多媒体网络中基于QoS的自适应SPC仿真

朱振伸，范黎林，赵敬云

(1. 河南工学院，河南 新乡 453003；2. 河南师范大学网络中心，河南 新乡 453007)

1 引言

物联网的发展使社会进入通信时代，多媒体网络是物联网运行的基础，将不同类型信息传感器和互联网相连，构成大规模网络，实现物-网的连接。以前，人们将幻灯片配上同步的声音就可称其为多媒体。但随着科技进步，计算机、微电子等技术的快速发展使多媒体有了全新定义。相关领域将网络作为媒介享受多种应用服务，例如视频会议、交互体验、监控等，并将此项技术广泛应用在生产、教育、医疗等众多领域。这种具备较强交互能力的多媒体系统可在分布式环境下实现资源共享，因此，该技术已经成为新时代的发展方向。

多媒体网络具有以下特征：资源分布性-无论是物理资源还是逻辑资源，其功能均表现出较强的分布性，用户可进行资源共享；传输实时性-信号一般是连续的，这就要求传输必须具有较强的实时性，若出现延迟等现象会降低播放质量；交互性-在多媒体系统中用户可对信息进行加工与修改。从以上特征来看，多媒体系统较为复杂，对服务质量的要求也更高。因此，较好的服务感知控制能力可帮助系统更加及时地发现问题，减少传输延时。

基于此，相关学者得到如下研究。文献[1]提出基于用户感知的综合服务质量监测系统。分析影响多媒体信息数据的安全隐私，构建安全因素和网络服务之间的交互模型，探究重要节点位置，构建服务质量感知平台，对服务感知的有效控制。文献[2]提出基于随机学习的网络服务感知控制方法。通过心跳包观测机制感知网络拓扑变化，同时为降低观测误差，采用马尔可夫的部分感知与随机学习自适应感知相结合的方式达到感知调节目的。

但上述两种传统方法均无法保障服务感知范围，且由于多媒体网络的复杂多变性，无法适应网络变化，自适应控制性能较差。为解决这些问题，本文提出基于QoS[3]自适应的多媒体服务感知控制方法。QoS表示服务质量，此种自适应控制技术可以在网络基础架构保持不变情况下进行各类服务控制。通过了解多媒体服务对QoS的需求，结合自适应控制理论[4]，构建QoS服务感知控制模型，提高服务质量，使多媒体技术更好地服务于用户。

2 多媒体网络体系架构分析

经典的多媒体网络系统主要包含多个传感器节点、一个汇聚节点以及控制中心，体系架构如图1所示。

图1 多媒体网络系统结构图

已知目标范围后，若利用确定性布置方法，则将传感器节点设置在固定位置；若使用随机布置方式[5]，节点将会被任意布置在该区域中。汇聚节点属于信息传输中转站，与卫星、互联网等网络相连，并最终将信息发送到控制中心。

1)传感器节点：通过嵌入式手法，将处理器、传感器、通信与电源等多个模块引入在微型节点中。其中传感器模块存在多个种类的节点，能够全方位实现目标信息监测，为控制中心提供信息。此外，节点结构为微型，因此电源能量会受到制约。此种节点的关键任务是完成信息感知，对获取的信息做预处理，同时也具有数据中转的能力，保存其它节点发送的数据，并将数据整合后发送到路由节点。传感器节点的详细结构如图2所示。

图2 节点结构示意图

2)汇聚节点：可利用普通的网关设备，也可使用配置较高的传感器节点，若采用此类节点，必须提高电源性能，保证充足的能量供给。为更好实现多媒体数据传输，将控制中心的任务传达至感知网络，需要使汇聚节点具备很强的储存与处理性能。

3)控制中心：完成网络交互[6]，用户可通过终端获取目标信息，还能将用户需求发送到感知网络，分配感知任务。

3 基于QoS自适应的多媒体网络服务感知控制

3.1 基于圆锥的服务覆盖感知

假设在某空间内，以直线l当作轴，且直线l′和l在点o处相交，夹角为α，l′绕l旋转得到以o为顶点，l′为母线的圆锥平面，随机选取平面π，若该平面和l轴的夹角等于β，此时若有β>α，则平面π与圆锥交线能够构成椭圆。

综上所述，此感知模型的感知区域是椭圆，且此区域随偏向角θ发生改变，以节点的投影p′(x，y)作为顶点进行随机旋转，感知面积不发生改变。

若将椭圆区域表示为ABCD，该区域的长半轴与短半轴分别描述为a0与b0，则它们的计算公式如下

(1)

参考椭圆面积表达式S=πab，能够获得此模型感知范围面积表达式

(2)

式中，b=z(tan(γ+α)+tan(γ-α))/2。

(3)

3.2 服务感知增强

如果直接使用上述的圆锥服务感知模型，感知范围无法实现自适应调整，感知区域会控制在一定范围内。为扩大服务感知区域，本文使用协同优化的感知增强算法与上述感知模型相结合，确保服务感知范围最优。

协同优化算法是将一致性约束[8]当作基础，不仅可以自动地进行全面分析，同时能完成优化设计。该算法实质就是把非常复杂的目标函数划分为多个简单的子函数进行单独优化计算，其在子函数与总体目标函数二者之间构建约束关系，通过协调达到整体最优目的。

E(x′)=E1(x′)+E2(x′)+…，+En(x′)

(4)

(5)

式中，λk与ωij均表示加权系数，且符合0≤λk、ωij≤1。

此时，只需优化修正后的子函数，再迭代处理优化结果，则协同优化的迭代表达式为

(6)

经过上述处理后，所有变量值在任意一个子函数的优化结果中均相同，此时子函数的优化结果可作为目标函数的最佳解，进而扩大了服务感知范围。

3.3 服务感知控制模型构建

3.3.1 多媒体网络服务的QoS需求分析

在保证具备足够感知范围条件下，通过QoS自适应方法实现多媒体网络服务感知控制。由于QoS指标存在一定差异性与对抗性，结合算法实际要求，本文利用量化与规范化方式将QoS指标进行预处理，确保指标值在[0，1]范围内。

例如多媒体网络服务的传输延时指标可通过下述函数表示

(7)

式中，C(Platency)属于将延时参数经过量纲处理[9]后的值。

(8)

1)服务声明指标

对服务声明指标向量VP=(P1，P2，…，Pn)中的所有分量做量化与规范处理，获得新的向量Vv=(v1，v2，…，vn)，假设用户对所有QoS指标关注度权重向量为Vw=(w1，w2，…，wn)，则有

(9)

若用户对该指标的关注度较低，则其对应权值分量wi等于0。

2)实时传输服务指标

实时传输的QoS指标能够体现出当前多媒体系统的运行状况，是QoS指标集合中的子集。将实时传输服务指标做量化与规范化处理获得向量

Vr=(r1，r2，…rn)

(10)

同时确定其权重向量

Vω=(ω1，ω2，…，ωn)

(11)

因此有

(12)

3)异常问题反馈服务指标

在异常信息数据库中获取服务S′在时间T内的反馈信息。经过量化与规范处理后获得向量

Vf=(f1，f2，…，fn)

(13)

根据权重向量Vw=(w1，w2，…，wn)能够获得如下公式

(14)

3.3.2 服务感知控制

基于上述多媒体网络对QoS的需求，将其映射在如图3所示的自适应控制模型中。其中系统输入发送端的服务质量，输出为接收端获取的服务质量。此模型针对用户QoS需求，能够感知用户理想的服务质量输出。控制对象则是传输系统，通过控制器使服务质量向用户需求方向发展。

图3 服务感知自适应控制模型图

本文设计的自适应控制模型由参考模型、控制目标、反馈控制器与自适应控制器[10]构成。在该模型中，利用y′d′(t)代表理想的动态响应，将参考输入r′(t)添加到模型入口，则系统输出响应y′(t)和理想输出响应y′d′(t)会生成误差信号e(t)。此信号会进入调整线路，通过自适应调节后，更改控制器参数，直到y′(t)=y′d′(t)。若误差信号e(t)为0，此时自适应调节过程结束，控制参数确定。一旦用户对QoS指标出现变化，系统会开启新的自适应控制过程。

4 仿真与数据分析

为证明所提方法性能，本文使用NS2(Network Simulator version 2)版本的网络模拟器进行仿真。仿真环境中19个节点被任意布置在200×200的区域内，这些节点的配置参数如表1所示，部署情况见图4。

表1 节点参数表

图4 节点部署示意图

在上述仿真环境中，在本文服务感知控制下，分别选取用户较为关心的实时传输服务与异常事件反馈服务两项服务质量指标对所提方法进行评价。每秒钟传输20个大小相同的数据包，直到实验结束。分析所有节点上数据包的排队时延与平均丢包数量，同时与文献[1]方法和文献[2]方法得到的结果进行比较，结果分别如图5-6所示。

图5 节点数据包排队时延对比

图6 不同方法平均丢包数量对比

由图5和6所示，本文方法对于多媒体传输服务的感知控制具有较好的效果，排队延时与节点数据包丢包率均为最低。这是因为在所提方法控制下，服务感知范围增强，多媒体网络能够结合用户对此项服务的关注情况，满足用户的服务质量输出。由于用户都希望减少传输延时与丢包数量，因此本文方法能够最大程度对数据包传输任务进行合理分配，减少排队延时的同时提高传输成功率。

此外，对比三种服务感知控制方法在异常事件反馈服务中表现出的QoS值，结果如图7所示。

图7 不同方法感知控制效果图

如图7可知，对于所有节点而言，所提控制方法能够获得很好的异常事件反馈服务效果。这是因为该方法引入协同优化策略，构建覆盖感知模型，确保对于异常事件的感知更加全面。而其它两种控制方法在个别节点上会存在无法感知异常事件的情况。

5 结论

本文结合多媒体网络特征，提出一种基于QoS的自适应多媒体网络服务感知控制方法，最大程度增强感知范围和自适应性能。仿真中，从多媒体传输与多媒体异常事件感知两种服务类型进行分析。实验结果表明，该方法对于不同服务类型均表现出很好的感知控制能力，为多媒体服务提供保障。未来将主要对该算法的复杂度进行进一步研究。