基于终端协同的并行多流速率分配算法研究

耿瑞芳，张 晖，杨龙祥，朱洪波

（南京邮电大学 江苏省无线通信重点实验室，江苏 南京 210003）

新兴多媒体业务和无线应用需求的不断增长，极大地促进了移动终端的发展。在泛在环境下，用户将处于多个终端以及多个网络中，为充分利用用户周围的网络和终端资源，基于终端协同的通信技术应运而生[1-2]。多终端协同是指利用用户侧的多个终端间的协同关系，即多个终端可通过短距离通信技术连接以便共享其广域通信能力，从而实现无线网络及终端资源的高效利用以及提高用户业务体验[3]。目前，多数终端可通过短距离无线通信技术转发业务数据，如蓝牙、IEEE802.11、ZigBee等，为终端协同提供了可能[4]。

在数据流形式上，基于终端协同的多流并行传输即将业务数据划分为不同的子流，在若干终端间通过短距离传输能力为某个终端转发，并最后在此终端汇聚。业务数据的多路径分流传输是多终端协同的研究重点，而由文献[5]的多终端协同分流传输的研究可知，接入信道的终端数目将会极大影响WLAN系统容量和服务率，从而影响协同传输系统的性能（时延、吞吐量）。因此，在终端协同分流算法中，要综合考虑终端以及其接入网的特性。

文献[6]研究了在蜂窝网中对下载文件通过终端协同进行分流传输的算法，但算法未考虑网络的异构性。文献[7]研究了视频流在无线网络中基于终端协同的分流传输算法，但此算法未考虑各终端以及其接入网络的特性，将视频流在各协同终端中平均分配传输。文献[8]对终端协同中的能耗问题进行了研究，但对于各终端间的分流也只是简单地平均分配，未体现终端性能的不同。文献[9]提出了异构网络下基于传输时间以及基于层次分析的终端协同分流算法，但由于层次分析法的判断矩阵受决策者判断水平及个人喜好主观因素影响，使分流算法具有主观随意性。因此，本文提出一种多属性决策的终端协同分流算法。在该算法中，在考虑终端用户主观喜好的基础上，同时考虑各终端及其接入网络之间的客观差异。由于目前绿色通信、节能环保受到越来越多的关注[10]，在本文提出的终端协同分流算法中还考虑了终端的能耗问题。

1 系统模型

1.1 应用场景

图1为多终端协同分流传输的应用场景。在图1中，处于泛在环境下的用户终端两类无线接口，一种用于用户短距离通信（Short Range，SR），另外一种用于长距离通信（Long Range，LR），并假设SR通信的数据速率将远远大于LR通信链路之间的速率。其中有一个称为主终端Master，其周围存在着一些可被选择进行协同分流传输的终端即从终端Sla⁃ver。Master与Slaver之间通过短距离通信技术进行通信，终端通过广域网接口与应用服务器连接。当主终端发起业务时，依据各终端以及其接入网的特性，以实现效用函数最大为目标，确定协同分流传输方案，服务器对数据进行分流，分别通过不同的路径到达从终端，最后分流数据通过短距离无线通信技术在主终端汇聚，完成整个业务的传输。令MT0表示主终端，M={1,2,…,M}表示泛在环境下候选的从终端集合。令N={1,2,…},N 表示接入网络。接入到网络n中的终端MTm称为虚拟终端(m,n)。假设终端只能同时接入到一个网络中，则从终端以及其接入网络共有M×N种组合。用M×N阶矩阵S表示表示虚拟终端的可用性。若(m,n)可用，则Smn=1，否则，Smn=0。即

其中，1≤ m≤ M，1≤ n≤ N 。

对可用的虚拟终端集合，即Smn=1的虚拟终端，用子集aS表示。

图1 终端协同分流传输应用场景

1.2 系统模型

此处只研究无线链路部分，对有线链路不做研究，则可得系统模型如图2所示。

图2 终端协同分流传输示意图

2 基于终端协同的分流优化算法

本文提出的多属性决策的终端协同分流传输速率分配算法通过计算终端接入网的下载速率、链路时延、用户代价以及终端能耗4个因子的权重，得到协同终端及其接入网的性能值，从而进行速率分配。

2.1 权重确定

2.1.1 层次分析法

在层次分析法中，权重的确定可体现用户的主观喜好以及业务要求。权重可通过以下3个过程确定。

1）标准化终端及其接入网络属性

在本文所提算法中，考虑终端的下载速率、链路时延、用户代价以及终端能耗4个因子，其权重表示为

并有

将测量到的属性值用矩阵Fi来表示

对于属于越小越好型的链路时延属性、代价属性以及终端能耗属性，标准化公式为

从而可得一个新的标准化属性矩阵如

2）建立判断矩阵

将终端接入网的下载速率、链路时延、用户代价以及终端能耗4个属性进行两两比较，并按照重要程度排列等级。比较结果用判断矩阵为

3）权重确定

此处，权重的确定采用文献[13]中的方法，即通过对判断矩阵中的元素求几何平均值来得到各因子的权重

进行归一化，可得

2.1.2 熵值分析法

由于层次分析法的判断矩阵受决策者判断水平及个人喜好主观因素的影响，使分流算法具有主观随意性。因此，在本文提出的多属性决策的终端协同分流算法中，在考虑终端用户主观喜好的基础上，也考虑各终端及其接入网络之间的客观差异，即基于信息熵理论，求解各因子所占的权重。

由信息论知识可知，某一属性在不同终端及接入网络间的差异越大，则信息熵越小，此时此因子的权重就越大。

用Di表示因子i在不同终端及接入网络间的差异，则有

则可得因子i的权重为

为综合考虑终端用户主观喜好以及各终端及其接入网络之间的客观差异，需将上述两个方法得到的权重进行分配，即得综合权重

其中，0＜α＜1。

2.2 终端选择

为评估所选终端及其接入网的性能，构造效用函数如

在终端协同中，设候选终端的个数为y，但网络并不一定有y个，因为可能有多个终端接入到同一个网络中。协同终端算法主要分为两部分，即终端选择和速率分流。

终端选择的具体步骤为：

1）列出所有虚拟终端的组合，从而得到虚拟终端组合矩阵S；

2）测量得到所有虚拟终端的4个属性值，即矩阵Fi；

3）更新所有可用虚拟终端矩阵aS；

4）由式（15）计算所有可用终端的效用函数值Umn；

5）对终端m接入到不同网络的效用值从大到小进行排列，最大值对应的终端及其接入网记为MaxUmn，同时令Smt=0,1≤ t≤ N ，且t≠ n，以防止相同的终端进行重复选择；

6）MaxUmn对应的所有可用虚拟终端即进入候选终端集合。

2.3 速率分配

此时，候选终端在前文已经选出。设选出的协同终端的个数为c，则1≤ c≤ y。

速率分配的具体步骤为：

2）初始化协同终端数目，即令c=1；

4）更新可用带宽RBm；

5）判断PreRatem≤RBm是否成立。若成立，再判断m=c是否成立；否则，令c=c+1；

6）判断1≤ c≤ y是否成立。若成立，跳转到步骤2）；否则更新候选终端集合，重新进行速率分配；

7）若m=c成立，速率分配结束；否则，跳转到步骤3）继续。

多流速率分配算法流程如图3所示。

3 算法性能分析

在此部分，通过假设一些网络参数以及终端参数，根据系统模型进行仿真，从而对所提算法进行性能分析，并与其他算法进行性能比较。

图3 速率分配流程图

3.1 仿真参数设定

假设系统网络环境由UMTS、WLAN1、WLAN2三种网络组成，其编号为1～3，终端个数为10，并进行编号1～10。假设有4个终端只分布在UMTS网络中，3个终端可同时接入到UMTS和WLAN1中，剩余3个终端可同时接入到UMTS和WLAN2中，具体网络参数如表1所示。另外，假设终端在UMTS中下载速率在0～200 kbit/s随机分配，在WLAN1中下载速率在300～600 kbit/s随机分配，在WLAN2中下载速率在500～800 kbit/s随机分配。

表1 网络参数

为了验证所提算法的性能，与如下两种算法进行性能比较：

DOS（Delay-only Selection）算法，进行从终端选择时以系统时延最小为目标来进行选择。

AHP算法，进行从终端的选择时只考虑用户喜好，并不考虑网络以及终端间的客观差异。

根据前文描述，本文在进行仿真验证时以实时业务为例进行算法性能分析，并建立实时业务的网络属性判断矩阵

由此判断矩阵可得实时业务在AHP算法中的权重因子为 ω'=（0.250 7，0.598 1，0.096 8，0.054 4）。本文算法中计算所得的权重因子为 ω =（0.390 6，0.438 0，0.103 1，0.068 3）。

由式（9）、（13）、（14）可计算得出AHP方法的权重以及本文提出算法的权重，然后由式（15）得到所有可用终端的效用值，并进行从大到小的排列。

3.2 性能分析

在进行业务传输时，利用多终端协同对系统性能的影响就是可提高资源整合能力，从而提供系统的吞吐量，降低系统时延。此部分通过此算法的系统效用、系统时延、系统能耗以及系统负载4个方面进行分析。

本文算法以系统效用最大为目标，对选出候选终端效用由大到小进行排列，即得候选终端组合（（8，3），（6，2），（7，2），（10，3），（9，3），（1，1），（5，2），（2，1），（3，1），（4，1））。AHP算法只考虑用户主观喜好，其候选终端组合顺序为（（10，3），（6，2），（8，3），（9，3），（5，2），（1，1），（2，1），（7，2），（4，1），（3，1））。DOS算法以系统时延最小为目标，其选出的候选终端组合顺序为（（9，3），（10，3），（8，3），（10，3），（6，2），（7，2），（5，2），（2，1），（4，1），（4，1），（3，1））。

由图4可知，随着从终端数目的增加，系统效用并未增加。因为本文算法中候选终端组合的效用是从大到小进行排列的，在进行终端协同时，优先选用效用最大的终端进入虚拟终端系统，因此，随着从终端数目的增加，系统效用反而是下降的。由于在系统效用的表示中，本文算法综合考虑了终端的下载速率、网络的时延、用户代价以及能耗等因素，而AHP算法仅考虑用户主观喜好，刚开始选择的从终端并非效用最大，因此，当效用值较大的从终端进入虚拟终端系统时，其系统效用会增加。DOS算法也是同样原理，由于WLAN2网络中终端时延相同，其在终端8～10中随机选择，因此DOS算法的系统效用先增大后减小。由图3可知与AHP算法以及DOS算法相比，在从终端数目较少时，本文算法具有很大优势。但随着从终端数目的增加，3种算法的差距并不明显。但本文算法的系统效用仍然是最大的。

图4 不同从终端数目下的系统效用

由图5可知，随着从终端数目的增加，系统时延是减少的。此处的时延考虑的是业务请求的接入等到时延。但随着协同终端的增加，时延的下降变得平缓。在图5中，DOS算法的时延最小，因为此算法只关心时延，并不考虑能耗等其他性能，优先选择时延小的终端进入虚拟终端系统。但由图6可知，其能耗最大。

图5 不同从终端数目下的系统时延

图6 不同从终端数目下的系统能耗

图6给出了采用不同协同终端数目下的协同能耗。与不采用多流传输的方式相比，基于终端协同的多流传输将会极大地减少能耗，但随着协同终端数目的增加，SR通信接口所需的能耗增加，将导致整个系统的能耗也随着增加，但仍低于传统的传输方式的能耗。

通过图5的时延以及图6的能耗的比较可知，在进行终端选择时，不能只根据网络或终端性能的某一项指标实现局部最优选择，要综合权衡多方面的因素，才能使得系统效用最大。

以业务速率R=15 Mbit/s为例，分析各网络采用不同终端数目时其负载状况，由图7所示。在本文算法中，通过比较终端所分配速率以及网络可用带宽，进行速率调整。假设在此业务请求之前各网络为空载状态，则由图7可知，在M=1时无法响应业务请求，故通过速率调整，令M=2再进行速率分配。由图7还可知，当M=3时也需要进行速率调整方可满足网络带宽约束以及用户需求。

图7 R=15 Mbit/s时不同终端数目下的各网络负载

图8给出了R=15 Mbit/s时采用不同协同终端数目时各终端所分配的速率。由图8的走势可知，随着协同终端数目的增多，各终端间分配的速率差异越来越小。这样并不能充分发挥出效用值较大的终端的优势，因此，随着协同终端数目的增加，图5中时延的减少越来越不明显。在图8的速率分配中可看出，当由多个终端进行协同多流传输时，是根据选择的虚拟终端的性能按比例进行速率分配的，并非根据接入网络的可用带宽进行阶梯分配。此种分配方式保证了不同用户间的公平性，让所有用户都有机会利用最优的虚拟终端。

图8 R=15 Mbit/s时不同终端数目下各终端所分配速率

由上面的仿真图4～8可知，采用本文所提出的从终端选择算法以及本文的速率分配算法时，在满足用户需求的前提下，所选择的从终端越少，系统效用越好。同时，终端的干扰范围会随着协同终端个数按比例扩大，有可能会影响到无线网络的空间频分复用。因此，在满足业务QoS要求的同时，应尽量减少协同终端的数目以减少干扰范围。

4 结论

为充分利用用户周围的网络资源以及终端资源，为用户提供更优质的用户体验，终端协同成为研究热点。本文针对终端协同时的多流并行传输问题，提出了一种多流速率分配算法。此算法在实现从终端选择的同时完成了各协同终端之间的速率分配。通过仿真所做出的性能分析表明，在算法中所提出的速率调整，不仅能够充分利用优势网络的资源，还可满足网络资源的约束，同时也能满足用户业务体验。

[1] YIPING C，YUHANG Y.A new 4G architecture providing multi⁃mode terminals always best connected services[J].IEEE Wireless Communications，2007，14（2）：36-41.

[2] 李若翩，阮雅端，陈启美.基于协同技术的智能车载系统[J].电视技术，2014，38（13）：158-161.

[3] ALKANJ L，SAAD W，DAWY Z.A game theoretic approach for content distribution over wireless networks with mobile-to-mo⁃bile cooperation[C]//Proc.Personal Indoor and Mobile Radio Com⁃munications(PIMRC)，2011 IEEE 22nd International Symposium on.[S.l.]：IEEE Press，2011：1567-1572.

[4] STOLARZ D.Peer-to-peer streaming media delivery[C]//Proc.First International Conference on Peer-to-Peer Computing.[S.l.]：IEEE Press，2001：48-52.

[5] 胡陶军.异构网络下多终端协同的网络控制技术研究[D].北京：北京邮电大学，2013.

[6] POPOVA L，HERPEL T，GERSTACKER W，et al.Cooperative mobile-to-mobile file dissemination in cellular networks within a unified radio interface[J].Computer Networks，2008，52（6）：1153-1165.

[7] ALCHIKHANI S，ALKANJ L，DAWY Z.Video distribution over wireless networks with mobile-to-mobile cooperation[C]//Proc.International Conference on Advances in Computational Tools for Engineering Applications.ACTEA'09.[S.l.]：IEEE Press，2009：519-522.

[8]ALKANJ L，ABDALLAH M，DAWY Z.On optimal mobile termi⁃nal grouping in energy aware cooperative content distribution net⁃works[C]//Proc.Wireless Communications and Networking Confer⁃ence.[S.l.]：IEEE Press，2012：2367-2372.

[9] REN S，LIU Y，YANG X，et al.Two traffic distribution approach⁃es in terminal cooperation over heterogeneous wireless networks[C]//Proc.19th IEEE International Conference on Networks.[S.l.]：IEEE Press，2013：1-6.

[10] HE A，AMANNA A，TSOU T，et al.Green communications:A call for power efficient wireless systems[J].Journal of Communi⁃cations，2011，6（4）：340-351.

[11] SUN L，TIAN H，SUN Q，et al.Traffic allocation scheme with co⁃operation of WWAN and WPAN[J].IEEE Communications Let⁃ters，2010，14（6）：551-553.

[12]KANNO I，YAMAZAKI K，IKEDA Y，et al.Adaptive energy cen⁃tric radio access selection for vertical handover in heterogeneous networks[C]//Proc.Wireless Communications and Networking Conference.[S.l.]：IEEE Press，2010：1-6.

[13]LAHBY M，CHERKAOUI L，ADIB A.Hybrid network selection strategy by using M-AHP/E-TOPSIS for heterogeneous networks[C]//Proc.8th International Conference on Intelligent Systems:Theories and Applications.[S.l.]：IEEE Press，2013：1-6.