本发明专利技术提出了MEC辅助无线VR业务中基于视点预测的已渲染瓦片复用方法，属于移动边缘计算领域；首先，基站建立初始的已渲染瓦片复用模型；然后，根据用户的FoV请求，预测各用户下一个时隙的FoV；并根据预测结果，基站缓存下一时隙可能会被请求到的FoV中瓦片的背景信息；并根据渲染瓦片复用模型以及每个基站上缓存的瓦片状态，对用户请求FoV中的瓦片进行渲染，将已渲染的FoV图像发送给用户，并计算传输时延与渲染时延之和；最后，搭建目标函数以及约束条件，使总体VR用户的QoE值在长时间内保持最大化。并利用PPO进行求解，得到联合优化访问、已渲染瓦片复用和缓存策略。本发明专利技术在缓存受限的情况下，减少瓦片背景环境的渲染次数，进一步降低了系统的渲染延迟。进一步降低了系统的渲染延迟。进一步降低了系统的渲染延迟。
【技术实现步骤摘要】
wireless virtual reality framework in future wireless networks:A distributed learning approach,”IEEE Transactions on Vehicular Technology,vol.69,no.8,pp.8514
–
8528,2020.
[0009][3]Y.Zhang,L.Jiao,J.Yan,and X.Lin,“Dynamic service placement for virtual reality group gaming on mobile edge cloudlets,”IEEE Journal on Selected Areas in Communications,vol.37,no.8,pp.1881
–
1897,2019.
[0010][4]J.Li,Y.Shang,M.Qin,Q.Yang,N.Cheng,W.Gao,and K.
‑
s.Kwak,“Multiobjective oriented task scheduling in heterogeneous mobile edge computing networks,”IEEE Transactions on Vehicular Technology,pp.1
–
1,2022.
[0011][5]C.Zheng,S.Liu,Y.Huang,and L.Yang,“Hybrid policy learning for energy
‑
latency tradeoff in mec
‑
assisted VR video service,”IEEE Transactions on Vehicular Technology,vol.70,no.9,pp.9006
–
9021,2021.
[0012][6]J.Du,F.R.Yu,G.Lu,J.Wang,J.Jiang,and X.Chu,“Mec
‑
assisted immersive VR video streaming over terahertz wireless networks:A deep reinforcement learning approach,”IEEE Internet of Things Journal,vol.7,no.10,pp.9517
–
9529,2020.
[0013][7]P.Lin,Q.Song,F.R.Yu,D.Wang,and L.Guo,“Task offloading for wireless VR
‑
enabled medical treatment with blockchain security using collective reinforcement learning,”IEEE Internet of Things Journal,vol.8,no.21,pp.15749
–
15761,2021.
[0014][8]X.Liu and Y.Deng,“Learning
‑
based prediction,rendering and association optimization for mec
‑
enabled wireless virtual reality(VR)networks,”IEEE Transactions on Wireless Communications,vol.20,no.10,pp.6356
–
6370,2021.
[0015][9]H.Xiao,C.Xu,Z.Feng,R.Ding,S.Yang,L.Zhong,J.Liang,and G.M.Muntean,“Atranscoding
‑
enabled 360VR video caching and delivery framework for edge
‑
enhanced next
‑
generation wireless networks,”IEEE Journal on Selected Areas in Communications,vol.40,no.5,pp.1615
–
1631,2022.
[0016][10]L.Zhong,X.Chen,C.Xu,Y.Ma,M.Wang,Y.Zhao,and G.
‑
M.Muntean,“A multi
‑
user cost
‑
efficient crowd
‑
assisted VR content delivery solution in 5g
‑
and
‑
beyond heterogeneous networks,”IEEE Transactions on Mobile Computing,pp.1
–
1,2022.
[0017][11]Y.Liu,J.Liu,A.Argyriou,and S.Ci,“Mec
‑
assisted panoramic VR video streaming over millimeter wave mobile networks,”IEEE Transactions on Multimedia,vol.21,no.5,pp.1302
–
1316,2019.
[0018][12]K.Long,Y.Cui,C.Ye,and Z.Liu,“Optimal wireless streaming of multi
‑
quality 360VR video by exploiting natural,relative smoothness
‑
enabled,and transcoding
‑
enabled multicast opportunities,”IEEE Transactions on Multimedia,vol.23,pp.3670
–
3683,2021.
技术实现思路
[0019]为了解决VR业务中位于重叠视场的瓦片被重复渲染而导致的计算资源浪费问题，以及提高瓦片在边缘服务器上的缓存命中率，本专利技术提出了一种MEC辅助无线VR业务中基于视点预测的已渲染瓦片复用方法，综合考虑了前景渲染与背景存储的相关性、已渲染瓦片在基站间的迁移以及VR设备与基站间的无线传输。该方法通过减少位于重叠视点中的瓦片重复渲染的次数，有效地提高了边缘节点中计算资源的利用率。该方法还联合考虑了前景交互渲染和背景环境缓存的相关性、已渲染瓦本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.所述MEC辅助无线VR业务中基于视点预测的已渲染瓦片复用方法，具体步骤如下：首先，搭建包括M个基站、U个VR用户和支持H种VR游戏的无线网络系统；基站集合表示为VR用户集合表示为VR游戏集合表示为：表示连续的时隙集；VR游戏的每一帧被分割成N个瓦片，游戏视频帧产生的视点FoV也包含若干个瓦片；初始每个用户分别向基站发送FoV请求，基站建立已渲染瓦片复用模型；根据所有用户当前时刻和历史时刻的FoV请求，利用神经网络预测每个用户在下一个时隙的FoV；然后，根据用户的FoV预测结果，每个基站利用缓存模型提前缓存，下一时隙可能会被用户请求到的FoV中瓦片的背景信息；根据渲染瓦片复用模型以及每个基站上缓存的瓦片状态，对用户请求FoV中的瓦片进行渲染，并将已渲染的瓦片传输到请求FoV的用户的接入基站，然后接入基站通过无线传输将已渲染好的FoV图像发送给该用户，并计算传输时延与渲染时延之和；最后，基于已渲染瓦片复用模型、FoV预测，缓存模型，以及渲染和传输延迟搭建目标函数以及约束条件，使总体VR用户的QoE值在长时间内保持最大化；并利用近端策略优化算法对目标函数进行求解，得到联合优化访问、已渲染瓦片复用和缓存策略；QoE效用函数用于衡量VR用户总QoE的值；QoE效用函数如下:QoE效用函数用于衡量VR用户总QoE的值；QoE效用函数如下:作为用户接入的指示变量集；如果用户u在时隙t接入基站m，那么否则，否则，表示信道分配集；表示基站m在时隙t分配给用户u的带宽大小；作为已渲染瓦片n
h
的背景环境缓存放置的决策变量集；表示时隙t已渲染瓦片n
h
的背景环境是否缓存在MEC服务器m中；如果是，则否则，则，表示MEC服务器m在t时隙上分配给瓦片的计算资源集合；表示MEC服务器m在t时隙上分配给瓦片n
h
的计算资源；表示卸载指示集；在t时隙内，表示用户u选择在MEC服务器上渲染瓦片n
h
，则表示用户u选择在本地设备上渲染瓦片n
h
，此外，当用户u的视点不包含瓦片n
h
时，时，表示在时隙tMEC服务器m渲染瓦片n
h
的决策变量集；表示在时隙tMEC服务器m是否渲染瓦片n
h
，如果是，否则,否则,表示用户u在时隙t处感知到的MTP延迟，要低于用户u的最大容忍延迟ξ
u
；表达式为：其中表示用户u以边缘计算的方式执行渲染任务时
的延迟；表示用户u的本地渲染延迟；1
{
·
}
是一个指示函数，定义为:目标函数及约束条件表示为:Ξ1::::::::::约束C1确保缓存在基站m中已渲染瓦片的背景环境数据总大小不应超过基站m的最大缓存容量；表...
【专利技术属性】
技术研发人员：张鹤立，刘春雨，李曦，纪红，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
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。