融合可见光的室内异构网络接入点选择研究

马成宇 张慧颖

摘要：融合可见光的室内异构网络被认为是未来缓解室内网络压力的主要解决方案。这种混合网络兼具可见光的高速数据传输和无线网络的广覆盖优势，但也面临着诸多问题，最为明显的就是接入点选择的问题。文章首先介绍了室内异构网络的概念；其次对室内异构网络的接入算法进行了阐述，依据其不同的接入策略进行分类，并对每种不同的接入策略进行概述，然后对所有的策略进行横向比较；最后分析总体的研究现状，并指出当前亟待解决并须深入研究的问题，以期为该领域的进一步研究发展提供参考。

关键词：无线通信；异构网络；可见光通信；接入点选择

中图分类号：TP393  文献标志码：A

0 引言

目前最新的网络统计数据显示，截止到2022年，全球移动数据流量占互联网协议流量的71%，超过80%的移动数据流量发生在室内环境下，融合可见光的室内异构网络有望成为解决这一困境的主要方案。众所周知，可见光通信相比于传统通信有着许多无法比拟的优点。但如果将其作为单一的无线通信方式，仍存在诸多缺陷。Basnayaka等［1］提出了可见光与WiFi的混合室内异构网络模式，具体如图1所示。

在异构网络中，网络接入点的选择尤为关键。如何在不同的接入技术、不同的网络架构和多种业务服务之间进行选择，在保证用户QoS前提下，为用户提供接入的同时保证负载均衡成为研究的热点。本文对于这些问题进行了详细阐述，首先介绍室内异构网络的理论模型和架构，然后简单概述其接入算法，分析并归纳各类算法的核心内容，最后讨论存在的问题。

1 接入点选择的概述

1.1 基本原理

异构网络接入的点选择大致可以分为两类，一类是初始的网络接入选择，另一类是在进行网络切换时的网络选择接入。不管哪种切换，都要保证网络交换的无缝性和自动化，即必须在合适的时间和合适的地点，实现最小化信令开销，避免不必要的切换，保持最佳连接。

1.2 接入点的选择

对于单一的网络架构而言，接入选择考虑条件比较单一，只需考虑如何维持当前的链接，使用户正常地接入即可。对于室内异构网络而言，由于网络的异构性，室内异构网络需要衡量多个指标再进行最终的接入和切换。最常见的就是从网络、业务和用户3个层面来选择最适合的网络接入。

2 接入算法研究概述

2.1 以用户为中心的策略

本类算法是从用户的角度评估切换决策，以用户为中心，将不同的业务偏好用户分配到不同的网络中，为用户匹配最适合其偏好的网络。

翟雷等［2］认为现有工作大多关注如信干噪比（SINR）和信号强度（RSS）等指标，忽视了用户的移动性和体验质量（QoE），因此提出一种以用户QoE为优化目标的接入算法。这种算法根据照明光强分布建立VLC信道模型，当用户出现非视距传输时，设备接入网络并使用基于改进的匈牙利算法（HA）实时判断VLC链路恢复情况。在VLC视距传输区域，使用基于多属性判决的层次分析加权和（AHPAW）算法，判决VLC和RF的状况并接入最佳网络。同理，王春喜等［3］提出一种以用户体验质量为优化目标的算法，强调基于平均主观评分（MOS）机制建立离散化的QoE等级模型，根据不同网络对应的实际QoE水平给出相应网络切换标准，只有新网络使用户QoE等级有提升时才切换网络，这能在很大程度上缩减盲目追求容量优化引起的网络切换开销。

以用户为中心的选择算法主要将用户的满意度作为决策标准，虽然满足了用户的喜好，但这样会造成负载不均衡的问题。因此，开发人员在考虑用户满意度的同时，还应该考虑更多的干扰因素。

2.2 基于多属性决策的策略

切换问题涉及许多属性，这是一个典型的多属性决策问题。如何更好地平衡各个属性之间的关系，为该算法的主要问题。

孙志鹏［4］提出用层次分析法来获取决策参数的主管权重，用标准离差法来获取决策参数的客观权重，用最小化的数学模型来获取主、客观权重的分配系数，用简单加权法（SAW）来获取每个候选网络的网络评估值。朱学文［5］同样提出根据实际网络属性与用户期望属性之间的满意度关系和用户所在位置的网络覆盖能力，多种属性来确定用户的候选网络集合，其中满意度关系由网络多种属性决定，属性权重采用修正的层次分析法（AHP）获得；建立用户与网络之间的关联矩阵，再根据排队理论估计网络的平均排队时延，调整关联矩阵内元素的取值，得到使网络平均排队时延较小的同时又能有效地减少用户切换次数的网络接入，避免频繁地切换。

多属性决策算法是一种十分经典的算法，但是其處理决策标准不够精确，且主观性较强，无法精准地得到各个属性权重，需要与更先进的方法互相结合，以获得更加精确有效的决策策略。

2.3 基于模糊逻辑的策略

由于混合网络中某些信息无法准确得到，多属性判决不能有效准确地处理某些属性，因此可以用模糊逻辑来处理这些问题。

Wang等［6］提出一种基于模糊逻辑的动态切换决策。该模糊逻辑的方案使用信道状态信息（CSI），使用用户速度和所需数据速率来进行模糊化，并制定相应的评估规则，然后进行反模糊化，最后进行网络选择决策，决定是否需要进行切换。同理，Wu等［7］提出一种用于混合LiFi/WiFi网络的两阶段接入点方法，第一阶段，开发一个模糊逻辑系统来确定应连接到WiFi的用户；第二阶段，剩余用户在同质LiFi网络的环境中分配。

模糊逻辑可以处理不准确的信息，同时可以组合和评估多个标准，在参数较少的情况下十分高效，但如果参数过多，模糊推理需要巨大的计算资源。

2.4 基于机器学习的策略

机器学习可以从数据中识别出规律并以此完成预测。对比以上各种的算法，机器学习应用范围更广泛，适应性更强，更能适应各种复杂的网络情况。

Ahmad等［8］提出一种强化学习的决策方案，考虑一个具有1个WiFi AP和4个LiFi AP的下行混合系统，并实现一种强化学习（RL）算法，以确定最佳AP分配策略。同理，Wu等［9］提出通过采集的数据使机器学习采用动态系数来调整用户对LiFi和WiFi之间的选择偏好。新方法平衡诸多属性，并用人工神经网络求得最佳系数，以做出切换决策。

基于机器学习的决策算法能适应多种情况，可以动态调整参数，但是其数据的获取和训练较为关键，而且当数据出现问题时，对于结果的影响比较大。

2.5 其他模型以及各种切换算法的比较

还有一些其他的算法，比如朱福荣等［10］采用比例公平算法，加入异构网络人数调整因子和短期服务质量保证，用分组时延决定不同用户的优先等级，这样就提高系统在不同区域内对于不同用户获得资源的能力，从而在整体上显著提高用户的满意程度和系统资源的利用率。

上述的这些算法采用各不相同的数学模型，不同的模型的决策速度复杂程度和准确性都各不相同，复杂度低的决策速度相对较快，反之亦然，如果能将各个算法的优点互相结合起来将更好。

3 结语

简单的多属性判别方法，计算量小，但不能很好地应用多种场景；以用户为中心的QoS算法，可以适应大多数场景，但不能处理某些复杂情况；机器学习算法，可以满足许多复杂的场景，处理一些复杂情况。算法的不断优化表明室内异构网络方案是可以实现的。然而，目前室内异构网络架构还存在一些问题，例如现有的算法没有将网络选择接入算法与网络架构设计在一起，仅仅只是对各种网络属性和用户偏好进行权衡，而后连接最佳网络。虽然算法的复杂程度不高，但是针对现实生活中存在的诸多特殊情况，如果仅仅是理论计算，那么将难以融入实际。未来，室内异构网络架构会越来越成熟，同时接入算法也会越来越智能，这些问题也终将得到解决。

参考文献

［1］BASNAYAKA D A， HAAS H. Hybrid RF and VLC systems：improving user data rate performance of VLC systems［C］.Glasgow：2015 IEEE 81st Vehicular Technology Conference （VTC Spring）， 2015.

［2］翟雷，倪菊，覃琦超，等.基于QoE的室内VLC-RF异构网络动态接入算法［J］.现代电子技术，2021（13）：17-22.

［3］王春喜，菅春晓，刘洛琨，等.基于用户体验的VLC/WiFi异构网络切换算法［J］.信号处理，2017（9）：1197-1198.

［4］孙志鹏.基于VLC的室内异构网络中网络选择方法及多用户接入技术研究［D］.西安：西安电子科技大学，2018.

［5］朱学文.基于业务需求的异构无线网络接入决策机制［D］.南京：南京邮电大学，2017.

［6］WANG Y，WU X，HAAS H.Fuzzy logic based dynamic handover scheme for indoor Li-Fi and RF hybrid network［C］.Kuala Lumpur：2016 IEEE International Conference on Communications（ICC），2016.

［7］WU X，SAFARI M，HAAS H.Access point selection for hybrid Li-Fi and Wi-Fi networks［J］.IEEE Transactions on Communications，2017（12）：5375-5385.

［8］AHMAD R，SOLTANI M D，SAFARI M，et al.Reinforcement learning based load balancing for hybrid LiFi WiFi networks［EB/OL］.（2020-07-08）［2023-02-10］.https：//www.researchgate.net/publication/342794168_Reinforcement_Learning_Based_Load_Balancing_for_Hybrid_LiFi_WiFi_Networks/citation/download.

［9］WU X，OBRIEN D C. A novel machine learning-based handover scheme for hybrid LiFi and WiFi networks［C］.Beijing：2020 IEEE Global Com Workshops（GC Wkshps），2020.

［10］朱福荣，杨立伟，刘鑫来，等.可见光通信与WiFi异构网络资源调度算法的优化［J］.通信技术，2021（7）：1665-1669.

（編辑 沈 强）

Research on overview of interiors isomeric network access point selection by fusion of visible light

Ma  Chengyu， Zhang  Huiying*

（School of information and control engineering， Jilin Institute of Chemical Technology， Jilin 132022， China）

Abstract： Indoor heterogeneous networks incorporating visible light are considered as the main solution to relieve indoor network stress in the future. This hybrid network has the advantages of both visible high-speed data transmission and wide coverage of wireless network， but it also faces many problems， the most obvious is the problem of access point selection. In this paper， the concept of indoor heterogeneous network is first introduced. Then the access algorithm of indoor heterogeneous network is expounded and classified according to its different access strategies， and the different access strategies are summarized， and then all the strategies are compared horizontally. At last， it analyzes the current situation of research and points out the problems that need to be solved and studied in depth in order to provide reference for further research in this field.

Key words： wireless communication; heterogeneous network; visible light communication; access point selection