翟 雷，倪 菊，覃琦超，吳 琪

（1.桂林電子科技大學(xué) 信息與通信學(xué)院，廣西 桂林 541004；2.湖北大學(xué) 計算機與信息工程學(xué)院，湖北 武漢 430062）

0 引言

室內(nèi)無線接入技術(shù)是移動互聯(lián)網(wǎng)的重點，在未來的網(wǎng)絡(luò)架構(gòu)中融合多種優(yōu)勢互補的接入網(wǎng)絡(luò)將是一個必然的趨勢。可見光無線通信（VLC）系統(tǒng)集照明和通信于一體，具有傳輸速率高，安全保密性強，不占用頻譜資源和部署快速、簡單等特性，在家庭信息智能控制系統(tǒng)、辦公通信網(wǎng)絡(luò)系統(tǒng)、公共場所的信息查詢和尋路系統(tǒng)都有良好的應(yīng)用前景[1]。但由于VLC 采用視距傳輸方式，遮擋干擾會導(dǎo)致用戶的移動終端（Mobile Terminal，MT）頻繁地切換網(wǎng)絡(luò)，從而增加移動管理開銷，并且發(fā)射端的光路重疊會使光信號相互疊加，對接收端的正常通信造成干擾。而RF 在室內(nèi)網(wǎng)絡(luò)布局具有較好的移動穩(wěn)定性，將二者結(jié)合構(gòu)成VLC?RF 異構(gòu)網(wǎng)絡(luò)，不僅可以滿足更高的傳輸速率，且當(dāng)用戶在室內(nèi)移動時，判斷并接入當(dāng)前最佳網(wǎng)絡(luò)，可以更好地發(fā)揮兩個網(wǎng)絡(luò)性能優(yōu)勢，使得用戶體驗質(zhì)量（Quality of Experience，QoE）得到提升。

關(guān)于異構(gòu)網(wǎng)絡(luò)接入判決的研究，有基于簡單加權(quán)、層次分析法、博弈論、馬爾科夫決策[2]等非智能算法，以及基于模糊規(guī)則、強化學(xué)習(xí)和自適應(yīng)算法等智能算法[3?5]。盡管傳統(tǒng)基于基于層次分析（Analytic Hierarchy Process，AHP）的接入方案，能夠解決代價函數(shù)中各元素間的權(quán)重問題，但很難避免人為主觀判斷對判決結(jié)果的影響[6]。因此近年來，越來越多的研究人員將多屬性決策方法應(yīng)用到異構(gòu)網(wǎng)絡(luò)中進行網(wǎng)絡(luò)擇優(yōu)[7?10]。文獻[7]提出了一種基于實用程序的模糊?AHP 的網(wǎng)絡(luò)切換算法，該算法結(jié)合效用函數(shù)與加權(quán)和算法，在如視頻直播會議等實時場景考慮了用戶偏好、網(wǎng)絡(luò)條件和能耗等問題。文獻[8]提出了一種結(jié)合AHP 和兩人合作博弈（CG）模型，該算法彌補了經(jīng)典AHP 在比較不同候選人的標(biāo)準(zhǔn)值方面的不足，優(yōu)化了執(zhí)行決策的判決準(zhǔn)則。文獻[9]提出多屬性判決和TOPSIS的網(wǎng)絡(luò)垂直切換方法，該方法首先用AHP對決策進行建模，并使用兩種改進的TOPSIS方法用于異構(gòu)網(wǎng)絡(luò)中的切換管理。文獻[10]提出了一種結(jié)合博弈論的網(wǎng)絡(luò)選擇算法，該算法考慮到NOMA 混合VLC?RF 網(wǎng)絡(luò)的特殊性，提出了一種新穎的效用函數(shù)，最后，提出了聯(lián)合形成算法以及有效的功率分配策略。上述諸多結(jié)合多屬性判決的網(wǎng)絡(luò)接入方法在一些方面都具有自身的優(yōu)勢和特點，但并未考慮由于光照原因帶來的室內(nèi)不同區(qū)域的VLC 鏈路特性，不能有效整合用戶的位置與當(dāng)前的目標(biāo)網(wǎng)絡(luò)性能差異，以實時執(zhí)行網(wǎng)絡(luò)優(yōu)化。本文提出一種以用戶QoE 為優(yōu)化目標(biāo)的異構(gòu)網(wǎng)絡(luò)動態(tài)接入算法，該算法能顯著減少網(wǎng)絡(luò)切換次數(shù)。

1 系統(tǒng)模型

1.1 基于VLC?RF 室內(nèi)異構(gòu)無線接入網(wǎng)架構(gòu)

室內(nèi)環(huán)境下，VLC?RF 異構(gòu)網(wǎng)絡(luò)具有下行鏈路帶寬遠大于上行鏈路帶寬、室內(nèi)用戶位置變化和建筑格局易造成VLC 信號質(zhì)量下降或中斷等特性。如圖1 所示，本文的上行鏈路由Femto 基站的RF 信號提供穩(wěn)定的傳輸，下行鏈路使用RF 與VLC 網(wǎng)絡(luò)結(jié)合形成雙鏈路信道，既能提供高速的下行傳輸速率，當(dāng)下行可見光傳輸質(zhì)量不佳或中斷時，也能切換至RF 信號繼續(xù)傳輸，提供無縫的通信體驗以保證用戶的QoE 最佳。

圖1 室內(nèi)多用戶VLC?Femto 網(wǎng)絡(luò)系統(tǒng)模型

1.2 室內(nèi)布局方案

在家庭或中小型室內(nèi)辦公場景布局中，房間內(nèi)部一般均勻分布LED 光源，此時采用VLC 可以獲得較好的信號覆蓋，但在用戶移動至房間邊緣等處，VLC 信號易受遮擋。本文考慮一種家庭多用戶VLC?RF 異構(gòu)網(wǎng)絡(luò)架構(gòu)。如圖2 所示，該室內(nèi)環(huán)境由VLC 信號和Femto 基站的RF 信號共同覆蓋，MT 的接入判決和鏈路分配由服務(wù)器控制。4 個兼具照明和通信功能的VLC AP 在天花板上與路由器相連，每一個AP 都可以使用VLC 的全部帶寬。房間里部署了一座Femto 基站，其RF 信號穩(wěn)定覆蓋整個房間，并且所有設(shè)備都與服務(wù)器相連接，室內(nèi)用戶攜帶著多模MT 在該房間中隨機移動。為保證室內(nèi)照明需求，VLC 采用有重疊區(qū)域的布置方案，在處于燈光重疊的中心區(qū)域用戶，會受到周圍光強的共信道干擾。

圖2 室內(nèi)VLC?RF 異構(gòu)網(wǎng)絡(luò)信道模型

2 基于QoE 的異構(gòu)網(wǎng)絡(luò)接入算法

2.1 視距區(qū)域下的接入檢測算法

室內(nèi)場景的視距區(qū)域包括一般光照區(qū)域和中心的光照重疊區(qū)域。MT 在VLC 覆蓋區(qū)域通常接入VLC 網(wǎng)絡(luò)，處于光強重疊區(qū)時VLC 信號不佳，使用基于多屬性判決的層次分析AHP 加權(quán)和（Analytic Hierarchy Process Addictive Weighting，AHPAW）算法檢測并接入當(dāng)前最佳網(wǎng)絡(luò)，其中使用指數(shù)標(biāo)度法建立判決矩陣更符合人類思維判斷，更適用于基于QoE的異構(gòu)網(wǎng)絡(luò)接入判決。

2.1.1 多屬性參數(shù)的計算

本算法將以下6 個網(wǎng)絡(luò)性能參數(shù)作為判決屬性：傳輸速率、帶寬、接收信號強度、誤碼率、丟包率、網(wǎng)絡(luò)時延。

為了消除各個判決屬性之間的量綱差異，需要對其進行標(biāo)準(zhǔn)化。帶寬利用率、傳輸速率和接收信號強度皆屬于遞增參量，參照文獻[11]，可以按照式（1）標(biāo)準(zhǔn)化處理：

式中：kij是候選網(wǎng)絡(luò)i的第j個屬性值；Sij表示標(biāo)準(zhǔn)化之后候選網(wǎng)絡(luò)i的第j個屬性值。

對于網(wǎng)絡(luò)時延、丟包率和誤碼率則屬于遞減參量，可以按照式（2）標(biāo)準(zhǔn)化處理：

在原屬性值經(jīng)過標(biāo)準(zhǔn)化后，得出判決矩陣S，表示為：

2.1.2 建立權(quán)重比較判決矩陣

在構(gòu)造權(quán)重比較判決矩陣時，各屬性的權(quán)重之比尤為重要。由于指數(shù)標(biāo)度下判決矩陣的一致性相較于1?9 標(biāo)度下判決矩陣的一致性更符合人們的思維判斷[12]，更適用于基于QoE 的異構(gòu)網(wǎng)絡(luò)接入判決，因此本文采用指數(shù)標(biāo)度法建立權(quán)重比較判決矩陣。首先將各屬性互相比較的重要程度分為同樣重要、稍微重要、明顯重要、強烈重要、極端重要等，并分別以感覺判斷等級cij表示，cij=0,1,2,…，且i,j=1,2,…,n。由韋伯?費希納定律可知，當(dāng)主觀感覺呈算數(shù)級數(shù)增長時，客觀差別呈幾何級數(shù)增長[13]，則可設(shè)相鄰兩級客觀重要性比率為a(a>1)，于是ci與cj的客觀重要性比率為：

式中：wi，wj分別為ci，cj的客觀重要性程度；并稱為ci對cj的客觀差別判決，因此建立比較判決矩陣A=，其中，i,j=1,2,…,n,，a值視 相 鄰 兩 級間差別大小，取適當(dāng)大于1 的數(shù)，可使各級的區(qū)別有一定的精度，更符合人的判決思維，cij允許取任意實數(shù)。

2.1.3 計算權(quán)重向量

權(quán)重向量可以通過特征值法求得。確定a值后即可計算比較判決矩陣A的最大特征值λmax及其對應(yīng)的特征向量x，即Ax=λmax?x，將x歸一化后就可以得到權(quán)重向量。

2.1.4 AHP 與加權(quán)和算法相結(jié)合

利用AHP 方法得到權(quán)值后，將各個候選網(wǎng)絡(luò)的每個屬性標(biāo)準(zhǔn)化后的值，與其對應(yīng)的權(quán)重的乘積進行累加，計算出每個候選網(wǎng)絡(luò)的總評分值Ei：

式中：xj是第j個屬性所對應(yīng)的權(quán)重；sij是標(biāo)準(zhǔn)化后第i個網(wǎng)絡(luò)的第j個屬性的值。通過Ei擇優(yōu)選出分值最高的網(wǎng)絡(luò)，該網(wǎng)絡(luò)即為當(dāng)前最優(yōu)網(wǎng)絡(luò)。

2.2 非視距區(qū)域下的接入檢測算法

由于MT 移動至房間邊緣等處或人為干擾，VLC信號易受遮擋導(dǎo)致鏈路中斷，此時判定MT 進入非視距區(qū)域。令MT 暫時接入RF 網(wǎng)絡(luò)，使用匈牙利算法（Hungarian Algorithm，HA）檢測各個MT 接收到的VLC光照強度，并合理分配至各個網(wǎng)絡(luò)。算法具體實現(xiàn)如下：

1）通過MT 接收到的光照強度值，與接收到的RF信號強度值單位化消除量綱差異[14]，生成新的信號強度系數(shù)矩陣Ψ M×N。

2）若M=N，則直接進入步驟3）；若M>N且M為N的整數(shù)倍，則將矩陣分解為若干個N階方陣和1 個(M-N)×N矩陣，若干個N階方陣直接進入步驟3），(M-N)×N矩陣添加0 元素使其變?yōu)镹階方陣。

3）找出系數(shù)矩陣每一行元素中的最小值，然后該行的每個元素都減去該最小值。

4）找出系數(shù)矩陣中每一列的最小值，并讓其所在列的所有元素減去這一列的最小值。

5）做直線覆蓋所有的0 元素，且以直線最小的方案為最終方案。

6）最優(yōu)方案判斷：當(dāng)直線數(shù)目為N時，執(zhí)行步驟9）；否則，執(zhí)行步驟7）。

7）找出劃線外元素的最小值。

8）沒有劃直線的行的所有元素減去該最小值；劃直線的列的所有元素加上該最小值，返回步驟5）。

9）此時系數(shù)矩陣的每行與每列至少有一個零值，標(biāo)記零值并與原系數(shù)矩陣的元素一一對應(yīng)，則得出最佳分配，未接入VLC 網(wǎng)絡(luò)的MT 返回步驟1）。

2.3 VLC 與RF 異構(gòu)網(wǎng)絡(luò)接入判決流程

本算法將用戶所持有的MT 所在區(qū)域分為非視距區(qū)域與視距區(qū)域。當(dāng)MT 移出VLC 網(wǎng)絡(luò)或VLC 鏈路被遮擋時，則判定該MT 處于非視距區(qū)域，接入到RF 鏈路，使用HA 檢測以及重新分配最佳網(wǎng)絡(luò)給MT；當(dāng)MT 處于VLC 網(wǎng)絡(luò)或光照重疊區(qū)域時，判定該MT 處于視距區(qū)域，接入到VLC 鏈路，使用基于多屬性判決的層次分析加權(quán)和算法判決VLC 和RF 的狀況，并接入最佳網(wǎng)絡(luò)。具體流程圖如圖3 所示。

圖3 VLC?RF 異構(gòu)網(wǎng)絡(luò)動態(tài)接入算法流程圖

3 仿真分析

本文采用的布局中，單個房間VLC 光源采用5 m×5 m×3 m 的室內(nèi)模型，室內(nèi)光源布局采用4 組LED，每組LED含有50個LED，每個LED之間的間距為0.01 m，LED陣列組安裝在距離接收平面2.15 m 的天花板上，接收平面距室內(nèi)地面0.85 m。取LED 的半功率角為70°，在距地面0.85 m 處的接收平面上，設(shè)定室內(nèi)平面光強大于1 300 lx 的區(qū)域為視距區(qū)域，其余為非視距區(qū)域。直射鏈路光照度分布如圖4 所示。

由圖4 可知，在距地面0.85 m 的接收平面上，其光照度處于900～1 400 lx 的國際標(biāo)準(zhǔn)范圍內(nèi)，能夠滿足室內(nèi)充足照明的要求。

圖4 室內(nèi)接收光強分布

在室內(nèi)場景中，由于MT 具有移動性，且室內(nèi)場景中不同區(qū)域的VLC 和RF 網(wǎng)絡(luò)各屬性不同，導(dǎo)致MT 在室內(nèi)不同區(qū)域接收到的各網(wǎng)絡(luò)屬性參數(shù)都不同，因此參考文獻[8?14]，為方便計算將各個參數(shù)取平均，系統(tǒng)仿真的平均參數(shù)設(shè)定如表1 所示。

表1 系統(tǒng)仿真平均參數(shù)設(shè)置

在傳統(tǒng)的層次分析加權(quán)和算法中，判決矩陣的建立運用1?9 標(biāo)度法，本文算法的判決矩陣運用指數(shù)標(biāo)度法，表2 為仿真參數(shù)的設(shè)置。

表2 指數(shù)標(biāo)度法與1?9 標(biāo)度法參數(shù)設(shè)置

表3，表4 為兩種標(biāo)度的各決策參數(shù)的相對重要性程度。

表3 1?9 標(biāo)度各決策參數(shù)的相對重要性程度

表4 指數(shù)標(biāo)度各決策參數(shù)的相對重要性程度

假定MT 在5 m×5 m 的室內(nèi)環(huán)境中從隨機位置出發(fā)，每次移動距離為0.125 m，按照隨機方向分別移動100～1 000 次，并且相同移動次數(shù)的位移路徑相同。令MT 分別使用AHPAW 算法[15]、HA 算法以及本文的AHPAW?HA 算法進行仿真。

圖5 反映的是移動次數(shù)和網(wǎng)絡(luò)接入次數(shù)的關(guān)系。當(dāng)MT 移動多次后，本文算法的網(wǎng)絡(luò)接入次數(shù)均少于其他兩種算法，并且隨著移動次數(shù)的增多，室內(nèi)角落、光線重疊等判決過程復(fù)雜的區(qū)域也增多，各算法的網(wǎng)絡(luò)接入次數(shù)差距越來越大。由此看出，本文算法能夠顯著減小整體的網(wǎng)絡(luò)切換次數(shù)，有效降低MT 的“乒乓效應(yīng)”，使用戶QoE 得到提升。

圖5 三種算法的網(wǎng)絡(luò)接入次數(shù)比較

圖6 為在使用AHPAW 算法中，權(quán)重比較判決矩陣使用指數(shù)標(biāo)度法和使用1?9 標(biāo)度法的對比。從圖6 中可以看出，指數(shù)標(biāo)度法的a值取在略大于1 的情況下更符合人們主觀思維判斷[12]，并且取不同數(shù)值的情況下其網(wǎng)絡(luò)判決正確率相較于1?9 標(biāo)度法，其網(wǎng)絡(luò)切換率提高了35%～50%。

圖6 使用指數(shù)標(biāo)度法和使用1?9 標(biāo)度法的比較

不同移動次數(shù)與MT 接入到的當(dāng)前網(wǎng)絡(luò)性能的關(guān)系如圖7～圖9 所示。傳輸速率、接收信號強度和網(wǎng)絡(luò)時延是用戶較為敏感的網(wǎng)絡(luò)屬性，通過對比可以發(fā)現(xiàn)，同等移動次數(shù)下，本文算法相較其他算法表現(xiàn)的網(wǎng)絡(luò)性能更為突出，能為用戶提供更高的網(wǎng)絡(luò)傳輸速率、更大的接收信號強度和更低的網(wǎng)絡(luò)時延，更符合面向QoE 的優(yōu)化目標(biāo)。

圖7 平均傳輸速率比較

圖8 平均接收信號強度比較

圖9 平均時延比較

4 結(jié)語

本文針對室內(nèi)VLC?RF 異構(gòu)網(wǎng)絡(luò)架構(gòu)中的網(wǎng)絡(luò)動態(tài)接入問題進行研究，建立室內(nèi)異構(gòu)網(wǎng)絡(luò)信道模型，根據(jù)VLC 鏈路特點將室內(nèi)分為視距區(qū)域和非視距區(qū)域。在視距區(qū)域使用AHPAW 算法計算出當(dāng)前最佳接入網(wǎng)絡(luò)，并使用指數(shù)標(biāo)度法建立比較判決矩陣，更符合人思維判斷，更適用于基于QoE 的異構(gòu)網(wǎng)絡(luò)接入判決。在非視距區(qū)域使用改進適應(yīng)HA 算法的分配方式，使其更適用于VLC 室內(nèi)場景的用戶動態(tài)接入情況。通過與其他方案仿真對比，證明本文的方案能夠顯著減小整體的網(wǎng)絡(luò)切換次數(shù)，同時具備更好的網(wǎng)絡(luò)性能，使用戶QoE 得到提升。