CN101547347A - 可伸缩视频流的覆盖网络分层组播资源最优分配方法 - Google Patents

Abstract

本发明涉及一种可伸缩视频流的覆盖网络分层组播资源最优分配方法。针对可伸缩视频流在覆盖网络中的分层组播通信，提出了一种新的组播性能度量标准——“层伸展度”，用于测定各视频层在数据分发时的端到端时延。为了实现层伸展度总体最小化，对中继节点的网络编码、接收端驱动的流量控制，以及多路径路由策略进行联合优化，采用线性规划方法建立覆盖网络下的分层组播资源最优分配模型。一方面自适应匹配了可伸缩视频编码的层间依赖性；另一方面允许接收节点自行决定和调整所需要的视频质量。此外，还提出了一种低复杂度、逼近全局最优解的分布式启发式算法，应用于可伸缩视频流分发网络的构建。

Description

可伸缩视频流的覆盖网络分层组播资源最优分配方法

技术领域

本发明涉及可伸缩视频流在覆盖网络中进行数据分发时的资源分配方法，包括分发网络的构建、链路速率分配以及多路径路由设计等内容。结合网络编码技术和接收端驱动的流量控制方法，来解决可伸缩视频编码层间依赖性的问题，以及实现数据分发的时延最小化。

技术背景

组播技术应用于异构网络视频内容分发时，需要解决的一个关键问题是如何为异构接收端提供一种可分级的流量控制方法。分层视频编码，例如JVT/MPEG组织制定的可伸缩视频编码(SVC，Scalable Video Coding)标准，提供了一种在信源端进行速率分配的方法。SVC通过一次编码生成具有多维可分级性的码流，既同时满足空域、时域、质量SNR可分级，亦可进一步满足解码复杂度可分级、感兴趣区域(ROI)可分级、基于对象可分级等，针对用户的不同接入能力，生成同一内容在不同尺度组合下的视频图像。接收端驱动的分层组播(RLM，Receiver-driven Layered Multicast)提供了一种由接收端进行流量控制的组播通信协议，允许各个视频层数据通过不同的组播组进行分发，用户通过加入不同数量的组播组来控制网络拥塞。

随着覆盖网络的发展，端系统组播成为组播技术发展的热点。端系统组播的主要思想在于把以往IP层组播中路由器所起的部分功用(主要是数据分组的复制和路由选择等)由处于应用层中的端系统来完成，在网络层依旧遵循IP单播的模式，大大简化了实现细节，无需改变底层网络的物理结构，提高了网络的可扩展性。现有的流量控制方案往往基于架构确定的树状或网状分发网络，不适用于动态变化的覆盖网络结构。本发明对覆盖网络中分层组播的资源分配问题进行了研究，允许每个接收端动态选择多条路由路径来接收各个视频层数据。

端系统组播通常采用“伸展度”来度量单路径传输时的端到端时延，它无法评估涉及多路径路由的每个视频层的传输时延。本发明引入了“层伸展度”度量标准，来估测覆盖网中视频层数据的端到端时延，它定义为覆盖网中从源点到各个组播组成员的路径长度与直接单播传输路径长度的比值。

网络编码可以实现组播最大流通信。现有的速率分配方案都通过网络编码技术来提高分层组播的吞吐量，但这些方案主要关注于整个网络吞吐量的最大化或接收端接收到的视频层数量最大化，忽略了可伸缩视频编码的层间依赖性问题。

发明内容

本发明的目的，对于目前众多可伸缩视频流的覆盖网络传输方案往往忽略层间依赖性的问题，而提出的一种可伸缩视频流的覆盖网络分层组播资源分配方法，它为网络中异构接收端提供了一种可分级的流量控制，有效地利用了网络的带宽资源，提供了最佳的全局求解结果，从而提高了网络的吞吐量；另外，在背景流量对源端产生影响的情况下，能够适时地调整网络的资源分配，从而有效地控制视频质量下降的幅度。

为达到上述目的，本发明的构思是：针对可伸缩视频流在覆盖网络中的分层组播通信，提出了一种新的组播性能度量标准——“层伸展度”，用于测定各视频层在数据分发时的端到端时延。为了实现层伸展度总体最小化，对中继节点的网络编码、接收端驱动的流量控制，以及多路径路由策略进行联合优化，采用线性规划方法建立覆盖网络下的分层组播资源最优分配模型。一方面自适应匹配了可伸缩视频编码的层间依赖性；另一方面允许接收节点自行决定和调整所需要的视频质量。此外，本发明还提出了一种低复杂度、逼近全局最优解的分布式启发式算法，可实际应用于可伸缩视频流分发网络的构建。

根据上述发明构思，本发明采用下述技术方案：

一种可伸缩视频流的覆盖网络分层组播资源最优分配方法，其特征在于：第一，针对可伸缩视频流在覆盖网络中的分层组播通信，引入了一种新的组播性能度量方法——“层伸展度”，用来测定各视频层数据传输时的端到端时延大小；第二，为了构建性能最优的可伸缩视频流分发网络，以端到端的层伸展度最小化为总体目标，对中继节点的网络编码、接收端驱动的流量控制，以及多路径路由策略进行联合优化，建立覆盖网络下的分层组播资源最优分配模型；第三，针对上述最优分配模型，采用线性规划方法进行求解；第四，提出了一种低复杂度、逼近全局最优解的分布式启发式算法，应用于可伸缩视频流分发网络的构建。

下面给出原理说明：

1、本发明提出的线性规划算法

本算法以端到端的层伸展度最小化为目标函数，兼顾所有接收端的吞吐量以及可伸缩视频流解码的层间依赖关系，以信息流平衡条件、链路容量限制、网络编码条件等为约束函数，建立覆盖网络分层组播资源分配的线性规划优化模型。具体的线性规划算法如下：

(1)覆盖网络模型

将覆盖网络抽象为有向图G(V，E)，其中V是节点的集合，分为源节点集合S和接收节点集合R，E是节点之间链路的集合；对于每条链路(i，j)都有相应的权值：传输带宽C(i，j)和时延D(i，j)；假定可伸缩视频流在源节点编码为M层{l₁，，l₂，...，l_M}，每层数据以速率B_m’通过组播组m进行分发；系数表示接收节点r是否加入了组播组m(是否接收第m层数据)； $a_m^r=1$ 代表r申请加入组播组m，反之 $a_m^r=0;$ f_m(i，j)代表第m层视频分发网络在各条链路上消耗的带宽；假设从源节点到每个接收节点r都有多条传输路径P(r)，矩阵Zr表示链路和接收节点r的传输路径之间的关系，其中Zr的元素 $z_k^r(i,j)=1$ 表示链路(i，j)包含于接收节点r的第k条传输路径中；

表示接收节点r接收第m层数据时，其第k条路径在链路(i，j)上消耗的带宽大小。和分别表示第m层视频分发时，接收节点r在IP层单播网络和覆盖网络上的传输时延，s_m表示覆盖网络上第m层数据的伸展度；

(2)线性规划算法

$\min \mathrm{imize}\underset{m\∈M}{\mathrm{\Σ}}{p}_m\×s_m=$

$\underset{m\∈M}{\mathrm{\Σ}}{p}_m\×\frac{\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\text{\Σ}}{D}_m^r/\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{a}_m^r}{\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{U}_m^r/\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{a}_m^r}$

Subject to：

$\underset{\left\{j\right|(i,j)\∈E\}}{\mathrm{\Σ}}\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)-\underset{\left\{j\right|(j,i)\∈E\}}{\mathrm{\Σ}}\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(j,i)$

1) $=\left\{\begin{array}{cc}{a}_m^r\·B_m,& \mathrm{if\; i}\∈S;\\ -a_m^r\·B_m,& \mathrm{if\; i}\∈R;\\ 0,& \mathrm{otherwise},\end{array}\right.$

$\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\};$

2) $\underset{\left\{j\right|(i,j)\∈E\}}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)=\underset{\left\{j\right|(j,i)\∈E\}}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(j,i),$

$\∀\left\{i\right|i\∉S,i\∉R\},\{k|k\∈P\left(r\right)\},\mathrm{and}\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\};$

3) $\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)\≤f_m(i,j),\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{(i,j)\right|(i,j)\∈E\};$

4) $\underset{m\∈M}{\mathrm{\Σ}}{f}_m(i,j)\≤C(i,j),\∀\left\{(i,j)\right|(i,j)\∈E\};$

5) $\frac{x_{m,k}^r(i,j)}{C(i,j)}\≤b_{m,k}^r(i,j),\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{k\right|k\∈P\left(r\right)\};$

6) $\underset{\left\{(i,j)\right|(i,j)\∈E}{\mathrm{\Σ}}{b}_{m,k}^r(i,j)D(i,j)\≤D_m^r,\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{k\right|k\∈P\left(r\right)\}$

优化目标：使总的端到端层伸展度最小化。p_m对应于每一层的权值，满足：p₁+p₂+…+p_M＝1。考虑到可伸缩视频编码的层间依靠性，使p₁>p₂>…>p_M。

约束条件：

1)对应于各个节点的流量平衡限制条件；

2)对应于每条路径的流量平衡限制条件；

3)规定每条链路上的实际带宽消耗量为所有接收节点在该链路上消耗带宽的最大值。

该条件表示在链路上采用网络编码的限制条件，实现不同节点在同一链路上的资源共享；

4)对应于链路上带宽的限制条件；

5)指示链路是否被使用。如果 $x_{m,k}^r(i,j)>0,$ 即接收节点r在接收第m层数据时，使用了第k条路径在的链路(i，j)，那么 $b_{m,k}^r(i,j)=1;$ 反正， $b_{m,k}^r(i,j)=0;$

6)规定

为节点r接收第m层数据时所使用的路径中传输时延的最大值。

为了满足异构网络的QoS要求，在线性规划算法中，只要不超过网络带宽的限制，由每个接收端自行确定加入的层数，即为以下公式(1)，其可以加入的层数为J层。

$\underset{m=1}{\overset{J}{\mathrm{\Σ}}}{B}_m\≤f^r\≤\underset{m=1}{\overset{J+1}{\mathrm{\Σ}}}{B}_m---\left(1\right)$

2、分布式的启发式算法

本发明给出了分布式启发式算法，它不需要了解整个网络的全局信息，降低了算法的复杂度；该算法在传输低层视频数据时使用时延小的链路，以保证重要信息优先到达接收端，同时增强了覆盖网络视频分发的鲁棒性；具体地，每个接收节点按照时延递增的顺序依次选择传输路径；假定节点r要求接收基本层，它首先选择时延

最小的第k条路径，如果该路径的带宽容量无法满足基本层的传输要求，剩余的流量将由时延次小的路径来传递；基本层的速率分配结束后，更新覆盖网络的可用带宽，继续构建高层视频流的分发网络；第m层视频分发时，为节点r进行速率分配的伪代码如下：

if 

停止对层m的数据分配；

else{   未分配流量R_un＝B_m；

        while(R_un>0)

        {      在P(r)中选择时延最小的路径k；

               if

                    

/*路径k上的流量分配*/

                    

/*更新网络带宽*/

               else

                    

/*路径k上的流量分配*/

                    

           从P(r)中消除路径k；

           

    }

}

附图说明

图1本发明实施使用的网络拓扑图；

图2本发明与其它算法比较的吞吐量示意图；

图3本发明与其它算法比较的视频质量示意图；

具体实施方式

下面结合附图对本发明的优选实施例作详细说明：可伸缩视频流的覆盖网络分层组播资源最优分配方法，其特征在于：第一，针对可伸缩视频流在覆盖网络中的分层组播通信，引入了一种新的组播性能度量方法——“层伸展度”，用来测定各视频层数据传输时的端到端时延大小；第二，为了构建性能最优的可伸缩视频流分发网络，以端到端的层伸展度最小化为总体目标，对中继节点的网络编码、接收端驱动的流量控制，以及多路径路由策略进行联合优化，建立覆盖网络下的分层组播资源最优分配模型；第三，针对上述最优分配模型，采用线性规划方法进行求解；第四，提出了一种低复杂度、逼近全局最优解的分布式启发式算法，应用于可伸缩视频流分发网络的构建。本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，主要包括三个部分：网络拓扑的设定、基于该拓扑的两种算法仿真过程以及性能分析。

1.网络拓扑和仿真序列的设定

本发明通过图1所示的随机覆盖网络进行性能仿真，它有1个源节点S和8个接收节点R₁～R₈组成，每条链路上都标有带宽(kbps)和时延(ms)的大小。本发明采用两个30帧/秒(fps)、分辨率为CIF(352*288)的标准测试视频序列“Foreman”和“Mobile”进行测试，GOP大小取32帧。对于每个序列，使用基于H.264/AVC推广标准的JSVM9_10参考编码器，将序列编码成速率为256kbps的基本质量层，然后在基本层之上通过FGS编码达到384kbps、512kbps和1024kbps这三个码率点。

按照各个接收端的最大流流量，假设接收端R₆、R₇和R₈分别可以加入2、3和4个视频层，每个层相应的权值设置为p₁＝0.6，p₂＝0.27，p₃＝0.1，p₄＝0.03。

2.建立基于以上网络的线性规划模型

假定可伸缩视频流在源节点编码为M层{l₁，，l₂，...，l_M}，每层数据以速率B_m，通过组播组m进行分发；系数表示接收节点r是否加入了组播组m；f_m(i，j)代表第m层视频分发网络在各条链路上消耗的带宽；假设从源节点到每个接收节点r都有多条传输路径P(r)，矩阵z^r中的元素 $z_k^r(i,j)=1$ 表示链路(i，j)包含于接收节点r的第k条传输路径中；

表示接收节点r接收第m层数据时，其第k条路径在链路(i，j)上消耗的带宽大小；

和

分别表示第m层视频分发时，接收节点r在IP层单播网络和覆盖网络上的传输时延，s_m表示覆盖网络上第m层数据的伸展度；采用线性算法：

$\mathrm{Minimize}\underset{m\∈M}{\mathrm{\Σ}}{p}_m\×s_m=\underset{m\∈M}{\mathrm{\Σ}}{p}_m\×\frac{\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\text{\Σ}}{D}_m^r/\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{a}_m^r}{\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{U}_m^r/\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{a}_m^r},$

设：p₁＝0.6，p₂＝0.27，p₃＝0.1，p₄＝0.03

Subject to：

$\underset{\left\{j\right|(i,j)\∈E\}}{\mathrm{\Σ}}\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)-\underset{\left\{j\right|(j,i)\∈E\}}{\mathrm{\Σ}}\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(j,i)$

1) $=\left\{\begin{array}{cc}{a}_m^r\·B_m,& \mathrm{if\; i}\∈S;\\ -a_m^r\·B_m,& \mathrm{if\; i}\∈R;\\ 0,& \mathrm{otherwise},\end{array}\right.$

其中：B₁＝256kbps，B₂＝384kbps，B₃＝512kbps，B₄＝1024kbps

$a_1^6=a_2^6=1;$ $a_1^7=a_2^7=a_3^7=1;$ $a_1^8=a_2^8=a_3^8=a_4^8=1$

2) $\underset{\left\{j\right|(i,j)\∈E\}}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)=\underset{\left\{j\right|(j,i)\∈E\}}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(j,i),$

$\∀\left\{i\right|i\∉S,i\∉R\},\{k|k\∈P\left(r\right)\},\mathrm{and}\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\};$

3) $\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)\≤f_m(i,j),\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{(i,j)\right|(i,j)\∈E\};$

4) $\underset{m\∈M}{\mathrm{\Σ}}{f}_m(i,j)\≤C(i,j),\∀\left\{(i,j)\right|(i,j)\∈E\};$

5) $\frac{x_{m,k}^r(i,j)}{C(i,j)}\≤b_{m,k}^r(i,j),\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{k\right|k\∈P\left(r\right)\};$

6) $\underset{\left\{(i,j)\right|(i,j)\∈E}{\mathrm{\Σ}}{b}_{m,k}^r(i,j)D(i,j)\≤D_m^r,\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{k\right|k\∈P\left(r\right)\}$

3.建立分布式的启发式算法模型

针对分布式的启发式算法的伪代码，它不需要了解整个网络的全局信息，降低了算法的复杂度。以下给出在实施过程中的详细步骤：

步骤1.检测

的值，若 $a_m^r=0,$ 表示节点r无法接收第m层数据，即停止对第m层的数据分配；

步骤2.若 $a_m^r=1,$ 设定未分配流量R_un等于当前第m层的速率B_m；

步骤3.若R_un>0，表示第m层的速率分配还未完成，继续在P(r)中选择时延最小的路径k；

步骤4.若 $c_k^r\≥R_{\mathrm{un}},$ 表示路径k上的带宽容量能够承受第m层的传输速率。首先，执行路径k上的流量分配： $f_k^r=R_{\mathrm{un}};$ 其次，更新网络带宽，去除已分配掉的容量： $c_k^r=c_k^r-f_k^r;$

步骤5.若 $c_k^r\≤R_{\mathrm{un}},$ 表示仅依靠路径k的带宽量不能完成第m层的数据传输。首先，执行路径k上的流量分配： $f_k^r=R_{\mathrm{un}}:$ 其次，更新网络带宽： $c_k^r=0,$ 从P(r)中去除路径k；最后，更新未分配流量： $R_{\mathrm{un}}=R_{\mathrm{un}}-f_k^r.$ 返回步骤3，执行至R_un＝0，即完成了第m层的流量分配。

4.在图1的网络结构中采用上述两种算法进行性能分析

(1)层伸展度的比较

表1给出了序列“Foreman”在使用最短路径算法、本发明提出的线性规划算法(LP)和分布-启发式算法后，层伸展度值的比较。从表1可知，线性规划算法以每层递增的方式达到了各层伸展度的最小化。而最短路径算法仅仅使用了一条单一路径，不能有效地使用网络资源。

表1.＂Foreman＂序列的层伸展度大小

 

	Layer1	Layer2	Layer3	Layer4
					最短路径算法	1.36	-	-	-
线性规划算法(LP)	1.45	2.05	3.53	3.96
					启发式算法	1.45	2.75	2.05

(2)吞吐量的比较

图2比较了各算法能达到的吞吐量大小。从图中可知，线性规划算法能够提供最佳的全局求解结果，从而满足了所有接收端的接入需求。对于最短路径算法，它至多只能提供接收端一层的数据接收。启发式算法的性能虽然不如线性规划算法，但它在实际应用中能更容易地执行。

(3)平均接收视频质量的比较(峰值信噪比PSNR)

首先，设置序列“Mobile”两种不同的消耗期限，从200ms到400ms，确定背景流量达到10％。在表2中通过不同的峰值信噪比值比较了视频的接受质量。从表中可以看到，线性规划算法可以得到最佳的视频质量。

表2.平均接收视频质量的比较(峰值信噪比PSNR)

图3给出了背景流量对源端分配的影响，选择序列“Foreman”，设置消耗期限为400ms。很明显地，随着背景流量的上升，视频的质量逐渐下降，而在本发明提供的算法中，其图像质量下降较其他算法更为缓慢。

Claims (6)

1、一种可伸缩视频流的覆盖网络分层组播资源最优分配方法，其特征在于：第一，针对可伸缩视频流在覆盖网络中的分层组播通信，引入了一种新的组播性能度量方法——“层伸展度”，用来测定各视频层数据传输时的端到端时延大小；第二，为了构建性能最优的可伸缩视频流分发网络，以端到端的层伸展度最小化为总体目标，对中继节点的网络编码、接收端驱动的流量控制，以及多路径路由策略进行联合优化，建立覆盖网络下的分层组播资源最优分配模型；第三，针对上述最优分配模型，采用线性规划方法进行求解；第四，提出了一种低复杂度、逼近全局最优解的分布式启发式算法，应用于可伸缩视频流分发网络的构建。

2、根据权利要求1所述的可伸缩视频流的覆盖网络分层组播资源最优分配方法，其特征在于：所述“层伸展度”定义为覆盖网络中从源点到各个组播组成员的传输路径长度之和与对应的IP层单播传输路径长度之和的比值。

3、根据权利要求1所述的可伸缩视频流的覆盖网络分层组播资源最优分配方法，其特征在于：所述对中继节点的网络编码技术和接收端驱动的流量控制方法是：一方面自适应匹配了可伸缩视频编码的层间依赖性；另一方面允许接收节点自行决定所需要的视频质量，从而使层伸展度总体最小化。

4、根据权利要求1所述的可伸缩视频流的覆盖网络分层组播资源最优分配方法，其特征在于：所述分层组播资源最优分配模型中，接收节点可自适应地调整接收的视频层数来避免覆盖网络的链路资源冲突和网络拥塞。

5、根据权利要求1所述的可伸缩视频流的覆盖网络分层组播资源最优分配方法，其特征在于：所述针对最优化分配模型，采用线性规划方法求解是：以端到端的层伸展度最小化为目标函数，兼顾所有接收端的吞吐量以及可伸缩视频流解码的层间依赖关系，以信息流平衡条件、链路容量限制、网络编码条件等为约束函数，建立覆盖网络分层组播资源分配的线性规划优化模型；具体的线性规划算法如下：

(1)覆盖网络模型：将覆盖网络抽象为有向图G(V，E)，其中V是节点的集合，分为源节点集合S和接收节点集合R，E是节点之间链路的集合；对于每条链路(i，j)都有相应的权值：传输带宽C(i，j)和时延D(i，j)；假定可伸缩视频流在源节点编码为M层{l₁，，l₂，...，l_M}，每层数据以速率B_m’通过组播组m进行分发；系数

表示接收节点r是否加入了组播组m(是否接收第m层数据)； $a_m^r=1$ 代表r申请加入组播组m，反之 $a_m^r=0;$ f_m(i，j)代表第m层视频分发网络在各条链路上消耗的带宽；假设从源节点到每个接收节点r都有多条传输路径P(r)，矩阵Z^r表示链路和接收节点r的传输路径之间的关系，其中Z^r的元素 $z_k^r(i,j)=1$ 表示链路(i，j)包含于接收节点r的第k条传输路径中；

表示接收节点r接收第m层数据时，其第k条路径在链路(i，j)上消耗的带宽大小。

和

分别表示第m层视频分发时，接收节点r在IP层单播网络和覆盖网络上的传输时延，s_m表示覆盖网络上第m层数据的伸展度；

(2)线性规划算法

$\min \mathrm{imize}\underset{m\∈M}{\mathrm{\Σ}}{p}_m\×s_m=$

$\underset{m\∈M}{\mathrm{\Σ}}{p}_m\×\frac{\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{D}_m^r/\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{a}_m^r}{\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{U}_m^r/\underset{\left\{r\right|r\∈R\∩a_m^r>0\}}{\mathrm{\Σ}}{a}_m^r}$

Subject to：

$\underset{\left\{j\right|(i,j)\∈E\}}{\mathrm{\Σ}}\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)-\underset{\left\{j\right|(j,i)\∈E\}}{\mathrm{\Σ}}\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(j,i)$

1) $=\left\{\begin{array}{cc}{a}_m^r\·B_m,& \mathrm{ifi}\∈S;\\ -a_m^r\·B_m,& \mathrm{ifi}\∈R;\\ 0,& \mathrm{otherwise}.\end{array}\right.$

$\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\};$

2) $\underset{\left\{j\right|(i,j)\∈E\}}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)=\underset{\left\{j\right|(j,i)\∈E\}}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(j,i),$

$\∀\left\{i\right|i\∉S,i\∉R\}\text{,}$ {k|k∈P(r)}， $\mathrm{and}\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\};$

3) $\underset{k\∈P\left(r\right)}{\mathrm{\Σ}}{z}_k^r(i,j)x_{m,k}^r(i,j)\≤f_m(i,j),$ $\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{(i,j)\right|(i,j)\∈E\};$

4) $\underset{m\∈M}{\mathrm{\Σ}}{f}_m(i,j)\≤C(i,j),$ $\∀\left\{(i,j)\right|(i,j)\∈E\};$

5) $\frac{x_{m,k}^r(i,j)}{C(i,j)}\≤b_{m,k}^r(i,j),$ $\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{k\right|k\∈P\left(r\right)\};$

6) $\underset{\left\{(i,j)\right|(i,j)\∈E}{\mathrm{\Σ}}{b}_{m,k}^r(i,j)D(i,j)\≤D_m^r,$ $\∀\left\{(m,r)\right|m\∈M,r\∈R,a_m^r>0\}\mathrm{and}\left\{k\right|k\∈P\left(r\right)\}$

优化目标：使总的端到端层伸展度最小化。p_m对应于每一层的权值，满足：p₁+p₂+…+p_M＝1。考虑到可伸缩视频编码的层间依靠性，使p₁>p₂>…>p_M。

约束条件：

1)对应于各个节点的流量平衡限制条件；

2)对应于每条路径的流量平衡限制条件；

3)规定每条链路上的实际带宽消耗量为所有接收节点在该链路上消耗带宽的最大值。该条件表示在链路上采用网络编码的限制条件，实现不同节点在同一链路上的资源共享；

4)对应于链路上带宽的限制条件；

5)指示链路是否被使用。如果 $x_{m,k}^r(i,j)>0,$ 即接收节点r在接收第m层数据时，使用了第k条路径在的链路(i，j)，那么 $b_{m,k}^r(i,j)=1;$ 反之， $b_{m,k}^r(i,j)=0;$

6)规定

为节点r接收第m层数据时所使用的路径中传输时延的最大值。

6、根据权利要求1所述的可伸缩视频流的覆盖网络分层组播资源最优分配方法，所述分布式启发式算法，它不需要了解整个网络的全局信息，降低了算法的复杂度。该算法在传输低层视频数据时使用时延小的链路，以保证重要信息优先到达接收端，同时增强了覆盖网络视频分发的鲁棒性；具体地，每个接收节点按照时延递增的顺序依次选择传输路径；假定节点r要求接收基本层，它首先选择时延

最小的第k条路径，如果该路径的带宽容量无法满足基本层的传输要求，剩余的流量将由时延次小的路径来传递；基本层的速率分配结束后，更新覆盖网络的可用带宽，继续构建高层视频流的分发网络；第m层视频分发时，为节点r进行速率分配的伪代码如下：

if 

停止对层m的数据分配；

else

{    未分配流量R_un＝B_m；

         while(R_un>0)

         {

               在P(r)中选择时延最小的路径k；

               

                     

/*路径k上的流量分配*/

                     /*更新网络带宽*/

               else

                     

/*路径k上的流量分配*/

                     

                     从P(r)中消除路径k；

                     

         }

}。

Images