[发明专利]一种雾计算网络下基于OCWG-TOPSIS的用户关联方法

说明书

本发明涉及一种雾计算网络下基于OCWG‑TOPSIS的用户关联方法，属于移动通信技术领域。本发明选取RSRP、Fog Node的剩余计算容量C^r、XeNB的剩余通信容量T^r、衡量用户QoS的时延、FeNB的总能耗、用户所需支付费用，作为六个KPI参数，构成关联决策方案的属性集；具体设计了针对密集异构蜂窝网络雾计算系统场景下的决策属性的数学建模，并设计了结合主观权重与客观权重的最优组合权重，将最优组合权重与属性规范化后的决策矩阵相乘，对关联决策矩阵的属性值进行加权；最后结合TOPSIS方法原理与GRA方法设计了关联决策方案的相对贴合度δ，并依据相对贴合度对关联方案进行排序。本方法可以实现用户与最佳FeNB建立关联，在保证用户QoS的同时，通过约束FeNB的最大负载，平衡业务流量分配，减少FeNB的总能耗。

技术领域

本发明属于移动通信技术领域，特别是雾计算网络下的用户关联技术领域，涉及一种雾计算网络下基于OCWG-TOPSIS的用户关联方法。

背景技术

近年来，物联网技术(Internet of Things,IoT)、人工智能技术(ArtificialIntelligence,AI)、第五代(5th generation,5G)移动通信技术的深入发展与应用，加速了万物互联时代的到来，引发了全社会的智能变革。随着物联网业务量的不断增加，接入网络的终端数量越来越多，终端设备对数据存储和计算量等方面的需求也越来越大，因此可能产生某些技术方面的难题。一方面，终端设备产生的密集数据流需要通过核心网传输到远程云进行处理，消耗核心网络大量带宽和能量；另一方面，由于远程云通常远离终端设备，处理数据流的延迟可能太长，无法满足延迟敏感型应用对超低时延的需求。因此，为了高效及时地处理来自网络中广泛分布的终端设备的多样化任务请求，雾计算(Fog Computing)作为对云计算(Cloud Computing)的扩展和补充应运而生。

雾计算由OpenFog联盟定义为“系统级水平架构”，能够在云到物联网应用之间的任何位置分配及控制计算、存储和网络的资源与服务，而不是局限在遥远的云数据中心。同移动边缘计算(Mobile Edge Computing,MEC)类似，雾计算可以将边缘服务器部署在蜂窝网络的基站一侧，提供更加贴近用户的、远离云端的边缘计算。不同之处在于，雾计算能够把基于云的服务，例如基础设施即服务(Infrastructure-as-a-Service,IaaS)、平台即服务(Platform-as-a-Service,PaaS)、软件即服务(Software-as-a-Service,SaaS)拓展到网络边缘。除此之外，相对于MEC来说，雾计算架构更具层次性与平坦性。雾节点(Fog Node)可以遍布于边缘网络与核心网络，除了边缘服务器外，边缘和核心网络的任何具有计算、存储和连接网络能力的组件(例如核心路由器、广域网路开关、工业控制器等)都可以作为FogNode来提供雾计算的基础设施服务，这一特征使得移动业务的部署更加方便，满足了更广泛的节点接入。正因如此，在雾计算场景下，大量分散、异构的设备可以相互通信，且在没有第三方干预的情况下，设备与网络之间能够协作处理各项任务，而雾计算相对于其他计算模型来说，也是适应物联网结构的最佳选择。

与此同时，随着物联网业务的迅猛发展，移动数据流量呈指数级增长，由宏基站(MeNB)组成的传统蜂窝网络已不足以支持未来通信需求的不断变化与更新。因此，为了改善网络容量与速率，进一步提高传统蜂窝网络的性能以期满足未来海量数据接入、低时延低功耗等一系列服务需求，密集异构网络成为当前移动通信技术研究中最为主流的网络架构。该网络架构在传统蜂窝网络的基础上引入了微基站、家庭基站等覆盖范围小且发射功率低的小小区基站(SeNB)，进行特定区域的加强覆盖，形成宏小区与小小区的混合组网架构。在密集异构蜂窝网络下的MeNB与SeNB一侧部署不同规模的Fog Node，能够将雾计算为用户提供边缘计算的优势与密集异构蜂窝网络使用户享有更高通信质量的优势相结合，满足万物互联时代下，广泛分布的终端设备的多样化任务请求以及高质量的通信需求。因此，密集异构蜂窝网络雾计算系统架构得到业界的广泛关注。