本發(fā)明涉及信息技術(shù)領(lǐng)域，特別是涉及一種選擇異構(gòu)網(wǎng)絡(luò)接入的方法。

背景技術(shù)：

未來的無線通信網(wǎng)絡(luò)將是由2g/3g/4g蜂窩通信系統(tǒng)、ieee802.11無線局域網(wǎng)(wlan)、ieee802.16全球微波互聯(lián)接入(wimax)、無線傳感器網(wǎng)絡(luò)(wsn)和藍(lán)牙等多種無線接入技術(shù)共同組成的異構(gòu)網(wǎng)絡(luò)環(huán)境，支持移動設(shè)備在不同無線網(wǎng)絡(luò)技術(shù)之間的無縫切換及業(yè)務(wù)的連續(xù)性。

多模終端的發(fā)展為用戶充分利用這些網(wǎng)絡(luò)資源，獲得更加豐富的業(yè)務(wù)應(yīng)用及服務(wù)提供了可能。在異構(gòu)環(huán)境中，任何一種無線接入技術(shù)不可能同時滿足用戶大量的不同的業(yè)務(wù)需求，所以在異構(gòu)網(wǎng)絡(luò)中就可以使用戶根據(jù)不同的業(yè)務(wù)需求在不同的網(wǎng)絡(luò)之間進(jìn)行切換選擇，來保證業(yè)務(wù)的qos。例如，3g網(wǎng)絡(luò)能提供較大范圍的覆蓋，但是數(shù)據(jù)速率相對較低；支持多媒體業(yè)務(wù)的qos，但是復(fù)雜度和實(shí)施成本都比較高。相比下來，wlan擁有更寬的頻譜，支持較高的帶寬。wlan工作在免授權(quán)頻段，利用媒體訪問控制(mediumaccesscontrol，mac)協(xié)議提供數(shù)據(jù)業(yè)務(wù)。具有3g網(wǎng)絡(luò)和wlan網(wǎng)絡(luò)接口的移動終端(mobileterminal，mt)，在異構(gòu)融合網(wǎng)絡(luò)中，能夠享有增強(qiáng)型服務(wù)。

但隨著無線通信技術(shù)的不斷發(fā)展以及用戶對多媒體應(yīng)用持續(xù)增長的需求，特別是高質(zhì)量圖像、多媒體視頻的需求。伴隨著移動終端高性能就會引起了高功耗的問題，移動終端對電池電量的需求越來越大。但電池技術(shù)的進(jìn)步相對于這些技術(shù)的發(fā)展來說卻是緩慢的。許多配置較高的智能機(jī)用戶或者是經(jīng)常觀看手機(jī)視頻的移動用戶要經(jīng)常一天充一次電會或半天就充一次電，或者帶著兩塊備用電池才敢移動的尷尬局面。終端的能耗問題成為制約當(dāng)前業(yè)務(wù)應(yīng)用和服務(wù)發(fā)展的瓶頸。

因此如何減少移動終端能量的消耗來延長終端的工作時間，如何合理的使用終端能量，同時合理使用異構(gòu)網(wǎng)絡(luò)的不同特質(zhì)，為用戶提供更好的體驗(yàn)，成為了當(dāng)前研究的熱點(diǎn)問題。

無線終端在能源有限條件下能連續(xù)工作較長時間是業(yè)界所希望的，由于網(wǎng)絡(luò)狀態(tài)、用戶位置等條件的不同，終端接入到不同的網(wǎng)絡(luò)時具有不同的能耗特性，使得異構(gòu)網(wǎng)絡(luò)選擇技術(shù)成為提高終端能量效率的有效途徑之一。

目前異構(gòu)融合網(wǎng)絡(luò)接入選擇的決策方式主要有兩種，一種是網(wǎng)絡(luò)輔助終端側(cè)決策方式。在這種方式中，需要多個異構(gòu)網(wǎng)絡(luò)間的信息交互和控制，增加網(wǎng)絡(luò)的系統(tǒng)開銷，導(dǎo)致系統(tǒng)資源利用率低下。一種是終端輔助網(wǎng)絡(luò)側(cè)決策方式。一般異構(gòu)融合網(wǎng)絡(luò)的接入選擇宜采用這種方式，終端側(cè)負(fù)責(zé)監(jiān)測各個網(wǎng)絡(luò)的鏈路質(zhì)量，并從網(wǎng)絡(luò)側(cè)獲得諸如系統(tǒng)負(fù)載，網(wǎng)絡(luò)可用帶寬等參數(shù)，利用決策算法，做出接入選擇決策。

現(xiàn)有的異構(gòu)融合網(wǎng)絡(luò)接入選擇決策算法有采用單一的判決指標(biāo)，也有采用多種決策因子的。如一種現(xiàn)有技術(shù)中，只將成本函數(shù)作為決策因子。另一種現(xiàn)有技術(shù)中聯(lián)合層次分析法和灰度關(guān)聯(lián)法選擇最合適的接入網(wǎng)絡(luò)，并給出決策因子集，包含qos需求，價格和用戶喜好。這類算法的流程是固定的，決策因子一旦確定就不能自動修改。以能耗為目標(biāo)的網(wǎng)絡(luò)選擇算法在多篇論文中提出。還有的現(xiàn)有技術(shù)中提出通過設(shè)定能耗指標(biāo)來延長電池使用壽命。但鮮有文獻(xiàn)根據(jù)不同業(yè)務(wù)類型進(jìn)行分類處理的。

現(xiàn)有的異構(gòu)融合網(wǎng)絡(luò)中接入選擇決策算法主要有兩種：基于人工智能和模糊邏輯的接入選擇策略和基于多屬性決策的接入選擇策略。

基于人工智能和模糊邏輯的接入選擇決策算法是根據(jù)網(wǎng)絡(luò)性能參數(shù)、狀態(tài)變化等參數(shù)來做出判決策略。這種方法需要大量學(xué)習(xí)用戶行為偏好，過多干預(yù)用戶的同時，也增加了算法的復(fù)雜度，且均較少考慮終端能耗因素。

基于多屬性的接入選擇決策算法主要有，接近理想方案的序數(shù)偏好法(techniquefororderpreferencebysimilaritytoidealsolution，topsis)，層次分析法(analyticalhierarchyprocess，ahp)和灰色關(guān)聯(lián)分析法(greyrelationanalysis，gra)法。基于多屬性的決策算法多采用的方案是ahp-gra多屬性算法和ahp-topsis多屬性算法。而解決多屬性決策問題的許多方法都需要屬性權(quán)重信息，如何確定權(quán)重非常重要。

目前確定屬性權(quán)重的方法可分為：一類是決策者直接給屬性權(quán)重，屬于主觀賦權(quán)法；一類是基于決策矩陣信息的方法，屬于客觀賦權(quán)法。如采用聯(lián)合快速層次分析法和灰度關(guān)聯(lián)法來選擇最合適的接入網(wǎng)絡(luò)。這種算法只考慮了網(wǎng)絡(luò)或者終端的主觀權(quán)重，并未考慮到權(quán)重的客觀性。如果僅用ahp(analytichierarchyprocess)算法求出各屬性的權(quán)重，得到的權(quán)重就具有強(qiáng)烈的用戶主觀性。

以節(jié)省能耗的網(wǎng)絡(luò)選擇方案已在很多文獻(xiàn)中提及，如對實(shí)時和非實(shí)時應(yīng)用采用了不同的能耗指標(biāo)，使移動終端接入到最佳網(wǎng)絡(luò)?；蛘咛岢龅慕K端節(jié)能網(wǎng)絡(luò)選擇算法使用ieeep1900.4協(xié)議對可接入網(wǎng)絡(luò)(rat)進(jìn)行排序，并為即將到來的業(yè)務(wù)選擇最適合的rat。但同時假設(shè)所需業(yè)務(wù)的總數(shù)據(jù)量對所有接入網(wǎng)絡(luò)都是一樣的，單位比特的能耗也都是一樣的。忽略了不同網(wǎng)絡(luò)能耗特性是不一樣的。

綜上所述，片面地依賴部分決策因子，而沒有考慮不同制式網(wǎng)絡(luò)能耗特性的不同，也沒有考慮根據(jù)業(yè)務(wù)類型的不同，決策因子集也做相應(yīng)變化，所以接入選擇決策結(jié)果不一定是最適合的網(wǎng)絡(luò)。

技術(shù)實(shí)現(xiàn)要素：

鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種選擇異構(gòu)網(wǎng)絡(luò)接入的方法，用于移動終端選擇需要接入的異構(gòu)網(wǎng)絡(luò)，包括以下步驟：s1、獲取備選網(wǎng)絡(luò)；s2、判斷所述移動終端的剩余電量是否大于第一預(yù)設(shè)閾值；若是，則采用主客觀權(quán)重調(diào)整算法，選擇最優(yōu)網(wǎng)絡(luò)并接入；若否，則進(jìn)入步驟s3；s3、判斷所述移動終端的剩余電量是否小于第二預(yù)設(shè)閾值若是，則通過綜合評價函數(shù)選出最優(yōu)網(wǎng)絡(luò)并接入；若否，則進(jìn)入步驟s4；s4、對備選網(wǎng)絡(luò)進(jìn)行排序后，將移動終端能量效率的最大化功率作為移動終端接入網(wǎng)絡(luò)的發(fā)射功率接入所述最優(yōu)網(wǎng)絡(luò)。

于本發(fā)明的一實(shí)施例中，所述步驟s1包括步驟：s11、判斷備選網(wǎng)絡(luò)的數(shù)量是否大于1；若否則進(jìn)入步驟s12；若是則進(jìn)入步驟s2；s12、判斷備選網(wǎng)絡(luò)的數(shù)量是否小于1，；若是，則重新掃描監(jiān)測；若否，則將當(dāng)前備選網(wǎng)絡(luò)作為最優(yōu)網(wǎng)絡(luò)并接入。

于本發(fā)明的一實(shí)施例中，獲取備選網(wǎng)絡(luò)的步驟包括：s101、判斷當(dāng)前網(wǎng)絡(luò)強(qiáng)度與周圍其他網(wǎng)絡(luò)的接收信號強(qiáng)度的關(guān)系是否滿足第一預(yù)設(shè)條件；若是，則進(jìn)入步驟s102；若否，則重新掃描；s102、將當(dāng)前網(wǎng)絡(luò)接收信號強(qiáng)度發(fā)送給所述移動終端，所述移動終端通過預(yù)設(shè)算法得出接收到的網(wǎng)絡(luò)負(fù)載情況；s103、判斷網(wǎng)絡(luò)可用帶寬和網(wǎng)絡(luò)總帶寬是否滿足第二預(yù)設(shè)條件；若否，則重新掃描；若是，則得到備選網(wǎng)絡(luò)的集合。

于本發(fā)明的一實(shí)施例中，所述第一預(yù)設(shè)條件為：其中，bava是網(wǎng)絡(luò)可用帶寬，btotal是網(wǎng)絡(luò)總帶寬，r^th為閾值，此處δ表示當(dāng)前網(wǎng)絡(luò)信號接收強(qiáng)度與閾值之間的偏差值；所述第二預(yù)設(shè)條件為：bava≥bminandbava/btotal≥δ；其中，bmin表示所需最小帶寬，此處δ表示帶寬余量閾值；所述預(yù)設(shè)算法為基于網(wǎng)絡(luò)效用的負(fù)載均衡算法。

于本發(fā)明的一實(shí)施例中，所述步驟s3還包括步驟：構(gòu)建綜合評價函數(shù)，選取綜合評價最小的網(wǎng)絡(luò)作為最優(yōu)網(wǎng)絡(luò)；所述綜合評價函數(shù)為：其中，δ，θ表示相對重要程度，且δ+θ＝1，δ，θ＞0，f^pe為能量效率的歸一化處理；其中，f^pe＝(pei-pemin)/(pemax-pemin)；pe為能量效率；wi是頻譜帶寬，pi是輸出功率，gi是信道增益，n0是噪聲功率。

于本發(fā)明的一實(shí)施例中，所述步驟s4包括步驟：s41、通過基于業(yè)務(wù)類型的主客觀權(quán)重調(diào)整算法對所述備選網(wǎng)絡(luò)進(jìn)行排序；s42、通過功率分配算法計(jì)算出所述移動終端能量效率的所述最大化功率；s43、將所述最大化功率作為所述移動終端接入網(wǎng)絡(luò)的發(fā)射功率將所述移動終端接入所述最優(yōu)網(wǎng)絡(luò)。

于本發(fā)明的一實(shí)施例中，所述主客觀權(quán)重調(diào)整算法包括步驟：s21、根據(jù)用戶需求和多種業(yè)務(wù)類型的不同，分配不同的決策因子集；s22、構(gòu)建第一優(yōu)化模型；s23、構(gòu)建第二優(yōu)化模型；s24、結(jié)合所述第一優(yōu)化模型和所述第二優(yōu)化模型構(gòu)建多目標(biāo)優(yōu)化模型；s25、求得屬性的權(quán)重；s26、通過所述屬性的權(quán)重建立評價函數(shù)；s27、通過所述評價函數(shù)計(jì)算評價的值，選擇最小值作為最優(yōu)網(wǎng)絡(luò)。

于本發(fā)明的一實(shí)施例中，所述第一優(yōu)化模型為所述第二優(yōu)化模型為所述多目標(biāo)優(yōu)化模型為所述屬性的權(quán)重為所述評價函數(shù)為其中，s＝{s1，s2，…，st}表示備選網(wǎng)絡(luò)集，p＝{p1，p2，…pn}表示決策因子的合集，a＝(aij)t×n表示決策矩陣，其中αij是備選網(wǎng)絡(luò)si對應(yīng)于屬性pj的一個數(shù)值結(jié)果，其中ω＝(ω1，ω2，…ωn)^t為屬性權(quán)重的向量，其中f^sub表示屬性權(quán)重ωj與決策者給出的權(quán)重之間的總偏差平方和，f^obj是表示備選方案與理想方案之間的偏差平方和；α，β表示相對重要程度，且α+β＝1，α，β＞0；j＝1，2，…，n；，fi為評價的值。

于本發(fā)明的一實(shí)施例中，所述功率分配算法的計(jì)算公式為：其中，ηi≥η，1≤i≤m；p為移動終端的最大發(fā)射功率，η為目標(biāo)信噪。

于本發(fā)明的一實(shí)施例中，所述功率分配算法的求解包括以下步驟：a1、建立所述功率分配算法的計(jì)算公式的拉格朗日函數(shù)：l(pi，λi)＝pe(pi)-λi(pi-p)；a2、初始化拉格朗日乘子λi；a3、通過梯度法計(jì)算功率分配；所述梯度法的計(jì)算表達(dá)式為：pi^k+1＝pi^k-f(pi^k)/f′(pi^k)、λi^k+1＝[λi^k+b(pi^k-p)]⁺；其中，[x]⁺＝max(x，0)，k為第k次迭代，b＞0為更新步長；a4、利用牛頓迭代算法，根據(jù)所述梯度法的計(jì)算表達(dá)式更新a5、判斷是否滿足公式若是，則進(jìn)入步驟a6；若否，則結(jié)束計(jì)算；a6、判斷是否滿足公式若否，則進(jìn)入步驟a7；若是，則結(jié)束計(jì)算；a7、判斷和是否滿足收斂條件若是，則計(jì)算出最優(yōu)解若否，則進(jìn)入步驟a8；其中，ε為極小的正數(shù)；a8、使得k←k+1，轉(zhuǎn)至步驟a3，重復(fù)計(jì)算，直至計(jì)算出最優(yōu)解。

如上所述，本發(fā)明的一種選擇異構(gòu)網(wǎng)絡(luò)接入的方法，具有以下有益效果：

根據(jù)用戶當(dāng)前電量情況的不同，定制不同的接入選擇流程，具有針對性，能夠避免盲目的網(wǎng)絡(luò)選擇，減少不必要的移動終端能量消耗。這樣既滿足了用戶的喜好和不同業(yè)務(wù)類型的請求，同時在保證服務(wù)質(zhì)量的前提下，提高移動終端能量效率，保障移動終端通信的時間更長，業(yè)務(wù)體驗(yàn)更久。

附圖說明

圖1顯示為本發(fā)明選擇異構(gòu)網(wǎng)絡(luò)接入的方法的異構(gòu)融合網(wǎng)絡(luò)架構(gòu)的示意圖。

圖2顯示為本發(fā)明選擇異構(gòu)網(wǎng)絡(luò)接入的方法的一實(shí)施例的流程方框示意圖。

圖3顯示為本發(fā)明選擇異構(gòu)網(wǎng)絡(luò)接入的方法的一實(shí)施例的工作場景示意圖。

圖4顯示為本發(fā)明選擇異構(gòu)網(wǎng)絡(luò)接入的方法的一實(shí)施例中能耗和總傳輸量的關(guān)系的示意圖。

圖5顯示為本發(fā)明選擇異構(gòu)網(wǎng)絡(luò)接入的方法的一實(shí)施例中系統(tǒng)總吞吐量的累計(jì)概率分布曲線。

具體實(shí)施方式

以下通過特定的具體實(shí)例說明本發(fā)明的實(shí)施方式，本領(lǐng)域技術(shù)人員可由本說明書所揭露的內(nèi)容輕易地了解本發(fā)明的其他優(yōu)點(diǎn)與功效。本發(fā)明還可以通過另外不同的具體實(shí)施方式加以實(shí)施或應(yīng)用，本說明書中的各項(xiàng)細(xì)節(jié)也可以基于不同觀點(diǎn)與應(yīng)用，在沒有背離本發(fā)明的精神下進(jìn)行各種修飾或改變。需說明的是，在不沖突的情況下，以下實(shí)施例及實(shí)施例中的特征可以相互組合。

需要說明的是，以下實(shí)施例中所提供的圖示僅以示意方式說明本發(fā)明的基本構(gòu)想，遂圖式中僅顯示與本發(fā)明中有關(guān)的組件而非按照實(shí)際實(shí)施時的組件數(shù)目、形狀及尺寸繪制，其實(shí)際實(shí)施時各組件的型態(tài)、數(shù)量及比例可為一種隨意的改變，且其組件布局型態(tài)也可能更為復(fù)雜。

參見圖1至圖5，。本發(fā)明提供了一種選擇異構(gòu)網(wǎng)絡(luò)接入的方法，用于移動終端選擇需要接入的異構(gòu)網(wǎng)絡(luò)。如圖1所示，圖1顯示為本發(fā)明選擇異構(gòu)網(wǎng)絡(luò)接入的方法的異構(gòu)融合網(wǎng)絡(luò)架構(gòu)的示意圖。本發(fā)明的一實(shí)施例是基于蜂窩無線通信網(wǎng)絡(luò)和wlan網(wǎng)絡(luò)在緊融合網(wǎng)絡(luò)架構(gòu)，但不僅限于此架構(gòu)。如圖2所示，圖2顯示為本發(fā)明選擇異構(gòu)網(wǎng)絡(luò)接入的方法的一實(shí)施例的流程方框示意圖。本發(fā)明包括以下步驟：s1、獲取備選網(wǎng)絡(luò)；s2、判斷所述移動終端的剩余電量是否大于第一預(yù)設(shè)閾值；若是，則采用主客觀權(quán)重調(diào)整算法，選擇最優(yōu)網(wǎng)絡(luò)并接入；若否，則進(jìn)入步驟s3；s3、判斷所述移動終端的剩余電量是否小于第二預(yù)設(shè)閾值；若是，則通過綜合評價函數(shù)選出最優(yōu)網(wǎng)絡(luò)并接入；若否，則進(jìn)入步驟s4；s4、對備選網(wǎng)絡(luò)進(jìn)行排序后，將移動終端能量效率的最大化功率作為移動終端接入網(wǎng)絡(luò)的發(fā)射功率接入所述最優(yōu)網(wǎng)絡(luò)。本發(fā)明面向異構(gòu)融合網(wǎng)絡(luò)場景，在充分考慮移動終端所處的不同電量模式(高電量、中電量、低電量)前提下，為保障終端可以準(zhǔn)確高效地接入最合適的無線接入網(wǎng)絡(luò)，所提出的一種提高終端能量效率的異構(gòu)融合網(wǎng)絡(luò)接入選擇方法。移動終端首先根據(jù)接收信號強(qiáng)度和負(fù)載均衡算法，得到備選網(wǎng)絡(luò)集。其次采用分層過濾方法，根據(jù)移動終端的剩余電量情況，判斷是高電量、中電量，還是低電量模式。根據(jù)模式的不同，進(jìn)入不同的決策流程。若剩余電量大于第一預(yù)設(shè)閾值時(高電量模式)，根據(jù)用戶需求和多種業(yè)務(wù)類型的不同，分配不同的決策因子集，采用所提的基于業(yè)務(wù)類型的主客觀權(quán)重調(diào)整算法，達(dá)到不同類型的業(yè)務(wù)接入各自的最優(yōu)網(wǎng)絡(luò)。若剩余電量小于第二預(yù)設(shè)閾值時(低電量模式)，為了保障移動終端可以通信的更長，建立聯(lián)合能量效率和主客觀權(quán)重調(diào)整算法的綜合評價函數(shù)。選出最優(yōu)網(wǎng)絡(luò)，快速接入。若大于第二預(yù)設(shè)閾值剩余電量小于第一預(yù)設(shè)閾值時(中電量模式)，首先根據(jù)用戶需求和業(yè)務(wù)類型的不同，采用基于業(yè)務(wù)類型的主客觀權(quán)重調(diào)整算法，對多種備選網(wǎng)絡(luò)進(jìn)行整理排序。其次，在保證服務(wù)質(zhì)量的前提下，建立以移動終端能量效率最大化為目標(biāo)的功率分配算法，將已分配的功率作為發(fā)射功率，接入網(wǎng)絡(luò)。這樣在滿足用戶不同業(yè)務(wù)類型請求的同時，也能夠在保證服務(wù)質(zhì)量的前提下，控制終端發(fā)射功率，降低能耗。本發(fā)明可以根據(jù)用戶當(dāng)前電量情況的不同，定制不同的接入選擇流程，具有針對性，能夠避免盲目的網(wǎng)絡(luò)選擇，減少不必要的移動終端能量消耗。這樣既滿足了用戶的喜好和不同業(yè)務(wù)類型的請求，同時在保證服務(wù)質(zhì)量的前提下，提高移動終端能量效率，保障移動終端通信的時間更長，業(yè)務(wù)體驗(yàn)更久。

進(jìn)一步地，所述步驟s1包括步驟：s11、判斷備選網(wǎng)絡(luò)的數(shù)量是否大于1；若否則進(jìn)入步驟s12；若是則進(jìn)入步驟s2；s12、判斷備選網(wǎng)絡(luò)的數(shù)量是否小于1，；若是，則重新掃描監(jiān)測；若否，則將當(dāng)前備選網(wǎng)絡(luò)作為最優(yōu)網(wǎng)絡(luò)并接入。

此外，在獲取備選網(wǎng)絡(luò)的過程中，獲取備選網(wǎng)絡(luò)還包括步驟：s101、判斷當(dāng)前網(wǎng)絡(luò)強(qiáng)度與周圍其他網(wǎng)絡(luò)的接收信號強(qiáng)度的關(guān)系是否滿足第一預(yù)設(shè)條件；若是，則進(jìn)入步驟s102；若否，則重新掃描；在本發(fā)明的一優(yōu)選實(shí)施例中，所述第一預(yù)設(shè)條件為：其中，bava是網(wǎng)絡(luò)可用帶寬，btotal是網(wǎng)絡(luò)總帶寬，r^th為閾值，此處δ表示當(dāng)前網(wǎng)絡(luò)信號接收強(qiáng)度與閾值之間的偏差值。s102、將當(dāng)前網(wǎng)絡(luò)接收信號強(qiáng)度發(fā)送給所述移動終端，所述移動終端通過預(yù)設(shè)算法得出接收到的網(wǎng)絡(luò)負(fù)載情況；在本發(fā)明的一優(yōu)選實(shí)施例中，所述預(yù)設(shè)算法為基于網(wǎng)絡(luò)效用的負(fù)載均衡算法。s103、判斷網(wǎng)絡(luò)可用帶寬和網(wǎng)絡(luò)總帶寬是否滿足第二預(yù)設(shè)條件；若否，則重新掃描；若是，則得到備選網(wǎng)絡(luò)的集合。在本發(fā)明的一優(yōu)選實(shí)施例中，所述第二預(yù)設(shè)條件為：bava≥bminandbava/btotal≥δ；其中，bmin表示所需最小帶寬，此處δ表示帶寬余量閾值。例如，移動終端周期性掃描和監(jiān)測，假設(shè)當(dāng)前網(wǎng)絡(luò)信號強(qiáng)度為rcur，周圍其他網(wǎng)絡(luò)的接收信號強(qiáng)度為rava，若滿足下列條件：

其中r^th為閾值，δ表示當(dāng)前網(wǎng)絡(luò)信號接收強(qiáng)度與閾值之間的偏差值。將網(wǎng)絡(luò)接收信號強(qiáng)度發(fā)送給移動終端，終端通過采用基于網(wǎng)絡(luò)效用的負(fù)載均衡算法，得出接收到的網(wǎng)絡(luò)負(fù)載情況。假設(shè)bava是網(wǎng)絡(luò)可用帶寬，btotal是網(wǎng)絡(luò)總帶寬。若滿足下列條件：

bava≥bminandbava/btotal≥δ；

其中bmin表示所需最小帶寬，δ表示帶寬余量閾值。由此得到備選網(wǎng)絡(luò)集st。若num＜1，表示沒有備選網(wǎng)絡(luò)可選，重新掃面檢測。若num≥1，則備選網(wǎng)絡(luò)不止一個，若num＝1，則備選網(wǎng)絡(luò)只有一個，只能快速接入。否則，根據(jù)移動終端的剩余電量情況，進(jìn)入不同的決策流程。

在本發(fā)明的一實(shí)施例中，具體篩選步驟如下：步驟1：首先判斷備選網(wǎng)絡(luò)集的數(shù)目，若為1，則將備選網(wǎng)絡(luò)作為最適合網(wǎng)絡(luò)接入。若備選網(wǎng)絡(luò)集大于1時，進(jìn)入步驟2，否則重新掃描監(jiān)測。步驟2：判斷移動在終端剩余電量情況，若剩余電量大于第一預(yù)設(shè)閾值時，進(jìn)入步驟3；若剩余電量小于第二預(yù)設(shè)閾值時，進(jìn)入步驟4。步驟3：采用基于業(yè)務(wù)類型的主客觀權(quán)重調(diào)整算法，對備選網(wǎng)絡(luò)進(jìn)行排序。對高電量的移動終端，根據(jù)業(yè)務(wù)類型不同各自接入不同的最優(yōu)網(wǎng)絡(luò)。對于介于高低電量模式的移動終端，根據(jù)備選網(wǎng)絡(luò)的排序，進(jìn)入步驟5。步驟4：建立聯(lián)合能量效率和主客觀權(quán)重調(diào)整算法的綜合評價函數(shù)，選出最優(yōu)網(wǎng)絡(luò)，快速接入。步驟5：在保證服務(wù)質(zhì)量的前提下，建立以移動終端能量效率最大化為目標(biāo)的功率分配算法，將已分配的功率作為發(fā)射功率，接入網(wǎng)絡(luò)。這樣在滿足用戶不同業(yè)務(wù)類型請求的同時，也能夠在保證服務(wù)質(zhì)量的前提下，控制終端發(fā)射功率，降低能耗。

本發(fā)明的一實(shí)施例中，所述步驟s3還包括步驟：構(gòu)建綜合評價函數(shù)，選取綜合評價最小的網(wǎng)絡(luò)作為最優(yōu)網(wǎng)絡(luò)；

所述綜合評價函數(shù)為：其中，δ，θ表示相對重要程度，且δ+θ＝1，δ，θ＞0，f^pe為能量效率的歸一化處理；其中，f^pe＝(pei-pemin)/(pemax-pemin)；pe為能量效率；wi是頻譜帶寬，pi是輸出功率，gi是信道增益，n0是噪聲功率。

例如，對于低電量模式的移動終端，為了保障可以通信的更長，建立聯(lián)合能量效率和主客觀權(quán)重調(diào)整算法的綜合評價函數(shù)。選出最優(yōu)網(wǎng)絡(luò)，快速接入。

得到的屬性權(quán)重同時包含主觀信息和客觀信息。建立如下綜合評價函數(shù)：

計(jì)算得到fi值，選擇最小值作為最優(yōu)網(wǎng)絡(luò)。其中δ，θ表示相對重要程度，且δ+θ＝1，δ，θ＞0。pe為能量效率，以蜂窩網(wǎng)絡(luò)為例，能量效率表達(dá)式為：

其中，wi是頻譜帶寬，pi是輸出功率，gi是信道增益，n0是噪聲功率，對能量效率進(jìn)行歸一化處理：

f^pe＝(pei-pemin)/(pemax-pemin)。

進(jìn)一步地，所述步驟s4包括步驟：s41、通過基于業(yè)務(wù)類型的主客觀權(quán)重調(diào)整算法對所述備選網(wǎng)絡(luò)進(jìn)行排序；s42、通過功率分配算法計(jì)算出所述移動終端能量效率的所述最大化功率；s43、將所述最大化功率作為所述移動終端接入網(wǎng)絡(luò)的發(fā)射功率將所述移動終端接入所述最優(yōu)網(wǎng)絡(luò)。對于介于高低電量之間的模式，根據(jù)基于業(yè)務(wù)類型的主客觀權(quán)重調(diào)整算法，得到多種備選網(wǎng)絡(luò)排序后。還需要在保證服務(wù)質(zhì)量的前提下，建立以移動終端能量效率最大化為目標(biāo)的功率分配算法，功率最優(yōu)解作為發(fā)射功率，接入網(wǎng)絡(luò)。這樣既滿足了用戶的喜好和業(yè)務(wù)的請求，同時在保證服務(wù)質(zhì)量的前提下，提高移動終端能量效率。

本發(fā)明的一實(shí)施例中，所采用的的主客觀權(quán)重調(diào)整算法包括步驟：s21、根據(jù)用戶需求和多種業(yè)務(wù)類型的不同，分配不同的決策因子集；s22、構(gòu)建第一優(yōu)化模型；在本發(fā)明的一優(yōu)選實(shí)施例中，所述第一優(yōu)化模型為s23、構(gòu)建第二優(yōu)化模型；在本發(fā)明的一優(yōu)選實(shí)施例中，所述第二優(yōu)化模型為s24、結(jié)合所述第一優(yōu)化模型和所述第二優(yōu)化模型構(gòu)建多目標(biāo)優(yōu)化模型；在本發(fā)明的一優(yōu)選實(shí)施例中，所述多目標(biāo)優(yōu)化模型為s25、求得屬性的權(quán)重；在本發(fā)明的一優(yōu)選實(shí)施例中，通過上述模型可以計(jì)算出屬性的權(quán)重為s26、通過所述屬性的權(quán)重建立評價函數(shù)；在本發(fā)明的一優(yōu)選實(shí)施例中，建立的所述評價函數(shù)為s27、通過所述評價函數(shù)計(jì)算評價的值，選擇最小值作為最優(yōu)網(wǎng)絡(luò)。這其中，s＝{s1，s2，…，st}表示備選網(wǎng)絡(luò)集，p＝{p1，p2，…pn}表示決策因子的合集，a＝(aij)t×n表示決策矩陣，其中aij是備選網(wǎng)絡(luò)si對應(yīng)于屬性pj的一個數(shù)值結(jié)果，其中ω＝(ω1，ω2，…ωn)^t為屬性權(quán)重的向量，其中f^sub表示屬性權(quán)重ωj與決策者給出的權(quán)重之間的總偏差平方和，f^obj是表示備選方案與理想方案之間的偏差平方和；α，β表示相對重要程度，且α+β＝1，α，β＞0；j＝1，2，…，n；，fi為評價的值。

例如，主客觀權(quán)重調(diào)整算法中，首先根據(jù)用戶需求和多種業(yè)務(wù)類型的不同，分配不同的決策因子集，其次，將網(wǎng)絡(luò)選擇問題構(gòu)建為多目標(biāo)優(yōu)化模型，移動終端作為決策者，最終的目的是從備選網(wǎng)絡(luò)中選擇最合適的網(wǎng)絡(luò)，達(dá)到不同類型的業(yè)務(wù)接入各自的最優(yōu)網(wǎng)絡(luò)。

假設(shè)s＝{s1，s2，…，st}表示備選網(wǎng)絡(luò)集，p＝{p1，p2，…pn}表示決策因子(n個屬性的集合)，并假設(shè)這些屬性是客觀獨(dú)立的。a＝(aij)t×n表示決策矩陣，其中αij是備選網(wǎng)絡(luò)si對應(yīng)于屬性pj的一個數(shù)值結(jié)果，其中我們定義ω＝(ω1，ω2，…ωn)^t為屬性權(quán)重的向量，其中決策者最終的目標(biāo)是從st中選擇最優(yōu)網(wǎng)絡(luò)。

考慮決策者已經(jīng)直接給出屬性的權(quán)重為為保障移動終端可以保持長時間通信，決策者可以自適應(yīng)地調(diào)整權(quán)重。為了確定主觀屬性的權(quán)重，我們構(gòu)建了下列優(yōu)化模型：

其中，f^sub表示屬性權(quán)ωj重與決策者給出的權(quán)重之間的總偏差平方和，找到一個權(quán)重向量ω，使f^sub最小。

根據(jù)移動終端的電量變化情況調(diào)整能耗的屬性權(quán)重，同時引入移動終端的上下行鏈路的能耗，作為網(wǎng)絡(luò)選擇的決策因子，以保障低電量模式的移動終端可以通信的過程更長。為了確定屬性的權(quán)重，我們建立下列優(yōu)化模型：

其中，f^obj是表示備選方案與理想方案之間的偏差平方和找到一個權(quán)重向量ω，使f^obj最小。是屬性pj的理想值，根據(jù)業(yè)務(wù)屬性不同，表示取最小值效果更好。相反，有些屬性越大越好，如帶寬，所以

為了確保屬性權(quán)重同時包含主觀信息和客觀信息。然后構(gòu)建了多目標(biāo)優(yōu)化模型：

找到一個權(quán)重向量，使得f^sub和f^obj同時達(dá)到最小。α，β表示相對重要程度，且α+β＝1，α，β＞0。通過求解，得到屬性的權(quán)重為：

其中，得到的屬性權(quán)重同時包含主觀信息和客觀信息。為得到最優(yōu)網(wǎng)絡(luò)，我們建立如下評價函數(shù)：

得到fi值，選擇最小值作為最優(yōu)網(wǎng)絡(luò)。

在本發(fā)明的一優(yōu)選實(shí)施例中，所述功率分配算法的計(jì)算公式為：

其中，ηi≥η，1≤i≤m；p為移動終端的最大發(fā)射功率，η為目標(biāo)信噪。

所述功率分配算法的求解包括以下步驟：

a1、建立所述功率分配算法的計(jì)算公式的拉格朗日函數(shù)：l(pi，λi)＝pe(pi)-λi(pi-p)；

a2、初始化拉格朗日乘子λi；

a3、通過梯度法計(jì)算功率分配；

所述梯度法的計(jì)算表達(dá)式為：pi^k+1＝pi^k-f(pi^k)/f′(pi^k)、λi^k+1＝[λi^k+b(pi^k-p)]⁺；

其中，[x]⁺＝max(x，0)，k為第k次迭代，b＞0為更新步長；

a4、利用牛頓迭代算法，根據(jù)所述梯度法的計(jì)算表達(dá)式更新

a5、判斷是否滿足公式若是，則進(jìn)入步驟a6；若否，則結(jié)束計(jì)算；

a6、判斷是否滿足公式pi^k+1＝0；若否，則進(jìn)入步驟a7；若是，則結(jié)束計(jì)算；

a7、判斷和是否滿足收斂條件若是，則計(jì)算出最優(yōu)解若否，則進(jìn)入步驟a8；其中，ε為極小的正數(shù)；

a8、使得k←k+1，轉(zhuǎn)至步驟a3，重復(fù)計(jì)算，直至計(jì)算出最優(yōu)解。

以下以一實(shí)施例作為說明，異構(gòu)融合網(wǎng)絡(luò)中，移動終端勻速在wlan和umts間移動，工作場景如圖3所示，umts覆蓋整個區(qū)域。假設(shè)umts和wlan1，wlan2，wlan3的覆蓋半徑分別為1000米，200米，180米和200米。移動終端移動速度是10m/s。假設(shè)移動終端從a移動到d，這里假設(shè)移動終端是低電量模式，系統(tǒng)參數(shù)如表1所示。

表1系統(tǒng)參數(shù)

通過上述選擇方法計(jì)算，可以得出如圖4所示的能耗和總傳輸數(shù)據(jù)量之間的關(guān)系變化圖，圖4中同時給出了傳統(tǒng)算法和ahp算法的結(jié)果進(jìn)行對比。由圖4可知，隨著傳輸數(shù)據(jù)量的增加，能耗也在增加。所提算法由于考慮了移動終端的電量消耗情況，并將上下行鏈路的能耗作為選擇最優(yōu)網(wǎng)絡(luò)的決策因子，所以，傳輸相同數(shù)據(jù)量時，所提算法所消耗的能量要遠(yuǎn)低于其他兩種算法，甚至超過3倍。因此，提高了移動終端的能量效率。

如圖5所示，圖5顯示為本發(fā)明選擇異構(gòu)網(wǎng)絡(luò)接入的方法的一實(shí)施例中系統(tǒng)總吞吐量的累計(jì)概率分布曲線?？梢钥闯?，所提算法在選擇最優(yōu)網(wǎng)絡(luò)時，同時考慮了主觀權(quán)重和客觀權(quán)重，以及能耗信息，選擇接入的網(wǎng)絡(luò)最適合當(dāng)前實(shí)際場景，所以在提高系統(tǒng)的總吞吐量方面有很大優(yōu)勢。

綜上所述，本發(fā)明的一種選擇異構(gòu)網(wǎng)絡(luò)接入的方法，根據(jù)用戶當(dāng)前電量情況的不同，定制不同的接入選擇流程，具有針對性，能夠避免盲目的網(wǎng)絡(luò)選擇，減少不必要的移動終端能量消耗。這樣既滿足了用戶的喜好和不同業(yè)務(wù)類型的請求，同時在保證服務(wù)質(zhì)量的前提下，提高移動終端能量效率，保障移動終端通信的時間更長，業(yè)務(wù)體驗(yàn)更久。所以，本發(fā)明有效克服了現(xiàn)有技術(shù)中的種種缺點(diǎn)而具高度產(chǎn)業(yè)利用價值。

上述實(shí)施例僅例示性說明本發(fā)明的原理及其功效，而非用于限制本發(fā)明。任何熟悉此技術(shù)的人士皆可在不違背本發(fā)明的精神及范疇下，對上述實(shí)施例進(jìn)行修飾或改變。因此，舉凡所屬技術(shù)領(lǐng)域中具有通常知識者在未脫離本發(fā)明所揭示的精神與技術(shù)思想下所完成的一切等效修飾或改變，仍應(yīng)由本發(fā)明的權(quán)利要求所涵蓋。