無(wú)線(xiàn)多跳網(wǎng)絡(luò)中SVC 視頻流傳輸?shù)姆植际絻?yōu)化方法

由 磊，雷建軍，王丕超

(天津大學(xué)電子信息工程學(xué)院，天津 300072)

經(jīng)過(guò)可伸縮編碼(scalable video coding，SVC)的視頻流包含1 個(gè)基本層和多個(gè)增強(qiáng)層，可以在一定程度上根據(jù)所處的傳輸環(huán)境實(shí)現(xiàn)靈活的速率和視頻質(zhì)量的自適應(yīng)調(diào)整[1-2]．近年來(lái)，SVC 視頻在無(wú)線(xiàn)網(wǎng)絡(luò)中的傳輸問(wèn)題得到廣泛關(guān)注．但目前的研究主要集中在單跳無(wú)線(xiàn)網(wǎng)絡(luò)[3-6]，如蜂窩網(wǎng)中基站可以集中式地控制整個(gè)小區(qū)的資源調(diào)度和為多個(gè)用戶(hù)選擇SVC 視頻流傳輸?shù)膬?nèi)容．無(wú)線(xiàn)多跳網(wǎng)絡(luò)(如無(wú)線(xiàn)網(wǎng)格網(wǎng)和無(wú)線(xiàn)傳感器網(wǎng)絡(luò)[7-8])具有成本低、部署快、可靠性高以及可覆蓋邊緣或環(huán)境惡劣的區(qū)域等優(yōu)點(diǎn)，是實(shí)現(xiàn)未來(lái)無(wú)處不在的接入網(wǎng)和物聯(lián)網(wǎng)的潛在技術(shù)之一．然而，由于節(jié)點(diǎn)功率受限、上層可用網(wǎng)絡(luò)傳輸容量(能力域)與底層資源分配的緊耦合性，以及要求傳輸協(xié)議具有可擴(kuò)展性和服務(wù)質(zhì)量保證等特點(diǎn)[9]，SVC 視頻在無(wú)線(xiàn)多跳網(wǎng)絡(luò)中傳輸面臨著更多挑戰(zhàn)．本文研究無(wú)線(xiàn)多跳網(wǎng)絡(luò)SVC 視頻流傳輸中2 個(gè)重要性能參數(shù)(網(wǎng)絡(luò)功率消耗和傳輸視頻質(zhì)量)的最優(yōu)權(quán)衡(trade-off)及其分布式優(yōu)化的實(shí)現(xiàn)問(wèn)題．通過(guò)對(duì)原問(wèn)題進(jìn)行對(duì)偶分解和采用次梯度算法求解，實(shí)現(xiàn)了底層資源分配(帶寬和功率)與上層SVC 視頻流傳輸內(nèi)容選擇的最佳匹配，同時(shí)得到了一個(gè)可分布式執(zhí)行的跨層傳輸優(yōu)化算法．

1 系統(tǒng)模型和問(wèn)題描述

1.1 系統(tǒng)模型和假設(shè)

一個(gè)無(wú)線(xiàn)多跳網(wǎng)絡(luò)的拓?fù)淇梢杂糜邢驁DG =(V,E)來(lái)表示，其中V 表示節(jié)點(diǎn)集合，而E 表示無(wú)線(xiàn)鏈路集合．用S 表示發(fā)送SVC 視頻的源節(jié)點(diǎn)集合．所有的SVC 視頻都需要發(fā)送到某個(gè)已知的匯聚(sink)節(jié)點(diǎn)上．集合V、E 和S 的元素分別用n、l 和m表示，其元素?cái)?shù)分別為N、L 和M．另外，節(jié)點(diǎn)i 和節(jié)點(diǎn)j 之間的鏈路用(i，j)表示．

由于無(wú)線(xiàn)信道的干擾，同時(shí)發(fā)送信息的鄰近鏈路必須分配不同的頻帶以避免干擾，而在相鄰較遠(yuǎn)的鏈路上可以進(jìn)行頻率重利用．本文在相同的頻帶上采用節(jié)點(diǎn)獨(dú)占干擾模型(node exclusive interference model)[10]，該模型只允許節(jié)點(diǎn)的一條鏈路在某段頻帶上發(fā)送或接收信息．定義網(wǎng)絡(luò)中不能在同一頻帶上傳輸?shù)逆溌方M成一個(gè)互干擾鏈路集．對(duì)于節(jié)點(diǎn)獨(dú)占干擾模型來(lái)說(shuō)，網(wǎng)絡(luò)中共有N 個(gè)互干擾鏈路集．本文的優(yōu)化方法很容易應(yīng)用到其他的干擾模型中．

定義一個(gè)N × L鏈路互干擾矩陣Χ ．如果鏈路l屬于互干擾鏈路集n，則xnl= 1，否則 xnl= 0．假設(shè)網(wǎng)絡(luò)的可用頻帶帶寬為b，定義 W =[ w1,…,wL]T為各無(wú)線(xiàn)鏈路的帶寬分配矢量，則W 必須滿(mǎn)足

其中 B =[b,…,b]T．

定義 P =[ p1,…,pL]T為各無(wú)線(xiàn)鏈路上功率分配矢量，hl為鏈路l 的無(wú)線(xiàn)信道增益．本文假設(shè)在整個(gè)優(yōu)化過(guò)程中無(wú)線(xiàn)鏈路的信道增益不發(fā)生變化．鏈路l 的傳輸速率 fl由分配給它的功率和帶寬決定，可以根據(jù)香農(nóng)公式計(jì)算為

式中Θ為鏈路速率與香農(nóng)公式間的差距(由于采用一定的信道編碼)；N0為接收端噪聲功率譜密度．用Γ表示網(wǎng)絡(luò)資源分配和鏈路速率矢量 F=[ f1,…,fL]T的可行取值域，則有

SVC 是一種可伸縮的分層視頻編碼，可以通過(guò)丟棄低優(yōu)先級(jí)的增強(qiáng)層數(shù)據(jù)來(lái)適應(yīng)可變的傳輸環(huán)境，達(dá)到最優(yōu)率失真性能[1-2]．SVC 標(biāo)準(zhǔn)允許空間、時(shí)序和質(zhì)量上的編碼可伸縮性．本文采用質(zhì)量可伸縮編碼中的“ 中等粒度可伸縮(medium grain scalable ，MGS)編碼”．關(guān)于MGS 視頻編碼讀者可參考文獻(xiàn)[1-2]．假設(shè)SVC 源節(jié)點(diǎn)m 需要發(fā)送的視頻包含 Im個(gè)幀，每個(gè)幀被編碼成1 個(gè)基本層和T 個(gè)MGS 層．定義為節(jié)點(diǎn)m 的SVC 視頻幀傳輸策略矢量，其中= 0表示幀 z 只發(fā)送基本層，而= t (t ≤T)表示幀z 發(fā)送基本層和前t 個(gè)MGS 層．用峰值信噪比(peak signal-to-noise ratio，PSNR)作為視頻質(zhì)量指標(biāo)．SVC 視頻源m 的PSNR(qm)是Πm的函數(shù)，即

1.2 跨層傳輸優(yōu)化問(wèn)題表達(dá)

所有SVC 視頻需要從源節(jié)點(diǎn)經(jīng)過(guò)多跳無(wú)線(xiàn)鏈路傳送到sink 節(jié)點(diǎn)上．分配給各個(gè)鏈路的傳輸速率必須能夠承載(即大于或等于)經(jīng)過(guò)它們的視頻流的速率．本文采用多徑路由，即允許視頻流在所有可能的端到端路徑上傳輸．定義一個(gè)N × L的節(jié)點(diǎn)-鏈路矩陣H，hnl= 1表示節(jié)點(diǎn)n 是鏈路l 的發(fā)射節(jié)點(diǎn)，而 hnl= ?1表示節(jié)點(diǎn)n 是鏈路l 的接收節(jié)點(diǎn)，否則 hnl= 0．定義=[ r1,…,rN]T為所有節(jié)點(diǎn)的源速率矢量，其中rn= 0,n ? S．在多徑路由的網(wǎng)絡(luò)中，流出某個(gè)節(jié)點(diǎn)的數(shù)據(jù)速率與流入的數(shù)據(jù)速率之差必須大于該節(jié)點(diǎn)的源速率[10]，即網(wǎng)絡(luò)流必須滿(mǎn)足如下條件：

在無(wú)線(xiàn)多跳網(wǎng)絡(luò)中傳輸視頻信息，總是希望用最小的傳輸功率獲得盡可能好的視頻質(zhì)量．然而，這2個(gè)指標(biāo)不可能同時(shí)滿(mǎn)足，二者之間需要權(quán)衡考慮．為了在優(yōu)化中體現(xiàn)這種權(quán)衡，本文采用如下的優(yōu)化目標(biāo)：γTQ - ηTP，其中，γ 和η 分別是sink 節(jié)點(diǎn)接收到的SVC 視頻質(zhì)量和無(wú)線(xiàn)鏈路功率消耗的加權(quán)系數(shù)矢量，它們的值代表2 個(gè)優(yōu)化參數(shù)的重要程度．可以把η 看作是功率的 “成本”，而γ 為接收相應(yīng)SVC 視頻質(zhì)量所獲得的“收益”，因此，SVC 視頻在無(wú)線(xiàn)多跳網(wǎng)絡(luò)中傳輸?shù)目鐚訖?quán)衡優(yōu)化問(wèn)題可以表述為

由于SVC 視頻的率失真函數(shù)和鏈路速率函數(shù)都是凸函數(shù)，因此問(wèn)題(5)是凸優(yōu)化問(wèn)題，可以采用經(jīng)典的非線(xiàn)性?xún)?yōu)化算法(如內(nèi)點(diǎn)法)來(lái)求解[11]．然而，這些集中式的算法要求網(wǎng)絡(luò)配置計(jì)算性能強(qiáng)大的計(jì)算節(jié)點(diǎn)，并在優(yōu)化之前需要所有節(jié)點(diǎn)把各自SVC 視頻信息、所有鏈路的信道狀態(tài)以及功率配置發(fā)送到該節(jié)點(diǎn)，而優(yōu)化結(jié)果也需要向全網(wǎng)分發(fā)，這種機(jī)制會(huì)產(chǎn)生大量的控制消息，大大降低了無(wú)線(xiàn)多跳網(wǎng)絡(luò)的運(yùn)行效率和可擴(kuò)展性．分布式算法是無(wú)線(xiàn)多跳網(wǎng)絡(luò)多媒體承載邁向?qū)嶋H應(yīng)用的關(guān)鍵．

2 問(wèn)題求解和分布式算法

通過(guò)對(duì)約束條件(1)和(4)引入拉格朗日乘子μ= [μ1, …,μN(yùn)]T和λ= [λ1, …,λN]T，可以獲得問(wèn)題(5)的拉格朗日函數(shù)為

記

則問(wèn)題(5)的對(duì)偶問(wèn)題可以表示為

這里，λ和μ變成了對(duì)偶問(wèn)題的優(yōu)化變量．由于問(wèn)題(5)是凸優(yōu)化問(wèn)題，因此可以通過(guò)求解其對(duì)偶問(wèn)題(7)獲得原問(wèn)題的最優(yōu)解(即對(duì)偶間隔為0)[12]．然而，雖然問(wèn)題(7)是一個(gè)凸優(yōu)化問(wèn)題，但其目標(biāo)函數(shù)卻不是嚴(yán)格可微分的函數(shù)．這時(shí)可以通過(guò)次梯度(subgradient)法來(lái)搜尋其最優(yōu)解[12]．假設(shè)在第i 步循環(huán)中對(duì)偶變量為λ(i)和μ(i)，求解式(6)中的最大化問(wèn)題，獲得最優(yōu)的原變量 F?、和W?，則第i＋1 步的對(duì)偶變量按照如下方式更新，即

式中ΗF??和B ?ΧW?分別是函數(shù) D(λ ,μ)在λ(i)和μ(i)處的次梯度．

在每一步更新對(duì)偶變量時(shí)，需要首先對(duì)對(duì)偶目標(biāo)函數(shù)(6)中的最大化問(wèn)題求解．對(duì)于給定的對(duì)偶變量λ(i)和μ(i)，該最大化問(wèn)題可以分解為如下2 個(gè)獨(dú)立的子問(wèn)題：

問(wèn)題(10)是SVC 視頻流傳輸策略選擇問(wèn)題．對(duì)于給定的γ 和λ ，各個(gè)SVC 視頻源傳輸策略選擇相互獨(dú)立．因此，問(wèn)題(10)可以進(jìn)一步分解為M 個(gè)獨(dú)立的子問(wèn)題，即

每個(gè)子問(wèn)題可以在對(duì)應(yīng)的SVC 視頻源節(jié)點(diǎn)獨(dú)立求解．每個(gè)源節(jié)點(diǎn)根據(jù)幀之間的預(yù)測(cè)關(guān)系和增強(qiáng)層的重要程度為每一幀選擇相應(yīng)的MGS 層，即Πm，使式(12)取得最大值．本文采用基于MGS-temporal 層的選擇策略[2]．這種策略同時(shí)考慮幀所在的時(shí)序增強(qiáng)層和每幀中MGS 層的重要程度．由于幀所在的時(shí)序增強(qiáng)層越高對(duì)視頻質(zhì)量貢獻(xiàn)越低，而每幀中MGS 層越高也對(duì)視頻質(zhì)量貢獻(xiàn)越低，因此基于MGS-temporal層的選擇策略在確定 Πm時(shí)，按照如下順序選擇SVC視頻的傳輸內(nèi)容：較低時(shí)序?qū)拥牡蚆GS 層、較低時(shí)序?qū)拥母進(jìn)GS 層、較高時(shí)序?qū)拥牡蚆GS 層、較高時(shí)序?qū)拥母進(jìn)GS 層，直到γmqm(Πm) ?λmrm(Πm)取得最大值．采用這種選擇策略，式(12)的目標(biāo)函數(shù)是Πm的凸函數(shù)，因此對(duì)于確定的λm和γm總能找到最大值.

問(wèn)題(11)是網(wǎng)絡(luò)層資源分配問(wèn)題，可以進(jìn)一步分解為每個(gè)鏈路上的資源分配子問(wèn)題，即

由于問(wèn)題(13)不是變量 lw 和 lp 的嚴(yán)格凸函數(shù)，為了容易求解，本文采用文獻(xiàn)[13]的方法在式(13)的目標(biāo)函數(shù)中減去一個(gè)很小的正則化項(xiàng)(regularization term)ε，即

如果0ε→，則正則化后的最大化問(wèn)題(14)的最優(yōu)解趨近于問(wèn)題(13)的最優(yōu)解．正則化后很容易求得每個(gè)鏈路子問(wèn)題(14)的解為

由上述求解過(guò)程可以得到無(wú)線(xiàn)多跳網(wǎng)絡(luò)SVC 視頻流傳輸?shù)姆植际娇鐚觾?yōu)化算法．

初始化根據(jù)網(wǎng)絡(luò)應(yīng)用要求和運(yùn)營(yíng)策略等確定權(quán)值γ 和η；設(shè)置對(duì)偶矢量λ(0)和 μ (0)各個(gè)分量的初值，并保存在相應(yīng)的節(jié)點(diǎn)中；設(shè)置常量ε、固定步長(zhǎng)θ和δ；告知各節(jié)點(diǎn)網(wǎng)絡(luò)可用頻帶帶寬b；發(fā)射節(jié)點(diǎn)測(cè)量并保存鏈路的信道增益 hl．

算法循環(huán)在第i 步執(zhí)行下述操作：

(1) 每個(gè)節(jié)點(diǎn)n 向鄰居節(jié)點(diǎn)廣播對(duì)偶變量λn(i)和μn(i)；計(jì)算鏈路l 的發(fā)射節(jié)點(diǎn)的αl和βl值；

(2) 每個(gè)SVC 視頻源節(jié)點(diǎn)m 采用基于MGStemporal層的選擇策略確定 Πm，使式(12) 中

(3) 每個(gè)鏈路的發(fā)射節(jié)點(diǎn)根據(jù)式(15)和式(16)為該鏈路分配功率和帶寬；

(4) 每個(gè)節(jié)點(diǎn)根據(jù)式(8)和式(9)更新其對(duì)應(yīng)的對(duì)偶變量．

上述過(guò)程循環(huán)執(zhí)行，直到收斂．

網(wǎng)絡(luò)各節(jié)點(diǎn)和鏈路根據(jù)上述計(jì)算結(jié)果傳輸SVC視頻信息．

可以看出，上述算法是通過(guò)網(wǎng)絡(luò)中所有節(jié)點(diǎn)協(xié)同工作，以達(dá)到問(wèn)題(5)的最優(yōu)解．算法只需要在相鄰節(jié)點(diǎn)間交換對(duì)偶變量，而各節(jié)點(diǎn)根據(jù)各自SVC 視頻特點(diǎn)或鏈路狀態(tài)獨(dú)立地對(duì)相應(yīng)子問(wèn)題進(jìn)行求解．分布式算法避免了集中式算法在全網(wǎng)傳播控制信息和狀態(tài)信息的問(wèn)題．同時(shí)，該分布式優(yōu)化算法實(shí)際上是對(duì)偶問(wèn)題(7)的次梯度算法的應(yīng)用．由于原問(wèn)題(5)是凸優(yōu)化問(wèn)題，在得到問(wèn)題(7)最優(yōu)解的同時(shí)，也獲得了原問(wèn)題優(yōu)化變量的最優(yōu)值．另外，該算法同時(shí)分配底層資源、確定無(wú)線(xiàn)鏈路上的流速率和上層SVC 視頻的傳輸內(nèi)容，使之達(dá)到最優(yōu)匹配．因此，所提出的無(wú)線(xiàn)多跳網(wǎng)絡(luò)SVC 視頻傳輸算法是一個(gè)分布式的、能夠獲得最優(yōu)目標(biāo)值的、跨層協(xié)同的SCV 視頻流傳輸算法．

對(duì)于一個(gè)集中式算法來(lái)說(shuō)，所有網(wǎng)絡(luò)節(jié)點(diǎn)必須把所有算法相關(guān)信息發(fā)送到執(zhí)行集中式計(jì)算的節(jié)點(diǎn)(如sink 節(jié)點(diǎn))上并且這些信息可能需要多次轉(zhuǎn)發(fā)．越接近sink 節(jié)點(diǎn)的轉(zhuǎn)發(fā)節(jié)點(diǎn)所承載的控制信息越多．假設(shè)某個(gè)與sink 節(jié)點(diǎn)相鄰的節(jié)點(diǎn)x 需要轉(zhuǎn)發(fā)τM個(gè)SVC 源節(jié)點(diǎn)的信息和ζN個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的信息(0 ≤τ,ζ≤1)．SVC 源節(jié)點(diǎn)的信息包括SVC 視頻每個(gè)圖像組(group of pictures)包含不同時(shí)間增強(qiáng)層和MGS 層的PSNR 值和數(shù)據(jù)量，假設(shè)這些參數(shù)總個(gè)數(shù)為A．可見(jiàn)如果SVC 視頻較長(zhǎng)，A 是非常大的．假設(shè)每個(gè)節(jié)點(diǎn)需要發(fā)送的信息的參數(shù)個(gè)數(shù)為B(這主要包括節(jié)點(diǎn)可用功率值、所有鏈路的發(fā)射距離、鏈路的連接和相互干擾情況)，則節(jié)點(diǎn)x 需要承載τMA +ζNB 個(gè)控制信息參數(shù)的轉(zhuǎn)發(fā)．一方面這個(gè)值非常大，另一方面隨著網(wǎng)絡(luò)規(guī)模的增大、SVC 源節(jié)點(diǎn)數(shù)以及SVC 視頻長(zhǎng)度的增加，這個(gè)值也會(huì)快速增大．另外，集中式算法還要把最終計(jì)算結(jié)果進(jìn)行全網(wǎng)分發(fā)，因而，集中式算法控制信息較高且可擴(kuò)展性差．而本文所提出的分布式算法中，控制信息只在相鄰節(jié)點(diǎn)之間傳遞，而且每個(gè)循環(huán)中，節(jié)點(diǎn)n 只有需向其所有鄰節(jié)點(diǎn)一次性廣播2 個(gè)參數(shù)λn和μn．假設(shè)算法循環(huán)次數(shù)為I ，每個(gè)節(jié)點(diǎn)需要廣播2I 個(gè)信息．一方面該算法能夠快速收斂，因而每個(gè)節(jié)點(diǎn)需要發(fā)送的參數(shù)個(gè)數(shù)遠(yuǎn)小于上述集中式算法．另一方面，該值與網(wǎng)絡(luò)規(guī)模和拓?fù)?、SVC源節(jié)點(diǎn)數(shù)、SVC 視頻長(zhǎng)度、數(shù)據(jù)流發(fā)送路徑等均無(wú)關(guān)，因而具有很好的可擴(kuò)展性．

3 仿真結(jié)果與分析

3.1 仿真場(chǎng)景與參數(shù)

本文采用如圖1 所示的無(wú)線(xiàn)多跳網(wǎng)絡(luò)拓?fù)潋?yàn)證所提出的算法性能．該拓?fù)浒?6 個(gè)無(wú)線(xiàn)節(jié)點(diǎn)，均勻分布在150,m×150,m 的區(qū)域內(nèi)．設(shè)置節(jié)點(diǎn)1、4 和13 為SVC 視頻源節(jié)點(diǎn)，而右上角的節(jié)點(diǎn)16 為匯聚(sink) 節(jié)點(diǎn)．本文采用典型視頻“silence of the lambs”、“NBC news” 和“sony demo” 分別作為3 個(gè)源節(jié)點(diǎn)所需發(fā)送的視頻．這3 個(gè)視頻的SVC-MGS 編碼的trace 文件可以從網(wǎng)站[14]下載．設(shè)網(wǎng)絡(luò)可用帶寬為b＝200,kHz，設(shè) hl/ΘN0=K，其中常數(shù) K = 2 ×1 010，dl為鏈路l 發(fā)射和接收節(jié)點(diǎn)的距離(單位為m) ．

圖1 仿真拓?fù)銯ig.1 Topology for the simulations

為了在數(shù)值仿真中減少式(14)中正則化項(xiàng)的影響，需要對(duì)帶寬和速率進(jìn)行歸一化處理，即b′=b/(2×105)，W′=W/(2 ×105)，R′= R/(2 ×105)和=/(2 ×105)，而常數(shù)變?yōu)镵=105，但功率和PSNR 值不變．設(shè)ε=0.05．對(duì)偶變量的初值設(shè)置為1．步長(zhǎng)θ=0.01，δ=0.005．

3.2 算法的收斂性

為了方便仿真結(jié)果顯示，設(shè)加權(quán)矢量γ和η的各自分量相等，且γm/ηl=φ．在每次優(yōu)化中比值φ是一個(gè)給定的常數(shù)．圖2 顯示了φ=3時(shí)SVC 視頻的平均PSNR、網(wǎng)絡(luò)總功率消耗以及鏈路(7，11)所分配的帶寬隨著循環(huán)次數(shù)的變化情況．可見(jiàn)，采用所提出的分布式算法，上述優(yōu)化變量可以在300 多次循環(huán)后逐步收斂到穩(wěn)定值，即平均PSNR 為37.018,dB，總功率消耗為2.253,W，鏈路(7，11)所分配帶寬為63.46,,kHz．這說(shuō)明所提出的分布式算法能夠快速收斂，而由第2節(jié)分析可知收斂所達(dá)到的穩(wěn)定值即是問(wèn)題(5)的最優(yōu)值．快速收斂的分布式協(xié)議能夠減少無(wú)線(xiàn)多跳網(wǎng)絡(luò)的控制信息交換開(kāi)銷(xiāo)和流傳輸?shù)膯?dòng)延遲．

圖2 算法收斂性Fig.2 Convergence of the algorithm

3.3 不同加權(quán)比值下的優(yōu)化結(jié)果

所提出算法在不同加權(quán)值比值φ的優(yōu)化結(jié)果如圖3 所示．本文的SVC 視頻傳輸算法是“內(nèi)容感知(content-aware)”的，即根據(jù)SVC 視頻內(nèi)容的重要程度確定是否發(fā)送．這可以與非內(nèi)容感知(contentblind)的機(jī)制比較[15]，該機(jī)制以源速率效用函數(shù)(本文采用lnmr)最大化為優(yōu)化目標(biāo)，其優(yōu)化結(jié)果如圖3中的 “基于速率的優(yōu)化”(注意基于速率的優(yōu)化其底層資源分配仍然采用第2 節(jié)的方法) ．

圖3 優(yōu)化結(jié)果與比較Fig.3 Optimization results and comparison

圖3中每一點(diǎn)對(duì)應(yīng)一個(gè)確定φ值的平均PSNR和功率消耗最佳權(quán)衡值(trade-off)．增大φ值相當(dāng)于提高了式(5)中SVC 視頻質(zhì)量的權(quán)值或降低了功率的“成本”，因此優(yōu)化算法可以分配更多的功率以提高傳輸視頻的質(zhì)量．相反，降低φ值相當(dāng)于提高了功率成本，算法相應(yīng)地降低SVC 視頻的傳輸質(zhì)量以節(jié)省無(wú)線(xiàn)多跳網(wǎng)絡(luò)的功率和提高網(wǎng)絡(luò)有效運(yùn)行時(shí)間．實(shí)際φ值(或加權(quán)矢量γ和η)的設(shè)置依賴(lài)于具體的應(yīng)用和網(wǎng)絡(luò)管理策略．另一方面，采用本文的優(yōu)化框架和底層資源分配機(jī)制，基于速率的優(yōu)化結(jié)果與基于內(nèi)容感知的優(yōu)化具有相似的趨勢(shì)．但由于不考慮SVC視頻內(nèi)容對(duì)PSNR 影響的差異，而直接對(duì)其速率效用函數(shù)進(jìn)行優(yōu)化，其優(yōu)化性能明顯低于內(nèi)容感知的機(jī)制．從圖3 可以看出，基于速率的優(yōu)化在相同的功率消耗下，所獲得的平均視頻質(zhì)量要低于基于內(nèi)容感知的機(jī)制，或者說(shuō)要得到相同的平均視頻質(zhì)量，需要消耗更多的網(wǎng)絡(luò)功率．

4 結(jié) 語(yǔ)

本文提出了一種無(wú)線(xiàn)多跳網(wǎng)絡(luò)中SVC 視頻流的分布式傳輸優(yōu)化算法．該算法是基于非線(xiàn)性?xún)?yōu)化中的對(duì)偶理論，用次梯度算法對(duì)傳輸質(zhì)量和功率消耗的跨層權(quán)衡優(yōu)化問(wèn)題的對(duì)偶問(wèn)題進(jìn)行求解的過(guò)程中推導(dǎo)出來(lái)的．分布式算法把問(wèn)題分解為可以在對(duì)應(yīng)無(wú)線(xiàn)節(jié)點(diǎn)上獨(dú)立求解的帶寬和功率分配子問(wèn)題以及SVC視頻內(nèi)容選擇子問(wèn)題，通過(guò)節(jié)點(diǎn)的本地信息交換和在網(wǎng)協(xié)同工作，獲得相關(guān)優(yōu)化參數(shù)的最優(yōu)值，避免了控制信息的集中式收集和全網(wǎng)分發(fā)．本文所提出的算法能夠?yàn)闊o(wú)線(xiàn)多跳網(wǎng)絡(luò)的設(shè)計(jì)和實(shí)際部署提供參考依據(jù)．

本文所提出的算法中傳輸質(zhì)量和功率的加權(quán)系數(shù)比值決定了SVC 視頻流傳輸和網(wǎng)絡(luò)功率消耗的最優(yōu)權(quán)衡點(diǎn)．今后將進(jìn)一步研究這些參數(shù)與無(wú)線(xiàn)多跳網(wǎng)絡(luò)的能量管理策略、有效運(yùn)行時(shí)間以及多媒體的服務(wù)質(zhì)量保證等的相互關(guān)系和影響．

［1］Schwarz H，Marpe D，Wiegand T. Overview of the scalable video coding extension of the H.264/AVC standard[J]. IEEE Transactions on Circuits and Systems for Video Technology，2007，17(9)：1103-1120.

［2］Seeling P，Reisslein M. Video transport evaluation with H.264 video traces[J]. IEEE Communications Surveys and Tutorials，2011，14(4)：1142-1165.

［3］Pourmohammadi-Fallah Y，Mansour H，Khan S，et al.A link adaptation technique for efficient transmission of H.264 scalable video over multirate WLANs[J]. IEEE Transactions on Circuits and Systems for Video Technology，2008，18(7)：875-887.

［4］Mansour H，F(xiàn)allah Y P，Nasiopoulos P，et al. Dynamic resource allocation for MGS H.264/AVC video transmission over link-adaptive networks[J]. IEEE Transactions on Multimedia ， 2009 ， 11(8)： 1478-1491.

［5］Zhang Honghai ， Zheng Yanyan ， Khojastepour Mohammad A，et al. Scalable video streaming over fading wireless channels[C]// IEEE Wireless Communications and Networking Conference. Budapest，Hungary，2009：1-6.

［6］孫剛友. 無(wú)線(xiàn)網(wǎng)絡(luò)中H.264/SVC 視頻傳輸?shù)腝oS 保障機(jī)制[J]. 電信快報(bào)：網(wǎng)絡(luò)與通信，2011，26(7)：41-44.Sun Gangyou. QoS guarantee mechanism for H.264/SVC video transmission[J]. Telecommunication Information：Network and Communication，2011，26(7)：41-44(in Chinese).

［7］Akyildiz I F，Wang Xudong，Wang Weilin. Wireless mesh networks：A survey [J]. Computer Networks，2005，47(4)：445-487.

［8］Yick J，Mukherjee B，Ghosal D. Wireless sensor network survey[J]. Computer Networks，2008，52(12)：2292-2330.

［9］由 磊. 無(wú)線(xiàn)多跳網(wǎng)絡(luò)跨層設(shè)計(jì)與優(yōu)化的相關(guān)理論和算法研究[D]. 北京：北京郵電大學(xué)電子工程學(xué)院，2009.You Lei. Research on the Theory and Algorithms of Cross-Layer Design and Optimization for Wireless Multihop Network[D]. Beijing：School of Electronic Engineering，Beijing University of Posts and Telecommunications，2009(in Chinese).

［10］Lin Xiaojun，Shroff N B. The impact of imperfect scheduling on cross-layer rate control in multi-hop wireless networks [C]//IEEE International Conference on Computer Communications. Miami，F(xiàn)lorida，USA，2005：1804-1814.

［11］Bertsekas D P. Nonlinear Programming[M]. Belmont，MA：Athena Scientific，1999.

［12］Boyd S，Xiao L，Mutapcic A. Subgradient Methods[EB/OL]. http ： //trace.eas.asu.edu/videotraces2/mgs/index.php，2012-01-06.

［13］Bertsekas D P，Tsitsiklis J N. Parallel and Distributed Computation ： Numerical Methods[M]. Belmont ，MA，USA：Athena Scientific，1997.

［14］Reisslein M，Karam L J，Seeling P，et al. Video Traces for Network Performance Evaluation[EB/OL]. http：//trace. eas. asu. edu/videotraces2/mgs/index. php，2012-01-06.

［15］Palomar D P，Chiang M. A tutorial on decomposition methods for network utility maximization[J]. IEEE Journal on Selected Areas in Communications，2006，24(8)：1439-1451.