异构无线网络中面向多业务的分流策略研究
2018-04-19,,
,,
(重庆邮电大学 通信与信息工程学院,重庆 400065)
0 概述
在多网络并行传输的业务分流方面,文献[1]从网络的服务质量出发,将网络传输时延和传输速率作为研究对象,使用马尔科夫决策的方法,以最大的期望报酬为目标选择最优的网络进行业务流的分配,但是其缺点是算法是以一定量的历史信息为基础。文献[2]以传输速率为研究对象,分析了使系统吞吐量最大的业务流分配方法,但局限于服务质量参数考虑单一。文献[3]针对视频业务的突发性问题,以平均时延和抖动为对象,提出一种基于概率的分流策略,但策略同时适用于的网络个数较少。总体来说,多网络并行传输比单网络传输在算法上会更复杂,算法效率可能会低一些,但是系统吞吐量和对频谱资源的利用效率明显高于单一网络的情况。
在网络传输中,时延是提高网络效率和用户体验的一个必须考虑的重因素。而在目前的研究中,大多以提高系统吞吐量为目标,以时延为研究对象较少[4]。为此,本文在研究用户独立背景下,提出一种异构无线网络中面向多业务的分流策略。
1 分流问题描述
在异构网络环境中,协作传输是解决高速无线通信的有效方法。在目前的现实环境下存在多个异构无线网络,如蜂窝移动通信网、WiMAX、WLAN等。同时,越来越多的终端朝着多模化发展,用户对无线接入网络的应用需求也来越多,如灾害应急系统、无线视频会议等[5-6]。
图1所示为多模终端的数据分流模型,应用数据流被分流后发送到特定的网络组合中进行传输,在接收端再对其进行汇聚,然后将该数据流送往上一层处理。其中,数据分流研究的是把业务数据分成多大的数据流在哪个或哪几个网络中传输,这方面的研究正在慢慢被关注[7-9]。
图1 多模终端的数据分流
但是很少有研究在数据分流传输时考虑应用数据业务的多样性,根据要传输业务的特点进行业务流分配[10-11],本文按3GPP标准将业务分为4种类型,在业务进行多网络传输选择的基础上重点研究发送端业务在选定的网络传输组合中的业务流分配问题。
2 分流模型及量化
构建网络架构模型如图2所示。在异构网络环境下,终端多类型业务的分流模型。Group1、Group2、Group3、Group4分别代表4种类型的业务流,例如Group1为会话类业务,Group2为流类业务,Group3为交互类业务,Group4为背景类业务。发送端的多个网络接口可以同时接入网络为同一个需求服务。不同的业务类型数据在发送端缓存区中等待,通过各个网络接口接入网络后,将数据发送到接收端中去[12-13]。
图2 终端多类型业务分流模型
用户选择不同的无线网络对应着不同的带宽和成本需求[14],网络承载的业务对应不同的服务质量需求。因此,在不同的网络中如何分配业务数据将是本节研究的重点。
在本文中,将考虑2个重点因素:吞吐量和成本,当各个网络的剩余资源已知后,如何通过资源的分配使得分流达到最优化将是本文解决的问题。业务分配问题可描述为:minUF(λ),λ={λ1,λ2,…,λn}表示业务的分配结果,λ是4种类型业务中的某一类业务在终端发送到网络中到达率,而minUF(λ)表示针对业务所建立的效用函数。
首先,对一些参数进行定义:i代表第i个无线链路即RAT,μi(μi=Ri/Lp)代表第i个网络的服务速率,λi代表第i个网络的业务到达率,并且μi,λi都服从泊松分布。UF代表终端业务的效用函数。M代表可接入网络的数目,Ri代表第i个网络可得到的资源。T(λ)代表所获收益,F(λ)代表成本消耗。
因此,可以得到效用函数的表达式为:
UF=aT(λ)+bF(λ)
(1)
其中,a、b为权重因子。如果业务是时间敏感型业务,则a>b,当a=1,b=0时,这种情况下只考虑吞吐量。如果业务可以容忍较长的时延,但对成本要求比较高,那么a 研究当效用函数建立后,针对业务,如何达到最大效用。因为T(λ)代表所获收益,F(λ)代表成本消耗。对图2进行单一类型业务抽象建模后,如图3所示,针对具体某一类型业务进行业务分流研究。对于不同的无线网络,数据包在其中传输可以建立排队论模型。根据排队论概念,数据包在异构网络中传输可以用M/M/1排队模型所描述,在图3中,不同的状态代表的是传输网络RATi中数据包的具体数目。 图3 具体类型业务分流模型 首先,对于数据经过多网络的传输过程被描述为M/M/1模型,其状态转移图如4所示,状态表示的是传输路径RATi中数据包的数目,由马尔科夫链的定义可知,M/M/1的状态转移是一个遍历的马尔科夫链。 图4 状态转移图 在图4中,将某个状态设定为状态k,表示此时系统中有k个数据包存在,网络状态为繁忙,一个数据包在传输,k-1个数据包在排队等候传输。根据排队论的方法,设定此状态下的状态概率为pk(t),则其应满足的微分方程式如下: (2) 上式可改写为: (3) 于是,可以解出: (4) t趋近于无穷,只有当λ/μ<1时,系统存在平稳状态。因此,对于M/M/1队列,设定数据包的到达速率和网络的服务速率分别为λ和μ,当μ>λ时,该队列处于稳定状态。 对终端业务来说,其数据在经过传输网络时,都抽象为M/M/1模型。对于第i个子网络,其中有n个数据包的概率为: p{RATi中有n个数据包}=pn=(λi/μi)n(1-λi/μi) (5) 假设w为第i个网络中数据包的平均数目,则根据求数学期望的方法,可以得到: (6) 将式(6)的结果带入上式,可以得到: λi/(μi-λi) (7) 根据Little公式,可以求得平均传输时延Ti,即某个数据包在所分流的网络i上传输时所停留的时间: Ti=w/λi=1/(μi-λi) (8) 从某种程度上来说,最小化时延可以最大化吞吐量,因此: T(λi)=Ti=w/λi=1/(μi-λi) (9) 从终端业务的角度出发,由于是可以承载在所有已经选择的传输网络上,因此收益函数可表示为: (10) 用θi表示每个数据包在网络上传输所需的传输成本,当每个包的数据大小和每比特数据传输成本已知时,θi就是已知的。实际网络传输中这两者是已知的,所以,简单计算出θi,即θi为已知量。例如:设定每包的大小为为50 bit,每比特数据传输成本为0.002元时,则θi=50×0.002=0.1元。用wi表示网络RATi中的数据包数目,则第i个网络的成本消耗可表示为: F(λi)=wiθi=λiθi/(μi-λi) (11) 由于业务是承载在多选择的多个子网上,因此总的成本消耗表示为: (12) 代入式(1)中,得到终端业务效用函数的具体表示: (13) 从某种程度上来说,T(λ)可表示为总的时间消耗,F(λ)可表示为总的成本,因此,时延和成本消耗越少,所得到收益就越高。从数学方法上来看,对终端业务的分配,为一个求最小值问题即min(UF)。 由于问题研究的是业务的分流问题,因此分流策略会受到网络因素、业务自身条件以及整个分流系统稳定传输要求的限制。所以,在求取min(UF)时,仍有一些限制条件。 限制1(时延限制) 设定业务自身的时延限制Tmax,用公式可表示为1/(μi-λi) 限制3(传输系统稳定性要求) 业务要在多网络中稳定的进行并行传输,根据排队论的概念,在M/M/1模型中,须有0≤λi<μi。其中,λi和μi分别表示数据包的到达速率和网络的服务速率。 因此,可以用一个具有等式和不等式约束条件的最优化问题来表示业务流分配问题。其最终建模为: min(UF) (14) 首先,以下使用拉格朗日乘子法将有约束转化为无约束问题,并求出全局最优解。 由式(13)得T(λ)和F(λ)的一阶和二阶导数分别为: T′(λ)=1/(μi-λi)2 (15) T″(λ)=2/(μi-λi)3 (16) F′(λ)=θiμi/(μi-λi)2 (17) F″(λ)=2θiμi/(μi-λi)3 (18) 当T′(λ)>0,F′(λ)>0,T″(λ)>0,F″(λ)>0,可得UF′>0,UF″>0,因此,UF=aT(λ)+bF(λ)是一个凸函数。 进一步,引入非负的拉格朗日乘子ψ和ν,构建拉格朗日函数,求解最优化问题。 (19) 由于1/(μi-λi) (20) 再釆用KKT方法对式(19)进行求解,可得: a/(μi-λi)2+bθiμi/(μi-λi)2-ψ+νi=0 (21) μi-1/(Tmax-Tj)-λi>0 (22) ν(μi-1/(Tmax-T)-λi)=0 (23) (24) 因为μi-1/(Tmax-Tj)-λi>0,可以得到νi=0,那么式(20)可表示为: (25) 式(25)可以表示如下: (26) 首先,假设M=2,式(26)可化简为: (27) 化简得: (28) (29) 如果μ1和μ2超过λ,由式(27)可得λ1<0,这与λ1>0是矛盾的。因此,针对式(29),解之得: (30) (31) 由此类推,有M个网络参与传输时,可得: λi=μi-(μ1+μ2+…+μM-λ)· (32) 仿真1仿真中取上述定义的4种业务,3个网络的可用资源分别为2 Mb/s、3 Mb/s和4 Mb/s,和成本分别为3、2、1,业务的业务总量随时间不断递增。每类业务的传输速率都设为恒定值5 Mb/s,通过设定时延权重a和成本权重b的变化,显示相应的效用值的变化。由图5可以看出,当a=0.9,b=0.1时,会话类业务取得最小效用值,当a=0.8,b=0.2时,流类业务取得最小效用值,当a=0.2,b=0.8时,交互类业务取得最小效用值,当a=0.1,b=0.9时,背景类业务取得最小效用值。由此可以得到4类业务各自的时延和成本权重分配,可为后面性能验证提供支持,在后面仿真中,对于会话类业务取a=0.9,b=0.1,对于流类业务取a=0.8,b=0.2,对于交互类业务取a=0.2,b=0.8,对于背景类业务取a=0.1,b=0.9。 图5 业务权重与效用函数的关系 仿真2仿真中取上述定义的4种业务,3个网络的可用资源分别为2 Mb/s、3 Mb/s和4 Mb/s,和成本分别为3、2、1,业务总量随时间不断递增。对于业务的构成,设定4类业务分别以25%的比例组成仿真业务流。同时,为了体现本节所提算法的性能,采用了一种对比算法[15]和一种负载均衡算法策略进行对比,其中负载均衡策略是基于各个网络的可用资源进行业务分配。 (33) 由图6可知,随着业务量的不断增加,本文所提出的分流策略的效用值始终低于对比方法,说明通过本文的方法执行的分流策略是可行的,且更合理一些。本文策略的效用值先是以比较快的速度增加,然后在业务量大于4 Mb/s左右时,效用值增加变慢,说明系统性能变差的速度变慢了,出现此种现象的原因时,当总的业务量超过4 Mb/s左右时,没有单一网络可以承载业务需求,网络中存在业务分流。 图6 效用函数值比较 图7表示业务量不断增加,所提方案的时延与对比方案的时延比较。本文所提面向多业务的分流策略的系统时延要明显小于另外2种分流算法的时延,并且随着业务的传输速率加快,时延增加也在加快。当业务传输速率低于3 Mb/s时,时延保持在0.5 s左右不变,当传输速率再增加时,时延增加相对较快。 图7 时延对比结果 图8表示在业务量不断增加的情况下,本文分流策略相比对比方案成本消耗的情况。相比对比算法,本文提出的算法在成本消耗上明显低于对比算法,并且这种差距随着传输速率的增加,在不断扩大。所以,在传输同样业务量的业务时,本文的分流策略消耗更小的成本,在现实中考虑网络资费时具有一定的优势。 图8 成本对比结果 现有分流策略中缺少对时延和平衡效益与成本的研究,针对异构无线网络中单用户的并行多接入业务分流方法,本文提出一种面向多业务的分流策略。引入排队论的概念,设定并行传输系统的效用函数,并通过马尔科夫链方法求解传输时延,具体化效用函数,用一个具有等式和不等式约束条件的最优化问题来表示业务流分配问题,并建立分流模型,利用拉格朗日常数法和KTT方法求解该模型的最优化问题。仿真结果表明,该分流策略提高了系统性能。 [1] HELOU M E,IBRAHIM M,LAHOUD S,et al.A network-assisted approach for RAT selection in heterogeneous cellular networks[J].IEEE Journal on Selected Areas in Communications,2015,33(6):1055-1067. [2] ALGHAMDI S A.Load balancing Ad hoc on-demand multipath distance vector (LBAOMDV) routing protocol[J].EURASIP Journal on Wireless Communications and Net-working,2015,2015(1):1-11. [3] TRESTIAN R,ORMOND O,MUNTEAN G M.Performance evaluation of MADM-based methods for network selection in a multimedia wireless environment[J].Wireless Networks,2015,21(5):1745-1763. [4] 郑 杰,李建东,刘 勤,等.异构网络中时延最小的多接入业务分配算法[J].西安电子科技大学学报,2014,41(2):1-9. [5] 张丽娜,朱 琦.异构网络中多网络并行传输的网络选择算法[J].信号处理,2014,30(10):1176-1184. [6] DAI Jingyi,WANG Shaowei.Clustering-based interference management in densely deployed femtocell networks[J].Digital Communications and Networks,2016,11(4):175-183. [7] ALI T,SAQUID M.Analysis of an instantaneous packet loss based vertical handover algorithm for heterogeneous wireless networks[J].IEEE Transactions on Mobile Computing,2014,13(5):992-1006. [8] 余思翰,张晓玲,梁 炜.无线多媒体传感器网络并发传输性能建模及实验评估[J].信息与控制,2016,45(3):328-334. [9] AHUJA K,SINGH B,KHANNA R.Optimal network selection in heterogeneous wireless environment for multimedia services[J].Wireless Personal Communica-tions,2015,83(1):441-454. [10] 江振华.基于业务重要性的异构无线网络资源管理技术研究[D].成都:电子科技大学 2015. [11] MA Xiao,SHENG Min,LI Jie.Interference migration using concurrent transmission for energy-efficient HetNets[J].Science China Information Sciences,2016,59(2):1-10. [12] LIM G,XIONG C,CIMINI L J,et al.Energy-efficient resource allocation for OFDMA-based multi-RAT networks[J].IEEE Transactions on Wireless Communica-tions,2014,13(5):2696-2705. [13] 廖 洁,张 磊,马飒飒.一种低能耗的WSN覆盖控制优化策略[J].计算机工程,2016,42(11):109-113. [14] HYUNGSIK J,ZHANG Rui.Throughput maximization in wireless powered communication networks[J].IEEE Transactions on Wireless Communications,2014,13(1):418-428. [15] 孙 毅,葛雨明,Herbom S,等.异构网络中多模终端业务流分发技术研究[J].计算机学报,2010,33(6):1004-1013.
3 最优化业务分配策略的约束条件及求解
4 仿真与性能分析
5 结束语
