龙 彦,李红艳

(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,陕西西安 710071)



认知无线网络中视频传输的资源分配方案

龙 彦,李红艳

(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,陕西西安 710071)

摘要:讨论了多网卡场景下,次用户在认知无线网络中视频传输的跨层资源分配问题.考虑到网卡与信道的耦合关系,提出了基于链路-网卡-信道的冲突干扰图,并对资源分配问题进行优化建模.模型的约束条件保证了无干扰无冲突的视频传输,且能够根据可伸缩编码视频业务的特点,为各业务提供路由选择及速率分配,模型的目标函数实现了基于公平考虑的网络吞吐量最大化.仿真结果表明,多网卡传输能够为视频业务提供更高的吞吐量,所提方案能够在保证公平性的同时,根据视频业务特点有效地利用网络资源,实现业务间的按需合理分配.

关键词:认知无线网络;跨层资源分配;多网卡传输;视频传输

通过认知无线技术,次用户(未授权用户)能够感知周围的频谱环境,在避免对主用户(授权用户)造成一定影响的情况下,接入到主用户的授权信道中实现自己的数据传输.认知无线技术具有改善频谱利用效率、提升次用户传输速率等优点,从而吸引了研究者的广泛关注[1-2].另一方面,随着智能终端及智能应用的发展,视频业务在无线网络中的传输需求愈加迫切,对认知无线网络中次用户视频传输问题的研究也成为近年来的研究热点[3-4].

在认知无线网络中,次用户接入授权信道的方式分为Overlay和Underlay两种.在Overlay模式下,次用户探测出频谱空洞,即不被主用户使用的空闲信道资源,然后接入到这些空闲信道中传输自己的数据.由于使用的是主用户的空闲信道,因此次用户的传输不会对主用户造成干扰.在Underlay模式下,次用户和主用户同时占用相同频段来传输,但需保证在该频段上所有次用户对主用户造成的累积干扰小于一定门限值.笔者考虑在Overlay模式下次用户支持视频传输时的资源分配问题.由于不同主用户使用的频谱范围不同,在Overlay模式下次用户可能探测出多种频段上的空闲信道资源.因此,一个需要解决的问题就是,该次用户如何从探测的结果中选择出合适的信道来传输;另一个问题是,当某一信道同时被多个次用户探测为可用时,如何将该信道在多个次用户间合理分配以避免次用户间干扰.

针对上述问题,文献[5-6]研究了Overlay模式下当探测结果给定后,次用户间的信道分配问题.然而,考虑到视频业务具有传输数据量大、服务质量(Quality of Service,QoS)保障要求高等特点,这些研究由于没有考虑业务的具体类型,因此并不能很好地满足视频业务的传输特点.基于此,文献[7-8]特别研究了Overlay模式下针对视频用户的信道分配方法,但这些研究均是假设在路由给定的前提下孤立讨论了信道分配的问题.由于路由选择与信道分配相互影响,共同决定了业务的端到端性能,因此,对于一个端到端的视频传输,需将路由选择、信道分配联合考虑.另一方面,文献[7-8]只讨论了每个次用户配备单个网卡的场景,即次用户一次只能接入一个信道.单网卡的优点在于不用考虑网卡维度的资源优化,简化了资源分配算法.但弊端在于:由于一次只能使用一个信道,单个信道的传输能力可能无法满足视频业务的传输数据量;当有多个信道可用时,次用户无法充分利用多个信道同时传输来提高传输速率;次用户需在多个信道间频繁切换,引入了切换时延.因此,为更有效地利用认知无线网络中次用户探测到的多个信道资源,提高视频业务的传输速率,应考虑次用户配备多个网卡的场景.随着硬件技术的发展,加利福尼亚大学洛杉矶分校的研究人员已经在校园内搭建了一个基于多网卡的认知无线网络,也使得多网卡认知无线网络的应用前景逐渐明朗[9].然而,网卡的数目会制约信道分配的数目,使得引入网卡这一资源维度后,次用户的资源分配问题变得更加复杂.具体而言,在认知无线网络中,除需考虑路由与信道的联合优化外,还需同时考虑网卡与信道的资源联合配置,通过跨层优化的方法将这几方面联合优化,实现网络资源在各层上的高效利用,并在资源跨层优化的同时考虑视频业务独有的传输特点.

基于上述分析,笔者研究了认知无线网络中次用户在Overlay模式下进行视频传输时,路由、信道、网卡资源联合分配的跨层优化方法.在假设次用户配备多网卡的场景下,提出了基于链路-网卡-信道的冲突干扰图,并得出了保证无网卡冲突、无同频干扰的约束条件.在此基础上,研究了基于可伸缩编码视频业务(Scalable Video Coding,SVC)的路由选择与速率分配约束条件.该约束考虑到可伸缩编码视频业务的编码特点,在保证了每个视频业务基础层传输的同时,根据各业务增强层的不同速率需求,将资源按需分配,最终实现了基于公平考虑的网络吞吐量最大化.该跨层资源优化分配问题被巧妙地建模为一个线性规划问题,并通过已有优化算法以多项式复杂度最优求解.

1 系统模型及定义

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.在图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,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.

图1 基于链路-网卡-信道的冲突干扰示意图

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,对于所有视频业务引入了一个相同的公平因子λ,λ∈[0,1],并将目标函数设计为maxλ.

根据λ的取值,每个可伸缩编码视频业务p在网络中经资源分配后所得到的传输速率定义为λ(Bp+ Ep),其中Bp、Ep分别表示该可伸缩编码视频业务基础层及增强层成功传输的速率需求,则Bp+Ep对应了该业务成功传输的最大速率需求.将目标函数设计为最大化公平因子λ具有如下作用:首先,每个业务的λ取值相同,保证了所有业务均可获得相对于自身最大需求而言相同比率的传输速率,从一定程度上保障了资源的均衡分配,避免了因单纯追求网络吞吐量而可能导致的分配不均.其次,λ(Bp+Ep)保证了在资源分配中,具有高速率需求的业务可获得更多的传输速率,从而实现了资源的按需合理分配.最后,λ越大,则每个业务获得的传输速率越大,网络吞吐量越大.因此,最大化λ能够在保证公平的同时实现网络吞吐性能优化.

3.2 信道、网卡资源联合分配的约束条件

3.3 基于可伸缩编码视频业务视频特性的速率约束条件

对于每个可伸缩编码视频业务p,笔者规定了如下的速率约束条件:

该约束条件的作用主要体现在两方面:首先,由于可伸缩编码视频业务的基础层承载了最核心的视频信息且为用户提供了最基本的视频质量,因此必须保证基础层的成功传输,即业务获得的速率λ(Bp+Ep)至少等于基础层的需求速率Bp.其次,由于λ的取值范围为[0,1],λ(Bp+Ep)保证了每个业务获得的速率不会超出其所需的最大速率Bp+Ep,从而避免了资源的过度分配和浪费.

3.4 路由选择的约束条件

根据网络流理论[13],对于每个视频业务,其在网络中所分得的速率λ(Bp+Ep)不能超过其源节点上流出的净速率.因此,在源节点sp处,有如下约束条件:

同样地,λ(Bp+Ep)也不能超过其目的节点tp上流入的净速率,即

对于业务p,除源节点和目的节点外,网络中其余节点构成了该业务的中间节点集合Rp={rp|rp∈V {sp,tp}}.根据网络流理论,在中间节点上流入链路的总速率应与流出链路的总速率保持守恒.所以,对于中间节点rp的约束条件如下:

可见,根据网络流理论,不等式(5)～(7)构建出了视频业务端到端传输时可行路由需满足的路由选择约束条件,而等式(4)则将路由选择与信道、网卡等资源的分配耦合在一起.由此,实现了认知无线网络中次用户视频传输时的跨层资源联合分配.

3.5 链路容量的约束条件

由于讨论多用户传输的场景,因此一条链路可能同时为多个视频业务服务.这多个业务在该链路上传输的和速率应小于等于该链路的链路容量,即

3.6 跨层资源分配问题的优化模型

基于上述分析,得到了认知无线网络中次用户视频传输的跨层资源分配问题优化模型:

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100 m×100 m的区域内,传输距离和干扰距离分别为40 m和80 m.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1 Mbit/s、2 Mbit/s、5.5 Mbit/s和11 Mbit/s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[0.2 Mbit/s,0.8 Mbit/s]和[2 Mbit/s,5 Mbit/s]的区间内随机选择Bp和Ep的值.一个周期的时长T=50.基于上述参数设置和拓扑结构,采用内点法对式(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λ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λ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地发挥多个信道的增益.

图2 公平因子随信道数及网卡数的变化情况

图3 可伸缩编码视频业务在两种资源分配方法下的传输情况

5 结束语

笔者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,考虑到可伸缩编码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.

参考文献:

[1]韩维佳,李建东,姚俊良,等.认知无线中接入机会的建模与优化[J].西安电子科技大学学报,2012,39(1):1-6.HAN Weijia,LI Jiandong,YAO Junliang,et al.Modeling and Optimization of Access Opportunity in Cognitive Radio [J].Journal of Xidian University,2012,39(1):1-6.

[2]李钊,赵林靖,刘勤.多天线认知无线网络联合资源管理方法[J].西安电子科技大学学报,2011,38(4):20-25.LI Zhao,ZHAO Linjing,LIU Qin.Joint Resource Management in Multi-antenna Cognitive Radio Networks[J].Journal of Xidian University,2011,38(4):20-25.

[3]CHAOUB A,ELHAJ E,EL A J.Multimedia Traffic Transmission over Cognitive Radio Networks Using Multiple Description Coding[C]//Communications in Computer and Information Science:190CCIS.Berlin:Springer Verlag,2011:529-543.

[4]MAO S.Video over Cognitive Radio Networks:When Quality of Service Meets Spectrum[M].Berlin:Springer,2014: 1-6.

[5]PAN M,ZHANG C,LI P,et al.Spectrum Harvesting and Sharing in Multi-hop CRNs under Uncertain Spectrum Supply[J].IEEE Journal on Selected Areas in Communications,2012,2(30):369-378.

[6]SHI Y,HOU Y,ZHOU H,et al.Distributed Cross-layer Optimization for Cognitive Radio Networks[J].IEEE Transactions on Vehicular Technology,2010,59(8):4058-4069.

[7]MUMEY B,ZHAO X,TANG J,et al.Transmission Scheduling for Routing Paths in Cognitive Radio Mesh Networks [C]//7th Annual IEEE Communications Society Conference on Sensor,Mesh and Ad Hoc Communications and Networks.Piscataway:IEEE,2010:5508242.

[8]HU D,MAO S.Streaming Scalable Videos over Multi-hop Cognitive Radio Networks[J].IEEE Transactions on Wireless Communications,2010,9(11):3501-3511.

[9]KIM W,KASSLER A J,DI F M,et al.Urban-X:towards Distributed Channel Assignment in Cognitive Multi-radio Mesh Networks[C]//2010 IFIP Wireless Days.Piscataway:IEEE Computer Society,2010:5657733.

[10]CHAKARESKI J,HAN S,GIROD B.Layered Coding vs Multiple Descriptions for Video Streaming over Multiple Paths[J].Multimedia Systems,2005,10(4):275-285.

[11]SCHWARZ H,MARPE D,WIEGAND T.Overview of the Scalable Video Coding Extension Of the H.264/AVC Standard[J].IEEE Transactions on Circuits and Systems for Video Technology,2007,17(9):1103-1120.

[12]卢冀,肖嵩,吴成柯.基于网络编码的可伸缩编码视频业务高效传输系统[J].西安电子科技大学学报,2010,37(3): 405-411.LU Ji,XIAO Song,WU Chengke.Efficient SVC Transmission System Based on Network Coding[J].Journal of Xidian University,2010,37(3):405-411.

[13]ALICHERRY M,BHATIA R,LI L.Joint Channel Assignment and Routing for throughput Optimization in Multi-radio Wireless Mesh Networks[C]//2005 International Conference on Mobile Computing and Networking.New York: ACM,2005:58-72.

[14]LONG Y,LI H,PAN M,et al.A Fair QoS-aware Resource-allocation Scheme for Multiradio Multichannel Networks [J].IEEE Transactions on Vehicular Technology,2013,62(7):3349-3358.

(编辑:郭 华)

简 讯

2015年11月21日,我校数学与统计学院举办了数学建模论坛.西安交通大学周义仓教授、西北工业大学肖华勇副教授分别作了题为《数学建模的针对性与创新》、《2015年国际大学生数学建模大赛的点评》的报告.

摘自《西电科大报》2015.11.28

Resource allocation scheme for video transmissions in cognitive radio networks

LONG Yan,LI Hongyan
(State Key Lab.of Integrated Service Networks,Xidian Univ.,Xi’an 710071,China)

Abstract:Considering SUs with multiple radios,this paper discusses the cross-layer resource allocation problem for video transmissions in cognitive radio networks.Because of the coupling relationship between radio and channel,this paper proposes a new conflict graph based on the link-radio-channel,and models the resource allocation problem into an optimization problem.The constraints ensure the conflict-free and interference-free video transmissions,and provide flow routing and rate allocation for video services based on the feature of scalable video coding streams.The objective function achieves the network-level throughput maximization with fairness consideration.Simulation results show that the multi-radio transmission could gain a higher throughput.Also,the proposed scheme could provide fairness resource allocation,and use resource efficiently based on the feature of video services.

Key Words:cognitive radio network;cross-layer resource allocation;multi-radio transmission;video transmissions

作者简介:龙 彦(1988-),女,西安电子科技大学博士研究生,E-mail:ylong@stu.xidian.edu.cn.

基金项目:国家自然科学基金资助项目(91338115,61231008);国家科技重大专项资助项目(2011ZX03005-004,2011ZX03004-003,2013ZX03004007-003);陕西省"13115"科技创新工程资助项目(2010ZDKG-26);国家重点基础研究发展计划(973计划)资助项目(2009CB320404);长江学者和创新团队发展计划资助项目(IRT0852)

收稿日期:2014-12-10 网络出版时间:2015-05-21

doi:10.3969/j.issn.1001-2400.2016.02.002

中图分类号:TN929.5

文献标识码:A

文章编号:1001-2400(2016)02-0006-07

网络出版地址:http://www.cnki.net/kcms/detail/61.1076.TN.20150521.0902.027.html