【技术实现步骤摘要】
本专利技术涉及深度强化学习以及流媒体，具体涉及一种基于qoe和资源消耗感知的码率自适应的实时视频传输方法。
技术介绍
1、全球直播视频流市场正在迅速扩展，从体育到游戏，各类直播活动的观众数量不断增加，对无缝播放和高清视频质量的需求也随之上升。然而，流媒体服务的扩张往往超出当前网络基础设施的能力，导致高延迟和视频质量下降，影响用户满意度和服务提供商的收入。
2、自适应比特率(abr)流媒体技术通过动态调整视频质量来适应网络条件，从而优化了直播和点播视频的播放体验。abr技术能检测用户的带宽和设备能力，选择合适的视频质量，确保视频质量与连续播放的平衡，减少播放中断。这种方法依赖于不同比特率和分辨率的多个预编码视频版本，客户端根据网络情况在这些版本间切换，保持流畅的观看体验。
3、尽管abr有效减少了重新缓冲并提升用户体验质量(qoe)，其在直播中的应用面临独特挑战。abr最初为点播视频设计，在直播中则因实时性要求和网络波动的不可预测性而难以应对。传统abr系统依赖于固定编码参数，如比特率和分辨率，由编码阶梯决定。然而...
【技术保护点】
1.一种基于QoE和资源消耗感知的码率自适应的实时视频传输方法，其特征在于，该方法包括采用基于强化学习的对抗双深度Q网络分析用户QoE反馈和系统状态下的资源消耗，学习并确定最佳的编码阶梯，结合当前的网络带宽状况和用户数量的变化，云服务器结合动态确定的编码阶梯来进行视频流的处理，包括将处理后的视频流进行分块传输，上传至CDN服务器，当用户请求视频时，从最近的CDN节点拉取视频块；
2.根据权利要求1所述的基于QoE和资源消耗感知的码率自适应的实时视频传输方法，其特征在于，对抗双深度Q网络中的用户体验的质量QoE通过以下公式表示：
3.根据权利要求...
【技术特征摘要】
1.一种基于qoe和资源消耗感知的码率自适应的实时视频传输方法，其特征在于，该方法包括采用基于强化学习的对抗双深度q网络分析用户qoe反馈和系统状态下的资源消耗，学习并确定最佳的编码阶梯，结合当前的网络带宽状况和用户数量的变化，云服务器结合动态确定的编码阶梯来进行视频流的处理，包括将处理后的视频流进行分块传输，上传至cdn服务器，当用户请求视频时，从最近的cdn节点拉取视频块；
2.根据权利要求1所述的基于qoe和资源消耗感知的码率自适应的实时视频传输方法，其特征在于，对抗双深度q网络中的用户体验的质量qoe通过以下公式表示：
3.根据权利要求2所述的基于qoe和资源消耗感知的码率...
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。