異構無線網絡接入選擇算法綜述

俞鶴偉， 梁 根,2

(1.華南理工大學 計算機科學與工程學院， 廣州 510641； 2.廣東石油化工學院 理學院， 廣東 茂名 525000)

異構無線網絡接入選擇算法綜述

俞鶴偉1， 梁 根1,2

(1.華南理工大學 計算機科學與工程學院， 廣州 510641； 2.廣東石油化工學院 理學院， 廣東 茂名 525000)

移動互聯網和無線通信技術的發展形成多種無線網絡共存、覆蓋范圍重疊的異構無線網絡，各種無線接入技術的差異和單一網絡技術無法滿足用戶的全部需求使異構無線網絡融合成為必然，接入選擇作為異構無線網絡融合的關鍵技術之一已成為研究熱點. 在簡述異構無線網絡基本架構和接入選擇概念的基礎上，對接入選擇算法進行分類總結與詳細對比分析，深入剖析各算法采用的方法和特點，同時對存在的問題進行總結歸納，并展望了未來的研究方向.

異構無線網絡；接入選擇；最合適連接；網絡參數

近年來，人們對能夠隨時隨地以高質量接入寬帶無線網絡的需求日益強烈，適應不同場景的多種無線網絡技術獲得了迅速的發展. 移動蜂窩網絡從GSM(Global System for Mobile Communication)發展到UMTS(Universal Mobile Telecommunications System)，又發展到LTE(Long Term Evolution)，提供了大范圍的網絡覆蓋以及無縫移動性保障[1-2]；此外，一系列802.11無線局域網WLAN(Wireless Local Area Network)標準和802.16無線城域網WiMAX(Worldwide Interoperability for Microwave Access)標準的建立，為用戶提供了高速率的無線連接[3].

在GSM基站信號覆蓋范圍內，同時加入LTE、WLAN、WiMAX等無線接入點，以方便人們傳輸數據的方式成為業界的通用模式[4-5]，從而逐步形成多種網絡共同存在、信號覆蓋范圍重疊的異構無線網絡(HWNs，Heterogeneous Wireless Networks). 與此同時，各種網絡的信號覆蓋范圍、上下行傳輸速率和最適合支持的業務類型等都有所不同，任何一種網絡技術無法同時很好地支持所有不同的用戶業務. 隨著HWNs的發展，在這些網絡在各自的演進過程中彼此相互競爭、相互補充、相互促進，最終使HWNs融合成為必然[6-7].

在HWNs融合過程中，各無線網絡通過不同的架構和協議作為接入網絡和用戶連接，匯聚后各無線網絡通過公共IP核心網進行互聯，多模移動終端用戶可以選擇某一個接入點，通過公共的IP核心網訪問Internet[8-9]， HWNs的網絡架構如圖1所示.

網絡接入選擇是HWNs融合的關鍵技術之一[10-12]，其主要功能是對用戶的接入請求進行控制，并選擇某一個網絡為用戶提供連接服務. 如何利用HWNs在不同接入技術、重疊網絡架構、多業務流量負載等方面的特點，在為用戶提供接入選擇的同時，保證用戶業務的QoS(Quality of Service)、最優化無線資源利用成為HWNs研究中的熱點[6, 13-14].

圖1 HWNs架構

目前，有部分綜述文獻對HWNs進行了研究. 例如文獻[1-2]綜述了異構蜂窩網絡理論模型、現實制約和未來挑戰，但是該文獻主要研究的是3GPP標準下的異構蜂窩網絡，沒有涉及蜂窩網絡和WLAN融合的場景. 文獻[4, 6]主要綜述了實現異構無線網絡無縫移動的互聯互通機制，并制定一個考慮了不同的標準化組織互聯互通框架，為WLAN、WiMAX和3GPP LTE的共存和融合提出解決方案. 文獻[9]對HWNs的網絡檢測和接入選擇問題進行了綜述，討論了移動管理的相關方法. 文獻[15-16]主要綜述了HWNs的移動管理相關技術，提出一個異構互通架構，并對支持高級的移動性管理的最新協議進行了比較分析，但是文獻沒有具體分析算法. 文獻[17]綜述了HWNs中垂直切換的概念、切換過程、切換時機，并分析了垂直切換判斷的理論模型. 文獻[18]綜述了不同的切換類型、切換特性和切換判定度量，對基于RSS、QoS、決策函數、網絡智能和上下文的切換算法進行了分析對比. 文獻[19]綜述了HWNs中垂直切換的過程和判斷標準，并將垂直切換判斷算法分為基于RSS、基于帶寬、基于代價函數和基于混合模型的4類算法，對每類算法各選取3篇參考文獻進行了分析對比. 此外，文獻[20]綜述了HWNs接入選擇算法中不同的數學理論模型，同時設計了一套特定的模擬場景，分析比較了各接入選擇數學模型在該場景下的不同結果.

本文綜述了HWNs環境下的接入選擇算法，主要工作包括以下三個方面：系統地對各接入選擇算法進行分類，并描述各類算法的基本思想；分析各類算法的主要參考文獻，并對其進行歸納對比；最后，對存在問題進行總結，并提出了進一步的研究方向. 本文旨在形成較完整的研究歸納，為同類研究提供參考.

1 網絡接入選擇概述

在HWNs中，由于移動終端業務的多樣性、無線網絡信道傳輸質量的差異性、無線網絡信號的重疊性等因素，因此需要依靠網絡接入選擇算法保障用戶能夠接入到最適合的網絡進行業務處理[15-16].

1.1網絡接入選擇基本原理

網絡接入選擇算法可以分為移動終端發起初始連接的接入選擇和移動終端切換到另一個網絡的接入重選兩類[9].

網絡接入選擇的控制方式可以歸納為以下三種：終端控制接入、網絡控制接入和終端輔助的網絡控制接入[15, 18]. 在第一種方式中，終端通過監測各網絡參數并結合接入選擇算法，終端自主執行接入選擇；在第二種方式中，網絡控制中心監測網絡狀態并將接入選擇結果發送給發起接入請求的移動終端，控制過程由網絡端完成；此外，在第三種方式中，終端將檢測到的各無線網絡參數值以及用戶個人喜好等參數發送到網絡中心的決策模塊，再由網絡中心根據算法對終端進行接入控制.

網絡接入選擇的過程可以分為三個階段：網絡發現、選網決策和接入執行[9, 17-18]. 第一個階段，移動終端需要測量其可用信號范圍內各無線網絡的性能參數；第二階段，移動終端或網絡根據選網算法并結合各種因素作出接入判決；第三階段，依據第二階段的判決結果，根據相應無線網絡的通信協議步驟協助用戶完成網絡連接. 在這三個階段中，選網決策步驟起著至關重要的作用，它關系到滿足用戶的需求，協調網絡資源的利用和使網絡性能最好[18].

1.2接入選擇關鍵問題

在以往的網絡中，網絡間的接入選擇判斷指標主要與鏈路質量相關，考慮的因素比較單一，其出發點在于如何維持當前的物理連接. 隨著無線網絡的發展，未來可接入的網絡越來越多，可能會出現 不同網絡管理域和技術之間的切換，因此，判斷不能只基于某一個判決度量因素，而是需要綜合多個判決度量因素全盤考慮接入合適的網絡.

對于如何選擇接入合適的網絡，文獻[17, 21]提出ABC(Always Best Connected)概念，指的是用戶終端在重疊的信號覆蓋范圍內選擇最合適的接入方式來傳輸數據. 其中“最合適”的含義主要是根據用戶、業務和網絡三個層面的各種因素，并且各個層面都有靜態和動態因素，具體如表1所示.

目前對網絡接入選擇的研究大部分集中于根據各種決策因素，設計一個可靠的接入判斷算法來選擇最佳網絡，使得既能提高用戶滿意度和保證業務質量，同時又能使網絡運營商利益最大化.

表1 接入判斷因素

2 接入選擇算法研究綜述

網絡接入選擇算法的設計直接關系到用戶體驗和網絡資源利用率[22]. 目前國內外學者在HWNs接入選擇算法方面已經做了大量研究，縱觀各種算法，根據判斷標準本文將其劃分為基于接收信號強度(RSS，Received Signal Strength)、負載均衡和業務QoS的接入選擇算法，根據算法所采用的數學模型本文又將其劃分為基于多屬性決策判決、效用函數、模糊邏輯、博弈論等的接入選擇算法[18-20].

2.1基于RSS的接入選擇算法

該類算法的基本思想是移動終端測量各無線網絡的RSS參數，選擇接入到RSS最高的網絡. 此外，如果備選接入網絡的RSS高于當前連接網絡的RSS，即RSSnew>RSSold，則切換到RSS最高的網絡. 基于RSS的接入選擇算法復雜度低，易于實施，但性能較差，在瑞利衰落和陰影衰落的影響下，往往會引發較嚴重的乒乓效應，判決結果較為片面.

Hanjin, Lee等[23]所提出的改進方式是在最高RSS算法的基礎上增加滯后計時H，只有當RSSnew>RSSold+H，移動終端才接入到新的網絡，算法中增加滯后計時H的可以減少乒乓效應，但也因此增加了時延，而且H越大，時延也越大，對于如何計算合適的的滯后計時仍有待進一步研究.

Roy, Sanjay Dhar等[24]在上述算法的基礎上提出一種基于RSS和信號強度比例并包含滯后計時的接入選擇算法，在WLAN和3G網絡中移動終端RSS的測量采用不同的取樣間隔，并評估計算滯后延時和限制不同網絡間的切換次數，比基于固定滯后計時算法有更好的性能.

Ahuja, Kiran等[25]基于平均RSS，再結合移動用戶距離和中斷概率的提出接入選擇算法，該算法包括兩個階段，在第一階段中，對重疊區域進行距離估計，在第二階段，根據平均RSS選擇最佳的網絡.

2.2基于負載均衡的接入選擇算法

此類算法的基本思想是將用戶的接入請求分配到網絡中負載最低的接入點，此外，當系統的負載達到一定程度的時候，可以執行垂直切換達到用戶重新分布，以達到均衡負載的目的.

SHENG Jie等[26]根據終端移動性和各無線網絡的負載狀態提出一種混合負載均衡的接入選擇算法，算法將用戶業務由重負載區域向輕負載區域轉移，此外再結合資源預留和強占優先的策略，實現支持不同的用戶業務優先級.

Gerasimenko, M等[27]提出一種以用戶為中心的負載感知接入選擇算法，強調用戶的個人偏好，設計依賴網絡負載信息的適當的滯后機制，最大限度地減少反饋開銷，通過實驗和基于WiFi優先的算法比較，有效提高負載均衡和網絡資源利用率.

Ma, D等[28]的算法提出當網絡供應的資源不能保證接入呼叫請求的服務質量時，系統將通過發起垂直切換執行負載均衡，以創建更多的可用資源，并且該負載均衡算法可使各個接入網的網絡資源利用率變化最小.

基于負載均衡的接入選擇算法通過業務的轉移提高了HWNs的資源使用率，但是該類算法有可能無法滿足用戶業務的QoS需求，用戶有可能連接到質量較差的網絡中，因此，無法有效保障用戶實時或非實時業務的QoS需求.

2.3基于業務QoS的接入選擇算法

此類算法的基本思想是由于各無線接入網絡的性能參數存在差異，不同的網絡適合支持不同的業務類型，因此，算法將用戶接入到最適合保證其業務QoS的網絡.

Abdul Hasib等[29]針對CDMA2000 and IEEE 802.11網絡中如何利用不同RAT資源以有效實現業務的QoS保障，從用戶和服務提供者的角度最小化服務成本出發，提出一種自適應通用無線資源管理方案，根據業務類型、用戶移動性和位置、信息和服務成本等參數，通過采用馬爾可夫鏈理論進行評估，選擇最優的接入點和最大限度地減少不必要的切換，從而提供穩定的通信和業務QoS保障.

Chen, Huan等[30]為支持HWNs中多媒體業務的QoS和優化資源利用，提出一個基于信道保護的動態優化最佳接入控制機制，基于馬爾可夫決策過程和敏感性分析設計基于閾值的接入控制算法，減少網絡環境中流量變化時不必要的計算，并通過系統容量估計和QoS映射技術，對多業務QoS進行支持.

Miao, Jie等[31]以最大化系統總容量為目標，提出一種支持QoS的聯合功率和帶寬分配接入控制算法，算法采用凸優化理論進行分析，同時滿足時延約束和業務流量比例公平的最小速率約束，在接入中保障業務的QoS和最大化無線資源利用率.

基于業務QoS的接入選擇算法通常會將同一類接入請求連接到同一個網絡中，因此，該類算法容易導致網絡間的負載不均衡.

2.4基于多屬性決策判決的接入選擇算法

多屬性決策判決(MADM，Multiple Attribute Decision Making)接入選擇算法根據用戶終端對各網絡性能參數的偏好制定策略. MADM算法主要分為兩步，第一步首先根據用戶對某個網絡參數的偏好程度確定其對應的決策權值. 此外，由于各網絡參數的標準度量單位不同，因此，第二步就需要對這些參數進行標準化處理，以便將所有參數進行累加并計算各網絡的選擇排序結果. MADM算法可以表示為

式中，pi,n、ωi,n分別表示用戶i的第n個網絡參數及該參數對應的權值.

MADM算法包括許多分支，如簡單加權法(SAW，Simple Additive Weighting)、加權乘積法(WPM，Weighted Product Method)、灰色關聯度算法(GRA，Gray Relation Analysis)、層次分析法(AHP，Analytic Hierarchy Process)、逼近理想值算法(TOPSIS， Technique for Order Preference by Similarity to Ideal Solution)等.

Liu Sheng-mei等[32]利用SINR值、網絡可用帶寬、用戶通信代價等因素構建屬性矩陣，各QoS屬性的權重則由AHP方法的特征向量來決定，最后根據屬性矩陣和權重向量利用SAW方法進行接入判決.

TANG Liang-rui等[33]對遺傳算法進行改進，提出一種基于混沌遺傳的接入選擇算法(Chaos Genetic Algorithms，CGA)，通過混沌遺傳算法的適應度函數來計算選擇指標權重，利用多屬性優化解決絡接入選擇的全局尋優問題.

WEI Shu-zhi等[34]利用AHP和熵值法(Entropy Method，ME)對網絡選擇參數權重進行確定，并通過MADM為用戶視頻業務接入最佳網絡，接入后帶寬資源分配大小的計算則通過構建非合作博弈模型和求解用戶效用函數的納什均衡解進行確定.

Ahuja Kiran等[35]針對UMTS、WLAN、GPRS and WiMAX四種網絡環境，設計了多目標選擇函數，提出一種使用熵技術計算網絡參數權重的改進TOPSIS接入選擇算法，并且屬性的權重系數可以根據業務進行動態調整.

Verma, Rajiv[36]針對同時提供高品質的服務和滿足不同類型的用戶服務級別協議提出一個結合GRA和AHP的多屬性網絡接入選擇算法，算法中采用AHP方法根據網絡性能設定屬性的相對權重，以及采用GRA方法進行候選網絡排名.

上述基于MADM的接入選擇算法的對比具體如表2所示.

表2 MADM接入選擇算法對比

MADM算法適用于HWNs環境下多參數判斷的接入選擇，但是，該類算法對用戶傳輸業務的內容不作考慮，此外，為了評價每個參數的重要程度，需要由用戶自行建立權重判斷矩陣，具有較大的主觀性，導致無法正確得到屬性權重，最后，若各參數的一致性檢查不通過，則需要再次耗時構造判決矩陣進行檢查.

2.5基于效用函數的接入選擇算法

該類算法的主要思想是通過設計一個效用函數，基于網絡接入選擇時需要考慮的各個參數例如RSS、信號覆蓋范圍、網絡可用帶寬、終端移動速度、服務價格、發射功率等計算各候選接入網絡的效用函數，并將函數值進行排序，最后接入到效用函數值最高的網絡.

LI Jian-Dong研究團隊[37-38]結合帶寬資源分配和網絡接入選擇進行算法設計，算法通過凸優化理論求解最大化用戶速率效用函數，并且算法考慮了帶寬資源分配的約束條件，根據網絡的可用帶寬和用戶業務的帶寬資源需求獲得最大化信息傳輸速率，將用戶分配到最合適的網絡中. 另外，該團隊的研究成果中也提及到結合時延控制和網絡接入選擇的算法，算法的目標函數為用戶業務時延最小化，通過計算不同網絡的傳輸速率和傳輸時延來設計并行接入算法，最后根據門限選擇最小的接入網絡集合獲得最小時延保證.

XIE Xian-zhong等[39]針對接入網絡發現階段RSS測量不確定性、候選網絡更新速度慢等問題，設計基于終端代價函數權值可變的速度自適應接入選擇算法，對高速移動終端的網絡發現階段進行了改進，在此基礎上，通過靈活改變代價函數的權值，并且加入網絡和用戶的屬性計算，求解出代價函數值最小的接入網絡.

FAN Wen-hao等[40]為了更好反映實際應用環境下終端的差異性，基于最大化網絡效用提出一種綜合考慮了多模終端發射功率及接入網絡帶寬資源分配的模型，適合終端自身配置差異與用戶業務需求的不同的接入環境.

Nguyen-Vuong, Q T等[41]提出一個捕獲終端用戶喜好的分析模型，基于該模型，設計一個自動網絡選擇機制，該機制考慮到了連接質量、終端用戶喜好、連接成本之間的折衷，從終端用戶和網絡運營商的角度進行計算.

El Helou, M等[42]通過分析無線電資源管理機制，提出混合以網絡為中心和以用戶為中心的方法，通過周期性地廣播網絡信息，協助移動用戶接入選擇，滿足運營商的目標. 在另一方面，移動用戶還集成自己的需求和喜好來選擇自己的接入網絡，以最大限度地發揮自己的效用. 與其它接入選擇技術相比，混合以網絡為中心和用戶為中心的混合方法能有效提高資源利用率和最大限度地提高用戶滿意度.

上述基于效用函數的接入選擇算法對比具體如表3所示.

表3 基于效用函數的接入選擇算法對比

基于效用函數的網絡接入選擇策略有較快的決策速度和較低的算法復雜度，并且綜合考慮了多種網絡的性能指標及用戶業務特性. 但是在實際環境中用戶的需求和網絡狀態是動態變化的，該類算法的目標函數一旦定義，在整個接入過程中無法調整，靈活性受到一定的限制.

2.6基于模糊邏輯的接入選擇算法

由于在HWNs的接入選擇判斷中會使用到一些難以量化的模糊信息，因此在進行接入選擇判斷時可以使用基于模糊邏輯的計算方法. 該類算法的主要思想是首先將各個網絡參數進行模糊化處理并生成一個輸入模糊集合，該集合通過模糊規則和一定的運算對應生成特定的輸出模糊集合，最后將輸出模糊集合結合接入選擇算法把用戶接入到最適合的網絡. 這個方法的關鍵在于合理的定義模糊集以及模糊準則.

Shi W等[43]基于徑向基函數模糊方法并且結合神經網絡設計智能化接入選擇算法，該算法中模糊神經網絡學習的目標為用戶接入阻塞率，學習過程中不斷更新網絡狀態，并隨時修正模糊神經網絡參數的數值，使得算法可以接近預計的性能，實現智能化的接入選擇判決. 進一步，該作者在此基礎上提出一種對網絡負載具有較好動態適應性的基于粒子群優化(PSO，Particle Swarm Optimization)模糊神經元的接入選擇算法[44]，該算法中模糊神經元參數學習的目標為接入阻塞率，然后利用PSO算法的全局尋優能力對參數初值進行設定，從而提高參數學習的精度.

Chen, Y H等[45]提出一種模糊Q學習的接入選擇方法，模糊Q學習接入控制系統由一個神經模糊推理系統許可評估、存儲和決策三部分組成，許可評估主要負責計算每個子網可以支持接入業務的QoS需求和接入成本，存儲主要負責多普勒頻移和功率強度的計算，最后，決策采用極大極小定理用于確定為用戶接入請求最合適的子網.

Chamodrakas, Ioannis等[46]提出的方法考慮到用戶偏好、網絡狀況、服務質量和能耗的要求，所提出的網絡選擇方法結合使用參數化效用函數，模擬不同應用程序的QoS需求，并采用不同的能耗度量實時和非實時應用，通過使用模糊集TOPSIS表示法解決多接入網絡評價中參數不一致的問題，并采用效用函數修改網絡選擇排序異常問題.

Wu, Jung-Shyr等[47]采用灰色模糊控制過程實現聯合無線資源管理接入控制，該文章的方法分成灰色模糊控制和灰色模糊多屬性決策兩部分. 該文章策略使用信號強度，路徑損耗以及負載參數進行 EDGE、HSPA和LTE的接入選擇和切換控制，算法減小多用戶之間的干擾和阻塞率，增加系統的無線電容量，提高負載均衡.

Kantubukta Vasu[48]針對HWNs環境的不同應用需求提出基于QoS感知的模糊規則多屬性接入選擇算法，通過模糊邏輯規則并結合馬爾可夫鏈計算比較各個網絡的得分，算法能較好支持不同業務流.

上述基于模糊邏輯的接入選擇算法對比具體如表4所示：

表4 基于模糊邏輯的接入選擇算法對比

基于模糊邏輯的接入選擇算法的優點是在接入網絡數較多的情況下能夠實現較準確的選網，在參數較少時算法效率較高. 但是隨著參數數量的增加，導致模糊推理規則庫的規模急劇增大，需要花費更多的計算資源.

2.7基于博弈論的接入選擇算法

在HWNs中無論是網絡運營商之間、用戶之間還是網絡運營商與用戶之間，任何用戶接入網絡都會對雙方產生相應的影響，因此適合使用博弈論模型來對網絡接入選擇進行研究. 根據產生影響的雙方，可以分為用戶間博弈接入、網絡間博弈接入、用戶與網絡間博弈接入. 此外，根據博弈雙方之間相互作用，又可以分為非合作博弈接入和合作博弈接入. 博弈參與者希望自身利益最大，不管其他參與者利益情況的是非合作博弈接入，相反，以最大化HWNs整體收益為目的是合作博弈接入.

接入選擇博弈模型由三個關鍵部分組成：參與者、策略和支付. 博弈中的參與者負責作出選擇最大效用值網絡的接入判決，參與者在HWNs環境下的接入行動受到策略的約束，并且需要計算出參與者在各網絡參數條件下的支付值. 對參與者來說，其注重的是支付.

CHEN S Z研究團隊主要基于博弈理論對HWNs接入選擇和無線資源分配展開研究，提出一種連接數量及無線資源帶寬分配的模型[49]，并且證明了非合作博弈無線資源分配中的納什均衡點，其設計的接入選擇算法考慮了用的業務量及其阻塞率. 進一步，通過結合多主多從Stackelberg博弈模型[50]，設計了用戶收益和花費效用函數，并且在網絡服務定價的前提下，效用函數可以滿足凹函數條件，用戶間非合作博弈存在納什均衡點，在此基礎上提出的HWNs定價和資源分配方案能夠同時滿足網絡運營商和用戶效用最大.

Chen Q B等[51]基于博弈理論對網絡接入最優定價方案展開研究，方法主要根據網絡之間、用戶與運營商之間的非合作和合作關系進行分析，并求解了網絡價格策略博弈模型的納什均衡價格.

Niyato等[52-53]基于非合作博弈論設計面向HWNs的接入選擇和無線資源分配算法，算法將系統總帶寬資源在各無線接入網的子區域進行劃分，基于非合作博弈論計算各接入網絡對業務請求的可用帶寬，此外，為了保證不同業務的優先級，還設計了一個帶寬資源預留門限.

Salih, Y K等[54]提出一個根據用戶偏好確定QoS因素的網絡選擇模型，并且將常用的簡單加權方法SAW整合到非合作交易博弈框架中，利用系統效用函數計算網絡間的競爭，算法通過用戶和網絡之間的協商使用戶獲得更優價格.

此外，對于用戶之間的博弈，Vassaki等[55]研究了接入選擇中帶寬分配問題，將帶寬分配問題建模為合作破產博弈模型，并分析了約束平等規則、隨機到達規則和塔木德規則用于保證最大化系統容量和帶寬分配公平性. Zhu, Kun等[56]基于不完全信息的貝葉斯博弈對HWNs接入選擇進行建模，博弈參與者沒有博弈對方收益函數的完整信息，在網絡的選擇過程中采用最優反應動態，并求解了貝葉斯納什均衡.

上述基于博弈論的接入選擇算法對比具體如表5所示.

表5基于博弈論的接入選擇算法對比

Tab.5 Comparison of game theory based access selection algorithms

基于博弈論的網絡接入選擇算法在多用戶同時接入選網的環境下有較高的公平性和準確性，但是，該類算法有較高的復雜度，并且在一個博弈周期里只能得出一個用戶的選網結果，選網效率較低.

2.8其它模型接入選擇算法及比較

除了上述各接入選擇算法模型外，還有部分文獻提到采用馬爾可夫鏈和最優化方法模型進行網絡接入選擇[12, 57-59].

例如DENG Q等[57]利用馬爾可夫決策理論分析了不同用戶業務的QoS需求、各種網絡狀態及狀態之間的關系，求解了狀態之間的轉移概率，設計出一種HWNs中區分業務類型的接入控制算法. Gelabert, Xavier等[58]將馬爾可夫鏈模型嵌入到接入選擇算法中，考慮了移動終端僅支持所有可用接入網絡中的某部分接入網絡的情形，并且通過可變數據流的性能度量去評估接入選擇算法. Kosmides, Pavlos等[59]通過聯合檢查用戶偏好和運營商偏好，并基于用戶業務的需求設計最優化效用函數，把接入選擇建模為NP-hard組合最優化問題.

綜上所述，HWNs接入選擇中采用不同的數學模型具有不同的特性，在這里我們將各模型的目標、決策速度、復雜度、準確度、有效性等方面進行對比，具體如表6所示.

表6 各接入選擇算法模型比較

3 HWNs接入選擇存在的問題、面臨的挑戰及展望

3.1存在問題

盡管許多學者對HWNs的接入選擇問題進行了大量的研究，但是由于HWNs接入技術的多樣性和復雜性，一方面移動終端要獲得“最合適”連接，另一方面網絡既要滿足不同業務的QoS需求，又要使資源利用率達到最大，所以HWNs接入選擇算法還存在許多需要解決的問題以及需要優化的地方[9, 18, 60]，總體來說目前仍然存在著以下不足：

1)接入選擇算法的設計沒有與資源管理架構設計結合在一起進行，算法僅適用于某種特定場景，缺乏靈活性，較難適應實際的HWNs融合環境.

2)由于接入選擇需要考慮用戶層面、業務層面和網絡層面這三方面的因素，基于單因素的接入選擇算法雖然計算復雜度低，但是有效性卻較差. 此外，有部分算法在設計中嘗試將所有影響因素全部加入考慮，卻導致計算復雜度劇增，不適合實際應用環境.

3)部分算法依據“最合適連接”原則，希望能夠為用戶接入到最能保障業務服務質量的網絡，但是卻沒有考慮到網絡資源的整體利用，更沒有對具體資源分配的大小展開研究，沒有同時兼顧用戶服務質量與網絡資源利用.

3.2挑戰與展望

3.2.1 HWNs的多接入控制問題

未來無線網絡技術的演進使得各種不同體系結構和接入模式的無線網絡持續增加. 同時，隨著無線終端性能的不斷提高，終端可以通過多鏈路同時并行接入到多個無線網絡. 多鏈路采用Multi-RAT(Multiple Radio Access Technology)技術，終端的無線接入模塊支持多協議接入模式，能夠通過不同的鏈路同時連接多個無線網絡，實現多網絡帶寬聚合利用[61]，并可以在HWNs的不同網絡中無縫切換. 因此，研究HWNs中多鏈路接入控制問題對于實現HWNs融合具有積極的意義.

目前，已有部分團隊在研究HWNs的多接入控制問題[10, 62-66]. 其中文獻[62]提出一種將業務數據流分割，分別在不同的接入網進行傳輸的方法P-MRA，數據流能獲得不同接入網的聚合帶寬服務，并且通過實驗證明該方法有較好的性能. 文獻[10]設計了HWNs多接入環境下的功率和頻譜分配算法，但是算法假設所有終端都支持多鏈路模式，沒有考慮單鏈路/多鏈路用戶共存的情況，算法有一定的局限性.

相比傳統的僅支持接入單個網絡的單鏈路用戶，多鏈路用戶的某個網絡鏈路出現故障時，其余連接的鏈路仍然能夠保證用戶數據傳輸，有效提高了通信的可靠性. 因此，解決HWNs的多接入控制問題將有效提升HWNs的整體效能，促進HWNs融合具有非常重要的意義.

3.2.2 HWNs無線資源管理及QoS保障

傳統的無線資源管理算法的主要目標是在一定數量的總系統資源環境下，通過合理的調度最大限度地為同構網絡內的用戶提供QoS保障服務. HWNs環境下的無線資源管理功能相對于傳統同構網絡，還需要進一步綜合考慮不同接入架構、多模終端、多業務需求及用戶信息等因素，設計適用于HWNs的聯合無線資源管理架構及算法[13, 67-69].

此外，HWNs融合的目標是為用戶提供無縫的、高質量的QoS保障服務[54]. 不同于傳統的無線網絡，HWNs中異構環境結構復雜、動態變化等都對提升用戶業務QoS保障帶來了新的挑戰.

目前己有相關研究工作在這方面取得了一定的進展[67, 70-72]，如文獻[70]設計了支持用戶體驗質量的HWNs體系架構，該架構通過增加無縫移動質量感知、質量評估、動態服務等級映射和內容自適應調度等擴展了接入協議，考慮了移動用戶需求和網絡可用資源使用情況. 文獻[71]針對HWNs中有限的無線資源設計了一套支持QoS的自適應MAC協議，該協議利用混合自適應行為提高信道利用率，并且在接入中集成了支持QoS和公平數據傳輸的優先級調度.

因此，如何利用HWNs在不同接入技術、重疊網絡架構、多業務流量負載等方面的特點，在為用戶提供QoS保證接入的同時，最優化HWNs資源利用成為未來HWNs發展中亟需解決的重要問題.

4 結束語

在HWNs中，由于無線信號重疊覆蓋、終端業務不同QoS需求、無線網絡性能差異、用戶喜好不同等因素的存在，設計能夠保障用戶接入最合適網絡的接入選擇算法是HWNs進一步發展中需要解決的重要問題.

針對這個問題，國內外大量的研究人員進行不懈的探索，收獲不少成果. 本文主要對HWNs接入選擇算法成果進行了分類歸納，詳細分析各接入選擇算法的思想及其優缺點，總結目前該類算法主要存在的問題，并提出了未來的研究方向.

[1] DAMNJANOVIC A, MONTOJO J, WEI Y, et al. a survey on 3GPP heterogeneous networks[J]. IEEE Wireless Communications, 2011, 18(3): 10-21.

[2] GHOSH A, MANGALVEDHE N, RATASUK R, et al. Heterogeneous cellular networks: from theory topractice[J]. IEEE Communications Magazine, 2012, 50(6): 54-64.

[3]MALIK A, QADIR J, AHMAD B, et al. QoS in IEEE 802.11-based wireless networks: a contemporary review[J]. Journal of Network and Computer Applications, 2015, 55: 24-46.

[4]FERRUS R, SALLENT O, AGUSTI R. Interworking in heterogeneous wireless networks: comprehensive framework and future trends[J]. IEEE Wireless Communications, 2010, 17(2): 22-31.

[5]WANG N, CHIANG Y, WONG J. Hierarchical mobile IPv6 mobility management in heterogeneous 3G/WLAN networks[J]. Wireless Personal Communications, 2014, 75(4): 2181-2200.

[6]JO M, MAKSYMYUK T, BATISTA R L, et al. A survey of converging solutions for heterogeneous mobile networks[J]. IEEE Wireless Communications, 2014, 21(6): 54-62.

[7] WANG L, LU Z, WEN X, et al. Converged management in heterogeneous wireless networks based on resource virtualization[J]. Mobile Networks & Applications, 2015, 20(1): 53-61.

[8]REN W, ZHAO Q, SWAMI A. Connectivity of heterogeneous wireless networks[J]. IEEE Transactions on Information Theory, 2011, 57(7): 4315-4332.

[9] SALIH Y K, SEE O H, IBRAHIM R W, et al. An overview of intelligent selection and prediction method in heterogeneous wireless networks[J]. Journal of Central South University, 2014, 21(8): 3138-3154.

[10]CHOI Y, KIM H, HAN S, et al. Joint resource allocation for parallel multi-radio access in heterogeneous wireless networks[J]. IEEE Transactions on Wireless Communications, 2010, 9(11): 3324-3329.

[11]SI P, JI H, YU F R. Optimal network selection in heterogeneous wireless multimedia networks[J]. Wireless Networks, 2010, 16(5): 1277-1288.

[12]KHLOUSSY E, GELABERT X, JIANG Y. Investigation on MDP-based radio access technology selection in heterogeneous wireless networks[J]. Computer Networks, 2015, 91: 57-67.

[13]FOOLADIVANDA D, ROSENBERG C. Joint resource allocation and user association for heterogeneous wireless cellular networks[J]. IEEE Transactions on Wireless Communications, 2013, 12(1): 248-257.

[14]MEHBODNIYA A, AISSA S, ADACHI F. Efficient resource utilization for heterogeneous wireless personal area networks[J]. IEICE Transactions On Communications, 2013, 96(6): 1577-1587.

[15]ZEKRI M, JOUABER B, ZEGHLACHE D. A review on mobility management and vertical handover solutions over heterogeneous wireless networks[J]. Computer Communications, 2012, 35(17): 2055-2068.

[16]FERNANDES S, KARMOUCH A. Vertical mobility management architectures in wireless networks: a comprehensive survey and future directions[J]. IEEE Communications Surveys and Tutorials, 2012, 14(1): 45-63.

[17]KASSAR M, KERVELLA B, PUJOLLE G. An overview of vertical handover decision strategies in heterogeneous wireless networks[J]. Computer Communications, 2008, 31(10): 2607-2620.

[18]AHMED A, BOULAHIA L M, GAITI D. Enabling vertical handover decisions in heterogeneous wireless networks: a state-of-the-art and a classification[J]. IEEE Communications Surveys and Tutorials, 2014, 16(2): 776-811.

[19]YAN X, SEKERCIOGLU Y A, NARAYANAN S. A survey of vertical handover decision algorithms in fourth generation heterogeneous wireless networks[J]. Computer Networks, 2010, 54(11): 1848-1863.

[20]WANG L, KUO G G S. Mathematical modeling for network selection in heterogeneous wireless networks-a tutorial[J]. IEEE Communications Surveys and Tutorials, 2013, 15(1): 271-292.

[21]SONG Q, JAMALIPOUR A. An adaptive quality-of-service network selection mechanism for heterogeneous mobile networks[J]. Wireless Communications & Mobile Computing, 2005, 5(6): 697-708.

[22]ZHOU T, HUANG Y, YANG L. Joint user association and resource partitioning with QoS support for heterogeneous cellular networks[J].Wireless Personal Communications, 2015, 83(1): 383-397.

[23]HANJIN L, DONGWOOK K, BYUNGCHUN C, et al. Adaptive hysteresis using mobility correlation for fast handover[J]. IEEE Communications Letters, 2008, 12(2): 152-154.

[24]ROY S D, REDDY S R V. Signal strength ratio based vertical handoff decision algorithms in integrated heterogeneous networks[J]. Wireless Personal Communications, 2014, 77(4): 2565-2585.

[25]AHUJA K, SINGH B, KHANNA R. Network selection algorithm based on link quality parameters for heterogeneous wireless networks[J]. Optik, 2014, 125(14): 3657-3662.

[26]盛潔，唐良瑞，郝建紅. 異構無線網絡中基于業務轉移和接入控制的混合負載均衡[J]. 電子學報, 2013,41(2): 321-328.

SHENG Jie, TANG Liangrui, HE Jianhong. Hybrid load balancing algorithm based on service transformation and admission control in heterogeneous wireless networks[J]. Acta Electronica Sinica, 2013,41(2): 321-328.

[27]GERASIMENKO M, HIMAYAT N, SHU-PING Y, et al. Characterizing performance of load-aware network selection in multi-radio (WiFi/LTE) heterogeneous networks[C]//2013 IEEE Globecom Workshops. Atlanta: IEEE, 2013: 397-402.

[28]MA D, MA M. Proactive load balancing with admission control for heterogeneous overlay networks[J]. Wireless Communications & Mobile Computing, 2013, 13(18): 1671-1680.

[29]HASIB A, FAPOJUWO A O. Analysis of common radio resource management scheme for end-to-end QoS support in multiservice heterogeneous wireless networks[J]. IEEE Transactions on Vehicular Technology, 2008, 57(4): 2426-2439.

[30]CHEN H, CHENG C, YEH H. Guard-channel-based incremental and dynamic optimization on call admission control for next-generation QoS-aware heterogeneous systems[J]. IEEE Transactions on Vehicular Technology, 2008, 57(5): 3064-3082.

[31]MIAO J, HU Z, YANG K, et al. Joint power and bandwidth allocation algorithm with QoS support in heterogeneous wireless networks[J]. IEEE Communications Letters, 2012, 16(4): 479-481.

[32]劉勝美，孟慶民，潘甦，等. 異構無線網絡中基于SINR和層次分析法的SAW垂直切換算法研究[J]. 電子與信息學報, 2011(01): 235-239.

LIU Shengmei, MENG Qingmin, PAN Su, et al. A simple additive weighting vertical handoff algorithm based on SINR and AHP for heterogeneous wireless networks[J]. Journal of Electronics & Information Technology, 2011(01): 235-239.

[33]唐良瑞，李文猛，盛潔，等. 基于混沌遺傳的異構無線網絡接入選擇策略[J]. 電子學報 2014,42(8): 1564-1570.

TANG Liangrui, LI Wenmeng, SHENG Jie, et al. A chaos genetic algorithm based access selection in heterogeneous wireless networks[J]. Acta Electronica Sinica, 2014,42(8): 1564-1570.

[34]魏淑芝，朱琦. 基于網絡選擇的視頻通信帶寬博弈算法[J]. 通信學報, 2015,36(2): 216-224.

WEI Shuzhi, ZHU Qi. Bandwidth allocation games based on network selection for video communication[J]. Journal on Communications, 2015,36(2): 216-224.

[35]AHUJA K, SINGH B, KHANNA R. Network selection based on weight estimation of QoS parameters in heterogeneous wireless multimedia networks[J]. Wireless Personal Communications, 2014, 77(4): 3027-3040.

[36]VERMA R, SINGh N P. GRA based network selection in heterogeneous wireless networks[J]. Wireless Personal Communications, 2013, 72(2): 1437-1452.

[37]姜建，李建東，劉鑫一. 異構無線網絡環境下的聯合網絡選擇策略[J]. 計算機學報, 2014,37(2): 407-413.

JIANG Jian, LI Jiandong, Xin Yi. Joint network selection strategy in heterogeneous wireless networks[J]. Chinese Journal of Computers, 2014,37(2): 407-413.

[38]JIANG J, LI J, HOU R, et al. Network selection policy based on effective capacity in heterogeneous wireless communication systems[J]. Science China-Information Sciences, 2014, 57(0223092).

[39]謝顯中，肖博仁，馬彬，等. 代價函數權值可變的速度自適應的異構無線網絡垂直切換算法[J]. 電子學報, 2011,39(10): 2417-2421.

XIE Xianzhong, XIAO Boren, MA Bin, et al. Cost function weight-variable and speed-adaptive vertical handoff algorithm for a vehicle terminal in heterogeneous wireless networks[J]. Acta Electronica Sinica, 2011,39(10): 2417-2421.

[40]范文浩，劉元安，吳帆. 異構無線網絡中多模終端多接入選擇機制研究[J]. 通信學報, 2012,33(7): 183-190.

FAN Wenhao, LIU Yuanan, WU Fan. Research on multi-access selection mechanism for multi-mode terminals in heterogeneous wireless networks[J]. Journal on Communications, 2012,33(7): 183-190.

[41]QUOC-THINH N, AGOULMINE N, CHERKAOUI E H, et al. Multicriteria optimization of access selection to improve the quality of experience in heterogeneous wireless access networks[J]. IEEE Transactions on Vehicular Technology, 2013, 62(4): 1785-1800.

[42]EL HELOU M, IBRAHIM M, LAHOUD S, et al. Radio access selection approaches in heterogeneous wireless networks[C]//2013 IEEE 9th International Conference on Wireless and Mobile Computing, Networking and Communications (WIMOB). Lyon: IEEE, 2013: 521-528.

[43]SHI W, FAN S, WANG N, et al. Fuzzy neural network based access selection algorithm in heterogeneous wireless networks[J]. Journal on Communications, 2010, 31(9): 151-156.

[44] SHI W, FAN S, WANG N, et al. A PSO-fuzzy neuron based access selection in heterogeneous wireless networks[J]. Journal of Beijing University of Posts and Telecommunications, 2011, 34(2): 58-62.

[45]CHEN Y, CHANG C, HUANG C Y. Fuzzy Q-learning admission control for WCDMA/WLAN heterogeneous networks with multimedia traffic[J]. IEEE Transactions on Mobile Computing, 2009, 8(11): 1469-1479.

[46] CHAMODRAKAS I, MARTAKOS D. A utility-based fuzzy TOPSIS method for energy efficient network selection in heterogeneous wireless networks[J]. Applied Soft Computing, 2011, 11(4): 3734-3743.

[47] WU J, HUEY R. Improved joint radio resource management usage grey fuzzy control in heterogeneous wireless networks[J]. Journal of Internet Technology, 2015, 16(5): 777-788.

[48]VASU K, MAHESHWARI S, MAHAPATRA S, et al. QoS-aware fuzzy rule-based vertical handoff decision algorithm incorporating a new evaluation model for wireless heterogeneous networks[J]. Eurasip Journal on Wireless Communications And Networking, 2012,2012(1):1-22.

[49]李明欣，陳山枝，謝東亮，等. 異構無線網絡中基于非合作博弈論的資源分配和接入控制[J]. 軟件學報, 2010,21(8): 2037-2049.

LI Mingxin, CHEN Shanzhi, XIE Dongliang, et al. Resource allocation and admission control based on non-cooperation game in heterogeneous wireless networks[J]. Journal of Software, 2010,21(8): 2037-2049.

[50]姜永，胡博，陳山枝. 異構無線網絡用戶網絡關聯優化:一種基于群體博弈的方法[J]. 計算機學報, 2012,35(6): 1249-1261.

JIANG Yong, HU Bo, CHEN Shanzhi. User-network association optimization in heterogeneous wireless networks: a population game-based approach[J]. Chinese Journal of Computers, 2012,35(6): 1249-1261.

[51]CHEN Q B, ZHOU W G, CHAI R, et al. Game-theoretic approach for pricing strategy and network selection in heterogeneous wireless networks[J]. Iet Communications, 2011, 5(5): 676-682.

[52]NIYATO D, HOSSAIN E. A noncooperative game-theoretic framework for radio resource management in 4G heterogeneous wireless access networks[J]. IEEE Transactions on Mobile Computing, 2008, 7(3): 332-345.

[53]NIYATO D, HOSSAIN E. Bandwidth allocation in 4G heterogeneous wireless access networks: a noncooperative game theoretical approach[C]// 2006 IEEE Global Telecommunications Conference (GLOBECOM 2006). San Francisco: IEEE, 2006.

[54]SALIH Y K, ONG H S, IBRAHIM R W, et al. A novel noncooperative game competing model using generalized simple additive weighting method toperform network selection in heterogeneous wireless networks[J]. International Journal of Communication Systems, 2015, 28(6): 1112-1125.

[55]VASSAKI S, PANAGOPOULOS A D, CONSTANTINOU P. Bandwidth allocation in wireless access networks: Bankruptcy game vs cooperative game[C]//International Conference on Ultra Modern Telecommunications & Workshops. [s. l.]: IEEE, 2009.

[56]Zhu K, Niyato D, Wang P. Network selection in heterogeneous wireless networks: evolution with incomplete information[C]//IEEE Wireless Communication & Networking Conference. Doha: IEEE, 2010.

[57]鄧強，陳山枝，胡博，等. 異構無線網絡中基于馬爾可夫決策過程的區分業務接納控制的研究[J]. 通信學報, 2010,31(12): 27-36.

DENG Qiang, CHEN Shanzhi, HU Bo, et al. Research of service-differentiated admission control based on Markov decision processes in heterogeneous wireless networks[J]. Journal on Communications, 2010,31(12): 27-36.

[58]GELABERT X, PEREZ-ROMERO J, SALLENT O, et al. A markovian approach to radio access technology selection in heterogeneous multiaccess/multiservice wireless networks[J]. IEEE Transactions on Mobile Computing, 2008, 7(10): 1257-1270.

[59]KOSMIDES P, ROUSKAS A, ANAGNOSTOU M. Utility-based RAT selection optimization in heterogeneous wireless networks[J]. Pervasive and Mobile Computing. 2014, 12(10): 92-111.

[60] MAHMOOD N H, YILMAZ F, ALOUINI M, et al. Heterogeneous next-generation wireless network interference model-and its applications[J]. Transactions on Emerging Telecommunications Technologies, 2014, 25(5): 563-575.

[61]CHEBROLU K, RAO R R. Bandwidth aggregation for real-time applications in heterogeneous wireless networks[J]. IEEE Transactions on Mobile Computing, 2006, 5(4): 388-403.

[62] ZHENG J, LI J, LIU Q, et al. Performance analysis of three multi-radio access control policies in heterogeneous wireless networks[J]. ScienceChina-Information Sciences, 2013, 56(12): 1-10.

[63] ZHANG L, ZHU Q, ZHAO S. Multi-access selection algorithm based on joint utility optimization for the fusion of heterogeneous wireless networks[J]. Ieice Transactions on Communications, 2014, E97B(11): 2269-2277.

[64]MIAO J, HU Z, WANG C, et al. Optimal resource allocation for multi-access in heterogeneous wireless networks[C]//IEEE 75th Vehicular Technology Conference (VTC SPRING). Yokohama: IEEE, 2012.

[65] FAN W, LIU Y, WU F. Research on multi-access selection mechanism for multi-mode terminals in heterogeneous wireless networks[J]. Journal on Communications, 2012, 33(7): 183-190.

[66]YU G, JIANG Y, XU L, et al. Multi-objective energy-efficient resource allocation for multi-rat heterogeneous networks[J]. IEEE Journal on Selected Areas in Communications, 2015, 33(10): 2118-2127.

[67]XUE P, GONG P, PARK J H, et al. Radio resource management with proportional rate constraint in the heterogeneous networks[J]. IEEE Transactions on Wireless Communications, 2012, 11(3): 1066-1075.

[68]BULJORE S, HARADA H, FILIN S, et al.Architecture and enablers for optimized radio resource usage in heterogeneous wireless access networks[J]. IEEE Communications Magazine, 2009, 47(1): 122-129.

[69]CARMEN LUCAS-ESTAN M, GOZALVEZ J. On the real-time hardware implementation feasibility of joint radio resource management policies for heterogeneous wireless networks[J]. IEEE Transactions on Mobile Computing, 2013, 12(2): 193-205.

[70]ROSARIO D, CERQUEIRA E, NETO A, et al. A QoE handover architecture for converged heterogeneous wireless networks[J]. Wireless Networks, 2013, 19(8): 2005-2020.

[71]SOUIL M, BOUABDALLAH A, KAMAL A E. Efficient QoS provisioning at the MAC layer in heterogeneous wireless sensor networks[J]. Computer Communications, 2014, 43(5): 16-30.

[72]LOPEZ-BENITEZ M, GOZALVEZ J. Common Radio resource management algorithms for multimedia heterogeneous wireless networks[J]. IEEE Transactions on Mobile Computing, 2011, 10(9): 1201-1213.

Asurveyofaccessselectionalgorithmsinheterogeneouswirelessnetworks

YU Hewei1，LIANG Gen1,2

(1. School of Computer Science and Engineering, South China University of Technology, Guangzhou 510640, China；2. College of Science, Guangdong University of Petrochemical Technology, Maoming 525000, China)

The development of mobile Internet and wireless communication technologies promote heterogeneous wireless networks (HWNs), in which a variety of wireless networks coexist and coverage overlap. The differences between various wireless access technologies and single network cannot meet all the requirements of users. Consequently, it is inevitable for the integration of HWNs. The access selection as one of the key technologies of HWNs has become a research hotspot. Based on analyzing the infrastructure of HWNs and the concepts of the access selection, this paper focuses on the classification and detailed comparative analysis of the access selection algorithm. Simultaneously, the existent problems are summarized, and the future research directions and challenges are presented.

heterogeneous wireless networks; access selection; always best connected; network parameter

10.11918/j.issn.0367-6234.201605125

TP393

A

0367-6234(2017)11-0178-11

2016-05-31

國家自然科學基金項目(61070179);廣東省自然科學基金項目(10151601501000015);廣東省科技計劃項目(2013B010401006)

俞鶴偉(1967—)，男，教授、博士生導師;梁 根(1979—)，男，副教授、博士研究生

梁根，L_Gen@126.com

(編輯王小唯， 苗秀芝)