基於模糊神經網絡的異構網絡融合系統垂直切換方法
2023-09-22 20:10:30 2
專利名稱：基於模糊神經網絡的異構網絡融合系統垂直切換方法
技術領域：
本發明是異構網絡融合系統的一種垂直切換方法，該方法基於模糊神經網絡理論，厲於 移動通信技術領域。
背景技術：
未來的移動通信環境將包括各種具有不同的傳輸速率、覆蓋範圍、系統容量及服務水平 的無線接入網絡。為了充分利用不同接入網絡的特點，發揮各自網絡的優勢，向用戶提供無 處不在的服務，並滿足用戶對業務寬帶化、個人化和智能化的要求，異構網絡之間的協助和 融合是目前人們關注的焦點。移動性管理技術，尤其是切換技術，是實現異構網絡融合的關 鍵技術之一。在異構網絡中，除了各個網絡內部的切換控制之外，還包括跨越網絡邊界、跨 運營商以及跨終端漫遊時的切換控制。相應地，切換控制技術的研究也從同種技術間的水平 切換轉移到異類接入技術間的垂直切換。
在異構網絡環境下，不同接入網絡在接收信號強度、誤碼率及信號噪聲比等方面存在較 大差異，不具有可比性，它們的服務類型、收費及網絡條件等也存在較大差異。切換方法中 除了考慮接收的信號強度RSS (Received Signal Strength)之外，僅引入遲滯電平或者駐留 時間概念的已經不能滿足移動用戶對切換QoS (Quality of Service,服務質量)的要求。現 有的切換方法中，往往綜合考慮網絡多種肉素選擇最優網絡，比如基於模糊邏輯的方法、基 於神經網絡的方法等。模糊邏輯的方法具有推理過程容易理解，專家知識利用較好、對樣本 的要求較低等優點，但它同時3 :存在人工幹預多、推理速度慢、精度較低等缺點，不具有& 適應學習的功能，而且較難自動生成和調節隸屬度函數和模糊規則；神經網絡的方法具有較 強的自學習和聯想功能，人土幹預少，精度較高，對專家知識的利用也較少，但缺點是不能 夠處理和描述模糊信息，不能很好利用已有的經驗知識，特別是學習及問題的求解具有黑箱 特性，其工作不具有可解釋性，同時它對樣本要求較高。
本發明釆用基於模糊神經網絡的垂直切換(FNN-VHO, Fuzzy Neural Network Vertical Handoff)方法，該方法結合模糊理論和神經網絡的優點，具有模糊邏輯推理功能，同時網 絡的權值也具有明確的模糊邏輯意義。它匯集了神經網絡和模糊理論的優點，集學習、聯想、 識別、自適應及模糊信息處理與-一體。FNN-VHO方法使切換的門限根據網絡資源動態改變， 從而合理利用網絡資源，較好地解決多網絡覆蓋環境下的垂直切換決策問題。
發明內容
技術問題本發明提供一種基丁模糊神經網絡的異構網絡融合系統垂直切換方法，其目 的在f根據異構網絡融合系統的特點，綜合考慮多種網絡覆蓋環境下的網絡資源情況，動態 改變垂直切換觸發條件，減少桌球效應發生頻率，降低丟包率和阻塞率，使系統資源達到合 理利用，較好地解決多網絡覆蓋環境下的垂直切換決策問題。技術方案本發明的基於模糊神經網絡的異構網絡融合系統垂直切換方法包括預判決預 處理、模糊神經網絡和垂直切換判決三個土要階段；
其中預判決預處理階段首先對移動終端MT的運動速度v和MT接收到WLAN( Wireless Local Area Network,無線區域網)網絡的信號強度/ SS^進行判決，如果v大於預設門限)^ 或者及5S^小於-預設門限Tfl^ ， MT直接選擇UMTS (Universal Mobile Telecommunication System,通用移動通信系統)網絡，否則接著進行後續階段的處理；其次預處理一方面計算 WLAN網絡的信號強度/ S^和UMTS網絡的信號強度及5S(,之間的差值Z)腳(A:),另一 方面根據最近的w個i 5"S^的變化情況，判斷MT相對於WLAN網絡接入點AP的運動趨 勢，給出&r(A;)的取值，為模糊神經網絡的輸入數據做準備；模糊神經網絡階段對輸入的 D/^,0t)、 A7"0t)、 v和WLAN網絡當前可用帶寬5^參數進行模糊化，得到這四個參數 的隸屬度，並根據推理機中的推理規則得到遲滯屯平值~和駐留時間值^ 的推理結果，然 後通過解模糊得到~和的具體輸出結果；垂直切換判決階段是根據模糊神經網絡輸出的 Z^和f^，計算此刻切換因子Q是否滿足切換條件，若滿足則接著判斷若此刻進行切換是否 會發生桌球效應,若不會發生桌球效應就發出切換指令,若會發生桌球效應就改變切換條件， 並重新進行上述三個階段。
預判決主要完成對信號點的篩選功能，濾除MT運動速度大亍J^或者WLAN網絡信號 強度小於可接收的閾值77/^的信號點；預處理主要用於判斷MT相對於WLAN網絡接入點 AP的運動趨勢&>(",即根據最近n次i SS『的變化情況，決定a /r(A:)的取值。
所述的模糊神經網絡階段主要包括模糊化、推理機、去模糊和學習訓練；其中，模糊化 的功能是根據隸屬函數將輸入的"/^(A:)、 ^V(A:)、 v和5^具體數值轉化為模糊化語言的 形式，並構成模糊集合；推理機的功能是根據其內部模糊規則庫的推理規則進行邏輯推理，
給出合適的模糊控制量；去模糊的功能是將推理得到的模糊控制量轉化成^和r^精確的輸
出控制量，精確計算的方法本發明採用的是加權平均法；學習訓練的功能是根據先前的樣本 值調節網絡輸入層的權值、偏差和輸出層的權值，達到調節激活函數的寬度及其中心位置的 目的，實現對上述三步的控制調節功能；學習訓練結束後，模糊神經網絡記錄新輸入的 DffiS^)、 &>^)、 v和5^以及由該組數據產生的^和^^用於更新樣本資料庫，使樣本 資料庫中的樣本數據能夠更準確的描述MT的使用環境。
所述的垂直切換判決階段根據模糊神經網絡輸出的控制量/^和/^ ，結合網絡當前 情況判斷切換因子是否滿足切換觸發條件，選擇最優網絡，同時為了防止桌球效應的發生， 需保證切換時間間隔大於桌球效應時間間隔。
模糊神經網絡訓練結束之後，根據模糊神經網絡新的輸入及對應輸山，學習訓練中的樣 本資料庫進行實時更新，作為再次啟動MT的訓練數據。
有益效果本發明通過預判決處理，對輸入信號進行篩選，使進入模糊神經網絡的採 樣點數顯著減少，從而;^c大降低了系統開銷；根據模糊神經網絡理論，綜合考慮網絡當前資 源狀況自適應地改變遲滯電平值^.和駐留時間值,咖；根據網絡當前狀況，判斷切換因子是 否滿足切換觸發條件，選擇最優網絡，並保證切換時間間隔大於桌球效應時間間隔，減少不 必要的切換次數，達到合理利甩網絡資源的目的。
本發明具有如下優點
O)採用預判決對輸入信號進行篩選，使進入模糊神經網絡的來樣點數顯著減少，減小了系統開銷。採用預處理判斷MT相對於AP的運動趨勢，使之作為FNN的一個輸入。
② 採用模糊神經網絡理論為異構網絡融合系統的切換觸發問題構建了特定的神經模糊 控制系統，對信號強度、運動趨勢、速度和帶寬等不確定的實際影響因素進行建模評估，使 切換觸發因子根據網絡的當前狀態自適應地改變，增加移動臺在WLAN網絡的時間，減少 不必要的切換次數，降低丟包率和阻塞率，提供系統的整體性能。
③ 切換判決條件與切換時間間隔結合，防止桌球效應的產生，保證多網絡覆蓋情況下 的系統性能。
沙樣本資料庫實時更新，使資料庫中訓練數據更準確地描述MT使用環境，當下次啟動 MT時，可以降低訓練誤差，提高模糊神經網絡的學習訓練速度。
圖l異構網絡融合系統應用場景。圖中移動終端MT與基站BS之間的距離為《,，與 接入點AP1的距離為^^。
圖2基於模糊神經網絡的垂直切換方法系統結構框圖。 圖3模糊神經網絡層結構圖。
圖4模糊神經元基本結構。圖中wf表示第k層的第i個輸入，p表示該節點總共的輸 入信號數。函數/("。w;，…,""是傳遞函數，fl(/)是激活函數。 圖5基於模糊神經網絡的垂直切換方法流程圖。
具體實施例方式
本發明給出了在異構網絡融合系統中，利用模糊神經網絡理論實現垂直切換的方法。其 中，異構網絡融合系統以UMTS (Universal Mobile Telecommunication System,通用移動通 信系統)和WLAN (Wireless Local Area Network,無線區域網)的融合為例，如圖1所示。 假設移動終端MT —直處丁- UMTS覆蓋範圍，MT接收到UMTS網絡和WLAN網絡的信號 強度分別為及S、和，兩個網絡的信號強度差值為D鵬(A:)=(" — (A:)。 本發明根據移動終端接收到兩個網絡信號強度D/^(W 、移動終端的運動趨勢&V(A:)和速 度v以及WLAN網絡當前可用帶寬5w等情況，採用模糊神經網絡實時調整各個參數的權 重和閾值，動態改變垂直切換觸發條件，選擇最優接入網絡，本方法的框圖如圖2所示。
具體步驟分為三個階段 (1)預判決預處理階段
預判決對信號點進行篩選，濾除不滿足條件的信號點。判斷移動終端的運動速度是否小 於判決門限^ ，如果是，則接著判斷WLAN網絡的信號強度i SS^是否大於預設的WLAN 網絡最小可接收信號強度77/^。當兩個條件都滿足的情況下，進入下一步的預處理，否則 系統選擇UMTS網絡。
預處理為模糊神經網絡準備輸入數據。首先是根據最近n次i SS^(A:)的變化情況，分 析出移動終端相對於AP的運動趨勢。如果及SS^(/-l)〈及SS^0'),VZel…/: —1，表明 MT向著AP運動，令= 1 ;如果及SS^ (/ — 1) > / SSw (/), V/ e 1…A: — 1 ，表明MT 背離AP運動，令&>"(" = —1;其它運動方向不明確的令&K"-0。其次，根據/ SV和 / S、，計算兩個網絡的信號強度差值"/^(A;)。
6(2) 模糊神經網絡階段
本發明中，模糊神經網絡採用零階Sugeno系統作為模糊推理系統，其模糊規則形式為
If x = J,, and _y = j5, , then Z = 這裡4和5,為前提中的模糊集合，而A,為可調參數。各參數的隸屬度函數採甩高斯型
函數，如
w, - ^~~^~ V ' 乂
其中W,和O",為變量的均值和方差。
首先，經過預判決和預處理後，得到了移動終端MT的Z)股("和&r(A:)，將和移動 終端的速度v以及WLAN網絡當前可用帶寬萬^等信息一起送入模糊神經網絡中進行模糊 處理，得到各自的隸屬度；其次，進入到推理機中，根據預先規定好並存儲在推理機中的 if-then控制規則，求出每一控制規則的強度(它等於每一規則中最小的前提隸屬度)，即 二/^(x)x/^,(;c),並確定每一結論的模糊輸出(它等於相同結論中的最大規則強度)； 然後，採用加權平均法完成去模糊過IM,求模糊輸出的控制量遲滯電平值、和駐留時間值 f^。和一般的模糊控制系統不同的是，模糊神經網絡對上述三步具有控制調節功能，即在 學習訓練階段，系統根據先前的樣本值調節網絡輸入層的權值、偏差和輸出層的權值，達到 調節激活函數的寬度及其中心位置的目的。在學習訓練結束後，模糊神經網絡記錄每一組新 輸入的(" 、 ^V(A0 、 V和以及由該組數據產生的~和用於更新樣本資料庫， 使樣本資料庫中的樣本數據能夠更準確的描述MT的使用環境。
根據上述模糊理論的三個過程，本方法的模糊神經網絡可用圖3表示。它共由5層組 成，第1和2層是模糊化過程，3和4層是模糊邏輯推理過程，其中第三層由135個節點構 成(本方法共有135條推理規則)，第5層是去模糊過程；圖中e(r)表示訓練誤差函數，它 是用來調整各個參量的隸屬度函數的中心位置和寬度。其中任一節點——模糊神經元的基本 結構如圖4所示。
(3) 切換判決階段
經過模糊神經網絡的處理之後，可以得到一組^和r^，將它們送入垂直切換判決模塊 進行切換判決。令2 = "^" + / 1為切換觸發岡子，其中，,表示當前時刻和MT經過
￡>ras =0時的時間間隔，i^忍為當前兩個網絡的信號強度差值，a表示遲滯電平對切換因 子的影響程度，"表示駐留時間對切換觸發因子的影響程度。切換觸發的條件為
其中，//0一77^es/wW為切換門限，其初始值為l。為了進一步確保桌球效應不會發生， 若當前的切換間隔//O 一 /Werva/不人預設的桌球效應時間間隔— /^en;o/時，
—7T^e^oW增加STEP ,並繼續判斷g 2 7Twe^oW是否成立；若 //O —T^ervfl/〉屍屍—/Wen^/並且g之i/0_77we^zoW時，執行切換，並令 朋7V^oW = l。基丁'模糊神經網絡的垂直切換方法的具體實施過程如圖5所示。MT啟動時，首先進行 FNN網絡的初始化，即從樣本資料庫中載入樣本數據進行學習訓練。模糊神經網絡的具體 層結構如圖3所示，其中，網絡輸入層的權值、偏差和輸出層的權值大小都受到誤差函數e(/) 控制，學習規則採用梯度下降法，即在訓練階段e(O根據梯度下降法不斷調節隸屬度函數的 寬度及其中心位置m,2、 o",2、 mf和cr,5。梯度下降法的思想為沿著J"(『)的負梯度方向 不斷修正『("的值，直至J(『)達到最小，其表達式為-
，+ 1) = ,) + ;7
，
式中，T7表示學習率，它是用來控制權值調整速度。
假設網絡當前的實際輸出為A(A)，期望的輸出為屍/，在網絡的輸出誤差為: 根據梯度下降法，可得
，)
根據上述學習規則，模糊神經網絡中各節點隸屬度函數參數調整情況如下: 第5層
舉)
因為，
3m,
3，)^(A:)3a,5 a/'5
/ = 1，2
所以，m,5(& + l) = w,5(&) + 7e(^)
cr,V5
m,5wf Z -
同理c7,5(A: + l) = cr,5(A) + 77<A:)-
廣 、
第2層:
附,2 (A: +1) = /W,2 + 77e(&)
其中 M = y a屍,(A:)y < y 5<
3w,
式中，w-l，…,6表示第5層輸入信號數，A:-l,…，135表示第4層輸入信號數，
8/ = 1,…,14表示第3層輸入信號數c
3wf
f 、 f 、
、風 乂 l^e7 _
〔 、
、W;
3"〗
fl, ^是":的組成部分 其它
fl， af是^的組成部分
lo， 其它
，2:翏泡SU、則
, , ，,'2 2(m —附)
同理C7,2(A: + l):Or,2(" + 77《2e"
2
I".—附.r
k ', 、,' ； / = 1，...,14
根據學習規則對網絡權值和偏差進行調整，直到訓練誤差達到期望誤差q或者訓練次 數達到事先設定的最大值時訓練^&束。
其次判斷MT的運動速度是否小& ， i 5S^是否大F預設I、 J限77/^ 。在UMTS和 WLAN融合的系統中，根據移動終端所處的位置可以得到移動終端接收到兩個網絡的信號 強度。如圖1中，移動終端MT與基站BS之間的距離為《,，與接入點AP1的距離為f^。 則移動終端接收到兩個網絡的信號強度分別為
其中，《w、 kw、《(/和/:2{;為路徑損耗參數。
如果v〈J^且兄SS^ >77/^，則進入預處理階段，否則直接選擇UMTS網絡接入。在 預處理階段根據最近n次及SS^(A:)的變化情況，分析出MT相對於AP的運動趨勢。如果 及SS^(/ —1)〈i 5"S^(/),V/el…A — l ,表明MT向著AP運動，令力K"-1;如果 i SS^(/ —1)〉/ SSw(/),V/el…A: — l，表明MT背離AP運動，令力>(&) = —1;其它運 動方向不明確的令fi^(A;) = 0 。其次，根據和及5^(,,計算MT接收到WLAN和UMTS 網絡的信號強度差值D^^(A:),艮P:
d股("=及s^ w — ("=—《K/ - /c2lf iog(^) + a:2(, iog(《)
D股表示了移動終端MT分別接收到來自WLAN和UMTS網絡信號強度大小的相對情況，當￡>/^ (" > 0 ，則說明來自WLAN網絡的信號比來自UMTS網絡的信號要強一 些，反之，則UMTS網絡信號強度要大一些。
將計算得到的"/^、 d/r和v及Bw—起送入FNN進行處理，FNN首先對對這組數據 經過模糊化處理，得到各參量的隸屬度；然後根據預存在推理機中的控制規則求出每一控制 規則的強度，並確定每一結論的輸出；然後，完成i模糊過程，求模糊輸出的控制量/^和/^ 。 FNN將這組輸入數據和其輸出送入樣本資料庫進行更新樣本庫。由於資料庫是不斷更新的， 所以，經過一段時間的使用之後，資料庫中的數據就能更準確地描述MT所處的使用環境。 當以更新後的數據作為訓練數據再次啟動MT時，新建成的FNN網絡更符合MT的使用環 境，最大程度的減小FNN網絡誤差，降低桌球效應的發生，提高系統性能。
然後判斷切換因子g是否大於//0—7Tz/"es/wW，若否，則維持原有網絡，並開始等待 下一次FNN數據輸入；若是，就接著判斷//0 —/"妙va/是否大於P屍—/w^va/，若否， 7T reWoW增加STEP,並開始等待下一次F則數據輸入；若是，則//0—7T^AoW 恢復初始值l，然後發出切換通知，行動裝置MT就從一個網絡切換到另一網絡，如W^U 或U—W，並開始等待下一次FNN數據輸入。
權利要求
1、一種基於模糊神經網絡的異構網絡融合系統垂直切換方法，其特徵在於該方法包括預判決預處理、模糊神經網絡和垂直切換判決三個主要階段；其中預判決預處理階段首先對移動終端MT的運動速度v和MT接收到WLAN，無線區域網網絡的信號強度RSSW進行判決，如果v大於預設門限V0或者RSSW小於預設門限THW，MT直接選擇通用移動通信系統UMTS網絡，否則接著進行後續階段的處理；其次預處理一方面計算WLAN網絡的信號強度RSSW和UMTS網絡的信號強度RSSU之間的差值DRSS(k)，另一方面根據最近的n個RSSW的變化情況，判斷MT相對於WLAN網絡接入點AP的運動趨勢，給出dir(k)的取值，為模糊神經網絡的輸入數據做準備；模糊神經網絡階段對輸入的DRSS(k)、dir(k)、v和WLAN網絡當前可用帶寬BW參數進行模糊化，得到這四個參數的隸屬度，並根據推理機中的推理規則得到遲滯電平值hy和駐留時間值tdw的推理結果，然後通過解模糊得到hy和tdw的具體輸出結果；垂直切換判決階段是根據模糊神經網絡輸出的hy和tdw，計算此刻切換因子Q是否滿足切換條件，若滿足則接著判斷若此刻進行切換是否會發生桌球效應，若不會發生桌球效應就發出切換指令，若會發生桌球效應就改變切換條件，並重新進行上述二個階段。
2、 根據權利要求1所述的基於模糊神經網絡的異構網絡融合系統垂直切換方法，其特 徵在於預判決主要完成對信號點的篩選功能，濾除MT運動速度大於F。或者WLAN網絡 信號強度小於可接收的閾值77/^的信號點；預處理主耍用T判斷MT相對於WLAN網絡接 入點AP的運動趨勢,即根據最近n次i SS^的變化情況，決定fl^(A:)的取值。
3、 根據權利要求1所述的基於模糊神經網絡的異構網絡融合系統垂直切換方法，其特 徵在於所述的模糊神經網絡階段主要包括模糊化、推理機、去模糊和學習訓練；其中，模 糊化的功能是根據隸屬函數將輸入的、 、 v和具體數值轉化為模糊化語 言的形式，並構成模糊集合；推理機的功能是根據其內部模糊規則庫的推理規則進行邏輯推 理，給出合適的模糊控制量；去模糊的功能是將推理得到的模糊控制量轉化成~和精確 的輸出控制量，精確計算的方法本發明釆用的是加權平均法；學習訓練的功能是根據先前的 樣本值調節網絡輸入層的權值、偏差和輸出層的權值，達到調節激活函數的寬度及其中心位 置的目的，實現對上述二步的控制調節功能；學習訓練結束後，模糊神經網絡記錄新輸入的 D/^、(A:)、力r("、 v和5^以及由該組數據產生的^和 ^用於更新樣本資料庫，使樣本 資料庫中的樣本數據能夠更準確的描述MT的使用環境。
4、 根據權利要求1所述的基亍模糊神經網絡的異構網絡融合系統垂直切換方法，其特 徵在於所述的垂直切換判決階段根據模糊神經網絡輸出的控制量/^和/^，結合網絡當前情況判斷切換因子是否滿足切換觸發條件，選擇最優網絡，同時為了防止桌球效應的發生， 需保證切換時間間隔大於桌球效應時間間隔。
5、根據權利要求1所述的基於模糊神經網絡的異構網絡融合系統垂直切換方法，其特 徵在於模糊神經網絡訓練結束之後，根據模糊神經網絡新的輸入及對應輸出，學習訓練中的 樣本資料庫進行實時更新，作為再次啟動MT的訓練數據。
全文摘要
基於模糊神經網絡的異構網絡融合系統垂直切換方法主要包括預判決預處理、模糊神經網絡處理和垂直切換判決三個階段。首先，通過預判決和預處理減少需要進行後續處理的信號點數，降低系統開銷；其次根據模糊神經網絡理論綜合兩個網絡接收的信號強度差值DRSS(k)、移動終端MT相對於WLAN網絡接入點AP的運動趨勢dir(k)以及運動速度v和WLAN網絡當前可用帶寬BW等多方面因素，動態地產生一組遲滯電平值hy和駐留時間值tdw；最後，根據模糊神經網絡產生的hy和tdw，判斷切換因子是否滿足切換觸發條件並選擇最優網絡。本發明所提供的方法解決了具有多種網絡接入技術的MT在異構網絡融合系統中通過垂直切換方法選擇最優網絡的問題。
文檔編號H04W36/00GK101511111SQ200910029830
公開日2009年8月19日 申請日期2009年3月18日 優先權日2009年3月18日
發明者夏瑋瑋, 宋鐵成, 密 李, 沈連豐, 靜 胡, 波 許 申請人:東南大學