OFDM系统中视频传输的调度算法研究

李 蕾，宋建新

(南京邮电大学图像处理与图像通信实验室，江苏 南京 210003)

随着移动通信和互联网技术的高速发展，无线多媒体业务的需求不断增长，人们对宽带无线接入技术的需求也越来越迫切。所以，下一代移动通信系统采用了多种先进的传输技术，来解决人们对宽带的迫切需求和有限的无线资源问题。其中，物理层的OFDM技术受到广泛的关注［1］。OFDM不但可以在无线信道中提供较高的数据传输速率，而且可以通过无线带宽的划分来实现多个无线终端的资源共享［2-3］。OFDM在划分带宽的同时，将频率选择性多径衰落信道在其频率内转变为平坦信道，从而减少了多径衰落的影响。在此背景下，本文研究了OFDM系统中视频传输的调度算法。

调度算法有两个重要的设计参数，即吞吐量和公平性。调度算法就是充分利用无线信道的时变特性，得到多用户分集增益，从而提高系统的吞吐量与频谱利用率。因此，好的调度算法就应当兼顾吞吐量和公平性。根据调度算法的特点，常见的算法可以分为轮询(Round Robin，RR)算法，最大C/I算法，比例公平调度(Proportional Fair scheduling，PF)算法。其中，RR算法的基本思想是保证系统内的所有用户按照某种特定的顺序循环占用相等时间的无线资源进行通信［4］，它有效地保证了用户之间的公平性，但是没有考虑用户的信道状况，因此系统总的吞吐量很低。最大C/I算法则是完全根据用户的信道质量好坏来进行调度，虽然能达到系统的最大吞吐量，但是没有考虑用户的公平性、QoS需求和稳定性。PF算法则是一种折中的算法，同时考虑了用户的信道质量和过往一段时间内的吞吐量，以吞吐量的降低来换取一定的用户公平性，是目前采用较多的一种算法。

但是，这3种算法均未考虑用户的QoS需求，在实际的应用系统中，需要进行一定的修改，需要将业务的QoS需求(如时延约束，吞吐量)等因素考虑在内。本文就是考虑了视频流的特性，将PF算法进行改进，在保证吞吐量的同时，来有效改善用户的视频质量。

1 OFDM系统模型

这里主要研究单蜂窝OFDM系统中下行链路的多用户调度问题。该应用场景中包括一个基站(Base Station，BS)，K个用户设备(User Equipment，UE)，系统总的带宽为B。每一个UE对应一个独立的缓冲区。基站通过主干网接收来自流媒体服务器的已预先编码好的视频流，假设主干网络有很高的带宽，不存在任何的包丢失现象，并假设每一个视频序列是通过H.264编码器编码，且其运动补偿采用的是单参考帧预测。在预先编码好的视频序列中，每一帧可以分割为一片或者多片。每一片的头部可以作为一个同步标志，使得各片能够独立解码。一些文献将片作为调度的数据单元［5］，这里则以帧为调度单位。

系统框图如图1所示。BS在接收到UE的视频发送请求后，调度器在每一个传输时隙基于某种调度策略(这里联合考虑了反馈的信道状态信息和视频流特性)，选择优先权最高的用户，并将当前时隙的所有资源包括功率和OFDM码元分配给该用户，然后进行调制编码，发送视频流。

图1 多用户下行链路调度框图

2 调度算法描述

2.1 比例公平调度算法(Proportional Fair－scheduling，PF)

在传统的PF算法中［6］，每个用户根据特定的策略被分配相应的优先级。在任意时隙t，基站选择优先级最大的用户进行服务。用户优先级表示为

式中:Rj(t)是用户j在时隙t的平均传输速率;DRCj(t)是用户j在时隙t的当前请求传输速率。被选中用于传输数据的用户为

若某一用户在此刻没有数据可以传输，则DRCj(t)为0。

PF算法流程如下:

1)调度。在每一个时隙t，基站从K个用户中选择具有最高优先值pj(t)的用户进行调度。若用户在该时隙没有可传送的数据，则可以忽略。

2)关于更新平均速率。在时隙t调度结束后，每个用户的平均传输速率Rj(t)需要进行更新，即

式中:Tc为窗口参数，表示平均速率中包含以往多久的信道信息。若Tc越大，表示用户平均速率会考虑的以往信道状态信息越长，表明长期公平性越好;若Tc越小，则用户的平均速率更多地考虑近时间段内的吞吐量，调度算法则会对用户的信道骤然变得十分敏感【6】。但是，若Tc过大，则可能会带来附加的延迟，所以Tc的选择要合适。

由此看出，传统的PF算法并未考虑视频特性，如时延、失真等，不能够为用户提供视频质量的保证。

2.2 改进的比例公平调度算法(Modified PF，M-PF)

本文提出的M-PF算法的基本思想是将视频的时延、内容(即失真特性)、视频包大小这些特性与信道状况平衡考虑，则在计算用户的优先级时，不仅和信道质量有关，还和视频的延迟、内容及包大小有关。

中的加权因子［7］，M-PF算法的优先权值改为

则在每一个调度时隙将优先选择满足式(5)的用户进行资源调度

式中:Dj(t)表示用户j在时隙t需要发送的视频帧的失真，每进行一次调度，该因子就需要更新一次。T(tj)则是tj的递减函数，tj表示该帧的生存期，即表示该帧必须在时间tj前发送到接收端。而rj(t)表示当前用户j为发送当前包所需要的速率，表示如

式中:lj表示该帧的长度。

关于调度策略的理解如下:DRCj(t)反映了当前用户的瞬时信道状况，信道条件越好，该值越大，则该用户的优先级就越高;Rj(t)则是对用户一段时间内平均吞吐量的估计，与传输的优先级成反比，可以降低信道条件一直很好的用户的优先级，使其他用户被服务，体现了用户长期的公平性。Dj(t)表示用户当前帧的重要性，优先传输对于当前帧重要的用户，以保证视频质量。当帧超过生存期时，就会在缓存队列中被丢弃，从而影响视频质量，所以该帧需要在生存期前传输到接收端，以及时解码，保证视频播放的流畅性。T(tj)就是考虑了队列延迟。由此来看，M-PF算法既利用了多用户分集增益提高系统吞吐量，也充分考虑了视频的特性。

由于在M-PF算法的优先权计算中已经考虑到了视频的失真特性，所以所有用户对应的缓冲区中的视频帧按照生存期的大小排序。然后，调度器选择出M-PF算法得出的优先权最高的用户进行数据发送，每个时隙需要更新一下相关参数。

2.3 视频失真特性

在无线视频通信系统中，端到端的失真有两部分组成［8］:量化失真和传输失真。量化失真是在编码过程中由量化错误引起的;传输失真是在视频序列的传输中由包错误引起的，并且它是延迟敏感的无线视频传输中端到端失真的最主要部分。上述的Dj(t)就表示用户j在时隙t视频帧的失真。为表示方便，用Dk表示某用户在某时隙视频帧k的失真，表示为

在研究传输失真时，考虑了削波噪声以及两两错误之间的相关性。这里，将传输错误分为4类［8］，即残差包传输错误εk、运动矢量包传输错误ξk、传播错误以及削波噪声，这里推导出的传输失真为帧级失真。相应地将传输失真分为4部分:残差包的掩盖错误(Residual Concealment Error，RCE)Dk(r);运动矢量包的掩盖错误(MV Concealment Error，MVCE)Dk(m);传播错误(propagated error)加削波噪声(clipping noise)Dk(P);上述任意两种错误之间的联系(correlations)Dk(c)。则有这里，用uk表示一个像素，其中，k表示时间域的第k

帧，u表示空间域的一个二维向量。当像素从位置vk－1移动到uk时，像素uk的运动矢量表示为mv=vk－1－uk。这两个像素之间的差值叫作像素uk的残差，表示为=第k帧中的所有像素形成一个二维的矢量集νk，

其中集合中元素的数目即一帧中像素的数目表示为|νk|。当残差包在无线信道中传输出现错误时，可以在解码器端采用相应的差错掩盖技术，如像素uk在发送端原本正确的残差为，使用差错掩盖后的残差为。残差包的掩盖错误可表示为

当运动矢量包在无线信道中传输出现错误时，可以在解码器端采用相应的差错掩盖技术。当像素uk原本正确的运动矢量为，使用差错掩盖后变为。运动矢量的掩盖错误可表示为

传播错误加削波噪声可表示为

式中:Dk－1表示第k－1帧的传输失真;βk表示第k帧中进行帧内编码的宏块的百分比;αk为系统参数，表示传播因子。

任意两种错误之间的联系经演算如

式中:λk为系统参数，表示联系比率。

将相对应的失真代入式(9)，可得传输失真。再将式(9)代入式(8)，可得相应帧的失真，然后将其应用于优先权判断中。各式的推导详见文献［8-9］。

这里首次考虑了削波噪声的影响，它可以降低传播错误。同时，考虑到运动矢量错误与传播错误是负相关的，可以更精确地估计出视频失真，从而改善调度策略，进一步提高接收端视频质量。

3 仿真结果

3.1 系统模型

这里采用有限状态的马尔科夫链(Finite-State Markov Chain，FSMC)信道模型来描述不同信道状态之间的转移，同时考虑到了多普勒频移。将信道信噪比(SNR)划分为N+1个不重叠的连续间隔，即，来表示信道的N+1个状态。当接收端的信道γ落入间隔［γn，γn+1)时，就表示处于信道状态n。

使用Nakagami-m信道模型来描述接收端的γ，则SNR的概率密度函数为

那么信道处于状态n的概率为

由于信道变化很快，所以当信道状态m，n不相连，即|m－n|≥2时，假设信道状态转移概率Pm，n=0。那么临近状态的转移概率可以用Pr(n)表示出，其依赖于接收端的平均γ、Nakagami衰落因子m以及多普勒频移fd。详细的推导可参考文献［10］。

3.2 结果分析

用户终端分别请求不同的视频流，分别为foreman，coastguard，mobile，news，bus，city，格式均为 CIF(352 ×288)。每一视频流均为150帧，采用的编码器均为H.264的JM8.6，帧率为30 f/s(帧/秒)。除第一帧为I帧外，其余均为P帧。

仿真比较了PF算法改进前后接收端视频序列的平均PSNR，如图2所示。

图2 不同策略的PSNR比较

图2中第一种方案采用了基于内容的M-PF算法，第二种方案采用了传统的PF算法。横坐标分别表示每个用户:foreman(1)，coastguard(2)，mobile(3)，news(4)，bus(5)，city(6)，所有用户的平均值(7)。纵坐标则表示两种方案对应的各个用户的PSNR。由图2可知，采用了MPF算法的用户PSNR比PF算法的提高了0.50～1.28 dB，平均PSNR提高了1.09 dB，有效地提高了视频质量。

4 小结

联合视频流的失真、时延特性以及解码端所采用的差错掩藏技术，对传统的比例公平调度算法进行改进，提出了一种内容感知的跨层调度方法，并将PSNR作为衡量算法以及用户QoS的标准。仿真结果表明，改进的PF算法较传统的PF算法，进一步提高了用户的视频质量，较好地满足了用户的QoS需求。

参考文献:

［1］沈敏洁.MIMO-OFDMA系统下行链路调度与资源分配算法的研究［D］.长春:吉林大学，2009.

［2］池琛，张彧，薛永林，等.基于H.264SVC和OFDM的可分级视频传输方法［J］.电视技术，2011，35(3):61-63.

［3］GROSS J，KLAUE J，KARL H，et al.Cross-layer optimization of OFDM transmission systems for MPEG-4 video streaming［J］.Comp.Commun.，2004，27(11):1044-55.

［4］蔡灵灵，赵建立，宋荣方.提供QoS保证的比例公平调度改进算法及其应用［J］.中国电子科学研究院学报，2009，14(1):67-71.

［5］LI F，LIU G，HE L.Cross-layer scheduling for multiuser H.264 video transmission over wireless networks［J］.IET Commun，2010，4(8):1012-1025.

［6］JALALI A，PADOVANI R，PANKAJ R.Data throughput of CDMA-HDR a high efficiency-high data rate personal communication wireress system［C］//Proc.IEEE 51st Vehicular Technology Conference Proceedings.［S.l.］:IEEE Press，2000:1854-858.

［7］JI Xin，HUANG Jianwei，CHIANG Mung，et al.Scheduling and resource allocation for SVC streaming over OFDM downlink systems［J］.IEEE Transactions on Circuits and Systems for Video Technology，2009，19(10):1549-1555.

［8］CHEN Zhifeng，WU Dapeng.Prediction of transmission distortion for wireless video communication:part i:analysis［EB/OL］.［2011-10-12］.http://www.wu.ece.u?.edu/mypapers/journal-1.pdf.

［9］CHEN Z，WU D.Prediction of transmission distortion for wireless video communication:algorithm and application［EB/OL］.［2011-10-10］.http://www.wu.ece.u?.edu/mypapers/journal-2.pdf.

［10］AO A，WU Zhunghan，YEH Pingcheng.Performance analysis and cross layer optimization for multimedia streaming over wireless networks［M］.［S.l.］:Springer Berlin Heidelberg，2009.