（重慶金美通信有限責任公司，重慶 400001）

0 引言

由于用戶需求的不同和網(wǎng)絡構(gòu)建成本的差異等，目前通信網(wǎng)絡的組成不再是一個單一的系統(tǒng)，而是由多種不同性質(zhì)（包括WiFi、WiMAX、UTMS、WLAN、Bluetooth、3GPP 以及Advanced LTE 等）的網(wǎng)絡融合而成的一個通信系統(tǒng)[1-3]。因此，將各種網(wǎng)絡資源融合并充分發(fā)揮各自的優(yōu)勢，將是下一代通信系統(tǒng)發(fā)展的一個必經(jīng)階段。各種不同的網(wǎng)絡通過全IP 的設計實現(xiàn)網(wǎng)絡融合，從而給用戶提供隨時隨地的接入，以滿足用戶的不同需要。但是，這造成了網(wǎng)絡復雜度的增加和網(wǎng)絡管理難度的增大[4]，也造成了移動用戶在不同覆蓋區(qū)域的網(wǎng)絡之間的切換問題。

針對該問題，結(jié)合已有研究成果，提出了一種利用區(qū)域感知的貝葉斯策略[4]，以解決不同網(wǎng)絡之間切換的設計方案。該方案通過用戶在網(wǎng)絡中的位置計算用戶接入各個網(wǎng)絡的概率，并依據(jù)貝葉斯定理計算接入的貝葉斯概率，然后選擇貝葉斯概率大的作為移動用戶要切入的網(wǎng)絡。該方案降低了用戶在超密集異構(gòu)網(wǎng)絡中切換錯誤的概率，提升了網(wǎng)絡性能。

1 系統(tǒng)模型

假設有A 和B 兩個異構(gòu)網(wǎng)絡，且A、B 相鄰，M 表示移動用戶，移動用戶切換到A、B 兩個網(wǎng)絡的概率表示為P(A)和P(B)，則移動用戶M 切換到A、B 兩個網(wǎng)絡的條件概率則為P(M|A)和P(M|B)。移動用戶M 在當前位置切換的概率為P(M)[4-5]，則有：

可知，用戶M 進行網(wǎng)絡切換時有A、B 兩個網(wǎng)絡可以選擇。用戶M 到底切換到哪個網(wǎng)絡，則可以用貝葉斯定理進行決策。

根據(jù)貝葉斯定理，得：

也就是說，當移動用戶M 進行網(wǎng)絡切換時，如果概率P(A|M)＞P(B|M)，則移動用戶切換到A 網(wǎng)絡；反之，用戶切換到B 網(wǎng)絡。

2 算法設計

假設X為某一時刻需要進行切換的用戶，X=[x1,x2,…,xn]T，X∈Rn。B表示用戶所在區(qū)域內(nèi)部署的基站，B={w1,w2,…,wn}。建立移動用戶X和所處的網(wǎng)絡的切換映射Rn→B。

按照基站的覆蓋區(qū)域計算，P(ωi,j)表示在基站j的覆蓋范圍內(nèi)移動用戶i的切換概率，表示為：

在基站j的覆蓋范圍內(nèi)用戶i發(fā)生網(wǎng)絡切換的概率可以表示為[6-7]：

用戶X為需要切換的用戶，依據(jù)貝葉斯推理得到需要切換到可能服務網(wǎng)絡的概率，可以表示為：

3 超密集異構(gòu)網(wǎng)絡切換的貝葉斯決策

將N個異構(gòu)基站隨機部署在區(qū)域S內(nèi)，其中5G 基站位于該區(qū)域中心，5G 基站的覆蓋半徑為R0，集合R={R1,R2,…,Rn} 表示異構(gòu)基站的覆蓋半徑。異構(gòu)基站在覆蓋區(qū)域內(nèi)坐標集合為(X,Y)={(x1,y1),(x2,y2),…,(xn,yn)}。假設用戶MS 坐標為(x,y)，則用戶MS 同第i個基站的距離表示為：

假設部署的N個異構(gòu)基站的集合用{H1,H2,…,HN}表示，第i個網(wǎng)絡表示為Hi，i∈(1,2,…,N)。根據(jù)式（4），Hi基站覆蓋下移動用戶M 的概率可以表示為[8]：

式中，移動用戶M 到基站i的直線距離表示為di，基站i的覆蓋半徑表示為Ri?；綡i下移動用戶切換的條件概率表示為P(X|ωi)，i∈(1,2,…,N)。那么，在所有基站覆蓋區(qū)域下移動用戶M 切換的全概率表示為：

根據(jù)式（9），用貝葉斯定理計算移動用戶M在各網(wǎng)絡之間切換的概率為：

依據(jù)式（10）得到超密集異構(gòu)網(wǎng)絡的決策函數(shù)（Decision Function，DF）為：

DF的最大值即用戶MS 要選擇接入的網(wǎng)絡。

文中采用最大似然估計設計其中的參數(shù)。假設P(X|wi)服從獨立的指數(shù)分布，由于參數(shù)θ未知，故建立θ同條件概率P(X|wi)的關(guān)系，用P(x|wj,θj)，j=1,2,…,m表示。由于在基站的覆蓋區(qū)域移動用戶M 的位置是獨立的，故建立θ的似然函數(shù)為：

式中，參數(shù)θ是用戶MS 在基站覆蓋區(qū)域內(nèi)的位置X的函數(shù)。

4 仿真場景設計

仿真場景的網(wǎng)絡模型如圖1 所示。在仿真場景內(nèi)，各異構(gòu)網(wǎng)絡有重疊。在此場景中，di表示移動用戶M 到基站的距離，Ri表示各基站的覆蓋半徑，基站覆蓋區(qū)域面積是500 m×500 m。本文的仿真采用定量分析，基站數(shù)為9 個。

圖1 仿真場景及用戶移動軌跡

如圖1 所示，當移動用戶M 沿著圖1 中的軌跡穿過覆蓋范圍不同的基站時，假如移動用戶M 從位置1 移動到位置4，當移動用戶M 在位置1 時，完全在H1的覆蓋范圍。基站切換概率P(X|ωi)最大的是H1，表明基站覆蓋范圍內(nèi)距離用戶越近，基站切換的概率越大。同理，用戶在位置2 和位置3 時切換概率P(X|ωi)最大的是H4。

5 仿真及結(jié)果分析

根據(jù)公式計算用戶MS 在不同位置的切換概率，結(jié)果如表1 所示。

表1 不同位置的切換概率

可以看出，當用戶移動到位置4 時，處于H4的邊緣上，但是在H3和H7兩個基站的重疊覆蓋范圍內(nèi)。根據(jù)運行軌跡可知，此時移動用戶M 離開了基站H4的覆蓋范圍，進入到基站H3和H7的覆蓋范圍，且已經(jīng)觸發(fā)切換機制。

根據(jù)表1 畫出MS 在不同位置時基站的切換概率P(X|wi)的變化情況。當用戶MS 在位置4 時，根據(jù)式（8）計算切換概率P(X|w4)=0.59 最大。當移動用戶M 離開H4基站，引發(fā)基站切換后進入到其他的服務基站內(nèi)。此時不能再包含H4，而基站H3和H7是要選擇切換的基站。利用貝葉斯決策概率，得P(w7|X)＞P(w3|X)。因此，選擇貝葉斯決策概率值最大的基站作為目標服務基站進行切換，因此應該切換到基站H7。

從圖2 中可以看出，基于區(qū)域感知的超密集異構(gòu)網(wǎng)絡在切換時，引入貝葉斯模型作為判據(jù)能夠使移動用戶M 在切換時選擇最優(yōu)的服務小區(qū)。

圖2 用戶在不同位置時基站的切換概率

6 結(jié)語

針對用戶在超密集異構(gòu)網(wǎng)站中的切換問題，提出了一種基于區(qū)域感知的貝葉斯策略。首先在計算超密集異構(gòu)網(wǎng)絡的切換概率時引入貝葉斯決策，建立基于區(qū)域感知的貝葉斯數(shù)學模型，其次詳細介紹超密集異構(gòu)網(wǎng)絡在切換時引入貝葉斯決策的規(guī)則，最后搭建仿真環(huán)境對其進行仿真。通過對場景中移動用戶位于不同位置的切換概率分析可知，在超密集異構(gòu)網(wǎng)絡進行切換時，引入貝葉斯決策提高了網(wǎng)絡之間切換的準確性。仿真結(jié)果表明，提出的切換策略不但能夠確保移動用戶在進行網(wǎng)絡切換過程中選擇最優(yōu)網(wǎng)絡，而且降低了切換出錯的概率和能耗。綜上所述，基于超密集異構(gòu)網(wǎng)絡切換問題使用貝葉斯原理是一種新的探索，具有很高的實用價值。