论-基于MPCC优先权排队论的呼损性能分析

《论-基于MPCC优先权排队论的呼损性能分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

2014୍10ᄅ15ರ现代电子技术Oct.201437ज20௹ModernElectronicsTechniqueVol.37No.2022ࠎႿM/P/C/CႪ༵ಃஆؒંޫ෥ྟିٳ༅李佳立，余玉材，邹光南（北京卫星信息工程研究所，北京100086）摘要：为了在当今业务种类繁多的移动通信系统中更好地满足各种用户的业务服务质量保障需求，提出了一种基于M/P/C/C的自相似优先权排队模型，并对基于强占优先权以及非强占优先权的呼损性能进行了仿真分析。由仿真结果可知，不论信道资源充足与否，两种优先权策略均实现了对不同属性用户业务有差别的服务，且基于强占优先权策略更能保障高优先级业务的服务质量，但是以降低低优先级业务的服务质量为代价的。关键词：优先权；排队论；自相似业务；呼叫损失概率；业务服务质量中图分类号：TN911⁃34；TP391.9文献标识码：A文章编号：1004⁃373X（2014）20⁃0022⁃05CallblockingperformanceanalysisbasedonM/P/C/CpriorityqueuingtheoryLIJia⁃li，YUYu⁃cai，ZOUGuang⁃nan（BeijingInstituteofSatelliteInformationEngineering，Beijing100086，China）Abstract：Aself⁃similarityqueuingmodelbasedonM/P/C/CisproposedinthispapertomeettheQoSneedsofthevarioususeresinthemobilecommunicationsystem.Thesimulationanalysiswasperformedbasedonpreemptivepriorityandnon⁃preemp⁃tiveprioritycallblockingperformance.Thesimulationresultsshow，nomatterthatthechannelresourcesisadequateornot，bothofthetwostrategiescanachieveadifferentiatedbusinessservicesfordifferentuserattributesandthequalityofhighpriori⁃tyservicecanbeguaranteedonthebasisofpreemptiveprioritypolicies，butQOSofpriorityservicelevelisreduced.Keywords：priority；queuingtheory；self⁃similaritytrafficservice；callblockingprobability；QoS0引言1多媒体业务呼叫到达模型及其呼损性能仿真随着移动通信系统中多媒体业务种类的日益丰富1.1多媒体业务呼叫到达模型以及用户数量不断增加，如何保障不同多媒体业务以及在本文中将设置四种不同QoS等级的业务，每种业不同等级的终端在移动通信中的QoS（业务服务质量）务的QoS等级为固定值（QoS=1，2，3，4；值越小优先级越已经成为一项热门研究问题。网络模型呼叫损失概率高）。每类业务的排队业务源模型均采用M/P/C/C模的研究作为保证用户服务质量的重要前提，也越来越受型，不同种类业务的各个呼叫的服务时间以及抵达过程人们的关注。之间都是独立的。业务接入模型如图1所示。目前，国内外均针对基于优先级的排队模型进行了[1⁃4]呼损性能分析，但国内大多是基于传统的马尔科夫模[5⁃7]型进行的研究，其在描述实际网络业务时往往忽视了网络业务中的自相似特性，而网络业务自相似特性对网络的性能的分析与评价却具有重大的影响。因此，为了更加真实的进行业务系统的呼损性能分图1业务接入模型析，本文将建立具有自相似特性的业务源模型，并在此M/P/C/C为自相似排队模型，第一个字母表示到达基础上对基于优先权的排队论进行呼损性能分析，旨在过程的特征，M表示是无记忆的Poisson过程。第二个为高优先级的用户及对时延敏感的业务提供更好的服字母表示服务时间的概率分布，P表示Pareto分布，第三务质量。个字母表示信道的个数为C，最后一个字母表示系统容收稿日期：2014⁃04⁃12量为C。 20௹৙ࡄ৫đğࠎႿM/P/C/CႪ༵ಃஆؒંޫ෥ྟିٳ༅23其中，Pareto分布已广泛用于分析网络流量模型及合Pareto分布的服务时间，并进入等待队列。自相似模型仿真。若一个离散随机过程满足：任意tStep4：查找信道中是否有标为空闲的信道。若不（t=…，-1，0，1，…）时刻有ξ个突发序列产生，ξ是服存在，呼叫被拒绝，此类用户拒绝数加1，转入Step2；若从参数为λ的Poisson分布的随机变量，每个突发序列存在，转入Step5。的持续长度l是服从参数为α的离散Pareto分布的随Step5：判断是否有高优先级的用户位于等待队列机变量，它的分布为：的队首，若不存在则安排此用户占用此信道，并设置值-α-1Pr{τ=l}=c0l,l∈N为服务时间值的定时T1，T2到时离开此信道，转入-1∞Step2。若存在，则此呼叫被拒绝，此类用户拒绝数加1，æ-α-1öc0=ç∑l-1÷,l∈N,1<α<2转Step2。èl=1ø则该过程称为Possion⁃Pareto过程。Possion⁃ParetoStep6：统计损失率。过程是渐进二阶自相似的，其中c是归一化系数，自相非强占优先权M/P/C/C排队模型仿真框架见图2。0[8⁃10]似系数为H=(3-α)2。呼叫到达等待队列时，采用基于优先权以及即阻塞即清除的服务规则。本文中将分别采用强占优先权以及非强占优先权规则对基于M/P/C/C的排队模型的呼损性能进行仿真，并对仿真结果进行了分析对比。其中：（1）强占优先权。高优先级用户较低优先级用户具有强占优先权是指，当信道资源空闲时，排队中的高优先级用户将到达队列头部率先接受服务，即使高优先级用户到达时低优先级用户正在接受服务它也必须退出信道资源，让排在队列头部的高优先级用户强占信道资源接受服务，同一类顾客的服务规则遵循FCFS准则。（2）非强占优先权。高优先级用户较低优先级用户具有非强占优先权是指，当到达系统的高优先级用户时看到低优先级用户正在接受服务，只有等到该低优先级用户被服务完毕，排在队伍头部的高优先级用户才可以被服务，同一类顾客的服务规则遵循FCFS准则。（3）阻塞即清除服务。发生阻塞，优先级别较低的顾客被丢弃，不再等待服务。1.2仿真框架传统的网络性能分析技术采用泊松模型和其他马尔可夫模型进行数学分析，而自相似性在数学上难以解析，所以目前自相似业务流的队列分析的主要方法是计算机仿真和近似排队模型分析。本文将采用计算仿真分别对基于非强占优先权排队模型以及基于强占优先权排队模型的呼损性能进行分析比较，研究其在保障业务QoS中的优劣之处。图2非强占优先权M/P/C/C排队模型仿真框架（1）非强占优先权排队模型仿真算法框架如下：（2）强占优先权排队模型仿真算法框架如下：Step0：设定排队系统参数λ，α，C，及队列中总的Step0：设定排队系统参数λ，α，C，及队列中总的用户数，变量赋初值。用户数，变量赋初值。Step1：对每位用户，重复Step2~Step5。Step1：对每位用户，重复Step2，Step3，Step4，Step5Step2：通过泊松分布随机指定该用户与上一顾客和Step6。的到达时间间隔，并将此值设置为定时器T1的值。Step2：通过泊松分布随机指定该用户与上一顾客Step3：定时器T到时，为所对应的用户指派一个符的到达时间间隔，并将此值设置为定时器T的值。11 24现代电子技术2014୍37ज[12]Step3：定时器T到时，为所对应的用户指派一个符响业务呼损概率的关键因素，因此在本文的仿真中将1合Pareto分布的服务时间，并进入等待队列。设计两个仿真场景，分别研究基于强占优先权以及非强Step4：查找信道中是否有标为空闲的信道。若不占优先权的M/P/C/C排队论模型在两个场景下保障业存在，转入Step5；若存在，转入Step6。务服务质量的效果。Step5：判断是否有低优先级的用户占用信道，若存表1仿真参数配置表在，则强占此信道资源并设置值为服务时间值的定时场景1场景2T，T到时离开此信道，被占业务类型用户的呼叫拒绝12λ（Possion分布到达率）0.05Variable（0.01~0.1）数加1；若不存在则此业务类型用户呼叫被拒绝数加1，均值1.2转入Step2。Pareto最大值10Step6：判断是否有高优先级的用户位于等待队列的N（信道个数）Variable（1~7）1队首，若不存在则安排此用户占用此信道，并设置值为服用户数4000务时间值的定时T，T到时离开此信道，转入Step2。若12存在，则此呼叫被拒绝，此类用户拒绝数加1，转Step2。1.3.1场景1仿真结果分析Step7：统计损失率。非强占和强占优先权策略呼损率随信道个数的关强占优先权M/P/C/C排队模型仿真框架如图3所示。系线如图4、图5所示。图4非强占优先权策略呼损率随信道个数的关系线图5强占优先权策略呼损率随信道个数的关系曲线从图4、图5中可看出，在一定业务呼叫到达率的情况下，随着系统容量的增大，业务的呼损率随之减小，不同QoS等级的业务呼损率之间的差距也在减小，且在图中可明显的看出QoS=1业务的呼损率最低，其次依次是QoS=2的业务、QoS=3的业务、QoS=4的业务。因此，不论信道资源紧张与否这两种策略均达到了根据用户优先级参数不同而提供有差别QoS的目的。图3强占优先权M/P/C/C排队模型仿真框架由图6（a）可知，针对QoS=1的业务其基于强占优先1.3仿真结果分析权策略的呼损率明显小于基于非强占优先权的呼损经研究发现，用户到达率以及系统的信道容量是影率。由图6（b）可知，当信道资源较紧张时，为了保障 20௹৙ࡄ৫đğࠎႿM/P/C/CႪ༵ಃஆؒંޫ෥ྟିٳ༅25QoS=1的服务质量而强占QoS=2的业务信道，因此，QoS=服务的任务。2业务的基于强占优先权策略的呼损性能高于非强占优先权的呼损率；而当资源较充足时，QoS=2业务的基于强占优先权策略的呼损率低于于非强占优先权的呼损率。由图6（c）、（d）可知，由于在强占优先权策略下QoS=3，4的业务信道被高优先级业务强占，因此基于强占优先权策略的呼损性能高于非强占优先权的呼损率。图8强占优先权策略呼损率随呼叫到达率的关系曲线由图9（a）可知，QoS=1业务的基于强占优先权策略的呼损率明显小于基于非强占优先权的呼损率。由图9（b）可知，当呼叫到达率低时，QoS=2业务的基于强占优先权策略的呼损率低于非强占优先权的呼损率；当呼叫到达率高时，QoS=2的业务信道被强占，因此QoS=2业务的基于强占优先权策略的呼损性能高于非强占优先权的呼损率。由图9（c）、（d）可知，由于在强占优先权策略下QoS=3,4的业务信道被高优先级业务强占，因此基于强占优先权策略的呼损性能高于非强占优先图6优先权策略呼损性能对比图权的呼损率，且随着呼叫到达率的增大，信道资源不足，综上所述，在一定业务呼叫到达率的情况下，不论其业务信道被强占的概率增大，两种策略呼损率的差值信道资源紧张与否，两种策略均能实现对不同的业务实也在增大。综上所述，在信道个数一定的情况下，随着现不同等级的服务质量；而当信道资源较紧张时，系统呼叫到达率的增大，两种优先权策略均能实现对不同的能更好的保障高优先级的业务服务质量，但代价是降低业务QoS属性提供不同等级的服务质量。且当4种业了低优先业务的服务质量。务的呼叫到达率增大到一定程度时，业务的呼损率势必1.3.2场景2仿真结果分析会大于系统对业务呼损率的要求，此时采用强占优先权非强占优先权策略呼损率随呼叫到达率的关系曲策略更能保障高优先级的业务服务质量，但其他低优先线如图7所示。级的服务质量均有所降低。图7非强占优先权策略呼损率随呼叫到达率的关系曲线从图7、图8中可看出，在一定信道容量的情况下，随着呼叫到达率的增大，业务的呼损率随之增大，不同QoS等级的业务呼损率之间的差距也在增大，且在图中图9优先权策略呼损性能对比图可明显地看出QoS=1业务的呼损率最低，其次依次是QoS=2的业务、QoS=3的业务、QoS=4的业务。因此，随2结语着用户到达率的变化，基于强占优先权以及非强占优先权的排队策略始终能够实现为不同用户提供不同等级综上所述，两种策略均实现了对不同属性用户业务 26现代电子技术2014୍37ज有差别的服务，基于强占优先权策略的排队论更能保障Adiscrete⁃timeHOLpriorityqueuewithmultipletrafficclasses高优先业务的传输。但是随着信道个数的减少或用户[C]//ProceedingsofICN2005，LectureNoteinComputerSci⁃呼叫到达率的增大，系统资源逐渐紧张，低优先用户的ence.Sydney，Australia：ICN，2005：620⁃627.业务信道被高优先级用户所强占，低优先级业务的传输[4]KIMK，CHAEKC.Discrete⁃timequeueswithdiscretionary质量大大下降，甚至不满足系统性能的最低要求。因priorities[J].EuropeanJournalofOperationalResearch，2010，200（2）：473⁃485.此，在进行系统设计时应根据实际需要进行策略选择，[5]唐良瑞，杨安坤，杨雪.基于信道预留和强占优先的接力切换或者在系统中设置一个阈值，当高优先级用户的呼损率策略[J].电子学报，2011，39（6）：1285⁃1290.高于此阈值时采用基于强占优先权的排队论，反之则采[6]黄业文，吴红，王远世.非强占有限优先权M/M/1排队系统[J].用基于非强占用户优先权的排队论，从而在保障业务服计算机工程与应用，2013（13）：80⁃84.务质量的同时，提高业务传输的公平性。[7]柯鹏，金姗姗，李文翔.面向多业务通信调度的优先级排队模ҕॉ໓ང型研究[J].计算机科学，2013，40（3）：159⁃162.[8]林峰.无线网络业务模型呼损性能研究[D].长沙：湖南大学，[1]KRISHNAPV，MISRAS，OBAIDATMS，etal.Anefficient2007.approachfordistributeddynamicchannelallocationwith[9]梁妍.自相似流量的研究及NS2仿真[D].鞍山：辽宁科技大学，queuesforreal⁃timeandnon⁃real⁃timetrafficincellularnet⁃2008.works[J].TheJournalofSystemsandsoftware，2009，82（7）：[10]谢明，叶梧，冯穗力，等.自相似业务流下的排队性能分析[J].1112⁃1124.华南理工大学学报：自然科学版，2006，34（1）：24⁃28.[2]KAMALISH，HEDAYATIM，IZADIA，etal.Themonitoringofthenetworktrafficbasedonqueuingtheoryandsimulation[11]王守印，赵国喜.多信道资源强占优先权排队系统分析[J].河inheterogeneousnetworkenvironment[C]//InternationalCon⁃南师范大学学报：自然科学版，2011，39（3）：29⁃32.ferenceonComputerTechnologyandDevelopment.[S.l.]：[s.[12]李强，孙瑞杰，汪洋，等.一种基于TD⁃SCDMA电路域会话类n.]，2009，1：322⁃326.业务呼叫到达模型[J].重庆邮电大学学报：自然科学版，[3]WALRAEVENSJ，STEYAERTB，MOENECLAEYM，eta1.2012，24（2）：164⁃168.作者简介：李佳立（1988—），女，河北廊坊人，硕士研究生。主要研究方向为移动通信技术。􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂􀤂（上接第21页）符的识别方法，通过使用多个识别率高的卷积神经网络[4]吕刚.基于卷积神经网络的多字体字符识别[J].浙江师范大学和随机对角Levenberg⁃Marquardt方法，可以适用于大学报：自然科学版，2011，34（4）：425⁃428.[5]PHAMDV.Onlinehandwritingrecognitionusingmulticonvo⁃模式联机手写识别。经过实验数据比较，该方法在大模lutionneuralnetworks[M].BerlinHeidelberg：Springer，式联机手写识别过程中具有很高的识别率，与此同时识2012：310⁃319.别速度也很快，有很好的实时性，总体效果很好。在当[6]LECUNY，BOTTOUL，BENGIOY，etal.Gradient⁃based今触摸屏应用遍及生产生活的各个方面的趋势下，该方learningappliedtodocumentrecognition[C]//ProceedingofIEEE.USA：IEEE，1998：2278⁃2324.法有着广阔的应用前景。同时此方法为今后多手写汉[7]SIMARDPY，STEINKRAUSDave，PLATTJohn.Bestpractices字识别的研究提供了很好的借鉴。forconvolutionalneuralnetworksappliedtovisualdocument注：本文通讯作者为潘立武。analysis[C]//InternationalConferenceonDocumentAnalysisandRecognition（ICDAR）.LosAlamitos：IEEEComputerSo⁃ҕॉ໓ངciety，2003：958⁃962.[8]SERMANETP，CHINTALAS，LECUNY.Convolutionalneu⁃[1]吴鸣锐，张钹.一种用于大规模模式识别问题的神经网络算法ralnetworksappliedtohousenumbersdigitclassification[C]//[J].软件学报，2001，12（6）：851⁃855.InternationalConferenceonPatternRecognition.[S.l.]：IEEE，[2]张辉.大规模联机手写汉字识别数据库整理、统计与实验分析2012：3288⁃3291.[D].广州：华南理工大学，2012.[9]LECUNY，BOTTOUL，ORRGB，etal.EfficientBackProp[3]徐姗姗，刘应安，徐昇，等.基于卷积神经网络的木材缺陷识别inneuralnetworks：tricksofthetrade，LNCS[M].Heidel⁃[J].山东大学学报：工学版，2013，43（2）：23⁃28.berg：Springer，1998，1524：9⁃50.作者简介：葛明涛（1976—），男，硕士。潘立武（1971—），男，博士。研究方向为软件开发、系统集成。