【技术实现步骤摘要】
本专利技术属于视频数据的分配技术，具体涉及一种基于上下行链路解耦的视频流资源拍卖方法。
技术介绍
1、近年来，随着移动设备和各种视频应用的数量急剧增长，视频流逐步成为所有移动数据流的主导。同时，由于视频流对网络资源的需求较大，有限的网络资源给视频流服务的质量和可靠性提出了重大挑战。为缓解网络资源不足而导致的视频流服务质量下降的问题，我们引入上下行链路解耦和非正交多址组播来提高资源利用的效率。上下行链路解耦指用户不再需要将上行链路和下行链路都连接到同一个基站，而是可以分开接入不同的基站，提高了网络的灵活性。非正交多址组播一方面保留了组播的优点，另一方面进一步减少了干扰带来的影响。结合二者的优势，一种有效分配资源，能实现社会福利最大化的拍卖机制被提出。然而，由于可分配资源的组合方式过多，用户价值是用户的隐私，并且用户也受制于专业知识的限制，让用户提交全部商品组合空间的投标是不实际的。为减轻用户负担，引入了深度神经网络来根据用户提交的投标来预测用户价值。为求解社会福利最大化的分配结果，将社会福利最大化问题转化为混合整数规划问题，利用线性求解器
<本文档来自技高网...【技术保护点】
1.一种基于上下行链路解耦的视频流资源拍卖方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于上下行链路解耦的视频流资源拍卖方法，其特征在于，步骤S1利用上下行链路解耦和组播的优势提高资源利用率的过程包括：
3.根据权利要求1所述的基于上下行链路解耦的视频流资源拍卖方法，其特征在于，步骤S2利用深度神经网络模型对用户价值进行建模的具体过程包括：
4.根据权利要求1所述的基于上下行链路解耦的视频流资源拍卖方法，其特征在于，步骤S3利用线性化约束将社会福利最大化问题转化为混合整数规划问题进行求解的过程包括：
5.根...
【技术特征摘要】
1.一种基于上下行链路解耦的视频流资源拍卖方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于上下行链路解耦的视频流资源拍卖方法，其特征在于，步骤s1利用上下行链路解耦和组播的优势提高资源利用率的过程包括：
3.根据权利要求1所述的基于上下行链路解耦的视频流资源拍卖方法，其特征在于，步骤s2利用深度神经网络模型对用户价值进行建模的具体过程包括：
4.根据权利要求1所述的基于上下行链路解耦的视频流资源拍卖方法，其特征在于，步骤s3利用线性化约束将社会福利...
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。