基于特性篩選的網絡視頻納什優化機制研究*

李如平，王　勇，徐珍玉

?

基于特性篩選的網絡視頻納什優化機制研究*

李如平1,2+，王勇3，徐珍玉4

1.合肥工業大學計算機與信息學院，合肥230009
2.安徽工商職業學院電子信息系，合肥231131
3.合肥工業大學機械與汽車工程學院，合肥230009
4.農業部農業物聯網技術集成與應用重點實驗室，合肥230088

ISSN 1673-9418 CODEN JKYTA8

Journal of Frontiers of Computer Science and Technology 1673-9418/2016/10(05)-0657-10

http://www.ceaj.org Tel: +86-10-89056056

* The National Natural Science Foundation of China under Grant Nos. 40876052, 60543002 (國家自然科學基金); the National Science and Technology Innovation Fund Project of China under Grant No. 11C26213402042 (國家科技部創新基金項目); the Key Project of Natural Science Research in Anhui Universities under Grant Nos. KJ2015A389, KJ2015A450, KJ2016A081 (安徽省高校自然科學研究重點項目); the Foreign Scientific and Technological Cooperation Project of Anhui Province under Grant No. 1403062028 (安徽省對外科技合作計劃項目); the Key Project of Discipline (Professional) Talents Academ ic Funding in Anhui Universities under Grant No. gxbjZD2016094 (安徽省高校學科(專業)拔尖人才學術資助重點項目).

Received 2015-05,Accepted 2015-09.

CNKI網絡優先出版: 2015-12-09, http://www.cnki.net/kcms/detail/11.5602.TP.20151209.1414.006.htm l

LI Ruping, WANG Yong, XU Zhenyu. Research on op tim ization m echanism of network video based on feature selection for Nash. Journal of Frontiersof Com puter Science and Technology, 2016, 10(5)：657-666.

摘要：為解決異構網絡環境下網絡視頻傳輸中難以實現均衡傳輸，以及視頻質量難以滿足用戶主觀需求等難題，提出了基于特性篩選及異構網絡帶寬選擇的網絡視頻數據納什均衡優化機制。首先通過對當前用戶視頻數據進行基于參數的特性篩選，并通過定義裁決評價矩陣來計算參數權值矢量，從而對網絡狀況進行動態評估，以便選擇適合網絡進行傳輸；然后采用納什均衡優化機制，構建效益函數并采取迭代算法獲取納什均衡解，從而得到最佳帶寬。仿真實驗表明，與BRA-PMEM（bandw idth resource allocation mechanism in pure market economy model）機制相比，新機制在用戶視頻特性及網絡處于異構狀態時，更能有效降低用戶視頻體驗誤差程度，改善用戶PSNR（peak signal to noise ratio），提高網絡的利用效率。

關鍵詞：異構網絡；視頻特性；納什均衡；裁決評價矩陣；效益函數；最佳分配帶寬

1 引言

隨著云網絡技術的不斷演進，未來網絡業務存在的環境也日趨復雜，各種網絡流將依托各種通信技術組成的多維無線異構網絡來為用戶提供各種基于大數據的通信信息服務，從而通過各個組成網絡的協同來滿足不同的用戶需求[1]。在這些通信信息服務中，各種高清實時視頻業務成為最熱門、最核心及利潤增長最快的業務類型之一[2]。由于無線網絡環境的不穩定性以及異構環境下網絡業務切換的非平滑特性，需要根據實時的需要以及對當前環境進行合理判斷來為用戶業務切換最合適的用戶鏈路及用戶網絡，并提供最佳的保障資源，特別是帶寬資源[3]。同時，在實時高清視頻業務等的刺激下，各個運營商也相繼投入大量資源保障網絡切換質量及帶寬，以便在實時高清視頻業務領域占據一席之地。

當前，研究者在該領域中主要研究在異構網絡環境下如何完成帶寬資源的分配[3]，對于視頻業務在異構網絡環境下的帶寬資源優化分配研究較少，主要是從博弈論角度來改善用戶競爭，采取市場經濟模型來控制帶寬資源的分配。如Niyato等人[4]提出可以從非合作方面來進行博弈建模，在組成異構網絡的無線網絡情況較為簡單時，可以有效地解決高帶寬業務的帶寬資源分配問題，但是用于實時高清視頻領域時，由于對實時性及糾錯程度考慮不夠，當視頻業務帶寬持續增長時，會造成嚴重的視頻失真現象。Joy[5]提出在高帶寬業務中需要根據業務與網絡環境進行實時博弈，利用視頻業務失真模型來對不同質量視頻實現不同層次的保障，使其在單一無線網絡環境中可以實現近似100%程度的業務質量保障。但是該技術在多個無線網絡構成的異構網絡中，當網絡環境趨向復雜時，導致業務難以進行平滑切換，往往造成視頻業務中斷和卡頓現象的發生。Saaty[6]基于市場經濟模型提出一種按照用戶效用最大原則進行資源分配的機制，采取分布式的迭代思想，根據用戶業務最優市場價格及當前最佳帶寬資源匹配機制，實現單一時刻視頻業務流的資源最優匹配。但是該機制僅考慮了單一用戶業務的需求，難以根據不同的用戶視頻特性進行最佳網絡切換及業務的平衡切換。

針對當前研究中遇到的這些問題，本文提出了基于特性篩選及異構網絡帶寬選擇的網絡視頻數據納什均衡優化機制（network video data Nash equilibrium optimization mechanism based on feature selection and heterogeneous network bandw idth selection，BFSS-NS）。首先依據用戶視頻特性進行特性篩選，采用參數權值矢量對網絡狀況進行動態評估后，選擇最佳的網絡進行傳輸；然后采用納什均衡優化機制構建效益函數，采用迭代算法獲取納什均衡解，從而得到最佳帶寬。最后，測試了本文機制的網絡性能。

2 網絡模型及視頻模型分析

異構網絡中視頻業務承載的網絡結構如圖1所示，在一定的業務承載區域內，由若干個處于異構狀態的無線網絡構成。這些無線網絡共同承載視頻業務的正常進行[7]。此外，在該業務承載區域內，存在若干個使用多種接入終端工具的用戶，這些用戶可以自由選擇任意的接收方式來進行視頻業務的體驗[8]。

Fig.1 Video service bearer network圖1 視頻業務承載網絡

對于任意一個用戶而言，在某一時刻只能選擇某個網絡接入方式來體驗視頻業務。設Bi為某個用戶i在進行視頻訪問時所享用的帶寬。令B=(B1, B2,…,Bi,…)為業務承載區域內全部用戶同時進行視頻體驗時所需要的帶寬矢量。對用戶i而言，其帶寬區間記為(Bi min,Bi max)，顯然Bi滿足如下的表達式：

Bi∈(Bimin,Bimax)（1）

假設整個業務承載區域內的某個組成網絡j在任意時刻的接入用戶數量為k，j所能提供的最大可接入視頻業務帶寬為cj，顯然保證用戶能夠流暢體驗視頻的必要條件為：

為獲取更流暢的用戶視頻業務體驗，并減少業務傳輸過程中因干擾而造成的體驗下降現象，需要建立客觀的評價方法來對此進行評估。當前主要是采用峰值信噪比（peak signal to noise ratio，PSNR）來評價干擾信號對視頻信號的影響程度。PSNR計算模型為：

其中，D為實際視頻流信號與未受干擾的視頻流信號的相差程度。

任意視頻信號在發送之前需要進行壓縮編碼傳輸，因此D的數學表達式與傳輸選擇采用的編碼方式密切相關。本文選用H.264壓縮編碼標準，該標準是目前視頻業務中使用最為廣泛的視頻壓縮編碼標準[9]。故D計算模型為：

D=αR-β（4）

其中，R為視頻業務信號在進行H.264壓縮編碼時的輸出碼率；α和β為失真參數，由視頻業務信號被壓縮編碼后形成的數字信號序列的特征所決定。

在不同時刻，視頻業務信號的數字信號序列特征及失真參數的具體數值都是不同的[10]。結合模型（3）、（4）可以得到用戶i在享用帶寬Bi時的視頻體驗質量PSNRi滿足：

其中，m=10/ln10；αi為用戶的單位時間像素損失水平；βi為用戶i在享用帶寬為Bi時的失真參數，一般取5以下的數。

3 網絡視頻數據納什均衡優化機制

3.1最佳接入網絡的確定

BFSS-NS機制中使用多維決策來對用戶接入網絡進行切換，在接入網絡給用戶分配帶寬資源時，需要根據當前接入用戶的PSNRi、享用帶寬Bi和網絡狀況等參數最終決定用戶到底選擇哪個接入網絡來進行視頻業務體驗。由于不同的影響因素對用戶最終做出的選擇影響不同，本文機制對這些影響因素所決定的特性參數采用層次與權值方式來確定各自所占權重。

3.1.1特性參數的選取

網絡數據視頻體驗是一種用戶主觀體驗，因此難以具體使用量化指標進行參數評估。鑒于當前用戶觀看視頻過程中主要由用戶觀看誤差程度（卡頓、馬賽克等），用戶觀看時所處的網絡狀況，以及用戶為觀看網絡視頻所能忍受的最大視頻失真等因素決定用戶體驗，并考慮到視頻業務的特性及接入網絡所能提供的視頻服務情況，本文使用如下的參數作為網絡切換時的特性參數：用戶視頻體驗誤差程度d，當前接入網絡剩余可利用的帶寬大小e，用戶視頻體驗代價f，以及當前接入網絡的網絡負載大小h。一般而言，用戶視頻體驗誤差越小，網絡可利用帶寬越高，用戶視頻體驗代價越小，以及接入網絡負載越小，則本文機制改善視頻業務的能力越強。若用戶滿意程度的最低閾值為PSNRmin，顯然當用戶視頻體驗質量PSNRi小于PSNRmin時，視頻業務將不能滿足用戶體驗需求。依據模型（3）可知，用戶i在網絡j提供享用帶寬為Bi時的視頻誤差由αi和βi所決定：

定義h(i,j)為Bmax與Buse之比，即h(i,j)=Bmax/Buse。顯然，對于任意用戶i在接入網絡為j時，h(i,j)的比值越大，則網絡的負載情況也就越佳。當h(i,j)=1時，網絡處于不可用狀態，用戶必須切換到其他處于可用狀態的網絡中。

用戶進行視頻體驗時主要承受的代價為時延成本，即對于任何視頻而言，一旦緩沖時間過大，將極大地影響用戶觀看視頻。用戶i視頻體驗代價f(i,j)為：

f(i,j)=aTi（9）

其中，a為比例系數，滿足a∈(0,1)；Ti為用戶i所能接受的最大時延。

對于任意用戶i而言，在接入網絡為j時，整體特性參數矢量R為：

R=[d(i,j),e(i,j),f(i,j),h(i,j)]（10）

特性k的大小就是整體特性參數矢量在對應特性維度上的投影R，記為Rk,j，其中k∈(d,e,f,h)。

3.1.2特性參數權重的計算

視頻質量評價最終要體現在用戶的感官體驗上，因此對于一個視頻，在即將播放前用戶會主觀進行質量的層次劃分，特別是視頻存在多個評價參數時，用戶選取的評價指標隨著視頻業務的體驗可能會隨之改變；而且用戶會通過自己主觀體驗來對參數進行對比。據此，本文建立裁決評價矩陣來計算各個參數對用戶的權重矢量。

記裁決評價矩陣I=[Imn]，m和n為評價參數，Imn表示m比n重要的程度且滿足Imn與Inm互為倒數。當m和n為同一評價參數時，Imn=2，當m和n為不同的評價參數時，Imn可用修正薩蒂標度（RSI）來賦值。表1為業務質量評價層次賦值表。

Table 1 Business quality evaluation hierarchy表1 業務質量評價層次賦值表

由于對視頻業務的評價需要綜合考慮業務本身的指標以及用戶的主觀判斷指標，對于用戶視頻體驗誤差程度d、接入網絡剩余可利用的帶寬大小e、用戶視頻體驗代價f以及接入網絡的網絡負載大小h而言，用戶的敏感程度是不一樣的。其中用戶對d指標最為敏感，例如一旦視頻中出現卡頓和馬賽克，會嚴重影響視頻體驗；其次，如果網絡剩余帶寬很小，那么直接影響到下一時刻用戶對d指標的體驗，而當前接入網絡的負載大小一般不直接影響用戶的視頻體驗，因此對用戶而言，重要程度按d、e、f、h順序依次遞減。因此裁決評價矩陣I可寫為表2的形式。

Table 2 Ruling evaluation matrix表2 裁決評價矩陣I

當上述裁決評價矩陣I為理想狀態下的裁決評價矩陣時，其特征值就是該矩陣的階數。而實際得到的裁決評價矩陣中的元素一般不是整數，例如理想狀態下Ide為4，表示對用戶而言，指標d比e稍微重要，但用戶主觀評價上可能會認為比稍微重要的層次還要低一些，因此可能實際中Ide的數值就為3.5。在得到裁決評價矩陣后，還需要根據特征值和特征向量來判定實際得到的裁決評價矩陣I與理論上的最大偏移程度CI。CI計算模型如下：

其中，n為裁決評價矩陣的階數；ν為裁決評價矩陣最大的特征值。

顯然當實際得到的裁決評價矩陣為理想情況時，CI的數值為0。對于四階矩陣而言，當CI數值滿足CI<0.05時，即可認為裁決評價矩陣I可以精確地刻畫用戶對視頻業務體驗的契合程度，否則，需要繼續進行用戶體驗調查，直到CI數值滿足CI<0.05。

當CI<0.05時，每個特征參數的權重wx可由下式計算得到：

其中，x∈(d,e,f,h)。

對wx進行平均處理可以得到：

據此，可以得到裁決矩陣的權重矢量w計算模型為：

為在統一尺度上進行參數處理，在進行網絡接入時，整體特性參數矢量R在對應特性維度上的投影Rk,j需要進行歸一化處理為----Rk,j：

其熵值Rk為：

故整個特征參數的權值矢量w′滿足w′=[wd, we,wf,wh]。依據上述模型，最終得到的特征參數總權重矩陣wall由下列表達式計算獲得：

其中，μ為一常數，取值在0到1之間。

根據模型（17）可知，對于網絡j而言，用戶選擇程度Mj滿足：

其中，k∈(d,e,f,h)。

如果整個業務承載區域內有n個子網絡，那么用戶選取當前時刻Mj最大的網絡j，即最能滿足用戶視頻體驗的網絡。

在確定接入網絡之后，即可通過合適的效益函數來實現對最佳分配帶寬的計算，從而保證用戶在最佳網絡中能夠以最佳帶寬進行用戶視頻體驗。

3.2效益函數的納什均衡解計算與最佳分配帶寬的獲取

當某一用戶選取當前時刻Mj最大的網絡j后，網絡j并不展現排他性，即網絡j在剩余帶寬允許的范圍內，依然會為新加進來的用戶提供視頻帶寬服務。各個用戶之間會對網絡j的視頻帶寬資源進行博弈，以期望能達到最佳的視頻體驗效果。

對于任意一個用戶i在實現PSNRi時，需要占用一定的帶寬資源Bi。設網絡j在最終時候有J個用戶，因此對任意一個用戶i，其效益函數fi(Bi)滿足：其中，f1i(Bi)為用戶i在進行視頻體驗時的效益水平PSNRi；f2i(Bi)為用戶i在進行視頻體驗時能承受的最大時延水平；f3i(Bi)為用戶i在進行視頻體驗時所占用的帶寬資源水平。

根據市場經濟學理論[11-12]，f1i(Bi)會隨著時間的推移呈現邊際效益遞減的現象，即當用戶獲取的帶寬資源水平Bi不斷增加時，f1i(Bi)呈現對數式的下降趨勢，依據模型（4），可得：

因此，在網絡能提供的帶寬受限的情況下，整個問題歸結為如下的命題：

其中，各項參數定義與模型（1）～（2）相同。

對于網絡中任意一個用戶i，其對應的帶寬分配策略滿足Bi∈[Bimin,Bimax]。因此，對整個集合{Bi}在歐式空間上滿足是非空閉合且存在上下確界的集合；此外fi(Bi)為一連續的擬凹函數，對fi(Bi)求Bi的兩次偏導數可得：

顯然，fi(Bi)滿足：

根據數學理論可知，fi(Bi)存在納什均衡解，由于fi(Bi)″<0，從而fi(Bi)在成立集合{Bi}上為嚴格的凹函數，則fi(Bi)存在唯一的極大值Bi，使得任意一個用戶總能獲取最佳的分配帶寬，以便完成用戶視頻體驗，即本文提出的BFSS-NS機制存在唯一的納什均衡解。

設當前時刻為t，則下一時刻t+1時，用戶享用的帶寬Bi(t+1)滿足如下的迭代表達式：

由于fi(Bi)為嚴格的凹函數，在{Bi}集合中總能通過收斂達到最佳的納什均衡解。

綜上所述，本文BFSS-NS機制具體步驟為：

步驟1首先確認接入的用戶i為有效用戶。

步驟2對于任意一個有效用戶i，根據PSNRi以及αi和βi，聯合模型（5）～（7），計算出當前網絡剩余帶寬；由模型（10）計算出網絡的整體特性參數矢量R。

步驟3獲取裁決評價矩陣I，通過模型（11）～ （14）計算得到裁決評價矩陣的權重矢量w，聯合模型（10）、（15）、（16）、（17）計算得到整個特征參數的權值矢量w′，求得特征參數總權重矩陣wall后，根據模型（19）求得用戶選擇程度Mj，選取Mj最大所對應的網絡j作為接入網絡。

步驟4選擇完接入網絡j后，將分配帶寬Bi初始值設定為網絡最小可提供的帶寬Bimin，根據模型（26）計算出迭代時的帶寬步長，當滿足|Bi(t+1)-Bi(t)|≤ε時，本文機制終止，用戶i已經獲取到了最佳分配帶寬（其中ε為系統最小帶寬的精確度）。

通過以上步驟可以看到，本文在確認用戶為有效用戶后，基于視頻特性參數計算獲取整體特性參數矢量，之后結合裁決評價矩陣及用戶選擇程度來獲取最佳的接入網絡。為保障用戶在最佳接入網絡中可以獲取最佳的分配帶寬，采用了基于迭代的思想逐步迭代到納什均衡解，即最佳分配帶寬，從而確保用戶在獲取最佳接入網絡的情況下，能夠獲取到最佳分配帶寬。

4 仿真實驗與分析

本文仿真場景設定為6個相互融合的無線網絡所組成的用戶承載網絡，用戶可以自由選擇任意一個無線網絡進行視頻業務體驗，并借助Matlab進行測試。為驗證本文BFSS-NS機制的有效性，將當前視頻業務中廣泛適用的單純市場經濟模型帶寬資源分配機制（bandw idth resource allocation mechanism in pure market economy model，BRA-PMEM）[13-15]視為對照組。BRA-PMEM機制在當前改善網絡視頻服務中被各個主流視頻網站所采用，能夠在用戶競爭較少時，有效改善視頻業務質量，具有良好的代表性。該模型可以基于單純的市場效益對帶寬資源進行均衡化分配，且采用了線性規劃思想，能在網絡狀況處于穩定狀態時對帶寬壓力及時做出反饋，因此將BRA-PMEM機制視為對照組。本文將用戶視頻按照表3所示8種等級進行輸入。

Table 3 Simulation parameters of video service level表3 視頻業務等級的仿真參數

上述視頻水平分別代表不同質量的用戶視頻需求，αi表示單位時刻用戶視頻最大損失像素點水平，βi為失真參數，均采用H.264壓縮編碼。為進行對比，用戶體驗的最高和最低帶寬均被設置成等差數列。

本文設置了7種不同的網絡環境，考慮到用戶視頻體驗主要是時延和帶寬，因此7種網絡環境均是根據時延和帶寬來進行設置，見表4。其中，迭代補償ψi取2.5 Kb。

Table 4 Simulation parameters of network environment表4 網絡環境仿真參數

Fig.2 Nash equilibrium state of this paper mechanism圖2 本文機制的納什均衡狀態

圖2給出了不同視頻等級下的用戶經過一定時間后都能夠達到納什均衡狀態。從圖中可知，等級5和等級6達到納什均衡狀態時所占用的帶寬水平比較高，這是因為這兩種等級的視頻由于像素缺失現象嚴重，導致網絡需要分配更多的帶寬以便修復缺失的像素。但是無論像素缺失現象是否嚴重，8種等級下的視頻均能達到納什均衡狀態。這是因為本文機制引入了納什均衡機制，使得無論像素是否缺失，在足夠的時間內都能達到這種狀態。

圖3給出了在7種網絡環境下采用本文機制與BRA-PMEM機制所對應的用戶視頻體驗誤差程度測試結果。依圖可知，本文機制的用戶視頻體驗誤差程度一直小于BRA-PMEM機制，且下降幅度也小于BRA-PMEM機制。這是因為用戶體驗程度是一種主觀評價指標，當視頻處于卡頓、馬賽克和延時等現象時，均會對用戶體驗造成嚴重的影響。因本文機制引入了納什均衡原理，初始時刻用戶分配的帶寬通過一定的時間就能達到最佳的納什均衡所確定的帶寬值，在網絡情況復雜時，提高了接入網絡對視頻接入帶寬的適應性，減小了接入網絡在接入視頻時的帶寬壓力，減輕了卡頓、馬賽克與延時等現象的發生，從而縮小了用戶視頻體驗誤差程度。而BRAPMEM機制是基于線性規劃思想的用戶帶寬分配機制，當網絡中用戶競爭數量提高導致用戶所需帶寬發生改變時，BRA-PMEM機制難以針對用戶競爭數量的實時改變而做出反饋，導致網絡不能動態確定分配帶寬，因而致使網絡帶寬資源供應緊張，對減少卡頓、馬賽克、延時等現象的能力有限，使得用戶視頻體驗較差，造成其用戶視頻體驗誤差程度要大幅度高于本文機制。

Fig.3 Test result of user?s video experience error圖3 用戶視頻體驗誤差程度測試結果

圖4給出了在7種網絡環境下采用本文機制與BRA-PMEM機制時用戶視頻的PSNR測試結果。依圖可知，本文機制與BRA-PMEM機制都會隨著網絡環境的改變而呈現上升趨勢。這是因為隨著網絡PSNRmin水平的上升，用戶的視頻PSNR所能獲取的最好PSNR水平也隨之上升，但是本文機制對應的PSNR水平一直在BRA-PMEM機制之上。這是因為本文機制引入了網絡切換機制，當某個網絡由于PSNR降低而不能滿足用戶需求時，用戶可以選擇更好PSNR水平網絡進行視頻體驗。而BRA-PMEM機制對PSNR沒有進行處理，因此難以改善用戶視頻的PSNR。

Fig.4 PSNR testing w ithout bandw idth allocation mechanism圖4 不用帶寬分配機制的PSNR測試

圖5給出了在7種網絡環境下采用本文機制與BRA-PMEM機制的用戶視頻的網絡利用率。從圖中可以看到，本文機制對網絡的利用程度遠遠優于BRA-PMEM機制。這是因為BRA-PMEM機制采用基于線性分配的機制，當前網絡被高帶寬用戶占用時，將難以通過最佳分配方式進行帶寬資源分配，從而造成嚴重的用戶等待效應。而本文機制引入了納什均衡機制，通過步長迭代實現了短時間內最佳帶寬資源的分配，因此減少了處于等待的用戶水平，提高了對網絡的資源利用效率。

Fig.5 Network utilization of bandw idth allocation mechanism圖5 各帶寬分配機制的網絡利用率

對于用戶體驗而言，在觀看某個視頻時，期望視頻資源在不同網絡中的切換時延越小越好，且在觀看視頻時，主要影響因素就是視頻時延狀況。故本文引用平衡切換時延來衡量該機制的平衡切換能力。圖6給出了7種網絡環境下本文機制與BRAPMEM機制的網絡平衡切換時延測試結果。依圖可知，隨著網絡環境的復雜程度的增加，本文機制與BRA-PMEM機制的網絡平衡切換時延均呈現增加趨勢。這是因為隨著網絡時延等指標不斷惡化，接入網絡在帶寬資源受限時對網絡視頻處理反饋上的時延也不斷增加，導致網絡平衡切換時延也出現相應的變化。但是本文機制的網絡平衡切換時延處于緩慢增加的狀態，而BRA-PMEM機制的網絡平衡切換時延增加幅度要超過本文機制。這是由于本文機制引入了納什均衡機制，在接入網絡的時延及帶寬等受限情況下，能夠對接入視頻進行優化調度，減少接入過程中的時延波動。而BRA-PMEM機制采用基于線性規劃的分配機制，在網絡帶寬受限情況下，網絡視頻處理反饋時延程度也呈現線性增加趨勢，因此在其網絡平衡切換時延的能力上要低于本文機制。

Fig.6 Network equilibrium sw itching delay test results of two mechanisms圖6 兩種機制的網絡平衡切換時延測試結果

由于網絡視頻的實時性能體現在特定網絡視頻內容所對應的視頻時延程度上，當網絡視頻實時性較好時，該視頻內容時延情況也較好[12]。故本文利用視頻內容時延來衡量所提機制的實時性。為體現本文機制的優異性并節省計算成本，選取視頻業務等級最差的第6等級（見表3），該等級視頻在實際應用中受到嚴重的馬賽克干擾。圖7給出了7種網絡環境下本文機制與BRA-PMEM機制在表3所示的第6個視頻業務等級情況下的視頻內容時延測試結果。依圖可知，本文機制的視頻內容時延處于較低水平，顯示該機制擁有較高的實時性，而BRA-PMEM機制的視頻內容時延始終高于本文機制。這是因為所提技術引入了納什均衡機制，在不同網絡條件下，視頻本身占有的帶寬水平隨著網絡狀況不斷進行動態優化，能夠有效平滑接入帶寬的波動狀況，從而減緩視頻內容時延。而BRA-PMEM機制隨著網絡條件不斷變化，相應的視頻內容時延也會呈現線性變化，當網絡狀況惡化時，視頻內容時延也會呈現正向線性變化，因此其視頻內容時延要大于本文機制。

Fig.7 Video content delay testing of each algorithm圖7 各算法的視頻內容時延測試

5 結束語

本文提出了一種基于特性篩選及異構網絡帶寬選擇的網絡視頻數據納什均衡優化機制（BFSSNS）。首先通過用戶視頻的特征參數及當前網絡的帶寬狀況，通過構建裁決評價矩陣得到選取最佳接入網絡的決定性參數，從而篩選出最佳的接入網絡。之后采用納什均衡機制得到如何通過合適的帶寬迭代步長來達到納什均衡解，即最佳的用戶分配帶寬。最后通過仿真實驗證實了在不同的網絡狀況及視頻等級質量的前提下，本文機制能夠達到納什均衡狀態，有效降低了用戶視頻體驗誤差程度，改善了用戶PSNR，提高了網絡的利用效率。

References:

[1] Howard A, Matari M J, Sukhatme G S. An incremental selfdeployment algorithm for WSN[J]. Autonomous Robots, 2014, 21(1): 113-126

[2] Nguyen D, Tran T, Nguyen T. Wireless broadcast using network coding[J]. IEEE Transactions on Vehicular Technology,2009, 58(2): 914-925.

[3] Park H, van der Schaar M. Fairness strategies for w ireless resource allocation among autonomous multimedia users[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2012, 20(2): 297-309.

[4] Niyato D, Hossain E. A game theoretic analysis of service competition and pricing in heterogeneous w ireless access networks[J]. IEEE Transactions on Wireless Communications, 2014, 7(12): 5150-5155.

[5] Joy R. A non-cooperative game-theoretic framework for radio resource management in 4G heterogeneous w ireless access networks[J]. IEEE Transactions on Mobile Computing, 2014, 7(3): 332-345.

[6] Saaty W. The analytic hierarchy process—what it is and how it isused[J]. Mathematical Modelling, 2015, 9(3): 161-176.

[7] Jiang Yong, Chen Shanzhi, Hu Bo. Stackelberg games-based distributed algorithm of pricing and resource allocation in heterogeneous w ireless networks[J]. Journal on Communications, 2013, 34(1): 61-68.

[8] Weigle M C, Cheng Li, Kaur J, et al. Generalized stochastic performance models for loss-based congestion control[J]. Computer Communications, 2014, 33(4): 513-525.

[9] Kamaci N, A ltunbasak Y, Mersereau R M. Frame bit allocation for the H.264/AVC video coder via Cauchy-densitybased rate and distortion models[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2014, 15(8): 994-1006.

[10] Zhang Qing, Liu Guizhong. Rate allocation games in multiuser multimedia communication[J]. IET Communications, 2011, 5 (3): 396-407.

[11] Li M ingxin, Chen Shanzhi, Xie Dongliang, et al. Resource allocation and adm ission control based on non-cooperation game in heterogeneous w ireless networks[J]. Journal of Software, 2010, 21(8): 2037-2049.

[12] Horm is L. Adaptive mode and diversity control for video transmission on w ireless channels[J]. IEEE Transactions on Signal Processing, 2013, 57(8): 3624-3637.

[13] Cai Lin, Shen Xuem in, Pan Jianping, et al. Performance analysis of TCP-friendly AIMD algorithm for multimedia applications[J]. IEEE Transactions on Multimedia, 2015, 7 (2): 339-355.

[14] Yrachenkov K, Ayesta U, Doncel J, et al. Congestion control of TCP flows in Internet routers by means of index policy[J]. Computer Networks, 2013, 57(17): 3463-3478.

[15] Zhou Chuan, He Junwei, Chen Qingwei. A robust active queue management scheme for network congestion control[J]. Computers and Electrical Engineering, 2013, 39(2): 285-294.

附中文參考文獻：

[7]姜永,陳山枝,胡博.異構無線網絡中基于Stackelberg博弈的分布式定價和資源分配算法[J].通信學報, 2013, 34 (1): 61-68.

[11]李明欣,陳山枝,謝東亮,等.異構無線網絡中基于非合作博弈論的資源分配和接入控制[J].軟件學報, 2010, 21 (8): 2037-2049.

LI Ruping was born in 1973. He is an associate professor at Anhui Business Vocational College. His research interests include computer application, Internet of things technology, network information and security, etc.

李如平（1973—），男，安徽肥東人，碩士，安徽工商職業學院副教授，主要研究領域為計算機應用，物聯網技術，網絡信息與安全等。

WANG Yong was born in 1969. He is a professor and Ph.D. supervisor at Hefei University of Technology, the member of Robotics Professional Comm ittee of Chinese Automation Society, the member of Robot Professional Comm ittee of China Association of Artificial Intelligence, the director of Sensor Branch of China Instrument and Instrument Society. His research interests include sensor technology, computer aided design and robot technology, etc.

王勇（1969—），男，安徽合肥人，合肥工業大學教授、博士生導師，中國自動化學會機器人專業委員會委員，中國人工智能學會機器人專業委員會委員，中國儀器儀表學會傳感器分會理事，主要研究領域為傳感器技術，計算機輔助設計，機器人技術等。

XU Zhenyu was born in 1968. He is a senior engineer at Key Laboratory of Agriculture IOT Technology Integration and Application of M inistry of Agriculture. His research interests include image processing, Internet of things technology and system analysis, etc.

徐珍玉（1968—），男，安徽合肥人，農業部農業物聯網技術集成與應用重點實驗室高級工程師，主要研究領域為圖像處理，物聯網技術，系統分析等。

Research on Optim ization M echanism of Network Video Based on Feature Selection for Nash?

LI Ruping1,2+, WANG Yong3, XU Zhenyu4
1. College of Computer and Information, Hefei University of Technology, Hefei 230009, China
2. Department of Electronic Information,Anhui Business Vocational College, Hefei 231131, China
3. College of Mechanical and Automotive Engineering, Hefei University of Technology, Hefei 230009, China
4. Key Laboratory of Agriculture IOT Technology Integration and Application of M inistry of Agriculture, Hefei 230088, China
+ Corresponding author: E-mail: lrp15@163.com

Key words:heterogeneous network; video characteristics; Nash equilibrium; ruling evaluation matrix; benefit function; optimal allocation bandw idth

Abstract:In order to solve the problems such as difficult to achieve balance transm ission, and the video quality is difficult to meet the needs of user in network video transm ission under the conditions of heterogeneous network environ-
ment, this paper proposes the Nash equilibrium optim ization mechanism of network video data based on feature selection and heterogeneous network bandw idth selection. Firstly, the dynamic evaluation of the network state is conducted to select the appropriate network for transm ission by defining the evaluation matrix to calculate the parameters weight vector and selecting the parameters based on the current user video data. Then Nash equilibrium solution is obtained by using the Nash equilibrium optim ization mechanism to construct the benefit function and iterative algorithm. The simulation results show that the proposed mechanism can effectively reduce the error level of user?s video experience and improve the user PSNR (peak signal to noise ratio), as well as increasing the efficiency of the network when the user?s video characteristic and network are heterogeneous compared w ith the BRA-PMEM (bandw idth resource allocation mechanism in pure market economy model).

doi:10.3778/j.issn.1673-9418.1509060 E-mail: fcst@vip.163.com

文獻標志碼：A

中圖分類號：TN929.5