專利名稱：基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的接入網(wǎng)絡(luò)選擇方法
技術(shù)領(lǐng)域：
本發(fā)明屬于通信技術(shù)領(lǐng)域，涉及一種認(rèn)知無線網(wǎng)絡(luò)環(huán)境中接入網(wǎng)絡(luò)選擇方法，可 用于異構(gòu)網(wǎng)絡(luò)條件下的用戶接入網(wǎng)絡(luò)選擇。
背景技術(shù)：
近年來，無線通信行業(yè)得到了較大的發(fā)展，各種無線接入技術(shù)的涌現(xiàn)組成了一個 復(fù)雜的異構(gòu)無線網(wǎng)絡(luò)環(huán)境。同時人們對無線業(yè)務(wù)服務(wù)質(zhì)量的要求也越來越高，希望能夠隨 時隨地的獲得網(wǎng)絡(luò)服務(wù)。然而，任意一個網(wǎng)絡(luò)由于其覆蓋范圍及帶寬等原因都不可能滿足 全部用戶的需求。因此，如何為用戶確定一個最佳的接入網(wǎng)絡(luò)來滿足其業(yè)務(wù)需求就顯得極 為重要。所有的網(wǎng)絡(luò)選擇方法都是依據(jù)一定的策略和算法對不同的候選無線網(wǎng)絡(luò)進行優(yōu) 先級排序。用戶總是期望獲得最大的帶寬，最小的端到端時延，最好的QoS，最小的能量消耗 和最少的資費等，因此這是一個典型的多目標(biāo)決策問題。最佳的網(wǎng)絡(luò)選擇必須綜合考慮三 方面的因素網(wǎng)絡(luò)參數(shù)、技術(shù)指標(biāo)和用戶需求。網(wǎng)絡(luò)參數(shù)包括網(wǎng)絡(luò)覆蓋范圍、支持的業(yè)務(wù) 類型、收費情況等；技術(shù)指標(biāo)包括用戶接收到的信號強度、網(wǎng)絡(luò)的負(fù)載狀況等；用戶需求 包括用戶支持的接口技術(shù)、移動速度、電池容量和支付能力等。網(wǎng)絡(luò)選擇問題在實現(xiàn)過程 中又可以分為三部分信息收集、選擇目標(biāo)網(wǎng)絡(luò)和接入執(zhí)行。根據(jù)其實現(xiàn)方式又可以分為終 端主導(dǎo)模式和網(wǎng)絡(luò)主導(dǎo)模式。認(rèn)知網(wǎng)絡(luò)具有一個認(rèn)知過程能夠感知當(dāng)前網(wǎng)絡(luò)狀態(tài)，并能夠在此基礎(chǔ)之上計劃、 決策和執(zhí)行。它能夠在自適應(yīng)過程中學(xué)習(xí)并且應(yīng)用于未來的決策，在整個過程中都要考慮 到用戶的端到端性能。在一個認(rèn)知異構(gòu)無線網(wǎng)絡(luò)環(huán)境中，用戶和基站都具有認(rèn)知功能，能夠 感知網(wǎng)絡(luò)環(huán)境狀態(tài)。因此，當(dāng)攜帶多模終端的移動用戶發(fā)起業(yè)務(wù)請求時，如何充分發(fā)揮系統(tǒng) 的認(rèn)知功能，為用戶選擇一個最佳的接入網(wǎng)絡(luò)成為一個關(guān)鍵的問題。過去很多文獻都提到了異構(gòu)網(wǎng)絡(luò)環(huán)境中接入網(wǎng)絡(luò)選擇的策略方法，如Wei Shen ^h IEEE Transactions On Vehicular Technology,2008,57 (6) 3778-3788 《Cost-Function-Based Network Selection Strategy in Integrated Wireless and MobileNetworks》一文中提出了基于代價函數(shù)的方法，綜合考慮了用戶接收到各網(wǎng)絡(luò) 的信號強度信息和各網(wǎng)絡(luò)的負(fù)載情況。但是該方法沒有考慮到所獲得的信號強度和網(wǎng) 絡(luò)負(fù)載信息可能是不確定的，同時也沒有考慮到網(wǎng)絡(luò)選擇過程中網(wǎng)絡(luò)參數(shù)和用戶需求 等。LorenzaGiupponi 在 IEEE Transactions On Vehicular Technology,2008,57 (3) 1789-1805 《A NovelApproach for Joint Radio Resource Management Based on Fuzzy Neural Methodology》中提出了基于模糊邏輯和多目標(biāo)決策的網(wǎng)絡(luò)選擇方法，考慮到影響 網(wǎng)絡(luò)決策的參數(shù)的不確定性，引入了模糊邏輯進行處理。但是模糊邏輯中的推理規(guī)則集合 完全依靠經(jīng)驗和先驗知識確定，具有很強的主觀性，實際應(yīng)用中可能會受到很大影響。同 時應(yīng)用模糊推理的計算量較大，需要很強的計算能力。Qingyang Song在IEEE wireless communications 12(3) :42_48《Network selection in an integrated wireless LAN andUMTS environment usingmathematical modeling and computing techniques))中提出了 一種基于層次分析法和灰度關(guān)聯(lián)法兩種數(shù)學(xué)模型的相結(jié)合的方法來選擇接入網(wǎng)絡(luò)，該方法 將接入網(wǎng)絡(luò)選擇過程中的大量參數(shù)綜合在一起，通過為不同參數(shù)分配不同的權(quán)重，最后進 行加權(quán)選擇最佳網(wǎng)絡(luò)。該方法計算量較大，同樣沒有考慮影響網(wǎng)絡(luò)選擇決策參數(shù)不確定性 的影響。此外，目前的網(wǎng)絡(luò)選擇策略都沒有考慮到網(wǎng)絡(luò)負(fù)載隨時間變化的情況，決策的結(jié) 果都是僅選擇在接入時刻最佳的網(wǎng)絡(luò)，并沒有考慮接入時刻之后網(wǎng)絡(luò)負(fù)載的變化情況對用 戶性能產(chǎn)生的影響。

發(fā)明內(nèi)容
本發(fā)明針對上述現(xiàn)有接入網(wǎng)絡(luò)選擇策略的不足，在引入集成BP神經(jīng)網(wǎng)絡(luò)預(yù)測各 候選網(wǎng)絡(luò)未來負(fù)載的變化趨勢的基礎(chǔ)上，提出一種基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的接入網(wǎng)絡(luò)選 擇方法，以綜合考慮網(wǎng)絡(luò)的技術(shù)指標(biāo)、網(wǎng)絡(luò)參數(shù)和用戶需求，抵抗影響網(wǎng)絡(luò)選擇參數(shù)的不確 定性，降低對先驗知識的依賴性和計算復(fù)雜度；同時預(yù)測網(wǎng)絡(luò)未來負(fù)載的變化趨勢，使得所 選擇的網(wǎng)絡(luò)在用戶的整個服務(wù)時間內(nèi)整體最優(yōu)，降低用戶服務(wù)過程中的中斷概率，實現(xiàn)為 用戶選擇最佳接入的網(wǎng)絡(luò)。實現(xiàn)本發(fā)明目的的技術(shù)關(guān)鍵在于利用集成BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測各候選網(wǎng)絡(luò)未來 負(fù)載的變化趨勢和采用模糊邏輯處理影響網(wǎng)絡(luò)決策參數(shù)的不確定性。具體的實現(xiàn)步驟包括 如下(1)各候選網(wǎng)絡(luò)基站收集其所在網(wǎng)絡(luò)的當(dāng)前負(fù)載信息；用戶檢測各個候選網(wǎng)絡(luò)的 信號強度，并將得到的信號強度信息通過無線使能器告知給相應(yīng)網(wǎng)絡(luò)的基站；(2)各基站根據(jù)其所在網(wǎng)絡(luò)的歷史負(fù)載信息和收集到的當(dāng)前負(fù)載情況，利用集成 BP神經(jīng)網(wǎng)絡(luò)算法對所在網(wǎng)絡(luò)未來負(fù)載的變化趨勢進行預(yù)測；(3)基站對網(wǎng)絡(luò)當(dāng)前負(fù)載和未來負(fù)載的預(yù)測值，及用戶接收信號強度信息分別進 行歸一化處理和模糊處理；(4)各個基站根據(jù)模糊處理之后網(wǎng)絡(luò)負(fù)載和用戶接收信號的強度，利用代價函數(shù) 計算每個候選網(wǎng)絡(luò)的技術(shù)指標(biāo)；(5)基站根據(jù)其所在網(wǎng)絡(luò)的技術(shù)指標(biāo)和網(wǎng)絡(luò)參數(shù)及用戶需求，采用多目標(biāo)決策計 算其所在網(wǎng)絡(luò)的適宜接入度；(6)各個基站將其所在網(wǎng)絡(luò)的適宜接入度通過無線使能器傳遞給用戶；(7)用戶比較各個候選網(wǎng)絡(luò)的適宜接入度大小，最終選擇適宜接入度最大的網(wǎng)絡(luò) 作為目標(biāo)網(wǎng)絡(luò)。本發(fā)明與現(xiàn)有技術(shù)相比具有如下主要優(yōu)點(1)本發(fā)明由于采用集成BP神經(jīng)網(wǎng)絡(luò)算法，能夠較好的預(yù)測各個候選網(wǎng)絡(luò)未來負(fù) 載的變化趨勢，使得所選擇的目標(biāo)網(wǎng)絡(luò)不在是接入時刻最優(yōu)，而是在用戶整個服務(wù)時間內(nèi) 整體最優(yōu)，從而降低了用戶服務(wù)過程中的中斷概率；(2)本發(fā)明由于采用了模糊邏輯抵抗影響網(wǎng)絡(luò)選擇參數(shù)的不確定性，從而降低了 用戶接入網(wǎng)絡(luò)的阻塞概率；(3)本發(fā)明由于綜合考慮網(wǎng)絡(luò)的技術(shù)指標(biāo)、網(wǎng)絡(luò)參數(shù)和用戶需求，所選擇的目標(biāo)網(wǎng)絡(luò)不僅能滿足用戶的QoS需求，還能在各個候選網(wǎng)絡(luò)之間實現(xiàn)一定程度的負(fù)載均衡功能。


圖1是本發(fā)明的總流程圖；圖2是本發(fā)明預(yù)測網(wǎng)絡(luò)未來負(fù)載的變化趨勢的子流程圖；圖3是本發(fā)明與傳統(tǒng)網(wǎng)絡(luò)選擇方法在不同負(fù)載條件下的中斷概率性能比較圖；圖4是本發(fā)明在不同程度參數(shù)不確定性條件下的性能圖；圖5是本發(fā)明在各個候選網(wǎng)絡(luò)之間實現(xiàn)負(fù)載均衡功能的性能圖。
具體實施例方式以下對本發(fā)明的原理以及技術(shù)方案做進一步的描述參照圖1，本發(fā)明的實現(xiàn)流程圖包括如下步驟1，收集當(dāng)前各個候選網(wǎng)絡(luò)的負(fù)載和用戶接收信號強度信息。各候選網(wǎng)絡(luò)基站對自己所在網(wǎng)絡(luò)的當(dāng)前負(fù)載信息進行收集；用戶對各個候選網(wǎng)絡(luò) 的信號強度進行檢測，并將檢測的結(jié)果通過無線使能器分別告知給相應(yīng)網(wǎng)絡(luò)的基站。步驟2，各基站根據(jù)其所在網(wǎng)絡(luò)的歷史負(fù)載信息和收集到的當(dāng)前負(fù)載信息，利用集 成BP神經(jīng)網(wǎng)絡(luò)算法對所在網(wǎng)絡(luò)未來負(fù)載的變化趨勢進行預(yù)測。參照圖2，本步驟的具體實現(xiàn)如下2. 1利用Bagging算法對網(wǎng)絡(luò)歷史負(fù)載信息數(shù)據(jù)庫進行獨立重復(fù)抽樣，獲得n個獨 立的樣本集合；2. 2每一個樣本集合單獨訓(xùn)練一個BP神經(jīng)網(wǎng)絡(luò)，每個BP神經(jīng)網(wǎng)絡(luò)均采用輸入層、 隱含層和輸出層的三層結(jié)構(gòu)，訓(xùn)練結(jié)果采用均方誤差MSE來衡量，設(shè)定一個MSE指標(biāo)，只有 訓(xùn)練結(jié)果滿足此指標(biāo)時，BP神經(jīng)網(wǎng)絡(luò)才算訓(xùn)練完成；均方誤差MSE具體表示如下 其中，P為樣本集中含有的訓(xùn)練序列的個數(shù)，m為輸出層含有的結(jié)點個數(shù)，<為輸入 第P個訓(xùn)練序列時對應(yīng)輸出第j個元素值的真實值，<為輸入第P個訓(xùn)練序列時輸出的第 j個元素值；2. 3在每個BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，通過對其輸入候選網(wǎng)絡(luò)當(dāng)前的負(fù)載信息，得 到每個BP神經(jīng)網(wǎng)絡(luò)對候選網(wǎng)絡(luò)未來負(fù)載的預(yù)測結(jié)果；2. 4利用均值集成方法，將所有BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果相加再取平均，得到候選 網(wǎng)絡(luò)未來負(fù)載的最終預(yù)測結(jié)果。步驟3，基站對網(wǎng)絡(luò)當(dāng)前負(fù)載和未來負(fù)載的預(yù)測值，及用戶接收信號強度信息分別 進行歸一化處理和模糊處理。歸一化后的網(wǎng)絡(luò)負(fù)載k表示為 其中，C/^為網(wǎng)絡(luò)i中已經(jīng)被占用的信道數(shù)，CH,為網(wǎng)絡(luò)i中總的信道數(shù)。
歸一化后的用戶接收信號強度Si表示為

<3>其中，卩胃為網(wǎng)絡(luò)i基站的最大發(fā)射功率，為網(wǎng)絡(luò)i中用戶接收機的接收門限；
為當(dāng)前用戶接收到網(wǎng)絡(luò)i基站發(fā)射的信號強度。完成網(wǎng)絡(luò)負(fù)載和用戶接收信號強度的歸一化之后，在分別對它們進行模糊處理， 包括模糊化和反模糊化。模糊化采用三角形隸屬函數(shù)，反模糊化采用面積中心法。步驟4，各個基站根據(jù)模糊處理之后網(wǎng)絡(luò)負(fù)載和用戶接收信號強度，利用代價函數(shù) 計算每個候選網(wǎng)絡(luò)的技術(shù)指標(biāo)。代價函數(shù)如下所示
<4>其中，(；表示網(wǎng)絡(luò)i的技術(shù)指標(biāo)值，巧和^分別為網(wǎng)絡(luò)負(fù)載和信號強度的權(quán)重，它 們滿足0彡彡1，0彡ws彡1且Wl+Ws = 1。步驟5，基站根據(jù)其所在網(wǎng)絡(luò)的技術(shù)指標(biāo)和網(wǎng)絡(luò)參數(shù)及用戶需求，采用多目標(biāo)決策 計算其所在網(wǎng)絡(luò)的適宜接入度。5. 1分別設(shè)定候選網(wǎng)絡(luò)i的技術(shù)指標(biāo)決策值為，網(wǎng)絡(luò)參數(shù)決策值為，及用戶 需求決策值為^嚴(yán)，則該候選網(wǎng)絡(luò)的適宜接入度表示如下
<5>其中wTP、wNP和、分別為相應(yīng)決策值的權(quán)重因子，它們滿足0彡wTP彡1， 0彡wNP彡1，0彡wUD彡1且~+~+、= l，Dr是步驟4中得到候選網(wǎng)絡(luò)的技術(shù)指標(biāo)Ci，即
D/7和D嚴(yán)根據(jù)具體的網(wǎng)絡(luò)特征和用戶需求進行設(shè)置；5. 2通過層次分析法方法計算各決策值的權(quán)重因子，具體如下步驟所示5.2. 1首先構(gòu)造網(wǎng)絡(luò)的技術(shù)指標(biāo)、網(wǎng)絡(luò)參數(shù)和用戶需求之間的相對重要程度矩 陣
其中，a。,■為第i個決策因子對第個決策因子的相對重要程度，根據(jù)具體的網(wǎng)絡(luò)
特征和用戶需求進行設(shè)置，但是需要滿足aii = 1，aiJ = l/ajl, i，j = 1,2,3；5. 2. 2對矩陣A進行一致性校驗若不滿足一致性，則重新調(diào)整矩陣的元素值，直 到矩陣A滿足一致性；5. 2. 3計算矩陣A的最大特征值\ _及其對應(yīng)的單位特征向量w ；5. 2. 4對所獲得的單位特征向量w進行歸一化，得到各決策值的權(quán)重因子；5. 3將得到的權(quán)重因子帶入到公式<5>中，計算得到候選網(wǎng)絡(luò)i的適宜接入度。步驟6，各個基站將其所在網(wǎng)絡(luò)的適宜接入度通過無線使能器傳遞給用戶。步驟7，用戶比較各個候選網(wǎng)絡(luò)的適宜接入度大小，最終選擇具有最大適宜接入度 的網(wǎng)絡(luò)作為目標(biāo)網(wǎng)絡(luò)。以下通過一個仿真實驗對本發(fā)明的技術(shù)效果做詳細(xì)描述1)仿真的系統(tǒng)參數(shù)
用戶所在位置處存在網(wǎng)絡(luò)1、網(wǎng)絡(luò)2和網(wǎng)絡(luò)3這三種不同的接入網(wǎng)絡(luò)，分別含有50， 30和20個單位信道，用戶服務(wù)過程中只占用一個單位信道。用戶的到達率服從泊松分布， 服務(wù)時間服從指數(shù)分布。三種網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)分別設(shè)置為D廣=0.5,Df =0.2,Z)f =0.3，用 戶需求分別設(shè)置為=0.5,Df =0.2,2^ =0.3。網(wǎng)絡(luò)的技術(shù)指標(biāo)、網(wǎng)絡(luò)參數(shù)和用戶需求之 間的相對重要程度矩陣為 計算得到的各個決策值的權(quán)重因子分別為wTP = 0. 5，wNP = 0. 2，wUD = 0. 3。2)仿真過程與結(jié)果首先，衡量采用集成BP算法預(yù)測網(wǎng)絡(luò)未來負(fù)載對系統(tǒng)性能的影響。固定模糊化級 別為4。分別采用本發(fā)明方法和不采用預(yù)測方法，進行多次用戶選擇接入網(wǎng)絡(luò)的仿真試驗， 衡量用戶接入目標(biāo)網(wǎng)絡(luò)后服務(wù)過程中的中斷概率，得到圖3所示結(jié)果。從圖3可以看出，采 用本發(fā)明方法，用戶服務(wù)過程中的中斷概率明顯下降。這是由于引入集成BP神經(jīng)網(wǎng)絡(luò)算法 預(yù)測網(wǎng)絡(luò)未來負(fù)載的變化趨勢之后，將網(wǎng)絡(luò)未來負(fù)載的預(yù)測值引入到網(wǎng)絡(luò)選擇過程中，使 得所選擇的接入網(wǎng)絡(luò)不再是接入時刻最優(yōu)，而是在用戶整個服務(wù)時間內(nèi)整體最優(yōu)，因此，使 得用戶服務(wù)過程中的中斷概率明顯下降。接著，衡量引入模糊邏輯抵抗參數(shù)不確定性的性能。定義參數(shù)的不確定性為參數(shù) 的方差。固定模糊化等級為4，網(wǎng)絡(luò)負(fù)載和用戶接收信號強度具有不同程度的不確定性，分 別為10%、1%和0. 1%。分別采用本發(fā)明方法和不應(yīng)用模糊邏輯方法，進行多次用戶選擇 接入網(wǎng)絡(luò)的仿真試驗，衡量用戶接入過程中的阻塞概率，得到圖4所示結(jié)果。從圖4可以看 出，本發(fā)明方法引入了模糊邏輯降低了用戶接入網(wǎng)絡(luò)的阻塞概率，尤其在參數(shù)具有較大不 確定性的情況下，性能改善較為明顯。這是由于參數(shù)在測量或者預(yù)測的過程中，不可避免的 存在一定的誤差或者錯誤，具有不確定性，模糊邏輯的引入能夠有效地抵抗參數(shù)的不確定 性，從而降低了用戶接入網(wǎng)絡(luò)阻塞概率。最后，衡量本發(fā)明在各個候選網(wǎng)絡(luò)之間實現(xiàn)的負(fù)載均衡的功效。固定用戶總數(shù)為 60，不考慮新用戶的到達和現(xiàn)有用戶的離開。設(shè)定所有用戶全部分布在三個網(wǎng)絡(luò)之中，其中 網(wǎng)絡(luò)1含有40個用戶，網(wǎng)絡(luò)2含有5個用戶，網(wǎng)絡(luò)3含有15個用戶，得到各網(wǎng)絡(luò)負(fù)載情況 如圖5a所示。采用本發(fā)明的接入網(wǎng)絡(luò)選擇方法，所有用戶均重新選擇接入網(wǎng)絡(luò)，最終所有 用戶在三個網(wǎng)絡(luò)之間的分布情況如圖5b所示。通過圖5a與圖5b的對比可以明顯看出，本 發(fā)明的接入網(wǎng)絡(luò)方法實現(xiàn)了候選網(wǎng)絡(luò)之間的負(fù)載均衡功能。這是由于在用戶選擇接入網(wǎng)絡(luò) 的過程中考慮了網(wǎng)絡(luò)的負(fù)載情況，如果一個候選網(wǎng)絡(luò)的負(fù)載越重，則該網(wǎng)絡(luò)的適宜接入度 越小，用戶選擇其作為目標(biāo)網(wǎng)絡(luò)的可能性也就越小，因此，本發(fā)明方法實現(xiàn)了各個候選網(wǎng)絡(luò) 之間的負(fù)載均衡功能。
權(quán)利要求
一種基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的接入網(wǎng)絡(luò)選擇方法，包括如下步驟(1)各候選網(wǎng)絡(luò)基站收集其所在網(wǎng)絡(luò)的當(dāng)前負(fù)載信息；用戶檢測各個候選網(wǎng)絡(luò)的信號強度，并將得到的信號強度信息通過無線使能器告知給相應(yīng)網(wǎng)絡(luò)的基站；(2)各基站根據(jù)其所在網(wǎng)絡(luò)的歷史負(fù)載信息和收集到的當(dāng)前負(fù)載情況，利用集成BP神經(jīng)網(wǎng)絡(luò)算法對所在網(wǎng)絡(luò)未來負(fù)載的變化趨勢進行預(yù)測；(3)基站對網(wǎng)絡(luò)當(dāng)前負(fù)載和未來負(fù)載的預(yù)測值，及用戶接收信號強度信息分別進行歸一化處理和模糊處理；(4)各個基站根據(jù)模糊處理之后網(wǎng)絡(luò)負(fù)載和用戶接收信號的強度，利用代價函數(shù)計算每個候選網(wǎng)絡(luò)的技術(shù)指標(biāo)；(5)基站根據(jù)其所在網(wǎng)絡(luò)的技術(shù)指標(biāo)和網(wǎng)絡(luò)參數(shù)及用戶需求，采用多目標(biāo)決策計算其所在網(wǎng)絡(luò)的適宜接入度；(6)各個基站將其所在網(wǎng)絡(luò)的適宜接入度通過無線使能器傳遞給用戶；(7)用戶比較各個候選網(wǎng)絡(luò)的適宜接入度大小，最終選擇適宜接入度最大的網(wǎng)絡(luò)作為目標(biāo)網(wǎng)絡(luò)。
2.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的接入網(wǎng)絡(luò)選擇方法，其中步驟 (2)所述的利用集成BP神經(jīng)網(wǎng)絡(luò)算法預(yù)測候選網(wǎng)絡(luò)未來負(fù)載的變化趨勢，按如下過程進 行(2a)利用Bagging算法對網(wǎng)絡(luò)歷史負(fù)載信息數(shù)據(jù)庫進行獨立重復(fù)抽樣，獲得n個獨立 的樣本集合；(2b)每一個樣本集合單獨訓(xùn)練一個BP神經(jīng)網(wǎng)絡(luò)，每個BP神經(jīng)網(wǎng)絡(luò)均采用輸入層、隱含 層和輸出層的三層結(jié)構(gòu)，訓(xùn)練結(jié)果采用均方誤差MSE來衡量 其中P為樣本集中含有的訓(xùn)練序列的個數(shù)，m為輸出層含有的結(jié)點個數(shù)，《為輸入第p 個訓(xùn)練序列時對應(yīng)輸出第j個元素值的真實值，<為輸入第P個訓(xùn)練序列時輸出的第j個 元素值；(2c)在每個BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，通過對其輸入候選網(wǎng)絡(luò)當(dāng)前的負(fù)載信息，得到每 個BP神經(jīng)網(wǎng)絡(luò)對候選網(wǎng)絡(luò)未來負(fù)載的預(yù)測結(jié)果；(2d)利用均值集成方法，將所有BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果相加再取平均，得到候選網(wǎng)絡(luò) 未來負(fù)載的最終預(yù)測結(jié)果。
3.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的接入網(wǎng)絡(luò)選擇方法，其中步驟(4)所述的利用代價函數(shù)計算每個候選網(wǎng)絡(luò)的技術(shù)指標(biāo)，是通過Q= w.U+w^計算，其中， Q表示網(wǎng)絡(luò)i的技術(shù)指標(biāo)值，k為歸一化和模糊處理之后的網(wǎng)絡(luò)i的負(fù)載，S,為歸一化和 模糊處理之后的用戶接收到網(wǎng)絡(luò)i的信號強度，和ws分別為網(wǎng)絡(luò)負(fù)載和信號強度的權(quán)重 因子，它們滿足0彡Wl彡1，0彡ws彡1且巧+^ = 1，該權(quán)重因子根據(jù)具體的網(wǎng)絡(luò)特征和用 戶需求設(shè)置。
4.根據(jù)權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的接入網(wǎng)絡(luò)選擇方法，其中步驟(5)所述的利用多目標(biāo)決策計算每一個候選網(wǎng)絡(luò)的適宜接入度，按如下步驟進行(4a)分別設(shè)定候選網(wǎng)絡(luò)i的技術(shù)指標(biāo)決策值為If，網(wǎng)絡(luò)參數(shù)決策值為If1，及用戶需 求決策值為D嚴(yán)，則該候選網(wǎng)絡(luò)的適宜接入度表示如下 其中WTP、WNP和分別為相應(yīng)決策值的權(quán)重因子，它們滿足0≤wTP≤1，0≤wNP≤1， 0 ≤wud≤ 1 且 wTP+wNP+wUD = 1 ；(4b)通過層次分析法計算各決策值的權(quán)重因子；(4c)將得到的權(quán)重因子帶入到 中，得到候選網(wǎng)絡(luò)i的適宜接入度。
5.根據(jù)權(quán)利要求4所述的基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的接入網(wǎng)絡(luò)選擇方法，其中步驟 (4b)所述的通過層次分析法計算各決策值的權(quán)重因子，按如下步驟進行(5a)構(gòu)造網(wǎng)絡(luò)的技術(shù)指標(biāo)、網(wǎng)絡(luò)參數(shù)和用戶需求之間的相對重要程度矩陣 au an an 其中，為第i個決策因子對第j個決策因子的相對重要程度，滿足、=La,j = 1/ an, i, j = 1,2,3 ；(5b)對矩陣A進行一致性校驗，若不滿足一致性則重新調(diào)整矩陣的元素值；(5c)計算矩陣A的最大特征值及其對應(yīng)的單位特征向量w;(5d)對所獲得的單位特征向量w進行歸一化，得到各決策值的權(quán)重因子。
全文摘要
本發(fā)明公開了一種基于神經(jīng)網(wǎng)絡(luò)和模糊邏輯的接入網(wǎng)絡(luò)選擇方法。主要解決網(wǎng)絡(luò)選擇過程中候選網(wǎng)絡(luò)未來負(fù)載變化和參數(shù)不確定性對用戶性能的影響問題。實現(xiàn)過程是各候選網(wǎng)絡(luò)基站收集所在網(wǎng)絡(luò)當(dāng)前的負(fù)載信息以及用戶接收到的信號強度信息；利用集成BP神經(jīng)網(wǎng)絡(luò)預(yù)測各候選網(wǎng)絡(luò)未來負(fù)載的變化趨勢；利用歸一化和模糊邏輯處理網(wǎng)絡(luò)負(fù)載和用戶接收信號強度；利用代價函數(shù)計算候選網(wǎng)絡(luò)的技術(shù)指標(biāo)；利用多目標(biāo)決策綜合衡量網(wǎng)絡(luò)的技術(shù)指標(biāo)、網(wǎng)絡(luò)參數(shù)和用戶需求，得到各個候選網(wǎng)絡(luò)的適宜接入度；各個基站將所在網(wǎng)絡(luò)的適宜接入度通過無線使能器發(fā)送給用戶；用戶比較后，選擇具有最大適宜接入度的候選網(wǎng)絡(luò)作為目標(biāo)網(wǎng)絡(luò)。本發(fā)明能夠有效能夠降低用戶接入網(wǎng)絡(luò)時的阻塞概率和服務(wù)過程中的中斷概率，實現(xiàn)為用戶選擇最佳接入網(wǎng)絡(luò)的功能。
文檔編號H04W24/00GK101860885SQ20101019910
公開日2010年10月13日 申請日期2010年6月11日 優(yōu)先權(quán)日2010年6月11日
發(fā)明者劉勤, 李建東, 李釗, 趙林靖, 閆繼壘, 陳曦 申請人:西安電子科技大學(xué)