文摘

提出了一种基于视频内容要求和信道分配方法的质量可用频道在认知无线电网络中(crn)。我们的目标是节省网络带宽,实现高质量的视频。在这种方法中,内容分为集群基于场景的复杂性和PSNR。将信道分配给集群在多通道crn,我们首先需要确定被许可方的活动,然后最大化机会主义相应的使用。因此,我们分类短期和长时间传输机会根据被许可方使用贝叶斯非参数推断模型的活动。此外,为了防止传输中断,我们考虑集群的衬底模式传输比特率较低。接下来,我们可用的频谱机会映射到集群的内容根据渠道的质量和要求的集群。然后,构造失真优化模型根据网络传输机制。最后,为了最大化平均质量的视频,一个优化问题的定义来确定每个集群的最佳比特率之和最大化对数的帧速率。我们广泛的仿真结果证明了该方法的性能优越的频谱效率和交付质量的视频。

1。介绍

频谱拥挤是大幅增加移动和多媒体通信服务驱动的进化需求更高的比特率。传统固定频谱分配的频谱利用率促使当局允许机会频谱接入授权频谱乐队crn的未经授权的用户。这些二级用户(SUs),没有明确的谈判,自主意识的乐队和伺机试图捕捉交叉部分通过优化操作参数不干扰主用户(脓)。因此,授权信道空闲时间分布是特定于PU活动。

提高频谱的利用率为大容量视频通信是一个积极的发展。视频传输损失是宽容和自适应率,而在数据传输每一位是强制性的(1]。视频传输的问题crn异质性是复杂的应用程序内容以及网络波动。在本文中,我们提出一个视频传输方案crn分配时域光谱机会来实现高质量的视频交付,同时节省了网络资源。

尽管许多视频传输方案在crn已经提出,他们没有考虑到视频内容的独特特征。该方案,称为双层合作频谱分配(2),认为SUs的频谱分配特定的QoS需求作为约束条件,并设置目标实现频谱利用率和苏氏的cooptimization频谱的传递率。Yu et al。3)提出了一个集成的设计方法,共同优化多媒体传输的应用程序层QoS crn。基于感知信道条件下,SUs适应intrarefreshing率在应用程序层除了其他层的参数。实现最佳的用户感受到的实时视频质量的SUs无线crn,面向质量的跨层联合优化系统参数在整个网络协议栈是罗等人提出的。4]。提出的系统模型时间变化的主要网络使用和无线频道,共同优化编码器行为,认知MAC调度、传输,调制和编码SUs distortion-delay框架上以系统的方式被SUs提供最好的视频质量。提高实时视频传输的性能使用跨层设计和认知方法,延长罗等人提出的方法。4)提出了一个优化的多通道认知MAC Thirunavukkarasu et al。5)考虑最优通道选择基于通道传感秩序被程和壮族6]。实时分布式可替换主体学习(7)是一个跨层框架在不同OSI层基于频谱利用率和多媒体QoS参数,动态地利用可用频谱乐队而使用可用的干扰信息获得学习效率。王等人。8)提出了一种单层QoS方法对延迟敏感的声音服务crn基于时分多址技术的无线局域网。然而,每个部分的视频内容可以有不同的特征,这意味着现有的解决方案可能不足以满足其独特的需求,同时节省网络资源。

缓解这一问题,我们首先集群基于场景的复杂性和PSNR的内容,在复杂和简单的场景有高和低比特率,分别。第二,确定聚氨酯活动,我们使用贝叶斯非参数方法组织苏集群参数捕获通道空闲时间分布和相应的最大化传播策略。SUs面临的关键挑战是评估PU空闲时间分布。因此,时域统计不同的聚氨酯交通模式应考虑的机会。我们因此专注于提供时域连续PU包具体主要交通模式之间的空白。因此,短期和长时间连续槽之间的时间是主要包到达和缺乏PU,分别。

内容具有更高的比特率的集群因此传输通道高比特率和最可靠的调制和选举委员会的计划,而集群分配比特率较低的渠道较低质量,低调制,和较低的选举委员会的计划。因为自适应调制和信道编码是好技术使用频道内容最大化数据波动率已知的残余误码率下,我们假设几个调制方案的选择,例如,QPSK, 16-QAM,和64 - qam,以及一些选举委员会的方案与1/2,2/3、3/4。在同一个通道情况下,不同的调制编码方案导致不同的数据速率和符号错误率。这些技术让我们使用通道差异最大化视频数据率在一个已知的剩余比特误码率约束。当一个适当的通道是被一个苏,用户应采取调制编码方案来支持更高的吞吐率。另一方面,当可用的通道并不是在一个良好的比特率,用户应采取低利率的调制方案。此外,而衬底方式的特点是低比特率和低功率,集群较低的比特率是一个有吸引力的解决方案在脓的到达时间,以防止传输中断。

此外,我们定义一个优化问题以减少失真的视频网络传输机制。为了实现本文的主要目的,我们优化的每一部分的比特率之和最大化对数的帧速率基于可用网络的机会。我们评估该方法的性能方面的视频质量和交付成功的视频传输时间规范化的PU idle-busy周期。

本文的其余部分组织如下。在下一节中,讨论了系统框架和问题公式化的细节。然后,模拟设置和结果呈现在部分3。部分4总结了纸。

2。系统框架

我们使用一种energy-detection技术脓的活动因其效率和快速非相干特性本质上计算运行平均光谱信号功率在指定窗口的长度。然而,传感脓并不精确,由于噪声和数量有限的观察;错误的概率被称为虚假检测()[9,10]。假警报的概率和检测是小姐的帮助下重新计算完整的和不完整的γ和Marcum功能: 在哪里是接收信号,是样品的数量,信噪比,是Marcum功能因子,AWGN噪声的方差,检测阈值,然后呢SUs的数量。从(2),它可以观察到独立于信噪比;因此在聚氨酯的存在方式。聚氨酯的概率仍不活跃在苏传输或感应期以下方程,分别为: 在哪里,分别是规模和形状参数。评估的质量可用频道,SUs利用脓的交通模式来优化他们的传输。访问渠道有两种模式:短期和长时间槽。短时间内槽之间基于聚氨酯活动(时间机会连续脓的传输),而长时间槽时提出SUs没有聚氨酯是不活跃的。辨别PU的活动中,我们使用一个贝叶斯非参数聚类方法。我们认为包长度,包interarrival时间在包长度和方差聚氨酯的特性的活动。各种交通载荷的包长度是不同的;例如,游戏应用程序比VoIP的数据包大小长包(11]。假设是聚氨酯的特征空间矢量的活动,用矩阵表示。概率密度函数的特性

包到达模型遵循一个帕累托长尾分布我们用变分方法推理问题转化为一个优化问题作为推理的非参数生成模型。因为在我们的框架PU交通模型是未知的,它的变化是基于时间,我们的模型特征空间使用非参数贝叶斯模型的一个实例。的分布基于集群的状态赋值变量和集群参数是 在哪里适当的累积生成函数和吗是一个非负函数。短时间内可用性在时间的概率是

从(5),(6)和(9),聚氨酯的概率是不活跃的时间苏传播期间,仍然闲置是苏和的概率传输一个数据包成功与承认 在哪里,苏是不成功的概率传播由于衰落、碰撞浓汁,分别。苏的概率成功的传播很长一段时间槽

脓有独占访问许可乐队,所以为了防止传输中断我们开关的传播集群比特率较低的衬底模式在聚氨酯的存在。SUs的叠加模式表达的比特误码率性能(12),而在衬底模式下,CR发射功率谱密度限制在一个预定义的干扰阈值: 在哪里子信道被脓的总数,是nonoverlap频率子信道的数量在整个带宽,和是聚氨酯的一些能源和苏,分别是噪声的贡献,是脓的总数。计算包错误率。在传输,服务器维护的加权平均和标准偏差的闲置和繁忙时间短和长时段在可用的频道。因此,懒懒的间隔,可用性之前服务器准备部分内容的传播。

我们设计一个实用的流媒体计划,分发数据包到多个渠道根据可用带宽。包数是分配给每个数据包(对应于其位置和回放时间)以便从多个渠道包(路径)可以重新在接收器。一套启动延迟是在客户端(以秒)作为商业惯例流媒体产品。客户端缓冲区应该主机包,比他们早到播放时间。晚包的一部分,一个数据包的概率是晚了,作为性能指标。我们使用Rejaie,奥尔特加(提出的改进方案13)分配数据包到多个渠道动态地根据他们的比特率和分配更高的比特率的集群通道和更高的吞吐量。在服务器端生成的内容包放进一个队列的数据包作为优先考虑的对象更早的播放时间。生成的数据包传输并存储在客户端缓冲区,然后客户端开始玩的数据包缓冲区以恒定速率。为证实了王et al。14],无序的包有一个微不足道的影响分数的数据包。

失真优化问题制定如下:substream是帧的数量。找到最优帧比特率,服务器是一组连续的图像分割成substreams(所有图片属于场景在同一集群)和执行率失真优化。通常情况下,变形是由源压缩和包丢失而引起的。视频的压缩变形取决于流畸变模型和参数,这依赖于编码的视频序列和编码结构(15]。总失真通道分配给一个集群, 在哪里取决于压缩相关的参数,平均丢包是因为传输错误,延迟阈值,LBR链接平衡率,是一个获得因素,是一个参数表示是否链接被用于传播。假设集群与比特率传输吗,是替代渠道可用集群的数量,是集群源失真,LBR链接输入和输出链接的一部分15]。因此,优化问题的定义是扭曲 第一次(15)约束表示链接输出应该小于或等于输入的链接。我们使用凸规划制定简化构建的目标函数之间的权衡分配可用的渠道细分和视频失真。

最后,我们定义一个优化问题选择最优段的大小。假定段有substreams。是一个substream帧的数量。的最大可用带宽通道在短或长时间槽,然后呢是比特分配给每一帧的数量在每个substream吗(允许的最大比特率)。的整体素质与当前比特率。帧的质量(PSNR)吗在substream与位。因此,我们优化问题被定义为以下确定每段的最佳比特率之和最大化对数的帧率的平均质量交付视频最大化: 第三约束(21)是照顾被许可人可以容忍的最大速度损失,最后两个约束是为了确保每个主副载波分配给只有一个substream。制定优化问题是非线性整数规划(夹)。我们提出的算法用于1)来解决这个问题,即顺序解决基于线性松弛(SF)算法和贪婪算法,证明了最优性差距。

3所示。仿真结果

在本节中,我们提出的效能评估方法使用广泛的模拟。模拟视频应用,我们使用Blue_Planet视频序列表示为一个视频与戏剧性的水平运动的活动。常见的中间格式的视频(CIF、352×288)。它已经与30帧的速度拍摄5383张照片,和336年共和党与共和党的G16B3模式。时间段的持续时间是0.03秒。首先,我们聚集内容特性基于场景的复杂性和PSNR。

的命中率将每个数据点分配给它的正确的集群的定义是数据点的数量分配到原来的集群特征点的总数。我们可以看到在图1数据点被分组在五集群的打击精度超过90%。该方法的突出优势从图可以看出。在集群中比特率相当大的差异,传统的固定信道分配无论视频场景的比特率导致浪费宝贵的网络资源。然而,在我们的方法中,信道分配是基于视频比特率和质量的渠道:劣质频道分配给low-bitrate集群,和高质量的通道是留给集群与更高的比特率。如前面所讨论的,我们考虑衬底集群模式传播的更低的比特率,以防止传输中断。

率失真是用来描述视频编解码器的压缩效率。率失真显示压缩视频的质量以PSNR作为视频比特率的一个函数。图2显示了Blue_Planet率失真CIF格式的视频序列编码h / SVC为不同的帧。压缩比特率越低,越率失真高效压缩。率失真结果图2说明验证通用编码器特性对于大型集的视频测试序列。h / SVC与h / AVC和mpeg - 4给出了凸率失真的效率。对于许多编码策略,h / SVC收益率几乎两倍的压缩比视频PSNR值相等。

第二,我们需要评估可用的渠道和质量为每个集群找到最合适的信道。我们使用真正的无线跟踪从3 g网络包括游戏,UDP, P2P, VoIP (16]。达到更高的精度,我们设置了hyperparameters各种交通模式的数量。数据3(一个)和3 (b)显示平均包interarrival时间和平均分组长度的流量来源,分别。

图3(一个)表明包interarrival时间变化基于各种应用程序的要求。VoIP显然interarrival时间防止抖动的影响较小;游戏应用程序有较高的interarrival时间比其他应用程序。包的长度(图3 (b)),VoIP再次使用一个较小的数据包大小,减少抖动;UDP数据包大小较长,而游戏包长度根据不同游戏动态。

因为我们的非参数聚类技术,它可以集群无限的流量来源。对于各种交通数据点的数量,hyperparameters将取得更好的精度。数据4(一),4 (b),5显示集群参数估计结果,interarrival时间尺度和形状参数,和空闲时间分布了短期和长时段,流量来源的非参数变分推理(17]。

聚氨酯的空闲时间分布遵循帕累托沉重的尾巴,如图5。从数据4和5,很明显,分布法的参数为每个流量来源不同。因此,一个合适的信道映射到集群每个内容根据其需求。

该方法的性能指标是视频交付质量(18),PSNR,指一个视频的成功传输时间规范化的PU idle-busy周期。我们假设信道利用率的概率是0.6,5双假和检测是小姐。我们比较了该方法的性能与平等的信道分配。从图6,很明显,最好的视频质量是实现当假警报概率是在0.2和0.3之间;假警报和misdetection相关的概率,减少通常会增加另一个。当假警报的可能性比较大,频谱浪费率会更高,导致较低的带宽为集群,从而降低视频质量的内容。当misdetection的概率较大,干扰脓增加,而且必须最小化。当假警报的概率低于0.2和misdetection的概率是0.34,SUs之间会有干扰,这也会导致退化视频交付质量。

4所示。结论

在本文中,我们主要研究频谱利用率SUs的视频传输。发送方集群基于场景的视频内容的复杂性和交通模式基于非参数技术使用变分贝叶斯推断。然后,内容集群在多通道传输crn根据集群的质量要求和可用的频道。讨论了衬底模式切换传输PU到来的时候避免传输中断。此外,我们定义了一个失真优化模型基于网络的传输机制。我们也优化每一段的比特率之和最大化对数的帧速率。从实验和仿真结果,我们得出结论,该方法具有可接受的性能而言,发布视频的质量。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

这项研究由MSIP(科技部、信息通讯技术和未来的规划),韩国,2015年信息通信技术研发项目。