CN106850643A - 一种高能效的可伸缩视频编码实时流媒体的无线传输方法 - Google Patents
一种高能效的可伸缩视频编码实时流媒体的无线传输方法 Download PDFInfo
- Publication number
- CN106850643A CN106850643A CN201710084002.7A CN201710084002A CN106850643A CN 106850643 A CN106850643 A CN 106850643A CN 201710084002 A CN201710084002 A CN 201710084002A CN 106850643 A CN106850643 A CN 106850643A
- Authority
- CN
- China
- Prior art keywords
- formula
- regeneration period
- optimization
- channel
- transmission
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/70—Media network packetisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/75—Media network packet handling
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/127—Prioritisation of hardware or computational resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/142—Detection of scene cut or scene change
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/156—Availability of hardware or computational resources, e.g. encoding based on power-saving criteria
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种高能效的可伸缩视频编码实时流媒体的无线传输方法,其特征包括:基于带随机误差的信道状态估计进行流媒体可伸缩编码层的选择传输控制;基于部分可观Markov决策过程模型进行性能分析和策略优化;采用在线策略迭代算法进行编码层传输控制策略的自适应优化。本发明能通过视频编码层的选择传输,以流量的自适应调节实现传输能效的优化,从而在保证实时流媒体视频质量QoS的同时有效提高传输能效。
Description
技术领域
本发明属于无线多媒体通信领域,具体的说是一种高能效的可伸缩视频编码实时流媒体的无线传输方法。
背景技术
随着数字和移动通信技术的快速发展,近年来通过无线普适接入的网络多媒体服务急剧增长。由于视频相关的应用和智能移动终端的普及,目前超过一半的无线数据流量由流媒体构成,并预期在未来十年内将达到三分之二以上。无线流媒体传输的高传输速率需求导致无线传输的能耗急剧增长。基于环境和经济因素的考虑,提高无线传输的能效日益成为无线多媒体通信***设计和运行中的一个重要课题,同时信道波动的特性使得实时流媒体无线传输的QoS保证更具挑战性。在无线通信的各个层级进行***资源的动态配置是实现具有QoS保证的高能效传输的有效途径。现有技术方案涉及链路层的基于动态功率控制和自适应调制编码的传输速率控制,以及传输层的可伸缩视频编码。
Q.Jiang,V.C.M.Leung,M.T.Pourazad,et al.,Energy-efficient adaptivetransmission of scalable video streaming in cognitive radio communications,IEEE Systems Journal,2016考虑基于认知无线信道进行流媒体高能效的传输,提出一种结合可伸缩视频编码和传输速率控制的跨层协同的优化方案。构建事件驱动的Markov控制过程模型并采用策略迭代算法求解最优策略。依赖精确信道状态信息,需要链路层动态功率控制的辅助,并涉及复杂的跨层协同机制。
S.-P.Chuah,Z.Chen,Y.-P.Tan,Energy-efficient resource allocation andscheduling for multicast of scalable video over wireless networks,IEEETransactions on Multimedia,2012以及J.Lee,B.C.Yeo,J.S.Kim,et al.,Energyefficient scalable video coding based cooperative multicast scheme withselective layer forwarding,IEEE Communications Letter,2013提出结合可伸缩视频编码和自适应调制编码的无线流媒体组播方案以适应同组混杂用户的不同信道条件和视频质量要求。不同的视频编码层采用不同的调制编码进行传输,从而为低增益信道状态的用户提供基本的视频质量,而为高增益信道状态的用户提供更高的视频质量。给定频谱资源、能耗预算和各传输周期中用户的信道状况,将各视频编码层的传输调制编码选择建模为一个(混合)整数规划问题并通过动态规划求解最优策略。依赖精确信道状态信息,未解决各用户信道波动情况下的QoS保证问题。
发明内容
本发明是为了解决上述现有技术存在的不足之处,提出一种高能效的可伸缩视频编码实时流媒体的无线传输方法,以期能基于带随机误差的信道状态估计,以流量的自适应调节实现传输能效的优化,从而在保证实时流媒体视频质量QoS的同时有效提高传输能效。
本发明为达到上述发明目,本发明采用如下技术方案:
本发明一种高能效的可伸缩视频编码实时流媒体的无线传输方法的特点是:
所述实时流媒体是由N个编码层组成的视频流,所述N个编码层包括:1个基本层和N-1个增强层;记由前n个编码层组成的视频流的数据率为un,数据率集合为U={un,n=1,...,N};H为离散化的信道增益集合;B表示信道估计状态集合,且B=H;控制行动表示选择前n个编码层数据进行传输,且控制行动集合定义策略为其中表示当信道估计状态为b时采取控制行动的概率;记确定型策略集合为以L(b)=du等价表示
所述无线传输方法是由发送端和接收端通过增益波动的无线信道按如下步骤进行:
步骤1、初始化:
定义优化再生周期的序号为m;各优化再生周期中的传输周期的序号为n;在第m个优化再生周期中的第n次传输标记为
令m=1;
从状态估计集合B中任选一个估计状态作为b*;
任选一个策略Lm∈Π作为初始策略;
令拉格朗日因子αm=a1,a1为大于零的实数;
步骤2、令n=1;
步骤3、在第m个优化再生周期的第n个传输周期的开始时刻,对信道状态进行估计,得到信道估计状态并记录;
步骤4、在固定长度的传输周期Ttr中,根据信道估计状态由第m个优化再生周期的策略Lm选择编码层进行传输;
步骤5、在第m个优化再生周期的第n次传输完成时刻,所述接收端将接收信息反馈给所述发送端,使得所述发送端得到在第m个优化再生周期的第n次传输中的信道增益状态并记录;
步骤6、判断是否成立,若成立,则令Tm=n,并执行步骤7,否则,将n+1赋值给n,并返回步骤3执行;
步骤7、利用式(1)得到前m个优化再生周期中信道估计状态为b∈B时信道增益为h∈H的概率分布估计
式(1)中, 表示第m个优化再生周期中观测状态为b∈B时信道增益为h∈H的概率分布估计,并有:
式(2)中,I(·)表示示性函数,当(·)成立时,I(·)=1,否则I(·)=0;
步骤8、利用式(3)和式(4)分别获得第m个优化再生周期中的能耗值和量化的视频质量值
式(3)和式(4)中,rh表示信道增益为h、信道带宽为W、发射功率为Ptr时的传输速率,且rh=W×log2(1+ξ×Ptr×h);ξ表示与发射调制编码相关的常数;g表示定义在视频编码数据率集合U上的视频质量函数;|rh|U表示在传输速率rh下,能完整传输的最高编码层数据率,即|rh|U=max{un∈U|un≤rh};
步骤9、利用式(5)计算第m个优化再生周期中的拉格朗日函数
步骤10、利用式(6)和式(7)分别计算第m个优化再生周期的策略Lm下的平均性能测度和平均能耗测度
式(6)和式(7)中,表示在第m个优化再生周期的策略Lm下信道估计状态为时采取的控制行动;
步骤11、对所有的b∈B,当式(8)成立时,令且对于所有的令
步骤12、若存在b∈B,使得fm(b,L(b))<fm(b,Lm(b))成立,则令Lm+1=L,否则令Lm+1=Lm;
步骤13、利用式(9)更新第m+1个优化再生周期中的拉格朗日因子αm+1:
式(9)中,V表示QoS要求的平均视频质量值,γm表示第m个优化再生周期中的步长,且γm>0,表示到区间(0,a2]上的投影;a2表示远大于零的常数;
步骤14、将赋值m+1给m,并返回步骤2顺序执行。
与现有技术相比,本发明的有益效果在于:
1、本发明提出基于带随机误差的信道状态估计,进行流媒体可伸缩编码层的选择传输控制,以流量的自适应调节实现了传输能效的优化,在保证了实时流媒体视频质量QoS的同时有效提高了传输能效。无需链路层的动态功率控制的辅助,不依赖精确信道状态信息,对异构混杂无线网络环境中的实时流媒体传输具有普适性。
2、本发明通过构建部分可观Markov决策过程模型,对基于带有随机误差的信道状态估计进行视频编码层选择传输控制的***动态进行精确的描述,提供了有效的性能分析和策略优化的理论框架,确保了优化控制的最优效果。
3、本发明采用在线策略迭代算法进行编码层传输控制策略的自适应优化。通过充分利用***的动态特性,使得策略优化不依赖信道状态变化的随机参数信息,不涉及高计算量的性能势或类似值的估计与计算,具有计算实时、环境自适应和收敛速度快的特点。策略优化所需的所有信息都可通过在线观测获取。适用于参数未知且时变环境中的在线实时优化控制。
附图说明
图1为本发明方法的流程图。
具体实施方式
本实施例中,一种高能效的可伸缩视频编码实时流媒体的无线传输方法中的实时流媒体是由N个编码层组成的视频流,N个编码层包括:1个基本层和N-1个增强层;记由前n个编码层组成的视频流的数据率为un,数据率集合为U={un,n=1,...,N};H为离散化的信道增益集合;B表示信道估计状态集合,且B=H;控制行动表示选择前n个编码层数据进行传输,且控制行动集合定义策略为其中表示当信道估计状态为b时采取控制行动的概率;记确定型策略集合为以L(b)=du等价表示
具体的说,如图1所示,无线传输方法包括步骤3至步骤5的传输控制和步骤7至步骤14的策略优化,并由发送端和接收端通过增益波动的无线信道按如下步骤进行:
步骤1、初始化:
定义优化再生周期的序号为m;各优化再生周期中的传输周期的序号为n;在第m个优化再生周期中的第n次传输标记为
令m=1;
从状态估计集合B中任选一个估计状态作为b*;
任选一个策略Lm∈∏作为初始策略;
令拉格朗日因子αm=a1,a1为大于零的实数;
步骤2、令n=1;
步骤3、在第m个优化再生周期的第n个传输周期的开始时刻,对信道状态进行估计,得到信道估计状态并记录;
采用现有的成熟的信道估计技术得到带有随机误差的信道状态估计。
步骤4、在固定长度的传输周期Ttr中,根据信道估计状态由第m个优化再生周期的策略Lm选择编码层进行传输;
步骤5、在第m个优化再生周期的第n次传输完成时刻,接收端将接收信息反馈给发送端,使得发送端得到在第m个优化再生周期的第n次传输中的信道增益状态并记录;
通过增益波动的信道进行实时流媒体的无线传输。在各传输周期中顺序进行步骤1的信道状态估计、步骤2的编码层选择传输和步骤3的接收端信息反馈。各传输周期中接收端接收的流媒体数据经过解码提供下一个传输周期时间内的视频播放。
步骤6、判断是否成立,若成立,则令Tm=n,并执行步骤7,否则,将n+1赋值给n,并返回步骤3执行;
在策略控制下进行可伸缩视频编码流媒体传输的***动态演化过程可用部分可观Markov决策过程{ht,bt,t≥0}描述,其中状态ht∈H和观测状态bt∈B分别为t时刻的信道增益状态和信道估计状态,t=0,1,…为对应于传输周期Ttr的离散化时间。观测***的实际运行得到此部分可观Markov决策过程的一条样本轨道。运行过程中连续两次出现可再生观测状态b*∈B之间的***动态{ht,bt,tm≤t<tm+1}为一个优化再生周期,其中tm表示第m次出现可再生观测状态b*∈B的时间。各优化再生周期的***动态在概率意义上等价。通过步骤3到步骤6对一个再生周期m的***动态的观测,接着运用步骤7到步骤14的策略迭代算法在下一个再生周期的开始时刻tm+1计算生成优化的控制策略,据此控制下一个再生周期中的流媒体传输,并递归生成最优控制策略。
步骤7、利用式(1)得到前m个优化再生周期中信道估计状态为b∈B时信道增益为h∈H的概率分布估计
式(1)中, 表示第m个优化再生周期中观测状态为b∈B时信道增益为h∈H的概率分布估计,并有:
式(2)中,I(·)表示示性函数,当(·)成立时,I(·)=1,否则I(·)=0;
应用贝叶斯公式计算在第m个优化再生周期中信道状态估计的概率分布,并递归计算得到前m个优化再生周期中信道状态估计的概率分布。
步骤8、利用式(3)和式(4)分别获得第m个优化再生周期中的能耗值和量化的视频质量值
式(3)和式(4)中,rh表示信道增益为h、信道带宽为W、发射功率为Ptr时的传输速率,且rh=W×log2(1+ξ×Ptr×h);ξ表示与发射调制编码相关的常数;g表示定义在视频编码数据率集合U上的视频质量函数。|rh|U表示在传输速率rh下,能完整传输的最高编码层数据率,即|rh|U=max{un∈U|un≤rh};
步骤9、利用式(5)计算第m个优化再生周期中的拉格朗日函数
利用拉格朗日乘子法将QoS约束下的最小能耗的带约束的优化问题转换为一个无约束的优化问题。
步骤10、利用式(6)和式(7)分别计算第m个优化再生周期的策略Lm下的平均性能测度和平均能耗测度
式(6)和式(7)中,表示在第m个优化再生周期的策略Lm下信道估计状态为时采取的控制行动;
步骤11、对所有的b∈B,当式(8)成立时,令且对于所有的令
根据基于性能势理论的性能灵敏度分析,可得比较两个策略优劣的性能差公式ηL'-ηL=πL(fL'-fL),其中πL是信道估计状态的稳态概率分布;且有如下定理:
定理1.若fL′≤fL,则ηL'≤ηL;并且,当且仅当对于所有的L∈Π有成立,策略L*是最优策略。
根据定理1可以由式(8)计算得到一个优化的策略并能甄别一个策略是否最优。
步骤12、若存在b∈B,使得fm(b,L(b))<fm(b,Lm(b))成立,则令Lm+1=L,否则令Lm+1=Lm;
比较得到的优化策略L和当前策略Lm,若得到的优化策略L更优,则将此优化策略L作为下一个优化再生周期中的控制策略Lm+1;否则,将当前策略Lm作为下一个优化再生周期中的控制策略Lm+1。以避免最优策略不唯一时算法在多个最优策略之间反复切换。
步骤13、利用式(9)更新第m+1个优化再生周期中的拉格朗日因子αm+1:
式(9)中,V表示QoS要求的平均视频质量值,γm表示第m个优化再生周期中的步长,且表示到区间(0,a2]上的投影;a2表示远大于零的常数;
步骤14、将赋值m+1给m,并返回步骤2顺序执行。
Claims (1)
1.一种高能效的可伸缩视频编码实时流媒体的无线传输方法,其特征是:
所述实时流媒体是由N个编码层组成的视频流,所述N个编码层包括:1个基本层和N-1个增强层;记由前n个编码层组成的视频流的数据率为un,数据率集合为U={un,n=1,...,N};H为离散化的信道增益集合;B表示信道估计状态集合,且B=H;控制行动表示选择前n个编码层数据进行传输,且控制行动集合定义策略为其中表示当信道估计状态为b时采取控制行动的概率;记确定型策略集合为以L(b)=du等价表示
所述无线传输方法是由发送端和接收端通过增益波动的无线信道按如下步骤进行:
步骤1、初始化:
定义优化再生周期的序号为m;各优化再生周期中的传输周期的序号为n;在第m个优化再生周期中的第n次传输标记为
令m=1;
从状态估计集合B中任选一个估计状态作为b*;
任选一个策略Lm∈∏作为初始策略;
令拉格朗日因子αm=a1,a1为大于零的实数;
步骤2、令n=1;
步骤3、在第m个优化再生周期的第n个传输周期的开始时刻,对信道状态进行估计,得到信道估计状态并记录;
步骤4、在固定长度的传输周期Ttr中,根据信道估计状态由第m个优化再生周期的策略Lm选择编码层进行传输;
步骤5、在第m个优化再生周期的第n次传输完成时刻,所述接收端将接收信息反馈给所述发送端,使得所述发送端得到在第m个优化再生周期的第n次传输中的信道增益状态并记录;
步骤6、判断是否成立,若成立,则令Tm=n,并执行步骤7,否则,将n+1赋值给n,并返回步骤3执行;
步骤7、利用式(1)得到前m个优化再生周期中信道估计状态为b∈B时信道增益为h∈H的概率分布估计
式(1)中, 表示第m个优化再生周期中观测状态为b∈B时信道增益为h∈H的概率分布估计,并有:
式(2)中,I(·)表示示性函数,当(·)成立时,I(·)=1,否则I(·)=0;
步骤8、利用式(3)和式(4)分别获得第m个优化再生周期中的能耗值和量化的视频质量值
式(3)和式(4)中,rh表示信道增益为h、信道带宽为W、发射功率为Ptr时的传输速率,且rh=W×log2(1+ξ×Ptr×h);ξ表示与发射调制编码相关的常数;g表示定义在视频编码数据率集合U上的视频质量函数;|rh|U表示在传输速率rh下,能完整传输的最高编码层数据率,即|rh|U=max{un∈U|un≤rh};
步骤9、利用式(5)计算第m个优化再生周期中的拉格朗日函数
步骤10、利用式(6)和式(7)分别计算第m个优化再生周期的策略Lm下的平均性能测度和平均能耗测度
式(6)和式(7)中,表示在第m个优化再生周期的策略Lm下信道估计状态为时采取的控制行动;
步骤11、对所有的b∈B,当式(8)成立时,令且对于所有的令
步骤12、若存在b∈B,使得fm(b,L(b))<fm(b,Lm(b))成立,则令Lm+1=L,否则令Lm+1=Lm;
步骤13、利用式(9)更新第m+1个优化再生周期中的拉格朗日因子αm+1:
式(9)中,V表示QoS要求的平均视频质量值,γm表示第m个优化再生周期中的步长,且γm>0, 表示到区间(0,a2]上的投影;a2表示远大于零的常数;
步骤14、将赋值m+1给m,并返回步骤2顺序执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710084002.7A CN106850643B (zh) | 2017-02-16 | 2017-02-16 | 一种高能效的可伸缩视频编码实时流媒体的无线传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710084002.7A CN106850643B (zh) | 2017-02-16 | 2017-02-16 | 一种高能效的可伸缩视频编码实时流媒体的无线传输方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106850643A true CN106850643A (zh) | 2017-06-13 |
CN106850643B CN106850643B (zh) | 2019-06-18 |
Family
ID=59127643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710084002.7A Active CN106850643B (zh) | 2017-02-16 | 2017-02-16 | 一种高能效的可伸缩视频编码实时流媒体的无线传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106850643B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108881188A (zh) * | 2018-05-31 | 2018-11-23 | 北京橙鑫数据科技有限公司 | 多媒体数据的发送、接收方法及其装置以及播放设备 |
CN110941489A (zh) * | 2018-09-21 | 2020-03-31 | 北京京东尚科信息技术有限公司 | 流处理引擎的伸缩方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101568026A (zh) * | 2009-05-26 | 2009-10-28 | 上海大学 | 可伸缩视频流多速率组播通信的最优速率分配方法 |
CN104219528A (zh) * | 2014-09-09 | 2014-12-17 | 南京大学 | 一种支持可分级视频编码的mimo***的视频传输方法 |
CN105406945A (zh) * | 2015-11-25 | 2016-03-16 | 合肥工业大学 | 一种多基站***中可伸缩视频的多播资源分配及传输方法 |
-
2017
- 2017-02-16 CN CN201710084002.7A patent/CN106850643B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101568026A (zh) * | 2009-05-26 | 2009-10-28 | 上海大学 | 可伸缩视频流多速率组播通信的最优速率分配方法 |
CN104219528A (zh) * | 2014-09-09 | 2014-12-17 | 南京大学 | 一种支持可分级视频编码的mimo***的视频传输方法 |
CN105406945A (zh) * | 2015-11-25 | 2016-03-16 | 合肥工业大学 | 一种多基站***中可伸缩视频的多播资源分配及传输方法 |
Non-Patent Citations (3)
Title |
---|
JOOHYUNG LEE等: ""Energy efficient scalable video coding based cooperative multicast scheme with selective layer forwarding"", 《IEEE COMMUNICAITONS LETTERS》 * |
QI JIANG等: ""Energy-Efficient Adaptive Transmission of Scalable Video Streaming in Cognitive Radio Communications"", 《IEEE SYSTEMS JOURNAL》 * |
SEONG-PING CHUAH等: ""Energy-Efficient Resource Allocation and Scheduling for Multicast of Scalable Video Over Wireless Networks"", 《IEEE TRANSACTIONS ON MULTIMEDIA》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108881188A (zh) * | 2018-05-31 | 2018-11-23 | 北京橙鑫数据科技有限公司 | 多媒体数据的发送、接收方法及其装置以及播放设备 |
CN110941489A (zh) * | 2018-09-21 | 2020-03-31 | 北京京东尚科信息技术有限公司 | 流处理引擎的伸缩方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106850643B (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Data-importance aware user scheduling for communication-efficient edge machine learning | |
Sakib et al. | An efficient and lightweight predictive channel assignment scheme for multiband B5G-enabled massive IoT: A deep learning approach | |
WO2023179010A1 (zh) | 一种noma-mec***中的用户分组和资源分配方法及装置 | |
CN107666676B (zh) | 一种集能型无线中继网络最大化***吞吐量的在线控制方法 | |
Rajawat et al. | Cross-layer designs in coded wireless fading networks with multicast | |
CN110941675B (zh) | 一种基于深度学习的无线供能边缘计算延迟优化方法 | |
Salh et al. | Smart packet transmission scheduling in cognitive IoT systems: DDQN based approach | |
CN110312269B (zh) | 一种基于能量-信息权衡传输的无线携能通信***及其方法 | |
CN109195207B (zh) | 一种基于深度强化学习的集能型无线中继网络吞吐量最大化方法 | |
CN101562843A (zh) | 异构网络中的网络选择方法 | |
Sakib et al. | A deep learning method for predictive channel assignment in beyond 5G networks | |
Chen et al. | A deep learning based resource allocation scheme in vehicular communication systems | |
Ng et al. | Energy-efficient power allocation for M2M communications with energy harvesting transmitter | |
Salh et al. | Refiner GAN algorithmically enabled deep-RL for guaranteed traffic packets in real-time URLLC B5G communication systems | |
Hu et al. | Weighted sum-rate maximization for MIMO downlink systems powered by renewables | |
Jiang et al. | Q-learning based task offloading and resource allocation scheme for internet of vehicles | |
Guo et al. | Predictive resource allocation with deep learning | |
CN102665219A (zh) | 一种基于ofdma的家庭基站***的动态频谱分配方法 | |
CN106850643A (zh) | 一种高能效的可伸缩视频编码实时流媒体的无线传输方法 | |
CN114521023A (zh) | Swipt辅助noma-mec***资源分配建模方法 | |
CN109272167B (zh) | 一种基于uudn和q神经网络的绿色能量合作方法 | |
Hassan et al. | Joint throughput-power optimization of fog-RAN using rate-splitting multiple access and reinforcement-learning based user clustering | |
Zhang et al. | Joint design of multicast transmission and in-network caching for green Internet of Things | |
Bariah et al. | Deep Q-learning-based resource allocation in NOMA visible light communications | |
Li et al. | Resource allocation schemes based on intelligent optimization algorithms for D2D communications underlaying cellular networks |
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 |