[发明专利]一种基于5G异构网络融合的智能平台接入方法

说明书

本发明涉及一种基于5G异构网络融合的智能平台接入方法，属于计算机技术领域。该方法包括：S1：将MEC系统与5G网络相结合；S2：当边缘设备发送连接请求到基站时，采用网络筛选算法剔除不合格网络；S3：采用层次分析法对网络服务质量、成本和网络负载进行权重分配，得到决策效用、带宽效用和延迟效用的最优解；S4：在运行过程中，通过模糊逻辑将边缘用户的偏好转化为决策属性的权重再进行并行模糊处理，模糊化数据利用步骤S3的效用函数得到各个网络服务质量矩阵，用户进而自适应地选择最优网络。本发明有助于在动态环境中有效降低乒乓效应，能够高效地接入网络，降低接入时间，提高用户满意度和减少接入失败。

技术领域

本发明属于计算机领域，涉及一种基于5G异构网络融合的智能平台接入方法。

背景技术

自第一代(1G)蜂窝网络商业化以来，各代网络在网络架构、关键技术、覆盖范围、移动性、安全性和隐私、数据、频谱效率、成本优化等方面都有巨大差异。5G通信可分为三类：增强型移动宽带(eMBB)、超可靠低延迟通信(URLLC)和大规模机器类型通信(mMTC)。与前几代相比，5G不仅支持通信，还支持计算、控制和内容交付功能。此外，随着5G的出现，预计会有许多新的应用和用例，例如虚拟/增强现实(VR/AR)、自主车辆、触觉互联网和物联网(IOT)场景。这些应用不仅会导致对通信资源的需求激增，还会导致对计算资源的需求激增。思科白皮书显示，移动和无线网络以约三倍增长的速度增长；此外，新应用和服务产生的流量将在CAGR以更高的速度增长，例如，增强现实和虚拟现实的流量将增长12倍，互联网游戏的流量将增长9倍，互联网视频监控的流量将增长7倍。然而，大多数连接设备的通信和存储资源有限，处理能力有限，这表明新兴应用的严格要求与实际设备能力不匹配。尽管硬件能力最近有所提高，但移动计算仍然无法满足许多需要生成、处理和存储大量数据并需要大量计算资源的应用的需求。

为了提高效率，异构网络将自组织，通过将计算和存储从中心云推送到边缘云，它为边缘实体提供了更强大的信息处理能力和内容交付能力，它还为服务实施提供了一个高效、低延迟的支持平台。移动边缘计算得到了越来越广泛的应用。随着5G的到来，网络异构性的加深和边缘用户服务的多样化正成为未来通信的趋势。在MEC实现用户服务多样化的关键是在多个异构无线网络中进行适当的网络选择。网络选择的目的是保证边缘用户的连接始终是最佳的，即保证边缘终端/用户接入最合适的网络，以便根据他们的个人需求在边缘用户和边缘云之间建立可靠的连接。因此，为了提升用户的满意度和体验质量，边缘用户接入5G异构网络的成功率至关重要。

目前现有异构网络接入方法主要包括：基于博弈论的网络选择方法、基于机器学习的网络选择方法、基于参数不确定的模糊逻辑网络选择方法等，现有的网络选择方法只关注静态或者动态用户的选择，忽略了用户运动状态对网络选择的影响。因此，亟需一种能解决不同运动状态下的多服务用户的异构网络选择问题的智能平台接入方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于5G异构网络融合的智能平台接入方法，解决不同运动状态下多业务用户的5G异构网络选择问题，使动态用户和静态用户能够相互转换，从而保证动态适应性和多属性决策最优性，提升用户接入的稳定性，降低接入时间，提高用户满意度。

为达到上述目的，本发明提供如下技术方案：

一种基于5G异构网络融合的智能平台接入方法，包括以下步骤：

S1：将MEC系统与5G网络相结合，MEC提供本地处理，以确保高吞吐量和低延迟的要求；

S2：当边缘设备发送连接请求到基站时，采用网络筛选算法，提前剔除不合格网络，缩短筛选时间，排除网络密集区域中无法保证服务正常执行和卸载的网络；

S3：采用层次分析法对网络服务质量、成本和网络负载进行权重分配，得到决策效用、带宽效用和延迟效用的最优解；