[發明專利]異構無線網絡中優化用戶QoE的動態網絡選擇方法

有效

• 申請號: 201310280666.2
• 申請日: 2013-07-04
• 公開（公告）號: CN103327556A
• 公開（公告）日: 2013-09-25
• 發明（設計）人: 吳啟暉;王金龍;杜智勇;楊盤隆;鄭學強
• 申請（專利權）人: 中國人民解放軍理工大學通信工程學院
• 主分類號: H04W36/30
• 分類號: H04W36/30;H04W28/24
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 夏平

1.一種異構無線網絡中優化用戶QoE的動態網絡選擇方法，其特征是該方法結合傳輸的業務類型和當前用戶接入的網絡，周期的動態更新接入網絡。

2.根據權利要求1所述的異構無線網絡中優化用戶QoE的動態網絡選擇方法，其特征是該方法包括以下步驟：建立三種業務類型的用戶QoE需求函數以及初始化Q學習中變量的步驟；采用Q學習方法進行網絡選擇決策及執行切換的步驟；和Q學習方法中變量更新的步驟。

3.根據權利要求1所述的異構無線網絡中優化用戶QoE的動態網絡選擇方法，其特征是該方法具體包括以下步驟：

步驟1.初始化，完成以下工作：

1.1建立三種業務類型的用戶QoE需求函數，所述的三種業務類型包括視頻業務、音頻業務和彈性業務，QoE需求函數將網絡服務質量性能參數映射成用戶的QoE回報；前述QoE需求函數輸入為QoS參數，輸出為評分值，評分值的取值范圍為1～5，評分越高，代表用戶的體驗好或滿意度高，三種業務對應的QoE需求函數分別如下：

1)視頻業務，記為s_video：視頻業務的QoE取決于接收信號的峰值信躁比P_snr，其QoE

需求函數F_video(P_snr)定義為

Fvideo(Psnr)=4.5-3.51+exp(b1(Psnr-b2))]]>

其中，參數b₁確定QoE的增長速度；參數b₂確定函數的中點位置，即QoE取中間值2.75時所需的峰值信躁比；調整b₁和b₂能夠滿足不同用戶對視頻業務的個性化要求情況；

2)音頻業務，記為s_audio：音頻業務的QoE與數據包的丟包率e和時延d有關，丟包率和時延可以分別由下式計算

e=e_network+(1-e_network)e_playout

d=d_codec+d_playout+d_network

其中，e_network為網絡傳輸中引起的丟包率，e_playout為播放緩沖時的丟包率，d_codec為編碼器產生的時延，d_playout為播放緩沖導致的時延，d_network為網絡傳輸中產生的時延；上述的丟包和時延導致的音頻業務的性能損失I_e和I_d分別為

I_e=γ₁+γ₂ln(1+γ₃e)

I_d=0.024d+0.11(d-177.3)I_{d-177.3}

其中，參數γ₁，γ₂和γ₃取決于采用的編解碼器，時延d的單位為毫秒，177.3毫秒為常用的時延門限值，I_{·}為指示函數，由I_e和I_d導致的總體性能損失定義為R_f指數，

R_f=94.2-I_e-I_d

由R_f指數，得到音頻業務的QoE需求函數F_audio(R_f)

F_audio(R_f)=1+0.035R_f+7·10^-6R_f(R_f-60)(100-R_f)

3)彈性業務，記為s_elastic：彈性業務的QoE與吞吐量θ有關,其QoE需求函數F_elastic(θ)定義為

F_elastic(θ)=b₃log(b₄θ)

給定用戶的最小期望吞吐量θ₁和最大期望吞吐量θ₂，參數b3=1log(b4θ1);]]>

1.2初始化Q學習中的變量：記業務類型集為可用網絡集為定義x=[s,n]∈X為用戶的狀態，x表示的狀態是用戶當前所在網絡為n且新到達的業務對應的類型為s，為用戶狀態空間，為切換目標網絡，即切換到的網絡，初始化Q值為Q(x,n)=0，系統時隙長度為T，初始化網絡切換開銷矩陣其中c_m,n≥0表示從網絡m切換至網絡n的切換開銷，并且c_n,n=0；這里的開銷表征的是網絡切換中產生的協議開銷；

步驟2.采用Q學習方法進行網絡選擇決策及執行切換，完成以下工作：

2.1在第t個時隙的起始時刻，t時隙傳輸的業務類型為s(t)；

2.2結合當前接入的網絡n(t)，得到x(t)=[s(t),n(t)]，并按照下面的規則選擇切換網絡：以概率ε(t)隨機選擇一個網絡接入；以概率1-ε(t)選擇網絡,δ)接入，ε(t)隨著t會變小，始終大于0；

2.3執行網絡切換，建立連接；

步驟3.Q學習方法中變量更新：

3.1建立連接后，進行業務傳輸；

3.2當第t個時隙的傳輸結束，根據所傳輸的業務類型，計算相應業務類型的QoE回報回報即F_s(t)，然后，計算用戶的凈回報r(x(t),δ(t))

r(x(t),δ(t))=F_s(t)-ρc_n(t),δ(t)

其中0≤ρ≤1為開銷權重；

3.3在第t+1時隙的起始時刻，業務類型為s(t+1)，系統狀態轉移到新狀態x(t+1)=[s(t+1),δ(t)]；

3.4按下式更新Q值

其中α_t<1為Q學習中的控制參數，隨t增大而減小，滿足

3.5t=t+1，回到步驟2。