C-RAN架构中基于强化学习的VR视频边缘预取方法和系统

    公开(公告)号:CN112202800A

    公开(公告)日:2021-01-08

    申请号:CN202011077437.7

    申请日:2020-10-10

    Abstract: 本发明公开了一种C‑RAN架构中基于强化学习的VR视频边缘预取方法和系统,方法包括:实时采集网络吞吐量、用户请求信息和缓存状态信息;基于视频质量、视频时域抖动、视频空域抖动和时延确定单用户的用户体验质量,以及预测单用户的用户体验质量增益;基于单用户的用户体验质量增益确定多用户的用户体验质量增益;基于强化学习算法对多用户的用户体验质量增益进行优化;基于网络吞吐量、用户请求信息、缓存状态信息和优化后的多用户的用户体验质量增益对VR视频进行边缘预取。本发明能够采用在C‑RAN中动态预取多级缓存的方式来降低时延,减少重复的数据传播,从而给用户提供更加舒适的VR视频观看体验。

    C-RAN架构中基于强化学习的VR视频多级缓存方法和系统

    公开(公告)号:CN112202802B

    公开(公告)日:2021-10-01

    申请号:CN202011079132.X

    申请日:2020-10-10

    Abstract: 本发明公开了一种C‑RAN架构中基于强化学习的VR视频多级缓存方法和系统,方法包括:采集网络吞吐量、用户请求信息和缓存状态信息;基于视频质量、视频时域抖动、视频空域抖动和时延确定单用户的用户体验质量;基于单用户的用户体验质量确定多用户的用户体验质量;基于强化学习算法对多用户的用户体验质量进行优化;基于网络吞吐量、用户请求信息、缓存状态信息和优化后的多用户的用户体验质量对VR视频进行缓存。本发明能够采用在C‑RAN中合理部署多级缓存的方式来降低时延,减少重复的数据传播,从而给用户提供更加舒适的VR视频观看体验。

    一种基于合作博弈的移动边缘场景中的视频码率决策方法

    公开(公告)号:CN111866601A

    公开(公告)日:2020-10-30

    申请号:CN202010703956.3

    申请日:2020-07-21

    Abstract: 本发明提出一种基于合作博弈的移动边缘场景中的视频码率决策方法,包括:步骤1、移动用户将各自的信道质量及缓冲区状态报告给各自连接的基站,而基站继续将这些信息上报给边缘服务器,进而边缘服务器依据这些信息将用户分为多个组播组;步骤2、组播组作为一个整体参与组播组间的合作博弈,组播服务器根据合作博弈解进行带宽资源的分配;组播要求组内组播相同的内容,故而组内码率决策一致,通过合作博弈达成各组间资源分配和码率决策的帕累托最优解,即在不降低其他组效用的情况下,不能增加本组的效用;步骤3、组播服务器完成区域内的视频内容分发任务,并判断视频内容是否分发完毕,若已完成全部内容的分发,则结束,若还未完成,则回到步骤1继续循环。

    一种基于合作博弈的移动边缘场景中的视频码率决策方法

    公开(公告)号:CN111866601B

    公开(公告)日:2021-10-22

    申请号:CN202010703956.3

    申请日:2020-07-21

    Abstract: 本发明提出一种基于合作博弈的移动边缘场景中的视频码率决策方法,包括:步骤1、移动用户将各自的信道质量及缓冲区状态报告给各自连接的基站,而基站继续将这些信息上报给边缘服务器,进而边缘服务器依据这些信息将用户分为多个组播组;步骤2、组播组作为一个整体参与组播组间的合作博弈,组播服务器根据合作博弈解进行带宽资源的分配;组播要求组内组播相同的内容,故而组内码率决策一致,通过合作博弈达成各组间资源分配和码率决策的帕累托最优解,即在不降低其他组效用的情况下,不能增加本组的效用;步骤3、组播服务器完成区域内的视频内容分发任务,并判断视频内容是否分发完毕,若已完成全部内容的分发,则结束,若还未完成,则回到步骤1继续循环。

    C-RAN架构中基于强化学习的VR视频边缘预取方法和系统

    公开(公告)号:CN112202800B

    公开(公告)日:2021-10-01

    申请号:CN202011077437.7

    申请日:2020-10-10

    Abstract: 本发明公开了一种C‑RAN架构中基于强化学习的VR视频边缘预取方法和系统,方法包括:实时采集网络吞吐量、用户请求信息和缓存状态信息;基于视频质量、视频时域抖动、视频空域抖动和时延确定单用户的用户体验质量,以及预测单用户的用户体验质量增益;基于单用户的用户体验质量增益确定多用户的用户体验质量增益;基于强化学习算法对多用户的用户体验质量增益进行优化;基于网络吞吐量、用户请求信息、缓存状态信息和优化后的多用户的用户体验质量增益对VR视频进行边缘预取。本发明能够采用在C‑RAN中动态预取多级缓存的方式来降低时延,减少重复的数据传播,从而给用户提供更加舒适的VR视频观看体验。

    C-RAN架构中基于强化学习的VR视频多级缓存方法和系统

    公开(公告)号:CN112202802A

    公开(公告)日:2021-01-08

    申请号:CN202011079132.X

    申请日:2020-10-10

    Abstract: 本发明公开了一种C‑RAN架构中基于强化学习的VR视频多级缓存方法和系统,方法包括:采集网络吞吐量、用户请求信息和缓存状态信息;基于视频质量、视频时域抖动、视频空域抖动和时延确定单用户的用户体验质量;基于单用户的用户体验质量确定多用户的用户体验质量;基于强化学习算法对多用户的用户体验质量进行优化;基于网络吞吐量、用户请求信息、缓存状态信息和优化后的多用户的用户体验质量对VR视频进行缓存。本发明能够采用在C‑RAN中合理部署多级缓存的方式来降低时延,减少重复的数据传播,从而给用户提供更加舒适的VR视频观看体验。

Patent Agency Ranking