羅小琴，朱曉榮

（南京郵電大學(xué)通信與信息工程學(xué)院 南京 210003）

1 引言

隨著Internet技術(shù)的飛速發(fā)展，視頻業(yè)務(wù)流逐漸成為互聯(lián)網(wǎng)中的主要數(shù)據(jù)流量，比較典型的有在線電影、視頻會議等。移動數(shù)據(jù)和視頻業(yè)務(wù)正成為人們生活中至關(guān)重要的一部分，2012年移動視頻流量已超出其他數(shù)據(jù)流量的50%，思科最新公布的一份報告顯示了2014年視頻流量占全球網(wǎng)絡(luò)流量的90%以上[1，2]。各種視頻流媒體應(yīng)用不斷出現(xiàn)，能夠使用3G/4G無線移動連接到互聯(lián)網(wǎng)的智能手機和平板設(shè)備快速增加，都是視頻流量快速增長的原因。

實時多媒體傳輸通常具有很高的網(wǎng)絡(luò)帶寬要求，尤其是實時高清視頻業(yè)務(wù)需要嚴格的端到端時延和時延抖動要求，而單一的無線接入技術(shù)由于有限的通信能力和不同的工作方式無法為用戶提供較好的用戶體驗。無線異構(gòu)網(wǎng)絡(luò)環(huán)境是下一代無線網(wǎng)絡(luò)的一個重要特征，存在多種不同的異構(gòu)無線網(wǎng)絡(luò)，例如3G、LTE、WLAN等，多徑并行傳輸系統(tǒng)，通過聚合多條鏈路的傳輸性能，可以有效提升網(wǎng)絡(luò)資源利用率，提高業(yè)務(wù)傳輸速率及負載均衡能力。

[3]提出了一種無線廣域網(wǎng)和無線個域網(wǎng)協(xié)作下的自適應(yīng)流量分配策略，該策略通過網(wǎng)絡(luò)間的負載均衡實現(xiàn)了最小化系統(tǒng)傳輸時延，并且擴展了單模終端的通信功能以支持高速率數(shù)據(jù)流，該參考文獻假設(shè)了網(wǎng)絡(luò)流量到達服從泊松過程，根據(jù)排隊論將不同鏈路中數(shù)據(jù)傳輸建模為M/M/1隊列，而參考文獻[4]提出的大量對網(wǎng)絡(luò)流量的研究表明數(shù)據(jù)分組到達不服從指數(shù)分布、不具有泊松性，而是具有自相似性和長相關(guān)性。參考文獻[5]也提出數(shù)據(jù)分組到達和分組長度服從指數(shù)分布不適合用來建立不同種類的網(wǎng)絡(luò)流量模型，并且指出重尾分布更加適合數(shù)據(jù)分組到達和數(shù)據(jù)分組長度。在網(wǎng)絡(luò)性能分析中，服從重尾分布(heavy-tailed distribution)與服從泊松分布的數(shù)據(jù)流有明顯不同的特征。參考文獻[6]指出理解流量的性質(zhì)對無線網(wǎng)絡(luò)和無線服務(wù)的設(shè)計至關(guān)重要，傳統(tǒng)的網(wǎng)絡(luò)流量（泊松流量）模型導(dǎo)致低估或者高估無線網(wǎng)絡(luò)性能，并且仿真結(jié)果表明與泊松流量相比，自相似流量的實時輪詢服務(wù)和盡力而為服務(wù)的時延增加，盡力而為服務(wù)的請求碰撞概率增大。此外參考文獻[3]的優(yōu)化目標(biāo)是系統(tǒng)時延總和最小，而針對視頻流，需要綜合考慮各路徑時延、各路徑時延差（即路徑間抖動）以及播放緩沖區(qū)長度。參考文獻[7]提出的不同類型的網(wǎng)絡(luò)流量表現(xiàn)出自相似特性，其性能特征和服從典型的泊松分布或者指數(shù)分布的流量有顯著區(qū)別。參考文獻[8]提出了滿足時延約束抖動優(yōu)化的路徑流量分配算法，該算法根據(jù)路徑最大容許流入速率按比例分配各路徑流量，同時盡可能減小路徑間的時延抖動。參考文獻[9]提出了異構(gòu)網(wǎng)絡(luò)中一個流量自適應(yīng)分配策略，將數(shù)據(jù)流分解成多個流，并在終端聚合，并行數(shù)據(jù)傳輸使用M/M/1排隊理論建模，并通過拉格朗日乘子法求解最優(yōu)化問題。但是近年來對網(wǎng)絡(luò)通信流的測量研究顛覆了傳統(tǒng)的以柏松理論為基礎(chǔ)的通信模型，許多文獻報告了現(xiàn)代數(shù)據(jù)通信流具有自相似特性。參考文獻[10]建立了異構(gòu)多接入網(wǎng)絡(luò)并發(fā)傳輸端到端時延的等效排隊論模型，并由此模型獲得了并發(fā)傳輸系統(tǒng)的理論時延界。提出了多接入網(wǎng)間資源聯(lián)合調(diào)度的分流策略，包括最短等待時延分流策略和統(tǒng)一隊列管理分流策略。但是將分組到達看作指數(shù)分布，服務(wù)過程看作泊松分布。參考文獻[11]針對網(wǎng)絡(luò)流量的自相似特性，使用P/P/1排隊模型研究了在各種無線局域網(wǎng)場景自相似流量的影響。通過對數(shù)據(jù)分組到達時間間隔和數(shù)據(jù)分組大小應(yīng)用更加真實的自相似分布，結(jié)果表明，在某些情況下，尤其是單跳網(wǎng)絡(luò)或者無移動性網(wǎng)絡(luò)中，自相似流量對無線局域網(wǎng)的時延有顯著影響。具有自相似特性的網(wǎng)絡(luò)業(yè)務(wù)對網(wǎng)絡(luò)設(shè)計提出新的挑戰(zhàn)，自相似業(yè)務(wù)的復(fù)用疊加不僅不會使網(wǎng)絡(luò)業(yè)務(wù)趨向平滑，反而增加了它的突發(fā)性，而時間集合的分形業(yè)務(wù)的突發(fā)性減弱速度也遠比泊松業(yè)務(wù)要慢得多，所以網(wǎng)絡(luò)設(shè)計中就需要分配更多的資源來保證服務(wù)質(zhì)量。

本文針對上述問題，以最小化系統(tǒng)鏈路時延和以及各路徑間時延差為優(yōu)化目標(biāo)，首先提出了系統(tǒng)模型，建立了異構(gòu)無線網(wǎng)絡(luò)視頻多流并發(fā)傳輸控制數(shù)學(xué)模型，形成了異構(gòu)無線網(wǎng)絡(luò)中一種自適應(yīng)視頻流量分配的最優(yōu)化問題。本文首次將視頻流的自相似特性應(yīng)用到異構(gòu)網(wǎng)絡(luò)多流并發(fā)分流策略中，對數(shù)據(jù)分組到達時間間隔和數(shù)據(jù)分組大小采用更加真實的自相似分布進行建模，數(shù)據(jù)傳輸使用P/P/1排隊模型，得到更加符合視頻流實際的時延，從而獲得更加合理的分流策略，以保證服務(wù)質(zhì)量。并綜合考慮發(fā)送端和接收端狀況，將接收端緩沖區(qū)長度作為反饋調(diào)整發(fā)送端速率提高用戶體驗。為解決此優(yōu)化問題，利用了人工螢火蟲群優(yōu)化（glowworm swarm optimization，GSO）算法對該優(yōu)化問題進行了求解。

2 系統(tǒng)模型

異構(gòu)無線網(wǎng)絡(luò)視頻多流并發(fā)傳輸控制系統(tǒng)模型如圖1所示，高清視頻流在視頻源端進行分流，通過自適應(yīng)分流決策，將視頻流分別通過不同鏈路進行傳輸，多個異構(gòu)無線終端，多種無線網(wǎng)絡(luò)協(xié)同工作，最后在視頻播放端緩沖區(qū)進行整合后播放。視頻源端采用H.264對視頻進行壓縮編碼，采用3G網(wǎng)絡(luò)進行傳輸。多個用戶可利用周邊可用終端完成多流并發(fā)傳輸?shù)囊曨l業(yè)務(wù)。來自不同用戶的異構(gòu)單模終端構(gòu)成虛擬多模終端，這些異構(gòu)單模移動終端使用不同制式的網(wǎng)絡(luò)，例如cdma2000、WCDMA等，這些協(xié)同終端之間通過Wi-Fi組網(wǎng)由終端控制器控制聚合成一個能力增強、接口增多、協(xié)作對外的有機整體，形成一個以用戶為中心的超級終端，即虛擬終端，實現(xiàn)業(yè)務(wù)多樣化和增強用戶體驗。

圖1 異構(gòu)無線網(wǎng)絡(luò)中視頻多流并發(fā)傳輸控制模型

假設(shè)發(fā)送端與接收端之間存在K條鏈路，各條傳輸路徑性能存在差異，如不同路徑的分組丟失率及傳輸時延可能各不相同。假設(shè)業(yè)務(wù)傳輸?shù)淖钚挝粸閿?shù)據(jù)分組，通過合理安排數(shù)據(jù)分組離開發(fā)送的速率來調(diào)節(jié)業(yè)務(wù)在各路徑上的傳輸速率。R是總的數(shù)據(jù)流量，R1、R2、R3分別是分到各個鏈路的數(shù)據(jù)流量，D1、D2、D3是各個鏈路的時延。

視頻播放端設(shè)置了一個可動態(tài)調(diào)整長度的緩沖區(qū)，視頻播放端接收的視頻臨時保存在播放緩沖區(qū)中，短時間的速率和帶寬的不匹配可以被吸收，從而減輕視頻中斷，并且視頻數(shù)據(jù)分組可以在該播放緩沖區(qū)中重新排序，吸收各路徑間的時延抖動。該緩沖區(qū)構(gòu)成了視頻播放端和視頻源端的一個緩存反饋回路，視頻源端可以根據(jù)視頻播放端緩沖區(qū)長度調(diào)整發(fā)送速率R，從而使緩沖區(qū)長度保持在正常狀態(tài)，提高用戶體驗。

3 異構(gòu)無線網(wǎng)絡(luò)視頻多流并發(fā)傳輸控制模型

視頻流量具有自相似性和長相關(guān)性，而長相關(guān)流量對網(wǎng)絡(luò)性能有不利的影響，最重要的結(jié)果是自相似流量下隊列長度分布的衰減比短相關(guān)業(yè)務(wù)源（如泊松模型）要緩慢。同時有研究表明，流量的自相似性會導(dǎo)致緩沖溢出率高，時延長和持續(xù)周期性擁塞，直接影響到新一代網(wǎng)絡(luò)的設(shè)計、控制、分析和管理，而使用泊松或馬爾可夫業(yè)務(wù)模型不能準確地反映實際流量的長相關(guān)性，會導(dǎo)致分析時低估平均分組時延或最大隊列長度。

3.1 截斷Pareto分布

流量的自相似性直接影響到新一代網(wǎng)絡(luò)的設(shè)計、控制、分析和管理，在網(wǎng)絡(luò)性能分析中，數(shù)據(jù)流的自相似性越來越受到關(guān)注。盡管業(yè)務(wù)自相似過程產(chǎn)生的原因還沒有最終定論，但重尾分布確是導(dǎo)致自相似過程產(chǎn)生的一個重大原因。通常使用的重尾分布有Pareto（帕拉圖）、Weibull（韋伯）以及Log-normal（對數(shù)正態(tài)）等。由參考文獻[12]中的表4.1.6-1可知，視頻數(shù)據(jù)分組大小服從截尾Pareto分布（truncated Pareto distribution），到達時間間隔同樣服從截尾Pareto分布。通過對數(shù)據(jù)分組到達時間間隔和數(shù)據(jù)分組大小應(yīng)用更加真實的自相似分布，能夠得到更加符合視頻流實際的時延。

Pareto分布的尾函數(shù)為：

其為雙曲線函數(shù)，其衰減速度要比指數(shù)函數(shù)緩慢得多。本文使用Pareto分布代表視頻流充分考慮視頻流的自相似性。Pareto分布為：

因為x是無限的，因此用截尾Pareto分布代替Pareto分布，實際使用截尾Pareto分布：

其中,k＞0是位置參數(shù)，a是形狀參數(shù)，用以確定均值和方差，只有當(dāng)1＜a＜2時，x才同時具有有限的均值和方差。截尾Pareto分布的均值和方差分別為：

3.2 P/P/1排隊模型

重尾服務(wù)分布排隊模型和它對網(wǎng)絡(luò)性能的影響是無線網(wǎng)絡(luò)領(lǐng)域研究的熱點問題[13]。自相似流量下隊列長度分布的衰減比短相關(guān)業(yè)務(wù)源（如泊松模型）要緩慢，而且流量的自相似性會導(dǎo)致緩沖溢出率高、時延長和持續(xù)周期性擁塞，而視頻流數(shù)據(jù)流存在明顯自相似性和長相關(guān)性，Pareto分布可對到達時間和服務(wù)時間特性建模[14]。視頻流數(shù)據(jù)分組到達時間間隔服從Pareto分布，服務(wù)時間同樣服從Pareto分布，因此本文所使用的每條并發(fā)鏈路排隊模型為P/P/1。

3.3 異構(gòu)無線網(wǎng)絡(luò)視頻多流并發(fā)傳輸控制模型

異構(gòu)無線網(wǎng)絡(luò)視頻多流并發(fā)系統(tǒng)中每條并發(fā)鏈路都可以建模為P/P/1的排隊模型，則整個系統(tǒng)為并聯(lián)P/P/1排隊模型。異構(gòu)無線網(wǎng)絡(luò)中單條鏈路時延為平均等待時間和平均服務(wù)時間之和[15]。

其中，tw為平均等待時間，ts為平均服務(wù)時間，Ca2和Cs2分別是視頻流數(shù)據(jù)分組到達時間間隔和數(shù)據(jù)分組服務(wù)時間的方差系數(shù)平方值，由x的方差和均值定義：

其中，Nt為傳輸節(jié)點數(shù)，Ms是視頻流數(shù)據(jù)分組平均分組長度，B為鏈路帶寬，Ms定義為：

從式（7）中可以看出，時延Di是的函數(shù)。而從式（9）可以看出是αi的函數(shù)，因此可以表示為(αi)。

實時視頻流數(shù)據(jù)的傳輸，需要在較長的時間內(nèi)傳送連續(xù)的視頻數(shù)據(jù)，并在接收方實時播放，具有嚴格的端到端時延和時延抖動要求，Di是第i條鏈路的時延，而各路徑間時延差定義為各路徑間時延抖動。因此，為滿足異構(gòu)無線網(wǎng)絡(luò)中多媒體應(yīng)用的服務(wù)質(zhì)量，路徑流量分配策略必須考慮數(shù)據(jù)的網(wǎng)絡(luò)傳輸時延及各鏈路時延差別，各鏈路時延差別稱為抖動，路徑流量分配策略應(yīng)盡可能優(yōu)化路徑間的時延及其抖動。本文用各路徑時延差的方差表示抖動波動的大小，將網(wǎng)絡(luò)傳輸時延及抖動的方差均作為優(yōu)化目標(biāo)，因此，異構(gòu)無線網(wǎng)絡(luò)中視頻多流并發(fā)傳輸控制模型可以表述為如下的最優(yōu)化問題：

該最優(yōu)化問題為多目標(biāo)優(yōu)化問題，使用權(quán)函數(shù)法將各目標(biāo)函數(shù)乘以各自對應(yīng)的權(quán)系數(shù)，將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為如下單目標(biāo)優(yōu)化問題。

其中，Ri是分配給第i條鏈路的數(shù)據(jù)流，Ra,i是第i條鏈路可用資源，Di(αi)是 第i條鏈路時延，(αi)是K條鏈路時延方差。

由以上的最優(yōu)化問題可以看出，本文設(shè)計的視頻多流并發(fā)傳輸控制模型就是設(shè)法找到最佳的分配矢量{αi，i=1,2,…,K}，使得在約束條件下，使式（13）中的時延和時延方差加權(quán)和最小。

通過最小化上述系統(tǒng)平均整體時延，同時最小化個鏈路時延方差使各路時延差盡可能小，以獲得一套最優(yōu)的多流并發(fā)分流策略?；谙到y(tǒng)整體時延和抖動的最優(yōu)化分流策略可以描述為上述提出的基于等式、不等式約束的多目標(biāo)非線性優(yōu)化問題，這個問題難以得到閉式解。本文采用人工螢火蟲算法求解式（13）的最優(yōu)化問題。

3.4 自適應(yīng)分流決策

本文提出的異構(gòu)無線網(wǎng)絡(luò)中視頻流自適應(yīng)分流決策是設(shè)計最優(yōu)的分流策略使得系統(tǒng)的時延最小同時使各鏈路時延差即時延抖動最小。在并發(fā)傳輸中，數(shù)據(jù)分組的時延抖動主要來自于不同無線接入技術(shù)之間傳輸能力的差異。

Di與Dk分別是第i條和第k條鏈路的 時延，Di與Dk的差異|Di-Dk|（i≠k）即時延抖動，抖動應(yīng)盡可能小，兩者差異太大會導(dǎo)致視頻圖像出現(xiàn)“馬賽克”現(xiàn)象，降低清晰度。

數(shù)據(jù)分組在不同路徑上的傳輸時延Di不僅與路徑的傳輸能力有關(guān)系，還與路徑間的流量分配策略有關(guān)系。當(dāng)路徑的傳輸能力較差時，為其分配較多的流量將導(dǎo)致Di急劇增大。當(dāng)路徑的傳輸能力較好，適當(dāng)增加其傳輸流量對傳輸時延Di的影響不是很大。通過合理分配各路徑間的流量，使路徑間時延差異減小，從而達到減小抖動的目的。

假設(shè)發(fā)送端與接收端之間存在K條鏈路，各條傳輸路徑性能存在差異，如不同路徑的分組丟失率及傳輸時延可能各不相同。假設(shè)視頻業(yè)務(wù)傳輸?shù)淖钚挝粸閿?shù)據(jù)分組，通過合理安排數(shù)據(jù)分組離開發(fā)送的速率來調(diào)節(jié)視頻業(yè)務(wù)在各路徑上的傳輸速率。

設(shè)在tk時刻Nk個數(shù)據(jù)分組到達發(fā)送端，稱t1＜t2＜…＜tk＜…＜tn為到達時間點，隨機變量Tk=tk+1-tk稱為到達時間間隔。為模擬視頻業(yè)務(wù)流的隨機到達過程假設(shè)Tk服從截斷Pareto分布。Ea(x)為平均到達時間間隔，則業(yè)務(wù)到達速率為受鏈路差異影響,數(shù)據(jù)分組在各鏈路上的傳輸速率處于動態(tài)變化過程中，這正是系統(tǒng)優(yōu)化的目標(biāo)，對于鏈路i有：

其中，ui為第i條鏈路上的業(yè)務(wù)到達速率，Ea,i(x)為第i條鏈路上的到達時間間隔，Ri為第i條鏈路上的傳輸速率，Ms為數(shù)據(jù)分組長度。

本文提出的自適應(yīng)分流決策使用人工螢火蟲群優(yōu)化算法求解式（13）中最優(yōu)化問題。人工螢火蟲群優(yōu)化算法源于對自然界中螢火蟲發(fā)光求偶、溝通等行為的研究。它是一種群智能優(yōu)化算法，該算法廣泛地使用在資源調(diào)度方面，其仿生學(xué)原理是：用自然界中的螢火蟲個體模擬搜索空間中的點，將螢火蟲個體相互吸引和移動的過程模擬成目標(biāo)尋優(yōu)的過程，用螢火蟲個體所處位置的優(yōu)劣來衡量求解問題的目標(biāo)函數(shù)，螢火蟲個體的優(yōu)勝劣汰過程即目標(biāo)函數(shù)優(yōu)化過程中函數(shù)可行解的迭代過程。

在GSO算法中，人工螢火蟲亮度是與所在位置的目標(biāo)函數(shù)適應(yīng)度值有關(guān)。設(shè)在m維的目標(biāo)搜索空間有n個螢火蟲組成一群體，根據(jù)熒光素值的相近程度將該群體分成ne個鄰域，每個鄰域內(nèi)螢火蟲i以概率Pij在決策域范圍Rd（0

GSO算法主要通過式（17）熒光素值更新方程、式（18）概率分布方程、式（19）位置更新方程和式（20）局部決策域范圍更新方程對螢火蟲進行操作來模擬求解函數(shù)最優(yōu)值[16]。

利用GSO算法求解式（13）最優(yōu)化問題，得到最佳的分配矢量{αi，i=1,2,…,K}，式（15）中Ea,i(x)是αi的函數(shù)，Ri同樣為αi的函數(shù)，Ms在分流過程中不變。因此可以獲得鏈路i中視頻數(shù)據(jù)分組到達時間間隔服從參數(shù)為La、ka、αa,i的Pareto分布，數(shù)據(jù)分組長度仍服從參數(shù)為Ls、ks、αs的Pareto分布，根據(jù)式（16）最后計算出Ri。本文中播放端緩沖區(qū)構(gòu)成了視頻播放端和視頻源端一個緩存反饋回路，緩沖區(qū)長度可動態(tài)調(diào)整，當(dāng)緩沖區(qū)長度過長，可將視頻發(fā)送端速率R降低，緩沖區(qū)長度過短，可將視頻發(fā)送端速率R提高，通過對視頻發(fā)送速率以及緩存長度進行聯(lián)合調(diào)整來保證緩存隊列盡量控制在正常狀態(tài)，從而可以有效降低緩沖區(qū)上溢或下溢概率，提高用戶體驗。通過改變R，從而改變各鏈路上的Ri。自適應(yīng)分流決策偽代碼如下。

（2）確定懲罰階數(shù)b、懲罰系數(shù)c，在目標(biāo)函數(shù)中添加懲罰函數(shù)將式（13）約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題，尋優(yōu)的目標(biāo)函數(shù)為：

（3）隨機生成螢火蟲初始種群αi（i＝1，2，…，n）

（4）根據(jù)f(αi)計算每個螢火蟲的熒光亮度li

（5）確定光吸收因子等參數(shù)

（6）while(k

（7）for i=1 to n//遍歷所有螢火蟲

（8） for j=1 to i

（9） if(li

（10） 按照式（19）更新螢火蟲i向螢火蟲j移動

（11） end if

（12） 按照新位置更新螢火蟲的吸引度及熒光亮度

（13） end for

（14）end for

（15） 對所有螢火蟲亮度進行排序并找到當(dāng)前最優(yōu)值

（16）end while

（17）得到最優(yōu)值及對應(yīng)參數(shù)，對應(yīng)參數(shù)即最佳分配矢量

（18）將最佳分配矢量{αi，i=12,…,K}代入式（15）、式（16），得到每條鏈路上分配的流量

由GSO算法原理可知，自適應(yīng)分流決策過程的運行時間主要消耗在螢火蟲位置更新上，其時間復(fù)雜度主要由最大迭代次數(shù)M和螢火蟲個數(shù)n兩個因素決定。在一次迭代過程中，螢火蟲位置更新操作執(zhí)行的頻度為f=1+2+3+…+n=n×(n+1)/2，其時間復(fù)雜度為O(n2)，所以經(jīng)過M次迭代之后，本文自適應(yīng)分流決策的總時間復(fù)雜度為O(M×n2)，其中M為最大迭代次數(shù)，n為螢火蟲個數(shù)。

4 仿真結(jié)果

本文通過大量MATLAB仿真實驗來評估所提出的自適應(yīng)分流策略的性能。仿真參數(shù)見表1。假設(shè)并行傳輸數(shù)據(jù)為3條，傳輸能力分別4 Mbit/s、2 Mbit/s、3 Mbit/s，人工螢 火 蟲群優(yōu)化算法初始種群大小為20，最大迭代次數(shù)為300。

表1 仿真參數(shù)

在本仿真中，視頻發(fā)送端速率從2 Mbit/s變化到6 Mbit/s。本文所提出的自適應(yīng)分流決策與一般的負載均衡分流決策進行比較。一般的負載均衡分流決策如式（21）：

式（22）中Q為傳輸節(jié)點緩存分組的長度，仿真中Q設(shè)為20個分組。

圖2(a)顯示了速率隨形狀參數(shù)αa的變化?？梢钥闯霎?dāng)數(shù)據(jù)分組長度和位置參數(shù)ka不變時，速率隨著形狀αa增大，圖2(b)顯示了速率隨位置參數(shù)ka的變化?？梢钥闯霎?dāng)數(shù)據(jù)分組長度和形狀αa不變時，速率隨著位置參數(shù)ka的增大而逐漸減小。仿真中發(fā)送速率R=Ms/Ea,i(x)=Ms/通過改變αa、ka、La來模擬發(fā)送速率R，同一發(fā)送速率下分流時，各條鏈路上的Pareto分布參數(shù)ka、La相同，通過人工螢火蟲群優(yōu)化算法獲得最佳的分配矢量{αi，i=1,2,3}。

圖2 形狀、位置參數(shù)對速度的影響

圖3 顯示了系統(tǒng)分組丟失率隨發(fā)送速率的變化?？梢钥闯霰疚奶岢龅幕跁r延和時延抖動的分流策略比一般負載均衡分流策略分組丟失率要低，但是隨著網(wǎng)絡(luò)負載增加，兩者差別逐漸減小，當(dāng)發(fā)送端速率增大到5.5 Mbit/s和6 Mbit/s時，兩者分組丟失率接近。這是因為網(wǎng)絡(luò)負載較大，優(yōu)化效果降低。在發(fā)送端速率為3 Mbit/s時，本文提出的分流策略比一般負載均衡分流策略分組丟失率降低10.6%。

圖3 不同分流策略分組丟失率比較

圖4 （a）顯示了在發(fā)送端速率為4 Mbit/s時，自適應(yīng)分流決策方法迭代50次左右收斂,各路徑分得數(shù)據(jù)流量如圖4（a）所示。圖4（b）顯示了在發(fā)送端速率為4 Mbit/s、螢火蟲種群大小為20、最大迭代次數(shù)為300時，系統(tǒng)分組丟失率在50次左右收斂，系統(tǒng)性能穩(wěn)定，計算復(fù)雜度為O(M×n2)，其中M為最大迭代次數(shù)，n為螢火蟲個數(shù)，計算復(fù)雜度低。

圖4 各路徑流量分配、系統(tǒng)分組丟失率隨迭代次數(shù)變化關(guān)系

圖5 （a）顯示了與一般負載均衡分流策略相比，本文提出的分流策略的時延降低了4.67%。當(dāng)發(fā)送端速率逐漸增大時，兩種分流策略中的時延均大幅增大，因為流量負載已接近可用資源，這將導(dǎo)致系統(tǒng)性能不穩(wěn)定，尤其是當(dāng)發(fā)送端速率超過4 Mbit/s時，單一的無線接入技術(shù)因為有限的通信能力已經(jīng)無法滿足要求，因此來自不同用戶的單模異構(gòu)終端通過局域網(wǎng)組網(wǎng)擴展成以用戶為中心的能力增強的超級終端，即虛擬終端，可以聚合鏈路資源，提高用戶體驗。圖5（b）顯示了與采用M/M/1排隊理論相比，采用P/P/1排隊理論的時延大于前者，并且隨著發(fā)送速率的增大，兩者差距增大。這是因為視頻流的自相似性對時延影響，需要分配更多的資源來保證服務(wù)質(zhì)量，因此采用更符合視頻流自相似特性的P/P/1排隊論進行分流決策能夠給用戶提供更好的體驗。

圖5 時延比較

5 結(jié)束語

本文針對異構(gòu)無線網(wǎng)絡(luò)中視頻多流并發(fā)傳輸控制提出了一種視頻自適應(yīng)分流決策。提出的異構(gòu)網(wǎng)絡(luò)高清視頻多流并發(fā)傳輸控制包括兩個階段：自適應(yīng)分流決策；接收緩沖區(qū)長度反饋自適應(yīng)調(diào)節(jié)發(fā)送端速率。自適應(yīng)分流決策通過使系統(tǒng)時延最小同時使時延抖動最小，獲得一種分流決策方法。緩沖區(qū)長度反饋自適應(yīng)調(diào)節(jié)發(fā)送端速率是聯(lián)合視頻源端和視頻播放端，通過播放端緩沖區(qū)長度自適應(yīng)調(diào)節(jié)發(fā)送端速率。

仿真結(jié)果表明，所提出的視頻自適應(yīng)分流決策與一般的負載均衡分流決策方法相比，時延減少了4.67%，基于P/P/1排隊理論與M/M/1排隊理論相比時延增加，且隨著發(fā)送端速率的增加，兩者差距增大，說明視頻流的自相似性影響時延，需要分配更多的資源來保證服務(wù)質(zhì)量，因此采用更符合視頻流自相似特性的P/P/1排隊論進行分流決策能夠給用戶提供更好的體驗。所提出的視頻自適應(yīng)分流決策與一般的負載均衡分流決策方法相比，在發(fā)送速率為3 Mbit/s時，分組丟失率降低7.6%。總的來說，與一般的負載均衡分流決策方法相比，本文提出的分流決策方法在時延和分組丟失率方面均有一定的優(yōu)越性。

參考文獻

1 De Cicco L,Mascolo S.An adaptive video streaming control system:modeling,validation,and performance evaluation.IEEE/ACM Transactions on Networking,2014,22(2):526～539

2 Zanforlin M,Munaretto D,Zanella A,et al.SSIM-based video admission control and resource allocation algorithms.Proceedings of 12th International Symposium on Modeling and Optimization in Mobile,Ad Hoc,and Wireless Networks,Hammamet,Tunisia,2014:656～661

3 Sun L,Tian H,Sun Q Y,et al.Traffic allocation scheme with cooperation of WWAN and WPAN.IEEE Communications Letters,2010,14(6):551～553

4 Singhai R,Joshi S D,Bhatt R.A novel discrete distribution and process to model self-similar traffic.Proceedings of the 9th International Conference on Telecommunications,Zagreb,Croatia,2007:167～172

5 Fisher M J,Gross D,Masi D,et al.Analyzing the waiting time process in internet queuing systems with the transform approximation method.The Telecommunication Review,2001:21～32

6 Bhandari B N,Raja Kumar R V,Maskara S L．Performance of IEEE 802.16 MAC layer protocol under conditions of self-similar traffic.Proceedings of IEEE Region 10 Conference TENCON 2008,Hong Kong,China,2008:1～4

7 Ghani S,Iradat F.Loss probability in networks with pareto distributed traffic.Proceedings of IEEE 2011 Second International Conference on Intelligent Systems,Modeling and Simulation(ISMS),Kuala Lumpur,Malaysia,2011:355～360

8 陳志剛，曾峰，李慶華.無線mesh網(wǎng)中時延約束抖動優(yōu)化的多路徑流量分配算法.通信學(xué)報,2011,32(1):1～8 Chen Z G,Zeng F,Li Q H.Delay-constrained and jitter-optimized traffic allocation for multipath routing in wireless mesh networks.Journal of Communications,2011,32(1):1～8

9 Wang C R,Tian H,Miao J.Dynamic traffic allocation scheme for optimum distribution in heterogeneous networks.IEEE Vehicular Technology Conference(VTC Fall),San Francisco,CA,USA,2011:1～5

10 馬驍,盛敏,張琰.異構(gòu)多接入網(wǎng)并發(fā)傳輸?shù)臅r延界分析及分流策略.西安電子科技大學(xué)學(xué)報,2013,40(2):5～12 Ma Y,Shen M,Zhang Y.Delay bound analysis and splitting strategies of concurrent transmission in heterogeneous networks.Journal of Xidian University(Natural Science),2013,40(2):5～12

11 Ghani S.Analysis of Pareto distribution on delay performance in network.Proceedings of the 1st International Conference on Wireless Communications Frontiers(WCF 2010),Chongqing,China,2010

12 3GPP 2C.R1002-0 V1.0.cdma2000 Evaluation Methodology,2004

13 Xu S,Xu B G,Peng D Z.The waiting time distribution of a pareto service self-similar queuing model for wireless network nodes.Proceedings of International Conference on W ireless Communications,Networking and Mobile Computing,Wuhan,China,2006:1～3

14 Galkin A M,Simonina O A,Yanovsky G G.Multiservice IP network QoS parameters estimation in presence of self-similar traffic.Proceedings of 6th International Conference on Next Generation Teletraffic and Wired/Wireless Advanced Networking,St.Petersburg,Russia,2006:235～245

15 Ghani S.The impact of self similar traffic on wireless LAN.Proceedings of International Wireless Communications and Mobile Computing Conference(IWCMC 2010),Caen,France,2010

16 楊艷，周永權(quán)，羅林等.人工螢火蟲群優(yōu)化算法求解約束優(yōu)化問題.小型微型計算機系統(tǒng),2014,1(35):185～188 Yang Y,Zhou Y Q,Luo L,et al.Artificial glowworm swarm optimization algorithm for solving constrained optimization problems.Journal of Chinese Computer Systems,2014,1(35):185～188