华南理工大学学报(自然科学版)

作者：陈锋, 毛豪滨, 蔡吉玲, 等

单位：福州大学 物理与信息工程学院，福建 福州 350108

关键词：跨层多维参数,实时视频流,5G网络,可用带宽预测,深度强化学习

基金：国家自然科学基金青年科学基金资助项目(61801120);福建省自然科学基金面上项目(2022J01551)

5G网络的可用带宽是影响实时视频业务的关键要素之一，但如何在低延时实时视频业务下完成准确预测依旧是个难题。传统可用带宽预测算法通常依靠业务层的数据指标，根据发包策略完成预测。但此类算法在网络频繁变化的复杂场景下会出现预测滞后问题，严重影响了用户的接收视频质量。为解决此问题，文中提出了一种基于跨层多维参数的可用带宽预测算法，该算法综合考虑了业务层、物理层、网络层等的相关数据指标，并通过多个维度参数提升无线网络带宽探测的准确性。文中采用深度强化学习作为模型框架，针对不同的运动场景，通过跨层多维度的数据模型学习实现离线预测和在线预测的融合。同时，将网络丢包率、图像质量评估和端到端时延等链路影响因素作为约束条件，以实现预测模型在传输过程中的实时调整和优化。在半物理平台上的实验结果表明：文中所提算法的预测性能优于传统的预测算法，预测曲线与实际曲线的拟合程度高达95.8%以上；相比于单层预测算法，所提算法在步行、驾驶场景下的丢包率分别降低了47.3%和30.9%，接收视频质量提升了12%。

来源：2023年第11期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2023年第11期