【技术实现步骤摘要】
本申请涉及通信，尤其涉及一种车联网中信道优化与资源分配方法和系统。
技术介绍
1、6g技术的不断发展，正在将通信系统由事物的连接转变为智能的连接。借由不断发展的人工智能技术，无线网络与边缘智能正在不断深度融合。智能设备的大规模接入，各类新型的智能任务，如目标检测、语义分割的不断涌现，与数据量和计算量的爆炸式增长，无疑让边缘端资源更加紧缺，成为无线网络有限资源的瓶颈。以智能交通系统车联网为例，为保障安全驾驶，车辆端将配备摄像头采集大量视频数据，并通过智能算法，对视频的内容进行理解和分析，从而完成车辆端各种智能业务的决策和处理。在此背景下，大量视频数据的传输，将会给通信资源造成巨大压力。如何合理地分配边缘端的资源，将是亟需解决的问题。
2、现有的服务质量(qos)或体验质量(qoe)分配方法通常将资源分配的结果映射到相应的物理量，并将物理量或体验值作为优化目标。传统的通信会传输大量冗余数据，导致不必要的资源浪费，无法缓解边缘的资源压力，因为基于shannon的信息理论，在不考虑比特的含义的情况下，努力准确地传输每个符号。考虑到智能到智能的通信本质上只需要通信双方之间的互动，以便接收者理解发送者的信息所代表的内容，即“语义”，语义通信不断受到大家的青睐。从如何传输到传输什么，语义通信无疑具有通过提取语义信息和消除冗余来缓解资源约束的巨大潜力。现有技术中，资源分配的方法尽管考虑了语义重要性，却忽略了边缘端的信道条件。而车联网中存在的高速移动特性和信道状态动态变化的问题，将导致原有的算法不能保证信道状态的准确性。因此，如何解决
技术实现思路
1、针对上述技术问题，本申请实施例提供了一种车联网中信道优化与资源分配方法及系统，通过双层网络在信道层和资源层同时进行优化，获得真实信道状态下的资源分配结果，同时适应车联网中复杂多变的信道环境。
2、第一方面，本申请实施例提供的一种车联网中信道优化与资源分配方法，包括：
3、边缘端的车辆用户采集不同视角下的视频内容，并得出所述视频内容的语义重要性，所述车辆用户将所述视频内容和语义重要性发送给边缘服务器；
4、边缘服务器获取所述语义重要性，分别进行信道优化和资源分配，得出边缘端各车辆用户最优的信道状态以及资源分配结果；
5、所述边缘服务器将所述最优的信道状态以及资源分配结果下发给边缘端的各车辆用户；
6、边缘服务器对接收到的视频内容进行解码，对视频进行目标检测，检测完毕后将结果反馈给各车辆用户。
7、优选的，分别进行信道优化和资源分配包括：
8、信道优化的部分定义为信道层，资源分配的部分定义为资源层，在信道层和资源层内分别进行优化；
9、将边缘服务器作为网络中的智能体；
10、确定状态空间；
11、确定动作空间；
12、确定环境反馈；
13、求解信道层；
14、求解资源层。
15、优选的，在信道层内，将车辆的频谱利用率作为奖励函数，采用离散的深度双q网络进行求解；
16、在资源层内，将平均目标检测精度作为奖励函数，采用连续的a3c网络进行求解。
17、优选的，确定状态空间包括：
18、在信道层，状态空间sc为m个车辆行驶时所对应的行驶速度，时间间隔和发送载频；
19、在资源层，状态空间sr为m个车辆分配的带宽资源，可表示为sr；
20、其中：
21、sc＝{sc|sc＝(v1,v2,...,vm,te1.te2,...,tem.f1,f2,...,fm)}
22、sr＝{sr|sr＝(b1,b2,...,bm)}，
23、m是车辆总数，v1，v2，…，vm是m辆车的行驶速度，t1，t2，…，tmm辆车的时间间隔，f1，f2，…，fm是m辆车的发送载频，b1，b2，…，bm是m辆车分配的带宽资源。
24、优选的，确定动作空间包括：
25、在信道层，动作空间为m个车辆的行驶速度，时间间隔以及发送载频的变化；
26、在资源层，动作空间为：
27、ar＝{ar|ar＝(aadd,asub,δa)}；
28、其中，aadd表示资源量增加的车辆序号，asub表示资源量减少的车辆序号，δa表示带宽资源变化量的多少。
29、优选的，确定环境反馈包括：
30、环境反馈为下一状态和当前状态的奖励函数f的差值；
31、在信道层，f的值由车辆用户的频谱利用率之和fc求出；
32、在资源层，f的值由目标检测精度最大化模型fr求出；
33、其中，
34、
35、
36、其中，pm表示传输功率，pn表示噪声功率，m为车辆总数，ρ为补偿因子；im为当前视频里的目标密度；pmap(b)表示通信资源分配下的平均目标检测精度，b为带宽资源。
37、优选的，求解信道层包括：
38、在初始时刻，网络首先初始化双q网络并创建相应的状态空间；
39、网络生成一个随机数，如果随机数大于贪婪系数，则网络将随机选择一个动作，如果随机数小于贪婪系数，则网络选择使目标q网络的q值最大化的动作；
40、网络执行所述动作，观察下一个状态和环境反馈，并计算两者之间的奖励函数差；
41、将所述奖励函数差记录到体验回放中，迭代状态空间，并将信道层的探索步数加一；
42、判断学习条件是否满足，如果满足，则更新主q网络和目标q网络的参数；
43、判断是否满足边界条件或者是否达到最大迭代次数，如果是，则终止循环并记录最佳信道系数。
44、优选的，求解资源层包括：
45、采用a3c网络求解资源层，a3c网络分为globalnet和workers；
46、在初始时刻，初始化globalnet和workers的相关参数；
47、训练过程中，每个worker依据网络策略选出相应的动作；
48、执行所述动作后，根据下一刻的状态以及环境反馈调整自身的模型参数；
49、在每个训练轮结束时，workers将其训练的参数更新到globalnet，同时将自身的模型参数更改为globalnet的模型参数；
50、当迭代次数达到最大值时，循环终止，获得相应的资源分配结果。
51、优选的，所述边缘服务器将所述最优的信道状态以及资源分配结果下发给边缘端的各车辆用户之后，还包括：
52、各个车辆用户依据收到的信道优化建议与资源分配结果，调整行车速度为所收到的最优行驶速度，调整向基站发送视频的载波频率为最优载频，以及确认当前的最优信道稳定间隔。
53、第二方面，本申本文档来自技高网...
【技术保护点】
1.一种车联网中信道优化与资源分配方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述分别进行信道优化和资源分配包括：
3.根据权利要求2所述的方法，其特征在于，所述信道优化的部分定义为信道层，资源分配的部分定义为资源层，在信道层和资源层内分别进行优化包括：
4.根据权利要求2所述的方法，其特征在于，所述确定状态空间包括：
5.根据权利要求2所述的方法，其特征在于，所述确定动作空间包括：
6.根据权利要求2所述的方法，其特征在于，所述确定环境反馈包括：
7.根据权利要求2所述的方法，其特征在于，所述求解信道层包括：
8.根据权利要求2所述的方法，其特征在于，所述求解资源层包括：
9.根据权利要求2所述的方法，其特征在于，所述边缘服务器将所述最优的信道状态以及资源分配结果下发给边缘端的各车辆用户之后，还包括：
10.一种车联网中信道优化与资源分配系统，其特征在于，包括：
【技术特征摘要】
1.一种车联网中信道优化与资源分配方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述分别进行信道优化和资源分配包括：
3.根据权利要求2所述的方法，其特征在于，所述信道优化的部分定义为信道层，资源分配的部分定义为资源层，在信道层和资源层内分别进行优化包括：
4.根据权利要求2所述的方法，其特征在于，所述确定状态空间包括：
5.根据权利要求2所述的方法，其特征在于，所述确定动作空间包...
【专利技术属性】
技术研发人员：靳宇平，林润韬，
申请(专利权)人：中电信数智科技有限公司，
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。