馬成宇 張慧穎

摘要：融合可見光的室內異構網絡被認為是未來緩解室內網絡壓力的主要解決方案。這種混合網絡兼具可見光的高速數據傳輸和無線網絡的廣覆蓋優勢，但也面臨著諸多問題，最為明顯的就是接入點選擇的問題。文章首先介紹了室內異構網絡的概念；其次對室內異構網絡的接入算法進行了闡述，依據其不同的接入策略進行分類，并對每種不同的接入策略進行概述，然后對所有的策略進行橫向比較；最后分析總體的研究現狀，并指出當前亟待解決并須深入研究的問題，以期為該領域的進一步研究發展提供參考。

關鍵詞：無線通信；異構網絡；可見光通信；接入點選擇

中圖分類號：TP393? 文獻標志碼：A

0 引言

目前最新的網絡統計數據顯示，截止到2022年，全球移動數據流量占互聯網協議流量的71%，超過80%的移動數據流量發生在室內環境下，融合可見光的室內異構網絡有望成為解決這一困境的主要方案。眾所周知，可見光通信相比于傳統通信有著許多無法比擬的優點。但如果將其作為單一的無線通信方式，仍存在諸多缺陷。Basnayaka等［1］提出了可見光與WiFi的混合室內異構網絡模式，具體如圖1所示。

在異構網絡中，網絡接入點的選擇尤為關鍵。如何在不同的接入技術、不同的網絡架構和多種業務服務之間進行選擇，在保證用戶QoS前提下，為用戶提供接入的同時保證負載均衡成為研究的熱點。本文對于這些問題進行了詳細闡述，首先介紹室內異構網絡的理論模型和架構，然后簡單概述其接入算法，分析并歸納各類算法的核心內容，最后討論存在的問題。

1 接入點選擇的概述

1.1 基本原理

異構網絡接入的點選擇大致可以分為兩類，一類是初始的網絡接入選擇，另一類是在進行網絡切換時的網絡選擇接入。不管哪種切換，都要保證網絡交換的無縫性和自動化，即必須在合適的時間和合適的地點，實現最小化信令開銷，避免不必要的切換，保持最佳連接。

1.2 接入點的選擇

對于單一的網絡架構而言，接入選擇考慮條件比較單一，只需考慮如何維持當前的鏈接，使用戶正常地接入即可。對于室內異構網絡而言，由于網絡的異構性，室內異構網絡需要衡量多個指標再進行最終的接入和切換。最常見的就是從網絡、業務和用戶3個層面來選擇最適合的網絡接入。

2 接入算法研究概述

2.1 以用戶為中心的策略

本類算法是從用戶的角度評估切換決策，以用戶為中心，將不同的業務偏好用戶分配到不同的網絡中，為用戶匹配最適合其偏好的網絡。

翟雷等［2］認為現有工作大多關注如信干噪比（SINR）和信號強度（RSS）等指標，忽視了用戶的移動性和體驗質量（QoE），因此提出一種以用戶QoE為優化目標的接入算法。這種算法根據照明光強分布建立VLC信道模型，當用戶出現非視距傳輸時，設備接入網絡并使用基于改進的匈牙利算法（HA）實時判斷VLC鏈路恢復情況。在VLC視距傳輸區域，使用基于多屬性判決的層次分析加權和（AHPAW）算法，判決VLC和RF的狀況并接入最佳網絡。同理，王春喜等［3］提出一種以用戶體驗質量為優化目標的算法，強調基于平均主觀評分（MOS）機制建立離散化的QoE等級模型，根據不同網絡對應的實際QoE水平給出相應網絡切換標準，只有新網絡使用戶QoE等級有提升時才切換網絡，這能在很大程度上縮減盲目追求容量優化引起的網絡切換開銷。

以用戶為中心的選擇算法主要將用戶的滿意度作為決策標準，雖然滿足了用戶的喜好，但這樣會造成負載不均衡的問題。因此，開發人員在考慮用戶滿意度的同時，還應該考慮更多的干擾因素。

2.2 基于多屬性決策的策略

切換問題涉及許多屬性，這是一個典型的多屬性決策問題。如何更好地平衡各個屬性之間的關系，為該算法的主要問題。

孫志鵬［4］提出用層次分析法來獲取決策參數的主管權重，用標準離差法來獲取決策參數的客觀權重，用最小化的數學模型來獲取主、客觀權重的分配系數，用簡單加權法（SAW）來獲取每個候選網絡的網絡評估值。朱學文［5］同樣提出根據實際網絡屬性與用戶期望屬性之間的滿意度關系和用戶所在位置的網絡覆蓋能力，多種屬性來確定用戶的候選網絡集合，其中滿意度關系由網絡多種屬性決定，屬性權重采用修正的層次分析法（AHP）獲得；建立用戶與網絡之間的關聯矩陣，再根據排隊理論估計網絡的平均排隊時延，調整關聯矩陣內元素的取值，得到使網絡平均排隊時延較小的同時又能有效地減少用戶切換次數的網絡接入，避免頻繁地切換。

多屬性決策算法是一種十分經典的算法，但是其處理決策標準不夠精確，且主觀性較強，無法精準地得到各個屬性權重，需要與更先進的方法互相結合，以獲得更加精確有效的決策策略。

2.3 基于模糊邏輯的策略

由于混合網絡中某些信息無法準確得到，多屬性判決不能有效準確地處理某些屬性，因此可以用模糊邏輯來處理這些問題。

Wang等［6］提出一種基于模糊邏輯的動態切換決策。該模糊邏輯的方案使用信道狀態信息（CSI），使用用戶速度和所需數據速率來進行模糊化，并制定相應的評估規則，然后進行反模糊化，最后進行網絡選擇決策，決定是否需要進行切換。同理，Wu等［7］提出一種用于混合LiFi/WiFi網絡的兩階段接入點方法，第一階段，開發一個模糊邏輯系統來確定應連接到WiFi的用戶；第二階段，剩余用戶在同質LiFi網絡的環境中分配。

模糊邏輯可以處理不準確的信息，同時可以組合和評估多個標準，在參數較少的情況下十分高效，但如果參數過多，模糊推理需要巨大的計算資源。

2.4 基于機器學習的策略

機器學習可以從數據中識別出規律并以此完成預測。對比以上各種的算法，機器學習應用范圍更廣泛，適應性更強，更能適應各種復雜的網絡情況。

Ahmad等［8］提出一種強化學習的決策方案，考慮一個具有1個WiFi AP和4個LiFi AP的下行混合系統，并實現一種強化學習（RL）算法，以確定最佳AP分配策略。同理，Wu等［9］提出通過采集的數據使機器學習采用動態系數來調整用戶對LiFi和WiFi之間的選擇偏好。新方法平衡諸多屬性，并用人工神經網絡求得最佳系數，以做出切換決策。

基于機器學習的決策算法能適應多種情況，可以動態調整參數，但是其數據的獲取和訓練較為關鍵，而且當數據出現問題時，對于結果的影響比較大。

2.5 其他模型以及各種切換算法的比較

還有一些其他的算法，比如朱福榮等［10］采用比例公平算法，加入異構網絡人數調整因子和短期服務質量保證，用分組時延決定不同用戶的優先等級，這樣就提高系統在不同區域內對于不同用戶獲得資源的能力，從而在整體上顯著提高用戶的滿意程度和系統資源的利用率。

上述的這些算法采用各不相同的數學模型，不同的模型的決策速度復雜程度和準確性都各不相同，復雜度低的決策速度相對較快，反之亦然，如果能將各個算法的優點互相結合起來將更好。

3 結語

簡單的多屬性判別方法，計算量小，但不能很好地應用多種場景；以用戶為中心的QoS算法，可以適應大多數場景，但不能處理某些復雜情況；機器學習算法，可以滿足許多復雜的場景，處理一些復雜情況。算法的不斷優化表明室內異構網絡方案是可以實現的。然而，目前室內異構網絡架構還存在一些問題，例如現有的算法沒有將網絡選擇接入算法與網絡架構設計在一起，僅僅只是對各種網絡屬性和用戶偏好進行權衡，而后連接最佳網絡。雖然算法的復雜程度不高，但是針對現實生活中存在的諸多特殊情況，如果僅僅是理論計算，那么將難以融入實際。未來，室內異構網絡架構會越來越成熟，同時接入算法也會越來越智能，這些問題也終將得到解決。

參考文獻

［1］BASNAYAKA D A， HAAS H. Hybrid RF and VLC systems：improving user data rate performance of VLC systems［C］.Glasgow：2015 IEEE 81st Vehicular Technology Conference （VTC Spring）， 2015.

［2］翟雷，倪菊，覃琦超，等.基于QoE的室內VLC-RF異構網絡動態接入算法［J］.現代電子技術，2021（13）：17-22.

［3］王春喜，菅春曉，劉洛琨，等.基于用戶體驗的VLC/WiFi異構網絡切換算法［J］.信號處理，2017（9）：1197-1198.

［4］孫志鵬.基于VLC的室內異構網絡中網絡選擇方法及多用戶接入技術研究［D］.西安：西安電子科技大學，2018.

［5］朱學文.基于業務需求的異構無線網絡接入決策機制［D］.南京：南京郵電大學，2017.

［6］WANG Y，WU X，HAAS H.Fuzzy logic based dynamic handover scheme for indoor Li-Fi and RF hybrid network［C］.Kuala Lumpur：2016 IEEE International Conference on Communications（ICC），2016.

［7］WU X，SAFARI M，HAAS H.Access point selection for hybrid Li-Fi and Wi-Fi networks［J］.IEEE Transactions on Communications，2017（12）：5375-5385.

［8］AHMAD R，SOLTANI M D，SAFARI M，et al.Reinforcement learning based load balancing for hybrid LiFi WiFi networks［EB/OL］.（2020-07-08）［2023-02-10］.https：//www.researchgate.net/publication/342794168_Reinforcement_Learning_Based_Load_Balancing_for_Hybrid_LiFi_WiFi_Networks/citation/download.

［9］WU X，OBRIEN D C. A novel machine learning-based handover scheme for hybrid LiFi and WiFi networks［C］.Beijing：2020 IEEE Global Com Workshops（GC Wkshps），2020.

［10］朱福榮，楊立偉，劉鑫來，等.可見光通信與WiFi異構網絡資源調度算法的優化［J］.通信技術，2021（7）：1665-1669.

（編輯 沈 強）

Research on overview of interiors isomeric network access point selection by fusion of visible light

Ma? Chengyu， Zhang? Huiying*

（School of information and control engineering， Jilin Institute of Chemical Technology， Jilin 132022， China）

Abstract： Indoor heterogeneous networks incorporating visible light are considered as the main solution to relieve indoor network stress in the future. This hybrid network has the advantages of both visible high-speed data transmission and wide coverage of wireless network， but it also faces many problems， the most obvious is the problem of access point selection. In this paper， the concept of indoor heterogeneous network is first introduced. Then the access algorithm of indoor heterogeneous network is expounded and classified according to its different access strategies， and the different access strategies are summarized， and then all the strategies are compared horizontally. At last， it analyzes the current situation of research and points out the problems that need to be solved and studied in depth in order to provide reference for further research in this field.

Key words： wireless communication; heterogeneous network; visible light communication; access point selection