CN115802117A - 5g场景下多用户实时视频流跨层资源调度方法 - Google Patents

5g场景下多用户实时视频流跨层资源调度方法 Download PDF

Info

Publication number
CN115802117A
CN115802117A CN202310053874.2A CN202310053874A CN115802117A CN 115802117 A CN115802117 A CN 115802117A CN 202310053874 A CN202310053874 A CN 202310053874A CN 115802117 A CN115802117 A CN 115802117A
Authority
CN
China
Prior art keywords
user
bandwidth
congestion
qoe
video
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
Application number
CN202310053874.2A
Other languages
English (en)
Other versions
CN115802117B (zh
Inventor
卢汉成
陆瑶
吴枫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN202310053874.2A priority Critical patent/CN115802117B/zh
Publication of CN115802117A publication Critical patent/CN115802117A/zh
Application granted granted Critical
Publication of CN115802117B publication Critical patent/CN115802117B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种5G场景下多用户实时视频流跨层资源调度方法，包括：步骤S1，在用户接入调整周期内，根据5G基站感知的网络状态相关参数，用预先建立的用户QoE需求模型计算出各用户达到用户QoE需求所需最小带宽，根据最小带宽构建各用户的用户流拥塞因子；步骤S2，根据各用户最小带宽和构各用户的用户流拥塞因子确定各用户优先级，按优先级从高到低依次为各用户分配最小带宽，直到剩余带宽不满足用户接入时停止用户接入；步骤S3，在用户接入调整周期内，根据各用户的拥塞状态持续对各用户的带宽进行调整，调整后使拥塞状态为贫乏状态的用户数量最少。该方法能保证用户体验和实现最大的用户接入数。

Description

5G场景下多用户实时视频流跨层资源调度方法
技术领域
本发明涉及实时视频传输领域，尤其涉及一种5G场景下多用户实时视频流跨层资源调度方法。
背景技术
因配备了新兴技术、具备了更宽的频谱和更短的传输时间间隔，5G技术，即第5代移动通信技术正驱动着互联网行业向高带宽、低延迟方向发展。其中，对低时延特性敏感的实时视频业务发展势头迅猛，正成为行业中的“风口”。如何利用5G和现有技术，提升拥有不同实时视频流性能需求的用户接入数成为运营商和实时视频业务提供商密切关注的焦点。
考虑无线场景下的多用户下行传输视频流时会涉及到基站处不确定的、频繁变化的信道波动问题和资源竞争问题。传统的资源调度算法，如时间片轮转算法（RR）、比例公平（PF）、最大速率算法，它们以吞吐量、公平性中的一项或两项为目标，企图解决不断变化的无线下行数据流的资源竞争问题，但其没有考虑到实时视频流业务的时延敏感特性。而针对数据包时延的资源调度算法通常优化的目标是系统总吞吐量，没有针对用户的视频质量，且在资源量分配时对用户一视同仁，这导致了基站处资源利用率不足。此外，随着用户的客户端应用程序迭代升级速率加快、应用更加智能，有些可以自主收集用户历史视频观看数据，通过机器学习等手段进行分析，个性化评估不同用户的视频满意度。使无线接入网（RAN）感知业务模型、需求等一系列信息被认为是未来工业界发展趋势。
因此，在5G场景下，如何利用RAN感知的信息与资源调度结合，提升满足不同实时视频流需求的用户数是一个值得研究且具有实际应用价值的问题。
有鉴于此，特提出本发明。
发明内容
本发明的目的是提供了一种5G场景下多用户实时视频流跨层资源调度方法，能在保证不同用户视频体验质量要求的同时，提升用户接入数，进而解决现有技术中存在的上述技术问题。
本发明的目的是通过以下技术方案实现的：
一种5G场景下多用户实时视频流跨层资源调度方法，包括：
步骤S1，在用户接入调整周期内，5G基站感知无线接入网侧信道信息和用户QoE需求信息，根据感知到的信道信息、用户QoE需求信息以及预先构建的用户QoE需求模型的用户的帧时延、请求视频质量切换和平均接收视频速率各参数，利用用户QoE需求模型计算得出各用户达到用户QoE需求所需的最小带宽，根据各用户达到用户QoE需求所需的最小带宽构建各用户的用户流拥塞因子；
步骤S2，根据所述步骤S1计算得出的各用户最小带宽和构建的各用户的用户流拥塞因子确定各用户的优先级，按各用户的优先级从高到低依次为各用户分配最小带宽，直到剩余带宽不满足用户接入时停止用户接入；
步骤S3，在用户接入调整周期内，根据各用户的拥塞状态持续对各用户的带宽进行调整，调整后使拥塞状态为贫乏状态的用户数量最少。
与现有技术相比，本发明所提供的5G场景下多用户实时视频流跨层资源调度方法，其有益效果包括：
(1)由于基于无线接入网感知流，5G基站可以跨层感知用户上层视频流业务需求以及下层无线链路信道情况等需要的信息，相较传统的资源调度算法，可以个性化定制分配给用户的带宽，保障了用户QoE需求。
(2)在5G基站处分析无线网络拥塞本质，设定用户流拥塞因子可以从多方面反映无线链路的拥塞情况，将拥塞考虑到资源调度中能降低拥塞导致的时延，对于时延敏感的实时视频的带宽调度更加合理。
(3)从优先级从高到低依次接入用户，能保障用户接入数最大化。
(4)在调度周期内不断对接入用户视频流进行带宽调整，将带宽富余用户的资源调配给带宽贫乏的用户，使得对多用户的带宽资源更均衡，且能尽力保障调度周期内满足体验的接入用户最大化。
(5)由于本发明调度不涉及复杂的求解计算，相较于近年通过凸优化算法求解资源的调度方式，保证了调度过程的时间复杂度，对于计算能力有限的5G基站来说，具有更高的实用性和适用性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
图1为本发明实施例提供的5G场景下多用户实时视频流跨层资源调度方法的流程图。
图2为本发明实施例提供的5G场景下多用户实时视频流跨层资源调度方法的具体流程图。
具体实施方式
下面结合本发明的具体内容，对本发明实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，这并不构成对本发明的限制。基于本发明的实施例，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，都属于本发明的保护范围。
首先对本文中可能使用的术语进行如下说明：
术语“和/或”是表示两者任一或两者同时均可实现，例如，X和/或Y表示既包括“X”或“Y”的情况也包括“X和Y”的三种情况。
术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述，应被解释为非排它性的包括。例如：包括某技术特征要素（如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等），应被解释为不仅包括明确列出的某技术特征要素，还可以包括未明确列出的本领域公知的其它技术特征要素。
术语“由……组成”表示排除任何未明确列出的技术特征要素。若将该术语用于权利要求中，则该术语将使权利要求成为封闭式，使其不包含除明确列出的技术特征要素以外的技术特征要素，但与其相关的常规杂质除外。如果该术语只是出现在权利要求的某子句中，那么其仅限定在该子句中明确列出的要素，其他子句中所记载的要素并不被排除在整体权利要求之外。
除另有明确的规定或限定外，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如：可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本文中的具体含义。
术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述和简化描述，而不是明示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本文的限制。
下面对本发明所提供的5G场景下多用户实时视频流跨层资源调度方法进行详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本发明实施例中未注明具体条件者，按照本领域常规条件或制造商建议的条件进行。本发明实施例中所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。
如图1、图2所示，一种5G场景下多用户实时视频流跨层资源调度方法，包括如下步骤：
步骤S1，在用户接入调整周期内，5G基站感知无线接入网侧信道信息（例如SINR等信息）和用户QoE（Quality of Experience，视频体验质量）需求信息，根据感知到的信道信息、用户视频体验质量需求信息以及预先构建的用户QoE需求模型中的用户帧时延、请求视频质量切换平均码率差值和每帧平均接收视频速率各参数，利用用户QoE需求模型计算得出各用户达到用户QoE需求所需的最小带宽，根据各用户达到用户QoE需求所需的最小带宽构建各用户的用户流拥塞因子；
步骤S2，根据所述步骤S1计算得出的各用户最小带宽和构建的各用户的用户流拥塞因子确定各用户的优先级，按各用户的优先级从高到低依次为各用户分配最小带宽，直到剩余带宽不满足用户接入时停止用户接入；
步骤S3，在用户接入调整周期内，根据各用户的拥塞状态持续对各用户的带宽进行调整，调整后使拥塞状态为贫乏状态的用户数量最少。
上述方法中的5G基站感知具体是指5G基站通知用户将要感知的信息通过上行链路反馈给基站。
上述方法的步骤S1中，5G基站预先构建的用户QoE需求模型
Figure SMS_1
的数学表达式（1）为：
Figure SMS_2
（1）
上述数学表达式（1）中，R t 表示第t时刻各帧码率的集合，Ct表示第t时刻客户端各帧平均接收视频速率集合；
Figure SMS_3
采用log函数，
Figure SMS_4
表示第t时刻视频组Gop的平均码率；
Figure SMS_5
是用户的客户端第n帧视频的平均接收视频速率，即5G基站处的服务速率；
Figure SMS_6
是用户的帧时延；
Figure SMS_7
表示第n帧的视频数据量；N表示第t时刻用户的客户端接收到的帧数目；
上述用户QoE需求模型中的第一项
Figure SMS_8
对应视频质量，第二项
Figure SMS_9
对应视频的卡顿情况μ为用户视频的卡顿情况在QoE需求模型中所占权重值，不同的需求模型中取值有差异，取值为1，最后一项
Figure SMS_10
是用户请求视频切换过程，其中，α为用户请求视频切换在QoE需求模型中所占权重值，不同的需求模型中取值有差异，推荐取值为1，符号||表示代表绝对值。
上述方法的步骤S1中，按以下方式利用用户QoE需求模型计算得出各用户达到用户QoE需求所需的最小带宽，包括：
根据用户的客户端确定的用户对用户QoE的限制门限值
Figure SMS_11
，确定用户QoE约束表征式（2）为：
Figure SMS_12
（2）
将用户QoE约束表征式（2）代入用户QoE需求模型的数学表达式（1）并根据权方和不等式松弛为如下不等式，通过求解不等式将用户QoE约束松弛为基站平均服务速率约束；
Figure SMS_13
Figure SMS_14
（3）
令
Figure SMS_15
，求出
Figure SMS_16
，将用户QoE约束松弛为基站平均服务速率约束；
5G基站从获取的对视频传输有帮助的信息中提取满足用户请求最低视频满意度所对应的基站服务速率，并利用香农公式
Figure SMS_17
（4），求出最小带宽B0；
公式（4）中，r表示5G基站处的服务速率；B表示5G基站得到的被分配的带宽资源；SINR表示用户的信干噪比，通常由用户测量后反馈给5G基站。
上述方法的步骤S1中，根据用户i达到用户QoE需求所需的最小带宽构建用户i的用户流拥塞因子αi，i=1至n，n为用户接入调整周期内的用户数，n为大于1的整数，包括：
Figure SMS_18
(5)
其中，λ1、λ2、λ3分别表示三项不同因子的权重占比；CQIi是用户i对应的信道状态信息，是用户i对应的无线空口中的信道质量的信息指示，代表当前信道质量的好坏，和信道的信噪比大小相对应，在5G网络中对应的取值范围0～31；Q表示5G基站数据包长度忍受阈值；
Figure SMS_19
表示用户i对应的视频流t时刻在5G基站中的排队数据包长度；
Figure SMS_20
表示用户i对应的视频流t前
Figure SMS_21
时刻在基站中的排队数据包长度；
Figure SMS_22
表示用户i对应的平均视频接收速率；
上述公式(5)中，第一项是5G基站的信道状态；第二项是5G基站感知调度周期内的数据排队变化，体现是否拥塞；第三项中di为用户流时延，时延越大，拥塞程度越高。根据不同视频对空口时延以及下行单程时延的要求可以适当增加权重λ2、λ3的结果值，具体系统中的权重值可以根据需求进行细微调节，λ1、λ2、λ3初始值可以都设置为1。
上述方式确定的用户流拥塞因子具有两个作用，一个是参与用户优先级的判断，另一个是用来判断用户流的拥塞状态，即是需要资源的状态还是出让资源的状态；用户流拥塞因子越大代表用户流的拥塞程序越高。
上述方法的步骤S2中，按以下方式根据所述步骤S1计算得出的各用户最小带宽和构建的各用户的用户流拥塞因子确定各用户的优先级
Figure SMS_23
为：
Figure SMS_24
（6）
其中，αi为用户i的用户流拥塞因子；Bi为用户i达到用户QoE需求所需的最小带宽；ri(t)为调度时隙t用户i的预计瞬时速率；
Figure SMS_25
为用户i的客户端实际平均速率。
上述方法的步骤S3中，按以下方式在用户接入调整周期内，根据用户的拥塞状态持续对各用户的带宽进行调整，调整后使本次用户接入调整周期内贫乏状态用户的数量最少，包括：
确定上限拥塞阈值与下限拥塞阈值，根据用户流拥塞因子与上、下限拥塞阈值的关系将用户分为三种状态：贫乏状态、正常状态和富余状态；
将富余状态用户的多余带宽回收放入资源池；
将资源池的带宽依次分配给需要带宽由小到大的用户，分配后若资源池内还存在剩余带宽，则将剩余带宽按用户带宽使用量比例分配；分配中若资源池内带宽在一个用户接入调整周期内不能满足全部贫乏状态用户的需求，则在下一个用户接入调整周期内，将需要最大带宽量的用户从接入用户集中删除，并收回所删除用户的带宽放入资源池继续下一轮分配；
在一个用户接入调整周期内按上述方式不断迭代调整多用户带宽，直到调整后使本次用户接入调整周期内贫乏状态用户的数量最少。
上述方法中，按以下方式根据用户流拥塞因子与上、下限拥塞阈值的关系将用户分为三种状态：贫乏状态、正常状态和富余状态，包括：
当用户的用户流拥塞因子大于上限拥塞阈值时，用户的拥塞状态被赋予为贫乏状态，当用户的用户流拥塞因子处于上、下限拥塞阈值之间时，用户的拥塞状态被赋予为正常状态；当用户的用户流拥塞因子小于下限拥塞阈值时，用户的拥塞状态被赋予为富余状态。
上述方法的步骤S3中，通过贪心算法和轮询算法将资源池的带宽依次分配给需要带宽由小到大的用户。
上述方法的步骤S3中，按以下方式将富余状态用户的多余带宽回收放入资源池，包括：
根据历史QoE平均基准值和时延截止对应的服务速率共同计算出富余状态用户j需要的最小带宽
Figure SMS_26
,j=1至m，m为大于1的整数，根据最小带宽
Figure SMS_27
确定富余状态用户j的出让带宽为
Figure SMS_28
，B act,j 为用户j上一时刻实际被分配到的带宽，在此时刻出让上一时刻实际被分配到的带宽与此时刻需要的最小带宽之差的一半；
将各富余状态用户的出让带宽回收后放入资源池，在一个用户接入调度周期中，经过m个富余状态用户的带宽出让，资源池中的带宽为
Figure SMS_29
。
综上可见，本发明实施例调度方法，与现有技术相比至少具有以下优点：
(1)由于基于RAN感知流，基站可以跨层感知用户上层视频流业务需求以及下层无线链路信道情况等需要的信息，相较传统的资源调度算法，可以个性化定制分配给用户的带宽，保障了用户QoE需求。
(2)借助机器学习和评价模型分析用户不同平均主观意见分，贴合实际，更加符合用户个体差异化。
(3)同时，在5G基站（即gNodeB）处分析无线网络拥塞本质，定义拥塞因子可以从多方面反映无线链路的拥塞情况，将拥塞考虑到资源调度中能降低拥塞导致的时延，而实时视频对时延敏感，从这一角度出发，更加合理，也很有创新性。
(4)采用贪心算法，从优先级从高到低依次接入用户，能保障用户接入数最大化。
(5)在调度周期内不断对接入用户视频流进行资源调整，采用“劫富济贫”调度方式，对多用户资源均衡，“富余”用户出让资源过程收敛快，且能尽力保障调度周期内满足体验的接入用户最大化。
除以上优点，相较于近年通过凸优化算法求解资源调度问题，本发明由于不涉及复杂的求解计算处理，保证了调度过程的时间复杂度，对于计算能力有限的5G基站来说，具有更高的实用性和适用性。
为了更加清晰地展现出本发明所提供的技术方案及所产生的技术效果，下面以具体实施例对本发明实施例所提供的5G场景下多用户实时视频流跨层资源调度方法进行详细描述。
实施例1
如图1所示，本实施例提供一种5G场景下多用户实时视频流跨层资源调度方法，用于视频服务提供商通过广域网（WAN）与5G基站通信连接，5G基站的5G空口总资源量和时延受限的场景下，实时视频源为5G基站（即gNodeB，下一代基站）范围内的用户提供视频流服务，其中每个用户关联一个下行视频流，同时用户对视频质量有着不同需求；该方法包括：
步骤S1，在用户接入调整周期内，使5G基站基于无线接入网感知流跨层感知用户QoE需求以及信道信息，根据感知到的用户QoE需求以及信道信息，计算用户期望获取的最小带宽，并构建用户流拥塞因子；
步骤S2，根据计算得出最小带宽和用户流拥塞因子确定用户的优先级，按照优先级从高到低优先排列，并按优先级依次为用户分配最小带宽，直到剩余带宽不满足用户接入时停止用户接入；
步骤S3，在用户接入调整周期内，在满足用户QoE需求的前提下，根据用户拥塞状态持续对多用户带宽资源进行调整，直至在用户接入调整周期内的拥塞状态为贫乏状态的用户数量最少。
参见图2，上述方法的各步骤具体如下：
(1)首先，根据5G基站基于无线接入网感知流跨层感知的信道信息构建用户QoE模型，通过用户QoE模型确定不同用户的QoE满意度最低要求，即确定用户QoE需求。本发明中将对大容量实时交互视频体验的要素分为三个方面：视频的清晰度、视频卡顿情况和视频的平滑度，其中，视频的清晰度为视频的分辨率，如360P、480P等，视频清晰度通常与码率有关，而视频的卡顿则由视频数据的时延导致，用户对于视频码率的请求切换会引起视频的平滑特性改变，综上可以将用户QoE需求总结为如下所示的数学表达式的形式：
Figure SMS_30
（1）
其中，R t 代表的是第t时刻各帧码率的集合，
Figure SMS_31
代表的是第t时刻视频组Gop的平均码率，
Figure SMS_32
采用log函数，
Figure SMS_33
是客户端第n帧视频的平均接收视频速率，也就是基站处的服务速率，
Figure SMS_34
是用户的帧时延，
Figure SMS_35
代表的是第n帧的数据量，N代表的是第t时刻客户端接收到的帧数目。模型中的第一项对应视频质量，第二项对应视频的卡顿情况，最后一项是用户请求视频切换过程。
不同用户对于视频的QoE具有不同平均主观意见分（MoS）容忍度，由用户的客户端视频应用对历史观看数据的机器学习和评价模型可以确定，也就意味着可以确定用户对QoE的限制门限值
Figure SMS_36
。只要QoE大于此门限值
Figure SMS_37
则可以认为是成功接入的用户，约束表征为：
Figure SMS_38
(2)
将上述式（1）代入上述（2），并根据权方和不等式可以松弛为如下不等式：
Figure SMS_39
Figure SMS_40
（3）
令
Figure SMS_41
，则可以求出
Figure SMS_42
，即将QoE约束进而松弛为5G基站平均服务速率约束。
（2）基站跨层感知各种关键信息：假设RAN可以感知流，基站可以通过接收用户反馈信息等方式获取到一系列对视频传输有帮助的信息。对此，基站先提取最关键信息，即（1）中满足用户请求最低视频满意度所对应的5G基站服务速率，并利用香农公式(4)：
Figure SMS_43
(4)
可以求出最小带宽B0。从拥塞角度出发，定义5G基站的用户流拥塞因子，这可以反映用户流的无线贫乏状态。无线链路的拥塞情况通常与5G基站的服务速率、到达速率间的关系密切相关，在时延受限的用户视频流下，进一步分解为信道状态、缓冲区中的排队长度变化以及时延等信息。通过以下式（5）所示的用户流拥塞因子将这些因素整合起来，用来体现用户流的拥塞程度。
Figure SMS_44
(5)
其中，λ1、λ2、λ3分别代表三项不同因子的权重占比，CQI是信道状态信息，在5G网络中对应的范围为0-31，第二项是基站感知调度周期内的排队长度变化，体现是否拥塞，第三项中di为用户流时延，时延越大，拥塞程度越高。综合看来，用户流拥塞因子越大，用户流的拥塞程度越高。
（3）确定用户接入调整周期：5G基站对每个用户视频流赋予优先级，按照期望基准资源分配带宽，并确定用户接入调整周期内的最大用户数。首先，用户的优先级与信道状况、瞬时吞吐量、历史吞吐量以及上述公式（5）中计算的用户流拥塞因子有关，具体可以用下式表征：
Figure SMS_45
（6）
其中，
Figure SMS_46
指的是上述公式(5)中计算得到的用户流拥塞因子；B0为上述公式（4）计算得到的最小带宽值；ri(t)是调度时隙t用户i的预计瞬时速率，反映信道的好坏，
Figure SMS_47
是终端实际速率。
所有用户计算出接入优先级，优先级越高越优先接入。其次，将用户按照接入优先级
Figure SMS_48
从高到低进行排序，考虑每个接入的用户分配B0，直到剩余的资源不够接入下一个用户，保证
Figure SMS_49
。此时本用户接入调整周期内的接入用户已确认。
（4）确定用户贫乏状态，从拥塞状态对资源池中的资源进行调度。首先确定两个拥塞阈值，即上限拥塞阈值与下限拥塞阈值，并根据用户流拥塞因子与拥塞阈值的关系将用户分为三种状态：overuse（贫乏状态）、normal（正常状态）和underuse（富余状态），即当用户的用户流拥塞因子大于上限拥塞阈值时，用户被赋予贫乏状态，当用户的用户流拥塞因子处于上、下限拥塞阈值之间时，用户被赋予正常状态；当用户的用户流拥塞因子小于下限拥塞阈值时，用户被赋予富余状态。
其次，根据“劫富济贫”算法调度不同用户。贫乏状态代表用户流需要更多的资源来保证容量扩容进而缓解拥塞；正常状态代表用户正处于稳态阶段，不需要对用户流施加外力；富余状态代表用户流处于不拥塞的状态，带宽富余，为了最大化带宽资源的使用率，将处于带宽富余状态用户的带宽资源进行出让。
对于富余状态用户，假设富余状态的用户集用j1，……，jm表示，将需要出让的带宽资源统一放入资源池中；根据历史QoE平均基准值和时延截止对应的服务速率共同计算出用户需要的最少带宽值
Figure SMS_50
，再将该富余状态用户带宽出让
Figure SMS_51
；可以看出，当信道和其他条件不变时，用户j经过s轮调度周期后，剩余的资源为
Figure SMS_52
，能够很快收敛。在一个调度周期中，经过m个用户的带宽资源出让，此刻资源池中的带宽资源为
Figure SMS_53
。
对于贫乏状态用户，假设贫乏状态的用户集用k1，……，kn表示，将需要资源的用户按需要的带宽
Figure SMS_54
进行从小到大进行排序，使用贪心算法和轮询算法，将资源池的带宽依次分配给需要带宽量由小到大的用户，采用贪心算法，从优先级从高到低依次接入用户，能保障用户接入数最大化。如果在满足带宽后还存在剩余带宽，将剩余带宽按用户带宽使用量比例分配给各用户。如果带宽长期不足n个用户的需求，在下一个用户接入调整周期内，将需要最大带宽量的用户从接入用户集中删除，并收回该删除用户的带宽放入资源池继续下一轮分配，最后在用户接入调整周期内不断迭代这一过程，保持用户接入调整周期内的贫乏状态用户数量最少。
可以知道，上述调度方法的执行过程是在视频用户请求的视频流服务的过程中，若视频用户请求的视频流服务全部结束，则调度过程结束。
本实施例的调度方法至少具备如下有益效果：
由于不涉及复杂的计算求解处理，相较于近年通过凸优化算法求解资源调度问题，能保证了算法时间复杂度，对于计算能力有限的5G基站来说，适用性更高；由于5G基站基于RAN感知流跨层感知用户上层视频流业务需求以及下层无线链路信道情况等需要的信息，能个性化定制分配给用户的带宽，保障了用户QoE；借助用户客户端的视频应用的机器学习和评价模型分析用户不同平均主观意见分，贴合实际，更加符合用户个体差异化；通过设定用户流定义拥塞因子可以从多方面反映无线链路的拥塞情况，将拥塞考虑到带宽资源调度中能降低拥塞导致的时延，更好满足对时延敏感的实时视频的带宽调度需求；在调度周期内不断对接入用户视频流进行资源调整，采用劫富济贫调度方式，对多用户资源均衡，富余状态用户出让资源过程收敛快，且能尽力保障调度周期内满足体验的接入用户最大化。
本领域普通技术人员可以理解：实现上述实施例方法中的全部或部分流程是可以通过程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（RandomAccess Memory，RAM）等。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。本文背景技术部分公开的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

Claims (9)

1.一种5G场景下多用户实时视频流跨层资源调度方法，其特征在于，包括：
步骤S1，在用户接入调整周期内，5G基站感知无线接入网侧信道信息和用户QoE需求信息，根据感知到的信道信息、用户QoE需求信息以及预先构建的用户QoE需求模型的用户的帧时延、请求视频质量切换和平均接收视频速率各参数，利用用户QoE需求模型计算得出各用户达到用户QoE需求所需的最小带宽，根据各用户达到用户QoE需求所需的最小带宽构建各用户的用户流拥塞因子；
步骤S2，根据所述步骤S1计算得出的各用户最小带宽和构建的各用户的用户流拥塞因子确定各用户的优先级，按各用户的优先级从高到低依次为各用户分配最小带宽，直到剩余带宽不满足用户接入时停止用户接入；
步骤S3，在用户接入调整周期内，根据各用户的拥塞状态持续对各用户的带宽进行调整，调整后使拥塞状态为贫乏状态的用户数量最少。
2.根据权利要求1所述的5G场景下多用户实时视频流跨层资源调度方法，其特征在于，所述步骤S1中，5G基站预先构建的用户QoE需求模型
Figure QLYQS_1
的数学表达式（1）为：
Figure QLYQS_2
（1）
上述数学表达式（1）中，R t 表示第t时刻各帧码率的集合；
Figure QLYQS_3
采用log函数，
Figure QLYQS_4
表示第t时刻视频组Gop的平均码率；
Figure QLYQS_5
是用户的客户端第n帧视频的平均接收视频速率，即5G基站处的服务速率；
Figure QLYQS_6
是用户的帧时延；
Figure QLYQS_7
表示第n帧的视频数据量；N表示第t时刻用户的客户端接收到的帧数目；
该用户QoE需求模型中的第一项
Figure QLYQS_8
对应视频质量，第二项
Figure QLYQS_9
对应视频的卡顿情况，μ为用户视频的卡顿情况在QoE需求模型中所占权重值，取值为1，最后一项
Figure QLYQS_10
是用户请求视频切换过程，其中，α为用户请求视频切换在QoE需求模型中所占权重值，取值为1，符号| |表示绝对值。
3.根据权利要求1或2所述的5G场景下多用户实时视频流跨层资源调度方法，其特征在于，所述步骤S1中，按以下方式利用用户QoE需求模型计算得出各用户达到用户QoE需求所需的最小带宽，包括：
根据用户的客户端确定的用户对用户QoE的限制门限值
Figure QLYQS_11
，确定用户QoE约束表征式（2）为：
Figure QLYQS_12
（2）
将用户QoE约束表征式（2）代入用户QoE需求模型的数学表达式（1）并根据权方和不等式松弛为如下不等式，通过求解不等式将用户QoE约束松弛为基站平均服务速率约束；
Figure QLYQS_13
Figure QLYQS_14
（3）
令
Figure QLYQS_15
，求出
Figure QLYQS_16
，将用户QoE约束松弛为基站平均服务速率约束；
5G基站从获取的对视频传输有帮助的信息中提取满足用户请求最低视频满意度所对应的基站服务速率，并利用香农公式
Figure QLYQS_17
（4），求出最小带宽B0；
公式（4）中，r表示5G基站处的服务速率；B表示5G基站得到的被分配的带宽资源；SINR表示用户的信干噪比，通常由用户测量后反馈给5G基站。
4.根据权利要求1或2所述的5G场景下多用户实时视频流跨层资源调度方法，其特征在于，所述步骤S1中，根据用户i达到用户QoE需求所需的最小带宽构建用户i的用户流拥塞因子αi，i=1至n，n为用户接入调整周期内的用户数，n为大于1的整数，包括：
Figure QLYQS_18
(5)
其中，λ1、λ2、λ3分别表示三项不同因子的权重占比，λ1、λ2、λ3初始值都设置为1；CQIi是用户i对应的信道状态信息，在5G网络中对应的取值范围为0～31；Q表示5G基站数据包长度忍受阈值；
Figure QLYQS_19
表示用户i对应的视频流t时刻在5G基站中的排队数据包长度；
Figure QLYQS_20
表示用户i对应的视频流t前
Figure QLYQS_21
时刻在基站中的排队数据包长度；
Figure QLYQS_22
表示用户i对应的平均视频接收速率；di为用户流时延。
5.根据权利要求1或2所述的5G场景下多用户实时视频流跨层资源调度方法，其特征在于，所述步骤S2中，按以下方式根据所述步骤S1计算得出的各用户最小带宽和构建的各用户的用户流拥塞因子确定各用户的优先级
Figure QLYQS_23
，为：
Figure QLYQS_24
（6）
其中，αi为用户i的用户流拥塞因子；B0为用户i达到用户QoE需求所需的最小带宽；ri(t)为调度时隙t用户i的预计瞬时速率；
Figure QLYQS_25
为用户i的客户端实际速率；
Figure QLYQS_26
为用户间公平性。
6.根据权利要求1或2所述的5G场景下多用户实时视频流跨层资源调度方法，其特征在于，所述步骤S3中，按以下方式在用户接入调整周期内，根据用户的拥塞状态持续对各用户的带宽进行调整，调整后使本次用户接入调整周期内贫乏状态用户的数量最少，包括：
确定上限拥塞阈值与下限拥塞阈值，根据用户流拥塞因子与上、下限拥塞阈值的关系将用户分为三种状态：贫乏状态、正常状态和富余状态；
将富余状态用户的多余带宽回收放入资源池；
将资源池的带宽依次分配给需要带宽由小到大的用户，分配后若资源池内还存在剩余带宽，则将剩余带宽按用户带宽使用量比例分配；分配中若资源池内带宽在一个用户接入调整周期内不能满足全部贫乏状态用户的需求，则在下一个用户接入调整周期内，将需要最大带宽量的用户从接入用户集中删除，并收回所删除用户的带宽放入资源池继续下一轮分配；
在一个用户接入调整周期内按上述方式不断迭代调整多用户带宽，直到调整后使本次用户接入调整周期内贫乏状态用户的数量最少。
7.根据权利要求6所述的5G场景下多用户实时视频流跨层资源调度方法，其特征在于，所述步骤S3中，按以下方式根据用户流拥塞因子与上、下限拥塞阈值的关系将用户分为三种状态：贫乏状态、正常状态和富余状态，包括：
当用户的用户流拥塞因子大于上限拥塞阈值时，用户的拥塞状态被赋予为贫乏状态，当用户的用户流拥塞因子处于上、下限拥塞阈值之间时，用户的拥塞状态被赋予为正常状态；当用户的用户流拥塞因子小于下限拥塞阈值时，用户的拥塞状态被赋予为富余状态。
8.根据权利要求6所述的5G场景下多用户实时视频流跨层资源调度方法，其特征在于，所述步骤S3中，通过贪心算法和轮询算法将资源池的带宽依次分配给需要带宽由小到大的用户。
9.根据权利要求6所述的5G场景下多用户实时视频流跨层资源调度方法，其特征在于，所述步骤S3中，按以下方式将富余状态用户的多余带宽回收放入资源池，包括：
根据历史QoE平均基准值和时延截止对应的服务速率共同计算出富余状态用户j需要的最小带宽
Figure QLYQS_27
,j=1至m，m为大于1的整数；
根据最小带宽
Figure QLYQS_28
确定富余状态用户j的出让带宽为
Figure QLYQS_29
，B act,j 为用户j上一时刻实际被分配到的带宽，在此时刻出让上一时刻实际被分配到的带宽与此时刻需要的最小带宽之差的一半；
将各富余状态用户的出让带宽回收后放入资源池，在一个用户接入调度周期中，经过m个富余状态用户的带宽出让，资源池中的带宽为
Figure QLYQS_30
。
CN202310053874.2A 2023-02-03 2023-02-03 5g场景下多用户实时视频流跨层资源调度方法 Active CN115802117B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310053874.2A CN115802117B (zh) 2023-02-03 2023-02-03 5g场景下多用户实时视频流跨层资源调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310053874.2A CN115802117B (zh) 2023-02-03 2023-02-03 5g场景下多用户实时视频流跨层资源调度方法

Publications (2)

Publication Number Publication Date
CN115802117A true CN115802117A (zh) 2023-03-14
CN115802117B CN115802117B (zh) 2023-06-16

Family

ID=85429621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310053874.2A Active CN115802117B (zh) 2023-02-03 2023-02-03 5g场景下多用户实时视频流跨层资源调度方法

Country Status (1)

Country Link
CN (1) CN115802117B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102802204A (zh) * 2012-08-03 2012-11-28 西安电子科技大学 基于用户体验QoE的网络选择方法
CN103476123A (zh) * 2013-08-30 2013-12-25 西安电子科技大学 LTE网络视频业务QoE保障资源分配方法
CN108540325A (zh) * 2018-04-13 2018-09-14 安徽师范大学 一种新的多人在线团队游戏QoE评估方法
US10356552B1 (en) * 2018-09-20 2019-07-16 International Business Machines Corporation Determining hardware requirements for a wireless network event using crowdsourcing
CN113316005A (zh) * 2021-04-20 2021-08-27 新华三技术有限公司 一种调整视频码率的方法和通信系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102802204A (zh) * 2012-08-03 2012-11-28 西安电子科技大学 基于用户体验QoE的网络选择方法
CN103476123A (zh) * 2013-08-30 2013-12-25 西安电子科技大学 LTE网络视频业务QoE保障资源分配方法
CN108540325A (zh) * 2018-04-13 2018-09-14 安徽师范大学 一种新的多人在线团队游戏QoE评估方法
US10356552B1 (en) * 2018-09-20 2019-07-16 International Business Machines Corporation Determining hardware requirements for a wireless network event using crowdsourcing
CN113316005A (zh) * 2021-04-20 2021-08-27 新华三技术有限公司 一种调整视频码率的方法和通信系统

Also Published As

Publication number Publication date
CN115802117B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
US8743719B2 (en) Method and apparatus for allocating network rates
Wan et al. Adaptive unequal protection for wireless video transmission over IEEE 802.11 e networks
van Der Schaar Cross-layer wireless multimedia transmission: challenges, principles, and new paradigms
EP1604498B1 (en) Admission control and resource allocation in a communication system supporting application flows supporting quality of service
US8018850B2 (en) Wireless video transmission system
EP1949600B1 (en) Method for adaptive delay threshold-based priority queueing scheme for packet scheduling in mobile broadband wireless access system
CN105191209A (zh) 一种缓存的视频点播流和尽力而为流联合调度的体验感知质量的系统和方法
Nasralla et al. Content-aware downlink scheduling for LTE wireless systems: A survey and performance comparison of key approaches
Khan et al. QoE-driven multi-user scheduling and rate adaptation with reduced cross-layer signaling for scalable video streaming over LTE wireless systems
Foh et al. Optimized cross-layer design for scalable video transmission over the IEEE 802.11 e networks
Ju et al. QoE-based cross-layer design for video applications over LTE
KR100585713B1 (ko) 고속무선 데이터 통신 시스템의 순방향 스케줄링 방법
Proebster et al. Context-aware resource allocation to improve the quality of service of heterogeneous traffic
CN111447511B (zh) 一种带有用户感知体验质量的带宽分配方法
Wang et al. Toward cross-layer design for non-orthogonal multiple access: A quality-of-experience perspective
CN113038187A (zh) 一种视频体验质量公平的实用网络带宽分配方法
Khorov et al. SEBRA: SAND-enabled bitrate and resource allocation algorithm for network-assisted video streaming
El Essaili et al. QoE-driven resource optimization for user generated video content in next generation mobile networks
Navarro-Ortiz et al. Quality of experience based resource sharing in IEEE 802.11 e HCCA
CN103313054A (zh) 可伸缩视频编码svc视频的传输调度方法
Jabbar et al. Developing a video buffer framework for video streaming in cellular networks
Thakolsri et al. QoE-driven cross-layer optimization in wireless networks addressing system efficiency and utility fairness
Nosheen et al. Quality of service-and fairness-aware resource allocation techniques for ieee802. 11ac WLAN
Vukadinovic et al. Multicast scheduling for scalable video streaming in wireless networks
CN115802117A (zh) 5g场景下多用户实时视频流跨层资源调度方法

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