专利名称：联合控制信息动态管理的分布式资源调度方法
技术领域：
本发明涉及的是一种用于联合控制信息动态管理的分布式资源调度方法，具体是以一般的无线多媒体传感器网络为研究对象，研究受限因子与网络性能之间的映射关系，并利用部分可观的马尔科夫决策理论建立受限因子动态预测模型。利用部分采样近似理论，获得控制信息发送量、发送频率和受限因子之间的关系。在此基础上，实现联合控制信息动态管理的分布式资源调度。
背景技术：
目前针对无线多媒体通信的资源调度方案主要从两方面入手:一是根据多媒体业务的自身特性进行调度，如特定媒体参数相关的速率分配机制，基于拥塞避免的接入控制，期限感知的调度机制等；另一类则是根据无线网络的QoS特性进行调度，如自适应调度算法和多径调度算法等。但值得注意地是，以上资源分配算法均建立在网络状态信息已知这一强假设条件上。显而易见，这一假设往往在实际的应用场景中难以成立。例如:在无线多媒体传感器网络中，由于节点受到地形、干扰等外界因素的影响，节点间的控制信道往往是受限的，这使得节点并不能完全知道其邻居节点的状态信息。现有研究多认为节点间可以通过数据包重传方式保证网络状态信息对各节点的透明性，使得控制信道是完美的。然而，考虑到多媒体通信的实时性，以及传感器网络能量受限等特点，重传机制由于会导致额外的时延和能量开销，并不贴合实际。同时，由于忽略了控制信道不确定性对多媒体资源分配的设计和实现性能的影响，现有调度算法并不适用于直接扩展至控制信道受限的情况。在控制信道受限情况下，传统的视频调度算法表现并不理想，与完美控制信道相比，视频质量显著下降。因此，我们需要在今后的资源调度算法的设计中正视控制信息缺失的事实，通过节点自身的学习、感知等方式，以减缓控制信道受限对多媒体通信质量的影响。一言蔽之，我们会面临这样的问题:怎样利用部分的网络状态信息来实现多媒体通信中的资源分配或调度？迄今为止，人们已经提出一些方法来分析网络状态信息对通信质量的影响，但是如何进一步刻画各种信息的不完整性或不确定性对无线视频通信质量的影响，进而提高资源分配算法的普适性和鲁棒性是亟待解决的问题。针对部分的网络状态信息，学术界当前对控制信道受限的研究，主要集中在以下四个方面:1)节点状态信息的量化误差在不可靠的控制信道中的传输；2)由于控制信道的有限容量而导致的控制信息的丢包；3)由于网络资源竞争机制而导致的控制信道受限；4)由于控制信息重传机制而造成的调度偏差。以上四点均会直接影响多媒体资源分配的性能。然而，目前大部分调度算法只考虑了部分限制的影响。如何综合考虑以上四点来刻画实际的受限控制信道仍然是一个值得深入研究的问题。。鉴于此，如何根据控制信道受限情况的不同，在部分可观的马尔科夫决策理论框架下建立控制信息动态管理模型，具有一定的理论挑战。在此基础上，如何设计联合控制信息动态管理的分布式资源调度机制，以实现控制信道受限情况下的高效的分布式资源管理和分配，需要进一步加以研究解决。
发明内容
本发明的目的在于克服现有技术的不足，提出了一种适用于联合控制信息动态管理的分布式资源调度方法，从而降低了复杂度，减小了在此期间的资源占用。在此基础上，设计了联合控制信息动态管理的分布式资源调度机制，以实现流媒体传输质量与控制信息选取和发送之间的最优折衷。本发明是通过以下技术方案实现的:
第一步:引入受限因子来刻画受限的控制信道，其中，2 = 0表示控制信道完全受限，而2=1代表控制信道不受限。以无线多媒体传感器网络为研究对象，建立吞吐量、丢包率和延迟综合考虑与I之间的映射关系，其中吞吐量和丢包率可通过简单网络管理协议SNMP获得，延迟信息可通过因特网控制报文协议ICMP得到，以此描述当前控制信道的受限情况；
第二步:将受限因子I区间间隔化为 段，对于其中某一区段毛利用部分采样近似理论，构建控制信息发送量^!和发送频率/的可行域S(馬)，并且使用渐进修正工具，使得可行域货毛)满足Convex Hull条件；
第三步:通过定义不可靠链路下的控制信息状态空间和状态转移概率，利用部分马尔科夫决策理论建立动态的Λ预测模型，从而估计未来一段时间内的受限因子值，以减少对I的预测次数；
第四步:建立基于A预测模型的控制信息动态管理模型，具体包括对控制信息发送内容的选择和发送频率的确定，特别地，在控制信息发送内容的选择上，需尽可能优先保证“有用”的控制信息的发送，对于“有用”信息，可以定量分析为:将控制信息分类标记，按每类控制信息所对应的相邻时刻的状态变量的相对变化幅值大小，记力α来确定；具体步骤如下:
1)确定当前Jl所属的受限因子区间对应的可行域與為)，建立视频失SjD与控制信息发送量i和发送频率/之间的函数关系式足/)，则可得控制信息发送量和发送频率的优化分配值为
权利要求
1.一种联合控制信息动态管理的分布式资源调度方法，其特征在于: 第一步:引入受限因子来刻画受限的控制信道，其中，Λ = 0表示控制信道完全受限，而I = 1代表控制信道不受限；以无线多媒体传感器网络为研究对象，建立吞吐量、丢包率和延迟综合考虑与a之间的映射关系，其中吞吐量和丢包率可通过简单网络管理协议SNMP获得，延迟信息可通过因特网控制报文协议ICMP得到，以此描述当前控制信道的受限情况； 第二步:将受限因子 区间间隔化为《I段，对于其中某一区段；，利用部分采样近似理论，构建控制信息发送量j和发送频率/的可行域S(為)，并且使用渐进修正工具，使得可行域5(毛)满足Convex Hull条件； 第三步:通过定义不可靠链路下的控制信息状态空间和状态转移概率，利用部分马尔科夫决策理论建立动态的A预测模型，从而估计未来一段时间内的受限因子值，以减少对I的预测次数； 第四步:建立基于I预测模型的控制信息动态管理模型，具体包括对控制信息发送内容的选择和发送频率的确定，特别地，在控制信息发送内容的选择上，需尽可能优先保证“有用”的控制信息的发送，对 于“有用”信息，可以定量分析为:将控制信息分类标记，按每类控制信息所对应的相邻时刻的状态变量的相对变化幅值大小，记为α，来确定；具体步骤如下: 确定当前Jl所属的受限因子区间对应的可行域辦為)，建立视频失真I}与控制信息发送量j和发送频率/之间的函数关系式则可得控制信息发送量和发送频率的优化分配值为
全文摘要
联合控制信息动态管理的分布式资源调度方法，具体是以一般的无线多媒体传感器网络为研究对象，研究受限因子与网络性能之间的映射关系，并利用部分可观的马尔科夫决策理论建立受限因子动态预测模型。利用部分采样近似理论，获得控制信息发送量、发送频率和受限因子之间的关系。在此基础上，实现联合控制信息动态管理的分布式资源调度。
文档编号H04W72/12GK103188813SQ20131005851
公开日2013年7月3日 申请日期2013年2月25日 优先权日2013年2月25日
发明者周亮, 吴丹, 陈建新 申请人:南京邮电大学