[发明专利]基于队列学习和超分辨率的超高清视频传输系统与方法

权利要求书

1.基于队列学习和超分辨率的超高清视频传输系统，其特征在于，包括边缘代理节点；

所述边缘代理节点包括自适应决策智能体、视频超分辨率VSR处理器和下载缓存队列；

所述VSR处理器用于对源端传输来的视频分辨率进行重建；

所述下载缓存队列用于缓存从源端传输来的视频块；

所述自适应决策智能体用于监控网络状态信息、客户端播放缓存队列信息以及所述下载缓存队列信息，并根据监控到的信息对源端视频分辨率和所述VSR处理器重建的视频分辨率进行自适应调节，输出自适应视频分辨率决策到源端，以使源端根据接收的自适应视频分辨率决策发送对应分辨率的视频块；

基于所述超高清视频传输系统的传输方法，包括：

建立基于队列学习的自适应传输优化模型，具体为：

构建下载缓存队列模型B₁(t)；B₁(t)为下载缓存队列在时隙t开始时的队列中视频的播放时长；

构建播放缓存队列模型B₂(t)；B₂(t)为播放缓存队列在时隙t开始时队列内的播放时长；

构建VSR处理模型N(t)；N(t)为边缘代理节点实现线速VSR所需要的CPU核数

构建信道模型C(t)；C(t)为时隙t用户的无线传输速率；

建立优化模型：

s.t.P(N′(t)＜N(t))≤ε₁

P(B₂(t)＜B_bound)≤ε₂；

其中，Q_PSNR为视频质量，T_re为中断造成的重缓冲时间，D_switch为分辨率切换造成的抖动，λ₁和λ₂为权重因子，N′(t)为时隙t的边缘代理节点上可用CPU核数，ε₁为约束的概率约束阈值，QoE为单个用户的体验质量，B_bound为播放缓存队列播放视频时长的最低阈值，ε₂为约束的违反概率；

采用深度强化学习方法对所述自适应传输优化模型进行求解，对源端视频分辨率和VSR处理器重建的视频分辨率进行决策。

2.根据权利要求1所述的基于队列学习和超分辨率的超高清视频传输系统，其特征在于，所述VSR处理器能够执行基于深度强化学习的VSR算法。

3.根据权利要求1所述的基于队列学习和超分辨率的超高清视频传输系统，其特征在于，所述源端为DASH服务器端，支持多种分辨率视频格式。

4.根据权利要求1所述的基于队列学习和超分辨率的超高清视频传输系统，其特征在于，所述客户端包括DASH播放器；

所述DASH播放器中维护一个状态可读的播放缓存队列。

5.根据权利要求1所述的基于队列学习和超分辨率的超高清视频传输系统，其特征在于，采用深度强化学习方法对所述自适应传输优化模型进行求解，具体包括：

构建深度神经网络模型并进行模型训练；

将采集的实时状态信息输入到训练好的模型中，输出最优控制策略。