基于用户使用习惯的异构网络切换方法技术

本发明专利技术提供了一种基于用户使用习惯的异构网络切换方法，包括建立一种神经网络模型，获取用户在异构网络之间进行切换时的相关数据形成用户数据库，并且处理这些数据使之成为训练所述神经网络模型的训练样本，最终根据候选切入网络的情况，利用已训练的神经网络模型实现用户对于异构网络切换这一行为的模拟，从而实现符合用户使用习惯的异构网络切换操作。本发明专利技术综合考虑了多个待切入候选网络的性能与用户运行的网络业务类型，根据用户对于网络的选择，分析该选择所体现出在当前网络业务类型下用户对于待切入网络性能的要求，因此，使用一定数量用户数据样本进行训练之后的神经网络可以很好地实现对用户异构网络切换操作的模拟。

【技术实现步骤摘要】

本专利技术涉及移动通信
，具体地，涉及基于用户使用习惯的异构网络切换方法，尤其是移动智能终端异构网络切换的方法。
技术介绍
随着智能手机、平板电脑等移动智能终端设备的迅速普及，人们在日常生活与工作当中对于网络的需求急剧膨胀。这些需求主要体现为在移动时智能终端设备能够保持稳定的网络接入，同时人们可以通过这些设备以较低的成本，快速、稳定地从网络中获取其所需的信息。移动通信技术近年来发展快速，目前被用户广泛使用的是第三代移动通信技术(3rd-generation,3G)与第四代移动通信技术(4th-generation,4G)，3G技术理论数据通信速率约为3Mbps，能够满足音频及图像数据的传输，而4G技术在数据通信速率具有极大提升，理论上可达到100Mbps，可以完全满足用户对于快速传输数据、观看高质量视频等业务的要求。3G/4G网络覆盖范围大，在智能终端设备快速移动时同样能够保持稳定数据通信速率。无线局域网络(WirelessLocalAreaNetworks，WLAN)在其接入点(accesspoint，AP)的覆盖范围内可以满足用户对于高速数据传输的需求，无线保真技术(wirelessfidelity，Wi-Fi)是WLAN中被广泛应用的一种技术。WLAN覆盖范围有限，在组建广域网方面没有优势，同时在服务质量及业务等方面相比3G/4G还不完善。但是公共场所、商场等区域对于免费或者低收费Wi-Fi网络的搭建正在逐步完善，相较于3G/4G数据通信的高收费情况，Wi-Fi网络更易于吸引用户接入。可以看出，3G/4G网络与Wi-Fi网络之间非但不可以相互替代，反而可以通过相互补充以满足用户对于网络的需求，因此3G/4G网络与Wi-Fi网络之间的无缝切换成为满足用户网络需求的关键方面。经对对现有技术的检索发现，目前关于异构网络切换的相关研究及应用主要为将3G/4G网络切换到过去连接过的某个Wi-Fi网络，而未考虑候选切入网络的具体情况以及用户对于异构网络切换的使用习惯，从而在很多情况下难以实现保证用户体验情况下的异构网络切换操作。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于用户使用习惯的异构网络切换方法。根据本专利技术提供的一种基于用户使用习惯的异构网络切换方法，包括：步骤A：建立异构网络切换的神经网络模型；步骤B：建立用户数据库；步骤C：根据从用户数据库中选择一定比例的用户数据，得到用于训练所述神经网络模型的训练样本数据库；步骤D：使用训练样本数据库中的训练样本对所述神经网络模型进行训练，从而获得能够符合用户对异构网络切换习惯的神经网络模型。优选地，还包括：步骤E：利用步骤D中得到的已训练的神经网络模型，对用户使用的网络进行异构网络切换操作。优选地，所述步骤A包括：步骤A1：确定神经网络模型的输入变量、输出目标向量在用户当前连接的网络类型为网络类型I时，选取待切入网络类型II的m0个可用候选网络，m0≥2；将所述m0个可用候选网络的QoS参数以及当前用户正在运行的网络业务类型作为神经网络模型的输入变量；所述QoS参数包括下载速率sp、网络时延d以及RSSI值r这3种参数；所述网络业务类型包括会话级业务、交互级业务、流媒体级业务以及背景级业务这4种网络业务类型；通过不同的输入节点分别表示各个可用候选网络的下载速率、网络时延、RSSI值，并通过4个不同的输入节点分别表示网络业务类型；正在运行的网络业务类型对应的输入节点的取值为1，未在运行的网络业务类型对应的3个输入节点的值均取0；所述神经网络模型的输入节点数目为m，m＝3×m0+4；选用长度为m0的一维数组作为神经网络模型的输出目标向量，该一维数组的第i位为1，其余位均为0，表示在m0个可用候选网络中被选择的网络为第i个网络，i∈[1,m0]；所述神经网络模型的输出节点数目为p，p＝m0；步骤A2：确定神经网络模型的隐藏层及隐藏节点数目所述神经网络模型中仅有1个隐藏层；确定隐藏节点数目的范围：n=m+p+α]]>其中，n为隐藏节点数目，α为常数，α∈[1,10]。优选地，所述步骤B包括：步骤B1：在用户当前连接的网络类型为网络类型I的情况下，在用户手动进行异构网络切换阶段，记录每次用户切换异构网络时，网络类型II的m0个可用候选网络的QoS参数，分别记为步骤B2：记录每次用户切换异构网络时，用户正在运行的网络业务类型；并记录在所述正在运行的网络业务类型下，用户选择切入的网络类型II的可用候选网络的编号；步骤B3：针对用户切换异构网络的N,N≥200,个时间点中的各个时间点，执行如下步骤，从而得到所述用户数据库ΨU：将用户在同一时间点下切换异构网络时的，所述网络类型II的m0个可用候选网络的QoS参数、所述用户选择切入的网络类型II的可用候选网络的编号，整合为该时间点的用户数据。优选地，所述步骤C包括：步骤C1：从用户数据库ΨU中选取M个时间点的用户数据ΨM用于训练神经网络模型，则ΨM中各个QoS参数均具有M×m0个数据样本；其中，M≤N；步骤C2：将ΨM中每个QoS参数对应的M×m0个数据样本都进行排序，获得每个QoS参数数值的变化范围，将各个变化范围都等分为10段，将这10段分别编号为1至10，其中，不同参数种类下每段的中值表示为：下载速度：sp1，sp2，…，sp9，sp10；网络时延：d1，d2，…，d9，d10；RSSI值：r1，r2，…，r9，r10；步骤C3：将ΨM中每个QoS参数数值归入对应参数种类下最接近的中值所在的段当中，并以该段的编号作为该QoS参数数值的归一化值；步骤C4：将归一化之后的数据进行正态化处理，正态化过程表示为：normalizedSpeedj=norSpeedj-norSpeed‾Σj=1M×m0(norSpeedj-norSpeed‾)2;]]>normalizedDelayj=norDelayj-norDelay‾Σj=1M×m0(norDelayj-norDelay‾)2;]]>normalizedRssij=norRssij-norRssi‾Σj=1M×m0(norRssij-norRssi‾)2;]]>其中，normalizedSpeedj、normalizedDelayj、norma本文档来自技高网...

【技术保护点】
一种基于用户使用习惯的异构网络切换方法，其特征在于，包括：步骤A：建立异构网络切换的神经网络模型；步骤B：建立用户数据库；步骤C：根据从用户数据库中选择一定比例的用户数据，得到用于训练所述神经网络模型的训练样本数据库；步骤D：使用训练样本数据库中的训练样本对所述神经网络模型进行训练，从而获得能够符合用户对异构网络切换习惯的神经网络模型。

【技术特征摘要】
1.一种基于用户使用习惯的异构网络切换方法，其特征在于，包括：
步骤A：建立异构网络切换的神经网络模型；
步骤B：建立用户数据库；
步骤C：根据从用户数据库中选择一定比例的用户数据，得到用于训练所述神经网络模
型的训练样本数据库；
步骤D：使用训练样本数据库中的训练样本对所述神经网络模型进行训练，从而获得能
够符合用户对异构网络切换习惯的神经网络模型。
2.根据权利要求1所述的基于用户使用习惯的异构网络切换方法，其特征在于，还包
括：
步骤E：利用步骤D中得到的已训练的神经网络模型，对用户使用的网络进行异构网络
切换操作。
3.根据权利要求1所述的基于用户使用习惯的异构网络切换方法，其特征在于，所述步
骤A包括：
步骤A1：确定神经网络模型的输入变量、输出目标向量
在用户当前连接的网络类型为网络类型I时，选取待切入网络类型II的m0个可用候选网
络，m0≥2；将所述m0个可用候选网络的QoS参数以及当前用户正在运行的网络业务类型作为
神经网络模型的输入变量；所述QoS参数包括下载速率sp、网络时延d以及RSSI值r这3种参
数；所述网络业务类型包括会话级业务、交互级业务、流媒体级业务以及背景级业务这4种
网络业务类型；通过不同的输入节点分别表示各个可用候选网络的下载速率、网络时延、
RSSI值，并通过4个不同的输入节点分别表示网络业务类型；正在运行的网络业务类型对应
的输入节点的取值为1，未在运行的网络业务类型对应的3个输入节点的值均取0；
所述神经网络模型的输入节点数目为m，m＝3×m0+4；
选用长度为m0的一维数组作为神经网络模型的输出目标向量，该一维数组的第i位为1，
其余位均为0，表示在m0个可用候选网络中被选择的网络为第i个网络，i∈[1,m0]；
所述神经网络模型的输出节点数目为p，p＝m0；
步骤A2：确定神经网络模型的隐藏层及隐藏节点数目
所述神经网络模型中仅有1个隐藏层；
确定隐藏节点数目的范围：
n=m+p+α]]>其中，n为隐藏节点数目，α为常数，α∈[1,10]。
4.根据权利要求3所述的基于用户使用习惯的异构网络切换方法，其特征在于，所述步
骤B包括：
步骤B1：在用户当前连接的网络类型为网络类型I的情况下，在用户手动进行异构网络
切换阶段，记录每次用户切换异构网络时，网络类型II的m0个可用候选网络的QoS参数，分
别记为步骤B2：记录每次用户切换异构网络时，用户正在运行的网络业务类型；并记录在所述
正在运行的网络业务类型下，用户选择切入的网络类型II的可用候选网络的编号；
步骤B3：针对用户切换异构网络的N,N≥200,个时间点中的各个时间点，执行如下步
骤，从而得到所述用户数据库ΨU：
将用户在同一时间点下切换异构网络时的，所述网络类型II的m0个可用候选网络的QoS
参数、所述用户选择切入的网络类型II的可用候选网络的编号，整合为该时间点的用户数
据。
5.根据权利要求4所述的基于用户使用习惯的异构网络切换方法，其特征在于，所述步
骤C包括：
步骤C1：从用户数据库ΨU中选取M个时间点的用户数据ΨM用于训练神经网络模型，则
ΨM中各个QoS参数均具有M×m0个数据样本；其中，M≤N；
步骤C2：将ΨM中每个QoS参数对应的M×m0个数据样本都进行排序，获得每个QoS参数数
值的变化范围，将各个变化范围都等分为10段，将这10段分别编号为1至10，其中，不同参数
种类下每段的中值表示为：
下载速度：sp1，sp2，…，sp9，sp10；
网络时延：d1，d2，…，d9，d10；
RSSI值：r1，r2，…，r9，r10；
步骤C3：将ΨM中每个QoS参数数值归入对应参数种类下最接近的中值所在的段当中，并
以该段的编号作为该QoS参数数值的归一化值；
步骤C4：将归一化之后的数据进行正态化处理，正态化过程表示为：
normalizedSpeedj=norSpeedj-norSpeed‾Σj=1M×m0(norSpeedj-norSpeed‾)2;]]>normalizedDelayj=norDelayj-norDelay‾Σj=1M×m0(norDelayj-norDelay‾)2;]]>normalizedRssij=norRssij-norRssi‾Σj=1M×m0(norRssij-norRssi‾)2;]]>其中，normalizedSpeedj、normalizedDelayj、normalizedRssij分别为步骤C3中得到的
归一化数据norSpeedj、norDelayj、norRssij对应的正态化值；分别表示下载速度、网络时延、RSSI值的M×m0个数据样本的平均值；
norSpeedj、norDelayj、norRssij分别为speedj、delayj、rssij的归一化值；speedj、
d...

【专利技术属性】
技术研发人员：徐超杰，俞晖，张智强，华玮，聂红艳，
申请(专利权)人：上海交通大学，联芯科技有限公司，
类型：发明
国别省市：上海;31