WCDMA网络中的多媒体流量特性及流量模型分析

1、wcdma网络中的多媒体流量特性及流量模型分析摘要：3g移动通信网络的业务增加了对多媒体的支持，加大了对系统带宽的要求，对系统资源的设计、配置增加了不小的压力。为设计新的网络，对系统资源进行合理分配，提高服务质量（qos），人们需要了解3g移动通信网络的流量特性和流量模型。经过分析，本文以wcdma为例，分析了3g移动通信网络的网络流量特性，给出了网络流量模型，进而给出了3g移动通信网络的合成流量与系统存储容量之间的函数关系。 1 引言 在wcdma r6中增加了一系列新的业务：wss（wideband speech service），pss（packet-switch streaming s

2、ervice ），mms（multimedia messaging service），ims（ip multimedia services）。这些新业务的共同特点就是对多媒体的支持，这也正是wcdma r6所强调的重点及其优势所在。实际上，mss和pss标准就是3gpp针对短消息（sms）之后的庞大市场而专门制定的标准，可见其意义之重大。 wcdma r6将为核心网提供全ip网络，这样，就形成了一个支持音频和视频服务的ip多媒体网络。该网络能够保障所提供的音频和视频服务的服务质量（qos），另外还支持音频和视频通信的无缝集成。这样，就对wcdma的流量分析造成了以下两方面的影响。 首先，与传统

3、的请求/应答的http流量相比，多媒体流通常有更长的持续时间。一般情况下，多媒体流采用udp协议作为下层的传输协议，这样就对网络拥塞反应较慢。所以，多媒体流的流量特性与web流量的差异很大。随着多媒体流流量的增加，网络性能会受到重要影响。所以，wcdma r6新业务对多媒体的支持极大地加大了对系统带宽的要求，对系统资源的设计、配置增加了不小的压力。为设计新的网络，对系统资源进行合理分配，人们需要了解wcdma新业务的流量特性和流量模型。 其次，这些新业务极大地丰富了客户的选项和需求。为了更加有效地使用系统资源、满足不同客户的各种要求，qos对wcdma r6的重要性相应地上升到前所未有的高度。

4、为了在wcdma r6的网络中有效地提高qos，人们也需要了解wcdma新业务的流量特性和流量模型。 从以上两方面出发，wcdma r6的运营商和设备供应商都迫切需要了解wcdma新业务的流量特性和流量模型，这也是本文所关注的重点。 2 3g移动通信网络新业务的网络流量模型 wcdma r6的新业务有wss，pss，ims，mms。其中，pss是包交换业务流服务，ims是实时ip多媒体服务，mms是非实时多媒体消息服务。 在这3类新业务中，wss为音频业务流，其余均为多媒体流，本文分别予以讨论。 2.1 wss业务的网络流量模型 wss为音频业务流，包括用户的语音通话。尽管在wcdma r6中

5、，可用带宽增加了，但这对用户的语音通话的行为方式没有影响。所以wss的流量特性仍然符合传统的语音通话流量模型。 语音通话行为用交替的活跃时段和安静时段表示，一个事件驱动的状态模型（见图1）被用来刻画这两种随机时段。实际上，活跃时段和安静时段均符合负指数分布。tactive表示通话处于活跃时段，并且在上行链路上进行发送的平均时间，tsilent表示通话处于安静时段，并且在下行链路上进行接收的平均时间。并且，两者的均值满足：tsilent+tactive=3s。这使得一条通话信道的活跃期大约为50%60%。这里需要注意，所有移动用户的通话行为彼此无关。图1 通话行为模型 如图2所示，一次语音通话服

6、务的会话持续时间的均值为td，speech=120，该会话持续时间符合负指数分布。而且在这一时段，建立该会话的连接将独占系统的相关资源。图2 话音业务服务模型 2.2 pss，ims和mms业务的网络流量模型 由于wcdma r6增加了可用带宽，这几种新业务都能够为移动设备同时提供多媒体服务，并且支持以下多种媒介类型：音频业务流（包括语音），视频业务流，静态图片，2d和3d图形及动画，文本（包括简单文本类型和复杂文本类型，如可描述字体、颜色、大小），合成的音频流，元数据（metadata）。 这样，我们就可以将这几种新业务的流量分为数据业务流（包括以上媒介类型的后5种，因为它们都是以数据流的形

7、式来传输的）、视频业务流和音频业务流服务这3类。当然，就流量来说，前两者占了绝大多数。 pss，ims和mms业务以数据业务流、视频业务流和音频业务流这样的流传输的机制提供服务。 对于音频流而言，可以用符合截断式pareto分布的on/off模型来刻画：（1）（2） 该模型的具体参数为： 会话时段：形状参数1.6，均值m2.4s的pareto分布。 两次会话间的间歇时段：参数=36/0.16k的指数分布，k是一个用户建立的音频连接数的均值。 会话数传率：20kbit/s。 包大小：500bytes。 on时段：参数为0.2s的指数分布。 off时段：一个确定值，均值m2.4s。 对于数据业务流

8、，最近许多研究成果证实其流量特性适于用自相似（重尾）模型来描述。事实上，pareto分布是最常用的描述自相似的数据业务流的重尾模型。 对于视频业务流，m. w. garrett和w. willinger详细评估了“星球大战”的视频流跟踪测试结果。他们发现视频业务流是自相似的，并且可以用类似于pareto分布的重尾模型来描述。此外，beran，sherman等人证实视频流业务发生源应该用自相似模型来刻画。还有一些研究表明视频的帧长符合截断式pareto分布。 从以上的分析可知，数据业务流、视频业务流和音频业务流服务这3类流量都可以用某种pareto分布来表示。然而，我们仅仅知道前两者的流量占了绝

9、大多数，并不知道这3类流量的确切比例。并且，我们也不知道与这3类流量相对应的分布函数的确切参数。更重要的是，与这3类流量相对应的业务的持续时段差别较大，这样持续时段差别较大的、不同分布的on/off流量重合叠加的结果必然带来流量的突发性。所以，仅仅用一个简单的pareto分布无法准确描述这样的多媒体流量。 实际上，在参考文献17和18中，作者证实m/pareto过程可以作为一个实用的模型来描述累加的多媒体流量。本文认为，m/pareto过程也能够近似地表示wcdma r6新业务的流量。 具体地，m/pareto流量由一些重合叠加的突发的流量组成。这些突发按照速率为的poisson过程到达，一次

10、突发中的包数到达的速率为r，包的流量本身符合衰减速率为的pareto分布。 假设突发的流量为pareto分布的随机变量x，其分布函数可表示为：（3） 可知，x的均值为：r/（-1），方差为无限大。 这样，在一次突发中所到达的包数的平均值为：r/（-1）。 根据该m/pareto模型，在时段t内，所到达的流量的平均值为：tr/（-1）。 根据该m/pareto模型，在时段t内，所到达的流量的方差为：（4） 这里，h=（3-）/2。 所以，该m/pareto模型是一个渐进自相似的模型，其hurst系数为h=（3-）/2。 3 新业务的合成流量对系统存储容量的要求 wcdma r6新业务合成流量最重

11、要的属性就是多媒体流在其总流量中占有绝大部分的比率。这对系统资源提出了更高的要求，尤其对网络设备的存储容量提出了新的要求。 本文在前面的叙述中已经阐述了多媒体流的流量特性是自相似的。而自相似的网络流量常常会造成网络丢包率和排队延迟增加，对网络所带来的实际影响是网络的交换设备和路由器的buffer容量必须加大。 那么，是不是buffer容量越大越好呢？答案是否定的。因为buffer容量越大，所造成的延迟也越大，这对于实时多媒体通信而言是不利的（增加了延迟抖动），而且高延迟增加了qos的复杂度，对优化网络性能是不利的。 所以，研究人员迫切需要有一个能够描述wcdma r6系统存储容量的定量的模型。

12、 当前，绝大多数移动通信网络流量方面的学术论文都将单个用户的流量模型自下而上地分为3个层次：会话级、连接级、包级，每一级的流量行为又都是用不同概率分布的、交替的on/off周期来描述。与这自下而上的3个层次相对应的时间尺度是由小到大的，也就是说，移动通信网络的流量在不同时间尺度上都可以用on/off模型来描述，具有相似的特点，而一个系统的自相似性正是指某种结构或过程的特征从不同的空间、时间尺度来看都是相似的。 其次，wcdma r6允许一个用户并发地运行不同的应用程序，更何况，同一时刻都有许多用户共同使用wcdma系统。这样，整个系统的合成流量就是由许多不同时间尺度的on/off流量叠加重合而

13、成，而相似过程的叠加重合正是形成自相似流量的主要原因。 另一方面，除了极少的wss流量之外，pss，ims和mms流量中，都是数据业务占绝大部分，都适于用自相似的流量模型来表征。 当然，无线网络的流量特性与有线网络的流量特性有所不同，但是实际上，jiang和trajkovic考察了cdpd无线网络的流量特性，验证其具有自相似性，而参考文献20根据stanford大学83天无线局域网流量的测试结果进行分析，同样验证了无线局域网的流量具有自相似性。 综上所述，wcdma r6新业务的合成流量应该是用自相似的模型来描述。 在自相似理论建立网络流量模型的成果中，最有影响的代表性参考文献是11，12。这

14、两篇文献用分数布朗运动作为流量的近似模型，得出了一个有线网络数学模型，即norros公式，能够刻画丢包率，hurst系数，buffer容量，平均输入率，链路容量之间的函数关系，该文触发了基于分形理论网络建模的大量研究，引出了许多建模方面的努力。这两篇论文使用分形布朗运动（fbm）作为流量的近似模型，也就是说，作者认为许许多多的流量在不同时间尺度上叠加重合的结果是使总的网络流量表现为一个分形布朗运动。 具体地，用归一化的分形布朗运动z(t)，t（+，-），来表征网络流量特性，其自相似hurst系数为h。a(t)在物理上表示时刻t以前累计到达的流量。然后基于fbm过程和一个具有定长服务时间的无穷大缓存提出了