發(fā)布時(shí)間：2022-07-29 17:01

　　近年來(lái),隨著智能終端和無(wú)線互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展,移動(dòng)視頻流量將占據(jù)全球移動(dòng)數(shù)據(jù)流量的絕大部分,用戶對(duì)流媒體業(yè)務(wù)體驗(yàn)質(zhì)量（Quality of Experience,Qo E）的要求也越來(lái)越高,而高Qo E的視頻傳輸將消耗更多的帶寬資源,使得無(wú)線帶寬資源更加稀缺。隨著邊緣計(jì)算的興起,將帶寬資源分配算法和自適應(yīng)比特率（Adaptive Bitrate,ABR）算法聯(lián)合考慮,從全局的角度優(yōu)化無(wú)線視頻傳輸系統(tǒng)中多用戶的總體Qo E變得可行。然而無(wú)線帶寬資源分配和自適應(yīng)比特率的聯(lián)合決策算法仍然面臨著許多挑戰(zhàn)。實(shí)際場(chǎng)景中存在大量用戶,聯(lián)合算法需要對(duì)每個(gè)用戶進(jìn)行資源分配和ABR決策,將使得決策空間非常大。該聯(lián)合決策問(wèn)題是一個(gè)復(fù)雜的非凸優(yōu)化問(wèn)題,難以采用最優(yōu)化方法尋找最優(yōu)解。此外,基于固定策略的傳統(tǒng)方法依賴于對(duì)環(huán)境的建模和先驗(yàn)知識(shí),難以擴(kuò)展到不同的網(wǎng)絡(luò)環(huán)境中。因此,本文以無(wú)線視頻傳輸系統(tǒng)中多用戶的總體Qo E優(yōu)化為研究點(diǎn),以實(shí)現(xiàn)高性能和高通用性的帶寬資源分配和ABR的聯(lián)合決策算法為切入點(diǎn),提出了一個(gè)基于機(jī)器學(xué)習(xí)的通用算法框架實(shí)現(xiàn)帶寬資源分配和ABR的聯(lián)合決策。具體來(lái)說(shuō),本文提出了基于單智能體Actor... 

【文章頁(yè)數(shù)】：89 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國(guó)內(nèi)外研究歷史和現(xiàn)狀
        1.2.1 ABR技術(shù)的歷史和現(xiàn)狀
        1.2.2 資源分配算法的歷史與現(xiàn)狀
        1.2.3 ABR和資源分配聯(lián)合算法的研究歷史與現(xiàn)狀
    1.3 論文的主要研究?jī)?nèi)容與結(jié)構(gòu)安排
        1.3.1 論文的主要研究?jī)?nèi)容
        1.3.2 論文結(jié)構(gòu)安排
第二章 相關(guān)理論基礎(chǔ)
    2.1 機(jī)器學(xué)習(xí)基本理論
        2.1.1 深度學(xué)習(xí)
        2.1.2 強(qiáng)化學(xué)習(xí)
        2.1.3 深度強(qiáng)化學(xué)習(xí)
    2.2 自適應(yīng)比特率技術(shù)
        2.2.1 視頻自適應(yīng)比特率傳輸
        2.2.2 傳統(tǒng)的自適應(yīng)比特率算法
    2.3 無(wú)線資源分配算法
        2.3.1 無(wú)線資源分配概述
        2.3.2 經(jīng)典的無(wú)線資源分配算法
        2.3.3 基于QoE的無(wú)線資源分配算法
    2.4 帶寬資源分配和ABR聯(lián)合優(yōu)化技術(shù)
    2.5 本章小結(jié)
第三章 基于DRL的聯(lián)合QOS控制和ABR的視頻傳輸優(yōu)化
    3.1 F-RAN下基于QOS控制的多用戶實(shí)時(shí)視頻傳輸
        3.1.1 系統(tǒng)模型
        3.1.2 視頻流傳輸模型
        3.1.3 優(yōu)化模型
    3.2 基于深度強(qiáng)化學(xué)習(xí)的聯(lián)合QOS控制和ABR決策算法
        3.2.1 QoS控制ABR的分級(jí)決策流程
        3.2.2 QoS控制聯(lián)合ABR決策算法分析
        3.2.3 基于Actor-Critic的 QoS控制和ABR聯(lián)合算法
    3.3 本章小結(jié)
第四章 基于多智能體DRL的帶寬分配和ABR的聯(lián)合算法
    4.1 優(yōu)化模型
    4.2 基于多智能體強(qiáng)化學(xué)習(xí)的帶寬資源分配算法
        4.2.1 算法需求分析
        4.2.2 基于多智能體Actor-Critic資源分配算法的設(shè)計(jì)及訓(xùn)練
    4.3 本章小結(jié)
第五章 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
    5.1 實(shí)驗(yàn)設(shè)置
    5.2 QOS&ABR算法仿真結(jié)果分析
        5.2.1 實(shí)驗(yàn)參數(shù)設(shè)置
        5.2.2 仿真結(jié)果分析
    5.3 MAC-BA&ABR算法仿真結(jié)果分析
        5.3.1 實(shí)驗(yàn)參數(shù)設(shè)置
        5.3.2 縱向探索結(jié)果分析
        5.3.3 橫向?qū)Ρ冉Y(jié)果分析
    5.4 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來(lái)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3666838