CN106886463A - 一种智能动态调整多图形处理器负载的控制系统 - Google Patents

Abstract

本发明属于图形处理技术领域，公开了一种智能动态调整多图形处理器负载的控制系统，包括：接收模块，用于接收编码数据；拆分模块，与接收模块连接，用于将所述编码数据按数据帧进行拆分；收集模块，与拆分模块连接，用于收集各个图形处理器的负载情况；分配模块，与收集模块连接，用于根据负载情况，将所述数据帧分配到所述各个图形处理器。本发明能够达到发挥多图形处理器性能的优势，使各个编码器之间任务均衡分配，节约资源的技术效果。

Description

一种智能动态调整多图形处理器负载的控制系统

技术领域

本发明属于图形处理技术领域，尤其涉及一种智能动态调整多图形处理器负载的控制系统。

背景技术

近年来，随着数字技术和安防技术的飞速的发展，尤其是网络和高清设备的大量普及，视频数据的处理已经受到越来越多的重视和关注。由于视频数据的巨大，但是很多的图像处理还是使用中央处理器的计算能力来对图像进行处理，虽然近几十年来硬件技术的不断发展导致中央处理器的处理能力飞速上升但是中央处理器对其编解码的处理速度还是远远不能满足现在高端安防行业的需求。就需要对图像处理能力有突出表现得图形处理器来进行图像视频数据的处理。目前，图形处理器已经不再局限于三维图形处理了，图形处理器通用计算技术发展已经引起业界不少的关注，事实也证明在浮点运算、并行计算等部分计算方面，图形处理器可以提供数十倍乃至于上百倍于中央处理器的性能。

图形处理器处理的多渠道数据信号，通常选择信道质量好的渠道，信道质量差的渠道无法获得通信资源，导致通信渠道的公平性无法得到保障。比例公平(Proportionalfair,PF)是一种考虑公平性的调度算法，以通信渠道当前速率与其平均速率的比值来确定通信渠道获得调度的优先级，在提高系统吞吐量和保障公平性两方面取得折中。然而，在贪婪算法中，多通信渠道是逐步添加的，在整个调度过程结束前，各个已选通信渠道的可达速率是未知的，因此基于贪婪算法进行公平设计时，如何准确估计每一步迭代各通信渠道数据速率的近似值或者替代值成为值得研究的问题。如在设计中忽略了准正交通信渠道之间的共道干扰，采用在已选通信渠道信道矩阵构成的空间上的投影矩阵的Frobenius范数作为信道增益，计算通信渠道可达速率；基于通信渠道信道矩阵的Frobenius范数设计比例公平准则。

综上所述，现有技术存在的问题是：目前图形处理器功能单一，图像处理效率低；现有的算法在调度过程中依次选择信道增益大的通信渠道，可能导致与已选通信渠道之间存在较强干扰的高增益通信渠道被选择，而与其它通信渠道相互干扰小但增益不够大的通信渠道得不到调度，致使通信系统和通信速率降低，不能获得良好公平性和较好的系统和速率；使多图像得不到好的呈现。

发明内容

针对现有技术存在的问题，本发明提供了一种智能动态调整多图形处理器负载的控制系统。

本发明是这样实现的，一种智能动态调整多图形处理器负载的控制系统，所述智能动态调整多图形处理器负载的控制系统包括：

接收模块，用于接收编码数据；

所述接收模块的无线信任值计算方法包括以下步骤：

步骤一，采集节点间不同时间片的交互次数，根据得到的数据建立时间序列，通过三次指数平滑法来预测节点间下一个时间片的交互次数，将交互次数预测值与实际值的相对误差作为节点的直接信任值；采集网络观测节点i与节点j之间的n个时间片的交互次数：

选取一定时间间隔t作为一个观测时间片，以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标，真实交互次数，记作y_t，依次记录n个时间片的y_n，并将其保存在节点i的通信记录表中；

预测第n+1个时间片的交互次数：

根据采集到的n个时间片的交互次数建立时间序列，采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数，预测交互次数，记作计算公式如下：

预测系数a_n、b_n、c_n的取值可由如下公式计算得到：

其中：分别是一次、二次、三次指数平滑数，由如下公式计算得到：

是三次指数平滑法的初始值，其取值为：

α是平滑系数，0＜α＜1，体现信任的时间衰减特性，即离预测值越近的时间片的y_t权重越大，离预测值越远的时间片的y_t权重越小；如果数据波动较大，且长期趋势变化幅度较大，呈现明显迅速的上升或下降趋势时α应取较大值0.6～0.8，增加近期数据对预测结果的影响；当数据有波动，但长期趋势变化不大时，α在0.1～0.4取值；如果数据波动平稳，α应取较小值，0.05～0.20；

计算直接信任值：

节点j的直接信任值TD_ij为预测交互次数和真实交互次数y_n+1的相对误差，

步骤二，采用多路径信任推荐方式而得到的计算式计算间接信任值；收集可信节点对节点j的直接信任值：

节点i向所有满足TD_ik≤φ的可信关联节点询问其对节点j的直接信任值，其中φ为推荐节点的可信度阈值，根据可信度的要求精度，φ的取值范围为0～0.4；

计算间接信任值：

综合计算所收集到的信任值，得到节点j的间接信任值TR_ij，其中，Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TD_ik≤φ的节点集合；

步骤三，由直接信任值和间接信任值整合计算得出综合信任值，综合信任值(T_ij)的计算公式如下：T_ij＝βTD_ij+(1-β)TR_ij，其中β(0≤β≤1)表示直接信任值的权重，当β＝0时，节点i和节点j没有直接交互关系，综合信任值的计算直接来自于间接信任值，判断较客观；当β＝1时，节点i对节点j的综合信任值全部来自于直接信任值，在这种情况下，判断较为主观，实际计算根据需要确定β的取值；

拆分模块，与接收模块连接，用于将所述编码数据按数据帧进行拆分；

收集模块，与拆分模块连接，用于收集各个图形处理器的负载情况；

分配模块，与收集模块连接，用于根据负载情况，将所述数据帧分配到所述各个图形处理器；所述分配模块的分配方法包括：

第一步：初始化已选图形处理器通信渠道集合为空集，候选图形处理器通信渠道集合为图形处理器通信渠道全集，随着调度过程的进行，已选图形处理器通信渠道集合和候选图形处理器通信渠道集合的元素不断更新，A_n和S_n分别为在第n次迭代结束时候选和已选图形处理器通信渠道集合，n＝1,…,N_T为迭代的次数，初始化n＝1；

第二步：分配模块对图形处理器通信渠道k反馈的信道信息矩阵H_k进行奇异值分解其中，λ_k，1表示第k个图形处理器通信渠道的信道矩阵的奇异值，表示维度1×(N_T-1)的零向量，和分别由与非零奇异值λ_k,1和零奇异值对应的右奇异值向量构成，因为rank(H_k)＝1，所以v_i,1为V_i的第一个列向量，其中，rank(·)表示求矩阵的秩；

第三步：分配模块根据分解后的矩阵构造中间矩阵和 以及其中，diag(·)表示对角化操作；

第四：分配模块构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算；

第五：从R中选择出与已经调度的n-1个图形处理器通信渠道对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即

第六步：计算图形处理器通信渠道的相关因子即对R_n中每一行的前ξ个元素分别求和并取倒数，等效于简化得到列向量ψ_n＝[ψ_1,n…ψ_L,n]^Η；

第七步：按照公式选择第n个图形处理器通信渠道；

第八步：若n＜N_T，返回第五步；否则调度完成，根据被调度的图形处理器通信渠道受到的实际干扰计算相关因子ψ_k；若图形处理器通信渠道未被调度ψ_k＝0，并按照公式更新图形处理器通信渠道k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的图形处理器通信渠道调度权重，调度完成后，分配模块通知激活图形处理器通信渠道并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段，重复执行第一步～第八步。

进一步，根据所述负载情况，将所述数据帧分配到所述各个图形处理器具体为：从主机内存中接收待编码视频流，将所述待编码视频流拆分为帧数据，并放入显存中，给不同码率或分辨率的帧数据分配不同权值，所述各个图形处理器的负载值为该图形处理器所辖多通道权值相加之和，根据各个图形处理器的负载权值，将新的编码任务分配给负载权值最低的图形处理器，各个图形处理器工作在多通道的任务编码中，多个通道同时开始任务时，所有的通道都默认进行数据的抓捕，第一个通道开始任务时，在时间点进行抓帧后，传送到图形处理器时进行编码，同时第二通道进行抓帧和传送，第一通道完成编码后，第二通道立即开始编码，同时第三通道进行抓帧和数据传送；

如此往复，每通道抓帧时间点不同，在40ms内完成所有通道的一次编码操作，如使用时间不到40ms，则编码器等待，之后进行下轮编码操作。

进一步，所述分配模块的分配方法中，第一步，具体包括：初始化已选空间子信道集合和候选空间子信道集合；

分配模块对下列参数进行初始化，初始化已选图形处理器通信渠道集合候选图形处理器通信渠道集合A₀＝{1,2,3,…,L}，表示空集合，随着调度过程的进行，已选图形处理器通信渠道集合和候选图形处理器通信渠道集合的元素会不断更新，A_n和S_n分别为在第n次迭代结束时候选和已选图形处理器通信渠道集合，n＝1,…,N_T为迭代的次数，初始化n＝1，图形处理器通信渠道侧采用联合信道参数估计的方法可获得信道矩阵信息，即分配模块发射N_T路子信号流，在每路子信号流前添加图形处理器通信渠道侧已知的训练序列组成的数据块，图形处理器通信渠道依据收到的信号与已知训练数据实现图形处理器通信渠道与分配模块之间的信道状态信息矩阵H的估计，图形处理器通信渠道将信道信息矩阵发送给分配模块。

进一步，所述分配模块的分配方法中，第二步具体包括：分配模块对图形处理器通信渠道k反馈的信道信息矩阵H_k进行奇异值分解其中，λ_k,1表示第k个图形处理器通信渠道的信道矩阵的奇异值，反映图形处理器通信渠道信道的传输增益，表示维度1×(N_T-1)的零向量，和分别由与非零奇异值λ_k,1和零奇异值对应的右奇异值向量构成，因为rank(H_k)＝1，所以v_i,1为V_i的第一个列向量，其中，rank(·)表示求矩阵的秩。

进一步，所述分配模块的分配方法中，第四步具体包括：

分配模块构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算，r_i,j反映的图形处理器通信渠道i和j之间的相关程度。

进一步，所述分配模块的分配方法中，第五步具体包括：从R中选择出与已经调度的n-1个图形处理器通信渠道对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即

进一步，所述分配模块的分配方法中，第六步具体包括：根据式(1)计算图形处理器通信渠道的相关因子即对R_n中每一行的前ξ个元素分别求和并取倒数，等效于简化式(2)；

得到列向量ψ_n＝[ψ_1,n…ψ_L,n]^Η，其中，A_l表示潜在的、后续可能被选择的图形处理器通信渠道集合，card(·)表示集合中的元素的个数，是第n步迭代过程中对的估计，因为在调度过程结束前，已选图形处理器通信渠道集合S并未最终确定，所以ψ_k无法准确计算。

进一步，所述分配模块的分配方法中，第七步具体包括：按照下式选择第n个图形处理器通信渠道：

s_n表示被选择的图形处理器通信渠道的标号，是图形处理器通信渠道k的调度权重，是上一传输周期结束时图形处理器通信渠道k的平均相关因子，更新S_n＝S_n-1∪{s_n}，A_n＝A_n-1-{s_n}，n＝n+1。

进一步，所述分配模块的分配方法中，第八步具体包括：若n＜N_T，返回得到矩阵步骤；否则调度完成，根据被调度的图形处理器通信渠道受到的实际干扰计算相关因子ψ_k；若图形处理器通信渠道未被调度ψ_k＝0，并按照下式更新图形处理器通信渠道k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的图形处理器通信渠道调度权重，

其中，δ_c＝0.99，调度完成后，分配模块通知激活图形处理器通信渠道并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段，重复执行初始化已选空间子信道集合和候选空间子信道集合步骤～分配模块通知激活图形处理器通信渠道并进行下行数据通信步骤。

本发明的优点及积极效果为：本发明能够达到发挥多图形处理器性能的优势，使各个编码器之间任务均衡分配，节约资源的技术效果。

本发明提供的方法，根据获得的图形处理器通信渠道的信道矩阵H，进行奇异值分解，通过构造中间矩阵以及相关矩阵，估计每个图形处理器通信渠道受到的干扰，并为其赋予权值，以加权图形处理器通信渠道相关最大为准则来选择图形处理器通信渠道，合理的选择出一组相互之间干扰小的图形处理器通信渠道，并且获得良好的图形处理器通信渠道公平性，实现了分配模块分配处理速率与图形处理器通信渠道公平性的兼顾。本发明的方法简单，操作方便，较好的解决了传统的公平调度算法在逐次添加图形处理器通信渠道的过程中不能准确计算图形处理器通信渠道可达到的速率，从而无法兼顾良好的公平性和较好的速率问题。而且解决了现有的算法在调度过程中依次选择信道增益大的通信渠道，可能导致与已选通信渠道之间存在较强干扰的高增益通信渠道被选择，而与其它通信渠道相互干扰小但增益不够大的通信渠道得不到调度，致使通信系统和通信速率降低，不能获得良好公平性和较好的系统和速率；使多图像得不到好的呈现的问题。

附图说明

图1是本发明实施例提供的智能动态调整多图形处理器负载的控制系统结构示意图；

图中：1、接收模块；2、拆分模块；3、收集模块；4、分配模块。

图2是本发明实施例提供的分配模块分配方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例提供的智能动态调整多图形处理器负载的控制系统包括：

接收模块1，用于接收编码数据；

拆分模块2，与接收模块1连接，用于将所述编码数据按数据帧进行拆分；

收集模块3，与拆分模块2连接，用于收集各个图形处理器的负载情况；

分配模块4，与收集模块3连接，用于根据负载情况，将所述数据帧分配到所述各个图形处理器。

所述接收模块的无线信任值计算方法包括以下步骤：

步骤一，采集节点间不同时间片的交互次数，根据得到的数据建立时间序列，通过三次指数平滑法来预测节点间下一个时间片的交互次数，将交互次数预测值与实际值的相对误差作为节点的直接信任值；采集网络观测节点i与节点j之间的n个时间片的交互次数：

选取一定时间间隔t作为一个观测时间片，以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标，真实交互次数，记作y_t，依次记录n个时间片的y_n，并将其保存在节点i的通信记录表中；

预测第n+1个时间片的交互次数：

根据采集到的n个时间片的交互次数建立时间序列，采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数，预测交互次数，记作计算公式如下：

预测系数a_n、b_n、c_n的取值可由如下公式计算得到：

其中：分别是一次、二次、三次指数平滑数，由如下公式计算得到：

是三次指数平滑法的初始值，其取值为：

α是平滑系数，0＜α＜1，体现信任的时间衰减特性，即离预测值越近的时间片的y_t权重越大，离预测值越远的时间片的y_t权重越小；如果数据波动较大，且长期趋势变化幅度较大，呈现明显迅速的上升或下降趋势时α应取较大值0.6～0.8，增加近期数据对预测结果的影响；当数据有波动，但长期趋势变化不大时，α在0.1～0.4取值；如果数据波动平稳，α应取较小值，0.05～0.20；

计算直接信任值：

节点j的直接信任值TD_ij为预测交互次数和真实交互次数y_n+1的相对误差，

步骤二，采用多路径信任推荐方式而得到的计算式计算间接信任值；收集可信节点对节点j的直接信任值：

节点i向所有满足TD_ik≤φ的可信关联节点询问其对节点j的直接信任值，其中φ为推荐节点的可信度阈值，根据可信度的要求精度，φ的取值范围为0～0.4；

计算间接信任值：

综合计算所收集到的信任值，得到节点j的间接信任值TR_ij，其中，Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TD_ik≤φ的节点集合；

步骤三，由直接信任值和间接信任值整合计算得出综合信任值，综合信任值(T_ij)的计算公式如下：T_ij＝βTD_ij+(1-β)TR_ij，其中β(0≤β≤1)表示直接信任值的权重，当β＝0时，节点i和节点j没有直接交互关系，综合信任值的计算直接来自于间接信任值，判断较客观；当β＝1时，节点i对节点j的综合信任值全部来自于直接信任值，在这种情况下，判断较为主观，实际计算根据需要确定β的取值；

根据所述负载情况，将所述数据帧分配到所述各个图形处理器”具体为：从主机内存中接收待编码视频流，将所述待编码视频流拆分为帧数据，并放入显存中，给不同码率或分辨率的帧数据分配不同权值，所述各个图形处理器的负载值为该图形处理器所辖多通道权值相加之和，根据各个图形处理器的负载权值，将新的编码任务分配给负载权值最低的图形处理器，各个图形处理器工作在多通道的任务编码中，多个通道同时开始任务时，所有的通道都默认进行数据的抓捕，第一个通道开始任务时，在时间点进行抓帧后，传送到图形处理器时进行编码，同时第二通道进行抓帧和传送，第一通道完成编码后，第二通道立即开始编码，同时第三通道进行抓帧和数据传送。

如此往复，每通道抓帧时间点不同，在40ms内完成所有通道的一次编码操作，如使用时间不到40ms，则编码器等待。之后进行下轮编码操作。

如图2所示，所述分配模块的分配方法包括：

第一步：初始化已选图形处理器通信渠道集合为空集，候选图形处理器通信渠道集合为图形处理器通信渠道全集，随着调度过程的进行，已选图形处理器通信渠道集合和候选图形处理器通信渠道集合的元素不断更新，A_n和S_n分别为在第n次迭代结束时候选和已选图形处理器通信渠道集合，n＝1,…,N_T为迭代的次数，初始化n＝1；

第二步：分配模块对图形处理器通信渠道k反馈的信道信息矩阵H_k进行奇异值分解其中，λ_k,1表示第k个图形处理器通信渠道的信道矩阵的奇异值，表示维度1×(N_T-1)的零向量，和分别由与非零奇异值λ_k,1和零奇异值对应的右奇异值向量构成，因为rank(H_k)＝1，所以v_i,1为V_i的第一个列向量，其中，rank(·)表示求矩阵的秩；

第三步：分配模块根据分解后的矩阵构造中间矩阵和 以及其中，diag(·)表示对角化操作；

第四：分配模块构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算；

第五：从R中选择出与已经调度的n-1个图形处理器通信渠道对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即

第六步：计算图形处理器通信渠道的相关因子即对R_n中每一行的前ξ个元素分别求和并取倒数，等效于简化得到列向量ψ_n＝[ψ_1,n…ψ_L,n]^Η；

第七步：按照公式选择第n个图形处理器通信渠道；

第八步：若n＜N_T，返回第五步；否则调度完成，根据被调度的图形处理器通信渠道受到的实际干扰计算相关因子ψ_k；若图形处理器通信渠道未被调度ψ_k＝0，并按照公式更新图形处理器通信渠道k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的图形处理器通信渠道调度权重，调度完成后，分配模块通知激活图形处理器通信渠道并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段，重复执行第一步～第八步。

所述分配模块的分配方法中，第一步，具体包括：初始化已选空间子信道集合和候选空间子信道集合；

分配模块对下列参数进行初始化，初始化已选图形处理器通信渠道集合候选图形处理器通信渠道集合A ₀＝{1,2,3,…,L}，表示空集合，随着调度过程的进行，已选图形处理器通信渠道集合和候选图形处理器通信渠道集合的元素会不断更新，A_n和S_n分别为在第n次迭代结束时候选和已选图形处理器通信渠道集合，n＝1,…,N_T为迭代的次数，初始化n＝1，图形处理器通信渠道侧采用联合信道参数估计的方法可获得信道矩阵信息，即分配模块发射N_T路子信号流，在每路子信号流前添加图形处理器通信渠道侧已知的训练序列组成的数据块，图形处理器通信渠道依据收到的信号与已知训练数据实现图形处理器通信渠道与分配模块之间的信道状态信息矩阵H的估计，图形处理器通信渠道将信道信息矩阵发送给分配模块。

所述分配模块的分配方法中，第二步具体包括：分配模块对图形处理器通信渠道k反馈的信道信息矩阵H_k进行奇异值分解其中，λ_k,1表示第k个图形处理器通信渠道的信道矩阵的奇异值，反映图形处理器通信渠道信道的传输增益，表示维度1×(N_T-1)的零向量，和分别由与非零奇异值λ_k,1和零奇异值对应的右奇异值向量构成，因为rank(H_k)＝1，所以v_i,1为V_i的第一个列向量，其中，rank(·)表示求矩阵的秩。

进一步，所述分配模块的分配方法中，第四步具体包括：

分配模块构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算，r_i,j反映的图形处理器通信渠道i和j之间的相关程度。

所述分配模块的分配方法中，第五步具体包括：从R中选择出与已经调度的n-1个图形处理器通信渠道对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即

进一步，所述分配模块的分配方法中，第六步具体包括：根据式(1)计算图形处理器通信渠道的相关因子即对R_n中每一行的前ξ个元素分别求和并取倒数，等效于简化式(2)；

得到列向量ψ_n＝[ψ_1,n…ψ_L,n]^Η，其中，A_l表示潜在的、后续可能被选择的图形处理器通信渠道集合，card(·)表示集合中的元素的个数，是第n步迭代过程中对的估计，因为在调度过程结束前，已选图形处理器通信渠道集合S并未最终确定，所以ψ_k无法准确计算。

所述分配模块的分配方法中，第七步具体包括：按照下式选择第n个图形处理器通信渠道：

s_n表示被选择的图形处理器通信渠道的标号，是图形处理器通信渠道k的调度权重，是上一传输周期结束时图形处理器通信渠道k的平均相关因子，更新S_n＝S_n-1∪{s_n}，A_n＝A_n-1-{s_n}，n＝n+1。

所述分配模块的分配方法中，第八步具体包括：若n＜N_T，返回得到矩阵步骤；否则调度完成，根据被调度的图形处理器通信渠道受到的实际干扰计算相关因子ψ_k；若图形处理器通信渠道未被调度ψ_k＝0，并按照下式更新图形处理器通信渠道k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的图形处理器通信渠道调度权重，

其中，δ_c＝0.99，调度完成后，分配模块通知激活图形处理器通信渠道并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段，重复执行初始化已选空间子信道集合和候选空间子信道集合步骤～分配模块通知激活图形处理器通信渠道并进行下行数据通信步骤。

本发明提供的方法，根据获得的图形处理器通信渠道的信道矩阵H，进行奇异值分解，通过构造中间矩阵以及相关矩阵，估计每个图形处理器通信渠道受到的干扰，并为其赋予权值，以加权图形处理器通信渠道相关最大为准则来选择图形处理器通信渠道，合理的选择出一组相互之间干扰小的图形处理器通信渠道，并且获得良好的图形处理器通信渠道公平性，实现了分配模块分配处理速率与图形处理器通信渠道公平性的兼顾。本发明的方法简单，操作方便，较好的解决了传统的公平调度算法在逐次添加图形处理器通信渠道的过程中不能准确计算图形处理器通信渠道可达到的速率，从而无法兼顾良好的公平性和较好的速率问题。而且解决了现有的算法在调度过程中依次选择信道增益大的通信渠道，可能导致与已选通信渠道之间存在较强干扰的高增益通信渠道被选择，而与其它通信渠道相互干扰小但增益不够大的通信渠道得不到调度，致使通信系统和通信速率降低，不能获得良好公平性和较好的系统和速率；使多图像得不到好的呈现的问题。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种智能动态调整多图形处理器负载的控制系统，其特征在于，所述智能动态调整多图形处理器负载的控制系统包括：

接收模块，用于接收编码数据；

所述接收模块的无线信任值计算方法包括以下步骤：

步骤一，采集节点间不同时间片的交互次数，根据得到的数据建立时间序列，通过三次指数平滑法来预测节点间下一个时间片的交互次数，将交互次数预测值与实际值的相对误差作为节点的直接信任值；采集网络观测节点i与节点j之间的n个时间片的交互次数：

选取一定时间间隔t作为一个观测时间片，以观测节点i和被测节点j在1个时间片内的交互次数作为观测指标，真实交互次数，记作y_t，依次记录n个时间片的y_n，并将其保存在节点i的通信记录表中；

预测第n+1个时间片的交互次数：

根据采集到的n个时间片的交互次数建立时间序列，采用三次指数平滑法预测下一个时间片n+1内节点i和j之间的交互次数，预测交互次数，记作计算公式如下：

${\hat{y}}_{n+1}=a_n+b_n+c_n;$

预测系数a_n、b_n、c_n的取值可由如下公式计算得到：

$a_n=3{\hat{y}}_{n+1}^{\left(1\right)}-3{\hat{y}}_{n+1}^{\left(2\right)}+{\hat{y}}_{n+1}^{\left(3\right)};$

$b_n=\frac{\mathrm{\α}}{2{(1-\mathrm{\α})}^2}\[(6-5\mathrm{\α}){\hat{y}}_{n+1}^{\left(1\right)}-2(5-4\mathrm{\α}){\hat{y}}_{n+1}^{\left(2\right)}+(4-3\mathrm{\α}){\hat{y}}_{n+1}^{\left(3\right)}\];$

$c_n=\frac{{\mathrm{\α}}^2}{2{(1-\mathrm{\α})}^2}\[{\hat{y}}_{n+1}^{\left(1\right)}-2{\hat{y}}_{n+1}^{\left(2\right)}+{\hat{y}}_{n+1}^{\left(3\right)}\];$

其中：分别是一次、二次、三次指数平滑数，由如下公式计算得到：

$\begin{array}{c}{\hat{y}}_{n+1}^{\left(1\right)}=\mathrm{\α}\×y_n+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(1\right)}\\ {\hat{y}}_{n+1}^{\left(2\right)}=\mathrm{\α}\×{\hat{y}}_{n+1}^{\left(1\right)}+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(2\right)}\\ {\hat{y}}_{n+1}^{\left(3\right)}=\mathrm{\α}\×{\hat{y}}_{n+1}^{\left(2\right)}+(1-\mathrm{\α})\×{\hat{y}}_n^{\left(3\right)}\end{array};$

是三次指数平滑法的初始值，其取值为：

${\hat{y}}_0^{\left(1\right)}={\hat{y}}_0^{\left(2\right)}={\hat{y}}_0^{\left(3\right)}=\frac{y_1+y_2+y_3}{3};$

α是平滑系数，0＜α＜1，体现信任的时间衰减特性，即离预测值越近的时间片的y_t权重越大，离预测值越远的时间片的y_t权重越小；如果数据波动较大，且长期趋势变化幅度较大，呈现明显迅速的上升或下降趋势时α应取较大值0.6～0.8，增加近期数据对预测结果的影响；当数据有波动，但长期趋势变化不大时，α在0.1～0.4取值；如果数据波动平稳，α应取较小值，0.05～0.20；

计算直接信任值：

节点j的直接信任值TD_ij为预测交互次数和真实交互次数y_n+1的相对误差，

步骤二，采用多路径信任推荐方式而得到的计算式计算间接信任值；收集可信节点对节点j的直接信任值：

节点i向所有满足TD_ik≤φ的可信关联节点询问其对节点j的直接信任值，其中φ为推荐节点的可信度阈值，根据可信度的要求精度，φ的取值范围为0～0.4；

计算间接信任值：

综合计算所收集到的信任值，得到节点j的间接信任值TR_ij，其中，Set(i)为观测节点i的关联节点中与j节点有过交互且其直接信任值满足TD_ik≤φ的节点集合；

步骤三，由直接信任值和间接信任值整合计算得出综合信任值，综合信任值(T_ij)的计算公式如下：T_ij＝βTD_ij+(1-β)TR_ij，其中β(0≤β≤1)表示直接信任值的权重，当β＝0时，节点i和节点j没有直接交互关系，综合信任值的计算直接来自于间接信任值，判断较客观；当β＝1时，节点i对节点j的综合信任值全部来自于直接信任值，在这种情况下，判断较为主观，实际计算根据需要确定β的取值；

拆分模块，与接收模块连接，用于将所述编码数据按数据帧进行拆分；

收集模块，与拆分模块连接，用于收集各个图形处理器的负载情况；

分配模块，与收集模块连接，用于根据负载情况，将所述数据帧分配到所述各个图形处理器；所述分配模块的分配方法包括：

第一步：初始化已选图形处理器通信渠道集合为空集，候选图形处理器通信渠道集合为图形处理器通信渠道全集，随着调度过程的进行，已选图形处理器通信渠道集合和候选图形处理器通信渠道集合的元素不断更新，A_n和S_n分别为在第n次迭代结束时候选和已选图形处理器通信渠道集合，n＝1,…,N_T为迭代的次数，初始化n＝1；

第二步：分配模块对图形处理器通信渠道k反馈的信道信息矩阵H_k进行奇异值分解其中，λ_k,1表示第k个图形处理器通信渠道的信道矩阵的奇异值，表示维度1×(N_T-1)的零向量，和分别由与非零奇异值λ_k,1和零奇异值对应的右奇异值向量构成，因为rank(H_k)＝1，所以V_i ⁽¹⁾＝v_i,1，v_i,1为V_i的第一个列向量，其中，rank(·)表示求矩阵的秩；

第三步：分配模块根据分解后的矩阵构造中间矩阵和 以及其中，diag(·)表示对角化操作；

第四：分配模块构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算；

第五：从R中选择出与已经调度的n-1个图形处理器通信渠道对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即

第六步：计算图形处理器通信渠道的相关因子即对R_n中每一行的前ξ个元素分别求和并取倒数，等效于简化得到列向量ψ_n＝[ψ_1,n … ψ_L,n]^Η；

第七步：按照公式选择第n个图形处理器通信渠道；

第八步：若n＜N_T，返回第五步；否则调度完成，根据被调度的图形处理器通信渠道受到的实际干扰计算相关因子ψ_k；若图形处理器通信渠道未被调度ψ_k＝0，并按照公式更新图形处理器通信渠道k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的图形处理器通信渠道调度权重，调度完成后，分配模块通知激活图形处理器通信渠道并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段，重复执行第一步～第八步。

2.如权利要求1所述的智能动态调整多图形处理器负载的控制系统，其特征在于，根据所述负载情况，将所述数据帧分配到所述各个图形处理器具体为：从主机内存中接收待编码视频流，将所述待编码视频流拆分为帧数据，并放入显存中，给不同码率或分辨率的帧数据分配不同权值，所述各个图形处理器的负载值为该图形处理器所辖多通道权值相加之和，根据各个图形处理器的负载权值，将新的编码任务分配给负载权值最低的图形处理器，各个图形处理器工作在多通道的任务编码中，多个通道同时开始任务时，所有的通道都默认进行数据的抓捕，第一个通道开始任务时，在时间点进行抓帧后，传送到图形处理器时进行编码，同时第二通道进行抓帧和传送，第一通道完成编码后，第二通道立即开始编码，同时第三通道进行抓帧和数据传送；

如此往复，每通道抓帧时间点不同，在40ms内完成所有通道的一次编码操作，如使用时间不到40ms，则编码器等待，之后进行下轮编码操作。

3.如权利要求1所述的智能动态调整多图形处理器负载的控制系统，其特征在于，所述分配模块的分配方法中，第一步，具体包括：初始化已选空间子信道集合和候选空间子信道集合；

分配模块对下列参数进行初始化，初始化已选图形处理器通信渠道集合候选图形处理器通信渠道集合A₀＝{1,2,3,…,L}，表示空集合，随着调度过程的进行，已选图形处理器通信渠道集合和候选图形处理器通信渠道集合的元素会不断更新，A_n和S_n分别为在第n次迭代结束时候选和已选图形处理器通信渠道集合，n＝1,…,N_T为迭代的次数，初始化n＝1，图形处理器通信渠道侧采用联合信道参数估计的方法可获得信道矩阵信息，即分配模块发射N_T路子信号流，在每路子信号流前添加图形处理器通信渠道侧已知的训练序列组成的数据块，图形处理器通信渠道依据收到的信号与已知训练数据实现图形处理器通信渠道与分配模块之间的信道状态信息矩阵H的估计，图形处理器通信渠道将信道信息矩阵发送给分配模块。

4.如权利要求1所述的智能动态调整多图形处理器负载的控制系统，其特征在于，所述分配模块的分配方法中，第二步具体包括：分配模块对图形处理器通信渠道k反馈的信道信息矩阵H_k进行奇异值分解其中，λ_k,1表示第k个图形处理器通信渠道的信道矩阵的奇异值，反映图形处理器通信渠道信道的传输增益，表示维度1×(N_T-1)的零向量，和分别由与非零奇异值λ_k,1和零奇异值对应的右奇异值向量构成，因为rank(H_k)＝1，所以V_i ⁽¹⁾＝v_i,1，v_i,1为V_i的第一个列向量，其中，rank(·)表示求矩阵的秩。

5.如权利要求1所述的智能动态调整多图形处理器负载的控制系统，其特征在于，所述分配模块的分配方法中，第四步具体包括：

分配模块构造相关矩阵R，R为L×L方阵，第i行第j列的元素为其中，|·|表示求模运算，r_i,j反映的图形处理器通信渠道i和j之间的相关程度。

6.如权利要求1所述的智能动态调整多图形处理器负载的控制系统，其特征在于，所述分配模块的分配方法中，第五步具体包括：从R中选择出与已经调度的n-1个图形处理器通信渠道对应的n-1列，构成矩阵将剩余的部分分别对行元素进行升序排列，得到矩阵即

7.如权利要求1所述的智能动态调整多图形处理器负载的控制系统，其特征在于，所述分配模块的分配方法中，第六步具体包括：根据式(1)计算图形处理器通信渠道的相关因子即对R_n中每一行的前ξ个元素分别求和并取倒数，等效于简化式(2)；

${\mathrm{\ψ}}_{k,n}^{-1}=\underset{\underset{card\left(S_{n-1}\right)+card\left(A_l\right)=\mathrm{\ξ}}{A_l\⋐A_{n-1},}}{\min }\left\{\underset{k\∈A_{n-1},j\∈S_{n-1},}{\Σ}\right|{\[V_k^{\left(1\right)}\]}^H{V}_j^{\left(1\right)}{|}^2+\underset{k\∈A_{n-1},m\∈A_l,k\≠m}{\Σ}\left|{\[V_k^{\left(1\right)}\]}^H{V}_m^{\left(1\right)}{|}^2\right\}$

${\mathrm{\ψ}}_{k,n}^{-1}=\underset{j=1}{\overset{\mathrm{\ξ}}{\Σ}}{r}_{k,j},k\∈\{1,...,L\}---\left(2\right)$

得到列向量ψ_n＝[ψ_1,n … ψ_L,n]^Η，其中，A_l表示潜在的、后续可能被选择的图形处理器通信渠道集合，card(·)表示集合中的元素的个数，是第n步迭代过程中对的估计，因为在调度过程结束前，已选图形处理器通信渠道集合S并未最终确定，所以ψ_k无法准确计算。

8.如权利要求1所述的智能动态调整多图形处理器负载的控制系统，其特征在于，所述分配模块的分配方法中，第七步具体包括：按照下式选择第n个图形处理器通信渠道：

$s_n=\underset{k\∈A_{n-1}}{\mathrm{argmax}}{\mathrm{\μ}}_k{\mathrm{\ψ}}_{k,n}$

s_n表示被选择的图形处理器通信渠道的标号，是图形处理器通信渠道k的调度权重，是上一传输周期结束时图形处理器通信渠道k的平均相关因子，更新S_n＝S_n-1∪{s_n}，A_n＝A_n-1-{s_n}，n＝n+1。

9.如权利要求1所述的智能动态调整多图形处理器负载的控制系统，其特征在于，所述分配模块的分配方法中，第八步具体包括：若n＜N_T，返回得到矩阵步骤；否则调度完成，根据被调度的图形处理器通信渠道受到的实际干扰计算相关因子ψ_k；若图形处理器通信渠道未被调度ψ_k＝0，并按照下式更新图形处理器通信渠道k，k∈{1,…,L}平均相关因子，用于计算下一个传输周期中的图形处理器通信渠道调度权重，

${\stackrel{\‾}{\mathrm{\ψ}}}_k=\left\{\begin{array}{cc}{\mathrm{\δ}}_c{\stackrel{\‾}{\mathrm{\ψ}}}_k+(1-{\mathrm{\δ}}_c){\mathrm{\ψ}}_k,& k\∈S_{N_T}\\ {\mathrm{\δ}}_c{\stackrel{\‾}{\mathrm{\ψ}}}_k,& k\∉S_{N_T}\end{array}\right.$

其中，δ_c＝0.99，调度完成后，分配模块通知激活图形处理器通信渠道并进行下行数据通信，在下一个传输周期(t+1)的开销时隙阶段，重复执行初始化已选空间子信道集合和候选空间子信道集合步骤～分配模块通知激活图形处理器通信渠道并进行下行数据通信步骤。