[发明专利]一种移动增强现实场景的智能预加载方法

说明书

本发明属于无线传输技术领域，具体为一种移动增强现实场景的智能预加载算法。本发明的智能预加载算法，边缘服务器端对于用户的轨迹进行学习，将用户在还没到达某一全息内容前将文件推送给用户。这种推送算法利用空闲带宽对全息内容进行传输以提高边缘基站的传输效率。智能预加载算法在没有提前预知用户的运动轨迹的场景下，将用户的运动轨迹视为马尔可夫决策过程，自适应地学习最优预加载策略。智能预加载算法使移动设备通过自身的缓存空间选择性地存储接收到的内容以备将来的请求。尤其是，为了解决场景中全息内容稀疏导致的学习不收敛问题，提出状态相关Q学习算法。

技术领域

本发明属于无线传输技术领域，具体涉及移动增强现实(Augmented reality,AR)场景的缓存部署方法。

背景技术

虽然一般认为边缘计算可用于优化多个用户的AR体验，但目前缺乏针对此类设置的具体解决方案。由于多用户移动AR应用对于全息内容的高分辨率和多样性的要求，解决移动AR设备的全息内容传输问题变得非常必要。目前，大多数移动设备在下载AR应用程序时会将所有全息内容存储在设备上，这种方法一方面要求用户设备的存储空间足够大，另一方面很难应对三维AR 内容的实时更新。为了使移动AR的持续增长成为可能，现有的工作利用边缘服务器允许在适当的时间将正确的全息图加载到用户设备上。位于移动AR设备附近的边缘服务器被用作AR体验的辅助工具，边缘服务器用于存储和向用户提供特定区域内用户可能需要的全息内容。

发明内容

本发明的目的在于提供一种传输效率高、计算复杂度低的移动增强现实(AR)场景的智能预加载算法。

用户通过移动式AR设备获得沉浸式的虚拟观看体验。然而，由于实际的无线传输带宽限制，在用户请求数量较多时，基站无法按需向用户提供三维全息内容。如图1所示，用户具有不同的路径，接入不同的全息图，在用户接入全息图之前，边缘基站均可以提前发送该全息内容至设备端，这一过程被称为预加载过程。

本发明提供的移动AR场景的缓存部署，采用智能预加载算法，边缘服务器端将用户在还没到达某一全息内容前将文件推送给用户。这种预加载利用空闲带宽对全息内容进行传输以提高边缘基站的传输效率。采用智能预加载策略，在没有提前预知用户的运动轨迹的场景下，将用户的运动轨迹视为马尔可夫决策过程，自适应地学习最优预加载策略。

所述的智能预加载算法，将问题定义为马尔可夫决策模型，提出状态相关Q学习算法；在该算法中，本发明提出状态相关Q学习算法进行AR稀疏部署场景的学习，具体步骤为：

(1)通过采样用户的运动轨迹，利用马尔可夫决策模型，建立用户的运动模型；

(2)对用户运动模型进行采样，获得用户当前的位置，在不断累积知识后，根据转移概率预测用户下一个时刻的位置；

(3)把用户当前位置离散化为多个子区域，每一个子区域表示一个状态s_t,也是马尔可夫模型的一个节点，边代表两个相邻子区域，即两个状态之间的转换概率；

(4)在接收到奖赏值时，利用奖赏值进行Q表更新；

(5)在未接收到奖赏值时，利用相邻子区域，即马尔可夫决策模型中的状态转移概率，进行当前状态的Q值更新。

本发明提供的移动增强现实场景的智能预加载算法，具体步骤如下：

(1)边缘服务器端对于用户的轨迹进行学习，将用户的运动轨迹视为马尔可夫决策过程，自适应地学习最优预加载策略。将整个区域分成多个子区域，用户m在时隙t处确定状态s_t, 该状态由当前子区域i和可缓存内容集合决定。记录用户的行为轨迹和方向，并计算到新的状态的转移概率

(2)若用户收到一个推送内容，则用户在推送内容和所有缓存内容中选择一个丢弃；动作a_t表示每个时刻丢弃的全息内容，定义a_t＝n表示丢弃文件n；