一种基于PSO-MTD的无线覆盖网络垂直切换方法与流程

一种基于pso-mtd的无线覆盖网络垂直切换方法
技术领域
1.本发明涉及网络切换技术领域，尤其涉及一种基于pso-mtd的无线覆盖网络垂直切换方法。


背景技术：

2.地下综合管廊容纳了燃气、电力、通讯、供热、供水、排水以及广播电视等重要管线，为各类市政管线和工程管线提供了一个统一铺设安装、规划设计、检修维修、集成服务、运维管理的城市地下公共隧道空间。地下综合管廊通道狭长，附属设施多，管廊内部采用多种无线接入技术，形成各具特色且互补互成的通信网络系统，以支持多类通信业务和维修检修工作的顺利进行。为了维护地下管廊中各类管线的健康运行，诸多通信业务如负责检测控制设备运行的无线传感器网络、人工操作和智能巡检中涉及的语音视频图片等通讯应急等等都需要在多个网络服务节点之间进行垂直切换。管廊内的各类业务对网络所能提供的服务质量提出了偏好不同侧重不一的服务质量(quality of service，qos)需求。
3.地下综合管廊通道多为长条形，各网络节点通常沿通道呈线型部署，终端在通道中进行网络切换时受到基站、无线接入点的部署情况影响。同时，地下管廊中多元化无线通信业务对网络所能提供的带宽、时延、速率等需求不同，对通信技术及网络性能有不同的要求。现有的垂直切换方法并没有基于地下管廊特殊的地理环境进行针对性优化，在选取切换网络时也没有考虑到管廊内各类业务的差异化qos需求，从而影响到网络切换后的业务服务质量，容易导致通信中断或堵塞等问题，切换网络过程中的服务质量差。
4.因此，如何针对地下管廊特殊的环境结构，设计合理的异构网络切换算法，以有效保障业务在切换网络过程中的服务质量，将是未来管廊异构网络垂直切换技术的一个重要问题。


技术实现要素：

5.有鉴于此，本发明实施例提供了一种基于pso-mtd的无线覆盖网络垂直切换方法，以解决现有技术在切换网络过程中的服务质量差的问题。
6.本发明提出的技术方案如下：
7.本发明实施例第一方面提供一种基于pso-mtd的无线覆盖网络垂直切换方法，包括：根据目标终端的平均移动速度和目标终端感知到的目标网络的实时信号强度，生成备选网络集，备选网络集包括目标终端节点当前可连接的若干备选网络；确定目标终端节点的目标业务类型和每个备选网络对应的所有判决参数，根据每个备选网络的各个判决参数和目标终端节点的目标业务类型，构建每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵；根据每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，计算每个备选网络的每个判决参数的定量评价值；采用粒子群算法，计算每个备选网络的每个判决参数对应的定量评价值的权重；根据计算得到的权重，分别针对每个备选网络，对其所有的判决参数的定量评价值进行加权计算，分别得到每个备
选网络的综合性能参数；选取综合性能参数最佳的备选网络，作为目标终端节点在目标业务类型下的目标网络进行切换。
8.可选地，根据目标终端的平均移动速度和目标终端感知到的目标网络的实时信号强度，生成备选网络集，包括：获取目标终端节点感知到的目标网络；计算目标终端节点的平均移动速度和目标网络的实时信号强度；将支持的最大移动速度大于所述平均移动速度，且支持的最小信号强度小于所述实时信号强度的目标网络置为备选网络并归入所述备选网络集。
9.可选地，目标网络支持的最小信号强度根据如下公式计算：
[0010][0011]
其中，表示目标网络的最大发射功率，ls表示理想矩形真空波导中的路径损耗，lr表示由目标网络覆盖场所边缘的壁面粗糙引起的粗糙损耗。
[0012]
可选地，基于pso-mtd的无线覆盖网络垂直切换方法还包括：
[0013]
根据目标终端节点的平均移动速度计算备选网络集更新时间，所述更新时间根据如下公式计算：
[0014][0015]
其中，δt为更新时间，t
min
、t
max
分别为目标终端节点执行垂直切换的最小允许时间和最大允许时间，v
max
为当前服务网络所能支持的目标终端节点的最大速度值，vc为目标终端节点的平均移动速度；
[0016]
每间隔一个更新时间后更新备选网络集。
[0017]
可选地，根据每个备选网络的每个判决参数对应的备选网络的判决参数和目标终端节点的目标业务类型，构建每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，包括：根据目标终端节点的目标业务类型，确定每个备选网络的每个判决参数的第一阈值和第二阈值，第一阈值和第二阈值用于将对应的判决参数划分在低、中或高区域，其中，第一阈值小于第二阈值，当判决参数小于第一阈值时，则将对应的判决参数划分在低区域，当判决参数大于第一阈值且小于第二阈值时，则将对应的判决参数划分在中区域，当判决参数大于第二阈值时，则将对应的判决参数划分在高区域；根据每个备选网络的每个判决参数的第一阈值和第二阈值构建表示每个备选网络的每个判决参数在其对应的低、中、高三个区域中的隶属程度的隶属度函数矩阵；根据目标终端节点的目标业务类型，分别确定目标业务类型对每个备选网络的每个判决参数在低、中、高三个区域中的影响指数，并分别根据每个备选网络的每个判决参数对应的影响指数构建区域分值评价函数矩阵。
[0018]
可选地，根据每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，计算每个备选网络的每个判决参数的定量评价值包括：将每个备选网络的每个判决参数对应的区域分值评价函数矩阵和隶属度函数矩阵的转置矩阵相乘，分别获得每个备选网络的每个判决参数的定量评价值。
[0019]
可选地，粒子群算法的位置更新公式为：
[0020]
vj(t 1)＝c0vj(t) c1r1[pbest-ωj(t)] c2r2[gbest-ωj(t)]
[0021]
ωj(t 1)＝ωj(t) vj(t 1)
[0022]
粒子群算法的适应度函数为：
[0023][0024]
其中，其中：t为当前种群迭代次数，ωj为粒子位置，代表对应的备选网络中第j个判决参数对应的定量评价值的初始权重，且满足ωj＞0,j＝1,2,...,m，v为粒子速度，c0为惯性权重，r1、r2为两个随机数，均匀分布于[0,1]之间，c1、c2为学习因子，ch为适应度值，表示备选网络的业务类型为h时的综合性能参数，为对于业务类型h，备选网络中判决参数j的定量评价值；
[0025]
采用粒子群算法，计算每个备选网络的每个判决参数对应的定量评价值的权重，包括：随机初始化每个备选网络的每个判决参数对应的定量评价值的初始权重和粒子初始速度并设置最大迭代次数；将初始权重作为粒子群算法中的粒子位置，对位置更新公式进行迭代运算直至迭代次数达到最大迭代次数，在每次迭代中，根据位置更新公式更新粒子位置，并将更新后的粒子位置代入适应度函数得到更新后的适应度值，将更新后的适应度值与历史迭代过程中的最优适应度值进行比较，若更新后的适应度值大于历史迭代过程中的最优适应度值，则将当前粒子位置更新为历史最优位置；将迭代结束后的历史最优位置作为优化后的权重。
[0026]
本发明实施例第二方面提供一种基于pso-mtd的无线覆盖网络垂直切换装置，包括：生成模块，用于根据目标终端的平均移动速度和目标终端感知到的目标网络的实时信号强度，生成备选网络集，备选网络集包括目标终端节点当前可连接的若干备选网络；函数构建模块，用于确定目标终端节点的目标业务类型和每个备选网络对应的所有判决参数，根据每个备选网络的各个判决参数和目标终端节点的目标业务类型，构建每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵；评价计算模块，用于根据每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，计算每个备选网络的每个判决参数的定量评价值；权重优化模块，用于采用粒子群算法，计算每个备选网络的每个判决参数对应的定量评价值的权重；参数计算模块，用于根据计算得到的权重，分别针对每个备选网络，对其所有的判决参数的定量评价值进行加权计算，分别得到每个备选网络的综合性能参数；选取模块，用于选取综合性能参数最佳的备选网络，作为目标终端节点在目标业务类型下的目标网络进行切换。
[0027]
本发明实施例第三方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面所述的基于pso-mtd的无线覆盖网络垂直切换方法。
[0028]
本发明实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面所述的基于pso-mtd的无线覆盖网络垂直切换方法。
[0029]
从以上技术方案可以看出，本发明实施例具有以下优点：
[0030]
本发明实施例提供的一种基于pso-mtd的无线覆盖网络垂直切换方法，包括根据目标终端的平均移动速度和目标终端感知到的目标网络的实时信号强度，生成备选网络集，确定目标终端节点的目标业务类型和每个备选网络对应的所有判决参数，根据每个备选网络的各个判决参数和目标终端节点的目标业务类型，构建每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，根据每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，计算每个备选网络的每个判决参数的定量评价值；采用粒子群算法优化判决参数对应的定量评价值的权重并计算得到综合性能参数，选取综合性能参数最佳的备选网络进行切换。本发明实施例通过从终端节点能够连接的网络中筛选备选网络由此排除部分网络从而大幅度降低计算量，并且结合粒子群优化算法能够针对性地选取对应业务类型的综合性能参数最佳的备选网络，有效保障网络切换时的业务服务质量。
附图说明
[0031]
为了更清楚地表达说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]
图1为本发明实施例中基于pso-mtd的无线覆盖网络垂直切换方法的流程图；
[0033]
图2为本发明实施例中地下管廊网络分布示意图；
[0034]
图3为本发明实施例中会话类业务的隶属度函数图；
[0035]
图4为本发明实施例中交互类业务的隶属度函数图；
[0036]
图5为本发明实施例中流类业务的隶属度函数图；
[0037]
图6为本发明实施例中后台类业务的隶属度函数图；
[0038]
图7为本发明实施例中基于pso-mtd的无线覆盖网络垂直切换装置的模块框图；
[0039]
图8为本发明实施例中电子设备的结构示意图；
[0040]
图9为本发明实施例中计算机可读存储介质的结构示意图。
具体实施方式
[0041]
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0042]
本发明实施例的一种基于pso-mtd的无线覆盖网络垂直切换方法，适用于地下管廊、隧道等狭长环境下无线覆盖网络垂直切换，本发明实施例以地下管廊环境为例进行描述。
[0043]
如图1所示，本发明实施例的基于pso-mtd的无线覆盖网络垂直切换方法包括：
[0044]
步骤s100，根据目标终端的平均移动速度和目标终端感知到的目标网络的实时信号强度，生成备选网络集，备选网络集包括目标终端节点当前可连接的若干备选网络。备选网络的网络类型可以为一种或多种，具体地，在本实施例中，备选网络的网络类型有两种，
分别为wi-fi网络和lora网络，wi-fi网络和lora网络异构共存于狭长地下管廊中。wi-fi网络和lora网络的分布情况如图2所示，假设在一段长为l，宽为w的地下管廊通道中，wi-fi无线接入点均匀分布在管廊顶壁的中线上，lora传感器节点于管廊两侧交叉分布，每一个wi-fi无线接入点和lora传感器节点分别对应一个wi-fi网络和lora网络，从这些wi-fi网络和lora网络筛选出符合要求的备选网络，从而构成备选网络集，备选网络需要满足的要求包括信号强度以及支持的终端节点移动速度。其中，wi-fi无线接入点的覆盖范围半径为rw，lora传感器节点的通信半径一般不小于覆盖半径的2倍，本发明实施例中设lora传感器节点的覆盖范围半径为r
l
，通信半径为2r
l
。用户的终端节点具备wi-fi和lora双模网络接口，既可以接入wi-fi无线接入点，也可以与lora的基站进行通信。
[0045]
步骤s200，确定目标终端节点的目标业务类型和每个备选网络对应的所有判决参数，根据每个备选网络的各个判决参数和目标终端节点的目标业务类型，构建每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵。具体地，备选网络的判决参数包括带宽、时延、信号强度等。在管廊环境中，根据3gpp标准，一般可以将终端节点的业务类型划分为会话类业务、交互类业务、流类业务和后台类业务等，在地下管廊环境中，业务类型表示为h＝{h1,h2,...,hk}，备选网络集为lora节点和wi-fi接入点。备选网络的判决参数表示为j＝{j1,j2,...,jm}，其中，在地下管廊中所考虑的判决参数包括带宽信号强度和时延中的一种或多种。为保证端到端的服务质量(quality of service，qos)，不同业务类型对于不同判决参数的取值要求不同。针对管廊内多元业务的差异化通信需求，分别根据时延、带宽和信号强度等通信指标构建会话类、交互类、后台类、流类业务的隶属度评估函数矩阵，隶属度评估函数矩阵表示当前服务网络的时延、带宽和信号强度等判决参数对应各个分类区域的隶属程度，分类区域为将判决参数的整体范围划分为表示不同等级的区域，区域分值评价函数矩阵表示业务h对当前服务网络中判决参数j的影响指数。
[0046]
步骤s300，根据每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，计算每个备选网络的每个判决参数的定量评价值。具体地，每一个业务h对于备选网络中的判决参数j均对应有一个隶属度函数矩阵和一个区域分值评价函数矩阵，定量评价值具体为隶属度函数矩阵的转置和区域分值评价函数矩阵的乘积，表示为对于业务h，备选网络的判决参数j的评价值。
[0047]
步骤s400，采用粒子群算法，计算每个备选网络的每个判决参数对应的定量评价值的权重。粒子群算法(particle swarm optimization，pso)是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。初始化为一群随机粒子(随机解)，然后通过迭代找到最优解，在每一次迭代中，粒子通过跟踪两个“极值”来更新自己。第一个就是粒子本身所找到的最优解，这个解叫做个体极值pbest，另一个极值是整个种群找到的最优解，这个极值是全局极值gbest。另外也可以不用整个种群而只是用其中一部分最优粒子的邻居，那么在所有邻居中的极值就是局部极值。将现有的粒子群算法应用到优化定量评价值的权重中，得到各业务类型基于服务质量对备选网络各判决参数需求的权重系数，求解不同类型业务对于网络性能的个性化需求。
[0048]
步骤s500，根据计算得到的权重，分别针对每个备选网络，对其所有的判决参数的定量评价值进行加权计算，分别得到每个备选网络的综合性能参数。每一个定量评价值表
示一个判决参数j的评价值，而网络的判决参数包括时延、带宽和信号强度等多种，因此需要将全部定量评价值进行加权并相加，从而得到相对于整体的综合性能参数。
[0049]
步骤s600，选取综合性能参数最佳的备选网络，作为目标终端节点在目标业务类型下的目标网络进行切换。通过比较备选网络集中每个备选网络对于当前业务类型的综合性能参数，选取备选网络中综合性能参数最佳的目标网络进行切换，得到满足对于当前业务类型而言最优的备选网络，从而满足不同业务类型的个性化需求。
[0050]
本发明实施例的一种基于pso-mtd的无线覆盖网络垂直切换方法，包括根据目标终端的平均移动速度和目标终端感知到的目标网络的实时信号强度，生成备选网络集，确定目标终端节点的目标业务类型和每个备选网络对应的所有判决参数，根据每个备选网络的各个判决参数和目标终端节点的目标业务类型，构建每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，根据每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，计算每个备选网络的每个判决参数的定量评价值；采用粒子群算法优化判决参数对应的定量评价值的权重并计算得到综合性能参数，选取综合性能参数最佳的备选网络进行切换。本发明实施例通过从终端节点能够连接的网络中筛选备选网络由此排除部分网络从而大幅度降低计算量，并且结合粒子群优化算法能够针对性地选取对应业务类型的综合性能参数最佳的备选网络，有效保障网络切换时的业务服务质量。此外，本发明实施例的基于pso-mtd的无线覆盖网络垂直切换方法通过对不同业务类型的服务质量需求和网络性能对业务个性化需求的匹配程度进行分析，能够实现地下管廊中各类业务和网络服务的精准化对接，有效提高管廊异构无线网络的服务质量，为用户提供更为个性化的业务服务体验，对于地下管廊环境中的异构无线网络垂直切换技术有较为重要的研究意义。
[0051]
在一实施例中，根据目标终端的平均移动速度和目标终端感知到的目标网络的实时信号强度，生成备选网络集，包括：获取目标终端节点感知到的目标网络；计算目标终端节点的平均移动速度和目标网络的实时信号强度；将支持的最大移动速度大于所述平均移动速度，且支持的最小信号强度小于所述实时信号强度的目标网络置为备选网络并归入所述备选网络集。本发明实施例基于终端运动趋势(motion trend analysis，mtd)理论获得终端节点的移动趋势，具体地，终端节点设有定位装置并利用定位装置上传自身定位信息，根据定位信息获取终端节点的平均移动速度。由于地下管廊环境较多为长直环境，因此可以使用平均移动速度来表示终端节点的移动趋势。示例性的，请参见如图2所示的网络结构，存在wifi网络和lora网络，对于网络类型为wifi网络的备选网络，设终端节点支持的最大平均移动速度为速度阈值。当平均移动速度大于所设定的速度阈值时，表明移动速度过快，在wi-fi覆盖范围内的停留时间较为短暂，因此判定终端节点的网络保持lora连接，将网络类型为wifi网络的备选网络从备选网络集中剔除。本发明实施例在基于mtd理论的基础上优化筛选了有效的备选网络集，当实时信号强度与终端移动速度均符合要求时，则将该网络加入备选网络集采用后续的决策来进行垂直切换判决，这样可以基于终端的运动趋势和接收信号强度筛选出有效的备选网络，排除掉部分无需考虑的网络，从而避免了后续多余的计算和判断显著地减少计算量，在一定程度上降低开销。
[0052]
在一实施例中，目标网络支持的最小信号强度根据如下公式计算：
[0053]
[0054]
其中，表示目标网络的最大发射功率，ls表示理想矩形真空波导中的路径损耗，lr表示由目标网络覆盖场所边缘的壁面粗糙引起的粗糙损耗。本实施例中目标网络覆盖场所为地下管廊。进一步，ls和lr的计算方式为：
[0055][0056][0057]
λ表示波长，w、h表示矩形地下管廊的宽度和高度，ε*表示管廊环境下壁面的复介电常数，表示管廊墙壁的电导率。当备选网络的实时信号强度时，认为终端节点位于管廊内目标网络覆盖范围内，否则将该备选网络从备选网络集中删除。
[0058]
在一实施例中，基于pso-mtd的无线覆盖网络垂直切换方法还包括：根据目标终端节点的平均移动速度计算备选网络集更新时间，所述更新时间根据如下公式计算：
[0059][0060]
其中，δt为更新时间，t
min
、t
max
分别为目标终端节点执行垂直切换的最小允许时间和最大允许时间，v
max
为当前服务网络所能支持的目标终端节点的最大速度值，vc为目标终端节点的平均移动速度；每间隔一个更新时间后更新备选网络集。通过间隔一个更新时间后更新备选网络集，避免备选网络集相对实时位置存在滞后性，保证终端节点在地下管廊通道中移动时，网络连接的连续性。
[0061]
在一实施例中，根据每个备选网络的每个判决参数对应的备选网络的判决参数和目标终端节点的目标业务类型，构建每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，包括：
[0062]
首先，根据目标终端节点的目标业务类型，确定每个备选网络的每个判决参数的第一阈值和第二阈值，第一阈值和第二阈值用于将对应的判决参数划分在低、中或高区域，其中，第一阈值小于第二阈值，当判决参数小于第一阈值时，则将对应的判决参数划分在低区域，当判决参数大于第一阈值且小于第二阈值时，则将对应的判决参数划分在中区域，当判决参数大于第二阈值时，则将对应的判决参数划分在高区域。由于不同的业务类型对于判决参数的取值要求不同，针对管廊内多元业务的差异化通信需求，根据终端节点的当前业务类型h对判决参数的取值要求，将所述判决参数划分为低、中、高三个区域。根据3gpp标准，会话类业务要求正常传输速率为64kbit/s，当带宽大于64kbit/s时，通信质量将随带宽而上升，达到300kbit/s时，会话类业务的通信质量将不在提升。而小于5kbit/s时则会无法进行正常会话。而在交互类、流类、后台类业务中，最低带宽要求分别为50kbit/s、50kbit/s、10kbit/s，最高带宽需求为600kbit/s、10000kbit/s、1000kbit/s。以带宽性能为例，会话类业务的第一阈值t
1h
和第二阈值分别是64kbit/s和300kbit/s。带宽低于64kbit/s的区域为低区域，带宽位于64kbit/s和300kbit/s之间的区域为中区域，带宽高于300kbit/s的为高区域。
[0063]
然后，根据每个备选网络的每个判决参数的第一阈值和第二阈值构建表示每个备选网络的每个判决参数在其对应的低、中、高三个区域中的隶属程度的隶属度函数矩阵。具体地，将隶属度函数矩阵表示为q
(h,j)
＝[q
l
,qm,qh]，q
l
,qm,qh分别表示业务类型为h的业务对网络性能参数即判决参数j在低、中、高三个区域的隶属度值，q
l
,qm,qh在不同业务类型中对应的函数关系图如图3、图4、图5和图6所示。q
l
,qm,qh具体的计算方式为：
[0064][0065][0066][0067]
t
1h
和分别表示第一阈值和第二阈值，x为备选网络的判决参数的值。
[0068]
最后，根据目标终端节点的目标业务类型，分别确定目标业务类型对每个备选网络的每个判决参数在低、中、高三个区域中的影响指数，并分别根据每个备选网络的每个判决参数对应的影响指数构建区域分值评价函数矩阵。由于不同的业务类型对于判决参数的取值要求不同，因此低、中、高三个区域的影响指数也不同，设对于判决参数j的低、中、高三个区域的影响指数α
l
,αm,αh，则区域分值评价函数矩阵为α
(h,j)
＝[α
l
,αm,αh]，以此根据所构建的隶属度函数矩阵对备选网络归一化后的判决参数进行模糊化评估，模糊理论有助于多方位地对网络性能进行综合考量评估。以带宽性能为例，其计算方式如下：方位地对网络性能进行综合考量评估。以带宽性能为例，其计算方式如下：表示归一化后带宽的具体值。具体地，带宽、信号强度和时延的归一化计算公式为：
[0069]
[0070][0071][0072]
其中，和分别表示归一化前的带宽、信号强度和时延，表示为归一化之后的网络带宽，表示为备选网络总带宽，表示为归一化之后的时延，分别为用户连接网络的最小时延和最大时延，表示为归一化之后的信号强度，分别为用户所能连接网络的最小信号强度和最大信号强度。
[0073]
在一实施例中，根据每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，计算每个备选网络的每个判决参数的定量评价值包括：将每个备选网络的每个判决参数对应的区域分值评价函数矩阵和隶属度函数矩阵的转置矩阵相乘，分别获得每个备选网络的每个判决参数的定量评价值。定量评价值的计算公式为：
[0074][0075]
表示对于业务类型h，备选网络中判决参数j的定量评价值。通过将区域分值评价函数矩阵和隶属度函数矩阵的转置相乘，实现基于模糊理论对各个备选网络的判断参数进行评价，得到合理有效的定量评价值。
[0076]
在一实施例中，粒子群算法的位置更新公式为：
[0077]
vj(t 1)＝c0vj(t) c1r1[pbest-ωj(t)] c2r2[gbest-ωj(t)]
[0078]
ωj(t 1)＝ωj(t) vj(t 1)
[0079]
粒子群算法的适应度函数为：
[0080][0081]
其中，其中：t为当前种群迭代次数，ωj为粒子位置，代表对应的备选网络中第j个判决参数对应的定量评价值的初始权重，且满足ωj＞0,j＝1,2,...,m，v为粒子速度，c0为惯性权重，r1、r2为两个随机数，均匀分布于[0,1]之间，c1、c2为学习因子，ch为适应度值，表示备选网络的业务类型为h时的综合性能参数，为对于业务类型h，备选网络中判决参数j的定量评价值。
[0082]
采用粒子群算法，计算每个备选网络的每个判决参数对应的定量评价值的权重，包括：随机初始化每个备选网络的每个判决参数对应的定量评价值的初始权重和粒子初始速度并设置最大迭代次数；将初始权重作为粒子群算法中的粒子位置，对位置更新公式进行迭代运算直至迭代次数达到最大迭代次数，在每次迭代中，根据位置更新公式更新粒子位置，并将更新后的粒子位置代入适应度函数得到更新后的适应度值，将更新后的适应度值与历史迭代过程中的最优适应度值进行比较，若更新后的适应度值大于历史迭代过程中的最优适应度值，则将当前粒子位置更新为历史最优位置；将迭代结束后的历史最优位置作为优化后的权重。
[0083]
具体地，首先，基于备选网络的综合性能参数构建粒子群算法的适应度函数。在计算wi-fi和lora网络的综合性能中，采用粒子群算法优化判决参数在综合性能中的占比，达到更为合理的综合性能评判。将备选网络的综合性能参数作为适应度函数，计算方式为：其中：ch表示网络在业务类型为h的应用中的综合性能参数，ωj表示各判决参数在综合性能参数中的权重，其中，ωj满足且ωj＞0,j＝1,2,...,m。
[0084]
其次，将权重作为粒子位置，根据粒子位置更新公式更新粒子位置，将更新后的粒子位置代入所述适应度函数判断是否更新历史最优位置。粒子位置更新公式为：
[0085]
vj(t 1)＝c0vj(t) c1r1[pbest-ωj(t)] c2r2[gbest-ωj(t)]
[0086]
ωj(t 1)＝ωj(t) vj(t 1)
[0087]
其中：t为当前种群迭代次数，ωj为粒子位置，代表优化目标为不同判决参数所占权重，v为粒子速度，初始速度随机生成，c0表示为惯性权重，代表保持原来速度的系数，r1、r2为两个随机数，均匀分布于[0,1]之间，c1、c2为学习因子，作为权重系数跟踪自身历史最优和群体最优，表示为一种认知的状态，也叫“认知”和“社会”，通常学习因子设置为2。通过粒子速度的更新，可以得到粒子新的位置，然后把每个粒子的新位置当作可行解代入适应度函数中，可以求出该粒子新位置对应的适应度值。粒子的历史最优位置pbest和粒子群的历史最优位置gbest初始化为0，本实施例中，由于适应度函数为所有粒子共同的目标函数，因此粒子的历史最优位置pbest和粒子群的历史最优位置gbest的值相同，每进行一次种群更新迭代后，并将更新后的粒子位置代入适应度函数得到更新后的适应度值，将更新后的适应度值与历史迭代过程中的最优适应度值进行比较，即将更新后的适应度值与粒子的历史最优位置pbest或粒子群的历史最优位置gbest对应的适应度值进行比较，若更新后的适应度值大于历史迭代过程中的最优适应度值，则将粒子的历史最优位置pbest或粒子群的历史最优位置gbest更新为当前粒子位置并进行下一次迭代。每一次迭代完成后，重复迭代直至迭代次数达到设定的最大迭代次数。
[0088]
最后，将迭代结束后的历史最优位置作为优化后的权重。历史最优位置具体为种群的历史最优位置，在迭代结束后将其作为优化后的权重，得到最优的权重。粒子群算法可以高效提取各类型应用的个性化服务质量需求，且粒子群算法的代码量小，执行速度快，可以缩短算法的计算时延。
[0089]
本发明实施例还提供一种基于pso-mtd的无线覆盖网络垂直切换装置，如图7所
示，该装置包括：
[0090]
生成模块401，用于根据目标终端的平均移动速度和目标终端感知到的目标网络的实时信号强度，生成备选网络集，备选网络集包括目标终端节点当前可连接的若干备选网络。具体内容参见上述方法实施例对应部分，在此不再赘述。
[0091]
函数构建模块402，用于确定目标终端节点的目标业务类型和每个备选网络对应的所有判决参数，根据每个备选网络的各个判决参数和目标终端节点的目标业务类型，构建每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵。具体内容参见上述方法实施例对应部分，在此不再赘述。
[0092]
评价计算模块403，用于根据每个备选网络的每个判决参数对应的隶属度函数矩阵和区域分值评价函数矩阵，计算每个备选网络的每个判决参数的定量评价值。具体内容参见上述方法实施例对应部分，在此不再赘述。
[0093]
权重优化模块404，用于采用粒子群算法，计算每个备选网络的每个判决参数对应的定量评价值的权重。具体内容参见上述方法实施例对应部分，在此不再赘述。
[0094]
参数计算模块405，用于根据计算得到的权重，分别针对每个备选网络，对其所有的判决参数的定量评价值进行加权计算，分别得到每个备选网络的综合性能参数。具体内容参见上述方法实施例对应部分，在此不再赘述。
[0095]
选取模块406，用于选取综合性能参数最佳的备选网络，作为目标终端节点在目标业务类型下的目标网络进行切换。具体内容参见上述方法实施例对应部分，在此不再赘述。
[0096]
本发明实施例的基于pso-mtd的无线覆盖网络垂直切换装置，通过生成备选网络集，然后根据备选网络集中备选网络的判决参数和终端节点的业务类型构建隶属度函数矩阵和区域分值评价函数矩阵，并根据隶属度函数矩阵和区域分值评价函数矩阵计算判决参数的定量评价值，最后采用粒子群算法优化判决参数对应的定量评价值的权重，根据优化后的权重对定量评价值进行加权计算得到综合性能参数，将综合性能参数最佳的备选网络进行切换，本发明实施例的基于pso-mtd的无线覆盖网络垂直切换装置通过从终端节点能够连接的网络中筛选备选网络由此排除部分网络从而大幅度降低计算量，并且结合粒子群优化算法能够针对性地选取对应业务类型的综合性能参数最佳的备选网络，有效保障网络切换时的业务服务质量。
[0097]
本发明实施例还提供了一种电子设备，包括：存储器12和处理器11，存储器12和处理器11之间互相通信连接，存储器12存储有计算机指令，处理器11通过执行计算机指令，从而执行如本发明上述实施例中基于pso-mtd的无线覆盖网络垂直切换方法的步骤。如图8所示，包括存储器12和处理器11，其中处理器11和存储器12可以通过总线或者其他方式连接。处理器11可以为中央处理器(central processing unit，cpu)。处理器11还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。存储器12作为一种非暂态计算机存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器11通过运行存储在存储器12中的非暂态软件程序、指令以及模块，从而执行处理器11的各种功能应用以及数据处理，即实现如本发明上述实施例中基
于pso-mtd的无线覆盖网络垂直切换方法的步骤。存储器12可以包括存储程序区和存储数据区，其中，存储程序区可存储操作装置、至少一个功能所需要的应用程序；存储数据区可存储处理器11所创建的数据等。此外，存储器12可以包括高速随机存取存储器12，还可以包括非暂态存储器12，例如至少一个磁盘存储器12件、闪存器件、或其他非暂态固态存储器12件。在一些实施例中，存储器12可选包括相对于处理器11远程设置的存储器12，这些远程存储器12可以通过网络连接至处理器11。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。一个或者多个模块存储在存储器12中，当被处理器11执行时，执行如本发明上述实施例中基于pso-mtd的无线覆盖网络垂直切换方法的步骤。上述电子设备具体细节可以对应上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。
[0098]
本发明实施例还提供一种计算机可读存储介质，如图9所示，其上存储有计算机程序13，该指令被处理器执行时实现如本发明上述实施例中基于pso-mtd的无线覆盖网络垂直切换方法的步骤。该存储介质上还存储有音视频流数据，特征帧数据、交互请求信令、加密数据以及预设数据大小等。其中，存储介质可为磁碟、光盘、只读存储记忆体(read－only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid－state drive，ssd)等；存储介质还可以包括上述种类的存储器的组合。本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序13可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read－only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid－state drive，ssd)等；存储介质还可以包括上述种类的存储器的组合。
[0099]
以上，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。