动态移动云内协作传输性能分析

韦世红，蒋文科，易印雪，张祖凡

(重庆邮电大学通信与信息工程学院，重庆 400065)

0 引言

分层异构移动云中最重要的关注点之一［1］，就是如何有效地管理移动节点的功率消耗问题。许多关于功率分配的算法都是应用在具有固定中继的多跳蜂窝网络中［2－4］，尤其是最小化源节点与多中继节点的总传输功率的优化问题［5］，都是在源节点与目的节点间仅传输单个信息的基础上建立的。此外，网络使用期的最大化问题是在目的节点的误符号率有约束的条件下，通过最小化中继节点的总传输功率来实现的。但是，并没有很多关于根据协作组中每个用户的转发能力来控制蜂窝网络传输给每个移动节点数据流的研究，NodeB有可能发送大量的数据给信道条件极其不好的移动节点，这样，移动节点就需要额外消耗大量的功率将接收到的数据分配给其他移动节点。为了解决蜂窝移动通信系统中的能耗问题，同时，考虑到短距离通信中的移动节点可以传输数据流给附近的节点，很多研究已经开始关注结合蜂窝移动通信和短距离通信这2种通信方式的协作网络［6－9］，而且能量消耗作为有效评估数据传输方案一个重要性能指标，得到了学界的广泛关注［10－13］。

因此，本文基于已提出的分层异构移动云架构，联合考虑数据速率，分析研究动态移动云协作传输算法。分层异构移动云中的协作传输算法，有效地融合了蜂窝与短距离通信，与传统的数据传输算法相比，动态移动云协作传输算法节省了更多的能量，同时减小了数据传输的时延。仿真表明，基于分层异构移动云架构的协作传输能改善数据传输的能量效率与能量消耗增益。

1 系统模型

为了便于分析，结合文献［1］的分层异构移动云架构，如图1所示。分层异构移动云以异构间网络垂直分层、同构网络水平形成移动云为核心思想。从接入网络架构上看，本架构本质是将通常异构网络进行分层，同时考虑同构网络间的协作。从技术层面上看，本架构以可扩展的分层异构移动云接入网架构体系替代现有众多分离研究的接入网架构，支持不同普适业务和网络架构的融合。为了分析方便，我们首先对分层异构移动云接入架构做一个简单的说明。

从图1可以看到，提出的分层异构移动云架构包含2层含意:1)处于不同层的用户形成分层移动云;2)处于同一分组中的用户形成分组动态移动云，即异构移动云。分层异构移动云内的所有移动节点都可工作在蜂窝移动通信网，并且还可工作在它们自己的本地网络—短距离通信网。系统中的一部分用户能够接收并缓存来自NodeB的数据流，然后通过短距离通信网跟同一个分组云中的其他用户共享。因此，从接入的角度看，系统将呈现的是一个两层通信网络，即蜂窝和短距离通信网络。

图1 分层异构移动云系统示意图Fig.1 Network architecture of layered heterogeneous mobile clouds

分层异构移动云架构中，每个移动节点只能属于一个分组移动云，同时，每个分组移动云中只存在一个云头 (cloud header，CH)，是该分组云中的所有移动节点根据某一规则共同选出的，云头是整个分组移动云中性能最好的节点。所有分层云级别的任务由CH负责完成，同时云头还要负责对接收到的数据进行处理，为实现资源共享，找出合适的分组用户，移动云中的数据传输对节点的移动性没有限制，即系统中存在的所有移动节点(包括CH)都能够随时加入或者退出分组移动云网络，形成一组动态移动云。

移动云中，首先，数据传输的第1步就是分组移动云中的所有移动节点通过短距离链路接收云头共享的分组后的数据块，接下来，云中的各个移动节点就利用短距离链路相互协作，实现所有数据块的接收。因此，同一分组移动云中的每个非云头节点都可以通过短距离链路完成数据块的共享。移动节点在可靠的短距离无线链路上进行数据交换时，仅需很低的接收功率就可以获得其余的数据块。

假设协作移动云网络是移动节点间通过短距离无线链路建立的，这里仅对分层异构移动云架构体系中的一个动态分组云进行分析，如图1所示。协作传输算法中，首先，每个云头通过蜂窝链路接收来自NodeB的数据流，CH间数据的可靠传输通过云头间的协作重传算法来实现，CH则通过短距离链路给同一分组移动云中的其他移动节点共享。假设每个分组移动云中，除云头CH外，还有n个移动节点MN。传统蜂窝网络中的组播通信NodeB需要以同样的速率编码传输数据，以使得同一分组中的用户都能接收到组播数据。与传统组播相比，移动云中提供的协作传输服务则不同:首先，一定时间内传输给同一分组移动云内n个节点的数据总长度表示为NL。然后，数据总长度NL被分为一系列的数据段{NL1，…，NLi，…，NLn}，CH 将数据段分别传输给对应的MNi。此外，当j≠i时，MNi对应的数据NLi传输不会对MNj对应的数据NLj传输造成干扰，这是因为分配给传输数据NL的信道能被分为更小的子信道，然后每个子信道被分给分组移动云中对应的移动节点。

因此，协作传输的第1步中，CH通过短距离链路将数据NLi传输给同一分组云中对应的MNi。然后，为完成移动云中用户间的数据共享，每个移动节点MNi广播已接收到的数据块NLi。为便于分析讨论，假定传输数据NLi的广播信道分别被分配给每个移动节点MNi。在第2步的协作传输以后，移动云中的所有 MNi都能收到数据块集合{NL1，…，NLi，…，NLn}，最后重建总的数据NL。第2步数据共享可通过移动云中用户间的协作来实现。因此，我们定义的协作传输算法如图2所示。

图2 动态移动云协作传输系统模型Fig.2 Dynamic mobile system model of cooperative transmission

动态移动云内的协作传输算法利用的是同一动态分组云节点间的可靠资源，这将成为一种建立高能效通信路径的方案。协作传输算法中，移动节点将在短距离链路中通过共享自己接收到的数据给同一动态移动云内的云成员，实现云头与云成员间数据的协作传输。

与传统的协作传输相比，移动云中的协作传输不仅能高效完成数据协作传输，同时还能最大化利用蜂窝资源。如前提及，常见的组播通信中，所有的数据传输编码速率需相等，且编码速率必须根据信道条件最差的干扰用户来确定，这样就会导致不能给信道条件好的用户提供更高的数据传输速率。动态移动云协作传输算法使上述问题得到了有效地解决，主要通过引入2步连续的数据传输:1)CH间的数据接收;2)MN间的数据共享。但是，与传统的组播传输结构相比，第2)步数据共享需要额外的传输开销，所以并不能直接看出协作传输是否可以实现能量的节省。因此，接下来的研究将对移动云中的协作传输算法进行定量分析。

2 云内协作传输的能量消耗分析

为了便于比较分析，这里将一般的非协作场景与分析的协作传输场景进行比较。通过2种方案间的性能比较，得出使用协作获得性能提升的结论。因为这2种情况下，CH都需要从NodeB接收同样的数据，而且在前期的研究工作中已经对CH间的通信能量消耗进行了分析，所以，这2种场景中仅考虑移动终端的能量消耗。

传统的非协作场景中，MN直接接收来自NodeB的数据，本文考虑的非协作场景如图3所示。

图3 非协作传输场景Fig.3 System of non－cooperative transmission

针对云内非协作传输的数据未进行数据分组，由CH直接向分组云中的成员共享，分组云中的每个成员都仅从CH接收全部的数据。所有的传输都

属于短距离传输，整个传输期间，传输数据时只有一个接口处于激活状态，假设其他接口处于睡眠模式。基于上面的分析，非协作场景中数据传输的能量消耗可以表示为

(1)式中:n是每个分组云中的成员数，不包括CH，即每个分组云中一共有n+1个移动节点;PTxSR，PRxSR，PSISR分别代表移动节点在短距离通信时处于传输、接收和闲置状态时对应的功率消耗;NL是传输的数据长度;RSR代表短距离链路上可获得的数据速率，此步骤中的任何一次传输中，只有1个云成员处于接收模式，其他云成员都处于闲置状态;(n－1)PSISR代表其中1个云成员处于接收状态时，其他处于闲置状态的云成员的能量消耗。

短距离协作场景如图4所示。

图4 移动云内协作场景Fig.4 System of inside cooperative transmission

能量消耗分2步计算，传输长度为NL的数据给所有云成员的总能量消耗是这2步的能量消耗总和。第1步，计算CH向每个云成员传输数据分段所需的能量。为了便于理解，我们将做如下假设:假设CH向分组云中的每个云成员传输的数据长度都一样，且数据的分段数与云成员数相等;同时，假设所有云成员与CH间的信道都足够好。CH将数据分段传输给分组云内的各个云成员，这个过程的能量消耗可表达为

第2步，各个云成员间进行协作，将各自接收到的数据分段共享给其他成员。当其中1个云成员给其他云成员传输数据时，剩下的n－1个云成员处于接收状态，CH处于闲置模式。云成员间的数据共享所需的能量消耗可表示为

根据上面的分析，要传输长度为NL的数据给所有分组云中的终端成员，使得分组云中的所有终端成员都拥有全部的数据，整个协作的过程所需的总能量消耗可以表示为

从(4)式可以看出，能量消耗主要受数据长度、数据速率以及处于激活状态的云成员功率消耗的影响。本文的协作传输思想主要是通过短距离链路对分组后的数据进行协作传输来节省功率。通过这样的协作传输，总的传输时间得到减少，从而增加了移动节点的闲置状态，减少了相应的能量消耗。

3 数值仿真与分析

为便于更好地理解理论分析，我们对移动终端在短距离链路上协作传输与非协作传输的能量消耗进行了仿真比较，具体参数设置如下:PTxSR=1 W，PRxSR=0.4 W，PSlSR=0.04 W。每种场景中的能量消耗主要依赖于移动节点处于各个状态(传输、接收或者闲置)的功率消耗以及移动节点在每个状态的持续时间。

图5给出了一般情况(非协作场景)下的每比特能量消耗仿真结果。从图5可以看出，可获得的数据速率对能量消耗的影响。当可获得的数据速率越高时，对应的每比特能量消耗越低。这种结果同样适用于协作场景，而且协作传输时的功耗更低，可获得的数据速率更高。

图5 非协作场景能量消耗Fig.5 Energy consumption of non－cooperative transmission

图6给出了协作与非协作场景相比较时，获得的能量消耗提高。不同的情况分别代表了短距离链路上、不同场景下、不同的数据速率对应的仿真。仿真结果表明，分组中的移动节点数和可获得的数据速率都对能量消耗有很大影响。同时可以看出，当动态移动云中的移动节点增加到一定数量时，即使可获得的数据速率不高，协作传输消耗的能量也比高数据速率情况下的非协作传输低。这是因为移动节点数越多，非协作传输消耗的能量越多，则协作传输通过数据分组获得的能量增益越大。由此可以得出，数据分组传送减少了数据的传输时间，进而降低能量消耗，而且移动节点间的协作传输也为能量节省做出了贡献。

图6 协作与非协作场景能量消耗Fig.6 Energy consumption of non－cooperative and cooperative transmission

从这些结果可以看到，基于分层异构移动云的数据协作传输算法有效地减少了移动节点的能量消耗。仿真结果表明，高的能量增益是可以获得的，但是可获得的能量增益主要依赖于可获得的数据速率。只要协作情况下可获得数据速率足够高，就能实现低能耗通信，而短距离链路间的高速数据传输为实现低能耗通信奠定了基础。然而，上述的结果都是假设协作算法是在足够理想的信道条件下得到的，由于开销和信道条件的不理想，实际可获得的能量节省可能比得到的仿真结果要低。

4 总结

本文基于已提出的分层异构移动云接入架构，结合短距离通信系统的特点，针对动态分组移动云研究了一种基于数据分组的云内协作传输算法。本文的协作传输算法以有效减少能量消耗以及保证服务质量为目标，该协作传输算法充分利用了短距离链路的良好信道条件，因此，可以获得更高的数据速率。研究表明，基于分层异构移动云架构的协作传输能改善数据传输的能量效率与能量消耗增益，为更好地实现分层异构移动云中的数据共享提供了理论保障。

［1］张祖凡，易印雪.分层异构移动云接入架构研究［J］.重庆邮电大学学报:自然科学版，2013，25(3):285－291.

ZHANG Zufan，YIYinxue.Some issues on a layered heterogeneousmobile clouds access architecture［J］.Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition，2013，25(3):285－291.

［2］WANG Shenghui，FU Xiuhua，XIONG Ke，et al.Power allocation and relay selection for cellular network with cooperative network coding［C］//IEEE.2011 4thIET International Conference on Wireless，Mobile＆ Multimedia Networks.Beijing:IEEE Press，2011:342－345.

［3］QIU Lin，SONGMeina，LIU Lianru，et al.Relay selection and power allocation scheme for cellular network using cooperative diversity［C］//IEEE.2010 2ndInternational Workshop on Database Technology and Applications.Wuhan:IEEE Press，2010:1－5.

［4］JIA Liu，SHROFF N B，SHERALI H D.Optimal power allocation inmulti－relay MIMO cooperative networks:theory and algorithms［J］.IEEE Journal on Selected Areas in Communications，2012，30(2):331－340.

［5］UPADHYAY M A，MEHTA V J，KOTHARID K.Power minimization algorithm inmulti sourcemulti relay cooperative wireless network［C］//IEEE.2012 Nirma University International Conference on Engineering.Ahmedabad:IEEE Press，2012:1－4.

［6］ALBIERO F，FITZEK F H P，KATZ M.Cooperative power saving strategies in wireless networks:an agentbased model［C］//IEEE.2007 4th International Symposium on Wireless Communication Systems.IEEE press，2007:287－291.

［7］KIBILDA J，KANDEEPAN S，PIESIEWICZ R.Novel cluster formation framework for energy efficient short－range cooperative strategies［C］//IEEE.2011 73rdVehicular Technology Conference.Budapest:IEEE Press，2011:1－5.

［8］MOON Jungmin，CHO Dongho.Cooperative multicast based on data sharing in integrated cellular and shortrange networks［C］//IEEE.2011 73rdVehicular Technology Conference.Yokohama:IEEE Press，2011:1－6.

［9］KARUNAKARAN P，BAGHERI H，KATZ M.Energy efficientmulticast data delivery using cooperative mobile clouds［C］//IEEE.2012 18thEuropean Wireless Conference.Poznan，Poland:IEEE Press，2012:1－5.

［10］FANGWeiwei，LIU Feng，YANG Fangnan，et al.Energy－efficient cooperative communication for data transmission in wireless sensor networks［J］.IEEE Transactions on Consumer Electronics，2010，56(4):2185－2192.

［11］XIE Xuyang，GAO Qiang.Energy－efficient cooperative communication withmulti－relay contention and power allocation［C］//IEEE.2011 6thInternational Conference on Pervasive Computing and Applications.Port Elizabeth:IEEE Press，2011:89－94.

［12］CHEN Yi，LIQiong，FEI Li，et al.Mitigating energy holes in wireless sensor networks using cooperative communication［C］//IEEE.2012 23rdInternational Symposium on Personal Indoor and Mobile Radio Communications.Sydney，NSW:IEEE Press，2012:857－862.

［13］MILITANO L，IERA A，MOLINARO A，et al.Energy saving analysis in cellular－WLAN cooperative scenarios［EB/OL］.(2013－06－20) ［2013－09－10］.http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=＆arnumber=6544684＆isnumber=4356907.

(编辑:王敏琦)