英语原文共 1 页，剩余内容已隐藏，支付完成后下载完整资料
基于无线网络虚拟化的异构网络视频转码、缓存和多播
摘要
为了支持大规模的内容交付，提出了一种新颖的虚拟异构网络框架来实现内容转码，缓存和多播的功能。另外，针对所提出的网络框架，制定虚拟多资源分配问题以联合优化计算，缓存和通信资源的效用。仿真显示所提出的方案具有有效性。
关键词：信息中心网络网络、移动边缘计算、视频多播、无线网络虚拟化。
研究背景和意义
由于对基于视频流媒体的带宽密集型应用的需求激增，下一代移动网络中的视频内容流量预计将呈指数增长。为了支持大规模的内容交付，高速缓存和多播对于下一代无线网络是有价值的[1]。需要注意的是，信息中心网络（ICN）[2][3]并不是简单地将数据缓存在基站（BS），可以进一步促进信息的传播，因为ICN的特点是网络内缓存，使网络节点不仅存储，而且命名通过它们的内容，从而促进信息的可查找性和交付。Tao等人[4]和Zhou等人[5]为基于ICN 的多播网络探索开发了缓存和多播功能。但是，值得注意的是，视频内容可能需要转码为多个版本，以适应复杂的网络条件并满足各种设备要求。Gao等人[6]利用多媒体云的视频片段的缓存和转码。然而，为了提高基站的计算能力，移动边缘计算（MEC）[7]作为一种有前途的技术集成到基站实现视频转码是有必要的，因为它能够支持敏捷和普遍的计算服务，使得基站具有云计算的能力。此外，转码，缓存和多播的联合优化至关重要，因为缓存和计算的过程值和结果值都取决于通信。
因此，在这篇文章中，在异构网络（HetNets）中基于ICN和MEC的联合设计旨在支持大规模的视频内容传送。请注意，ICN，MEC和多播技术的异质性给联合设计的实现带来了较大的挑战，多种功能和资源的共存与合作需要合理和复杂的管理方法。因此，在这篇文章中，i）提出了一种新颖的结合ICN和MEC技术的异构网络虚拟化架构，用于视频转码，缓存和多播，其中由于其可编程和集中控制特性，无线网络虚拟化[8]被认为是一种有前景的可以简化网络管理的技术；ii）在设计的框架中，制定虚拟多资源分配方案以最大化计算，缓存和通信的效用，其中ICN和MEC的功能可以相互支撑和增强。
支持转码、缓存和多播异构网络虚拟化
图1显示了用于转码，缓存和多播的异构网络虚拟化框架。异构网络的物理结构由多个具有不同无线接入技术的网络提供商[9]组成，如无线局域网（WLAN）和3GPP-LTE。虚拟化过程可以将具有丰富物理资源的物理异构网络转换为多个虚拟网络。在传统网络中，整个系统被设计用于支持不同类型服务的传统网络，而虚拟化异构网络可以只关注一种类型的服务，并带来更好的用户体验。如图1所示，根据多播组的服务质量（QoS）要求和内容的属性创建两个虚拟网络。诸如文本之类的个人服务以及诸如语音呼叫和视频会议之类的实时服务可以在没有缓存和计算功能的传统虚拟异构网络中执行，如虚拟网络2，因为这种服务的内容是私人的，重用概率较低。虚拟ICN/MEC使能的异构网络，如虚拟网络1，在视频流媒体的服务上有更具体的应用。我们假设将不同多播组所需的视频内容编码为不同比特率的多个版本，以适应复杂的网络条件并满足各种设备要求。在ICN的帮助下，具有较高流行度的视频内容版本可缓存在基站中，以减轻回程链路的使用量。在MEC的帮助下，一些视频版本不需要缓存，并且可以直接从已经缓存的版本转码。
通过这种方式，每个基站需要解决两个问题：i）对于一个视频内容，存储哪些版本会更有价值？ii）选择哪些版本进行计算（转码）？这两个问题的解决方案导致两种选择性的成本：缓存成本和计算成本。请注意，这两种成本是相互竞争的。如果基站具有更大的存储容量，则可以缓存更多的视频版本，从而降低计算概率和计算成本。相反，如果为基站分配更多的计算资源，则需要缓存的视频版本减少，从而可以节省存储空间，导致更低的缓存成本。
图2.1 结合ICN和MEC的HetNets虚拟化框架
虚拟多资源分配策略
系统模型
考虑多无线接入方式的异构网络，请求相同视频流量的用户属于同一个多播组。所有多播组和基站的集合分别表示为和，并且表示多播组中的用户集合。在所提出的系统模型中，移动虚拟网络运营商（MVNO）能够为每个虚拟网络分割和租赁物理资源，从而更好地满足每个虚拟网络的不同用户的QoS需求。为了访问所需的服务，每个多播组需要选择一个合适的网络并向MVNO支付接入费用。设为指示连接指示变量，表示多播组中的用户与基站关联；否则为。另外，设为基站为多播组分配的带宽。假设每个视频内容都可以转码为具有不同比特率的个版本。如果多播组与基站相连，则基站需要根据每个视频版本的流行度分布来确定是否缓存所需视频内容的每个版本。设表示缓存指示变量。 意味着多播组所需的视频内容的版本缓存在基站;否则。
与单播网络相比，通过多播技术可以将相同的视频内容从基站传输到相同频段的同一多播组中的多个用户。组中每个基站到用户的信道系数表示为，并假定为i.i.d具有零均值和方差的复高斯随机变量。
定理1：基站的可达到的平均容量可以定义如下：
证明：基站的多播组中的最小信噪比（SINR）由下式定义：
其中，，，和分别表示基站的发射功率和噪声功率。的概率密度函数是，因此，的累计分配函数为：
其中是每个多播组的用户用户数量。假设每个基站的可实现的平均容量定义为：，因此，的累计分布函数为：
其中，是基站接入多播组的平均总数。的概率密度函数为：
因此，每个基站的可实现的平均容量可以被计算为：
其中表示指数积分函数。
假设流行度的分布由以下向量表示：，网络中分布有多种流行度的类视频内容。也就是说，每个视频内容以概率独立地被请求。一般来说，被建模为Zipf分布，其中是一个正值，可以表征内容的流行度。较高的值对应于更高级别的内容重用。 对于我们的业务模型，如果多播组所需的内容版本是已知的，则可以直接从导出。
根据潜在的优势，一些所需的视频内容版本可能由于其较低的普及性和有限的存储空间而不能在基站缓存，因此基站需要在MEC服务器的帮助下将已经缓存的版本转码为特定版本。 我们假设多播组所需的版本是，然后转码成具有比特率的版本的计算成本可以计算为，其中是基站的计算消耗的单位价格。
现在相应的内容版本已准备好发送到每个多播组。基于香农公式，与基站关联的多播组最小可实现的频谱效率表示为。因此，与基站关联的多播组的总可实现频谱效率由定义，如果多播组与基站关联，可实现的通信速率的增益可以计算为，其中表示多播组的单位接入费。
问题建模
优化问题是为了最大化移动虚拟网络运营商的总收入而制定的，包括通信收入，缓存收入和计算收入。 优化问题可以用数学方法建模为：
C1限制每个多播组只能与一个基站关联。为了确保每个多播组都能获得所需的内容，C2确保基站至少缓存了一个所需内容的版本。C3，C4和C5保证所分配的虚拟资源不能大于每个BS的总缓存空间，计算工作量和通信带宽。目标函数可以表示为：
其中三个附加项分别表示一佛那个虚拟网络运营商的通信收入，缓存收入和计算消耗。在本文中，我们关注虚拟网络运营商的利润，它包含收入和成本。首先，移动用户需要向运营商支付接入费，以便他们可以获得服务，这部分可以看作是通信收入。其次，运营商需要向基站租用回程链路带宽和存储空间，然后将这些物理资源分割为虚拟网络。一旦将视频内容缓存在基站中，如果将来某些用户请求相同的内容，则会节省回程消耗。因此，缓存收入可以看作是节省的回程消耗与存储空间的租赁费之间的差额。最后，如果用户请求的版本没有在相连的的基站上缓存，则MEC服务器需要将已经缓存的版本转码为所需版本；因此，计算收入可以被看作计算消费的负值，其被定义为运营商的计算成本。综上所述，本文提出的方案能够根据运营商的潜在利润联合优化虚拟多资源分配问题。
为了使非凸问题易于处理，我们OP1中的和放宽为实值变量，取值范围分别是和。 放宽和的取值范围是有理由的，因为它们可以被解释为有意义的时间分数。之后，在OP1中我们定义了和。 很明显，经过上述过程问题可以很容易地恢复到原来的问题OP1。现在，原始问题OP1被重新表述为一个凸优化问题。原始的双重内点法用于找出最优解，由于篇幅的限制，此处不再赘述。在获得问题的最优解后，我们使用随机舍入方法来恢复二元指标。
仿真结果和讨论
考虑一个多接入方式的异构网络，其中所有用户都随机分布在网络的覆盖范围内。从基站到用户的无线信道服从瑞利衰落。假设d是每个用户与基站之间的距离，并且路径损耗指数alpha;等于4。所有信道系数分布为。在仿真中，除非特别说明，否则存在2个基站和4个多播组，其中每个组包含4个用户。表1中总结了其余参数的取值：
|
参数 |
取值 |
参数 |
取值 |
|
|
1 |
|
5 |
|
|
40,20 Mb |
|
5 |
|
|
2 Mb |
|
1Mb/s |
|
|
20,40 units/Mbps |
|
1 units/Mbps |
|
|
100,200 units/Mbps |
|
100,200 units/Mbps |
|
|
27dBm |
|
-174dBm |
图4.1 不同方案对比
图2说明了所提出的方案与不同替代方案的性能比较。显然，提出的方案明显优于备选方案，特别是当多播组总数很大时。通过将信息中心网络技术集成到虚拟化的异构网络中，移动用户所需的内容有机会存储在基站中；从而推动回程带宽的缓解，带来更高的缓存收入。 通过将MEC技术与ICN技术集成到虚拟化异构网络中，基站能够选择适当版本的所需内容进行存储，从而能够进一步增加缓存收入。
图4.2 不同缓存参数的仿真
图4.3 不同计算参数的仿真
图3和图4分别显示了缓存参数和计算参数对MVNO的缓存收入和计算成本的影响。从图3我们可以看出，分配给每个基站的存储空间越多，对于每个视频内容来说，存储的版本越多，可以节省更多的回程消耗并且也导致较低的计算概率；从而带来更高的缓存收入和更低的计算成本。而且，随着视频内容大小的增加，每个内容的更少版本可以被存储在基站处;从而带来较低的缓存收入和较高的计算成本。从图4可以看出，随着分配给每个基站更多的计算资源，要存储在每个基站的版本的选择可以更加灵活，并且带来更高的缓存收入。但是，这也会导致更高的计算概率；从而增加了计算成本。此外，随着每个内容比特率的增加，计算成本肯定会增加，因此会降低缓存策略的灵活性，导致缓存收入降低。
结论
在这篇文章中，我们设计了一个以信息为中心的视频多播异构网络的新框架，其中MEC技术与基站集成在一起，因此一些所需视频内容的特典版本可能不需要在基站上缓存。 之后，我们研究了用于计算，缓存和多播的虚拟资源分配方案，并且给出了仿真结果以证明该方案的有效性。
参考文献
- K. Poularakis, G. Iosifidis, V. Sourlas, and L. Tassiulas, “Exploiting caching and multicast for 5G wireless networks,” IEEE Trans. Wireless Commun., vol. 15, no. 4, pp. 2995–3007, Apr. 2016.
- C. Fang, F. R. Yu, T. Huang, J. Liu, and Y. Liu, “A survey of green information-centric networking: Research issues and challenges,” IEEE Commun. Surveys Tuts., vol. 17, no. 3, pp. 1455–1472, 3rd Quart., 2015.
- G. Gao, Y. Wen, and J. Cai, “vCache: Supporting cost-efficient adaptive bitrate streaming,” IEEE Multimedia Mag., vol. 24, no. 3, pp. 19–27, Aug. 2017.
-
M. Tao, E. Chen, H. Zhou, and W. Yu, “Content-centric sparse multicast beamforming for c
全文共6449字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15938]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
