基于最优加权多属性决策的LWA网络接入点选择算法.docx

在当前的移动通信环境中，随着物联网和大数据产业的迅速发展，网络流量呈现指数级增长。为了应对这一挑战，研究人员提出了多种新技术，如大规模MIMO（多输入多输出）、毫米波通信以及密集异构蜂窝网络，以提升网络容量和数据传输速率。然而，尽管这些技术在一定程度上缓解了压力，LTE网络仍然面临高负载的问题。为了解决这个问题，一种名为LWA（LTE-WLAN融合）的网络架构应运而生，它利用WLAN网络中的接入点（Access Point, AP）来分担部分LTE网络的数据传输任务，从而减轻eNB（ evolved NodeB，演进型基站）的负担，提高系统容量和用户体验。 LWA网络在提供技术优势的同时，也带来了新的挑战，特别是在UE（用户设备）数量众多时。当网络需求过大，UE可能无法得到eNB提供的稳定服务质量（QoS）。这时，LWA网络接入点选择技术就显得至关重要，它可以智能地选择性能更好的AP，以确保UE获得理想的QoS，同时减轻eNB的压力。 已有的研究文献提出了一系列接入点选择策略。例如，文献[10]通过归一化系统吞吐量和KKT条件，让UE可以基于LTE和WiFi的性能做出选择。文献[11]则利用AHP层次分析法，根据用户偏好计算属性权重，以QoE（用户体验质量）作为决策依据。文献[12]则尝试同时优化QoE和系统吞吐量，通过奖励函数来评估接入点性能。文献[13]考虑到小区边缘用户的体验，采用层次分析法进行多属性决策，选择最佳接入点。尽管这些方法各有优点，但仍存在一些不足，如未充分考虑系统吞吐量、忽视小区边缘用户或可能导致eNB负载过重。 鉴于以上背景，本文提出的是一种基于最优加权多属性决策（Optimal Weighted Multi-Attribute Decision，OWMAD）的LWA网络接入点选择算法。该算法旨在解决现有技术的局限，通过计算每个接入点的归一化属性（如容量、RSRP、时延）的最优权重，选择加权值最小的接入点进行连接，以实现系统吞吐量和用户QoS的综合提升。 系统模型中，LWA网络是一个由eNB、AP和UE组成的双连接模式网络，其中eNB可以连接多个AP，AP也能连接多个eNB，UE可以在eNB和AP之间灵活切换。每个接入点的性能指标（如容量、RSRP、时延）被预先收集并存储，形成决策矩阵。通过规范化处理和优化权重计算，我们可以确定每个接入点的总加权值，并选择加权值最小的eNB和AP进行连接。这样的策略既能有效地分担eNB的负载，又能显著提高整个网络的系统吞吐量，尤其是边缘UE的吞吐量，同时保持较低的平均时延，确保网络的稳定性。 本文提出的OWMAD算法为LWA网络接入点选择提供了新的视角，它考虑了网络的多样性和复杂性，以最优的方式平衡了不同属性的权重，提升了整体网络性能，对实际的移动通信网络优化具有重要的理论和实践价值。