异构网络中基于图论与矩阵方法的自适应切换控制研究：优化切换参数与网络选择策略

本刊推荐：为解决异构网络中垂直切换导致的非必要切换和乒乓效应问题，研究人员开展了基于关键性能指标(KPI)优化切换控制参数(HOM和TTT)并结合图论与矩阵方法(GTMA)进行网络选择的研究。结果表明，该方法显著降低了KPI值，在背景、会话、交互和流媒体业务类型中分别比现有方法提升7.76%-13.48%，对提升5G异构网络移动性管理性能具有重要意义。

　　

在下一代无线通信网络中，多种无线技术共存形成了复杂的异构网络环境。移动节点(MN)需要在不同网络类型(如3G、4G、5G等)间无缝切换以维持连续连接，这一过程被称为垂直切换。然而，传统的切换方法主要基于接收信号强度(RSRP或RSSI)进行决策，容易受到干扰影响，导致非必要切换、乒乓效应以及错误的目标网络选择，严重影响用户体验和网络效率。

切换管理面临两个主要挑战：一是在合适时机触发切换，二是选择最合适的目标网络。前者可归结为切换控制参数(HCP)优化问题，包括切换余量(HOM)和触发时间(TTT)；后者则是多属性决策(MADM)问题，需要考虑多个网络质量参数。虽然已有研究提出了各种HCP优化和MADM技术，但大多存在局限性：要么未考虑关键性能指标(KPI)的综合影响，要么忽略了网络参数如参考信号接收质量(RSRQ)、带宽负载比(BLR)等在网络选择中的作用。

为了解决这些问题，研究人员在《Franklin Open》上发表了题为"Adaptive handover control in heterogeneous networks leveraging graph theory and matrix approach"的研究论文，提出了一种创新的混合切换方案。该方案将基于KPI的切换触发与基于图论和矩阵方法(GTMA)的网络选择相结合，通过系统优化HCP参数和智能网络选择，显著提升了异构网络中的切换性能。

研究人员采用的主要技术方法包括：1)基于COST-231 Hata模型的路径损耗计算和网络参数测量；2)多属性决策建模与GTMA算法实现；3)随机路点(RWP)移动性模型下的网络仿真；4)关键性能指标(KPI)加权评估体系，综合考量切换率(HR)、乒乓切换率(HPPR)和排名异常率(RAR)三个参数。

研究方法与实验设计

研究采用两阶段方法：第一阶段通过KPI优化选择HCP参数，第二阶段利用GTMA进行基站选择。研究人员建立了包含100个基站(涵盖UMTS、WiMax、LTE和5G技术)和150个移动节点的仿真环境，在1000m×1000m区域内模拟异构网络场景。

通过系统仿真，研究人员收集了1680×6维度的数据集，分析了不同HOM(2-10dB)和TTT(0-5.12s)取值组合，以及移动节点速度(10-120km/h)对三种性能指标(HR、HPPR、RAR)的影响。KPI作为这三个指标的加权平均值，用于确定最优的HCP参数配置。

网络选择与GTMA应用

当满足切换触发条件时，系统采用GTMA方法对候选基站进行排名和选择。GTMA方法考虑了四个关键网络参数：RSRQ、BLR、延迟(D)和路径损耗(PL)，通过构建性能属性矩阵(PAM)和计算永久函数(PF)值来确定最佳基站。

针对不同的业务类型(会话、背景、交互和流媒体)，研究人员设计了不同的成对比较矩阵(PCM)，确保网络选择符合特定业务的QoS需求。一致性比率(CR)检验证实了所有PCM的一致性均小于0.1，满足可靠性要求。

结果分析与性能评估

HCP优化结果：研究表明，最优HCP配置与移动节点速度密切相关。对于低速移动(10-20km/h)，HOM为10dB时所有TTT值都能获得良好性能；中速移动(30km/h)时需要较长的TTT(2.56-5.12s)；而高速移动(40km/h以上)时则需要最大的TTT值(5.12s)配合10dB的HOM。

GTMA性能比较：与传统的AHP、AHP-TOPSIS和AHP-MOORA方法相比，GTMA在排名异常率(RAR)方面表现显著优异，虽然在切换率(HR)和乒乓切换率(HPPR)某些业务类型中略逊于AHP方法，但整体性能更加均衡。

整体性能提升：将优化的HCP与GTMA结合后(GTMA-HCP)，系统在所有业务类型中都表现出色。特别是在KPI综合指标方面，GTMA-HCP相比AHP-TOPSIS-HCP、AHP-HCP和AHP-MOORA-HCP分别降低了7.76%(背景业务)、13.48%(会话业务)、9.96%(交互业务)和5.81%(流媒体业务)。

研究结论与意义

本研究通过创新的两阶段切换控制方案，有效解决了异构网络中的移动性管理挑战。第一阶段基于KPI的HCP优化确保了切换时机的准确性，显著减少了非必要切换和乒乓效应；第二阶段基于GTMA的网络选择则通过多参数综合决策，确保了目标网络的最佳选择。

该研究的重要意义在于：1)提供了针对不同移动速度和业务类型的HCP配置方案，可直接应用于实际网络部署；2)证明了GTMA在多属性网络选择中的有效性，特别是在减少排名异常方面表现突出；3)提出的混合方法在保持较低切换率的同时，显著降低了乒乓效应和排名异常，提升了整体网络性能。

这项研究为5G及未来异构网络的智能移动性管理提供了重要技术支撑，对提升用户体验和网络资源利用率具有实际应用价值。研究人员建议未来工作可进一步探索更多业务类型(如物联网和超可靠低延迟通信)，并集成到网络模拟器中进行动态环境验证，同时研究自适应权重技术以进一步提升性能。