无线链路保障QoS垂直映射技术

唐日照 ，房曙光

1.吉林大学 计算机科学与技术学院，长春 130012

2.无锡商业职业技术学院 信息工程学院，江苏 无锡 214153

3.南京邮电大学 通信与信息工程学院，南京 210003

4.无锡商业职业技术学院 电子工程学院，江苏 无锡 214153

1 背景及研究动机

无线信道所具有的可靠性低和容量可变特点使得无线网络通信QoS保障成为一个极具挑战性的问题。而在现代无线网络中QoS保障是一个重要的指标，第三代和第四代无线网络都需要网络支持多种QoS需求和业务流特性[1-2]。在网络QoS性能保障中，协议栈每一层承担不同角色并与其相邻协议栈相互作用，这种交互作用可以分为两种不同的操作：一种称为水平QoS映射；一种称为垂直QoS映射[3]。本文仅讨论垂直QoS映射问题，该技术是指网络QoS性能依赖于网络中每一协议层所能提供QoS性能并且基于相邻协议层相互作用。如网络层有效QoS保障需要数据链路层能够确保对网络层服务，否则网络层QoS保障机制将是无效的，即网络QoS需求业务流在协议栈中垂直流动并且必须能够被所有协议层接受、理解和满足。而在实际网络中，不同协议层QoS需求分别以不同参数集所表征，并且不易被相互理解，如体验质量为客户角度所理解的服务质量，以客户主观满意程度的表征量参数集作为判断标准[4]。应用层质量是以应用层参数集表征的网络服务质量；网络层质量是以网络层参数集表征的服务质量，大部分是IP依赖参数；数据链路层质量是以数据链路层参数集所表征的网络质量，主要描述信道的队列特性；物理层质量是以物理层参数集所表征的网络服务质量，如比特差错率等。这就要求采用某种机制以实现相邻协议层次QoS指标参数集的相互理解和接受。

无线网络通信中信道性能对网络QoS保障是十分关键的[5]，上层（如网络层）产生的具有QoS要求数据流转发到物理接口并通过该物理接口沿着能够为上层提供期望QoS水平的信道传输信息，网络上层QoS性能的保障最终将依赖于信道的可靠性和有效性。在网络通信协议栈中关于信道的功能层是物理层和数据链路层。近年来涌现了大量物理层革新技术以克服无线衰落信道影响并实现对异质移动用户QoS需求多样性的支持[6]，如多重编码调制技术（Multiple Coding and Modulation Schemes）、高级天线技术、多输入多输出技术（Multiple Input Multiple Output，MIMO）、正交频分复用技术（Orthogonal Frequency-Division Multiplexing technologies，OFDM）以及超宽带（UWB）技术等。这些技术可以集成于同一设备实现，如对于一个Wi-Media UWB设备，UWB基于MB-OFDM技术，多速率技术是通过多重编码和调制技术实现，链路吞吐量通过MIMO技术获得提高等[7]。物理层先进技术的采用使得链路延迟、吞吐量以及丢包率等性能获得很大提高，然而物理层本身无法适应性调整其相关技术以提高链路延迟、吞吐量以及丢包率等性能[8]，实际上这些性能指标是表征数据链路层QoS性能的参数，直接自物理层模型对其刻画是十分困难的。物理层模型提供了对物理层QoS指标参数的快速估计方法，如自物理层模型可得到数据传输速率，比特差错率BER（Bit Error Rate）与信噪比SNR（Signal-Noise Rate）的关系等；链路延迟、吞吐量以及丢包率等性能指标是数据链路层QoS性能参数，涉及队列分析相关技术，自数据链路层角度所刻画的表征队列特性的信道模型才能够对这些指标予以刻画。这就需要研究物理层和数据链路层QoS指标集的映射技术以实现物理层和数据链路层交互从而为网络提供可靠有效通信链路。由于物理层和数据链路层的相邻，无线网络MAC层较低部分和物理层基带往往集成于同一网卡设备甚至同一集成芯片，为该两层技术实时交互提供了便利和技术上的可行性[9]。基于以上分析，本文提出了一个物理层和数据链路层QoS指标垂直映射结构，并采用等效容量的数据链路层模型实现物理层和数据链路层QoS指标参数映射，通过仿真结果验证了其有效性。

2 映射模型与关键技术

2.1 数据链路层与物理层QoS垂直映射模型

通信链路的有效性和可靠性依赖于数据链路层技术和物理层技术。物理层和数据链路层分别采用不同QoS性能指标表征其QoS性能，数据链路层QoS指标包括数据速率、最大延迟、延迟偏离概率、最大缓存尺寸、缓存溢出概率等，其依赖于数据链路层复杂的队列行为[10]。物理层QoS性能指标包含比特差错率、数据速率等，依赖于物理层调制技术、带宽、信噪比、多普勒频率等【11】。物理层QoS指标往往不能被数据链路层所直接理解，同样数据链路层QoS指标也不易能被物理层所理解。而物理层所采用技术对数据链路层QoS性能形成制约作用，数据链路层QoS保障需要物理层提供相应的技术支持【12】。这就需要有效的物理层和数据链路层QoS指标映射机制，物理层QoS指标通过该机制能够映射为数据链路层QoS指标。基于此，提出一种数据链路层与物理层QoS指标垂直映射模型（如图1所示），该模型包含三个基本构成要素：协议层模型；协议层QoS指标集；协议层参数集[13]。

图1 数据链路层和物理层QoS垂直映射模型图

（1）协议层QoS指标集：表征该协议层所能提供QoS性能，该指标集与对应协议层特征相联系，不同协议层具有不同的QoS指标集。如物理层QoS指标集以符号差错率、数据速率等表征；数据链路层QoS指标集以数据速率、最大延迟、延迟偏离概率、最大缓存尺寸、缓存溢出概率表征。

（2）协议层模型：协议层模型为表征该协议层特征的数学模型。物理层信道模型一般表征信号波动特性，像瑞利信道模型、一维或多维马尔科夫模型等，表征物理层角度所获得信道特征；数据链路层模型表征链路连接的队列特性，如等效容量模型，自数据链路层角度描述信道特征。

（3）协议层参数：此处的协议层参数是指自协议层模型所抽象出的能够构成层间映射的参数。该参数能通过相关技术映射到相邻协议层参数，QoS垂直映射通过它实现。

2.2 基于等效容量模型的QoS垂直映射技术

基于图1所示QoS垂直映射模型结构，实现物理层和数据链路层QoS垂直映射，需要对协议层QoS指标集、协议层模型以及协议层参数予以定义。物理层信道模型通常直接描述无线信号增益波动性特征，采用低信噪比状态下瑞利平坦衰减信道模型，它提供了物理层QoS参数集估计方法，如符号差错率与信噪比关系等[14-15]。数据链路层模型体现连接的队列特性，采用文献[3]提出的无线信道数据链路层等效容量（EC，Effective Capacity）模型，该模型能够有效获得数据链路层QoS性能。

2.2.1 模型中数据链路层定义

实际上该假设是有效的，例如，对于统计马尔可夫过程，则r(t)的等效容量定义为：

其所表征的物理含义为自数据链路层角度，信道以偏离概率ε支持数据速率α(c)(u)。在等效容量α(c)(u)获得后，可获得以概率保障的数据链路层QoS指标。

假定数据链路层最大缓存尺寸为Qmax，对数据流的最大延迟限制为Dmax，则由恒定数据速率μ数据源所产生业务流送入该数据链路层后，由该数据链路层所产生的延迟偏离概率可表征为公式（3）：

由该数据链路层所产生的队列长度Q超过Qmax的概率，即缓存溢出概率可表征为公式（4）：

对于给定的源数据速率μ，式（3）、（4）中的γ(c)(μ)=Pr{Q(t)≥0}，表征了在随机选择的时刻t数据链路层缓存非空概率；而θ(c)(μ)=μα-1(μ)，此处的α-1(μ)是α(c)(u)的反函数，称之为链路的QoS指数。这样函数对{γ(c)(r),θ(c)(r)}构建了数据链路层模型，它们表征了链路层所具有的队列行为特性。

根据以上分析，图1所示QoS垂直映射结构链路层信道模型定义为等效容量模型EC：{γ(c)(r)，θ(c)(r)}，数据链路层参数集定义为信道等效容量{α(c)(u)}，数据链路层QoS指标集以概率形式表征，包含数据速率R，最大延迟Dmax，延迟偏离概率εD，最大缓存Qmax，缓存溢出概率εQ，即为{R，Dmax，εD，Qmax，εQ}。在以上定义基础上，根据式（3）、（4），获得QoS指标的延迟背离概率εD以及缓存溢出概率εQ分别为：

数据速率R即为信道等效容量，由数据链路层模型和数据链路层参数集中参数获得，即以概率满足以下速率：

2.2.2 模型中物理层定义

物理层模型采用低信噪比状态下瑞利衰减平坦信道模型，该模型可通过AR（p）模型仿真获得[10]。根据该模型可获得物理层QoS性能参数如BER与SNR关系，信号传输速率则可通过香农定理获得。根据图1模型结构要求，物理层参数需能够与数据链路层参数形成映射，而在数据链路层中定义其参数为等效容量与连接QoS指数关系式α(c)(u)。在此定义物理层参数为功率谱密度PSD（Power Spectral Density）。文献[9]提供了在低信噪比瑞利平坦衰减信道通过功率谱密度估计获得α(c)(u)与QoS指数u关系的方法：

通过该方法可实现物理层参数与数据链路层参数的映射关系，该算法包含以下步骤：

（1）在时间间隔为δ，持续时间[0，t]内获得Nf个信道增益测量值，将其表示为X=[x(0)，x(1)，…，x(Nf-1)]T，此处x(n)(n=0，1，…，Nf-1)代表复值信道增益。

（2）在给定信道增益测量值 X情况下，通过如周期图法、Burg最大熵法【9-11】等估计方法可获得功率谱密度{)，i=1，2，…，Nf}。

（3）以式（12）估计信道容量α(c)(u)。

这样图1所示QoS垂直映射模型中，物理层部分QoS指标包含符号差错率、数据速率等；物理层模型采用瑞利平衰减信道模型；物理层参数集为信道功率谱密度S(fi)。

3 仿真环境与结果

对图2所示离散时间队列系统进行仿真，验证图1所示QoS垂直映射模型有效性。

图2 用于仿真的队列模型图

系统中数据源（Data Source）以数据速率Rn产生数据包，该数据包首先送入发送器（Transmitter）队列予以缓存，所支持最大队列长度为Qmax，实时队列长度Qn代表时刻n时队列长度，当Qn＞Qmax时，所收到的数据将被丢弃；队列中缓存数据包以数据速率rn在瑞利平坦衰减信道（Fading Channel）中传输，由接收器（Receiver）接收。

仿真中设定数据包尺寸极其微小，可予以忽略，同时物理层采用QPSK调制技术，瑞利平衰减信道样本点x[n]使用一阶自回归AR（1）模型产生：

其中，w[n]是具有不相关实部和虚部的复高斯白噪声过程，k表示滤波器系数[10]。假定发送器在每一采样间隔能够准确获得信道信噪比SNR，则可获得数据速率rn：

此处Bc表示信道带宽，SNRavg为平均信噪比，即E|xn|2。仿真参数设定见表1。

表1 仿真参数设定

在仿真环境中，取样间隔设置为1 ms。该假设是合理的，实际的3G WCDMA数据采样数量级为10 ms，增强HSPA系统，采样数量级为2 ms[9]。每次仿真运行1 000 s，由于信道采样速率为1 000样本/s，则对每次仿真可获得1 000 000个瑞利平坦衰落样本。

图3、图4和图5显示了当多普勒频率不同时，物理层QoS参数比特差错率与数据链路层QoS参数最大延迟偏离概率的对应关系。从图3、图4和图5曲线可得出以下三点结论：

（1）物理层QoS参数误比特率BER随着物理层信噪比SNR增大而下降。这是由于随着信噪比增大，信道正确传输数据概率增加，从而减少了数据传输错误的概率。

图3 延迟偏离概率与比特差错率映射关系(fm=5 Hz)

图4 延迟偏离概率与比特差错率映射关系(fm=10 Hz)

图5 延迟偏离概率与比特差错率映射关系(fm=15 Hz)

（2）对于固定的数据链路层数据速率R，随着物理层信噪比增大和误比特率减小，数据链路层最大延迟偏离概率呈现下降趋势。根据香农定理，对于固定信道带宽，随着信噪比增大，信道传输速率会增大，从而使得数据链路层延迟偏离概率减小。

（3）在相同多普勒频率、信道信噪比情况下，随着数据链路层速率R增大，延迟偏离概率会呈现增大趋势。在相同多普勒频率和信道信噪比情况下，物理层传输速率固定，而此时增大数据链路层速率R会导致数据链路层数据丢包率增加，由于数据恢复机制的作用，使得正确传输数据延时增大，从而使延迟偏离概率呈现增大趋势。

针对QoS垂直映射技术的研究是近年的热点问题。典型的如文献[4]基于协议层的技术依赖层和非技术依赖层划分，采用队列和仿真技术对QoS垂直映射进行研究，但未对无线链路中物理层和数据链路层QoS指标映射技术做研究；文献[7]通过对物理层和数据链路层所采用具体技术的分析获得物理层与数据链路层QoS指标映射关系，但文献所提供方法是对数据链路层时延的具体求解，其求解只能通过仿真方法获得。而本文研究无线网络依赖层中物理层与数据链路层QoS映射技术以对网络上层提供可靠有效信道，物理层与数据链路层映射基于等效容量技术给出了具体的数值算法，可通过简洁的数值计算获得物理层和数据链路层的QoS指标映射。但是，由于本文模型对数据链路层QoS指标时延的分析是以最大延迟偏离概率为分析指标的，而文献[7]中是以具体的延迟时间为分析指标，故无法在仿真结果中予以具体对比。

4 结论

可靠有效链路技术是无线网络QoS保障关键技术之一，与链路保障相关的协议层是数据链路层和物理层。为实现有效链路保障，提出一种物理层QoS指标与数据链路层QoS指标垂直映射模型，在该模型中以物理层功率谱密度和数据链路层等效容量形成映射关系，从而实现物理层QoS指标与数据链路层QoS指标映射，本文通过仿真验证了该映射结构的有效性。

本文模型可用于通信系统数据链路层QoS保障分析，为数据链路层QoS保障分析提供了一种数值分析方法。由于该方面研究比较少，因此本文缺乏与相应模型仿真结果的对比，分析其优越性；同时，在该模型基础上如何实现网络层和应用层QoS保障分析的研究，将是下一步主要工作内容之一。

[1]丁晓阳.无线传感网多簇头协助的目标跟踪[J].计算机工程与应用，2013，49（10）：109-113.

[2]王林，赵绍英.无线传感器网络LEACH路由协议的研究与改进[J].计算机工程与应用，2012，48（2）：80-82.

[3]Wu Dapeng，Negi R.Effective capacity：a wireless link model for support of quality of service[J].IEEE Trans on Wireless Communications，2010，2（4）：630-643.

[4]Marchese M，Mongelli M.Vertical QoS mapping over wireless interfaces[J].IEEE Wireless Communications，2009，16（2）：37-43.

[5]Stoica P，Moses R.Spectral analysis of signals[M].New Jersey，USA：Pearson Prentice Hall，2012.

[6]Femenias G，Ramis J，Carrasco L.Using two-dimensional markov models and the effective-capacity approach for crosslayer design in AMC/ARQ-based wireless networks[J].IEEE Trans on Vehicular Technology，2011，58（8）：4193-4203.

[7]Gomez G，Gonzalez J P，Aguayo-Torres M C，et al.QoS modeling forend-to-end performance evaluation over networkswith wirelessaccess[J].EURASIP Journalon Wireless Communications and Networking，2012（1）：1-17.

[8]Prudêncio1 A C，Sheibel M L，Willrich R.Application and network QoS mapping using an onto-logy-based approach[C]//Proceedings of the 3rd International Conference on Communication Theory，Reliability，and Quality of Service，2011.

[9]Wang Qing，Wu Dapeng，Fan Pingyi.Effective capacity of a correlated Rayleigh fading Channel[J].Wireless Communications and Mobile Computing，2010（1）.

[10]Baddour K E，Beaulieu N C.Autoregressive modeling for fading channelsimulation[J].IEEE Transon Wireless Communications，2010，4（4）：1650-1662.

[11]Akyildiz I F，Wang Xudong.Cross-layer design in wireless mesh networks[J].IEEE Trans on Vehicular Technology，2011，57（2）：1061-1076.

[12]Kovacs D L，Li W，Fukuta N，et al.Mixed obser-vability Markov decision processes for overall network performanceoptimization in wirelesssensornetworks[C]//Proceedingsofthe IEEE 26th InternationalConference on Advanced Information Networking and Applications（AINA），2012：289-298.

[13]Zhou Yifeng，Li Jun，Lamont L，et al.Modeling of packet dropout for UAV wireless communications[C]//Proceedings of the International Conference on Computing，Networking and Communications（ICNC），2011：677-682.

[14]Srivastava R，Kumar A.Performance analysis of Beacon-Less IEEE 802.15.4 multi-hop networks[C]//Proceedings of the 4th International Conference on Communication Systems and Networks（COMSNETS），2012：1-10.

[15]Nguyen S H，Vu H L，Andrew L H.Performance analysis of IEEE 802.11 WLANs with saturated and unsaturated sources[J].IEEE Trans on Vehicular Technology，2012，61（1）：333-345.