认知无线网络视频传输的研究范文

《西安电子科技大学学报》2016年第二期

1系统模型及定义

考虑一个由次用户组成的多跳认知无线网络SVC技术将每个视频业务编码为一个基础层和多个增强层，基础层包含了视频业务的核心信息，为用户提供最基本的视频质量；增强层为用户提供更完善的视频质量，但其不能脱离基础层而单独译码，且可以根据网络的资源情况进行截断[8,10-12]。对于视频业，表示其基础层成功传输的速率需求，表示所有增强层成功传输的速率需求。和的值由SVC编码结果确定，取值越高表明用户具有更高的视频质量需求。视频业务的源节点和目的节点分别记为∈�和∈�。

2基于链路-网卡-信道的冲突干扰图

多网卡的引入为认知无线网络带来了新一维度的可用资源，但同时也为其跨层优化带来了新的挑战。首先，为了避免网卡冲突，一个网卡一次最多只能工作在一个信道上；其次，一个次用户上的网卡数目会限制该用户分配到的信道数目，从而影响其关联链路上的信道分配数目。所以，在认知无线网络的资源分配中，除了需研究信道分配以消除邻近链路上的同频干扰外，还应研究每个次用户上的网卡分配以避免网卡冲突。需要指出的是，这两方面的问题相互耦合相互制约，需要联合考虑。为了形象表征这两方面的相互影响，笔者提出了认知无线网络中基于链路-网卡-信道的冲突干扰图。为了便于理解上述冲突干扰图的概念，图1（a）给出了认知无线网络中的一条连接次用户A、B的简单链路，次用户A、B上均配备了2个网卡，均有2个信道可用。图1（b）给出了这条简单链路所对应的冲突干扰图。图1（b）中，(AB,11,1)与(AB,12,2)相连，这是因为他们均采用了用户A上的1网卡，且各自为1网卡分配了1信道和2信道，从而在1网卡上产生网卡冲突。(AB,11,1)与(AB,22,1)存在连线是因为他们均工作在信道1上，同时传输会造成同频干扰。由此可见，基于链路-网卡-信道的冲突干扰图能够完全描述多网卡认知无线网络中的同频干扰及网卡冲突关系。借助此图，我们可以在下一节中进一步得出资源分配需满足的相关约束条件。

3跨层资源分配问题的数学建模及求解

3.1目标函数在传统不考虑公平性的资源分配算法中，网络吞吐量最大化的优化目标通常被设计为各业务吞吐量之和最大化的目标函数。这种分配方法将导致某些传输条件好的业务分配了过多资源，而传输条件差的业务获得较少资源甚至没有资源可供传输，即“饿死”现象[13]。为了保证各视频业务均能获得一定的传输资源，本模型的优化目标设计为基于公平性考虑的网络吞吐量最大化。具体而言，对于所有视频业务，我们了引入一个相同的公平因子�∈[0,1]。

3.2信道、网卡资源联合分配的约束条件由于采用Overlay模式，次用户工作在主用户的空闲信道上，因此主次用户间不产生干扰，故只需避免次用户间的冲突干扰问题。假设周期性重复的资源分配方案，周期时长为T时隙。

4仿真结果

在仿真验证中，笔者考虑了两种拓扑结构的认知无线网络：4×4的格型网络以及随机拓扑的多跳网络。其中在随机拓扑的多跳网络中，12个次用户随机分布在100m×100m的区域内，传输距离和干扰距离分别为40m和80m。假设每个次用户的信道探测结果相同，且随着主用户的业务负载递减，次用户探测到的空闲信道数目从3递增至6。链路工作在各信道上的链路容量在1Mbps、2Mbps、5.5Mbps和11Mbps中随机选择。每个次用户上配备的网卡数目从1变化至3。视频业务数目从1变化至4。每个视频业务随机选择其源节点和目的节点，并分别从[0.2Mbps,0.8Mbps]和[2Mbps,5Mbps]的区间内随机选择和的值。一个周期的时长T=50。基于上述参数设置和拓扑结构，采用内点法对优化模型（9）进行最优求解，并验证了如下方面的性能表现。图2给出了视频业务数为3时，公平因子随信道数及网卡数的变化情况。在图2中，各次用户由单网卡增至多网卡，且随着主用户业务负载减小，次用户探测到的空闲信道数目从3增至6。由图2可知，无论在格型网络还是随机拓扑网络中，随着信道数目及网卡数目的增加，公平因子�均呈现上升趋势。这是由于在认知无线网络中，信道和网卡的增加为网络带来了更多可用资源，增加了链路并行传输的机会，从而提高了视频业务的传输速率，改善了网络的吞吐量。此外，图2还验证了在认知无线网络中，通过为次用户配备多个网卡能够带来吞吐量的显著提升。同时，注意到当主用户业务负载较小（空闲信道数目较大）时，运用多网卡能够比在主用户业务负载较大（空闲信道数较少）时带来更高的增益。这是由于当空闲信道数较多时，需要更多网卡资源才能有效发挥多个信道的增益。图3给出了在两种拓扑结构下，当次用户的网卡数及探测到的空闲信道数为3时，资源分配方法对于4种SVC视频业务的服务情况。其中，4种SVC视频业务的基础层速率需求设为0.5Mbps，增强层速率需求分别为3Mbps、3.5Mbps、4Mbps和4.5Mbps。由于本文所提方法考虑了公平性及SVC视频编码特点，故在图3中命名为SVC-Fair算法；对比算法Throughput-Maximization算法则是仅以最大化网络吞吐量为目标的传统算法，即单纯追求次用户和速率的最大化，而不考虑公平性及业务特点等因素。从图3可知，在格型拓扑和随机拓扑下，本文提出的SVC-Fair方法均能满足各视频业务的基础层传输速率需求，为每个用户提供基本的视频质量保障。同时，在对剩余网络资源进行分配时还能考虑到各视频业务增强层的不同需求，进行按需合理分配。相比而言，传统Throughput-Maximization算法由于仅最大化用户的和速率，出现了部分用户分得了超出其所需的过多资源，而其他用户“饿死”的现象。可见，本文提出的SVC-Fair方法能够更加有效的利用网络资源为具有不同质量需求的视频用户服务。

5结束语

本文研究了认知无线网络中次用户视频传输的跨层资源分配方案。为了充分利用信道资源，讨论了次用户配备多网卡的场景。借助链路-信道-网卡冲突干扰图，实现了路由、信道、网卡多维资源的联合分配。同时，考虑到SVC视频业务的编码特点，实现了业务间的资源按需分配。仿真验证了所提算法的有效性。

作者：龙彦 李红艳 单位：西安电子科技大学 综合业务网理论及关键技术国家重点实验室