留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于最优加权多属性决策的LWA网络接入点选择算法

申滨 徐浪 周晓勇 闫伟

申滨, 徐浪, 周晓勇, 闫伟. 基于最优加权多属性决策的LWA网络接入点选择算法[J]. 电子科技大学学报, 2020, 49(3): 445-452. doi: 10.12178/1001-0548.2019110
引用本文: 申滨, 徐浪, 周晓勇, 闫伟. 基于最优加权多属性决策的LWA网络接入点选择算法[J]. 电子科技大学学报, 2020, 49(3): 445-452. doi: 10.12178/1001-0548.2019110
SHEN bin, XU Lang, ZHOU Xiao-yong, YAN Wei. LWA Network Access Point Selection Algorithm Based on Optimal Weighted Multi-Attribute Decision[J]. Journal of University of Electronic Science and Technology of China, 2020, 49(3): 445-452. doi: 10.12178/1001-0548.2019110
Citation: SHEN bin, XU Lang, ZHOU Xiao-yong, YAN Wei. LWA Network Access Point Selection Algorithm Based on Optimal Weighted Multi-Attribute Decision[J]. Journal of University of Electronic Science and Technology of China, 2020, 49(3): 445-452. doi: 10.12178/1001-0548.2019110

基于最优加权多属性决策的LWA网络接入点选择算法

doi: 10.12178/1001-0548.2019110
基金项目: 国家自然科学基金(61571073)
详细信息
    作者简介:

    申滨(1978-),男,博士,教授,主要从事认知无线电、MIMO、机器学习、异构网络融合和车联网等方面的研究. E-mail:shenbin@cqupt.edu.cn

  • 中图分类号: TN929.5

LWA Network Access Point Selection Algorithm Based on Optimal Weighted Multi-Attribute Decision

  • 摘要: 为了应对LWA网络下eNB和AP大量密集部署,用户需求难以充分满足的现状,该文提出一种基于最优加权多属性决策(OWMAD)的LWA网络接入点选择算法。该算法预先收集接入点属性并建立属性集合,然后设计决策属性的最优权重,将决策矩阵与最优权重向量叠加,最后根据各个接入点综合性能的计算结果确定用户可选择的最佳网络接入点。仿真结果表明,该算法不仅能有效提升边缘地区及系统整体的吞吐量,还能够降低系统平均时延,提升用户的服务质量。
  • 图  1  网络场景图

    图  2  网络接入点选择时序图

    图  3  总吞吐量与UE数目的关系

    图  4  单个UE的吞吐量概率累积分布

    图  5  平均传输时延与UE数目的关系

    图  6  单个UE的时延概率累积分布

    图  7  边缘总吞吐量与宏小区内UE数目的关系

    表  1  仿真参数设置

    参数宏小区AP小区
    载波频率/GHz2.55.7
    带宽/MHz2020
    发送功率/dBm4620
    天线增益/dBI145
    覆盖范围/m50040
    属性集容量、RSSI、时延
    Loss ModelUma/UMi
    ${N_0}$/dBm·Hz−1−174.0
    调度方式Round Robin
    下载: 导出CSV
  • [1] BOGALE T E, LE L B. Massive MIMO and mmWave for 5G wireless HetNet: Potential benefits and challenges[J]. IEEE Vehicular Technology Magazine, 2016, 11(1): 64-75. doi:  10.1109/MVT.2015.2496240
    [2] GE X, TU S, MAO G, et al. 5G ultra-dense cellular networks[J]. IEEE Wireless Communications, 2016, 23(1): 72-79. doi:  10.1109/MWC.2016.7422408
    [3] HUR S, BAEK S, KIM B, et al. Proposal on millimeter-wave channel modeling for 5G cellular system[J]. IEEE Journal of Selected Topics in Signal Processing, 2016, 10(3): 454-469. doi:  10.1109/JSTSP.2016.2527364
    [4] LING J, KANUGOVI S, VASUDEVAN S, et al. Enhanced capacity & coverage by Wi-Fi LTE integration[J]. IEEE Communications Magazine, 2014, 53(3): 165-171.
    [5] NUGGEHALLI P. LTE-WLAN aggregation (Industry perspectives)[J]. IEEE Wireless Communications, 2016, 23(4): 4-6. doi:  10.1109/MWC.2016.7553017
    [6] 施苑英, 张伽俐. 3GPP LTE/WLAN无线融合技术研究进展[J]. 电讯技术, 2017, 57(9): 1092-1098.

    SHI Wan-ying, ZHANG Jia-li. Research progress of LTE/WLAN radio level integration in 3 GPP standard[J]. Telecommunication Engineering, 2017, 57(9): 1092-1098.
    [7] FOTIADIS P, SOLDATI P, LEGG P. Design and evaluation of LTE/WLAN traffic steering and link aggregation algorithms[C]//Vehicular Technology Conference. [S.l.]: IEEE, 2017: 1-6.
    [8] Intel, Qualcomm. New WI proposal: LTE-WLAN radio level integration and interworking enhancements[DB/OL]. [2019-12-24]. http://www.3gpp.org/.
    [9] RAKESH S, SUNG W K, ROJEENA B, et al. LWA in 5G: State-of-the-Art architecture, opportunities, and research challenges[J]. IEEE Communications Magazine: Articles, News, and Events of Interest to Communications Engineers, 2018, 56(10): 134-141.
    [10] PANAH A Y, YEH S P, HIMAYAT N, et al. Utility-based radio link assignment in multi-radio heterogeneous networks[C]//GLOBECOM Workshops. [S.l.]: IEEE, 2013: 618-623.
    [11] 赵亚南, 朱晓荣. 基于用户体验的异构网络接入选择算法研究[J]. 南京邮电大学学报(自然科学版), 2014, 34(4): 72-78.

    ZHAO Ya-nan, ZHU Xiao-rong. Access selection algorithm based on quality of experience in heterogeneous wireless networks[J]. Journal of Nanjing University of Posts and Telecommunications(Natural Science), 2014, 34(4): 72-78.
    [12] 郑娟. 无线网络中的接入点选择算法研究[D]. 武汉: 华中科技大学, 2009.

    ZHENG Juan. Research on access point selection algorithm in wireless network[D]. Wuhan: Huazhong University of Science and Technology, 2009.
    [13] 阚姗蕾. LTE与WLAN网络融合中业务分流机制的研究[D]. 南京: 南京理工大学, 2016.

    KAN Shan-lei. Traffic offioading in LTE and WLAN network integration system[D]. Nanjing: Nanjing University of Science and Technology, 2016.
    [14] MARTIN H, FRANCK R, GILLES B S, et al. Performance anomaly of 802.11 b[C]//22nd Annual Joint Conference of the IEEE Computer and Communications. [S.l.]: IEEE, 2003: 836-843.
  • [1] 王颖, 高胜.  轻量型胶囊网络语音情感识别方法 . 电子科技大学学报, 2023, 52(3): 423-429. doi: 10.12178/1001-0548.2022086
    [2] 陈科, 唐雪飞.  基于决策倾向度的样本过滤与主动选择 . 电子科技大学学报, 2019, 48(3): 427-431. doi: 10.3969/j.issn.1001-0548.2019.03.019
    [3] 侯卫民, 苏佳, 王静.  传感器网络中提高吞吐量的机会波束调度算法 . 电子科技大学学报, 2019, 48(3): 336-339. doi: 10.3969/j.issn.1001-0548.2019.03.004
    [4] 田心记, 贾文杰.  超密集网络中基于分簇的资源分配方案 . 电子科技大学学报, 2019, 48(6): 823-830. doi: 10.3969/j.issn.1001-0548.2019.06.004
    [5] 胡小军, 郭强, 杨凯, 王江盼, 刘建国.  基于相对熵的多属性作者学术影响力排名研究 . 电子科技大学学报, 2018, 47(2): 279-285. doi: 10.3969/j.issn.1001-0548.2018.02.019
    [6] 宋明秋, 王琳, 姜宝彦, 邓贵仕.  多属性泛化的K-匿名算法 . 电子科技大学学报, 2017, 46(6): 896-901. doi: 10.3969/j.issn.1001-0548.2017.06.018
    [7] 何晋, 陈思洋, 朱西平.  基于IEEE 802.11p的车载自组网MAC层接入算法RLBSA . 电子科技大学学报, 2015, 44(5): 674-679. doi: 10.3969/j.issn.1001-0548.2015.05.006
    [8] 王灿, 秦志光, 杨磊, 杨皓.  基于改进Sparse Indexing的多负载消冗方法 . 电子科技大学学报, 2013, 42(5): 734-739. doi: 10.3969/j.issn.1001-0548.2013.05.017
    [9] 覃琴, 曾志民, 张天魁, 张从青.  动态多中继协同节点选择算法 . 电子科技大学学报, 2011, 40(4): 505-508. doi: 10.3969/j.issn.1001-0548.2011.04.005
    [10] 孙卓, 郑旭飞, 王文博.  负载均衡的多接入选择算法 . 电子科技大学学报, 2010, 39(4): 532-536. doi: 10.3969/j.issn.1001-0548.2010.04.012
    [11] 程德强, 钱建生, 杨红丽.  组播服务节点选择问题的求解算法 . 电子科技大学学报, 2008, 37(4): 523-526.
    [12] 徐飞, 庄奕琪, 郭锋.  载荷长度对蓝牙数据传输吞吐量的影响 . 电子科技大学学报, 2008, 37(1): 39-42.
    [13] 徐斌阳, 李少谦.  认知无线电系统中的联合功率控制 . 电子科技大学学报, 2008, 37(5): 649-652.
    [14] 李金海, 吕跃进.  决策系统的快速属性约简算法 . 电子科技大学学报, 2007, 36(6): 1237-1240.
    [15] 付志明, 幺周石, 谭庆贵, 胡渝.  无线光CDMA接入网的网络吞吐量研究 . 电子科技大学学报, 2007, 36(4): 681-684.
    [16] 吴劲, 卢显良, 任立勇, 魏青松.  缓存失效策略的性能分析数学模型 . 电子科技大学学报, 2005, 34(2): 225-228.
    [17] 张崇富, 邱昆, 陈华容.  波分复用/光码分多址网络性能研究 . 电子科技大学学报, 2005, 34(4): 433-436.
    [18] 高飞, 郭彦平, 赵东风.  随机多址信道冲突分解算法及吞吐量分析 . 电子科技大学学报, 2001, 30(2): 124-128,133.
    [19] 马逾钢, 洪福明, 李乐民.  按需分配多码CDMA及其吞吐量性能的研究 . 电子科技大学学报, 1997, 26(5): 461-464.
    [20] 钱炜宏, 李乐民.  输入/输出ATM交换机在突发性业务下的性能 . 电子科技大学学报, 1997, 26(6): 576-580.
  • 加载中
图(7) / 表(1)
计量
  • 文章访问数:  4758
  • HTML全文浏览量:  1591
  • PDF下载量:  33
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-04-23
  • 修回日期:  2020-01-09
  • 网络出版日期:  2020-05-28
  • 刊出日期:  2020-05-01

基于最优加权多属性决策的LWA网络接入点选择算法

doi: 10.12178/1001-0548.2019110
    基金项目:  国家自然科学基金(61571073)
    作者简介:

    申滨(1978-),男,博士,教授,主要从事认知无线电、MIMO、机器学习、异构网络融合和车联网等方面的研究. E-mail:shenbin@cqupt.edu.cn

  • 中图分类号: TN929.5

摘要: 为了应对LWA网络下eNB和AP大量密集部署,用户需求难以充分满足的现状,该文提出一种基于最优加权多属性决策(OWMAD)的LWA网络接入点选择算法。该算法预先收集接入点属性并建立属性集合,然后设计决策属性的最优权重,将决策矩阵与最优权重向量叠加,最后根据各个接入点综合性能的计算结果确定用户可选择的最佳网络接入点。仿真结果表明,该算法不仅能有效提升边缘地区及系统整体的吞吐量,还能够降低系统平均时延,提升用户的服务质量。

English Abstract

申滨, 徐浪, 周晓勇, 闫伟. 基于最优加权多属性决策的LWA网络接入点选择算法[J]. 电子科技大学学报, 2020, 49(3): 445-452. doi: 10.12178/1001-0548.2019110
引用本文: 申滨, 徐浪, 周晓勇, 闫伟. 基于最优加权多属性决策的LWA网络接入点选择算法[J]. 电子科技大学学报, 2020, 49(3): 445-452. doi: 10.12178/1001-0548.2019110
SHEN bin, XU Lang, ZHOU Xiao-yong, YAN Wei. LWA Network Access Point Selection Algorithm Based on Optimal Weighted Multi-Attribute Decision[J]. Journal of University of Electronic Science and Technology of China, 2020, 49(3): 445-452. doi: 10.12178/1001-0548.2019110
Citation: SHEN bin, XU Lang, ZHOU Xiao-yong, YAN Wei. LWA Network Access Point Selection Algorithm Based on Optimal Weighted Multi-Attribute Decision[J]. Journal of University of Electronic Science and Technology of China, 2020, 49(3): 445-452. doi: 10.12178/1001-0548.2019110
  • 近年来,移动数据业务量伴随着物联网等产业的快速发展呈现出爆炸式增长,业界提出了诸如大规模MIMO、毫米波通信、密集异构蜂窝网络等新技术,力求提升网络系统容量和数据传输速率[1-3]。目前,LTE网络负载剧增,IEEE 802.11无线局域网(WLAN)成为补充LTE网络的有效解决方案。LWA网络通过利用WLAN网络中大量部署的AP来传输LTE网络的部分数据,以达到减轻eNB负载的目的[4]。LWA被认为是提高系统容量与用户体验移动数据速率有效的技术之一[5-6]

    LWA网络在带来技术优势的同时,也迎来了一系列的问题与挑战[7]。当LWA网络中需要服务的UE较多时,这些UE并不一定都能获得由eNB提供的可靠的服务质量(quality of service, QoS)。此时,若UE仍然保持蜂窝连接通信,则会给eNB造成严重负担,使得UE可能分配不到足够的资源,造成通信质量下降。为此,LWA网络接入点选择技术可以选择性能更佳的潜在接入点进行业务连接,从而有效地减轻eNB的负载,为UE提供理想的QoS[8-9]

    针对网络接入点选择技术,文献[10]提出一种将LTE与WLAN网络的系统吞吐量归一化的方法,该方法根据带宽比值建立了KKT(Karush Kuhn Tucker)条件,UE可根据KKT值对LTE与WiFi技术做出排他性选择。用户体验质量(quality of experience, QoE)从微观方面能较好地体现异构网络的系统性能。为了让UE获得较好的QoE,文献[11]提出一种异构网络下基于QoE的接入点选择算法,该算法利用层次分析法(analytic hierarchy process, AHP)计算出事先收集的用户偏好属性的主观权重,将归一化的属性向量与权重向量结合,经过加权迭代计算出UE对异构网络中所有接入点的满意度,并与满意度最高的接入点连接。然而该算法只将与用户QoE有关的性能指标纳入了考量范围,没有考虑系统吞吐量。文献[12]提出了一种同时兼顾用户QoE与系统吞吐量的接入点选择算法。该算法构建了用来衡量各个接入点性能的奖励函数,奖励函数值越大代表选择对应接入点所带来的系统性能越好。虽然此方法带来了系统性能的提升,满足了用户一定程度的需求,却没有考虑小区边缘用户的吞吐量及QoE。文献[13]提出了一种考虑小区边缘用户的基于聚合小区的接入点选择算法。该算法应用层次分析法进行多属性决策的建模,综合考量接入点的用户偏好值与信号质量,最后选择性能最佳的网络接入点进行连接。该方案虽然能够提高包含边缘用户在内的整个系统的吞吐量以及用户的QoE,但可能面临大量用户接入相同的接入点,增加eNB负载的问题。

    综上所述,本文提出一种基于最优加权多属性决策(OWMAD)的LWA网络接入点选择算法,以期解决网络接入点选择技术目前面临的一些问题。设计了针对决策属性的最优权重的计算方法,通过计算接入点的所有归一化属性的总加权值,UE选择加权值最小即性能最优的接入点进行连接。由于LWA网络的每个接入点的容量各不相同、参考信号接收功率(reference signal received power, RSRP)的强度大小不一、时延不稳定且有长有短,这些因素会使接入点性能产生差异,进而影响到LWA网络的系统吞吐量以及用户的QoS。因此,为了达到系统吞吐量与用户QoS的综合提升,本文所提方案选取容量、RSRP、时延3个性能指标构成决策方案的属性集。首先,每个接入点对应属性集的属性值信息由网络端事先从eNB和AP收集并保存下来,并生成包含所有待选接入点及其属性值的决策矩阵;其次,对接入点选择方案的决策矩阵进行规范化处理,设计并求解针对决策属性的最优权重;最后,获取每个eNB和AP属性加权后的总加权值,并选择出拥有最小加权值的eNB和AP,同时使UE与这两个网络接入点执行连接策略。仿真结果表明,本文所提的LWA网络接入点选择算法不仅能对传统LTE网络的eNB负载进行有效分流,并且能显著提升包含边缘UE吞吐量在内的整个网络的系统吞吐量,同时不会增大系统的平均时延,将其维持在一个较低的水平。

    • 图1为LWA网络的场景示意图。图中外围实线所围区域代表网络中eNB的覆盖范围,虚线所围区域代表AP能够覆盖的范围。正如图中eNB与AP之间的连接线所示,LWA网络场景下的eNB、AP、UE之间的连接模式为特有的双连接相互连接模式,即一个eNB能够连接多个AP,一个AP也能够连接多个eNB,UE可以选择与某一个eNB或者AP单独连接,也可以选择同时与eNB、AP保持连接。eNB和AP连接采用被3GPP定义为Xw的只适用于此两者相连的接口。

      图  1  网络场景图

      根据3GPP和WLAN的无线互操作标准,在LWA网络下eNB和AP的部署与管理需要由相同的服务提供商(service provider, SP)提供,而蜂窝网络与WLAN网络也要采用对应的LTE标准和IEEE 802.11n标准。由于LTE网络与WLAN网络工作的载波频率相差较大,且两者采用的协议技术存在不同,因此本文忽略异构网络干扰问题,主要考虑LTE小区之间的同频干扰。

      针对LWA网络下UE与eNB、AP之间双连接模式的特点,本文具体设计选择eNB与AP两种连接模式下的接入点选择方案。假设eNB总数为${N_{\rm{L}}}$,WLAN AP基站总数为${N_{\rm{W}}}$,用户总数为$K$,设置eNB和AP的待选集分别为${S_{\rm{L}}} = \left\{ {{b_1},{b_2}, \cdots ,{b_{{N_{\rm{L}}}}}} \right\}$${S_{\rm{W}}} = \left\{ {{e_1},{e_2}, \cdots ,{e_{{N_{\rm{W}}}}}} \right\}$,其中${b_i}$表示第$i$个eNB,且$i \in \left\{ {1,2, \cdots ,{N_{\rm{L}}}} \right\}$${e_j}$表示第$j$个WLAN AP,且$j \in \left\{ {1,2, \cdots ,{N_{\rm{W}}}} \right\}$;设${\rm{UE}}_k$表示第$k$个UE,且$k \in \{ 1,2, \cdots ,K\} $

      为了更好地表示LWA网络中UE、eNB和AP的相连关系,${c_{i,j,k}}$表示${\rm{UE}}_k$同时与${b_i}$${e_j}$连接所获得的吞吐量,${C_{{\rm{sum}}}}$表示系统内所有UE的吞吐量总和。建立优化目标如下:

      $$\max \left( {{C_{{\rm{sum}}}}} \right) = \sum\limits_{i = 1}^{{N_{\rm{L}}}} {\sum\limits_{j = 1}^{{N_{\rm{W}}}} {\sum\limits_{k = 1}^K {{c_{i,j,k}}} } } $$ (1)

      由于使用不同网络的无线接入技术,由此可对优化目标分解为:

      $$\sum\limits_{i = 1}^{{N_{\rm{L}}}} {\sum\limits_{j = 1}^{{N_{\rm{W}}}} {\sum\limits_{k = 1}^K {{c_{i,j,k}}} } } = \sum\limits_{i = 1}^{{N_{\rm{L}}}} {\sum\limits_{k = 1}^K {{c_{i,k}}} } + \sum\limits_{j = 1}^{{N_{\rm{W}}}} {\sum\limits_{k = 1}^K {{c_{j,k}}} } $$ (2)

      式中,${c_{i,k}}$表示${\rm{UE}}_k$与LWA网络中的${b_i}$连接所获吞吐量;${c_{j,k}}$表示${\rm{UE}}_k$与WLAN网络中的${e_j}$连接所获吞吐量。

      ${\rm{UE}}_k$${b_i}$连接所获吞吐量为:

      $${c_{i,k}} = {B_{\rm{L}}}{\log _2}( {1 + {\varUpsilon _{{b_i},k}}} )$$ (3)

      式中,${B_{\rm{L}}}$代表${\rm{UE}}_k$占用的LTE网络信道带宽;${\varUpsilon _{{b_i},k}}$${\rm{UE}}_k$选择LTE网络的SINR值:

      $${\varUpsilon _{{b_i},k}} = \frac{{{P_{{b_i}}}{G_{{b_i},k}}}}{{\sum\limits_{{b_j} \ne {b_i}} {{P_j}} {G_{{b_j},k}} + {N_0}{B_{\rm{L}}}}}$$ (4)

      式中,${P_{{b_i}}}$表示LTE网络中${b_i}$的发射功率;${G_{{b_i},k}}$表示${b_i}$${\rm{UE}}_k$之间的信道增益,此信道增益包含阴影衰落与路径损耗;${N_{\rm{0}}}$表示噪声功率谱密度。

      WLAN网络下,UE使用IEEE 802.11协议规定的竞争方式传输数据,导致彼此间易发生碰撞,因此采用分布式点协调功能机制来应对。${\rm{UE}}_k$${e_j}$连接所耗的平均传输时长为[13-14]

      $$\begin{split} & {\rm{E}}\left[ {{T_{{\rm{st}}}}} \right] = {\rm{P}}{{\rm{r}}_{{\rm{tr}}}}{\rm{P}}{{\rm{r_s}}}( {1 - {\rm{P}}{{\rm{r_f}}}} ){T_{\rm s}} + {\rm{P}}{{\rm{r}}_{{\rm{tr}}}}\left( {1 - {\rm{P}}{{\rm{r_s}}}} \right){T_{\rm c}} + \\ & \qquad\qquad\;{\rm{P}}{{\rm{r}}_{{\rm{tr}}}}{\rm{P}}{{\rm{r_s}}}{\rm{P}}{{\rm{r_f}}}{T_{\rm e}} + \left( {1 - {\rm{P}}{{\rm{r}}_{{\rm{tr}}}}} \right){T_{\text δ} } \\ \end{split} $$ (5)

      式中,${T_{\rm s}}$${T_{\rm c}}$${T_{\rm e}}$${T_{\text δ} }$分别表示传输成功、发生碰撞、传输错位和空闲时隙的平均时长;${\rm{P}}{{\rm{r}}_{{\rm{tr}}}}$表示站点正在传输的概率;${\rm{P}}{{\rm{r}}_{\rm s}}$表示站点传输成功的概率:

      $${\rm{P}}{{\rm{r}}_{{\rm{tr}}}} = 1 - {(1 - \tau )^{{N_{\rm{w}}}}}$$ (6)
      $${\rm{P}}{{\rm{r_s}}} = {N_{\rm{w}}}\tau {(1 - \tau )^{{N_{\rm{w}}} - 1}}/{\rm{P}}{{\rm{r}}_{{\rm{tr}}}}$$ (7)

      式中,$\tau $表示一个站点发生一次的概率。

      UEk在WLAN网络下获取的吞吐量表示为:

      $$ \begin{split} &\qquad\qquad\qquad\qquad\qquad\qquad{c_{j,k}} = \\ &\frac{{{\rm{P}}{{\rm{r}}_{{\rm{tr}}}}{\rm{P}}{{\rm{r_s}}}(\! {{\rm{1}} - {P_f}} \!){\rm E}{\rm{[}}L{\rm{]}}/{N_{\rm{w}}}}}{{{\rm{P}}{{\rm{r}}_{{\rm{tr}}}}{\rm{P}}{{\rm{r_s}}}\left(\! {{\rm{1}} - {\rm{P}}{{\rm{r_f}}}} \!\right)\!{T_{\rm s}} \!+\! {\rm{P}}{{\rm{r}}_{{\rm{tr}}}}\left(\! {{\rm{1}} \!-\! {\rm{P}}{{\rm{r_s}}}} \!\right)\!{T_{\rm c}} \!+\! {\rm{P}}{{\rm{r}}_{{\rm{tr}}}}{\rm{P}}{{\rm{r_s}}}{\rm{P}}{{\rm{r_f}}}{T_{\rm e}} \!+\! \left(\! {{\rm{1}} \!-\! {\rm{P}}{{\rm{r}}_{{\rm{tr}}}}} \!\right)\!{T_{\text δ} }}} \end{split} $$ (8)
    • 对于LWA网络下接入点选择的多属性决策方案必须考虑几个方面:1) 具体应由LTE还是WLAN网络来做出中心化选择决策是未知的;2) 根据方案特点需要在LTE网络的eNB一侧设置网络端即网络中心选择器;3) 网络端与接入点信息交互产生的额外时延不能忽略。

      为了达到系统吞吐量与用户QoS的综合提升,本文选取了容量、RSRP、时延作为决策属性,设计了一种基于最优加权多属性决策(OWMAD)的LWA网络接入点选择算法,并设计了关于系统吞吐量的总体效用函数,表示如下:

      $$\max \sum\limits_{i,j,k} U \left( {{C_{i,j,k}}} \right)$$ (9)

      式中,${C_{i,j,k}}$表示LWA网络中${\rm{UE}}_k$${b_i}$${e_j}$相连接所获得的总吞吐量;$U\left( \cdot \right)$表示与总吞吐量相关的效用函数。

      LWA网络适用于同时被eNB小区及AP小区覆盖到的UE。设$q = 1$表示采取LWA相关操作;$q = 0$表示不采取LWA相关操作。${b_{ij}} = 0$表示UE只选择WLAN网络中的AP;${b_{ij}} = 1$表示UE同时选择WLAN网络中的AP与LTE网络中eNB。基于以上表述,可以将整个网络覆盖区域划分为3个区域,即${B_0} = \{ (i,j)|q = 0\} $${B_1} = \left\{ {(i,j)|q = 1,{\rm{ }}{b_{i,j}} = 0} \right\}$${B_2} = \left\{ {(i,j)|q = 1,{\rm{ }}{b_{i,j}} = 1} \right\}$。其中,${B_0}$代表不采取LWA操作的区域,此区域的UE直接与可提供服务的eNB连接,不进行接入点选择;${B_1}$${B_2}$代表采取LWA操作的区域,${B_1}$区域的UE只对AP进行接入选择;${B_2}$区域的UE可同时选择eNB和AP进行连接。式(9)可简化为:

      $${C_{i,j,k}} = \left\{ {\begin{array}{*{20}{c}} {{c_{i,k}}}\\ {{c_{i,k}} + {c_{j,k}} {W_{j,k}}{\rm{ }}}\\ {{c_{i,k}} {W_{i,k}} + {c_{j,k}} {W_{j,k}}} \end{array}{\rm{ }}} \right.\begin{array}{*{20}{c}} {{\rm{if}} \left( {i,j} \right) \in {B_0}}\\ {{\rm{if}} \left( {i,j} \right) \in {B_1}}\\ {{\rm{if}} \left( {i,j} \right) \in {B_2}} \end{array}$$ (10)

      式中,${c_{i,k}}$表示${\rm{UE}}_k$${b_i}$连接获取的吞吐量;${c_{j,k}}$表示${\rm{UE}}_k$${e_j}$连接获取的吞吐量;${W_{i,k}}$表示LWA网络下${\rm{UE}}_k$${b_i}$连接对应的增益系数;${W_{i,k}}$表示${\rm{UE}}_k$${e_j}$连接对应的增益系数。

    • 多属性决策是现代决策科学的一个重要组成部分,其实质是通过一定方式,利用获取的决策信息对有限的待选方案进行排序或择优。每个决策问题主要包含5个重要因素:决策方案、决策者、决策属性的属性值、属性权重、决策矩阵。决策属性的选取与方案最终目的有直接关系,对于LWA网络下的接入点选择方案来说,接入点性能是影响属性集的直接因素。因此,为了达到系统吞吐量与用户QoS的综合提升,本文所提方案选取容量、RSRP、时延此3个决策属性构建接入点选择方案的属性集。

    • LWA网络包含LTE网络与WLAN网络,两种网络下的接入点选择带来的综合性能存在差异,因此,本方案分别针对不同的网络接入点构造决策矩阵。假设LTE网络下eNB的属性集包含${M_{\rm{L}}}$个属性,WLAN网络下AP的属性集包含${M_{\rm{W}}}$个属性。所有eNB及其属性值对应的决策矩阵表示为${{{A}}_{{N_{\rm{L}}} \times {M_L}}}$,所有AP及其属性值对应的决策矩阵表示为${{\bf{A}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}$。有:

      $${{{A}}_{{N_{\rm{L}}} \times {M_{\rm{L}}}}} = \left[ {\begin{array}{*{20}{c}} {{a_{11}}}& \cdots &{{a_{1l}}}& \cdots &{{a_{1{M_{\rm{L}}}}}} \\ \vdots & \vdots & {\rm{}} & \vdots & \vdots \\ {{a_{i1}}}& \cdots &{{a_{il}}}& \cdots &{{a_{i{M_{\rm{L}}}}}} \\ \vdots & \vdots & {\rm{}} & \vdots & \vdots \\ {{a_{{N_{\rm{L}}}1}}}& \cdots &{{a_{{N_{\rm{L}}}l}}}& \cdots &{{a_{{N_{\rm{L}}}{M_{\rm{L}}}}}} \end{array}} \right]$$ (11)
      $${{{A}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}} = \left[ {\begin{array}{*{20}{c}} {{a_{11}}}& \cdots &{{a_{1p}}}& \cdots &{{a_{1{M_{\rm{W}}}}}} \\ \vdots & \vdots & {\rm{}} & \vdots & \vdots \\ {{a_{j1}}}& \cdots &{{a_{jp}}}& \cdots &{{a_{j{M_{\rm{W}}}}}} \\ \vdots & \vdots & {\rm{}} & \vdots & \vdots \\ {{a_{{N_{{\rm{W}}1}}}}}& \cdots &{{a_{{N_{{\rm{W}}l}}}}}& \cdots &{{a_{{N_{\rm{W}}}{M_{\rm{W}}}}}} \end{array}} \right]$$ (12)

      式中,决策矩阵${{{A}}_{{N_{\rm{L}}} \times {M_L}}}$的元素${a_{il}}$表示${b_i}$的属性$l$的属性值;决策矩阵${{{A}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}$的元素${a_{jp}}$表示${e_j}$的属性$p$的属性值。决策属性单位不同,需要对属性值即决策矩阵的列进行规范化处理。对于决策矩阵${{{A}}_{{N_{\rm{L}}} \times {M_L}}}$的列向量${{{A}}_l} = {\left[ {{a_{1l}},{a_{2l}}, \cdots ,{a_{{N_{\rm{L}}}l}}} \right]^{\rm{T}}}$,应用式(13)对其元素进规范化处理得到规范化矩阵${{{R}}_{{N_{\rm{L}}} \times {M_L}}}$;对于决策矩阵${{{A}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}$的列向量${{{A}}_p} = {\left[ {{a_{1p}},{a_{2p}}, \cdots ,{a_{{N_{\rm{L}}}p}}} \right]^{\rm{T}}}$,应用式(14)对其元素进行规范化处理得到规范化矩阵${{{R}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}$

      $${r_{il}} = \frac{{{a_{il}} - a_l^{{\rm{min}}}}}{{a_l^{{\rm{max}}} - a_l^{{\rm{min}}}}}$$ (13)
      $${r_{jp}} = \frac{{{a_{jp}} - a_p^{{\rm{min}}}}}{{a_p^{{\rm{max}}} - a_p^{{\rm{min}}}}}$$ (14)

      式中,$a_l^{{\rm{min}}}$表示决策矩阵${{{A}}_{{N_{\rm{L}}} \times {M_L}}}$$l$列中属性值最小的元素;$a_l^{{\rm{max}}}$表示决策矩阵${{{A}}_{{N_{\rm{L}}} \times {M_L}}}$$l$列中属性值最大的元素;$a_p^{{\rm{min}}}$表示决策矩阵${{{A}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}$$p$列中属性值最小的元素;$a_p^{{\rm{max}}}$表示决策矩阵${{{A}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}$$p$列中属性值最大的元素。

      $${{{R}}_{{N_{\rm{L}}} \times {M_{\rm{L}}}}} = \left[ {\begin{array}{*{20}{c}} {{r_{11}}}& \cdots &{{r_{1l}}}& \cdots &{{r_{1{M_{\rm{L}}}}}} \\ \vdots & \vdots & {\rm{}} &{}& \vdots \\ {{r_{i1}}}& \cdots &{{r_{il}}}& \cdots &{{r_{i{M_{\rm{L}}}}}} \\ \vdots & \vdots & {\rm{}} & \vdots & \vdots \\ {{r_{{N_{\rm{L}}}1}}}& \cdots &{{r_{{N_{\rm{L}}}l}}}& \cdots &{{r_{{N_L}{M_{\rm{L}}}}}} \end{array}} \right]$$ (15)
      $${{{R}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}} = \left[ {\begin{array}{*{20}{c}} {{r_{11}}}& \cdots &{{r_{1p}}}& \cdots &{{r_{1{M_{\rm{W}}}}}} \\ \vdots & \vdots & {\rm{}} &{}& \vdots \\ {{r_{j1}}}& \cdots &{{r_{jp}}}& \cdots &{{r_{j{M_{\rm{W}}}}}} \\ \vdots & \vdots & {\rm{}} & \vdots & \vdots \\ {{r_{{N_{\rm{W}}}1}}}& \cdots &{{r_{{N_{\rm{W}}}p}}}& \cdots &{{r_{{N_{\rm{W}}}{M_{\rm{W}}}}}} \end{array}} \right]$$ (16)

      式中,针对LTE网络的规范化决策矩阵${{{R}}_{{N_{\rm{L}}} \times {M_{\rm{L}}}}}$中的元素${r_{il}}$${b_i}$的属性$l$得到规范化处理后的值;针对WLAN网络的规范化决策矩阵${{{R}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}$中的元素${r_{jp}}$${e_j}$的属性$p$得到规范化处理后的值。

    • 属性权重能够体现属性在属性集中的变异程度,接入点选择方案的属性权重对接入点的综合性能有决定性影响。设LTE网络下eNB的各属性权重值为${{{\omega}} _l}$,构成权重向量${\omega _{\rm{L}}} = {\left[ {{\omega _1}, \cdots ,{\omega _l}, \cdots ,{\omega _{{M_{\rm{L}}}}}} \right]^{\rm{T}}}$;WLAN网络下AP的各属性权重值为${\omega _p}$,构成权重向量${{{\omega}} _{\rm{w}}} = {\left[ {{\omega _1}, \cdots ,{\omega _p}, \cdots ,{\omega _{{M_{\rm{W}}}}}} \right]^{\rm{T}}}$。为了获取与接入点具有最大相关性的权重,构造与属性值相关的目标函数$g_ + ^{\rm{L}}$$g_ + ^{\rm{W}}$

      $$g_ + ^{\rm{L}} = \sum\limits_{l = 1}^{\mathop {{M_{\rm{L}}}}\limits^{} } {\left( {1 - {r_{il}}} \right)} \omega _l^2\quad i \in \left\{ {1,2, \cdots ,{N_{\rm{L}}}} \right\}$$ (17)
      $$g_ + ^{\rm{W}} = \sum\limits_{p = 1}^{{M_{\rm{W}}}} {\left( {1 - {r_{jp}}} \right)} \omega _p^2\quad j \in \left\{ {1,2, \cdots ,{N_{\rm{W}}}} \right\}$$ (18)
      $$\sum\limits_{l = 1}^{{M_{\rm{L}}}} {{\omega _l}} = 1,\;\;\sum\limits_{p = 1}^{{M_{\rm{W}}}} {{\omega _p}} = 1$$ (19)

      式中,$\omega _l^{}$表示eNB的第$l$个属性的权重;$\omega _p^{}$表示AP的第$p$个属性的权重。为得到LTE与WLAN网络的最优权重向量$ \omega _{\rm{L}}^ + = {\left[ {\omega _1^ + , \cdots ,\omega _l^ + , \cdots ,\omega _{{M_{\rm{L}}}}^ + } \right]^{\rm{T}}}$$ \omega _{\rm{W}}^ + = {\left[ {\omega _1^ + , \cdots ,\omega _p^ + , \cdots ,\omega _{{M_{\rm{W}}}}^ + } \right]^{\rm{T}}}$,构造关于目标函数的拉格朗日函数,如下式:

      $$ {\rm L}({\omega _{\rm{L}}},{\xi _1}) = \sum\limits_{i = 1}^{{N_{\rm{L}}}} {\sum\limits_{l = 1}^{{M_{\rm{L}}}} {(1 - {r_{il}})} } \omega _l^2 + 2{\xi _1}\left(\sum\limits_{l = 1}^{{M_{\rm{L}}}} {{\omega _l} - 1} \right) $$ (20)
      $$ {\rm L}({\omega _{\rm{W}}},{\xi _2}) = \sum\limits_{i = 1}^{{N_{\rm{W}}}} {\sum\limits_{l = 1}^{{M_{\rm{W}}}} {(1 - {r_{ip}})} } \omega _p^2 + 2{\xi _2}\left(\sum\limits_{l = 1}^{{M_{\rm{W}}}} {{\omega _p} - 1} \right) $$ (21)

      式中,${\rm L}({\omega _{\rm{L}}},{\xi _1})$表示与eNB的属性$\omega _l^{}$有关的拉格朗日函数;${\rm L}({\omega _{\rm{W}}},{\xi _2})$表示与AP的属性$\omega _p^{}$有关的拉格朗日函数;${\xi _1}$${\xi _2}$为拉格朗日函数的修正因子。对拉格朗日函数进行求解即可得最优权重$\omega _l^ + $$\omega _p^ + $

      $$\omega _l^ + = {\left[ {\sum\limits_{l = 1}^{{M_{\rm{L}}}} {{{\left(\! {{N_{\rm{L}}} - \sum\limits_{i = 1}^{{N_{\rm{L}}}} {{r_{il}}} } \!\right)}^{ - 1}}} } \right]^{ - 1}}\!{\left(\! {{N_{\rm{L}}} - \sum\limits_{i = 1}^{{N_{\rm{L}}}} {{r_{il}}} } \!\right)^{ - 1}}\;l \in \left\{ {1,2, \cdots ,{M_{\rm{L}}}} \right\}$$ (22)
      $$\omega _p^ + \!= \!{\left[\! {\sum\limits_{p = 1}^{{M_{\rm{W}}}} {{{\left(\! {{N_{\rm{W}}} -\!\!\! \sum\limits_{j = 1}^{{N_{\rm{W}}}} {{r_{jp}}} }\! \right)}^{ - 1}}} } \!\right]^{ - 1}}\!\!{\left(\! {{N_{\rm{W}}} -\!\!\! \sum\limits_{j = 1}^{{N_{\rm{W}}}} {{r_{jp}}} } \!\right)^{ - 1}}\;\!\!p \!\in \!\left\{ {1,2, \cdots ,{M_{\rm{W}}}} \!\right\}$$ (23)
    • 为了有效选出性能最佳的接入点,定义UEk可选择的各个接入点的最优方案加权性能值,如下式:

      $${{f}}_ + ^l = {\left[ {{f_{l,1}},{f_{l,2}}, \cdots ,{f_{l,{N_{\rm{L}}}}}} \right]^{\rm{T}}} = {{{R}}_{{N_{\rm{L}}} \times {M_{\rm{L}}}}}*{{\omega }}_{\rm{L}}^ + $$ (24)
      $${{f}}_ + ^w = {\left[ {{f_{w,1}},{f_{w,2}}, \cdots ,{f_{w,{N_{\rm{W}}}}}} \right]^{\rm{T}}} = {{{R}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}*{{\omega }}_{\rm{W}}^ + $$ (25)

      式中,${{f}}_ + ^l$表示LTE网络下的网络接入点加权值向量;${{{R}}_{{N_{\rm{L}}} \times {M_{\rm{L}}}}}$表示LTE网络规范化决策矩阵;${{f}}_ + ^w$表示WLAN网络下的网络接入点加权值向量;${{{R}}_{{N_{\rm{W}}} \times {M_{\rm{W}}}}}$表示WLAN网络规范化决策矩阵。

    • 假设网络端已事先将各个接入点的属性值保存下来,UE可以同时与LWA网络中的eNB、AP以及网络端建立连接。UE在网络活动的过程中,周期性地将向其提供服务的eNB、AP的RSSI和SSID信息上报给网络端。当UE遇到单一的eNB和AP,无需执行上报过程;若遇到单一的eNB和多个AP,则只需上传AP的RSRP及SSID信息。设定LTE网络eNB初始集合$S_{\rm{L}}^*$,具体上报信息反馈时序如图2所示。

      图  2  网络接入点选择时序图

      根据上述分析,基于OWMAD的网络接入点选择算法的具体步骤如下:

      1) 网络端根据UE反馈的相关信息确定当前接入点,选择周期内能够分别满足式(26)与式(27)的可供选择的eNB集合$S_l^k$以及AP集合$S_w^k$

      $${R_{{b_i},k}} < R_{\rm {th}}^l\;{\rm{ and }}\;{C_{{b_i}}} < C_{\rm {th}}^l$$ (26)
      $${R_{{e_j},k}} < R_{\rm {th}}^w\;{\rm{ and }}\;{C_{{e_j}}} < C_{\rm {th}}^w$$ (27)

      式中,${R_{{b_i},k}}$表示LTE网络下${\rm{UE}}_k$接收的${b_i}$的信号RSRP值;$R_{\rm {th}}^l$表示${\rm{UE}}_k$允许接收的LTE网络信号的最小RSRP值;${R_{{e_j},k}}$表示WLAN网络下,${\rm{UE}}_k$接收的${e_j}$的信号RSRP值;$R_{{\rm{th}}}^w$表示${\rm{UE}}_k$允许接收的WLAN网络信号最小的RSRP值;${C_{{b_i}}}$表示LTE网络下${b_i}$的现有容量;$C_{{\rm{th}}}^l$表示${b_i}$的容量阈值;${C_{{e_j}}}$表示WLAN网络下${e_j}$的现有容量;$C_{{\rm{th}}}^w$表示${e_j}$的容量阈值。与此同时,获取可供选择的eNB集合${\rm{S}}_l^k$和AP集合${\rm{S}}_w^k$。具体算法流程如下。

      算法1 模式选择

      输入:$R_{\rm {th}}^l$;$R_{\rm {th}}^w$;${{S}}_{{L}}^* $;${C_{{b_i}}}$;${C_{{e_j}}}$

      初始化:$S_{\rm{W}}^{\rm{*}} = \emptyset $

      For i=1 : 1 : ${N_{\rm{L}}}$

      If ${R_{{b_i},k}} < R_{\rm {th}}^l$ and ${C_{{b_i}}} < C_{\rm {th}}^l$

         $ {{S}}_l^* = {{S}}_l^*/{b_i} $

        Else

         ${{S}}_l^* = {{S}}_l^*$;

        For i=1 : 1 :${N_{\rm{W}}}$

         If

          ${{S}}_w^* = \left[ {{{S}}_w^*,{e_j}} \right]$;

         Else

          ${{S}}_w^* = {{S}}_w^*$;

        End For

       End If

        ${{S}}_l^k = {{S}}_l^*$; ${{S}}_w^k = {{S}}_w^*$;

      End For

      输出:${{S}}_l^k$; ${{S}}_w^k$;

      2) 网络端分别收集eNB与AP的备选子集${\rm{S}}_l^k$${\rm{S}}_w^k$的属性值信息,并利用式(11)和式(12)计算当前属性值的决策矩阵${{{A}}_{N \times M}}$,利用式(13)和式(14)计算属性值,得到规范化处理后的决策规范化矩阵${{{R}}_{N \times M}}$(假设第$k$个UE进行选择,由于eNB与AP的选择过程相同,统一写成一个通式,即式中$N$可以代表${N_{\rm{L}}}$也可以代表${N_{\rm{W}}}$$M$可以代表${M_{\rm{L}}}$也可以代表${M_{\rm{W}}}$)。

      3) 利用式(26)和式(27)计算出当前网络接入点各属性的最优权重:

      $${g_ + } = \sum\limits_{j = 1}^{\rm{M}} {(1 - {r_{ij}})} \omega _j^2\quad i \in \left\{ {1,2, \cdots ,N} \right\}$$ (28)
      $${\rm L}(\omega ,\xi ) = \sum\limits_{i = 1}^N {\sum\limits_{j = 1}^M {(1 - {r_{ij}})} } \omega _j^2 + 2\xi \left(\sum\limits_{j = 1}^M {{\omega _j} - 1} \right)$$ (29)

      式中,${r_{ij}}$表示属性值规范化后的元素;${\rm L}(\omega ,\xi )$表示构造的关于权重$\omega _j^{}$的拉格朗日函数。

      4) 利用式(30)计算出备选子集中所有接入点的属性加权值。具体地,通过将最优属性权重向量$\omega _{\rm{L}}^{} = {\left[ {\omega _1^{}, \cdots ,\omega _l^{}, \cdots ,\omega _{{M_{}}}^{}} \right]^{\rm{T}}}$与规范化矩阵${{ R}_{N \times M}}$叠加,计算得到当前网络中的各个接入点的属性加权值,即:

      $${{{f}}_ + } = {\left[ {{f_1},{f_2}, \cdots ,{f_N}} \right]^{\rm{T}}} = {{R}}*{{{\omega}} _ + }$$ (30)

      5) 基于步骤4)的计算结果,将属性加权值排序以便对接入点实行选择判决。具体地,利用式(31)选择出所有待选子集中性能最优的接入点以便后续接入,算法详细流程如下。

      算法2 基于OWMAD接入点选择算法

      输入:${{{R}}_{N \times M}}$; ${{S}}_l^k$; ${{S}}_w^k$;

      For q=1 : 1 : Z

        利用式(28)和式(29)获得$\omega _j^ + $;

         ${{\rm g}_ + } = \displaystyle\sum\limits_{j = 1}^M {\left( {1 - {r_{ij}}} \right)} \omega _j^2$;

         ${\rm L}(\omega ,\xi ) = \displaystyle\sum\limits_{i = 1}^N {\displaystyle\sum\limits_{j = 1}^M {\left( {1 - {r_{ij}}} \right)} } \omega _j^2 + 2\xi \left( {\displaystyle\sum\limits_{j = 1}^M {{\omega _j}} - 1} \right)$;

        利用式(30)计算网络接入点性能值${{{f}}_ + }$;

          ${{{f}}_ + } = {\left[ {{f_1},{f_2}, \cdots ,{f_N}} \right]^{\rm T}} = { {R}}*{{ {\omega }}_ + }$;

        For i=1 : 1 : N

         If ${f_{i + 1}} < f$

           ${b^*} = {b_{i + 1}}$;

         Else

           ${b^*} = {b_i}$;

         End If

        End For

      End For

      输出:${b^*}$

      $${b^*} = \mathop {\arg \min }\limits_{i \in \left\{ {1,2, \cdots ,N} \right\}} \left( {{f_i}} \right)$$ (31)

      最后,${\rm{UK}}_k$选择LWA网络中属性加权值最小即性能最佳的网络接入点进行连接。具体地,对LTE网络,UE在集合${{S}}_l^k$中选择性能最佳的接入点$b_l^*$进行连接;对于WLAN网络,UE在集合${{S}}_w^k$中选择性能最佳的接入点$b_w^*$进行连接。

    • 考虑一个包含3个LTE宏小区(仿真图中分别用三角形、圆形和星形表示),每个LTE宏小区又包括50个WLAN网络小区的LWA异构网络,且一个AP 代表一个WLAN网络小区。假设LWA网络中所有eNB和AP的位置服从泊松分布,且一直处于开启状态以保证网络的覆盖,UE随机分布在eNB和AP的覆盖范围内。宏小区与WLAN网络小区的路径损耗模型分别为$P_{{{\rm{L}}_{\rm{1}}}}^{}$$P_{{{\rm{L}}_2}}^{}$[13]

      $$P_{{{\rm{L}}_{\rm{1}}}}^{} = 22.7 + 36.7{\log _{10}}(d) + 26{\log _{10}}({f_{\rm c}})$$ (32)
      $$P_{{{\rm{L}}_2}}^{} = 11.5 + 43.3{\log _{10}}(d) + 20{\log _{10}}({f_{\rm c}})$$ (33)

      式中,$d$表示UE与基站之间的距离,单位为km;${f_c}$为中心频率,单位为GHz。具体仿真参数如表1所示。

      表 1  仿真参数设置

      参数宏小区AP小区
      载波频率/GHz2.55.7
      带宽/MHz2020
      发送功率/dBm4620
      天线增益/dBI145
      覆盖范围/m50040
      属性集容量、RSSI、时延
      Loss ModelUma/UMi
      ${N_0}$/dBm·Hz−1−174.0
      调度方式Round Robin
    • 本文设置3种方案进行仿真对比分析。方案一:无LWA机制,网络中仅有LTE网络eNB可接入的方案;方案二:有LWA机制,UE随机选择eNB和AP进行连接的接入方案;方案三:有LWA机制,UE采用本文所提基于OWMAD的网络接入点选择算法选择eNB和AP进行连接的方案。

    • 图3为宏小区总吞吐量与UE数目的关系图。在不同UE数目的情况下,方案二与方案三的系统总吞吐量均高于方案一。其原因在于LWA机制引入了WLAN网络从而增加了系统吞吐量。此外,随着UE数目的增大,网络中需要传输的数据增多,3个方案的系统吞吐量呈总体上升趋势,且方案三的系统吞吐量的增量明显优于其他两个方案,这表明所提的OWMAD网络接入点选择算法能有效提升系统吞吐量。

      图  3  总吞吐量与UE数目的关系

      图4为单个UE的吞吐量概率累积分布图。由图可见,在任意宏小区内,不同UE数目情况下,方案三的单个UE总吞吐量均高于另外两个方案。此外,当概率分布为0.7~0.76时,方案二中单个UE的吞吐量优于方案一,方案三中单个UE的吞吐量优于方案二,表明所提OWMAD网络接入点选择算法能有效提升单个UE的吞吐量。

      图  4  单个UE的吞吐量概率累积分布

      图5为宏小区内单个UE平均传输时延与UE数目关系图。由图可见,不同UE数目的情况下,方案二与方案三的平均传输时延均低于方案一。其原因在于LWA网络的下行传输中,一部分资源可以由AP传输到UE,且eNB和AP能够同时将数据传输到UE。此外,方案三中UE的平均传输时延低于方案二,这表明所提OWMAD网络接入点选择算法能有效减少宏小区内UE的平均传输时延。

      图  5  平均传输时延与UE数目的关系

      图6为单个UE的时延概率分布图。由图可见,任意宏小区内,不同UE数目的情况下,方案三单个UE的时延值均低于另外两个方案。当概率分布为0.5~0.55时,方案二中单个UE的时延值较方案一减少明显,方案三中单个UE的时延值较方案二减少明显,这表明所提OWMAD网络接入点选择算法能有效降低单个UE的时延。在概率分布在0.7~0.85时,方案二与方案三的对应曲线发生了钝化现象,其原因在于,当UE数目较多时,对于LWA网络下的个别部分区域的UE来说,由于其所处部分区域内不存在更合适的可供选择的AP和eNB接入点,其只能选择LWA网络整体覆盖范围内距其更远的接入点进行接入。此钝化现象亦能反映出LWA技术能够对eNB的负载进行分流,有降低时延的技术优势。

      图7为边缘用户的总吞吐量与UE数目(宏小区UE数目)的关系图。由图可见,不同UE数目的情况下,方案三与方案二的边缘UE总吞吐量均高于方案一。其根本原因在于,在LTE覆盖网络的小区边缘,若附近存在WLAN网络,WLAN网络信号强度要明显优于LTE网络,而LWA网络下对WLAN网络机制的引入使得边缘地区的UE可以选择更利于数据传输的WLAN网络接入点而不是相对更远的eNB,从而大大提升边缘地区UE的吞吐量,并且不会牺牲非边缘用户的性能。此外,随着UE数目及边缘地区UE数目的增加,边缘地区UE的吞吐量也随之增加。在UE数目较大的情况下,方案三的边缘地区UE吞吐量的增量明显优于方案一与方案二,这表明所提OWMAD网络接入点选择算法能有效提升边缘地区的UE吞吐量。

      图  6  单个UE的时延概率累积分布

      图  7  边缘总吞吐量与宏小区内UE数目的关系

    • 在LTE网络与WLAN网络相融合的LWA网络下,本文提出的基于OWMAD的LWA网络接入点选择方法选取了容量、RSRP、时延3个决策属性构建了接入点选择方案的属性集,针对eNB与AP设计了具体的接入点选择方案。本文所提算法达到了系统吞吐量特别是边缘地区UE吞吐量与用户QoS的综合提升。相比于传统的LTE网络接入点选择方案以及LWA网络中随机选择接入点进行连接的方案,本文所提方案能够提高LWA网络的频谱利用率,减轻eNB的负载,保证UE的QoS需求。仿真结果验证了本文方案的有效性。

参考文献 (14)

目录

    /

    返回文章
    返回