基于可再生能源UND视频流等待时间优化方法

基于可再生能源und视频流等待时间优化方法
技术领域
1.本发明属于und视频流优化领域，特别是基于可再生能源und视频流等待时间优化方法。


背景技术：

2.目前，超密集无线通信网络(udn)为视频应用和其他数据密集需求提供了强大的通信基础架构。但是，伴随着物联网中接入设备和服务种类的持续增加，无线通信系统将面临日益增长的环境压力和经济成本。为了解决这一问题，现有技术中将可再生能量收集技术引入udn系统中，以此来降低传统能耗、提升网络服务容量。但是udn中小基站在收集能量过程中经常会受到周围环境变化的影响，所以能量收集不稳定，导致有时基站收集的能量难以满足其自身工作要求。并且服务用户和基站之间的信道状态比较复杂，收集到的可再生能量在分配和使用上很不合理，从而极大地影响到udn的系统性能。以上问题均导致了用户在观看视频时需要等待较长的视频缓冲时间，严重影响了用户观看视频时的体验感。
3.lyapunov优化方法在近年来被广泛用于通信和排队系统中。这种方法通过将原有的多时隙优化解耦为几个子优化问题来实现系统稳定性理论，可以有效地降低计算复杂性。此外，通过该方法在优化过程中只需收集当前数据，而不需要考虑未来数据，从而避免了预测和估计信道增益所带来的随机性问题。更重要的是，当系统变量的数量增加时，使用传统的启发式优化算法或动态编程的系统计算复杂性呈指数增长，而lyapunov优化只呈现线性增长。
4.因此，如何通过lyapunov优化方法使基站收集到的能量得以有效利用，使视频播放等待时间实现最小化，从而提升用户观看视频时的体验感；成为当前研究的关键问题。


技术实现要素：

5.鉴于上述问题，本发明提供一种至少解决上述部分技术问题的基于可再生能源und视频流等待时间优化方法，通过该方法能够在保持网络稳定的同时减少用户视频设备的平均等待时间，提高了用户观看视频时的体验感。
6.本发明实施例提供了基于可再生能源und视频流等待时间优化方法，包括：
7.s1、获取在时隙t视频设备连接到对应毫米波基站的下行链路数据速率、以及在所述时隙t开始时所述视频设备的回放缓冲器中的数据量；
8.s2、根据所述下行链路数据速率及所述数据量，获得所述视频设备在所述时隙t里因数据量不足而经历的视频播放等待时间；
9.s3、计算所述对应毫米波基站的电池电量变化数据；
10.s4、根据所述视频设备的视频播放等待时间，确定时隙t所述对应毫米波基站的覆盖范围内所有视频设备的总等待时间；所述电池电量变化数据作为所述总等待时间的约束条件；
11.s5、采用lyapunov优化方法，对所述总等待时间进行优化，获得最小值。
12.进一步地，所述s1具体包括：
13.s11、假设网络中具有m个毫米波基站，记为bs
j
,j∈1,2,...,m；并且每个毫米波基站存在由bs
j
服务的k
j
个视频设备用于播放视频，其中bs
j
对应的第i个视频设备记为ue
ij
；
14.s12、将bs
j
的所有频谱均归一化为1，每个视频设备和bs
j
传输占用的频谱对应于(n
j
)
‑1；构建时隙t连接到bs
j
的视频设备的下行链路数据速率公式为：
[0015][0016]
(1)式中，k
j
为毫米波基站bs
j
覆盖范围内所有视频设备的数量，即索引序号；p
j
为所述毫米波基站的输出功率；σ2为两个毫米波基站之间的热噪声的功率级；l
ij
(d
ij
)为视频设备与其相对应的毫米波基站之间距离为d
ij
的路径损耗；g
b
和g
u
分别为所述毫米波基站和视频设备的天线增益；
[0017]
s13、获取所述时隙t开始时所述视频设备的回放缓冲器中的数据量。
[0018]
进一步地，所述s2具体包括：
[0019]
当视频设备的回放缓冲器中的数据耗尽时，所述视频设备存在经历的视频播放等待时间；所述视频播放等待时间表达为：
[0020][0021]
(2)式中，t0为一个时隙的长度；b
ij
(t)为时隙t开始时视频设备的回放缓冲器中的数据量；r
ij
(t)为视频播放时，所述视频设备回放缓冲区中的数据消耗速率。
[0022]
进一步地，所述s3具体包括：
[0023]
s31、假设在t时隙，毫米波基站从可再生能源中获得的能量为e
j
(t)；白天获取可再生能源存在最大值e
max
；则
[0024][0025]
s32、在t时隙内对毫米波基站间转移的电池电量进行限制：
[0026][0027]
(5)式中，p
j
(t)为发射功率；e
j
(t)为当前毫米波基站处的电池电量；ε
jj
′
(t) 为从当前毫米波基站转移到其它毫米波基站的电池电量；ε
j
′
j
(t)为从其它毫米波基站转移到当前毫米波基站的电池电量；n为能量传输效率，所述n∈[0,1]； n
×
ε
j
′
j
(t)为当前毫米波基站从其它毫米波基站接受到的总电池电量；
[0028]
同时还需要满足条件：
[0029]
p
j
(t)≥0,ε
j
′
j
(t)≥0,j
′
≠j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0030]
s33、计算所述对应毫米波基站的电池电量变化数据：
[0031][0032]
(7)式中，t+1表示t时隙的下一时刻。
[0033]
进一步地，所述s4具体包括：
[0034]
s41、根据式(2)对所述对应毫米波基站的覆盖范围内所有视频设备的总等待时间进行计算：
[0035][0036]
s42、通过数学表达式对多时隙优化问题进行描述，并提取出优化约束条件：
[0037][0038]
式(9)中，e[
·
]为所述对视频设备的总等待时间取平均值；α为设定参数所述α∈[0,1]；约束c1限制了所述视频播放等待时间；约束c2保证了电池仅需要有限的电池容量；约束c3限制了从可再生能源和其他毫米波基站获得的电池电量大于当前毫米波基站消耗的电池电量；约束c4表示p
j
(t)和ε
j
′
j
(t)为非负数。
[0039]
进一步地，所述s5具体包括：
[0040]
s51、设置虚拟队列：
[0041]
设置两个虚拟队列f
ij
(t)和e
j
(t)，其中f
ij
(t)为视频播放等待时间的虚拟队列，对应视频设备的视频播放等待时间，e
j
(t)为基站电池电量的虚拟队列，对应基站所述电池电量，则有：
[0042]
f
ij
(t+1)＝f
ij
(t)+max{f
ij
(t)
‑
α,0}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0043][0044]
当满足式(9)的约束c1，表示虚拟队列f
ij
(t)的速率稳定；当满足式(9)的约束c2，表示虚拟队列e
j
(t)的速率稳定；
[0045]
s52、将多时隙优化问题转换为单个时隙下的子优化问题：
[0046]
将虚拟队列的连接向量z(t)定义为：
[0047]
z(t)＝[f
ij
(t)，e
j
(t)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0048]
将(15)结合lyapunov得出：
[0049]
[0050]
根据(15)和(16)得到：
[0051][0052]
式(17)中，δ(t)为δ(q(t))的缩写；c1和c2均为对所有时隙t都满足以下约束的常数：
[0053][0054][0055]
式(19)中，为某个时隙下从其它毫米波基站转移到当前毫米波基站的电池电量的最大值；为某个时隙下从当前毫米波基站转移到其它毫米波基站的最大值；e
max
为毫米波基站获取可再生能源的最大值；p
max
为发射功率的最大值；
[0056]
根据式(15)，将式(17)转换为
[0057][0058]
式(20)中，v为惩罚权重，所述v≥0；
[0059]
放宽式(17)中的相应边界，将多时隙优化问题式(9)转换为单个时隙下的子优化问题：
[0060][0061]
s54、对式(21)进行优化设计。
[0062]
进一步地，所述s54具体包括：
[0063]
s541、对式(21)的约束条件进行判断，重写为：
[0064][0065]
s542、式(22)不等式左侧为凸函数，结合式(21)中的优化函数是凸函数，明确了在每个时隙下的子优化问题为凸优化问题；
[0066]
s543、使用凸优化的工具对式(21)求解，获得相应的(p
j
(t)，ε
jj
′
(t))，实现对应的等待时间最短。
[0067]
与现有技术人员相比，本发明记载的基于可再生能源und视频流等待时间优化方法，具有如下优点：
[0068]
本发明中引入了lyapunov优化方法，通过将原始多时隙优化问题分解为多个单时隙子问题来最小化平均等待时间，在保持网络稳定的同时有效减少了用户视频设备的平均等待时间，保证了用户稳定和连续的观看体验。
附图说明
[0069]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0070]
图1为本发明实施例提供的基于可再生能源und视频流等待时间优化方法步骤流程图。
[0071]
图2为本发明实施例提供的系统模型。
[0072]
图3为本发明实施例提供的毫米波基站之间的能量协作模型。
[0073]
图4为本发明实施例提供的包含k个队列的离散时间系统模型。
[0074]
图5为本发明平均能量队列长度与v的关系曲线。
[0075]
图6为本发明bs1的平均等待时间与v的关系曲线。
[0076]
图7为本发明其它5个基站对应视频设备的平均等待时间与v的关系曲线图。
[0077]
图8为本发明基于可再生能源und视频流等待时间优化方法对应的平均等待时间与时隙的关系曲线。
[0078]
图9为本发明实施例提供的使用贪婪算法的平均等待时间与时隙的关系曲线。
具体实施方式
[0079]
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0080]
参见图1所示，本发明实施例提供了基于可再生能源und视频流等待时间优化方法，具体包括如下步骤：
[0081]
s1、获取在时隙t视频设备连接到对应毫米波基站的下行链路数据速率、以及在时隙t开始时视频设备的回放缓冲器中的数据量；
[0082]
s2、根据下行链路数据速率及数据量，获得视频设备在时隙t里因数据量不足而经历的视频播放等待时间；
[0083]
s3、计算对应毫米波基站的电池电量变化数据；
[0084]
s4、根据视频设备的视频播放等待时间，确定时隙t对应毫米波基站的覆盖范围内所有视频设备的总等待时间；电池电量变化数据作为总等待时间的约束条件；
[0085]
s5、采用lyapunov优化方法，对总等待时间进行优化，获得最小值。
[0086]
通过该方法，能够在保持网络稳定的同时有效减少用户视频设备的平均等待时间，提高了用户观看视频时的体验感。
[0087]
下面分别对上述各个步骤进行详细的说明。
[0088]
在上述步骤s1和s2中，参见图2所示，建立了支持下行链路能量协作的系统模型。在网络中，有m个毫米波基站，记为bs
j
,j∈1,2,...,m，并且每个毫米波基站存在由bs
j
服务的由ue
ij
表示的k
j
个视频设备用于播放视频，其中bs
j
对应的第i个视频设备记为ue
ij
。每个毫米波基站均配备可再生能量收集设备，完全由可再生能源供电。每个毫米波基站可以通过智能电网共享能量，并将数据传输到多个移动用户视频设备。视频设备从服务器请求来自服务器的不同视频数据，该服务器通过共享的无线频谱将所请求的视频数据发送到移动
用户。
[0089]
将bs
j
的所有频谱均归一化为1，每个视频设备和bs
j
传输占用的频谱对应于(n
j
)
‑1；基于香农方程，构建时隙t连接到bs
j
的视频设备的下行链路数据速率公式为：
[0090][0091]
(1)式中，k
j
为毫米波基站bs
j
覆盖范围内所有视频设备的数量，即索引序号；p
j
为毫米波基站的输出功率；σ2为两个毫米波基站之间的热噪声的功率级；在视距(los)和非视距(nlos)条件下，数据传输具有不同的路径损耗定律；本实施例中使用了视距条件，信道衰落服从大尺度基于视距的路径衰落，l
ij
(d
ij
)为视频设备与其相对应的毫米波基站之间距离为d
ij
的路径损耗；系统模型中所有毫米波基站和视频设备均配备了定向天线，g
b
和g
u
分别为毫米波基站和视频设备的天线增益；
[0092]
当视频设备的回放缓冲器中的数据耗尽时，视频设备存在经历的视频播放等待时间；视频播放等待时间表达为：
[0093][0094]
(2)式中，视频播放等待时间的单位为秒；t0为一个时隙的长度；b
ij
(t)为时隙t开始时视频设备的回放缓冲器中的数据量，单位为比特；r
ij
(t)为视频播放时，所述视频设备回放缓冲区中的数据消耗速率。
[0095]
根据公式(2)可得t+1时隙时视频设备的回放缓冲器中的数据量b
ij
(t)为：
[0096]
b
ij
(t+1)＝b
ij
(t)+r
ij
(t)
‑
(1
‑
f
ij
(t))r
ij
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)。
[0097]
上述步骤s3中，参见图3所示，建立了毫米波基站之间的能量协作模型。假设在t时隙，毫米波基站从可再生能源中获得的能量为e
j
(t)；白天获取可再生能源存在最大值e
max
；则
[0098][0099]
由于每个毫米波基站消耗的总能量不能超过包括收集能量和转移能量在内的总能量，因此需在t时隙内对毫米波基站间转移的电池电量进行限制：
[0100][0101]
(5)式中，设1个时隙的大小为1s，则bs
j
在时间t的发射功率为p
j
(t)
×ꢀ
(1个时隙)，为了便于叙述，将发射功率表示为p
j
(t)；e
j
(t)为当前毫米波基站处的电池电量；ε
jj
′
(t)为从当前毫米波基站转移到其它毫米波基站的电池电量；ε
j
′
j
(t)为从其它毫米波基站转移到当前毫米波基站的电池电量；n为能量传输效率，n∈[0,1]；n
×
ε
j
′
j
(t)为当前毫米波基站从其它毫米波基站接受到的总电池电量；
[0102]
同时还需要满足条件：
[0103]
p
j
(t)≥0,ε
j
′
j
(t)≥0,j
′
≠j
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0104]
根据式(5)计算对应毫米波基站的电池电量变化数据：
[0105][0106]
(7)式中，t+1表示t时隙的下一时刻。
[0107]
根据式(2)对毫米波基站的覆盖范围内所有视频设备的总等待时间进行计算：
[0108][0109]
通过数学表达式对多时隙优化问题进行描述，并提取出优化约束条件：
[0110][0111]
式(9)中，e[
·
]为对视频设备的总等待时间取平均值；α为设定参数α∈[0,1]；约束c1限制了视频播放等待时间；约束c2保证了电池仅需要有限的电池容量；约束c3限制了从可再生能源和其他毫米波基站获得的电池电量大于当前毫米波基站消耗的电池电量；约束c4表示p
j
(t)和ε
j
′
j
(t)为非负数。
[0112]
对于每个t时隙，均需要观测当前的队列状态，并采取相应的策略。根据 lyapunov优化理论，执行虚拟队列约束等效于最小化漂移惩罚，使用虚拟队列约束最小化目标函数等效于最小化定义为“漂移加罚”的方法；
[0113]
上述步骤s4中，因为在使用lyapunov优化方法时需要引入虚拟队列，所以在本发明实施例中，还建立了包含k个队列的离散时间系统模型，具体参见图4所示：
[0114]
首先，对lyapunov漂移公式进行简单介绍：
[0115]
对于每一个t时隙，队列中积压等待处理的任务数量为q
k
(t)，各个队列都会生成新的待处理任务量a
k
(t)，同时也能够处理完成任务量b
k
(t)；所以在t+1 时隙，队列中积压等待处理的任务数量的动态变化过程为
[0116]
q
k
(t+1)＝q
k
(t)
‑
b
k
(t)+a
k
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0117]
因此，在t时隙第k个队列中积压的任务数量的平方和为
[0118][0119]
lyapunov漂移表示为
[0120]
δ(q(t))＝e{l(q(t+1))
‑
l(q(t))|q(t)}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0121]
lyapunov漂移用于测量lyapunov函数中时隙t与t+1之间变化值的期望，可以反映出系统的稳定性。减小漂移可以有效地降低队列的变化程度，从而提高系统的稳定性。
[0122]
其次，对本实施例所设置的虚拟队列进行简单介绍：
[0123]
设置两个虚拟队列f
ij
(t)和e
j
(t)，其中f
ij
(t)为视频播放等待时间的虚拟队列，对应视频设备的视频播放等待时间，e
j
(t)为基站电池电量的虚拟队列，对应基站电池电量，则有：
[0124]
f
ij
(t+1)＝f
ij
(t)+max{f
ij
(t)
‑
α,0}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0125][0126]
当满足式(9)的约束c1，表示虚拟队列f
ij
(t)的速率稳定；当满足式(9)的约束c2，表示虚拟队列e
j
(t)的速率稳定；
[0127]
最后，将lyapunov漂移公式和虚拟队列相结合：
[0128]
将虚拟队列的连接向量z(t)定义为：
[0129]
z(t)＝[f
ij
(t)，e
j
(t)]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0130]
将(15)结合(12)得出：
[0131][0132]
根据(15)和(16)得到：
[0133][0134]
式(17)中，δ(t)为δ(q(t))的缩写；c1和c2均为对所有时隙t都满足以下约束的常数：
[0135][0136][0137]
式(19)中，为某个时隙下从其它毫米波基站转移到当前毫米波基站的电池电量的最大值；为某个时隙下从当前毫米波基站转移到其它毫米波基站的最大值；e
max
为毫米波基站获取可再生能源的最大值；p
max
为发射功率的最大值；
[0138]
根据式(15)，将式(17)转换为
[0139][0140]
式(20)中，v为惩罚权重，表示目标函数对虚拟队列约束的重要性；v≥0；
[0141]
放宽式(17)中的相应边界，将多时隙优化问题式(9)转换为单个时隙下的子优化问题：
[0142][0143]
在对式(21)进行优化设计前，需要证明式(21)中的优化函数是凸函数，具体证明方法为：
[0144]
对式(21)的约束条件进行判断，重写为：
[0145][0146]
式(22)不等式左侧为凸函数，结合式(21)中的优化函数是凸函数，可以证明每个时隙下的子优化问题为凸优化问题；因此可以使用凸优化的工具对式 (21)求解，获得相应的(p
j
(t)，ε
jj
′
(t))，实现对应的等待时间最短。
[0147]
本发明实施例中等待时间最小化优化算法可参考表1：
[0148]
表1等待时间最小化优化算法
[0149][0150]
下面结合仿真结果对本发明的效果作进一步说明。
[0151]
1、仿真实验条件：
[0152]
为了有效评估本发明提出的基于可再生能源und视频流等待时间优化方法，将该
方法与毫米波基站之间没有能量协作的贪婪算法进行比较，所设置的仿真参数参照表2：
[0153]
表2仿真参数
[0154][0155]
由于在采用贪婪算法进行对照试验时，毫米波基站之间没有能量协作，即能量获取的过程可建模为概率密度函数为的平稳随机过程。
[0156]
2、仿真结果分析：
[0157]
参见图5所示，对于相同的v，毫米波基站的平均能量队列长度分别小于使用贪婪算法时的长度。具体地，当n＝0.5时，毫米波基站的平均能量队列长度小于n＝0.9时的长度。这表明能量合作可以减轻对电池容量的需求。因为在没有能量合作的情况下，每个毫米波基站必须存储更多的能量以应对能量不足的时隙。相反，能量合作允许基站从其他基站借用能量以确保正常的数据传输。当毫米波基站之间的能量到达率低时，毫米波基站之间的能量传输损耗大，这使得毫米波基站的平均电池电量降低。
[0158]
参见图6和图7所示，假设bs1收集的可再生能源数量为0，即e
j
(t)＝0，以此来模拟恶劣的环境条件。在这种情况下，图5中的小图表示采用贪婪算法时，bs1对应的视频设备的平均等待时间为1(s/slot)；这是由于毫米波基站无法获取能量，所以无法将数据传输到视频设备，导致视频设备由于缺乏视频数据而无法正常工作。此时，另外两组因为毫米波基站之间采用了能量协作， bs1的平均等待时间明显受影响较小，可以继续工作，从而保证了对应用户的视频观看体验；
[0159]
针对不同的参数v，本发明所提出的方法可以确保当毫米波基站无法正常获取可再生能源时，毫米波基站相应的视频设备也可以正常工作；同时，可以忽略对其它毫米波基
站对应的视频设备平均等待时间的影响。这也进一步证明了，本发明所提出的方法的性能优于贪婪算法。对于大多数的v值，当n＝0.9 时，bs1和其它毫米波基站对应视频设备的平均等待时间小于在n＝0.5时的平均等待时间；在n＝0.5或n＝0.9时，当v的值约为200时，bs1和其它毫米波基站对应视频设备的平均等待时间出现了最小值。因此，通过合理选择n和v的数值可以进一步减少视频设备的平均等待时间。
[0160]
参见图8和图9所示，同样假设bs1收集的可再生能源数量为0，bs2和 bs3可以正常地收集可再生能源。从图7得出，在采用本发明所提出的算法时，每个毫米波基站对应的视频设备的平均等待时间逐渐减少且趋于稳定。这说明了当毫米波基站无法正常获得可再生能源时，各基站对应的视频设备可以正常使用。从图8得出，在采用贪婪算法时，bs1对应的视频设备的平均等待时间始终为1(s/slot)，而bs2和bs3对应的视频设备的平均等待时间在约束范围内波动。这说明在采用贪婪算法时，无法正常获得可再生能源的基站所对应的视频设备无法正常使用。
[0161]
本发明实施例提供了基于可再生能源und视频流等待时间优化方法，引入lyapunov优化算法，通过将原始多时隙优化问题分解为多个单时隙子问题来最小化平均等待时间，并且毫米波基站之间可以通过智能电网实现能量的相互交换，从而使各个毫米波基站获取的可再生能源得到有效利用，这样可以有效地利用能源在保持网络稳定的同时减少用户视频设备的平均等待时间，提高了用户的观看体验。并且仿真结果表明，与贪婪算法相比，本发明所提出的方法可以保持等待时间和能量队列的队列长度更短，同时最小化用户视频设备的平均等待时间。更重要的是，在本发明实施例中，当毫米波基站不能在一段时间内收集可再生能量时，每个毫米波基站所对应的视频设备仍然可以正常工作，这进一步证明了本发明所提出的算法可以确保网络中的视频设备长期稳定运行。通过仿真结果还说明了通过合理选择n和v的数值可以进一步减少视频设备的平均等待时间。
[0162]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。