夏 雪，楊龍祥

(南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003)

0 引 言

隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，用戶對(duì)于數(shù)據(jù)的需求日益增多。高清晰度視頻、3D可視化以及云計(jì)算等流量密集型應(yīng)用的不斷普及，推動(dòng)了通信行業(yè)的快速演變[1]。為了應(yīng)對(duì)當(dāng)今用戶龐大的流量需求，5G網(wǎng)絡(luò)必須快速、靈活、可靠以及可持續(xù)。基于這些研究背景，學(xué)術(shù)界提出了D2D通信、小型蜂窩網(wǎng)絡(luò)密集化、毫米波以及大規(guī)模MIMO技術(shù)[2]。

小型蜂窩網(wǎng)絡(luò)密集化，即超密集網(wǎng)絡(luò)(ultra-dense network，UDN)。在UDN中，單位面積內(nèi)的接入節(jié)點(diǎn)和通信鏈路數(shù)量都是致密的[3]。也就是說，與普通網(wǎng)絡(luò)相比，超密集網(wǎng)絡(luò)中的接入節(jié)點(diǎn)能盡可能地靠近終端用戶，從而提高系統(tǒng)性能、改善用戶體驗(yàn)。它的實(shí)現(xiàn)方式主要是在流量密集的熱點(diǎn)地段(如機(jī)場、火車站、商場等)部署密集的小型蜂窩小區(qū)[4]，這些小區(qū)是具有較小發(fā)射功率的接入節(jié)點(diǎn)。雖然它們單個(gè)的信號(hào)覆蓋范圍比較小，但將它們密集分布，能夠有效改善流量擁堵情況。

與超密集網(wǎng)絡(luò)相比，毫米波和大規(guī)模MIMO技術(shù)的性能均欠佳。毫米波理論上能為5G蜂窩網(wǎng)中的無線傳輸提供數(shù)百兆赫茲的帶寬，但由于毫米波在大氣層中的傳播存在衰減，所以將其傳輸距離限制在100 m內(nèi)。MIMO技術(shù)也有類似的限制，若在5G基站中集成大量MIMO天線，數(shù)百個(gè)天線將用于千兆位上的無線傳輸，而傳輸功率問題會(huì)導(dǎo)致基站傳輸半徑減小。上述兩種技術(shù)的缺陷促進(jìn)了5G系統(tǒng)中超密集網(wǎng)絡(luò)的發(fā)展[2]。

但是，隨著蜂窩網(wǎng)絡(luò)密度的不斷增加，為無線接入網(wǎng)設(shè)計(jì)高性能回程系統(tǒng)將成為一項(xiàng)挑戰(zhàn)。蜂窩小區(qū)密集化的主要缺點(diǎn)是，蜂窩小區(qū)能夠處理的通信量受到了回程鏈路容量的限制，其中回程鏈路主要用于與核心網(wǎng)建立連接[5]。當(dāng)今大部分的通信量都是由無線移動(dòng)設(shè)備產(chǎn)生的，且視頻流量預(yù)估占總通信量的80%以上。因此，一個(gè)有效的多媒體數(shù)據(jù)共享機(jī)制是至關(guān)重要的。研究表明，由于D2D通信使得各個(gè)設(shè)備之間直接通信，能夠有效提高資源利用率，并且減少了對(duì)基站的依賴，因此能夠有效提高多媒體數(shù)據(jù)的吞吐量[6]。而且進(jìn)行D2D通信的設(shè)備之間距離較近，因此受到的干擾也較小。隨著用戶密度的增加，D2D網(wǎng)絡(luò)中總存儲(chǔ)量也在線性增加，并且用戶平均通信距離在減少。因此，D2D的可擴(kuò)展特性適用于超密集網(wǎng)絡(luò)[7]，文中主要研究的也是5G超密集網(wǎng)絡(luò)中使用D2D技術(shù)進(jìn)行多媒體流傳輸。

除了通信領(lǐng)域，D2D在計(jì)算機(jī)應(yīng)用方面也得到了廣泛應(yīng)用，特別在視頻流方面的應(yīng)用尤為突出。例如，文獻(xiàn)[8]提出了一種基于D2D的無線多媒體網(wǎng)絡(luò)編碼廣播重傳策略，實(shí)現(xiàn)了D2D在計(jì)算機(jī)網(wǎng)絡(luò)編碼方面的應(yīng)用；文獻(xiàn)[9]則為D2D在安卓方面的應(yīng)用，利用Java語言開發(fā)了D2D通信控制應(yīng)用程序，實(shí)現(xiàn)了終端用戶間的多跳D2D通信；文獻(xiàn)[10]是D2D在車聯(lián)網(wǎng)方面的應(yīng)用。

在上述研究基礎(chǔ)上，文中對(duì)5G超密集網(wǎng)絡(luò)中采用D2D技術(shù)實(shí)現(xiàn)多媒體數(shù)據(jù)共享進(jìn)行了研究。針對(duì)視頻流實(shí)時(shí)和點(diǎn)播這兩個(gè)特性，分別設(shè)計(jì)了高效的D2D調(diào)度機(jī)制，以期實(shí)現(xiàn)更好的數(shù)據(jù)共享。

1 D2D通信

設(shè)備到設(shè)備(device-to-device，D2D)主要是指在眾多蜂窩小區(qū)中，各個(gè)終端可以直接進(jìn)行通信的技術(shù)。D2D通信是5G超密集網(wǎng)絡(luò)中的一項(xiàng)關(guān)鍵技術(shù)。由于其與蜂窩網(wǎng)絡(luò)共享無線資源，所以能夠有效地提高頻譜利用率。并且由于各個(gè)終端用戶可以直接通信交換數(shù)據(jù)，所以能夠減輕蜂窩網(wǎng)絡(luò)的負(fù)載，增加網(wǎng)絡(luò)容量，減少用戶獲取數(shù)據(jù)的時(shí)延[11]。

隨著學(xué)術(shù)界對(duì)D2D研究的深入，專家學(xué)者在近些年先后提出了大量D2D調(diào)度算法。FlashLinQ[12]利用授權(quán)頻段和CSMA協(xié)議建立了D2D鏈路。分布式算法主要根據(jù)D2D鏈路的優(yōu)先級(jí)來調(diào)度鏈路，能夠確保高優(yōu)先級(jí)鏈路不會(huì)受到潛在的低優(yōu)先級(jí)鏈路干擾。這個(gè)算法理論上能夠最大程度激活D2D鏈路，但該算法未結(jié)合視頻質(zhì)量感知機(jī)制，因此是否適用于D2D點(diǎn)播視頻流媒體還是個(gè)未知數(shù)。TLinQ[13]和Quantile-based CSMA[14]旨在提高系統(tǒng)的吞吐量和公平性。這兩種算法在考慮靜態(tài)用戶公平性的同時(shí)，能夠最優(yōu)化系統(tǒng)的總吞吐量。但是，和上述算法一樣，其性能并未在D2D場景中驗(yàn)證過。

在D2D的基礎(chǔ)上，為了實(shí)現(xiàn)有效的數(shù)據(jù)共享，學(xué)術(shù)界還提出了眾多的緩存策略。將流行度高的數(shù)據(jù)優(yōu)先緩存至網(wǎng)絡(luò)邊緣，能夠有效增強(qiáng)連接性、減少用戶獲取數(shù)據(jù)的時(shí)延以及緩解回程鏈路擁塞[15-16]。由于視頻流需要較高的數(shù)據(jù)傳輸速率，并且具有異步內(nèi)容重用屬性，所以其非常適合緩存至本地路由器。但這些緩存策略比較適用于視頻點(diǎn)播，當(dāng)用于直播時(shí)會(huì)引入較高的時(shí)延。文獻(xiàn)[17-18]也建議將數(shù)據(jù)緩存至終端設(shè)備，這樣用戶可以通過D2D通信與鄰近用戶建立連接并交換緩存數(shù)據(jù)。但這些緩存方案沒有考慮視頻的特性，如時(shí)延、抖動(dòng)以及吞吐量。

基于這些研究背景，文中設(shè)計(jì)的調(diào)度機(jī)制考慮了視頻流時(shí)延、抖動(dòng)以及吞吐量等特性，并且針對(duì)實(shí)時(shí)和點(diǎn)播視頻流設(shè)計(jì)了不同的調(diào)度機(jī)制，在視頻流平滑重放的同時(shí)能夠確保用戶時(shí)延最小。

2 多媒體流D2D調(diào)度機(jī)制

多媒體數(shù)據(jù)共享最常用的方式是通過流式傳輸。初始的啟動(dòng)延遲之后，視頻組塊會(huì)連續(xù)到達(dá)接收端緩沖區(qū)，視頻回放相繼開始[19]。多媒體流的傳輸算法主要包含兩個(gè)部分，第一部分是指如何與存儲(chǔ)了請(qǐng)求數(shù)據(jù)的設(shè)備建立連接，第二部分是指確定請(qǐng)求的組塊以及哪個(gè)設(shè)備請(qǐng)求該組塊[20]。這兩項(xiàng)為D2D場景下的多媒體數(shù)據(jù)共享提供了高效調(diào)度機(jī)制。文中設(shè)計(jì)的調(diào)度機(jī)制考慮了多媒體流的性質(zhì)，例如實(shí)時(shí)和點(diǎn)播流媒體，不同性質(zhì)的流媒體將有不同的調(diào)度機(jī)制，從而確保視頻的流暢播放。針對(duì)實(shí)時(shí)視頻流，主要考慮的是直播環(huán)境下的延遲。文中設(shè)計(jì)了一種基于設(shè)備等級(jí)的調(diào)度機(jī)制，能夠?qū)崿F(xiàn)數(shù)據(jù)實(shí)時(shí)度最大化。針對(duì)點(diǎn)播視頻流，主要考慮的是設(shè)備緩沖區(qū)劃分。將接收端緩沖區(qū)劃分為播放緩沖區(qū)、緊急緩沖區(qū)和預(yù)取緩沖區(qū)，并通過算法為預(yù)取緩沖區(qū)選擇稀缺組塊。

2.1 實(shí)時(shí)視頻流D2D調(diào)度機(jī)制

直播環(huán)境下，視頻流會(huì)被實(shí)時(shí)地廣播至用戶，并且要求各個(gè)設(shè)備上的視頻播放是同步的或近似同步。由于在直播場景下，各個(gè)設(shè)備只需緩存視頻流的一小部分來維持穩(wěn)定的播放速率，所以這些設(shè)備的緩存空間不需要非常大。相反，直播對(duì)設(shè)備之間的端到端時(shí)延要求嚴(yán)格，時(shí)延越短，終端用戶接收到的視頻流越實(shí)時(shí)。本節(jié)將實(shí)時(shí)視頻流傳輸問題公式化為如何選擇相鄰設(shè)備從而實(shí)現(xiàn)實(shí)時(shí)度的最大化，如式1所示。

(1)

最優(yōu)化條件：

(2)

(3)

其中，Hi表示用戶i中最新的視頻組塊；Di表示用戶i的時(shí)延；Ji表示用戶i的抖動(dòng)；T表示組塊時(shí)間戳；A表示總?cè)萘?。Xi∈{0,1}，若用戶i參與組塊請(qǐng)求則參數(shù)值為1，否則為0。Rj≥0表示緩存了組塊j的用戶總數(shù)。Bi,j∈{0,1}，若用戶i緩存了組塊j則參數(shù)值為1，否則為0。

上述公式為最優(yōu)化函數(shù)，主要是為識(shí)別出緩存了最新組塊的鄰近設(shè)備，同時(shí)實(shí)現(xiàn)視頻時(shí)延和抖動(dòng)的最小化。其中，抖動(dòng)是指組塊接收時(shí)延的變化。式2和式3分別是最優(yōu)化需要滿足的條件。式2表示鏈路容量的限制，確保僅有若干個(gè)設(shè)備請(qǐng)求該視頻組塊。式3確保請(qǐng)求的組塊能夠準(zhǔn)時(shí)到達(dá)。直播場景下，每個(gè)組塊都和一個(gè)時(shí)間戳相關(guān)聯(lián)，若某個(gè)組塊在其關(guān)聯(lián)的時(shí)間戳之后到達(dá)，則只能選擇丟棄組塊來確保實(shí)時(shí)性。

文中采用的蜂窩網(wǎng)系統(tǒng)包含若干個(gè)視頻流源、一個(gè)基站以及若干個(gè)終端設(shè)備。視頻源將視頻文件劃分為若干個(gè)視頻組塊，該組塊可以視為視頻最小可播放單元。視頻源通過基站將這些組塊依次傳輸給用戶。任何新設(shè)備想加入實(shí)時(shí)流傳輸?shù)腄2D網(wǎng)絡(luò)，都需要向基站發(fā)送一個(gè)請(qǐng)求，從而獲取流式傳輸相同數(shù)據(jù)的鄰近可用設(shè)備集合。當(dāng)新設(shè)備接收到鄰近可用設(shè)備列表時(shí)，根據(jù)文中設(shè)計(jì)的鄰居排序機(jī)制選擇設(shè)備，從而實(shí)現(xiàn)實(shí)時(shí)度最大化。整個(gè)過程如下：

(1)新到來的設(shè)備向其相鄰設(shè)備發(fā)出請(qǐng)求，獲取這些設(shè)備緩存空間中最新可用組塊的信息，以及這些設(shè)備的平均播放時(shí)延。其中，最新可用組塊可以代表該設(shè)備的組塊接收速率。

(2)新設(shè)備計(jì)算各個(gè)鄰近設(shè)備與其的往返時(shí)延。各個(gè)相鄰設(shè)備的等級(jí)即為各自往返時(shí)延、播放時(shí)延以及最新可用組塊的權(quán)重和，具體見算法1。

(3)新設(shè)備選擇具有最低等級(jí)的設(shè)備作為其“活躍伙伴”，直至其能以期望的速率接收視頻流組塊。

等級(jí)機(jī)制能夠確保所選的相鄰設(shè)備是緩存了最新視頻組塊的，從而增加流的實(shí)時(shí)性。除此之外，在實(shí)現(xiàn)實(shí)時(shí)度最大化的同時(shí)，算法1能夠確保視頻組塊是從低往返時(shí)延、低播放延遲的設(shè)備獲取的，從而滿足式3準(zhǔn)時(shí)傳輸組塊的要求。

算法1：實(shí)時(shí)視頻流中的設(shè)備等級(jí)。

輸入：基站F；新設(shè)備di；設(shè)備集D={d1，d2，…，dn}，di?D

輸出：最低等級(jí)設(shè)備dj

過程：

M←?

M←F.neighbours(di)

delay,chunk,jitter←[]//設(shè)備m的等級(jí)值：R[m]

R←[]

minScore←∞

forminMdo

delay[m]←RTT(di,m)

chunk[m]←latestChunk(m)

jitter[m]←jitterEstimation(m)

ifR[m]≤minScore then

dj←m

end if

end for

returndj

2.2 點(diǎn)播視頻流D2D調(diào)度機(jī)制

視頻點(diǎn)播不同于直播，用戶請(qǐng)求數(shù)據(jù)的時(shí)間不再受到限制，而且用戶可以從視頻流中的任何位置開始請(qǐng)求獲取數(shù)據(jù)。因此，相比于直播環(huán)境，視頻點(diǎn)播要求各個(gè)設(shè)備的緩存空間足夠大，且這些設(shè)備無需同步機(jī)制，從而滿足用戶不斷增長的多樣化請(qǐng)求。另外，由于點(diǎn)播環(huán)境下，用戶可以拖動(dòng)視頻時(shí)間軸，這意味著用戶可以移動(dòng)到視頻的任何位置，這給D2D調(diào)度機(jī)制帶來新的挑戰(zhàn)。因此，有效的視頻點(diǎn)播共享機(jī)制不僅需要保障視頻流暢播放，而且需要最小化用戶從視頻中一個(gè)位置移動(dòng)到另一個(gè)位置的延遲。點(diǎn)播視頻流這兩方面的問題可以公式化為式1，和實(shí)時(shí)視頻流一樣也是個(gè)最優(yōu)化問題。

(4)

(5)

最優(yōu)化條件：

(6)

(7)

(8)

上述最優(yōu)化函數(shù)的目標(biāo)是為了找到具有最稀缺視頻組塊的設(shè)備，同時(shí)最小化時(shí)延。式6～8分別是這個(gè)最優(yōu)化函數(shù)的限制條件。式6表示網(wǎng)絡(luò)中至少有一個(gè)設(shè)備緩存了該稀有組塊。式7、8和之前實(shí)時(shí)視頻流環(huán)境下討論的最優(yōu)化條件一樣，一個(gè)是確保僅有若干個(gè)設(shè)備請(qǐng)求該視頻組塊，另一個(gè)是確保請(qǐng)求的組塊能夠準(zhǔn)時(shí)到達(dá)。

針對(duì)點(diǎn)播視頻流，本節(jié)設(shè)計(jì)了一個(gè)不同于實(shí)時(shí)視頻流的組塊調(diào)度算法，從而實(shí)現(xiàn)從相鄰設(shè)備中請(qǐng)求稀缺組塊。該算法將接收端緩存空間劃分成了三個(gè)部分，分別是播放緩沖區(qū)、緊急緩沖區(qū)以及預(yù)取緩沖區(qū)。播放緩沖區(qū)用于存放已經(jīng)被用戶接收的視頻流組塊。緊急緩沖區(qū)存放的組塊主要用于確保視頻能流暢播放。預(yù)取緩沖區(qū)存放當(dāng)前視頻時(shí)段之后的組塊，為了確保用戶能順暢地從視頻時(shí)段的一個(gè)位置跳轉(zhuǎn)到另一位置。接收端緩存空間的這種劃分方式表明一個(gè)設(shè)備需要兩種類型的相鄰設(shè)備，它們能為該設(shè)備提供緊急和預(yù)取緩沖區(qū)視頻塊。下面將具體討論如何為新設(shè)備選擇用于緩沖的這兩種視頻塊。

任何新設(shè)備想加入用于點(diǎn)播視頻流傳輸?shù)腄2D網(wǎng)絡(luò)，首先會(huì)接收到一個(gè)相鄰設(shè)備列表，這些設(shè)備對(duì)相同的視頻感興趣，如圖1所示。這些設(shè)備之間可以交換緩沖區(qū)映射。當(dāng)新設(shè)備收集到了列表中所有設(shè)備的緩沖區(qū)映射信息，它將在相鄰設(shè)備中創(chuàng)建一個(gè)可用視頻組塊列表，如設(shè)備1可用的緩沖區(qū)映射信息。對(duì)于預(yù)取緩沖區(qū)，設(shè)備會(huì)執(zhí)行必要計(jì)算來選擇鄰域中最稀有的可用塊。如設(shè)備1，組塊2、7、10、11、14、16、17、20為其稀缺組塊，這些組塊僅能在一個(gè)相鄰設(shè)備中獲取。為了防止相鄰設(shè)備離開網(wǎng)絡(luò)導(dǎo)致稀缺組塊丟失，設(shè)計(jì)了算法2，其能為預(yù)取緩沖區(qū)選擇稀缺組塊。

圖1 點(diǎn)播視頻流的緩沖區(qū)映射

算法2：預(yù)取緩沖區(qū)選擇稀缺組塊

輸入：基站F；新設(shè)備di；設(shè)備集D={d1，d2，…，dn}，di?D；稀有度門限r(nóng)thr

輸出：設(shè)備di的預(yù)取緩沖區(qū)bi

1.M←?

2.M←F.neighbours(di)

3.chunkCount←[]

4．forminMdo

5.tempList←[]

6.tempList←bufferList(m)

7.i,index←0

8.whileitempList.size() do

9.index←tempList[i]

10.chunkCount[index]←chunkCount[index]+1

11.end while

12.end for

13.K←0

14.for chunkQuantity∈chunkCount[] do

15.if chunkQuantity≤rthrthen

16.bi[k]←chunkCount.currentIndex

17.K←K+1

18.end if

19.end for

20.returnbi

3 仿真及性能分析

仿真主要采用NS-2仿真工具，對(duì)上一節(jié)設(shè)計(jì)的調(diào)度機(jī)制進(jìn)行性能評(píng)估。仿真工作主要是將設(shè)計(jì)的組塊選擇機(jī)制與mpMWIS-QP[21]進(jìn)行多方面的性能比較。在mpMWIS-QP算法中，每個(gè)設(shè)備會(huì)預(yù)先緩存某個(gè)數(shù)據(jù)庫的視頻文件子集。若用戶請(qǐng)求的視頻文件不在其數(shù)據(jù)庫中，則會(huì)通過D2D通信來獲取。該算法為一個(gè)集中的分布式算法，包含鏈接調(diào)度和流媒體組件。其中集中調(diào)度機(jī)制是基于最大加權(quán)獨(dú)立集原理(MWIS)，通過使用消息傳遞來確定最大權(quán)重獨(dú)立集。分布式調(diào)度算法是基于FlashLinQ鏈路調(diào)度算法的一個(gè)變體，通過引入視頻流專用權(quán)重來實(shí)現(xiàn)。上述兩種情況，流媒體組件都是基于質(zhì)量感知的隨機(jī)最優(yōu)化方法，類似于當(dāng)今DASH技術(shù)(HTTP上的動(dòng)態(tài)自適應(yīng)流媒體技術(shù))，用戶可以依次請(qǐng)求視頻組塊。實(shí)驗(yàn)中使用的仿真參數(shù)為蜂窩小區(qū)半徑1 000 m，發(fā)射設(shè)備與接收設(shè)備之間距離50 m，設(shè)備個(gè)數(shù)30，基站最大發(fā)射功率46，用戶設(shè)備最大發(fā)射功率23 dBm，噪聲功率-174 dBm，無路徑指數(shù)4，D2D通信信噪比門限10 dB。

仿真結(jié)果如圖2～圖5所示。

實(shí)時(shí)視頻流中的傳輸比率低主要是因?yàn)橐曨l組塊的超時(shí)到達(dá)導(dǎo)致組塊丟棄。因此，有效的相鄰設(shè)備選擇能夠確保組塊準(zhǔn)時(shí)到達(dá)。圖2和圖3展示了實(shí)時(shí)視頻流環(huán)境下，傳輸比率方面的服務(wù)質(zhì)量QoS。圖2中設(shè)置的是恒定的視頻源，圖3設(shè)置的是不斷增長的視頻源。由圖可見，無論哪種場景，隨著設(shè)備個(gè)數(shù)的增加，文中算法在性能上都優(yōu)于mpMWIS-QP算法，并且增加視頻源數(shù)量能夠進(jìn)一步提高傳輸率。主要是由于文中算法在選擇相鄰設(shè)備時(shí)，考慮了最新可用的組塊以及設(shè)備之間的時(shí)延，因此組塊傳輸比率相對(duì)于mpMWIS-QP算法較高。鄰域中視頻源的數(shù)量越多，能確保某個(gè)組塊可從多個(gè)設(shè)備中請(qǐng)求獲取。這展示了D2D場景下的可擴(kuò)展性，即增加設(shè)備的個(gè)數(shù)能進(jìn)一步提高服務(wù)質(zhì)量。

圖2 平均傳輸比率(恒定視頻源)

圖3 平均傳輸比率(增長視頻源)

圖4 視頻停滯事件平均數(shù)量

圖5 視頻停滯平均時(shí)間

圖4和圖5分別展示了點(diǎn)播視頻流環(huán)境下停滯事件的平均數(shù)量以及持續(xù)時(shí)間。視頻停滯事件主要發(fā)生在當(dāng)前視頻組塊已經(jīng)播放完畢而下一個(gè)組塊還未接收的情況下。較大數(shù)量的停滯事件會(huì)導(dǎo)致視頻凍結(jié)，從而降低用戶體驗(yàn)。觀察兩幅圖，與mpMWIS-QP算法相比，文中算法無論是在停滯事件個(gè)數(shù)還是持續(xù)時(shí)間上都較低。主要是由于mpMWIS-QP算法想通過較高的初始緩沖時(shí)間來實(shí)現(xiàn)較低停滯事件。這項(xiàng)技術(shù)理論上減少了停滯事件的個(gè)數(shù)，但是它增加了啟動(dòng)時(shí)延并且不適合高分辨率視頻。文中算法在點(diǎn)播視頻方面，通過將相鄰設(shè)備中的稀缺塊緩沖至預(yù)取緩沖區(qū)，能夠確保所有視頻組塊都可用。即使一個(gè)設(shè)備離開了該網(wǎng)絡(luò)也有足夠來源實(shí)現(xiàn)視頻組塊共享，因此性能優(yōu)于mpMWIS-QP算法。

4 結(jié)束語

主要研究了如何使用D2D技術(shù)實(shí)現(xiàn)5G超密集網(wǎng)絡(luò)中的多媒體數(shù)據(jù)共享。針對(duì)實(shí)時(shí)視頻流和點(diǎn)播視頻流，提出了不同的分布式調(diào)度算法。針對(duì)實(shí)時(shí)視頻流，根據(jù)視頻流的活躍性、時(shí)延以及抖動(dòng)對(duì)相鄰設(shè)備進(jìn)行了排名，選擇最佳鄰近設(shè)備來最小化視頻組塊由于超時(shí)現(xiàn)象引發(fā)的丟失。針對(duì)點(diǎn)播視頻流，通過算法識(shí)別出相鄰設(shè)備上的稀缺組塊，并緩存至預(yù)取緩沖區(qū)。主要是由于組塊缺失會(huì)導(dǎo)致視頻停滯現(xiàn)象，從而降低用戶體驗(yàn)。仿真結(jié)果表示，將設(shè)備排名算法引入多媒體流調(diào)度機(jī)制，可以有效提高D2D系統(tǒng)的服務(wù)質(zhì)量。