的時候加入駐留時間Tdw的判斷，在前面預判決的時候記錄了當DRSS=0位置的時刻T0，當前時刻用T表示。

1)當MN從UMTS切換到WLAN時

如果VCPNWLAN＞VCPNUMTS，并且T －T0＞Tdw時，則觸發MN從UMTS切換到WLAN;否則，不發生切換。

2)當MN從WLAN切換到UMTS時

如果VCPNWLAN＜VCPNUMTS，并且T －T0＞Tdw時，則觸發MN從WLAN切換到UMTS;否則，不發生切換。

2 仿真與結果

考慮如圖1所示的UMTS和WLAN覆蓋的區域，移動節點MN在異構網絡間移動，MN沿著一個固定方向以不同的速度從UMTS的向WLAN移動。其中UMTS網絡的覆蓋半徑為1000 m，WLAN的覆蓋半徑為150 m，BS與AP1相距500 m，BS發射功率為20 W，AP1發射功率為100 mW［5］。WLAN和UMTS網絡的傳輸模型如式(7)和式(8)所示。

式中:K1W，K2W，K1U和 K2U為路徑損耗參數。DRSS如式(1)所示，根據式(7)和(8)可得

WLAN的傳輸模型按自由空間損耗模型來分析，且不考慮陰影衰落對信號強度的影響。自由空間損耗公式為

式中:LfW為自由空間損耗，單位dB;dW為AP與MN之間的傳輸距離，單位為km;fW為WLAN信道中心頻率，單位MHz。則移動終端MN接收到AP發送來的信號強度為

式中:PtW為AP的發射功率，單位為dBm。

UMTS傳輸路徑損耗模型為

式中:LfU為UMTS傳輸的路徑損耗，單位dB;dU為BS與UE之間的傳輸距離，單位為km;fU為UMTS信道中心頻率，單位MHz。則用戶設備MN接收到BS發送來的信號強度為

式中:PtU為BS的發射功率，單位為dBm。

假設MN一直在WLAN覆蓋范圍的邊緣區域內做無停留的隨機直線運動，MN自點C經過連續的隨機直線運動，最終到達D點，路徑CD如圖4所示。由于每次隨機運動的路徑都不同，因此，取10次仿真的平均值作為最終結果。

圖4 MN運動路徑示意圖

MN在不同速率做隨機運動的切換次數以及乒乓效應次數如圖5～圖6所示。將PRE－MT與對RSS的門限進行動態調整的模糊邏輯切換算法(AF－VHO)［12］進行比較。

從圖5可以看出，與AF－VHO算法相比較，PRE－MT算法能夠有效減少不必要的切換次數，減少系統開銷。從圖6可以看出PRE－MT能夠有效避免乒乓效應，得到較好的切換效果，為用戶提供更好的服務。

3 結束語

本文提出了PRE－MT算法，根據運動趨勢和接收信號強度進行預判決，并結合模糊邏輯控制理論得到網絡綜合性能值，最后結合駐留時間值進行預判決。該算法能夠有效減少抽樣點數，減少系統開銷，并有效地消除乒乓效應，提高系統整體性能。

［1］CEKEN C，ARSLAN H.An adaptive fuzzy logic based vertical handoff decision algorithm for wireless heterogeneous networks［C］//Proc.WAMICON 2009.［S.l.］:IEEE Press，2009:1－9.

［2］周亮，李貴勇.TD－SCDMA/GSM雙模終端異系統切換的研究［J］.電視技術，2010，34(10):53－55.

［3］KUNARAK S，SULEESATHIRA R.Predivtive RSS with fuzzy logic based vertical handoff algorithm in heterogeneous wireless networks［C］//Proc.ATC 2010.［S.l.］:IEEE Press，2010:189－194.

［4］王冠男，鄺育軍.基于價位和模糊邏輯的異構網絡資源管理算法［J］.電視技術，2010，34(8):100－103.

［5］李密.異構網絡融合系統的資源管理關鍵算法研究［D］.南京:東南大學，2009.

［6］MCNAIR J，FANG Zhu.Vertical handoffs in fourth－generation multinetwork environments［J］.IEEE Wireless Comunications，2004，11(3):8－15.

［7］SUNISA K，RAUNGRONG S.Vertical handoff algorithm in heterogeneous wireless networks［C］//Proc.the 2010 International Conference on Advanced Technologies for Communications.［S.l.］:IEEE Press，2010:189－194.

［8］CALHAN A，CEKEN C.An adaptive neuro－fuzzy based vertical handoff decision algorithm for wireless heterogeneous networks［C］//Proc.PIMRC 2010.［S.l.］:IEEE Press，2010:2271－2276.

［9］LIAO Hongwei，TIE Ling，DU Zhao.A vertical handover decision algorithm based on fuzzy control theory［C］//Proc.IMSCCS 2006.［S.l.］:IEEE Press，2006:309－313.

［10］STEVENS N E，WONG V.Comparison between vertical handoff decision algorithms for Heterogeneous wireless networks［C］//Proc.VETECS 2006.［S.l.］:IEEE Press，2006:947－951.

［11］劉俠，蔣鈴鴿，何晨.一種基于模糊邏輯的預判決輔助垂直切換算法［J］. 電子學報，2007，35(10):1989－1993.

［12］MAJLESI A，KHALAJ B H.An adaptive fuzzy logic based handoff algorithm for interworking between WLANs and mobile networks［C］//Proc.PIMRC 2002.［S.l.］:IEEE Press，2002:2446－2451.