公开(公告)号：CN116418691A

公开(公告)日：2023-07-11

申请号：CN202310265390.4

申请日：2023-03-13

Applicant: 中国科学院计算技术研究所

Inventor： 张宗帅 ,  邹文浩 ,  田霖 ,  黄家莹 ,  王妮娜 ,  袁春经

IPC: H04L41/147 ,  H04L41/16 ,  H04L43/0894 ,  H04W28/20 ,  H04W24/06

Abstract: 本发明提出一种基于深度学习的移动网络实时带宽预测方法，包括：从移动网络于历史时段的带宽时间序列中选取序列样本，将该序列样本划分为时序在前的训练样本和时序在后的标签样本，以该训练样本和该标签样本生成训练集，对深度学习网络进行训练，获得带宽预测模型；将该移动网络于当前时段的带宽时间序列进行归一化处理，并以变分模态分解为多个预测分量；将该预测分量输入该带宽预测模型，获得多个分量预测结果，将所有该分量预测结果叠加重构为该移动网络于下一时段的带宽预测结果。本发明还提出一种基于深度学习的移动网络实时带宽预测系统，以及一种用于移动网络实时带宽预测的数据处理装置。

公开(公告)号：CN114860450B

公开(公告)日：2025-01-24

申请号：CN202210570592.5

申请日：2022-05-24

Applicant: 中国科学院计算技术研究所

Inventor： 张宗帅 ,  黄家莹 ,  田霖

IPC: G06F9/50 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明提供一种移动视频卡顿预测模型训练方法，包括：S1、获取已知卡顿情况的具有时序性的多个历史移动视频数据组成数据集；S2、采用步骤S1中获得数据集将所述初始模型按照如下方式训练至收敛：S21、将数据集划分为训练集和测试集；S22、将从历史移动视频数据中获得的训练集中的数据根据自相关性分为多个训练单元；S23、分别采用每个训练单元训练模型至模型预测准确度大于或等于预设准确度阈值或训练达到预设的迭代次数以得到多个单元模型，其中，在用训练单元对LSTM网络进行训练时，利用dropout函数进行修正权重更新；S24、以每个单元模型在测试集上的预测准确度在所有预测准确之和中的占比为其对应权重，将所有单元模型合并以获得最终移动视频卡顿预测模型。

公开(公告)号：CN116456396A

公开(公告)日：2023-07-18

申请号：CN202310446565.1

申请日：2023-04-24

Applicant: 中国科学院计算技术研究所

Inventor： 张宗帅 ,  黄家莹 ,  田霖 ,  邹文浩

IPC: H04W28/24 ,  H04W28/18 ,  H04W28/22 ,  H04N21/647 ,  H04N21/2662 ,  H04N21/6332

Abstract: 本发明提供一种移动视频在线播放流畅度保障方法，所述方法包括实时响应于移动视频卡顿并执行如下步骤：S1、获取移动视频卡顿前的基站参数以及移动视频发生卡顿时的基站参数；S2、基于获取的基站参数计算每个基站参数的变化向量，并基于预先确定的每个基站参数对性能影响因子的贡献度向量以及基站参数的变化向量计算不同性能影响因子对移动视频在线播放流畅度的影响度；S3、按照预设的规则获取QoS参数调整策略；S4、基站可调控时，按照步骤S3获取的QoS参数调整策略进行参数调整；基站不可调控时，向移动视频用户发送保障视频流畅度的码率优化策略。本发明能够采用针对性的策略对QoS参数进行调整，满足不同业务的QoS需求。

公开(公告)号：CN116489410A

公开(公告)日：2023-07-25

申请号：CN202310539806.7

申请日：2023-05-12

Applicant: 中国科学院计算技术研究所

Inventor： 张宗帅 ,  邹文浩 ,  田霖 ,  黄家莹

IPC: H04N21/218 ,  H04N21/44 ,  H04N19/42 ,  H04N19/436

Abstract: 本发明提供了一种处理云VR视频流的方法、边云协同系统及存储介质，其中所述方法包括：云服务器接收边缘服务器上传的视频获取任务，根据所述视频获取任务获取对应的视频资源，得到解压任务；所述云服务器根据其自身以及所述边缘服务器分配给所述解压任务的计算资源，确定划分给所述边缘服务器和所述云服务器的解压比例，对所述解压任务进行划分；所述云服务器和所述边缘服务器分别按照划分的所述解压比例对所述解压任务进行解压，并将解压结果发送给VR终端。本发明实现了在保证图像质量的同时，有效降低视频的传输延迟，提升用户体验的效果。

公开(公告)号：CN114860450A

公开(公告)日：2022-08-05

申请号：CN202210570592.5

申请日：2022-05-24

Applicant: 中国科学院计算技术研究所

Inventor： 张宗帅 ,  黄家莹 ,  田霖

IPC: G06F9/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种移动视频卡顿预测模型训练方法，包括：S1、获取已知卡顿情况的具有时序性的多个历史移动视频数据组成数据集；S2、采用步骤S1中获得数据集将所述初始模型按照如下方式训练至收敛：S21、将数据集划分为训练集和测试集；S22、将从历史移动视频数据中获得的训练集中的数据根据自相关性分为多个训练单元；S23、分别采用每个训练单元训练模型至模型预测准确度大于或等于预设准确度阈值或训练达到预设的迭代次数以得到多个单元模型，其中，在用训练单元对LSTM网络进行训练时，利用dropout函数进行修正权重更新；S24、以每个单元模型在测试集上的预测准确度在所有预测准确之和中的占比为其对应权重，将所有单元模型合并以获得最终移动视频卡顿预测模型。