【技术实现步骤摘要】
一种基于深度学习的VR业务无人机边缘计算方法
[0001]本专利技术涉及无人机虚拟
，具体而言，涉及一种基于深度学习的VR业务无人机边缘计算方法。
技术介绍
[0002]随着5G技术的发展和商用化，它所支持的VR(Virtual Reality，虚拟现实)应用给人们带来全新的科技生活体验。目前，模拟场景是VR技术的关键应用之一，在实现中涉及各种前景交互信息和丰富的背景环境渲染信息，这要求VR设备具有足够多的能量、内存和计算资源，保证处理的实时性以提升用户的沉浸式体验质量。然而，随着VR业务数据流量的显著增加，便携式VR设备计算能力有限，无法在规定延时阈值内完成处理，难以满足用户的体验质量要求。为了应对这一挑战，在无线网络边缘部署边缘计算服务器，使得计算资源更接近VR设备，提供下沉式计算服务，协助VR设备实时完成渲染处理。
[0003]无人机凭借其高灵活性和低部署成本等特点得到了广泛的应用，在无线网络中部署携带边缘计算平台的无人机，即无人机MEC(mobile edge computing，移动边缘计算)，可以节...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的VR业务无人机边缘计算方法，其特征在于，包括步骤：S1：通过预设VR渲染模式在无人机MEC系统中进行渲染，其中，无人机MEC系统包括一个无人机和多个VR设备；S2：根据步骤S1得到VR设备在VR业务渲染时的延迟和能量消耗量，当VR设备请求的VR业务在渲染延迟不超过设定值时被认定完成；通过预设优化流程对T个时隙内的VR业务渲染完成率进行优化，约束条件为每个VR设备的总能量消耗量小于或等于给定阈值；S3：通过马尔科夫决策过程对预设优化流程进行建模，其中无人机MEC系统状态包括用户的VR设备能量消耗量和无人机位置，无人机MEC系统采取的动作包括选择无人机的飞行轨迹和渲染模式，通过MDP优化目标，得到期望的最优策略。2.根据权利要求1所述的基于深度学习的VR业务无人机边缘计算方法，其特征在于，所述步骤S1中预设VR渲染模式包括本地渲染模式、远程渲染模式、本地和远程联合渲染模式。3.根据权利要求2所述的基于深度学习的VR业务无人机边缘计算方法，其特征在于，所述本地渲染模式为每个VR设备同时渲染前景交互信息和背景环境信息，在时隙中完成渲染的时间表示为：其中，t表示时隙，n表示VR设备，γ
n
表示VR设备n的计算能力；表示VR设备n在时隙t中产生业务所需的前景交互信息的渲染数据，单位为比特；表示VR设备n在时隙t中产生业务所需的背景环境信息的渲染数据，单位为比特；μ
n
表示VR设备n渲染一比特数据所需的CPU周期；在时隙中完成渲染的能量消耗量表示为：其中，表示为常数。4.根据权利要求2所述的基于深度学习的VR业务无人机边缘计算方法，其特征在于，所述远程渲染模式中无人机执行包括步骤：S11：通过VR设备获取前景交互信息和背景环境信息，并将前景交互信息和背景环境信息传输给无人机；S12：通过无人机MEC系统对前景交互信息和背景环境信息进行渲染；S13：通过无人机将渲染好的信息进行压缩编码传输至用户的VR设备；S14：通过VR设备接收解码并应用。5.根据权利要求4所述的基于深度学习的VR业务无人机边缘计算方法，其特征在于，所述远程渲染模式完成渲染时间表示为：其中，表示VR设备将前景交互信息上传给无人机所需的时间，表示无人机MEC系统的渲染处理时间，表示无人机编码压缩时间，表示无人机将渲染完成
的信息传输至用户的VR设备所需的时间，表示VR设备解码所需的时间，n表示VR设备；所述远程渲染模式中完成渲染的能量消耗量表示为：其中，表示用户的VR设备将前景交互信息上传至无人机所消耗的能量，表示VR设备解码时消耗的能量；上行传输中，前景交互信息采用Sub
‑
6GHz频段进行传输，可以得到VR设备在无人机的接收信噪比为：其中，表示VR设备的传输功率，B
n
(t)表示时隙下VR设备的带宽，g
n
(t)表示为VR设备与无人机之间的小尺度衰落信道增益，表示VR设备和无人机之间的大尺度衰落效应；大尺度衰落效应表示距离函数为：其中，β
up
表示和VR设备频率相关的常数，a
up
表示路径损耗指数；d
n
(t)表示在时隙中无人机和VR设备之间的距离，N0表示白噪声功率；VR设备采用频分复用方式分享上行链路带宽，根据香农容量公式，VR设备在时隙t时的上传数据速率为：其中，B
up
表示信道带宽，表示无人机在时隙t关联VR设备数量之和；无人机渲染处理延时为：其中，表示用户的VR设备向无人机传输的前景交互信息的大小；上行传...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。