毛忠陽, 張治霖, 劉錫國, 康家方

(1. 海軍航空大學(xué)航空通信教研室, 山東 煙臺 264001;2. 海軍航空大學(xué)信號與信息處理山東省重點實驗室, 山東 煙臺 264001)

0 引 言

隨著我國對海洋開發(fā)利用的進一步深入,海上通信的需求量急劇增加,海上軍事和民用業(yè)務(wù)的拓展對海上異構(gòu)通信網(wǎng)的構(gòu)建提出了更高的需求,這就要求海上移動終端兼顧高移動性和高通信能力,如何實現(xiàn)高移動性終端在海上異構(gòu)無線網(wǎng)絡(luò)(marine heterogeneous wireless networks, MHWNs)中對動態(tài)變化環(huán)境的快速適應(yīng),完成實時通信任務(wù),成為廣大學(xué)者關(guān)注的熱點問題和當(dāng)前研究的主要方向?，F(xiàn)階段,一系列針對異構(gòu)無線網(wǎng)絡(luò)中網(wǎng)絡(luò)選取的研究方案被提出。

一方面,在針對異構(gòu)網(wǎng)絡(luò)節(jié)點的移動性問題上,已有研究方案大多將節(jié)點運動方式設(shè)定為靜止或緩慢移動。文獻[1]提出了一種基于逼近于理想值的排序方法(technique for order preference by similarity to an ideal solution, TOPSIS)的異構(gòu)網(wǎng)絡(luò)多接入決策算法,該算法根據(jù)信號強度將網(wǎng)絡(luò)劃分成不同的候選子集,再根據(jù)子集中的網(wǎng)絡(luò)負載、費用、吞吐量和能耗等指標(biāo)對靜止節(jié)點的網(wǎng)絡(luò)選取進行綜合考量。文獻[4]提出了一種基于多目標(biāo)決策的異構(gòu)無線網(wǎng)絡(luò)接入選擇算法,該算法引入多目標(biāo)決策算法,對緩慢移動節(jié)點接入范圍內(nèi)的網(wǎng)絡(luò)指標(biāo)主觀權(quán)重和客觀熵信息權(quán)重進行綜合考慮,進而對網(wǎng)絡(luò)完成最優(yōu)選取。文獻[5]提出了一種用于異構(gòu)無線環(huán)境的新網(wǎng)絡(luò)選擇算法,該算法使用修改后的粒子群優(yōu)化算法對參數(shù)的相對權(quán)重進行優(yōu)化,并根據(jù)用戶在可用網(wǎng)絡(luò)之間的切換速率來衡量算法的性能。然而,上述文獻對仿真節(jié)點運動方式的設(shè)定均是靜止或緩慢移動,不能很好地模擬海上移動節(jié)點的現(xiàn)實運動情況。因此,對高移動性節(jié)點的網(wǎng)絡(luò)選擇進行研究,是進一步完善異構(gòu)網(wǎng)絡(luò)選擇問題的關(guān)鍵。

另一方面,在異構(gòu)網(wǎng)絡(luò)屬性動態(tài)變化的問題上,需要在波動多變的網(wǎng)絡(luò)屬性參數(shù)中,選取適合業(yè)務(wù)完成的機動站點對移動節(jié)點進行連接。針對該問題,文獻[7]提出了一種改進TOPSIS的接入控制算法,該算法通過動態(tài)調(diào)整帶寬資源的分配方式和連接數(shù)量,提高了通信的可靠性。針對終端運行多個業(yè)務(wù)流的場景,文獻[8]利用序數(shù)偏好思想,對不同接入網(wǎng)絡(luò)進行排序,消除了傳統(tǒng)方法中的失序問題。然而,上述文獻均存在仿真環(huán)境屬性參數(shù)波動性較弱、主觀權(quán)重始終恒定的問題?？紤]到不同業(yè)務(wù)有不同的主觀需求,其對于預(yù)設(shè)的用戶偏好標(biāo)準不能根據(jù)用戶的需求和環(huán)境的波動而動態(tài)改變,這在一定程度上限制了業(yè)務(wù)完成率的進一步提升。因此,在面對網(wǎng)絡(luò)屬性和業(yè)務(wù)更替的動態(tài)調(diào)整時算法缺少智能性。

圍繞異構(gòu)網(wǎng)絡(luò)多屬性決策權(quán)重問題上,現(xiàn)有的算法普遍將多屬性權(quán)重分成客觀權(quán)重和主觀權(quán)重進行處理。在客觀權(quán)重方面,文獻[9-10]采用熵權(quán)法和客觀權(quán)重賦權(quán)法(criteria importance though intercrieria correlation, CRITIC)兩種方式來計算各個屬性的客觀權(quán)重,并將二者綜合起來,最后結(jié)合基于離差極小化的綜合賦權(quán)法,得到每個屬性的最終權(quán)重。文獻[11]運用協(xié)同學(xué)原理分析細裂紋演化,給出了協(xié)同學(xué)的數(shù)學(xué)解釋和驗證結(jié)果,這為提高客觀權(quán)重的理論選擇提供了一種很好的方向。在主觀權(quán)重方面,文獻[10-12]引入傳統(tǒng)層次分析(analytic hierarchy process, AHP)計算出網(wǎng)絡(luò)選擇問題的主觀權(quán)重,AHP可以有效地將多屬性問題分解成多個底層因素,具有簡潔實用、系統(tǒng)性強等優(yōu)點,有效地滿足了主觀意圖對權(quán)重的要求。但傳統(tǒng)AHP不能為決策提供新的方案,特別是面對基于任務(wù)驅(qū)動的多屬性決策問題上有著局限性。

因此,在剖析傳統(tǒng)AHP權(quán)重特性的基礎(chǔ)上,基于不同任務(wù)主觀權(quán)重相互獨立的特點,引入十級標(biāo)度法,提出了動態(tài)AHP,將恒定主觀權(quán)重設(shè)置轉(zhuǎn)換為相互獨立的實時主觀權(quán)重設(shè)置,提高了算法面向服務(wù)的適應(yīng)性。通過仿真發(fā)現(xiàn)相對于基于傳統(tǒng)AHP、協(xié)同學(xué)和距離的算法和基于距離的算法,所提算法在移動節(jié)點海上基于任務(wù)驅(qū)動的場景下,提高了節(jié)點的任務(wù)完成率,提升了網(wǎng)絡(luò)性能。

1 動態(tài)AHP和協(xié)同學(xué)原理算法

1.1 模型建立

用戶對隨時隨地能夠接入高質(zhì)量的無線網(wǎng)絡(luò)的需求日漸強烈,為了支持不同用戶的不同業(yè)務(wù),多種網(wǎng)絡(luò)并存且信號范圍互相覆蓋的異構(gòu)無線網(wǎng)絡(luò)應(yīng)運而生。用戶終端想要在重疊的信號范圍內(nèi)選擇最合適數(shù)據(jù)傳輸?shù)木W(wǎng)絡(luò)連接,需要考慮網(wǎng)絡(luò)、業(yè)務(wù)和用戶3個維度的動態(tài)因素。而終端的高移動性作為用戶維度的動態(tài)因素,是海上異構(gòu)網(wǎng)絡(luò)場景區(qū)別于其他場景的突出特點之一。MHWNs的網(wǎng)絡(luò)架構(gòu)如圖1所示。

圖1 MHWNs架構(gòu)

移動性節(jié)點網(wǎng)絡(luò)選擇算法復(fù)雜度高的原因在于,移動節(jié)點與每個機動站點的距離、可連接的機動站點個數(shù)和傳輸?shù)臉I(yè)務(wù)類型都在發(fā)生變化,算法為節(jié)點提供接入方案時需綜合全部要素。因此,如何對各動態(tài)要素進行有效權(quán)衡,是提高算法時效性和對移動性節(jié)點匹配性的一個重要突破口。

本文針對移動性節(jié)點采用高斯-馬爾可夫移動模型進行描述。在現(xiàn)實環(huán)境中,節(jié)點移動的速度和方向前后存在著影響,使用傳統(tǒng)隨機移動模型不能準確描述節(jié)點的隨機連續(xù)運動情況,而高斯-馬爾可夫移動模型中節(jié)點的運動軌跡與隨機移動模型相比有很大的緩和,克服了隨機移動模型急停急轉(zhuǎn)的缺陷。

1.2 海上通信網(wǎng)絡(luò)特征

鑒于地球弧度、海浪、氣候和船只的影響,同陸上通信相比,海上通信的地形更加開闊,障礙物遮擋物更少,使得海上繞射損耗較小,反射波影響較大。

本文針對海上通信網(wǎng)絡(luò)特點,不考慮繞射損耗、云霧衰減等惡劣環(huán)境的影響,選用考慮海面反射和大氣吸收損耗的海上通信信道模型進行模擬仿真。

1.3 算法描述

由于干擾的存在,臨時機動站點的網(wǎng)絡(luò)屬性處于不斷波動的狀態(tài),節(jié)點在面向服務(wù)時需要根據(jù)環(huán)境參數(shù)和業(yè)務(wù)需求來動態(tài)改變主觀權(quán)重,本文提出的動態(tài)層次分析(dynamic analytic hierarchy process, DAHP)法將不斷變化的網(wǎng)絡(luò)屬性信息作為輸入量,利用事先預(yù)設(shè)好的十級標(biāo)度法將網(wǎng)絡(luò)屬性進行自行分級和自動對比,自主建立比較矩陣并計算在預(yù)設(shè)準則下的相對重要性,為平衡主觀性再結(jié)合其他客觀因素權(quán)重計算出各個網(wǎng)絡(luò)屬性相對于最終方案的總權(quán)重,總權(quán)重與實時的網(wǎng)絡(luò)屬性結(jié)合得到最優(yōu)接入方案。

(1) 建立權(quán)重決策矩陣

設(shè)有個可選網(wǎng)絡(luò),建立備選網(wǎng)絡(luò)集合={,,…,}。

設(shè)有個網(wǎng)絡(luò)屬性,建立網(wǎng)絡(luò)屬性集合={,,…,},對于不同的網(wǎng)絡(luò)屬性要使用歸一化方法消除數(shù)據(jù)間衡量尺度的不公平性和差異性,以帶寬參數(shù)為例:

(1)

同時建立網(wǎng)絡(luò)屬性比較矩陣

(2)

式中:表示可選網(wǎng)絡(luò)在網(wǎng)絡(luò)屬性的相對重要程度。

(2) 確定主觀權(quán)重

考慮到不同環(huán)境下網(wǎng)絡(luò)屬性存在不同的波動大小,因此,不同類型的業(yè)務(wù)對網(wǎng)絡(luò)屬性的需求也不同。一方面,平穩(wěn)環(huán)境下網(wǎng)絡(luò)屬性波動較小,各種業(yè)務(wù)類型的通信任務(wù)都可以在任意時間完成;另一方面,干擾環(huán)境下網(wǎng)絡(luò)屬性波動劇烈,只有少量時間能傳輸對網(wǎng)絡(luò)屬性要求較高的通信任務(wù),因此移動節(jié)點若想在干擾環(huán)境下傳輸不同種類的業(yè)務(wù),則需給出不同的網(wǎng)絡(luò)參數(shù)主觀權(quán)重。針對以上需求,本文在傳統(tǒng)AHP的基礎(chǔ)上引入十級標(biāo)度法構(gòu)成DAHP算法,由于傳統(tǒng)AHP是人為給出屬性和屬性間的相對重要程度,并給出1～10的相對重要性等級結(jié)果,所以本文在五級標(biāo)度法的基礎(chǔ)上擴展到十級標(biāo)度法,能夠更好地貼合AHP的使用條件。標(biāo)度方法為將最佳參數(shù)設(shè)置為標(biāo)度6,再以最佳參數(shù)為中心,按照高斯分布樣式內(nèi)密外疏進行標(biāo)度,十級標(biāo)度法適用于參數(shù)波動在限定范圍內(nèi)的情況。將DAHP根據(jù)十級標(biāo)度法直接給出,解決了原本傳統(tǒng)AHP中需要頻繁人為更改輸入的比較矩陣的問題,提高了算法的智能性。

收集到波動多變的網(wǎng)絡(luò)屬性參數(shù)后,本文算法采用十級標(biāo)度法對屬性參數(shù)進行定級,參數(shù)越大網(wǎng)絡(luò)條件越好的網(wǎng)絡(luò)屬性定級結(jié)果如表1所示,參數(shù)越小網(wǎng)絡(luò)條件越好的網(wǎng)絡(luò)屬性定級結(jié)果與表格結(jié)果相反。

表1 十級標(biāo)度法

將實時的網(wǎng)絡(luò)屬性參數(shù)定級后,建立實時的比較矩陣:

(3)

式中:(,)表示的是網(wǎng)絡(luò)屬性與網(wǎng)絡(luò)屬性進行的定級運算,定級運算指的是和作差后與0進行比較,根據(jù)比較結(jié)果給出最終屬性相對于屬性的權(quán)重比例。然后計算實時比較矩陣的最大特征值和最大特征值對應(yīng)的特征向量。由于算法自行生成的比較矩陣不一定滿足一致性條件,需要對實時比較矩陣進行一致性檢驗,一致性比率CR定義為

(4)

式中：RI為平均隨機一致性指標(biāo);一致性指標(biāo)CI的公式定義為

(5)

其中,為比較矩陣維數(shù)。

當(dāng)CR>01時說明先前主觀生成的比較矩陣產(chǎn)生矛盾,需要對比較矩陣進行調(diào)整;當(dāng)CR<01時說明比較矩陣一致性水平符合要求,此時最大特征值對應(yīng)的特征向量即為各個網(wǎng)絡(luò)屬性的主觀權(quán)值,定義為矩陣。

定義DAHP權(quán)值矩陣為,設(shè)共有個機動站點,則第時刻第個機動站點的第個網(wǎng)絡(luò)屬性參數(shù)值為(,),網(wǎng)絡(luò)屬性參數(shù)對應(yīng)的實時權(quán)重值為(,),則定義第時刻第個機動站點的DAHP權(quán)值(,)為歸一化后的網(wǎng)絡(luò)屬性及其屬性權(quán)重乘積的和,歸一化能將參數(shù)統(tǒng)一在(0,1)間,方便后續(xù)的計算和使用,表達式為

(6)

(3) 確定客觀權(quán)重

本文算法利用協(xié)同學(xué)原理建立客觀屬性權(quán)重。協(xié)同學(xué)認為系統(tǒng)是由許多子系統(tǒng)構(gòu)成,子系統(tǒng)之間的相互影響和配合才使得系統(tǒng)能夠以特定的結(jié)構(gòu)和功能正常運行,本文將每個備選網(wǎng)絡(luò)看作是一個系統(tǒng),備選網(wǎng)絡(luò)集合={,,…，},每個備選網(wǎng)絡(luò)都由3個子系統(tǒng)組成,分別由吞吐量、實時性和可靠性組成,子系統(tǒng)集合={,,},3個子系統(tǒng)之間既相互影響又相互協(xié)作,不同的協(xié)作程度致使備選網(wǎng)絡(luò)產(chǎn)生不同的差異,所以在網(wǎng)絡(luò)接入選擇時要選擇子系統(tǒng)之間協(xié)作度最高者進行接入。在子系統(tǒng)中支配子系統(tǒng)的序參量=(1,2,…,),表示子系統(tǒng)中網(wǎng)絡(luò)屬性的個數(shù),序參量的取值范圍是≤≤,其中和分別是第個序參量的最小值和最大值。子系統(tǒng)吞吐量包含的序參量為帶寬,子系統(tǒng)及時性包含的序參量為包延遲和包抖動,子系統(tǒng)包含的序參量為丟包率,其中序參量帶寬值越大網(wǎng)絡(luò)性能狀態(tài)越好越有序,序參量包延遲、包抖動和丟包率值越小網(wǎng)絡(luò)性能狀態(tài)越好越有序。

定義吞吐量子系統(tǒng)中的屬性1的有序度為

(7)

則用幾何平均法得到子系統(tǒng)的的有序度為

(8)

在得到實時AHP主觀權(quán)重、協(xié)同學(xué)客觀權(quán)重和子系統(tǒng)的有序度后，復(fù)合后的系統(tǒng)熵定義為

(9)

式中:∈表示第個網(wǎng)絡(luò)屬性是屬于第個子系統(tǒng),即∑∈代表了子系統(tǒng)在總系統(tǒng)的權(quán)重占比。

(4) 確定位置權(quán)重

鑒于高移動性節(jié)點的位置、與機動站點的相對距離在時刻變化,同時海上傳輸損耗主要來自距離損耗,距離損耗影響接收功率的大小,進而影響業(yè)務(wù)傳輸?shù)乃俾屎托?因此本文選用經(jīng)過歸一化后的接收功率作為節(jié)點的位置權(quán)重,通過位置權(quán)重體現(xiàn)高速節(jié)點距離的變化。在計算節(jié)點的接收功率時,僅使用海面反射以及大氣吸收損耗的簡單模型進行仿真運算。設(shè)時刻第個機動站點的接收功率為, ,歸一化后的接收功率權(quán)值為

(10)

(5) 綜合主客觀與位置權(quán)重

在節(jié)點面向服務(wù)時,主觀權(quán)重按照要發(fā)送的業(yè)務(wù)類型而改變,而客觀權(quán)重中加入了部分主觀權(quán)重的比例,所以主觀權(quán)重不必過大也能使其結(jié)果按照主觀意向傾斜。在多次仿真取平均值后給出復(fù)合的系統(tǒng)權(quán)重定義

(,)=045(,)+035, +02(,)

(11)

移動節(jié)點根據(jù)可接入機動站點的復(fù)合系統(tǒng)權(quán)值大小選擇合適的機動站點接入,優(yōu)先接入可選網(wǎng)絡(luò)范圍內(nèi)復(fù)合系統(tǒng)權(quán)值較大的機動站點。

1.4 算法流程

為了使算法仿真更貼近現(xiàn)實環(huán)境,移動節(jié)點采用高斯-馬爾可夫移動模型模擬移動,每個移動節(jié)點代表一個任務(wù)編隊,在仿真時間內(nèi)進行連續(xù)的隨機移動。本文采用的海上通信信道,海上通信信道和陸上通信信道相比,海上障礙物遮擋少,使得繞射損耗減少,電波傳播余隙增大,反射波影響增大。

節(jié)點在運動時,先收集周邊臨時機動站點的網(wǎng)絡(luò)屬性參數(shù),然后用預(yù)先設(shè)定的十級標(biāo)度法,算法將網(wǎng)絡(luò)狀態(tài)參數(shù)進行分級,把分級結(jié)果輸入到DAHP中進行主觀權(quán)重更新。再利用協(xié)同學(xué)原理得到客觀權(quán)重,同時為了考慮節(jié)點的移動性因素,用遠距離傳播造成的功率損耗得到位置權(quán)重,將3種指標(biāo)進行加權(quán)計算得到可選機動站點的最終復(fù)合系統(tǒng)權(quán)重,選擇權(quán)重大的臨時機動站點進行連接。

編隊節(jié)點出發(fā)時算法開始運行,算法流程如圖2所示。

圖2 算法流程

2 仿真結(jié)果與分析

本文的場景設(shè)置為海上臨時機動站點環(huán)境,圖3給出了機動站點的位置和編號。通常情況下當(dāng)海上節(jié)點移動速度大于30 km/h時可視作高速運動,機動站點在海平面以15節(jié)的速度緩慢向軸正方向移動,移動節(jié)點開始時從(0,0)出發(fā),之后的時間內(nèi)以150 m/s的速度做連續(xù)隨機運動。由于仿真使用的是機動站點和海上節(jié)點的相對距離,所以機動站點的移動速度相對海上節(jié)點來說可以近似看做靜止。機動站點的通信范圍是視距范圍,編隊節(jié)點出發(fā)點設(shè)置為坐標(biāo)原點,把帶寬參數(shù)視作不同業(yè)務(wù)類型間的主要區(qū)別,以此為例子進行蒙特卡羅仿真。仿真時間結(jié)束時節(jié)點停止移動。

圖3 機動站點位置圖

網(wǎng)絡(luò)選擇考慮4個屬性參數(shù),分別是帶寬、包延遲、包抖動和丟包率。本文采用馬爾可夫鏈表示動態(tài)變化的網(wǎng)絡(luò)屬性,每一秒的網(wǎng)絡(luò)屬性值都不同,這一時刻的網(wǎng)絡(luò)屬性值只與前一時刻相關(guān),與其他時刻無關(guān)。網(wǎng)絡(luò)屬性相關(guān)值設(shè)定范圍如表2所示,部分業(yè)務(wù)參數(shù)值設(shè)定參照文獻[11]。

表2 仿真參數(shù)表

節(jié)點在移動過程中不間斷地產(chǎn)生隨機業(yè)務(wù)需求,基本業(yè)務(wù)類型分別是會話類業(yè)務(wù)、流媒體類業(yè)務(wù)和交互類業(yè)務(wù),其對應(yīng)的最低帶寬需求如表3所示。在傳輸業(yè)務(wù)的過程中,帶寬參數(shù)決定傳輸能否開始,包延遲、包抖動和丟包率決定傳輸時間。

表3 業(yè)務(wù)參數(shù)表

為驗證本文提出算法的性能,將其與基于距離的網(wǎng)絡(luò)接入算法、在文獻[16]基礎(chǔ)上改進的基于傳統(tǒng)AHP、協(xié)同學(xué)和距離的網(wǎng)絡(luò)接入算法和基于DAHP的網(wǎng)絡(luò)接入算法作性能對比?；诰嚯x的網(wǎng)絡(luò)接入算法即在節(jié)點運動過程中通過比較和機動站點間的發(fā)射功率和接收功率,選擇最大的機動站點接入;改進的基于傳統(tǒng)AHP、協(xié)同學(xué)和距離的網(wǎng)絡(luò)接入算法在原有文獻[1]的基礎(chǔ)上加入距離參數(shù)體現(xiàn)動態(tài)節(jié)點與靜態(tài)節(jié)點的不同,其傳統(tǒng)AHP主觀權(quán)重設(shè)定為=[0.65 0.15 0.2]。3個權(quán)重分別代表了3個子系統(tǒng)的權(quán)重。

圖4給出了通信過程中實時帶寬變化,由于環(huán)境變化對帶寬影響最為明顯,故帶寬的數(shù)值波動也最為劇烈。從圖4可以看出基于距離選擇機動站點進行連接,移動節(jié)點的實時帶寬波動劇烈,業(yè)務(wù)傳輸?shù)倪B續(xù)性受到制約。本文提出的DAHP算法能夠及時更新權(quán)重配置,經(jīng)過50次蒙特卡羅仿真取平均可得,算法70%的仿真時間能實時地選擇帶寬較大的機動站點,大大提高了算法的時效性和節(jié)點網(wǎng)絡(luò)的業(yè)務(wù)傳輸能力,降低了網(wǎng)絡(luò)內(nèi)的業(yè)務(wù)擁堵程度,一定程度上提高了節(jié)點通信網(wǎng)絡(luò)的時效性。

圖4 帶寬參數(shù)對比

圖5～圖7給出了包延遲、丟包率和包抖動的實時參數(shù)對比圖,從中可以看出本文提出的算法對包延遲和丟包率的性能指標(biāo)有較好的提升,但對包抖動的性能提升有限,這是由于在此場景下認為包抖動對業(yè)務(wù)傳輸?shù)挠绊懴鄬^小,因此算法選擇犧牲包抖動性能,更關(guān)注帶寬、包延遲和丟包率3個指標(biāo)對任務(wù)完成的影響。

圖5 包延遲參數(shù)對比

圖6 丟包率參數(shù)對比

圖7 包抖動參數(shù)對比

基于DAHP的算法不考慮節(jié)點移動性這一特征,把節(jié)點視作靜態(tài)節(jié)點,將全體機動站點納入連接范圍,故通常情況下在直觀上基于DAHP的算法性能參數(shù)是最優(yōu)的。而實際中僅僅用實時網(wǎng)絡(luò)參數(shù)并不能全面評價算法,最終決定業(yè)務(wù)完成度的參數(shù)是業(yè)務(wù)完成度和信息傳輸速率,故引入這兩種指標(biāo)對算法進行評估。

把一段時間內(nèi)未完成的任務(wù)數(shù)除以總的任務(wù)數(shù)定義為業(yè)務(wù)未完成率,用此參數(shù)衡量算法在基于任務(wù)驅(qū)動下的性能優(yōu)劣。圖8可以看出4種算法在波動環(huán)境場景下,節(jié)點接入網(wǎng)絡(luò)的業(yè)務(wù)完成情況隨著時間的增長逐漸產(chǎn)生差異,本文提出的算法和單一的基于DAHP的算法在面向服務(wù)時有更好的表現(xiàn)。對50次仿真結(jié)果進行統(tǒng)計平均,本文提出的算法相較于基于傳統(tǒng)AHP和基于距離的網(wǎng)絡(luò)選擇算法在業(yè)務(wù)完成率上提升10%;與基于DAHP的網(wǎng)絡(luò)選擇算法相比,有60%的概率在業(yè)務(wù)完成率性能上一致。這是因為基于DAHP的算法得到的是無通信距離約束的全局最優(yōu)解,而本文提出的算法在通信距離的約束下只能得到較優(yōu)解。

圖8 算法業(yè)務(wù)未完成度

圖9給出4種算法的傳輸速率對比圖,可以看出基于傳統(tǒng)AHP、協(xié)同學(xué)和距離的算法和基于距離的算法不僅平均傳輸速率低,還有較大的波動性。本文提出的算法相較于單一的DAHP網(wǎng)絡(luò)選擇算法在同樣保持較高傳輸速率的情況下,波動性減少44%,有利于移動節(jié)點切換和傳輸不同類型的業(yè)務(wù),提高了業(yè)務(wù)完成率。

圖9 算法傳輸速率對比

圖10是節(jié)點不同的移動速率對算法未完成率的影響對比圖,通過50次蒙特卡羅仿真取平均得到如圖曲線。從圖中橫向?qū)Ρ瓤梢钥闯?節(jié)點移動速度對算法的未完成率有雙向的影響,一方面節(jié)點移動速度較慢時,節(jié)點移出當(dāng)前覆蓋范圍的時間較長,當(dāng)前覆蓋范圍的基站參數(shù)不佳時難以切換到參數(shù)較優(yōu)的基站;另一方面節(jié)點移動速度較快時,節(jié)點頻繁的改變被覆蓋范圍,受距離影響迫使算法頻繁改變接入方案,不利于業(yè)務(wù)傳輸。因此移動節(jié)點在某一適中速度下才能發(fā)揮算法的最優(yōu)效能。從圖中縱向?qū)Ρ瓤梢钥闯鯠AHP算法相較于其他算法在不同移動節(jié)點速度下仍具有優(yōu)勢,有效降低算法的業(yè)務(wù)未完成率。

圖10 節(jié)點移動速率影響對比

3 結(jié) 論

針對傳統(tǒng)網(wǎng)絡(luò)接入算法無法適應(yīng)高移動性節(jié)點,時效性不強的問題,本文提出一種基于動態(tài)AHP、協(xié)同學(xué)和位置信息的多屬性網(wǎng)絡(luò)選擇算法。首先在傳統(tǒng)AHP方法上引入十級標(biāo)度法,再在傳統(tǒng)主客觀權(quán)重基礎(chǔ)上提出由位置信息提供的位置權(quán)重,建立由主客觀、位置權(quán)重共同構(gòu)成的綜合系統(tǒng)權(quán)重模型,最后搭建仿真環(huán)境對其性能進行仿真。通過對節(jié)點的實時業(yè)務(wù)完成度和傳輸速率進行分析,在移動節(jié)點基于任務(wù)驅(qū)動的網(wǎng)絡(luò)選擇場景下,引入動態(tài)AHP和位置權(quán)重提高了業(yè)務(wù)完成度和算法的時效性。網(wǎng)絡(luò)接入技術(shù)作為異構(gòu)網(wǎng)絡(luò)資源管理的關(guān)鍵技術(shù),有著廣闊的探索空間和巨大的研究價值,其中網(wǎng)絡(luò)權(quán)重的動態(tài)分配對面向服務(wù)的網(wǎng)絡(luò)選擇有著重要的意義,值得未來進行研究和探索。