论文部分内容阅读
摘要: 文章分析了以多属性决策理论中简单加权算法(SAW)为代表的普通切换算法负载对比呼叫到达率(CAR)滞后的特性,针对异构无线网络垂直切换负载滞后造成负载不均衡现象,首先,建立异构无线网络,使用时间序列建立(SARIMA)模型预测网络呼叫到达率,根据预测呼叫到达率,引导业务切换和超前转移业务带宽,形成改进的(TSAW)算法,仿真结果表明TSAW算法克服了SAW算法负载滞后特性,使网络负载均衡特性变好.
关键词: 异构无线网络; 负载均衡; 时间序列; 带宽调整; 垂直切换
中图分类号: TN 929.5 文献标志码: A 文章编号: 10005137(2017)02026207
Abstract: This article analyzes the lag characteristic of call arrival rate(CAR) of general vertical handoff which is the representative of simple additive weighting(SAW) in multiattribute decision theory.It aims at the load imbalance phenomenon caused by vertical handoff for heterogeneous wireless network.Firstly,we should build the universal mobile telecommunication system/wireless local areal network(UMTS/WLAN) heterogeneous wireless network.We can use the time series to make the model of seasonal autoregressive intergrated moving average(SARIMA) so that the Call Arrival Rate can be predicted.Then,according to the Call Arrival Rate,we can lead business handoff and transfer business bandwidth in advance.Therefore,the modified time series predict SAW(TSAW) is formed.The result shows that TSAW overcomes the load delay disadvantages of simple additive weighting(SAW) and makes the network Load balancing better.
Key words: heterogeneous wireless network; load balance; time series analysis; bandwidth adjustment; vertical handoff
0 引 言
异构无线网络负载均衡中,切换算法是否合理起着至关重要作用[1],根据业务分配情况可以将异构无线网络负载均衡算法总结为:基于接入控制的负载均衡算法和基于垂直切换的负载均衡算法[2-3].垂直切换算法采用多属性决策理论,最典型的算法是简单加权法(SAW),由于每一个业务在网络中随机持续一段时间,如果网络根据当前呼叫切换,会出现负载滞后于呼叫到达率(CAR)的现象.
水库中的水位如果暴雨来临前不提前将水位降至安全线以内,只根据当前降雨量来调节的话很容易使水位失去控制,这是因为,水库中水量是惯性系统,上一时刻的水量会影响下一时刻水量.类似地,在异构无线网络中,网络负载也是惯性系统,当网络负载调整出现滞后的情况,很容易在接下来一个较高的呼叫到达率时刻出现网络拥塞,负载均衡失调.因此克服负载率滞后特性很有必要.
要改变负载滞后性,就要预测将来负载情况,负载控制是一个自反馈过程,负载统计数据会不断变化,导致时间序列预测模型失效,而CAR能稳定数据统计,与负载正相关性很强.本文作者在SAW算法基础上,研究了基于时间序列预测CAR数据,使用超前的CAR数据作为引导因子,并结合带宽超前转移算法,提出改进的Time series predict SAW(TSAW)算法.
移动通信网络中的CAR数据是根据人们的作息活动周期变化的,对这种周期变化的时间序列数据建模,季节性自回归滑动平均模型无疑是最有效的.
时间序列预测方法是通过序列的历史数据揭示随机现象的规律,并将该规律延伸到未来,从而对该现象的未来做出预测[4].时间序列分析法是一个新兴而蓬勃发展的学科,他是概率统计学科中应用较强的一个分支,在金融经济、气象水文、机械振动等众多领域有广泛的应用[5],对于周期性的时间序列数据通常使用季节性自回归移动平均模型.
1 系统模型
1.1 异构无线网络仿真模型
为了简化异构无线网模型,本设计的异构无线网模型由两个代表性的网络组成:一个UMTS网络和一个WLAN网络,其中UMTS网络的覆盖半径为R1,WLAN网络的覆盖范围为R2,R1>R2,WLAN的网络覆盖范围是UMTS网络覆盖范围的子集,如图1所示.
为了方便起见,称图1模型为UMTS/WLAN异构网络.如果没有特殊说明,文章下面提到的异构无线网络指的都是图1的UMTS/WLAN异构无线网络模型.
1.2 仿真参数
移动网络中CAR实际数据并非按高斯分布随機产生,而是按照人类的作息规律周期产生.表1给出了UMTS网络的CAR数据(US),来源是上海游族影业创新创业孵化器二层办公楼中午12:00~12:33时间段,每分钟新接入3G网络的用户数,如果用户处于运动状态,按其在办公室驻留时间与其总通话时长比值计算. 根据参考文献[2,6],对比WLAN网络UMTS网络带宽比较小、时延短而价格高,设置网络参数如表2所示.根据语音业务对比流媒体业务带宽需求小、时延短而价格不敏感,设置网络权重归一化值如表3所示.
2.2 时间序列预测SARIMA模型
Eviews是Econometric Views缩写,直译为计量经济学观察,是经济学和统计学中常用的仿真软件,它是专业从事数据分析、回归分析和预测的工具.使用Eviews可以迅速地从数据中寻找出统计关系,并用得到的关系去预测数据的未来值.
若平稳时间序列是现在干扰值和过去干扰值的线性组合,则称此模型为自回归滑动平均模型(ARMA),若是非平稳时间序列且是季节性序列,ARMA模型需要对对序列进行差分,和对模型进行季节性差分,建立SARIMA.
SARIMA(1,1,0)×(3,1,2)模型对US数据整体预测效果图如图2所示.
其中UP是UMTS网络US数据一个周期内的预测值,预测精度在5%以内.
US数据重复10 d取样观察,得到10个周期数据,对图2中前330个数据使用Eviews软件根据样本自相关和偏自相关系数定阶,并采用最佳标准定阶法(AIC)定阶.通过多次测试,剔除了不显著参数,并对多个参数模型的AIC值进行比对后,最终建立SARIMA(1,1,0)×(3,1,2)模型.
模型估计参数伴随概率AR(1)=0.00、AR(3)=0.03、SAR(33)=0.00、MA=0.00,参数均显著提高.
为了检验模型是否合适,还要对模型的残差序列是否为白噪声序列进行检验,如图3所示.
2.3.4 TSAW算法
按(8)式计算切换网络,按(9)式和(10)式计算业务接入带宽,即得TSAW算法.
(8)式使用超前引导参数改进SAW算法,切换算法具有远见性,业务更趋向切换到未来负载较轻的网络.
但是超前引导参数改进的SAW算法只是改进了负载波峰、波谷特性,要最终克服SAW算法造成的负载滞后缺陷,需要依靠比例带宽超前转移算法,使每个业务带宽超前转移,反应在整体上就是负载的超前转移.
3 仿真及结果
3.1 时序图仿真
网络的CAR按照预设的时序值不变,SAW算法仿真结果如图4所示.
表4中Load(t+k)(k=1,2,3,4,5)表示将负载Load超前k期,US表示UMTS网络原始CAR数据.从表4可以看出,当k≤2时,随着k的增加,US和Load(t+k)相关系数增加,当k=2时相关系数最大,当k>2时随着k的增加,相关系数逐渐减小.
k=2时,相关系数最大达到0.872,CAR与负载高度相关,说明负载曲线滞后2 min与CAR曲线相关性最强,本仿真系统SAW算法负载滞后CAR数据约2 min.
TSAW算法仿真结果如图5所示.
从图5可以看出:
1)SAW对比TSAW仿真时序图,在6~13时刻,UMTS网络负载波峰由SAW算法滞后3.1 min变为TSAW算法超前1.6 min.
2)整体TSAW算法负载比CAR数据出现了超前,克服了SAW算法负载滞后特性.TSAW算法负载也更加均衡.
3.2 呼叫阻塞率分析
图6为TSAW算法对比SAW算法呼叫阻塞率分析图,从图6可以看出TSAW算法阻塞率曲线都在SAW算法阻塞率曲线之下,平均阻塞率下降0.02,说明TSAW算法呼叫阻塞率降低.
以上分析表明TSAW算法数据更加优异,这是因为TSAW算法使用预测值控制网络负载,使网络能有更多的时间调整网络负载,克服SAW算法负载滞后的特性,从而网络负载更加均衡.
4 结 论
负载均衡是异构无线网络资源得以充分利用的重要保障,本文作者分析了以SAW算法为代表的一般切换算法负载相对CAR数据滞后特性,然后使用时间序列建立SARIMA模型,预测CAR数据,使用预测数据,引导业务切换和带宽超前转移,克服了SAW算法负载滞后特性,通过仿真分析充分展示了TSAW算法使用超前预测的呼叫达到率数据,克服SAW网络负载的滞后性,从而有更多的时间来调整网络负载,未来可以进一步研究TSAW算法,改善网络负载均衡.
参考文献:
[1] Andrews J,Singh S,Ye Q Y,et al.An overview of load balancing in hetnets:old myths and open problems [J].IEEE Wireless Communication,2014,21(2):18-25.
[2] 陈露薇.异构无线网络负载均衡算法研究 [D].北京:北京邮电大学,2013.
Chen L W.Research on heterogeneous wireless network load balance algorithm [D].Beijing:Beijing University of Posts and Telecommunications,2013.
[3] Cho S,Choi W.Coverage and load balancing in heterogeneous cellular networks with minimum cell separation [J].IEEE Transactions on Mobile Computing,2014,13(9):1955-1966.
[4] Wei L Y,Yu F M.Using seasonal time series analysis to predict China′s demand of electricity [C].Computational and Information Sciences (ICCIS),Beijing:IEEE,2013.
[5] Khandelwal I,Satija U,Adhikari R.Forecasting seasonal time series with functional link artificial neural network:Signal Processing and Integrated Networks (SPIN) [C].2015 2nd International Conference on,Jaipur:IEEE,2015.
[6] 纪晓龙,张静.一种异构无线网络的多属性垂直切换方案 [J].上海师范大学学报(自然科学版),2014,43(2):153-158.
Ji X L,Zhang J.A multiattribute vertical handoff scheme for heterogeneous wireless networks [J].Journal of Shanghai Normal University(Natural Sciences),2014,43(2):153-158.
(責任编辑:包震宇)
关键词: 异构无线网络; 负载均衡; 时间序列; 带宽调整; 垂直切换
中图分类号: TN 929.5 文献标志码: A 文章编号: 10005137(2017)02026207
Abstract: This article analyzes the lag characteristic of call arrival rate(CAR) of general vertical handoff which is the representative of simple additive weighting(SAW) in multiattribute decision theory.It aims at the load imbalance phenomenon caused by vertical handoff for heterogeneous wireless network.Firstly,we should build the universal mobile telecommunication system/wireless local areal network(UMTS/WLAN) heterogeneous wireless network.We can use the time series to make the model of seasonal autoregressive intergrated moving average(SARIMA) so that the Call Arrival Rate can be predicted.Then,according to the Call Arrival Rate,we can lead business handoff and transfer business bandwidth in advance.Therefore,the modified time series predict SAW(TSAW) is formed.The result shows that TSAW overcomes the load delay disadvantages of simple additive weighting(SAW) and makes the network Load balancing better.
Key words: heterogeneous wireless network; load balance; time series analysis; bandwidth adjustment; vertical handoff
0 引 言
异构无线网络负载均衡中,切换算法是否合理起着至关重要作用[1],根据业务分配情况可以将异构无线网络负载均衡算法总结为:基于接入控制的负载均衡算法和基于垂直切换的负载均衡算法[2-3].垂直切换算法采用多属性决策理论,最典型的算法是简单加权法(SAW),由于每一个业务在网络中随机持续一段时间,如果网络根据当前呼叫切换,会出现负载滞后于呼叫到达率(CAR)的现象.
水库中的水位如果暴雨来临前不提前将水位降至安全线以内,只根据当前降雨量来调节的话很容易使水位失去控制,这是因为,水库中水量是惯性系统,上一时刻的水量会影响下一时刻水量.类似地,在异构无线网络中,网络负载也是惯性系统,当网络负载调整出现滞后的情况,很容易在接下来一个较高的呼叫到达率时刻出现网络拥塞,负载均衡失调.因此克服负载率滞后特性很有必要.
要改变负载滞后性,就要预测将来负载情况,负载控制是一个自反馈过程,负载统计数据会不断变化,导致时间序列预测模型失效,而CAR能稳定数据统计,与负载正相关性很强.本文作者在SAW算法基础上,研究了基于时间序列预测CAR数据,使用超前的CAR数据作为引导因子,并结合带宽超前转移算法,提出改进的Time series predict SAW(TSAW)算法.
移动通信网络中的CAR数据是根据人们的作息活动周期变化的,对这种周期变化的时间序列数据建模,季节性自回归滑动平均模型无疑是最有效的.
时间序列预测方法是通过序列的历史数据揭示随机现象的规律,并将该规律延伸到未来,从而对该现象的未来做出预测[4].时间序列分析法是一个新兴而蓬勃发展的学科,他是概率统计学科中应用较强的一个分支,在金融经济、气象水文、机械振动等众多领域有广泛的应用[5],对于周期性的时间序列数据通常使用季节性自回归移动平均模型.
1 系统模型
1.1 异构无线网络仿真模型
为了简化异构无线网模型,本设计的异构无线网模型由两个代表性的网络组成:一个UMTS网络和一个WLAN网络,其中UMTS网络的覆盖半径为R1,WLAN网络的覆盖范围为R2,R1>R2,WLAN的网络覆盖范围是UMTS网络覆盖范围的子集,如图1所示.
为了方便起见,称图1模型为UMTS/WLAN异构网络.如果没有特殊说明,文章下面提到的异构无线网络指的都是图1的UMTS/WLAN异构无线网络模型.
1.2 仿真参数
移动网络中CAR实际数据并非按高斯分布随機产生,而是按照人类的作息规律周期产生.表1给出了UMTS网络的CAR数据(US),来源是上海游族影业创新创业孵化器二层办公楼中午12:00~12:33时间段,每分钟新接入3G网络的用户数,如果用户处于运动状态,按其在办公室驻留时间与其总通话时长比值计算. 根据参考文献[2,6],对比WLAN网络UMTS网络带宽比较小、时延短而价格高,设置网络参数如表2所示.根据语音业务对比流媒体业务带宽需求小、时延短而价格不敏感,设置网络权重归一化值如表3所示.
2.2 时间序列预测SARIMA模型
Eviews是Econometric Views缩写,直译为计量经济学观察,是经济学和统计学中常用的仿真软件,它是专业从事数据分析、回归分析和预测的工具.使用Eviews可以迅速地从数据中寻找出统计关系,并用得到的关系去预测数据的未来值.
若平稳时间序列是现在干扰值和过去干扰值的线性组合,则称此模型为自回归滑动平均模型(ARMA),若是非平稳时间序列且是季节性序列,ARMA模型需要对对序列进行差分,和对模型进行季节性差分,建立SARIMA.
SARIMA(1,1,0)×(3,1,2)模型对US数据整体预测效果图如图2所示.
其中UP是UMTS网络US数据一个周期内的预测值,预测精度在5%以内.
US数据重复10 d取样观察,得到10个周期数据,对图2中前330个数据使用Eviews软件根据样本自相关和偏自相关系数定阶,并采用最佳标准定阶法(AIC)定阶.通过多次测试,剔除了不显著参数,并对多个参数模型的AIC值进行比对后,最终建立SARIMA(1,1,0)×(3,1,2)模型.
模型估计参数伴随概率AR(1)=0.00、AR(3)=0.03、SAR(33)=0.00、MA=0.00,参数均显著提高.
为了检验模型是否合适,还要对模型的残差序列是否为白噪声序列进行检验,如图3所示.
2.3.4 TSAW算法
按(8)式计算切换网络,按(9)式和(10)式计算业务接入带宽,即得TSAW算法.
(8)式使用超前引导参数改进SAW算法,切换算法具有远见性,业务更趋向切换到未来负载较轻的网络.
但是超前引导参数改进的SAW算法只是改进了负载波峰、波谷特性,要最终克服SAW算法造成的负载滞后缺陷,需要依靠比例带宽超前转移算法,使每个业务带宽超前转移,反应在整体上就是负载的超前转移.
3 仿真及结果
3.1 时序图仿真
网络的CAR按照预设的时序值不变,SAW算法仿真结果如图4所示.
表4中Load(t+k)(k=1,2,3,4,5)表示将负载Load超前k期,US表示UMTS网络原始CAR数据.从表4可以看出,当k≤2时,随着k的增加,US和Load(t+k)相关系数增加,当k=2时相关系数最大,当k>2时随着k的增加,相关系数逐渐减小.
k=2时,相关系数最大达到0.872,CAR与负载高度相关,说明负载曲线滞后2 min与CAR曲线相关性最强,本仿真系统SAW算法负载滞后CAR数据约2 min.
TSAW算法仿真结果如图5所示.
从图5可以看出:
1)SAW对比TSAW仿真时序图,在6~13时刻,UMTS网络负载波峰由SAW算法滞后3.1 min变为TSAW算法超前1.6 min.
2)整体TSAW算法负载比CAR数据出现了超前,克服了SAW算法负载滞后特性.TSAW算法负载也更加均衡.
3.2 呼叫阻塞率分析
图6为TSAW算法对比SAW算法呼叫阻塞率分析图,从图6可以看出TSAW算法阻塞率曲线都在SAW算法阻塞率曲线之下,平均阻塞率下降0.02,说明TSAW算法呼叫阻塞率降低.
以上分析表明TSAW算法数据更加优异,这是因为TSAW算法使用预测值控制网络负载,使网络能有更多的时间调整网络负载,克服SAW算法负载滞后的特性,从而网络负载更加均衡.
4 结 论
负载均衡是异构无线网络资源得以充分利用的重要保障,本文作者分析了以SAW算法为代表的一般切换算法负载相对CAR数据滞后特性,然后使用时间序列建立SARIMA模型,预测CAR数据,使用预测数据,引导业务切换和带宽超前转移,克服了SAW算法负载滞后特性,通过仿真分析充分展示了TSAW算法使用超前预测的呼叫达到率数据,克服SAW网络负载的滞后性,从而有更多的时间来调整网络负载,未来可以进一步研究TSAW算法,改善网络负载均衡.
参考文献:
[1] Andrews J,Singh S,Ye Q Y,et al.An overview of load balancing in hetnets:old myths and open problems [J].IEEE Wireless Communication,2014,21(2):18-25.
[2] 陈露薇.异构无线网络负载均衡算法研究 [D].北京:北京邮电大学,2013.
Chen L W.Research on heterogeneous wireless network load balance algorithm [D].Beijing:Beijing University of Posts and Telecommunications,2013.
[3] Cho S,Choi W.Coverage and load balancing in heterogeneous cellular networks with minimum cell separation [J].IEEE Transactions on Mobile Computing,2014,13(9):1955-1966.
[4] Wei L Y,Yu F M.Using seasonal time series analysis to predict China′s demand of electricity [C].Computational and Information Sciences (ICCIS),Beijing:IEEE,2013.
[5] Khandelwal I,Satija U,Adhikari R.Forecasting seasonal time series with functional link artificial neural network:Signal Processing and Integrated Networks (SPIN) [C].2015 2nd International Conference on,Jaipur:IEEE,2015.
[6] 纪晓龙,张静.一种异构无线网络的多属性垂直切换方案 [J].上海师范大学学报(自然科学版),2014,43(2):153-158.
Ji X L,Zhang J.A multiattribute vertical handoff scheme for heterogeneous wireless networks [J].Journal of Shanghai Normal University(Natural Sciences),2014,43(2):153-158.
(責任编辑:包震宇)