文娟，盛敏，張琰

(西安電子科技大學(xué) ISN國(guó)家重點(diǎn)實(shí)驗(yàn)室 信息科學(xué)研究所，陜西 西安 710071)

1 引言

認(rèn)知網(wǎng)絡(luò)是一種基于異構(gòu)、融合的新型網(wǎng)絡(luò)，它能夠?qū)Ξ?dāng)前網(wǎng)絡(luò)環(huán)境進(jìn)行觀察、理解、計(jì)劃、推理和決策，并通過(guò)動(dòng)態(tài)地調(diào)整網(wǎng)絡(luò)的配置，從而靈活地適應(yīng)網(wǎng)絡(luò)環(huán)境的變化以及對(duì)未來(lái)進(jìn)行以端到端為目的的決策。認(rèn)知異構(gòu)網(wǎng)絡(luò)的資源管理方法主要是在資源有限的條件下，動(dòng)態(tài)管理多個(gè)網(wǎng)絡(luò)中的無(wú)線資源以及為不同接入網(wǎng)動(dòng)態(tài)地分配業(yè)務(wù)流，從而最大程度地提高資源利用率，并為用戶終端提供業(yè)務(wù)質(zhì)量保障。

認(rèn)知異構(gòu)網(wǎng)絡(luò)環(huán)境下的資源管理問(wèn)題已經(jīng)成為認(rèn)知網(wǎng)絡(luò)領(lǐng)域中的重要研究?jī)?nèi)容，主要包括資源管理架構(gòu)及方法等方面的研究。IEEE 1900.4工作組提出了優(yōu)化無(wú)線頻譜資源使用的基本架構(gòu)[1]，通過(guò)網(wǎng)絡(luò)和用戶之間的信息交換實(shí)現(xiàn)了動(dòng)態(tài)頻譜分配、動(dòng)態(tài)頻譜共享和分布式無(wú)線資源使用優(yōu)化 3個(gè)場(chǎng)景，但卻沒(méi)有提出相應(yīng)的實(shí)現(xiàn)方法。Dusit Niyato在文獻(xiàn)[2]中提出了異構(gòu)無(wú)線接入網(wǎng)絡(luò)中基于非合作博弈論的無(wú)線資源管理方法，可以有效管理多個(gè)網(wǎng)絡(luò)的各級(jí)資源，但網(wǎng)絡(luò)缺乏認(rèn)知功能。R. Agusti提出了在超3G網(wǎng)絡(luò)中的基于模糊神經(jīng)網(wǎng)絡(luò)的聯(lián)合無(wú)線資源管理方法[3]，充分利用了網(wǎng)絡(luò)的可重構(gòu)特性，根據(jù)網(wǎng)絡(luò)當(dāng)前狀態(tài)，結(jié)合運(yùn)營(yíng)商的策略以及用戶的喜好，為用戶選擇合適的網(wǎng)絡(luò)，但卻忽略了對(duì)各個(gè)網(wǎng)絡(luò)的頻譜資源的動(dòng)態(tài)管理。Kang Wang提出了基于多屬性決策的異構(gòu)網(wǎng)絡(luò)選擇算法[4]，根據(jù)用戶的主觀喜好和網(wǎng)絡(luò)之間的客觀差異確定各個(gè)屬性的權(quán)重值選擇網(wǎng)絡(luò)，但并沒(méi)有給出相應(yīng)的帶寬分配方法。

目前，認(rèn)知網(wǎng)絡(luò)中的資源管理方法都只關(guān)注了無(wú)線資源管理的某一方面，而缺乏對(duì)整體及部分無(wú)線資源的綜合管理；同時(shí)由于沒(méi)有考慮智能方法的收斂速度與通信網(wǎng)絡(luò)狀態(tài)變化周期之間的匹配問(wèn)題，使得現(xiàn)有的認(rèn)知無(wú)線網(wǎng)絡(luò)資源管理方法的可實(shí)現(xiàn)性差。本文提出了一種異構(gòu)多網(wǎng)絡(luò)環(huán)境下的資源統(tǒng)籌分配方法，通過(guò)資源變化的不同粒度引入了不同時(shí)間尺度上的智能方法，從而實(shí)現(xiàn)了多網(wǎng)絡(luò)間及網(wǎng)絡(luò)內(nèi)資源的合理分配和使用，使網(wǎng)絡(luò)效能最大化。

2 基于認(rèn)知的分級(jí)動(dòng)態(tài)資源管理方法

本文采用了如圖1所示的分級(jí)的動(dòng)態(tài)資源管理方法，DHRM由網(wǎng)絡(luò)級(jí)資源分配、網(wǎng)內(nèi)資源預(yù)留、網(wǎng)絡(luò)選擇、連接級(jí)資源分配和接納控制5個(gè)功能實(shí)體組成。

圖1 分級(jí)的動(dòng)態(tài)資源管理方法

DHRM 使用集中式和分布式相結(jié)合的資源管理方法，通過(guò)引入有效的預(yù)測(cè)和學(xué)習(xí)方法，對(duì)網(wǎng)絡(luò)資源進(jìn)行不同時(shí)間尺度的重配置，不僅充分利用了網(wǎng)絡(luò)的各級(jí)資源，還實(shí)時(shí)地將業(yè)務(wù)流分配到最佳接入網(wǎng)中，有效提高了異構(gòu)網(wǎng)絡(luò)環(huán)境下的系統(tǒng)資源利用率并保障了用戶的QoS要求。

2.1 網(wǎng)絡(luò)級(jí)資源分配

本文研究的場(chǎng)景如圖2所示，圖中由WMAN、CDMA Cellular、WLAN組成了一個(gè)典型的異構(gòu)無(wú)線網(wǎng)絡(luò)環(huán)境。在該環(huán)境下，多模終端可以選擇任意一個(gè)網(wǎng)絡(luò)接入。

假設(shè)網(wǎng)絡(luò)運(yùn)營(yíng)商同時(shí)負(fù)責(zé)管理這3個(gè)網(wǎng)絡(luò)，其希望最大化自己的效益；又由于移動(dòng)網(wǎng)絡(luò)中的業(yè)務(wù)具有“潮汐現(xiàn)象”，這就要求資源的分配要和業(yè)務(wù)強(qiáng)度的變化相匹配，才能更好地使用資源，因此本文采用基于小波神經(jīng)網(wǎng)絡(luò)的最優(yōu)化模型對(duì)網(wǎng)絡(luò)級(jí)資源分配進(jìn)行建模。首先，通過(guò)采集各個(gè)區(qū)域每小時(shí)內(nèi)的業(yè)務(wù)量，運(yùn)用小波神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)未來(lái)一小時(shí)內(nèi)各個(gè)區(qū)域業(yè)務(wù)量，并以此作為最優(yōu)化模型分配的依據(jù)，動(dòng)態(tài)地將各個(gè)網(wǎng)絡(luò)的可用資源分配到不同的區(qū)域，使各區(qū)域的可用帶寬與各時(shí)段的業(yè)務(wù)需求相匹配，從而使網(wǎng)絡(luò)靈活地適應(yīng)用戶業(yè)務(wù)需求的變化。

圖2 異構(gòu)無(wú)線接入網(wǎng)絡(luò)環(huán)境

如圖2所示，整個(gè)系統(tǒng)按網(wǎng)絡(luò)覆蓋情況分為3個(gè)區(qū)域，區(qū)域1僅被WMAN網(wǎng)絡(luò)覆蓋，區(qū)域2被蜂窩網(wǎng)和WMAN網(wǎng)絡(luò)共同覆蓋，區(qū)域3被蜂窩網(wǎng)、WMAN和WLAN 3個(gè)網(wǎng)絡(luò)共同覆蓋。為了分析系統(tǒng)的整體效益，將引入網(wǎng)絡(luò)效用函數(shù)[2]。

Ui,l=σ log(αb)，表示網(wǎng)絡(luò)i為連接l分配帶寬b所獲得的收益，σ和α為常數(shù)，則系統(tǒng)的總收益為

其中，mi、ci分別表示W(wǎng)MAN和Cellular為各個(gè)區(qū)域分配的帶寬， Ni=B/bm表示區(qū)域i的平均用戶數(shù)，B是由小波神經(jīng)網(wǎng)絡(luò)輸出的區(qū)域i網(wǎng)絡(luò)業(yè)務(wù)量的預(yù)測(cè)值，bm為平均每個(gè)用戶的業(yè)務(wù)量。這樣，網(wǎng)絡(luò)級(jí)資源分配最優(yōu)化問(wèn)題建模為

其中，Bm、Bc分別表示W(wǎng)MAN和Cellular網(wǎng)絡(luò)的總帶寬，最優(yōu)化模型中的約束條件表示網(wǎng)絡(luò)為各個(gè)區(qū)域分配的帶寬之和等于該網(wǎng)絡(luò)可用的總帶寬。通過(guò)求解上述最優(yōu)化模型可以獲得使系統(tǒng)效益最大化的帶寬分配方案。

網(wǎng)絡(luò)業(yè)務(wù)分布呈現(xiàn)很強(qiáng)的時(shí)間規(guī)律性，如果平均每個(gè)用戶需要的業(yè)務(wù)量 bm不變，各個(gè)區(qū)域每個(gè)時(shí)段的平均用戶數(shù)將發(fā)生很大的變化，這使得利用各個(gè)區(qū)域全天平均用戶數(shù)計(jì)算出網(wǎng)絡(luò)級(jí)帶寬分配方案的資源利用率低。因此需要采集每個(gè)時(shí)段的網(wǎng)絡(luò)業(yè)務(wù)量作為歷史數(shù)據(jù)，通過(guò)小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)下一時(shí)段的業(yè)務(wù)量，從而推測(cè)出各個(gè)區(qū)域下一個(gè)時(shí)段需要服務(wù)的用戶數(shù)。

小波神經(jīng)網(wǎng)絡(luò)是基于小波變換而構(gòu)成的神經(jīng)網(wǎng)絡(luò)模型，即用非線性小波基函數(shù)取代通常的神經(jīng)元非線性激勵(lì)函數(shù)(如Sigmoid函數(shù))。本文采用3層網(wǎng)絡(luò)架構(gòu)，其輸入層、隱含層、輸出層的神經(jīng)元個(gè)數(shù)分別為n、m、1。小波神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)為某區(qū)域各個(gè)時(shí)段網(wǎng)絡(luò)業(yè)務(wù)量x1,x2,…,xn。wij, wjk分別為輸入層與隱含層、隱含層與輸出層的連接權(quán)值，則隱含層輸入為，隱含層輸出其中

bj、 aj分別為小波基函數(shù)的平移因子與伸縮因子，f為小波基函數(shù) f (x) = cos(1.75x) e-x2/2，小波神經(jīng)網(wǎng)絡(luò)輸出層輸入為，輸出層輸出為y_out=y_in，網(wǎng)絡(luò)業(yè)務(wù)需求的真實(shí)值T作為教師信號(hào)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。小波神經(jīng)網(wǎng)絡(luò)模型的性能函數(shù)為預(yù)測(cè)值與真實(shí)值的均方誤差，其中，p表示第p組訓(xùn)練數(shù)據(jù)，一共有Np組訓(xùn)練數(shù)據(jù)。為了使預(yù)測(cè)的均方誤差達(dá)到最小，采用最陡梯度下降法修正網(wǎng)絡(luò)參數(shù)，其修正公式為 w(n+1)=w(n)-ηΔw=w(n+1)-η?e/?w，其中 w(n)表示第 n 個(gè)時(shí)刻的網(wǎng)絡(luò)參數(shù)，η為學(xué)習(xí)速率。通過(guò)對(duì)各網(wǎng)絡(luò)參數(shù)求導(dǎo)，得出

通過(guò)上述修正公式不斷訓(xùn)練神經(jīng)網(wǎng)絡(luò)，直到預(yù)測(cè)的均方誤差小于某一給定的閾值，訓(xùn)練方可結(jié)束，并使用訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)網(wǎng)絡(luò)資源，得出下一時(shí)段某一區(qū)域的業(yè)務(wù)量，進(jìn)而求出網(wǎng)絡(luò)級(jí)資源分配方案。

2.2 網(wǎng)內(nèi)資源預(yù)留

在網(wǎng)間資源統(tǒng)一規(guī)劃的基礎(chǔ)上，有效管理各個(gè)網(wǎng)絡(luò)內(nèi)的資源，可以使每個(gè)網(wǎng)絡(luò)的資源利用率最大化，從而進(jìn)一步提高系統(tǒng)性能。通過(guò)網(wǎng)間資源的有效分配，各個(gè)區(qū)域?qū)@得來(lái)自不同網(wǎng)絡(luò)的可用資源，為了保障切換呼叫掉話率，將預(yù)留其中一部分資源專供切換呼叫使用。根據(jù)業(yè)務(wù)的實(shí)時(shí)需求，合理預(yù)留資源將避免由于預(yù)留資源過(guò)多或過(guò)少而帶來(lái)的資源浪費(fèi)以及用戶體驗(yàn)下降的問(wèn)題，從而提高資源利用率。

網(wǎng)內(nèi)資源預(yù)留將根據(jù)網(wǎng)絡(luò)級(jí)帶寬分配結(jié)果，并利用各個(gè)網(wǎng)絡(luò)的本地信息，采用維納過(guò)程對(duì)業(yè)務(wù)資源的需求量進(jìn)行建模，從而準(zhǔn)確地預(yù)測(cè)出每分鐘切換呼叫的實(shí)際需求量，實(shí)時(shí)地為切換呼叫預(yù)留一部分資源，達(dá)到合理、有效地管理各個(gè)網(wǎng)絡(luò)的無(wú)線資源并保證了連接級(jí) QoS要求(新呼叫阻塞率和切換呼叫掉話率)的目的。

令 R(t)為t時(shí)刻切換呼叫需要的資源，一方面R(t)受很多獨(dú)立或弱相關(guān)的因素影響[5]，另一方面用維納過(guò)程對(duì)呼叫所需資源進(jìn)行建模，新呼叫或切換呼叫可以服從非泊松或非平穩(wěn)的到達(dá)過(guò)程，每個(gè)呼叫所需資源可以不固定，因此使用維納預(yù)測(cè)方法預(yù)測(cè)的切換呼叫對(duì)網(wǎng)絡(luò)資源的需求量具有較高精度。維納預(yù)測(cè)模型為：

其中，Δt為預(yù)測(cè)間隔，μ、δ為常數(shù)，β為標(biāo)準(zhǔn)正態(tài)隨機(jī)變量，因此ΔR均值為μΔt，標(biāo)準(zhǔn)差為δ Δt的正態(tài)隨機(jī)變量?？梢灾芷谛缘夭杉揪W(wǎng)中切換呼叫需要的資源作為歷史數(shù)據(jù)估計(jì)μ和δ值。

為了減少采樣所需要的時(shí)間，采樣周期可以比預(yù)測(cè)周期短，一般采25個(gè)點(diǎn)就可以準(zhǔn)確地估計(jì)μ和δ值。由于ΔR是正態(tài)隨機(jī)變量，因此無(wú)法預(yù)測(cè)出其確切的取值，但是對(duì)于給定的置信水平，就可以求出其相應(yīng)的置信區(qū)間，進(jìn)而獲得需要為切換呼叫預(yù)留的資源量。假設(shè)切換呼叫對(duì)網(wǎng)絡(luò)資源的實(shí)際需求量 R(t)大于網(wǎng)絡(luò)為其預(yù)留的資源 L(t)，切換呼叫將由于沒(méi)有足夠的資源為其服務(wù)而掉話，因此有Pr(R(t)>L(t))=CDP，則 Pr(R(t)≤L(t))=1-CDP，其中，CDP表示切換呼叫掉話率。由于ΔR~N(μΔt，，那么對(duì)于給定的預(yù)測(cè)間隔Δt，切換呼叫掉話率CDP，根據(jù)

即可實(shí)時(shí)地得到滿足連接級(jí) QoS要求的網(wǎng)內(nèi)資源預(yù)留方案，其中，ΔL為ΔR的置信上界。

2.3 網(wǎng)絡(luò)選擇

在異構(gòu)網(wǎng)絡(luò)環(huán)境下，多模終端可以選擇性地接入某個(gè)網(wǎng)絡(luò)，這就為動(dòng)態(tài)分配業(yè)務(wù)流提供了可能。網(wǎng)絡(luò)選擇將根據(jù)網(wǎng)絡(luò)級(jí)資源分配以及網(wǎng)內(nèi)資源預(yù)留的結(jié)果，獲得用戶所在區(qū)域各個(gè)覆蓋網(wǎng)絡(luò)的資源使用情況，并結(jié)合當(dāng)前網(wǎng)絡(luò)狀態(tài)及用戶喜好，選擇一個(gè)最佳的網(wǎng)絡(luò)接入，從而達(dá)到動(dòng)態(tài)地分配業(yè)務(wù)流、間接地改善網(wǎng)絡(luò)狀態(tài)的目的。

異構(gòu)認(rèn)知網(wǎng)絡(luò)中的網(wǎng)絡(luò)選擇采用多屬性決策算法[4]，假設(shè)用戶所在區(qū)域一共被 l個(gè)網(wǎng)絡(luò)覆蓋，網(wǎng)絡(luò)選擇的時(shí)候綜合考慮網(wǎng)絡(luò)中的q個(gè)屬性，本文中考慮信號(hào)強(qiáng)度、可用帶寬和服務(wù)成本(即網(wǎng)絡(luò)運(yùn)營(yíng)商為用戶提供單位字節(jié)服務(wù)需要的成本)3個(gè)屬性，這是因?yàn)樾盘?hào)強(qiáng)度和可用帶寬是保證通信質(zhì)量的最基本要素，同時(shí)為了簡(jiǎn)單起見(jiàn)，用服務(wù)成本這一屬性來(lái)區(qū)分各個(gè)網(wǎng)絡(luò)為不同業(yè)務(wù)的服務(wù)能力的不同。本文只考慮話音與數(shù)據(jù)2種業(yè)務(wù)。由于WLAN網(wǎng)絡(luò)適合數(shù)據(jù)業(yè)務(wù)傳輸，因此假設(shè) WLAN網(wǎng)絡(luò)為數(shù)據(jù)業(yè)務(wù)提供服務(wù)比為話音業(yè)務(wù)提供服務(wù)所需的成本低，同理假設(shè)CDMA Cellular網(wǎng)絡(luò)為話音業(yè)務(wù)提供服務(wù)比為數(shù)據(jù)業(yè)務(wù)提供服務(wù)需要的成本低，以使數(shù)據(jù)業(yè)務(wù)盡量選擇 WLAN網(wǎng)絡(luò)，話音業(yè)務(wù)盡量選擇CDMA Cellular網(wǎng)絡(luò)。通過(guò)各個(gè)網(wǎng)絡(luò)周期性的廣播信息，將獲得網(wǎng)絡(luò)中各個(gè)屬性的測(cè)量值xij(i=1,2,…,q且j=1,2,…,l)。首先通過(guò)歸一化處理得到網(wǎng)絡(luò)j有關(guān)屬性i的標(biāo)準(zhǔn)化屬性值rij(i=1,2,…,q且j=1,2,…,l)；其次，根據(jù)用戶主觀意愿，通過(guò)層次分析法[4]獲各屬性權(quán)重向量 w=[w1,w2,…,wq]；最后，計(jì)算各個(gè)網(wǎng)絡(luò)的性能值選擇性能值最大的網(wǎng)絡(luò)作為目標(biāo)網(wǎng)絡(luò)接入。正是由于網(wǎng)絡(luò)選擇中考慮了各個(gè)網(wǎng)絡(luò)資源的占用情況，用戶將側(cè)重選擇輕負(fù)載網(wǎng)絡(luò)，從而起到了防止網(wǎng)絡(luò)擁塞的目的。

2.4 連接級(jí)帶寬分配

在用戶所選的網(wǎng)絡(luò)中，連接級(jí)帶寬分配將根據(jù)網(wǎng)絡(luò)級(jí)資源分配和網(wǎng)內(nèi)資源預(yù)留的結(jié)果推測(cè)網(wǎng)絡(luò)資源的使用狀態(tài)，并結(jié)合用戶的偏好，為新到達(dá)的用戶分配相應(yīng)的帶寬資源，其目的是使網(wǎng)絡(luò)運(yùn)營(yíng)商和用戶都滿意。

網(wǎng)絡(luò)希望通過(guò)為用戶提供服務(wù)從而獲得最大收益，而用戶則希望以最小的代價(jià)獲得令自己滿意的服務(wù)。不同的用戶對(duì)網(wǎng)絡(luò)的要求不同，有的關(guān)心價(jià)錢(qián)，而有的則在意通信質(zhì)量。在連接級(jí)帶寬分配中，為了使網(wǎng)絡(luò)運(yùn)營(yíng)商效益達(dá)到最大，并同時(shí)滿足用戶體驗(yàn)，需要給對(duì)服務(wù)質(zhì)量要求高的用戶分配高帶寬，以獲得高收益并滿足用戶的需求；給對(duì)價(jià)錢(qián)敏感而不在乎服務(wù)質(zhì)量的用戶分配低帶寬，以使更多的用戶可以接入本網(wǎng)絡(luò)，因此，要先推測(cè)出用戶的偏好，作為連接級(jí)帶寬分配的依據(jù)，才能為其分配相應(yīng)帶寬資源。

用Sij表示網(wǎng)絡(luò)為業(yè)務(wù)i提供j服務(wù)，Sij由3個(gè)屬性共同決定，分別是網(wǎng)絡(luò)為業(yè)務(wù)i可分配的帶寬bij，相應(yīng)的服務(wù)速率vij，需要收取的服務(wù)費(fèi)用cij。假定網(wǎng)絡(luò)為業(yè)務(wù) i可分配的帶寬集合為{bi1,bi2,…,biNi}(bij＜bij+1)，相應(yīng)的服務(wù)速率為{vi1,vi2,…,viNi}(vij＜vij+1)，需要收取的服務(wù)費(fèi)用為{ci1,ci2,…,ciNi} ((cij＜cij+1))。由于相同的服務(wù)，不同用戶的個(gè)人感知是不一樣的，即使是同一個(gè)用戶，對(duì)不同業(yè)務(wù)的服務(wù)要求也不盡相同。本文將利用增強(qiáng)學(xué)習(xí)的方法，推測(cè)出用戶在當(dāng)前網(wǎng)絡(luò)狀態(tài)下希望得到的服務(wù)，其具體過(guò)程如下：網(wǎng)絡(luò)為用戶提供服務(wù)，用戶將對(duì)其滿意的服務(wù)賦予正回報(bào) r，而對(duì)其他服務(wù)賦予零回報(bào)，并不斷調(diào)整用戶對(duì)當(dāng)前服務(wù)的感知值[7]。調(diào)整公式為：vij=(1-τ)vij+τrv，cij=(1-τ)cij+τrc,w=(1-τ)w+τrw，其中，w為有關(guān)費(fèi)用的權(quán)重值，折算因子τ為任意常量，并滿足 0≤τ＜1。由各個(gè)服務(wù)的服務(wù)速率與服務(wù)價(jià)錢(qián)的感知值，可以獲得各個(gè)服務(wù)的性能值ξij=(1-w)vij+wcij。一般來(lái)講，性能值大的服務(wù)代表用戶比較傾向選擇該服務(wù)，如果總是選擇性能值大的服務(wù)，用戶將逐漸失去感知其他服務(wù)的機(jī)會(huì)，也就無(wú)法獲得對(duì)于其他服務(wù)的感知值。為了避免陷入局部最優(yōu)，需要根據(jù)相應(yīng)的性能值ξij，計(jì)算選擇每個(gè)服務(wù)的概率，e為探索因子，e的大小隨著迭代次數(shù)的增加而增大，當(dāng)e很大時(shí)，會(huì)以較高的概率選擇效用值大的服務(wù)，否則以較高的概率選擇其他的服務(wù)。如果立即回報(bào)值是有限的，而且可以無(wú)限頻繁地感受每個(gè)服務(wù)，則ξij將收斂到用戶的感知值。通過(guò)增強(qiáng)學(xué)習(xí)算法，可以推測(cè)用戶偏好的服務(wù)Sij，連接級(jí)帶寬分配將根據(jù)推測(cè)結(jié)果，為用戶分配相應(yīng)帶寬bij。

最后，接納控制將根據(jù)網(wǎng)絡(luò)選擇、網(wǎng)內(nèi)資源預(yù)留以及連接級(jí)資源分配的結(jié)果，決定網(wǎng)絡(luò)是否接入到達(dá)的用戶。

3 仿真結(jié)果與分析

3.1 仿真參數(shù)設(shè)置

仿真場(chǎng)景如圖2所示，假設(shè)WLAN的信道速率為11Mbit/s，WMAN和CDMA Cellular傳輸速率分別為10Mbit/s、2Mbit/s，采用自由空間路徑損耗模型，網(wǎng)絡(luò)效用函數(shù)[2]的參數(shù)為σ=1, α=0.7，各個(gè)區(qū)域每個(gè)時(shí)段的用戶數(shù)服從正態(tài)分布，其均值滿足“潮汐現(xiàn)象”，方差為0.5。小波神經(jīng)網(wǎng)絡(luò)采用3層架構(gòu)，輸入層、隱含層和輸出層神經(jīng)元的個(gè)數(shù)分別為4、7、1，即根據(jù)前4天各個(gè)區(qū)域的業(yè)務(wù)量預(yù)測(cè)第5天的業(yè)務(wù)量，網(wǎng)間資源重配置周期為1h。維納預(yù)測(cè)的預(yù)測(cè)間隔為1min，采樣間隔為10s，采樣點(diǎn)數(shù)為25，系統(tǒng)切換呼叫掉話率要求為5%。連接級(jí)帶寬分配中，話音業(yè)務(wù)可分配的傳輸速率為25kbit/s、50kbit/s和 100kbit/s，數(shù)據(jù)業(yè)務(wù)可分配的傳輸速率為50kbit/s、200kbit/s和500kbit/s，系統(tǒng)中每小時(shí)用戶總的到達(dá)率是固定的。

3.2 仿真結(jié)果分析

圖3為系統(tǒng)和各個(gè)網(wǎng)絡(luò)的總效用值比較，可以看出 DHRM 與文獻(xiàn)[2]中的 ISRM(inter-network static resource management，網(wǎng)間靜態(tài)資源管理)方法相比，系統(tǒng)總效用值有了明顯提高，并且WMAN網(wǎng)絡(luò)貢獻(xiàn)最大。雖然這2種方法在網(wǎng)間資源分配中都采用最優(yōu)化模型求解分配方案，但 DHRM 通過(guò)實(shí)時(shí)地管理WMAN和CDMA Cellular 2個(gè)網(wǎng)絡(luò)分配到各個(gè)區(qū)域的無(wú)線資源而提高了它們的網(wǎng)絡(luò)效用值，而WLAN由于僅覆蓋在一個(gè)區(qū)域中，其網(wǎng)絡(luò)級(jí)資源無(wú)法動(dòng)態(tài)調(diào)配，所以WLAN網(wǎng)絡(luò)效用值基本沒(méi)變。總的來(lái)說(shuō)，DGRM通過(guò)合理調(diào)配網(wǎng)絡(luò)級(jí)資源，明顯改善了系統(tǒng)總效用值。

圖3 系統(tǒng)及各網(wǎng)絡(luò)效用值比較

圖4 為系統(tǒng)在前5個(gè)時(shí)間段的新呼叫阻塞率和切換呼叫掉話率比較，DHRM在網(wǎng)絡(luò)預(yù)留中，使用基于維納過(guò)程的預(yù)測(cè)方法預(yù)測(cè)切換呼叫資源需求量，并實(shí)時(shí)地為切換呼叫預(yù)留相應(yīng)資源，可以保證切換呼叫掉話率(CDP, call dropping probability)在5%以下，而新呼叫的阻塞率(CBP, call blocking probability)比ISRM的阻塞率降低約15%。

圖4 新呼叫/切換呼叫阻塞率比較

從圖5可以清晰地看出，DHRM方法使WMAN和 CDMA Cellular接入的用戶數(shù)明顯提高，并且WMAN改善量高于 CDMA Cellular，而 WLAN接入的用戶數(shù)基本沒(méi)有變化，這是因?yàn)?WMAN和CDMA Cellular覆蓋不同的區(qū)域，可以通過(guò)動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)為各個(gè)覆蓋區(qū)域的資源分配方案，以提高資源的利用率，而WLAN網(wǎng)絡(luò)僅覆蓋在一個(gè)區(qū)域內(nèi)，無(wú)法動(dòng)態(tài)分配網(wǎng)絡(luò)資源，因此接入用戶數(shù)沒(méi)有明顯的變化。

從圖6可以明顯地看出，DHRM優(yōu)于ISRM，系統(tǒng)接入總用戶數(shù)提高了近20%。DHRM不僅聯(lián)合管理了多個(gè)接入網(wǎng)的網(wǎng)絡(luò)級(jí)以及連接級(jí)資源，而且可以根據(jù)網(wǎng)絡(luò)環(huán)境的變化，實(shí)時(shí)地為各接入網(wǎng)分配業(yè)務(wù)流，間接地改善了網(wǎng)絡(luò)環(huán)境，有效提高了系統(tǒng)資源利用率，增大了系統(tǒng)接入的總用戶數(shù)。

圖5 各網(wǎng)絡(luò)接入用戶數(shù)比較

圖6 系統(tǒng)總接入用戶數(shù)比較

4 結(jié)束語(yǔ)

本文提出了一種基于認(rèn)知的動(dòng)態(tài)分級(jí)資源管理方法，通過(guò)引入有效的預(yù)測(cè)方法和學(xué)習(xí)方法，獲得網(wǎng)絡(luò)不同時(shí)間尺度的資源需求情況以及用戶的偏好，并根據(jù)獲得的信息動(dòng)態(tài)地調(diào)配網(wǎng)絡(luò)各級(jí)資源。此外，本文應(yīng)用多屬性決策方法，根據(jù)網(wǎng)絡(luò)實(shí)時(shí)狀態(tài)以及用戶的主觀意愿，將業(yè)務(wù)流動(dòng)態(tài)地分配到各個(gè)接入網(wǎng)中，從而使網(wǎng)絡(luò)資源與業(yè)務(wù)需求在不同時(shí)間尺度上相互匹配。仿真結(jié)果表明，DHRM方法相對(duì)于ISRM方法系統(tǒng)性能有了明顯的提高。在今后的工作中將進(jìn)一步分析智能算法的引入所帶來(lái)的系統(tǒng)開(kāi)銷(xiāo)，并探索 DHRM 算法在現(xiàn)有網(wǎng)絡(luò)功能實(shí)體中的實(shí)現(xiàn)途徑，從而大幅提升現(xiàn)網(wǎng)性能。

[1] BULJORE S，HARADA H，F(xiàn)ILN S. Architecture and enablers for optimized radio resource usage in heterogeneous wireless access networks: the IEEE 1900.4 working group[J]. IEEE Communications Magazine, 2009,(1):122-129.

[2] 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

[3] AGUSTI R，SALLENT O，PEREZ-ROMERO J. A fuzzy-neural based approach for joint radio resource management in a beyond 3G framework[A]. Proceedings of the First International Conference on Quality of Service in Heterogeneous Wired/Wireless Networks (QSHINE’04)[C].2004.

[4] WANG K, ZHENG Z R，F(xiàn)ENG C Y. A heterogeneous network selection algorithm based on multi-attribute decision making method[J]. Radio Engineering, 2009, 39(1): 1-3.

[5] ZHANG T，Eric van den Berg，CHENNIKARA J. Local predictive resource reservation for handoff in multimedia wireless IP networks[J].IEEE Journal on Selected Areas in Communications, 2001, 19(10):1931-1941.

[6] YU F, VINCENT W S, VICTOR C M. Efficient QoS provisioning for adaptive multimedia in mobile communication networks by reinforcement learning[A]. Mobile Networks and Applications 11[C].2006.101-110.

[7] LEE G, FARATIN P, BAUER S. A user-guided cognitive agent for network service selection in pervasive computing environments[A]Proceedings of the Second IEEE Annual Conference on Pervasive Computing and Communications (PERCOM’04)[C]. 2004.1-10.