[发明专利]C-RAN架构中基于强化学习的VR视频多级缓存方法和系统

权利要求书

1.一种C-RAN架构中基于强化学习的VR视频多级缓存方法，其特征在于，包括：

采集网络吞吐量、用户请求信息和缓存状态信息；

基于视频质量、视频时域抖动、视频空域抖动和时延确定单用户的用户体验质量；

基于所述单用户的用户体验质量确定多用户的用户体验质量；

基于强化学习算法对所述多用户的用户体验质量进行优化；

基于所述网络吞吐量、用户请求信息、缓存状态信息和优化后的多用户的用户体验质量对VR视频进行缓存；

其中，所述基于视频质量、视频时域抖动、视频空域抖动和时延确定单用户的用户体验质量，包括：

基于公式和公式D^v,c≤t₁确定视频质量，其中，表示第u个用户观看第v个视频的第c个segment的用户体验质量，Q^v,c为视频质量，α为视频质量对用户体验质量的影响因子，S_T^v,c为视频时域抖动，β为视频时域抖动对用户体验质量的影响因子，S_S^v,c为视频空域抖动，γ为视频空域抖动对用户体验质量的影响因子，D^v,c表示交付第c个segment所需的时延，t₁表示用户缓冲区剩余大小。

2.根据权利要求1所述的方法，其特征在于，所述视频质量定义为：

其中，为视频质量的效用函数，其中，i表示segment中tile所在的行，j表示segment中tile所在的列，k表示tile的第几质量层。

3.根据权利要求2所述的方法，其特征在于，所述视频时域抖动定义为：

其中，Q^v,c表示第v个视频文件的第c个segment中tile的平均效用。

4.根据权利要求3所述的方法，其特征在于，所述视频空域抖动定义为：

其中，表示该tile的第k质量层是否被该用户请求；其中，i表示segment中tile所在的行，j表示segment中tile所在的列。

5.一种C-RAN架构中基于强化学习的VR视频多级缓存系统，其特征在于，包括：信息收集模块和缓存决策模块；其中：

所述信息收集模块，用于采集网络吞吐量、用户请求信息和缓存状态信息；

所述缓存决策模块，用于基于视频质量、视频时域抖动、视频空域抖动和时延确定单用户的用户体验质量；

所述缓存决策模块，还用于基于所述单用户的用户体验质量确定多用户的用户体验质量；

所述缓存决策模块，还用于基于强化学习算法对所述多用户的用户体验质量进行优化；

所述缓存决策模块，还用于基于所述网络吞吐量、用户请求信息、缓存状态信息和优化后的多用户的用户体验质量对VR视频视频进行缓存；

其中，所述缓存决策模块具体用于：

基于公式和公式D^v,c≤t₁确定视频质量，其中，表示第u个用户观看第v个视频的第c个segment的用户体验质量，Q^v,c为视频质量，α为视频质量对用户体验质量的影响因子，S_T^v,c为视频时域抖动，β为视频时域抖动对用户体验质量的影响因子，S_S^v,c为视频空域抖动，γ为视频空域抖动对用户体验质量的影响因子，D^v,c表示交付第c个segment所需的时延，t₁表示用户缓冲区剩余大小。

6.根据权利要求5所述的系统，其特征在于，所述视频质量定义为：

其中，为视频质量的效用函数，其中，i表示segment中tile所在的行，j表示segment中tile所在的列，k表示tile的第几质量层。

7.根据权利要求6所述的系统，其特征在于，所述视频时域抖动定义为：

其中，Q^v,c表示第v个视频文件的第c个segment中tile的平均效用。

8.根据权利要求7所述的系统，其特征在于，所述视频空域抖动定义为：

其中，表示该tile的第k质量层是否被该用户请求；其中，i表示segment中tile所在的行，j表示segment中tile所在的列。