联合优化CPU和网络控制方案在移动设备视频流中提高能源效率

摘要

视频流服务是移动用户最受欢迎的应用之一。然而，移动视频流服务消耗大量能量，从而降低了电池寿命。这是一个重要的问题，导致用户的经验质量（QoE）导致。因此，在本文中，提出了一种控制中央处理单元（CPU）和视频流过程的无线网络的联合优化方案，以改善移动设备上的能效。为此目的，分析了网络接口和CPU的能量消耗，并且基于能量消耗分布，配方共同优化问题以最大化移动设备的能量效率。所提出的算法自适应地调整在每个数据包中下载和解码的块的数量。仿真结果表明，与现有算法相比，该算法可以有效提高能量效率。

1.介绍

由于无线网络和移动设备数据处理的快速发展，越来越多的用户从移动设备获得高质素的视频流服务[1那2]．根据(2]，无线网络视频流服务将产生四分之三的移动数据流量，并在2014年至2019年间增长10倍。然而，这样的视频流服务消耗了大量的能量，导致电池寿命缩短。这是一个关键问题，特别是对于移动设备，因为他们有限的能源供应。因此，最小化移动视频流业务的能耗已成为一个重要的研究领域。

在移动视频流服务中，网络接口和中央处理器(CPU)是两个主要的能源消耗部件，它们支持数据通信和视频数据解码[3.]．因此，有很多研究集中在最小化网络接口和/或CPU的能源消耗。对于网络接口，提出了缓冲管理方案，以降低移动设备的能耗[4.那5.]．这些方案通过动态控制下载活动，提高了移动设备视频流业务的能源效率。此外，为了同时处理蜂窝网络和Wi-Fi网络，提出了同时控制LTE和Wi-Fi以支持异构无线网络视频流服务的节能方法[6.那7.]．同时，在CPU方面，动态电压和频率缩放(dynamic voltage and frequency scaling, DVFS)在移动设备上得到了广泛的应用，这是一种以降低处理速度为代价的节能方法。基于DVFS技术，为提高视频应用的节能效果，在[8.那9.]．这些算法通过预测视频解码时间自适应地控制处理速度。此外，多核处理器的调度和DVFS的研究工作也在进行中[10-12]．此外，为了实现网络接口、CPU等不同组件之间的能量优化，在[13]．的计划[13可以降低网络接口和CPU的能量消耗。但是，这些论文都不会处理网络接口和CPU的联合优化。可以从联合考虑能量消耗与网络接口和CPU上的处理时间之间的折衷的方法来实现额外的节能。

本文提出了一种用于改进支持移动视频流服务的能效的联合优化方案。首先，分别在接收和解码视频块的同时分析网络接口和CPU的能量消耗。然后，配制了一个联合优化问题陈述，最大化网络接口和CPU的总能量效率。该方案解决了联合优化问题，并使用解决方案通过考虑视频特征，无线网络状态和缓冲状态，自适应地控制在每个数据包中下载和解码的块的数量。将所提出的算法的能量消耗与基于各种环境的四个现有算法进行比较。仿真结果表明，所提出的联合优化的CPU和视频流网络（JCVN）控制算法可以提高移动设备上视频流服务的能效。

2.系统模型

2．1．移动视频流服务模式

在图中1，说明系统模型[5.]，移动设备通过无线网络接口直接从流媒体服务器获取视频流。视频流服务被假定为一个以恒定比特率压缩的视频序列比特/秒。视频序列被分成大小相等的块负载持续时间为的数据包中周期性发送的比特假设系统在基于包的离散时间单元中运行,在那里传输整个视频序列所需的最大包数。通过考虑一个时变的无线信道，移动设备的下载数据速率以包为单位表示为．假设下载数据速率在包持续时间内保持不变，但在不同的包之间可能有所不同。

移动用户在播放视频时，由于无线信道和网络条件的时变，当视频流的下载速率低于视频流的编码速率时，可能会出现中断。因此，移动设备通常使用接收缓冲区和播放缓冲区来满足QoS要求(即不中断)[14]．在移动设备中，下载的数据块进入接收缓冲区，并在视频解码器中解码数据块。解码后的块进入回放缓冲区，并根据回放速率显示，回放速率相当于视频编码速率。

让和表示数据包开始时接收缓冲区和回放缓冲区中的块数， 分别。因为移动设备资源有限，和以其最大阈值为界和， 分别。另外，当块解码时，应考虑视频解码器中的处理延迟。处理延迟取决于视频解码器解码块的CPU频率。处理延迟与CPU频率成反比[8.那9.那13]．让表示以最高CPU频率解码一个块所需的处理延迟．然后，在CPU频率上解码块所需的处理延迟在包是．

2.2。能源消耗模型

无线网络接口卡（WNIC）的能耗建模为,在那里是活动状态的平均功耗，是活动状态的持续时间，是每个下载数据的平均功耗，以及是下载的数据量[5.]．利用WNIC的能量消耗模型，对数据包的能量消耗增益进行评估被定义为 在哪里下载的块的数量在数据包中．WNIC的能量消耗增益是下载时可以实现的节能量下载速率的块与以最小下载速率下载等量块的情况相比．注意，在（1)， WNIC的能量消耗增益不能为负值．

此外，CPU的功耗是CPU频率的函数。根据[15]，表示CPU在CPU频率下的平均功耗在包可以定义为,在那里和是依赖于移动设备的常量。然后，类似于WNIC的能量消耗增益(1)， CPU基于包的能量消耗增益被定义为 在哪里是否在数据包中解码的块的数量．CPU的能耗增益是解码时可以实现的节能量CPU频率的块的最大CPU频率解码等大小块的情况．

3.JCVN控制器设计

本文的目的是最大限度地提高WNIC和CPU的总能耗增益，同时满足视频流服务的QoS要求。基于上一节的数学模型，可以说明优化问题 其中接收缓冲区和回放缓冲区中的块数可以更新如下: 在 （8.)，是数据包下载到达接收缓冲区的块数吗那数据块的数量是否通过数据包的解码过程从接收缓冲区迁移到回放缓冲区,是根据编码率满足QoS要求的粗糙度的数量，其中分子术语要显示的视频数据量是否以编码速率显示在数据包持续时间内分母项是视频块的大小。

约束(4.)，确保可下载的块数不为负值，且不能大于移动设备以其下载速率在包中可下载的最大块数。约束(5.)，确保待解码的块数不为负值，且不能大于一个包在最大CPU频率下可解码的最大块数。约束(6.） 和 （7.）确保接收缓冲区和播放缓冲区中的块的数量不是负值，并且也应该小于其最大阈值。也就是说，JCVN控制要下载和解码的块的数量，同时避免缓冲区溢出。此外，约束（7.)确保视频块以其编码速率显示，观众将不会在回放中体验到任何中断。这是因为(例如,）保证播放缓冲区将维护更多块，而不是以编码率显示的块数。

另外，当CPU解码时，为了最大化CPU的能量消耗增益视频块，CPU频率在包应该被选择到CPU可以解码的最小CPU频率在包块．因此，需要解码的块数可以表示为数据包中CPU频率的函数如下: 这表明，如果接收缓冲区中没有块(即，)，解码过程在下载块后开始。否则，如果接收缓冲区中有块(例如，），块在数据包长度期间被解码．此外,(9.)满足约束条件(5.）.

通过求解优化问题(3.） - （7.的最优解集和基于每个数据包最大限度地提高WNIC和CPU的总能耗增益可以获得。将优化问题转化为两个变量和如下: 在哪里那,那那那那那那那那,是(Th包)常量值为

让组表示的范围满足上述约束条件。然后,通过闭合间隔方法的 [16的最大值能在临界点处得到吗或者在边界上的极值处．此外,由于是关于的线性函数那的范围中的最大值是最大化的具有任意固定值的．因此，是最优解集存在于(例1)或(例2）.

案例1。从，目标函数表示为的函数，这是的约束．通过让，则方程的唯一临界点计算为．此外,由于二阶导数检验给在，目标函数为凹。因此，目标函数在临界点处有一个最大值的最小或最大端点[16]．若临界点存在于大于的取值范围上(例如,），目标函数在最大终点中具有最大值．否则，如果临界点存在于小于的取值范围上(例如,)时，目标函数在的最小终点处有一个最大值．否则，如果临界点存在于(例如,)时，目标函数在临界点处有一个最大值．

例2。从，目标函数也表示为，这是受限于．用类似的方法，来解决Case2,让，则方程的唯一临界点计算为．然后，目标函数在最大终点上具有最大值的最小端点的临界点．

的最优解集和最大化目标函数可以通过比较值来获得案例中的两个候选解决方案1和2．的最优解集和通过假设目标函数是连续功能来获得的和．因此，由于要下载和解码的块的数量是正整数值，因此在性能评估中，选择最佳解决方案集的值是满足优化问题的约束的正整数值，并且具有最小差异派生的最佳解决方案集和， 分别。

算法中给出了JCVN优化算法的伪代码1．首先，根据优化问题(step)得到能耗模型的输入参数）.JCVN为Cases计算要下载和解码的块数量的最佳候选解决方案集1和2(步骤和）.然后，通过比较case中两个候选解集上目标函数的值来确定最优解集1和2．如果目标函数的值1的最优候选解等于或大于目标函数在Case中的值2的最优候选解(即，），选择最佳解决方案作为案例设置的候选解决方案1(步骤和）.否则，如果目标函数的值在Case1的最优候选解小于目标函数在Case中的值2的最优候选解(即，），选择最佳解决方案作为案例设置的候选解决方案2(步骤和）.

4.绩效评估

4.1。仿真设置

为了进行准确的性能比较，[5.那15[如下所述的模拟实验中应用。视频编码率设置为320 kbps，视频长度为200秒。整个视频文件分为2 s的数据包，其中移动设备的接收缓冲区和播放缓冲区最多可包含20个块的视频数据。在模拟中，应用了瑞利分布式无线信道来表示多径衰落特性，这导致视频数据的下载速率变化，其平均值为0.5,1,1.5和2 Mbps [5.]．例如，图中显示了平均下载速率为1.5 Mbps的变化情况2(一个)．仿真中应用的WNIC的功耗参数值为W和μj / bit。另外，每位所需的CPU周期数（当应用程序由CPU处理时）被定义为处理密度，这取决于应用类型。对于视频流模拟，使用无需协调的通用时间（UTC）的封闭图像（GOP），H.264 240p，480p，480p和720p视频的混合。此外，基于[中的1,000周期/比特处理密度15]， CPU功耗模型使用参数值和．详细的仿真参数设置见表1．

在性能分析中，将两种具有代表性的智能设备WNIC下载方案和两种最流行的CPU处理功率控制方案与所提出的JCVN方案进行了比较。两种典型的WNIC下载方案是积极缓冲管理(ABM)和定期缓冲管理(PBM) [5.]．在ABM中，视频应用程序主动地下载视频块，直到移动设备的接收缓冲区满了，它普遍用于具有无限(或非常大)电源的移动设备，对视频流服务没有限制。PBM的视频应用程序请求一个固定数量的视频块从服务器定期发送和停止下载如果请求的视频块一直收到的期限内或者移动设备的接收缓冲区已满,这是一个非常受欢迎的WNIC方案应用于移动设备。在仿真实验中，PBM默认周期根据每个时段的两个，三个，四个和五个视频块的观众请求分别设置为0.5,1,1.5和2 Mbps的平均下载率。

两种最常用的CPU处理功率控制方案是CPU最大频率(MAX)方案和动态电压频率缩放(DVFS)方案。在MAX中，如果要解码的视频块在CPU的接收缓冲区中，则CPU以其最高频率处理视频块。这种策略通过以最高的CPU频率处理数据来提供高性能，同时它会消耗大量的能量。在DVFS中，CPU的频率是根据接收缓冲区中要解码的视频块的数量来调整的。当使用DVFS时，当待解码的视频块数量大于阈值时，CPU频率被设置为最大值，并且随着解码负载的减少，CPU频率按比例下降(阶梯式)。实验将DVFS阈值设置为4个视频块。请注意，当接收缓冲区和回放缓冲区满时，所有现有方案的WNIC和CPU以及JCVN都被切换到省电模式，在这种模式下它们不执行下载和解码。

在模拟中，两个WNIC方案都是通过以下两个CPU控制方案与MAX，ABM的两个CPU控制方案一起组成，具有最大化的ABM，具有DVFS的ABM，分别为PBM + MAX表示为PBM + MAX，abm + max，pbm + DVFS和ABM + DVF在图中2和3.．

4．2.性能分析

数字2说明了JCVN(与其他方案相比)在如何联合控制要下载和解码的块的数量，以最大限度地提高WNIC和CPU的综合能源效率方面的差异。数据2(一个)和2 (b)以1.5 Mbps的平均下载速率显示每个数据包的块数和解码的块数。在图中2(一个)， ABM + DVFS和JCVN下载块的数量与下载速率一致，而PBM + DVFS的下载块数量与下载速率无关。因此，与PBM + DVFS相比，ABM + DVFS和JCVN可以降低WNIC的能耗。在图中2 (b)，可以观察到PBM + DVFS和ABM + DVFS在下载会话开始时(即包1~5)积极解码块，快速填充缓冲，并在解码过程中充分利用CPU处理能力。与此相比，JCVN试图通过在初始阶段(即数据包1~5)仅以足够的速率下载来节省能源，并选择一个足够的CPU操作频率，以允许视频播放高于qos级别。

在图中3.，将所提出的JCVN方案与不同下载速率下的PBM + MAX、ABM + MAX、PBM + DVFS、ABM + DVFS四种方案进行比较3(一个)那3 (b),3 (c)分别呈现WNIC、CPU的能耗，以及WNIC和CPU的综合值。数字3(一个)表明，对于所有方案，随着平均下载速率的增加，WNIC的能量消耗降至约61％。这是因为WNIC的能量消耗与下载速率相反地线性（1）.在图中3 (b)值得注意的是，PBM + DVFS和ABM + DVFS在CPU上消耗比PBM + MAX和ABM + MAX在CPU上的能量较低，这是由于DVFS的节能能力，因为平均下载速率降低时节能增益增加．这是因为当下载速率高时，移动设备可以在数据包中下载更多视频块。因此，DVFS将使用更高的CPU频率来处理接收缓冲器的视频块，从而消耗更多能量。数字3 (c)指出在不同的下载速率下，所提出的JCVN方案的WNIC和CPU的能耗之和是所有算法中最低的。例如，与PBM + MAX和PBM + DVFS相比，JCVN方案可分别降低能耗10.59~20.05%和4.08~11.61%。由于JCVN方案根据无线网络状态和接收回放缓冲状态自适应地调整下载解码的视频块数量，可以有效地降低WNIC和CPU的总能量消耗。

5.结论

为了解决支持视频流业务的移动设备的能耗问题，本文提出了一种联合优化算法，可以降低WNIC和CPU的联合能耗。分析了WNIC和CPU的能量消耗，提出的算法根据无线网络状态和接收回放缓冲区状态，通过求解一个优化问题，自适应地调整每个包中需要下载和解码的视频块数量。在不同的平均下载速率下，将所提算法的能量消耗与现有的四种算法进行比较。结果表明，与其他控制方案相比，所提出的JCVN算法具有更高的能量效率。

的利益冲突

作者声明本论文的发表不存在任何利益冲突。

致谢

该工作得到了由韩国政府公共安全和安全部资助的灾难和安全管理研究所的补助（MPSS-SD-2015-41）。

参考文献

1. M. N. Ismail, R. Ibrahim，和M. F. Md. Fudzee，“关于能源消费意识的内容适应系统的调查”多媒体的发展，第871516条，8页，2013。视图:出版商网站|谷歌学术搜索
2. 思科，“思科视觉网络指数：全球移动数据流量预测更新，2014-2019，”白皮书, 2015年。视图:谷歌学术搜索
3. 肯尼迪(M. Kennedy)、克森蒂尼(A. Ksentini)、哈贾德-奥尔(Y. hadjjad - aoul)和通用汽车(g.m.)。Muntean，《以多媒体为中心的无线设备中的自适应能量优化:一项调查》，IEEE通信调查和教程，第15卷，第2期。2, pp. 768-786, 2013。视图:出版商网站|谷歌学术搜索
4. X. Li，M. Dong，Z. MA和F. C. A.Fernandes，“格林德：通过动态缓存管理的移动视频系统的电源优化，”20世纪的多媒体国际会议（MM'12）的诉讼程序2012年11月，日本奈良，ACM, 279-288页。视图:出版商网站|谷歌学术搜索
5. J. He，Z. Xue，D. Wu，D. O. Wu和Y. Wen，CBM：在线策略对移动视频流的成本感知缓冲管理，“IEEE多媒体汇刊，卷。16，不。1，pp。242-252,2014。视图:出版商网站|谷歌学术搜索
6. S. Moon, J. Yoo和S. Kim，“在有效的电池消耗和数据使用中，移动视频流的最佳多界面选择，”移动信息系统，第4871629条，18页，2016。视图:出版商网站|谷歌学术搜索
7. D. H. Bui，K. Lee，S. Oh等人，“GreenBag：在异构移动无线网络中实时流的节能带宽聚集，”IEEE第34次实时系统研讨会（RTSS'13）的诉讼程序2013年12月，57-67页。视图:出版商网站|谷歌学术搜索
8. X. Liu，P. Shenoy和M. D.角落，“变色龙：应用级电源管理”IEEE移动计算汇刊，第7卷，第2期。8, pp. 995-1010, 2008。视图:出版商网站|谷歌学术搜索
9. j·周，i·周，d - y。Kim和B. Lee，“一种保证qos和低功耗视频解码的组合方法，”IEEE消费电子汇刊，卷。57，没有。2，pp。651-657，2011。视图:出版商网站|谷歌学术搜索
10. J. Luo和N. K. Jha，“异构分布式实时嵌入式系统的高效调度”，集成电路与系统计算机辅助设计汇刊第26卷，第2期。6，页1161-1170,2007。视图:出版商网站|谷歌学术搜索
11. H. F. Sheikh, H. Tan, I. Ahmad, S. Ranka, P. Bv，“并行和分布式系统中能量和性能感知的任务调度”，ACM计算系统新兴技术杂志，卷。8，不。4，物品号。2012年32日。视图:出版商网站|谷歌学术搜索
12. Jeon, W. H. Lee, S. W. Chung，“多核嵌入式处理器的负载不平衡策略”，IEEE计算机汇刊第59卷第2期。10，页1434-1440,2010。视图:出版商网站|谷歌学术搜索|MathSciNet
13. S. Mohapatra, N. Dutt, a . Nicolau, N. Venkatasubramanian，“DYNAMO:移动手持设备端到端QoS和能源优化的跨层框架，”在通信中选定区域的IEEE日记帐第25卷，没有。4, pp. 722 - 737,2007。视图:出版商网站|谷歌学术搜索
14. M. Li，Z. Guo，R. Y. Yao和W.朱，“一种用于移动多媒体应用的新型惩罚可控动态电压缩放方案”IEEE移动计算汇刊，第5卷，第4卷。12页，1719-1733,2006。视图:出版商网站|谷歌学术搜索
15. J.Kwak，O. Choi，S. Chong和P. Mohapatra，“智能手机应用中的能源延迟权衡的处理器 - 网络速度缩放”，IEEE/ACM网络汇刊，第24卷，没有。3，页1647-1660,2016。视图:出版商网站|谷歌学术搜索
16. J. Stewart，国际公制版本微积分，《早期先验》，汤姆森·布鲁克斯/科尔斯，2008年第6版。

版权

版权所有©2017 Sung-Woong Jo和Jong-Moon Chung。这是一篇开放获取的文章创意公共归因许可证，允许在任何媒介上不受限制地使用、分发和复制，只要原稿被适当引用。