[论文解读] Quasi-Optimal Network Utility Maximization for Scalable Video Streaming

Mohammad Sadegh Talebi, Ahmad Khonsari+2 more|arXiv (Cornell University)|Feb 13, 2011

Advanced Wireless Network Optimization参考文献 28被引用 5

一句话总结

本文提出了一种基于D.C.（凸函数之差）优化方法的准最优比特率控制框架，用于可伸缩视频流媒体传输，以解决视频效用函数非凸且非光滑的难题。通过使用多模S型函数近似可伸缩视频编码（SVC）的离散阶梯型效用，并应用序列凸规划（SCP），该方法将问题转化为一系列可通过分布式对偶方法求解的凸子问题，从而实现对局部最优解的收敛，且在仿真中表现出可接受的性能。

ABSTRACT

This paper addresses rate control for transmission of scalable video streams via Network Utility Maximization (NUM) formulation. Due to stringent QoS requirements of video streams and specific characterization of utility experienced by end-users, one has to solve nonconvex and even nonsmooth NUM formulation for such streams, where dual methods often prove incompetent. Convexification plays an important role in this work as it permits the use of existing dual methods to solve an approximate to the NUM problem iteratively and distributively. Hence, to tackle the nonsmoothness and nonconvexity, we aim at reformulating the NUM problem through approximation and transformation of the ideal discretely adaptive utility function for scalable video streams. The reformulated problem is shown to be a D.C. (Difference of Convex) problem. We leveraged Sequential Convex Programming (SCP) approach to replace the nonconvex D.C. problem by a sequence of convex problems that aim to approximate the original D.C. problem. We then solve each convex problem produced by SCP approach using existing dual methods. This procedure is the essence of two distributed iterative rate control algorithms proposed in this paper, for which one can show the convergence to a locally optimal point of the nonconvex D.C. problem and equivalently to a locally optimal point of an approximate to the original nonconvex problem. Our experimental results show that the proposed rate control algorithms converge with tractable convergence behavior.

研究动机与目标

• 解决由于离散质量层级和用户QoE约束导致的可伸缩视频流媒体（SVC）中非凸且非光滑效用最大化问题。
• 克服传统对偶方法在弹性不足的视频流中因效用函数不连续而失效的局限性。
• 提出一种凸化策略，在保留原始效用模型核心特性的前提下，实现高效且分布式的优化。
• 通过在效用公式中嵌入用户质量感知指标，设计一种QoE感知的比特率控制机制。
• 基于SCP与对偶分解，设计两种分布式迭代算法，实现对非凸问题局部最优解的收敛。

提出的方法

• 使用多模S型函数近似SVC流的理想离散阶梯型效用函数，以平滑非光滑性并实现可微性。
• 将网络效用最大化（NUM）问题重新表述为具有严格凹目标函数和D.C.约束的D.C.规划问题，在质量指标满足弱条件下确保凹性。
• 应用序列凸规划（SCP）框架，迭代求解一系列逼近原始非凸D.C.问题的凸子问题。
• 采用对偶分解结合投影梯度法，以分布式方式求解每个凸子问题，最小化消息传递开销。
• 基于SCP-对偶方法设计两种迭代式分布式比特率控制算法，在弱假设下确保收敛至非凸D.C.问题的KKT点。
• 将用户体验质量（QoE）指标作为参数集成到效用模型中，以反映用户偏好和终端能力在比特率分配中的影响。

实验结果

研究问题

• RQ1 如何有效重构可伸缩视频流媒体中非凸且非光滑的效用最大化问题，以使现有对偶优化方法得以应用？
• RQ2 基于S型函数对离散效用函数的近似，在多大程度上能保留原始优化行为的同时实现凸化？
• RQ3 D.C.规划框架结合SCP能否产生收敛的、分布式的算法，实现SVC流媒体中的准最优比特率控制？
• RQ4 与基于效用的比例公平算法相比，所提方法在比特率分配行为和用户QoE方面表现如何？
• RQ5 所提分布式算法在多链路和多会话网络拓扑中的收敛行为与可扩展性如何？

主要发现

• 所提方法成功地将SVC的非凸、非光滑NUM问题转化为可通过SCP进行序列凸逼近的D.C.规划问题。
• 所提出的两种分布式算法收敛至非凸D.C.问题的局部最优KKT点，仿真中观察到其收敛行为具有可接受性与快速性。
• 在场景2（单瓶颈链路）中，算法为具有最陡效用包络的第一路视频源分配了828 Kbps，表明其与NUM最大化总效用的目标一致。
• 在场景3（多链路拓扑）中，算法在8路视频会话、链路容量为1 Mbps的条件下实现了稳定的比特率分配，所有源均收敛至最优层级索引（如Football和Bus序列的i*=4）。
• 比特率分配结果表明，效用增长更陡峭的源获得更高比特率，这与基于效用的比例公平算法形成对比，后者更倾向于效用增长较慢的源。
• 多链路场景中对偶变量的演化结果验证了链路拥塞状态，非零对偶值表明存在活跃瓶颈，证实了算法识别受限资源的能力。