《1 引言》
1 引言
近十几年来, 无线通信网的发展, 除了用户数的增加外, 还出现诸如不同流量特征、不同QoS需求的多媒体应用, 要求无线网提供更多的资源。无线网带宽资源难以满足这种日益增长的需要, 成为提供多媒体服务的QoS性能瓶颈。为此, 最初的做法是采用蜂窝分裂 (cellular splitting) 和频率复用。但这种做法不能无限制进行下去。
为了有效地使用有限的无线网带宽 (信道) 资源并提供满意的QoS保证, 方法之一是采用接纳控制合理的接纳新发起呼叫。方法之二是采用更有效的算法对可用信道数进行管理, 即只分配给那些迫切需要它们的小区, 如动态和混合信道分配策略
传统的接纳控制策略
动态价格在分组交换网络 (如Internet) 中流量管理方面已经有相当长时间的应用, 但直到最近才被用来解决蜂窝网中的拥塞问题。要想得到可能的最好结果, 就必须使用最合适的价格函数。
近年来提出的许多静态或动态的策略约4类:a.守卫信道策略
利用经济学中价格机制理论以及其在有线网中应用范例, 结合自适应的多媒体应用带宽可以动态调整的特点, 提出一种与价格机制相结合的自适应的接纳控制算法, 该算法适合于无线/移动网络中具有多服务类、多优先级服务的情况。根据网络当前状况动态地调整价格以缓解拥塞问题。动态价格虽然在避免拥塞方面非常有效, 但过于复杂的价格计算会使用户难以接受, 力求在有效性和易用性之间做出权衡。
《2 基于价格机制的自适应接纳控制算法》
2 基于价格机制的自适应接纳控制算法
网络用户的行为各自独立并不考虑网络的流量状况, 系统过载状况就难以避免。第三代和第四代服务的出现, 用户需要更多的带宽资源来传输多媒体数据, 拥塞状况更趋严重
《2.1最优新呼叫到达率》
2.1最优新呼叫到达率
如果将无线网资源看作是公共福利, 最好的共享策略是能够最大化所有用户的效用
假设有m类服务, S形曲线
uij (rj) 为i类服务中第j个连接对分配给其rj资源的满意程度, 参数ζ≥2和x>0用来调整效用, 使效用限制在[0, ψ]区间内。
定义i类服务的呼叫阻塞率Pbi为该类服务的新呼叫阻塞率 (CBP) Pnbi和切换呼叫丢弃率 (HDP) Phbi的加权和
其中, αi和βi分别表示对拒绝新呼叫和切换呼叫的惩罚, 且αi+βi=1。用βi>αi来反映阻塞切换呼叫要花费比较高的代价。因为Pnbi和Phbi都是i类新呼叫到达率λni的单调递增的凸函数
最终也是λni的函数, ci和di为可调参数, sig (Pbi) 为一符号函数,
Pthrei为限制呼叫阻塞率的阈值。
系统中所有接纳用户的总效用
ai和bi为权值, 且有
系统中总的新呼叫到达率
应该指出, 最大化所有用户的效用即是指有效地利用信道资源
《2.2系统模型》
2.2系统模型
蜂窝移动环境下基于价格机制的自适应的接纳控制算法, 支持多优先级服务类。系统由自适应接纳控制模块和价格机制模块组成, 如图1所示。
假设:有实时应用和非实时应用2类应用, 可以很容易地扩展到多类应用的情况;实时应用的带宽需求为[bRD, bR], 非实时应用的带宽需求为[bND, bN], bR, bN 是其要求的带宽, bRD, bND 是其可以容忍的最低带宽需求;实时应用的优先级高于非实时应用的优先级;实时应用和非实时应用的新呼叫到达率服从泊松分布, 均值分别为λRN和λNN;二者的连接持续时间 (CHT) 都服从负指数分布, 均值分别为1/μR和1/μN;信道停留时间 (CRT) 都服从负指数分布, 均值分别为1/ηR和1/ηN;新连接请求和切换连接请求的CRT相同;切换连接请求到达率服从泊松分布, 均值分别为λRH和λNH, 可表示为
其中, M∈{R, N}, PMN, PMH分别是应用类M的CBP和HDP。当蜂窝中移动主机的数量远远大于蜂窝中的信道数量时, 以上假设是合理的。假设每个蜂窝的容量为C且固定。蜂窝状态集合X={ (i, j) |i≥0, j≥0, ibRD+jbND≤C}, 其中, 状态 (i, j) 表示蜂窝中有i个实时连接, j个非实时连接, bRD, bND 分别代表实时应用、非实时应用的最小带宽需求。
《2.3基于价格机制的自适应的接纳控制算法》
2.3基于价格机制的自适应的接纳控制算法
图1中的价格机制模块按如下方式工作:λn<λn*时, 采用普通价格 (即所有用户都能接受的价格) ;在λn>λn*时采用动态价格 (根据网络当前状况动态调整) 。当用户试图接入时, 基站负责向用户广播当前的单位价格。当网络在高峰时间采用动态价格时, 不愿意接受该价格的用户, 就不会在此时发起呼叫, 他们会延迟一段时间。这部分流量由λd (t) 表示。价格机制模块的系统函数H (t) 定义为在时刻t愿意接受此时价格的用户占总到达用户的百分数
λin (t) 为自适应的接纳控制模块的流量输入。根据网络当前状况调整H (t) , 使λin (t) 总是满足
p0为普通价格 (单位时间单位带宽的钱数, 以下同) , p (t) 为t时刻的价格。D[p (t) ]为愿意接受该价格的用户所占的比例。D[p0]=1意味着所有用户都接受普通价格。将H (t) 表示为用户对当前价格的反应, 有
由式 (7) 和式 (8) 得
由式 (9) 、式 (10) 和式 (11) 得
接纳控制策略是:
1) 对于新发起呼叫, 若满足下面2个条件被接纳, 否则被阻塞。a.蜂窝当前状态下没有出现应用QoS降级, 即DM=0, M{R, N};b.其最大带宽需求得到满足。
2) 对于切换呼叫, a. 若蜂窝内空闲的带宽可以满足其最小的带宽需求则接纳;否则, b. 对优先级不高于自己的应用进行QoS降级。若降级后释放的带宽可以满足其最小带宽需求, 则接纳;否则丢弃。
其中, DM为瞬时降级率, 在当前状态 (i, j) 下, DM=D (M) /C (M) , M{R, N};其中D (M) 指蜂窝中M类连接降级的数量, C (M) 指蜂窝中M类连接的总数, DM指M 类连接的瞬时降级率, 它反映了蜂窝中同类流量的瞬时超载程度。
基于价格机制的自适应的接纳控制算法如下:
if (λn<λn*)
Adaptive CAC (i, j, x)
else
calculate p (t) according to equation (12)
apply dynamic pricing
Adaptive CAC (i, j, x)
end if
其中, Adaptive CAC (i, j, x) 为自适应接纳控制模块采用的算法, (i, j) 为系统当前状态, x为到达的连接请求。
《3 性能分析模型》
3 性能分析模型
《3.1性能分析》
3.1性能分析
根据前面的接纳控制算法, 系统处于稳定状态 (i, j) 的概率P (i, j) 表示为
式中 (i, j) ∈X, ρR (i, j) =λRP (i, j) /wR, ρN (i, j) =λNP (i, j) /wN, wR=μR+ηR, wN=μN+ηN,
其中, λRD和λND分别为应用动态价格时延迟接入的实时和非实时流量。
根据自适应的接纳控制算法, 可以得到实时应用的CBP和HDP分别为
非实时应用的CBP和HDP分别为
蜂窝中实时应用连接数量的数学期望为
其中降级实时应用连接数量的数学期望为
实时应用的平均降级率为
蜂窝中非实时应用连接数量的数学期望为
其中降级非实时应用连接数量的数学期望为
非实时应用的平均降级率为:
根据文献
其中 M∈{R, N}。
式 (5) 重写为
其中
《3.2性能分析的数字结果及比较》
3.2性能分析的数字结果及比较
3.2.1 实验参数设置 实验参数设置如下:
2) 应用流量模型中μR=μN=0.4, ηR=ηN=0.8, 蜂窝的容量固定为36 (带宽单位) ;
3) 式 (24) 中, a1=a2=0.5, b1=0.6, b2=0.4, c1=c2=30, d1=d2=0.1, α1=α2=0.3, β1=β2=0.7, P
4) 系统采用式 (24) 中的效用函数, 由上述给出的参数值, 并假设实时应用和非实时应用的新呼叫到达率相同, 可得最优新呼叫到达率为1.36;
5) 新呼叫到达率服从泊松分布, 其随时间的变化如图2所示。
3.2.2 PACAC和ACAC的QoS性能对比 图3和图4分别给出了传统的ACAC算法
各点的加权呼叫阻塞率 (WCBP) 见图5, prwcbp和pnwcbp曲线分别是PACAC算法中的实时和非实时WCBP, rwcbp和nwcbp是ACAC算法中的实时和非实时WCBP, 其余各图命名原则类似。
图5可以看出, 在PACAC算法中, 实时应用的WCBP不会超过0.01, 非实时应用的WCBP低于实时应用的WCBP, 这是因为实时应用的CBP高于非实时应用的CBP, 而两者的HDP相差较小。在ACAC算法中, 实时应用和非实时应用的WCBP都随着负载的增加而急剧上升。
图6为各点的未完成率 (FTP) , 因为实时应用的优先级高于非实时应用的优先级, 当可用带宽不能满足其带宽需求时, 它的切换呼叫首先剥夺非实时应用活动连接的带宽, 因此它的FTP远远低于非实时应用的FTP, 两类应用的FTP变化规律与它们的HDP性能结果是相符的。在PACAC算法中, 非实时应用的FTP被控制在一定的范围, 无论新呼叫到达率如何增加, 都不会超出该范围。在ACAC算法中, 非实时应用的FTP随着负载的增加而急剧上升。
图7为各点的降级率 (DR) , 实时应用的平均降级率低于非实时应用的平均降级率。因为实时应用的优先级高于非实时应用的优先级, 当蜂窝中空闲带宽不足以接纳实时应用的切换连接请求, 首先对非实时应用的QoS进行降级。随着负载的增加, 两类应用的降级率逐渐加大。在PACAC算法中, 实时应用和非实时应用的降级率被控制在一定的范围, 无论新呼叫到达率如何增加, 都不会超出该范围。在ACAC算法中, 实时应用和非实时应用的降级率都随着负载的增加而增加。
图8为各点的资源利用率, 在流量高峰期, ACAC算法的资源利用率比PACAC算法高, 但这是以更高的未完成率和降级率为代价的, 并从图6和图7中也可看出。未完成率的升高, 表明其有效资源利用率不高。
图9为各点的总用户效用, 在流量高峰期, ACAC算法的总用户效用急剧下降, 因为此时它的CBP和HDP急剧增加, 用户的满意度也随之降低, 从式 (5) 也可看出;而PACAC算法的总用户效用此时达到最大。PACAC算法能使系统工作在最优状态而不会随着到达流量的增加而出现拥塞现象。
从以上分析可知, PACAC算法能很好地对流量进行控制, 对各QoS指标均能控制在一定范围内。只要系统参数设置合理, 无论输入流量模式如何, 都能使系统工作在所期望的状态, 在总用户效用最大化的前提下, 增加服务提供商的收入。
《5 结语》
5 结语
针对自适应的多媒体应用带宽可以动态调整的特点以及价格对用户行为的影响, 提出一种无线/移动网络中结合价格机制的多优先级服务自适应接纳控制算法, 它根据网络当前状况动态地调整价格以缓解拥塞问题。所用的价格机制力求在有效性和易用性之间做出权衡, 价格调整只发生在用户接入网络时, 用户被接纳后将保持其接入时的价格。
将价格机制与接纳控制结合起来, 能够有效的避免网络拥塞, 能将各项QoS指标控制在期望的范围内, 可以很大程度上改善无线网的性能。只要系统参数设置合理, 无论输入流量模式如何, 都能使系统始终工作在所期望的状态下, 在总用户效用最大化的前提下, 增加服务提供商的收入。
应该指出, 所用的效用函数只在S形曲线部分反映了自适应的多媒体应用的带宽变化对系统总用户效用的影响, 对用户接入系统后可能遭受的QoS降级并未作特殊处理, 将进一步研究如何更有效的对用户的效用进行衡量, 如引入后向效用