[發(fā)明專利]自適應多準則模糊邏輯的5G異構網絡切換決策方法

有效

• 申請?zhí)枺?/td>: 202010014344.3
• 申請日: 2020-01-07
• 公開（公告）號: CN111200855B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設計）人: 程方;劉浩東
• 申請（專利權）人: 重慶郵電大學
• 主分類號: H04W36/14
• 分類號: H04W36/14;H04W36/22
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

1.一種自適應多準則模糊邏輯的5G異構網絡切換決策方法，其特征在于：令用戶移動端所處位置處所有能接收到服務的覆蓋網絡均為其候選網絡，將每個候選網絡的相關決策參數分別交由五個模塊引擎同時進行處理，每個候選網絡的最終得分由五個模糊引擎共同決定，根據每個候選網絡的最終得分選出最佳網絡執(zhí)行切換，自適應模糊邏輯切換決策步驟如下：

S1：業(yè)務分類及優(yōu)先級排序：不同業(yè)務的主要決策參數和優(yōu)先級不同，由應用標識判定業(yè)務類型并決定切換判決執(zhí)行的先后順序；

S2：模糊化過程：將模糊引擎的輸入值模糊化轉化成模糊數據，以語言的形式標識模糊集里每個成員的值；

S3：模糊推理過程：使用IF-THEN規(guī)則，根據輸入參數或輸入模糊隸屬度FMFs的值，生成聚合的模糊化數據；

S4：定義模糊引擎行為：模糊規(guī)則包含基于IF-THEN規(guī)則形式的決策參數之間所有可能的關系，不同數量的決策參數所需模糊規(guī)則也不一樣；

S5：去模糊化過程：將模糊數據轉化為明確數值，去模糊化的方法包括質心法，最大平均法，加權平均法；

S6：將每個候選網絡的相關決策參數分別交由五個模塊引擎同時進行步驟S1-S5的處理，共同決定每個候選網絡的最終分數，最終分值D值最高的候選網絡即為所選目標切換網絡；

以延遲LA、丟包率PL、可用帶寬B_AV三個決策參數作為綜合服務質量模糊引擎AQ的輸入，相對應的模糊集的輸入變量分別定義為每個輸入存在三種模糊隸屬度函數，需要3³＝27條模糊規(guī)則定義模糊引擎的行為，模糊引擎輸出有五種模糊度隸屬函數；聚合的模糊化數據被定義為：

再利用質心法執(zhí)行去模糊化過程，將聚合的模糊化數據轉化為明確分值，A值表示為：

所述延遲LA是指一項服務從網絡入口到出口的平均經過時間；所述丟包率PL是指一個或多個數據數據包的數據無法透過網上到達目的網絡；所述可用帶寬B_AV是指可提供用戶網絡數據服務的帶寬；

以A值、接收信號強度RSS兩個決策參數作為網絡服務質量模糊引擎NQ的輸入，相對應的模糊集的輸入變量分別定義為每個輸入存在三種模糊隸屬度函數，需要3²＝9條模糊規(guī)則定義模糊引擎的行為，模糊引擎輸出有五種模糊度隸屬函數；聚合的模糊化數據被定義為：

再利用質心法執(zhí)行去模糊化過程，將聚合的模糊化數據轉化為明確分值，N值表示為：

所述接收信號強度RSS是指接收方接收到發(fā)送方發(fā)射信號的強度；

以移動速度VE、小區(qū)覆蓋CO兩個決策參數作為移動服務質量模糊引擎MQ的輸入，相對應的模糊集的輸入變量分別定義為每個輸入存在三種模糊隸屬度函數，需要3²＝9條模糊規(guī)則定義模糊引擎的行為，模糊引擎輸出有五種模糊度隸屬函數；聚合的模糊化數據被定義為：

再利用質心法執(zhí)行去模糊化過程，將聚合的模糊化數據轉化為明確分值，M值表示為：

所述移動速度VE是指用戶端在小區(qū)中移動的速度；所述小區(qū)覆蓋CO是指小區(qū)最大網絡覆蓋能力；

以服務成本SC、電池壽命BL兩個決策參數作為成本模糊引擎SQ的輸入，相對應的模糊集的輸入變量分別定義為每個輸入存在三種模糊隸屬度函數，需要3²＝9條模糊規(guī)則定義模糊引擎的行為，模糊引擎輸出有五種模糊度隸屬函數；聚合的模糊化數據被定義為：

再利用質心法執(zhí)行去模糊化過程，將聚合的模糊化數據轉化為明確分值，C值表示為：

所述服務成本SC是指為用戶提供網絡服務時產生的費用；所述電池壽命BL是指使用產品可供使用的時間期限；

以N、M、C三個模糊引擎的輸出作為用戶滿意度模糊引擎DS的輸入，相對應的模糊集的輸入變量分別定義為每個輸入存在三種模糊隸屬度函數，需要3³＝27條模糊規(guī)則定義模糊引擎的行為，模糊引擎輸出有五種模糊度隸屬函數；聚合的模糊化數據被定義為：

再利用質心法執(zhí)行去模糊化過程，將聚合的模糊化數據轉化為明確分值，D值表示為：

2.根據權利要求1所述的自適應多準則模糊邏輯的5G異構網絡切換決策方法，其特征在于：NQ選擇器周期性地以足夠的頻率嗅探進入的信息包來檢測流量活動，通過接收來自應用層標識判定流量類型，選擇相應的模糊引擎。