多維吸引子構(gòu)成模型的視頻業(yè)務(wù)QoE優(yōu)化

朱慶華，陳 禹,2，常 瑩，陸鏡宇

(1.北京電子科技職業(yè)學(xué)院 電信工程學(xué)院，北京 100176；2.北京郵電大學(xué) 信息與通信工程學(xué)院，北京 100876)

0 引 言

現(xiàn)如今5G移動(dòng)通信編碼標(biāo)準(zhǔn)的確定，無(wú)線(xiàn)通信網(wǎng)絡(luò)的發(fā)展會(huì)有更廣闊的前景[1,2]。隨著無(wú)線(xiàn)多媒體通信技術(shù)和視頻壓縮技術(shù)的迅速發(fā)展和廣泛應(yīng)用，各種數(shù)字視頻應(yīng)用已經(jīng)深入人們的生活，因此對(duì)于數(shù)字視頻質(zhì)量評(píng)估技術(shù)及優(yōu)化的研究顯得尤為重要[3]。在傳統(tǒng)無(wú)線(xiàn)視頻傳輸網(wǎng)絡(luò)系統(tǒng)中，通常把帶寬(band width)、時(shí)延(time delay)、抖動(dòng)(jittering)、丟包率(packet loss rate)等服務(wù)質(zhì)量(quality of service，QoS)參數(shù)作為衡量業(yè)務(wù)質(zhì)量的指標(biāo)[4]。然而，移動(dòng)互聯(lián)網(wǎng)業(yè)務(wù)中的視頻業(yè)務(wù)，業(yè)務(wù)質(zhì)量的評(píng)價(jià)跟無(wú)線(xiàn)網(wǎng)絡(luò)物理層的傳輸參數(shù)、用戶(hù)的體驗(yàn)環(huán)境和視頻業(yè)務(wù)的特點(diǎn)有關(guān)，通常使用體驗(yàn)質(zhì)量(quality of experience，QoE)來(lái)評(píng)價(jià)用戶(hù)質(zhì)量[5]。QoE從用戶(hù)的角度來(lái)評(píng)估業(yè)務(wù)質(zhì)量，屬于業(yè)務(wù)層面和應(yīng)用的保障機(jī)制，在相關(guān)的QoS參數(shù)的基礎(chǔ)上，還結(jié)合了業(yè)務(wù)的特點(diǎn)，能夠較好地反映用戶(hù)的主觀感受，同時(shí)對(duì)于不同類(lèi)型的業(yè)務(wù)，QoS/QoE的需求也是不同的[6,7]。因此對(duì)視頻業(yè)務(wù)質(zhì)量的評(píng)價(jià)正在經(jīng)歷從QoS到QoE的轉(zhuǎn)變[8]。

為了提升未來(lái)無(wú)線(xiàn)多層網(wǎng)絡(luò)覆蓋場(chǎng)景中視頻業(yè)務(wù)QoE感知的優(yōu)化方法，本文利用生物信息學(xué)的細(xì)胞吸引子選擇算法出發(fā)提出了一種基于多維吸引子構(gòu)成模型的視頻業(yè)務(wù)流量分配策略，通過(guò)持續(xù)的反饋-調(diào)整閉環(huán)機(jī)制以自治并自適應(yīng)地改變調(diào)整該場(chǎng)景中各個(gè)無(wú)線(xiàn)視頻傳輸線(xiàn)路流量的比例，最終達(dá)到未來(lái)無(wú)線(xiàn)多層覆蓋網(wǎng)絡(luò)狀況惡化時(shí)保障用戶(hù)視頻業(yè)務(wù)QoE的目的。

1 算法提出

生物信息學(xué)是當(dāng)今研究的熱點(diǎn)，其跨學(xué)科領(lǐng)域的使用對(duì)通信多媒體等專(zhuān)業(yè)具有極大的幫助。目前，大阪一所高校的研究隊(duì)伍在利用觀察一種腸道細(xì)菌的適應(yīng)行為后提出了一種基于“吸引子”選擇的適應(yīng)性響應(yīng)模型(adaptive response byattractor selection，ARAS)[9]，研究發(fā)現(xiàn)該種細(xì)菌細(xì)胞能合成A、B對(duì)其存活生長(zhǎng)極為重要的兩種營(yíng)養(yǎng)物質(zhì)。但是合成該兩種A、B營(yíng)養(yǎng)物質(zhì)確是成相互抑制與影響的，同時(shí)這兩種營(yíng)養(yǎng)物質(zhì)都會(huì)單獨(dú)影響細(xì)菌本身不同的mRNA的表達(dá)。

ARAS屬于“二維吸引子”模型，表達(dá)生物在動(dòng)態(tài)生長(zhǎng)環(huán)境中自發(fā)自適應(yīng)地調(diào)整自身的新陳代謝狀況，是一種生物對(duì)外部環(huán)境的適應(yīng)行為。生物的適應(yīng)行為適用于建模成非線(xiàn)性動(dòng)態(tài)系統(tǒng)所對(duì)應(yīng)的相空間進(jìn)行研究。由于相空間具有很大的維度，相空間的任一點(diǎn)表示了系統(tǒng)中所有細(xì)節(jié)的整個(gè)物理態(tài)，包括位置和動(dòng)量坐標(biāo)。在一個(gè)巨大維數(shù)的空間里的每個(gè)點(diǎn)用來(lái)表示系統(tǒng)全部可能的狀態(tài)，同時(shí)也就有一相對(duì)應(yīng)的相空間的點(diǎn)。在相空間中，對(duì)一個(gè)可行解x，其屬于非線(xiàn)性動(dòng)態(tài)系統(tǒng)，如果起始于其附近的路徑并最終收斂到x，說(shuō)明x是穩(wěn)定解。如果附近所有非定常流從有界集出發(fā)，并都收斂于x，則x是吸引子。適應(yīng)性響應(yīng)模型表達(dá)的就是：生物保持活力是通過(guò)動(dòng)態(tài)選擇對(duì)環(huán)境適應(yīng)的吸引子來(lái)實(shí)現(xiàn)的，模型如式(1)所示

(1)

該模型動(dòng)態(tài)地反映了生物中兩種mRNA的濃度。其中m1，m2分別表示與A、B兩種營(yíng)養(yǎng)物質(zhì)相關(guān)聯(lián)的兩種mRNA的濃度，一對(duì)(m1，m2)就決定了生物的生長(zhǎng)狀態(tài)。A(0≤A≤1)表示生物的活躍程度，反映了當(dāng)前的生物生長(zhǎng)狀態(tài)，營(yíng)養(yǎng)物質(zhì)的代謝水平。式(1)右側(cè)表示生物mRNA濃度的變化率，影響mRNA濃度變化率有2個(gè)方面因素：①營(yíng)養(yǎng)物質(zhì)的代謝水平，主要包括其合成速度S(A)和分解速度D(A)。②環(huán)境噪聲ηi，主要指生物代謝中各種內(nèi)在與外在受影響的固有因素。由上述定義的動(dòng)態(tài)系統(tǒng)存在兩個(gè)穩(wěn)定狀態(tài)：m1?m2和m1?m2，即如圖1所示的兩處“凹陷”，也叫做兩個(gè)吸引子，同時(shí)也叫做二維吸引子。如果假設(shè)：有一個(gè)生物正處于某一個(gè)吸引子狀態(tài)，m1?m2表示生物合成營(yíng)養(yǎng)物質(zhì)A較多，并且此時(shí)A,B營(yíng)養(yǎng)物質(zhì)都能滿(mǎn)足生物較好地生長(zhǎng)并保持較高活躍度，這說(shuō)明該生物狀態(tài)仍能適應(yīng)生長(zhǎng)環(huán)境，這個(gè)吸引子的作用力就很大，噪聲對(duì)其生長(zhǎng)的影響忽略不計(jì)。當(dāng)生長(zhǎng)環(huán)境突然發(fā)生巨大變化時(shí)，比如缺少營(yíng)養(yǎng)物質(zhì)B，而此時(shí)的吸引子依舊引導(dǎo)生物合成較多營(yíng)養(yǎng)物質(zhì)A，這樣就會(huì)使生物不能獲得足夠營(yíng)養(yǎng)物質(zhì)B來(lái)保障其自身基本生長(zhǎng)，就會(huì)導(dǎo)致其生物活躍度大幅的減少，S(A)和D(A)也同時(shí)下降，噪聲影響在模型中的比重逐漸加大。

圖1 二維吸引子選擇原理

影響生物狀況是隨機(jī)動(dòng)態(tài)變化的，如果主導(dǎo)對(duì)狀態(tài)(m1，m2)進(jìn)行相應(yīng)調(diào)整，讓生物能夠重新選擇吸引子。例如：當(dāng)營(yíng)養(yǎng)物質(zhì)A在某一時(shí)刻在噪聲干擾之下系統(tǒng)處于m1

2 多維算法建模

由于“適應(yīng)性響應(yīng)模型”是屬于二維的，造成了適應(yīng)性也受到了極大局限。受到啟發(fā)，本文在多維吸引子選擇驅(qū)動(dòng)的適應(yīng)性響應(yīng)模型(modified multi-dimension adaptive response by attractor selection，MM-ARAS)[10]的基礎(chǔ)上進(jìn)行研究并將其應(yīng)用到多層無(wú)線(xiàn)覆蓋網(wǎng)絡(luò)的場(chǎng)景中。使用多維吸引子選擇優(yōu)化算法，通過(guò)利用生物的自適應(yīng)機(jī)制來(lái)進(jìn)行建模，MM-ARAS可以用式(2)概括

(2)

綜上所述，活性值是吸引子理論自帶的一個(gè)描述，對(duì)應(yīng)到QoE所表達(dá)的是體驗(yàn)更好活性更高。

在本文所研究的多層覆蓋無(wú)線(xiàn)網(wǎng)絡(luò)視頻業(yè)務(wù)QoE優(yōu)化場(chǎng)景下，系統(tǒng)并不需要讓每個(gè)實(shí)體個(gè)體的性能都達(dá)到最優(yōu)狀態(tài)，目的是要實(shí)現(xiàn)系統(tǒng)的QoE整體優(yōu)化。因此，本文把式(2)中每個(gè)實(shí)體獨(dú)有的Ai改變?yōu)楸硎菊w性能的參數(shù)A，擴(kuò)展MM-ARAS模型變?yōu)槎嗑S吸引子構(gòu)成模型，公式如式(3)和式(4)所示

(3)

(4)

式(3)中mi(i∈[1,M]) 表示吸引子i的狀態(tài)值；改進(jìn)后的模型有M個(gè)吸引子，分別為mi?mj(1≤j≤M,j≠i)， 活躍程度也同樣用參數(shù)A表示。式(4)中，S(A)定義為以A為自變量的函數(shù)，α、β和γ是控制參量，α、γ取值為正實(shí)數(shù)，γ≥2且為正整數(shù)，D(A)則被直接定義為等于A。與MM-ARAS模型不同地方是，多維吸引子構(gòu)成模型會(huì)使得系統(tǒng)整體活躍度達(dá)到最高，這是由于使用了一個(gè)全局的參量A來(lái)表達(dá)系統(tǒng)的整體性能，同時(shí)每一個(gè)實(shí)體也都自治、自適應(yīng)地組成系統(tǒng)的一部分。在該模型中，當(dāng)控制參數(shù)α變大時(shí)，吸引子的作用力也就越大，就會(huì)導(dǎo)致吸引狀態(tài)也會(huì)變得更加穩(wěn)定。同樣由前述得知，吸引子的狀態(tài)值的增長(zhǎng)率隨著參數(shù)β變大時(shí)就會(huì)減小，這時(shí)，環(huán)境因素的作用力對(duì)系統(tǒng)的影響就會(huì)變大。系統(tǒng)在這種情況下時(shí)就不容易陷入某個(gè)吸引子狀態(tài)，進(jìn)而導(dǎo)致模型的收斂速度變慢。

綜上所述：當(dāng)同一個(gè)場(chǎng)景中有M個(gè)吸引子時(shí)，通過(guò)本文提出的多維吸引子構(gòu)成模型，系統(tǒng)會(huì)自治且自適應(yīng)地調(diào)整自身系統(tǒng)狀態(tài)，增加吸引子i所對(duì)應(yīng)的相空間深度，使吸引子i的狀態(tài)值mi趨向系統(tǒng)整體活躍度A的方向變化，使其能夠適應(yīng)環(huán)境的改變。

3 基于吸引子構(gòu)成的視頻QoE優(yōu)化

在多層覆蓋無(wú)線(xiàn)網(wǎng)絡(luò)中，每個(gè)網(wǎng)絡(luò)都存在不同的性能差異[11]，例如：連接可靠性、通信穩(wěn)定性、網(wǎng)絡(luò)帶寬、網(wǎng)絡(luò)時(shí)延、接入?yún)^(qū)域大小等等。類(lèi)似于前述生物在共生生存環(huán)境中的現(xiàn)象，系統(tǒng)業(yè)務(wù)整體的體驗(yàn)質(zhì)量受到其中任一個(gè)接入網(wǎng)絡(luò)的資源占用、釋放等行為時(shí)的影響[12]。為了在多層覆蓋網(wǎng)絡(luò)場(chǎng)景中獲得更好的視頻業(yè)務(wù)QoE，在本文中將使用多維吸引子構(gòu)成算法對(duì)視頻業(yè)務(wù)傳輸進(jìn)行流量分配，目的是讓系統(tǒng)中的所有接入網(wǎng)可以自治并自適應(yīng)地共同協(xié)作完成服務(wù)，當(dāng)QoE降低時(shí)能夠優(yōu)化各個(gè)接入網(wǎng)流量組成成分，最終可以保障業(yè)務(wù)質(zhì)量。

在上述場(chǎng)景中，假設(shè)接入網(wǎng)集合為N={n1,n2,…,nK}，K為網(wǎng)絡(luò)數(shù)目，且K≥1。終端承載視頻業(yè)務(wù)，令其活性為A，在當(dāng)前流量分配策略下，當(dāng)A值變大時(shí)，表示用戶(hù)QoE體驗(yàn)就越好。mi表示終端對(duì)任一網(wǎng)絡(luò)ni的選擇適應(yīng)度，mi越大，表示該網(wǎng)絡(luò)ni提供的業(yè)務(wù)服務(wù)越能滿(mǎn)足用戶(hù)要求。因此基于多維吸引子構(gòu)成的QoE優(yōu)化模型可用式(5)表示

(5)

假設(shè)系統(tǒng)中沒(méi)有環(huán)境噪聲ηi和系統(tǒng)動(dòng)態(tài)變化，即

(6)

可以求得穩(wěn)態(tài)均衡解為式(7)

(7)

(8)

同樣，S(A)和D(A)在該模型中的定義也與多維吸引子選擇模型一致。在該模型的控制調(diào)整下，吸引子m的狀態(tài)值將會(huì)增長(zhǎng)，并且是朝著改善視頻業(yè)務(wù)QoE的值A(chǔ)的方向。

但是由于無(wú)線(xiàn)網(wǎng)絡(luò)環(huán)境的特殊性，必定存在噪聲項(xiàng)，同時(shí)無(wú)線(xiàn)網(wǎng)絡(luò)環(huán)境變化是不可知以及不可預(yù)測(cè)的。為了使用戶(hù)的網(wǎng)絡(luò)選擇具有較強(qiáng)的動(dòng)態(tài)適應(yīng)性，本文提出的基于多維吸引子構(gòu)成模型對(duì)視頻業(yè)務(wù)流量的分配策略采用隨機(jī)性模式(stochastic mode)和確定性模式(deterministic mode)兩種控制模式。在該模型中，噪聲影響的狀態(tài)值作為隨機(jī)性控制，用戶(hù)滿(mǎn)意度的反饋值和網(wǎng)絡(luò)狀態(tài)的改變值作為確定性控制。網(wǎng)絡(luò)視頻業(yè)務(wù)流量則使用式(9)中的系統(tǒng)狀態(tài)概率進(jìn)行分配，如果當(dāng)前網(wǎng)絡(luò)狀態(tài)良好，那么該網(wǎng)絡(luò)分配的視頻業(yè)務(wù)流量比例就變大，反之亦然。系統(tǒng)狀態(tài)的變化需要一個(gè)適應(yīng)度反饋用以對(duì)上述兩種控制模式起到均衡的作用，本模型采用視頻業(yè)務(wù)用戶(hù)QoE作為反饋值，并且同時(shí)也能達(dá)到優(yōu)化QoE的目的，令其整體保持在滿(mǎn)意的程度

(9)

在該模型中，當(dāng)前網(wǎng)絡(luò)流量分配策略的性能指標(biāo)由業(yè)務(wù)活躍度A來(lái)反應(yīng)。其中視頻業(yè)務(wù)活躍度A是以QoE為自變量的函數(shù)，是QoE的映射。但是網(wǎng)絡(luò)流量分配策略如果一直連續(xù)的按照QoE的值來(lái)調(diào)整，這種方案極為消耗網(wǎng)絡(luò)資源并且是不可行的，因此本文利用時(shí)間間隔Δt進(jìn)行調(diào)整。同樣也需要定義用戶(hù)的QoE容忍閾值Th∈(0,100)，當(dāng)QoE低于容忍閾值就啟動(dòng)該模型的優(yōu)化策略，視頻流量就被重新分配，這里特指不同接入的無(wú)線(xiàn)網(wǎng)絡(luò)應(yīng)分得的視頻流量。

4 仿真結(jié)果與分析

本文利用myEvalvid網(wǎng)絡(luò)多媒體仿真系統(tǒng)平臺(tái)和NS2(network simulator，version 2)網(wǎng)絡(luò)仿真平臺(tái)進(jìn)行視頻業(yè)務(wù)QoE優(yōu)化仿真實(shí)驗(yàn)。

4.1 仿真流程與參數(shù)

視頻業(yè)務(wù)QoE優(yōu)化實(shí)驗(yàn)是一個(gè)反饋調(diào)整的過(guò)程，流程如圖2所示。接收端失真視頻業(yè)務(wù)的QoE達(dá)到設(shè)定的閾值后就會(huì)被感知，系統(tǒng)對(duì)網(wǎng)絡(luò)資源重新進(jìn)行分配管理，從而達(dá)到優(yōu)化目的。

圖2 QoE優(yōu)化實(shí)驗(yàn)流程

本文利用Matlab數(shù)學(xué)工具實(shí)現(xiàn)多維吸引子構(gòu)成模型，依據(jù)視頻業(yè)務(wù)QoE來(lái)調(diào)整網(wǎng)絡(luò)流量分配比例的功能。如圖3 所示，假設(shè)用戶(hù)同時(shí)接入了Wi-Fi、cellular和WiMAX這3個(gè)不同的網(wǎng)絡(luò)，其中Wi-Fi和WIMAX網(wǎng)絡(luò)都同時(shí)獲得35%的流量，Cellular網(wǎng)絡(luò)只獲得了30%的流量，業(yè)務(wù)活躍度的值A(chǔ)=0.8，具有較高QoE，因而網(wǎng)絡(luò)流量分配比例不發(fā)生改變。由于網(wǎng)絡(luò)狀況在第10個(gè)單位時(shí)間時(shí)候發(fā)生了變化，業(yè)務(wù)A的活躍度下降到0.2，即A=0.2，系統(tǒng)開(kāi)始進(jìn)行網(wǎng)絡(luò)流量分配比例調(diào)節(jié)。從圖3可以看出，WiMAX、Cellular網(wǎng)絡(luò)此時(shí)分別獲得40%和36%的流量，而Wi-Fi網(wǎng)絡(luò)只分得了24%，但是此時(shí)的流量分配比例仍然夠滿(mǎn)足用戶(hù)QoE要求，直到下一個(gè)突變到來(lái)前系統(tǒng)將繼續(xù)保持當(dāng)前流量分配比例。

圖3 流量分配比例調(diào)整

本文采用LIVE數(shù)據(jù)集的tr視頻進(jìn)行實(shí)驗(yàn)。該視頻為YUV4∶2∶0格式，包含768*432大小的250幀。

視頻業(yè)務(wù)傳輸?shù)姆抡媪鞒倘鐖D4所示。首先將YUV視頻用ffmpeg轉(zhuǎn)化為m4v，其參數(shù)見(jiàn)表1。

圖5顯示了兩個(gè)不同無(wú)線(xiàn)網(wǎng)絡(luò)流量分配的比例為1∶3，tr1_25fps視頻逐幀分配給網(wǎng)絡(luò)1、網(wǎng)絡(luò)2的實(shí)時(shí)流量占比圖。而圖6顯示的則是在視頻傳輸完成后，sd文件以包為單位流量分配的占比圖。通過(guò)對(duì)比可以發(fā)現(xiàn)，分幀方式和分包方式在結(jié)果上差異并不是很大，因而在本仿真實(shí)驗(yàn)中采用分幀方法代替分包方法是切實(shí)可行的流量分配方式。

圖4 視頻業(yè)務(wù)傳輸仿真流程

參數(shù)名參數(shù)值參數(shù)含義-g9GoP大小-vcodecmpeg4視頻壓縮方式-qscale10壓縮量化參數(shù)-s768*432視頻幀大小-bf2I與P、P與P間B幀數(shù)目-r25幀率-itr1_25fps.yuv輸入視頻

圖5 網(wǎng)絡(luò)流量(分幀)動(dòng)態(tài)比

圖6 網(wǎng)絡(luò)流量(分包)動(dòng)態(tài)比

在將流量分配到網(wǎng)絡(luò)1、2后，生成兩組sd和rd文件，分別是記錄了流量分配比為1∶4信息的sd1、rd1和記錄流量分配比為3∶4信息的sd2、rd2，通過(guò)id映射再合成完整的sd、rd文件，最后由etmp4程序來(lái)產(chǎn)生視頻失真。

4.2 仿真結(jié)果分析

圖7顯示出接入的無(wú)線(xiàn)網(wǎng)絡(luò)數(shù)據(jù)傳輸錯(cuò)誤率的變化。起始階段網(wǎng)絡(luò)1和網(wǎng)絡(luò)2流量分配比例為1∶3，傳輸錯(cuò)誤率分別為0.01和0.005。經(jīng)過(guò)6個(gè)單位時(shí)間后，網(wǎng)絡(luò)2由于受到突發(fā)流量干擾造成網(wǎng)絡(luò)狀況惡化，傳輸錯(cuò)誤率變?yōu)?.05，進(jìn)而導(dǎo)致視頻業(yè)務(wù)QoE低于閾值，于是系統(tǒng)啟動(dòng)吸引子構(gòu)成優(yōu)化模型并且重新進(jìn)行流量分配，經(jīng)過(guò)9個(gè)單位時(shí)間后QoE高于閾值。在第19個(gè)單位時(shí)間，網(wǎng)絡(luò)2狀況得到恢復(fù)，但與此同時(shí)網(wǎng)絡(luò)1狀況又開(kāi)始變差，直到24個(gè)單位時(shí)間時(shí)QoE又降至閾值以下，于是系統(tǒng)再重新進(jìn)行流量分配。圖8描述了視頻QoE在同一時(shí)間段的變化情況，可以看出，經(jīng)過(guò)調(diào)整流量分配及通過(guò)本模型優(yōu)化后，視頻業(yè)務(wù)QoE保持了一個(gè)相對(duì)穩(wěn)定的狀態(tài)，并且當(dāng)不能達(dá)到用戶(hù)要求時(shí)能夠快速及時(shí)的做出反應(yīng)，優(yōu)化體驗(yàn)。圖9指出了根據(jù)QoE用基于吸引子構(gòu)成的優(yōu)化模型計(jì)算后調(diào)整的流量分配情況。從中可以看出，系統(tǒng)流量分配比例隨著用戶(hù)QoE的變化而相應(yīng)的改變。

圖7 不同網(wǎng)絡(luò)傳輸錯(cuò)誤率實(shí)時(shí)變化

圖8 視頻業(yè)務(wù)QoE優(yōu)化定量分析

圖9 不同網(wǎng)絡(luò)分配視頻流量占比

5 結(jié)束語(yǔ)

本文提出的多維ARAS模型吸引子和視頻業(yè)務(wù)活躍度算法比傳統(tǒng)多路視頻實(shí)時(shí)數(shù)據(jù)傳輸方法更能在多層無(wú)線(xiàn)覆蓋網(wǎng)絡(luò)場(chǎng)景中當(dāng)網(wǎng)絡(luò)突發(fā)狀況劣化時(shí)保障QoE的目的，同時(shí)并不改變視頻模式本身。下一步研究可以開(kāi)發(fā)支持更多的接入網(wǎng)的仿真平臺(tái)，以便協(xié)同提供更多的視頻業(yè)務(wù)服務(wù)。

參考文獻(xiàn)：

[1]Zhang H,Dong Y,Cheng J,et al.Fronthauling for 5G LTE-U ultra dense cloud small cell networks[J].IEEE Wireless Communications,2016,23(6):48-53.

[2]Zhang H,Jiang C,Mao X,et al.Interference-limited resource optimization in cognitive femtocells with fairness and imperfect spectrum sensing[J].IEEE Transactions on Vehicular Technology,2015,65(3):1761-1771.

[3]YANG Yan.Research of multi-features-based video quality (QoE) metric under wireless network[D].Beijing:Beijing University of Posts and Telecommunications,2012(in Chinese).[楊艷.基于多特征類(lèi)型的無(wú)線(xiàn)視頻質(zhì)量用戶(hù)體驗(yàn)(QoE)方法研究[D].北京:北京郵電大學(xué),2012.]

[4]Wu Dapeng,Zhang Puning,Wang Honggang,et al.Node service ability aware packet forwarding mechanism in intermittently connected wireless networks[J].IEEE Transaction on Wireless Communications,2016,15(12):8169-8281.

[5]Wu D,Wang Y,Wang H,et al.Dynamic coding control in social intermittent connectivity wireless networks[J].IEEE Transactions on Vehicular Technology,2016,65(9):7634-7646.

[6]Zhang H,Jiang C,Mao X,et al.Interference-limited resource optimization in cognitive femtocells with fairness and imperfect spectrum sensing[J].IEEE Transactions on Vehicular Technology,2015,65(3):1761-1771.

[7]YAO Huigang,HUANG Yongfeng.BP-based estimate on network video QoE[J].Computer Engineering and Design,2017,38(1):1-6(in Chinese).[姚會(huì)剛,黃永峰.基于BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)視頻QoE評(píng)估[J].計(jì)算機(jī)工程與設(shè)計(jì),2017,38(1):1-6.]

[8]Zhang H,Jiang C,Beaulieu NC,et al.Resource allocation for cognitive small cell networks:A cooperative bargaining game theoretic approach[J].IEEE Transactions on Wireless Communications,2015,14(6):3481-3493.

[9]GONG Weibing,YANG Xiaolong,ZHANG Min,et al.Multi-path routing protocol based on adaptation mechanism of cell in ad hoc networks[J].Journal on Communications,2014,35(6):56-63(in Chinese).[公維冰,陽(yáng)小龍,張敏,等.基于細(xì)胞適應(yīng)機(jī)制的自組網(wǎng)多路徑路由協(xié)議[J].通信學(xué)報(bào),2014,35(6):56-63.]

[10]Gong WB,Yang XL,Zhang M,et al.An adaptive path selection model for WSN multipath routing inspired by metabolism behaviors[J].Science China Information Sciences,2015,58(10):1-15.

[11]ZHAO Jihong,FENG Jieqiong,QU Hua,et al.Wireless resource allocation algorithm based on QoE in LTE-A[J].Computer Engineering and Design,2016,37(9):2299-2302(in Chinese).[趙季紅,馮潔瓊,曲樺,等.LTE-A中基于QoE的無(wú)線(xiàn)資源分配算法[J].計(jì)算機(jī)工程與設(shè)計(jì),2016,37(9):2299-2302.]

[12]Wu D,Zhang H,Wang H,et al.Quality-of-protection-driven data forwarding for intermittently connected wireless networks[J].IEEE Wireless Communications,2015,22(4):66-73.