基于机器学习的视频传输和资源调度技术研究

发布时间：2022-07-29 17:01

　　近年来,随着智能终端和无线互联网技术的蓬勃发展,移动视频流量将占据全球移动数据流量的绝大部分,用户对流媒体业务体验质量（Quality of Experience,Qo E）的要求也越来越高,而高Qo E的视频传输将消耗更多的带宽资源,使得无线带宽资源更加稀缺。随着边缘计算的兴起,将带宽资源分配算法和自适应比特率（Adaptive Bitrate,ABR）算法联合考虑,从全局的角度优化无线视频传输系统中多用户的总体Qo E变得可行。然而无线带宽资源分配和自适应比特率的联合决策算法仍然面临着许多挑战。实际场景中存在大量用户,联合算法需要对每个用户进行资源分配和ABR决策,将使得决策空间非常大。该联合决策问题是一个复杂的非凸优化问题,难以采用最优化方法寻找最优解。此外,基于固定策略的传统方法依赖于对环境的建模和先验知识,难以扩展到不同的网络环境中。因此,本文以无线视频传输系统中多用户的总体Qo E优化为研究点,以实现高性能和高通用性的带宽资源分配和ABR的联合决策算法为切入点,提出了一个基于机器学习的通用算法框架实现带宽资源分配和ABR的联合决策。具体来说,本文提出了基于单智能体Actor... 

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 国内外研究历史和现状
        1.2.1 ABR技术的历史和现状
        1.2.2 资源分配算法的历史与现状
        1.2.3 ABR和资源分配联合算法的研究历史与现状
    1.3 论文的主要研究内容与结构安排
        1.3.1 论文的主要研究内容
        1.3.2 论文结构安排
第二章 相关理论基础
    2.1 机器学习基本理论
        2.1.1 深度学习
        2.1.2 强化学习
        2.1.3 深度强化学习
    2.2 自适应比特率技术
        2.2.1 视频自适应比特率传输
        2.2.2 传统的自适应比特率算法
    2.3 无线资源分配算法
        2.3.1 无线资源分配概述
        2.3.2 经典的无线资源分配算法
        2.3.3 基于QoE的无线资源分配算法
    2.4 带宽资源分配和ABR联合优化技术
    2.5 本章小结
第三章 基于DRL的联合QOS控制和ABR的视频传输优化
    3.1 F-RAN下基于QOS控制的多用户实时视频传输
        3.1.1 系统模型
        3.1.2 视频流传输模型
        3.1.3 优化模型
    3.2 基于深度强化学习的联合QOS控制和ABR决策算法
        3.2.1 QoS控制ABR的分级决策流程
        3.2.2 QoS控制联合ABR决策算法分析
        3.2.3 基于Actor-Critic的 QoS控制和ABR联合算法
    3.3 本章小结
第四章 基于多智能体DRL的带宽分配和ABR的联合算法
    4.1 优化模型
    4.2 基于多智能体强化学习的带宽资源分配算法
        4.2.1 算法需求分析
        4.2.2 基于多智能体Actor-Critic资源分配算法的设计及训练
    4.3 本章小结
第五章 实验验证与结果分析
    5.1 实验设置
    5.2 QOS&ABR算法仿真结果分析
        5.2.1 实验参数设置
        5.2.2 仿真结果分析
    5.3 MAC-BA&ABR算法仿真结果分析
        5.3.1 实验参数设置
        5.3.2 纵向探索结果分析
        5.3.3 横向对比结果分析
    5.4 本章小结
第六章 全文总结与展望
    6.1 全文总结
    6.2 未来工作展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3666838