CN112261439A - 一种超密集蜂窝网络中的可伸缩视频下载方法及系统 - Google Patents
一种超密集蜂窝网络中的可伸缩视频下载方法及系统 Download PDFInfo
- Publication number
- CN112261439A CN112261439A CN202011131667.7A CN202011131667A CN112261439A CN 112261439 A CN112261439 A CN 112261439A CN 202011131667 A CN202011131667 A CN 202011131667A CN 112261439 A CN112261439 A CN 112261439A
- Authority
- CN
- China
- Prior art keywords
- video
- base station
- downloading
- optimal
- combination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000001413 cellular effect Effects 0.000 title claims abstract description 22
- 230000011664 signaling Effects 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000008901 benefit Effects 0.000 description 8
- 208000001613 Gambling Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
- H04N21/234327—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by decomposing into layers, e.g. base layer and one or more enhancement layers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
- H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/262—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists
- H04N21/26208—Content or additional data distribution scheduling, e.g. sending additional data at off-peak times, updating software modules, calculating the carousel transmission frequency, delaying a video stream transmission, generating play-lists the scheduling operation being performed under constraints
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Mobile Radio Communication Systems (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本发明公开了一种超密集蜂窝网络中的可伸缩视频下载方法及系统,所述可伸缩视频下载方法,首先采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合;当层数大于1时判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,当存在卡顿时,将第b个视频块的层数M的数值减1,重新最优的连接基站组合,当层数为1或不卡顿时,采用最优的连接基站组合下载层数为M的第b个视频块;重复上述步骤,直到完成所有视频块的下载。本发明通过对用户请求的一段视频的多步决策,选择出当前要下载的视频块的最优连接基站组合,解决可伸缩视频在密集基站网络环境下的下载问题,使得用户观看视频的体验质量得到了提高。
Description
技术领域
本发明涉及视频下载技术领域,特别涉及一种超密集蜂窝网络中的可伸缩视频下载方法及系统。
背景技术
在视频应用方面,目前的网络容量无法适应用户需求的动态增长,尤其是无线网络。在无线网络中,流畅和高质量的视频流可能无法得到保证,导致移动视频用户的体验质量(Quality of Experience,QoE)较低。因此,如何在有限的无线网络资源下尽可能提高视频流的效率和质量就成为了一个挑战。
可伸缩视频编码作为H.264/AVC标准的扩展,可以为视频用户提供多种视频质量,适应动态变化的无线网络条件。可伸缩视频编码将一段视频编码成多个视频块,一个视频块编码成多个层,包括一个基础层和多个增强层,使视频在空间、时间和视频质量上具有可扩展性。可伸缩视频编码的流媒体可以通过灵活调整增强层的数量来适应动态的网络环境,目的是在各种有限的网络资源下为用户提供高质量的视频。例如,在网络条件较差的情况下,仅通过解码基础层就可以获得最低质量的视频,也可以满足视频用户的基本观看需求。
在现有的研究成果中,提高可伸缩视频下载性能的方法包括设备对设备通信、内容缓存和视频调度。但是,这些方法只考虑用户连接到单个基站,然而由于单个基站的回程限制,无法保证视频下载的质量和速度,限制了用户的体验质量。
发明内容
本发明的目的是提供一种超密集蜂窝网络中的可伸缩视频下载方法及系统,以克服单个基站的回程限制问题,以保证视频下载的质量和速度,提高用户的体验质量。
为实现上述目的,本发明提供了如下方案:
一种超密集蜂窝网络中的可伸缩视频下载方法,所述可伸缩视频下载方法包括如下步骤:
将第b个视频块的层数M的数值设置为3;
采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合;
判断M的数值是否大于1,获得第一判断结果;
若所述第一判断结果表示是,则判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果;
若所述第二判断结果为是,则将第b个视频块的层数M的数值减1,返回步骤“采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合”;
若所述第一判断结果为否或所述第二判断结果为否,则采用最优的连接基站组合下载层数为M的第b个视频块;
判断b的数值是否小于视频中包含的视频块总数,获得第三判断结果;
若所述第三判断结果为是,则令b的数值增加1,返回步骤“将第b个视频块的层数M的数值设置为3”;
若所述第三判断结果为否,则视频下载完成。
可选的,所述采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合,具体包括:
其中,Ij表示第j种连接基站组合的上置信指标,表示第j种连接基站组合作为拉动摇臂的平均收益;表示第j种连接基站组合作为拉动摇臂的置信度,m表示迭代次数,Gj(m)表示第j种连接基站组合的摇臂拉动次数,α表示置信度系数;
在所有连接基站组合中选取上置信指标最大的连接基站组合,作为拉动摇臂;
令被选取为拉动摇臂的连接基站组合的摇臂拉动次数增加1,迭代次数增加1,返回步骤“分别利用公式计算每种连接基站组合的上置信指标”,直到迭代次数的数值达到迭代次数阈值时,选取摇臂拉动次数最大的连接基站组合为最优的连接基站组合。
可选的,所述判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果,具体包括:
根据当前时间和第b-1个视频块的播放时间,计算使视频播放不卡顿的第b个视频块的视频下载时延阈值;
计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延;
将所述视频下载时延与所述视频下载时延阈值比较,当所述视频下载时延小于或等于所述视频下载时延阈值时,所述第一判断结果表示否,当所述视频下载时延大于所述视频下载时延阈值时,所述第一判断结果表示是。
可选的,所述计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延,具体包括:
其中,表示t时刻采用最优的连接基站组合Sb,I下载层数为M的第b个视频块的视频下载时延,Vn,k表示用户k从基站下载的视频大小,Rkn(t)表示t时刻用户k从最优的连接基站组合中的基站n下载视频的速率;Bkn(t)表示用户k连接到最优的连接基站组合中的基站n所占用的带宽,pn表示最优的连接基站组合中的基站n的功率级,I'nk(t)表示除了基站n以外其他基站的干扰,Gkn表示用户k和基站n之间的信道增益,σ2表示加性高斯白噪声。
本发明还提供一种超密集蜂窝网络中的可伸缩视频下载系统,所述可伸缩视频下载系统包括:
层数初始化模块,用于将第b个视频块的层数M的数值设置为3;
最优的连接基站组合选取模块,用于采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合;
第一判断模块,用于判断M的数值是否大于1,获得第一判断结果;
第二判断模块,用于若所述第一判断结果表示是,则判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果;
层数更新模块,用于若所述第二判断结果为是,则将第b个视频块的层数M的数值减1,返回步骤“采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合”;
视频块下载模块,用于若所述第一判断结果为否或所述第二判断结果为否,则采用最优的连接基站组合下载层数为M的第b个视频块;
第三判断模块,用于判断b的数值是否小于视频中包含的视频块总数,获得第三判断结果;
返回模块,用于若所述第三判断结果为是,则令b的数值增加1,返回步骤“将第b个视频块的层数M的数值设置为3”;
视频下载完成模块,用于若所述第三判断结果为否,则视频下载完成。
可选的,所述最优的连接基站组合选取模块,具体包括:
其中,Ij表示第j种连接基站组合的上置信指标,表示第j种连接基站组合作为拉动摇臂的平均收益;表示第j种连接基站组合作为拉动摇臂的置信度,m表示迭代次数,Gj(m)表示第j种连接基站组合的摇臂拉动次数,α表示置信度系数;
拉动摇臂选取子模块,用于在所有连接基站组合中选取上置信指标最大的连接基站组合,作为拉动摇臂;
返回子模块,用于令被选取为拉动摇臂的连接基站组合的摇臂拉动次数增加1,迭代次数增加1,返回步骤“分别利用公式计算每种连接基站组合的上置信指标”,直到迭代次数的数值达到迭代次数阈值时,选取摇臂拉动次数最大的连接基站组合为最优的连接基站组合。
可选的,所述第二判断模块,具体包括:
视频下载时延阈值计算子模块,用于根据当前时间和第b-1个视频块的播放时间,计算使视频播放不卡顿的第b个视频块的视频下载时延阈值;
视频下载时延计算子模块,用于计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延;
第一判断结果确定子模块,用于将所述视频下载时延与所述视频下载时延阈值比较,当所述视频下载时延小于或等于所述视频下载时延阈值时,所述第一判断结果表示否,当所述视频下载时延大于所述视频下载时延阈值时,所述第一判断结果表示是。
可选的,所述视频下载时延计算子模块,具体包括:
其中,表示t时刻采用最优的连接基站组合Sb,I下载层数为M的第b个视频块的视频下载时延,Vn,k表示用户k从基站下载的视频大小,Rkn(t)表示t时刻用户k从最优的连接基站组合中的基站n下载视频的速率;Bkn(t)表示用户k连接到最优的连接基站组合中的基站n所占用的带宽,pn表示最优的连接基站组合中的基站n的功率级,I'nk(t)表示除了基站n以外其他基站的干扰,Gkn表示用户k和基站n之间的信道增益,σ2表示加性高斯白噪声。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种超密集蜂窝网络中的可伸缩视频下载方法,所述可伸缩视频下载方法,首先采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合;判断M的数值是否大于1,当层数大于1时判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,当存在卡顿时,将第b个视频块的层数M的数值减1,重新最优的连接基站组合,当层数为1或不卡顿时,采用最优的连接基站组合下载层数为M的第b个视频块;重复上述步骤,直到完成所有视频块的下载。本发明通过对用户请求的一段视频的多步决策,选择出当前要下载的视频块的最优连接基站组合,解决可伸缩视频在密集基站网络环境下的下载问题,实现了网络资源的充分利用,使得用户观看视频的体验质量得到了提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种超密集蜂窝网络中的可伸缩视频下载方法的流程图;
图2为本发明具体实施方式提供的超密集的蜂窝网络环境的示意图;
图3为本发明具体实施方式提供的视频下载和播放时间关系图;
图4为本发明具体实施方式提供的可伸缩视频下载方案流程图;
图5为本发明具体实施方式提供的下载视频时间结果图;
图6为本发明具体实施方式提供的下载视频质量结果图。
具体实施方式
本发明的目的是提供一种超密集蜂窝网络中的可伸缩视频下载方法及系统,以克服单个基站的回程限制问题,以保证视频下载的质量和速度,提高用户的体验质量。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对发明作进一步详细的说明。
为了解决上述技术问题,本发明的解决方案主要包括以下内容:
定义视频的下载时延和下载速率:
一段视频包含很多视频块,每个视频块可能从不同的基站下载。用户依次下载每个视频块,直到所请求的视频下载完成。显然,一段视频的下载时延是由每个视频块的下载时延组成的。一个视频块的下载时延是指所有连接的基站完成下载任务的时间,计算公式为:
视频块下载时延包括两个部分,一个是当前视频块的下载时间另一个是当前视频块的切换时延Cb(如果下载当前视频块的基站连接组合不同于上一个视频块,即存在切换时延,否则切换时延为零)。其中Sb,I表示第b个视频块在I视频层组合下的连接基站组合。其中如果一个视频块包含3个视频层,则视频层组合I∈{[0],[0,1],[0,1,2]},其中0,1,2分别表示基础层,增强层1,增强层2。表示t时刻连接基站组合为Sb,I时的视频下载时延。Vn,k表示用户k从基站n下载的视频大小。K表示所有用户的集合。Rk,n(t)表示t时刻用户k从基站n下载视频的速率,可以用香农-哈特利公式计算,计算公式为:
其中Bkn表示用户k连接到基站n所占用的带宽,pn表示基站n的功率级,In′k表示除了基站n以外其他基站的干扰,Gkn表示用户k和基站n之间的信道增益。
在本发明考虑的问题中,影响下载速率Rkn的因素只有其他基站对当前用户的干扰,即In′k,其他的影响下载速率的参数被设置为常数。由于其他基站对当前下载的干扰来自于网络中其他用户设备连接基站的状态,而其他用户的行为对于当前用户来说是随机的。因此,当前用户如何在这种随机的、随时间变化的网络环境中选择最优的基站连接组合来下载视频是本发明所要解决的核心问题。在视频不卡顿的前提下尽可能地提高当前视频块质量是本发明的子目标。在使得视频块质量相同的连接基站组合中如何找出下载时延最小的组合是本发明所要解决的重要问题。选择下载时延最小的组合是为了之后的视频块能有更多的下载时间。
把连接基站组合选择考虑成多臂赌博机问题:
对于一个视频块,视频下载速率受连接基站组合和其他用户设备的连接状态的影响,并且用户连接状态是随时间随机变化的。因此,在缺少先验知识和无法预测其他用户设备的连接状态的情况下,无法求出某一时刻最优的连接基站组合。为了得到连接基站组合选择的近似最优解,本发明将选择连接基站组合的过程表示为一个多臂赌博机问题,其中用户设备被视为赌徒,下载视频块的连接基站组合被视为摇臂。赌徒只有有限的机会来拉动摇臂,而且事先不知道每只摇臂的收益变化规律。从根本上说,赌徒可以通过两种策略来最大限度地积累收益:一是探索不同的摇臂,找到最有价值的一个,另一个是利用现在收益最高的摇臂。多臂赌博机问题的关键是如何平衡探索和利用。我们想利用多臂赌博机问题来解决在视频块大小确定(视频块质量确定)的情况下选择哪个连接基站组合使得下载时延最小的问题。视频块的质量由用户设备从高到低进行尝试,根据多臂赌博机问题得出最优连接基站组合及其对应的下载时延,一旦该下载时延能够保证视频不会卡顿,就将该视频块质量作为请求的视频质量,该连接基站组合作为下载视频的基站组合。对于一个视频块,视频下载速率受连接基站组合的影响。为了得到连接基站组合选择的近似最优解,我们将其表示为一个多臂赌博机问题,其中用户设备被视为赌徒,下载视频块的连接基站组合被视为摇臂。赌徒只有有限的机会来拉动摇臂,而且事先不知道每只摇臂的收益变化规律。从根本上说,赌徒可以通过两种策略来最大限度地积累收益:一是探索不同的摇臂,找到最有价值的一个,另一个是利用现在收益最高的摇臂。多臂赌博机问题的关键是如何平衡探索和利用。本发明考虑的多臂赌博机问题中的收益包括视频下载时延和切换时延,收益计算公式如下:
由于本发明期望视频块的下载时延越小越好,因此我们将多臂赌博机问题的收益定义为视频块下载时延的相反数,其中Cb表示第b个视频块的切换时延。
对于一般的多臂赌博机问题,目标是在有限的试验次数后使累积收益最大化。但是对于连接基站组合选择问题,最终的目标是获得一个最优的连接组合来下载视频块。即,本发明希望在有限的试验之后获得一个唯一的连接组合。相应地,我们提出了一种改进的算法来求解连接基站组合选择问题。
最优臂选择的上置信算法:
针对上面提到的多臂赌博机问题,本发明利用其来解决在视频块大小确定的情况下选择哪个连接基站组合使得下载时延最小的问题并最终获得一个最优连接基站组合。上置信算法的求解目标是使累积收益最大化。因此,本发明提出了一个最优臂选择的上置信算法,该算法所选择的摇臂基于上置信指标。上置信指标包括当前的平均收益和每只摇臂的置信度。平均收益是在连接基站组合确定后根据期望下载的视频层数和下载速率计算出的时延的相反数,取相反数的目的是期望下载的时延尽可能低。摇臂被选择的次数越少,摇臂的置信度越低,就更可能被选中,平均收益更高的摇臂也更可能被选中。因此,上置信指标很好地平衡了探索和利用,计算公式如下:
最优臂选择的上置信算法流程如下:
尝试一遍所有连接基站组合,并计算每个组合的上置信指标。
找出所有组合中上置信指标最大的组合,尝试该组合并更新该组合的上置信指标。
反复执行步骤2,直到所有的尝试次数用完。
统计每个组合被尝试的次数,输出次数最大的组合。
可伸缩视频下载方案:
在缺乏先验知识的情况下,无法预测连接基站的下载速率。因此,本发明考虑寻找一个连接组合,在保证视频不卡顿的同时,最大化当前视频块的下载收益。本发明考虑一个视频块被编码为三层,一个基本层,两个增强层。首先,尝试获得视频块的三层。然后利用最优臂选择的上置信算法计算出当前的近似最优的连接基站组合。如果该连接基站组合能够保证视频流畅,则将其作为视频块的下载方法。否则将依次尝试获取视频块的两层和一层。这个过程即为视频块下载策略。一段视频包含多个视频块,利用视频块下载策略依次进行每个视频块连接基站组合决策,直到视频全部下载完成。本发明将一段视频完整的下载过程制定为一个可伸缩视频下载方案。
具体的,本发明解决了在视频块大小确定的情况下选择哪个连接基站组合使得下载时延最小的问题,但是从用户设备的角度所请求的视频块的大小是可选择的,只有确定了视频的大小,再利用上述算法计算出最优的基站连接组合及其对应的下载时延,才能最终确定一个视频块的下载方式。依次下载各个视频块,直到所有视频块下载完成。为了实现上述过程,本发明提出了一个可伸缩视频下载方案。本发明考虑的视频块最多包含3个视频层(2个增强层1个基础层,视频质量最高),最少包含1个视频块(一个基础层,视频质量最低)。本发明考虑在视频不卡顿的前提下尽可能地使当前下载的视频块质量最高,因此首先尝试获得当前视频块的三个视频层,利用最优臂选择的上置信算法计算出当前的近似最优的连接基站组合及其对应的下载时延。根据下载时延、每个视频块的播放时间以及当前时间,计算如果按照该连接基站组合下载视频会不会卡顿。如果视频不会卡顿,则当前视频按照该连接基站组合开始下载。如果视频会卡顿,则降低用户设备请求的视频质量,请求该视频块的两层,并再次运用最优臂选择的上置信算法计算出当前的近似最优的连接基站组合及其对应的下载时延,并判断视频会不会卡顿。如果仍然会卡顿,则改为请求该视频块的1层,并按照最优臂选择的上置信算法计算出的连接基站组合进行下载,无需判断视频是否会卡顿。
可伸缩视频下载方案如下:
步骤1,尝试请求第一个视频块的3个视频层,通过最优臂选择的上置信算法计算出当前的近似最优的连接基站组合及其对应的下载时延。
步骤2,根据下载时延、每个视频块的播放时间以及当前时间,判断如果按照该连接基站组合下载视频,视频会不会卡顿。(因为第一个视频块下载的时候,视频还没开始播放,设置第一个视频块的最大下载时延为2秒)
步骤3,如果视频不会卡顿,则开始按照该连接基站组合下载视频,跳至步骤9。如果视频会卡顿,则继续下一个步骤。
步骤4,尝试请求第一个视频块的2个视频层,通过最优臂选择的上置信算法计算出当前的近似最优的连接基站组合及其对应的下载时延。
步骤5,根据下载时延、每个视频块的播放时间以及当前时间,判断如果按照该连接基站组合下载视频,视频会不会卡顿。
步骤6,如果视频不会卡顿,则开始按照该连接基站组合下载视频,跳至步骤9。如果视频会卡顿,则继续下一个步骤。
步骤7,尝试请求第一个视频块的1个视频层,通过最优臂选择的上置信算法计算出当前的近似最优的连接基站组合及其对应的下载时延。
步骤8,开始按照该连接基站组合下载视频。
步骤9,等待当前视频块下载完成。如果视频没有下载完成,则回到步骤1,决策下一个视频块的下载方式。如果视频下载完成,则下载过程结束。
具体的,如图1所示,本发明提供一种超密集蜂窝网络中的可伸缩视频下载方法,所述可伸缩视频下载方法包括如下步骤:
步骤101,将第b个视频块的层数M的数值设置为3;
步骤102,采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合。
步骤102所述采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合,具体包括:分别利用公式计算每种连接基站组合的上置信指标;其中,Ij表示第j种连接基站组合的上置信指标,表示第j种连接基站组合作为拉动摇臂的平均收益;表示第j种连接基站组合作为拉动摇臂的置信度,m表示迭代次数,Gj(m)表示第j种连接基站组合的摇臂拉动次数,α表示置信度系数;在所有连接基站组合中选取上置信指标最大的连接基站组合,作为拉动摇臂;令被选取为拉动摇臂的连接基站组合的摇臂拉动次数增加1,迭代次数增加1,返回步骤“分别利用公式计算每种连接基站组合的上置信指标”,直到迭代次数的数值达到迭代次数阈值时,选取摇臂拉动次数最大的连接基站组合为最优的连接基站组合。
步骤103,判断M的数值是否大于1,获得第一判断结果。
步骤104,若所述第一判断结果表示是,则判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果。
步骤104所述判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果,具体包括:根据当前时间和第b-1个视频块的播放时间,计算使视频播放不卡顿的第b个视频块的视频下载时延阈值;计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延;将所述视频下载时延与所述视频下载时延阈值比较,当所述视频下载时延小于或等于所述视频下载时延阈值时,所述第一判断结果表示否,当所述视频下载时延大于所述视频下载时延阈值时,所述第一判断结果表示是。
其中,所述计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延,具体包括:利用公式计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延;其中,表示t时刻采用最优的连接基站组合Sb,I下载层数为M的第b个视频块的视频下载时延,Vn,k表示用户k从基站下载的视频大小,Rkn(t)表示t时刻用户k从最优的连接基站组合中的基站n下载视频的速率;Bkn(t)表示用户k连接到最优的连接基站组合中的基站n所占用的带宽,pn表示最优的连接基站组合中的基站n的功率级,I'nk(t)表示除了基站n以外其他基站的干扰,Gkn表示用户k和基站n之间的信道增益,σ2表示加性高斯白噪声。
步骤105,若所述第二判断结果为是,则将第b个视频块的层数M的数值减1,返回步骤“采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合”。
步骤106,若所述第一判断结果为否或所述第二判断结果为否,则采用最优的连接基站组合下载层数为M的第b个视频块。
步骤107,判断b的数值是否小于视频中包含的视频块总数,获得第三判断结果。
步骤108,若所述第三判断结果为是,则令b的数值增加1,返回步骤“将第b个视频块的层数M的数值设置为3”。
步骤109,若所述第三判断结果为否,则视频下载完成。
本发明还提供一种超密集蜂窝网络中的可伸缩视频下载系统,所述可伸缩视频下载系统包括:
层数初始化模块,用于将第b个视频块的层数M的数值设置为3;
最优的连接基站组合选取模块,用于采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合。
所述最优的连接基站组合选取模块,具体包括:上置信指标计算子模块,用于分别利用公式计算每种连接基站组合的上置信指标;其中,Ij表示第j种连接基站组合的上置信指标,表示第j种连接基站组合作为拉动摇臂的平均收益;表示第j种连接基站组合作为拉动摇臂的置信度,m表示迭代次数,Gj(m)表示第j种连接基站组合的摇臂拉动次数,α表示置信度系数;拉动摇臂选取子模块,用于在所有连接基站组合中选取上置信指标最大的连接基站组合,作为拉动摇臂;返回子模块,用于令被选取为拉动摇臂的连接基站组合的摇臂拉动次数增加1,迭代次数增加1,返回步骤“分别利用公式计算每种连接基站组合的上置信指标”,直到迭代次数的数值达到迭代次数阈值时,选取摇臂拉动次数最大的连接基站组合为最优的连接基站组合。
第一判断模块,用于判断M的数值是否大于1,获得第一判断结果;
第二判断模块,用于若所述第一判断结果表示是,则判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果。
所述第二判断模块,具体包括:视频下载时延阈值计算子模块,用于根据当前时间和第b-1个视频块的播放时间,计算使视频播放不卡顿的第b个视频块的视频下载时延阈值;视频下载时延计算子模块,用于计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延;第一判断结果确定子模块,用于将所述视频下载时延与所述视频下载时延阈值比较,当所述视频下载时延小于或等于所述视频下载时延阈值时,所述第一判断结果表示否,当所述视频下载时延大于所述视频下载时延阈值时,所述第一判断结果表示是。
其中,所述视频下载时延计算子模块,具体包括:视频下载时延计算单元,用于利用公式计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延;其中,表示t时刻采用最优的连接基站组合Sb,I下载层数为M的第b个视频块的视频下载时延,Vn,k表示用户k从基站下载的视频大小,Rkn(t)表示t时刻用户k从最优的连接基站组合中的基站n下载视频的速率;Bkn(t)表示用户k连接到最优的连接基站组合中的基站n所占用的带宽,pn表示最优的连接基站组合中的基站n的功率级,I'nk(t)表示除了基站n以外其他基站的干扰,Gkn表示用户k和基站n之间的信道增益,σ2表示加性高斯白噪声。
层数更新模块,用于若所述第二判断结果为是,则将第b个视频块的层数M的数值减1,返回步骤“采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合”。
视频块下载模块,用于若所述第一判断结果为否或所述第二判断结果为否,则采用最优的连接基站组合下载层数为M的第b个视频块。
第三判断模块,用于判断b的数值是否小于视频中包含的视频块总数,获得第三判断结果。
返回模块,用于若所述第三判断结果为是,则令b的数值增加1,返回步骤“将第b个视频块的层数M的数值设置为3”。
视频下载完成模块,用于若所述第三判断结果为否,则视频下载完成。
为了说明本发明的有效性,本发明还提供了一个具体的实施方式,以结合附图说明本发明的技术方案。
本发明是在一个超密集的蜂窝网络环境下,如图2所示,在网络中有一个宏基站,多个小区基站,多个用户。其中基站的密度大于用户的密度,每个基站都有缓存。用户根据自己所要请求的视频以及不同连接基站组合来选择连接一个或多个基站来下载视频。
如图3所示,用户请求的一段视频包含多个视频块,下载的每个视频块所包含的视频层数(即该视频块的视频质量)根据网络状况决定。当下载完第一个视频块之后,视频开始播放,之后的每一个视频块都要在上一个视频块播放完之前下载完成,这样是为了保证视频不卡顿。
如图4所示,当用户请求一段视频时,用户设备通过多臂赌博机模型决策当前视频块从哪个连接基站组合下载,下载完成当前视频块再通过同样的方式决策下一个视频块如何下载,直到所有视频块下载完成(即这段视频下载完成)。这个流程即为可伸缩视频下载方案流程。
根据可伸缩视频下载方案,设计实现并分析了一个案例,步骤如下:
在超密集网络中设置8个基站(1个宏基站,7个小区基站)、4个用户。整个网络的长宽都为200米,基站和用户的位置随机分布在整个网络中。考虑网络中的一个用户要观看一段包含10个视频块的视频,每个视频块的大小为200KB,播放时长为1.2秒。
让所关注的用户根据可伸缩视频下载方案下载视频。此时其他用户与该用户连接网络的方式相同,但任意时刻连接基站的状态是随机的。
统计分析下载结果,下载结果如附图5、6所示。图5展示了下载10个视频块的下载完成的10个时间点,以及10个视频块开始播放的10个时间点。所有视频块下载完成的时间点都早于或等于对应视频块开始播放的时间点,这说明视频没有卡顿。图6展示了每个视频块实际下载的视频层数。结合图5、6可以看出,当一个视频块下载完成的时间比它开始播放的时间早很多时,那么下一个视频块就更可能下载更多层。例如第6个视频块就符合这样的情况,从图6中可以发现第7个视频块包含了三个视频层,这样的结果印证了以上的分析,也符合本发明提出的视频下载方案的设计思想。
在本发明设计了一种超密集蜂窝网络中基于多臂赌博机的可伸缩视频下载方案,该方案很适合当前以及未来的网络环境。本发明将可伸缩视频和超密集蜂窝网络技术结合,充分考虑了两者的特点。该方案利用多连接的方式下载视频,相较于传统的单连接下载方法有着下载速率快和灵活性高的优点。经过实验,该方案达到了预期的效果,同时也证实了该方案的可行性。
本发明提出了在超密集蜂窝网络中以多连接的方式下载可伸缩视频的场景,符合未来无线网络的发展趋势,相较于传统的单连接下载方法有着下载速率快和灵活性高的优点。本发明所提出的方案简单、有效、运行效率高。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种超密集蜂窝网络中的可伸缩视频下载方法,所述可伸缩视频下载方法,首先采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合;判断M的数值是否大于1,当层数大于1时判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,当存在卡顿时,将第b个视频块的层数M的数值减1,重新最优的连接基站组合,当层数为1或不卡顿时,采用最优的连接基站组合下载层数为M的第b个视频块;重复上述步骤,直到完成所有视频块的下载。本发明通过对用户请求的一段视频的多步决策,选择出当前要下载的视频块的最优连接基站组合,解决可伸缩视频在密集基站网络环境下的下载问题,实现了网络资源的充分利用,使得用户观看视频的体验质量得到了提高。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (8)
1.一种超密集蜂窝网络中的可伸缩视频下载方法,其特征在于,所述可伸缩视频下载方法包括如下步骤:
将第b个视频块的层数M的数值设置为3;
采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合;
判断M的数值是否大于1,获得第一判断结果;
若所述第一判断结果为是,则判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果;
若所述第二判断结果为是,则将第b个视频块的层数M的数值减1,返回步骤“采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合”;
若所述第一判断结果为否或所述第二判断结果为否,则采用最优的连接基站组合下载层数为M的第b个视频块;
判断b的数值是否小于视频中包含的视频块总数,获得第三判断结果;
若所述第三判断结果为是,则令b的数值增加1,返回步骤“将第b个视频块的层数M的数值设置为3”;
若所述第三判断结果为否,则视频下载完成。
2.根据权利要求1所述的一种超密集蜂窝网络中的可伸缩视频下载方法,其特征在于,所述采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合,具体包括:
其中,Ij表示第j种连接基站组合的上置信指标,表示第j种连接基站组合作为拉动摇臂的平均收益;表示第j种连接基站组合作为拉动摇臂的置信度,m表示迭代次数,Gj(m)表示第j种连接基站组合的摇臂拉动次数,α表示置信度系数;
在所有连接基站组合中选取上置信指标最大的连接基站组合,作为拉动摇臂;
3.根据权利要求1所述的一种超密集蜂窝网络中的可伸缩视频下载方法,其特征在于,所述判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果,具体包括:
根据当前时间和第b-1个视频块的播放时间,计算使视频播放不卡顿的第b个视频块的视频下载时延阈值;
计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延;
将所述视频下载时延与所述视频下载时延阈值比较,当所述视频下载时延小于或等于所述视频下载时延阈值时,所述第一判断结果表示否,当所述视频下载时延大于所述视频下载时延阈值时,所述第一判断结果表示是。
4.根据权利要求3所述的一种超密集蜂窝网络中的可伸缩视频下载方法,其特征在于,所述计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延,具体包括:
5.一种超密集蜂窝网络中的可伸缩视频下载系统,其特征在于,所述可伸缩视频下载系统包括:
层数初始化模块,用于将第b个视频块的层数M的数值设置为3;
最优的连接基站组合选取模块,用于采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合;
第一判断模块,用于判断M的数值是否大于1,获得第一判断结果;
第二判断模块,用于若所述第一判断结果表示是,则判断采用最优的连接基站组合下载层数为M的第b个视频块是否会卡顿,获得第二判断结果;
层数更新模块,用于若所述第二判断结果为是,则将第b个视频块的层数M的数值减1,返回步骤“采用最优臂选择的上置信算法选择层数为M的第b个视频块的最优的连接基站组合”;
视频块下载模块,用于若所述第一判断结果为否或所述第二判断结果为否,则采用最优的连接基站组合下载层数为M的第b个视频块;
第三判断模块,用于判断b的数值是否小于视频中包含的视频块总数,获得第三判断结果;
返回模块,用于若所述第三判断结果为是,则令b的数值增加1,返回步骤“将第b个视频块的层数M的数值设置为3”;
视频下载完成模块,用于若所述第三判断结果为否,则视频下载完成。
6.根据权利要求5所述的一种超密集蜂窝网络中的可伸缩视频下载系统,其特征在于,所述最优的连接基站组合选取模块,具体包括:
其中,Ij表示第j种连接基站组合的上置信指标,表示第j种连接基站组合作为拉动摇臂的平均收益;表示第j种连接基站组合作为拉动摇臂的置信度,m表示迭代次数,Gj(m)表示第j种连接基站组合的摇臂拉动次数,α表示置信度系数;
拉动摇臂选取子模块,用于在所有连接基站组合中选取上置信指标最大的连接基站组合,作为拉动摇臂;
返回子模块,用于令被选取为拉动摇臂的连接基站组合的摇臂拉动次数增加1,迭代次数增加1,返回步骤“分别利用公式计算每种连接基站组合的上置信指标”,直到迭代次数的数值达到迭代次数阈值时,选取摇臂拉动次数最大的连接基站组合为最优的连接基站组合。
7.根据权利要求5所述的一种超密集蜂窝网络中的可伸缩视频下载系统,其特征在于,所述第二判断模块,具体包括:
视频下载时延阈值计算子模块,用于根据当前时间和第b-1个视频块的播放时间,计算使视频播放不卡顿的第b个视频块的视频下载时延阈值;
视频下载时延计算子模块,用于计算采用最优的连接基站组合下载层数为M的第b个视频块的视频下载时延;
第一判断结果确定子模块,用于将所述视频下载时延与所述视频下载时延阈值比较,当所述视频下载时延小于或等于所述视频下载时延阈值时,所述第一判断结果表示否,当所述视频下载时延大于所述视频下载时延阈值时,所述第一判断结果表示是。
8.根据权利要求7所述的一种超密集蜂窝网络中的可伸缩视频下载系统,其特征在于,所述视频下载时延计算子模块,具体包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011131667.7A CN112261439B (zh) | 2020-10-21 | 2020-10-21 | 一种超密集蜂窝网络中的可伸缩视频下载方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011131667.7A CN112261439B (zh) | 2020-10-21 | 2020-10-21 | 一种超密集蜂窝网络中的可伸缩视频下载方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112261439A true CN112261439A (zh) | 2021-01-22 |
CN112261439B CN112261439B (zh) | 2021-10-15 |
Family
ID=74263797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011131667.7A Active CN112261439B (zh) | 2020-10-21 | 2020-10-21 | 一种超密集蜂窝网络中的可伸缩视频下载方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112261439B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1943238A (zh) * | 2004-02-13 | 2007-04-04 | 惠普开发有限公司 | 媒体数据编码设备 |
CN101610391A (zh) * | 2008-06-20 | 2009-12-23 | 韩国放送公社 | 用于保护可伸缩视频编码内容的方法与装置 |
CN102510497A (zh) * | 2011-10-18 | 2012-06-20 | 清华大学 | 基于分级量化的质量可伸缩的三维网格编码方法及装置 |
CN104661047A (zh) * | 2015-03-09 | 2015-05-27 | 中国科学技术大学 | 一种可伸缩编码视频在异构蜂窝网中的传输方法及系统 |
CN107613330A (zh) * | 2017-10-20 | 2018-01-19 | 清华大学 | 一种视频码率自适应方法 |
CN108063961A (zh) * | 2017-12-22 | 2018-05-22 | 北京联合网视文化传播有限公司 | 一种基于强化学习的自适应码率视频传输方法以及系统 |
WO2020053781A1 (en) * | 2018-09-12 | 2020-03-19 | Telefonaktiebolaget Lm Ericsson (Publ) | Online power control in d2d networks |
-
2020
- 2020-10-21 CN CN202011131667.7A patent/CN112261439B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1943238A (zh) * | 2004-02-13 | 2007-04-04 | 惠普开发有限公司 | 媒体数据编码设备 |
CN101610391A (zh) * | 2008-06-20 | 2009-12-23 | 韩国放送公社 | 用于保护可伸缩视频编码内容的方法与装置 |
CN102510497A (zh) * | 2011-10-18 | 2012-06-20 | 清华大学 | 基于分级量化的质量可伸缩的三维网格编码方法及装置 |
CN104661047A (zh) * | 2015-03-09 | 2015-05-27 | 中国科学技术大学 | 一种可伸缩编码视频在异构蜂窝网中的传输方法及系统 |
CN107613330A (zh) * | 2017-10-20 | 2018-01-19 | 清华大学 | 一种视频码率自适应方法 |
CN108063961A (zh) * | 2017-12-22 | 2018-05-22 | 北京联合网视文化传播有限公司 | 一种基于强化学习的自适应码率视频传输方法以及系统 |
WO2020053781A1 (en) * | 2018-09-12 | 2020-03-19 | Telefonaktiebolaget Lm Ericsson (Publ) | Online power control in d2d networks |
Non-Patent Citations (3)
Title |
---|
JIONGJIONG SONG: "Learning-Based Content Caching and Sharing", 《IEEE TRANSACTIONS ON COMMUNICATIONS, VOL. 65, NO. 10, OCTOBER 2017》 * |
杨恩众: "基于 SDN 的密集小蜂窝网络中可伸缩视频传输优化", 《集 成 技 术》 * |
钱洋等: "面向稳健传输的SVC视频层次自适应选择算法", 《网络空间安全》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112261439B (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111414252B (zh) | 一种基于深度强化学习的任务卸载方法 | |
Xing et al. | A real-time adaptive algorithm for video streaming over multiple wireless access networks | |
CN110324621B (zh) | 视频编码方法、装置、电子设备和存储介质 | |
Famaey et al. | On the merits of SVC-based HTTP adaptive streaming | |
El Marai et al. | On improving video streaming efficiency, fairness, stability, and convergence time through client–server cooperation | |
CN103338393A (zh) | 一种hspa系统下用户体验驱动的视频码率选择方法 | |
CN108848395B (zh) | 基于果蝇优化算法的边缘协作缓存布置方法 | |
CN113038128B (zh) | 数据传输方法、装置、电子设备及存储介质 | |
CN114205791A (zh) | 一种基于深度q学习的社交感知d2d协同缓存方法 | |
CN110809167B (zh) | 一种视频播放方法、装置、电子设备及存储介质 | |
Tan et al. | Radio network-aware edge caching for video delivery in MEC-enabled cellular networks | |
CN112954385A (zh) | 一种基于控制论和数据驱动的自适应分流决策方法 | |
WO2018121839A1 (en) | Method and system for providing variable quality streaming video services in mobile communication networks | |
Elgabli et al. | GroupCast: Preference-aware cooperative video streaming with scalable video coding | |
CN108833995B (zh) | 一种无线网络环境中自适应流媒体的传输方法 | |
CN114040257B (zh) | 一种自适应视频流传输播放方法、装置、设备及存储介质 | |
CN104333816B (zh) | 一种p2p网络中下载方式的确定方法及装置 | |
Farahani | CDN and SDN support and player interaction for HTTP adaptive video streaming | |
CN110913239A (zh) | 一种精细化的移动边缘计算的视频缓存更新方法 | |
CN112261439B (zh) | 一种超密集蜂窝网络中的可伸缩视频下载方法及系统 | |
CN105245919B (zh) | 智能终端能耗优化的自适应流媒体分发方法 | |
Yang et al. | Enhancement or super-resolution: Learning-based adaptive video streaming with client-side video processing | |
Zhu et al. | Multi-connection based scalable video streaming in udns: A multi-agent multi-armed bandit approach | |
CN112104867A (zh) | 一种视频处理方法、视频处理装置、智能设备及存储介质 | |
CN115883844A (zh) | 视频数据处理方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |