本站小編為你精心準備了認知無線網絡視頻傳輸的研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《西安電子科技大學學報》2016年第二期

1系統模型及定義

考慮一個由次用戶組成的多跳認知無線網絡SVC技術將每個視頻業務編碼為一個基礎層和多個增強層，基礎層包含了視頻業務的核心信息，為用戶提供最基本的視頻質量；增強層為用戶提供更完善的視頻質量，但其不能脫離基礎層而單獨譯碼，且可以根據網絡的資源情況進行截斷[8,10-12]。對于視頻業，表示其基礎層成功傳輸的速率需求，表示所有增強層成功傳輸的速率需求。和的值由SVC編碼結果確定，取值越高表明用戶具有更高的視頻質量需求。視頻業務的源節點和目的節點分別記為∈�和∈�。

2基于鏈路-網卡-信道的沖突干擾圖

多網卡的引入為認知無線網絡帶來了新一維度的可用資源，但同時也為其跨層優化帶來了新的挑戰。首先，為了避免網卡沖突，一個網卡一次最多只能工作在一個信道上；其次，一個次用戶上的網卡數目會限制該用戶分配到的信道數目，從而影響其關聯鏈路上的信道分配數目。所以，在認知無線網絡的資源分配中，除了需研究信道分配以消除鄰近鏈路上的同頻干擾外，還應研究每個次用戶上的網卡分配以避免網卡沖突。需要指出的是，這兩方面的問題相互耦合相互制約，需要聯合考慮。為了形象表征這兩方面的相互影響，筆者提出了認知無線網絡中基于鏈路-網卡-信道的沖突干擾圖。為了便于理解上述沖突干擾圖的概念，圖1（a）給出了認知無線網絡中的一條連接次用戶A、B的簡單鏈路，次用戶A、B上均配備了2個網卡，均有2個信道可用。圖1（b）給出了這條簡單鏈路所對應的沖突干擾圖。圖1（b）中，(AB,11,1)與(AB,12,2)相連，這是因為他們均采用了用戶A上的1網卡，且各自為1網卡分配了1信道和2信道，從而在1網卡上產生網卡沖突。(AB,11,1)與(AB,22,1)存在連線是因為他們均工作在信道1上，同時傳輸會造成同頻干擾。由此可見，基于鏈路-網卡-信道的沖突干擾圖能夠完全描述多網卡認知無線網絡中的同頻干擾及網卡沖突關系。借助此圖，我們可以在下一節中進一步得出資源分配需滿足的相關約束條件。

3跨層資源分配問題的數學建模及求解

3.1目標函數在傳統不考慮公平性的資源分配算法中，網絡吞吐量最大化的優化目標通常被設計為各業務吞吐量之和最大化的目標函數。這種分配方法將導致某些傳輸條件好的業務分配了過多資源，而傳輸條件差的業務獲得較少資源甚至沒有資源可供傳輸，即“餓死”現象[13]。為了保證各視頻業務均能獲得一定的傳輸資源，本模型的優化目標設計為基于公平性考慮的網絡吞吐量最大化。具體而言，對于所有視頻業務，我們了引入一個相同的公平因子�∈[0,1]。

3.2信道、網卡資源聯合分配的約束條件由于采用Overlay模式，次用戶工作在主用戶的空閑信道上，因此主次用戶間不產生干擾，故只需避免次用戶間的沖突干擾問題。假設周期性重復的資源分配方案，周期時長為T時隙。

4仿真結果

在仿真驗證中，筆者考慮了兩種拓撲結構的認知無線網絡：4×4的格型網絡以及隨機拓撲的多跳網絡。其中在隨機拓撲的多跳網絡中，12個次用戶隨機分布在100m×100m的區域內，傳輸距離和干擾距離分別為40m和80m。假設每個次用戶的信道探測結果相同，且隨著主用戶的業務負載遞減，次用戶探測到的空閑信道數目從3遞增至6。鏈路工作在各信道上的鏈路容量在1Mbps、2Mbps、5.5Mbps和11Mbps中隨機選擇。每個次用戶上配備的網卡數目從1變化至3。視頻業務數目從1變化至4。每個視頻業務隨機選擇其源節點和目的節點，并分別從[0.2Mbps,0.8Mbps]和[2Mbps,5Mbps]的區間內隨機選擇和的值。一個周期的時長T=50。基于上述參數設置和拓撲結構，采用內點法對優化模型（9）進行最優求解，并驗證了如下方面的性能表現。圖2給出了視頻業務數為3時，公平因子隨信道數及網卡數的變化情況。在圖2中，各次用戶由單網卡增至多網卡，且隨著主用戶業務負載減小，次用戶探測到的空閑信道數目從3增至6。由圖2可知，無論在格型網絡還是隨機拓撲網絡中，隨著信道數目及網卡數目的增加，公平因子�均呈現上升趨勢。這是由于在認知無線網絡中，信道和網卡的增加為網絡帶來了更多可用資源，增加了鏈路并行傳輸的機會，從而提高了視頻業務的傳輸速率，改善了網絡的吞吐量。此外，圖2還驗證了在認知無線網絡中，通過為次用戶配備多個網卡能夠帶來吞吐量的顯著提升。同時，注意到當主用戶業務負載較小（空閑信道數目較大）時，運用多網卡能夠比在主用戶業務負載較大（空閑信道數較少）時帶來更高的增益。這是由于當空閑信道數較多時，需要更多網卡資源才能有效發揮多個信道的增益。圖3給出了在兩種拓撲結構下，當次用戶的網卡數及探測到的空閑信道數為3時，資源分配方法對于4種SVC視頻業務的服務情況。其中，4種SVC視頻業務的基礎層速率需求設為0.5Mbps，增強層速率需求分別為3Mbps、3.5Mbps、4Mbps和4.5Mbps。由于本文所提方法考慮了公平性及SVC視頻編碼特點，故在圖3中命名為SVC-Fair算法；對比算法Throughput-Maximization算法則是僅以最大化網絡吞吐量為目標的傳統算法，即單純追求次用戶和速率的最大化，而不考慮公平性及業務特點等因素。從圖3可知，在格型拓撲和隨機拓撲下，本文提出的SVC-Fair方法均能滿足各視頻業務的基礎層傳輸速率需求，為每個用戶提供基本的視頻質量保障。同時，在對剩余網絡資源進行分配時還能考慮到各視頻業務增強層的不同需求，進行按需合理分配。相比而言，傳統Throughput-Maximization算法由于僅最大化用戶的和速率，出現了部分用戶分得了超出其所需的過多資源，而其他用戶“餓死”的現象。可見，本文提出的SVC-Fair方法能夠更加有效的利用網絡資源為具有不同質量需求的視頻用戶服務。

5結束語

本文研究了認知無線網絡中次用戶視頻傳輸的跨層資源分配方案。為了充分利用信道資源，討論了次用戶配備多網卡的場景。借助鏈路-信道-網卡沖突干擾圖，實現了路由、信道、網卡多維資源的聯合分配。同時，考慮到SVC視頻業務的編碼特點，實現了業務間的資源按需分配。仿真驗證了所提算法的有效性。

作者：龍彥 李紅艷 單位：西安電子科技大學 綜合業務網理論及關鍵技術國家重點實驗室