寧珍妮

【摘要】 本文提出了基于接收信號強(qiáng)度與車輛速度的切換判決算法，基于模糊邏輯控制利用速度大小得到動態(tài)遲滯參數(shù)，并聯(lián)合接收信號接收強(qiáng)度作為新的觸發(fā)切換請求的判斷依據(jù)，并根據(jù)速度方向準(zhǔn)確評估車輛運(yùn)動趨勢，確定目標(biāo)基站，避免錯誤切換次數(shù)，減少了切換判決的時間。并搭建仿真平臺，對算法性能進(jìn)行評估。

【關(guān)鍵詞】 車載網(wǎng)絡(luò) 切換判決 遲滯參數(shù) 模糊邏輯

一、引言

切換是指用戶處于移動狀態(tài)時，可能會穿過不同小區(qū)的覆蓋范圍，為保證用戶服務(wù)質(zhì)量，無線承載由當(dāng)前小區(qū)改為相鄰小區(qū)的操作過程。切換機(jī)制作為無線網(wǎng)絡(luò)移動性管理中非常重要的一個方面，其性能的優(yōu)劣會直接影響用戶的服務(wù)質(zhì)量。日益發(fā)展的車聯(lián)網(wǎng)系統(tǒng)對切換技術(shù)提出了更高的要求。由于車輛節(jié)點(diǎn)的高速移動性，對于低速用戶適合的切換參數(shù)，對于處于高速行駛狀態(tài)的車載用戶來說，則很容易發(fā)生過晚切換（甚至無線鏈路失?。?。傳統(tǒng)的切換判決算法并不能完美地反映車輛的運(yùn)動趨勢，更不能適應(yīng)車輛速度動態(tài)調(diào)整切換參數(shù)，在盡可能降低切換時延的基礎(chǔ)上，提高切換成功率。

為了彌補(bǔ)傳統(tǒng)切換判決算法上的不足，目前有很多研究都在其基礎(chǔ)上做出了進(jìn)一步的改進(jìn)。在切換判決的過程中盡可能利用已知的用戶信息，包括移動臺的運(yùn)動速度、運(yùn)動方向、信號強(qiáng)度變化等，提高切換性能，改善用戶體驗(yàn)。文獻(xiàn)[1～2]是基于GPS輔助對切換算法進(jìn)行改進(jìn)，把相鄰基站的直連線的中垂線作為小區(qū)邊界，當(dāng)移動臺位置與邊界的距離小于固定閥值時觸發(fā)切換。然而實(shí)際情況中由于無線信道的劇烈變化，實(shí)用價值并不大；文獻(xiàn)[3]是通過測量列車觸發(fā)預(yù)承載時所在位置的統(tǒng)計平均值作為參考點(diǎn)，并根據(jù)列車移動狀態(tài)信息，來降低切換失敗率。文獻(xiàn)[4]提出了基于速度估計的切換參數(shù)優(yōu)化算法，在通過對移動速度進(jìn)行低、中、高分級調(diào)節(jié)切換觸發(fā)時間TTT，然而沒有充分利用到移動臺的位置信息。

為了獲得切換更高的準(zhǔn)確性和系統(tǒng)的更好性能，本文提出了基于接收信號強(qiáng)度與車輛速度的切換判決算法。通過GPS輔助，基于速度大小動態(tài)調(diào)整遲滯因子，聯(lián)合信號接收強(qiáng)度引入新的觸發(fā)切換請求的判斷依據(jù)，在提高切換成功率的前提下，盡量減少“乒乓效應(yīng)”；并根據(jù)車輛速度方向更準(zhǔn)確的評估其運(yùn)動趨勢，避免錯誤切換次數(shù)，減少了切換判決的時間。

二、基于速率的遲滯因子動態(tài)調(diào)整

目前，3GPP TR 36.902技術(shù)規(guī)范已明確提出移動魯棒性優(yōu)化MRO可針對以下切換參數(shù)進(jìn)行優(yōu)化：觸發(fā)時間（TTT），遲滯因子（Hyst），小區(qū)偏置參數(shù)（CIO），小區(qū)重選參數(shù)（CRS）?？梢?，用戶的速度等級信息對MRO中切換優(yōu)化有著較為直接的影響。接下來主要討論遲滯參數(shù)對切換性能的影響。

傳統(tǒng)切換算法是基于RSS固定切換遲滯參數(shù)，并延遲觸發(fā)的A3切換算法。即滿足式（1）時，觸發(fā)切換判決。

RSSnew >RSSorigin+Hyst （1）

其中RSSnew 為目的基站接收信號強(qiáng)度，RSSorigin為服務(wù)小區(qū)信號接收強(qiáng)度，Hyst 為基于速度v大小的動態(tài)值。

但是在車載通信網(wǎng)絡(luò)中，由于節(jié)點(diǎn)的高速移動性，傳統(tǒng)切換算法下切換成功率有著明顯的下降。本文將遲滯參數(shù)作為一個基于速率的動態(tài)值進(jìn)行調(diào)整。當(dāng)車輛高速行駛時，需要降低切換遲滯因子，進(jìn)而提高車輛高速運(yùn)行情境下的切換成功率；當(dāng)車輛行駛緩慢時，則需要保持相對高的切換遲滯因子，保證車輛低速運(yùn)行時乒乓切換事件頻率較低。因此是一個關(guān)于速度v的減函數(shù)。

此時切換判決公式調(diào)整為如下：

由于信息有限以及無線網(wǎng)絡(luò)的動態(tài)性，我們無法得到基于速度的準(zhǔn)確建模。因此在這里引入模糊邏輯算法的概念。模糊邏輯算法無需了解被控對象的精確模型并且可以模擬人腦思維進(jìn)行智能控制，根據(jù)車輛速率調(diào)整遲滯參數(shù)。在模糊邏輯系統(tǒng)設(shè)計中，主要分為以下三個部分：信息參數(shù)模糊化、規(guī)則庫的建立、反模糊化。

（1）模糊化

在模糊化過程中，我們需要測量每個輸入量，并根據(jù)每個輸入的語言變量對應(yīng)于模糊序列元素的隸屬度，對模糊序列內(nèi)的元素賦值，范圍為0～1。車輛速度的隸屬度函數(shù)如圖1所示。車輛節(jié)點(diǎn)使用隸屬函數(shù)計算車輛速度v輸入因子對應(yīng)的等級（Very Low，Low，Medium，High或Very High）分別對應(yīng)車輛實(shí)際速度0km/h，30km/h，60km/h，90km/h，120km/h。隸屬度函數(shù)可表示為：

（2）規(guī)則庫

基于車輛速度大小的模糊輸入量，車輛節(jié)點(diǎn)可以使用如表1定義的規(guī)則庫進(jìn)行計算當(dāng)前遲滯因子值。模糊邏輯控制中規(guī)則庫均是根據(jù)專家經(jīng)驗(yàn)或?qū)嵺`得出的。后續(xù)模糊邏輯推理就是參考模糊規(guī)則庫，根據(jù)得到的輸入量，給出系統(tǒng)所需要的控制量。

在規(guī)則庫設(shè)定中，我們可以看到速度越高，設(shè)定的遲滯參數(shù)就越低，符合實(shí)際需求。

（3）反模糊化

反模糊化通過一個輸出隸屬度函數(shù)將得到的模糊集合轉(zhuǎn)變?yōu)橐粋€精確的數(shù)值，作為模糊邏輯控制系統(tǒng)最后的輸出量。作為動態(tài)遲滯參數(shù)輸出隸屬函數(shù)，如圖2。這里我們使用的重心法來進(jìn)行反模糊化操作，如公式（4）：

其中n為所有規(guī)則數(shù)，xi為模糊因子，H（xi）為動態(tài)遲滯參數(shù)的輸出隸屬函數(shù)。

在設(shè)置輸出隸屬函數(shù)中，我們要考慮到，值必須在一個合理的范圍，避免調(diào)整過度而導(dǎo)致“乒乓效應(yīng)”。圖2中輸出隸屬函數(shù)中不同等級下遲滯參數(shù)的值均是根據(jù)多次仿真得到在對應(yīng)速度下最合適的取值。

三、切換判決算法流程

圖3是某車輛在進(jìn)行切換判決時的場景示意圖。場景中用到的標(biāo)號如下：x：此時正在進(jìn)行切換判決的車輛；A：車輛即將離開的服務(wù)小區(qū)基站；RSSx，A：車輛x在服務(wù)小區(qū)A接收到的信號強(qiáng)度；B：車輛即將切換至的目的基站；RSSx，B：車輛x所處地點(diǎn)此時目的基站B的接收信號強(qiáng)度；v：車輛x此時的速度及其方向；ψ：車輛到小區(qū)基站A的直線方向與車輛速度v之間的夾角；θ：車輛到小區(qū)基站B的直線方向與車輛速度v之間的夾角；Hystv：基于速度模糊控制的動態(tài)遲滯參數(shù)；RSS_THRESHOLD：一個安全預(yù)警RSS，當(dāng)車輛接收信號強(qiáng)度大于該值時不需要做進(jìn)一步的切換判決。

為了獲得切換更高的準(zhǔn)確性和系統(tǒng)的更好性能，通過GPS輔助，基于速度方向及大小引入新的觸發(fā)切換請求的判斷依據(jù)，提出信號強(qiáng)度和速度的切換算法機(jī)制?；谲囕v速度的切換算法有兩重含義：①算法基于車輛速度大小引入模糊邏輯控制，動態(tài)調(diào)整遲滯因子，提高切換成功率②根據(jù)車輛速度方向評估其運(yùn)動趨勢，更準(zhǔn)確的判斷車輛此時是否需要切換，節(jié)省傳統(tǒng)切換算法中延遲觸發(fā)時間，減少切換時延，且可以避免發(fā)生不必要的切換，合理減少切換次數(shù)，切換流程如圖4所示。

算法具體步驟如下：

1、基站下發(fā)測量配置信息。在同頻測量的測量對象列表中指定UE需要測量的小區(qū)（包括服務(wù)小區(qū)和鄰近小區(qū)）。

2、當(dāng)用戶測量得到服務(wù)小區(qū)的接收信號強(qiáng)度低于設(shè)定的門限值RSS_THRESHOLD時，UE應(yīng)向基站發(fā)送一個事件的測量報告。

3、當(dāng)觸發(fā)測量報告上報后，需要判斷測量報告是否滿足切換的觸發(fā)條件。根據(jù)車輛速度基于模糊邏輯控制得到動態(tài)Hystv值，判斷是否滿足公式：

若滿足條件，根據(jù)車輛速度方向確定其運(yùn)動趨勢為接近目的基站并遠(yuǎn)離原服務(wù)小區(qū)基站，即滿足ψ>90°，θ<90°，這樣可以避免車輛發(fā)生不必要的切換，減少切換次數(shù)。若確定切換，發(fā)出切換命令，若失敗則重新接入，若成功則返回步驟1）。

四、仿真實(shí)驗(yàn)與分析

4.1 仿真場景及參數(shù)設(shè)置

仿真平臺選用了Matlab搭建。場景我們參考了3GPP TR 36.885[5]中高速公路案例中建議的場景。如圖5所示。具體的仿真參數(shù)如表3所示。

接收信號強(qiáng)度RSS計算公式如下：

RSS（d）dB= Pt-PL（d）- N0 （6）

Pt為基站發(fā)射功率，單位dBm，PL（d）為經(jīng)過距離d后的路徑損耗。N0 為高斯白噪聲。

本文中的傳播模型，采用的是3GPP TR 36.885[5]中定義的宏基站到用戶終端UE的傳播模型，如式（7）。

PL（d）dB=128.1+37.6log（d）+Xσ （7）

其中，d為基站到用戶的距離，單位為km。Xσ是一個零均值，標(biāo)準(zhǔn)差為8dB的對數(shù)正態(tài)分布隨機(jī)變量，單位為dB，表示陰影衰落。

為了與傳統(tǒng)基于信號強(qiáng)度的切換判決算法進(jìn)行比較，我們選取了切換成功率以及切換次數(shù)這兩個指標(biāo)來進(jìn)行評估。我們通過檢測切換過程中是否發(fā)生RLF判定切換是否成功。RLF的判定依據(jù)參照3GPP TS 36.330中的定義，在此不做贅述。

4.2 仿真結(jié)果分析

為了與傳統(tǒng)純基于接收信號強(qiáng)度的判決算法比較，我們對遲滯參數(shù)與延時觸發(fā)時間結(jié)合的基于A3事件的切換算法進(jìn)行仿真。其中傳統(tǒng)機(jī)制遲滯參數(shù)設(shè)為4dB，延時觸發(fā)時間為100ms。RSS的計算如式（6）并使用同樣的參數(shù)。以下所有仿真數(shù)據(jù)均是1000次取平均值的結(jié)果。

圖6展示了本文所提出的基于接收信號強(qiáng)度和車輛速度切換判決機(jī)制，傳統(tǒng)切換判決算法在相同的環(huán)境下切換成功率的對比。我們可以看到傳統(tǒng)切換判決算法切換成功率隨速度的影響較大，在車輛速度60km/h～80km/h時切換成功率表現(xiàn)較好，但是在低速或高速行駛的情況下，切換率明顯降低。而本文提出的基于信號強(qiáng)度與速度的切換判決算法隨著速度變化切換成功率變化并不明顯。這是由于本算法基于速率引入模糊控制算法，動態(tài)調(diào)整遲滯參數(shù)，適應(yīng)不同車輛速度場景。

另外參考速度方向來更準(zhǔn)確的判斷目的基站以及是否需要切換，進(jìn)一步減少不必要的切換，提高切換成功率。

圖7展示了兩種機(jī)制在相同的環(huán)境下切換次數(shù)的對比。從圖中可看到，傳統(tǒng)切換次數(shù)隨著速度變化呈現(xiàn)減少的趨勢，這是對于高速用戶來說，遲滯參數(shù)過大，切換較難觸發(fā)，切換次數(shù)雖然減少但同時切換成功率也在降低。

本文提出的算法在速度的變化下切換次數(shù)能保持很好的穩(wěn)定性。相比傳統(tǒng)算法，本文提出的算法引入了RSS預(yù)警門限，并且根據(jù)速度方向來輔助判決，盡量避免了不必要的切換。并基于車輛速度大小動態(tài)調(diào)整遲滯參數(shù)，使車輛在中低速運(yùn)行時，維持了一個較低的乒乓切換事件；高速行駛過程中，保持較高的切換成功率，滿足了車輛用戶對越區(qū)切換的需求。

由于場景的限制，本文提出的算法在切換次數(shù)上改善數(shù)據(jù)并不顯著，但在無線網(wǎng)絡(luò)環(huán)境復(fù)雜的實(shí)際情況中，引入速度方向判決會體現(xiàn)更大的優(yōu)勢。

五、總結(jié)

為了獲得切換更高的準(zhǔn)確性和系統(tǒng)的更好性 能，本文提出了基于接收信號強(qiáng)度與車輛速度的切換判決算法。通過GPS輔助，基于速度大小，引入模糊邏輯控制，動態(tài)調(diào)整遲滯參數(shù)，聯(lián)合信號接收強(qiáng)度引入新的觸發(fā)切換請求的判斷依據(jù)，在提高切換成功率的同時避免“乒乓效應(yīng)”；并且根據(jù)車輛速度方向更準(zhǔn)確的評估車輛運(yùn)動趨勢，確定目標(biāo)基站，以及是否切換，避免錯誤切換次數(shù)，減少了切換判決的時間。最后進(jìn)行了仿真，通過切換成功率以及切換次數(shù)兩個指標(biāo)來驗(yàn)證算法的優(yōu)越性。

參 考 文 獻(xiàn)

[1] 王巍. 高速鐵路TD-LTE通信系統(tǒng)仿真平臺搭建和切換算法研究[D]. 北京郵電大學(xué)， 2013.

[2] Luo W， Fang X， Cheng M， et al. An optimized handover trigger scheme in LTE systems for highspeed railway[C]// Signal Design and its Applications in Communications （IWSDA）， 2011 Fifth International Workshop on. IEEE， 2011：193-196.

[3] 欒林林. 支持高速切換的 TD-LTE 信令的設(shè)計及其優(yōu)化的研究[D]. 北京： 北京郵電大學(xué)， 2013.

[4] 盧立陽. LTE-A 異構(gòu)網(wǎng)絡(luò)下基于速度估計的移動性增強(qiáng)算法研究[D]. 北京郵電大學(xué)， 2015.

[5] 3GPP TR 36.885 v1.0.0， “Study on LTE-Based V2X Services”； http：//www.3gpp.org/ DynaReport/36885.htm）.